4 APLICACIONES LINEALES. DIAGONALIZACIÓN

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

Download "4 APLICACIONES LINEALES. DIAGONALIZACIÓN"

Transcripción

1 4 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES En ocasiones, y con objeto de simplificar ciertos cálculos, es conveniente poder transformar una matriz en otra matriz lo más sencilla posible Esto nos lleva a considerar el concepto de matrices semejantes, esto es, matriz obtenidas desde las de partidas bajo ciertas transformaciones Las matrices más cómodas de manipular son las matrices diagonales, dado que para ellas es posible realizar gran parte de los cálculos matriciales de manera simple y rápida El objetivo de este capítulo será encontrar condiciones bajo las cuales existen matrices diagonales semejantes a una matriz cuadrada y, en su caso, la determinación de dichas matrices diagonales 4 APLICACIONES LINEALES Definición Sean V y W dos espacios vectoriales Una aplicación f : V W se dice lineal si se cumple que a f( u + v = f( u + f( v, u, v V b f(λ u = λf( u, λ R y u V Las condiciones a y b anteriores pueden resumirse en la siguiente propiedad: Una aplicación f : V W es lineal si se cumple que f(λ u + µ v = λf( u + µf( v, λ, µ R, u, v V (4 Resultado 4 El vector f( v se llama imagen del vector v mediante la aplicación f La aplicación lineal f : V W también se denomina homomorfismo entre los espacios vectoriales V y W

2 APLICACIONES LINEALES Ejemplo 4 El operador derivada puede considerarse una alicación lineal entre los espacios vectoriales P 3 [x] y P [x], definiendo la aplicación D : P 3 [x] P [x] p(x D(p(x = p (x Las condiciones a y b se cumplen trivialmente teniendo en cuenta las propiedades del operador derivada: a D(p(x + q(x = D(p(x + D(q(x, b D(λ p(x = λd(p(x La imagen del polinomio p(x = 3 + x 5x + 7x 3 es D(p(x = x + 3x La aplicación f : R R dada por f(x, x = (x + x, x x es lineal dado que se cumple f((x, x + (y, y = f(x + y, x + y = (x + y + x + y, x + y (x + y = (x + x + y + y, x x + y y = (x + x, x x + (y + y, y y = f(x, y + f(x, y f(λ(x, x = f(λx + λx = (λx + λx, λx λx = λ(x + x, x x = λf(x, x La aplicación f : R R, dada por f(x = (x, no es lineal, dado que f(x + x f(x + f(x En efecto, f(x + x = (x + x,, mientras que f(x + f(x = (x, + (x, = (x + x,, por lo que no se cumple la condición a 4 Expresión matricial de una aplicación lineal Sea f : V W una aplicación lineal entre los espacios vectoriales V y W cuyas dimensiones sean dim(v = n y dim(w = m Supongamos que hemos fijado una base B = { u, u,, u n } de V y una base B = { v, v,, v m } de W, entonces se tiene que la aplicación lineal f : V W queda determinada si conocemos las imágenes de los vectores de la base B, es decir, si conocemos f( u, f( u,, f( u n, entonces podemos determinar fácilmente la imagen de cualquier vector x V En efecto, si x V, entonces x se podrá expresar de forma única en la forma x = x u + x u + + x n u n, donde como sabemos los números x, x,, x n se llaman coordenadas del vector x respecto de la base B Entonces, por las condiciones a y b se tiene que f( x = f(x u + x u + + x n u n = x f( u + x f( u + + x n f( u n (4 La igualdad (4 nos permitirá dar la expresión analítica de cualquier aplicación lineal Para ello procedemos de la siguiente manera Dado un vector x V, llamemos y al vector de W tal que y = f( x

3 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES 3 Supongamos que x = (x, x,, x n respecto de la base B, y = (y, y,, y m respecto de la base B Qué relación existe entre las coordenadas (x i n i= y las coordenadas (y j m j=? Como f( u, f( u,, f( u n son vectores de W se podrán expresar como combinación lineal de los vectores de la base B, es decir, f( u = a v + a v + + a m v m, f( u = a v + a v + + a m v m, f( u n = a n v + a n v + + a mn v m, (Hemos utilizado la notación a ij para designar a la coordenada j del vector f( u i respecto de la base B Ahora, teniendo en cuenta la igualdad (4, se llega a que y = y v + y v + + y m v m = f( x = x f( u + x f( u + + x n f( u n = x (a v + a v + + a m v m + x (a v + a v + + a m v m + + x m (a m v + a m v + + a mn v m = (a x + a x + + a n x n v + (a x + a x + + a n x n v = + + (a m x + a m x + + a mn x n v m De donde se llega a las igualdades: y = a x + a x + + a n x n y = a x + a x + + a n x n y m = a m x + a m x + + a mn x n que reciben el nombre de ecuaciones cartesianas de la aplicación lineal Las igualdades anteriores pueden también expresarse en forma vectorial y y y m y en forma matricial La matriz = x y y y m = a a a m + x a a a m a a a n a a a n + + x n a m a m a mn a a a n a a a n A = a m a m a mn se llama matriz asociada a la aplicación lineal f, x x x n a n a n a mn, (43

4 4 APLICACIONES LINEALES La ecuación (44 se llama ecuación matricial de la aplicación lineal f y se puede escribir abreviadamente en la forma y = f( x = A x (44 Observación 4 La matriz A asociada a la aplicación lineal f : V W es de dimensión m n y que sus vectores columna son precisamente las coordenadas de los vectores f( u, f( u,, f( u n respecto de la base B Ejemplo 4 Consideremos la aplicación lineal f : P 3 [x] P [x] dada por f(p = D(p donde D es el operador derivada Para determinar la expresión analítica de f necesitamos fijar una base en B en P 3 [x] y una base B en P [x] En nuestro caso podemos tomar B = {, x, x, x 3 } y B = {, x, x } Cualquier polinomio p(x P 3 [x] puede entonces escribirse en la forma p(x = a + a x + a x + a 3 x 3 y cualquier polinomio q(x P [x] en la forma q(x = b + b x + b x Tenemos definida una aplicación lineal f de tal forma que a un polinomio p(x P 3 [x] le hace corresponder un polinomio q(x P [x], es decir, a + a x + a x + a 3 x 3 f b + b x + b x Determinar la expresión de la aplicación f es sencillamente buscar la relación que hay entre los coeficientes (b i y los coeficientes (a i Es decir, cómo determinar los coeficientes b i si conocemos los coeficientes a i En nuestro caso es relativamente simple dado que al ser f el operador derivada a + a x + a x + a 3 x 3 D a + a x + 3a 3 x, de donde se deduce directamente que b = a, b = a, b = 3a 3, que se puede expresar matricialmente en la forma ( ( a b a b = a b 3 La matriz asociada a la aplicación lineal f es en este caso, la matriz ( A = 3 de dimensión 3 4 Siguiendo las indicaciones dadas en esta sección, otra forma de determinar la matriz A sería encontrar las imágenes de los vectores de la base B En nuestro caso, la base B viene dada por los vectores {, x, x, x 3 } cuyas imágenes son: f( = D( = = + x + x f( = (,, respecto de B f(x = D(x = = + x + x f(x = (,, respecto de B f(x = D(x = x = + x + x f(x = (,, respecto de B f(x 3 = D(x 3 = 3x = + x + 3 x f(x 3 = (,, 3 respecto de B a 3

5 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES 5 Por tanto, la matriz asociada a la aplicación f será ( A = 3 donde como puede observarse, las columnas de la matriz A son precisamente las coordenadas de los vectores f(, f(x, f(x y f(x 3 respecto de la base B La expresión (44 sirve además para caracterizar las aplicaciones lineales entre un espacio vectorial V de dimensión m y un espacio vectorial W de dimensión n En ocasiones, esta caracterización puede resultar más fácil que comprobar si se cumplen las condiciones de linealidad a y b dadas en la definición 4 Resultado 4 Sean V y W dos espacios vectoriales tales que dim(v = n y dim(v = m Una aplicación f : V W es lineal si, y solamente si, se puede expresar en la forma f( x = A x, (45 donde A M m n (R Nota: En la expresión (45 estamos identificando el x con el vector columna de R m cuyas coordenadas son las coordenadas del vector x respecto de la base B considerada en V Ejemplo 43 Se considera la aplicación f : R R definida por f(x, y = (x cos φ y senφ, x sen φ + y cos φ donde φ [, π] Para probar que f es una aplicación lineal basta ver si es posible escribirla en forma matricial En nuestro caso, utilizando notación de vector columna, ( ( ( ( x x cos φ y senφ cos φ sen φ x f = =, y x sen φ + y cos φ sen φ cos φ y luego f es una aplicación lineal canónica, B = { e, e }, entonces f( e = f(, = (cos φ, sen φ, Observemos que si consideramos en R la base f( e = ( sen φ, cos φ, son precisamente las columnas de la matriz asociada a la aplicación La aplicación f : R R dada por f(x, y = (x + y, x + y + no es lineal, dado que no es posible expresarla en la forma (45 ( ( ( ( x x + y x f = = y x + y +?? y

6 6 APLICACIONES LINEALES 4 NÚCLEO E IMAGEN DE UNA APLICACIÓN LINEAL 4 Núcleo de una aplicación lineal Definición Sea f : V W una aplicación lineal entre los espacios vectoriales V y W Se define el núcleo de f y se denota por Ker(f al conjunto Ker(f = { x V : f( x = } Ejemplo 44 Consideramos la aplicación lineal f : R 3 R definida por Entonces f(x, x, x 3 = (x x, x x 3, Ker(f = {(x, x, x 3 R 3 : f(x, x, x 3 = (, } Resolviendo el sistema anterior se obtiene { ( ( x = λ x x = λ x = λ, λ R, x 3 = λ x 3 { x x = x x 3 = es decir, Ker(f es el subespacio vectorial de R 3 generado por el vector {(,, } Propiedad 4 El núcleo de una aplicación lineal, f : V W, es un subespacio vectorial de V Si la aplicación lineal viene dada en forma matricial como f( x = A x entonces el Ker(f viene determinado por las soluciones del sistema lineal homogéneo A x = (46 Como una consecuencia inmediata de Propiedad 4 se obtiene que el conjunto de soluciones de un sistema lineal homogéneo (de m ecuaciones y n incógnitas forman un subespacio vectorial de R n que se denomina NullSpace de la matriz A (donde A es la matriz de coeficientes del sistema Si Ker(f = { } se dice que la aplicación lineal f : V W es un monomorfirmo Ejercicio 45 Probar que si f : V W es un monomorfismo, entonces f es una aplicación inyectiva, es decir, se cumple que u v f( u f( v

7 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES 7 4 Imagen de una aplicación lineal Definición 3 Sea f : V W una aplicación lineal entre los espacios vectoriales V y W Se define la imagen de f y se denota por Im(f al conjunto Im(f = { y W : y = f( x para algún x V} Supongamos que hemos fijado una base B = { u, u,, u n } en V Entonces, si y Im(f, la igualdad (4 nos asegura que y = f( x = f(x u + x u + + x n u n = x f( u + x f( u + + x n f( u n lo que nos dice que cualquier vector y Im(f puede ponerse como combinación lineal de los vectores f( u, f( u,, f( u n, lo que nos permite enunciar la siguiente propiedad: Propiedad 4 Si B = { u, u,, u n } es una base de V, entonces la imagen de una aplicación lineal f : V W es el subespacio vectorial de W generado por los vectores f( u, f( u,, f( u n Ejemplo 46 Sea f : R 4 R 3 la aplicación lineal dada en forma matricial por ( ( x y x y = x y x 4 Si tomamos una base B = { u, u, u 3, u 4 } de R 4, entonces un sistema de generadores de Im(f vendrá por los vectores {f( u, f( u, f( u 3, f( u 4 } Tomando u = (,,,, u = (,,,, u 3 = (,,,, u 4 = (,,,, es decir, la base canónica en R 4, se tiene que (ver observación 4 f( u = (,, 3, f( u = (,,, f( u 3 = (,,, f( u 4 = (,, Luego, Im(f = (,, 3, (,,, (,,, (,, Para determinar una base de Im(f hemos de seleccionar aquellos vectores que sean linealmente independientes Para ello podemos calcular el rango de la matriz formada por ellos, es decir, ( rango 3 ( Té suena de algo esta matriz? En nuestro caso, rango(a =, por lo que sólo hay dos vectores linealmente independientes Por otra parte, el menor formado por las primeras filas y las primeras columnas es distinto de cero =, por lo que una base de Im(f viene determinada por los vectores {(,, 3, (,, } Podemos entonces decir que dim(im(f =

8 8 APLICACIONES LINEALES Si Im(f = W se dice que la aplicación lineal f : V W es sobreyectiva o que es un epimorfirmo 43 Teorema de la dimensión Resultado 4 Sea f : V W una aplicación lineal entre los espacios vectoriales V y W Entonces se cumple que dim(ker(f + dim(im(f = dim(v Ejercicio 47 Se considera la aplicación f : M (R R dada por f(a = (, A a Hallar f(a, f(b, f(c donde ( A =, B = b Probar que es una aplicación lineal c Encontrar la matriz asociada d Determinar el núcleo y la imagen de f e Comprobar que se cumple el Resultado 4 (, C = ( 44 Isomorfismos de espacios vectoriales Definición 4 Si Im(f = W se dice que la aplicación lineal f : V W es biyectiva o que es un isoformismo si se cumple que i f es un monomorfismo, es decir, Ker(f = { } ii f es un epimorfirmo, es decir, Im(f = W Si f : V W es un isomorfismo se dice que los espacios vectoriales V y W son isomorfos y se simboliza en la forma V W Desde un punto de vista algebraico, el hecho de que f : V W sea un isomorfismo significa que los espacios vectoriales V y W pueden identificarse, es decir, son esencialmente el mismo Si dim(v = n y B = { u, u,, u n } es una base de V entonces sabemos que cualquier vector x V puede escribirse de forma única en la forma x = x u + x u + + x n u n Los números x, x,, x n son las coordenadas del vector x respecto de la base B Esto nos permite definir una aplicación lineal f : V R n dada por f : V R n x (x, x,, x n (47

9 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES 9 Ejercicio 48 Probar que la aplicación lineal dada en (47 es un isomorfismo entre los espacios vectoriales V y R n De acuerdo con el resultado del Ejercicio 47 podemos enunciar el siguiente resultado: Resultado 4 Todo espacio vectorial V tal que dim(v = n es isomorfo a R n Ejemplo 49 El espacio vectorial P [x] de los polinomios de grado menor o igual que es isomorfo a R 3 Si tomamos la base B = {, x, x } de P [x], cualquier polinomio p(x P [x] puede escribirse de forma única como p(x = a + a x + a x, es decir, (a, a, a son las coordenadas del polinomio p(x = a +a x+a x respecto de la base B Por tanto, podemos establecer el isomorfismo Por tanto, podemos decir que f : P [x] R 3 a + a x + a x (a, a, a P [x] R 3 El espacio vectorial M (R es isomorfo a R 4 Cualquier matriz A M (R puede escribirse en la forma ( ( ( ( ( a a A = = a a a + a + a + a, lo que, en definitiva, viene a decirnos que {( ( B =,, (, ( }, es una base de M (R Los números a, a, a 3, a 4, son precisamente las coordenadas de la matriz A respecto de la base B Por tanto, podemos establecer el isomorfismo f : ( M (R R 4 a a (a a a, a, a, a En definitiva, podemos asegurar que M (R R 4

10 APLICACIONES LINEALES 43 CAMBIO DE BASE EN UN HOMOMORFISMO Sea f : V W una aplicación lineal entre los espacios vectoriales V y W y supongamos que tenemos una base B = { u, u,, v n } de V y una base B = { v, v,, v m } de W La aplicación f se podrá escribir en la forma y = f( x = A x, (438 donde A M m n (R es la matriz asociada a f respecto de las bases B y B Supongamos ahora que hacemos un cambio de base en V pasando de la base B a la base B y que este cambio de base viene dado por la ecuación x = P x (439 De igual forma, efectuamos un cambio de base en W pasando de la base B a la base B dado por la ecuación y = Q y (43 Cuál será la nueva matriz asociada a f respecto de las nuevas bases B y B A partir de (438, (439 y (43 se obtiene, y = Q y = Q A x = Q A P x La nueva matriz asociada a la aplicación lineal f respecto de las nuevas bases B y B viene dada por A = Q A P (43 Ejemplo 4 Sea f : R R 3 la aplicación lineal dada por la ecuación ( ( y (x y = x y 3 Si nos indican nada supondremos que en ambos espacios hemos considerado las bases canónicas, B = {(,, (, } en R y B = {(,,, (,,, (,, } en R 3 Supongamos que hacemos un doble cambio de base considerando las bases B = {(,, (, } en R y B = {(,,, (,,, (,, } en R 3 Los cambios de base vendrán dados por las ecuaciones ( ( ( ( x x ( ( ( y y = x x, y = y y 3 De donde se deduce que la ecuaciónes del cambio de base vendrán dadas por ( ( ( x x ( x = x x = P x, ( ( y y y y = y = Q y y 3 y 3 y 3 y 3

11 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES Por tanto, la matriz asociada a la aplicación f respecto de las nuevas bases B en R y B en R 3, será ( ( ( A = Q A P = = ( La nueva expresión de la aplicación f será y y y = ( = ( x x ENDORMORFISMOS DE ESPACIOS VECTORIALES Definición 5 Una aplicación lineal f : V V del espacio vectorial V en si mismo recibe el nombre de endomorfismo Dado que el espacio origen y el espacio destino son el mismo, lo usual es considerar la misma base en ambos espacios Si suponemos que dim(v = n y fijamos una base B = { u, u,, u n } en V, la aplicación lineal podrá expresarse en la forma y = f( x = A x, donde A M n n (R es la matriz asociada a f respecto de la base B 44 Cambio de base en un endomorfismo Sea B una nueva base en V y supongamos que la ecuación del cambio de base de B a B venga dada por la matriz P, es decir, x = P x, y = P y De acuerdo con (43, la nueva matriz asociada a la aplicación f será A = P A P Ejemplo 4 Sea f : R 3 R 3 la aplicación lineal definida por ( y ( ( x y = 3 x y 3 3 x 3 Suponemos que la base considerada en R 3 es la base canónica Cuál será la matriz asociada respecto de la base B = {(,,, (,,, (,, }?

12 APLICACIONES LINEALES Puesto que la base de partida es la base canónica, la ecuación del cambio de base vendrá dado por ( ( x x ( ( y y x = x, y = y x 3 y 3 Por tanto, la matriz asociada a f en la nueva base será ( ( ( A = P A P = 3 3 La nueva expresión de la aplicación f será y ( x y = 4 x y 3 x 3 x 3 = y 3 ( 4 En el ejemplo anterior hemos realizado un cambio de base en un endomorfismo f y hemos conseguido que la matriz asociada a f en la nueva base sea una matriz diagonal Podrá siempre conseguirse que mediante un cambio de base la matriz asociada sea diagonal? En caso de que sea posible, hay alguna forma de determinar cuál debe ser la base? La siguiente sección está dedicada a dar respuesta a ambas preguntas 45 DIAGONALIZACIÓN DE MATRICES Definición 6 Una matriz A R n se dice diagonalizable si existe una matriz P tal que P AP = D (diagonal Supongamos que tenemos un endomorfismo f : R n R n cuya matriz asociada respecto de la base canónica es A y que hemos podido elegir una base B = { u, u,, u n } en R n de forma que la matriz asociada a f sea diagonal, es decir, λ λ P AP = D = λ n De la expresión anterior se deduce que AP = DP Ahora bien, las columnas de la matriz P son precisamente las coordenadas de los vectores u, u,, u n, por lo que A( u u u n = D( u u u n La columna j-ésima de la matriz AP se obtiene precisamente multiplicando la matriz A por la columna j-ésima de la matriz P De igual forma, la multiplicación a izquierda por la matriz D (diagonal equivale a multiplicar cada columna de la

13 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES 3 matriz P por el elemento correspondiente de la diagonal de la matriz D Por lo tanto, de donde se deduce que (A u A u A u n = (λ u λ u λ n u n, A u = λ u, A u = λ u,, A u n = λ u n Esto nos permite establecer el siguiente resultado: Resultado 45 Una matriz A M n n (R es diagonalizable si podemos encontrar una base B = { u, u,, u n } de vectores de R n tales que A u i = λ i u i, λ i R, i =,,, n (45 Los números reales λ i serán precisamente los elementos que figuren en la diagonal de la matriz D (la matriz diagonal que estamos buscando 45 Valores propios y vectores propios de una matriz El Resultado 45 nos indica el camino que tenemos que seguir para determinar la base B Se trata de encontrar vectores u R n tales que A u = λ u, λ R (453 Definición 7 Los vectores u R n que cumplen la condición (453 se denominan vectores propios de la matriz A asociados al valor λ (que recibe el nombre de valor propio de la matriz A De la igualdad (453 se obtiene A u = λ u A u λ u = (A λi u =, donde I denota la matriz identidad de orden n Esto nos asegura que el vector u es solución del sistema homogéneo (A λi x = (454 Por tanto, la existencia de vectores u conlleva que el sistema anterior tiene solución distinta de la trivial y, en consecuencia, deberá cumplirse que det(a λi = (455 La ecuación (455 se denomina ecuación característica de la matriz A y sus soluciones son precisamente los valores propios de la matriz 45 Polinomio característico de una matriz El determinante de la matriz A λi es un polinomio de grado n en la variable λ que recibe el nombre de polinomio característico de la matriz A, que notamos por p A (λ, p A (λ = det(a λi

14 4 APLICACIONES LINEALES 45 Multiplicidad algebraica de un valor propio Los valores propios de la matriz A son las raíces del polinomio característico Si conocemos dichas raíces el polinomio se descompone en la forma p A (λ = ( n (λ λ n λ (λ λ n λ (λ λk n λ k, con n λ + n λ + + n λk = n, donde los números n λi se denominan la multiplicidad algebraica del valor propio λ i e indican el número de veces que el valor λ i aparece como solución de la ecuación característica Ejemplo 4 Para determinar los valores propios de la matriz A = polinomio característico p A (λ = det(a λi = λ 3 λ 3 λ ( 3 calculamos el 3 = λ3 + 8λ λ + 6 Los valores propios son las raíces de este polinomio, es decir, las soluciones de la ecuación característica { p A (λ = λ 3 + 8λ λ = (doble λ + 6 λ = 4 (simple El polinomio característico se descompone en la forma p A (λ = λ 3 + 8λ λ + 6 = ( 3 (λ (λ 4 En este caso, la multiplicidad algebraica del valor propio λ = es n λ = y la de valor propio λ = 4 es n λ = 45 Subespacio propio asociado a un valor propio Multiplicidad geométrica Para determinar los valores propios asociados al valor propio λ hemos de resolver el sistema dado por (A λi x = (456 Como sabemos, las soluciones de un sistema homogéneo determinan un subespacio vectorial, por lo que los vectores x R n que satisfacen el sistema (456 determinarán un subespacio vectorial de R n Este subespacio vectorial se denomina subespacio propio asociado al valor propio λ y lo denotaremos por V λ, es decir, V λ = { x R n : (A λi x = } La dimensión de este subespacio se denomina multiplicidad geométrica del valor propio λ, m λ = (multiplicidad geométrica de λ = dim(v λ

15 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES 5 Ejemplo 43 ( Los valores propios de la matriz A = 3 (ver Ejemplo anterior son 3 λ = (doble y λ = 4 (simple Para determinar el subespacio propio asociado al valor propio λ = hemos de resolver el sistema En nuestro caso (A λ I x = (A λ I x = (A I x = { x x 3 = x + x 3 = x + x 3 = { x = α x = β x 3 = β ( ( x x x 3 ( x x x 3 = α ( + β ( = ( lo que nos dice que V λ es el subespacio vectorial generado por los vectores u = (,, y u = (,, Por tanto, la multiplicidad geométrica del autovalor λ = será m λ = dim(v λ = Además, el subespacio V λ nos proporciona dos vectores propios u y u, linealmente independientes De igual forma para determinar el subespacio propio asociado al valor propio λ = 4 hemos de resolver el sistema (A λ I x = (A 4I x = { x x x 3 = x + x 3 = x x 3 = ( { x = α x = α x 3 = α ( x x x 3 ( x x x 3 ( = = α ( lo que nos dice que V λ está generado por el vector u 3 = (,, y, por tanto, la multiplicidad geométrica del valor propio λ = 4 será m λ = dim(v λ = Además, el subespacio V λ nos proporciona un tercer vector propio linealmente independiente u 3 = (,, Por tanto, la matriz P que nos permite diagonalizar la matriz A vendrá dada por ( P = ( u u u 3 =, y puede comprobarse fácilmente que ( P AP = = ( 3 3 ( 3 3 ( ( =, ( 4

16 6 APLICACIONES LINEALES El siguiente resultado nos permite determinar cuándo una matriz es diagonalizable Resultado 45 Una matriz A M n n (R es diagonalizable si y solo si se cumple que i Todos los valores propios de A son reales ii Para todo valor propio λ de A se cumple que m λ = n λ Ejemplo 44 ( La matriz A = 3 estudiada en los Ejemplos 4 y 43 tiene los valores 3 propios λ = = (doble y λ = 4 (simple y se cumple que m λ = n λ =, m λ = n λ = Por tanto, la matriz A es diagonalizable Resultado 453 Si λ es un valor propio real de una matriz A M n n (R entonces se cumple que m λ n λ (457 Como consecuencia inmediata del Resultado 454 se obtiene el siguiente resultado: Resultado 454 Si todos los valores propios de una matriz A M n n (R son reales y simples, entonces la matriz A es diagonalizable Ejemplo 45 Se considera la matriz ( A = 3 4 m Estudiar para qué valores de m la matriz M es diagonalizable Solución: En primer lugar calculamos su polinomio característico λ 3 λ = ( λ(3 λ(m λ 4 m λ Así, los valores propios de M (raíces del polinomio anterior son λ =, λ = 3 y λ 3 = m A continuación distinguimos los siguientes casos a Si m, 3, entonces A tiene tres valores propios distintos y, en consecuencia, es diagonalizable b Si m =, entonces λ = tiene multiplicidad algebraica Para calcular su multiplicidad geométrica calculamos el subespacio propio asociado resolviendo el sistema (A λ I x = ( 5 4 ( ( x x = x 3 { x = α x = x 3 = ( x x x 3 = α (,

17 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES 7 Por tanto V λ está generado por el vector u = (,,, por lo que m λ = dim(v λ = Al ser m λ n λ concluimos que la matriz A no es diagonalizable c En el caso m = 3 el valor propio λ = tiene multiplicidad algebraica por lo que, aplicando (457 se tiene que m λ = n λ = Para el valor propio λ = 3 su multiplicidad geométrica es Para calcular su multiplicidad geométrica recurrimos de nuevo a determinar el subespacio propio asociado resolviendo el sistema: ( ( ( 5 x (A λ I x = x = 4 { x = x = α x 3 = β ( x x x 3 = α ( x 3 + β ( Luego, V λ es el subespacio vectorial generado por los vectores (,, y (,, y, en consecuencia, m λ = dim(v λ = Concluimos que la matriz A es, en este caso, diagonalizable En resumen A es diagonalizable cuando m 45 Matrices simétricas Como sabemos, una matriz simétrica es aquella que cumple que A = A El interés de las matrices simétricas es el siguiente resultado Resultado 455 a Todos los valores propios de una matriz simétrica son reales b Toda matriz simétrica es diagonalizable 46 APLICACIÓN CÁLCULO DE LA POTENCIA DE UNA MATRIZ En determinadas ocasiones se requiere el cálculo de la potencia A k donde A es una matriz cuadrada y k N Salvo casos excepcionales, esta operación puede ser muy engorrosa Una de las principales aplicaciones de la diagonalización de matrices es precisamente el cálculo de la potencia de una matriz Se base en el hecho de que para una matriz diagonal siempre se cumple que D k = λ λ λ n k = λ k λ k λ k n Supongamos que A M n n (R es una matriz diagonalizable, entonces existe una matriz P tal que P AP = D (diagonal, de donde se deduce que A = P DP

18 8 APLICACIONES LINEALES Aplicando la propiedad asociativa de producto de matrices, se tiene y, en general, A = A A = (P D P (P D P = P D P, A 3 = A A = (P D P (P D P = P D 3 P A k = P D k P El cálculo de A k se ha reducido considerablemente Ejemplo 46 Supongamos que queremos calcular A k, con k N, siendo 4 A = En primer lugar probamos que la matriz A es diagonalizable En nuestro caso, la matriz P viene dada por P = 3, 4 siendo Entonces, P AP = D = k A k = = 3 k k 3 4 k 4 = 3 k k 3 4 k 4 4 k k k = 3 k k+ 3 k 3 3 k+ k+ 4 4 k+ k

19 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES 9 47 EJERCICIOS PROPUESTOS EN EXÁMENES ANTERIORES - Dado el endomorfismo f : R 3 R 3 definido por f(x, x, x 3 = (mx + x x 3, x + x + x 3, x + 3x x 3 a Calcular la matriz asociada a f respecto de la base canónica b Determinar Ker(f e Im(f, discutiendo el problema según los valores de m - Usando el producto matricial por bloques, calcular A n, siendo A la matriz A = / / ( cos θ sen θ 3- Dada la matriz T =, donde θ [, π], probar que T es sen θ cos θ ortogonal y calcular T n, con n N 4- Determinar si el endomorfismo de f : P 3 [x] P 3 [x] definido por f(a + b x + c x + d x 3 = d + c x + b x + a x 3, es diagonalizable En caso afirmativo, determinar la base respecto de la cual la matriz asociada a f es diagonal ( 5- Halla la potencia A n de la matriz A = 3

1. APLICACIONES LINEALES

1. APLICACIONES LINEALES 1 1 APLICACIONES LINEALES El objetivo de este capítulo es el estudio de las aplicaciones lineales u homomorfismos entre espacios vectoriales Este tipo de aplicaciones respeta la estructura de espacio vectorial

Más detalles

Espacios vectoriales y aplicaciones lineales

Espacios vectoriales y aplicaciones lineales Capítulo 3 Espacios vectoriales y aplicaciones lineales 3.1 Espacios vectoriales. Aplicaciones lineales Definición 3.1 Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea K un

Más detalles

Anexo 1: Demostraciones

Anexo 1: Demostraciones 75 Matemáticas I : Álgebra Lineal Anexo 1: Demostraciones Espacios vectoriales Demostración de: Propiedades 89 de la página 41 Propiedades 89- Algunas propiedades que se deducen de las anteriores son:

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Tema 3 Aplicaciones Lineales 3.1 Introducción Se presentan en este tema las aplicaciones entre espacios vectoriales, particularmente las aplicaciones lineales, que de una manera informal pueden definirse

Más detalles

Problemas y Ejercicios Resueltos. Tema 3: Aplicaciones Lineales.

Problemas y Ejercicios Resueltos. Tema 3: Aplicaciones Lineales. Problemas y Ejercicios Resueltos. Tema : Aplicaciones Lineales. Ejercicios 1.- Determinar cuáles de las siguientes aplicaciones son lineales: (i) f : R R 2 definida por f((x, y, z)) = (x y, y + 2z). (ii)

Más detalles

vectoriales N(f) e Im(f) N(f) = (5,1,0),( 3,0,1) y f(1,0,0)=(2,-1,1). Se pide:

vectoriales N(f) e Im(f) N(f) = (5,1,0),( 3,0,1) y f(1,0,0)=(2,-1,1). Se pide: .- 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) e Im(f) a) f(x,y) = (x,-y) b) f(x,y)

Más detalles

4 Aplicaciones Lineales

4 Aplicaciones Lineales Prof Susana López 41 4 Aplicaciones Lineales 41 Definición de aplicación lineal Definición 23 Sean V y W dos espacios vectoriales; una aplicación lineal f de V a W es una aplicación f : V W tal que: 1

Más detalles

ÁLGEBRA LINEAL I Soluciones a la Práctica 6

ÁLGEBRA LINEAL I Soluciones a la Práctica 6 ÁLGEBRA LINEAL I Soluciones a la Práctica 6 Aplicaciones lineales (Curso 2009 2010) 1. De las siguientes aplicaciones definidas entre espacios vectoriales reales, determinar cuáles son homomorfismos, monomorfismos,

Más detalles

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario)

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario) Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS (Solucionario) 2 Í N D I C E CAPÍTULO : MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES CAPÍTULO 2: ESPACIOS VECTORIALES

Más detalles

Solución a los problemas adicionales Aplicaciones lineales (Curso 2008 2009)

Solución a los problemas adicionales Aplicaciones lineales (Curso 2008 2009) ÁLGEBRA Solución a los problemas adicionales Aplicaciones lineales (Curso 2008 2009) I. Se considera el homomorfismo f : P 2 (IR) P 2 (IR) definido por las siguientes condiciones: (1) Los polinomios sin

Más detalles

Matemáticas I: Hoja 4 Aplicaciones lineales y diagonalización

Matemáticas I: Hoja 4 Aplicaciones lineales y diagonalización Matemáticas I: Hoja 4 Aplicaciones lineales y diagonalización Ejercicio. Decidir cuáles de las siguientes aplicaciones son lineales. Cuál es la dimensión del espacio imagen? a f(x, x 2, x 3 = (x 2 + x

Más detalles

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS 2 Í N D I C E CAPÍTULO MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES MATRICES. MATRIZ. DEFINICIÓN 2. ALGUNOS

Más detalles

Problema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por f(1,3,4)=(2,6,8), f(1,1,1)=(2,6,8) y f(0,1,1)=(0,0,0).

Problema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por f(1,3,4)=(2,6,8), f(1,1,1)=(2,6,8) y f(0,1,1)=(0,0,0). Problema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por f(1,3,4)=(2,6,8), f(1,1,1)=(2,6,8) y f(0,1,1)=(0,0,0). a) Demostrad que (1,3,4), (1,1,1) i (0,1,1) son una base de R³. b) Decid

Más detalles

1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS

1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS 1 1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS 1.1. ESPACIOS VECTORIALES 1. Analizar cuáles de los siguientes subconjuntos de R 3 son subespacios vectoriales. a) A = {(2x, x, 7x)/x R} El conjunto A es una

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales Concepto de aplicación lineal T : V W Definición: Si V y W son espacios vectoriales con los mismos escalares (por ejemplo, ambos espacios vectoriales reales o ambos espacios vectoriales

Más detalles

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases.

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases. Tema III Capítulo 2 Sistemas generadores Sistemas libres Bases Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC 2 Sistemas generadores Sistemas libres Bases 1 Combinación lineal

Más detalles

Valores propios y vectores propios

Valores propios y vectores propios Capítulo 6 Valores propios y vectores propios En este capítulo investigaremos qué propiedades son intrínsecas a una matriz, o su aplicación lineal asociada. Como veremos, el hecho de que existen muchas

Más detalles

Espacios vectoriales y Aplicaciones lineales

Espacios vectoriales y Aplicaciones lineales Espacios vectoriales y Aplicaciones lineales Espacios vectoriales. Subespacios vectoriales Espacios vectoriales Definición Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea

Más detalles

Espacios vectoriales con producto interno

Espacios vectoriales con producto interno Capítulo 8 Espacios vectoriales con producto interno En este capítulo, se generalizarán las nociones geométricas de distancia y perpendicularidad, conocidas en R y en R 3, a otros espacios vectoriales.

Más detalles

Tema 2. Aplicaciones lineales y matrices.

Tema 2. Aplicaciones lineales y matrices. Tema 2 Aplicaciones lineales y matrices. 1 Índice general 2. Aplicaciones lineales y matrices. 1 2.1. Introducción....................................... 2 2.2. Espacio Vectorial.....................................

Más detalles

Aplicaciones lineales

Aplicaciones lineales Capítulo 4 Aplicaciones lineales 4.1. Introduccción a las aplicaciones lineales En el capítulo anterior encontramos la aplicación de coordenadas x [x] B que asignaba, dada una base del espacio vectorial,

Más detalles

Tema 4: Aplicaciones lineales

Tema 4: Aplicaciones lineales Tema 4: Aplicaciones lineales Definición, primeras propiedades y ejemplos Definición. Sean V y W dos espacios vectoriales sobre un cuerpo K. Una función f : V W se dice que es una aplicación lineal si

Más detalles

Transformaciones Lineales. Definiciones básicas de Transformaciones Lineales. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.

Transformaciones Lineales. Definiciones básicas de Transformaciones Lineales. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com. Transformaciones Lineales Definiciones básicas de Transformaciones Lineales wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 007-009 Contenido 1 Transformaciones Lineales 11 Núcleo e imagen

Más detalles

Diagonalización de matrices

Diagonalización de matrices diagonalizacion.nb Diagonalización de matrices Práctica de Álgebra Lineal, E.U.A.T., Grupos ºA y ºB, 2005 Algo de teoría Qué es diagonalizar una matriz? Para estudiar una matriz suele ser conveniente expresarla

Más detalles

Formas bilineales y cuadráticas.

Formas bilineales y cuadráticas. Tema 4 Formas bilineales y cuadráticas. 4.1. Introducción. Conocidas las nociones de espacio vectorial, aplicación lineal, matriz de una aplicación lineal y diagonalización, estudiaremos en este tema dos

Más detalles

1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n.

1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n. Ortogonalidad Producto interior Longitud y ortogonalidad Definición Sean u y v vectores de R n Se define el producto escalar o producto interior) de u y v como u v = u T v = u, u,, u n ) Ejemplo Calcular

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales Primeras definiciones Una aplicación lineal de un K-ev de salida E a un K-ev de llegada F es una aplicación f : E F tal que f(u + v) = f(u) + f(v) para todos u v E f(λ u) = λ f(u)

Más detalles

1. APLICACIONES LINEALES

1. APLICACIONES LINEALES 1 1. APLICACIONES LINEALES 1. Estudiar si las siguientes aplicaciones son lineales: a) f : R 2 R 3, f(x, y) = (x + y, y, x 2y). Sí es lineal. b) f : R 2 R, f(x, y) = xy. No es lineal. Basta observar que

Más detalles

1. Cambios de base en R n.

1. Cambios de base en R n. er Curso de Ingeniero de Telecomunicación. Álgebra. Curso 8-9. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema 5. Cambios de Base. Aplicaciones Lineales. Teoría y Ejercicios Resueltos..

Más detalles

Ejemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR}

Ejemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR} Subespacios Capítulo 1 Definición 1.1 Subespacio Sea H un subconjunto no vacio de un espacio vectorial V K. Si H es un espacio vectorial sobre K bajo las operaciones de suma y multiplicación por escalar

Más detalles

Subespacios vectoriales en R n

Subespacios vectoriales en R n Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo

Más detalles

Tema 2. Espacios Vectoriales. 2.1. Introducción

Tema 2. Espacios Vectoriales. 2.1. Introducción Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por

Más detalles

4. ESPACIOS VECTORIALES Y APLICACIONES LINEALES

4. ESPACIOS VECTORIALES Y APLICACIONES LINEALES Espacios Vectoriales y Aplicaciones Lineales 4. ESPACIOS VECTORIALES Y APLICACIONES LINEALES SUMARIO: INTRODUCCIÓN OBJETIVOS INTRODUCCIÓN TEÓRICA 1.- Espacios Vectoriales..- Propiedades de un Espacio Vectorial..-

Más detalles

Calcular la dimensión, una base y unas ecuaciones implícitas linealmente independientes del núcleo e imagen de

Calcular la dimensión, una base y unas ecuaciones implícitas linealmente independientes del núcleo e imagen de Calcular la dimensión, una base y unas ecuaciones implícitas linealmente independientes del núcleo e imagen de 1 (a) f(x 1, x 2, x 3 ) = (x 1 + x 3, x 2 + x 3, x 1 + x 3, x 2 + x 3 ) (b) f(x 1, x 2, x

Más detalles

Espacio afín. Transformaciones afines y movimientos

Espacio afín. Transformaciones afines y movimientos Capítulo Espacio afín. Transformaciones afines y movimientos. Espacio afín y espacio afín métrico Definición. El espacio afín (tridimensional) está constituido por los siguientes elementos. El espacio

Más detalles

21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES

21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES Aplicaciones lineales. Matriz de una aplicación lineal 2 2. APLICACIONES LINEALES. MATRIZ DE UNA APLICACIÓN LINEAL El efecto que produce el cambio de coordenadas sobre una imagen situada en el plano sugiere

Más detalles

Vectores y Valores Propios

Vectores 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 detalles

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases. BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades

Más detalles

Tema 3. Aplicaciones lineales. 3.1. Introducción

Tema 3. Aplicaciones lineales. 3.1. Introducción Tema 3 Aplicaciones lineales 3.1. Introducción Una vez que sabemos lo que es un espacio vectorial y un subespacio, vamos a estudiar en este tema un tipo especial de funciones (a las que llamaremos aplicaciones

Más detalles

Espacios vectoriales y aplicaciones lineales.

Espacios vectoriales y aplicaciones lineales. Práctica 2 Espacios vectoriales y aplicaciones lineales. Contenido: Localizar bases de espacios vectoriales. Suma directa. Bases y dimensiones. Cambio de base. Aplicaciones lineales. Matriz asociada en

Más detalles

Cómo?: Resolviendo el sistema lineal homógeneo que satisfacen las componentes de cualquier vector de S. x4 = x 1 x 3 = x 2 x 1

Cómo?: Resolviendo el sistema lineal homógeneo que satisfacen las componentes de cualquier vector de S. x4 = x 1 x 3 = x 2 x 1 . ESPACIOS VECTORIALES Consideremos el siguiente subconjunto de R 4 : S = {(x, x 2, x 3, x 4 )/x x 4 = 0 x 2 x 4 = x 3 a. Comprobar que S es subespacio vectorial de R 4. Para demostrar que S es un subespacio

Más detalles

Tema 3. Espacios vectoriales

Tema 3. Espacios vectoriales Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición

Más detalles

1. ESPACIOS VECTORIALES

1. ESPACIOS VECTORIALES 1 1. ESPACIOS VECTORIALES 1.1. ESPACIOS VECTORIALES. SUBESPACIOS VECTORIALES Denición 1. (Espacio vectorial) Decimos que un conjunto no vacío V es un espacio vectorial sobre un cuerpo K, o K-espacio vectorial,

Más detalles

FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES

FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES Eleonora Catsigeras 6 de mayo de 997 Notas para el curso de Análisis Matemático II Resumen Se enuncia sin demostración

Más detalles

Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales

Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales Ejercicio 1 Escribe las siguientes matrices en forma normal de Hermite: 2 4 3 1 2 3 2 4 3 1 2 3 1. 1 2 3 2. 2 1 1 3. 1 2 3 4. 2

Más detalles

TEST DE ÁLGEBRA. 6.- Sea el subespacio de R 3 S = { (x,,y,z) / x +y+z = 0} a) es de dimensión 1 b) es de dimensión 2 c) es R 3 d) NDLA

TEST DE ÁLGEBRA. 6.- Sea el subespacio de R 3 S = { (x,,y,z) / x +y+z = 0} a) es de dimensión 1 b) es de dimensión 2 c) es R 3 d) NDLA TEST DE ÁLGEBRA 1.- Sea f:r 4 -----> R 5 una apli. lineal a) Dim ker(f) tiene que ser 3 b) Dim ker(f) será 4 c) Dim ker(f) es 5 2.- El sistema homogéneo 3 x % 8 y % ð z 0 y & z 0 a) tiene soluciones no

Más detalles

Construcción de bases en el núcleo e imagen de una transformación lineal

Construcción de bases en el núcleo e imagen de una transformación lineal Construcción de bases en el núcleo e imagen de una transformación lineal Objetivos. Estudiar el algoritmo para construir una base del núcleo y una base de la imagen de una transformación lineal. Requisitos.

Más detalles

Clasificación de métricas.

Clasificación de métricas. Clasificación de métricas. 1. El problema de clasificación. Como bien sabemos, el par formado por una métrica T 2 (esto es, un tensor 2-covariante simétrico) sobre un espacio vectorial E, (E, T 2 ), constituye

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales Ejercicio Dada la matriz A = 0 2 0 a) Escribir explícitamente la aplicación lineal f : 2 cuya matriz asociada con respecto a las bases canónicas es A. En primer lugar definimos las

Más detalles

13.TRANSFORMACIONES LINEALES 273 13.1. DEFINICIÓN DE TRANSFORMACIÓN LINEAL... 273 13.2. DETERMINACIÓN DE UNA TRANSFORMACIÓN LINEAL... 275 13.3.

13.TRANSFORMACIONES LINEALES 273 13.1. DEFINICIÓN DE TRANSFORMACIÓN LINEAL... 273 13.2. DETERMINACIÓN DE UNA TRANSFORMACIÓN LINEAL... 275 13.3. ÍNDICE 13.TRANSFORMACIONES LINEALES 273 13.1. DEFINICIÓN DE TRANSFORMACIÓN LINEAL............. 273 13.2. DETERMINACIÓN DE UNA TRANSFORMACIÓN LINEAL...... 275 13.3. REPRESENTACIÓN MATRICIAL DE UNA TRANSFORMACIÓN

Más detalles

Fascículo 2. Álgebra Lineal. Cursos de grado. Gabriela Jeronimo Juan Sabia Susana Tesauri. Universidad de Buenos Aires

Fascículo 2. Álgebra Lineal. Cursos de grado. Gabriela Jeronimo Juan Sabia Susana Tesauri. Universidad de Buenos Aires Fascículo 2 Cursos de grado ISSN 1851-1317 Gabriela Jeronimo Juan Sabia Susana Tesauri Álgebra Lineal Departamento de Matemática Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires 2008

Más detalles

Repaso de matrices, determinantes y sistemas de ecuaciones lineales

Repaso de matrices, determinantes y sistemas de ecuaciones lineales Tema 1 Repaso de matrices, determinantes y sistemas de ecuaciones lineales Comenzamos este primer tema con un problema de motivación. Problema: El aire puro está compuesto esencialmente por un 78 por ciento

Más detalles

Matrices equivalentes. El método de Gauss

Matrices equivalentes. El método de Gauss Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar

Más detalles

Segundo de Bachillerato Geometría en el espacio

Segundo de Bachillerato Geometría en el espacio Segundo de Bachillerato Geometría en el espacio Jesús García de Jalón de la Fuente IES Ramiro de Maeztu Madrid 204-205. Coordenadas de un vector En el conjunto de los vectores libres del espacio el concepto

Más detalles

4 Aplicaciones lineales

4 Aplicaciones lineales Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 4 Aplicaciones lineales 4. Aplicación lineal Sean V y W dos espacios vectoriales sobre el mismo cuerpo K (en general, R o C. Una aplicación

Más detalles

Dependencia lineal de vectores y sus aplicaciones a la resolución de sistemas de ecuaciones lineales y de problemas geométricos.

Dependencia lineal de vectores y sus aplicaciones a la resolución de sistemas de ecuaciones lineales y de problemas geométricos. Dependencia lineal de vectores y sus aplicaciones a la resolución de sistemas de ecuaciones lineales y de problemas geométricos. Prof. D. Miguel Ángel García Hoyo. Septiembre de 2011 Dependencia lineal

Más detalles

Álgebra Lineal y Geometría Grupo A Curso 2009/10. Sistemas de ecuaciones lineales

Álgebra Lineal y Geometría Grupo A Curso 2009/10. Sistemas de ecuaciones lineales Álgebra Lineal y Geometría Grupo A Curso 2009/10 Sistemas de ecuaciones lineales NOTA: Los problemas con asterisco, (*), tienen un grado mayor de dificultad. 1) Resolver los tres sistemas de ecuaciones

Más detalles

APLICACIONES LINEALES. DIAGONALIZACIÓN

APLICACIONES LINEALES. DIAGONALIZACIÓN I.- Sea f una transformación lineal de un espacio vectorial V de dimensión n. Sea B una base de V. Sea A la matriz asociada a f respecto de la base B. Señala, sin demostrar, cuáles de las siguientes afirmaciones

Más detalles

Introducción al Álgebra Lineal

Introducción al Álgebra Lineal UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE CIENCIAS ESCUELA DE MATEMÁTICA LABORATORIO DE FORMAS EN GRUPOS Introducción al Álgebra Lineal Ramón Bruzual Marisela Domínguez Caracas, Venezuela Septiembre

Más detalles

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una

Más detalles

y λu = Idea. Podemos sumar vectores y multiplicar por un escalar. El resultado vuelve a ser un vector Definición de espacio vectorial.

y λu = Idea. Podemos sumar vectores y multiplicar por un escalar. El resultado vuelve a ser un vector Definición de espacio vectorial. Espacios vectoriales Espacios y subespacios R n es el conjunto de todos los vectores columna con n componentes. Además R n es un espacio vectorial. Ejemplo Dados dos vectores de R por ejemplo u = 5 v =

Más detalles

Espacios Vectoriales

Espacios Vectoriales Espacios Vectoriales Departamento de Matemáticas, CCIR/ITESM 4 de enero de 2 Índice 3.. Objetivos................................................ 3.2. Motivación...............................................

Más detalles

Prácticas de Algebra con Mathematica II (Ingeniería Industrial). Jose Salvador Cánovas Peña. Departamento de Matemática Aplicada y Estadística.

Prácticas de Algebra con Mathematica II (Ingeniería Industrial). Jose Salvador Cánovas Peña. Departamento de Matemática Aplicada y Estadística. Prácticas de Algebra con Mathematica II (Ingeniería Industrial). Jose Salvador Cánovas Peña. Departamento de Matemática Aplicada y Estadística. Índice General 1 PRACTICAS CON MATHEMATICA 2 1.1 Introducción...

Más detalles

CONTINUIDAD DE FUNCIONES DE VARIAS VARIABLES

CONTINUIDAD DE FUNCIONES DE VARIAS VARIABLES CAPÍTULO II. CONTINUIDAD DE FUNCIONES DE VARIAS VARIABLES SECCIONES 1. Dominios y curvas de nivel. 2. Cálculo de ites. 3. Continuidad. 55 1. DOMINIOS Y CURVAS DE NIVEL. Muchos problemas geométricos y físicos

Más detalles

E. T. S. de Ingenieros Industriales Universidad Politécnica de Madrid. Grado en Ingeniería en Tecnologías Industriales. Grado en Ingeniería Química

E. T. S. de Ingenieros Industriales Universidad Politécnica de Madrid. Grado en Ingeniería en Tecnologías Industriales. Grado en Ingeniería Química E. T. S. de Ingenieros Industriales Universidad Politécnica de Madrid Grado en Ingeniería en Tecnologías Industriales Grado en Ingeniería Química Apuntes de Álgebra ( Curso 2014/15) Departamento de Matemática

Más detalles

Problemas y Ejercicios Resueltos. Tema 2: Espacios vectoriales.

Problemas y Ejercicios Resueltos. Tema 2: Espacios vectoriales. Problemas y Ejercicios Resueltos. Tema : Espacios vectoriales. Ejercicios 1.- Determinar el valor de x para que el vector (1, x, 5) R 3 pertenezca al subespacio < (1,, 3), (1, 1, 1) >. Solución. (1, x,

Más detalles

TEMA 2: Grupos. El grupo Simétrico.

TEMA 2: Grupos. El grupo Simétrico. Álgebra y Estructuras Discretas Grupo B de la Ingeniería Técnica de Sistemas TEMA 2: Grupos. El grupo Simétrico. 1. Definición de Grupo. Propiedades Básicas. Definición 1. Dado un conjunto no vacío G,

Más detalles

Aplicaciones Lineales y Multilineales Continuas

Aplicaciones Lineales y Multilineales Continuas Capítulo 4 Aplicaciones Lineales y Multilineales Continuas La conexión entre las estructuras vectorial y topológica de los espacios normados, se pone claramente de manifiesto en el estudio de las aplicaciones

Más detalles

La aplicación derivada sobre el espacio E de los polinomios en una variable, E D E, es

La aplicación derivada sobre el espacio E de los polinomios en una variable, E D E, es Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS 1 Aplicaciones lineales Núcleo e Imagen Tipos de aplicaciones lineales Sean E y E k-espacios vectoriales Definición 11 Una

Más detalles

E 1 E 2 E 2 E 3 E 4 E 5 2E 4

E 1 E 2 E 2 E 3 E 4 E 5 2E 4 Problemas resueltos de Espacios Vectoriales: 1- Para cada uno de los conjuntos de vectores que se dan a continuación estudia si son linealmente independientes, sistema generador o base: a) (2, 1, 1, 1),

Más detalles

Objetivos: Al inalizar la unidad, el alumno:

Objetivos: Al inalizar la unidad, el alumno: Unidad 7 transformaciones lineales Objetivos: Al inalizar la unidad, el alumno: Comprenderá los conceptos de dominio e imagen de una transformación. Distinguirá cuándo una transformación es lineal. Encontrará

Más detalles

4.1 El espacio dual de un espacio vectorial

4.1 El espacio dual de un espacio vectorial Capítulo 4 Espacio dual Una de las situaciones en donde se aplica la teoría de espacios vectoriales es cuando se trabaja con espacios de funciones, como vimos al final del capítulo anterior. En este capítulo

Más detalles

Estructuras algebraicas

Estructuras algebraicas Tema 2 Estructuras algebraicas básicas 2.1. Operación interna Definición 29. Dados tres conjuntos A, B y C, se llama ley de composición en los conjuntos A y B y resultado en el conjunto C, y se denota

Más detalles

ALGEBRA LINEAL. Héctor Jairo Martínez R. Ana María Sanabria R.

ALGEBRA LINEAL. Héctor Jairo Martínez R. Ana María Sanabria R. ALGEBRA LINEAL Héctor Jairo Martínez R. Ana María Sanabria R. SEGUNDO SEMESTRE 8 Índice general. SISTEMAS DE ECUACIONES LINEALES.. Introducción................................................ Conceptos

Más detalles

Sección 4.5: Transformaciones del plano y del espacio. Sección 4.6: Problema de mínimos cuadrados y aplicaciones.

Sección 4.5: Transformaciones del plano y del espacio. Sección 4.6: Problema de mínimos cuadrados y aplicaciones. Tema 4 Producto escalar En bachiller habéis visto los conceptos de producto escalar, longitud, distancia y perpendicularidad en R y R 3 En este tema del curso se generalizan estos conceptos a R n, junto

Más detalles

TEMA 6. EIGENVALORES Y EIGENVECTORES

TEMA 6. EIGENVALORES Y EIGENVECTORES TEMA 6. EIGENVALORES Y EIGENVECTORES M. C. Roberto Rosales Flores INSTITUTO TECNOLÓGICO SUPERIOR DE TLAXCO Ingeniería en Logística M. C. Roberto Rosales Flores (ITST TEMA 6. EIGENVALORES Y EIGENVECTORES

Más detalles

Espacios vectoriales

Espacios vectoriales Espacios vectoriales Problemas teóricos Muchos de estos problemas me los han enseñado mis colegas: profesores Flor de María Correa Romero, Carlos Domínguez Albino, Sergio González Govea, Myriam Rosalía

Más detalles

TEMA 4: CALCULO NUMERICO DE AUTOVALORES

TEMA 4: CALCULO NUMERICO DE AUTOVALORES Lino Alvarez - Aurea Martinez METODOS NUMERICOS TEMA 4: CALCULO NUMERICO DE AUTOVALORES 1 INTRODUCCION La determinación de autovalores y autovectores de una matriz cuadrada A de orden n es un problema

Más detalles

VII. Estructuras Algebraicas

VII. Estructuras Algebraicas VII. Estructuras Algebraicas Objetivo Se analizarán las operaciones binarias y sus propiedades dentro de una estructura algebraica. Definición de operación binaria Operaciones como la suma, resta, multiplicación

Más detalles

Apuntes de Matemática Discreta 9. Funciones

Apuntes de Matemática Discreta 9. Funciones Apuntes de Matemática Discreta 9. Funciones Francisco José González Gutiérrez Cádiz, Octubre de 004 Universidad de Cádiz Departamento de Matemáticas ii Lección 9 Funciones Contenido 9.1 Definiciones y

Más detalles

Nota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades:

Nota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades: Capítulo 1 DETERMINANTES Definición 1 (Matriz traspuesta) Llamaremos matriz traspuesta de A = (a ij ) a la matriz A t = (a ji ); es decir la matriz que consiste en poner las filas de A como columnas Definición

Más detalles

CAPÍTULO II. 4 El grupo afín

CAPÍTULO II. 4 El grupo afín CAPÍTULO II 4 El grupo afín En geometría clásica, antes de la aparición de los espacios vectoriales, se hablaba de puntos en lugar de vectores. Para nosotros serán términos sinónimos salvo que, cuando

Más detalles

Tema 4.- El espacio vectorial R n.

Tema 4.- El espacio vectorial R n. Tema 4- El espacio vectorial R n Subespacios vectoriales de R n Bases de un subespacio Rango de una matriz 4 Bases de R n Cambios de base 5 Ejercicios En este tema estudiamos la estructura vectorial del

Más detalles

Comenzaremos recordando algunas definiciones y propiedades estudiadas en el capítulo anterior.

Comenzaremos recordando algunas definiciones y propiedades estudiadas en el capítulo anterior. Capítulo 2 Matrices En el capítulo anterior hemos utilizado matrices para la resolución de sistemas de ecuaciones lineales y hemos visto que, para n, m N, el conjunto de las matrices de n filas y m columnas

Más detalles

Práctica de Aplicaciones Lineales

Práctica de Aplicaciones Lineales practica5.nb 1 Práctica de Aplicaciones Lineales Aplicaciones lineales y matrices Las matrices también desempeñan un papel muy destacado en el estudio de las aplicaciones lineales entre espacios vectoriales

Más detalles

Universidad de Costa Rica Escuela de Matemática ALGEBRA LINEAL. x x1 n. θ y. 1 n x1 n ȳ1 n. Carlos Arce S. William Castillo E. Jorge González V.

Universidad de Costa Rica Escuela de Matemática ALGEBRA LINEAL. x x1 n. θ y. 1 n x1 n ȳ1 n. Carlos Arce S. William Castillo E. Jorge González V. Universidad de Costa Rica Escuela de Matemática ALGEBRA LINEAL x x x1 n θ y y ȳ1 n 1 n x1 n ȳ1 n Carlos Arce S. William Castillo E. Jorge González V. 2003 Algebra Lineal Carlos Arce S., William Castillo

Más detalles

CAPÍTULO II. 3 El grupo lineal

CAPÍTULO II. 3 El grupo lineal CAPÍTULO II 3 El grupo lineal Como ya se advirtió en el capítulo precedente, los grupos de transformaciones juegan un importante papel en el estudio de la geometría. En esta sección nos ocuparemos de aquellas

Más detalles

8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES.

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

Más detalles

1 El espacio vectorial R n.

1 El espacio vectorial R n. Manuel Gutiérrez Departamento de Álgebra, Geometría y Topología Universidad de Málaga February 26, 2009 1 El espacio vectorial R n. La estructura de espacio vectorial es posiblemente la estructura más

Más detalles

Clase 15 Espacios vectoriales Álgebra Lineal

Clase 15 Espacios vectoriales Álgebra Lineal Espacios vectoriales Clase 5 Espacios vectoriales Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia En esta sección estudiaremos uno de los conceptos

Más detalles

(Ec.1) 2α + β = b (Ec.4) (Ec.3)

(Ec.1) 2α + β = b (Ec.4) (Ec.3) Problema 1. Hallar t R para que el vector x = (3, 8, t) pertenezca al subespacio engendrado por los vectores u = (1, 2, 3) y v = (1, 3, 1). Solución del problema 1. x L{ u, v} si, y sólo si, existen α,

Más detalles

Objetivos: Al inalizar la unidad, el alumno:

Objetivos: Al inalizar la unidad, el alumno: Unidad 3 espacios vectoriales Objetivos: Al inalizar la unidad, el alumno: Describirá las características de un espacio vectorial. Identiicará las propiedades de los subespacios vectoriales. Ejempliicará

Más detalles

Cambio de representaciones para variedades lineales.

Cambio de representaciones para variedades lineales. Cambio de representaciones para variedades lineales 18 de marzo de 2015 ALN IS 5 Una variedad lineal en R n admite dos tipos de representaciones: por un sistema de ecuaciones implícitas por una familia

Más detalles

Matemáticas I: Hoja 3 Espacios vectoriales y subespacios vectoriales

Matemáticas I: Hoja 3 Espacios vectoriales y subespacios vectoriales Matemáticas I: Hoa 3 Espacios vectoriales y subespacios vectoriales Eercicio 1. Demostrar que los vectores v 1, v 2, v 3, v 4 expresados en la base canónica forman una base. Dar las coordenadas del vector

Más detalles

Algebra Lineal y Geometría.

Algebra Lineal y Geometría. Algebra Lineal y Geometría. Unidad nº7: Transformaciones Lineales. Algebra Lineal y Geometría Esp. Liliana Eva Mata 1 Contenidos. Transformación lineal entre dos espacios vectoriales. Teorema fundamental

Más detalles

CAPÍTULO II. 2 El espacio vectorial R n

CAPÍTULO II. 2 El espacio vectorial R n CAPÍTULO II 2 El espacio vectorial R n A una n upla (x 1, x 2,..., x n ) de números reales se le denomina vector de n coordenadas o, simplemente, vector. Por ejemplo, el par ( 3, 2) es un vector de R 2,

Más detalles

Tema 7: Valores y vectores propios

Tema 7: Valores y vectores propios Tema 7: es y clausura s Espacios y Permutaciones es y clausura Una permutación p = {p 1, p 2,..., p n } de los números {1, 2,..., n} es una nueva ordenación de los elementos {1, 2,..., n}, es decir, un

Más detalles

Notas del curso de Algebra Moderna III

Notas del curso de Algebra Moderna III Notas del curso de Algebra Moderna III Luis Valero Elizondo 01 de Marzo del 2005 Índice general 1. Anillos. 5 1.1. Anillos............................... 5 1.2. Ideales................................

Más detalles

Espacios vectoriales. Bases. Coordenadas

Espacios vectoriales. Bases. Coordenadas Capítulo 5 Espacios vectoriales. Bases. Coordenadas OPERACIONES ENR n Recordemos que el producto cartesiano de dos conjuntos A y B consiste en los pares ordenados (a,b) tales que a A y b B. Cuando consideramos

Más detalles

Apuntes de Álgebra Lineal

Apuntes de Álgebra Lineal Apuntes de Álgebra Lineal Mariano Echeverría Introducción al Curso El álgebra lineal se caracteriza por estudiar estructuras matemáticas en las que es posible tomar sumas entre distintos elementos de cierto

Más detalles