Diagonalización de una Matriz
|
|
- María Dolores Martínez Campos
- hace 7 años
- Vistas:
Transcripción
1 Diagonalización de una Matriz Departamento de Matemáticas, CCIR/ITESM 9 de febrero de 2011 Índice 19.1.Introducción Matriz diagonalizable Condiciones para la diagonalización Uso de la Factorización PDP Aplicación: Cadenas de Markov Introducción En esta lectura veremos uno de los temas más importantes del Álgebra Lineal que tiene aplicaciones fundamentales en Ingeniería. Éste es el tema de la diagonalización de una matriz cuadrada. Se revisará la definición, algunos resultados teóricos y algunas aplicaciones. Se requieren los conceptos de valor y vector propio, polinomio característico y bases de un espacio lineal Matriz diagonalizable Definición 19.1 Una matriz cuadrada A n n se dice matriz diagonalizable si existe existe una matriz P n n invertible que cumple P 1 AP = D donde D es una matriz diagonal. El siguiente resultado indica qué significa que una matriz A sea diagonalizable. Teorema Sea A una matriz cuadrada n n, entonces son equivalentes: A es una matriz es diagonalizable, R n posee una base formada por vectores propios de la matriz A. Demostración Supongamos que A es diagonalizable. Por tanto, existen matrices P invertible y D diagonal tal que P 1 AP = D ó PDP 1 Si p i es la i-esima columna de P y d j el j-ésimo elemento de la diagonal de D, veamos que B = {p 1,p 2...,p n }
2 es base para R n y que Ap i = d i p i. Como P 1 P = I n n = [e 1 e 2 e n = P 1 [p 1 p 2 p n = [ P 1 p 1 P 1 p 2 P 1 p n Por tanto, P 1 p i = e i. Así mismo, De i = d i e i y Pe i = p i Así Ap i = ( PDP 1 p i = (PD ( P 1 p i = (PDe i = P(De i = P(d i e i = d i Pe i = d i p i Por tanto, p i es un vector propio asociado al valor propio d i de A. Siendo P es invertible, P se reduce a I n n. Por tanto, B es linealmente independiente y genera a R n. Por tanto, B es una base para R n formada por vectores propios. Supongamos ahora que se tiene una base para R n B = {p 1,p 2...,p n } formada por vectores propios de A y que Ap i = d i p i. Definamos P = [p 1 p n y D = diag(d 1,d 2,...,d n Así, P es invertible y P 1 AP = P 1 (A[p 1 p 2 p n = P 1 [Ap 1 Ap 2 Ap n = P 1 [d 1 p 1 d 2 d 2 d n d n = [ P 1 d 1 p 1 P 1 d 2 p 2 P 1 d n p n = [ d 1 P 1 p 1 d 2 P 1 p 2 d n P 1 p n = [d 1 e 1 d 2 e 2 d n n n = D por tanto, A es diagonalizable Condiciones para la diagonalización Reglas básicas para saber si una matriz es diagonalizable: Si tiene algún valor propio complejo, no es diagonalizable. Efectivamente, si A es diagonalizable p A (t = det(a ti = det ( PDP 1 ti = det ( PDP 1 tipp 1 = det ( PDP 1 P(tIP 1 = det ( P(D tip 1 = det(pdet(d tidet ( P 1 = det(d ti = n i=1 (d i t por tanto, p A (t tiene todos sus valores propios reales. La contrapositiva de esta afirmación es que si el polinomio característico de A al menos una raíz compleja, entonces A no puede ser diagonalizable. 2
3 Si tiene todos sus valores propios reales y son diferentes, sí es diagonalizable. Supongamos que sea el caso. Como p A (t tiene grado n entonces tendrá n raíces reales y diferentes. Por tanto, si B = {x 1,x 2,...,x n } es un conjunto formado por vectores propios asociados a valores propios diferentes entonces, B es un conjunto linealmente independiente. Como tiene n elementos B, es base para R n. Por el resultado ya probado A es diagonalizable. Si tiene todos sus valores propios reales, y si para cada valor propio que apareció repetido como raíz de la ecuación característica el número de veces que apareció repetido (multilicidad algebraica es igual a la multiplicidad o dimensión geométrica entonces sí es diagonalizable. Un resultado importante es: Teorema Toda matriz cuadrada simétrica es diagonalizable. Más aún: A es simétrica si y sólo si es ortogonalmente diagonalizable. PDP Esto es, la matriz P se puede cambiar por otra ortogonal (PP = I. Ejemplo 19.1 Determine si la matriz es diagonalizable Solución El polinomio característico de A es [ p A (t = 4 3t+t 2 y sus raíces son: t 1 = 3/2 + i 7/2 y t 1 = 3/2 + i 7/2. Por tanto, tiene raíces complejas y por tanto no es diagonalizable Ejemplo 19.2 Determine si la matriz es diagonalizable [ Solución: El polinomio característico de A es p bfa (t = (t 1 2. Y por tanto, el único valor propio es t = 1. El espacio nulo de [A (1I es precisamente el espacio invariante de t = 1 de A y es: kernel([a (t = 1I = Gen ( (1,0 El conjunto B = {(1,0 } no alcanza para una base para R 2. Por tanto, A no es diagonalizable. Ejemplo 19.3 Determine si la matriz es diagonalizable y calcule una factorización: [
4 Solución: El polinomio característico de A es p A (t = 3 2t+t 2 y sus raíces son t 1 = 1 y t 2 = 3. Por tanto, sus raíces son reales y diferentes. Por tanto, A es diagonalizable. Deteminemos bases para los espacios nulos. Para t = 1 ν(a ( 1I = Gen ( ( 1,1 Para t = 3 Por tanto una base para R 2 con vectores propios es: ν(a (3I = Gen ( (1,1 B = { ( 1,1,(1,1 } Por consiguiente, P = [ [, P 1 1/2 1/2 = 1/2 1/2 [ 1 0, D = 0 3 Ejemplo 19.4 Determine si la matriz es diagonalizable y calcule una factorización: Solución: El polinomio característico de A es p A (t = 18t+3t 2 t 3 y sus raíces son t 1 = 0, t 2 = 3 y t 3 = 6. Por tanto, sus raíces son reales y diferentes. Por tanto, A es diagonalizable. Deteminemos bases para los espacios nulos. Para t 1 = 0 ν(a (0I = Gen ( ( 2,1, 1 Para t 2 = 3 Para t 3 = 6 ν(a ( 3I = Gen ( ( 1, 1,1 ν(a (6I = Gen ( (0,1,1 Por tanto una base para R 3 con vectores propios es: B = { ( 2,1, 1,( 1, 1,1,(0,1,1 } Por consiguiente, P =
5 P 1 = D = 1/3 1/6 1/6 1/3 1/3 1/3 0 1/2 1/ Ejemplo 19.5 Determine todos los valores del parámetro real c para los cuales no es diagonalizable la matriz c Solución Tenemos que p A (t = det(a ti = (4 t( 3 t(c t Por consiguiente, los únicos valores propios son t 1 = 4, t 2 = 3 y t 3 = c. Como se tiene que: Si todos los valores propios son reales y diferentes, entonces es diagonalizable. Por tanto, para cualquier real c diferente de 4 y de 3 se garantiza tres valores propios reales y diferentes. Por tanto, para cualquier real c diferente de 4 y de 3 será diagonalizable. Por tanto, los únicos valores donde puede no ser diagonalizable son c = 4 y c = 3. Para c = 4 Los valores propios son t 1 = 4, t 2 = 3 y t 3 = 4. Por tanto, el único valor propio que debemos revisar para la posible diagonalización es t = 4: [A (4I 0 rref 0 1 1/ Por tanto, la dimensión geométrica de t = 4 es 2. Por tanto, la dimensión geométrica de t = 4 coincide con la dimensión algebraica (2. Por tanto, para todos los valores propios la dimensión dimensión algebraica coincide con la geométrica. Por tanto, para c = 4 la matriz A sí es diagonalizable. Para c = 3 Los valores propios son t 1 = 4, t 2 = 3 y t 3 = 3. Por tanto, el único valor propio que debemos revisar para la posible diagonalización es t = 3: [A ( 3I 0 rref Por tanto, la dimensión geométrica de t = 3 es 1 y no coincide con la dimensión algebraica (2. Por tanto, la matriz A no esdiagonalizable para c = 3. Por tanto, c = 3 es el único número real para el cual A no es diagonalizable Uso de la Factorización PDP 1 Si A es diagonalizable entonces: P 1 AP = D PDP 1 5
6 Y por tanto: De igual manera se obtiene: A 2 = A PDP 1 PDP 1 = PD 2 P 1 A k = PD k P 1 La gran ventaja de esto es que debido a que D es diagonal: k λ k D k 0 λ 2 0 = k 0 0 λ n Se considera ventaja pues el número de FLOPs usados para calcular A k por la manera tradicional es (k 1n 2 (2n 1, es decir O(2kn 3 mientras que para calcular PD k P 1 es n 2 (2n 1+n(k 1+kn 2. Es decir, es O(2n 3 +kn 2. Dando un ahorro sustancial de FLOPs en el cálculo de potencias de una matriz cuando ya se posee una factorización diagonal Aplicación: Cadenas de Markov Veamos algunas aplicaciones del uso de la diagonalización de una matriz. En la siguiente lectura se verá su aplicación a sistemas de ecuaciones diferenciales lineales. Ejemplo 19.6 Supongamos que la probabilidad de que un fumador siga fumando al año siguiente es %65, mientras que la probabilidad de que un no fumador continue sin fumar es de %85. Determine los porcentajes de fumadores y no fumadores a la larga. Describiremos el estado de la situación en el año i por medio de un vector columna: ( xi X i = donde x i representa el porcentaje de no fumadores en el año i y y i representa el porcentaje de fumadores. Se supondrá que para calcular el estado en el año i+1 habrá que multiplicar el vector de estado en el año i por la matriz de transición A: Solución La matriz de transición es ( xi y i y i ( pasó un año xi+1 y i+1 [ ( xi = A y i El elemento (2, indica que un fumador tiene un 35% de dejar de fumar un año después, mientras que el elemento 0.15 quiere decir que un no fumador tiene un 15% de probabilidades de volverse fumador. Esta matriz puede ser utilizada para determinar el porcentaje en el año siguiente dados los porcentajes de fomadores y no fumadores en el presente año. Por ejemplo, si en el año actual la relación fumadores no fumadores es 50% y 50% entonces en el año siguiente será: [ ( = ( En forma análoga, si por porcentajes actuales para los fumadores y no fumadores son x o % y y o % respectivamente, al año siguiente serán: [ ( xo y o
7 Y dentro de k años serán: X k = A k X o = [ k ( xo Los valores propios para la matriz A son λ 1 = 1 y λ 2 = 1/2 y vectores propios correspondientes son: ( ( 3 1 v 1 =, v 7 2 = 1 y o Por tanto, [ 3 1 [ /2 [ Por tanto Así A k = [ 3 1 [ 3 1 lím k Ak = [ 1 k 0 [ [ X = lím k Ak X o = (1/2 k ( xo [ 3 1 y o [ = 1 [ ( 0.3xo +0.3y = o = 0.7x o +0.7y o ( Por consiguiente, a largo plazo, los fumadores serán el 30% de la población en comparación con el 70% de no fumadores. Recuerde que x o +y o = 1. Ejemplo 19.7 Suponga que sólo existen tres lecherías en el mercado Leche Lola, Leche Los Puentes, y Leche ParmaLac. Suponga que de un mes a otro Lola retiene el 80% de sus clientes, atrae 20% de los clientes de Los Puentes, y atrae 10% de los clientes de ParmaLac, Los puentes retiene 70% de sus clientes, atrae 10% de los clientes de Lola, y atrae 30% de los clientes de ParmaLac, y ParmaLac retiene 60% de sus clientes, atrae el 10% de los clientes de Lola, y atrae el 10% de los clientes de Los puentes. Suponga el tamaño de la población no cambia y se mantiene fijo en de consumidores. Determine si existe los porcentajes a largo plazo de la distribución de clientes de Lola, Los puentes, y ParmaLac. Solución La matriz de transición queda: El polinomio característico de A es: p A (t = (t 3 2.1t t.300 Usando los cálculos reportados en las figuras 1 y 2, los valores propios son: λ 1 = 1.00, λ 2 = 0.60, λ 3 =
8 Figura 1: Ejemplo 3: cálculo de vectores propios de A. Figura 2: Ejemplo 3: Matriz límite de A. y los vectores propios correspondientes son: Por tanto Por tanto, v 1 = ( , , v 2 = ( , ,0. v 3 = ( , , P = D = A = lím k Ak = P A = lím k Ak = P Por tanto la ditribución del mercado de leche a largo plazo sin importar la distribución actual es: 45% 35% 20% 8
Algebra Lineal: Diagonalización de una Matriz Cuadrada. Departamento de Matemáticas. Intro. Diagonalizable
una Matriz Algebra una Matriz una Matriz ducción En esta lectura veremos uno los temas más importantes l Álgebra Lineal que tiene aplicaciones fundamentales en Ingeniería. Éste es el tema la diagonalización
Más detallesAlgebra Lineal Tarea No 24: Aplicaciones de diagonalización de matrices Solución a algunos problemas de la tarea (al 29 de junio de 2014)
Algebra Lineal Tarea No 4: Aplicaciones de diagonaliación de matrices a algunos problemas de la tarea (al 9 de junio de 4. Determine la solución al sistema + 3 + Sujeto sujeto a las condiciones iniciales:
Más detallesAUTOVALORES 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 detallesTema 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 detallesTEMA 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 detallesMATE 4031: Álgebra Lineal [ 4 + 6i 4i (a) Encuentre el polinomio característico de cada una de ellas.
Solución Asignación 9. Universidad de Puerto Rico, Río Piedras Facultad de Ciencias Naturales Departamento de Matemáticas San Juan, Puerto Rico MATE 43: Álgebra Lineal. Considere las siguientes matrices
Más detallesAlgebra 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 detallesSesión 18: Diagonalización (I) Método práctico para diagonalizar una matriz cuadrada A M nxn K
Sesión 8: Diagonalización (I) Método práctico para diagonalizar una matriz cuadrada A M nxn K ) Calculamos los valores propios de A y sus multiplicidades algebraicas con: d A λ = det A λi nxn = Si d A
Más detallesGrado 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 detallesDiagonalización 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 detallesCurso 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 detalles3. ÁLGEBRA LINEAL // 3.3. AUTOVALORES Y
3. ÁLGEBRA LINEAL // 3.3. AUTOVALORES Y AUTOVECTORES. SISTEMAS DE EVOLUCIÓN. COMPLEMENTOS PARA LA FORMACIÓN DISCIPLINAR EN MATEMÁTICAS Curso 2011-2012 3.3.1. Ejemplos de sistemas de evolución discretos
Más detallesAP = 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 detallesDiagonalización. 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 detallesÁLGEBRA 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 detallesValores 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 detallesMAT1202: 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 detalles1 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 detallesÁlgebra 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 detallesSolución de Sistemas de Ecuaciones Diferenciales Lineales
Solución de Sistemas de Ecuaciones Diferenciales Lineales Departamento de Matemáticas, CCIR/ITESM 9 de febrero de Índice..Introducción.................................................Ejemplo.................................................3.Ejemplo................................................
Más detallesdia G o n a l i z a c i ó n
Unidad elementos característicos dia G o n a l i z a c i ó n Objetivos: Al inalizar la unidad, el alumno: Encontrará los valores y los vectores característicos de una matriz. Utilizará los elementos característicos
Más detallesVectores 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 detallesDIAGONALIZACIÓN 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 detallesTema 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 detallesValores 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 detallesÁLGEBRA 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 detallesGuía 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 detalles6.6. Diagonalización de matrices simétricas o hermitianas. Ejemplo de una diagonalización de una matriz simétrica
6.6 Diagonalización de matrices simétricas o hermitianas Ejemplo de una diagonalización de una matriz simétrica Matrices hermitianas Los autovalores de las matrices reales simétricas o complejas hermitianas
Más detallesUniversidad 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 detallesPodemos 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 detallesCapítulo V. Valores y vectores propios. Diagonalización de operadores lineales.
Capítulo V Valores y vectores propios. Diagonalización de operadores lineales. Hemos visto que la aplicaciones lineales de en están definidas a través de una expresión de la forma ; pero esta fórmula puede
Más detallesUNIVERSIDAD 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 detallesGeometría 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 detallesÁlgebra 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 detallesDiagonalización de matrices
Capítulo 6 Diagonalización de matrices 6.. Introducción 6... Un ejemplo preliminar Antes de plantearlo de manera general, estudiaremos un ejemplo que servirá para situar el problema. Supongamos que, en
Más detallesÁlgebra 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 detallesDescomposición 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 detallesSolución 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 detallesNombre: Tercer Parcial Algebra Lineal 29/11/2014. Profesor:
Tercer Parcial Algebra Lineal 29//204 Puntaje. (Solo para uso oficial.) -2 (/2) 3-4 (/26) 5- (/53) Total (/00) Nota Nombre: Cédula: Profesor: Grupo: Instrucciones. El examen Aconsta de 3 hojas, verifique
Más detallesÁlgebra 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 detallesPráctica 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 detallesUniversidad de Salamanca
Universidad de Salamanca Gloria Serrano Sotelo Departamento de MATEMÁTICAS 1. Subespacios invariantes por un endomorfismo Sea E un k-espacio vectorial y T un endomorfismo de E. Un subespacio vectorial
Más detalles5. 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 detallesMatemáticas 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 detallesProblemas 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 detallesÁlgebra 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 detallesCONJUNTO 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 detallesRESUMEN 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 detallesValores propios y vectores propios Diagonalización
CAPÍTULO Valores propios y vectores propios Diagonalización Este capítulo consta de cuatro secciones Con el fin de dar una idea de lo que se hará en las dos primeras secciones, se considerará un espacio
Más detallesDiagonalización 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 detallesTema 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 detalles2.7 Aplicaciones del Teorema de Jordan
26 Álgebra lineal 27 Aplicaciones del Teorema de Jordan En esta sección seguimos suponiendo que K C Endomorfismos y matrices nilpotentes Definición Decimos que una matriz A M n (C es nilpotente si existe
Más detallesEjercicios tipo test de las lecciones 1 y El vector e = ( 1, 0, λ) está en el plano generado por los vectores u = (1, 2, 1) y
Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS Ejercicios tipo test de las lecciones 1 y 2. 1. El vector e = ( 1, 0, λ) está en el plano generado por los vectores u = (1,
Más detallesAutovalores 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 detallesTRANSFORMACIONES 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 detallesDiagonalización 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 detallesPropiedades de los Determinantes
Propiedades de los Determinantes Departamento de Matemáticas, CCIR/ITESM 26 de mayo de 2010 Índice 19.1. Propiedades............................................... 1 19.2. La adjunta de una matriz cuadrada..................................
Más detallesEjercicios 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 detallesTema 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 detallesCapítulo 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 detallesAutovalores 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 detallesVALORES 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 detallesa 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 detallesa 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 detallesPROBLEMAS 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 detallesL(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 detallesHoja 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 detallesMétodos Estadísticos Multivariados
Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 34 Álgebra matricial y vectores aleatorios Una matriz es un arreglo
Más detallesMatrices. 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 detallesEjercicios resueltos de Examenes anteriores
FACULTAD DE CIENCIAS EXACTAS DPTO. DE MATEMÁTICAS UNIVERSIDAD ANDRÉS BELLO Álgebra Lineal FMM Ejercicios resueltos de Examenes anteriores. (a) Sea A ( ) 2. Calcule las matrices P y J tal que A P JP 8 5.
Más detalles2. Teorema de las multiplicidades algebraica y geométrica.
Guía. Álgebra III. Examen parcial II. Valores y vectores propios. Forma canónica de Jordan. Teoremas con demostraciones que se pueden incluir en el examen El examen puede incluir una demostración entera
Más detallesCuestiones de diagonalización de matrices
Cuestiones de diagonalización de matrices Ximo Beneyto Genius, el secreto de los mejores -49- CUESTIONES RESUELTAS DIAGONALIZACION DE MATRICES CUADRADAS 1.- Un vector propio de una matriz no puede estar
Más detallesHoja 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 detallesExamen Extraordinario de Álgebra III, licenciatura
Examen Extraordinario de Álgebra III, licenciatura El Examen a Título de Suficiencia de Álgebra III abarca los siguientes temas: 1. Formas bilineales y cuadráticas. 2. Valores y vectores propios. 3. Forma
Más detallesClase 7 Herramientas de Álgebra Lineal
Clase 7 Herramientas de Álgebra Lineal 1 Formas cuadráticas La descomposición en valores singulares 3 Normas de matrices 4 Ejercicios Dada una matriz M R n n, la función escalar x T Mx, donde x R n, es
Más detallesVALORES Y VECTORES PROPIOS
45 Capítulo 6 VALORES Y VECTORES PROPIOS Martínez Héctor Jairo Sanabria Ana María Semestre, 7 6 Introducción Aunque, en general, la imagen de un vector bajo una transformación de un espacio vectorial en
Más detallesTema 5: Diagonalización de matrices: Apéndice
Tema : Diagonalización de matrices: Apéndice Más aplicaciones de la diagonalización. Diagonalización de matrices simétricas reales Tiene especial interés la diagonalización de matrices simétricas. Supongamos
Más detallesÁlgebra 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 detallesÁlgebra lineal II Examen Parcial 1
UNIVERSIDAD DE COSTA RICA ESCUELA DE MATEMATICA Álgebra lineal II Examen Parcial II Semestre 204 Nick Gill Instrucciones: Puede usar cualquier proposición de las lecciones, inclusive los ejercicios. Si
Más detallesÁlgebra Lineal. Tema 11. El Teorema Espectral en R. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Tema. El Teorema Espectral en R 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 Índice
Más detallesAlgebra Lineal Tarea No 22: Valores y vectores propios Solución a algunos problemas de la tarea (al 29 de junio de 2014)
Algebra Lineal Tarea No : Valores y vectores propios a algunos problemas de la tarea (al 9 de junio de 04. Para la matriz A A Indique cuáles vectores son vectores propios: ( ( ( v, v, v 3 3 Recordemos
Más detallesALGEBRA 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 detallesBa s e, d i M e n s i ó n y Mat r i z
Unidad 4 Ba s e, d i M e n s i ó n y Mat r i z de transición Objetivos: Al inalizar la unidad, el alumno: Conocerá la deinición de base de un espacio vectorial Identiicará bases canónicas para algunos
Más detallesa 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 detallesSEGUNDO PARCIAL - EJERCICIOS DE REPASO
Algebra y Geometría 28 SEGUNDO PARCIAL - EJERCICIOS DE REPASO 3-6-8 ESPACIOS VECTORIALES. Construya en R 2 un subconjunto que sea: a cerrado para la suma y resta de vectores, pero no para la multiplicacion
Más detallesTransformaciones 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 detallesTema 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 detallesA = [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 detallesTema 3: Forma canónica de Jordan de una matriz.
Forma canónica de Jordan de una matriz 1 Tema 3: Forma canónica de Jordan de una matriz. 1. Planteamiento del problema. Matrices semejantes. Matrices triangularizables. El problema que nos planteamos en
Más detallesMATRICES 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 detallesUNIVERSIDAD DE CONCEPCION FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE INGENIERIA MATEMATICA
AL GEBRA III UNIVERSIDAD DE CONCEPCION FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE INGENIERIA MATEMATICA ALGEBRA III DEFINICION : Sea L : V V un operador lineal sobre el espacio vectorial
Más detallesValores 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 detallesASIGNATURA GAIA ÁLGEBRA (PROBLEMAS) CURSO KURTSOA Primero NOMBRE IZENA FECHA DATA TIEMPO: DOS HORAS
Universidad de Navarra Nafarroako Unibertsitatea Escuela Superior de Ingenieros Ingeniarien Goi Mailako Eskola ASIGNATURA GAIA ÁLGEBRA (PROBLEMAS) CURSO KURTSOA Primero NOMBRE IZENA FECHA DATA 7-1-05 TIEMPO:
Más detallesÁLGEBRA 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 detallesTema 1. 1 Álgebra lineal. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. 1.1 Vectores de R n. 1. Vectores. 2.
Aurea Grané. Máster en Estadística. Universidade Pedagógica. 1 Aurea Grané. Máster en Estadística. Universidade Pedagógica. 2 Tema 1 Álgebra lineal 1. Vectores 2. Matrices 1 Álgebra lineal Aurea Grané
Más detallesValores 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