Aplicaciones Lineales. Diagonalización de matrices.

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "Aplicaciones Lineales. Diagonalización de matrices."

Transcripción

1 Tema 2 Aplicaciones Lineales. Diagonalización de matrices Definiciones y propiedades Nota En este tema trabajaremos con los Espacios Vectoriales R n y R m definidos sobre el cuerpo R. Definición La aplicación f : R n R m diremos que es lineal si v, w R n y todo α R se tiene que: (1) f( v + w) = f( v) + f( w). (2) f(α v) = α f( v). Ejemplos (1) La aplicación f 0 : R n R m, definida por f 0 ( v) = 0 v R n, es lineal. (2) La aplicación identidad 1 R n : R n, definida por 1 R n( v) = v v R n, es lineal. 13

2 Curso 2014/2015 Matemáticas (Grado en Química) Propiedades Sea f : R n R m una aplicación lineal ( n ) n (1) f λ i v i = λ i f( v i ), λ i R, v i R n, i = 1, 2,, n i=1 i=1 (2) f( 0) = 0. (3) f( v) = f( v). (4) f( v w) = f( v) f( w). (5) Si S es un subespacio vectorial de R n, entonces f(s) es un subespacio vectorial de R m. (6) Si { v 1, v 2,, v k } es un sistema generador del subespacio S, entonces {f( v 1 ), f( v 2 ),, f( v k )} es un sistema generador del subespacio f(s) Representación matricial de una aplicación lineal Toda aplicación lineal f : R n R m viene determinada por una matriz A M m n y el análisis de la aplicación puede reducirse al análisis de la matriz que la determina. Proposición Sean B = { u 1, u 2,, u n } base de R n, B = { u 1, u 2,, u m} base de R m y f : R n R m una aplicación lineal tal que las imágenes por f de los vectores de la base B tienen coordenadas respecto de la base B : f( u 1 ) = (a 11, a 21,, a m1 ) B f( u 2 ) = (a 12, a 22,, a m2 ) B f( u n ) = (a 1n, a 2n,, a mn ) B La imagen del vector x = (x 1, x 2,, x n ) B se puede expresar en coordenadas respecto a la base B como: a 11 a 12 a 1n x 1 a 21 a 22 a 2n x 2 (y 1, y 2,, y m ) B = f((x 1, x 2,, x n ) = a m1 a m2 a mn Donde la matriz A = (a ij ) tiene por columnas las imágenes por f de las vectores de la base B con coordenadas en la base B. x n B 14

3 Grupos A y D Curso 2014/2015 Esta expresión recibe el nombre de expresión matricial de f respecto de las bases B y B de R n y R m respectivamente. Nota Salvo que se diga lo contrario, las bases que utilizaremos en lo sucesivo serán las bases canónicas de los respectivos espacios vectoriales, por lo que la expresión del vector coincidirá con sus coordenadas. Definición Sean A, B M m n, A, B son equivalentes si existen P M n n y Q M m m no singulares tales que B = Q 1 AP. Nota Dos matrices asociadas a la misma aplicación lineal con respecto a bases diferentes son equivalentes. Recíprocamente, dos matrices equivalentes siempre están asociadas a la misma aplicación lineal con respecto a bases diferentes. Definición Sean A, B M n n, (matrices cuadradas). A, B son semejantes si existe P M n n no singular tal que B = P 1 AP. Nota Dos matrices asociadas al mismo endomorfismo con respecto a bases diferentes son semejantes. Recíprocamente, dos matrices semejantes siempre están asociadas al mismo endomorfismo con respecto a bases diferentes Núcleo e imagen de una aplicación lineal. Definición Sea f : R n R m una aplicación lineal. El subconjunto del espacio inicial (R n ) formado por los vectores cuya imagen por f es el vector nulo del espacio final, recibe el nombre de Núcleo de f: N(f) = Ker(f) = { u R n : f( u) = 0}. El subconjunto del espacio final (R m ) formado por las imágenes por f de los vectores del espacio inicial recibe el nombre de Imagen de f: Im(f) = { v R m : u R n : v = f( u)}. 15

4 Curso 2014/2015 Matemáticas (Grado en Química) Proposición Sea f : R n R m una aplicación lineal. Ker(f) es un subespacio vectorial del espacio inicial (R n ). (Ker(f) = f 1 ( 0)). Im(f) es un subespacio vectorial del espacio final (R m ). (Im(f) = f(r n )). dim(ker(f)) + dim(im(f)) = dim(r n ) = n. Para el cálculo del núcleo y la imagen de una aplicación lineal, si la expresión matricial es Y = AX, con A M m n : Las ecuaciones implícitas del núcleo corresponden al sistema AX = Θ (También se puede obtener igualando la expresión analítica de f al vector nulo). Un sistema generador de la imagen está formado por las columnas de la matriz A. (También se puede obtener calculando la imagen por f de cualquier base). Definición Sea f : R n R m una aplicación lineal. f es Inyectiva si vectores distintos del espacio inicial tienen imágenes distintas. u, v R n : u v f( u) f( v) ó f( u) = f( v) u = v. f es Sobreyectiva si todo vector del espacio final es imagen de algún vector: v R m, u R n : v = f( u). f es Biyectiva si es a la vez inyectiva y sobreyectiva. Proposición f es Inyectiva Ker(f) = {θ} rg(a) = n. f es sobreyectiva Im(f) = R m rg(a) = m. f es biyectiva rg(a) = n = m Operaciones con aplicaciones lineales Definición Sean f, g : R n R m aplicaciones lineales. La aplicación Suma es: f + g : u R n (f + g)( u) = f( u) + g( u) R m. 16

5 Grupos A y D Curso 2014/2015 Proposición La aplicación f + g es una aplicación lineal y si A, B M m n son las matrices asociadas a las aplicaciones f y g respectivamente, entonces A + B es la matriz asociada a la aplicación f + g. Definición Sean α R y f : R n R m una aplicación lineal. La aplicación Producto por un escalar es: α f : u R n (α f)( u) = αf( u) R m. Proposición La aplicación α f es una aplicación lineal y si A M m n es la matriz asociada a la aplicación f, entonces α A es la matriz asociada a la aplicación α f. Definición Sean f : R n R m y g : R m R p aplicaciones lineales. La aplicación Composición es: g f : u R n (g f)( u) = g(f( u))) R p. Proposición La aplicación g f es una aplicación lineal y si A M m n es la matriz asociada a la aplicación f y B M p m es la matriz asociada a la aplicación g, entonces BA M p n es la matriz asociada a la aplicación g f. Definición Sea f : R n R m una aplicación lineal inyectiva. La aplicación Inversa de f es: f 1 : v Im(f) f 1 ( v) = u R n : f( u) = v. Proposición Sea f : R n R n un isomorfismo cuya matriz asociada respecto de una base de R n es A M n n. La inversa de f, f 1 es un isomorfismo cuya matriz asociada respecto de la misma base anterior es A 1 M n n Endomorfismos y matrices diagonalizables Definición Sea f : R n R n un endomorfismo. 17

6 Curso 2014/2015 Matemáticas (Grado en Química) f es diagonalizable si existe una base B = { u 1, u 2,, u n } respecto a la que su matriz asociada D, es diagonal: d d 2 0 D = 0 0 d n f( u 1 ) = d 1 u 1 f( u 2 ) = d 2 u 2 f es diagonalizable si existe una base B = { u 1, u 2,, u n } que verifica f( u n ) = d n u n Definición Sea A M n n una matriz cuadrada. A es diagonalizable si existe una matriz no singular P M n n, que recibe el nombre da matriz de paso, tal que: P 1 AP = D con D matriz diagonal. A es diagonalizable si y sólo si es semejante a una matriz diagonal. Proposición Sean f : R n R n un endomorfismo y A M n n su matriz asociada: f es diagonalizable si y sólo si A es diagonalizable Autovalores y autovectores. Definición Sean f : R n R n un endomorfismo y A M n n su matriz asociada. Si existen un escalar λ R y un vector no nulo u R n tales que: f( u) = λ u, [A u = λ u] Se dice que λ es un Autovalor de f [de A] y que u es un Autovector de de f [de A] asociado al autovalor λ. Teorema Sean f : R n R n un endomorfismo y A M n n su matriz asociada. f [A] es diagonalizable si y sólo si existe una base formada por autovectores de f [de A]. 18

7 Grupos A y D Curso 2014/2015 Proposición Sean f : R n R n un endomorfismo y A M n n su matriz asociada: Los autovalores de f [de A] son las soluciones de la ecuación A λi = 0, que recibe el nombre de Ecuación característica. El polinomio de grado n A λi se llama Polinomio característico. Los autovectores de f [de A] asociados al autovalor λ R son las soluciones no triviales del sistema (A λi)x = θ. Notas Estudiaremos sólo endomorfismos y matrices en los que todas las soluciones de la ecuación característica son números reales (las soluciones pueden estar repetidas). El número de veces que aparece un autovalor como solución de la ecuación característica recibe el nombre de Multiplicidad del autovalor. La ecuación característica no depende de la base considerada (pero el sistema si, ya que sus soluciones tienen las coordenadas en dicha base). Proposición Sean f : R n R n un endomorfismo y A M n n su matriz asociada. Si λ es un autovalor de f [de A], entonces: H(λ) = { u R n : f( u) = λ u} = { u R n : A u = λ u} = { u R n : (A λi) u = θ} es un subespacio vectorial de R n que recibe el nombre de subespacio de autovectores (o subespacio propio) de f [de A] asociado a λ y que está formado por los autovectores asociados a λ y el vector nulo. Proposición Sean f : R n R n un endomorfismo y A M n n su matriz asociada. Si { v 1, v 2,, v k } R n son autovectores de f [de A] asociados a autovalores distintos, entonces { v 1, v 2,, v k } son linealmente independientes. Si λ i, λ j R son autovalores distintos, entonces H(λ i ) H(λ j ) = {θ}. Si λ i es un autovalor con multiplicidad m i N, entonces 1 dim(h(λ i )) m i. 19

8 Curso 2014/2015 Matemáticas (Grado en Química) Teorema Sea f : R n R n un endomorfismo, A su matriz asociada y λ 1, λ 2,, λ k R son autovalores con multiplicidades respectivas m 1, m 2,, m k N tales que m 1 +m m k = n. f [A] es diagonalizable si y sólo si dim(h(λ i )) = m i, i : 1 i k Por tanto, si f [A] tiene n autovalores distintos, será diagonalizable. Nota Si λ i es un autovalor simple, m i = 1 y dimh(λ i ) = 1 = m i, por lo que para determinar si f es diagonalizable sólo hay que analizar los autovalores múltiples. Obtención de la base de autovectores y de la matriz de paso Se resuelve la ecuación característica A λi = 0, obteniéndose los autovalores junto con su multiplicidad. Para cada autovalor λ i de multiplicidad m i resolvemos el sistema (A λ i I)X = θ, obteniendo una base de H(λ i ) formada por m i vectores. Unimos las bases correspondientes a autovalores distintos, obteniéndose una base de R n formada por n = m 1 + m m k autovectores: B = { v 1, v 2,, v n }. La matriz de paso tiene como columnas estos autovectores ( en el mismo orden que en la base). La matriz diagonal está formada por los autovalores en la diagonal principal (en el mismo orden que los autovectores de la base y repetidos tantas veces como indica su multiplicidad). 20

9 Grupos A y D Curso 2014/ Ejercicios resueltos 1.- Sea la aplicación lineal f : R 2 R 3 dada por f(x, y) = ( 3x + y, 0, 6x 2y). Determinar los subespacios Núcleo e Imagen de f. Clasificar la aplicación lineal. SOLUCIÓN: Antes de nada, vamos a calcular la matriz de la aplicación lineal. Para ello calculamos las imágenes de los vectores de la base canónica y éstas nos darán las filas (columnas para grupos B y C) de la matriz. 3 1 f(1, 0) = ( 3, 0, 6) y f(0, 1) = (1, 0, 2). Por lo que A = M(f) = Vamos a estudiar, en primer lugar el subespacio Im(f). La dimensión de Im(f) coincide con el rango de A. En este caso, es bastante claro que rango(a) = 1, pues la primera fila es proporcional a la segunda. Así pues dim(im(f)) = 1. Además, una base de Im(f) será el vector-columna que nos de el rango 1. En este caso, podemos elegir cualquiera de los 2. Así que Im(f) = L(1, 0, 2). Como dim(im(f)) = 1 3 = dim(r 3 ), la aplicación no es sobreyectiva. Seguidamente vamos a estudiar el subespacio ker(f). Por el teorema de la dimensión dim(r 2 ) = dim(ker(f)) + dim(im(f)), luego debe ser dim(ker(f)) = 1. Para encontrar el núcleo, resolvemos el sistema f(x, y) = (0, 0, 0), en este 3x + y = 0 caso 0 = 0 cuya solución es, claramente, y = 3x. 6x 2y = 0 Así que ker(f) = {(x, 3x) : x R} y una base se obtiene asignándole a x un valor que no lo anule, por ejemplo x = 1. Así que ker(f) = L((1, 3)). Como dim(ker(f)) = 1 0, la aplicación no es inyectiva. 2.- Sea f : R 3 R 3 una aplicación lineal tal que: f(1, 1, 0) = ( 1, 3, 0), f(0, 0, 2) = (0, 2, 2), f(0, 1, 2) = (0, 0, 1) Obtener la expresión matricial y analítica de f respecto de las bases canónicas. Determinar el núcleo y la imagen de la aplicación y clasificarla. SOLUCIÓN: Para obtener la expresión matricial de la aplicación necesitamos las imágenes de los vectores de la base canónica. Vamos a conseguirlas. 21

10 Curso 2014/2015 Matemáticas (Grado en Química) f(0, 0, 1) = f( 1/2 (0, 0, 2)) = 1 1 f(0, 0, 2) = (0, 2, 2) = (0, 1, 1). 2 2 f(0, 1, 0) = f((0, 1, 2) + (0, 0, 2)) = f(0, 1, 2) + f(0, 0, 2) = (0, 0, 1) + (0, 2, 2) = (0, 2, 3). f(1, 0, 0) = f((1, 1, 0) (0, 1, 0)) = f(1, 1, 0) f(0, 1, 0) = ( 1, 3, 0) (0, 2, 3) = ( 1, 5, 3) Por tanto la matriz de la aplicación lineal será A = M(f) = Luego la expresión analítica será x f(x, y, z) = y = ( x, 5x 2y + z, 3x 3y + z) z Como det(a) 0, tenemos que rango(a) = 3. Por tanto dim(im(f)) = 3 = dim(r 3 ), luego la aplicación es sobreyectiva y Im(f) = R 3. Por el teorema de la dimensión, dim(r 3 ) = dim(ker(f))+dim(im(f)), se tiene que dim(ker(f)) = 0, luego la aplicación es inyectiva y ker(f) = {(0, 0, 0)}. 3.- Sea la aplicación lineal f : R 2 R 3 dada por f(x, y) = (x + y, x y, 2x). Encontrar una base, unas ecuaciones paramétricas y unas implícitas de los subespacios Núcleo e Imagen de f. Clasificar la aplicación lineal. SOLUCIÓN: Antes de nada, vamos a calcular la matriz de la aplicación lineal. Para ello calculamos las imágenes de los vectores de la base canónica y éstas nos darán las filas (columnas para grupos B y C) de la matriz. 1 1 f(1, 0) = (1, 1, 2) y f(0, 1) = (1, 1, 0). Por lo que A = M(f) = Vamos a estudiar, en primer lugar el subespacio Im(f). La dimensión de Im(f) coincide con el rango de A. En este caso, es bastante claro que rango(a) = 2, pues la primera fila no es proporcional a la segunda. Así pues dim(im(f)) = 2. Además, una base de Im(f) será la formada por los vectores-columna que nos de el rango 2. En este caso, Im(f) = L((1, 1, 2), (1, 1, 0)). Como dim(im(f)) = 2 3 = dim(r 3 ), la aplicación no es sobreyectiva. 22

11 Grupos A y D Curso 2014/2015 Seguidamente vamos a estudiar el subespacio ker(f). Por el teorema de la dimensión dim(r 2 ) = dim(ker(f)) + dim(im(f)), luego debe ser dim(ker(f)) = 0. Con lo cual la aplicación es inyectiva y ker(f) = {(0, 0)}. 4.- Sea f : R 3 R 3 una aplicación lineal tal que: f(0, 1, 1) = (0, 1, 1), f( 1, 1, 0) = (1, 1, 0), f(0, 0, 1) = (0, 1, 2) Obtener la expresión matricial y analítica de f respecto de las bases canónicas. Determinar el núcleo y la imagen de la aplicación y clasificarla. SOLUCIÓN: Para obtener la expresión matricial de la aplicación necesitamos las imágenes de los vectores de la base canónica. Vamos a conseguirlas. f(0, 0, 1) = f( (0, 0, 1)) = f(0, 0, 1) = (0, 1, 2) = (0, 1, 2). f(0, 1, 0) = f((0, 1, 1)+(0, 0, 1)) = f(0, 1, 1)+f(0, 0, 1) = (0, 1, 1)+(0, 1, 2) = (0, 2, 3). f(1, 0, 0) = f( ( 1, 1, 0) + (0, 1, 0)) = f( 1, 1, 0) + f(0, 1, 0) = = (1, 1, 0) + (0, 2, 3) = ( 1, 1, 3) Por tanto la matriz de la aplicación lineal será A = M(f) = Así, la expresión analítica será x f(x, y, z) = y = ( x, x + 2y z, 3x + 3y 2z) z Como det(a) 0, tenemos que rango(a) = 3. Por tanto dim(im(f)) = 3 = dim(r 3 ), luego la aplicación es sobreyectiva y Im(f) = R 3. Por el teorema de la dimensión, dim(r 3 ) = dim(ker(f))+dim(im(f)), se tiene que dim(ker(f)) = 0, luego la aplicación es inyectiva y ker(f) = {(0, 0, 0)}. 5.- Sea f : R 3 R 3 la aplicación lineal dada por f(x, y, z) = (3x + 2y, x, 3z). Obtener la matriz de la aplicación respecto de la base canónica de R 3, encontrar los autovalores y autovectores y analizar si es diagonalizable. En caso afirmativo, obtener la matriz de paso y la matriz diagonal. 23

12 Curso 2014/2015 Matemáticas (Grado en Química) 1. Encontrar la matriz de f respecto de la base canónica de R 3. SOLUCIÓN: Para calcular la matriz de la aplicación, basta con encontrar las imágenes de los vectores de la base canónica. f(1, 0, 0) = (3, 1, 0) f(0, 1, 0) = (2, 0, 0) A = M(f) = f(0, 0, 1) = (0, 0, 3) Calcular los autovalores de f. SOLUCIÓN: Vamos a encontrar el polinomio característico e igualarlo a 0. 3 λ 2 0 A λi = 1 λ 0 = (3 λ)(λ 1)(λ 2) = λ Los autovalores de A son λ = 1, λ = 2 λ = 3. Al tener tres autovalores distintos, podemos asegurar que A es diagonalizable. 3. Encontrar los autovectores asociados SOLUCIÓN: Para λ = 3 resolvemos el sistema: (A 3I)X = θ, es decir x y = z 0 cuya solución es x = 0, y = 0, z = α, α R, por lo que L(3) = (0, 0, 1). El conjunto de autovectores de A asociados al autovalor λ = 3 es un subespacio vectorial de dimensión 1 generado por el vector (0, 0, 1). Para λ = 2 resolvemos el sistema: (A 2I)X = θ, es decir x y = z 0 cuya solución es x = 2α, y = α, z = 0, α R, por lo que L(2) = (2, 1, 0). El conjunto de autovectores de A asociados al autovalor λ = 2 es un subespacio vectorial de dimensión 1 generado por el vector (2, 1, 0). Para λ = 1 resolvemos el sistema: (A I)X = θ, es decir 24

13 Grupos A y D Curso 2014/ x y = z 0 cuya solución es x = α, y = α z = 0, α R, por lo que L(3) = (1, 1, 0). El conjunto de autovectores de A asociados al autovalor λ = 3 es un subespacio vectorial de dimensión 1 generado por el vector (1, 1, 0). 4. Matriz diagonal y matriz de paso SOLUCIÓN: Como ya se dijo, A es diagonalizable al tener tres autovalores distintos La matriz de paso es P = y la diagonal: D = Sea f : R 3 R 3 la aplicación lineal dada por f(x, y, z) = (x + y, ay, az) (a R). 1. Encontrar la matriz de f respecto de la base canónica de R 3. SOLUCIÓN: Para calcular la matriz de la aplicación, basta con encontrar las imágenes de los vectores de la base canónica. f(1, 0, 0) = (1, 0, 0) f(0, 1, 0) = (1, a, 0) A = M(f) = 0 a 0 f(0, 0, 1) = (0, 0, a) 0 0 a 2. Calcular los autovalores de f. SOLUCIÓN: Vamos a encontrar el polinomio característico e igualarlo a 0. λ λi A = 0 λ a 0 = (λ 1)(λ a) λ a Por lo tanto tendremos 2 casos: Si a = 1, habrá 1 único autovalor triple, λ = 1. Si a 1, habrá 1 autovalor doble λ = a, y un autovalor simple λ = Comprobar que {(1, a 1, 0), (0, 0, 1), (1, 0, 0)} son autovectores asociados a los autovalores anteriores. SOLUCIÓN: Por definición, un autovector es un vector v tal que f( v) = λ v para algún autovalor λ. Como conocemos los autovalores (λ = 1 ó λ = a), 25

14 Curso 2014/2015 Matemáticas (Grado en Química) basta comprobar que las imágenes de los 3 vectores que nos dan son el mismo vector (λ = 1), o el mismo vector multiplicado por a (λ = a). En efecto: f(1, a 1, 0) = (a, a(a 1), 0) = a(1, a 1, 0), luego el vector (1, a 1, 0) es un autovector asociado al autovalor λ = a, independientemente del valor de a. f(0, 0, 1) = (0, 0, a) = a(0, 0, 1), luego el vector (0, 0, 1) es un autovector asociado al autovalor λ = a, independientemente del valor de a. f(1, 0, 0) = (1, 0, 0), luego el vector (1, 0, 0) es un autovector asociado al autovalor λ = 1. SOLUCIÓN Alternativa: Vamos a calcular los autovectores asociados a los autovalores y comprobar que son los que nos dan. Si a 1 tenemos 1 autovalor doble λ = a y un autovalor simple λ = 1. Calculemos los autovectores asociados a cada uno de ellos. x 0 λ = a Hay que resolver el sistema (ai A) y = 0, en este caso, z 0 a x y = 0, luego, (a 1)x y = 0, es decir, z 0 y = (a 1)x. Por tanto, como de z no obtenemos información, resulta que el subespacio de autovectores asociados a λ = a es E(a) = {(x, (a 1)x, z) : x, z R} Pero para encontrar una base de este subespacio hacemos lo siguiente: (x, (a 1)x, z) = (x, (a 1)x, 0) + (0, 0, z) = x(1, a 1, 0) + z(0, 0, 1). Por lo que obtenemos 2 autovectores linealmente independientes: E(a) = L((1, a 1, 0), (0, 0, 1)) x 0 λ = 1 Hay que resolver el sistema (I A) y = 0, en este caso, z 0 26

15 Grupos A y D Curso 2014/ x a 0 y = y = 0 0, o lo que es lo mismo, (1 a)y = a z 0 (1 a)z = 0 Pero como estamos en el caso a 1, la solución de este sistema es y = z = 0 y de x no se obtiene información. Por tanto el subespacio de autovectores asociados a λ = 1 es E(1) = {(x, 0, 0) : x R} = L(1, 0, 0). Hemos obtenido los 3 autovectores que nos proponía el apartado. Si a = 1, tenemos 1 autovalor triple λ = 1. Pero en este caso, los autovectores propuestos por el apartado se reducen a 2: {(1, 0, 0), (0, 0, 1)}. Vamos a calcular los autovectores asociados al único autovalor en este caso Ahora, A = y para encontrar los autovectores de λ = habrá que resolver el siguiente sistema: x x 0 (I A) y = 0, es decir, y = 0, o lo que z z 0 es lo mismo, y = 0. Por lo tanto, los autovectores asociados a λ = 1 son de la forma E(1) = {(x, 0, z) : x, z R} de donde, claramente se obtiene que E(1) = L((1, 0, 0), (0, 0, 1)). 4. Será f diagonalizable para cualquier valor de a R? SOLUCIÓN: Para que una matriz sea diagonalizable, ha de existir una base formada por autovectores. Si a 1 el apartado b) nos da 3 autovectores que son claramente independientes. Por lo tanto tendremos una base de autovectores y la aplicación f será diagonalizable. Si a = 1 en la Solución Alternativa del apartado anterior hemos encontrado TODOS los autovectores asociados al único autovalor. Y sólo hemos obtenido 2 autovectores. Como necesitamos 3 vectores para tener una base, se concluye que la aplicación f no es diagonalizable en este caso. 27

16 Curso 2014/2015 Matemáticas (Grado en Química) 2.8. Ejercicios propuestos 1.- Decir si son lineales las siguientes aplicaciones: a) f : R 3 R 3 : f(x, y, z) = (2x, x+y, 3z), b) f : R 2 R 3 : f(x, y) = (2x+y, x 2y, y) c) f : R 2 R 3 : f(x, y) = (x+1, x+y, 0), d) f : R 3 R 2 : f(x, y, z) = (x+y+z, 1), e) f : R 4 R 2 : f(x, y, z, t) = (x y, 2z+t), f) f : R 3 R 4 : f(x, y, z) = (0, x+y, z, x+1) 2.- Para las aplicaciones del ejercicio anterior que sean lineales se pide: a) Matriz de la aplicación respecto de las bases canónicas. b) Hallar Ker(f), Im(f) sus ecuaciones y dimensiones, una base del núcleo y una de la imagen. 3.- Sean f : R 2 R 3, g : R 3 R 4 dos aplicaciones lineales definidas por: f(1, 1) = (5, 2, 3), f(2, 3) = (2, 0, 4) g( 2, 4, 2) = (1, 1, 1, 1) g(1, 0, 1) = (2, 1, 3, 4) g( 1, 2, 0) = (0, 1, 0, 1) Hallar: a) Las matrices asociadas a las aplicaciones lineales f y g respecto de las bases canónicas. b) La expresión analítica de dichas aplicaciones lineales. c) La expresión analítica de las aplicaciones f + g y g f, si fuese posible. d) Los núcleos de f y g y sus respectivas ecuaciones e) Lo mismo para las imágenes. 4.- Sea f : R 4 R 3 la aplicación lineal cuya matriz respecto de las bases canónicas es: a) Hallar la expresión analítica de f. 1 + a A = a a b) Clasificar f según los valores del parámetro a. c) Para a = 0, calcular la dimensión, una base y unas ecuaciones implícitas de Ker(f) e Im(f). 28

17 Grupos A y D Curso 2014/ Sea f : R 3 R 3 el endomorfismo definido por f(x, y, z) = (3x, x + 2y, 4x + 2z). Hallar el polinomio característico, los autovalores y los autovectores de f. 6.- Hallar el polinomio característico, los autovalores y autovectores de los endomorfismos f : R 3 R 3 que en la base canónica tienen asociada, en cada caso, la matriz a 0 1 A 1 = 3 1 6, A 2 = 1 0 0, A 3 = 2 1 0, A 4 = 2a Analícese si son diagonalizables. 7.- Sea f : R 3 R 3 el endomorfismo que en la base canónica tiene asociada la matriz 1 + α α α A = 2 + α α α 1 (α R) a) Obtener los autovalores de A comprobando que no dependen de α. b) Obtener los autovectores de f en función de α y estudiar si f es diagonalizable. 8.- Dada la aplicación lineal. f : R 3 R 3 : f(x, y, z) = (3x+3y, 3x+3y, cz), (c R), se pide: a) Matriz de f respecto de la base canónica de R 3. b) Comprobar que si c 0, c 6 la aplicación es diagonalizable. c) Estudiar si para c = 0 es diagonalizable y, en caso afirmativo, encontrar la matriz de paso y la matriz diagonal. 29

18 Curso 2014/2015 Matemáticas (Grado en Química) 30

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

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

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

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

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

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

1. DIAGONALIZACIÓN DE ENDOMORFISMOS

1. DIAGONALIZACIÓN DE ENDOMORFISMOS . DIAGONALIZACIÓN DE ENDOMORFISMOS. Se considera la matriz: A ( 2 3 4 3 con coecientes en R. Hallar los valores propios, los vectores propios y una matriz P que permita la diagonalización de A. Calcular

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

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 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

EJERCICIOS DE ÁLGEBRA LINEAL TEMA 2 APLICACIONES LINEALES

EJERCICIOS DE ÁLGEBRA LINEAL TEMA 2 APLICACIONES LINEALES EJERCICIOS DE TEMA APLICACIONES LINEALES APLICACIONES LINEALES ) Estudiar cuáles de las siguientes aplicaciones son lineales entre los espacios vectoriales dados: x y a) f: f(x, y) = x y x b) f: x f(x)

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

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

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

APUNTES DE MATEMÁTICAS UNIVERSIDAD DE SEVILLA GRADOS EN ECONOMÍA Y ADMINISTRACIÓN DE EMPRESAS PRIMER CURSO

APUNTES DE MATEMÁTICAS UNIVERSIDAD DE SEVILLA GRADOS EN ECONOMÍA Y ADMINISTRACIÓN DE EMPRESAS PRIMER CURSO APUNTES E MATEMÁTICAS EXÁMENES RESUELTOS E MATEMÁTICAS I EPARTAMENTO E ECONOMÍA APLICAA I UNIVERSIA E SEVILLA GRAOS EN ECONOMÍA Y AMINISTRACIÓN E EMPRESAS PRIMER CURSO Jesús Muñoz San Miguel http://www.personal.us.es/jmiguel

Más detalles

Núcleo e Imagen de una aplicación lineal.

Núcleo e Imagen de una aplicación lineal. PRÁCTICA Nº 8 Núcleo e Imagen de una aplicación lineal. Con esta práctica se pretende utilizar el cálculo de la expresión matricial de una aplicación lineal respecto de las bases del dominio y codominio

Más detalles

ÁLGEBRA LINEAL E.T.S. DE INGENIERÍA INFORMÁTICA INGENIERÍAS TÉCNICAS EN INFORMÁTICA DE SISTEMAS Y GESTIÓN BOLETÍN DE PROBLEMAS DE

ÁLGEBRA LINEAL E.T.S. DE INGENIERÍA INFORMÁTICA INGENIERÍAS TÉCNICAS EN INFORMÁTICA DE SISTEMAS Y GESTIÓN BOLETÍN DE PROBLEMAS DE E.T.S. DE INGENIERÍA INFORMÁTICA BOLETÍN DE PROBLEMAS DE ÁLGEBRA LINEAL para las titulaciones de INGENIERÍAS TÉCNICAS EN INFORMÁTICA DE SISTEMAS Y GESTIÓN 1. Matrices y determinantes Ejercicio 1.1 Demostrar

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

Problemas y Ejercicios Resueltos. Tema 4: Sistemas de ecuaciones lineales.

Problemas y Ejercicios Resueltos. Tema 4: Sistemas de ecuaciones lineales. Problemas y Ejercicios Resueltos. Tema 4: Sistemas de ecuaciones lineales. Ejercicios 1.- Determinar el rango de la siguiente matriz: 0 1 3 4 1 3 5. Solución. 0 1 3 4 1 3 5 AT 1( 1) AT 1 ( 1)T 14 ( 1 )

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

ESPACIOS VECTORIALES Y APLICACIONES LINEALES

ESPACIOS VECTORIALES Y APLICACIONES LINEALES Departamento de Matemática Aplicada II E.E.I. ÁLGEBRA Y ESTADÍSTICA Boletín n o (010-011 ESPACIOS VECTORIALES Y APLICACIONES LINEALES 1. En el espacio vectorial ordinario R 4 estudiar cuáles de los siguientes

Más detalles

MATEMÁTICAS I 13 de junio de 2007

MATEMÁTICAS I 13 de junio de 2007 MATEMÁTICAS I 13 de junio de 2007 2º EXAMEN PARCIAL Sólo una respuesta a cada cuestión es correcta. Respuesta correcta: 0.2 puntos. Respuesta incorrecta: -0.1 puntos Respuesta en blanco: 0 puntos 1.- Si

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

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

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

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

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

EJERCICIOS DE ÁLGEBRA LINEAL TEMA 3 ESPACIOS EUCLÍDEOS

EJERCICIOS DE ÁLGEBRA LINEAL TEMA 3 ESPACIOS EUCLÍDEOS EJERCICIOS DE ÁLGEBRA LINEAL TEMA 3 ESPACIOS EUCLÍDEOS ESPACIOS EUCLÍDEOS ) a) Decir cuál de las siguientes aplicaciones de x de no definir un producto escalar comprobar el axioma que falla: a ) x' x,y,

Más detalles

Aplicaciones lineales

Aplicaciones lineales Aplicaciones lineales María Muñoz Guillermo maria.mg@upct.es U.P.C.T. Matemáticas I M. Muñoz (U.P.C.T.) Aplicaciones lineales Matemáticas I 1 / 32 Contenidos 1 Definición y propiedades Definición de aplicación

Más detalles

Base y Dimensión de un Espacio Vectorial

Base y Dimensión de un Espacio Vectorial Base y Dimensión de un Espacio Vectorial 201 6Asturias: Red de Universidades Virtuales Iberoamericanas 1 Índice 1 Qué es un sistema generador?... 4 2 Base de un espacio vectorial... 4 3 Dimensión de un

Más 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

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 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

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

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Aplicaciones Lineales 1 / 47 Objetivos Al finalizar este tema tendrás que: Saber si una aplicación es

Más detalles

Tema 3 APLICACIONES LINEALES

Tema 3 APLICACIONES LINEALES Tema 3 APLICACIONES LINEALES Prof. Rafael López Camino Universidad de Granada 1 Definición y propiedades. Núcleo e imagen. Isomorfismos. Definición 1.1 Una aplicación f : V V entre dos espacios vectoriales

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

Ejercicio 3 de la Opción A del modelo 1 de 2008.

Ejercicio 3 de la Opción A del modelo 1 de 2008. Ejercicio 3 de la Opción A del modelo 1 de 2008. Dado el sistema de ecuaciones lineales x + λy z = 0 2x + y + λz = 0 x + 5y λz = λ +1 [1 5 puntos] Clasifícalo según los valores del parámetro λ. (b) [1

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 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

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

1. Determina cuáles de los siguientes conjuntos son subespacios vectoriales. Para aquellos que lo sean, halla una base.

1. Determina cuáles de los siguientes conjuntos son subespacios vectoriales. Para aquellos que lo sean, halla una base. EJERCICIOS PROPUESTOS 1. Espacios vectoriales. Sistemas de ecuaciones. 1. Determina cuáles de los siguientes conjuntos son subespacios vectoriales. Para aquellos que lo sean, halla una base. (a) S = {

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

A d) Estudiar la diagonalización del endomorfismo T. Es posible encontrar una base de vectores propios de R 2 [x]? Razonar la respuesta.

A d) Estudiar la diagonalización del endomorfismo T. Es posible encontrar una base de vectores propios de R 2 [x]? Razonar la respuesta. Universidad de Oviedo Ejercicio.5 puntos Se consideran las aplicaciones lineales T : R [x] R y T : R R [x] de las que se conoce la matriz A asociada a T en las bases canónicas de R [x] y R y la matriz

Más detalles

COMPLEMENTOS DE MATEMATICA 3 - Segundo cuatrimestre de 2007 Práctica 3 - Transformaciones lineales

COMPLEMENTOS DE MATEMATICA 3 - Segundo cuatrimestre de 2007 Práctica 3 - Transformaciones lineales Departamento de Matemática - Facultad de Ciencias Exactas y Naturales - UBA 1 COMPLEMENTOS DE MATEMATICA 3 - Segundo cuatrimestre de 27 Práctica 3 - Transformaciones lineales Ejercicio 1. Determinar cuáles

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

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

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

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

Matrices. Operaciones con matrices.

Matrices. Operaciones con matrices. Matrices. Operaciones con matrices. Ejercicio. Dadas las matrices ( ) ( ) 4 A = B = ( ) C = D = 4 5 ( ) 4 E = F = seleccione las que se pueden sumar y súmelas. Ejercicio. Dadas las matrices ( ) ( ) 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

EJERCICIOS DE ÁLGEBRA LINEAL TEMA 1 ESPACIOS VECTORIALES

EJERCICIOS DE ÁLGEBRA LINEAL TEMA 1 ESPACIOS VECTORIALES EJERCICIOS DE ÁLGEBRA LINEAL TEMA ESPACIOS VECTORIALES MATRICES. SISTEMAS DE ECUACIONES LINEALES Matrices ) Dada la matriz M=, prueba que n n M M, n. ) Demuestra la siguiente implicación: Si I A I AA A

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

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

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

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

TEMA 4. APLICACIONES LINEALES

TEMA 4. APLICACIONES LINEALES TEMA 4. APLICACIONES LINEALES 1.- Definición y propiedades. 2.- Aplicaciones lineales inyectivas y Suprayectivas. 3.- Núcleo, imagen, matriz asociada y rango de una aplicación lineal. 4.- Operaciones con

Más detalles

1 Aplicaciones lineales

1 Aplicaciones lineales UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Aplicaciones lineales y diagonalización. El objetivo principal de este tema será la obtención de una matriz diagonal

Más 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

2. Formas cuadráticas. Expresiones diagonales. Clasificación respecto a su signo.

2. Formas cuadráticas. Expresiones diagonales. Clasificación respecto a su signo. 2. Formas cuadráticas. Expresiones diagonales. Clasificación respecto a su signo. 2.1 Formas cuadráticas. Expresión matricial y analítica. Expresiones diagonales. Definición 2.1 (Expresión matricial) Una

Más detalles

3. Transformaciones ortogonales. En todo el capítulo trabajaremos sobre un espacio vectorial euclídeo U.

3. Transformaciones ortogonales. En todo el capítulo trabajaremos sobre un espacio vectorial euclídeo U. 3 Transformaciones ortogonales En todo el capítulo trabajaremos sobre un espacio vectorial euclídeo U 1 Definición Definición 11 Una transformación ortogonal f de un espacio eculídeo U es un endomorfismo

Más detalles

ÁLGEBRA Ejercicios no resueltos de la Práctica 7

ÁLGEBRA Ejercicios no resueltos de la Práctica 7 ÁLGEBRA Ejercicios no resueltos de la Práctica 7 Endomorfismos (Curso 2007 2008) 3. Hallar la matriz de Jordan J de la siguiente matriz A, así como una matriz P de paso de A a J, esto es, tal que J = P

Más detalles

Problemas y Ejercicios Resueltos. Tema 6: Diagonalizacion.

Problemas y Ejercicios Resueltos. Tema 6: Diagonalizacion. Problemas y Ejercicios Resueltos. Tema 6: Diagonalizacion. Ejercicios 1.- Sea f End V. Demostrar que la suma de subespacios f-invariantes es f-invariante. Solución. Sean U, W dos subespacios f-invariantes

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

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

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

3. Aplicaciones lineales.

3. Aplicaciones lineales. A-PDF Page Cut DEMO: Purchase www.apuntesdemates.weebly.com from www.a-pdf.com to remove the watermark 3. Aplicaciones lineales. 3.1 Definiciones y propiedades A menudo el concepto de aplicación se confunde

Más detalles

TEMA V. Espacios vectoriales

TEMA V. Espacios vectoriales TEMA V. Espacios vectoriales 1 1. Demostrar que cada uno de los siguientes conjuntos tiene estructura de espacio vectorial sobre el cuerpo de los reales: a El conjunto (R 2, +,, R. b El conjunto (R 3,

Más detalles

PROBLEMAS RESUELTOS del espacio vectorial curso

PROBLEMAS RESUELTOS del espacio vectorial curso PROBLEMAS RESUELTOS del espacio vectorial curso - - Consideremos el conjunto R formado por todas las parejas () de números reales Se define en R la operación interna ()( )( ) una de las operaciones eternas

Más detalles

Francisco Cabo García Bonifacio Llamazares Rodríguez

Francisco Cabo García Bonifacio Llamazares Rodríguez ÁLGEBRA LINEAL CON DERIVE 5 Francisco Cabo García Bonifacio Llamazares Rodríguez María Teresa Peña García Dpto. de Economía Aplicada (Matemáticas) Universidad de Valladolid Página 1 de 34 Ventana de Álgebra

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

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

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

Álgebra Lineal. Tema 5 Ecuaciones diferenciales lineales

Álgebra Lineal. Tema 5 Ecuaciones diferenciales lineales Álgebra Lineal. Tema 5 Dep. Matemática Aplicada. UMA Tasa relativa de crecimiento Si x(t representa alguna cantidad física como el volumen de una sustancia, la población de ciertas especies, o el número

Más 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

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

Matrices y Sistemas Lineales

Matrices y Sistemas Lineales Matrices y Sistemas Lineales Álvarez S, Caballero MV y Sánchez M a M salvarez@umes, mvictori@umes, marvega@umes 1 ÍNDICE Matemáticas Cero Índice 1 Definiciones 3 11 Matrices 3 12 Sistemas lineales 5 2

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

ALGEBRA LINEAL Práctica 2: Transformaciones lineales

ALGEBRA LINEAL Práctica 2: Transformaciones lineales Segundo cuatrimestre 2003 ALGEBRA LINEAL Práctica 2: Transformaciones lineales 1. Determinar cuáles de las siguientes funciones son transformaciones lineales: (i) f : R 3 R 3, f(x 1, x 2, x 3 ) = (2x 1

Más detalles

TRANSFORMACIONES LINEALES 1. TRANSFORMACIONES NÚCLEO E IMAGEN

TRANSFORMACIONES LINEALES 1. TRANSFORMACIONES NÚCLEO E IMAGEN RANSFORMACIONES LINEALES 1 RANSFORMACIONES NÚCLEO E IMAGEN DEFINICION : Sean V W espacios vectoriales Una transformación lineal de V en W es una función que asigna a cada vector v V un único vector v W

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

Teoría de la Dimensión

Teoría de la Dimensión Capítulo II Teoría de la Dimensión En este capítulo introduciremos una de las propiedades más importantes que tienen los espacios vectoriales: la dimensión. Dos son los modos posibles de llegar a la noción

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

y Matrices cuadradas.

y Matrices cuadradas. de Endomorfismos y Matrices cuadradas.. Problemas resueltos. Tema :. Problemas Resueltos 1 PROBLEMAS RESUELTOS 1. Sea f 0 End(ú 3 ) / f ( x, y, z ) = ( 2x - 2y + 3z, x + y + z, x + 3y - z) Estudiar si

Más detalles

Tema 2: APLICACIONES LINEALES

Tema 2: APLICACIONES LINEALES Tema 2: APLICACIONES LINEALES Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada Material docente para el alumno Asignatura: Geometría I. Curso 2003/04 Licenciatura:

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

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

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

Ejercicios resueltos de Álgebra, hoja 2. Beatriz Graña Otero

Ejercicios resueltos de Álgebra, hoja 2. Beatriz Graña Otero Ejercicios resueltos de Álgebra, hoja 2. Beatriz Graña Otero 11 de Diciembre de 2008 2 B.G.O. 104.- Determina si los siguientes subconjuntos del espacio vectorial correspondiente son subvariedades afines:

Más detalles

SOLUCIONES A LA AUTOEVALUACIÓN - Aplicaciones lineales

SOLUCIONES A LA AUTOEVALUACIÓN - Aplicaciones lineales SOLUCIONES A LA AUTOEVALUACIÓN - Aplicaciones lineales A) Soluciones a las Cuestiones C-) a) Sí puede, si la matriz, que es 4x, tiene rango. b) No puede, pues la matriz, que es x, no puede tener rango.

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

Diagonalización de matrices.

Diagonalización de matrices. Diagonalización de matrices. 1. Diagonalización de matrices. Definición 1.1 Sea A una matriz cuadrada,, decimos que es un autovalor de A si existe un vector no nulo tal que En esta situación decimos que

Más detalles

Tema 5: Diagonalización de matrices

Tema 5: Diagonalización de matrices Tema : Diagonalización de matrices La intención en este tema es, dada una matriz cuadrada, ver si existe otra matriz semejante a ella que sea diagonal. Recordemos del Tema 4 que dos matrices cuadradas

Más detalles

1. Espacio vectorial. Subespacios vectoriales

1. Espacio vectorial. Subespacios vectoriales Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS Sea k un cuerpo. 1. Espacio vectorial. Subespacios vectoriales Definición 1.1. Un k-espacio vectorial o espacio vectorial

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

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

1. ESPACIO EUCLÍDEO. ISOMETRÍAS

1. ESPACIO EUCLÍDEO. ISOMETRÍAS . ESPACIO EUCLÍDEO. ISOMETRÍAS. En el espacio euclídeo usual R 4 se consideran los subespacios vectoriales y W = {(x, y, z, t R 4 : x y =, z + t = } Hallar: W 2 = L{(,, 2, 2, (,,, } a Las ecuaciones 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 22 ÁLGEBRA LINEAL Práctica N 3: Coordenadas - Transformaciones lineales Coordenadas

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

Apellidos: Nombre: NIF:

Apellidos: Nombre: NIF: Universidad de Oviedo EPS de ingeniería de Gijón Dpto. Matemáticas Algebra Lineal 7/06/008 Segunda parte Apellidos: Nombre: NIF: Ejercicio 1 Sea f : R 3 R [x] una aplicación lineal definida en las bases

Más detalles