Algebra II: Resumen Teórico
|
|
- Yolanda López Casado
- hace 5 años
- Vistas:
Transcripción
1 Algebra II: Resumen Teórico Diego Martín Nieto Cid 7 de julio de 2009
2 Índice 1 Espacios vectoriales 2 11 Subespacios 2 12 Combinación Lineal 2 13 Independencia Lineal 2 14 Base 2 15 Coordenadas 2 16 Matriz de cambio de base 3 2 Wronskiano 3 3 Producto interno 3 31 Denición 3 32 Desigualdad de Schwarz 3 33 Desigualdad triangular 3 34 Teorema de Pitágoras 3 35 Igualdad del paralelogramo 4 36 Propiedades varias 4 4 Proyección ortogonal 4 41 Denición 5 42 Gram-Schmidt 5 43 Matriz de proyección 5 5 Cuadrados minimos 5 51 Regresión lineal 6 6 Transformaciones lineales 6 61 Denición 6 62 Teorema de las transformaciones lineales 7 63 Clasicación 7 64 Matriz de la transformación 7 7 Ecuaciones diferenciales 7 71 Lineales de primer orden Generales A coecientes constantes Principio de superposición Problemas a valores iniciales Sistemas de ecuaciones 9 72 Lineales de segundo orden a coecientes constantes Solución homogenea Solución particular Problemas a valores iniciales 11 8 Autovectores y Autovalores 11 9 Diagonalización Semejanza Aplicación a transformaciones lineales 12 1
3 10Matrices unitarias y ortogonales 12 11Matrices simétricas y hermíticas 13 12Teorema espectral 13 13Formas cuadráticas Clasicación Optimización 14 14Descomposición en valores singulares (DVS) DVS Reducida Observaciones Pseudo inversa de Moore-Penrose Propiedades 16 15Observaciones de la práctica 16 2
4 1 Espacios vectoriales 11 Subespacios Sea V un espacio vectorial y S V, S es subespacio si y sólo si 0 V S u + v S u, v S λu S u S; λ K 12 Combinación Lineal Sea el conjunto {v 1,, v n } V y w V, w es combinación lineal de {v 1,, v n } si existen λ 1,, λ n K tales que w = λ 1 v λ n v n 13 Independencia Lineal El conjunto {v 1,, v n } V es linealmente independiente si y sólo si 14 Base n λ i v i = 0 λ i = 0 El conjunto {v 1,, v n } V es una base de V si y sólo si {v 1,, v n } genera V {v 1,, v n } es linealmente independiente Además dim (V) = n 15 Coordenadas Sea B = {v 1,, v n } una base de V y v V se denomina coordenadas al n conjunto {λ 1,, λ n } / v = λ i v i Se dene la siguiente función: c B : V K n Propiedades: c B (v) = λ 1 λ n i c B (v) = 0 K n v = 0 V c B (v + u) = c B (v) + c B (u) c B (λv) = λc B (v) {v 1,, v n } LI {c B (v 1 ),, c B (v n )} LI 3
5 16 Matriz de cambio de base Sean B = {v 1,, v n } y B = {w 1,, w n } bases de V C BB = [ c B (v 1 ) c B (v n ) ] cambio de base B a B C B B = [ c B (w 1 ) c B (w n ) ] = [C BB ] 1 cambio de base B a B 2 Wronskiano Sean φ 1, φ 2 C 1 W (φ 1, φ 2, x 0 ) = φ 1(x 0 ) φ 2 (x 0 ) φ 1 (x 0 ) φ 2 (x 0 ) Si x 0 / W (φ 1, φ 2, x 0 ) = 0 = {φ 1, φ 2 } LI 3 Producto interno 31 Denición Sea V un R espacio vectorial,, : V V R es producto interno si x, y = y, x αx + βy, z = α x, z + β y, z α, β R x, x 0 x, x = 0 x = 0 V Sea V un C espacio vectorial,, : V V C es producto interno si x, y = y, x αx + βy, z = α x, z + β y, z α, β C x, x 0 x, x = 0 x = 0 V 32 Desigualdad de Schwarz 33 Desigualdad triangular, PI = x, y x y 34 Teorema de Pitágoras x + y x + y u v = x + y 2 = x + x + y 4
6 35 Igualdad del paralelogramo 36 Propiedades varias x + y 2 x y 2 = 2 ( x 2 + y 2) x T y producto canónico en R n x T y producto canónico en C n x 2 = x, y d(x, y) = x y ( distancia de x a y ) x y x, y = 0 α / cos(α) = x,y x y ( ángulo subtendido entre x e y ) {v 1,, v n } es un conjunto ortogonal si v i, v j i = j {v 1,, v n } es un conjunto ortonormal si es ortogonal y v i, v i = 1 Si {v 1,, v n } es un conjunto ortogonal = es LI Sea B = {v 1,, v n } base de V, x V, y V y, es PI entonces x, y = c B (x)gc B (y) v 1, v 1 v 1, v n donde G = simétrica en R, hermítica en C y v n, v 1 v n, v n denida positiva 4 Proyección ortogonal Complemento ortogonal: Sea S V, el complemento ortogonal, S, es el conjunto S = {v V / v, s = 0 s S} S es subespacio Si S = V entonces S = {0 V } S = S V = S S i 5
7 41 Denición Sea V un espacio vectorial con PI, S V, x V y x V x = proy S x S x x S Si proy S x = x d(x, x ) d(x, s) = x es único s S Sea B = {v 1,, v k } una base ortogonal de S k proy S x = α i v i donde α i = v i, x v i, v i proy S x = 0 V x S Si x S = proy S x = x Si x V entonces x = proy S x + proy S x x proy S x = proy S x 42 Gram-Schmidt Sea S V y B = {v 1,, v n } base de S = B = {u 1,, u n } base ortogonal de S donde: u 1 = v 1 u i = v i proy Si 1 v i ; S i 1 = gen {u 1,, u i 1 } ; 2 i n 43 Matriz de proyección Una matriz P de proyección verica 1 P = P T 2 P 2 = P 3 P x = proy col(p ) x Sea S R n con el PI canónico y B = v 1,, v k base ortonormal de S Si Q = [v 1 v k ] entonces P = QQ T proyecta sobre S 5 Cuadrados minimos Sea A R m n Si b col(a) entonces Ax = b es compatible Si b / col(a) es posible encontrar x 0 / Ax 0 = proy col(a) b La solución del sistema Ax = b por cuadrados mínimos cumple A T Ax = A T b Ecuaciones normales Observaciones: 6
8 Nul(A) = Nul(A T ) rango(a T A) = rango(a) Si rango(a) = n entonces A # = (A T A) 1 A T, denominada pseudo-inversa de A, es tal que 51 Regresión lineal A # A = I AA # = matriz de proyección Dado el conjunto de puntos {(x 1, y 1 ),, (x n, y n )} la recta que mejor ajusta a los puntos es y = mx + b donde n n x i n x i n x 2 i [ ] b = m 6 Transformaciones lineales 61 Denición n y i n x i y i Sean V y W K espacios vectoriales Una función T : V W es una transformación lineal si para v 1, v 2 V y λ K se verican T (v 1 + v 2 ) = T (v 1 ) + T (v 2 ) T (λv 1 ) = λt (v 1 ) Observaciones: T (0 V ) = 0 W TL Sean T : V W y G : W U, la composición G T : V U es una transformación lineal Nu(T ) = {v V / T (v) = 0 W } subespacio de V Im(T ) = {w W / w = T (v) para algún v V} Propiedades: {T (v 1 ),, T (v n )} LI = {v 1,, v n } LI subespacio de W dim(nu(t )) + dim(im(t )) = dim(v) 7
9 62 Teorema de las transformaciones lineales Sea V un espacio vectorial, B = {v 1,, v n } base de V y dado el conjunto {w 1,, w n } W,! TL T : V W / T (v i ) = w i i 63 Clasicación Monomorsmo: T inyectiva; v 1 = v 2 = T (v 1 ) = T (v 2 ) Epimorsmo: T sobreyectiva; Im(T ) = W Isomorsmo: T biyectiva Propiedades: T es monomorsmo Nu(T ) = {0 V } T es monomorsmo = dim(v) dim(w) T es epimorsmo = dim(w) dim(v) T es isomorsmo = dim(v) = dim(w) T es isomorsmo = T 1 : W V TL T es isomorsmo y {v 1,, v n } base de V de W = {T (v 1 ),, T (v n )} base 64 Matriz de la transformación Sean B = {v 1,, v n } base de V y B = {w 1,, w n } base de W c B (T (v)) = [T ] BB c B (v) Observaciones: [T ] BB = [ c B (T (v 1 )) c B (T (v 1 )) ] rango([t ] BB ) = dim(im(t )) Las columnas de [T ] BB son las coordenadas de los generadores de Im(T ) Si T es isomorsmo = [ T 1] B B = [T ] BB 1 7 Ecuaciones diferenciales 71 Lineales de primer orden 711 Generales y + a(t)y = b(t) y C 1 Si b(t) = 0, la ecuaión es homogenea a(t), b(t) C 8
10 Todas las soluciones de la ecuación se pueden escribir y = y H + y P donde y P es una solución de la ecuación e y H son las soluciones de la ecuación homogenea siendo y P = e λ(t) B(t) y H = Ke λ(t) y = Ke λ(t) + e λ(t) B(t) λ(t) = a(t) B(t) = e λ(t) b(t) 712 A coecientes constantes Método de los coecientes indeterminados ( sólo si b(t) = e kt P m (t) ) Si a = k: y P = e at P m+1 donde gr(p m+1 ) = gr(p m ) + 1 Si a = k: y P = e kt Q m (t) donde gr(q m+1 ) = gr(p m ) Luego reemplazando y P en la ecuación diferencial se obtienen los coecicentes de P m+1 o Q m 713 Principio de superposición y 1 / y 1 + ay 1 = b 1 (t) y 1 / y 2 + ay 2 = b 2 (t) Sumando se obtiene: (y 1 + y 2 ) + a(y 1 + y 2 ) = b 1 (t) + b 2 (t) Entonces y 1 + y 2 es solución de y + ay = b 1 (t) + b 2 (t) 714 Problemas a valores iniciales { y + a(t)y = b(t) y(t 0 ) = y 0 1 Se obtiene y G 2 Reemplazando t por t 0 resulta y G (t 0 ) = y 0, de donde se obtiene el valor de K 9
11 715 Sistemas de ecuaciones El sistema de ecuaciones diferenciales n x 1 = x i α i1 n x n = x i α in puede interpretarse matricialmente como donde x = x = Ax α 11 α 1n A = α n1 α nn x 1 x = x n x 1 x n Si A es diagonalizable, A = QDQ 1 con Sea y = Q 1 x, y = Q 1 x: quedando el sistema en y: D = λ λ n Q = [ v 1 v n ] y = Q 1 x = Q 1 QDQ 1 x = Dy que tiene solución inmediata y x = Qy y 1 = λ 1 y 1 y n = λ n y n y = k 1 e λ 1t k n e λ nt 10
12 72 Lineales de segundo orden a coecientes constantes 721 Solución homogenea y + ay + by = c(t) P (x) = x 2 + ax + b Sean λ 1 y λ 1 las raices de P (x) Si λ 1 = λ 2 Si λ 1 = λ 2 Si λ 1 = λ 2 λ 1 = α + iβ λ 2 = α iβ λ 1, λ 2 R λ 1, λ 2 R λ 1, λ 2 C polinomio caractrístico de la ecuación S H = gen { e λ 1t, e λ 2t } S H = gen { te λ1t, e λ1t} S H = gen { e λ 1t, e λ 2t } Empleando una combinación lineal adecuada de estos generadores es posible obtener la siguiente solucion: S H = gen { e αt cos βt, e αt sen βt } 722 Solución particular Coecientes indeterminados( c(t) = P m e kt ) y P = e kt Q(t) gr(p m ) si λ 1 = λ 2 = k donde gr(q(t)) = gr(p m ) + 1 si λ 1 = k = λ 2 λ 2 = k = λ 1 gr(p m ) + 3 si λ 1 = λ 2 = k Método de variación de las constantes y H = K 1 φ 1 + K 2 φ 2 y P = c 1 (t)φ 1 + c 2 (t)φ 2 { c 1 φ 1 + c 2 φ 2 = 0 c 1 φ 1 + c 2 φ 2 = c(t) Resolviendo el sistema por regla de cramer: c 1 = c(t)φ 2(t) W (φ 1, φ 2 ) c 2 = c(t)φ 1(t) W (φ 1, φ 2 ) De donde se obtienen c 1 y c 2 por integración de sus respectivas derivadas 11
13 723 Problemas a valores iniciales y + ay + by = c(t) y(t 0 ) = y 0 y (t 0 ) = y 1 1 y G = y P + K 1 φ 1 + K 2 φ 2 2 Reemplazando t por t 0 resulta y G (t 0 ) = y 0 y y G (t 0 ) = y 1, de donde se obtiene el valor de K 1 y K 2 8 Autovectores y Autovalores v = 0, v K n es autovector de A K n n si λ K / Av = λv Y se dice que λ es el autovalor de A asociado al autovector v Polinomio Característico: P A (λ) = det(a λi) P A tiene grado n y sus raíces son los autovalores de A S λ = Nul(A λi): autoespacio de A asociado a λ (generado por autovectores asociados a λ) Multiplicidad algebraica: (ma) multiplicidad de λ como raiz de P A Multiplicidad geométrica: (mg) dimensión de S λ Observaciones: Si λ = 0 es autovalor de A A es singular Si A es trianguar superior o inferior o diagonal Los elementos de la diagonal son los autovalores de A trz A = n λ i det A = n λ i k i Si λ i = λ j {v i, v j } LI dondek i esmadeλ i Sea P : K n n K n n y p : K K P (A) = a i A i y p(x) = a i x i Si λ es autovalor de A asociado a v p(λ) es autovalor de P (A) asociado a v P A (λ) = P A T (λ) autovalores de A = autovalores de A T Además, si λ es autovalor de A de mg k λ es autovalor de A T de mg k 9 Diagonalización A es diagonalizable A = P DP 1 base de K n formada por autovectores de A Siendo: P = [ v 1 v n ] v 1 v n autovectoresdea D = I λ 1 λ n λ 1 λ n autovaloresdea 12
14 91 Semejanza A es semejante a B, y se lo nota A B, si y solo si Q tal que A = QBQ 1 Sean A, B, semejantes y B, C, semejantes, entonces: P A (λ) = P B (λ) dim(s λi,a) = dim(s λi,b) Av i = λ i v i B(Q 1 v i ) = λ i (Q 1 v i ) v i v k LI Q 1 v i Q 1 v k LI A C (relación transitiva) Si A diagonalizable A D (donde D es la matriz diagonal de autovalores) 92 Aplicación a transformaciones lineales v = 0 es autovector de la transformación T : V V, si T (v) = λv B = {v 1 v n } base de autovectores [T ] B = I v es autovector de T asociado a λ c B (v) es autovector de [T ] B a λ para cualquier base B Observaciones: λ 1 λ n asociado [T ] BB [T ] B B T es diagonalizable si existe B base de autovectores de T 10 Matrices unitarias y ortogonales ( Con producto interno canónico ) U es unitaria si U 1 = U H T = U P es ortogonal si P 1 = P T Si P es ortognal P es unitaria Propiedades: det(u) = 1 U, V, unitarias UV, unitaria } sus columnas son una BON U, unitaria (u, v) = (Uu, Uv) Se dice que U çonserva el producto interno" conserva norma y ángulo Si λ, autovalor de U, unitaria λ = 1 Si B = {v 1 v n } BON de C n y B = {w 1 w n } BON de C n C BB, unitaria 13
15 11 Matrices simétricas y hermíticas A R n n es simétrica si A T = A A C n n es hermítica si A H = A = A es simétrica A es hermítica Propiedades: A T A, hermítica x T Ax R x C n Si λ es autovalor de A, hermítica λ R Si A es hermítica y λ i = λ j autovalores de A v i v j Si S C n es invariante por A S es invariante por A 12 Teorema espectral A es simétrica si y solo si P ortogonal tal que A = P DP T A es hermítica si y solo si U unitaria tal que A = UDU T 13 Formas cuadráticas F (x) = x T Ax con A simétrica Las formas cuadráticas más sencillas resultan cuando A es diagonal: Elipses: x2 a + y2 2 b = 1 2 Hipérboles: x2 a y2 2 b = 1 2 Si A no es diagonal resultan elipses o hipérboles rotadas respecto de los ejes cartesianos: x x 1 x 2 + x 2 2 Empleando el siguiente cambio de variable se logra obtener una expresión sencilla respecto de los ejes apropiados: Sea y = P T x, y T = x T P : Faltan 3 grácos 131 Clasicación Q(x) = x T Ax x T Ax = c x T P DP T x = c A simétrica A = P DP T x T Ax = y T Dy = c Denida positiva si: x T Ax > 0 x = 0 Denida negativa si: x T Ax < 0 x = 0 Semi-denida positiva si: x T Ax > 0 x 0 14
16 Semi-denida negativa si: x T Ax < 0 x 0 Indenida si: x 1, x 2 tal que x T 1 Ax 1 > 0 y x T 2 Ax 2 < 0 Q(x) denida positiva Leftrightarrow λ i > 0 i, con λ i autovalores de A 132 Optimización Q(x) = x T Ax con restricción x 2 = 1 maxq(x) x 2 = 1 o minq(x) x 2 = 1 maxq(x) x 2 = 1 = λ max Q(x) = λ max x = v (autovector) minq(x) x 2 = 1 = λ mix Q(x) = λ mix x = v (autovector) Si la restricción es x 2 = k, expresando x como x 2ˆv con ˆv = siendo λ min ˆv T Aˆv λ max x T Ax = x 2 2ˆvT Aˆv x 2 2 λ min x T Ax x 2 2 λ max Si la restricción es x T BX = 1: (si fuera x T Cx = k x T Bx = 1 B = C ) k B = SDS T con D = I λ 1 λ n Sea D = D 1 D 1 con D 1 = I λ1 λn x x 2 = x T Bx = x T SD 1 D 1 S T x = 1 resulta: Al introducirse la variable z: z = D 1 S T x, la restricción se convierte, en z, a z 2 = 1 Ya que: x T = z T D 1 S T x = SD 1 1 z x T Bx = z T D 1 S T SD 1 1 z = zt z Sustituyendo en la forma cuadrática se reduce el problema a la restricción z 2 = 1: Q(x) = x T Ax Q(z) = z T Cz siendo C = D 1 1 ST ASD 1 1 x = SD 1 1 z 15
17 14 Descomposición en valores singulares (DVS) Propiedad: si A R m n A T A R n n es simétrica y semi-denida positiva Se llama valor singular de A a σ = λ, siendo λ autovalor de A T A Si A R m n, rg(a) = r U y V tal que A = UΣV T, donde Σ R m n, Σ = σ 1 0 con σ 1 σ 2 σ r > 0: valores singulares de A σ r 0 0 U R m m, ortogonal U = [μ 1 μ r μ r+1 μ n ] con μ i = Avi σ i i {1 r} y {μ r+1 μ n } tal que {μ 1 μ n } es BON de R m y v i autovector de A T A asociado a λ i 141 DVS Reducida V R n n, ortogonal V = [v 1 v n ] con A = U r Σ r V T r U r = [μ 1 μ r ] σ 1 Σ r = I σ r V r = [v 1 v r ] 142 Observaciones {v 1 v r } BON F il(a) {v r+1 v r } BON Nul(A) {μ 1 μ r } BON Col(A) {μ r+1 μ r } BON [Col(A)] 143 Pseudo inversa de Moore-Penrose Sea A = U r Σ r Vr T, se dene A = V r Σ rur T o A = V Σ U T donde [ ] Σ Σ 1 0 =
18 144 Propiedades U r U T r = Matriz de proyección sobre Col(A) U T r U r = I r r V r V T r = Matriz de proyección sobre F il(a) AA = U r U T r A A = V r V T r A(A A) = A A AA = A A R m n, rg(a) = n A = A # (A # = (A T A) 1 A) A R n n, no singular A = A 1 Relación con mínimos cuadrados: Ax = b incompleto = Aˆx = proy Col(A) b AA es la matriz de proyección = Aˆx = AA b x = A b es solución del problema de cuadrados mínimos de menor norma y todas las soluciones se escriben ˆx = x + x n, con x n Nul(A) 15 Observaciones de la práctica P S v v v P S v = v v S Householder (ver gura 1) H = I 2 w T w wwt Sea P R n n la matriz de proyección sobre S, I P es matriz de proyección sobre S A R n n, rg(a) = k, k < n 0 es autovalor de mg n k Sea λ autovalor de A, rλ es autovalor de ra Sea λ autovalor de A y k N, λ k es autovalor de A k Sea λ autovalor de A, λ 1 es autovalor de A 1 Sea λ autovalor de A, λ + r es autovalor de A + ri Sea λ autovalor de A, rλ es autovalor de ra Si A R n n posee n autovalores distintos entonces A es diagonalizable Si A 2 = A y x Col(A), Ax = x Sea T (x) = P x con P R n n y ortogonal Si S es invariante por T, T (S) = S y T (S ) = S 17
19 v w Hv Figura 1: Matriz de Householder x H Qy = (x, y), con Q C n n hermítica, dene un productoo interno Q es denida positiva A R n n, det(a) = σ i A B A tiene los mismos valores singulares que B 18
Álgebra II. Índice. María Inés Parnisari. 3 de enero de Revisión de Matrices Espacios Vectoriales Producto Interno 5
Álgebra II María Inés Parnisari 3 de enero de 2012 Índice 1 Revisión de Matrices 2 2 Espacios Vectoriales 3 3 Producto Interno 5 4 Proyecciones y Matrices de Proyección 6 5 Transformaciones Lineales 10
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 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 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 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 detallesÁlgebra II (61.08, 81.02) Primer cuatrimestre 2018 Práctica 3. Producto interno
Álgebra II (61.08, 81.02) Primer cuatrimestre 2018 Práctica 3. Producto interno Nota: en todos los casos en que no se indique lo contrario, considere el producto interno canónico en K n (K = R o C). 1.
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 4.- SISTEMAS DE ECUACIONES DIFERENCIALES ORDINARIAS
TEMA 4- SISTEMAS DE ECUACIONES DIFERENCIALES ORDINARIAS 41 - Introducción Denición: Un sistema de ecuaciones diferenciales de primer orden en el que sus derivadas estén dadas explícitamente se puede expresar
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 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 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 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 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 detalles1. DIAGONALIZACIÓN DE ENDOMORFISMOS
. DIAGONALIZACIÓN DE ENDOMORFISMOS. Se considera la matriz: A ( 2 3 4 3 con coecientes en R. Hallar los valores propios, los vectores propios y una matriz P que permita la diagonalización de A. Calcular
Más 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 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 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 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 detallesMATEMÁTICAS I 2º EXAMEN PARCIAL 12 junio de 2009
Sólo una respuesta a cada cuestión es correcta. Respuesta correcta: 0.2 puntos. Respuesta incorrecta: -0.1 puntos Respuesta en blanco: 0 puntos 1.- Un sistema generador G de R 3 : a) Está constituido por
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 detallesÁlgebra II (61.08, 81.02) Primer cuatrimestre 2017 Práctica 5. Diagonalización de matrices hermíticas. Formas Cuadráticas.
Álgebra II (61.08, 81.02) Primer cuatrimestre 2017 Práctica 5. Diagonalización de matrices hermíticas. Formas Cuadráticas. Nota: en todos los ejercicios, salvo que se indique lo contrario, (, ) representa
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 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 detallesResumen de Teoría de Matrices
Resumen de Teoría de Matrices Rubén Alexis Sáez Morcillo Ana Isabel Martínez Domínguez 1 de Octubre de 2004 1. Matrices. Generalidades. Definición 1.1. Se llama matriz de orden m n sobre un cuerpo K a
Más detallesIndex. Ángulo, 80 entre dos planos, 80 entre dos rectas, 80 entre dos vectores, 59 entre recta y plano, 80
Index Ángulo, 80 entre dos planos, 80 entre dos rectas, 80 entre dos vectores, 59 entre recta y plano, 80 Adjunto, 14 Aplicación, 2 bilineal, 47 biyectiva, 3 compuesta, 3 identidad, 3 inversa, 3 inyectiva,
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 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 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 detallesUNIVERSIDAD DEL NORTE Departamento de Matemáticas y Estadística. Álgebra Lineal. RESUMEN DE TEMAS DEL EXAMEN FINAL
1. Definiciones básicas. UNIVERSIDAD DEL NORTE Departamento de Matemáticas y Estadística. Álgebra Lineal. RESUMEN DE TEMAS DEL EXAMEN FINAL I. Sistemas homogéneos y subespacios de R n. (a) Para el sistema
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 detallesTema 1. Espacios Vectoriales. Sistemas de ecuaciones.
Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)
Más detallesb E: base canónica de R 3, E = {1, x, x 2 } base de P 2 2) Analice la verdad o la falsedad de las siguientes proposiciones. Justifique sus respuestas.
UTN. FRBA ÁLGEBRA Y GEOMETRÍA ANALÍTICA de Mayo de01 Tema: 1 Apellido y nombres del alumno:...legajo:. 1 4 5 Calificación final La condición para aprobar el examen es tener como mínimo tres ejercicios
Más detallesTÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA
ESCUELA ESTUDIOS DE TÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA DEPARTAMENTO DE INGENIERÍA INFORMÁTICA MATEMÁTICA APLICADA I ÁLGERA LINEAL OLETINES DE PROLEMAS Curso 8-9 Sistemas de ecuaciones lineales.
Más detalles1. DIAGONALIZACIÓN. FORMAS CANÓNICAS
1 1. DIAGONALIZACIÓN. FORMAS CANÓNICAS 1. Se considera la matriz: A = ( 2 3 4 13 con coeficientes en R. Hallar los valores propios, los vectores propios y una matriz P que permita la diagonalización de
Más 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 detallesTema 1: Espacios vectoriales
PROBLEMAS DE MATEMÁTICAS Parte I: Álgebra Primero de Químicas FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha Tema 1: Espacios vectoriales 1 Determina si cada
Más detallesÁlgebra Lineal - Grado de Estadística. Examen final 27 de junio de 2014 APELLIDOS, NOMBRE:
Álgebra Lineal - Grado de Estadística Examen final 7 de junio de 4 APELLIDOS, NOMBRE: DNI: irma Primer parcial Ejercicio Consideremos matrices A m m, B, C n n, Pruebe que bajo la hipótesis de que las inversas
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 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 detalles2 + c c 4. Solución: Nótese que la ecuación vectorial que verifican los pesos se puede escribir matricialmente como.
Asignatura: ÁLGEBRA LIEAL Fecha: 9 de Julio de 0 Fecha publicación notas: 5 de Julio de 0 Fecha revisión examen: 8 de Julio de 0 Duración del examen: horas APELLIDO Y OMBRE: DI: Titulación:. (0,5 puntos)
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 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 CÓNICAS Cónicas. Estudio particular. 1 x y. 1 x y. a 00 a 01 a 02 a 10 a 11 a 12 a 20 a 21 a 22
CÓNICAS. CÓNICAS.. Cónicas. Estudio particular. Una cónica se dene como el lugar geométrico de los puntos del plano euclídeo que, respecto de una referencia cartesiana rectangular, satisfacen una ecuación
Más detallesEstadística III Repaso de Algebra Lineal
Repaso de Algebra Lineal Vectores Un vector columna de dimensión n 1 es una serie de números dispuestos como sigue: x 1 x 2 x =. x n Un vector fila de dimensión 1 p es una serie de números dispuestos como
Más detallesTema 1. Espacios Vectoriales. Sistemas de ecuaciones.
Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)
Más detallesPráctica 2. Producto interno
Práctica 2. Producto interno 1. (a) Encontrar las condiciones que deben cumplir los coeficientes a 11, a 12, a 21 y a 22 para que la expresión defina un producto interno en R 2. (u, v) = a 11 u 1 v 1 +
Más detallesN o de examen: ESCRIBIR LAS RESPUESTAS AQUÍ Este examen consta de diez preguntas tipo verdadero/falso y diez ejercicios
N o de examen: NOMBRE: C.I.: Examen de Geometría y Álgebra Lineal 1 22 de julio de 2014 Instituto de Matemática y Estadística Rafael Laguardia Facultad de Ingeniería ESCRIBIR LAS RESPUESTAS AQUÍ 1 2 3
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 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 detalles14 Sistemas lineales de ecuaciones diferenciales con coeficientes
Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1 14 Sistemas lineales de ecuaciones diferenciales con coeficientes constantes 14.1 Definición Se llama sistema lineal con coeficientes constantes al
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 detallesDiagonalización. Índice General. Nelson Möller. 1 Matrices Semejantes 2. 2 Matrices diagonalizables 2
Diagonalización Nelson Möller Índice General 1 Matrices Semejantes 2 2 Matrices diagonalizables 2 3 Polinomio característico de una matriz 4 3.2 Valores propios.... 5 4 Vectores propios. 6 4.1 Ejemplo...
Más detallesMATEMÁTICAS ESPECIALES II PRÁCTICA 5 Parte I - Sistemas de ecuaciones diferenciales de primer orden.
MATEMÁTICAS ESPECIALES II - 8 PRÁCTICA 5 Parte I - Sistemas de ecuaciones diferenciales de primer orden. Considere el sistema de ecuaciones diferenciales ordinarias (EDOs) de primer orden dx dt = f (t,
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 detallesFACULTAD 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 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 detallesDescomposición en valores singulares Notas para los cursos 21 y 22 (J.L. Mancilla Aguilar)
Valores Singulares Descomposición en valores singulares Notas para los cursos y (JL Mancilla Aguilar) Tanto los valores singulares como la descomposición en valores singulares de una matriz son conceptos
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 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 detallesFINAL DE ÁLGEBRA Y GEOMETRÍA ANALÍTICA 30 mayo 2006 Tema 1
FINAL DE ÁLGEBRA Y GEOMETRÍA ANALÍTICA 0 mayo 006 Tema Apellido y nombres:... 4 5 Calificación final ) Dadas las rectas : x y + z = r : r : ( x, y, z) = (,,) + λ(, ) x z + k = 0 k para que las rectas sean
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
ESPACIOS VECTORIALES Un espacio vectorial sobre K es una conjunto V que cumple: 1) Existe una regla que asocia a dos elementos u, v V su suma que se denota por u + v, que es también elemento de V y que
Más detallesESPACIO VECTORIAL EUCLÍDEO
ESPACIO VECTORIAL EUCLÍDEO PRODUCTO ESCALAR Sea V un espacio vectorial sobre C. Una aplicación que asocia un número complejo < u, v > a cada pareja de vectores u y v en V, se dice que es un producto escalar
Más detallesSoluciones a los ejercicios del examen final
Álgebra Lineal Curso 206/7 6 de junio de 207 Soluciones a los ejercicios del examen final Se considera la aplicación lineal L : R 3 R 3 definida por L(x, y, z) = (z x, x + y + z, x y 3z). a) Hallar la
Más 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 detallesALGEBRA LINEAL - Práctica N 8 - Segundo cuatrimestre de 2017 Espacios vectoriales con producto interno
Departamento de Matemática - Facultad de Ciencias Exactas y Naturales - UBA ALGEBRA LINEAL - Práctica N 8 - Segundo cuatrimestre de 07 Espacios vectoriales con producto interno En esta práctica, todos
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 detalles1. Teoría de Conjuntos y Funciones
Universidad Central de Venezuela Facultad de Ciencias Escuela de Matemática Álgebra I 1. Teoría de Conjuntos y Funciones 1.1. Teoría de Conjuntos 1. Dados los conjuntos A, B y C, demuestre que: a) (A B)
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 detallesÁlgebra Lineal y Geometría I. Prueba 3. Grupo A. 12 de marzo de (
Álgebra Lineal y Geometría I. Prueba 3. Grupo A. 2 de marzo de 208. Apellidos: Nombre: DNI: Ejercicio.-(4 puntos) Se considera la matriz siguiente: A = 2 0 3 0 2. Calcule W = null(a 2I), W 2 = null(a 4I)
Más detallesÁlgebra Lineal 2015 Práctica 5: Diagonalización.
Álgebra Lineal 2015 Práctica 5: Diagonalización. 1. Sean T (a, b) = (4a b, b+2a), B = {(1, 0), (0, 1)} y C = {(1, 3), (2, 5)}. (a) Hallar la matriz camio de base de B a C, la matriz cambio de base de C
Más detallesÁlgebra II (61.08, 81.02) Primer cuatrimestre 2018 Práctica 1. Espacios vectoriales
Álgebra II (61.08, 81.02) Primer cuatrimestre 2018 Práctica 1. Espacios vectoriales 1. (a) Compruebe que el conjunto de matrices de orden p q a coeficientes reales R p q es un espacio vectorial real con
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 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 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 detallesa) (0,5 puntos) Calcula la matriz escalonada reducida de A. Cuál es el rango de A?
Asignatura: ÁLGEBRA LINEAL Fecha del examen: de Enero de 6 Fecha publicación notas: 9 de Enero de 6 Fecha revisión examen: de Enero de 6 Duración del examen: horas y minutos APELLIDOS: NOMBRE: Titulación:.
Más detalles1. W = {(x, y, z) x + y + z =0} 2. W = {(x, y, z) x 2 + y 2 + z 2 =1} Solución:
ESCUELA UNIVERSITARIA POLITÉCNICA DE SEVILLA Fundamentos Matemáticos de Ingeniería T. I. Electrónica y Eléctrica Primer Parcial (--4), primera parte. PROBLEMA A)[ puntos] Indica razonadamente cuál de los
Más 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 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 detallesFACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas
EXÁMENES DE MATEMÁTICAS Álgebra Primero de Ingeniería Química FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha 5 de julio de 99. Dada la aplicación lineal: T
Más detallesProducto Escalar. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Producto Escalar 1 / 31
Producto Escalar AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Producto Escalar 1 / 31 Objetivos Al finalizar este tema tendrás que: Saber usar el producto escalar. Calcular
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 detallesNotas para el curso de Álgebra Lineal II. Centro de Matemática Facultad de Ciencias Universidad de la República. Andrés Abella
Notas para el curso de Álgebra Lineal II Centro de Matemática Facultad de Ciencias Universidad de la República Andrés Abella 5 de febrero de 2014 Introducción Estas son las notas y ejercicios del curso
Más detalles9. Teoremas espectrales
9 Teoremas espectrales Lema de Schur Ejercicio 9 En los siguientes casos, use el lema de Schur para descomponer, sobre C, la matriz A como producto A = U TU de modo que T sea triangular superior y U unitaria:
Más detallesINSTRUCTIVO GENERAL Semestre
UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE INGENIERÍA DEPARTAMENTO DE MATEMÁTICA APLICADA ASIGNATURA: ALGEBRA LINEAL Y GEOMETRÍA ANALÍTICA (0250) INSTRUCTIVO GENERAL Semestre 2016-3 Propósito Este curso
Más detallesNotas para el curso de Álgebra Lineal II. Centro de Matemática Facultad de Ciencias Universidad de la República. Andrés Abella
Notas para el curso de Álgebra Lineal II Centro de Matemática Facultad de Ciencias Universidad de la República Andrés Abella 6 de febrero de 2015 Introducción Estas son las notas y ejercicios del curso
Más detallesMATEMÁTICAS I 13 de junio de 2007
MATEMÁTICAS I 13 de junio de 2007 2º EXAMEN PARCIAL Sólo una respuesta a cada cuestión es correcta. Respuesta correcta: 0.2 puntos. Respuesta incorrecta: -0.1 puntos Respuesta en blanco: 0 puntos 1.- Si
Más detalles102 EJERCICIOS DE ALGEBRA LINEAL por Francisco Rivero Mendoza Ph.D.
102 EJERCICIOS DE ALGEBRA LINEAL por Francisco Rivero Mendoza Ph.D. Tema 1. Espacios Vectoriales. 1. Dar la definición de cuerpo. Dar tres ejemplos de cuerpos. Dar un ejemplo de un cuerpo finito 2. Defina
Más detalles520142: ALGEBRA y ALGEBRA LINEAL
520142: ALGEBRA y ALGEBRA LINEAL Segundo Semestre 2008, Universidad de Concepción CAPITULO 10: Espacios Vectoriales DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición
Más detallesEJERCICIOS DE ÁLGEBRA LINEAL TEMA 3 ESPACIOS EUCLÍDEOS
EJERCICIOS DE ÁLGEBRA LINEAL TEMA 3 ESPACIOS EUCLÍDEOS ESPACIOS EUCLÍDEOS ) a) Decir cuál de las siguientes aplicaciones de x de no definir un producto escalar comprobar el axioma que falla: a ) x' x,y,
Más detallesE.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 9: Sistemas de EDOs lineales
ETS Minas: Métodos Matemáticos Resumen y ejemplos Tema 9: Sistemas de EDOs lineales Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Noviembre
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 detallesTema 7 (Resultados).- Matrices simétricas reales y formas cuadráticas.
Ingenierías: Aeroespacial, Civil y Química Matemáticas I - Departamento de Matemática Aplicada II Escuela Superior de Ingenieros Universidad de Sevilla Tema 7 (Resultados)- Matrices simtricas reales y
Más detallesUNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE INGENIERÍA DEPARTAMENTO DE MATEMÁTICA APLICADA ÁLGEBRA LINEAL Y GEOMETRÍA ANALÍTICA
UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE INGENIERÍA DEPARTAMENTO DE MATEMÁTICA APLICADA ÁLGEBRA LINEAL Y GEOMETRÍA ANALÍTICA SEMESTRE 1/2011 INFORMACIÓN GENERAL I. INFORMACIÓN CURRICULAR Código: 0250
Más detallesExamen de Admisión a la Maestría / Doctorado 24 de Junio de 2016
Examen de Admisión a la Maestría / Doctorado 4 de Junio de 6 Nombre: Instrucciones: En cada reactivo seleccione la respuesta correcta encerrando en un círculo la letra correspondiente. Puede hacer cálculos
Más detalles