Ecuación matricial de Stein relacionada con la matriz de transferencia de sistemas dinámicos lineales sobre anillos conmutativos

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

Download "Ecuación matricial de Stein relacionada con la matriz de transferencia de sistemas dinámicos lineales sobre anillos conmutativos"

Transcripción

1 Ecuación matricial de Stein relacionada con la matriz de transferencia de sistemas dinámicos lineales sobre anillos conmutativos M. Isabel García-Planas 1, M. Montserrat López-Cabeceira 2 1 Dpt. de Matemàtica Aplicada I, Universitat Politècnica de Catalunya, Barcelona. maria.isabel.garcia@upc.edu. 2 Dpto. de Matemáticas, Universidad de León, León. mmlopc@unileon.es. Resumen Este trabajo está inmerso en el campo de la Teoría de Control sobre un anillo conmutativo R con elemento unidad. Dado un sistema dinámico lineal invariante en el tiempo representado por x + (t Ax(t + Bu(t sobre R, analizamos las condiciones bajo las cuales la matriz de transferencia H(s (si A 1 B del sistema es polinomial, mediante un feedback proporcional y derivado u(t F A x(t F E x + (t. El problema de determinar controladores polinomiales está relacionado con las soluciones de la ecuación de Stein AXN +X BY. Para completar nuestro problema, discutimos dicha ecuación sobre R y en particular sobre un dominio de ideales principales. Palabras clave: Matriz polinomial, Valores propios, Ecuación de Stein. 1. Introducción Sea R un anillo conmutativo con elemento unidad. En general, un sistema dinámico lineal n-input m-dimensional p-output sobre R viene dado por las ecuaciones de control Ex + (t Ax(t + Bu(t e y(t Cx(t. En nuestro artículo nos centramos en el análisis de conducta de los estados x(t y en una matriz E invertible mediante acción de feedback. Desde este punto de vista, partimos de un sistema dinámico n-input m-dimensional, dado por una terna Σ (I n, A, B (que escribiremos sencillamente como el par Σ (A, B si no hay lugar a confusión, con coeficientes constantes sobre R, controlado por la ecuación I n x + (t Ax(t + Bu(t. Así, aplicando la transformada de Laplace, reducimos el control de estados del sistema a la expresión x (t (I n s A 1 Bu (s, (ver [7]. Se denomina polinomio característico del sistema a ℵ(s det(i n s A. La matriz racional H(s (I n s A 1 B (1 es la matriz de transferencia del sistema y, recíprocamente, se dice que el par Σ (A, B es una realización de la matriz de transferencia H(s. 1

2 M. I. García-Planas, M. M López-Cabeceira Dado un sistema Σ (A, B, interesan aquellas propiedades de Σ que se mantengan invariantes mediante cambios de base y mediante acciones de feedback. Así, diremos que dos sistemas son feedback equivalentes si se puede transformar uno en el otro mediante un número finito de cambios de base y de acciones de feedback (ver [1] y [8] entre otros. Es claro que el control del sistema Σ (I n, A, B se simplifica en aquellos casos para los cuales la matriz de transferencia es polinomial. Por lo tanto, buscamos una acción de feedback global sobre los estados que, al modificar el vector de impulsos de la forma u(t F A x(t F E x + (t, determine un nuevo sistema Σ (E, A, B (I n BF E, A BF A, B dado por la ecuación de control (I n BF E x + (t (A BF A x(t + B u(t, verificando que la nueva matriz de transferencia H (s (s(i n BF E (A BF A 1 B (si n A sbf E BF A 1 B (2 sea polinomial (i.e. ℵ (s ha de ser una unidad. Además, teniendo en cuenta que un sistema accesible tiene todos sus autovalores asignados al infinito si y sólo si el polinomio característico del sistema es una unidad, es suficiente con variar la asignación de polos mediante una acción de feedback sobre el sistema. Es decir, buscamos matrices de feedback F A y F E tales que ℵ (s det(si n A + sbf E + BF A sea una unidad del anillo R. Véase [1], [3] y [7] para una lectura general sobre teoría de control dinámico. En el caso en que R sea el cuerpo de los números reales, se sabe que la búsqueda de las matrices de feedback que permiten el paso a un sistema dinámico con matriz de transferencia polinomial H(s, está ligado a encontrar dos matrices polinomiales N(s y D(s, coprimas por la derecha, tales que N(sD 1 (s H(s. Así mismo, dicho problema también está conectado con la resolución de la ecuación de Stein AXN + X BY. Véase [2], [5] y [11] para el estudio sobre el cuerpo R. En las secciones 2, 3 y 4 estudiamos la ecuación de Stein, sobre un anillo conmutativo con unidad R, y las restricciones necesarias para su resolución. La clave para esta caracterización reside en la existencia de una matriz F tal que A + BF sea invertible. Véase [4] y [8] para condiciones sobre la existencia de F. En particular, véase [6], [8] y [10, p.53] para propiedades de anillos estables. Finalmente, en la sección 5 analizamos el problema sobre una estructura de dominio de ideales principales. 2. Ecuación de Stein y sistemas lineales sobre anillos conmutativos con unidad En esta sección vamos a ver como el problema de encontrar acciones de feedback de manera que el sistema a lazo cerrado sea tal que su matriz de transferencia sea polinomial, es equivalente a estudiar cuándo la ecuación de Stein AXN +X BY asociada al sistema tiene una solución invertible. En particular, veremos que la existencia de dicha solución implica la existencia de una matriz F tal que A + BF sea invertible. Teorema 1 Sea R un anillo conmutativo con unidad y sea Σ (A, B con A M n (R y B M n m (R un sistema lineal. Entonces son condiciones equivalentes: i Existen dos matrices F E, F A M m n (R tales que la matriz polinomial P (s (si n A + sbf E + BF A es unimodular. 2

3 Ecuación de Stein relacionada con sistemas sobre anillos conmutativos ii Existe una matriz F A M m n (R tal que A BF A es invertible y existe una matriz Y tal que la siguiente ecuación matricial de Stein AXN + X BY, con N matriz nilpotente de orden r ( l + 1, siendo l el grado de la matriz polinomial P (s 1, tiene una solución X no singular. Demostración: Supongamos cierto i. Puesto que P (s es unimodular es invertible y su inversa es una matriz polinomial P (s 1 Q l s l Q 1 s + Q 0 de un grado l, siendo Q l 0. Así, de (si n A + sbf E + BF A (Q l s l Q 1 s + Q 0 I n obtenemos las igualdades ( A + BF A Q 0 I n y (I n + BF E Q i + ( A + BF A Q i+1 0 para i 0, 1,..., l 1 e (I n + BF E Q l 0. Así, recursivamente para i 0, 1,..., l obtenemos Q i ( 1 i ( A + BF A 1 ((I n + BF E ( A + BF A 1 i. Además, obsérvese que la primera igualdad implica que la matriz A+BF A es invertible y que de la última igualdad se obtiene ((I n +BF E ( A+BF A 1 l+1 0. Es decir, la matriz (I n + BF E ( A + BF A 1 es nilpotente de orden l + 1 ya que Q l 0. Consecuentemente, la matriz ( A + BF A 1 (I n + BF E es también nilpotente de orden l + 1, (basta aplicar el cambio de base dado por la matriz invertible A + BF A. Por otra parte, sea N M n (R una matriz nilpotente de orden l+1 en su forma reducida, entonces existe X Gl(n; R tal que ( A + BF A 1 (I n + BF E XNX 1. De esta manera, considerando Y F A XN F E X, tenemos que las matrices X e Y verifican la ecuación de Stein AXN + X BY. Recíprocamente. Supongamos ahora que existe una matriz F A M m n (R tal que A BF A es invertible y que la ecuación AXN + X BY tiene una solución con X invertible, siendo N una matriz nilpotente de orden r. Consideremos la matriz F E (F A XN Y X 1 M m n (R. Es directo probar que la matriz (I n + BF E ( A + BF A 1 es nilpotente de orden r: ((I n + BF E ( A + BF A 1 r T N r T 1 0, siendo T (( A + BF A X. Así, teniendo en cuenta que ((I n + BF E ( A + BF A r 1 0, ya que N es una matriz nilpotente de orden r, podemos definir las matrices para i 0, 1,..., r 1 Q i ( 1 i (( A + BF A 1 (I n + BF E i ( A + BF A 1, verificándose (I n + BF E Q r 1 0 y Q r 1 0. Finalmente, considerando la matriz polinomial Q(s r 1 i0 Q is i se tiene que P (sq(s I n. Obsérvese que r l Factorización coprima de la matriz de transferencia En esta sección vamos a estudiar la factorización coprima de un sistema Σ (A, B a partir de una solución invertible de la ecuación de Stein AXN + X BY. Recordemos que un par de matrices polinomiales, N(s M n m (R[s] y D(s M m (R[s], se dice coprimo por la derecha si y sólo si existen dos matrices polinomiales X(s M m n (R[s] e Y (s M m (R[s] tales que X(sN(s + Y (sd(s I m. Dada la matriz de transferencia H(s (si n A 1 B asociada a un sistema Σ (A, B, una factorización coprima (por la derecha del sistema viene dada por H(s N(sD 1 (s. Proposición 1 Sea Σ (A, B un sistema tal que existen F E, F A M m n (R verificando que la matriz P (s si n A + sbf E + BF A es invertible. Entonces, el par (N(s, D(s, con N(s P 1 (sb y D(s I m (F A + sf E P 1 (sb, es una factorización coprima del sistema Σ (A, B. 3

4 M. I. García-Planas, M. M López-Cabeceira Demostración: Es sencillo comprobar que las matrices X(s sf E + F A e Y (s I m dotan de carácter coprimo por la derecha al par de matrices (N(s,D(s. Por otra parte, N(sD 1 (s P 1 (sb(i m (F A + sf E P 1 (sb 1 P 1 (s(i n B(F A + sf E P 1 (s 1 B (P (s B(F A + sf E 1 B (si n A 1 B matriz de transferencia del sistema Σ (A, B. Nótese que durante la anterior cadena de igualdades hemos usado la propiedad B(I m XB 1 (I n BX 1 B. Por último, veamos que det D(s det P 1 (s det P (s det(i m (F A +sf E P 1 (sb det P 1 (s det I m det(p (s BIm 1 (F A +sf E det P 1 (s det(si n A, por lo que det D(s es invertible si y sólo si det(si n A es invertible. Nótese que durante la última cadena de igualdades hemos usado la propiedad det A 11 det(a 22 A 21 A 1 11 A 12 det A 22 det(a 11 A 12 A 1 22 A 21, con A 11 y A 22 invertibles no necesariamente del mismo tamaño (véase [10, p.30]. Teorema 2 Sea Σ (A, B un sistema tal que existe F A M m n (R verificando que la matriz A BF A es invertible y existe una matriz Y tal que la ecuación matricial de Stein AXN + X BY, con N matriz nilpotente, tiene una solución X no singular. Entonces, el par (N(s, D(s con coeficientes N 0 XC, N i ( 1 i XN i C para i 1,..., l, D 0 I m F A ( A + BF A 1 B, D 1 Y C y D i+1 ( 1 i+1 Y N i C para i 1,..., l, siendo C X 1 ( A + BF A 1 B, es una factorización coprima del sistema Σ (A, B. Demostración: Por el teorema 1 y la proposición 1 tenemos que, por una parte, N(s l i0 N is i P 1 (sb Q 0 B + Q 1 Bs Q l Bs l, de donde se sigue N 0 Q 0 B ( A+BF A 1 B XX 1 ( A+BF A 1 B XC y N i Q i B ( 1 i (( A+BF A 1 (I n + BF E i ( A + BF A 1 B ( 1 i XN i X 1 ( A + BF A 1 B ( 1 i XN i C para i 1,..., l. Por otra parte, D(s l+1 i0 D is i I m (sf E + F A P 1 (sb I m (sf E + F A (Q 0 B + Q 1 Bs Q l Bs l, de donde se sigue D 0 I m F A Q 0 B I m F A ( A + BF A 1 B y D i F A Q i B F E Q i 1 B ( 1 i F A ((I n + BF E ( A + BF A 1 i ( A + BF A 1 B ( 1 i 1 F E ((I n +BF E ( A+BF A 1 i 1 ( A+BF A 1 B ( 1 i+1 (F A XN i F E XN i 1 X 1 ( A + BF A 1 B ( 1 i+1 Y N i 1 C, para i 1,..., l Resolución de la ecuación de Stein Los resultados anteriores se basan en la existencia de una solución invertible de la ecuación de Stein. En esta sección vamos a determinar condiciones bajo las cuales existe dicha solución. Consideramos la ecuación matricial AXN + X BY con N matriz nilpotente de orden r y linealizamos la ecuación de Stein tensorializando mediante el operador vectorializador (N t A + I n I n vec X (I Bvec Y (ver [9]. A continuación damos una serie de resultados necesarios para el desarrollo de la siguiente sección. No incluimos algunas demostraciones por tratarse de resultados técnicos con demostración directa. Lema 1 Sea M M m n (R una matriz arbitraria. Entonces se verifica: la matriz X r 1 i0 Ai BMN i es una solución de la ecuación AXN + X BM; la matriz N t A es nilpotente de orden r; la matriz N t A+I es invertible y la ecuación de Stein AXN +X BM tiene solución única. Lema 2 Sea la ecuación de Stein AXN + X BM y sea N 1 P NP 1 una matriz nilpotente semejante a N. Entonces X 1 XP 1 es solución de la ecuación AX 1 N 1 +X 1 BM 1 con M 1 MP 1 si y sólo si X es solución de la ecuación de Stein AXN +X BM. 4

5 Ecuación de Stein relacionada con sistemas sobre anillos conmutativos Lema 3 Sea Σ 1 (A 1, B 1 (P 1 AP + P 1 BF A, P 1 BQ con P Gl(n; R, F A M m n (R y Q Gl(m; R. Entonces X es solución de la ecuación de Stein AXN + X BM si y sólo si X 1 P 1 X es solución de la ecuación A 1 X 1 N + X 1 B 1 M 1 con M 1 Q 1 (M + F A P 1 XN. Lema 4 Sean Σ (A, B y Σ 1 (A 1, B 1 dos sistemas feedback equivalentes sobre R. Entonces, A es invertible módulo B si y sólo si A 1 es invertible módulo B 1. Además, si (A 1, B 1 (P 1 AP + P 1 BF A, P 1 BQ y existe K 1 tal que A 1 + B 1 K 1 es invertible, entonces la matriz A + BK es invertible siendo K (F A + QK 1 P 1. Lema 5 Sean A una n n-matriz, B una n m matrix y N una n n-matriz nilpotente de orden r n. Si la ecuación de Stein AXN + X BM tiene solución X invertible para una M dada, entonces el sistema Σ (A, B es accesible. Demostración: Por hipótesis se tiene X BM AXN invertible y por el lema 1 X r 1 i0 Ai BMN i. Así, por ser r n, es claro que la matriz de accesibilidad del sistema verifica U n (B AB A 2 B... A n 1 B R. Nota 1 La existencia de feedbacks F A y F E que hacen que la matriz de transferencia de un sistema Σ (A, B a lazo cerrado sea invertible, está ligada a una solución invertible de la ecuación de Stein AXN +X BY y a la invertibilidad de A módulo B. Es conocido que sobre anillos polo asignables, todo sistema accesible Σ (A, B verifica que A es feedback invertible módulo B. Los cuerpos, anillos locales, dominios de ideales principales, anillos Dedekind y anillos de dimensión cero o uno son anillos polo asignables (ver [4]. 5. Ecuación de Stein sobre un dominio de ideales principales Sea el anillo R un dominio de ideales principales. Vamos a analizar sobre R las dos condiciones: i la solución de la ecuación de Stein ha de ser invertible y ii la matriz A del sistema ha de ser feedback invertible módulo B. En particular, damos de forma explícita la solución al problema para algunas formas reducidas de sistemas Caso accesible de impulso simple Teorema 3 Sea Σ (A, B un sistema accesible de impulso simple. Si N es una matriz nilpotente de orden n, entonces existe una matriz M para la cual la matriz X, solución de la ecuación de Stein AXN + X BM, es invertible. Demostración: Primero veamos que si el orden de nilpotencia es r < n entonces la solución de la ecuación no puede ser invertible. Se tiene X (B... ( 1 r 1 A r 1 B ( 1 r A r B... ( 1 n 1 A n 1 B (M... MN r t (B... ( 1 r 1 A r 1 B (M... MN r 1 t Además, el lema 3 nos permite considerar el sistema en su forma reducida, así Σ R (A R, B R (( ( 0 t 0 1, I n M. X ( 1 r 1. MN r 1 5

6 M. I. García-Planas, M. M López-Cabeceira y obviamente la matriz X no es invertible. Supongamos pues que el orden de nilpotencia de la matriz N es n, y que por el lema 2, podemos considerar una equivalente y en particular en su forma reducida triangular (ver [10], N (a ij con a ij 0 j i. En este caso y 1 y 2 y 3... y n a X. 12 y 1 a 13 y 1 + a 23 y ( 1 n n 1 i1 a iny i n 1 i1 a ii+1y 1 Puesto que el orden de nilpotencia de la matriz N es n, se tiene que a ii+1 0 para todo i 1,... n 1. Por lo tanto, considerando M tal que y 1 0, tenemos el resultado. Corolario 1 Sea Σ (A, B un sistema accesible de impulso simple a coeficientes en un dominio de ideales principales. Entonces, existen dos feedbacks proporcional F A y derivado F E tales que la matriz P (s (si n A + sbf E + BF A es invertible. Demostración: Existen matrices P Gl(n; R, Q Gl(1; R y F M 1 n (R tales que (P 1 AP + P 1 BF, P 1 BQ (A R, B R. Tomando F ( la matriz A R + B R F es invertible, entonces por el lema 4 se obtiene F A tal que la matriz A + BF A es invertible. Finalmente, por el teorema 1, basta considerar F E (F A XN Y X Caso accesible m n Teorema 4 Sea R un dominio de ideales principales. Sea Σ (A, B un sistema accesible n-dimensional m-input, con m n, tal que se puede reducir por equivalencia feedback a ( B In t 0 d n (m n ( ( D 0 n (m n, A a 1 a n 1 a n sobre R. Entonces existe solución invertible a la ecuación de Stein AXN + X BM. Demostración: Sea c (a 1,..., a n 1 el ideal generado por los primeros n 1 elementos de la última fila de la matriz de estados A, entonces existen c 1,... c n 1 tales que c c 1 a c n 1 a n 1. Además, por ser Σ accesible, Σ es accesible existiendo elementos r, s R tales que rc + sd 1. Sean u (rc 2... rc n 1 t y v (a 2... a n 1 t. Veamos entonces que las matrices N, M 1 M n(r y M M m n (R N ( 0 0 t 0 u 0 n 2 0 rc 1 0 t 0, M 1 ( s 0 t 1 0 I n 2 0 a n rc 1 0 t 1, M ( M 1 0 verifican la ecuación de Stein A X N + X B M, siendo por el lema 1 X B M A B M N DM 1 A DM 1N s 0t 1 0 I n 2 0. rc 0 t d En primer lugar, es directo comprobar el carácter nilpotente de orden 2 de la matriz N y el carácter invertible de la matriz X. En segundo lugar, A X N + X 0 0t n 2 0 s 0t 1 0 I n t 0 u 0 n X a 1 v a n rc 0 t d rc 1 0 t 0 6.

7 Ecuación de Stein relacionada con sistemas sobre anillos conmutativos s 0 t 1 0 I n 2 0 a n rc 1 d 0 t d 0 0 t n 2 0 a 1 s a n cr v a 1 + a n d 1 0t 0 0 I n t d 0 0t 0 u 0 (n X rc 1 0 t 0 s 0t 1 0 I n 2 0 DM a n rc 1 0 t 1 B M. 1 Finalmente, obtenemos el resultado por el lema 3: sean las transformaciones A P 1 AP + P 1 BF A y B P 1 BQ, entonces X P 1 X es solución de la ecuación de Stein AXN + X BM para N N y M Q 1 (M + F A P 1 X N. Lema 6 Con las mismas condiciones dadas en el teorema 4, existe una matriz F A tal que A + BF A es invertible. Demostración: El caso n 1 es trivial por ser un sistema accesible. Supongamos n 2. Por una parte, por ser el sistema Σ accesible se tiene que el ideal (a 1, d es R, en particular, (a 1, a 2, d R. Por otra parte, un dominio de ideales principales R es 2-estable, es decir para cada fila uni-modular (µ 1,..., µ r, γ, con r 2, existen elementos α 1,..., α r de R tales que la fila (µ 1 + α 1 γ,..., µ r + α r γ es uni-modular. Así, existen α 1, α 2 R tales que (a 1 + α 1 d, a 2 + α 2 d R, es decir existen elementos a 11 y a 12 de R tales que a 11 (a 1 +α 1 d+a 12 (a 2 +α 2 d 1. Consideramos el sistema Σ (A, B, siendo B B y ( ( A A + B F A A + B a12 a 11 a12 a 11 α 1 α 2 a 1 + α 1 d a 2 + α 2 d una matriz invertible. Por último, la matriz F A se obtiene aplicando el lema 4 a la cadena de sistemas feedback equivalentes Σ Σ Σ. Supongamos ahora n > 2. Por ser el sistema Σ accesible sobre un anillo 2-estable se tiene que (a 1,..., a n 1, d es uni-modular y existen elementos α 1,..., α n 1 de R tales que el ideal (a 1 + α 1 d,..., a n 1 + α n 1 d es R. De esta manera, obtenemos un sistema Σ (A, B equivalente feedback al anterior, dado por B B y la acción de feedback A A + B F A A + B ( α 1 α n 1 0 ( a 1 a, n 1 a n siendo a i a i + α i d para i 1,..., n 1, y verificando que la última fila de la matriz de estados A es uni-modular. Además, es conocido que en un anillo s-estable toda fila unimodular de longitud mayor o igual que s + 1 se puede completar a una matriz invertible mediante un bloque H de tamaño (n 1 n. Por tanto, la acción de feedback dada por F A (Ht 0 t verifica que la matriz A A + B F A es invertible. Finalmente, la matriz F A se obtiene aplicando el lema 4 a la cadena de sistemas feedback equivalentes Σ Σ Σ Σ, donde Σ (A, B con B B. Corolario 2 Con las mismas condiciones dadas en el teorema 4, existen feedbacks F A y F E tales que la matriz P (s (si n A + sbf E + BF A es invertible. Demostración: Basta considerar como F A la matriz obtenida en el lema 6 y, por el teorema 1, F E (F A XN Y X 1. 7

8 M. I. García-Planas, M. M López-Cabeceira 5.3. Caso accesible m < n Teorema 5 Sea R un dominio de ideales principales. Sea Σ (A, B un sistema accesible n-dimensional m-input, con m n 1, sobre R tal que se puede reducir por equivalencia feedback a ( ( B In 1 0 t, A 0 0 a 1 a n sobre R. Entonces existe solución invertible a la ecuación de Stein AXN + X BM. Demostración: Consideremos los sistemas Σ (A, B y Σ (A, B, siendo el sistema Σ la forma reducida del sistema Σ, y el sistema Σ el dado por las matrices A A y B (B 0. Por ser el sistema Σ accesible, tenemos la accesibilidad de los sistemas Σ y Σ. Por otra parte, por el lema 3 la ecuación de Stein AXN +X BM tiene solución invertible si y sólo si la ecuación de Stein A X N + X B M tiene solución invertible. Además, es directo comprobar que la ecuación de Stein A X N + X B M tiene solución invertible si y sólo si la ecuación de Stein A X N + X B M tiene solución invertible. Así, tenemos que mediante la anterior cadena de implicaciones, resolver la ecuación asociada a un sistema accesible n-dimensional (n 1-input es equivalente a resolver la ecuación asociada a un sistema accesible n-dimensional n-input (la cual tiene solución por el teorema 4. Corolario 3 Con las mismas condiciones dadas en el teorema 5, existen feedbacks F A y F E tales que la matriz P (s (si n A + sbf E + BF A es invertible. Referencias [1] J. W. Brewer, J. W. Bunce and F. S. VanVleck, Linear systems over commutative rings, Marcel Dekker, New York (1986. [2] J. Brewer, D. Katz and W. Ullery, Pole Assignability in Polynomial Rings, Power Series rings and Prüfer Domains, J. of Algebra, 106 (1987, pp [3] M. Carriegos, Equivalence Feedback en Sistemas Dinámicos lineales. Tesis Doctoral, Valladolid, España, (1999. [4] M. V. Carriegos and I. García-Planas, On matrix inverses modulo a subspace, Linear Algebra Appl., 379 (2004, pp [5] F. Chun-Hsiung, Pole assignment at infinity and polynomial matrix equations, Int. J. of Systems Sci., 25(9 (1994, pp [6] D. Estes and J. Ohm, Stable range in commutative rings, J. Algebra, 7(3 (1967, [7] I. Gohberg, P. Lancaster and L. Rodman, Matrix Polynomials, Computer science and applied mathematics series, Academic Press, London (1982. [8] J. A. Hermida-Alonso, M.M. López-Cabeceira and M.T. Trobajo, When are dynamic and static feedback equivalent? Linear Algebra Appl., 405 (2005, pp [9] C. C. MacFuffee, The theory of matrices, Chelsea Publ. Com. New York, Corrected reprint of firts edition. [10] B. R. McDonald, Linear Algebra over Commutative Rings, Marcel-Dekker (1984. [11] B. Zhou, G. R. Duan and Z. Y. Li, A stein matrix equation approach for computing coprime matrix fraction description, IET Control Theory Appl., 3(6 (2009, pp

Familias diferenciables de inversas de Drazin

Familias diferenciables de inversas de Drazin Familias diferenciables de inversas de Drazin Josep Clotet, M. Dolors Magret Departament de Matemàtica Aplicada I, ETEIB-UPC Av. Diagonal, 647 08028 Barcelona, pain E-mail: Josep.Clotet@upc.edu; M.Dolors.Magret@upc.edu

Más detalles

Tema 1. Espacios Vectoriales. Sistemas de ecuaciones.

Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)

Más detalles

Institut de Matemàtica Multidisciplinar, Universitat Politècnica de València, E Valencia.

Institut de Matemàtica Multidisciplinar, Universitat Politècnica de València, E Valencia. Algunas aplicaciones de un resultado de Brauer R. Cantó, R. Bru, A.M. Urbano Institut de Matemàtica Multidisciplinar, Universitat Politècnica de València, E-46022 Valencia rcanto@mat.upv.es,rbru@mat.upv.es,amurbano@mat.upv.es

Más detalles

Álgebra. Curso

Álgebra. Curso Álgebra. Curso 2012-2013 1 de julio de 2013 Resolución Primera parte Ejercicio. 1. (A) Dado F C[X] tal que (F, F ) = 1, prueba que C[X]/(F ) es un anillo reducido, esto es, sin elementos nilpotentes no

Más detalles

Factorización de matrices totalmente no positivas y totalmente negativas

Factorización de matrices totalmente no positivas y totalmente negativas XXI Congreso de Ecuaciones Diferenciales y Aplicaciones XI Congreso de Matemática Aplicada Ciudad Real, 21-25 septiembre 2009 (pp. 1 8) Factorización de matrices totalmente no positivas y totalmente negativas

Más detalles

Álgebra Lineal. Tema 6. Transformaciones lineales y matrices

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

Más detalles

Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados

Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados Capítulo 5 Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados En este tema iniciamos el estudio de los conceptos geométricos de distancia y perpendicularidad en K n. Empezaremos con las definiciones

Más detalles

Tema 1. Espacios Vectoriales. Sistemas de ecuaciones.

Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)

Más detalles

Inversa de una matriz

Inversa de una matriz Capítulo 2 Álgebra matricial 2.1. Inversa de una matriz Inversa de una matriz Para una matriz cuadrada A n n, la matriz B n n que verifica las condiciones AB = I n y B A=I n se denomina inversa de A, y

Más detalles

1. Problema clásico de EDO

1. Problema clásico de EDO FACULTAD CS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE MA57C Control Óptimo Semestre 27-2 Profesor: Rafael Correa Auxiliar: Oscar Peredo Clase Auxiliar #1 31 de julio de 27 1 Problema clásico de EDO Problema

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

Carmen Torres Blanc, Gloria Sánchez Torrubia DMATIC, ETSIInf, U.P.M. Álgebra Lineal. 1 TEMA 1.1: MATRICES Y SISTEMAS DE ECUACIONES LINEALES

Carmen Torres Blanc, Gloria Sánchez Torrubia DMATIC, ETSIInf, U.P.M. Álgebra Lineal. 1 TEMA 1.1: MATRICES Y SISTEMAS DE ECUACIONES LINEALES Carmen Torres Blanc, Gloria Sánchez Torrubia DMATIC, ETSIInf, UPM Álgebra Lineal TEMA : MATRICES Y SISTEMAS DE ECUACIONES LINEALES Definición de cuerpo conmutativo Definición Un Cuerpo Conmutativo es un

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

Relaciones de Recurrencia

Relaciones de Recurrencia Relaciones de Recurrencia Elvio Accinelli Abstract Estas notas no pretenden ser más que una sugerencia para el comienzo del tema Relaciones de Recurrencia. En realidad es el esquema de como pienso abordar

Más detalles

Matrices y sistemas de ecuaciones

Matrices y sistemas de ecuaciones Matrices y sistemas de ecuaciones María Muñoz Guillermo maria.mg@upct.es U.P.C.T. Matemáticas I M. Muñoz (U.P.C.T.) Matrices y sistemas de ecuaciones Matemáticas I 1 / 59 Definición de Matriz Matrices

Más detalles

7.1 Transformaciones lineales nilpotentes

7.1 Transformaciones lineales nilpotentes Capítulo 7 Forma de Jordan En este capítulo continuaremos estudiando la estructura de los endomorfismos de un espacio vectorial de dimensión finita Veremos que si V es un K-espacio vectorial de dimensión

Más detalles

Sea V un conjunto no vacío (cuyos elementos se llamarán vectores) y sea K un cuerpo (cuyos elementos se llamarán escalares).

Sea V un conjunto no vacío (cuyos elementos se llamarán vectores) y sea K un cuerpo (cuyos elementos se llamarán escalares). Capítulo 6 Espacios Vectoriales 6.1 Definiciones Sea V un conjunto no vacío (cuyos elementos se llamarán vectores) y sea K un cuerpo (cuyos elementos se llamarán escalares). Definición 6.1.1 Se dice que

Más detalles

Otros ejemplos de grupos

Otros ejemplos de grupos Capítulo 4 Otros ejemplos de grupos Después del capítulo precedente, podemos dar algunos ejemplos de grupos que no hemos visto antes. Los siguientes ejemplos son banales en el sentido de que ciertas estructuras

Más detalles

Matrices Inversas. Rango Matrices Elementales

Matrices Inversas. Rango Matrices Elementales Matrices Inversas. Rango Matrices Elementales Araceli Guzmán y Guillermo Garro Facultad de Ciencias UNAM Semestre 2018-1 doyouwantmektalwar.wordpress.com Matrices Matrices identidad La matriz identidad

Más detalles

Matrices y Sistemas Lineales

Matrices y Sistemas Lineales Matrices y Sistemas Lineales Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza Matrices sobre IR ó C. Definición Dado un conjunto K (IR ó C) y dos conjuntos finitos de índices I = {,, m} J

Más detalles

ÁLGEBRA LINEAL Problemas, 2006/2007

ÁLGEBRA LINEAL Problemas, 2006/2007 ÁLGEBRA LINEAL Problemas, 2006/2007 Nota: si no se especifíca lo contrario suponemos que las matrices y espacios vectoriales están definidos sobre un cuerpo K arbitrario 1 Una matriz A de orden n n se

Más detalles

Control Moderno. Ene.-Jun Observabilidad y Observadores de Estado. Dr. Rodolfo Salinas. mayo 2007

Control Moderno. Ene.-Jun Observabilidad y Observadores de Estado. Dr. Rodolfo Salinas. mayo 2007 UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN Facultad de Ingeniería Mecánica y Eléctrica Control Moderno Ene.-Jun. 2007 Observabilidad y Observadores de Estado Dr. Rodolfo Salinas mayo 2007 Control Moderno N1 mayo

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

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

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

Espacios vectoriales

Espacios vectoriales CAPíTULO 2 Espacios vectoriales 1. Definición de espacio vectorial Es frecuente representar ciertas magnitudes físicas (velocidad, fuerza,...) mediante segmentos orientados o vectores. Dados dos de tales

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

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

Formas canónicas de Jordan

Formas canónicas de Jordan Capítulo 6 Formas canónicas de Jordan 61 Subespacios propios generalizados Introducción En el capítulo anterior se han estudiado los endomorfismos diagonalizables y se han dado condiciones necesarias y

Más detalles

Capítulo 2. Determinantes Introducción. Definiciones

Capítulo 2. Determinantes Introducción. Definiciones Capítulo 2 Determinantes 2.1. Introducción. Definiciones Si nos centramos en la resolución de un sistema A x = b con A una matriz n n, podemos calcular A 1 y la resolución es inmendiata. El problema es

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

MODELACION EN VARIABLES DE ESTADO

MODELACION EN VARIABLES DE ESTADO CAPÍTULO VIII INGENIERÍA DE SISTEMAS I MODELACION EN VARIABLES DE ESTADO 8.1. DEFINICIONES Estado: El estado de un sistema dinámico es el conjunto más pequeño de variables de modo que el conocimiento de

Más detalles

a ij x i x j = [x] t B A+At ) t = At +(A t ) t = At +A x i x j + a ij + a ji x j x i = s ij x i x j + s ji x j x i 2

a ij x i x j = [x] t B A+At ) t = At +(A t ) t = At +A x i x j + a ij + a ji x j x i = s ij x i x j + s ji x j x i 2 68 Matemáticas I : Álgebra Lineal Tema 7 Formas cuadráticas Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas ya ha sido estudiado, pues el cuadrado

Más detalles

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

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

Control Moderno. Ene.-Jun Diseño de controlador con referencia a la entrada, servosistemas. Dr. Rodolfo Salinas. mayo 2007

Control Moderno. Ene.-Jun Diseño de controlador con referencia a la entrada, servosistemas. Dr. Rodolfo Salinas. mayo 2007 UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN Facultad de Ingeniería Mecánica y Eléctrica Control Moderno Ene.-Jun. 2007 Diseño de controlador con referencia a la entrada, servosistemas Dr. Rodolfo Salinas mayo 2007

Más detalles

Tema 1.- Nociones preliminares: grupos, anillos, cuerpos. Divisibilidad

Tema 1.- Nociones preliminares: grupos, anillos, cuerpos. Divisibilidad Tema 1.- Nociones preliminares: grupos, anillos, cuerpos. Divisibilidad 1.1 Grupos Al haber alterado el orden de los temas, este apartado ya se ha visto en el tema 9 1.2 Anillos y cuerpos Definición 1.2.1.

Más detalles

Tema 1: Matrices. Sistemas de ecuaciones. Determinantes

Tema 1: Matrices. Sistemas de ecuaciones. Determinantes Tema 1: Matrices. Sistemas de ecuaciones. Determinantes José M. Salazar Octubre de 2016 Tema 1: Matrices. Sistemas de ecuaciones. Determinantes Lección 1. Matrices. Sistemas de ecuaciones. Determinantes

Más detalles

GF = I V. G(v ) = v 1

GF = I V. G(v ) = v 1 7- Inversas a Izquierda y Derecha Sea F : V V una transformación lineal. G : V V lineal se denomina inversa a izquierda de F si GF = I V donde I V : V V denota el operador identidad en V. En tal caso F

Más detalles

Valores y vectores propios

Valores y vectores propios Valores y vectores propios Problemas teóricos El los siguientes problemas se denota por L(V ) conjunto de los operadores lineales en un espacio vectorial V (en otras palabras, de las transformaciones lineales

Más detalles

2 Espacios vectoriales

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

Más detalles

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

Movimientos. Teorema de Cartan-Dieudonné. Semejanzas.

Movimientos. Teorema de Cartan-Dieudonné. Semejanzas. Capítulo 5 Movimientos. Teorema de Cartan-Dieudonné. Semejanzas. 5.1 Isometrías y movimientos Partimos de un espacio euclídeo (X, V, +) y recordemos que una isometría de V es un elemento ϕ Gl(V ) que conserva

Más detalles

4.1 Anillo de polinomios con coeficientes en un cuerpo

4.1 Anillo de polinomios con coeficientes en un cuerpo Tema 4 Polinomios 4.1 Anillo de polinomios con coeficientes en un cuerpo Aunque se puede definir el conjunto de los polinomios con coeficientes en un anillo, nuestro estudio se va a centrar en el conjunto

Más detalles

Distancia entre dos rectas que se cruzan Perpendicular común

Distancia entre dos rectas que se cruzan Perpendicular común Perpendicular común En un espacio de tres dimensiones dos rectas se cruzan cuando no tienen ningún punto en común y no están contenidas en el mismo plano. Si no tienen ningún punto en común pero sí que

Más detalles

Integración de Funciones Reales

Integración de Funciones Reales Capítulo 20 Integración de Funciones Reales Nos proponemos estudiar en este capítulo las propiedades fundamentales del operador integral. n particular, extenderemos aquí al caso de funciones medibles con

Más detalles

El grupo lineal proyectivo. Homologías. Afinidades.

El grupo lineal proyectivo. Homologías. Afinidades. Tema 3- El grupo lineal proyectivo Homologías Afinidades 31 El grupo lineal proyectivo Recordamos que en el tema anterior hemos definido, para una variedad lineal proyectiva L P n no vacía, el grupo lineal

Más detalles

Comportamiento dinámico: Estabilidad

Comportamiento dinámico: Estabilidad Lección 4 Comportamiento dinámico: Estabilidad 1 Estabilidad Dos tipos de estabilidad: ẋ(t) = f(t, x(t), u(t)) Estabilidad interna: ẋ(t) = f(t, x(t)) Estabilidad externa o estabilidad BIBO (bounded input-bounded

Más detalles

ALGEBRA LINEAL. 1. Sea V un espacio vectorial sobre F. Sean S, T y U subespacios de V tal que. { 0 i = 1,..., k si i > k. v i

ALGEBRA LINEAL. 1. Sea V un espacio vectorial sobre F. Sean S, T y U subespacios de V tal que. { 0 i = 1,..., k si i > k. v i ALGEBRA LINEAL 1 Sea V un espacio vectorial sobre F Sean S, T y U subespacios de V tal que i) S T = S U ii) S + T = S + U iii) T U Demuestre que T = U 2 Sea F = C y sea n un entero positivo Demuestre que

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

a n1 a n2 a nn Es decir, una forma cuadrática es un polinomio homogéneo de grado 2 y n variables.

a n1 a n2 a nn Es decir, una forma cuadrática es un polinomio homogéneo de grado 2 y n variables. Capítulo 7 Formas cuadráticas. Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas ya ha sido estudiado, pues el cuadrado de la norma de un vector

Más detalles

1 SISTEMAS DE ECUACIONES LINEALES. CONCEPTOS GENERALES

1 SISTEMAS DE ECUACIONES LINEALES. CONCEPTOS GENERALES Sistemas de ecuaciones lineales MTEMÁTICS II 1 1 SISTEMS DE ECUCIONES LINELES. CONCEPTOS GENERLES Definición: Se llama ecuación lineal con n incógnitas x 1, x 2, x 3,., x n a toda ecuación que puede escribirse

Más detalles

Veamos que la operación multiplicación heredada de Z m es interna:

Veamos que la operación multiplicación heredada de Z m es interna: Tema 3 El cuerpo (, +,.) (p número primo) 3.1 El grupo multiplicativo En el tema anterior se vio que (Z m, +,.) es un anillo conmutativo con elementos identidad. No preguntamos ahora para qué elementos

Más detalles

a n1 a n2 a nn x n a ij x i x j = [x] t B A+At ) t = At +(A t ) t = At +A x j x i = s ij x i x j + s ji x j x i 2 x i x j + a ij + a ji

a n1 a n2 a nn x n a ij x i x j = [x] t B A+At ) t = At +(A t ) t = At +A x j x i = s ij x i x j + s ji x j x i 2 x i x j + a ij + a ji 16 Fundamentos de Matemáticas : Álgebra Lineal Capítulo 1 Formas cuadráticas Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas ya ha sido estudiado,

Más detalles

Teoremas de la función inversa, función implícita y del rango constante

Teoremas de la función inversa, función implícita y del rango constante Teoremas de la función inversa, función implícita y del rango constante Pablo Zadunaisky 13 de marzo de 2015 A lo largo de este documento usamos varias normas sobre espacios vectoriales de dimensión finita,

Más detalles

4. Aplicaciones: rango de una matriz y ecuaciones de un subespacio

4. Aplicaciones: rango de una matriz y ecuaciones de un subespacio TEMA 2 ESPACIOS VECTORIALES 35 4 Aplicaciones: rango de una matriz y ecuaciones de un subespacio Terminaremos este tema aprovechando la teoría de espacios vectoriales que hemos estudiado para obtener algunas

Más detalles

2.1 Introducción. Propiedades.

2.1 Introducción. Propiedades. 19 2 MATRICES II: DETERMINANTES En este segundo capítulo de matrices, aprenderemos a utilizar una herramienta muy importante como son los determinantes Gracias a ellos, podremos calcular la inversa de

Más detalles

Espacios Vectoriales

Espacios Vectoriales Espacios Vectoriales Pedro Díaz Navarro * Abril de 26. Vectores en R 2 y R 3 2. Espacios Vectoriales Definición (Espacio vectorial) Decimos que un conjunto no vacío V es un espacio vectorial sobre un cuerpo

Más detalles

Matrices. Álgebra de matrices.

Matrices. Álgebra de matrices. Matrices. Álgebra de matrices. 1. Definiciones generales Definición 1.1 Si m y n son dos números naturales, se llama matriz de números reales de orden m n a una aplicación A : {1, 2, 3,..., m} {1, 2, 3,...,

Más detalles

MT227 Sistemas Lineales. Función de transferencia. Elizabeth Villota

MT227 Sistemas Lineales. Función de transferencia. Elizabeth Villota MT227 Sistemas Lineales. Función de transferencia Elizabeth Villota 1 Sistemas Lineales Sistema no lineal, forma espacio de estados: Sea la salida correspondiente a la condición inicial y entrada escrita

Más detalles

Teoría de anillos. Dominios, cuerpos y cuerpos de fracciones.

Teoría de anillos. Dominios, cuerpos y cuerpos de fracciones. Tema 5.-. Teoría de anillos. Dominios, cuerpos y cuerpos de fracciones. 5.1. Anillos y cuerpos Definición 5.1.1. Un anillo es una terna (A, +, ) formada por un conjunto A y dos operaciones binarias +,

Más detalles

VALORES PROPIOS (AUTOVALORES) VECTORES PROPIOS (AUTOVECTORES) Fernando di Sciascio (2017)

VALORES PROPIOS (AUTOVALORES) VECTORES PROPIOS (AUTOVECTORES) Fernando di Sciascio (2017) VALORES PROPIOS (AUTOVALORES) Y VECTORES PROPIOS (AUTOVECTORES) Fernando di Sciascio (2017) Autovalores y Autovectores Los vectores propios o autovectores de una matriz A son todos los vectores x i ¹0,

Más detalles

1 SISTEMAS DE ECUACIONES LINEALES. CONCEPTOS GENERALES

1 SISTEMAS DE ECUACIONES LINEALES. CONCEPTOS GENERALES Sistemas de ecuaciones lineales MATEMÁTICAS II 1 1 SISTEMAS DE ECUACIONES LINEALES. CONCEPTOS GENERALES o Definición: Un sistema de m ecuaciones con n incógnitas es un conjunto de ecuaciones lineales que

Más detalles

GF = I V. G(v ) = v 1

GF = I V. G(v ) = v 1 7- Inversas a Izquierda y Derecha Sea F : V V una transformación lineal. G : V V lineal se denomina inversa a izquierda de F si GF = I V donde I V : V V denota el operador identidad en V. En tal caso F

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

6 Vectores. Dependencia e independencia lineal.

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

Más detalles

SISTEMAS DE ECUACIONES LINEALES Y MATRICES

SISTEMAS DE ECUACIONES LINEALES Y MATRICES y SISTEMAS DE ECUACIONES ES Y MATRICES Sergio Stive Solano 1 Febrero de 2015 1 Visita http://sergiosolanosabie.wikispaces.com y SISTEMAS DE ECUACIONES ES Y MATRICES Sergio Stive Solano 1 Febrero de 2015

Más detalles

Sistemas de ecuaciones lineales

Sistemas de ecuaciones lineales Sistemas de ecuaciones lineales 81 Introducción Denominamos sistema de ecuaciones a toda ecuación de la forma x (t) F ( t, x(t) ), (S) donde F : (a, b) R n R n La expresión anterior es muy general en el

Más detalles

Examen Final - soluciones

Examen Final - soluciones Algebra Lineal 2, FAMAT-UG, agsto-dic, 2009 PARTE A (60 puntos). Cierto o Falso. Examen Final - soluciones 9 dic, 2009 1. Para todo operador ortogonal T en R n, det(t ) = 1. Falso. T : (x 1,..., x n )

Más detalles

Escuela de Matemáticas

Escuela de Matemáticas Escuela de Matemáticas Universidad de Costa Rica MA-004: Álgebra Lineal Prácticas Sistemas de ecuaciones lineales, Matrices Determinantes MSc Marco Gutiérrez Montenegro 07 Sistemas de ecuaciones lineales

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

Factorización de rango completo y aplicaciones

Factorización de rango completo y aplicaciones XXI Congreso de Ecuaciones Diferenciales y Aplicaciones XI Congreso de Matemática Aplicada Ciudad Real, 21-25 septiembre 2009 (pp. 1 8) Factorización de rango completo y aplicaciones R. Cantó 1, B. Ricarte

Más detalles

Transformaciones Lineales y Espacio Dual

Transformaciones Lineales y Espacio Dual Transformaciones Lineales y Espacio Dual Juan Pablo De Rasis 22 de abril de 2018 El presente artículo tiene como objetivo la exposición de soluciones a problemas de Álgebra Lineal concernientes a transformaciones

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

Algebra lineal y conjuntos convexos

Algebra lineal y conjuntos convexos Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar

Más detalles

Determinantes Introducción a los determinantes. Recordemos la definición del determinante de una matriz A de 2 2 ( fórmula.

Determinantes Introducción a los determinantes. Recordemos la definición del determinante de una matriz A de 2 2 ( fórmula. Capítulo 5 Determinantes 5.1. Introducción a los determinantes Recordemos la definición del determinante de una matriz A de 2 2 ( fórmula 2.4 ) [ ] a b det = ad bc c d La proposición 2.16 implica que el

Más detalles

Sistemas de control con realimentación de la salida

Sistemas de control con realimentación de la salida Capítulo 7 Sistemas de control con realimentación de la salida 7.1. Introducción En el capítulo 5 se supuso que estaba disponible el vector de estado completamente. Relajando esta suposición y estudiando

Más detalles

1 Clase sobre determinantes

1 Clase sobre determinantes 1 Clase sobre determinantes Una herramienta muy útil cuando trabajamos con matrices y con el producto de matrices, es su interpretación como: una colección de números, A = [a ij ] ; como una colección

Más detalles

c-inversa o inversa generalizada de Rao

c-inversa o inversa generalizada de Rao c-inversa o inversa generalizada de Rao Definición.- Sea A m n. Se dice que una matriz A c de orden n m es una c-inversa o inversa generalizada en el sentido de Rao si y sólo si se verifica AA c A = A.

Más detalles

Exámenes de álgebra básica de enero de Grupos 1 y 3.

Exámenes de álgebra básica de enero de Grupos 1 y 3. Exámenes de álgebra básica de enero de 2019. Grupos 1 y 3. GRUPOS 1. Calcular razonadamente todos los subgrupos normales de S 4. Un subgrupo H de un grupo G es normal si y solamente si para cada g G se

Más detalles

( b) No se puede ya que la matriz tiene 2 columnas y el vector tiene 3 filas x x + 2y 3z.

( b) No se puede ya que la matriz tiene 2 columnas y el vector tiene 3 filas x x + 2y 3z. Ejercicios resueltos tema : Matrices y sistemas lineales EJERCICIO : Escribir las siguientes matrices: a A (a ij 4, a ij i j. b B (b ij 4, b ij ( i+j. { si i j, c C (b ij 4, c ij si i < j. A, B + + + +

Más detalles

Álgebra y Matemática Discreta

Álgebra y Matemática Discreta Álgebra y Matemática Discreta Sesión de Teoría 18 (c) 2013 Leandro Marín, Francisco J. Vera, Gema M. Díaz 11 Nov 2013-17 Nov 2013 Ecuaciones Matriciales Ecuaciones Matriciales En muchas ocasiones, se plantean

Más detalles

Aplicaciones lineales

Aplicaciones lineales Capítulo 5 Aplicaciones lineales Estas notas están basadas en las realizadas por el profesor Juan González-Meneses para la asignatura Álgebra lineal de la Licenciatura de Matemáticas. 5.1. Definición y

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

Sistemas de Ecuaciones Lineales. Matrices y determinantes.

Sistemas de Ecuaciones Lineales. Matrices y determinantes. Capítulo 3 Sistemas de Ecuaciones Lineales Matrices y determinantes 31 Sistemas de Ecuaciones Lineales El problema central del Álgebra Lineal es la resolución de ecuaciones lineales simultáneas Una ecuación

Más detalles

6.1 Teorema de estructura de los módulos finitamente generados

6.1 Teorema de estructura de los módulos finitamente generados Tema 6.- Teorema de estructura de los módulos finitamente generados sobre un D.I.P.. Aplicaciones: ecuaciones lineales con coeficientes enteros, formas canónicas de Jordan 6.1 Teorema de estructura de

Más detalles

Matrices bandadas Cálculo de la inversa y determinante Normas vectoriales y matriciales

Matrices bandadas Cálculo de la inversa y determinante Normas vectoriales y matriciales Clase No. 8: MAT 251 Matrices bandadas Cálculo de la inversa y determinante Normas vectoriales y matriciales Dr. Alonso Ramírez Manzanares CIMAT A.C. e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/

Más detalles

Vectores y Valores Propios

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

Más detalles

TEMA 4 ESPACIOS VECTORIALES

TEMA 4 ESPACIOS VECTORIALES TEMA 4 ESPACIOS VECTORIALES Índice 4.1. Definición y propiedades.................. 101 4.1.1. Dependencia e independencia lineal....... 103 4.2. Subespacios vectoriales................... 105 4.2.1. Ecuaciones

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

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

58 7. ESPACIOS COCIENTE

58 7. ESPACIOS COCIENTE CAPíULO 7 Espacios cociente En esta sección estudiamos el cociente de un espacio vectorial por un subespacio W. Este cociente se define como el conjunto cociente de por una relación de equivalencia conveniente.

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

Matrices y sistemas de ecuaciones lineales. Autovalores y autovectores.

Matrices y sistemas de ecuaciones lineales. Autovalores y autovectores. Tema 5 Matrices y sistemas de ecuaciones lineales Autovalores y autovectores 5 Introducción Una matriz es una disposición ordenada de elementos de la forma: a a a m a a a m a n a n a nm Sus filas son las

Más detalles