ALGEBRA LINEAL Segundo Semestre. Parte II
|
|
- María Ángeles San Segundo Piñeiro
- hace 5 años
- Vistas:
Transcripción
1 1 Universidad Nacional de La Plata Facultad de Ciencias Astronómicas y Geofísicas ALGEBRA LINEAL 2015 Segundo Semestre Parte II
2 2 1. Valores y Vectores propios. Diagonalización.Forma de Jordan Polinomios Repaso P K [x] son los polinomios en la variable x con coeficientes en K. Es un anillo conmutativo con unidad. (Tiene neutro con el producto pero no hay inverso multiplicativo). Es un espacio vectorial sobre K Divisibilidad en P K [x]: Sean p y d P K [x], d 0. Se dice que p es divisible por d si existe q P K [x] tal que p = q.d. Se anota también p/d. Recordar que c K, p P K [x], entonces (x c)/p sí y sólo sí p(c) = 0. Se dice que c es raíz de p(x). Recordar también que si p es un polinomio no nulo de grado n de K [x], entonces p tiene, a lo sumo n raíces distintas.
3 3 DEFINICIÓN: Si c es raíz de p P K [x], la multiplicidad de c como raíz de p es el mayor entero r tal que (x c) r divide a p, es decir c es raíz de multiplicidad r de p sí y sólo sí (x c) r /p pero (x c) r+1 no divide a p DEFINICIÓN: Sea K un cuerpo. Un ideal M de P K [x] es un subespacio vectorial de P K [x] tal que f.g M, para todo f P K [x] y para todo g M. (Un polinomio cualquiera multiplicado por uno de M debe darme un polinomio de M).
4 4 EJEMPLO 1: K cuerpo, d P K [x], fijo. M = d.p K [x] = {d.f, f P K [x]} es un ideal, llamado ideal principal generado por d. Vamos a ver que todo ideal de polinomios es principal, generado por un sólo polinomio que es el MCD entre todos los polinomios que lo generan. EJEMPLO 2: Sean d 1, d 2, d n un número finito de polinomios de P K [x], M = d 1.P K [x] + d 2.P K [x] + d n.p K [x] es un ideal de P K [x]. A M se lo llama ideal generado por d 1, d 2, d n
5 5 Teorema: Sea K un cuerpo y sea M un ideal no nulo de P K [x]. Entonces existe un único polinomio d P K [x] tal que M es el ideal principal generado por d, es decir M = d.p K [x] Demostración Corolario: Si p 1, p 2, p n son polinomios sobre un cuerpo K, no todos nulos, existe un único polinomio d P K [x] tal que: 1. d está en el ideal generado por p 1, p 2, p n 2. d/p i, i = 1, n
6 6 Cualquier polinomio que satisface los dos puntos anteriores necesariamente satisface 3. d es divisible por todos los polinomios que dividen a cada uno de los p i. DEFINICIÓN: Si p 1, p 2, p n son polinomios sobre un cuerpo K, no todos nulos, el generador mónico del ideal d 1.P K [x] + d 2.P K [x] + d n.p K [x] se llama máximo común divisor de p 1, p 2, p n. Se dice que p 1, p 2, p n son primos entre sí si su MCD es 1 (en ese caso el ideal generado por ellos es todo P K [x] DEFINICIÓN: Sea K un cuerpo. Un polinomio f P K [x] es reducible sobre K si existen polinomios f, g P K [x], ambos de grado 1 tal que f = g.h. f es primo o irreducible sobre K cuando ésto no se cumple.
7 7 Teorema: Sean p, f y g polinomios sobre el cuerpo K. Supongamos que p es primo sobre K y que p/f.g. Entonces p/f o p/g. Teorema de la factorización prima: Sea K un cuerpo, un polinomio mónico no escalar de P K [x] puede factorizarse como producto de factores primos en P K [x] de manera única, salvo el orden f = p n 1 1.pn 2 2 pn k k DEFINICIÓN: El cuerpo K es algebraicamente cerrado si todo polinomio primo sobre K tiene exactamente grado 1. NOTA: R no es un cuerpo algebraicamente cerrado mientras que C sí lo es
8 Introducción a valores y vectores propios Cuando vimos en el punto 2.4 Cambio de base para aplicaciones lineales vimos que dada un aplicación lineal T era posible encontrar una base tal que la matriz sea diagonal. ( ) 6 2 T = Y surge la pregunta Esto siempre es posible? T = 6 1 ( )
9 9 Dada la matriz T = ( Supongamos existe una matriz C de cambio de base tal que ) C 1 T C = T = ( α 0 0 β ) Se llega a una contradicción. No todas las matrices son diagonalizables.
10 10 Veremos que siempre es posible encontrar la forma más sencilla en que una matriz dada puede transformarse mediante un cambio de base. Esta forma más sencilla se denomina matriz de Jordan de la matriz dada. (El nombre se debe al matemático Camille Jordan ). La forma de Jordan puede usarse para clasificar las aplicaciones lineales y también para hallar potencias de matrices. T 6 = ( ) 6 como T = CT C 1
11 Subespacios invariantes. Valores y vectores propios de una aplicación lineal Dado un espacio vectorial V y una aplicación lineal T : V V, es decir T L(V ), un subespacio vectorial W de V se llama invariante respecto a L si T (W ) W, es decir la imagen T x de todo vector x W es un elemento de W. EJEMPLO 1: Sea T L(R 2 ) una aplicación lineal en R 2 cuya matriz respecto de la base { e 1, e 2 } de R 2 está dada por ( ) 2 0 T = 0 1 Entonces W 1 = {x 1 e 1, x 1 R} y W 2 = {x 2 e 2, x 2 R} son invariantes respecto de T.
12 12 En efecto y T (x 1 e 1 ) = x 1 T ( e 1 ) = x 1 (2 e 1 ) = (2x 1 ) e 1 W 1 T (x 2 e 2 ) = x 2 T ( e 2 ) = x 2 e 2 W 2 EJEMPLO 2: Sea R x una rotación de ángulo α 0 en R 3 con respecto al eje Oz. Geométricamente se observa que el plano xoy y la recta Oz son invariantes con respecto a esta aplicación. Para comprobar algebraicamente que el plano xoy es invariante obsevar que la matriz de R x con respecto a la base canónica de R 3 es R = cosα senα 0 senα cosα
13 13 EJEMPLO 3: Sea P la proyección ortogonal de R 3 sobre el plano xoy; todo plano π que contiene al eje Oz es invariante. En efecto, como la matriz de P es P = con respecto a la base canónica, y los elementos de π son de la forma v = x 1 e 1 +λx 1 e 2 +x 3 e 3, λ R, tenemos que P ( v) es de nuevo un elemento del plano π. Otros subespacios invariantes de esta proyección ortogonal son el plano xoy, el eje Oz y cualquier recta del plano xoy que pase por el origen de coordenadas. NOTA: Para cualquier aplicación lineal T L(V ) el subespacio E = { 0}, formado sólo por el elemento nulo, es invariante ya que T ( 0) = 0 y el propio espacio vectorial V es también invariante.
14 14 PROPOSICIÓN 1: La intersección y la suma de subespacios invariantes respecto de una aplicación lineal T L(V ) son subespacios invariantes respecto de T. DEFINICIÓN: Valores y Vectores propios Un vector x 0 de un espacio vectorial V sobre K se llama autovector o vector propio de una aplicación lineal T L(V ) si existe un escalar λ K tal que T ( x) = λ x; este número λ se denomina autovalor o valor propio de la aplicación T correspondiente al vector x. NOTA: Si x es un vector propio de T con autovalor λ, todo elemento no nulo del subespacio unidimensional generado por x es un autovector de T con el mismo autovalor λ.
15 15 Supongamos que una aplicación lineal T en un espacio V de dimensión n tiene n vectores propios linealmente independientes, e 1, e 2,, e n con valores propios λ 1, λ 2,, λ n respectivamente, tomando { e 1, e 2,, e n } como una base de V se tiene que T ( e 1 ) = λ 1 e 1, T ( e 2 ) = λ 2 e 2,, T ( e n ) = λ n e n y, por lo tanto, la matriz de T con respecto a esta base es la matriz diagonal T = λ λ λ n
16 16 Recíprocamente, toda aplicación lineal que tiene una matriz diagonal en una cierta base, tiene a los elementos de esta base como vectores propios. Si decimos que una aplicación lineal T L(V ) es diagonalizable si existe una base de V en la cual la matriz de T es diagonal, hemos probado el siguiente resultado: PROPOSICIÓN 3: Una aplicación lineal T L(V ) es diagonalizable sí y sólo sí existe una base de V formada por vectores propios DEFINICIÓN: Una matriz T M n n (K) se dice diagonalizable en K si la aplicación lineal T : K n K n que la tiene como matriz es diagonalizable Veremos a continuación cómo se calculan autovalores y autovectores de una aplicación lineal.
17 17 Supongamos que x es un vector propio de una aplicación lineal T en un espacio vectorial V y que λ es su autovalor, es decir T ( x) = λ x. Sea { e 1, e 2,, e n } una base de V y x = n j=1 x j e j. Si (a ij es la matriz de T con respecto a la base tenemos que n j=1 λx j e j = λ n j=1 n x j e j = λ x = T ( x) = T ( x j e j ) j=1
18 18 = n j=1 x j T ( e j ) = n j=1 x j ( n i=1 a ij e i ) = n n ( i=1 j=1 a ij x j ) e i ) Como { e 1, e 2,, e n } es una base de V se tiene (a 11 λ).x 1 + a 12.x a 1n.x n = 0 a 21.x 1 + (a 22 λ).x a 2n.x n = 0 a n1.x 1 + a n2.x (a nn λ).x n = 0 (1)
19 19 Como es un sistema homogéneo, para que exista una solución no nula debe ocurrir que Det(T λi) = 0, donde I denota la matriz identidad. Esto es una ecuación de grado n en λ y sus soluciones en K (R o R) son los autovalores de T. Si V es un espacio vectorial complejo, por el teorema fundamental del álgebra la ecuación anterior tiene n soluciones complejas contando cada una con su multiplicidad. Si V es un epacio vectorial real, no podemos asegurar que la ecuación anterior tenga n soluciones reales. EJEMPLO 1: Determinar los valores y vectores propios de la aplicación lineal de T : V V, V = R 2, que tiene como matriz, T = ( )
20 20 Al polinomio Det(T λi) se lo denomina polinomio característico de la aplicación T o de la matriz T. Este polinomio no depende de la base elegida. Para demostrar esto, sea P B (λ) = Det(T λi) el polinomio característico de la aplicación T en la base B = { e 1, e 2,, e n } como una base de V y sea P{ B (λ) = Det(T λi) el polinomio característico de T en la base B = e 1, e 2,, e m} ; si C es la matriz del cambio de base, sabemos que T = CT C 1, y se tiene (dem) P B (λ) = P B (λ) Esto prueba que el polinomio característico no depende de la base elegida en V para representar T.
21 21 EJEMPLO 2: Determinar los valores y vectores propios de la aplicación lineal que corresponde a la rotación de ángulo α que tiene como matriz, ( ) cosα senα R α = senα cosα con respecto a la base canónica de R 2 EJEMPLO 3: Idem para una rotación de ángulo α en R 3 con respecto al eje Oz, que tiene como matriz, R = cosα senα 0 senα cosα
22 22 La proposición 3 nos da una condición necesaria y suficiente para saber cuándo una aplicación lineal es diagonalizable, a saber, que exista una base del espacio vectorial V formada por vectores propios. En algunos casos puede resultar laborioso encontrar esta base. Una condición que es suficiente para poder asegurar la diagonalizaciónde una matriz está contenida en la proposición siguiente: PROPOSICIÓN 4: Los vectores propios de una aplicación T correspondientes a valores propios distintos dos a dos, son linealmente independientes Demostración NOTA: La condición Det(T λi) = 0 es equivalente a que T λi no es inyectivo, o sea N(T λi) 0
23 23 EJEMPLO 4: Estudiar si las matrices son diagonalizables. EJEMPLO 5: Sea A = 0 α 0 α A = ( ) 0 1 T = 1 0 Analizar para qué valores de α R la matriz es diagonalizable.
24 24 Sea T L(V ). Al subespacio de vectores propios correspondientes a λ se lo llama espacio propio asociado a λ y se lo anota E(λ) = N(T λi) E(λ) contiene todos los vectores propios correspondientes a λ junto con el vector 0 De los resultados ya vistos se tiene que E(λ) es un subespacio vectorial de V y dim(e(λ)) = dim(v ) dim(im(t λi)) = dim(v ) r(t λi) Teorema: Sea T L(V ), V de dim <. Sean λ 1, λ 2,, λ n los autovalores distintos de T. Son equivalentes: 1. T es diagonalizable 2. Si el polinomio característico de T es (x λ 1 ) α 1(x λ 2 ) α 2 (x λ n ) α n entonces α i = dim(e(λ i ))
ALGEBRA 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 detallesGeometría afín y proyectiva, 2016 SEMANA 4
Geometría afín y proyectiva, 2016 SEMANA 4 Sonia L. Rueda ETS Arquitectura. UPM September 30, 2016 Geometría afín y proyectiva 1. Álgebra Lineal 2. Geometría afín y eucĺıdea 3. Cónicas y cuádricas Álgebra
Más detallesÁlgebra Lineal. Maestría en Ciencias Matemáticas. x y + z = 1 x y z = 3 2x y z = 1. x + y + 2z = 1 4x 2ty + 5z = 2 x y + tz = 1
Álgebra Lineal Maestría en Ciencias Matemáticas Resuelva el siguiente sistema usando la factorización LU o P T LU (según sea el caso) x y + z = x y z = 3 2x y z = 2 Calcule A usando el algoritmo de Gauss-Jordan:
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 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 detallesTema 2: Diagonalización
TEORÍA DE ÁLGEBRA II: Tema 2. DIPLOMATURA DE ESTADÍSTICA 1 Tema 2: Diagonalización 1 Introducción Sea f : R n R n lineal. Dada una base B de R n podemos asociar a f la matriz A 1 = [f, B] M n. Si C es
Más detallesTema 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 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 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 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 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 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 detalles1. Espacio vectorial. Subespacios vectoriales
Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS Sea k un cuerpo. 1. Espacio vectorial. Subespacios vectoriales Definición 1.1. Un k-espacio vectorial o espacio vectorial
Más detallesValores y vectores propios
Valores y vectores propios Problemas teóricos El los siguientes problemas se denota por L(V ) conjunto de los operadores lineales en un espacio vectorial V (en otras palabras, de las transformaciones lineales
Más 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 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 detallesSEGUNDO PARCIAL - EJERCICIOS DE REPASO
Algebra y Geometría 28 SEGUNDO PARCIAL - EJERCICIOS DE REPASO 3-6-8 ESPACIOS VECTORIALES. Construya en R 2 un subconjunto que sea: a cerrado para la suma y resta de vectores, pero no para la multiplicacion
Más detallesPreparaduría V. 1.- Sea A una matriz diagonal n n cuyo polinomio característico es
Preparaduría V 1.- Sea A una matriz diagonal n n cuyo polinomio característico es (x c 1 ) d1 (x c 2 ) d2... (x c k ) d k donde los c 1,..., c k son distintos dos a dos. Sea V el espacio de matrices n
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 detallesEspacios Vectoriales
Espacios Vectoriales Espacios Vectoriales Verónica Briceño V. noviembre 2013 Verónica Briceño V. () Espacios Vectoriales noviembre 2013 1 / 47 En esta Presentación... En esta Presentación veremos: Espacios
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 detallesTema 5: Espacios Eucĺıdeos.
Espacios Euclídeos 1 Tema 5: Espacios Eucĺıdeos. 1. Producto escalar. Espacios eucĺıdeos. Definición. Sea E un R-espacio vectorial y sea f : E E R una forma bilineal simétrica. Se dice que f es un producto
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 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 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 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 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 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 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 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 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 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 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 detallesUNIVERSIDAD DEL NORTE Departamento de Matemáticas y Estadística Álgebra Lineal Ejercicios resueltos- Mayo de 2018
UNIVERSIDAD DEL NORTE Departamento de Matemáticas y Estadística Álgebra Lineal Ejercicios resueltos- Mayo de 2018 I. Sistemas homogéneos, subespacios, dependencia e independencia lineal 1. En cada caso
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 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 detallesTEMA V. Espacios vectoriales
TEMA V. Espacios vectoriales 1 1. Demostrar que cada uno de los siguientes conjuntos tiene estructura de espacio vectorial sobre el cuerpo de los reales: a El conjunto (R 2, +,, R. b El conjunto (R 3,
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 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 detalles1 Autovalores y autovectores asociados a un endomor smo f. Diagonalización.
utovalores y autovectores asociados a un endomor smo f Diagonalización Dado un endomor smo f de un espacio vectorial real V y jada una base B de V obtenemos una única matriz asociada a f respecto de la
Más detallesÁlgebra II(61.08, 81.02) Segundo cuatrimestre 2017 Práctica 4. Autovalores y autovectores de matrices. Diagonalización.
Álgebra II(6108, 8102) Segundo cuatrimestre 2017 Práctica 4 Autovalores y autovectores de matrices Diagonalización Nota: salvo indicación particular, se considera que todas las matrices pertenecen a C
Más detallesUniversidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal - Grupo 01 Taller 4
Universidad Nacional de Colombia Departamento de Matemáticas - Álgebra Lineal - Grupo Taller () Es el conjunto de los números reales con las operaciones de suma y multiplicación un R-espacio vectorial?
Más detallesObjetivos formativos de Álgebra
Objetivos formativos de Álgebra Para cada uno de los temas el alumno debe ser capaz de hacer lo que se indica en cada bloque. Además de los objetivos que se señalan en cada tema, se considera como objetivo
Más 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 detallesDepartamento de Ingeniería Matemática - Universidad de Chile
Ingeniería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Álgebra Lineal 08-2 SEMANA 7: ESPACIOS VECTORIALES 3.5. Generadores de un espacio vectorial Sea V un espacio vectorial
Más detallesTema 1. Espacios Vectoriales Definición de Espacio Vectorial
Tema 1 Espacios Vectoriales. 1.1. Definición de Espacio Vectorial Notas 1.1.1. Denotaremos por N, Z, Q, R, C, a los conjuntos de los números Naturales, Enteros, Racionales, Reales y Complejos, respectivamente.
Más detalles6 Vectores. Dependencia e independencia lineal.
6 Vectores. Dependencia e independencia lineal. Introducción Hay fenómenos reales que se pueden representar adecuadamente mediante un número con su adecuada unidad de medida. Sin embargo para representar
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 detallesSea V un conjunto no vacío (cuyos elementos se llamarán vectores) y sea K un cuerpo (cuyos elementos se llamarán escalares).
Capítulo 6 Espacios Vectoriales 6.1 Definiciones Sea V un conjunto no vacío (cuyos elementos se llamarán vectores) y sea K un cuerpo (cuyos elementos se llamarán escalares). Definición 6.1.1 Se dice que
Más detalles2 Espacios vectoriales
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1 2 Espacios vectoriales 2.1 Espacio vectorial Un espacio vectorial sobre un cuerpo K (en general R o C) es un conjunto V sobre el que hay
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 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 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 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 detallesAplicaciones lineales
Aplicaciones lineales María Muñoz Guillermo maria.mg@upct.es U.P.C.T. Matemáticas I M. Muñoz (U.P.C.T.) Aplicaciones lineales Matemáticas I 1 / 32 Contenidos 1 Definición y propiedades Definición de aplicación
Más detallesEspacios vectoriales
Espacios vectoriales [Versión preliminar] Prof. Isabel Arratia Z. Algebra Lineal 1 En el estudio de las matrices y, en particular, de los sistemas de ecuaciones lineales realizamos sumas y multiplicación
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 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 detallesEndomorfismos: autovalores, autovectores, diagonalización
Capítulo 14 Endomorfismos: autovalores, autovectores, diagonalización Consideraremos en este capítulo endomorfismos f : IR n IR n, siendo IR n espacio vectorial sobre IR. 14.1 Valores y vectores propios
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 detallesUNIVERSIDAD DE CONCEPCION FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE INGENIERIA MATEMATICA
AL GEBRA III UNIVERSIDAD DE CONCEPCION FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE INGENIERIA MATEMATICA ALGEBRA III DEFINICION : Sea L : V V un operador lineal sobre el espacio vectorial
Más 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 detalles3 de noviembre de 2010
Algebra Lineal Universidad del Norte 3 de noviembre de 2010 Segmentos dirigidos en E n. Suponemos que ya se ha introducido un sistema coordenado en el espacio euclidiano correspondiente e identificaremos,
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 detallesALGEBRA LINEAL Y GEOMETRÍA I
ALGEBRA LINEAL Y GEOMETRÍA I TEMA 3: Autovalores y Autovectores. Introducción Ya conoces que las aplicaciones lineales entre espacios vectoriales, al elegir bases en ellos, las puedes representar por matrices.
Más detallesTEMA 7. DIAGONALIZACION Y Y FORMAS CANONICAS 1. ENDOMORFISMOS NILPOTENTES
TEMA 7. DIAGONALIZACION Y Y FORMAS CANONICAS 1. ENDOMORFISMOS NILPOTENTES Definición 1.1. Endomorfismo Nilpotente. Un endomorfismo T End(V ) es nilpotente si existe n N tal que f n 0. Definición 1.. Matriz
Más detallesLa estructura de un cuerpo finito.
9. CUERPOS FINITOS El objetivo de este capítulo es determinar la estructura de todos los cuerpos finitos. Probaremos en primer lugar que todo cuerpo finito tiene p n elementos, donde p es la característica
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 detallesÁLGEBRA LINEAL II Práctica
ÁLGEBRA LINEAL II Práctica 2.1-2.2 Espacios Euclídeos. Ortogonalidad (Curso 2011 2012) 1. Se considera un espacio euclídeo de dimensión 3, y en él una base {ē 1, ē 2, ē 3 } tal que el módulo de ē 1 y el
Más detallesUniversidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal Básica - Grupo 3 Taller 3
Universidad Nacional de Colombia Departamento de Matemáticas 2015555- Álgebra Lineal Básica - Grupo Taller (1) Es el conjunto de los números reales con las operaciones de suma y multiplicación un R-espacio
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 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 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 detallesÁlgebra Lineal. Departamento de Matemáticas Universidad de Los Andes. Primer Semestre de 2007
Álgebra Lineal Departamento de Matemáticas Universidad de Los Andes Primer Semestre de 2007 Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 1 / 50 Texto guía: Universidad de Los Andes
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 detallesEspacios vectoriales
CAPíTULO 2 Espacios vectoriales 1. Definición de espacio vectorial Es frecuente representar ciertas magnitudes físicas (velocidad, fuerza,...) mediante segmentos orientados o vectores. Dados dos de tales
Más detallesÁLGEBRA LINEAL E.T.S. DE INGENIERÍA INFORMÁTICA INGENIERÍAS TÉCNICAS EN INFORMÁTICA DE SISTEMAS Y GESTIÓN BOLETÍN DE PROBLEMAS DE
E.T.S. DE INGENIERÍA INFORMÁTICA BOLETÍN DE PROBLEMAS DE ÁLGEBRA LINEAL para las titulaciones de INGENIERÍAS TÉCNICAS EN INFORMÁTICA DE SISTEMAS Y GESTIÓN 1. Matrices y determinantes Ejercicio 1.1 Demostrar
Más detallesTema 2: Espacios Vectoriales
Tema 2: Espacios Vectoriales José M. Salazar Octubre de 2016 Tema 2: Espacios Vectoriales Lección 2. Espacios vectoriales. Subespacios vectoriales. Bases. Lección 3. Coordenadas respecto de una base. Ecuaciones.
Más detalles4. Endomorfismos. 2 Autovalores y autovectores. 1 Introducción. 2.1 Definición y propiedades. 2.2 Subespacios característicos.
Tema III Capítulo 4 Endomorfismos Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC 4 Endomorfismos 1 Introducción Vimos en el capítulo anterior que un endomorfismo es una aplicación
Más detallesFormas canónicas de Jordan
Capítulo 6 Formas canónicas de Jordan 61 Subespacios propios generalizados Introducción En el capítulo anterior se han estudiado los endomorfismos diagonalizables y se han dado condiciones necesarias y
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 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 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 detallesTema 1: Nociones básicas del Álgebra Lineal.
Nociones básicas del Álgebra Lineal 1 Tema 1: Nociones básicas del Álgebra Lineal 1 Conceptos fundamentales sobre espacios vectoriales y bases Definición Sea (K + ) un cuerpo y (V +) un grupo abeliano
Más detallesAlgebra Lineal. Gustavo Rodríguez Gómez. Verano 2011 INAOE. Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano / 21
Algebra Lineal Gustavo Rodríguez Gómez INAOE Verano 2011 Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano 2011 1 / 21 Espacios Vectoriales Espacios Vectoriales INAOE Gustavo Rodríguez Gómez (INAOE)
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 detallesTema 7. El espacio vectorial R n Conceptos generales
Tema 7 El espacio vectorial R n. 7.1. Conceptos generales Un vector es un segmento orientado que queda determinado por su longitud, dirección y sentido. Sin embargo, desde el punto de vista del Álgebra,
Más detallesALGEBRA LINEAL Segundo Semestre
1 Universidad Nacional de La Plata Facultad de Ciencias Astronómicas y Geofísicas ALGEBRA LINEAL 2015 Segundo Semestre VICTORIA VAMPA 2 1. Espacios Vectoriales 1.1. Definición de espacio vectorial. Ejemplos
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 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 detallesSegundo Parcial de Geometría y Álgebra Lineal 2
Segundo Parcial de Geometría y Álgebra Lineal Miércoles 3 de Julio de 03 Apellido y Nombre Cédula de Identidad No Parcial La prueba dura 4 horas La prueba consta de 5 ejercicios multiple opción y ejercicio
Más detallesGeometría afín y proyectiva, 2016 SEMANA 2
Geometría afín y proyectiva, 2016 SEMANA 2 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 detalles8.1. Extensiones algebraicas. Grado.
1 Tema 8.-. Extensiones algebraicas. Cuerpos de descomposición. Elemento primitivo. 8.1. Extensiones algebraicas. Grado. Si k es un subcuerpo de K, diremos que K es una extensión de k, que notaremos K
Más detalles