Grado en Edificación MATERIAL DOCENTE: PRESENTACIÓN DEL TEMA III. Ana Isabel Garralda Guillem y Manuel Ruiz Galán
|
|
- Trinidad Álvarez Cárdenas
- hace 7 años
- Vistas:
Transcripción
1 MATEMÁTICAS TICAS I Grado en Edificación MATERIAL DOCENTE: PRESENTACIÓN DEL TEMA III Ana Isabel Garralda Guillem y Manuel Ruiz Galán
2 Tema. Diagonalización de matrices.1. Diagonalización de matrices por semejanza.2. Diagonalización de matrices simétricas... Método de las potencias.
3 .1 Diagonalización de matrices por semejanza.1.1 Introducción.1.2 Valores y vectores propios.1. Polinomio característico.1.4 Matrices diagonalizables.1.5 Aplicaciones
4 .1.1 Introducción Problema: Dada A matriz cuadrada de orden n, existe una matriz P regular tal que P -1 AP=D? (D matriz diagonal) 4
5 Supongamos que la respuesta a la pregunta es afirmativa 1 P AP ( ) P= v v v regular (de orden n) tal que = D= n λ λ λ n Av1 = λ1v 1 equivalentemente AP = PD Avn = λnvn puesto que λ λ2 0 Av ( 1 v2 vn) ( v1 v2 vn) = = λ1v1 λ2v 2 λnvn 0 0 λ n lo que motiva las siguientes definiciones: ( ) 5
6 DEFINICIÓN.1.2 Valores y vectores propios n Dada A Mn, un vector x R no nulo se denomina vector propio de A si existe un número real λ tal que Ax= λx. Al correspondiente número real λ se le denomina valor propio de la matriz. EJEMPLO (ii) Sea la matriz 1 2 A = n El vector (2,1,0) R es vector propio de A puesto que = 2 λ =
7 .1. Polinomio característico Sea A M y x vector propio de A, de valor propio λ Ax = λx ( A λi ) x = 0. El vector x R n n es solucion no nula del sistema de ecuaciones lineales con matriz de coeficientes ( A λi ). n Por tanto si λ valor propio de A, entonces rg( A λi ) < n det( A λi ) = 0. n n n 7
8 DEFINICIÓN Sea A M n polinomio:, se denomina polinomio característico de A al p ( λ) = det( A λi ) P. n n n PROPOSICIÓN Sea A Mn, un número real λ es valor propio de A si y sólo si es raíz de su polinomio característico. 8
9 EJEMPLO (polinomio característico) Sea la matriz A = 2 1, el polinomio caracteristico es 1 λ ( λ) = λ = 2 λ 1 = ( λ 2λ 5λ+ 6) = ( λ 1)( λ+ 2)( λ ) p A I n λ Los valores propios de A son las raices del polinomio p λ = 1 ( λ) = 0 λ = 2 λ = 9
10 Dada A matriz de orden n y λ valor propio de A, notamos V(λ) al subconjunto siguiente n V( λ) = x R :( A λi ) x= 0 { n } EJERCICIO Demuestra que el subconjunto V ( λ), es un subespacio n vectorial de R. La dimensión es n rg( A λi n ) Se denomina subespacio de vectores propios de A. 10
11 EJEMPLO (anterior) Sea la matriz λ = 1 2 A= 2 1, p( λ) = ( λ 2λ 5λ+ 6), p( λ) = 0 λ = λ = x 0 y+ 4z = 0 V(1) = ( xyz,, ) R :( A I) y = 0 = ( xyz,, ) R : x+ y z= 0 = L 1,4,1 z 0 2x+ y 2z = 0 dim( V(1)) = rg( A I ) = 1 {( )} x 0 x y+ 4z = 0 V( 2) = ( xyz,, ) R : ( A+ 2 I) y = 0 = ( xyz,, ) R : x+ 4 y z= 0 = L 1, 1, 1 z 0 2x+ y+ z = 0 dim( V( 2)) = rg( A+ 2 I ) = 1 {( )} 11
12 x 0 2x y+ 4z = 0 V() = ( x, y, z) R : ( A I) y = 0 = ( x, y, z) R : x y z = 0 = L 1,2,1 z 0 2x+ y 4z = 0 dim( V()) = rg( A I ) = 1 {( )} 12
13 .1.4 Matrices diagonalizables Sea A matriz de orden ny λ valor propio de la matriz. i Se llama multiplicidad algebraica de λ, m, a su multiplicidad como raiz del polinomio caracteristico. Se llama multiplicidad geometrica, d, vectores propios asociado V ( λ ), es decir, d = dim( V( λ )) = n rg( A λi ). i i i n i i i i a la dimension del subespacio de 1
14 EJEMPLO Sea A: 2 4 A= p λ = λ + λ + λ+ = λ+ λ 4 2 p ( ) ( 1) ( 8). λ1 = 1 m1 = 2 ( λ) = 0 λ2 = 8 m2 = 1 dim( V( 1)) = rg( A+ I ) A+ I = d1 = dim( V( 1)) =
15 dim( V(8)) = rg( A 8 I ) (1) (2)/ A 8I = (2) + 5(1) d2 = dim( V(8)) = 1 () 4(1)
16 PROPOSICIÓN La multiplicidad algebraica de cada valor propio es mayor o igual que la multiplicidad geométrica. DEFINICIÓN Una matriz A se denomina diagonalizable si existe una matriz P regular tal que P -1 AP es una matriz diagonal. 16
17 TEOREMA Una matriz es diagonalizable si y sólo si se verifican las dos condiciones siguientes: i) Todos los valores propios son reales. ii) Para cada valor propio coinciden la multiplicidad algebraica y geométrica. COROLARIO Sea X un espacio vectorial de dimensión n, si A es una matriz con valores propios distintos entonces es diagonalizable. 17
18 EJEMPLO Sea A la matriz : λ 9 A= λ = λ = λ λ p( ) ( 1). p ( λ) = 0 λ = 1 m = 1 1 d = dim( V( 1)) = rg( M( T, B ) + I ) i 0 9 MTB (, c ) + I = d1 = dim( V( 1)) = m = d = 2 No es diagonalizable 1 1 c 18
19 EJEMPLO Consideramos la matriz 8 8 A = Estudia si es diagonalizable y en caso afirmativo diagonalizala. λ 8 8 p p 2 2 ( λ) = 4 7 λ 8 = ( λ λ 5λ ) = ( λ+ 1) ( λ ) λ λ1 = 1 m1 = 2 ( λ) = 0 λ2 = m2 = 1 x x 0 V( 1) = ( xyz,, ) R :( A+ I) y = 0 = ( xyz,, ) R : y = 0 = z z 0 { R } {( ) } ( xyz,, ) : x 2y+ 2z= 0 = L 2,1,0,( 2,0,1) dim V( 1) = 2 19
20 x x 0 V() = ( xyz,, ) R : ( A I) y = 0 = ( xyz,, ) R : y = 0 z z (1)/8 (2)/ () (1) ()/ x+ y 2z = 0 V() = ( x, y, z) R : = L{ ( 1,1,1) } dim V() = 1. y z = 0 La matriz es diagonalizable puesto que λ1 = 1 m1 = 2 = dim V ( 1) λ2 = m2 = 1 = dim V () Si P es la matriz P = P AP= = D
21 EJEMPLO Consideramos la matriz 1 1 A = Estudia si es diagonalizable y en caso afirmativo diagonalizala. λ 1 1 p 2 ( λ) = 2 2 λ 1 = ( λ 7λ + 17λ 15) λ p λ = ( λ) = 0 λ = 2+ i λ = 2 i No es diagonalizable porque los valores propios no son todos reales. 21
22 EJEMPLO Considera la matriz : 0 1 A= p( λ) = ( λ 1)( λ 2)( λ+ 2) p λ = 1 ( λ) = 0 λ = 2 λ = 2 es diagonalizable. x 0 V = x y z R A I y = = L z 0 {( )} (1) (,, ) : ( ) 0 1, 0, 2 22
23 x 0 V = x y z A I y = = L z 0 {( )} (2) (,, ) R : ( 2 ) 0 1,1,1 x 0 V = x y z A+ I y = = L z 0 {( )} ( 2) (,, ) R :( 2 ) 0 0,1,0 1 P AP = D =
24 Aplicaciones 1. Cálculo de la potencia de una matriz Sea A una matriz diagonalizable y m un número natural, 1 1 P AP= D A= PDP m m A = PDP P DP PDP P PDP = PD P I I I n n n 24
25 EJEMPLO Consideramos la matriz siguiente A = 1 2 1/ /2 Comprobamos que A = / y entonces A = /
26 2. Recurrencias lineales Fibonacci (1202) problema sencillo de crecimiento de poblaciones Población de conejos: de cada par nace un nuevo par al cabo de un mes edad fértil: al segundo mes mes pares f( n+ 1) pares de conejos al cabo de n meses f( n+ 1) = f( n) + f( n 1) Relación de recurrencia lineal Podemos conocer f(n) sin calcular toda la sucesión? f( n+ 1) 1 1 f( n) f(1) 1 = donde = f( n) 1 0 f( n 1) f(0) 1 f( n+ 1) 1 1 f(1) = f( n) 1 0 f(0) n
27 Diagonalizando la matriz obtenemos: = n n f( n 1) 1 1 f(1) = = n f( n) 1 0 f(0) f( n) n = n f (10) = =
28 ..2 Diagonalización de matrices simétricas PROPOSICIÓN 1. Todos los valores propios de una matriz simétrica son reales. 2. Los vectores propios asociados a valores propios diferentes son ortogonales entre sí.. Toda matriz simétrica es diagonalizable. TEOREMA Dada una matriz A simétrica existe una matriz P ortogonal tal que P t AP es una matriz diagonal. La obtención de las matrices P ortogonal y D se denomina diagonalización ortogonal. 28
29 Proceso de diagonalización ortogonal para una matriz A simétrica: 1. Calculamos los valores propios de A (son todos reales). 2. Para cada valor propio λ obtenemos una base B(λ) de vectores propios de V(λ).. A partir de la base B(λ) obtenemos, por el procedimiento de Gram-Schmidt, una base B (λ) ortonormal. 4. Formamos la matriz P con las bases de vectores propios ortonormales. La matriz obtenida es ortogonal y P t AP=D. 29
30 EJEMPLO Consideramos la matriz A = Calcula la diagonalizacion ortogonal. 5 λ 4 2 p p 2 ( λ) = 4 5 λ 2 = ( λ 1) ( λ 10) λ λ1 = 1 m1 = 2 ( λ) = 0 λ2 = 10 m2 = 1 x x 0 V(1) = ( x, y, z) R :( A I) y = 0 = ( x, y, z) R : y = 0 = z z 0 { R } {( ) } ( xyz,, ) :2x+ 2y+ z= 0 = L 1,0, 2,(0,1, 2) dim V(1) = 2 0
31 x Gram-Schmidt normalizando = (1, 0, 2), x = (0,1, 2) 1 2 e = (1,0, 2), e = ( 4/5,1, 2/5) v=,0,, w=,, x x 0 V(10) = ( xyz,, ) R :( A 10 I) y = 0 = ( xyz,, ) R : y = 0 z z (1) ()/ (2) 4(1) () + 5( 1) x+ y 4z = V(10) = ( x, y, z) R : = L{ ( 2, 2,1 )} = L,,. y 2z 0 = 1
32 Si P es la matriz t P = 0 PAP= D. =
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 detallesSesión 18: Diagonalización (I) Método práctico para diagonalizar una matriz cuadrada A M nxn K
Sesión 8: Diagonalización (I) Método práctico para diagonalizar una matriz cuadrada A M nxn K ) Calculamos los valores propios de A y sus multiplicidades algebraicas con: d A λ = det A λi nxn = Si d A
Más detallesDiagonalización. Tema Valores y vectores propios Planteamiento del problema Valores y vectores propios
61 Matemáticas I : Álgebra Lineal Tema 6 Diagonalización 61 Valores y vectores propios 611 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial
Más detallesTema 2: Diagonalización
TEORÍA DE ÁLGEBRA II: Tema 2. DIPLOMATURA DE ESTADÍSTICA 1 Tema 2: Diagonalización 1 Introducción Sea f : R n R n lineal. Dada una base B de R n podemos asociar a f la matriz A 1 = [f, B] M n. Si C es
Más 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 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 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 2. Aplicaciones lineales. Diagonalización de endomorfismos.
Tema 2. Aplicaciones lineales. Diagonalización de endomorfismos. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada
Más detallesÁLGEBRA LINEAL. 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 detallesVectores y Valores Propios
Capítulo 11 Vectores y Valores Propios Las ideas de vector y valor propio constituyen conceptos centrales del álgebra lineal y resultan una valiosa herramienta en la solución de numerosos problemas de
Más detallesTEMA 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 detallesAutovalores y autovectores Diagonalización y formas canónicas
Autovalores y autovectores Diagonalización y formas canónicas Autovalores y autovectores.propiedades Sea V un espacio vectorial sobre K y f End(V ). Fijada una base de V, existirá una matriz cuadrada A,
Más detallesDiagonalización 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 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 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 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 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 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 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 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 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 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 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 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 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 detallesUniversidad Sergio Arboleda Álgebra Lineal 1 (201610) Ejercicios
Álgebra Lineal 1 (2161) Prof: Otaivin Martínez Mármol (1) Encuentre el polinomio característico Calcule los valores y vectores propios de las siguientes matrices (a) [ ] 7 5 1 8 (b) [ ] 1 1 (c) 2 1 1 2
Más detallesÁlgebra Lineal. Tema 8. Valores y vectores propios. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Tema 8. Valores y vectores propios Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR
Más 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 detallesValores y Vectores Propios
Respuestas Guía de ejercicios N 7 parte Complemento Valores y Vectores Propios. λ 7 λ λ λ λ + 3λ. Sea v el vector propio asociado al valor propio λ 3 y v el vector propio asociado al valor propio λ. Para
Más detallesVALORES Y VECTORES PROPIOS
VALORES Y VECTORES PROPIOS En diversos campos de la ingeniería y las matemáticas surge el problema de calcular los valores escalares λ y los vectores x 0 tales que para la matriz cuadrada A se cumple Ax
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 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 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 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 detallesTema 5: Diagonalización de matrices
Tema : Diagonalización de matrices La intención en este tema es, dada una matriz cuadrada, ver si existe otra matriz semejante a ella que sea diagonal. Recordemos del Tema 4 que dos matrices cuadradas
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 detallesÁlgebra Lineal. Tema 11. El Teorema Espectral en R. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Tema. El Teorema Espectral en R Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR Índice
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 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 detallesUNIVERSIDAD DEL NORTE Departamento de Matemáticas y Estadística. Álgebra Lineal. RESUMEN DE TEMAS DEL EXAMEN FINAL
1. Definiciones básicas. UNIVERSIDAD DEL NORTE Departamento de Matemáticas y Estadística. Álgebra Lineal. RESUMEN DE TEMAS DEL EXAMEN FINAL I. Sistemas homogéneos y subespacios de R n. (a) Para el sistema
Más 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 detallesDiagonalización de matrices, Semejanza.
diagonalizacion.nb 1 Diagonalización de matrices, Semejanza. Practica 8, 28 de abril de 2004 En esta práctica aprenderemos/repasaremos los comandos: Eigenvalues[ matriz ] Calcula los autovalores de una
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 detallesEjercicios resueltos del capítulo 4
Ejercicios resueltos del capítulo 4 Ejercicios impares resueltos..a Calcular los autovalores y subespacios invariantes asociados a la matriz: A = Calculamos el polinomio característico y resolvemos: λ
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 detallesTema 5: Espacios Eucĺıdeos.
Espacios Euclídeos 1 Tema 5: Espacios Eucĺıdeos. 1. Producto escalar. Espacios eucĺıdeos. Definición. Sea E un R-espacio vectorial y sea f : E E R una forma bilineal simétrica. Se dice que f es un producto
Más detallesTransformaciones Lineales
Transformaciones Lineales En lo que sigue denotaremos por K al conjunto R ó C Definición Sean V y W dos K-ev (espacios vectoriales sobre K Se llama transformación lineal de V en W a toda función T : V
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 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 detallesPráctica 6: Autovalores y autovectores - Diagonalización
ALGEBRA LINEAL Primer Cuatrimestre 2010 Práctica 6: Autovalores y autovectores - Diagonalización 1. Calcular el polinomio característico, los autovalores y los autovectores de la matriz A en cada uno de
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 detalles6. DIAGONALIZACIÓN DE ENDOMORFISMOS
Diagonalización de endomorfismos 6. DIAGONALIZACIÓN DE ENDOMORFISMOS SUMARIO: INTRODUCCIÓN OBJETIVOS INTRODUCCIÓN TEÓRICA.- Autovalores y vectores propios. Propiedades..- Multiplicidad algebraica y geométrica
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 detallesÁlgebra Lineal. Tema 7. La forma canónica de Jordan
Álgebra Lineal Tema 7 La forma canónica de Jordan Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J S ALAS, A T ORRENTE Y EJS V ILLASEÑOR Índice
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 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 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 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 detalles6.8. Descomposición mediante valores singulares. v 2 =
68 Descomposición mediante valores singulares Los valores singulares de una matriz m n Supongamos que A es una matriz real cualquiera Los autovalores de A T A tienen la siguiente propiedad A T Ax = λx
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 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 detallesDiagonalización de una Matriz
Diagonalización de una Matriz Departamento de Matemáticas, CCIR/ITESM 9 de febrero de 2011 Índice 19.1.Introducción............................................... 1 19.2.Matriz diagonalizable..........................................
Más detallesTRANSFORMACIONES LINEALES 1. TRANSFORMACIONES NÚCLEO E IMAGEN
RANSFORMACIONES LINEALES 1 RANSFORMACIONES NÚCLEO E IMAGEN DEFINICION : Sean V W espacios vectoriales Una transformación lineal de V en W es una función que asigna a cada vector v V un único vector v W
Más detallesNotas para el curso de Álgebra Lineal II. Centro de Matemática Facultad de Ciencias Universidad de la República. Andrés Abella
Notas para el curso de Álgebra Lineal II Centro de Matemática Facultad de Ciencias Universidad de la República Andrés Abella 5 de febrero de 2014 Introducción Estas son las notas y ejercicios del curso
Más detallesUniversidad de Los Andes Álgebra lineal 1. Parcial 3 - Tema A. 20 de abril 2013 MATE 1105
Universidad de Los Andes Álgebra lineal Parcial 3 - Tema A de abril 3 MATE 5 Esto es un examen individual. No se permite el uso de libros, apuntes, calculadoras o cualquier otro medio electrónico. Los
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 detallesAlgebra Lineal Tarea No 23: Diagonalización de una matriz Solución a algunos problemas de la tarea (al 29 de junio de 2014)
Algebra Lineal Tarea No 23: Diagonalización de una matriz a algunos problemas de la tarea (al 29 de junio de 2014) 1. Diga si la matriz [ 1 0 0 1 Claramente sí pues la matriz es una matriz diagonal. Pero
Más detallesDeterminantes. Reducción de matrices. Caso diagonalizable
Tema 4 Determinantes Reducción de matrices Caso diagonalizable En este tema consideraremos matrices cuadradas y, para ellas, introduciremos el concepto de autovalor de una matriz Veremos también cómo algunas
Más detallesTema 6: Autovalores y autovectores
Tema 6: Autovalores y autovectores Curso 216/217 Ruzica Jevtic Universidad San Pablo CEU Madrid Referencias Lay D. Linear algebra and its applications (3rd ed). Chapter 5. 2 Autovalores y autovectores
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 detallesClase 7 Herramientas de Álgebra Lineal
Clase 7 Herramientas de Álgebra Lineal 1 Formas cuadráticas La descomposición en valores singulares 3 Normas de matrices 4 Ejercicios Dada una matriz M R n n, la función escalar x T Mx, donde x R n, es
Más detallesEjercicios Resueltos Tema 5
Ejercicios Resueltos Tema 5 Ejercicio 1 Estudiar si la forma bilineal f : R n R n R definida por k f ((x 1,..., x n ), (y 1,..., y n )) = x i y i, siendo 1 k < n, es un producto escalar de R n i=1 Solución.
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 detallesExamen Final - soluciones
Algebra Lineal 2, FAMAT-UG, agsto-dic, 2009 PARTE A (60 puntos). Cierto o Falso. Examen Final - soluciones 9 dic, 2009 1. Para todo operador ortogonal T en R n, det(t ) = 1. Falso. T : (x 1,..., x n )
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 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 detallesMATE 4031: Álgebra Lineal [ 4 + 6i 4i (a) Encuentre el polinomio característico de cada una de ellas.
Solución Asignación 9. Universidad de Puerto Rico, Río Piedras Facultad de Ciencias Naturales Departamento de Matemáticas San Juan, Puerto Rico MATE 43: Álgebra Lineal. Considere las siguientes matrices
Más detallesTEMA 5: Aplicaciones Lineales. Diagonalización.
TEMA 5: Aplicaciones Lineales. Diagonalización. 1. Aplicaciones Lineales 1.1. Definición, propiedades y ejemplos. Definición 1. Dados dos espacios vectoriales V y V sobre un mismo cuerpo K, una aplicación
Más detallesNotas para el curso de Álgebra Lineal II. Centro de Matemática Facultad de Ciencias Universidad de la República. Andrés Abella
Notas para el curso de Álgebra Lineal II Centro de Matemática Facultad de Ciencias Universidad de la República Andrés Abella 6 de febrero de 2015 Introducción Estas son las notas y ejercicios del curso
Más detalles1.2 Valores y vectores propios. Método de las potencias y Rayleigh.
20 Prelininares. 1.2 Valores y vectores propios. Método de las potencias y Rayleigh. 1.2.1 Cálculo del Polinomio Caracterstico: ALGORITMO DE SOURIAU. ENTRADA: la matriz A 1 = A, p 1 = traza(a 1 ), n =
Más detallesFormas canónicas de Jordan
Capítulo 6 Formas canónicas de Jordan 61 Subespacios propios generalizados Introducción En el capítulo anterior se han estudiado los endomorfismos diagonalizables y se han dado condiciones necesarias y
Más detallesTema 21. Exponencial de una matriz Formas canónicas de Jordan.
Tema 21 Exponencial de una matriz En este tema vamos a definir y calcular la exponencial de una matriz cuadrada mediante una expresión formalmente análoga al desarrollo en serie de potencias de la exponencial
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 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 detallesdia G o n a l i z a c i ó n
Unidad elementos característicos dia G o n a l i z a c i ó n Objetivos: Al inalizar la unidad, el alumno: Encontrará los valores y los vectores característicos de una matriz. Utilizará los elementos característicos
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 detallesPráctica 5. Autovalores y autovectores. Diagonalización de matrices y de transformaciones lineales.
Práctica 5 Autovalores y autovectores Diagonalización de matrices y de transformaciones lineales Nota: salvo indicación particular, se considera que todas las matrices pertenecen a C n n 1 Encuentre los
Más 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 V. Valores y vectores propios. Diagonalización de operadores lineales.
Capítulo V Valores y vectores propios. Diagonalización de operadores lineales. Hemos visto que la aplicaciones lineales de en están definidas a través de una expresión de la forma ; pero esta fórmula puede
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 detallesUNIVERSIDAD SIMON BOLIVAR MA1116 abril-julio de 2009 Departamento de Matemáticas Puras y Aplicadas. Ejercicios sugeridos para :
IX / 9 UNIVERSIDAD SIMON BOLIVAR MA6 abril-julio de 9 Ejercicios sugeridos para : los temas de las clases del 3 de junio y de julio de 9. Temas : Autovalores y autovectores. Matrices similares; diagonalización.
Más detallesDescomposición en forma canónica de Jordan (Segunda versión)
Descomposición en forma canónica de Jordan (Segunda versión) Francisco J. Bravo S. 1 de septiembre de 211 En esta guía se presentan los resultados necesarios para poder construir la forma de Jordan sin
Más detalles