y Matrices cuadradas.

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

Download "y Matrices cuadradas."

Transcripción

1 de Endomorfismos y Matrices cuadradas.. Problemas resueltos. Tema :. Problemas Resueltos 1

2 PROBLEMAS RESUELTOS 1. Sea f 0 End(ú 3 ) / f ( x, y, z ) = ( 2x - 2y + 3z, x + y + z, x + 3y - z) Estudiar si es o no diagonalizable. En caso afirmativo, obtener una base B, respecto de la cual la matriz asociada a f sea DIAGONAL. Halla la Matriz P / P -1 A A A P sea una matriz DIAGONAL y comprobar el resultado. < Nos vamos a referir indistintamente a los elementos del Endomorfismo f o a los de la matriz asociada A. Empecemos calculando los elementos necesarios para el análisis de la DIAGONALIZACIÓN. < Matriz asociada en base canónica de ú 3 6 POLINOMIO CARACTERÍSTICO : < Polinomio característico : P f (8) = [ Recordemos que el polinomio característico de un Endomorfismo es un invariante del mismo, es decir, es independiente de la BASE considerada en el Espacio Vectorial. ] son: 6 VALORES PROPIOS: Sea P f (8) = 0 Y = 0 cuyas raíces, con la multiplicidad correspondiente Tema :. Problemas Resueltos 2

3 [Como todos los valores propios son simples, sabemos que el ENDOMORFISMO será DIAGONALIZABLE ] 6 VECTORES PROPIOS 8 = 1 œ ( x,y,z ) 0 E(8=1) Y ( x, y, z) = ( -z, z, z ) = z ( -1, 1, 1 ) Base E(8=1) = { (-1,1,1) / z 0 R 3 } dim E(8=1) = 1 E(8=1) = { (-z,z,z) / z 0 R 3 } Conjunto de vectores propios asociados a 8=1 { (-z,z,z) / z 0 ú 3 } - { (0,0,0) } < [ Podríamos haber tomado cualquier otro vector, sin más que haber asignado a z cualquier valor z 0 ] < [ Observa la convenienecia de tomar solamente las ecuaciones independientes del Sistema Homogéneo, ya que, al fin y al cabo, es lo que estamos resolviendo ]. 8 = 3 Tema :. Problemas Resueltos 3

4 E(8=3) = { (z,z,z) / z 0 ú } Base E(8=3) = { (1,1,1) } dim E(8=3) = 1 Conjunto de vectores propios asociados a 8=3 { (-z,z,z) / z 0 ú / z 0 } [ Observa que ahora lo indico de otra manera, aunque el hecho es el mismo, quitar el vector (0,0,0) ] 8 = -2 œ ( x, y, z) 0 E (8 = -2) Y ( x, y, z) = ( 11y, y, -14y ) = y ( 11, 1, -14 ) Base E(8 = -2) = { (11, 1, -14) } dim E(8 = -2) = 1 Conjunto de vectores propios asociados a 8=-2 { (11y,y, -14y) / y 0 ú, y 0 } TABLA DE VALORES PROPIOS / VECTORES PROPIOS 8 1 = 1 " A (-1, 1, 1) " = 3 $ A (1, 1, 1) $ = -2 ( A (11, 1, -14) ( 0 DIAGONALIZABILIDAD CRITERIO 1 Ya que, para cada valor propio, hemos encontrado tantos vectores Linealmente Independientes como su multiplicidad, el Endomorfismo f es DIAGONALIZABLE. Tema :. Problemas Resueltos 4

5 dim E(8= 1) = 1 = p 1 dim E(8= 3) = 1 = p 2 por lo tanto el Endomorfismo f es DIAGONALIZABLE CRITERIO 2 dim E(8= -2) = 1 = p 3 Como para cada valor propio, se cumple el CRITERIO, se deduce que A es DIAGONALIZABLE. [ El Endomorfismo f es DIAGONALIZABLE. ] Naturalmente en la práctica bastará con aplicar uno de los dos criterios. Tema :. Problemas Resueltos 5

6 Ya que vectores propios asociados a valores propios distintos son Linealmente Independientes, no es necesario estudiar la Dependencia Lineal para afirmar que es una base de ú 3. [ D no es única, puesto que si hubiéramos propuesto un orden diferente en los vectores de la base, los valores propios aparecerían en la diagonal principal en un orden distinto ] MATRIZ DIAGONAL MATRICIAL Construyamos la matriz P cuyas columnas son los vectores de la base anterior en el orden dado. Vamos a comprobar que D = P -1 A A A P Tema :. Problemas Resueltos 6

7 [ La matriz P, así construida, es la matriz del cambio de base, en ú 3, de la Base Canónica a la nueva base B. ]. [ En algunos libros, la relación de semejanza se plantea como D = P A A A P -1, en cuyo caso, la matriz hipotética P seria la INVERSA de la matriz obtenida en el ejercicio. ] NOTAS <Los errores más frecuentes en la resolución del problema se cometen en : * Cálculo del POLINOMIO CARACTERÍSTICO * Cálculo de los VECTORES PROPIOS * Cálculo de P -1 Lleva cuidado!! <Todos los elementos obtenidos en las bases de vectores no son únicos!!!. <Como D = P -1 A A A P Y P A D = A A P Es una fórmula de comprobación rápida que el problema está bién hecho y no hay que hallar la matriz INVERSA. <En la matriz DIAGONAL, la diagonal principal está formada por los valores propios. ######## 2.Sea f 0 End (ú 3 ) del cual sabemos sus valores propios 8 1 = 2, 8 2 = 3, 8 3 = 4 y una base de vectores propios B = { }, cada asociado a cada uno de los 8 i = 1, 2, 3. Hallar la matriz asociada en los siguientes casos: 2.1. base B = { } 2.2. base B' = { } 2.3. base B'' = { } 2.1. Como : 2.2. Como : Tema :. Problemas Resueltos 7

8 2.3. Como : Es un problema para dejar muy claras dos ideas : * El concepto de componentes ÚNICAS de un vector en una base * El concepto de matriz asociada a una aplicación lineal ######## 3.Sea f 0 End (ú 3 ) cuya matriz asociada en base canónica es, comprobar que f es DIAGONALIZABLE. 6 Varios caminos podríamos tomar para resolver el problema, no obstante, buscando una cierta coherencia con los problemas desarrollados hasta ahora, seguiremos un proceso usual de diagonalización, estudiando con mayor detalle los valores propios múltiples, si los hay. 6 POLINOMIO CARACTERÍSTICO : y lo dejamos así, sin desarrollar P A (8) = ( 2-8 ) 2 A ( 3-8 ) 6 VALORES PROPIOS: 6 VECTORES PROPIOS: Tema :. Problemas Resueltos 8

9 ] œ ( x, y, z ) 0 E (8 = 2) Y ( x, y, z ) = ( x, 0, 0 ) = x A (1, 0, 0) Base E(8=2) = { (1, 0, 0) } dim E(8 = 2) = 1 Conjunto de vectores asociados a 8 = 2 = { x ( 1,0,0) / x 0 } Observamos que no es necesario continuar, pues la multiplicidad del valor propio es p 1 = 2 y la dimensión del subespacio invariante asociado a 8 = 2 es de 1. dim ( E (8=2)) p 1 Y f no es DIAGONALIZABLE, tal como se quería demostrar [ En el tema siguiente daremos salida a esta situación mediante la forma canónica de Jordan ######## 4.- Estudiar, según valores de a, b 0 ú, la DIAGONALLIZABILIDAD del Endomorfismo f cuya matriz asociada en la base es < Calculemos en primer lugar los valores propios de f : que, por tanto, serán sus valores propios. Discutamos, pues, estos valores propios, según los diferentes valores de "b". i ) b -1, 3 Si b -1, 3 Y Los valores propios son todos simples y el endomorfismo es diagonalizable Tema :. Problemas Resueltos 9

10 ii ) b = -1 La tabla de valores propios con su correspondiente multiplicidad, siendo b = -1 será : Apliquemos en ambos casos el 2º criterio de DIAGONALIZABILIDAD : 8 1 = 3 Rang ( A - 3I ) = Rang = 2 œ a 0 ú ( Pués es un MENOR no nulo de 2º orden ) n - p 1 = 3-1 = = -1 Rang ( A + I ) = Rang pero el Rango de A + I depende del menor = 4a. si 4a = 0 Y a = 0 n - p 2 = 3-2 = 1 Si a = 0, f es DIAGONALIZABLE Si a 0, f NO es DIAGONALIZABLE iii ) b = 3 Ahora los valores propios con su multiplicidad correspondiente, serán : Aplicando de nuevo el 2º criterio de DIAGONALIZABILIDAD : 8 1 = 3 Rang ( A - 3I ) = Rang = 2 œ a 0 ú Tema :. Problemas Resueltos 10

11 ( es un MENOR no nulo de 2º orden ) n - p 1 = 3-2 = 1 Y f NO es DIAGONALIZABLE Resumiendo : si b -1, 3 y œ a 0 ú Y f es DIAGONALIZABLE si b = -1 y a = 0 Y f es DIAGONALIZABLE si b = -1 y a 0 Y f NO es DIAGONALIZABLE si b = 3 y œ a 0 ú Y f NO es DIAGONALIZABLE ######## 5. Estudiar si la matriz es DIAGONALIZABLE. En caso afirmativo, hallar su potencia n.ésima empleando los elementos de la DIAGONALIZACION, y hallar A La primera parte del ejercicio va a consistir en un proceso de diagonalización matricial que vamos a agilizar un poco tomando los datos básicos. 6 POLINOMIO CARACTERISTICO : 6 VALORES PROPIOS: Tema :. Problemas Resueltos 11

12 Al tener sus tres valores propios simples, ya podemos afirmar que la matriz A es DIAGONALIZABLE 6 VECTORES PROPIOS: 8 1 = 0 [ Al ser las ecuaciones tan sencillas no es necesario aplicar el filtrado de las mismas mediante Gauss ] œ ( x, y, z ) 0 E (8 = 0) Y ( x, y, z ) = ( x, 0, -x ) = x A (1, 0, -1) Base E(8 = 0) = { = (1, 0, -1) } 8 2 = 1 [ Tampoco aquí es necesario filtrar ] œ ( x, y, z ) 0 E (8 = 1) Y ( x, y, z ) = y ( 0, 1, 0 ) Base E(8 = 1) = { = (0, 1, 0) } 8 3 = 4 [ Ni aquí ] œ ( x, y, z ) 0 E (8 = 4) Y ( x, y, z ) = ( z, 0, z ) = z ( 1, 0, 1) Base E(8 = 4) = { = (1, 0, 1) } < Podemos construir, ya, la matriz P / D = P -1 A A A P es diagonal Tomando el mismo orden en el que hemos operado : Tema :. Problemas Resueltos 12

13 Como D = P -1 A A A P Y operando matricialmente y, paso a paso : PA D = AA P Y PA DA P -1 = A Y A n = (P A D A P -1 ) n = = P A D A P -1 A P A D A P -1 A... AP A D A P -1 AP A D A P -1 = P A D n A P -1 ######## 6.- Dada la matriz Estudiar si es o no diagonalizable. En caso afirmativo, hallar la matriz regular P 0 M 4 / D = P -1 A A A P sea una matriz DIAGONAL. 6 Estudiemos sus elementos relativos a la diagonalizabilidad : 6 POLINOMIO CARACTERÍSTICO : Tema :. Problemas Resueltos 13

14 6 VALORES PROPIOS: 6 VECTORES PROPIOS: 8 1 = 2 Tema :. Problemas Resueltos 14

15 œ ( x, y, z, t ) 0 E (8 = 2) Y ( x, y, z, t ) = ( z - t, z, z, t ) = t A (-1, 0, 0, 1) + z A (1, 1, 1, 0) Base E(8 = 2) = { ( -1, 0, 0, 1), ( 1,1,1,0 ) } dim E ( 8 = 2 ) = 2 Conjunto de vectores propios asociados a 8 = 2 { x A( -1, 0, 0, 1) + y ( 1,1,1,0 ) / x, y 0 ú } - { (0, 0, 0, 0) } 8 2 = -1 œ ( x, y, z, t ) 0 E (8 = -1) Y ( x, y, z, t ) = ( -t, -z + t, z, t ) = t ( -1, 1, 0, 1 ) + z ( 0, -1, 1, 0 ) Base E(8 = -1) = { (-1, 1, 0, 1), ( 0, -1, 1, 0 ) } dim E ( 8 = -1) = 2 Conjunto de vectores propios asociados a 8 = -1 { x A( -1, 1, 0, 1) + y ( 0, -1, 1, 0 ) / x, y 0 ú } - { (0, 0, 0, 0) } 6 DIAGONALIZABILIDAD. 8 1 = 2 p 1 = 2 dim ( E (8 = 2) ) = 2 T 8 2 = -1 p 2 = 2 dim ( E (8 = -1) ) = 2 T Al cumplirse el criterio para ambos valores, la matriz es DIAGONALIZABLE. Tema :. Problemas Resueltos 15

16 6 MATRIZ REGULAR P. P = Con los autovectores obtenidos, los podemos tomar en el mismo orden, por ejemplo, formemos por columnas una matriz que será precisamente la matriz buscada. Es sencillo comprobar que se trata de una matriz REGULAR. ######## 7.- Sea f : ú 3 6 ú 3 un Endomorfismo del cual sabemos que es una Base de vectores propios. Hallar la matriz asociada a f en la base canónica de ú 3 B = { (1, 0, 0 ), ( 0, 1, 0), (0, 0, 1)} sabiendo que los valores propios asociados a la base de vectores propios, son, en este orden 8 1 = 3, 8 2 = -7, 8 3 = Tan sencillo como un paseo entre conceptos. Definamos cada vector propio con su valor propio asociado : Si llamamos A, a la matriz asociada a f en base canónica y escribimos matricialmente la relación anterior : Tema :. Problemas Resueltos 16

17 ######## 8. Sea f : ú 3 6 ú 3 un Endomorfismo del cual sabemos que B = { (2, 2, -1 ), ( 2, -1, 2), (-1, 2, 2) } es una base de ú 3 formada por vectores propios de f. También sabemos que: f -1 ( 0, 0, 7 ) = ( 5, 2, 5 ). Hallar la matriz asociada a f en la base canónica de ú 3 y definir el endomorfismo f. 6 Por dónde empezar?... Comencemos los datos del ejercicio. Sean 8 1, 8 2 y 8 3 los valores propios asociados a cada vector propio de la base: Por otro lado, si f -1 ( 0, 0, 7 ) = ( 5, 2, 5 ) Y f ( 5, 2, 5 ) = ( 0, 0, 7 ) Pero, si expresamos ( 5, 2, 5 ) = " (2, 2, -1) + $ ( 2, -1, 2 ) + ( ( -1, 2, 2 ) Y Tema :. Problemas Resueltos 17

18 ( 5, 2, 5 ) = 1 (2, 2, -1) + 2 ( 2, -1, 2 ) + 1 ( -1, 2, 2 ) Y Aplicando f a ambos lados Y f( 5, 2, 5 ) = f [1 (2, 2, -1) + 2 ( 2, -1, 2 ) + 1 ( -1, 2, 2 ) ] Como f es aplicación lineal : Y f( 5, 2, 5 ) = f (2, 2, -1) + 2 f( 2, -1, 2 ) + f( -1, 2, 2 ) Utilizando las relaciones anteriores : ( 0, 0, 7 ) = 8 1 (2, 2, -1) ( 2, -1, 2 ) ( -1, 2, 2 ) Utilizando las relaciones anteriores : Sabemos, pues, los valores propios del Endomorfismo y que éste es DIAGONALIZABLE con toda seguridad al ser todos los valores propios distintos. Si A es la matriz asociada a f en la base canónica de ú 3, aplicando la relación matricial de la DIAGONALIZACIÓN. A 6 la matriz buscada como D = P -1 A A A P Y A = P A D A P -1 Tema :. Problemas Resueltos 18

19 Operando matricialmente : y, ya que hemos hallado la matriz A, definamos el endomorfismo f : Operando y expresándolo como vector fila : ######## 9.- Estudiar la DIAGONALIZABILIDAD de la matriz en M 3 ( ). * Observemos que el cuerpo sobre el que operaremos será el cuerpo de los números complejos. 6 POLINOMIO CARACTERÍSTICO : 6 VALORES PROPIOS: P A (8) = 0 Y = 0. Tema :. Problemas Resueltos 19

20 Operando por el método de Ruffini: = 0 Y 8 2 = -1 Y = [ Observa que en el cuerpo de los números reales, la matriz A sólo tendría un valor propio real 8=3 y no sería diagonalizable ] Valores propios 6 VECTORES PROPIOS: 8 1 = 3 œ ( x, y, z ) 0 E (8 = 3) Y ( x, y, z ) = ( x, 0, 0 ) = x A (1, 0, 0) Base E(8 = 3) = { ( 1, 0, 0) } 8 2 = i œ ( x, y, z ) 0 E (8 = i) Y ( x, y, z ) = ( 0, y, ) = y A ( 0, 1, ) 8 3 = -i Base E(8 = i) = { (0, 5, 2 - i ) } Tema :. Problemas Resueltos 20

21 œ ( x, y, z ) 0 E (8 = -i) Y ( x, y, z ) = ( 0, y, ) = y A ( 0, 1, 2 + i ) Base E(8 = -i) = { (0, 5, 2 + i ) } 6 DIAGONALIZABILIDAD. Al tener sus tres valores propios distintos, la matriz A es DIAGONALIZABLE. 6 MATRIZ DE DIAGONALIZACIÓN. ######## 10. Estudiar la diagonabizabilidad de la matriz según valores de a 0 ú Tema :. Problemas Resueltos 21

22 6 Comencemos hallando el POLINOMIO CARACTERÍSTICO de la matriz A P A (8) = * A - 8I* = (1-8) 2 A (a - 8). Si P A (8) = 0 Y (1-8) 2 A (a - 8) = 0 Y Asignemos valores al parámetro "a " en función de los demás valores propios obtenidos : i) a = 1 En este caso, los valores propios de la matriz, son 8 1 = 1 p 1 = 3 Apliquemos el 2º criterio de DIAGONALIZABILIDAD : 6 Rang * A - I * = Rang 6 n - p 1 = 3-3 = 0 Y A no es diagonalizable ii) a 1 Ahora, los valores propios de la matriz son : 8 1 = 1 p 1 = = a p 2 = 1 Analizamos la diagonalizabilidad para el valor propio doble Rang ( A - I ) = Rang Consideremos el menor de orden 2 del que depende el Rango de ( A - I ) = a 2-3a + 2. Si a 2-3a + 2 = 0 Y Puesto que estamos en el caso a 1, estudiemos a = 2 ii.1 a = 2 Rang ( A - I ) = Rang = 1 Tema :. Problemas Resueltos 22

23 ii.2 a 2 Rang ( A - I ) = 2 Por otro lado n - p 1 = 3-2 = 1 Y si a = 2 Y A es DIAGONALIZABLE si a 2 Y A NO es DIAGONALIZABLE Resumiendo la discusión : si a = 1 Y A NO es DIAGONALIZABLE si a = 2 Y A es DIAGONALIZABLE si a 1, 2 Y A NO es DIAGONALIZABLE ######## Tema :. Problemas Resueltos 23

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

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

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales Ejercicios resueltos Ximo Beneyto PROBLEMAS RESUELTOS APLICACIONES LINEALES 1.Dada la aplicación f : ú 3 6 ú² / f(x, y, z) = (x+y-z, 2x+3z): 1.1. Probar que f es una aplicación lineal.

Más detalles

Diagonalización de matrices.

Diagonalización de matrices. Diagonalización de matrices. 1. Diagonalización de matrices. Definición 1.1 Sea A una matriz cuadrada,, decimos que es un autovalor de A si existe un vector no nulo tal que En esta situación decimos que

Más detalles

Objetivos formativos de Álgebra

Objetivos formativos de Álgebra Objetivos formativos de Álgebra Para cada uno de los temas el alumno debe ser capaz de hacer lo que se indica en cada bloque. Además de los objetivos que se señalan en cada tema, se considera como objetivo

Más detalles

ALGEBRA. Escuela Politécnica Superior de Málaga

ALGEBRA. Escuela Politécnica Superior de Málaga ALGEBRA. Escuela Politécnica Superior de Málaga Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Espacio vectorial. Espacios vectoriales R n. Dependencia e independencia lineal. Base. Matrices y determinantes.

Más detalles

Problemas de exámenes de Aplicaciones Lineales y Matrices

Problemas de exámenes de Aplicaciones Lineales y Matrices 1 Problemas de exámenes de Aplicaciones Lineales y Matrices 1. Consideramos f End(R n ), que tiene matriz A respecto la base canónica. Cuál de las siguientes afirmaciones es incorrecta? a) Si v es un vector

Más detalles

Sistemas de ecuaciones lineales dependientes de un parámetro

Sistemas de ecuaciones lineales dependientes de un parámetro Vamos a hacer uso del Teorema de Rouché-Frobenius para resolver sistemas de ecuaciones lineales de primer grado. En particular, dedicaremos este artículo a resolver sistemas de ecuaciones lineales que

Más detalles

ÁLGEBRA LINEAL II Algunas soluciones a la práctica 2.3

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

Más detalles

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

ETSI de Topografía, Geodesia y Cartografía

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

Más detalles

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

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

Más detalles

1 Aplicaciones lineales

1 Aplicaciones lineales UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Aplicaciones lineales y diagonalización. El objetivo principal de este tema será la obtención de una matriz diagonal

Más detalles

Esta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )

Esta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n ) Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder

Más detalles

Base y Dimensión de un Espacio Vectorial

Base y Dimensión de un Espacio Vectorial Base y Dimensión de un Espacio Vectorial 201 6Asturias: Red de Universidades Virtuales Iberoamericanas 1 Índice 1 Qué es un sistema generador?... 4 2 Base de un espacio vectorial... 4 3 Dimensión de un

Más detalles

Apéndice sobre ecuaciones diferenciales lineales

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

Más detalles

TEMA 11. Autovalores y autovectores. Diagonalización y formas canónicas.

TEMA 11. Autovalores y autovectores. Diagonalización y formas canónicas. TEMA 11 F MATEMÁTICOS TEMA 11 Autovalores y autovectores Diagonalización y formas canónicas 1 Introducción Definición 1 (Matrices semejantes) Sean A y B dos matrices cuadradas de orden n Decimos que A

Más detalles

Sistemas de ecuaciones lineales

Sistemas de ecuaciones lineales Sistemas de ecuaciones lineales 1. Estudiar el sistema de ecuaciones según los valores del parámetro a. ax + y + z = a x y + z = a 1 x + (a 1)y + az = a + 3 Resolverlo (si es posible) para a = 1. (Junio

Más detalles

un conjunto cuyos elementos denominaremos vectores y denotaremos por es un espacio vectorial si verifica las siguientes propiedades:

un conjunto cuyos elementos denominaremos vectores y denotaremos por es un espacio vectorial si verifica las siguientes propiedades: CAPÍTULO 2: ESPACIOS VECTORIALES 2.1- Definición y propiedades. 2.1.1-Definición: espacio vectorial. Sea un cuerpo conmutativo a cuyos elementos denominaremos escalares o números. No es necesario preocuparse

Más detalles

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

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

Más detalles

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

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

Más detalles

Tema 3: Sistemas de ecuaciones lineales

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

Más detalles

Tema 1: MATRICES. OPERACIONES CON MATRICES

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

Más detalles

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

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

Más detalles

Diagonalización de matrices, Semejanza.

Diagonalización de matrices, Semejanza. para cada i de 1 a n. Cuando se encuentra un número real l y un vector no nulo x que verifican la relpractica6.nb 1 Diagonalización de matrices, Semejanza. Introducción Si A es una matriz real cuadrada

Más detalles

EJERCICIOS DE ÁLGEBRA LINEAL TEMA 1 ESPACIOS VECTORIALES

EJERCICIOS DE ÁLGEBRA LINEAL TEMA 1 ESPACIOS VECTORIALES EJERCICIOS DE ÁLGEBRA LINEAL TEMA ESPACIOS VECTORIALES Formas reducidas y escalonada de una matriz SISTEMAS DE ECUACIONES LINEALES ) Encuentre una sucesión de matrices elementales E, E,..., E k tal que

Más detalles

RESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES

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

Más detalles

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

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

Más detalles

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

ACTIVIDADES SELECTIVIDAD MATRICES

ACTIVIDADES SELECTIVIDAD MATRICES ACTIVIDADES SELECTIVIDAD MATRICES Ejercicio 1 Para qué valores de m tiene solución la ecuación matricial? (b) Resuelve la ecuación matricial dada para. Ejercicio 2 Siendo I la matriz identidad de orden

Más detalles

Matemáticas I Grado de Administración y Dirección de Empresas Examen de Febrero Curso 2011/ ?

Matemáticas I Grado de Administración y Dirección de Empresas Examen de Febrero Curso 2011/ ? Matemáticas I Grado de Administración y Dirección de Empresas Examen de Febrero Curso 011/1 1) (1 punto) Dado el subespacio vectorial,,,,,,,,,,, a) Obtener la dimensión, unas ecuaciones implícitas, unas

Más detalles

Sistem as de ecuaciones lineales

Sistem as de ecuaciones lineales Sistem as de ecuaciones lineales. Concepto, clasificación y notación Un sistema de m ecuaciones lineales con n incógnitas se puede escribir del siguiente modo: a x + a 2 x 2 + a 3 x 3 + + a n x n = b a

Más detalles

1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS

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

Más detalles

A c) Determinantes. Ejercicio 1. Calcula los siguientes determinantes:

A c) Determinantes. Ejercicio 1. Calcula los siguientes determinantes: Determinantes 1. Contenido 1.1 Determinantes de orden 1, 2 y 3. 1.2 Menor complementario. Matriz adjunta. 1.3 Propiedades de los determinantes. 1.4 Determinantes de orden n. 1.5 Cálculo de determinantes

Más detalles

Espacios vectoriales y aplicaciones lineales

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

Más detalles

EJERCICIOS REPASO 2ª EVALUACIÓN

EJERCICIOS REPASO 2ª EVALUACIÓN MATRICES Y DETERMINANTES 1.) Sean las matrices: EJERCICIOS REPASO 2ª EVALUACIÓN a) Encuentre el valor o valores de x de forma que b) Igualmente para que c) Determine x para que 2.) Dadas las matrices:

Más detalles

MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES

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

Más detalles

Trabajo Práctico N 5: ESPACIOS VECTORIALES. Ejercicio 1:

Trabajo Práctico N 5: ESPACIOS VECTORIALES. Ejercicio 1: 6 Trabajo Práctico N 5: ESPACIOS VECTORIALES Ejercicio : Determine si los siguientes conjuntos con las operaciones definidas en cada caso son o no espacios vectoriales. Para aquellos que no lo sean, indique

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

Sistemas lineales con parámetros

Sistemas lineales con parámetros 4 Sistemas lineales con parámetros. Teorema de Rouché Piensa y calcula Dado el siguiente sistema en forma matricial, escribe sus ecuaciones: 3 0 y = 0 z + y 3z = 0 y = Aplica la teoría. Escribe los siguientes

Más detalles

RESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES

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

Más detalles

(Soluc: a) 30; b) -66; c) 0; d) 0; e) 0; f) 0; g) 2; h) -50; i) 0; j) 0; k) 0; l) 0)

(Soluc: a) 30; b) -66; c) 0; d) 0; e) 0; f) 0; g) 2; h) -50; i) 0; j) 0; k) 0; l) 0) 53 EJERCICIOS de DETERMINANTES º BACH. Cálculo de determinantes. Propiedades: 1. Calcular los siguientes determinantes de orden : a) 7 1 b) 4 11 4 6 0 c) 0 0 3 1 d) 3 7 3 7 e) 7 1 4 1 f) 33 55 3 5 g) 13

Más detalles

MATRICES. Rango de una matriz. Matriz Inversa. Determinante de una matriz cuadrada. Sistemas de Ecuaciones Lineales. Nociones de espacios vectoriales

MATRICES. Rango de una matriz. Matriz Inversa. Determinante de una matriz cuadrada. Sistemas de Ecuaciones Lineales. Nociones de espacios vectoriales MATRICES Rango de una matriz Matriz Inversa Determinante de una matriz cuadrada Sistemas de Ecuaciones Lineales Nociones de espacios vectoriales MATRICES -DEFINICIÓN DE MATRIZ. -ALGUNOS TIPOS DE MATRICES.

Más detalles

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

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

Más detalles

Ecuaciones diferenciales de orden superior

Ecuaciones diferenciales de orden superior CAPÍTULO 4 Ecuaciones diferenciales de orden superior 4.5 Obtención de una ecuación diferencial asta ahora el problema tratado ha sido: Obtener la solución general de una ED lineal homogénea con coeficientes

Más detalles

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

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

Más detalles

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

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

Más detalles

1. RANGO DE UNA MATRIZ

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

Más detalles

DETERMINANTES Profesor: Fernando Ureña Portero

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

Más detalles

Matrices 1. Se denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.

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

Más detalles

Teoría Tema 9 Ecuaciones del plano

Teoría Tema 9 Ecuaciones del plano página 1/11 Teoría Tema 9 Ecuaciones del plano Índice de contenido Determinación lineal de un plano. Ecuación vectorial y paramétrica...2 Ecuación general o implícita del plano...6 Ecuación segmentaria

Más detalles

Espacios Vectoriales, Valores y Vectores Propios

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

Más detalles

ECUACIONES.

ECUACIONES. . ECUACIONES... Introducción. Recordemos que el valor numérico de un polinomio (y, en general, de cualquier epresión algebraica) se calcula sustituyendo la/s variable/s por números (que, en principio,

Más detalles

Tema 2: Determinantes

Tema 2: Determinantes Tema 2: Determinantes 1. Introducción En este tema vamos a asignar a cada matriz cuadrada de orden, un número real que llamaremos su determinante y escribiremos. Vamos a ver cómo se calcula. Consideremos

Más detalles

Conferencia clase. Al desacoplar las ecuaciones se tiene. Sistemas de ecuaciones diferenciales lineales usando álgebra lineal

Conferencia clase. Al desacoplar las ecuaciones se tiene. Sistemas de ecuaciones diferenciales lineales usando álgebra lineal Conferencia clase Al desacoplar las ecuaciones se tiene stemas de ecuaciones diferenciales lineales usando álgebra lineal Contenido. 1. stemas de ecuaciones diferenciales de primer orden. 2. Forma matricial

Más detalles

Sistemas de ecuaciones lineales

Sistemas de ecuaciones lineales Sistemas de ecuaciones lineales TIPOS DE SISTEMAS. DISCUSIÓN DE SISTEMAS. Podemos clasificar los sistemas según el número de soluciones: Incompatible. No tiene solución Compatible. Tiene solución. Compatible

Más detalles

CONCEPTOS BÁSICOS DE ESPACIOS VECTORIALES Alumno. Cristina Mª Méndez Suero

CONCEPTOS BÁSICOS DE ESPACIOS VECTORIALES Alumno. Cristina Mª Méndez Suero Fundamento Científico del Currículum de Matemáticas en Enseñanza Secundaria CONCEPTOS BÁSICOS DE ESPACIOS VECTORIALES Alumno. Cristina Mª Méndez Suero ESPACIOS VECTORIALES DEFINICIÓN... 1 PROPIEDADES DE

Más detalles

Tema 1: Espacios vectoriales

Tema 1: Espacios vectoriales PROBLEMAS DE MATEMÁTICAS Parte I: Álgebra Primero de Ingeniería Química FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha Tema 1: Espacios vectoriales 1 Determina

Más detalles

EJERCICIOS RESUELTOS DE SISTEMAS LINEALES

EJERCICIOS RESUELTOS DE SISTEMAS LINEALES EJERCICIOS RESUELTOS DE SISTEMAS LINEALES 1. Dado el sistema de ecuaciones lineales: 2x + 3y 3 4x +5y 6 a) Escribir la expresión matricial del sistema. b) Discutir el sistema. c) Resolver el sistema por

Más detalles

Tema 1. Espacios Vectoriales Definición de Espacio Vectorial

Tema 1. Espacios Vectoriales Definición de Espacio Vectorial Tema 1 Espacios Vectoriales. 1.1. Definición de Espacio Vectorial Notas 1.1.1. Denotaremos por N, Z, Q, R, C, a los conjuntos de los números Naturales, Enteros, Racionales, Reales y Complejos, respectivamente.

Más detalles

i05matrices.nb Matrices

i05matrices.nb Matrices i05matrices.nb 1 0.5 Matrices Lo primero que necesitamos es la forma en que se escriben las matrices en Mathematica. Recordemos que cada fila corresponde a una lista y que los elementos de ésta van entre

Más detalles

Diagonalización simultánea de formas cuadráticas.

Diagonalización simultánea de formas cuadráticas. Diagonalización simultánea de formas cuadráticas Lucía Contreras Caballero 14-4-2004 Dadas dos formas cuadráticas, si una de ellas es definida positiva, se puede encontrar una base en la que las dos diagonalizan

Más detalles

λ = es simple se tiene que ( )

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

Más detalles

EJERCICIOS DE DETERMINANTES

EJERCICIOS DE DETERMINANTES EJERCICIOS DE 1) Si m n = 5, cuál es el valor de cada uno de estos determinantes? Justifica las p q respuestas: 2) Resuelve las siguientes ecuaciones: 3) Calcula el valor de estos determinantes: 4) Halla

Más detalles

Ecuaciones matriciales AX = B y XA = B. Cálculo de la matriz inversa

Ecuaciones matriciales AX = B y XA = B. Cálculo de la matriz inversa Ecuaciones matriciales AX = B y XA = B Cálculo de la matriz inversa Objetivos Aprender a resolver ecuaciones matriciales de la forma AX = B y XA = B Aprender a calcular la matriz inversa con la eliminación

Más detalles

UNIDAD 7: MATRICES Y DETERMINANTES

UNIDAD 7: MATRICES Y DETERMINANTES UNIDAD 7: MATRICES Y DETERMINANTES En la presente unidad estudiaremos un tema muy importante dentro de la carrera de Informática como son las matrices y determinantes, conocimiento que tiene aplicación

Más detalles

Trabajo Práctico N 5: ESPACIOS VECTORIALES

Trabajo Práctico N 5: ESPACIOS VECTORIALES Trabajo Práctico N 5: ESPACIOS VECTORIALES Ejercicio 1: Determine si los siguientes conjuntos con las operaciones definidas en cada caso son o no espacios vectoriales. Para aquellos que no lo sean, indique

Más detalles

EJERCICIOS RESUELTOS DE DERIVADAS DE UNA FUNCIÓN REAL

EJERCICIOS RESUELTOS DE DERIVADAS DE UNA FUNCIÓN REAL EJERCICIOS RESUELTOS DE DERIVADAS DE UNA FUNCIÓN REAL Estudiar la continuidad y derivabilidad de las siguientes funciones y escribir su función derivada: si < ( ) f 7 si < 7 si b) f c) f La función f(

Más detalles

COLEGIO UNIVERSITARIO CARDENAL CISNEROS. Libro de Ejercicios de Matemáticas Empresariales II

COLEGIO UNIVERSITARIO CARDENAL CISNEROS. Libro de Ejercicios de Matemáticas Empresariales II COLEGIO UNIVERSITARIO CARDENAL CISNEROS Libro de Ejercicios de Matemáticas Empresariales II Manuel León Navarro 2 Capítulo 1 Ejercicios lección 1 1. Sea el conjunto de las matrices cuadradas de orden 2

Más detalles

RESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES

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

Más detalles

Espacios Vectoriales Asturias: Red de Universidades Virtuales Iberoamericanas 1

Espacios Vectoriales Asturias: Red de Universidades Virtuales Iberoamericanas 1 Espacios Vectoriales 201 6Asturias: Red de Universidades Virtuales Iberoamericanas 1 Índice 1 Espacios Vectoriales... 4 1.1 Definición de espacio vectorial... 4 1.2 Definición de subespacio vectorial...

Más detalles

3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE

3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE 3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE ECUACIONES LINEALES Y MATRICES COMPLEMENTOS PARA LA FORMACIÓN DISCIPLINAR EN MATEMÁTICAS Curso 2011-2012 3.1.1. Resolución de sistemas de ecuaciones lineales. Método

Más detalles

Matrices, determinantes, sistemas de ecuaciones lineales.

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

Más detalles

TEMA 6. Ángulos, distancias, simetrías Problemas Resueltos

TEMA 6. Ángulos, distancias, simetrías Problemas Resueltos Matemáticas II (Bachillerato de Ciencias) Soluciones de los problemas propuestos Tema 6 88 Ángulos entre rectas y planos TEMA 6 Ángulos, distancias, simetrías Problemas Resueltos Dadas las rectas r y s

Más detalles

Solución de Sistemas de Ecuaciones Diferenciales Lineales

Solución 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 detalles

Teoría Tema 8 Determinante de una matriz cuadrada de orden 1, 2 y 3

Teoría Tema 8 Determinante de una matriz cuadrada de orden 1, 2 y 3 página 1/5 Teoría Tema 8 Determinante de una matriz cuadrada de orden 1, 2 y 3 Índice de contenido Qué es un determinante de una matriz cuadrada y que aplicación tendrá?...2 Determinante de una matriz

Más detalles

Problemas de Espacios Vectoriales

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

Más detalles

TEMA 3 SISTEMAS DE ECUACIONES LINEALES

TEMA 3 SISTEMAS DE ECUACIONES LINEALES TEM SISTEMS DE ECUCIONES LINELES. Sistemas de ecuaciones lineales. Epresión matricial. Ejemplo Epresa en forma matricial los siguientes sistemas de ecuaciones lineales: 9 5, Solution is: 9, 9 Se trata

Más detalles

Descomposición en valores singulares de una matriz

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

Más detalles

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

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

Más detalles

I. Operaciones con matrices usando Mathematica

I. Operaciones con matrices usando Mathematica PRÁCTICA 9: RESOLUCIÓN DE SISTEMAS LINEALES II I. Operaciones con matrices usando Mathematica Introducir matrices en Mathematica: listas y escritura de cuadro. Matrices identidad y diagonales. El programa

Más detalles

1 0 4/ 5 13/

1 0 4/ 5 13/ 1 1 1 7 1 0 4/ 5 13/ 5 R1 R 1+1/5R3 0 0 0 2 R2 R3 0 5 9 22 0 5 9 22 0 0 0 2 Como la matriz tiene un renglón (0, 0, 0, 2) indica que el sistema no tiene solución ya que no existe un número que sea 2 y al

Más detalles

Se llama adjunto de un elemento de una matriz A, al número resultante de multiplicar por el determinante de la matriz complementaria

Se llama adjunto de un elemento de una matriz A, al número resultante de multiplicar por el determinante de la matriz complementaria T.3: MATRICES Y DETERMINANTES 3.1 Determinantes de segundo orden Se llama determinante de a: 3.2 Determinantes de tercer orden Se llama determinante de a: Ejercicio 1: Halla los determinantes de las siguientes

Más detalles

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

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

Más detalles

2 = 1 0,5 + = 0,5 c) 3 + = = 2

2 = 1 0,5 + = 0,5 c) 3 + = = 2 Trabajo Práctico N : SISTEMAS DE ECUACIONES LINEALES Ejercicio : Resuelva los siguientes sistemas de ecuaciones lineales empleando cuando sea posible: i) Método matricial. ii) Regla de Cramer. Interprete

Más detalles

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

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

Más detalles

EJERCICIOS DE SELECTIVIDAD LOGSE en EXTREMADURA MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES

EJERCICIOS DE SELECTIVIDAD LOGSE en EXTREMADURA MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES EJERCICIOS DE SELECTIVIDAD LOGSE en EXTREMADURA MATRICES DETERMINANTES Y SISTEMAS DE ECUACIONES JUNIO 06/07. a) Calcula el rango de la matriz A según los valores del parámetro a 3 a A = 4 6 8 3 6 9 b)

Más detalles

ECUACIONES POLINÓMICAS CON UNA INCÓGNITA

ECUACIONES POLINÓMICAS CON UNA INCÓGNITA Unidad didáctica. Ecuaciones, inecuaciones y sistemas de ecuaciones e inecuaciones ECUACIONES POLINÓMICAS CON UNA INCÓGNITA Las ecuaciones polinómicas son aquellas equivalentes a una ecuación cuyo primer

Más detalles

MATRICES DETERMINANTES

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

Más detalles

MATEMÁTICAS 2º BACH TECNOL. MATRICES. Profesor: Fernando Ureña Portero MATRICES

MATEMÁTICAS 2º BACH TECNOL. MATRICES. Profesor: Fernando Ureña Portero MATRICES CONCEPTO DE MATRIZ Definición: Se denomina matriz A o (a ij ) a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas : Columnas Filas Elemento a ij : Cada uno

Más detalles

PROGRAMA INSTRUCCIONAL

PROGRAMA INSTRUCCIONAL UNIVERSIDAD FERMÍN TORO VICE RECTORADO ACADÉMICO FACULTAD DE INGENIERÍA PROGRAMA INSTRUCCIONAL DATOS BÁSICOS DE LA ASIGNATURA Nombre de la asignatura: Código Semestre U.C. Pre- Requisito ALGEBRA LINEAL

Más detalles

Construcción de bases en la suma y la intersección de subespacios (ejemplo)

Construcción de bases en la suma y la intersección de subespacios (ejemplo) Construcción de bases en la suma y la intersección de subespacios (ejemplo) Objetivos Aprender a construir bases en S + S y S S, donde S y S están dados como subespacios generados por ciertos vectores

Más detalles

PROGRAMA INSTRUCCIONAL ÁLGEBRA LINEAL

PROGRAMA INSTRUCCIONAL ÁLGEBRA LINEAL UNIVERSIDAD FERMIN TORO VICE RECTORADO ACADEMICO UNIVERSIDAD FACULTAD DE INGENIERIA ESCUELA DE MANTENIMIENTO MECÁNICO ESCUELA DE TELECOMUNICACIONES ESCUELA DE ELÉCTRICA ESCUELA DE COMPUTACIÓN PROGRAMA

Más detalles

CAPÍTULO 3: DETERMINANTES Y SISTEMAS DE ECUACIONES

CAPÍTULO 3: DETERMINANTES Y SISTEMAS DE ECUACIONES CAPÍTULO 3: DETERMINANTES Y SISTEMAS DE ECUACIONES Parte A: determinantes. A.1- Definición. Por simplificar, consideraremos que a cada matriz cuadrada se le asocia un número llamado determinante que se

Más detalles

Sistemas lineales homogéneos

Sistemas lineales homogéneos Lección 9 Sistemas de ecuaciones diferenciales lineales con coeficientes constantes 1 Sistemas lineales homogéneos Estudiaremos los sistemas de la forma x (t) = Ax(t) + b(t) Sistemas homogéneos: x = Ax

Más detalles

Tema II. Capítulo 5. Aplicaciones bilineales y formas cuadráticas.

Tema II. Capítulo 5. Aplicaciones bilineales y formas cuadráticas. Tema II Capítulo 5 Aplicaciones bilineales y formas cuadráticas Álgebra Departamento de Métodos Matemáticos y de Representación UDC 5 Aplicaciones bilineales y formas cuadráticas o simplemente f( x, ȳ)

Más detalles

8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES.

8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES. Prácticas de Matemáticas I y Matemáticas II con DERIVE-5 6 8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES. 8.. DEPENDENCIA E INDEPENDENCIA LINEAL DE VECTORES. COMBINACIÓN LINEAL. EJEMPLO 8.. Estudiar

Más detalles

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

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

Más detalles

Introducción a los espacios vectoriales

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

Más detalles

UNIDAD 10: ECUACIONES DE SEGUNDO GRADO.

UNIDAD 10: ECUACIONES DE SEGUNDO GRADO. UNIDAD 10: ECUACIONES DE SEGUNDO GRADO. 10.1 Estudio elemental de la ecuación de segundo grado. Expresión general. 10.2 Resolución de ecuaciones de segundo grado completas e incompletas. 10.3 Planteamiento

Más detalles