AP = A p 1 p 2 p n = Ap 1 Ap 2. λ 1 p 21 λ 2 p 22 λ n p 2n. .. = λ 1 p 1 λ 2 p 2
|
|
- Isabel Aguilera Pereyra
- hace 6 años
- Vistas:
Transcripción
1 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 de cuándo es posible encontrar una base de V respecto de la cuál la matriz de f sea diagonal Si A es la matriz del operador f con respecto a una determinada base B, el planteamiento anterior es equivalente a preguntarse cuándo existe un cambio de base tal que la matriz del operador en la nueva base B sea diagonal Esa nueva matriz viene dada por P AP, donde P es la matriz de paso de la nueva base B a la base B (Teorema de Semejanza Problema de la diagonalización ortogonal Dado un operador lineal f sobre un espacio vectorial V con producto interior, nos planteamos el problema de cuándo es posible encontrar una base ortonormal de V respecto de la cuál la matriz de f sea diagonal Si V es un espacio con producto interior y las bases son ortonormales entonces se tendrá que P será ortogonal Podemos pues formular los dos problemas anteriores en términos de matrices - Dada una matriz cuadrada A, existe una matriz P inversible tal que P AP sea diagonal? 2- Dada una matriz cuadrada A, existe una matriz ortogonal P tal que P t AP sea diagonal? Definición 42- Se dice que una matriz A cuadrada es diagonalizable si existe una matriz P inversible tal que P AP es diagonal En ese caso se dice que P diagonaliza a la matriz A Si existe una matriz ortogonal P tal que P AP es diagonal, entonces se dice que A es diagonalizable ortogonalmente y que P diagonaliza ortogonalmente a A 62 Valores y vectores propios Supongamos que la matriz A n n es diagonalizable y sea D la matriz diagonal Entonces: P inversible tal que P AP = D o, equivalentemente, P inversible tal que AP = P D Si denotamos por p, p 2,, p n a las columnas de P, las matrices son ( ( AP = A p p 2 p n = Ap Ap 2 Ap n p p 2 p n λ 0 0 λ p λ 2 p 2 λ n p n p 2 p 22 p 2n 0 λ 2 0 P D = = λ p 2 λ 2 p 22 λ n p 2n ( = λ p λ 2 p 2 λ n p n p n p n2 p nn 0 0 λ n λ p n λ 2 p n2 λ n p nn y, como son iguales: Ap i = λ i p i, para todo i =,, n Es decir, han de existir n vectores linealmente independientes p i (P es inversible y n números λ i que lo verifiquen Definición 43- Si A es una matriz de orden n, diremos que λ es un valor propio, valor característico, eigenvalor o autovalor de A si existe algún p IR n, p 0, tal que Ap = λp Del vector p diremos que es un vector propio, vector característico, eigenvector o autovector de A correspondiente al valor propio λ
2 Matemáticas I 62 Diagonalización Del comentario anterior, obtenemos la primera caracterización para la diagonalización de la matriz: Teorema 44- Sea A una matriz de orden n, entonces: A es diagonalizable A tiene n vectores propios linealmente independientes Por lo anterior, se tiene que: A es una matriz diagonalizable P inversible y D diagonal tal que AP = P D P inversible y D diagonal tal que ( Ap Ap 2 Ap n AP = = ( λ p λ 2 p 2 λ n p n = P D existen n vectores linealmente independientes tales que Ap = λ p,, Ap n = λ n p n A tiene n vectores propios linealmente independientes En consecuencia, el problema de la diagonalización se reduce a la busqueda de los vectores propios de la matriz, y comprobar si de entre ellos pueden tomarse n linealmente independientes 62 Diagonalización La primera simplificación de la búsqueda se produce, no sobre los vectores propios, sino sobre los autovalores correspondientes: Teorema 4- Si A es una matriz de orden n, las siguientes proposiciones son equivalentes: a λ es un valor propio de A b El sistema de ecuaciones (λi Ax = 0 tiene soluciones distintas de la trivial c det(λi A = 0 λ es un valor propio de A existe un vector x IR n, x 0, tal que Ax = λx el sistema λx Ax = (λi Ax = 0 tiene soluciones distintas de la trivial λi A = 0 Definición 46- Sea A una matriz de orden n Al polinomio en λ de grado n, P(λ = λi A, se le denomina polinomio característico de la matriz A Si λ un valor propio { de A, llamaremos } espacio característico de A correspondiente a λ al conjunto V (λ = x : (λi Ax = 0 Es decir, V (λ es el conjunto formado por todos los vectores propios de A correspondientes a λ, más el vector cero Así pues, los autovalores son las raices del polinomio carácterístico y los vectores propios, los vectores distintos de cero del espacio característico asociado Observación: V (λ es un subespacio (es el conjunto de soluciones de un sistema homogéneo y dim V (λ : si λ es valor propio de A, existe x 0 en V (λ, luego lin{x} V (λ y = dim(lin{x} dim V (λ Antes de seguir: en el estudio realizado hasta ahora, hemos buscado la diagonalización de matrices, separándolo del operador lineal que aparece en el planteamiento inicial del problema Sin embargo, todo lo anterior (y lo siguiente es válido y aplicable en los términos del operador Pueden verse los resultados que lo justifican en el Anexo Sigamos, con un ejemplo
3 6 Matemáticas I 62 Diagonalización Ejemplo- Sea A = λi A = los autovalores de A son las raices del polinomio 0 0 λ λ λ = (λ λ λ = (λ 2 (λ + 2 luego λ = y λ 2 = 2 Y sus espacios característicos V ( y V ( 2 serán, respectivamente las soluciones de los sistemas: 3 0 x 0 0 x (I A x = 0 0 y = 0 y (( 2I A x = 3 0 y = z z Como rg(i A = 2, la dim V ( = 3 2 = y rg(( 2I A = 2, la dim V ( 2 = 3 2 = Resolviendo ambos sistemas, V ( = {(0, y, 0 : y IR} = lin{(0,, 0} y V ( 2 = {( 3y, y, 0 : y IR} = lin{( 3,, 0} Como puede comprobarse, los vectores de V ( y V ( 2 verifican la condición A x = λx : t 6t 0 t = t = t 0 t = 2t = ( es decir, que todos los que son distintos de cero son vectores propios Teorema 47- Sean v, v 2,, v k vectores propios de una matriz A asociados a los valores propios λ, λ 2,, λ k respectivamente, siendo λ i λ j, i j Entonces el conjunto de vectores {v, v 2,, v k } es linealmente independiente Corolario 48- Una matriz de orden n con n autovalores distintos, es diagonalizable Si la matriz tiene n autovalores distintos λ, λ 2,, λ n y de cada espacio característico V (λ k podemos tomar un vector propio v k 0, tenemos n vectores propios, v, v 2,, v n que son, por el resultado anterior, linealmente independientes Ejemplo- Sea A 2 = λi A 2 = los autovalores de A 2 son las raices del polinomio 0 0 λ λ λ = (λ λ λ + = (λ (λ + 2(λ + luego λ =, λ 2 = y λ 3 = 2 Y sus espacios característicos V (, V ( y V ( 2 serán, respectivamente las soluciones de (I A 2 x = 0, ( I A 2 x = 0 y ( 2I A 2 x = 0 : 3 0 x 0 x 0 0 x 2 0 y = y = 0 y 0 y = z z z Resolviendolos: V ( = lin{( 3, 6, }, V ( = lin{(0,, 0} y V ( 2 = lin{(,, 0} Luego A 2 P = = con P inversible ( P = 0, por lo que A 2 diagonaliza = t t 0 = P D
4 7 Matemáticas I 62 Diagonalización Proposición 49- Sea A de orden n y λ j un autovalor de A de multiplicidad m j Entonces dim V (λ j m j Ejemplo- Los autovalores de la matriz A (de un ejemplo anterior son: λi A = λ λ λ = (λ λ λ = (λ 2 (λ + 2 luego λ =, con m = 2, y λ 2 = 2, con m 2 = Se tiene pues dim V ( 2 = m y dim V ( 2 = m 2 = dim V ( 2 = y, como rg(i A = 2, la dim V ( = 3 2 = Luego se cumple que = dim V ( < 2 Observación: Los dos resultados anteriores, el Teorema 47 y la Proposición 49, nos dan la clave para la diagonalización Los n vectores propios linealmente independientes sólo pueden obtenerse de los espacios característicos, V (λ i, y de cada uno de ellos sólo pueden obtenerse dim V (λ i vectores linealmente independientes, que a su vez serán linealmente independientes con los de los espacios característicos asociados a otros autovalores Luego podremos conseguir, a lo más, dim V (λ + dim V (λ dim V (λ k Como sabemos que vectores propios linealmente independientes dim V (λ + dim V (λ dim V (λ k m + m m k n la matriz será diagonalizable si las dos desigualdades anteriores son igualdades Es decir, si dim V (λ + dim V (λ dim V (λ k = m + m m k = n Esto es lo que se recoge en el Teorema fundamental de la diagonalización siguiente: Teorema fundamental de la diagonalización 0- Sea A una matriz de orden n Entonces A es diagonalizable si y sólo si se cumplen las condiciones: - El polinomio característico tiene n raices reales Es decir, λi A = (λ λ m (λ λ k m k con m + m m k = n 2- Para cada espacio característico V (λ i, se cumple que dim V (λ i = m i Ejemplo- La matriz A del ejemplo anterior no diagonaliza, pues λ =, con m = 2, y λ 2 = 2, con m 2 =, pero dim V ( + dim V ( 2 = + < m + m 2 = 2 + = 3 Sin embargo la matriz A 3, que damos debajo, si diagonaliza, pues sus autovalores son λ λ λi A 3 = λi = λ = (λ λ = (λ 2 (λ λ luego λ =, con m = 2, y λ 2 = 2, con m 2 = (luego dim V ( 2 y dim V ( 2 = Y dim V ( = 3 rg(i A 3 = 3 rg 0 = 3 = por lo que dim V ( + dim V ( 2 = 2 + = m + m 2 = 2 + = 3 y A 3 diagonaliza
5 8 Matemáticas I 63 Diagonalización ortogonal Además, resolviendo los sistemas, x (I A 3 x = 0 y z = 0 y (( 2I A 3 x = se obtiene que: V ( = lin{(0,, 0, (, 0, } y V ( 2 = lin{( 3,, 0} por lo que A 3 P = 0 = 0 2 = = P D con P inversible ( P = Diagonalización ortogonal Teorema - Sea A una matriz de orden n, entonces son equivalentes: - A es diagonalizable ortogonalmente 2- A tiene un conjunto de n vectores propios ortonormales x y = 0 z Es identica a la del teorema análogo para diagonalización, teniendo en cuenta que P es una matriz ortogonal sus vectores columna forman un conjunto ortonormal Lema 2- Si A es una matriz simétrica, entonces los vectores propios que pertenecen a valores propios distintos son ortogonales Sean λ y λ 2 valores propios distintos de una matriz simétrica A y sean u y v vectores propios correspondientes a λ y λ 2 respectivamente Entonces, son iguales los valores u t Av = u t (Av = u t (λ 2 v = λ 2 u t v u t Av = (u t Av = (u t A t v = (Au t v = (λ u t v = λ u t v luego (λ λ 2 u t v = 0 y como λ λ 2, se tiene que u t v = 0 Teorema fundamental de la diagonalización ortogonal 3- Una matriz A de orden n es diagonalizable ortogonalmente si y sólo si A es simétrica Ejemplo- La matriz A = λi A = λ λ λ , por ser simétrica, diagonaliza ortogonalmante: λ = (λ λ = (λ + 3(λ2 + λ 6 = (λ (λ 2 luego λ = 3, con m = 2, y λ 2 = 2, con m 2 = (luego dim V ( 3 = 2 y dim V (2 = Y resolviendo los sistemas, ( 3I Ax = 0 y (2I Ax = 0, se tiene { ( } {( } 2 V ( 3 = lin{(0,, 0, ( 2, 0, } = lin (0,, 0,, 0, y V (2 = lin{(, 0, 2} = lin 2, 0, por lo que AP = = = = P D con P ortogonal (P P t = I
6 9 Matemáticas I 64 Ejercicios 64 Ejercicios 698 Hallar las ecuaciones características, los valores propios y bases de los espacios característicos de las siguientes matrices: a ( b c ( ( a b 2c a + c 699 Sea T : M 2 2 M 2 2 el operador lineal dado por: T = c d b 2c d Hallar los valores propios de T y bases para los subespacios característicos de T 600 Demostrar que λ = 0 es un valor propio de una matriz A si y sólo si A es no inversible 60 Probar que el término constante del polinomio característico P (λ = λi A de una matriz A de orden n es ( n det(a 602 Demostrar que si λ es un valor propio de A entonces λ 2 es un valor propio de A 2 Demostrar por inducción que, en general, λ n es un valor propio de A n, n IN 603 Estudiar si son o no diagonalizables las siguientes matrices y en caso de que lo sean hallar una matriz P tal que P AP = D con D matriz diagonal: ( a b c Sea T : IR 3 IR 3 el operador lineal T x x 2 x 3 = IR 3 respecto de la cual la matriz de T sea diagonal 2x x 2 x 3 x x 3 x + x 2 + 2x 3 Hallar una base de 60 Sea P [X] el espacio de los polinomios de grado menor o igual a Sea T : P [X] P [X] el operador lineal T (a 0 + a X = a 0 + (6a 0 a X Hallar una base de P [X] respecto de la cual la matriz de T sea diagonal 606 Sea A una matriz de orden n y P una matriz inversible de orden n Demostrar por inducción que (P AP k = P A k P, k IN ( Calcular A 40 siendo A = Estudiar la diagonalizabilidad de la matriz A, dada en función de los parámetros a y b, siendo 0 0 A = 0 a En los casos posibles diagonalizarla 3 0 b 609 Hallar una matriz P que diagonalice ortogonalmente a A y calcular P AP para cada una de las siguientes matrices: a ( b 2 2 c
7 60 Matemáticas I 64 Ejercicios 60 Sea A una matriz de orden n Probar que A y A t tienen los mismos valores propios 6 Sea A una matriz de orden n inversible, demostrar que los valores propios de A son los inversos de los valores propios de A 62 Sea A una matriz de orden n ortogonal, probar que todos los valores propios de A son uno o menos uno 63 Se sabe que (, 0, 0, (,, 0, (0,, 0 y (0, 0, son vectores propios de una matriz de orden 3 y que hay vectores de IR 3 que no lo son Calcular todos los vectores propios de la matriz { un = 3u 64 Se dan las siguientes ecuaciones de recurrencia: n + 3v n Utilizar la diagonalización para calcular u n y v n en función de n, sabiendo que u 0 = v 0 = v n = u n + v n 6 Los dos primeros términos de una sucesión son a 0 = 0 y a = Los términos siguientes se generan a partir de a k = 2a k + a k 2 ; k 2 Hallar a El propietario de una granja para la cría de conejos observó en la reproducción de éstos que: (i Cada pareja adulta (con capacidad reproductora tiene una pareja de conejos cada mes (ii Una pareja recién nacida tarda dos meses en tener la primera descendencia Si partimos de una pareja adulta y siendo a n el número de parejas nacidas en el n-ésimo mes (a 0 = 0, se pide: a Obtener una fórmula recurrente para a n en función de términos anteriores b Probar que a n = (+ n ( n c Calcular, si existe: lím n 2 n a n+ a n 67 Sea el determinante n n de la derecha: a Dar una expresión de D n en función de los determinantes de tamaño menor que n, y b obtener las ecuaciones de recurrencia para hallar su valor D n = Sean A = a b 0 2 c y B = a b 0 c Determinar para qué valores de a, b y c: a Son diagonalizables simultáneamente ambas matrices b Ninguna de las dos es diagonalizable 69 Estudiar para qué valores de a, b y c es diagonalizable la matriz A = 620 Dada la matriz A = c 2a 0 b 0 a 0 2b c a a 0 a a 0, estudiar para qué valores de a y b diagonaliza b 0 2b
8 6 Matemáticas I 64 Ejercicios 62 Sea f: IR 3 IR 3 el operador lineal cuya matriz en la base canónica es: A = m m n m a Determinar para qué valores de m y n existe una base de IR 3 de tal forma que la matriz en esa base sea diagonal En los casos que f sea diagonalizable calcular una base en la cuál la matriz de f sea diagonal b Si n = 0, observando la matriz A y sin hacer ningún cálculo, determinar un valor propio y un vector propio asociado a dicho valor propio, razonando la respuesta a Dada la matriz A = Encontrar para qué valores de los parámetros la matriz b d c e f A es diagonalizable Para dichos valores encontrar las matrices P y D tales que P AP = D, donde D es una matriz diagonal 623 Sean V un espacio vectorial, B = {v, v 2, v 3 } una base de V y f: V V una aplicación 0 lineal tal que la matriz A = 0 es la matriz de f referida a la base B 0 0 { } a Probar, o razonar, que V + = v V : f(v = v y V = subespacios de V Encontrar una base de cada uno de ellos { } v V : f(v = v b Probar que α = y α = son los únicos números reales tales que f(v = αv para algún vector no nulo v V c Diagonaliza la matriz A? Por qué? son
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 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 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 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 detalles1. Efectuar las siguientes operaciones, expresando el resultado en forma binómica: (1 i)(2 i)(i 3) ; 344 ( i) 231 i(1 + i) 5
1.5.1 Complejos 1. Efectuar las siguientes operaciones, expresando el resultado en forma binómica: i 1 ; 2 + i ; 2i 2 i 1 + i +i; 5 (1 i)(2 i)(i 3) ; i344 +( i) 231 ; (1 + i) 5 + 1 (1 i) 5 1 ; 2. Usar,
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 detallesSOLUCIONES DEL SEGUNDO PARCIAL (17/12/2013)
ÁLGEBRA LINEAL 1S1M-b SOLUCIONES DEL SEGUNDO PARCIAL 17/12/2013 1. Dada una aplicación lineal f : de manera que : Se pide, obtener su matriz con respecto a las bases canónicas. Calculamos =col 2. Calcular
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 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 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 detallesHoja de diagonalización MATEMÁTICAS I
Hoja de diagonalización MATEMÁTICAS I 9- - En los siguientes casos estudiar si f es una aplicación lineal y en caso afirmativo hallar una matriz A tal que f(x) Ax así como los subespacios vectoriales N(f)
Más 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 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 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 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 detalles2 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 detallesÁgueda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1. Se llama producto escalar sobre un espacio vectorial real V a cualquier aplicación
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1 6 Espacios euclídeos 6.1 Producto escalar. Espacio euclídeo Se llama producto escalar sobre un espacio vectorial real V a cualquier aplicación
Más detallesTema 5: Diagonalización de matrices
Tema : Diagonalización de matrices La intención en este tema es, dada una matriz cuadrada, ver si existe otra matriz semejante a ella que sea diagonal. Recordemos del Tema 4 que dos matrices cuadradas
Más detalles1. DIAGONALIZACIÓN Y FORMAS CANÓNICAS
1 1. DIAGONALIZACIÓN Y FORMAS CANÓNICAS Sea f : V V un endomorfismo de V, f End(V, con V un K-espacio vectorial de dimensión n, y sean B = {e 1,..., e n } B = {e 1,..., e n} bases de V. La matriz de f
Más 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 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 detallesÁLGEBRA LINEAL. EXAMEN FINAL 18 de Enero de b) (0, 5 puntos) Estudia si la siguiente afirmación es verdadera o falsa, justificando
ÁLGEBRA LINEAL EXAMEN FINAL 8 de Enero de Apellidos y Nombre: Duración del examen: 3 horas Publicación de notas: enero Revisión de Examen: feb Ejercicio. ( puntos a (, puntos Estudia si la siguiente afirmación
Más detallesSoluciones a los ejercicios del examen final C =. 1 0
Universidade de Vigo Departamento de Matemática Aplicada II E T S E de Minas Álgebra Lineal Curso 205/6 de enero de 206 Soluciones a los ejercicios del examen final Se considera el subespacio U {X M 2
Más detallesProposición 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 detallesAplicaciones Lineales. Diagonalización de matrices.
Tema 2 Aplicaciones Lineales. Diagonalización de matrices. 2.1. Definiciones y propiedades Nota 2.1.1. En este tema trabajaremos con los Espacios Vectoriales R n y R m definidos sobre el cuerpo R. Definición
Más detallesMatemáticas para la Empresa
Matemáticas para la Empresa 1 o L. A. D. E. Curso 2008/09 Relación 1. Espacios Vectoriales 1. a) En IR 2 se consideran las operaciones habituales: (x, y) + (x, y ) = (x + x, y + y ) λ(x, y) = (λx, λy)
Más detallesFormas canónicas reales
Capítulo 7 Formas canónicas reales Introducción Sea V un espacio vectorial sobre C, f End(V y M B (f = A M(n n Sea λ = a + bi es una autovalor complejo de f de multiplicidad m Para tal autovalor complejo
Más detallesTema 4: Endomorfismos
Marisa Serrano, Zulima Fernández Universidad de Oviedo 11 de enero de 2010 email: mlserrano@uniovi.es Índice 1 2 3 4 en espacios de dimensión dos en espacios eucĺıdeos de dimensión tres Definición Definición
Más 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 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 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 detallesRelación 1. Espacios vectoriales
MATEMÁTICAS PARA LA EMPRESA Curso 2007/08 Relación 1. Espacios vectoriales 1. (a) En IR 2 se consideran las operaciones habituales: (x, y) + (x, y ) = (x + x, y + y ) λ(x, y) = (λx, λy) Demuestra que IR
Más detallesMATRICES. 1.- Calcular: g) 0 a b a 0 c b c 0. x x x. x + a b c a x + b c a b x + c. a b b b a b b b a
MATRICES 1.- Calcular: a) 3 2 5 2 1 4 3 1 6 b) 2 1 3 4 2 5 6 0 2 c) 3 1 5 0 5 4 6 3 1 3 2 1 6 7 5 4 d) 7 6 8 5 6 7 10 6 7 8 8 9 8 7 9 6 e) 1 3 2 1 3 5 3 2 3 6 2 2 6 4 5 3 f) 1 1 1 1 1 1 1 g) 1 1 1 1 1
Más detallesSoluciones de la hoja de diagonalización MATEMÁTICAS I
Soluciones de la hoja de diagonalización MATEMÁTICAS I 9- - En los siguientes casos estudiar si f es una aplicación lineal y, en caso afirmativo, hallar una matriz A tal que f(x) Ax, así como los subespacios
Más detallesÁLGEBRA LINEAL I Práctica 7
ÁLGEBRA LINEAL I Práctica 7 Endomorfismos (Curso 2015 2016) 1. Dada la matriz: 3 2 0 0 0 1 0 0 0 0 A = 0 0 1 0 0. 0 0 0 1 0 0 0 0 1 1 (a) Estudiar si es triangularizable por semejanza. (b) Hallar sus autovalores
Más detallesf(x, y, z, t) = (x + y t, x + 2y z 3t, 3x + 5y 2z 7t).
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Álgebra Convocatoria de enero de 20 de enero de 20 (2.5 p.) ) Se considera la aplicación lineal f : R 4 R definida por: f(x y
Más detallesTema 6: Diagonalización de matrices
Tema 6: Diagonalización de matrices La intención en este tema es, dada una matriz cuadrada, ver si existe otra matriz semejante a ella que sea diagonal. Recordemos del Tema 4 que dos matrices cuadradas
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 detallesDiagonalización de matrices. Kepler C k
Kepler C k 24 Índice. Problema de diagonalización 3.. Semejanza de matrices................................. 3.2. Valores propios y vectores propios........................... 3.3. Matrices y valores propios...............................
Más detalles5. Aplicaciones Lineales
Contents 5 Aplicaciones Lineales 2 5.1 Aplicaciones lineales. Definición y propiedades........................ 2 5.2 Núcleo e Imagen.................................................... 3 5.3 Descomposición
Más 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 detallesEsta 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 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 detallesAplicaciones lineales
53 Matemáticas I : Álgebra Lineal Tema 5 Aplicaciones lineales 5. Definición. Núcleo e imagen Definición 26.- Sea f: V W una aplicación entre los espacios vectoriales reales V y W. Se dice que f es una
Más detallesÁLGEBRA LINEAL I Práctica 7
ÁLGEBRA LINEAL I Práctica 7 Endomorfismos (Curso 2017 2018) 1. Dada la matriz: 3 2 0 0 0 1 0 0 0 0 A = 0 0 1 0 0. 0 0 0 1 0 0 0 0 1 1 (a) Estudiar si es triangularizable por semejanza. (b) Hallar sus autovalores
Más 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 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 detalles1. Determina cuáles de los siguientes conjuntos son subespacios vectoriales. Para aquellos que lo sean, halla una base.
EJERCICIOS PROPUESTOS 1. Espacios vectoriales. Sistemas de ecuaciones. 1. Determina cuáles de los siguientes conjuntos son subespacios vectoriales. Para aquellos que lo sean, halla una base. (a) S = {
Más detalles1. ESPACIO EUCLÍDEO. ISOMETRÍAS
1 1. ESPACIO EUCLÍDEO. ISOMETRÍAS Muchos de los fenómenos que se investigan en la geometría utilizan nociones como las de longitud de un vector y ángulo entre vectores. Para introducir estos dos conceptos
Más detallesALGEBRA. 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 detalles6.5.7 Orientación de un espacio vectorial eucĺıdeo Producto vectorial Diagonalización de formas bilineales simétricas...
Contents 6 Formas Bilineales y Producto Escalar 3 6.1 Formas bilineales............................... 3 6.1.1 Matriz de una forma bilineal....................... 4 6.1. Formas bilineales simétricas.......................
Más detallesDIAGONALIZACIÓN DE MATRICES
Tema 2 DIAGONALIZACIÓN DE MATRICES 2.1. Introducción El álgebra matricial proporciona herramientas elementales para simplificar y resolver problemas donde intervienen un número elevado de datos. El siguiente
Más 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 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 detalles1.5.3 Sistemas, Matrices y Determinantes
1.5.3 Sistemas, Matrices y Determinantes 24. Sean las matrices 3 0 4 1 A= 1 2 B = 0 2 1 1 C = 1 4 2 3 1 5 1 5 2 D = 1 0 1 E = 3 2 4 6 1 3 1 1 2 4 1 3 a Calcular cuando se pueda: 3C D, ABC, ABC, ED, DE,
Más detallesProblemas 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 detallesÁLGEBRA LINEAL I Práctica 7
ÁLGEBRA LINEAL I Práctica 7 Endomorfismos (Curso 2016 2017) 1. Dada la matriz: 3 2 0 0 0 1 0 0 0 0 A = 0 0 1 0 0 0 0 0 1 0 0 0 0 1 1 (a) Estudiar si es triangularizable por semejanza. (b) Hallar sus autovalores
Más detallesEspacios 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 detallesA = En los casos afirmativos, hallar una forma diagonal D y obtener una matriz invertible real P M(3, 3) tal que P 1 AP = D.
22 Departamento de Álgebra. Universidad de Sevilla Tema 5. Sección 1. Endomorfismos. Endomorfismos diagonalizables. Ejercicio 5.1 Dadas las matrices complejas: 3 2 0 2 3 0, B = 0 0 5 14 1 12 13 0 12 17
Más detallesTEMA 5: Aplicaciones Lineales. Diagonalización.
TEMA 5: Aplicaciones Lineales. Diagonalización. 1. Aplicaciones Lineales 1.1. Definición, propiedades y ejemplos. Definición 1. Dados dos espacios vectoriales V y V sobre un mismo cuerpo K, una aplicación
Más detallesAplicaciones lineales.
Capítulo 5 Aplicaciones lineales. 5. Definición. Núcleo e imagen. Definición 23.- Sea f: V W una aplicación entre los espacios vectoriales reales V y W. Se dice que f es una aplicación lineal si: () f(u
Más detallesAlgunos Tipos de matrices. Matrices. Algunos Tipos de matrices. Algunos Tipos de matrices
Matrices Una matriz de orden m n es un conjunto ordenado de m n números reales dispuestos en m filas y n columnas de la forma: A = a 11 a 12 a 1j a 1n a 21 a 22 a 2j a 2n a i1 a i2 a ij a in a m1 a m2
Más 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 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 detallesFundamentos 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 detallesPráctica 6: Autovalores y autovectores - Diagonalización
ALGEBRA LINEAL Primer Cuatrimestre 2010 Práctica 6: Autovalores y autovectores - Diagonalización 1. Calcular el polinomio característico, los autovalores y los autovectores de la matriz A en cada uno de
Más 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 detallesALGEBRA. 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 detallesTema 3.1. Espacio eucĺıdeo. Diagonalización ortogonal
Tema 3.1. Espacio eucĺıdeo. Diagonalización ortogonal Definición 1. Sea V un espacio vectorial sobre un cuerpo K. Llamamos forma bilineal a toda aplicación f : V V K ( x, y) f( x, y) que verifica: 1. f(
Más detallesEspacios vectoriales reales
140 Fundamentos de Matemáticas : Álgebra Lineal 9.1 Espacios vectoriales Capítulo 9 Espacios vectoriales reales Los conjuntos de vectores del plano, R 2, y del espacio, R 3, son conocidos y estamos acostumbrados
Más detallesAplicaciones lineales.
Tema 4 Aplicaciones lineales. Definición 4. Sea f: V W una aplicación entre los espacios vectoriales reales V y W. Se dice que f es una aplicación lineal si: a f(u + v = f(u + f(v; u, v V, b f(ku = kf(u;
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 detallesDeterminantes. Reducción de matrices. Caso diagonalizable
Tema 4 Determinantes Reducción de matrices Caso diagonalizable En este tema consideraremos matrices cuadradas y, para ellas, introduciremos el concepto de autovalor de una matriz Veremos también cómo algunas
Más 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 detallesAplicaciones lineales
49 Fundamentos de Matemáticas : Álgebra Lineal Capítulo 0 Aplicaciones lineales 0. Definición. Núcleo e imagen Definición 29.- Sea f: V W una aplicación entre los espacios vectoriales reales V y W. Se
Más detallesDiagonalización de matrices, Semejanza.
diagonalizacion.nb 1 Diagonalización de matrices, Semejanza. Practica 8, 28 de abril de 2004 En esta práctica aprenderemos/repasaremos los comandos: Eigenvalues[ matriz ] Calcula los autovalores de una
Más detalles