Diagonalización. Tema Valores y vectores propios Planteamiento del problema Valores y vectores propios
|
|
- Celia Rey Cano
- hace 7 años
- Vistas:
Transcripción
1 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 V, nos planteamos el problema de cuándo es posible encontrar una base de V respecto de la cuál la matriz de f sea diagonal Si A es la matriz del operador f con respecto a una determinada base B, el planteamiento anterior es equivalente a preguntarse cuándo existe un cambio de base tal que la matriz del operador en la nueva base B sea diagonal Esa nueva matriz viene dada por P 1 AP, donde P es la matriz de paso de la nueva base B a la base B (Teorema de Semejanza Problema de la diagonalización ortogonal Dado un operador lineal f sobre un espacio vectorial V con producto interior, nos planteamos el problema de cuándo es posible encontrar una base ortonormal de V respecto de la cuál la matriz de f sea diagonal Si V es un espacio con producto interior y las bases son ortonormales entonces se tendrá que P será ortogonal Podemos pues formular los dos problemas anteriores en términos de matrices 1- Dada una matriz cuadrada A, existe una matriz P inversible tal que P 1 AP sea diagonal? - Dada una matriz cuadrada A, existe una matriz ortogonal P tal que P t AP sea diagonal? Definición 146- Se dice que una matriz A cuadrada es diagonalizable si existe una matriz P inversible tal que P 1 AP es diagonal En ese caso se dice que P diagonaliza a la matriz A Si existe una matriz ortogonal P tal que P 1 AP es diagonal, entonces se dice que A es diagonalizable ortogonalmente y que P diagonaliza ortogonalmente a A 61 Valores y vectores propios Supongamos que la matriz A n n es diagonalizable y sea D la matriz diagonal Entonces: P inversible tal que P 1 AP = D o, equivalentemente, P inversible tal que AP = P D Si denotamos por p 1, p,, p n a las columnas de P, las matrices son ( ( Ap 1 Ap Ap n AP = A p 1 p p n = p 11 p 1 p 1n λ λ 1 p 11 λ p 1 λ n p 1n ( p 1 p p n 0 λ 0 λ 1p 1 λ p λ np n P D = = = λ 1 p 1 λ p λ n p n p n1 p n p nn 0 0 λ n λ 1 p n1 λ p n λ n p nn y, como son iguales: Ap i = λ i p i, para todo i = 1,, n Es decir, han de existir n vectores linealmente independientes p i (P es inversible y n números λ i que lo verifiquen Definición 147- Si A es una matriz de orden n, diremos que λ es un valor propio, valor característico, eigenvalor o autovalor de A si existe algún p IR n, p 0, tal que Ap = λp Del vector p diremos que es un vector propio, vector característico, eigenvector o autovector de A correspondiente al valor propio λ Del comentario anterior, obtenemos la primera caracterización para la diagonalización de la matriz: Teorema 148- Sea A una matriz de orden n, entonces: A es diagonalizable A tiene n vectores propios linealmente independientes ITI en Electricidad
2 6 Matemáticas I : Álgebra Lineal 6 Diagonalización Por lo anterior, se tiene que: A es una matriz diagonalizable P inversible y D diagonal tal que AP = P D P inversible y D diagonal tal que ( ( AP = Ap 1 Ap Ap n = λ 1 p 1 λ p λ n p n = P D existen n vectores linealmente independientes tales que Ap 1 = λ 1 p 1,, Ap n = λ n p n A tiene n vectores propios linealmente independientes En consecuencia, el problema de la diagonalización se reduce a la busqueda de los vectores propios de la matriz, y comprobar si de entre ellos pueden tomarse n linealmente independientes 6 Diagonalización La primera simplificación de la búsqueda se produce, no sobre los vectores propios, sino sobre los autovalores correspondientes: Teorema 149- Si A es una matriz de orden n, las siguientes proposiciones son equivalentes: a λ es un valor propio de A b El sistema de ecuaciones (λi Ax = 0 tiene soluciones distintas de la trivial c det(λi A = 0 λ es un valor propio de A existe un vector x IR n, x 0, tal que Ax = λx el sistema λx Ax = (λi Ax = 0 tiene soluciones distintas de la trivial λi A = 0 Definición 150- Sea A una matriz de orden n Al polinomio en λ de grado n, P(λ = λi A, se le denomina polinomio característico de la matriz A Si λ { un valor propio de A, llamaremos } espacio característico de A correspondiente a λ al conjunto V (λ = x IR n : (λi Ax = 0 Es decir, V (λ es el conjunto formado por todos los vectores propios de A correspondientes a λ, más el vector cero Así pues, los autovalores son las raices del polinomio carácterístico y los vectores propios, los vectores distintos de cero del espacio característico asociado Observación 151- V (λ es un subespacio y dim V (λ 1: En efecto, es un subespacio por ser el conjunto de soluciones de un sistema homogéneo y como λ es valor propio de A, existe x 0 en{ V (λ, luego lin{x} V (λ } y 1 = dim(lin{x} dim V (λ Además, dim V (λ = dim x IR n : (λi Ax = 0 = n rg(λi A Antes de seguir: en el estudio realizado hasta ahora, hemos buscado la diagonalización de matrices, separándolo del operador lineal que aparece en el planteamiento inicial del problema Sin embargo, todo lo anterior (y lo siguiente es válido y aplicable en los términos del operador Pueden verse los resultados que lo justifican en el Anexo 1, pág 78 Teorema 15- Sean v 1, v,, v k vectores propios de una matriz A asociados a los valores propios λ 1, λ,, λ k respectivamente, siendo λ i λ j, i j Entonces el conjunto de vectores {v 1, v,, v k } es linealmente independiente Corolario 153- Una matriz de orden n con n autovalores distintos, es diagonalizable Si la matriz tiene n autovalores distintos λ 1, λ,, λ n y de cada espacio característico V (λ k podemos tomar un vector propio v k 0, tenemos n vectores propios, v 1, v,, v n que son, por el resultado anterior, linealmente independientes ITI en Electricidad
3 63 Matemáticas I : Álgebra Lineal 6 Diagonalización Proposición 154- Sea A de orden n y λ k un autovalor de A de multiplicidad m k Entonces 1 dim V (λ k m k Teorema fundamental de la diagonalización 155- Sea A una matriz de orden n Entonces A es diagonalizable si y sólo si se cumplen las condiciones: 1- El polinomio característico tiene n raices reales Es decir, λi A = (λ λ 1 m1 (λ λ k m k con m 1 + m + + m k = n - Para cada espacio característico V (λ i, se cumple que dim V (λ i = m i Aunque omitimos aquí la demostración por ser demasiado técnica (puede verse en el Anexo, en ella se aporta el método para encontrar los n vectores propios linealmente independientes necesarios en la diagonalización: Si dim V (λ i = m i para todo i = 1,, k y m m k = n, podemos tomar de cada V (λ i los m i vectores de una base para conseguir el total de n vectores Ejemplo 156 Para la matriz A = , su polinomio característico es: λ 0 4 P (λ = λi A = 0 λ 4 0 = (λ 4 λ λ 4 λ = (λ 4(λ 4 = (λ 4 (λ + 4 luego los autovalores de A son λ 1 = 4 con m 1 = y λ = 4 con m = 1 Como λ 1, λ IR y m 1 + m = + 1 = 3 = n, se cumple la primera condición del Teorema Veamos el punto : como 1 dim V ( 4 m = 1 la condición dim V ( 4 = 1 se cumple de manera inmediata (y se cumple siempre para cualquier autovalor con multiplicidad 1 Para el otro autovalor, λ 1 = 4: dim V (4 = 3 rg(4i A = 3 rg = 3 rg = 3 1 = = m luego también se cumple y, en consecuencia, la matriz diagonaliza Como los elementos de V (4 son las soluciones del sistema homogéneo (4I AX = 0, tenemos que V (4 = lin{(1, 0, 1, (0, 1, 0}; y los elementos V ( 4 las soluciones del sistema ( 4I AX = 0, tenemos que V ( 4 = lin{(1, 0, 1} En consecuencia, los tres vectores son autovectores y linealmente independientes, cumpliéndose que: P 1 AP = = = D Ejemplo La matriz A = tiene por polinomio característico P (λ = (λ 4 (λ + 4, luego tiene 4 0 por autovalores λ 1 = 4 con m 1 = y λ = 4 con m = 1 Como m 1 + m = + 1 = 3 se cumple el primer punto; y por ser m = 1, también se cumple que dim V ( 4 = 1 Veamos para el otro autovalor: rg(4i A = rg = rg = = 3 dim V (4 luego dim V (4 = 3 = 1 m 1 = En consecuencia, la matriz A no diagonaliza (Si dim V (4 = 1 y dim V ( 4 = 1 de cada uno de ellos podemos conseguir, a lo más, un vector propio linealmente independiente; luego en total, podremos conseguir a lo más dos autovectores linealmente independientes No conseguimos los tres necesarios, luego no diagonaliza ITI en Electricidad
4 64 Matemáticas I : Álgebra Lineal 63 Diagonalización ortogonal 63 Diagonalización ortogonal Teorema 157- Sea A una matriz de orden n, entonces son equivalentes: 1- A es diagonalizable ortogonalmente - A tiene un conjunto de n vectores propios ortonormales En efecto, A es diagonalizable ortogonalmente existe P ortogonal tal que P t AP = D (con D diagonal existe P ortogonal tal que AP = P D Si llamamos p 1, p,, p n a los vectores columnas de P, éstos vectores son ortonormales y lo anterior es λ λ 0 lo mismo que escribir Ap 1 = λ 1 p 1,, Ap n = λ n p n, supuesto que D =, y como al ser 0 0 λ n P inversible se tiene que p 1, p,, p n son linealmente independientes y por tanto no nulos A tiene n vectores propios ortonormales Lema 158- Si A es una matriz simétrica, entonces los vectores propios que pertenecen a valores propios distintos son ortogonales Sean λ 1 y λ valores propios distintos de una matriz simétrica A y sean u y v vectores propios correspondientes a λ 1 y λ respectivamente Tenemos que probar que u t v = 0 (Notar que u t Av es un escalar Se tiene que u t Av = (u t Av t = v t Au = v t λ 1 u = λ 1 v t u = λ 1 u t v, y por otra parte que u t Av = u t λ v = λ u t v, por tanto λ 1 u t v = λ u t v (λ 1 λ u t v = 0 y como λ 1 λ 0, entonces u t v = 0 Teorema fundamental de la diagonalización ortogonal 159- Una matriz A de orden n es diagonalizable ortogonalmente si y sólo si A es simétrica El Lema 158 y el resaltado que apostilla el Teorema fundamental de diagonalización 155 nos indican la manera de encontrar los n vectores propios ortonormales linealmente independientes: Si tomamos en cada V (λ i los vectores de una base ortonormal, conseguiremos el total de n vectores ortonormales Ejemplo La matriz A = del Ejemplo 156, es simétrica luego diagonaliza ortogonalmente y V (4 = lin{(1, 0, 1, (0, 1, 0} y V ( 4 = lin{(1, 0, 1} Si tomamos una base ortonormal en cada uno de ellos, por ejemplo V (4 = lin{( 1 1, 0,, (0, 1, 0} y V ( 4 = lin{( 1, 0, 1 }, los tres vectores juntos forman un conjunto ortonormal, cumpliéndose que: P t AP = t = = D Ejercicios 650 Hallar los polinomios característicos, los valores propios y bases de los espacios característicos de las siguientes matrices: ( 7 a b c ITI en Electricidad
5 65 Matemáticas I : Álgebra Lineal 64 Ejercicios 651 Sea T : M M el operador lineal ( definido por: ( a b c a + c T = c d b c d Hallar los valores propios de T y bases para los subespacios característicos de T 65 Demostrar que λ = 0 es un valor propio de una matriz A si y sólo si A es no inversible 653 Probar que el término constante del polinomio característico P (λ = λi A de una matriz A de orden n es ( 1 n det(a 654 Demostrar que si λ es un valor propio de A entonces λ es un valor propio de A Demostrar por inducción que, en general, λ n es un valor propio de A n, n IN 655 Estudiar si son o no diagonalizables las siguientes matrices y en caso de que lo sean hallar una matriz P tal que P 1 AP = D con D matriz diagonal: a ( b c Sea T : IR 3 IR 3 el operador lineal T x 1 x = x 1 x x 3 x 1 x 3 Hallar una base de IR 3 respecto x 3 x 1 + x + x 3 de la cual la matriz de T sea diagonal 657 Sea P 1 (x el espacio vectorial de los polinomios de grado menor o igual a 1 Sea T : P 1 (x P 1 (x el operador lineal T (a 0 + a 1 x = a 0 + (6a 0 a 1 x Hallar una base de P 1 (x respecto de la cual la matriz de T sea diagonal 658 Sea A una matriz de orden n y P una matriz inversible de orden n Demostrar por inducción que (P 1 AP k = P 1 A k P, k IN ( Calcular A 40 siendo A = Estudiar la diagonalizabilidad de la matriz A, dada en función de los parámetros a y b, siendo A = a En los casos posibles diagonalizarla 3 0 b 661 Sea A una matriz de orden tal que A = I Probar que A es diagonalizable 66 Hallar una matriz P que diagonalice ortogonalmente a A y calcular P 1 AP para cada una de las siguientes matrices: ( a b 1 1 c a Demostrar que si D es una matriz diagonal con elementos no negativos entonces existe una matriz S tal que S = D b Demostrar que si A es una matriz diagonalizable con valores propios no negativos entonces existe una matriz S tal que S = A 664 Probar que A y A t tienen los mismos valores propios siendo A una matriz de orden n 665 Sea A una matriz de orden n y P (λ = λi A Probar que el coeficiente de λ n 1 en P (λ es el opuesto de la traza de A 666 Sea A una matriz de orden n inversible, demostrar que los valores propios de A 1 son los inversos de los valores propios de A 667 Sea A una matriz de orden n ortogonal, probar que todos los valores propios de A son uno o menos uno ITI en Electricidad
6 66 Matemáticas I : Álgebra Lineal 64 Ejercicios 668 Se sabe que (1, 0, 0, (1, 1, 0, (0, 1, 0 y (0, 0, 1 son vectores propios de una matriz de orden 3 y que hay vectores de IR 3 que no lo son Calcular todos los vectores propios de la matriz { un = 3u 669 Se dan las siguientes ecuaciones de recurrencia: n 1 + 3v n 1 v n = 5u n 1 + v n 1 calcular u n y v n en función de n, sabiendo que u 0 = v 0 = 1 Utilizar la diagonalización para 670 Los dos primeros términos de una sucesión son a 0 = 0 y a 1 = 1 Los términos siguientes se generan a partir de a k = a k 1 + a k ; k Hallar a El propietario de una granja para la cría de conejos observó en la reproducción de éstos que: i Cada pareja adulta (con capacidad reproductora tiene una pareja de conejos cada mes ii Una pareja recién nacida tarda dos meses en tener la primera descendencia Si partimos de una pareja adulta y siendo a n el número de parejas nacidas en el n-ésimo mes (a 0 = 0, se pide: a Obtener una fórmula recurrente para a n en función de términos anteriores b Probar que a n = (1 + 5 n (1 5 n n 5 a n+1 c Calcular, si existe: lím n a n 67 Sea el determinante n n siguiente: D n = Dar una expresión de D n en función de los determinantes de tamaño menor que n y obtener las ecuaciones de recurrencia para hallar su valor 673 Determinar para qué valores de a, b y c son diagonalizables simultáneamente las matrices A = 1 a b 0 c y B = 1 a b 0 1 c Estudiar para qué valores de a, b y c es diagonalizable la matriz A = c b a 0 0 a 0 b c 675 Dada la matriz A = a a 0 Estudiar para qué valores de a y b la matriz A es diagonalizable a a 0 b 0 b 676 Sea f: IR 3 IR 3 el operador lineal cuya matriz asociada a la base canónica es: m 0 0 A = 0 m 1 1 n m a Determinar para qué valores de m y n existe una base de IR 3 de tal forma que la matriz en esa base sea diagonal En los casos que f sea diagonalizable calcular una base en la cuál la matriz de f sea diagonal b Si n = 0, observando la matriz A y sin hacer ningún cálculo, determinar un valor propio y un vector propio asociado a dicho valor propio, razonando la respuesta ITI en Electricidad
7 67 Matemáticas I : Álgebra Lineal 64 Ejercicios 677 Dada la matriz A = a b d 1 1 c e f 1 Encontrar para qué valores de los parámetros a, b, c, d, e, f IR la matriz A es diagonalizable Para dichos valores encontrar las matrices P y D tales que P 1 AP = D, donde D es una matriz diagonal 678 En IR 4 consideramos el subconjunto: S = {(x 1, x, x 3, x 4 / x x 4 = 0} Sea T : IR 4 IR 4 el operador lineal que verifica: (i ker(t = {x IR 4 / < x, y >= 0, y S} (ii T (1, 0, 0, 0 = ( 1, 3, 1, (iii T (1, 1, 1, 1 = ( 3, m, n, p { x1 + x (iv El subespacio solución del sistema: + x 3 + x 4 = 0 x + x 3 + x 4 = 0 correspondientes a un mismo valor propio de T es el conjunto de vectores propios Se pide: a Probar que S es un subespacio vectorial de IR 4 b Hallar ker(t c Encontrar una base para el subespacio de vectores propios de la propiedad (iv d Una matriz de T, indicando las bases de referencia 679 Sean f : IR 4 IR 4 un operador lineal, y B = {e 1, e, e 3, e 4 } la base canónica de IR 4, verificando lo siguiente: (i f(e 1 H = {x IR 4 / x = 0} (ii f(e S = {x IR 4 / x = 1 y x 4 = 0} (iii f(e 3 = (α, β, 1, ; f(e 4 = (1, 0,, γ (iv ker f es el conjunto de soluciones del sistema: x 1 + x + x 3 x 4 = 0 3x 1 + 3x + x 3 + x 4 = 0 x 1 x x 3 + 3x 4 = 0 (v Las ecuaciones implícitas de la imagen de f son y 1 y 3 y 4 = 0 (vi El operador f es diagonalizable Hallar una matriz de f, indicando las bases de referencia ITI en Electricidad
AP = A p 1 p 2 p n = Ap 1 Ap 2. λ 1 p 21 λ 2 p 22 λ n p 2n. .. = λ 1 p 1 λ 2 p 2
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 detallesPodemos pues formular los dos problemas anteriores en términos de matrices.
Tema 5 Diagonalización 51 Introducción Valores y vectores propios 511 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial V de dimensión
Más detallesTema 11.- Autovalores y Autovectores.
Álgebra 004-005 Ingenieros Industriales Departamento de Matemática Aplicada II Universidad de Sevilla Tema - Autovalores y Autovectores Definición, propiedades e interpretación geométrica La ecuación característica
Más detalles1. Efectuar las siguientes operaciones, expresando el resultado en forma binómica: (1 i)(2 i)(i 3) ; 344 ( i) 231 i(1 + i) 5
1.5.1 Complejos 1. Efectuar las siguientes operaciones, expresando el resultado en forma binómica: i 1 ; 2 + i ; 2i 2 i 1 + i +i; 5 (1 i)(2 i)(i 3) ; i344 +( i) 231 ; (1 + i) 5 + 1 (1 i) 5 1 ; 2. Usar,
Más detallesDIAGONALIZACIÓN DE MATRICES CUADRADAS
DIAGONALIZACIÓN DE MATRICES CUADRADAS.- Considerar los vectores u = (, -, ) y v = (, -, ) de : a) Escribir, si es posible, los vectores (, 7, -4) y (, -5, 4) como combinación lineal de u y v. b) Para qué
Más detallesDiagonalización de matrices
7 Diagonalización de matrices 7.1. Matrices diagonalizables Existen diversos procesos en los que el estado en cada uno de sus pasos se puede representar por un determinado vector y en los que, además,
Más 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 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 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 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 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 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 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 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 detallesCONJUNTO R n. = (5, 2, 10) de 3, son linealmente. = (2,1,3) y v 3. = (0,1, 1) y u 3. = (2,0,3, 1), u 3. = (1,1, 0,m), v 2
CONJUNTO R n.- Considerar los vectores u = (, -3, ) y v = (, -, ) de 3 : a) Escribir, si es posible, los vectores (, 7, -4) y (, -5, 4) como combinación lineal de u y v. b) Para qué valores de x es el
Más detallesDiagonalización de matrices
Diagonalización de matrices María Muñoz Guillermo maria.mg@upct.es U.P.C.T. Matemáticas I M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 1 / 22 Valores y vectores propios de una matriz Definición
Más detallesHoja de diagonalización MATEMÁTICAS I
Hoja de diagonalización MATEMÁTICAS I 8-9.- En los siguientes casos estudiar si f es una aplicación lineal y en caso afirmativo hallar una matriz A tal que f(x) Ax así como los subespacios vectoriales
Más detallesHoja de diagonalización MATEMÁTICAS I
Hoja de diagonalización MATEMÁTICAS I 007-008 1.- En los siguientes casos estudiar si f es una aplicación lineal y en caso afirmativo hallar una matriz A tal que f(x) = Ax, así como los subespacios vectoriales
Más 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 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 detallesVectores y Valores Propios
Capítulo 11 Vectores y Valores Propios Las ideas de vector y valor propio constituyen conceptos centrales del álgebra lineal y resultan una valiosa herramienta en la solución de numerosos problemas de
Más 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 detallesHoja de diagonalización MATEMÁTICAS I
Hoja de diagonalización MATEMÁTICAS I 9- - En los siguientes casos estudiar si f es una aplicación lineal y en caso afirmativo hallar una matriz A tal que f(x) Ax así como los subespacios vectoriales N(f)
Más 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 detallesa ij x i x j = [x] t B A+At ) t = At +(A t ) t = At +A x i x j + a ij + a ji x j x i = s ij x i x j + s ji x j x i 2
68 Matemáticas I : Álgebra Lineal Tema 7 Formas cuadráticas Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas ya ha sido estudiado, pues el cuadrado
Más detallesCurso Departamento de Matemática Aplicada a las Tecnologías de la Información y las Comunicaciones
Tema 5. ÁLGEBRA Diagonalización. Curso 217-218 José Juan Carreño Carreño Departamento de Matemática Aplicada a las Tecnologías de la Información y las Comunicaciones Escuela Técnica Superior de Ingeniería
Más detallesDiagonalización de matrices. Kepler C k
Kepler C k 24 Índice. Problema de diagonalización 3.. Semejanza de matrices................................. 3.2. Valores propios y vectores propios........................... 3.3. Matrices y valores propios...............................
Más 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 detallesa n1 a n2 a nn x n a ij x i x j = [x] t B A+At ) t = At +(A t ) t = At +A x j x i = s ij x i x j + s ji x j x i 2 x i x j + a ij + a ji
16 Fundamentos de Matemáticas : Álgebra Lineal Capítulo 1 Formas cuadráticas Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas ya ha sido estudiado,
Más detalles2 Polinomio característico de una matriz
Lección 4: Teoría de Operadores 1 Semejanza Sean A, B M n,n. Se dice A es semejante con B cuando existe una matriz regular P GL n de suerte que B = P 1 AP. Si A es semejante con B, entonces B es semejante
Más 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 detalles1. DIAGONALIZACIÓN Y FORMAS CANÓNICAS
1 1. DIAGONALIZACIÓN Y FORMAS CANÓNICAS Sea f : V V un endomorfismo de V, f End(V, con V un K-espacio vectorial de dimensión n, y sean B = {e 1,..., e n } B = {e 1,..., e n} bases de V. La matriz de f
Más detallesCapítulo 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 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 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 detallesa n1 a n2 a nn Es decir, una forma cuadrática es un polinomio homogéneo de grado 2 y n variables.
Capítulo 7 Formas cuadráticas. Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas ya ha sido estudiado, pues el cuadrado de la norma de un vector
Más detallesf(x, y, z, t) = (x + y t, x + 2y z 3t, 3x + 5y 2z 7t).
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Álgebra Convocatoria de enero de 20 de enero de 20 (2.5 p.) ) Se considera la aplicación lineal f : R 4 R definida por: f(x y
Más 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 detalles6.5.7 Orientación de un espacio vectorial eucĺıdeo Producto vectorial Diagonalización de formas bilineales simétricas...
Contents 6 Formas Bilineales y Producto Escalar 3 6.1 Formas bilineales............................... 3 6.1.1 Matriz de una forma bilineal....................... 4 6.1. Formas bilineales simétricas.......................
Más 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 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 detallesMATRICES. 1.- Calcular: g) 0 a b a 0 c b c 0. x x x. x + a b c a x + b c a b x + c. a b b b a b b b a
MATRICES 1.- Calcular: a) 3 2 5 2 1 4 3 1 6 b) 2 1 3 4 2 5 6 0 2 c) 3 1 5 0 5 4 6 3 1 3 2 1 6 7 5 4 d) 7 6 8 5 6 7 10 6 7 8 8 9 8 7 9 6 e) 1 3 2 1 3 5 3 2 3 6 2 2 6 4 5 3 f) 1 1 1 1 1 1 1 g) 1 1 1 1 1
Más detallesTema 4: Endomorfismos
Marisa Serrano, Zulima Fernández Universidad de Oviedo 11 de enero de 2010 email: mlserrano@uniovi.es Índice 1 2 3 4 en espacios de dimensión dos en espacios eucĺıdeos de dimensión tres Definición Definición
Más detallesVALORES Y VECTORES PROPIOS
45 Capítulo 6 VALORES Y VECTORES PROPIOS Martínez Héctor Jairo Sanabria Ana María Semestre, 7 6 Introducción Aunque, en general, la imagen de un vector bajo una transformación de un espacio vectorial en
Más 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 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 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 detallesALGEBRA LINEAL Segundo Semestre. Parte II
1 Universidad Nacional de La Plata Facultad de Ciencias Astronómicas y Geofísicas ALGEBRA LINEAL 2015 Segundo Semestre Parte II 2 1. Valores y Vectores propios. Diagonalización.Forma de Jordan. 1.1. Polinomios
Más detallesÁLGEBRA LINEAL I Práctica 7
ÁLGEBRA LINEAL I Práctica 7 Endomorfismos (Curso 2017 2018) 1. Dada la matriz: 3 2 0 0 0 1 0 0 0 0 A = 0 0 1 0 0. 0 0 0 1 0 0 0 0 1 1 (a) Estudiar si es triangularizable por semejanza. (b) Hallar sus autovalores
Más detallesÁLGEBRA LINEAL I Práctica 7
ÁLGEBRA LINEAL I Práctica 7 Endomorfismos (Curso 2015 2016) 1. Dada la matriz: 3 2 0 0 0 1 0 0 0 0 A = 0 0 1 0 0. 0 0 0 1 0 0 0 0 1 1 (a) Estudiar si es triangularizable por semejanza. (b) Hallar sus autovalores
Más detallesÁLGEBRA LINEAL. 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 detallesDIAGONALIZACIÓN DE MATRICES
Tema 2 DIAGONALIZACIÓN DE MATRICES 2.1. Introducción El álgebra matricial proporciona herramientas elementales para simplificar y resolver problemas donde intervienen un número elevado de datos. El siguiente
Más detalles1.5.3 Sistemas, Matrices y Determinantes
1.5.3 Sistemas, Matrices y Determinantes 24. Sean las matrices 3 0 4 1 A= 1 2 B = 0 2 1 1 C = 1 4 2 3 1 5 1 5 2 D = 1 0 1 E = 3 2 4 6 1 3 1 1 2 4 1 3 a Calcular cuando se pueda: 3C D, ABC, ABC, ED, DE,
Más detallesAplicaciones lineales.
Tema 4 Aplicaciones lineales. Definición 4. Sea f: V W una aplicación entre los espacios vectoriales reales V y W. Se dice que f es una aplicación lineal si: a f(u + v = f(u + f(v; u, v V, b f(ku = kf(u;
Más detallesTema 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 detallesSoluciones a los ejercicios del examen final C =. 1 0
Universidade de Vigo Departamento de Matemática Aplicada II E T S E de Minas Álgebra Lineal Curso 205/6 de enero de 206 Soluciones a los ejercicios del examen final Se considera el subespacio U {X M 2
Más detallesÁLGEBRA LINEAL I Práctica 7
ÁLGEBRA LINEAL I Práctica 7 Endomorfismos (Curso 2016 2017) 1. Dada la matriz: 3 2 0 0 0 1 0 0 0 0 A = 0 0 1 0 0 0 0 0 1 0 0 0 0 1 1 (a) Estudiar si es triangularizable por semejanza. (b) Hallar sus autovalores
Más 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 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 detalles6.6. Diagonalización de matrices simétricas o hermitianas. Ejemplo de una diagonalización de una matriz simétrica
6.6 Diagonalización de matrices simétricas o hermitianas Ejemplo de una diagonalización de una matriz simétrica Matrices hermitianas Los autovalores de las matrices reales simétricas o complejas hermitianas
Más detallesDiagonalización de matrices
Capítulo 6 Diagonalización de matrices 6.. Introducción 6... Un ejemplo preliminar Antes de plantearlo de manera general, estudiaremos un ejemplo que servirá para situar el problema. Supongamos que, en
Más 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 detallesSolución de problemas I 1
Universidad Autónoma de Madrid Álgebra II. Físicas. Curso 5 6 Solución de problemas I Álgebra II Curso 5-6. Proyecciones en el producto escalar estándar Ejercicio 7.7. (a) Dada la ecuación x + y z, dar
Más detallesEspacios vectoriales reales
140 Fundamentos de Matemáticas : Álgebra Lineal 9.1 Espacios vectoriales Capítulo 9 Espacios vectoriales reales Los conjuntos de vectores del plano, R 2, y del espacio, R 3, son conocidos y estamos acostumbrados
Más 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 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 detallesAplicaciones lineales
53 Matemáticas I : Álgebra Lineal Tema 5 Aplicaciones lineales 5. Definición. Núcleo e imagen Definición 26.- Sea f: V W una aplicación entre los espacios vectoriales reales V y W. Se dice que f es una
Más detallesA = [a 1 a 2 a 3. El sistema Ax = c tiene infinitas soluciones N. Existe un único vector x tal que T (x) = c X. T es suprayectiva
Asignatura: ÁLGEBRA LINEAL Fecha: 6 de Julio de Fecha publicación notas: 6 de Julio de Fecha revisión examen: de Julio de Duración del examen: horas y media APELLIDOS Y NOMBRE: DNI: Titulación:. ( punto:,
Más 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 detallesAplicaciones lineales.
Capítulo 5 Aplicaciones lineales. 5. Definición. Núcleo e imagen. Definición 23.- Sea f: V W una aplicación entre los espacios vectoriales reales V y W. Se dice que f es una aplicación lineal si: () f(u
Más 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 detallesPROBLEMAS DE ÁLGEBRA LINEAL INGENIERÍA DE TELECOMUNICACIONES - E.T.S.I.T. CURSO 2005/06
PROBLEMAS DE ÁLGEBRA LINEAL INGENIERÍA DE TELECOMUNICACIONES - E.T.S.I.T. CURSO 200/06 1. Utilizar el método de eliminación de Gauss para resolver el sistema de ecuaciones lineales siguiente: 2 x 1 2 x
Más detallesÁLGEBRA LINEAL. EXAMEN EXTRAORDINARIO 2 de julio de 2012 Duración del examen: 3 horas Fecha publicación notas: 11 de julio
ÁLGEBRA LINEAL EXAMEN EXTRAORDINARIO 2 de julio de 22 Duración del examen: 3 horas Fecha publicación notas: de julio Fecha revisión examen: 3 de julio Apellidos: Nombre: Grupo: Titulación: ESCRIBA EL APELLIDO
Más 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 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 detallesÁlgebra Lineal. Tema 5 Ecuaciones diferenciales lineales
Álgebra Lineal. Tema 5 Dep. Matemática Aplicada. UMA Tasa relativa de crecimiento Si x(t representa alguna cantidad física como el volumen de una sustancia, la población de ciertas especies, o el número
Más detalles= λea EA. r+1. 1 En forma más escueta indicando los tamaños
75 Matemáticas 1 : Álgebra Lineal Anexo 1: Demostraciones Matrices, sistemas y determinantes Álgebra lineal Demostración de: Teorema 50 de la página 28 Teorema 50- Si la matriz elemental E m m resulta
Más detallesTema 3.1. Espacio eucĺıdeo. Diagonalización ortogonal
Tema 3.1. Espacio eucĺıdeo. Diagonalización ortogonal Definición 1. Sea V un espacio vectorial sobre un cuerpo K. Llamamos forma bilineal a toda aplicación f : V V K ( x, y) f( x, y) que verifica: 1. f(
Más 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 detallesL(a, b, c, d) = (a + c, 2a 2b + 2c + d, a c, 4a 4b + 4c + 2d).
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Álgebra Convocatoria de enero de 1 18 de enero de 1 (5 p. 1 Para cada α R se considera el siguiente subespacio de R 4 : U α =
Más 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 detallesSoluciones de la hoja de diagonalización MATEMÁTICAS I
Soluciones de la hoja de diagonalización MATEMÁTICAS I 9- - En los siguientes casos estudiar si f es una aplicación lineal y, en caso afirmativo, hallar una matriz A tal que f(x) Ax, así como los subespacios
Más 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 detallesProblemas de exámenes de Aplicaciones Lineales y Matrices
1 Problemas de exámenes de Aplicaciones Lineales y Matrices 1. Consideramos f End(R n ), que tiene matriz A respecto la base canónica. Cuál de las siguientes afirmaciones es incorrecta? a) Si v es un vector
Más detallesMATRICES Y SISTEMAS DE ECUACIONES
MATRICES Y SISTEMAS DE ECUACIONES Definición Una matriz real de orden m n es una tabla ordenada de m n números reales a 11 a 12 a 1n A = a 21 a 22 a 2n a m1 a m2 a mn en la cual las líneas horizontales
Más detallesa) (0,5 puntos) Calcula la matriz escalonada reducida de A. Cuál es el rango de A?
Asignatura: ÁLGEBRA LINEAL Fecha del examen: de Enero de 6 Fecha publicación notas: 9 de Enero de 6 Fecha revisión examen: de Enero de 6 Duración del examen: horas y minutos APELLIDOS: NOMBRE: Titulación:.
Más detallesSOLUCIONES DEL SEGUNDO PARCIAL (17/12/2013)
ÁLGEBRA LINEAL 1S1M-b SOLUCIONES DEL SEGUNDO PARCIAL 17/12/2013 1. Dada una aplicación lineal f : de manera que : Se pide, obtener su matriz con respecto a las bases canónicas. Calculamos =col 2. Calcular
Más detallesEsta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )
Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder
Más 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 detallesEspacios Vectoriales, Valores y Vectores Propios
, Valores y Vectores Propios José Juan Rincón Pasaye, División de Estudios de Postgrado FIE-UMSNH Curso Propedéutico de Matemáticas para la Maestría en Ciencias opciones: Sistemas de Control y Sistemas
Más detallesTema 9: REDUCCIÓN POR SEMEJANZA DE UNA MATRIZ. DIAGONALIZACIÓN
Álgebra I - Curso 2005/06 - Grupos M1 y M2 Tema 9: REDUCCIÓN POR SEMEJANZA DE UNA MATRIZ DIAGONALIZACIÓN por Mario López Gómez 1 Valores y vectores propios Definición- Dada una matriz cuadrada A K n n,
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 detallesValores propios y vectores propios Diagonalización
CAPÍTULO Valores propios y vectores propios Diagonalización Este capítulo consta de cuatro secciones Con el fin de dar una idea de lo que se hará en las dos primeras secciones, se considerará un espacio
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 detalles