Examen Final Ejercicio único (3 horas) 20 de enero de n(n 1) 2. C n,3 = n(n 3) n =
|
|
- Francisco Javier Pérez Miguélez
- hace 5 años
- Vistas:
Transcripción
1 Álgebra Lineal I Examen Final Ejercicio único (3 horas) 0 de enero de Sea P un polígono regular de n lados. (i) Cuántas diagonales tiene el polígono?. Las diagonales son segmentos que unen pares de vértices no consecutivos (es decir distintos de los lados). El número de pares distintos de vértices son el número de grupos de dos elementos escogidos entre n posibles, sin repetir y sin importar el orden, es decir: Descontamos el número de lados: C n, = n(n 1) ( ) n n(n 1) = n = n(n 3). (ii) Cuántos triángulos pueden construirse uniendo vértices de P?. Un triángulo está determinado por sus tres vértices. Por tanto contamos el número de grupos de tres elementos escogidos entre n posibles, sin repetir y sin importar el orden, es decir: C n,3 = ( ) n = 3 Cuántos de ellos están formados sólo por diagonales?. n(n 1)(n ). 6 Del total de triángulos calculado antres descontamos los que tienen algún lado. Distinguimos: - Los que contienen dos lados consecutivos. Si orientamos el polígono en el sentido de las agujas del reloj, el primero de los lados de uno de esos triángulos puede ser uno cualquiera de los n lados del polígono. Por tanto hay n triángulos con dos lados consecutivos. - Los que sólo contienen un lado. Hay n formas de elegir el lado que contienen. El vértice restante no puede ser ni los que limitan el lado ni los adyacentes (para evitar que el triángulo tenga dos lados consecutivos). Por tanto hay n 4 opciones para ese vértice. En total n(n 4). En definitiva el número de triángulos formados sólo por diagonales es: n(n 1)(n ) 6 n n(n 4) = n(n 9n + 30). 6 (1 punto). Dadas las matrices: A = , B = (i) Estudiar si A y B son equivalentes por filas. En caso afirmativo dar una matriz P inversible tal que P A = B.
2 Serán equivalentes por filas si y sólo si su forma canónica reducida por filas es la misma. Entonces hallaremos y compararemos ambas formas reducidas. Comenzamos con la matriz A, escalonándola con operaciones elementales fila: A H31( 1) Ahora reducimos la matriz B: B H1( ) H31( 1) H H1( ) H3() H(1/) H1( 1) Vemos que las formas reducidas coinciden y por tanto A y B son equivalentes por filas. Para hallar P tal que P A = B, realizamos sobre la identidad las mismas operaciones filas que nos llevaron de A a su forma reducida; y a continuación y en orden contrario, la inversa de las operaciones que nos llevaron de B a la forma reducida. H 1(1) Id H31( 1) H() H1( ) H3() H H1() H31(1) (ii) Estudiar si A y B son equivalentes por columnas. En caso afirmativo dar una matriz Q inversible tal que AQ = B. Hacemos un estudio análogo al anterior pero calculando la forma reducida canónica por columnas. Para la matriz B: B µ1( 1) µ31( 1) A µ1( ) µ31( 3) µ1( 1/) µ3( ) µ3( ) µ(1/) Vemos que las formas canónicas reducidas por columnas no coinciden y por tanto NO son equivalentes por columnas. (iii) Estudiar si A y B son equivalentes. En caso afirmativo dar matrices P, Q inversibles tal que P AQ = B. Como hemos visto en (i) que son equivalentes por filas entonces son equivalentes. Como matrices de paso P y Q podemos tomar la misma matriz P calculadad en (i) y Q = Id. 3. Si A = a b c p a + u 3u p q r y det(a) = 3, calcular det(c 1 ) donde C = q b + v 3v. u v w r c + w 3w En primer lugar se tiene: det(c 1 ) = 3 det(c 1 ) = 8 det(c). (1.4 puntos)
3 Ahora, aplicamos las propiedades de los determimantes para expresar el determinante de C en función del determinante de A. Sacamos factor común a en la primera columna y a 3 en la última: det(c) = 3 det Le restamos la tercer columna a la segunda: det(c) = 6 det p a + u u q b + v v r c + w w p a u q b v r c w Cambiamos de signo la segunda columna (cambiando de signo del determinante): det(c) = 6 det p a u q b v r c w Intercambiamos las dos primeras columnas (el determinante cambia de signo); det(c) = 6 det a p u b q v = 6det(A t ). c r w Finalmente el determinante de una matriz coincide con el de su traspuesta. Por tanto: y sustituyendo en la expresión de partida: det(c) = 6det(A t ) = 6det(A) = 6 3 = 18. det(c 1 ) = 3 det(c 1 ) = 8 det(c) = 8 18 = 4 9. (1 punto) 4. Sean A, B, C, D M (IR) cuatro matrices. Se sabe: A no es simétrica y tiene rango 1; B es hemisimétrica; C es simétrica y det(c) = 1; D es simétrica y det(d) = 1. Analizar si entre ellas existe algún par de matrices congruentes. Recordemos que la congruencia conserva el rango, la simétría y el signo del determinante. ( ) 0 a Observamos que por ser B hemisimétrica es de la forma B =. Por tanto su rango es 0 ó a 0 (pero no puede ser uno). Entonces: - A y B no son congruentes porque no tienen el mismo rango. - A no es congruente a C y a D porque estas últimas son simétricas pero A no. - Si el rango de B = entonces por ser hemisimétrica no es simétrica y por tanto no es congruente ni a C ni a D. Si B fuese simétrica y hemisimétrica sería la matriz nula; pero entonces no tiene el mismo rango que C y D, porque éstas tienen rango por tener determinante no nulo. Concluimos que B en ningún caso es congruente a C ó D. - C y D no son congruentes porque el signo de su determinante es diferente. En definitiva, entre las matrices dadas, no hay ningún par de ellas congruente. (1 punto)
4 5. En el espacio vectorial de matrices M (IR) se consideran los subconjuntos: {( ) ( ) ( )} 1 0 U = L,,. V = {A M (IR) traza(a) = 0, A = A t }. (i) Probar que V es un subespacio vectorial de M (IR). Tenemos que probar que: (a) - Ω in V. (b) - Si A, B V y λ, µ IR entonces λa + µb V. Pero: (a) - Se tiene que traza(ω) = 0 y Ω t = Ω. Por tanto Ω V. (b) - Si A, B V entonces traza(a) = traza(b) = 0 y A = A t, B = B t. Entonces: y traza(λa + µb) = traza(λa) + traza(µb) = λtraza(a) + µtraza(b) = = 0. Por tanto λa + µb V. (λa + µb) t = (λa) t + (µb) t = λa t + µb t = λa + µb. (ii) Demostrar que U y V son subespacios suplementarios. Tenemos que probar que dim(u + V ) = dim (M (IR)) = 4 y dim(u V ) = 0. El subespacio U está generador por las matrices cuyas coordenadas en la base canónica son: U = L{(1, 0, 0, 0), (, 0, 3, 0), (0, 0, 1, 0)}. Eliminamos las posibles relaciones de dependencia: H1( ) H3( 4) 0 0 H Por tanto: U = L{(1, 0, 0, 0), (0, 0, 1, 0)}, dim(u) =. Identificamos ahora una base de V. Tenemos que: ( ) x y A = V traza(a) = 0, A = A t x + t = 0, y = z. z t Por tanto las ecuaciones implícitas de V en la base canónica son: x + t = 0, y z = 0. Son independientes porque no son proporcionales. Resolviendo en función de 4 = parámetros obtenemos una base del subespacio: V = L{(1, 0, 0, 1), (0, 1, 1, 0)}. Ahora dim(u + V ) es el rango de la matriz formada por los generadores de ambos subespacios: dim(u + V ) = rango = rango = rango =
5 Finalmente, por la fórmula de las dimensiones: dim(u V ) = dim(u) + dim(v ) dim(u V ) = + 4 = 0. (iii) Hallar la proyección de Id sobre U paralelamente a V. Las coordenadas de la matriz Id en la base canónica son (1, 0, 0, 1). Escribimos el vector respecto de una base formada por bases de U y V : B = {(1, 0, 0, 0), (0, 0, 1, 0), (1, 0, 0, 1), (0, 1, 1, 0) }. }{{}}{{} U V Para ello usamos la fórmula de cambio de base: Por tanto: M BC = M CB = = = = (1, 0, 0, 1) = (1, 0, 0, 0) + 0 (0, 0, 1, 0) 1 (1, 0, 0, 1) + 0 (0, 1, 1, 0). }{{}}{{} U V La proyección sobre U paralelamente sobre V es, de la descomposición anterior, el término que está en U es decir la matriz de coordenadas: ( ) 0 (1, 0, 0, 0) + 0 (0, 0, 1, 0) = (, 0, 0, 0). 0 0 (1. puntos) 6. Sea V un espacio vectorial real de dimensión 1. Indicar razonadamente la veracidad o falsedad de las siguientes afirmaciones: (i) 1 vectores distintos siempre forman un sistema generador de V. FALSO. Por ejemplo, si tomamos un vector v 0 los vectores { v, v, 3 v, 4 v,..., 1 v} son 1 vectores distintos, pero todos ellos múltiplos de v. Generan por tanto un subespacio de V de dimensión 1 y NO todo V. (ii) Si S 1, S V son subespacios vectoriales, dim(s 1 ) = 10 y dim(s ) = 5 entonces dim(s 1 S ) 3. VERDADERO. Por la fórmula de las dimensiones: dim(s 1 S ) = dim(s 1 ) + dim(s ) dim(s 1 + S ) dim(s 1 ) + dim(s ) dim(v ) = = 3. (iii) Si v 1, v, v 3 son vectores linealmente dependientes, cualquiera de ellos es combinación lineal de los demás. FALSO. Por ejemplo si v 1, v son linealmente independientes y tomamos v 3 = v 1, entonces son tres vectores dependientes pero v no puede ponerse como combinación lineal de v 1 y v 3. (iv) Si f : V V es un endomorfismo y dim(ker(f)) = 7 entonces cualquier matriz asociada a f tiene rango 7.
6 FALSO. Se tiene que, para cualquier matriz asociada F : rango(f ) = dim(im(f)) = dim(v ) dim(ker(f)) = 1 7 = 5. (v) Existe una aplicación lineal inyectiva f : V M 3 3 (IR). FALSO. Si existiese una aplicación inyectiva tendríamos: dim(v ) dim(m 3 3 (IR) = 9. Pero dim(v ) = 1. (1.5 puntos) 7. Para cada número a IR se define el endomorfismo: f : IR 3 IR 3, f(x, y, z) = (x y, ax + y, x + y + z) (a) Estudiar para que valores de a triangulariza y/o diagonaliza. Comenzaremos calculando los autovalores y sus multiplicidades. - Si todos los autovalores son reales (y por tanto sus multiplicidades algebraicas suman 3) entonces triangulariza. - Si además las multiplicidades algebraicas coinciden con las geométricas también diagonaliza. Recordemos que si la algebraica es 1 la geométrica también. Por tanto sólo hay que hacer la comprobación cuando la algebraica es mayor que 1. Para ello necesitamos el polinomio característico y previamente la matriz asociada: El polinomio característico es: F C = a λ 1 p(λ) = F C λid =... = (1 λ) a λ = (1 λ)(λ 3λ + + a). Estudiamos las raíces del polinomio característico que corresponden a los autovalores. Una de ellas es λ 1 = 1. Resolvemos la ecuación λ 3λ + + a = 0: λ = 3 ± 1 4a - Si 1 4a < 0, es decir, si a > 1/4 entonces aparecen raíces complejas. El único autovalor real es λ 1 = 1 con multiplicidad algebraica 1 y por tanto no triangulariza. - Si 1 4a = 0, es decir, a = 1/4 entonces la ecuación anterior de segundo grado tiene una única solución λ = 3/. Por tanto: p(λ) = (1 λ)(λ 3/) Tenemos los autovalores: λ 1 = 1 con m.algebraica 1. λ = 3/ con m.algebraica. La suma de algebraicas es 3 y por tanto triangulariza.
7 Para ver si diagonaliza analizamos la geométrica del autovalor cuya multiplicidad algebraica no es 1: 1/ 1 0 mg(3/) = 3 rango(f CC 3/Id) = 3 rango 1/4 1/ 0 = 3 = / La geométrica no coincide con la algebraica y así no diagonaliza. - Si 1 4a > 0, es decir, a > 1/4 y a 0 tenemos que la ecuación anterior de segundo grado tiene dos raíces λ = 3 1 4a y λ 3 = a. Hemos distinguido el caso a = 0 como situación particular, porque entonces λ = 1 = λ 1. Tenemos los autovalores: λ 1 = 1 con m.algebraica 1. λ = 3 1 4a λ 3 = a con m.algebraica 1. con m.algebraica 1 La suma de algebraicas es 3 y por tanto triangulariza. Además todas las algebraicas son 1. Por tanto coinciden con las geométricas y también diagonaliza. - Si a = 0 entonces la ecuación anterior de segundo grado tiene dos raíces λ = 1 y λ 3 =. Por tanto: Tenemos los autovalores: p(λ) = (λ 1) (λ ). λ 1 = 1 con m.algebraica. λ = con m.algebraica 1. La suma de algebraicas es 3 y por tanto triangulariza. Para ver si diagonaliza analizamos la geométrica del autovalor cuya multiplicidad algebraica no es 1: mg(1) = 3 rango(f CC 1Id) = 3 rango = 3 = La geométrica no coincide con la algebraica y así no diagonaliza. Conlcusión: - TRIANGULARIZA si y sólo si a 1/4. - DIAGONALIZA si y sólo si a < 1/4 y a 0. (b) Para los valores de a para los cuáles diagonaliza dar una matriz diagonal asociada al endomorfismo. Diagonaliza cuando a < 1/4 y a 0. La forma diagonal es aquella que tiene los autovalores en la diagonal. En nuestro caso: 0 (3 1 4a)/ ( a)/ (c) Para a = calcular los autovectores y rango(f 10 C ). Según el estudio hecho en (a) hay tres autovalores de multiplicidad algebraica 1:. λ 1 = 1, λ = 0 λ 3 = 3
8 Los autovectores asociados al 1 son: S 1 = {(x, y, z) IR 3 (F CC 1Id)(x, y, z) t = (0, 0, 0) t } = = {(x, y, z) IR 3 y = 0, x + y = 0, x + y = 0} = L{(0, 0, 1)}. Los autovectores asociados al 0 son: S 0 = {(x, y, z) IR 3 (F CC 0Id)(x, y, z) t = (0, 0, 0) t } = = {(x, y, z) IR 3 x y = 0, x + y = 0, x + y + z = 0} = L{(1, 1, )}. Los autovectores asociados al 3 son: S 3 = {(x, y, z) IR 3 (F CC 3Id)(x, y, z) t = (0, 0, 0) t } = = {(x, y, z) IR 3 x y = 0, x + y = 0, x + y + z = 0} = L{(, 4, 1)}. Para hallar el rango de FC 10 tenemos en cuenta que F C es semejante a F B siendo esta la forma diagonal. Por tanto FC 10 es semejante a FB 10. Como la semejanza conserva el rango, basta calcular el rango de la potencia de la forma diagonal. Pero: rango(f 10 B ) = rango =. (1.6 puntos) 8. Sea C = { e 1, e, e 3, e 4 } la base canónica de IR 4 y f : IR 4 IR 4 un endomorfismo del cuál se sabe: f( e 1 ) = e 1 + e 3 ker(f) = L{ e 1 + e 3, e e 4 } e + e 3 es autovector de f. Los únicos autovalores de f son 0 y. (i) Hallar la matriz asociada a f respecto de la base canónica. Para hallar una matriz asociada, necesitamos saber la imagen de una base de IR 4, es decir, de cuatro vectores linealmente independientes. Sabemos que: f( e 1 ) = e 1 + e 3 f(1, 0, 0, 0) = (1, 0, 1, 0). La imagen de los vectores del núcleo es el vector nulo. Por tanto: f(1, 0, 1, 0) = (0, 0, 0, 0), f(0, 1, 0, 1) = (0, 0, 0, 0). Finalmente (0, 1, 1, 0) es autovector de f. Como los únicos autovalores de f son 0 y, o bien: - (a) f(0, 1, 1, 0) = 0 (0, 1, 1, 0) = (0, 0, 0, 0), o bien - (b) f(0, 1, 1, 0) = (0, 1, 1, 0) = (0,,, 0). Pero en el caso (a) (0, 1, 1, 0) estaría en el núcleo, es decir, tendría que ser combinacin lineal de (1, 0, 1, 0) y (0, 1, 0, 1). O equivalentemente la matriz:
9 tendría que tener rango. Pero operando: vemos que tiene rango(3). Por tanto (a) no se da y si (b): f(0, 1, 1, 0) = (0,,, 0) Si llamamos B a la base formada por los vectores sobre los cuáles tenemos información: B = {(1, 0, 0, 0), (0, 1, 1, 0), (1, 0, 1, 0), (0, 1, 0, 1)} La matriz asociada en la base B en el espacio de partida y la canónica en el de llegada es: F CB = Finalmente la cambiamos de base a la base canónica: donde: Operando resulta: F CC = F CB M BC = F CB M 1 CB M CB = F CC = (ii) Hallar los autovalores, sus multiplicades geométricas y sus autovectores asociados. El enunciado ya nos dice que los únicos autovalores son 0 y. La multiplicidad geométrica del 0 es: dim(ker(f CC 0 Id)) = dim(ker(f CC )) = dim(ker(f)) =. La multplicidad geométrica del es: dim(ker(f CC Id)) = 4 rango(f CC Id) = 4 rango = 4 3 = Finalmente los autovectores nos los da el enunciado. Asociados al cero: S 0 = Ker(f 0 Id) = ker(f) = L{(1, 0, 1, 0), (0, 1, 0, 1)}. Asociados al dos: sabemos que es un subesapcio de dimensión 1 porque la multiplicidad geométrica es 1. Basta por tanto encontrar un autovector asociado al. Pero hemos visto que (0, 1, 1, 0) es tal autovector. Por tanto: S = L{(0, 1, 1, 0)}. (1.3 puntos)
Examen Final Soluciones (3 horas) 8 de julio de 2015
Álgebra Lineal I Examen Final Soluciones (3 horas) 8 de julio de 2015 1. Siete personas suben en un ascensor en la planta baja de un edificio de cinco pisos. Cada una de ellas se apea en alguna de las
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 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 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 detallesÁLGEBRA LINEAL I Algunas soluciones a la Práctica 4
ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 4 Equivalencia de matrices. Sistemas de ecuaciones (Curso 2016 2017) 1. Hallar la forma reducida equivalente por filas de la matriz: 1 2 1 0 3 2 1 2 2
Más detallesÁLGEBRA Algunas Soluciones a la Práctica 6
ÁLGEBRA Algunas Soluciones a la Práctica 6 Aplicaciones lineales (Curso 2006 2007) 3. Dada la matriz A = ( 1 0 ) 2 3 2 1 y las bases B 1 = {(2, 1), (1, 1)} en IR 2 y B 2 = {(0, 1, 1), (1, 1, 1), ( 1, 2,
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 detallesÁLGEBRA Algunas soluciones a la Práctica 4
ÁLGEBRA Algunas soluciones a la Práctica 4 Equivalencia de matrices. Sistemas de ecuaciones Curso 28 29 2. Existen dos matrices de igual dimensión que tengan el mismo rango pero no sean ni equivalentes
Más detallesÁLGEBRA Ejercicios no resueltos de la Práctica 4
ÁLGEBRA Ejercicios no resueltos de la Práctica 4 Equivalencia de matrices. Sistemas de ecuaciones (Curso 2007 2008) 3. Decidir si las matrices A y B son equivalentes por filas y/o equivalentes por columnas.
Más detallesÁLGEBRA LINEAL I Práctica 5
ÁLGEBRA LINEAL I Práctica 5 Espacios vectoriales (Curso 2014 2015) 1. En el espacio vectorial real IR 2 consideramos los siguientes subconjuntos: (a) A = {(x y) IR 2 x 2 + y 2 = 1}. (b) B = {(x y) IR 2
Más detallesSegundo examen parcial. Soluciones. Ejercicio 1 (1 hora y 40 minutos.) 12 de junio de 2008
ÁLGEBRA Segundo examen parcial Soluciones Ejercicio 1 (1 hora y 40 minutos 1 de junio de 008 1 En el espacio de matrices M n n (IR consideramos las formas bilineales: f : M n n (IR M n n (IR IR, f(a, B
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 detallesÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3
ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 Matrices y determinantes (Curso 2011 2012) 2. Sea A una matriz diagonal n n y supongamos que todos los elementos de su diagonal son distintos entre sí.
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 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 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 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 detallesÁLGEBRA Ejercicios no resueltos de la Práctica 7
ÁLGEBRA Ejercicios no resueltos de la Práctica 7 Endomorfismos (Curso 2007 2008) 3. Hallar la matriz de Jordan J de la siguiente matriz A, así como una matriz P de paso de A a J, esto es, tal que J = P
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) Lo primero que hacemos es buscar las imágenes de los vectores de la base canónica: f(1,0,0) = (3, 5, 6) f(0,1,0) = ( 2, 3, 4) f(0,0,1) = (1, 2, 3)
. Sea f: R 3 R 3 la aplicación lineal definida por las ecuaciones: f(x, y, z) = (3x y + z, 5x 3y + z, 6x 4y + 3z) a) Encontrar la matriz A de f en las bases canónicas. b) Es f biyectiva? Si lo es, encontrar
Más detallesProblema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por: a) Demostrar que (0,1,3),(1,0,-1) y (1,0,1) son una base de R³.
Problema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por: f(0, 1, 3) = (0, 3, 9); f(1, 0, 1) = (2, 0, 2); f(1, 0, 1) = (2, 0, 2) a) Demostrar que (0,1,3),(1,0,-1) y (1,0,1) son una base
Más detallesÁLGEBRA LINEAL I Práctica 6
ÁLGEBRA LINEAL I Práctica 6 Aplicaciones Lineales (Curso 2016 2017) 1. De las siguientes aplicaciones definidas entre espacios vectoriales reales determinar cuáles son homomorfismos monomorfismos epimorfismos
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 detallesEspacios vectoriales (Curso )
ÁLGEBRA Práctica 5 Espacios vectoriales (Curso 2009 2010) 1. En el espacio vectorial real IR 2 consideramos los siguientes subconjuntos: (a) A = {(x, y) IR 2 x 2 + y 2 = 1}. (b) B = {(x, y) IR 2 x = 3y}.
Más detallesÁLGEBRA LINEAL I Práctica 4
ÁLGEBRA LINEAL I Práctica 4 Equivalencia de matrices. Sistemas de ecuaciones (Curso 2016 2017) 1. Hallar la forma reducida equivalente por filas de la matriz: 1 2 1 0 3 2 1 2 2 1 2 5 5 6 3 2 1 3 1 3 2.
Más detallesAplicaciones Lineales (Curso )
ÁLGEBRA Práctica 6 Aplicaciones Lineales (Curso 2009 2010) 1. De las siguientes aplicaciones definidas entre espacios vectoriales reales determinar cuáles son homomorfismos monomorfismos epimorfismos o
Más detallesAplicaciones Lineales (Curso )
ÁLGEBRA Práctica 6 Aplicaciones Lineales (Curso 2008 2009) 1. De las siguientes aplicaciones definidas entre espacios vectoriales reales determinar cuáles son homomorfismos monomorfismos epimorfismos o
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 detallesÁLGEBRA LINEAL I Práctica 3
ÁLGEBRA LINEAL I Práctica 3 Matrices y determinantes (Curso 2011 2012) 1. En el conjunto de las matrices n n de elementos reales, demostrar que el producto de matrices triangulares inferiores es otra matriz
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 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 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 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 detallesÁLGEBRA Ejercicios no resueltos de la Práctica 3
ÁLGEBRA Ejercicios no resueltos de la Práctica 3 Matrices y determinantes (Curso 2007 2008) 15. Encontrar la (única) respuesta correcta, de entre las indicadas, a las siguientes cuestiones: (b) En una
Más detallesÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3
ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 Matrices y determinantes (Curso 202 203) 6 Sea X una matriz cuadrada de tamaño n n y elementos reales Sea k un número par Probar que si X k = Id, entonces
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 detallesEspacios vectoriales (Curso )
ÁLGEBRA Práctica 5 Espacios vectoriales (Curso 2008 2009) 1. En el espacio vectorial real IR 2 consideramos los siguientes subconjuntos: (a) A = {(x y) IR 2 x 2 + y 2 = 1}. (b) B = {(x y) IR 2 x = 3y}.
Más detallesÁLGEBRA LINEAL I Práctica 3
ÁLGEBRA LINEAL I Práctica 3 Matrices y determinantes (Curso 2015 2016) 1. En el conjunto de las matrices n n de elementos reales, demostrar que el producto de matrices triangulares inferiores es otra matriz
Más detallesAplicaciones Lineales (Curso )
ÁLGEBRA Práctica 6 Aplicaciones Lineales (Curso 2010 2011) 1. De las siguientes aplicaciones definidas entre espacios vectoriales reales determinar cuáles son homomorfismos monomorfismos epimorfismos o
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 I Algunas soluciones a la Práctica 3
ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 Matrices y determinantes (Curso 010 011). Sea A una matriz diagonal n n y supongamos que todos los elementos de su diagonal son distintos entre sí. Demostrar
Más detallesÁLGEBRA Ejercicios no resueltos de la Práctica 5
ÁLGEBRA Ejercicios no resueltos de la Práctica 5 Espacios vectoriales (Curso 2007 2008) 5. En el espacio vectorial real IR 3 consideramos las siguientes bases: - la base canónica C = {ē 1, ē 2, ē 3 } =
Más detallesÁLGEBRA Algunas soluciones a la Práctica 8
ÁLGEBRA Algunas soluciones a la Práctica 8 Aplicaciones bilineales y formas cuadráticas (Curso 2008 2009 6. Sean a y b dos números reales. En el espacio P 1 de los polinomios de grado menor o igual que
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 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 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 detallesÁLGEBRA LINEAL I Práctica 6
ÁLGEBRA LINEAL I Práctica 6 Aplicaciones Lineales (Curso 2012 2013) 1. De las siguientes aplicaciones definidas entre espacios vectoriales reales, determinar cuáles son homomorfismos, monomorfismos, epimorfismos
Más detallesAplicaciones Lineales
Capítulo 5 Aplicaciones Lineales 51 Definición y Propiedades Sean V y W dos espacios vectoriales sobre el mismo cuerpo K Definición 511 Se dice que una aplicación f : V W es una aplicación lineal o un
Más detallesGeometría afín y proyectiva, 2016 SEMANA 3
Geometría afín y proyectiva, 2016 SEMANA 3 Sonia L. Rueda ETS Arquitectura. UPM September 20, 2016 Geometría afín y proyectiva 1. Álgebra Lineal 2. Geometría afín y eucĺıdea 3. Cónicas y cuádricas Álgebra
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 detallesÁLGEBRA LINEAL I Práctica 3
ÁLGEBRA LINEAL I Práctica 3 Matrices y determinantes (Curso 2017 2018) 1. En el conjunto de las matrices n n de elementos reales, demostrar que el producto de matrices triangulares inferiores es otra matriz
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 detallesAplicaciones Lineales
Capítulo 7 Aplicaciones Lineales 7.1 Definición y Propiedades Sean V y W dos espacios vectoriales sobre el mismo cuerpo K. Definición 7.1.1 Se dice que una aplicación f : V W es una aplicación lineal o
Más detallesÁlgebra Lineal. Ejercicios de evaluación. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Ejercicios de evaluación Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR Problema
Más 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 detallesSOLUCIONES A LA AUTOEVALUACIÓN - Espacios Vectoriales.
SOLUCIONES A LA AUTOEVALUACIÓN - Espacios Vectoriales. A) Soluciones a las Cuestiones C-1) a) Sí, por ejemplo el eje X, formado por los vectores de la forma (λ, 0), que se identificarían con el número
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 detallesProblemas y Ejercicios Resueltos. Tema 6: Diagonalizacion.
Problemas y Ejercicios Resueltos. Tema 6: Diagonalizacion. Ejercicios 1.- Sea f End V. Demostrar que la suma de subespacios f-invariantes es f-invariante. Solución. Sean U, W dos subespacios f-invariantes
Más detallesEjercicios tipo test de las lecciones 1 y El vector e = ( 1, 0, λ) está en el plano generado por los vectores u = (1, 2, 1) y
Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS Ejercicios tipo test de las lecciones 1 y 2. 1. El vector e = ( 1, 0, λ) está en el plano generado por los vectores u = (1,
Más detallesEquivalencia de matrices. Sistemas de ecuaciones (Curso ) 1. Hallar la forma reducida equivalente por filas de la matriz:
ÁLGEBRA Práctica 4 Equivalencia de matrices. Sistemas de ecuaciones Curso 2008 2009 1. Hallar la forma reducida equivalente por filas de la matriz: 1 0 3 2 2 5 5 6 3 2 1 3 1 3 2. Obtener mediante transformaciones
Más detallesPROBLEMAS DE ÁLGEBRA LINEAL INGENIERÍA DE TELECOMUNICACIONES - E.T.S.I.T. CURSO 2005/06
PROBLEMAS DE ÁLGEBRA LINEAL INGENIERÍA DE TELECOMUNICACIONES - E.T.S.I.T. CURSO 200/06 1. Utilizar el método de eliminación de Gauss para resolver el sistema de ecuaciones lineales siguiente: 2 x 1 2 x
Más 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 detallesPROBLEMAS RESUELTOS del espacio vectorial curso
PROBLEMAS RESUELTOS del espacio vectorial curso - - Consideremos el conjunto R formado por todas las parejas () de números reales Se define en R la operación interna ()( )( ) una de las operaciones eternas
Más detallesÁLGEBRA Soluciones a la Práctica 5
ÁLGEBRA Soluciones a la Práctica 5 Espacios vectoriales: Capítulos 1 y 2 (Curso 211 212) 3. En IR 4, se consideran los sistemas S = { x 1, x 2, x 3, x 4 } y T = {ȳ 1, ȳ 2, ȳ 3, ȳ 4, ȳ 5 }, donde: x 1 =
Más detallesExamen Final Ejercicio 2 (1 hora y 30 min.) 27 de mayo de 2011
Álgebra Lineal II Eamen Final Ejercicio 2 ( hora 30 min 27 de mao de 20 En el espacio afín euclideo usual consideramos una pirámide triangular ABCD de la cual sabemos: - A (0, 0, 0, B (, 0, 0, C (0,, -
Más detallesÁLGEBRA 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 detallesÁLGEBRA Algunas soluciones a la Práctica 5
ÁLGEBRA Algunas soluciones a la Práctica 5 Espacios vectoriales: Capítulos 1 y 2 (Curso 2004 2005) 2. Comprobar que el conjunto V de las funciones f : IR IR, con las operaciones habituales de suma de funciones
Más detallesÁLGEBRA Algunas soluciones a la Práctica 8
ÁLGEBRA Algunas soluciones a la Práctica 8 Aplicaciones bilineales y formas cuadráticas (Curso 24 25 1. Comprobar si las siguientes aplicaciones son o no bilineales y en las que resulten serlo, dar la
Más detallesDiagonalización. Tema Valores y vectores propios Planteamiento del problema Valores y vectores propios
61 Matemáticas I : Álgebra Lineal Tema 6 Diagonalización 61 Valores y vectores propios 611 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial
Más detallesÁLGEBRA LINEAL I Práctica 3
ÁLGEBRA LINEAL I Práctica 3 Matrices y determinantes (Curso 2013 2014) 1. En el conjunto de las matrices n n de elementos reales, demostrar que el producto de matrices triangulares inferiores es otra matriz
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 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 detallesProblemas de Álgebra Ingeniería Técnica en Informática de Sistemas. Curso 2009/10
Problemas de Álgebra Ingeniería Técnica en Informática de Sistemas Curso 2009/10 Hoja 1 Preliminares 1 Resuelve los siguientes sistemas de ecuaciones de números complejos: { z 1 + iz 2 = 1 i 3z 1 + (1
Más detalles0 a b X = b c 0. f X (A) = AX XA.
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Industriales Álgebra Lineal Convocatoria de Junio 8 de Junio de 2007 (3 ptos.). Sea V = {A M 3 3 (R) / A t = A}. (a) Demostrar que toda
Más detallesCuestiones de Álgebra Lineal
Cuestiones de Álgebra Lineal Algunas de las cuestiones que aparecen en esta relación están pensadas para ser introducidas en un plataforma interactiva de aprendizaje de modo que los parámetros a, b que
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 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 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 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 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 detallesESPACIOS VECTORIALES Y APLICACIONES LINEALES
Departamento de Matemática Aplicada II E.E.I. ÁLGEBRA Y ESTADÍSTICA Boletín n o (010-011 ESPACIOS VECTORIALES Y APLICACIONES LINEALES 1. En el espacio vectorial ordinario R 4 estudiar cuáles de los siguientes
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 detallesFrancisco Cabo García Bonifacio Llamazares Rodríguez
ÁLGEBRA LINEAL CON DERIVE 5 Francisco Cabo García Bonifacio Llamazares Rodríguez María Teresa Peña García Dpto. de Economía Aplicada (Matemáticas) Universidad de Valladolid Página 1 de 34 Ventana de Álgebra
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 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 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 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 detallesPara hacer el b, primero pasamos a binómica, luego a polar y, por fin, operamos. ( 1) = 32i
1.- a) Expresar en forma binómica el número: b) Calcular: z 1 i 3 ı w 3 i Para realizar el apartado a, lo primero que hay que hacer es escribir el conjugado del denominador y luego hacer la división (es
Más detalles2. Problemas. Espacios Vectoriales. Álgebra Lineal- Propedéutico Mayo de 2012
2. Problemas. Espacios Vectoriales. Álgebra Lineal- Propedéutico Mayo de 2012 1. En R 2 se define la suma: (a 1, b 1 ) + (a 2, b 2 ) = (a 1 + a 2, b 1 + b 2 ) y el producto por un escalar: λ(a, b) = (0,
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 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 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 detallesResumen 2: Espacios vectoriales
Resumen 2: Espacios vectoriales 1 Definición y ejemplos Un espacio vectorial V sobre K, un cuerpo, está formado por elementos denominados vectores, los cuales pueden sumarse internamente y también multiplicarse
Más detallesMatrices. Álgebra de matrices.
Matrices. Álgebra de matrices. 1. Definiciones generales Definición 1.1 Si m y n son dos números naturales, se llama matriz de números reales de orden m n a una aplicación A : {1, 2, 3,..., m} {1, 2, 3,...,
Más detallesMatrices y determinantes (Curso )
ÁLGEBRA Práctica 3 Matrices y determinantes (Curso 2008 2009) 1. En el conjunto de las matrices n n de elementos reales, demostrar que el producto de matrices triangulares inferiores es otra matriz triangular
Más detalles