Geometría afín y proyectiva, 2016 SEMANA 4
|
|
- María Carmen Montoya Agüero
- hace 7 años
- Vistas:
Transcripción
1 Geometría afín y proyectiva, 2016 SEMANA 4 Sonia L. Rueda ETS Arquitectura. UPM September 30, 2016
2 Geometría afín y proyectiva 1. Álgebra Lineal 2. Geometría afín y eucĺıdea 3. Cónicas y cuádricas
3 Álgebra Lineal 1.1 Matrices. Sistemas de ecuaciones lineales. 1.2 Espacios y subespacios vectoriales. Bases y dimensión. 1.3 Ecuaciones de subespacios vectoriales. Operaciones con subespacios vectoriales. 1.4 Aplicaciones lineales. 1.5 Diagonalización.
4 Contenidos Valores propios y vectores propios de un endomorfismo de una matriz cuadrada Polinomio característico Raices de un polinomio y su multiplicidad Multiplicidad de un valor propio Diagonalización de endomorfismos y matrices cuadradas
5 La matriz cuadrada A = y la matriz diagonal D = son equivalentes, verifican D = P 1 AP where P =
6 Sea V un espacio vectorial real. Si f : V V es un endomorfismo, cuya matriz D en una base de V es diagonal, muchos problemas relacionados con f se simplifican. Por ejemplo: clasificar f (inyectiva, sobreyectiva o biyectiva); obtener sus invariantes; calcular f n, n N. Dada una matriz cuadrada A (asociada a un endomorfismo) estudiamos a continuación cómo obtener una matriz diagonal D equivalente a A D = P 1 AP where P =
7 Valores propios y vectores propios de un endomorfismo de una matriz cuadrada Polinomio característico Raices de un polinomio y su multiplicidad Multiplicidad de un valor propio Diagonalización de endomorfismos y matrices cuadradas
8 Sea V un espacio vectorial real no nulo y f : V V un endomofismo. Definición Un escalar λ R es un valor propio (o autovalor) de f si existe un vector no nulo v V tal que f (v) = λv. Definición Si λ es un valor propio de f, un vector v V que satisface f (v) = λv se llama vector propio (o autovector) de f asociado a λ. Ejemplo Sea f : R 3 R 3 el endomorfismo definido por f (x, y, z) = (x + 3y + 3z, 3x 5y 3z, 3x + 3y + z). Tenemos que λ = 2 es un valor propio de f ya que existe un vector no nulo v = ( 1, 1, 0) tal que f (v) = 2v. Así v es un vector propio de f asociado a λ = 2.
9 Proposición El conjunto de todos los vectores propios de f asociados al valor propio λ de f V λ = {v V f (v) = λv} es un subespacio vectorial de V llamado subespacio propio de f asociado a λ. Observaciones Sea id : V V la aplicación identidad en V. 1. V λ = Ker(f λid). 2. Si λ R es valor propio de f entonces el endomofismo f λid no es inyectivo. 3. En particular, λ = 0 es un valor propio de f f no es inyectivo Ker(f ) = V 0 {0 V }. 4. Hay endomorfismos que no tienen valores propios, y por tanto tampoco tienen vectores propios.
10 Proposición Sean λ 1,..., λ p valores propios distintos de f. 1. Sea v i un vector propio no nulo de f asociado a λ i, i = 1,..., p entonces v 1,..., v p son linealmente independientes. 2. V λ1 + + V λp es suma directa. Observación Si dimv = n entonces f tiene a lo sumo n valores propios diferentes, en caso contrario tendría más de n vectores propios linealmente independientes.
11 Sea A una matriz cuadrada n n cuyas entradas son números reales, esto es A M n n (R). Definición Un escalar λ R es un vector propio de A si existe un vector columna no nulo X M n 1 (R) tal que AX = λx. Definición Si λ es valor propio de A, un vector columna X M n 1 (R) que verifica AX = λx se llama vector propio de A asociado a λ. Sea I n la matriz identidad de tamaño n n.
12 Observaciones Supongamos que dimv = n y sea B una base de V. Sea f : V V un endomorfismo cuya matriz asociada en la base B es A. Se verifica que: 1. λ es valor propio de f λ es valor propio de A det(a λi n ) = Sea v V y X el vector columna de las coordenadas de v en la base B, esto es X M n 1 (K). Tenemos que, v es un vector propio de f X es un vector propio de A (A λi n )X = dimv λ = n rango(a λi n ).
13 Ejemplo Sea f : R 3 R 3 el endomorfismo definido por f (x, y, z) = (3x, x + 2y, 4x + 2z). Sea B 3 la base canónica de R 3. La matriz de f en la base B 3 es A = M f (B) = Dado que (A 3I 3 ) = 2 el sistema (A 3I 3 )X = 0, es decir x y = z 0 tiene una solución no nula. Por tanto, λ = 3 es valor propio de f y A. El subespacio propio V 3 tiene dimv 3 = 1 y ecuaciones cartesianas Cartesian equations of V 3 { x + y = 0 4x z = 0.
14 Así V 3 = {(a, a, 4a) a R}. Por otra parte, (A 2I 3 ) = 1, entonces λ = 2 es valor propio de f y A, dimv 2 = 2. Resolviendo (A 2I 3 )X = 0, es decir x y z = tenemos que V 2 = {(0, a, b) a, b R} y que la ecuación cartesiana de V 2 es x =
15 Valores propios y vectores propios de un endomorfismo de una matriz cuadrada Polinomio característico Raices de un polinomio y su multiplicidad Multiplicidad de un valor propio Diagonalización de endomorfismos y matrices cuadradas
16 Sea R[x] el conjunto de los polinomios en x con coeficientes resales. Definición Sea p(x) un polinomio en R[x]. Un escalar λ R es una raiz de p(x) si p(λ) = 0. Equivalentemente, λ es raiz de p(x) sí y sólo si (x λ) divide a p(x), es decir, existe un polinomio q(x) R[x] tal que p(x) = (x λ)q(x). Definición Sea λ una raiz del polinomio p(x). Llamamos multiplicidad de λ al mayor número natural m tal que (x λ) m divide a p(x), p(x) = (x λ) m q(x), q(x) R[x].
17 Todo polinomio de R[x] de grado mayor o igual que uno tiene todas sus raices en C. Por otra parte, existen polinomios en R[x] que no tienen raices en R. Por ejemplo, x tiene coeficientes reales pero sólo raices complejas. Proposición Sea p(x) R[x] un polinomio de grado n cuyas raices reales son λ 1,..., λ p con multiplicidades m 1,..., m p respectivamente. Entonces: 1. Existe q(x) R[x] tal que p(x) = (x λ 1 ) m1 (x λ p ) mp q(x) por tanto m m p n. 2. Si p(x) C[x] todas sus raices pertenecen a C por tanto p(x) = (x λ 1 ) m1 (x λ p ) mp con m m p = n.
18 Definición Sea A M n n (R). El polinomio característico de A es det(a λi n ) y su ecuación característica es det(a λi n ) = 0. Proposición Sean A y A matrices en M n n (R). Si A y A son matrices del mismo endomorfismo en bases diferentes (equivalentes) entonces tienen el mismo polinomio característico. Sea V un espacio vectorial real no nulo y sea f : V V un endomorfirmo. Observación 1. Todas las matrices asociadas a f en distintas bases de V tienen el mismo polinomio característico. 2. El recíproco de la proposición anterioir no es cierto.
19 Definición El polinomio característico de f es el polinomio característico the cualquier matriz asociada a f en las distintas bases de V. Analogamente su ecuación característica. Ejemplo Calculemos el polinomio característico del endomorfismo f de R 5 definido por f (x 1, x 2, x 3, x 4, x 5 ) = ( x 2, x 1 + x 3, 2x 3 x 4, 2x 4 + 6x 5, 3x 5 ). Sea B 5 la base canónica de R 5 y A = M f (B 5 ), entonces:
20 det(a λi 5 ) = 0 λ λ λ λ λ =(3 λ)(2 λ) 2 0 λ λ =(3 λ)(2 λ) 2 (λ 2 + 1). =
21 Sea V un espacio vectorial real no nulo y f : V V un endomorfismo. Sea A M n n (R). Definición Sea λ un vector propio de f (o A). Llamamos multiplicidad de λ a la multiplicidad como raiz de la ecuación característica de f (o A). Teorema Sea λ un valor propio de f (o A) de multiplicidad m. Entonces 1 dimv λ m.
22 Observaciones 1. Sea λ un valor propio de f (o A) con multiplicidad m. Si m = 1 entonces dimv λ = 1 2. Si A, A M n n (R) son matrices equivalentes entonces tienen los mismos valores propios, con las mismas multiplicidades y dimensiones de subespacios propios iguales.
23 Proposición Supongamos que dimv = n. Sean λ 1,... λ p los valores propios distintos de f (o A), m 1,..., m p sus multiplicidades y d 1,..., d p las dimensiones de los subespacios propios correspondientes. Entonces, el número máximo de vectores propios linealmente independientes de f (o A) es d d p. Además, p d d p m m p n. Observación El polinomio característico podría no tener todas sus raices reales y en ese caso m m p < n. De hecho podría no tener raices reales y por tanto no tendría valores propios.
24 Ejemplo Calculemos los valores propios de A junto con sus multiplicidades y la dimensión de los subespacios propios, A = El polinomio característico es det(a λi 3 ) = λ 3 + 4λ 2 + 5λ + 2 = (λ + 2)(λ + 1) 2. Obtenemos λ 1 = 2 con multiplicidad m 1 = 1 y λ 2 = 1 con multiplicidad m 2 = 2. Las dimensiones son d 1 = dimv λ1 = 3 (A λ 1 I 3 ) = 1, d 2 = dimv λ2 = 3 (A λ 2 I 3 ) = 2.
25 Valores propios y vectores propios de un endomorfismo de una matriz cuadrada Polinomio característico Raices de un polinomio y su multiplicidad Multiplicidad de un valor propio Diagonalización de endomorfismos y matrices cuadradas
26 Sea V un espacio vectorial real no nulo y sea f : V V un endomorfismo. Sea A M n n (R). Definición El endomorfismo f es diagonalizable si existe una base B de V tal que la matriz M f (B ) es diagonal. Entonces, diagonalizar f es encontrar B. Definición La matriz A es diagonalizable si existe una matriz diagonal D y una matriz inversible P M n n (R) tal que D = P 1 AP. Así, diagonalizar A significa obtener D y P.
27 Observaciones 1. Supongamos que A es la matriz de f en la base B. Entonces: f es diagonalizable A es diagonalizable. 2. Si D = P 1 AP es una diagonalización de A entonces 2.1 D = M f (B ) es la matriz de f en la base B de V formada por vectores propios. 2.2 P = M(B, B) es la matriz de cambio de coordenadas de B a B. Proposición Un endomorfismo f es diagonalizable sí y sólo si existe una base de V formada por vectores propios de f.
28 Teorema Supongamos que dimv = n. Sean λ 1,..., λ p los valores propios distintos de f (o A), m 1,..., m p sus multiplicidades y d 1,..., d p las dimensiones de los subespacios propios. Las sigueintes son condiciones necesarias y suficientes para que exista una base de V formada por vectores propios. 1. El polinomio característico de f tiene sólo raices reales λ 1,..., λ p, es decir m m p = n. 2. La multiplicidad de cada valor propio coincide con la dimensión de su subespacio propio, m i = d i, i = 1,..., p.
29 Corolario Supongamos que f es diagonalizable. Sean λ 1,..., λ p los valores propios de f con multiplicidades m 1,..., m p respectivamente. Sea B i una base del subespacio propio V λi con m i = d i elementos, i = 1,..., p. Entonces: 1. B = B 1 B p es una base de V compuesta por vectores propios de f. 2. La matriz de f en la base B es diagonal y su diagonal principal contiene a los elementos λ 1,. m. 1., λ 1, λ 2,. m. 2., λ 2,..., λ p,. mp.., λ p
30 Ejemplos Sea f : R 3 R 3 el endomorfismo definido por f (x, y, z) = (x + 2y + 10z, 2x + y + 10z, x y 6z) cuya matriz en la base canónica B 3 de R 3 es la matriz A con valores propios λ 1 = 2 y λ 2 = 1. Una base de V λ1 es y de V λ2 es B λ1 = {( 2, 2, 1)} B λ2 = {( 5, 0, 1), ( 1, 1, 0)}. Entonces la base de R 3 formada por vectores propios de f es B = B λ1 B λ2 = {( 2, 2, 1), ( 5, 0, 1), ( 1, 1, 0)}.
31 Concluimos que, D = P 1 AP = M f (B ) = where P =
Tema 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 detallesGeometría afín y proyectiva, 2016 SEMANA 3
Geometría afín y proyectiva, 2016 SEMANA 3 Sonia L. Rueda ETS Arquitectura. UPM September 20, 2016 Geometría afín y proyectiva 1. Álgebra Lineal 2. Geometría afín y eucĺıdea 3. Cónicas y cuádricas Álgebra
Más 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 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 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 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 detallesGeometría afín y proyectiva, 2016 SEMANA 2
Geometría afín y proyectiva, 2016 SEMANA 2 Sonia L. Rueda ETS Arquitectura. UPM September 20, 2016 Geometría afín y proyectiva 1. Álgebra Lineal 2. Geometría afín y eucĺıdea 3. Cónicas y cuádricas Álgebra
Más detallesAplicaciones Lineales. Diagonalización de matrices.
Tema 2 Aplicaciones Lineales. Diagonalización de matrices. 2.1. Definiciones y propiedades Nota 2.1.1. En este tema trabajaremos con los Espacios Vectoriales R n y R m definidos sobre el cuerpo R. Definición
Más detallesÁlgebra 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 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 detallesAP = A p 1 p 2 p n = Ap 1 Ap 2. λ 1 p 21 λ 2 p 22 λ n p 2n. .. = λ 1 p 1 λ 2 p 2
Capítulo 6 Diagonalización 6 Valores y vectores propios 6 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial V, nos planteamos el problema
Más detalles1. DIAGONALIZACIÓN. FORMAS CANÓNICAS
1 1. DIAGONALIZACIÓN. FORMAS CANÓNICAS 1. Se considera la matriz: A = ( 2 3 4 13 con coeficientes en R. Hallar los valores propios, los vectores propios y una matriz P que permita la diagonalización de
Más 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 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 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 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 detalles1. DIAGONALIZACIÓN DE ENDOMORFISMOS
. DIAGONALIZACIÓN DE ENDOMORFISMOS. Se considera la matriz: A ( 2 3 4 3 con coecientes en R. Hallar los valores propios, los vectores propios y una matriz P que permita la diagonalización de A. Calcular
Más 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 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 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 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 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 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 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 detallesALGEBRA. Escuela Politécnica Superior de Málaga
ALGEBRA. Escuela Politécnica Superior de Málaga Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Espacio vectorial. Espacios vectoriales R n. Dependencia e independencia lineal. Base. Matrices y determinantes.
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 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 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 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 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 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 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 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 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 detallesDiagonalización y Formas canónicas en la semejanza. Antonia González Gómez Dep. de Matemáticas Aplicadas a los Recursos Naturales ETSI de Montes UPM
y Formas canónicas en la semejanza Antonia González Gómez Dep. de Matemáticas Aplicadas a los Recursos Naturales ETSI de Montes UPM Índice 1. Introducción 2 2. Autovalores, autovectores y autoespacios
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 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 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 detallesÁLGEBRA LINEAL I Práctica 6
ÁLGEBRA LINEAL I Práctica 6 Aplicaciones Lineales (Curso 2016 2017) 1. De las siguientes aplicaciones definidas entre espacios vectoriales reales determinar cuáles son homomorfismos monomorfismos epimorfismos
Más 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. 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 detalles1. Determina cuáles de los siguientes conjuntos son subespacios vectoriales. Para aquellos que lo sean, halla una base.
EJERCICIOS PROPUESTOS 1. Espacios vectoriales. Sistemas de ecuaciones. 1. Determina cuáles de los siguientes conjuntos son subespacios vectoriales. Para aquellos que lo sean, halla una base. (a) S = {
Más detallesALGEBRA. Escuela Politécnica Superior de Málaga
ALGEBRA. Escuela Politécnica Superior de Málaga Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Espacio vectorial. Espacios vectoriales R n. Dependencia e independencia lineal. Base. Matrices y determinantes.
Más detallesTEMA 7. DIAGONALIZACION Y Y FORMAS CANONICAS 1. ENDOMORFISMOS NILPOTENTES
TEMA 7. DIAGONALIZACION Y Y FORMAS CANONICAS 1. ENDOMORFISMOS NILPOTENTES Definición 1.1. Endomorfismo Nilpotente. Un endomorfismo T End(V ) es nilpotente si existe n N tal que f n 0. Definición 1.. Matriz
Más 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 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 detallesTema 1: Espacios vectoriales
PROBLEMAS DE MATEMÁTICAS Parte I: Álgebra Primero de Químicas FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha Tema 1: Espacios vectoriales 1 Determina si cada
Más detallesÁLGEBRA LINEAL I Práctica 6
ÁLGEBRA LINEAL I Práctica 6 Aplicaciones Lineales (Curso 2012 2013) 1. De las siguientes aplicaciones definidas entre espacios vectoriales reales, determinar cuáles son homomorfismos, monomorfismos, epimorfismos
Más 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 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 detalles2.5 Teorema de Jordan
Capítulo 2/ Forma canónica de Jordan (Versión 13-03-2015) 15 2.5 Teorema de Jordan En esta sección queremos abordar ya el caso general de un endomorfismo f : V V cualquiera (no necesariamente con un único
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 2015 Práctica 5: Diagonalización.
Álgebra Lineal 2015 Práctica 5: Diagonalización. 1. Sean T (a, b) = (4a b, b+2a), B = {(1, 0), (0, 1)} y C = {(1, 3), (2, 5)}. (a) Hallar la matriz camio de base de B a C, la matriz cambio de base de C
Más 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 detallesEndomorfismos: autovalores, autovectores, diagonalización
Capítulo 14 Endomorfismos: autovalores, autovectores, diagonalización Consideraremos en este capítulo endomorfismos f : IR n IR n, siendo IR n espacio vectorial sobre IR. 14.1 Valores y vectores propios
Más detallesTÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA
ESCUELA ESTUDIOS DE TÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA DEPARTAMENTO DE INGENIERÍA INFORMÁTICA MATEMÁTICA APLICADA I ÁLGERA LINEAL OLETINES DE PROLEMAS Curso 8-9 Sistemas de ecuaciones lineales.
Más detalles2. Problemas. Espacios Vectoriales. Álgebra Lineal- Propedéutico Mayo de 2012
2. Problemas. Espacios Vectoriales. Álgebra Lineal- Propedéutico Mayo de 2012 1. En R 2 se define la suma: (a 1, b 1 ) + (a 2, b 2 ) = (a 1 + a 2, b 1 + b 2 ) y el producto por un escalar: λ(a, b) = (0,
Más detallesSemana 13: Determinación de cónicas. Haces de cónicas proyectivas.
Semana 13: Determinación de cónicas. Haces de cónicas proyectivas. Sonia L. Rueda ETS Arquitectura. UPM Geometría afín y proyectiva, 2015 Geometría afín y proyectiva 1. Álgebra lineal 2. Geometría afín
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 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 detallesExamen Final Ejercicio único (3 horas) 20 de enero de n(n 1) 2. C n,3 = n(n 3) n =
Álgebra Lineal I Examen Final Ejercicio único (3 horas) 0 de enero de 014 1. Sea P un polígono regular de n lados. (i) Cuántas diagonales tiene el polígono?. Las diagonales son segmentos que unen pares
Más detallesSEGUNDO PARCIAL - EJERCICIOS DE REPASO
Algebra y Geometría 28 SEGUNDO PARCIAL - EJERCICIOS DE REPASO 3-6-8 ESPACIOS VECTORIALES. Construya en R 2 un subconjunto que sea: a cerrado para la suma y resta de vectores, pero no para la multiplicacion
Más detallesProblemas y Ejercicios Resueltos. Tema 6: Diagonalizacion.
Problemas y Ejercicios Resueltos. Tema 6: Diagonalizacion. Ejercicios 1.- Sea f End V. Demostrar que la suma de subespacios f-invariantes es f-invariante. Solución. Sean U, W dos subespacios f-invariantes
Más 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 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 detallesGEOMETRÍA AFÍN Y PROYECTIVA Espacios Vectoriales.
Sonia L. Rueda ETS Arquitectura. UPM Año 2016-2017. 1 GEOMETRÍA AFÍN Y PROYECTIVA Espacios Vectoriales. 1. Determinar si los siguientes conjuntos de vectores son subespacios vectoriales de R 4. A = {(x,
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 detallesFormas canónicas reales
Capítulo 7 Formas canónicas reales Introducción Sea V un espacio vectorial sobre C, f End(V y M B (f = A M(n n Sea λ = a + bi es una autovalor complejo de f de multiplicidad m Para tal autovalor complejo
Más detallesÁLGEBRA Ejercicios no resueltos de la Práctica 7
ÁLGEBRA Ejercicios no resueltos de la Práctica 7 Endomorfismos (Curso 2007 2008) 3. Hallar la matriz de Jordan J de la siguiente matriz A, así como una matriz P de paso de A a J, esto es, tal que J = P
Más 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 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 detallesAplicaciones Lineales (Curso )
ÁLGEBRA Práctica 6 Aplicaciones Lineales (Curso 2009 2010) 1. De las siguientes aplicaciones definidas entre espacios vectoriales reales determinar cuáles son homomorfismos monomorfismos epimorfismos o
Más detallesMatemáticas para la Empresa
Matemáticas para la Empresa 1 o D.C.E. 1 o L.A.D.E. Curso 2008/09 Relación 2. Aplicaciones Lineales. Diagonalización. Formas Cuadráticas 1. Estudia si son lineales las aplicaciones siguientes: a) La aplicación
Más detallesETSI de Topografía, Geodesia y Cartografía
3ª Prueba de Evaluación Continua 7 05 12 (Grupo C) Espacio vectorial 1. a) Definir vectores linealmente dependientes en un espacio vectorial V. u,u,,u de un espacio vectorial V son b) Demostrar que si
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 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 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 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 detalles3.8 Ejercicios propuestos
3.8 Ejercicios propuestos Ejercicio 3.7 Consideremos la aplicación lineal f : R 3 R 3 definida por f(x, y, z) =(2x + y, z,0) a) Determinar Ker f y hallar una base de dicho subespacio. b) Hallar el rango
Más detallesExamen Final Soluciones (3 horas) 8 de julio de 2015
Álgebra Lineal I Examen Final Soluciones (3 horas) 8 de julio de 2015 1. Siete personas suben en un ascensor en la planta baja de un edificio de cinco pisos. Cada una de ellas se apea en alguna de las
Más detallesAplicaciones Lineales (Curso )
ÁLGEBRA Práctica 6 Aplicaciones Lineales (Curso 2010 2011) 1. De las siguientes aplicaciones definidas entre espacios vectoriales reales determinar cuáles son homomorfismos monomorfismos epimorfismos o
Más detallesTEMA 5 APLICACIONES LINEALES
TEMA 5 APLICACIONES LINEALES Índice 5.1. Definición y propiedades.................. 122 5.1.1. Tipos de aplicaciones lineales........... 125 5.1.2. Operaciones de aplicaciones lineales....... 126 5.1.3.
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 detallesTema 5 - Aplicaciones lineales y diagonalización de matrices (v1.0) Pág. 1. *** Apuntes realizados por Victor Gayoso Martinez
Tema 5 - Aplicaciones lineales y diagonalización de matrices (v1.0) Pág. 1 *** Apuntes realizados por Victor Gayoso Martinez (vgayoso@gmail.com) *** TEMA 5 APLICACIONES LINEALES Y DIAGONALIZACIÓN DE MATRICES
Más detallesObjetivos formativos de Álgebra
Objetivos formativos de Álgebra Para cada uno de los temas el alumno debe ser capaz de hacer lo que se indica en cada bloque. Además de los objetivos que se señalan en cada tema, se considera como objetivo
Más detallesAplicaciones Lineales (Curso )
ÁLGEBRA Práctica 6 Aplicaciones Lineales (Curso 2008 2009) 1. De las siguientes aplicaciones definidas entre espacios vectoriales reales determinar cuáles son homomorfismos monomorfismos epimorfismos o
Más detallesTema 1: Nociones básicas del Álgebra Lineal.
Nociones básicas del Álgebra Lineal 1 Tema 1: Nociones básicas del Álgebra Lineal 1 Conceptos fundamentales sobre espacios vectoriales y bases Definición Sea (K + ) un cuerpo y (V +) un grupo abeliano
Más 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 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 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
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 detallesDiagonalización. Índice General. Nelson Möller. 1 Matrices Semejantes 2. 2 Matrices diagonalizables 2
Diagonalización Nelson Möller Índice General 1 Matrices Semejantes 2 2 Matrices diagonalizables 2 3 Polinomio característico de una matriz 4 3.2 Valores propios.... 5 4 Vectores propios. 6 4.1 Ejemplo...
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 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 detalles