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

Espacios Vectoriales, Valores y Vectores Propios

Espacios Vectoriales, Valores y Vectores Propios , Valores y Vectores Propios José Juan Rincón Pasaye, División de Estudios de Postgrado FIE-UMSNH Curso Propedéutico de Matemáticas para la Maestría en Ciencias opciones: Sistemas de Control y Sistemas

Más detalles

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

Resumen de Teoría de Matrices

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

Más detalles

Capítulo 7. Espacios vectoriales. 7.1 Definición y ejemplos

Capítulo 7. Espacios vectoriales. 7.1 Definición y ejemplos Capítulo Espacios vectoriales.1 Definición y ejemplos Un espacio vectorial sobre un cuerpo K (que supondremos conmutativo es un conjunto no vacío junto con 1. una operación interna, +, a la que llamaremos

Más detalles

Matrices, determinantes, sistemas de ecuaciones lineales.

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

Más detalles

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

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

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

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

Más detalles

Tema 2: Espacios Vectoriales

Tema 2: Espacios Vectoriales Tema 2: Espacios Vectoriales José M. Salazar Octubre de 2016 Tema 2: Espacios Vectoriales Lección 2. Espacios vectoriales. Subespacios vectoriales. Bases. Lección 3. Coordenadas respecto de una base. Ecuaciones.

Más 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

DETERMINANTES Profesor: Fernando Ureña Portero

DETERMINANTES Profesor: Fernando Ureña Portero : CONCEPTO, CÁLCULO DE. Definición: A cada matriz cuadrada A=a ij, de orden n, se le asigna un número real, denominado determinante de A, denotado por A o por det (A). A =det (A)= 1.-Determinante de orden

Más detalles

ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3

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

Más detalles

Espacios Vectoriales. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21

Espacios Vectoriales. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21 Espacios Vectoriales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21 Objetivos Al finalizar este tema tendrás que: Saber si unos vectores son independientes.

Más detalles

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

FACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R.

FACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R. FACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R. PROGRAMA ANALÍTICO DE LA ASIGNATURA: ALGEBRA LINEAL Código L2.07.1 PLAN DE ESTUDIOS: 2002 CARRERA: Licenciatura en Matemática DEPARTAMENTO:

Más detalles

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

de la forma ), i =1,..., m, j =1,..., n, o simplemente por (a i j ). INTRODUCCIÓN. MATRICES Y DETERMINANTES Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas parciales.

Más detalles

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

Definición Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. Tema 1 Matrices 1.1. Conceptos básicos y ejemplos Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. NOTA:

Más detalles

TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS.

TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. 1. MATRICES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. DEFINICIÓN: Las matrices son tablas numéricas rectangulares

Más detalles

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

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

Más detalles

MATRICES DETERMINANTES

MATRICES DETERMINANTES MATRICES Y DETERMINANTES INTRODUCCIÓN, MATRICES Y DETERMINANTES Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de

Más 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 4: Matrices y Determinantes. Algunas Notas sobre Matrices y Determinantes. Álgebra Lineal. Curso

Tema 4: Matrices y Determinantes. Algunas Notas sobre Matrices y Determinantes. Álgebra Lineal. Curso Tema 4: Matrices y Determinantes Algunas Notas sobre Matrices y Determinantes Álgebra Lineal Curso 2004-2005 Prof. Manu Vega Índice 1. Determinantes 3 2. Regla de Sarrus 3 3. Propiedades de los determinantes

Más detalles

Temario de Matemáticas

Temario de Matemáticas Temario de Matemáticas BLOQUE I: ÁLGEBRA LINEAL Y GEOMETRÍA 1 o Grado en Biología Alma Luisa Albujer Brotons Índice general 1. Matrices 1 1.1. Conceptos básicos y ejemplos...............................

Más detalles

1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS

1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS 1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS 1.1 SISTEMAS DE ECUACIONES LINEALES Una ecuación lineal es una ecuación polinómica de grado 1, con una o varias incógnitas. Dos ecuaciones son equivalentes

Más detalles

MATRICES. M(n) ó M nxn A =

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

Más detalles

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

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

Matrices, Determinantes y Sistemas Lineales.

Matrices, Determinantes y Sistemas Lineales. 12 de octubre de 2014 Matrices Una matriz A m n es una colección de números ordenados en filas y columnas a 11 a 12 a 1n f 1 a 21 a 22 a 2n f 2....... a m1 a m2 a mn f m c 1 c 2 c n Decimos que la dimensión

Más detalles

Espacios vectoriales reales.

Espacios vectoriales reales. Tema 3 Espacios vectoriales reales. 3.1 Espacios vectoriales. Definición 3.1 Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe el nombre

Más detalles

Espacios Vectoriales

Espacios Vectoriales Espacios Vectoriales Espacios Vectoriales Verónica Briceño V. noviembre 2013 Verónica Briceño V. () Espacios Vectoriales noviembre 2013 1 / 47 En esta Presentación... En esta Presentación veremos: Espacios

Más detalles

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

Estos apuntes se han sacado de la página de internet de vitutor con pequeñas modificaciones. TEMA 1: MATRICES Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones ordenados en filas y columnas. Cada uno de los números de que consta la matriz se denomina elemento. Un elemento

Más detalles

1. a) Sean A, B y X matrices cuadradas de orden n. Despeja X en la ecuación X.A = 2X + B 2. 1 b)

1. a) Sean A, B y X matrices cuadradas de orden n. Despeja X en la ecuación X.A = 2X + B 2. 1 b) Curso 9/. a) Sean, X matrices cuadradas de orden n. Despeja X en la ecuación X. = X + b) Calcula la matri X, siendo = = Solución: a) X. X.( - Id).( - Id) X.X.( - Id) - X. - X -.( Id) X.( - Id) b) 4 ( Id)

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

Apéndice sobre ecuaciones diferenciales lineales

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

Más detalles

2. Ortogonalidad. En todo el capítulo trabajaremos sobre un espacio vectorial euclídeo U.

2. Ortogonalidad. En todo el capítulo trabajaremos sobre un espacio vectorial euclídeo U. 2 Ortogonalidad En todo el capítulo trabajaremos sobre un espacio vectorial euclídeo U 1 Vectores ortogonales Definición 11 Dos vectores x, ȳ U se dicen ortogonales si: x ȳ = 0 Veamos algunas propiedades

Más detalles

Sistemas de Ecuaciones Lineales y Matrices

Sistemas de Ecuaciones Lineales y Matrices Capítulo 4 Sistemas de Ecuaciones Lineales y Matrices El problema central del Álgebra Lineal es la resolución de ecuaciones lineales simultáneas Una ecuación lineal con n-incógnitas x 1, x 2,, x n es una

Más detalles

Grado en Física. Ejercicios de autoevaluación. Temas 1 4. Departamento de Álgebra, Universidad de Sevilla

Grado en Física. Ejercicios de autoevaluación. Temas 1 4. Departamento de Álgebra, Universidad de Sevilla Álgebra Lineal y Geometría Grado en Física Ejercicios de autoevaluación. Temas 1 4 Departamento de Álgebra, Universidad de Sevilla El contenido de estas notas ha sido diseñado y redactado por el profesorado

Más detalles

520142: ALGEBRA y ALGEBRA LINEAL

520142: ALGEBRA y ALGEBRA LINEAL 520142: ALGEBRA y ALGEBRA LINEAL Segundo Semestre 2008, Universidad de Concepción CAPITULO 10: Espacios Vectoriales DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición

Más detalles

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

RESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES

RESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES 3 RESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES Página 74 Determinantes de orden 2 Resuelve cada uno de los siguientes sistemas de ecuaciones y calcula el determinante de la matriz de los coeficientes:

Más detalles

ENDOMORFISMOS Y DIAGONALIZACIÓN.

ENDOMORFISMOS Y DIAGONALIZACIÓN. ENDOMORFISMOS Y DIAGONALIZACIÓN. En lo que resta de este tema, nos centraremos en un tipo especial de aplicaciones lineales: los endomorfismos. Definición: Endomorfismo. Se llama endomorfismo a una 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

RESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES

RESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES RESOLUCIÓN DE SISTEMS MEDINTE DETERMINNTES Página 0 REFLEXION Y RESUELVE Resolución de sistemas Ò mediante determinantes y Resuelve, aplicando x x e y, los siguientes sistemas de ecuaciones: 3x 5y 73 a

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

Apuntes de álgebra lineal. Eduardo Liz Marzán. Enero de 2015.

Apuntes de álgebra lineal. Eduardo Liz Marzán. Enero de 2015. Apuntes de álgebra lineal Eduardo Liz Marzán Enero de 2015 Índice general 1 Introducción 7 11 Operaciones internas y estructura de cuerpo 7 12 Números complejos 8 13 Vectores 10 2 Matrices y determinantes

Más detalles

Determinantes. Determinante de orden uno. a 11 = a 11 5 = 5

Determinantes. Determinante de orden uno. a 11 = a 11 5 = 5 DETERMINANTES Determinantes Concepto de determinante A cada matriz cuadrada A se le asigna un escalar particular denominado determinante de A, denotado por A o por det (A). A = Determinante de orden uno

Más detalles

TEMA 6 FORMAS BILINEALES Y PRODUCTO ESCALAR

TEMA 6 FORMAS BILINEALES Y PRODUCTO ESCALAR TEMA 6 FORMAS BILINEALES Y PRODUCTO ESCALAR Índice 6.1. Formas bilineales....................... 154 6.1.1. Representación matricial de una forma bilineal. 155 6.1.. Formas multilineales reales............

Más detalles

!MATRICES INVERTIBLES

!MATRICES INVERTIBLES Tema 4.- MATRICES INVERTIBLES!MATRICES INVERTIBLES!TÉCNICAS PARA CALCULAR LA INVERSA DE UNA MATRIZ REGULAR 1 Hemos hablado anteriormente de la matriz cuadrada unidad de orden n (I n ).. Es posible encontrar

Más detalles

PROGRAMA DE EXAMEN. Unidad Nº1: Matrices y Función Determinante

PROGRAMA DE EXAMEN. Unidad Nº1: Matrices y Función Determinante Ministerio de Cultura y Educación Universidad Nacional de San Juan Fac. de Ciencias Exactas Físicas y Naturales Ciclo Lectivo 2016 PROGRAMA DE EXAMEN Cátedra: ALGEBRA LINEAL Carrera: Licenciatura en Geofísica

Más detalles

Tema 3: Sistemas de ecuaciones lineales

Tema 3: Sistemas de ecuaciones lineales Tema 3: Sistemas de ecuaciones lineales 1. Introducción Los sistemas de ecuaciones resuelven problemas relacionados con situaciones de la vida cotidiana que tiene que ver con las Ciencias Sociales. Nos

Más detalles

MATRICES. Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden x (que se lee por ).

MATRICES. Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden x (que se lee por ). 1 MATRICES 1 Una matriz es una disposición rectangular de números (Reales); la forma general de una matriz con filas y columnas es Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden

Más detalles

Problemas de Espacios Vectoriales

Problemas de Espacios Vectoriales Problemas de Espacios Vectoriales 1. Qué condiciones tiene que cumplir un súbconjunto no vacío de un espacio vectorial para que sea un subespacio vectorial de este? Pon un ejemplo. Sean E un espacio vectorial

Más detalles

Vectores y Matrices. Tema 3: Repaso de Álgebra Lineal Parte I. Contenidos

Vectores y Matrices. Tema 3: Repaso de Álgebra Lineal Parte I. Contenidos Tema 3: Repaso de Álgebra Lineal Parte I Virginia Mazzone Contenidos Vectores y Matrices Bases y Ortonormailizaciòn Norma de Vectores Ecuaciones Lineales Algenraicas Ejercicios Vectores y Matrices Los

Más 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

Matrices y sistemas lineales

Matrices y sistemas lineales 15 Matemáticas I : Preliminares Tema 2 Matrices y sistemas lineales 2.1 Definiciones básicas Una matriz es una tabla rectangular de números, es decir, una distribución ordenada de números. Los números

Más detalles

Conjuntos y matrices. Sistemas de ecuaciones lineales

Conjuntos y matrices. Sistemas de ecuaciones lineales 1 Conjuntos y matrices Sistemas de ecuaciones lineales 11 Matrices Nuestro objetivo consiste en estudiar sistemas de ecuaciones del tipo: a 11 x 1 ++ a 1m x m = b 1 a n1 x 1 ++ a nm x m = b n Una solución

Más detalles

λ = es simple se tiene que ( )

λ = es simple se tiene que ( ) Sección 6 Diagonalización 1- (enero 1-LE) Sea 1 1 = 1 1 a) Es diagonalizable la matriz? En caso afirmativo, calcula las matrices P y D tales que 1 P P = D b) Existe algún valor de a para el que ( 3, 6,

Más detalles

ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales

ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales Resumen teoría Prof. Alcón ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales Sea (K, +,.) un cuerpo con característica 0. Podemos pensar K = Q, R o C. Si V es un conjunto cualquiera en el que

Más detalles

RESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES

RESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES UNIDD 4 RESOLUCIÓN DE SISTEMS MEDINTE DETERMINNTES Página 00 Resolución de sistemas mediante determinantes x y Resuelve, aplicando x = e y =, los siguientes sistemas de ecuaciones: x 5y = 7 5x + 4y = 6x

Más detalles

Matrices positivas y aplicaciones. María Isabel García Planas Profesora Titular de Universidad

Matrices positivas y aplicaciones. María Isabel García Planas Profesora Titular de Universidad Matrices positivas y aplicaciones María Isabel García Planas Profesora Titular de Universidad Primera edición: Septiembre 2008 Editora: la autora c M ā Isabel García Planas ISBN: 978-84-612-6101-7 Depósito

Más detalles

Tema 2: Teorema de estructura de los grupos abelianos finitamente generados.

Tema 2: Teorema de estructura de los grupos abelianos finitamente generados. ESTRUCTURAS ALGEBRAICAS GRADO EN MATEMÁTICAS. CURSO 215/216 Tema 2: Teorema de estructura de los grupos abelianos finitamente generados. 1.1. Grupo abeliano libre. Bases. Definición 1.1. El grupo Z n con

Más detalles

Tema 2 Datos multivariantes

Tema 2 Datos multivariantes Aurea Grané Máster en Estadística Universidade Pedagógica 1 Aurea Grané Máster en Estadística Universidade Pedagógica 2 Tema 2 Datos multivariantes 1 Matrices de datos 2 Datos multivariantes 2 Medias,

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

Modelización por medio de sistemas

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

Más detalles

MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES

MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES MATEMÁTICAS APLICADAS A LAS CC SOCIALES CAPÍTULO 2 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad

Más detalles

TEMA 4: Sistemas de ecuaciones lineales II

TEMA 4: Sistemas de ecuaciones lineales II TEM 4: Sistemas de ecuaciones lineales II ) Teorema de Rouché-Frobenius. ) Sistemas de Cramer: regla de Cramer. 3) Sistemas homogeneos. 4) Eliminación de parámetros. 5) Métodos de factorización. 5) Métodos

Más detalles

A1.- Determina a y b sabiendo que el sistema de ecuaciones. x + 3y +z = 1 -x + y +2z = -1 ax + by + z = 4 tiene, al menos, dos soluciones distintas.

A1.- Determina a y b sabiendo que el sistema de ecuaciones. x + 3y +z = 1 -x + y +2z = -1 ax + by + z = 4 tiene, al menos, dos soluciones distintas. A1.- Determina a y b sabiendo que el sistema de ecuaciones x + 3y +z = 1 -x + y +z = -1 ax + by + z = 4 tiene, al menos, dos soluciones distintas. Para que el sistema tenga, al menos, dos soluciones distintas

Más detalles

Repaso de conceptos de álgebra lineal

Repaso de conceptos de álgebra lineal MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso

Más detalles

Tema 5: Sistemas de ecuaciones lineales.

Tema 5: Sistemas de ecuaciones lineales. TEORÍA DE ÁLGEBRA: Tema 5 DIPLOMATURA DE ESTADÍSTICA 1 Tema 5: Sistemas de ecuaciones lineales 1 Definiciones generales Definición 11 Una ecuación lineal con n incognitas es una expresión del tipo a 1

Más detalles

Tema 1: Matrices y Determinantes

Tema 1: Matrices y Determinantes Tema 1: Matrices y Determinantes September 14, 2009 1 Matrices Definición 11 Una matriz es un arreglo rectangular de números reales a 11 a 12 a 1m a 21 a 22 a 2m A = a n1 a n2 a nm Se dice que una matriz

Más detalles

Diagonalización de Matrices

Diagonalización de Matrices Tema Diagonalización de Matrices Introducción En los dos temas previos de este bloque hemos visto cómo problemas de la realidad son escritos, tratados y resueltos a través de espacios vectoriales y sistemas

Más detalles

Matrices y determinantes. Sistemas de ecuaciones lineales

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

Más detalles

Ejemplo 1 Sea V un espacio con producto interno sobre un cuerpo K. A las transformaciones lineales T : V K las llamamos funcionales lineales.

Ejemplo 1 Sea V un espacio con producto interno sobre un cuerpo K. A las transformaciones lineales T : V K las llamamos funcionales lineales. Facultad de Ingeniería - IMERL - Geometría y Álgebra Lineal 2 - Curso 2008. 1 Transformaciones lineales en espacios con producto interno Notas para el curso de Geometría y Algebra Lineal 2 de la Facultad

Más detalles

Lo rojo sería la diagonal principal.

Lo rojo sería la diagonal principal. MATRICES. Son listas o tablas de elementos y que tienen m filas y n columnas. La dimensión de la matriz es el número se filas y de columnas y se escribe así: mxn (siendo m el nº de filas y n el de columnas).

Más detalles

Tema 1: MATRICES. OPERACIONES CON MATRICES

Tema 1: MATRICES. OPERACIONES CON MATRICES Tema 1: MATRICES. OPERACIONES CON MATRICES 1. DEFINICIÓN Y TIPO DE MATRICES DEFINICIÓN. Una matriz es un conjunto de números reales dispuestos en filas y columnas. Si en ese conjunto hay m n números escritos

Más detalles

Descomposición en valores singulares Notas para los cursos 21 y 22 (J.L. Mancilla Aguilar)

Descomposición en valores singulares Notas para los cursos 21 y 22 (J.L. Mancilla Aguilar) Valores Singulares Descomposición en valores singulares Notas para los cursos y (JL Mancilla Aguilar) Tanto los valores singulares como la descomposición en valores singulares de una matriz son conceptos

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

Tema 1: Matrices. El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico.

Tema 1: Matrices. El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico. Tema 1: Matrices El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico. 1. Terminología Comenzamos con la definición de matriz

Más detalles

CURSO BÁSICO DE MATEMÁTICAS PARA ESTUDIANTES DE ECONÓMICAS Y EMPRESARIALES

CURSO BÁSICO DE MATEMÁTICAS PARA ESTUDIANTES DE ECONÓMICAS Y EMPRESARIALES CONCEPTO MATRICES Se llama matriz de orden (dimensión) m n a un conjunto de m n elementos dispuestos en m filas y n columnas Se representa por A = a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn j=1,2,,n

Más detalles

como el número real que resulta del producto matricial y se nota por:

como el número real que resulta del producto matricial y se nota por: Espacio euclídeo 2 2. ESPACIO EUCLÍDEO 2.. PRODUCTO ESCALAR En el espacio vectorial se define el producto escalar de dos vectores y como el número real que resulta del producto matricial y se nota por:,

Más detalles

ETSI de Topografía, Geodesia y Cartografía

ETSI de Topografía, Geodesia y Cartografía Prueba de Evaluación Continua Grupo A 9-04-14 ESPACIOS VECTORIALES-DIAGONALIZACIÓN (parte sin DERIVE) 1. a) Definir sistema ligado de vectores de un espacio vectorial V. b) Demostrar que si un sistema

Más detalles

Espacios vectoriales y aplicaciones lineales

Espacios vectoriales y aplicaciones lineales resumen05 1 Espacios vectoriales y aplicaciones lineales Espacios y subespacios vectoriales Un espacio vectorial sobre un conjunto de números K es intuitivamente un conjunto en el que tenemos definida

Más detalles

Introducción a los espacios vectoriales

Introducción a los espacios vectoriales 1 / 64 Introducción a los espacios vectoriales Pablo Olaso Redondo Informática Universidad Francisco de Vitoria November 19, 2015 2 / 64 Espacios vectoriales 1 Las 10 propiedades de un espacio vectorial

Más detalles

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

Se denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. TEMA 1.- MATRICES 1.-Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. Cada uno de los números de que consta la

Más detalles

Descomposición en valores singulares de una matriz

Descomposición en valores singulares de una matriz Descomposición en valores singulares de una matriz Estas notas están dedicadas a demostrar una extensión del teorema espectral conocida como descomposición en valores singulares (SVD en inglés) de gran

Más detalles

Si A es una matriz cuadrada n x n, tal que A 2 = A, e I es la matriz unidad ( n x n ), qué matriz es B 2, si B = 2ª - I?

Si A es una matriz cuadrada n x n, tal que A 2 = A, e I es la matriz unidad ( n x n ), qué matriz es B 2, si B = 2ª - I? MATRICES Si A es una matriz cuadrada n x n, tal que A 2 = A, e I es la matriz unidad ( n x n ), qué matriz es B 2, si B = 2ª - I? La multiplicación de matrices cuadradas, tiene la propiedad conmutativa?

Más detalles

1. RANGO DE UNA MATRIZ

1. RANGO DE UNA MATRIZ . RANGO DE UNA MATRIZ El rango de una matriz es el mayor de los órdenes de los menores no nulos que podemos encontrar en la matriz. Por tanto, el rango no puede ser mayor al número de filas o de columnas.

Más detalles

1 Super cies regladas

1 Super cies regladas 1 Super cies regladas 1.1 De nición y ejemplos Vamos a estudiar una clase importante de super cies que son aquellas generadoas por una recta que se mueve a lo largo de una curva. Por tanto, son aquellas

Más detalles

4. Complementos sobre Problemas de Contorno para S.D.O. Lineales. 4. Complementos sobre Problemas de Contorno

4. Complementos sobre Problemas de Contorno para S.D.O. Lineales. 4. Complementos sobre Problemas de Contorno para S.D.O. Lineales 4.1. Problemas de contorno para s.d.o. lineales. Teorema de alternativa 4.1. Problemas de contorno. Teorema de alternativa Fijemos A C 0 ([α, β]; L(R N )) y b C 0 ([α, β]; R N ), dos

Más detalles

Ejercicios de Matrices, determinantes y sistemas de ecuaciones lineales. Álgebra 2008

Ejercicios de Matrices, determinantes y sistemas de ecuaciones lineales. Álgebra 2008 Ejercicios de Matrices, determinantes sistemas de ecuaciones lineales. Álgebra 8 - Dado el sistema de ecuaciones lineales 5 (a) ['5 puntos] Clasifícalo según los valores del parámetro λ. (b) [ punto] Resuélvelo

Más detalles

DEFINICIONES TIPOS DE MATRICES DETERMINANTES Y PROPIEDADES OPERACIONES MATRICIALES INVERSA DE UNA MATRIZ SISTEMAS DE ECUACIONES

DEFINICIONES TIPOS DE MATRICES DETERMINANTES Y PROPIEDADES OPERACIONES MATRICIALES INVERSA DE UNA MATRIZ SISTEMAS DE ECUACIONES ALGEBRA DE MATRICES DEFINICIONES TIPOS DE MATRICES DETERMINANTES Y PROPIEDADES OPERACIONES MATRICIALES INVERSA DE UNA MATRIZ SISTEMAS DE ECUACIONES DEFINICIONES 2 Las matrices y los determinantes son herramientas

Más detalles

TEMA 8.- NORMAS DE MATRICES Y

TEMA 8.- NORMAS DE MATRICES Y Álgebra II: Tema 8. TEMA 8.- NORMAS DE MATRICES Y NúMERO DE CONDICIóN Índice. Introducción 2. Norma vectorial y norma matricial. 2 2.. Norma matricial inducida por normas vectoriales......... 4 2.2. Algunos

Más detalles

2.1. Estructura algebraica de espacio vectorial

2.1. Estructura algebraica de espacio vectorial Tema 2 Espacios vectoriales de dimensión finita 21 Estructura algebraica de espacio vectorial Los vectores libres en el plano son el sustento geométrico del concepto de espacio vectorial Se trata de segmentos

Más detalles

Determinantes. Concepto de determinante A cada matriz cuadrada A se le asigna un número denominado determinante de A, denotado por A o por det (A).

Determinantes. Concepto de determinante A cada matriz cuadrada A se le asigna un número denominado determinante de A, denotado por A o por det (A). Determinantes Concepto de determinante A cada matriz cuadrada A se le asigna un número denominado determinante de A, denotado por A o por det (A). A = Determinante de orden uno a 11 = a 11 5 = 5 Determinante

Más detalles

Matrices. Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones ordenados en filas y columnas.

Matrices. Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones ordenados en filas y columnas. Matrices Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones ordenados en filas y columnas. Cada uno de los números de que consta la matriz se denomina elemento. Un elemento

Más detalles

ALGEBRA LINEAL. David Delepine, Mauro Napsuciale, Simón Rodríguez

ALGEBRA LINEAL. David Delepine, Mauro Napsuciale, Simón Rodríguez ALGEBRA LINEAL David Delepine, Mauro Napsuciale, Simón Rodríguez 28 de agosto de 2005 Índice general 1. Espacios Vectoriales 2 1.1. Nociones de Espacios Vectoriales................ 2 1.2. Nociones de subespacios

Más detalles

Sistemas de ecuaciones lineales

Sistemas de ecuaciones lineales Sistemas de ecuaciones lineales ALBERTO VIGNERON TENORIO Dpto. de Matemáticas Universidad de Cádiz Índice general 1. Sistemas de ecuaciones lineales 1 1.1. Sistemas de ecuaciones lineales. Definiciones..........

Más detalles

Resumen 3: Matrices, determinantes y sistemas de ecuaciones

Resumen 3: Matrices, determinantes y sistemas de ecuaciones Resumen 3: Matrices, determinantes y sistemas de ecuaciones lineales 1 Matrices Una matriz con coeficientes sobre un cuerpo K (normalmente K R) consiste en una colección de números (o escalares) del cuerpo

Más detalles

Matriz sobre K = R o C de dimensión m n

Matriz sobre K = R o C de dimensión m n 2 Matrices y Determinantes 21 Matrices Matriz sobre K = R o C de dimensión m n A = a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn Tipos de matrices: Cuadrada: n n = (a ij) i=1,,m j=1,,n Nula: (0) i,j 1 0

Más detalles

Tema 2.- Formas Cuadráticas.

Tema 2.- Formas Cuadráticas. Álgebra. 004 005. Ingenieros Industriales. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema.- Formas Cuadráticas. Definición y representación matricial. Clasificación de las formas

Más detalles