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

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

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

Transcripción

1 Sesión 8: Diagonalización (I) Método práctico para diagonalizar una matriz cuadrada A M nxn K ) Calculamos los valores propios de A y sus multiplicidades algebraicas con: d A λ = det A λi nxn = Si d A λ no tiene ceros en K, no es diagonalizable en K. Si d A λ tiene n ceros no distintos en K, ir al paso 2). ) A = 3 2. det A λi 2x2 = det λ 3 2 λ = λ 2 λ = ; σ A =,2 ; MA = ; MA 2 = 2) Calculamos las multiplicidades geométricas de cada valor propio α σ A con: MG α = n ρ A αi nxn. Si MG α MA α para algún valor propio α, entonces A no es diagonalizable. 2) MG = 2 ρ A I nxn = 2 ρ 3 = 2 =. MG 2 = 2 ρ A 2 I nxn = 2 ρ 3 = 2 = Resulta que A es diagonalizable Si MG α = MA α para todos los valores propios α, entonces A es diagonalizable.

2 P) Estudia si cada una de las siguientes matrices es o no diagonalizable en R y en C y, en caso afirmativo, diagonalízala. A = ; B = Solución Calculemos el polinomio característico de la matriz A: d A λ = det A λi 3x3 = det 4 λ 2 3 λ 2 4 λ = 4 λ 3 λ 4 λ 3 λ d A λ = 3 λ 4 λ 2 = 3 λ λ 2 8λ + 5 = 3 λ 3 λ 5 λ d A λ = 3 λ 2 5 λ Por tanto el polinomio característico de A es producto de factores lineales en R y en C. Los valores propios son 3 y 5, con MA(3) = 2, MA(5) =.

3 Calculemos sus multiplicidades geométricas. Usaremos que: MG λ = dimensión del subespacio propio E λ asociado a λ: E λ = N A λi nxn = x K n : x, y tal que: Ax = λx MG λ Aplicando el teorema de las dimensiones para A M nxn K y λ autovalor de A: Para el autovalor 5: MG λ = n ρ A λi nxn MG 5 MA 5 = MG 5 = Para el autovalor 3: Luego: MG 3 = 3 ρ A 3I 3x3 = 3 ρ 2 2 = 3 = 2 MG 3 = 2 = MA 3 MG 5 = = MA 5 A es diagonalizable porque coinciden las multiplicidades geométricas y algebraicas para cada autovalor.

4 Como A es diagonalizable existen P M 3x3 K no singular y D matriz diagonal tales que: Calcularemos ahora los autovectores. A = PDP Para calcular los vectores propios asociados al valor propio 3 resolvemos el sistema homogéneo: A 3I 3x3 x = 2 2 x y z = z = x, por tanto: E 3 = x y x : x, y K = L,

5 Para calcular los vectores propios asociados al valor propio 5 resolvemos el sistema homogéneo: A 5 x = x y z = x = z y = 2z E 5 = z 2z z : z K = L 2 Así, C =,, 2 denota la base canónica de K 3, entonces: es una base de K 3 formada por vectores propios de A. Si B P = Id CB = 2, D = 3 3 5, y A = PDP

6 Para la matriz B seguimos los mismos pasos. Calculemos el polinomio característico: B = d B λ = det B λi 3x3 = det 3 λ 3 λ 4 λ = 3 λ 2 4 λ Por tanto el polinomio característico de B es producto de factores lineales en R y en C Los valores propios son 3 y 4, con MA(3) = 2, MA(4) =. Calculemos sus multiplicidades geométricas. Para el autovalor 4: MG 4 MA 4 = MG 4 = Para el autovalor 3: MG 3 = 3 ρ B 3I 3x3 = 3 ρ = 3 2 = Como MA 3 = 2 = MG(3) la matriz B no es diagonalizable.

7 P2) Estudiar para qué valores de los parámetros a y b la matriz A es diagonalizable. Solución A = a b 2 MG α = n ρ A αi nxn Como A es una matriz triangular, d A λ = (λ a )(λ )(λ 2), luego los valores propios de A son a, y 2. Distinguimos tres casos: ) Si a y a 2, entonces los tres valores propios son distintos y A es diagonalizable. 2) Si a =, entonces σ A =,, 2 MA = 2, MA 2 =. MG 2 MA 2 = MG 2 = = MA(2) MG = 3 ρ A I 3 3 = 3 ρ b = 3 2 =, si b 3 = 2, si b = Por tanto si a = y b = entonces A es diagonalizable. Si a = y b entonces A NO es diagonalizable

8 3) Si a = 2, entonces σ A = 2, 2,, MA(2) = 2 y MA() =. MG() MA() = MG() = = MA() MG 2 = 3 ρ A 2I 3 3 = 3 ρ b R b = 3 = 2 = MA 2, para cualquier Por tanto, si a = 2 entonces A es diagonalizable.

9 CUESTIONES C) Sea A una matriz 3 3 tal que σ A =, 2, 3. Entonces: a) ρ(a) = ( 2) =. b) ρ(a I 3 3 ) =. c) ρ(a) = 3 Solución Si los valores propios de la matriz A son λ, λ 2 y λ 3, entonces det(a) = λ λ 2 λ 3 Y como los valores propios de A son, 2, 3, A es una matriz no singular. Por tanto, al ser una matriz 3 3 no singular, el rango de A es 3. Luego la opción (a) es falsa y la opción c) es verdadera. Además, como A tiene todos los valores propios distintos, entonces A es diagonalizable, por lo que MG() = MA() =. Como : MG() = 3 ρ A I 3 3 = 3 ρ A I 3 3 ρ A I 3 3 = 2 Y la opción b) es también falsa.

10 2 C2) Sea A = a) σ A = 2,,. b) MG()=2; c) A es diagonalizable. Solución. Una de las siguientes afirmaciones es verdadera: Si a) es verdadera det A = λ λ 2 λ 3 = 2 =. MG α = n ρ A αi nxn Pero si lo calculamos directamente, det A tanto, la opción a) es falsa. =, por lo que A es no singular y, por De hecho, si calculamos el polinomio característico de A se obtiene: 2 λ det A λ = λ = λ 2λ + λ 2 + = λ 3 es valor propio λ de A con MA()=3. Si calculamos la multiplicidad geométrica: MG() = 3 ρ A I 3 3 = 3 ρ = 3 = 2 MA()=3, por tanto A no es diagonalizable y así la opción c) es falsa y b) es cierta.

11 C3) Sea A una matriz nxn. Sólo una de las siguientes afirmaciones es correcta: (a) Si A es no singular es diagonalizable. (b) Si A es no singular, entonces A es similar a la matriz identidad I nxn. (c) Si A es diagonalizable, entonces A n es diagonalizable n N. Solución La opción (a) es falsa. Por ejemplo la matriz A = : det A =, luego A es no singular. d A λ = det A λi 2x2 = det λ λ = λ 2 σ A =, MA = 2 MG = 2 ρ A I 2x2 = 2 ρ diagonalizable. 2 = 2 = MA, luego A no es Si A es similar a la matriz identidad entonces existe una matriz P no singular tal que A = PI nxn P = PP = I nxn A, luego b es falsa. Si A es diagonalizable entonces existe una matriz P no singular y una matriz D, diagonal, tal que: A = PDP A n = PDP PDP PDP = PD n P n veces A n es similar a la matriz D n, por lo que A n es diagonalizable para cualquier n, luego (c) es verdadera.

12 C4) Sea A una matriz 3x3 tal que d A λ = 3 λ 3 2 λ 5, entonces: (a) Si dim K E 3 = 2, entonces A es diagonalizable. (b) Si ρ A 3I 3x3 = 2, entonces A es diagonalizable. (c) Si u y v son vectores propios asociados a 3 y w es vector propio asociado a 5, entonces u, v, w es LI y A es diagonalizable. Solución: Como A M 3x3 K y d A λ es producto de factores lineales en K λ y: MA 3 = 2 = dim K E 3 = MG 3 MA 5 = ; Y como: MG 5 MA 5 = MG 5 =. Entonces la matriz A es diagonalizable. Luego (a) es verdadera. Si ρ A 3I 3x3 = 2 entonces MG 3 = 3 ρ A 3I 3x3 = MA 3 = 2, luego la matriz A noes diagonalizable y la opción (b) es falsa. En cuanto a la opción (c), sabemos que vectores propios asociados a valores propios distinto son LI. Pero vectores propios asociados al mismo valor propio no son necesariamente LI. Por ejemplo: Si u =2v, entonces u y v son vectores propios asociados a 3, pero u, v, w son LD y no sabemos si A es diagonalizable o no. Luego la opción (c) es falsa.

Valores y Vectores Propios

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

Más detalles

Diagonalización de Endomorfismos

Diagonalización de Endomorfismos Tema 5 Diagonalización de Endomorfismos 5.1 Introducción En este tema estudiaremos la diagonalización de endomorfismos. La idea central de este proceso es determinar, para una aplicación lineal f : E E,

Más detalles

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

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

Más detalles

Matemáticas Empresariales II. Diagonalización de Matrices

Matemáticas Empresariales II. Diagonalización de Matrices Matemáticas Empresariales II Lección 6 Diagonalización de Matrices Manuel León Navarro Colegio Universitario Cardenal Cisneros M. León Matemáticas Empresariales II 1 / 25 Introducción Sea f un endomorfismo,

Más detalles

Tema 2: Diagonalización

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

Más detalles

RESUMEN DEL TEMA 7 VALORES Y VECTORES PROPIOS

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

Más detalles

5. Aplicaciones Lineales

5. Aplicaciones Lineales Contents 5 Aplicaciones Lineales 2 5.1 Aplicaciones lineales. Definición y propiedades........................ 2 5.2 Núcleo e Imagen.................................................... 3 5.3 Descomposición

Más detalles

Tema 2. Aplicaciones lineales. Diagonalización de endomorfismos.

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

Más detalles

TEMA III: DIAGONALIZACIÓN.

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

Más detalles

Universidad de Los Andes Álgebra lineal 1. Parcial 3 - Tema A. 20 de abril 2013 MATE 1105

Universidad de Los Andes Álgebra lineal 1. Parcial 3 - Tema A. 20 de abril 2013 MATE 1105 Universidad de Los Andes Álgebra lineal Parcial 3 - Tema A de abril 3 MATE 5 Esto es un examen individual. No se permite el uso de libros, apuntes, calculadoras o cualquier otro medio electrónico. Los

Más detalles

Ejercicios resueltos del capítulo 4

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

Más detalles

Curso Departamento de Matemática Aplicada a las Tecnologías de la Información y las Comunicaciones

Curso Departamento de Matemática Aplicada a las Tecnologías de la Información y las Comunicaciones Tema 5. ÁLGEBRA Diagonalización. Curso 217-218 José Juan Carreño Carreño Departamento de Matemática Aplicada a las Tecnologías de la Información y las Comunicaciones Escuela Técnica Superior de Ingeniería

Más detalles

Geometría afín y proyectiva, 2016 SEMANA 4

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

Más detalles

UNIVERSIDAD SIMON BOLIVAR MA1116 abril-julio de 2009 Departamento de Matemáticas Puras y Aplicadas. Ejercicios sugeridos para :

UNIVERSIDAD SIMON BOLIVAR MA1116 abril-julio de 2009 Departamento de Matemáticas Puras y Aplicadas. Ejercicios sugeridos para : IX / 9 UNIVERSIDAD SIMON BOLIVAR MA6 abril-julio de 9 Ejercicios sugeridos para : los temas de las clases del 3 de junio y de julio de 9. Temas : Autovalores y autovectores. Matrices similares; diagonalización.

Más detalles

Autovalores y autovectores Diagonalización y formas canónicas

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

Más detalles

DIAGONALIZACIÓN DE MATRICES CUADRADAS

DIAGONALIZACIÓN DE MATRICES CUADRADAS DIAGONALIZACIÓN DE MATRICES CUADRADAS.- Considerar los vectores u = (, -, ) y v = (, -, ) de : a) Escribir, si es posible, los vectores (, 7, -4) y (, -5, 4) como combinación lineal de u y v. b) Para qué

Más detalles

Aplicaciones Lineales. Diagonalización de matrices.

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

Más detalles

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

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

Más detalles

AP = A p 1 p 2 p n = Ap 1 Ap 2. λ 1 p 21 λ 2 p 22 λ n p 2n. .. = λ 1 p 1 λ 2 p 2

AP = A p 1 p 2 p n = Ap 1 Ap 2. λ 1 p 21 λ 2 p 22 λ n p 2n. .. = λ 1 p 1 λ 2 p 2 Capítulo 6 Diagonalización 6 Valores y vectores propios 6 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial V, nos planteamos el problema

Más detalles

A = [a 1 a 2 a 3. El sistema Ax = c tiene infinitas soluciones N. Existe un único vector x tal que T (x) = c X. T es suprayectiva

A = [a 1 a 2 a 3. El sistema Ax = c tiene infinitas soluciones N. Existe un único vector x tal que T (x) = c X. T es suprayectiva Asignatura: ÁLGEBRA LINEAL Fecha: 6 de Julio de Fecha publicación notas: 6 de Julio de Fecha revisión examen: de Julio de Duración del examen: horas y media APELLIDOS Y NOMBRE: DNI: Titulación:. ( punto:,

Más detalles

Práctica 6: Autovalores y autovectores - Diagonalización

Práctica 6: Autovalores y autovectores - Diagonalización ALGEBRA LINEAL Primer Cuatrimestre 2010 Práctica 6: Autovalores y autovectores - Diagonalización 1. Calcular el polinomio característico, los autovalores y los autovectores de la matriz A en cada uno de

Más detalles

6. DIAGONALIZACIÓN DE ENDOMORFISMOS

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

Más detalles

1. DIAGONALIZACIÓN. FORMAS CANÓNICAS

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

Más detalles

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

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

Más detalles

AUTOVALORES Y AUTOVECTORES

AUTOVALORES Y AUTOVECTORES 12 de Julio de 2011 AUTOVALORES Y AUTOVECTORES (Clase 01) Departamento de Matemática Aplicada Facultad de Ingeniería Universidad Central de Venezuela 1 Puntos a tratar 1. Valores y vectores propios 2.

Más detalles

Descomposición en forma canónica de Jordan (Segunda versión)

Descomposición en forma canónica de Jordan (Segunda versión) Descomposición en forma canónica de Jordan (Segunda versión) Francisco J. Bravo S. 1 de septiembre de 211 En esta guía se presentan los resultados necesarios para poder construir la forma de Jordan sin

Más detalles

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

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

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

Más detalles

Tema 6: Autovalores y autovectores

Tema 6: Autovalores y autovectores Tema 6: Autovalores y autovectores Curso 216/217 Ruzica Jevtic Universidad San Pablo CEU Madrid Referencias Lay D. Linear algebra and its applications (3rd ed). Chapter 5. 2 Autovalores y autovectores

Más detalles

Tema 11.- Autovalores y Autovectores.

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

Más detalles

Álgebra II(61.08, 81.02) Segundo cuatrimestre 2017 Práctica 4. Autovalores y autovectores de matrices. Diagonalización.

Álgebra II(61.08, 81.02) Segundo cuatrimestre 2017 Práctica 4. Autovalores y autovectores de matrices. Diagonalización. Álgebra II(6108, 8102) Segundo cuatrimestre 2017 Práctica 4 Autovalores y autovectores de matrices Diagonalización Nota: salvo indicación particular, se considera que todas las matrices pertenecen a C

Más detalles

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

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

Más detalles

1. DIAGONALIZACIÓN DE ENDOMORFISMOS

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

Más detalles

Solución de problemas I 1

Solución de problemas I 1 Universidad Autónoma de Madrid Álgebra II. Físicas. Curso 5 6 Solución de problemas I Álgebra II Curso 5-6. Proyecciones en el producto escalar estándar Ejercicio 7.7. (a) Dada la ecuación x + y z, dar

Más detalles

ALGEBRA LINEAL Y GEOMETRÍA I

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

Más detalles

Hoja de diagonalización MATEMÁTICAS I

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

Más detalles

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

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

Más detalles

Transformaciones Lineales

Transformaciones Lineales Transformaciones Lineales En lo que sigue denotaremos por K al conjunto R ó C Definición Sean V y W dos K-ev (espacios vectoriales sobre K Se llama transformación lineal de V en W a toda función T : V

Más detalles

Problemas y Ejercicios Resueltos. Tema 6: Diagonalizacion.

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

Más detalles

Hoja de diagonalización MATEMÁTICAS I

Hoja de diagonalización MATEMÁTICAS I Hoja de diagonalización MATEMÁTICAS I 007-008 1.- En los siguientes casos estudiar si f es una aplicación lineal y en caso afirmativo hallar una matriz A tal que f(x) = Ax, así como los subespacios vectoriales

Más detalles

1. DIAGONALIZACIÓN Y FORMAS CANÓNICAS

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

Más detalles

PROBLEMAS DE ÁLGEBRA LINEAL INGENIERÍA DE TELECOMUNICACIONES - E.T.S.I.T. CURSO 2005/06

PROBLEMAS DE ÁLGEBRA LINEAL INGENIERÍA DE TELECOMUNICACIONES - E.T.S.I.T. CURSO 2005/06 PROBLEMAS DE ÁLGEBRA LINEAL INGENIERÍA DE TELECOMUNICACIONES - E.T.S.I.T. CURSO 200/06 1. Utilizar el método de eliminación de Gauss para resolver el sistema de ecuaciones lineales siguiente: 2 x 1 2 x

Más detalles

Álgebra Lineal. Tema 5 Ecuaciones diferenciales lineales

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

Más detalles

Diagonalización de matrices

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

Más detalles

Autovalores y Autovectores - Diagonalización

Autovalores y Autovectores - Diagonalización Autovalores y Autovectores - Diagonalización Última edición: 9//9 Autovalores y Autovectores Sea A K nxn (matriz cuadrada): Denición K es autovalor (ava) de A si existe v K n ; no nulo (v 6= K n) tal que

Más detalles

Formas canónicas reales

Formas canónicas reales Capítulo 7 Formas canónicas reales Introducción Sea V un espacio vectorial sobre C, f End(V y M B (f = A M(n n Sea λ = a + bi es una autovalor complejo de f de multiplicidad m Para tal autovalor complejo

Más detalles

Práctica 5. Autovalores y autovectores. Diagonalización de matrices y de transformaciones lineales.

Práctica 5. Autovalores y autovectores. Diagonalización de matrices y de transformaciones lineales. Práctica 5 Autovalores y autovectores Diagonalización de matrices y de transformaciones lineales Nota: salvo indicación particular, se considera que todas las matrices pertenecen a C n n 1 Encuentre los

Más detalles

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

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

Más detalles

MATRICES Y SISTEMAS DE ECUACIONES

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

Más detalles

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

Diagonalización. Tema Valores y vectores propios Planteamiento del problema Valores y vectores propios 61 Matemáticas I : Álgebra Lineal Tema 6 Diagonalización 61 Valores y vectores propios 611 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial

Más detalles

Determinantes. Reducción de matrices. Caso diagonalizable

Determinantes. Reducción de matrices. Caso diagonalizable Tema 4 Determinantes Reducción de matrices Caso diagonalizable En este tema consideraremos matrices cuadradas y, para ellas, introduciremos el concepto de autovalor de una matriz Veremos también cómo algunas

Más detalles

Valores y Vectores Propios

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

Más detalles

1. W = {(x, y, z) x + y + z =0} 2. W = {(x, y, z) x 2 + y 2 + z 2 =1} Solución:

1. W = {(x, y, z) x + y + z =0} 2. W = {(x, y, z) x 2 + y 2 + z 2 =1} Solución: ESCUELA UNIVERSITARIA POLITÉCNICA DE SEVILLA Fundamentos Matemáticos de Ingeniería T. I. Electrónica y Eléctrica Primer Parcial (--4), primera parte. PROBLEMA A)[ puntos] Indica razonadamente cuál de los

Más detalles

Guía N o 7. En esta guía E λ (A) denota el espacio propio asociado a λ de la matriz A. 1. Calcular el determinante de las siguientes matrices:

Guía N o 7. En esta guía E λ (A) denota el espacio propio asociado a λ de la matriz A. 1. Calcular el determinante de las siguientes matrices: FACULTAD DE CIENCIAS EXACTAS DPTO. DE MATEMÁTICAS UNIVERSIDAD ANDRÉS BELLO Álgebra Lineal FMM3 Guía N o 7 En esta guía E λ (A) denota el espacio propio asociado a λ de la matriz A.. Calcular el determinante

Más detalles

Examen Final Ejercicio único (3 horas) 20 de enero de n(n 1) 2. C n,3 = n(n 3) n =

Examen Final Ejercicio único (3 horas) 20 de enero de n(n 1) 2. C n,3 = n(n 3) n = Álgebra Lineal I Examen Final Ejercicio único (3 horas) 0 de enero de 014 1. Sea P un polígono regular de n lados. (i) Cuántas diagonales tiene el polígono?. Las diagonales son segmentos que unen pares

Más detalles

TRANSFORMACIONES LINEALES 1. TRANSFORMACIONES NÚCLEO E IMAGEN

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

Más detalles

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

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

Más detalles

Capítulo 1: Diagonalización de matrices

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

Más detalles

Tema 21. Exponencial de una matriz Formas canónicas de Jordan.

Tema 21. Exponencial de una matriz Formas canónicas de Jordan. Tema 21 Exponencial de una matriz En este tema vamos a definir y calcular la exponencial de una matriz cuadrada mediante una expresión formalmente análoga al desarrollo en serie de potencias de la exponencial

Más detalles

Valores y vectores propios

Valores y vectores propios Valores y vectores propios Departamento de Matemáticas, CCIR/ITESM 4 de enero de 20 Índice 8.. Definición de valor y vector propio.................................. 8.2. Determinación de los valores propios.................................

Más detalles

ÁLGEBRA LINEAL I Práctica 7

ÁLGEBRA LINEAL I Práctica 7 ÁLGEBRA LINEAL I Práctica 7 Endomorfismos (Curso 2015 2016) 1. Dada la matriz: 3 2 0 0 0 1 0 0 0 0 A = 0 0 1 0 0. 0 0 0 1 0 0 0 0 1 1 (a) Estudiar si es triangularizable por semejanza. (b) Hallar sus autovalores

Más detalles

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

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

Más detalles

a) Lo primero que hacemos es buscar las imágenes de los vectores de la base canónica: f(1,0,0) = (3, 5, 6) f(0,1,0) = ( 2, 3, 4) f(0,0,1) = (1, 2, 3)

a) Lo primero que hacemos es buscar las imágenes de los vectores de la base canónica: f(1,0,0) = (3, 5, 6) f(0,1,0) = ( 2, 3, 4) f(0,0,1) = (1, 2, 3) . Sea f: R 3 R 3 la aplicación lineal definida por las ecuaciones: f(x, y, z) = (3x y + z, 5x 3y + z, 6x 4y + 3z) a) Encontrar la matriz A de f en las bases canónicas. b) Es f biyectiva? Si lo es, encontrar

Más detalles

Álgebra Lineal UCR. Sétimo tema, 2013

Álgebra Lineal UCR. Sétimo tema, 2013 Álgebra Lineal UCR Sétimo tema, 2013 Presentaciones basadas principalmente en Arce,C, Castillo,W y González, J. (2004) Álgebra lineal. Tercera edición. UCR. San Pedro. Otras fuentes serán mencionadas cuando

Más detalles

MAT1202: Algebra Lineal GUIA N 6 Otoño 2002 Valores y Vectores Propios

MAT1202: Algebra Lineal GUIA N 6 Otoño 2002 Valores y Vectores Propios Pontificia Universidad Católica de Chile Facultad de Matemáticas MAT1202: Algebra Lineal GUIA N 6 Otoño 2002 Valores y Vectores Propios 1. Determine los valores y vectores propios de 0 3 A + I = 1 3 A

Más detalles

Diagonalización de matrices

Diagonalización de matrices Diagonalización de matrices María Muñoz Guillermo maria.mg@upct.es U.P.C.T. Matemáticas I M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 1 / 22 Valores y vectores propios de una matriz Definición

Más detalles

Hoja de diagonalización MATEMÁTICAS I

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

Más detalles

ÁLGEBRA LINEAL I Práctica 7

ÁLGEBRA LINEAL I Práctica 7 ÁLGEBRA LINEAL I Práctica 7 Endomorfismos (Curso 2016 2017) 1. Dada la matriz: 3 2 0 0 0 1 0 0 0 0 A = 0 0 1 0 0 0 0 0 1 0 0 0 0 1 1 (a) Estudiar si es triangularizable por semejanza. (b) Hallar sus autovalores

Más detalles

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

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

Más detalles

Endomorfismos: autovalores, autovectores, diagonalización

Endomorfismos: autovalores, autovectores, diagonalización Capítulo 14 Endomorfismos: autovalores, autovectores, diagonalización Consideraremos en este capítulo endomorfismos f : IR n IR n, siendo IR n espacio vectorial sobre IR. 14.1 Valores y vectores propios

Más detalles

5. Autovalores y autovectores

5. Autovalores y autovectores 172 Autovalores y autovectores Al ser x 0 = y = P 1 x 0yportanto,λ es un autovalor de A. Recíprocamente, si λ es un autovalor de A existe un vector x 0talque A x = λx y por tanto, 5. Autovalores y autovectores

Más detalles

ÁLGEBRA LINEAL I Práctica 7

ÁLGEBRA LINEAL I Práctica 7 ÁLGEBRA LINEAL I Práctica 7 Endomorfismos (Curso 2017 2018) 1. Dada la matriz: 3 2 0 0 0 1 0 0 0 0 A = 0 0 1 0 0. 0 0 0 1 0 0 0 0 1 1 (a) Estudiar si es triangularizable por semejanza. (b) Hallar sus autovalores

Más detalles

Álgebra Lineal. Ejercicios de evaluación. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas

Álgebra Lineal. Ejercicios de evaluación. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas Álgebra Lineal Ejercicios de evaluación Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR Problema

Más detalles

Matrices. Operaciones con matrices.

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

Más detalles

FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas

FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas EXÁMENES DE MATEMÁTICAS Álgebra Primero de Ingeniería Química FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha 5 de julio de 99. Dada la aplicación lineal: T

Más detalles

ÁLGEBRA LINEAL. EXAMEN EXTRAORDINARIO 5 de Julio de T (e 1 ) = e 1 e 2 + 2e 3 T (e 2 ) = e 1 + 2e 2 3e 3. [T (e 1 ) T (e 2 )] =

ÁLGEBRA LINEAL. EXAMEN EXTRAORDINARIO 5 de Julio de T (e 1 ) = e 1 e 2 + 2e 3 T (e 2 ) = e 1 + 2e 2 3e 3. [T (e 1 ) T (e 2 )] = ÁLGEBRA LINEAL EXAMEN EXTRAORDINARIO 5 de Julio de Apellidos y Nombre: Ejercicio. Sea T : R R 3 una transformación lineal definida como: T (e ) = e e + e 3 T (e ) = e + e 3e 3 donde {e, e }, {e, e, e 3}

Más detalles

MATRICES Y SISTEMAS DE ECUACIONES

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

Más detalles

ALGEBRA LINEAL Segundo Semestre. Parte II

ALGEBRA LINEAL Segundo Semestre. Parte II 1 Universidad Nacional de La Plata Facultad de Ciencias Astronómicas y Geofísicas ALGEBRA LINEAL 2015 Segundo Semestre Parte II 2 1. Valores y Vectores propios. Diagonalización.Forma de Jordan. 1.1. Polinomios

Más detalles

2 Polinomio característico de una matriz

2 Polinomio característico de una matriz Lección 4: Teoría de Operadores 1 Semejanza Sean A, B M n,n. Se dice A es semejante con B cuando existe una matriz regular P GL n de suerte que B = P 1 AP. Si A es semejante con B, entonces B es semejante

Más detalles

Algebra Lineal Tarea No 23: Diagonalización de una matriz Solución a algunos problemas de la tarea (al 29 de junio de 2014)

Algebra Lineal Tarea No 23: Diagonalización de una matriz Solución a algunos problemas de la tarea (al 29 de junio de 2014) Algebra Lineal Tarea No 23: Diagonalización de una matriz a algunos problemas de la tarea (al 29 de junio de 2014) 1. Diga si la matriz [ 1 0 0 1 Claramente sí pues la matriz es una matriz diagonal. Pero

Más detalles

L(a, b, c, d) = (a + c, 2a 2b + 2c + d, a c, 4a 4b + 4c + 2d).

L(a, b, c, d) = (a + c, 2a 2b + 2c + d, a c, 4a 4b + 4c + 2d). Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Álgebra Convocatoria de enero de 1 18 de enero de 1 (5 p. 1 Para cada α R se considera el siguiente subespacio de R 4 : U α =

Más detalles

2.5 Teorema de Jordan

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

Más detalles

VALORES Y VECTORES PROPIOS

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

Más detalles

ÁLGEBRA LINEAL. EXAMEN EXTRAORDINARIO 2 de julio de 2012 Duración del examen: 3 horas Fecha publicación notas: 11 de julio

ÁLGEBRA LINEAL. EXAMEN EXTRAORDINARIO 2 de julio de 2012 Duración del examen: 3 horas Fecha publicación notas: 11 de julio ÁLGEBRA LINEAL EXAMEN EXTRAORDINARIO 2 de julio de 22 Duración del examen: 3 horas Fecha publicación notas: de julio Fecha revisión examen: 3 de julio Apellidos: Nombre: Grupo: Titulación: ESCRIBA EL APELLIDO

Más detalles

Soluciones a los ejercicios del examen final

Soluciones a los ejercicios del examen final Álgebra Lineal Curso 206/7 6 de junio de 207 Soluciones a los ejercicios del examen final Se considera la aplicación lineal L : R 3 R 3 definida por L(x, y, z) = (z x, x + y + z, x y 3z). a) Hallar la

Más detalles

Tema 4: Endomorfismos

Tema 4: Endomorfismos Marisa Serrano, Zulima Fernández Universidad de Oviedo 11 de enero de 2010 email: mlserrano@uniovi.es Índice 1 2 3 4 en espacios de dimensión dos en espacios eucĺıdeos de dimensión tres Definición Definición

Más detalles

Matemáticas para la Empresa

Matemáticas para la Empresa Matemáticas para la Empresa 1 o L. A. D. E. Curso 2008/09 Relación 1. Espacios Vectoriales 1. a) En IR 2 se consideran las operaciones habituales: (x, y) + (x, y ) = (x + x, y + y ) λ(x, y) = (λx, λy)

Más detalles

No hay que romperse los cuernos, hay una columna de ceros, por lo tanto.. NO tiene rango 3.

No hay que romperse los cuernos, hay una columna de ceros, por lo tanto.. NO tiene rango 3. Problema 1. (4 puntos) Sea f: R R la aplicación lineal de R en R definida por: f(1,1,0) = (,, 0) f(1,0,1) = ( 3,0, 3) f(,,1) = (0,0,0) a) Demostrar que (1,1,0), (1,0,1), (,,1) son una base de R. b) Calcular

Más detalles

Universidad Sergio Arboleda Álgebra Lineal 1 (201610) Ejercicios

Universidad Sergio Arboleda Álgebra Lineal 1 (201610) Ejercicios Álgebra Lineal 1 (2161) Prof: Otaivin Martínez Mármol (1) Encuentre el polinomio característico Calcule los valores y vectores propios de las siguientes matrices (a) [ ] 7 5 1 8 (b) [ ] 1 1 (c) 2 1 1 2

Más detalles

Relación 1. Espacios vectoriales

Relación 1. Espacios vectoriales MATEMÁTICAS PARA LA EMPRESA Curso 2007/08 Relación 1. Espacios vectoriales 1. (a) En IR 2 se consideran las operaciones habituales: (x, y) + (x, y ) = (x + x, y + y ) λ(x, y) = (λx, λy) Demuestra que IR

Más detalles

Soluciones a los ejercicios del examen final C =. 1 0

Soluciones a los ejercicios del examen final C =. 1 0 Universidade de Vigo Departamento de Matemática Aplicada II E T S E de Minas Álgebra Lineal Curso 205/6 de enero de 206 Soluciones a los ejercicios del examen final Se considera el subespacio U {X M 2

Más detalles

Álgebra Lineal. Tema 7. La forma canónica de Jordan

Álgebra Lineal. Tema 7. La forma canónica de Jordan Álgebra Lineal Tema 7 La forma canónica de Jordan Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J S ALAS, A T ORRENTE Y EJS V ILLASEÑOR Índice

Más detalles

MATRICES Y SISTEMAS DE ECUACIONES

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

Más detalles

DIAGONALIZACIÓN DE MATRICES

DIAGONALIZACIÓN DE MATRICES Tema 2 DIAGONALIZACIÓN DE MATRICES 2.1. Introducción El álgebra matricial proporciona herramientas elementales para simplificar y resolver problemas donde intervienen un número elevado de datos. El siguiente

Más detalles

0 a b X = b c 0. f X (A) = AX XA.

0 a b X = b c 0. f X (A) = AX XA. Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Industriales Álgebra Lineal Convocatoria de Junio 8 de Junio de 2007 (3 ptos.). Sea V = {A M 3 3 (R) / A t = A}. (a) Demostrar que toda

Más detalles

Diagonalización de una Matriz

Diagonalización de una Matriz Diagonalización de una Matriz Departamento de Matemáticas, CCIR/ITESM 9 de febrero de 2011 Índice 19.1.Introducción............................................... 1 19.2.Matriz diagonalizable..........................................

Más detalles