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

Save this PDF as:
 WORD  PNG  TXT  JPG

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

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

Transcripción

1 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 base B que denotamos M BB (f) ó M B (f) Se veri ca que todas matrices asociadas a un mismo endomor smo f de V respecto de distintas bases son semejantes; esto es, si B y B son bases de V, se tiene que: M BB (f) = M B B M B B (f) M BB = M B B M B B (f) M B B : El objetivo de este tema es obtener (cuando sea posible) una base ~ B del espacio vectorial V tal que la matriz M ~B ~ B (f) sea diagonal Matrices semejantes De nición Se dice que dos matrices cuadradas de orden n, y B 2 M n, son semejantes si existe una matriz P 2 M n regular tal que = P BP Dicha matriz P se denomina matriz de paso Propiedades Si dos matrices ; B son semejantes entonces det = det B 2 Si dos matrices son semejantes entonces sus rangos coinciden 3 Si y B son semejantes entonces k y B k también son semejantes 4 Las matrices asociadas a un mismo endomor smo f : V! V respecto de distintas bases son semejantes 2 utovalores de un endomor smo f De nición Dada un endomor smo f de V, diremos que 2 R es un autovalor ó valor propio de f si existe un vector ~v 6= ~ tal que f(~v) = ~v l vector ~v 2 R n que cumple lo anterior lo llamaremos autovector o vector propio de f asociado al autovalor Llamamos subespacio propio asociado al autovalor al siguiente conjunto: V = f~v 2 V j f(~v) = ~vg: Proposición V () es un subespacio vectorial de V invariante por f Demostración Veamos primero que es un subespacio vectorial de V V no es el conjunto vacío pues ~ 2 V Sean ~v; ~w 2 V y ; 2 R entonces f(~v + ~w) = f(~v) + f( ~w) = ~v + ~w = (~v + ~w);

2 y por tanto, ~v + ~w 2 V Luego, V es un subespacio vectorial de V Veamos que es invariate por f; esto es, si ~v 2 V tenemos que ver que f(~v) 2 V : f(f(~v)) = f(~v) = f(~v) =) f(~v) 2 V Proposición Sea endomor smo f de V, B C la base canónica de V y = M BC B C (f) la matriz asociada a f respecto de las bases canónicas Las siguientes a rmaciones son equivalentes: (i) es un autovalor de f (ii) El sistema homogéneo ( I)~x = ~ es compatible indeterminado (iii) det( I) = Demostración es un autovalor de f () existe ~x 2 V, ~x 6= ~, tal que f(~x) = ~x () existe ~x 2 V, ~x 6= ~, tal que (~x) = ~x () existe ~x 2 V, ~x 6= ~, tal que ( I)~x = ~, donde I es la matriz identidad de orden n () el sistema homogéneo ( I)~x = ~ es compatible indeterminado () det( I) = : 3 utovalores de una matriz cuadrada De nición Los autovalores de una matriz 2 M n son los valores 2 R (o 2 C) que anulan el siguiente polinomio de grado n: p () = j Ij que llamaremos polinomio característico la ecuación j Ij = la llamaremos ecuación característica Las raíces de la ecuación característica son, por tanto, los autovalores de la matriz Denotando por i la multiplicidad de la raiz i de la ecuación característica, entonces la factorización del polinomio característico es p () = j Ij = ( ) ( r ) r, donde + + r = n Propiedad Dos matrices semejantes tienen el mismo polinomio característico Demostración: Sean ; B dos matrices semejantes; esto es, existe una matriz P invertible tal que = P BP Por tanto, j Ij = jp BP Ij = jp BP P IP j = jp (B I)P j = jp jjb IjjP j = jp jjb IjjP j = jb Ij: 2

3 Propiedad Todas las matrices asociadas a una misma aplicación lineal f, = M BB (f), tienen el mismo polinomio característico y, por tanto, los mismos autovalores que son precisamente los autovalores de la aplicación lineal f Demostración: Si = M BB (f) y = M B B(f) son dos matrices asociadas a f respecto de distintas bases, entonces son matrices semejantes pues la matriz M B B veri ca: M BB (f) = M B B M B B (f) M B B : Y como lasmatrices semejantes tienen el mismo polinomio característico, se concluye Si = M BC B C (f) para cada autovalor i de, tenemos el subespacio de los autovectores asociados al autovalor i : V i = f~v 2 R n j ~v = i ~vg = f~v 2 R n j ( i I)~v = ~g Llamaremos multiplicidad geométrica de i a la dimensión de V i y la denotaremos por m i = dim (V i ) Obsérvese que dim(v i ) = n rg( i I) y por ser i un autovalor de, se tiene que det( rg( i I) < n Luego dim(v i ) 6= 4 Propiedades de los autovectores Se veri ca que dim(v i ) i donde i es la multiplicidad de la raiz i Luego dim(v i ) i : i I) = y, por tanto, 2 utovectores asociados a autovalores distintos son linealmente independientes 5 Propiedades de los autovalores Sea 2 M n una matriz cuadrada con polinomio característico: p () = j Ij = ( ) ( n ) donde los autovalores i se pueden repetir Entonces La matriz y su traspuesta tienen los mismos autovalores 2 det = n y tr = + + n 3

4 3 Dado 2 R, los autovalores de la matriz son ; : : : ; n 4 Dado k 2 N, los autovalores de la matriz k son k ; : : : ; k n 5 Si es una matriz no singular entonces todos sus autovalores son no nulos y los autovalores de la matriz son: = ; : : : ; = n 6 Si es una matriz idempotente entonces sus autovalores son ó 7 Si es una matriz triangular entonces sus autovalores son los elementos de la diagonal principal 8 Si es una matriz ortogonal con autovalores reales entonces sus autovalores son ó 6 Diagonalización de un endomor smo f Sea f un endomor smo de un espacio vectorial V sobre un cuerpo K con dim V = n Proposición Sean 6= dos autovalores de un endomor smo f se tiene: V \ V = f~g: Demostración Sea ~v 2 V \ V entonces f(~v) = ~v y f(~v) = ~v luego, restando obtenemos ~ = ~v ~v = ( ) ~v de donde como 6=, obtenemos ~v = ~ Proposición utovectores asociados a autovalores distintos son linealmente independientes Demostración Sean ~v 2 V y ~w 2 V veamos que son linealmente independientes Supongamos una combinación lineal de ~v y ~w: ~ = ~v + ~w entonces ~v = ~w y, por tanto, ~v 2 V \V = f~g luego = nálogamente obtendríamos = Proposición Sea la matriz asociada a f, entonces dim(v ) = n rg( I): Demostración El subespacio propio asociado al autovalor de se escribe: V = f~x j ( I)~x = ~g y, por tanto, es el conjunto de soluciones de un sistema de ecuaciones lineales homogéneo Se veri ca: dim(v ) = dim V rg( I): Obsérvese que por ser un autovalor de 2 M n, se tiene que rg( I) < n Luego el sistema ( I)~x = ~ tiene solución distinta de la trivial y dim V 6= 4

5 Proposición Sea 2 K un autovalor de multiplicidad del endomor smo f, entonces dim(v ) : Demostración Como rg( I) < n se tiene: dim(v ) = dim V rg( I) : Sea d = dim (V ) y sea B = f~u ; : : : ; ~u d g una base de V Buscamos una base de un subespacio W complementario de V ; B W = f ~w ; : : : ; ~w n d g Por tanto, B = f~u ; : : : ; ~u d ; ~w ; : : : ; ~w n d g es base de V Se tiene: (d C M B (f) = B C O D y por tanto, como det(m B (f) I) = I C O D I = ( ) d det (D I n d ) la multiplicidad del autovalor es mayor o igual que d; esto es, dim(v ) = d Observación Si es un autovalor simple entonces dim(v ) = De nición Un endomor smo f de V sobre un cuerpo K se dice que es diagonalizable si existe una base B de V formada por autovectores de f Teorema Un f endomor smo de V sobre un cuerpo K es diagonalizable si y sólo si todos sus autovalores pertenecen al cuerpo K y la multiplicidad de cada autovalor i coincide d i = dim(v i ); esto es, si i 2 K dim(v i ) = i (multiplicidad de i ) o equivalentemente si V = V V 2 V r Demostración Sean ; : : : ; r los autovalores de f pertenecientes al cuerpo K de multiplicidades ; : : : ; r respectivamente El número máximo de autovectores linealmente independientes es d + + d r : Como d i i y + + r n, entonces, existe una base de V de autovectores de f si y sólo si d + + d r = n; esto es, si y sólo si, di = i, con i = ; : : : ; r + + r = n 5

6 6 Construcción de la matriz asociada a un endomor smo f diagonalizable Sea f un endomor smo diagonalizable de un espacio vectorial V con dim V = n Sean ; : : : ; r 2 K los autovalores de f de multiplicidades ; : : : ; r respectivamente Como f es diagonalizable, entonces dim(v i ) = i, i = ; : : : ; r Tomamos una base de cada subespacio propio: B = f~u ; : : : ; ~u g base de V B 2 = f~v ; : : : ; ~v 2 g base de V 2 B r = f ~w ; : : : ; ~w r g base de V r entonces B = f~u ; : : : ; ~u ; ~v ; : : : ; ~v 2 ; : : : ; ~w ; : : : ; ~w r g es una base de V formada por autovectores de f (pues son + + r = n vectores linealmente independientes) Observación La matriz asociada a un endomor smo f en una base formada por autovectores es diagonal Si B = f~u ; : : : ; ~u ; ~v ; : : : ; ~v 2 ; : : : ; ~w ; : : : ; ~w r g es una base de V de autovectores de f entonces como: 8 >< >: se tiene M B (f) = B f(~u ) = ~u, f(~u ) = ~u ( 8 >< >: f(~v ) = 2 ~v f(~v 2 ) = 2 ~v 2 : : : 2 ( >< >: f( ~w ) = r ~w f( ~w r ) = r ~w r r ( r r C De nición Se dice que una matriz cuadrada es diagonalizable si es semejante a una matriz diagonal D; esto es, si existen una matriz diagonal D y una matriz regular P tales que = P DP Observación Un endomor smo f de V () La matriz = M BC B C (f) es diagonalizable 6

7 Teorema Una matriz real 2 M n es diagonalizable si y sólosi todos sus autovalores pertenecen al cuerpo K y la multiplicidad de cada autovalor i coincide d i = dim(v i ) Esto es, si el polinomio característico de es p () = j Ij = ( ) ( r ) r, donde + + r = n con i 6= j, entonces se cumple que demás las matrices 8 >< es diagonalizable () >: dim(v ) = dim(v 2 ) = 2 dim(v r ) = r P = (~u ; : : : ; ~u ; ~v ; : : : ; ~v 2 ; : : : ; ~w ; : : : ; ~w r ) D = B ( 2 ( 2 2 r ( r r C veri can Observación Nótese que = P DP : D = M B B (f) P = M B B C : Propiedades Si una matriz 2 M n es diagonalizable entonces para todo 2 R, la matriz es diagonalizable 2 la matriz traspuesta de, esto es, T, es diagonalizable 3 si además es no singular, entonces también es diagonalizable Y si = P DP entonces = P D P 7

8 4 Las matrices 2 M n idempotentes sólo tienen los autovalores y demás veri can que dim(v = ) = multiplicidad del autovalor dim(v = ) = multiplicidad del autovalor y por tanto, son matrices diagonalizables 62 Cálculo de la potencia k-ésima de una matriz Si 2 M n es una matriz diagonalizable entonces existen matrices P 2 M n regular y D 2 M n diagonal tales que: = P DP Por tanto, 2 = P D P P {z } DP = P DIDP = P D 2 P 3 = P D P P {z } D2 P = P DID 2 P = P D 3 P en general k = P D k P 7 Ejercicios resueltos Dada la aplicación lineal f(x; y; z) = (x+2y; x+3y +z; y +z) estudiar si existe una base B tal que la matriz asociada respecto de B en los espacios de partida y de llegada sea una matriz diagonal SOLUCIÓN: La matriz asociada a f respecto de las bases canónicas es: 2 = 3 : La ecuación característica de es: 2 j Ij = 3 = ( )(3 )( ) ( ) + 2( ) = ( ) 2 (3 ) + ( ) = ( )f( )(3 ) + g = ( )f g = ( )f g = ( )( 2) 2 Por tanto, los autovalores de son = simple y = 2 doble El subespacio asociado a = tiene dimensión pues la multiplicidad de = es uno 8

9 El subespacio asociado a = 2 tiene dimensión: dim V (2) = 3 rg( 2I) = 3 rg 2 = 3 2 = 6= 2 Por tanto, como dim V (2) no coincide con la multiplicidad del autovalor 2, la matriz no es diagonalizable 2 Sea = B la matriz asociada a una aplicación lineal f respecto de las bases canónicas (a) Es el vector (; ; ; 5) un autovector de f asociado al autovalor 3? (b) Es la matriz diagonalizable? SOLUCIÓN: (a) Veamos si f(; ; ; 5) = 3(; ; ; 5) Como es la matriz asociada a f respecto de las bases canónicas sabemos que la cuarta columna de son las coordenadas de f(; ; ; ) en la base canónica; esto es, C f(; ; ; ) = (; ; ; 3) = 3(; ; ; ) luego, (; ; ; ) es un autovectro de f asociado al autovalor 3 Y por tanto, (; ; ; 5) = 5(; ; ; ) también es un autovector de f asociado al autovalor 3 (b) Calculamos el polinomio caractrerístico de : 2 j Ij = = (2 ) = (2 )(3 ) = (2 )(3 )f( 5 )(4 ) 8g = (2 )(3 )f 2 + 2g = (2 )(3 )( )( + 2) 9

10 Por tanto los autovalores de son: 2; ; 2 y 3 Como los autovalores de son distintos dos a dos, la matriz es diagonalizable 3 Estudiar para qué valores del parámetro m es la matriz: = m 4 4 diagonalizable SOLUCIÓN: Como det = uno de los autovalores de es = 4 La población activa de un país se clasi ca en tres categorías profesionales: técnicos superiores (x), obreros especializados (y) y obreros no especializados (z) : sí, en cada generación t la fuerza de trabajo del país está caracterizada por el número de personas incluidas en las tres categorías, es decir, (x t ; y t ; z t ) : Supóngase que: Cada trabajador activo sólo tiene un hijo El 5% de los hijos de los técnicos superiores lo son también, el 25% pasa a ser obrero especializado y el 25% restante es obrero no especializado Los hijos de los obreros especializados se reparten entre las res categorías según los porcentajes 3%, 4% y 3% Para los hijos de obreros no especializados, las proporciones de reparto entre las categorías son 5%, 25% y 25% Se pide: (a) Plantear en forma matricial un modelo que represente la distribución de la fuerza de trabajo del país de generación en generación (b) Cuál será la distribución de los trabajadores a largo plazo, independientemente de la distribución inicial? SOLUCIÓN: La matriz de transición es x t+ y t+ = z t+ :5 :3 :5 :25 :4 :25 :25 :3 :25 x t y t z t largo plazo habría que elevar la matriz de transición a n y ver a qué tiende cuando n tiende a Para ello diagonalizamos la matriz :5 :3 :5 = :25 :4 :25 :25 :3 :25

11 El polinomio característico de es: :5 :3 :5 j Ij = :25 :4 :25 :25 :3 :25 sumando a la primera la el resto de las las obtenemos: :25 :4 :25 = ( ) :25 :4 :25 :25 :3 :25 :25 :3 :25 y restando a la tercera columna la primera, obtenemos: ( ) :25 :4 = ( )( ) :25 :3 :25 :4 = ( )( )(:4 :25) = ( )(:5 ) Por tanto, los autovalores de son =, :5 y, distintos dos a dos y por tanto, la matriz es diagonalizable V ( = ) = f~x 2 R 3 j ( I) ~x = ~g :5 :3 :5 :25 :6 :25 x y = :25 :3 :75 z V ( = :5) = f~x 2 R 3 j ( :5I) ~x = ~g :5 :5 :3 :5 x :25 :4 :5 :25 y = :25 :3 :25 :5 z n = P = P V ( = ) = f~x 2 R 3 j ~x = ~g :5 :3 :5 :25 :4 :25 x y = :25 :3 :25 z :5 :5 n n P P : = P n :5 n n P

12 Por tanto, lim n! n = P = P lim n! :5 n P P la distribución a largo plazo será la misma para cualquier tipo de trabajador, ya que la proporción de reparto será la misma para cada clase de trabajador 8 Cuestiones Razonar si son verdaderas o falsas las siguientes a rmaciones: Sea 2 M 33 y sean ~u y ~v dos vectores no nulos de R 3 tales que ~u = ~ y ( I)~v = ~: Entonces, se veri ca que ~u y ~v son linealmente independientes 2 Sea 2 M nn tal que = es un autovalor de Entonces, el sistema homogéneo ~x = ~ es compatible indeterminado 3 Sean y 2 dos matrices de orden n diagonalizables Entonces, se veri ca que la matriz + 2 también es diagonalizable 4 Sea una matriz cuadrada de orden 2 tal que jj = Entonces se veri ca que es diagonalizable 5 La matriz = 3 es diagonalizable El vector ~u = (2; ; 2) es un autovector asociado a un autovalor negativo de la matriz = Sea una matriz de orden 4 con autovalores: = de multiplicidad 3 y 2 = de multiplicad, entonces la traza de la matriz 5 es tr(5 ) = 8 Sea 2 M 33 tal que jj =, tr() = 3 y = es un autovalor de Entonces = es autovalor de y dim V () = 2

13 9 Si conocemos la traza y el determinante de una matriz cuadrada de orden 2 entonces conocemos sus autovalores Sea una matriz cuadrada de orden 3 y sean u; v y w autovectores de : Entonces se veri ca que B = fu; v; wg es una base de R 3 3

ÁLGEBRA LINEAL II Algunas soluciones a la práctica 2.3

ÁLGEBRA LINEAL II Algunas soluciones a la práctica 2.3 ÁLGEBRA LINEAL II Algunas soluciones a la práctica 2. Transformaciones ortogonales (Curso 2010 2011) 1. Se considera el espacio vectorial euclídeo IR referido a una base ortonormal. Obtener la expresión

Más detalles

1. Cambios de base en R n.

1. Cambios de base en R n. er Curso de Ingeniero de Telecomunicación. Álgebra. Curso 8-9. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema 5. Cambios de Base. Aplicaciones Lineales. Teoría y Ejercicios Resueltos..

Más detalles

Espacios Vectoriales www.math.com.mx

Espacios Vectoriales www.math.com.mx Espacios Vectoriales Definiciones básicas de Espacios Vectoriales www.math.com.mx José de Jesús Angel Angel jjaa@math.com.mx MathCon c 007-009 Contenido. Espacios Vectoriales.. Idea Básica de Espacio Vectorial.................................

Más detalles

Clase 15 Espacios vectoriales Álgebra Lineal

Clase 15 Espacios vectoriales Álgebra Lineal Espacios vectoriales Clase 5 Espacios vectoriales Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia En esta sección estudiaremos uno de los conceptos

Más detalles

Tema 2. Aplicaciones lineales y matrices.

Tema 2. Aplicaciones lineales y matrices. Tema 2 Aplicaciones lineales y matrices. 1 Índice general 2. Aplicaciones lineales y matrices. 1 2.1. Introducción....................................... 2 2.2. Espacio Vectorial.....................................

Más detalles

Nota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades:

Nota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades: Capítulo 1 DETERMINANTES Definición 1 (Matriz traspuesta) Llamaremos matriz traspuesta de A = (a ij ) a la matriz A t = (a ji ); es decir la matriz que consiste en poner las filas de A como columnas Definición

Más detalles

Problemas de Selectividad de Matemáticas II Comunidad de Madrid (Resueltos) Isaac Musat Hervás

Problemas de Selectividad de Matemáticas II Comunidad de Madrid (Resueltos) Isaac Musat Hervás Problemas de Selectividad de Matemáticas II Comunidad de Madrid Resueltos Isaac Musat Hervás 22 de mayo de 213 Capítulo 11 Año 21 11.1. Modelo 21 - Opción A Problema 11.1.1 3 puntos Dada la función: fx

Más detalles

Espacios vectoriales y aplicaciones lineales.

Espacios vectoriales y aplicaciones lineales. Práctica 2 Espacios vectoriales y aplicaciones lineales. Contenido: Localizar bases de espacios vectoriales. Suma directa. Bases y dimensiones. Cambio de base. Aplicaciones lineales. Matriz asociada en

Más detalles

Formas bilineales y cuadráticas.

Formas bilineales y cuadráticas. Tema 4 Formas bilineales y cuadráticas. 4.1. Introducción. Conocidas las nociones de espacio vectorial, aplicación lineal, matriz de una aplicación lineal y diagonalización, estudiaremos en este tema dos

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Tema 3 Aplicaciones Lineales 3.1 Introducción Se presentan en este tema las aplicaciones entre espacios vectoriales, particularmente las aplicaciones lineales, que de una manera informal pueden definirse

Más detalles

4 Aplicaciones Lineales

4 Aplicaciones Lineales Prof Susana López 41 4 Aplicaciones Lineales 41 Definición de aplicación lineal Definición 23 Sean V y W dos espacios vectoriales; una aplicación lineal f de V a W es una aplicación f : V W tal que: 1

Más detalles

21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES

21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES Aplicaciones lineales. Matriz de una aplicación lineal 2 2. APLICACIONES LINEALES. MATRIZ DE UNA APLICACIÓN LINEAL El efecto que produce el cambio de coordenadas sobre una imagen situada en el plano sugiere

Más detalles

MATEMÁTICAS I TEMA 1: Espacios Vectoriales. 1 Definición de espacio vectorial. Subespacios

MATEMÁTICAS I TEMA 1: Espacios Vectoriales. 1 Definición de espacio vectorial. Subespacios Sonia L. Rueda ETS Arquitectura. UPM Curso 2007-2008. 1 MATEMÁTICAS I TEMA 1: Espacios Vectoriales 1 Definición de espacio vectorial. Subespacios Dados dos conjuntos V y K se llama ley de composición externa

Más detalles

Espacios vectoriales con producto interno

Espacios vectoriales con producto interno Capítulo 8 Espacios vectoriales con producto interno En este capítulo, se generalizarán las nociones geométricas de distancia y perpendicularidad, conocidas en R y en R 3, a otros espacios vectoriales.

Más detalles

vectoriales N(f) e Im(f) N(f) = (5,1,0),( 3,0,1) y f(1,0,0)=(2,-1,1). Se pide:

vectoriales N(f) e Im(f) N(f) = (5,1,0),( 3,0,1) y f(1,0,0)=(2,-1,1). Se pide: .- 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 N(f) e Im(f) a) f(x,y) = (x,-y) b) f(x,y)

Más detalles

Subespacios vectoriales en R n

Subespacios vectoriales en R n Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo

Más detalles

4.1 El espacio dual de un espacio vectorial

4.1 El espacio dual de un espacio vectorial Capítulo 4 Espacio dual Una de las situaciones en donde se aplica la teoría de espacios vectoriales es cuando se trabaja con espacios de funciones, como vimos al final del capítulo anterior. En este capítulo

Más detalles

4 APLICACIONES LINEALES. DIAGONALIZACIÓN

4 APLICACIONES LINEALES. DIAGONALIZACIÓN 4 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES En ocasiones, y con objeto de simplificar ciertos cálculos, es conveniente poder transformar una matriz en otra matriz lo más sencilla posible Esto nos

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

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario)

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario) Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS (Solucionario) 2 Í N D I C E CAPÍTULO : MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES CAPÍTULO 2: ESPACIOS VECTORIALES

Más detalles

APLICACIONES LINEALES. DIAGONALIZACIÓN

APLICACIONES LINEALES. DIAGONALIZACIÓN I.- Sea f una transformación lineal de un espacio vectorial V de dimensión n. Sea B una base de V. Sea A la matriz asociada a f respecto de la base B. Señala, sin demostrar, cuáles de las siguientes afirmaciones

Más detalles

1. ESPACIOS VECTORIALES

1. ESPACIOS VECTORIALES 1 1. ESPACIOS VECTORIALES 1.1. ESPACIOS VECTORIALES. SUBESPACIOS VECTORIALES Denición 1. (Espacio vectorial) Decimos que un conjunto no vacío V es un espacio vectorial sobre un cuerpo K, o K-espacio vectorial,

Más detalles

E. T. S. de Ingenieros Industriales Universidad Politécnica de Madrid. Grado en Ingeniería en Tecnologías Industriales. Grado en Ingeniería Química

E. T. S. de Ingenieros Industriales Universidad Politécnica de Madrid. Grado en Ingeniería en Tecnologías Industriales. Grado en Ingeniería Química E. T. S. de Ingenieros Industriales Universidad Politécnica de Madrid Grado en Ingeniería en Tecnologías Industriales Grado en Ingeniería Química Apuntes de Álgebra ( Curso 2014/15) Departamento de Matemática

Más detalles

P. A. U. LAS PALMAS 2005

P. A. U. LAS PALMAS 2005 P. A. U. LAS PALMAS 2005 OPCIÓN A: J U N I O 2005 1. Hallar el área encerrada por la gráfica de la función f(x) = x 3 4x 2 + 5x 2 y la rectas y = 0, x = 1 y x = 3. x 3 4x 2 + 5x 2 es una función polinómica

Más detalles

1 Espacios y subespacios vectoriales.

1 Espacios y subespacios vectoriales. UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Espacios vectoriales y sistemas de ecuaciones 1 Espacios y subespacios vectoriales Definición 1 Sea V un conjunto

Más detalles

Anexo 1: Demostraciones

Anexo 1: Demostraciones 75 Matemáticas I : Álgebra Lineal Anexo 1: Demostraciones Espacios vectoriales Demostración de: Propiedades 89 de la página 41 Propiedades 89- Algunas propiedades que se deducen de las anteriores son:

Más detalles

Cómo?: Resolviendo el sistema lineal homógeneo que satisfacen las componentes de cualquier vector de S. x4 = x 1 x 3 = x 2 x 1

Cómo?: Resolviendo el sistema lineal homógeneo que satisfacen las componentes de cualquier vector de S. x4 = x 1 x 3 = x 2 x 1 . ESPACIOS VECTORIALES Consideremos el siguiente subconjunto de R 4 : S = {(x, x 2, x 3, x 4 )/x x 4 = 0 x 2 x 4 = x 3 a. Comprobar que S es subespacio vectorial de R 4. Para demostrar que S es un subespacio

Más detalles

Introducción al Algebra Matricial

Introducción al Algebra Matricial Introducción al Algebra Matricial Alvaro G. Parra Versión preliminar y bajo revisión. Marzo 00 Alumno de Magíster en Economía Financiera de la Ponti cia Universidad Católica de Chile. Todos los errores

Más detalles

Tema 3. Espacios vectoriales

Tema 3. Espacios vectoriales Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición

Más detalles

Matemáticas I: Hoja 4 Aplicaciones lineales y diagonalización

Matemáticas I: Hoja 4 Aplicaciones lineales y diagonalización Matemáticas I: Hoja 4 Aplicaciones lineales y diagonalización Ejercicio. Decidir cuáles de las siguientes aplicaciones son lineales. Cuál es la dimensión del espacio imagen? a f(x, x 2, x 3 = (x 2 + x

Más detalles

Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales

Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales Ejercicio 1 Escribe las siguientes matrices en forma normal de Hermite: 2 4 3 1 2 3 2 4 3 1 2 3 1. 1 2 3 2. 2 1 1 3. 1 2 3 4. 2

Más detalles

Algebra Lineal: Aplicaciones a la Física, Curso 2012

Algebra Lineal: Aplicaciones a la Física, Curso 2012 Algebra Lineal: Aplicaciones a la Física, Curso 2012 5. Transformaciones lineales Una transformación lineal (TL es una función F : V V entre dos espacios vectoriales V,V sobre el mismo cuerpo K que satisface

Más detalles

Valores propios y vectores propios

Valores propios y vectores propios Capítulo 6 Valores propios y vectores propios En este capítulo investigaremos qué propiedades son intrínsecas a una matriz, o su aplicación lineal asociada. Como veremos, el hecho de que existen muchas

Más detalles

ÁLGEBRA LINEAL E.T.S. DE INGENIERÍA INFORMÁTICA INGENIERÍA TÉCNICA EN INFORMÁTICA DE GESTIÓN. Apuntes de. para la titulación de

ÁLGEBRA LINEAL E.T.S. DE INGENIERÍA INFORMÁTICA INGENIERÍA TÉCNICA EN INFORMÁTICA DE GESTIÓN. Apuntes de. para la titulación de E.T.S. DE INGENIERÍA INFORMÁTICA Apuntes de ÁLGEBRA LINEAL para la titulación de INGENIERÍA TÉCNICA EN INFORMÁTICA DE GESTIÓN Fco. Javier Cobos Gavala Amparo Osuna Lucena Rafael Robles Arias Beatriz Silva

Más detalles

TEST DE ÁLGEBRA. 6.- Sea el subespacio de R 3 S = { (x,,y,z) / x +y+z = 0} a) es de dimensión 1 b) es de dimensión 2 c) es R 3 d) NDLA

TEST DE ÁLGEBRA. 6.- Sea el subespacio de R 3 S = { (x,,y,z) / x +y+z = 0} a) es de dimensión 1 b) es de dimensión 2 c) es R 3 d) NDLA TEST DE ÁLGEBRA 1.- Sea f:r 4 -----> R 5 una apli. lineal a) Dim ker(f) tiene que ser 3 b) Dim ker(f) será 4 c) Dim ker(f) es 5 2.- El sistema homogéneo 3 x % 8 y % ð z 0 y & z 0 a) tiene soluciones no

Más detalles

Ejemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR}

Ejemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR} Subespacios Capítulo 1 Definición 1.1 Subespacio Sea H un subconjunto no vacio de un espacio vectorial V K. Si H es un espacio vectorial sobre K bajo las operaciones de suma y multiplicación por escalar

Más detalles

y λu = Idea. Podemos sumar vectores y multiplicar por un escalar. El resultado vuelve a ser un vector Definición de espacio vectorial.

y λu = Idea. Podemos sumar vectores y multiplicar por un escalar. El resultado vuelve a ser un vector Definición de espacio vectorial. Espacios vectoriales Espacios y subespacios R n es el conjunto de todos los vectores columna con n componentes. Además R n es un espacio vectorial. Ejemplo Dados dos vectores de R por ejemplo u = 5 v =

Más detalles

8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES.

8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES. Prácticas de Matemáticas I y Matemáticas II con DERIVE 8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES. 8.. DEPENDENCIA E INDEPENDENCIA LINEAL DE VECTORES. COMBINACIÓN LINEAL. EJEMPLO 8.. Estudiar si el

Más detalles

Álgebra lineal y matricial

Álgebra lineal y matricial Capítulo Álgebra lineal y matricial.. Vectores y álgebra lineal Unconjuntodennúmerosreales(a,,a n )sepuederepresentar: como un punto en el espacio n-dimensional; como un vector con punto inicial el origen

Más detalles

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS 2 Í N D I C E CAPÍTULO MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES MATRICES. MATRIZ. DEFINICIÓN 2. ALGUNOS

Más detalles

1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS

1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS 1 1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS 1.1. ESPACIOS VECTORIALES 1. Analizar cuáles de los siguientes subconjuntos de R 3 son subespacios vectoriales. a) A = {(2x, x, 7x)/x R} El conjunto A es una

Más detalles

4 Aplicaciones lineales

4 Aplicaciones lineales Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 4 Aplicaciones lineales 4. Aplicación lineal Sean V y W dos espacios vectoriales sobre el mismo cuerpo K (en general, R o C. Una aplicación

Más detalles

1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n.

1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n. Ortogonalidad Producto interior Longitud y ortogonalidad Definición Sean u y v vectores de R n Se define el producto escalar o producto interior) de u y v como u v = u T v = u, u,, u n ) Ejemplo Calcular

Más detalles

Tema 3: Aplicaciones de la diagonalización

Tema 3: Aplicaciones de la diagonalización TEORÍA DE ÁLGEBRA II: Tema 3. DIPLOMATURA DE ESTADÍSTICA 1 Tema 3: Aplicaciones de la diagonalización 1 Ecuaciones en diferencias Estudiando la cría de conejos, Fibonacci llegó a las siguientes conclusiones:

Más detalles

Tema 7: Valores y vectores propios

Tema 7: Valores y vectores propios Tema 7: es y clausura s Espacios y Permutaciones es y clausura Una permutación p = {p 1, p 2,..., p n } de los números {1, 2,..., n} es una nueva ordenación de los elementos {1, 2,..., n}, es decir, un

Más detalles

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases. BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades

Más detalles

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una

Más detalles

Tema 2. Espacios Vectoriales. 2.1. Introducción

Tema 2. Espacios Vectoriales. 2.1. Introducción Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por

Más detalles

cadenas de Markov tienen la propiedad de que la probabilidad de que X n = j sólo depende

cadenas de Markov tienen la propiedad de que la probabilidad de que X n = j sólo depende Cadenas de Markov Los procesos de paseo aleatorio en realidad son un caso particular de procesos más generales que son las cadenas de Markov. En esencia, una cadena es un proceso en tiempo discreto en

Más detalles

1. APLICACIONES LINEALES

1. APLICACIONES LINEALES 1 1 APLICACIONES LINEALES El objetivo de este capítulo es el estudio de las aplicaciones lineales u homomorfismos entre espacios vectoriales Este tipo de aplicaciones respeta la estructura de espacio vectorial

Más detalles

Transformaciones Lineales. Definiciones básicas de Transformaciones Lineales. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.

Transformaciones Lineales. Definiciones básicas de Transformaciones Lineales. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com. Transformaciones Lineales Definiciones básicas de Transformaciones Lineales wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 007-009 Contenido 1 Transformaciones Lineales 11 Núcleo e imagen

Más detalles

Problema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por f(1,3,4)=(2,6,8), f(1,1,1)=(2,6,8) y f(0,1,1)=(0,0,0).

Problema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por f(1,3,4)=(2,6,8), f(1,1,1)=(2,6,8) y f(0,1,1)=(0,0,0). Problema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por f(1,3,4)=(2,6,8), f(1,1,1)=(2,6,8) y f(0,1,1)=(0,0,0). a) Demostrad que (1,3,4), (1,1,1) i (0,1,1) son una base de R³. b) Decid

Más detalles

FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES

FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES Eleonora Catsigeras 6 de mayo de 997 Notas para el curso de Análisis Matemático II Resumen Se enuncia sin demostración

Más detalles

Problemas y Ejercicios Resueltos. Tema 2: Espacios vectoriales.

Problemas y Ejercicios Resueltos. Tema 2: Espacios vectoriales. Problemas y Ejercicios Resueltos. Tema : Espacios vectoriales. Ejercicios 1.- Determinar el valor de x para que el vector (1, x, 5) R 3 pertenezca al subespacio < (1,, 3), (1, 1, 1) >. Solución. (1, x,

Más detalles

Facultad de Ingeniera.UNLP Matematica - Modulo 5: Espacios Vectoriales ~no 27 Temario: lase : Denicion de espacio vectorial. Ejemplos. Subespacios. Espacio nulo de una matriz. onjunto generador. Espacio

Más detalles

Espacios vectoriales

Espacios vectoriales Espacios vectoriales Problemas teóricos Muchos de estos problemas me los han enseñado mis colegas: profesores Flor de María Correa Romero, Carlos Domínguez Albino, Sergio González Govea, Myriam Rosalía

Más detalles

4. ESPACIOS VECTORIALES Y APLICACIONES LINEALES

4. ESPACIOS VECTORIALES Y APLICACIONES LINEALES Espacios Vectoriales y Aplicaciones Lineales 4. ESPACIOS VECTORIALES Y APLICACIONES LINEALES SUMARIO: INTRODUCCIÓN OBJETIVOS INTRODUCCIÓN TEÓRICA 1.- Espacios Vectoriales..- Propiedades de un Espacio Vectorial..-

Más detalles

Espacio afín. Transformaciones afines y movimientos

Espacio afín. Transformaciones afines y movimientos Capítulo Espacio afín. Transformaciones afines y movimientos. Espacio afín y espacio afín métrico Definición. El espacio afín (tridimensional) está constituido por los siguientes elementos. El espacio

Más detalles

La aplicación derivada sobre el espacio E de los polinomios en una variable, E D E, es

La aplicación derivada sobre el espacio E de los polinomios en una variable, E D E, es Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS 1 Aplicaciones lineales Núcleo e Imagen Tipos de aplicaciones lineales Sean E y E k-espacios vectoriales Definición 11 Una

Más detalles

PROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2.

PROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2. PROBLEMA. ESCUELA UNIVERSITARIA POLITÉCNICA DE SEVILLA Ingeniería Técnica en Diseño Industrial Fundamentos Matemáticos de la Ingeniería Soluciones correspondientes a los problemas del Primer Parcial 7/8.

Más detalles

Tema 2 ESPACIOS VECTORIALES

Tema 2 ESPACIOS VECTORIALES Tema 2 ESPACIOS VECTORIALES Prof. Rafael López Camino Universidad de Granada 1 Espacio vectorial Definición 1.1 Un espacio vectorial es una terna (V, +, ), donde V es un conjunto no vacío y +, son dos

Más detalles

Comenzaremos recordando algunas definiciones y propiedades estudiadas en el capítulo anterior.

Comenzaremos recordando algunas definiciones y propiedades estudiadas en el capítulo anterior. Capítulo 2 Matrices En el capítulo anterior hemos utilizado matrices para la resolución de sistemas de ecuaciones lineales y hemos visto que, para n, m N, el conjunto de las matrices de n filas y m columnas

Más detalles

4.1 De nici on de aplicaci on lineal,ejemplos y propiedades 4.2 N ucleo e imagen de una aplicaci on lineal

4.1 De nici on de aplicaci on lineal,ejemplos y propiedades 4.2 N ucleo e imagen de una aplicaci on lineal 52 Tema 4. APLICACIONES LINEALES 4.1 De nici on de aplicaci on lineal,ejemplos y propiedades 4.2 N ucleo e imagen de una aplicaci on lineal 4.3Operacioneselementalesconaplicacioneslineales 4.4Matricesasociadasaunaaplicaci

Más detalles

Cambio de representaciones para variedades lineales.

Cambio de representaciones para variedades lineales. Cambio de representaciones para variedades lineales 18 de marzo de 2015 ALN IS 5 Una variedad lineal en R n admite dos tipos de representaciones: por un sistema de ecuaciones implícitas por una familia

Más detalles

Fascículo 2. Álgebra Lineal. Cursos de grado. Gabriela Jeronimo Juan Sabia Susana Tesauri. Universidad de Buenos Aires

Fascículo 2. Álgebra Lineal. Cursos de grado. Gabriela Jeronimo Juan Sabia Susana Tesauri. Universidad de Buenos Aires Fascículo 2 Cursos de grado ISSN 1851-1317 Gabriela Jeronimo Juan Sabia Susana Tesauri Álgebra Lineal Departamento de Matemática Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires 2008

Más detalles

3.- DETERMINANTES. a 11 a 22 a 12 a 21

3.- DETERMINANTES. a 11 a 22 a 12 a 21 3.- DETERMINANTES. 3.1. -DEFINICIÓN Dada una matriz cuadrada de orden n, se llama determinante de esta matriz (y se representa por A o deta al polinomio cuyos términos son todos los productos posibles

Más detalles

Espacios vectoriales y Aplicaciones lineales

Espacios vectoriales y Aplicaciones lineales Espacios vectoriales y Aplicaciones lineales Espacios vectoriales. Subespacios vectoriales Espacios vectoriales Definición Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea

Más detalles

elemento neutro y elemento unidad: inversa aditiva (opuesto): para todo λ K 0, existe un único µ K tal que λµ = 1;

elemento neutro y elemento unidad: inversa aditiva (opuesto): para todo λ K 0, existe un único µ K tal que λµ = 1; 3. Espacios Vectoriales 3.1. Definición de espacio vectorial Un cuerpo es una estructura algebraica (K, +, ) formada por un conjunto K no vacio y dos operaciones internas + y que verifican las siguientes

Más detalles

1. APLICACIONES LINEALES

1. APLICACIONES LINEALES 1 1. APLICACIONES LINEALES 1. Estudiar si las siguientes aplicaciones son lineales: a) f : R 2 R 3, f(x, y) = (x + y, y, x 2y). Sí es lineal. b) f : R 2 R, f(x, y) = xy. No es lineal. Basta observar que

Más detalles

Producto Interno y Ortogonalidad

Producto Interno y Ortogonalidad Producto Interno y Ortogonalidad Departamento de Matemáticas, CSI/ITESM 15 de octubre de 2009 Índice 8.1. Contexto................................................ 1 8.2. Introducción...............................................

Más detalles

ÁLGEBRA LINEAL. Apuntes elaborados por. Juan González-Meneses López. Curso 2008/2009. Departamento de Álgebra. Universidad de Sevilla.

ÁLGEBRA LINEAL. Apuntes elaborados por. Juan González-Meneses López. Curso 2008/2009. Departamento de Álgebra. Universidad de Sevilla. ÁLGEBRA LINEAL Apuntes elaborados por Juan González-Meneses López. Curso 2008/2009 Departamento de Álgebra. Universidad de Sevilla. Índice general Tema 1. Matrices. Determinantes. Sistemas de ecuaciones

Más detalles

Problemas de Álgebra Lineal Espacios Vectoriales

Problemas de Álgebra Lineal Espacios Vectoriales Problemas de Álgebra Lineal Espacios Vectoriales 1. Estudia cuáles de los siguientes subconjuntos son subespacios de R n para el n que corresponda: i) S 1 = {(x, y, z, t) R 4 x + y + z + t = b} siendo

Más detalles

Repaso de matrices, determinantes y sistemas de ecuaciones lineales

Repaso de matrices, determinantes y sistemas de ecuaciones lineales Tema 1 Repaso de matrices, determinantes y sistemas de ecuaciones lineales Comenzamos este primer tema con un problema de motivación. Problema: El aire puro está compuesto esencialmente por un 78 por ciento

Más detalles

Matemáticas. Tercero ESO. Curso 2012-2013. Exámenes

Matemáticas. Tercero ESO. Curso 2012-2013. Exámenes Matemáticas. Tercero ESO. Curso 0-03. Exámenes . 9 de octubre de 0 Ejercicio. Calcular: 3 5 4 + 3 0 3 7 8 5 3 5 4 + 3 0 5 + 6 0 3 0 3 7 8 5 3 56 0 3 8 0 84 74 5 5 5 Ejercicio. Calcular: 5 6 [ ( 3 3 3 )]

Más detalles

2. [2014] [EXT-B] Determinar los valores de los parámetros a y b para los que tiene inversa la matriz A =

2. [2014] [EXT-B] Determinar los valores de los parámetros a y b para los que tiene inversa la matriz A = MasMatescom [204] [EXT-A] Estudiar, para los distintos valores del parámetro m, el siguiente sistema de ecuaciones Resolverlo cuando m = 3 mx-y+3z = 0 x+y+7z = 0 2x-my+4z = 0 2 [204] [EXT-B] Determinar

Más detalles

Tema 6.- Autovalores y autovectores.

Tema 6.- Autovalores y autovectores. Ingeniería Civil. Matemáticas I. -3. Departamento de Matemática Aplicada II. Escuela Superior de Ingenieros. Universidad de Sevilla. Tema 6.- Autovalores autovectores. 6..- Autovalores autovectores. Definición

Más detalles

Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.

Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una

Más detalles

MÉTODOS DIRECTOS PARA LA RESOLUCIÓN DE ECUACIONES ALGEBRAICAS LINEALES

MÉTODOS DIRECTOS PARA LA RESOLUCIÓN DE ECUACIONES ALGEBRAICAS LINEALES CAPÍTULO 4 EJERCICIOS RESUELTOS: MÉTODOS DIRECTOS PARA LA RESOLUCIÓN DE ECUACIONES ALGEBRAICAS LINEALES Ejercicios resueltos 1 1. Determine el número de operaciones aritméticas necesarias para calcular

Más detalles

CAPÍTULO II. 3 El grupo lineal

CAPÍTULO II. 3 El grupo lineal CAPÍTULO II 3 El grupo lineal Como ya se advirtió en el capítulo precedente, los grupos de transformaciones juegan un importante papel en el estudio de la geometría. En esta sección nos ocuparemos de aquellas

Más detalles

ÁLGEBRA LINEAL I Soluciones a la Práctica 6

ÁLGEBRA LINEAL I Soluciones a la Práctica 6 ÁLGEBRA LINEAL I Soluciones a la Práctica 6 Aplicaciones lineales (Curso 2009 2010) 1. De las siguientes aplicaciones definidas entre espacios vectoriales reales, determinar cuáles son homomorfismos, monomorfismos,

Más detalles

Espacios vectoriales y aplicaciones lineales

Espacios vectoriales y aplicaciones lineales Capítulo 3 Espacios vectoriales y aplicaciones lineales 3.1 Espacios vectoriales. Aplicaciones lineales Definición 3.1 Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea K un

Más detalles

Sección 4.5: Transformaciones del plano y del espacio. Sección 4.6: Problema de mínimos cuadrados y aplicaciones.

Sección 4.5: Transformaciones del plano y del espacio. Sección 4.6: Problema de mínimos cuadrados y aplicaciones. Tema 4 Producto escalar En bachiller habéis visto los conceptos de producto escalar, longitud, distancia y perpendicularidad en R y R 3 En este tema del curso se generalizan estos conceptos a R n, junto

Más detalles

Espacios vectoriales

Espacios vectoriales Espacios vectoriales Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza 1 Concepto de espacio vectorial y propiedades 1.1 Definición Se llama espacio vectorial sobre K (IR o C a toda terna

Más detalles

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases.

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases. Tema III Capítulo 2 Sistemas generadores Sistemas libres Bases Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC 2 Sistemas generadores Sistemas libres Bases 1 Combinación lineal

Más detalles

Solución a los problemas adicionales Aplicaciones lineales (Curso 2008 2009)

Solución a los problemas adicionales Aplicaciones lineales (Curso 2008 2009) ÁLGEBRA Solución a los problemas adicionales Aplicaciones lineales (Curso 2008 2009) I. Se considera el homomorfismo f : P 2 (IR) P 2 (IR) definido por las siguientes condiciones: (1) Los polinomios sin

Más detalles

Tema 4.- El espacio vectorial R n.

Tema 4.- El espacio vectorial R n. Tema 4- El espacio vectorial R n Subespacios vectoriales de R n Bases de un subespacio Rango de una matriz 4 Bases de R n Cambios de base 5 Ejercicios En este tema estudiamos la estructura vectorial del

Más detalles

Tema 3. Aplicaciones lineales. 3.1. Introducción

Tema 3. Aplicaciones lineales. 3.1. Introducción Tema 3 Aplicaciones lineales 3.1. Introducción Una vez que sabemos lo que es un espacio vectorial y un subespacio, vamos a estudiar en este tema un tipo especial de funciones (a las que llamaremos aplicaciones

Más detalles

5.1Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal y sus propiedades

5.1Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal y sus propiedades 5- ransformaciones Lineales 5Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal sus propiedades Se denomina transformación lineal a toda función,, cuo dominio codominio

Más detalles

Matrices invertibles. La inversa de una matriz

Matrices invertibles. La inversa de una matriz Matrices invertibles. La inversa de una matriz Objetivos. Estudiar la definición y las propiedades básicas de la matriz inversa. Más adelante en este curso vamos a estudiar criterios de invertibilidad

Más detalles

Tema 4: Aplicaciones lineales

Tema 4: Aplicaciones lineales Tema 4: Aplicaciones lineales Definición, primeras propiedades y ejemplos Definición. Sean V y W dos espacios vectoriales sobre un cuerpo K. Una función f : V W se dice que es una aplicación lineal si

Más detalles

Problemas y Ejercicios Resueltos. Tema 3: Aplicaciones Lineales.

Problemas y Ejercicios Resueltos. Tema 3: Aplicaciones Lineales. Problemas y Ejercicios Resueltos. Tema : Aplicaciones Lineales. Ejercicios 1.- Determinar cuáles de las siguientes aplicaciones son lineales: (i) f : R R 2 definida por f((x, y, z)) = (x y, y + 2z). (ii)

Más detalles

Matrices y sus operaciones

Matrices y sus operaciones Capítulo 1 Matrices y sus operaciones 1.1. Definiciones Dados dos enteros m, n 1 y un cuerpo conmutativo IK, llamamos matriz de m filas y n columnas con coeficientes en IK a un conjunto ordenado de n vectores

Más detalles

ÁLGEBRA MATRICIAL. Álvaro G. Parra* Trabajo Docente Nº 75. Santiago, Agosto 2009

ÁLGEBRA MATRICIAL. Álvaro G. Parra* Trabajo Docente Nº 75. Santiago, Agosto 2009 Versión impresa ISSN: 0- Versión electrónica ISSN: 0-9 PONTIFICIA UNIVERSIDAD CATÓLICA DE CHILE INSTITUTO DE ECONOMÍA Oficina de Publicaciones Casilla, Correo, Santiago www.economia.puc.cl ÁLGEBRA MATRICIAL

Más detalles

E 1 E 2 E 2 E 3 E 4 E 5 2E 4

E 1 E 2 E 2 E 3 E 4 E 5 2E 4 Problemas resueltos de Espacios Vectoriales: 1- Para cada uno de los conjuntos de vectores que se dan a continuación estudia si son linealmente independientes, sistema generador o base: a) (2, 1, 1, 1),

Más detalles

Conceptos Básicos de Algebra Lineal y Geometría Multidimensional. Alvaro Cofré Duvan Henao

Conceptos Básicos de Algebra Lineal y Geometría Multidimensional. Alvaro Cofré Duvan Henao Conceptos Básicos de Algebra Lineal y Geometría Multidimensional Alvaro Cofré Duvan Henao ii Índice general 1 Sistemas de ecuaciones lineales 1 11 El método de eliminación de Gauss 3 12 Determinantes 8

Más detalles

Teorema de estructura de los módulos finitamente generados sobre un D.I.P.. Aplicaciones

Teorema de estructura de los módulos finitamente generados sobre un D.I.P.. Aplicaciones Tema 13.- Teorema de estructura de los módulos finitamente generados sobre un D.I.P.. Aplicaciones 13.1 Teorema de estructura de los módulos finitamente generados sobre un D.I.P. En lo que sigue A denotará

Más detalles

SISTEMAS DE ECUACIONES

SISTEMAS DE ECUACIONES Tema 3 SISTEMAS DE ECUACIONES 1.- Se consideran las matrices 1 2 λ A = 1 1 1 y 1 3 B = λ 0, donde λ es cualquier número real. 0 2 a) Encontrar los valores de λ para los que AB es invertible b) Determinar

Más detalles

Algebra Lineal: Aplicaciones a la Física

Algebra Lineal: Aplicaciones a la Física Algebra Lineal: Aplicaciones a la Física Resumen del curso 2014 para Lic. en Física (2 o año), Depto. de Física, UNLP. Prof.: R. Rossignoli 0. Repaso de estructuras algebraicas básicas Un sistema algebraico

Más detalles

GUIA DE EJERCICIOS MATEMATICAS 3

GUIA DE EJERCICIOS MATEMATICAS 3 GUIA DE EJERCICIOS MATEMATICAS 3 La presente guía representa una herramienta para el estudiante para que practique los temas dictados en matemáticas 3. Tenga presente que algunos ejercicios se escapan

Más detalles

13.TRANSFORMACIONES LINEALES 273 13.1. DEFINICIÓN DE TRANSFORMACIÓN LINEAL... 273 13.2. DETERMINACIÓN DE UNA TRANSFORMACIÓN LINEAL... 275 13.3.

13.TRANSFORMACIONES LINEALES 273 13.1. DEFINICIÓN DE TRANSFORMACIÓN LINEAL... 273 13.2. DETERMINACIÓN DE UNA TRANSFORMACIÓN LINEAL... 275 13.3. ÍNDICE 13.TRANSFORMACIONES LINEALES 273 13.1. DEFINICIÓN DE TRANSFORMACIÓN LINEAL............. 273 13.2. DETERMINACIÓN DE UNA TRANSFORMACIÓN LINEAL...... 275 13.3. REPRESENTACIÓN MATRICIAL DE UNA TRANSFORMACIÓN

Más detalles