1.3 Estudio de los tensores de segundo orden

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

Download "1.3 Estudio de los tensores de segundo orden"

Transcripción

1 1.3 Estudio de los tensores de segundo orden Inariantes tensoriales: determinante y traza olumen deformado Tg 1,Tg 2,Tg 3 dett :=, "{g i }= base de (no depende de la base) olumen sin deformar g,g,g Ejemplo: det1 = 1 a,, b : tr(ab) := a b = tr(ba) ; trt se define por linealidad. Ejemplo: tr1 = 3. Transpuesto e Inerso de un tensor regular (o automorfismo). "TÎ (2) $!T t Î (2) / "Î : T t = T "TÎ (2), regular, $!T 1 Î (2) / T T 1 = T 1 T = 1 (Grupo tensores regulares (n,) (2) ) Autoalores y autoectores Si T Î (2) y Î se dice que es un autoalor de T si $Î, 0, / T = Î ker(t 1) := ) = -autoespacio; := -autoector Cálculo de autoalores: raíces polinomio característico del tensor, () := det(t 1). Coeficientes = inariantes de Jordan. Determinación de autoectores por los núcleos ). Aplicaciones: funciones elementales aplicadas a tensores de segundo orden: T, log(t)... Tensores simétricos y antisimétricos S es simétrico S t = S ; A es antisimétrico A t = A. Tensores ortogonales: rotaciones y simetrías T es ortogonal T t = T 1 ; R(;e) = cos1 + (1cos)ee + sene ; H(e) = 1 2ee El teorema de descomposición polar* Todo tensor regular T se pude descomponer en la 1 forma: T = S Q, donde S = (T t T) 1/2 es simétrico, y Q = S -1 T es ortogonal. Inariantes: a) Determinante; b) Traza Definición intrínseca determinante dett := coeficiente de deformación de olumen entre una base deformada {T g i } y la base sin deformar {g i } Tensor regular (dett 0 kert = {0}) y tensor singular (dett = 0 kert {0}) traza tr(ab) := a b trt se define por linealidad y resulta trt = T ij tr(e i e j ) = T ij ij = T ii nota: trt = T 1 (doble contracción) Cálculo Propiedades dett = det[t ij ] = ijk T i1 T j2 T k3 = ijk T 1i T 2j T 3k algoritmos clásicos: Sarrus, Laplace... det(t) = n dett det(s T) = dets dett det(t t ) = dett det(t 1 ) = 1/detT Inariante por c. de base: dett no cambia de alor aunque cambie la base ( = es el término independiente, coeficiente J 3, del polinomio característico de T) trt = T ii = T 11 + T 22 + T 33 tr(t) = trt tr(s T) = S T t = S t T tr(a + B) = tra + trb tr(t t ) = tr(t) Inariante por c.d.b.: trt = (es el coeficiente de, J 1, en el polinomio característico de T) 2 Curso

2 c) Tensor traspuesto d) Tensor inerso de uno regular Traspuesto T Inerso T 1 Definición Cálculo "TÎ (2) $!T t / "Î : T t = T Ejemplo: (ab) t = ba S = T t S ij = T ji [S ij ] = [T ij ] t Algoritmo de trasposición: intercambio de filas por columnas "TÎ (2), regular, $!T -1 / T T -1 = T -1 T = 1 Ejemplo:Siab : (1 + ab) 1 = 1 ab [T 1 ij] = [T ij ] 1 Algoritmos de inersión (Gauss, Adjunta traspuesta determinante, ) Propiedades Idempotencia: (T t ) t = T Idempotencia: (T 1 ) 1 = T linealidad: (S + T) t = S t + T t (S T) t = T t S t det(t t ) = dett (T 1 ) t = (T t ) 1 = T t (A) -1 = (1/) A -1 (S T) 1 = T 1 S 1 det(a 1 ) = 1/detA (T t ) 1 = (T 1 ) t := T -t 3 Ejemplos y ejercicios de a), b), c) y d) 1. Calcular el traspuesto y el inerso de T = 1 + ab, siendo a = 2i + k, b = 2j 2. Calcular el determinante y la traza del tensor anterior si b = 2j + k 3. Probar (ab) t = ba aplicando la definición i ió intrínseca 4. Probar (S T) 1 = T 1 S 1 5. Probar que T T (2) el tensor A = T t T es un tensor simétrico; si además T es regular, A es definido positio. Misma cuestión para el tensor A* = T T t. 6. Calcular l W t siendo W = y un ector dado d no nulo. 4 Curso

3 e) Autoanálisis de un tensor: autoalores y autoectores Objetio: describir geométricamente la acción de un tensor arbitrario T de (2). Definiciones Dado T (2) si $Î, 0 y $Î / T =, se llaman = autoalor de T y = - autoector. Espectro de T, (T) = {Î / = autoalor de T} El conjunto de autoectores asociados a un mismo autoalor, es el subespacio ectorial () := (ker(t l) y se llama -autoespacio o s.. propio asociado a. Cálculos (T) det(t 1) = 0 : ecuación característica de T. O sea: = autoalor de T es raíz de la ec. característica. El polinomio característico () = det(t 1) es inariante por c. de b.; sus coeficientes se llaman inariantes de Jordan de T, denotados J i (T) y son los escalares: J 1 (T) = trazat, J 2 (T) = suma menores es ppales. es.de 2º orden, ode,j 3 (T) = dett. Obs: los autoalores se relacionan con los inariantes de Jordan: dett = 1 2 3, trazat = , J 2 (T) = = -autoector Î ker(t 1) := ) = -autoespacio (subespacio ectorial asociado al autoalor ; es inariante por la acción del tensor: en él T se comporta como una homotecia de razón ). Índice de Jordan de, () := dim(); orden de multiplicidad de = N(). T diagonalizable () = (). 5 Aplicaciones (1): diagonalización de un tensor Un tensor T es diagonalizable: si existe una base de formada por autoectores de T (autobase o base propia). Porque en tal base T tiene una matriz diagonal: ˆ 1 t T ij eˆ ˆ ˆ 1 e2 e T T T C Thk CQ Thk Q ˆ i 0 0 e 3 de modo que la matriz dada que se tenga de T es semejante a una matriz diagonal: Son diagonalizables con certeza los tensores con tres autoalores reales simples (distintos) y también los tensores simétricos (en este caso la autobase es además ortogonal y sus unitarios se llaman direcciones principales del tensor) Son dudosos los tensores con autoalores reales múltiples. Se estudia si J() = N(); si J() < N() el tensor no es diagonalizable. No son diagonalizables sobre los tensores con autoalores complejos. Ventajas de la forma diagonal, en particular si la base de autoectores es ortonormal: interpretación geométrica de la acción de un tensor: figura siguiente Ejemplos de simplificaciones: Algunos autoanálisis pueden hacerse por consideraciones geométricas (sin cálculos): 1) rotación de ángulo alrededor de un eje e; 2) simetría respecto de un plano {e} (diapos. 8) 6 A eces la matriz de T permite deducir un autoector: 3) PR1.20: e 1 y e 2 son autoec. de T. Curso

4 Aplicaciones (2): interpretación geométrica de los autoectores y autoalores Los autoectores se corresponden con direcciones que se conseran al actuar el tensor (incluyendo o no el sentido). La recta generada por el autoector, se consera tras la acción del tensor: recta inariante. El tensor sobre una recta inariante se comporta como una homotecia de razón el autoalor. w 2 Si se dispone de una base de autoectores, {w i },se puede calcular gráficamente la imagen de cualquier ector, como se indica en la figura: se descompone en la autobase, = ; luego, se calculan por homotecias de 2 T 1 1 ) w 1 razones i las imágenes T 1 y T 2 ; finalmente T = T 1 + T 2, por la linealidad de T. En dimensión 3, si hay un autoalor doble con índice de Jordan 2, su autoespacio () será un plano ectorial y en ese plano el tensor T uele a comportarse como ina homotecia de razón el autoalor. 7 Ejemplos / e) Autoalores, autoectores y aplicaciones Ejemplo 1: (interpretación geométrica o intrínseca) Aplicando el concepto, determinar los autoalores y autoectores de una rotación R(; e) una simetría respecto de un plano {e} el tensor unidad 1 (uso de la definición directamente) una simetría respecto de un eje ({e}) (ejercicio de razonamiento geométrico) el tensor 1 + ee (uso de ambos métodos: geométrico-intrínseco y analítico o en componentes) Cálculo gráfico de T en términos de autoalores y autoectores de T. Obseración(!): = 0 (T) kert {0} y entonces (0) = kert Problemas: PR1.11, PR1.13, PR1.14, PR1.16. También, PR1.21, apartado 1). Ejemplo 2: Probar que si  = C -1 A C (matrices semejantes) entonces  m = C -1 Am C para cualquier potencia mî 2 a 0 a 0 Ejemplo 3: Calcular y deducir el alor de supuesto a, b > 0 0 b 0 b m a 0 Ejemplo 4: Calcular la matriz donde m es un entero (ejercicio) 0 b Ejemplo 5: Calcular la matriz M = 2 2 A, siendo A Curso

5 f) Tensores simétricos, antisimétricos y ortogonales Tensores simétricos y su descomposición espectral Definición y caracterización: S es simétrico S t = S " : S = S "u, : u S = S u Teorema de descomposición espectral: todo tensor simétrico admite una base ortonormal de autoectores {ê i } y autoalores reales de modo que: S = 1 ê 1 ê ê 2 ê ê 3 ê 3 Aplicaciones: Ali i signatura de una forma cuadrática y su clasificación; ió utilidad d de las direcciones i principales Tensores antisimétricos y su ector axial Definición y caracterización: A es antisimétrico A t = A " : A = A "u, : u A = A u Teorema del ector axial: todo tensor antisimétrico A admite un ector axial tal que : A =. El ector axial kera Descomposición de tensores en suma parte simétrica ½(T+T t ) y parte antisimétrica, ½(TT t ) Tensores ortogonales Definición y caracterización: Q es ortogonal Q t = Q 1 Q consera el producto escalar: " u, : (Q u) (Q ) = u (aplicación conforme, pues Q conserará los ángulos y las distancias) Teorema (clasificación): Todo tensor ortogonal tiene determinante 1 ó 1 (no cierto al reés); los de determinante 1 son rotaciones alrededor de un eje; y los de determinante 1 son simetrías respecto de un plano o el producto de una rotación por una simetría. Los tensores ortogonales forman un subgrupo (n,) del grupo de automorfismo o tensores regulares (n,). Las rotaciones a su ez son subgrupo de. 9 Cuadro resumen: Tensor SIMÉTRICO Tensor ANTISIMÉTRICO Tensor ORTOGONAL Definición y caracterización Propiedad fundamental c S es simétrico S t = S A es antisimétrico A t = A Q es ortogonal Q t = Q 1 : S = S Sij = S : A ij t = A Q Q t = Q t Q = 1 Aij = Aij ' t Q ij Qij = En particular: A 11 = A 22 = A 33 = S es un tensor simétrico S tiene A es antisimétrico / A = Q es ortogonal consera el tres autoalores reales con tres producto escalar, en el sentido correspondientes autoectores, o sea, tal que siguiente: mutuamente ortogonales. u, : (Q u) (Q ) = u Si 1, 2, 3, son los autoalores de A = y en particular Q consera los S, y {ê 1,ê 2,ê 3 } son los autoectores ángulos y los módulos de los se llama ector axial de A respectios normalizados, entonces ectores que transforme. 0 A12 A13 S se puede expresar en esa base Además: ortonormal mediante la forma Si Aij A12 0 A Q es ortogonal Q es una rotación 23 diádica: A13 A23 0 ectorial R(e;) o Q es una simetría H(e) o Q es el producto de una S = 1 ê 1 ê ê 2 ê ê 3 ê 3 entonces: rotación y una simetría. (representación espectral de S) -A23 Además, Q es ortogonal detq = = A 13 es su ector axial. ±1, y -A12 Q es una rotación detq = 1 (siendo Q ortogonal preiamente). 10 Curso

6 autoanálisis y expresiones reducidas esión reducida Autoanálisis y expre Tensor simétrico S es pues diagonalizable: la representación matricial de S en sus autoectores {ê i } es la matriz diagonal: 0 Ŝ ij = Tensor antisimétrico A no es diagonalizable al tener autoalores complejos. Su representación matricial más sencilla se obtiene en la base: e 3 = 1 {} (arbitrario), e 2 := e 3 e 1, resultando: 0 0 [Â ij ] = Tensor ortogonal Si Q es una rotación R(e;), Q no es diagonalizable y se estudia aparte. Si Q es una simetría H(e), Q es diagonalizable. Ejemplo 1: Demostrar que el producto de dos rotaciones es una nuea rotación. Ejemplo 2: Probar que el producto de dos simetrías respecto de dos planos 1 y 2 es una rotación e identificar el eje en términos de dichos planos. 11 g) Rotaciones y simetrías Expresión intrínseca de una rotación: R = R(;e) = cos 1 + (1-cos)ee + sen e Aplicaciones: es tal que trr = 1+2cos. 1 e es el ector axial del tensor e = ( R R t ) en la dirección del autoector del 2sen autoalor = 1 que necesariamente tiene la rotación Expresión intrínseca de una simetría respecto {e} : H(e) = 1 2ee e = autoector del autoalor = 1 que debe tener H = unitario del ector característico del plano de simetría. plano de simetría dado por {e}. Ejemplo 2: Apuntes, Simetría respecto de un eje e 12 Curso

7 P N O M e R P' R OPOM MNNP OM e e (proyección al eje) dir.: MP MP MN cosmp mód.: MP cos cos 1 ee e dir.: e e NP MP sen mód.: MP sen sen e MP sen sen e MP En consecuencia: R cos 1 (1 cos ) e e sen e 13 M e O N H H ON 2 ee H12ee 14 Curso

8 T i i 2 1 (T) i ( ) 2 2 [ Tij] T Tj 3j 2 3 (T) j (3) Curso

Vectores y Matrices. Tema 3: Repaso de Álgebra Lineal Parte I. Contenidos

Vectores y Matrices. Tema 3: Repaso de Álgebra Lineal Parte I. Contenidos Tema 3: Repaso de Álgebra Lineal Parte I Virginia Mazzone Contenidos Vectores y Matrices Bases y Ortonormailizaciòn Norma de Vectores Ecuaciones Lineales Algenraicas Ejercicios Vectores y Matrices Los

Más detalles

APÉNDICE A. Algebra matricial

APÉNDICE A. Algebra matricial APÉNDICE A Algebra matricial El estudio de la econometría requiere cierta familiaridad con el álgebra matricial. La teoría de matrices simplifica la descripción, desarrollo y aplicación de los métodos

Más detalles

Algebra Lineal * Working draft: México, D.F., a 17 de noviembre de 2010.

Algebra Lineal * Working draft: México, D.F., a 17 de noviembre de 2010. Algebra Lineal * José de Jesús Ángel Ángel jjaa@mathcommx Working draft: México, DF, a 17 de noviembre de 2010 Un resumen de los principales temas tratados en un curso de Álgebra Lineal Contenido 1 Sistemas

Más detalles

Tema 1: Matrices. Sistemas de ecuaciones. Determinantes

Tema 1: Matrices. Sistemas de ecuaciones. Determinantes Tema 1: Matrices. Sistemas de ecuaciones. Determinantes José M. Salazar Octubre de 2016 Tema 1: Matrices. Sistemas de ecuaciones. Determinantes Lección 1. Matrices. Sistemas de ecuaciones. Determinantes

Más detalles

Matrices. Operaciones con matrices.

Matrices. 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 detalles

f(x, y, z, t) = (x + y t, x + 2y z 3t, 3x + 5y 2z 7t).

f(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 detalles

Tema 2. Aplicaciones lineales. Diagonalización de endomorfismos.

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 detalles

TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS.

TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. 1. MATRICES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. DEFINICIÓN: Las matrices son tablas numéricas rectangulares

Más detalles

Clase 8 Matrices Álgebra Lineal

Clase 8 Matrices Álgebra Lineal Clase 8 Matrices Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia Matrices Definición Una matriz es un arreglo rectangular de números denominados entradas

Más detalles

Matrices y Determinantes.

Matrices y Determinantes. Tema II Capítulo 1 Matrices Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC Tema II Matrices y Determinantes 1 Matrices 1 Definiciones básicas Definición 11 Una matriz A de

Más detalles

Tema I. Matrices y determinantes

Tema I. Matrices y determinantes Tema I. Matrices y determinantes 2007 Carmen Moreno Valencia 1. Matrices sobre un cuerpo 2. Operaciones con matrices 3. Determinante de una matriz cuadrada 4. Menor complementario y adjunto 5. Cálculo

Más detalles

Matrices 1. Se denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.

Matrices 1. Se denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. Matrices 1 Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. Cada uno de los números de que consta la matriz se

Más detalles

ALGEBRA. Escuela Politécnica Superior de Málaga

ALGEBRA. 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 detalles

Tema 1. 1 Álgebra lineal. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. 1.1 Vectores de R n. 1. Vectores. 2.

Tema 1. 1 Álgebra lineal. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. 1.1 Vectores de R n. 1. Vectores. 2. Aurea Grané. Máster en Estadística. Universidade Pedagógica. 1 Aurea Grané. Máster en Estadística. Universidade Pedagógica. 2 Tema 1 Álgebra lineal 1. Vectores 2. Matrices 1 Álgebra lineal Aurea Grané

Más detalles

Definición Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.

Definición Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. Tema 1 Matrices 1.1. Conceptos básicos y ejemplos Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. NOTA:

Más detalles

Matrices y determinantes

Matrices y determinantes Matrices y determinantes 1 Ejemplo Cuál es el tamaño de las siguientes matrices? Cuál es el elemento a 21, b 23, c 42? 2 Tipos de matrices Matriz renglón o vector renglón Matriz columna o vector columna

Más detalles

Matemáticas II. Prácticas: Matrices y Determinantes ; C = 1 3 5

Matemáticas II. Prácticas: Matrices y Determinantes ; C = 1 3 5 Matemáticas II Prácticas: Matrices y Determinantes. Sean las matrices cuadradas siguientes: 4 5 6 B = 9 8 7 6 5 4 C = 5 7 9 0 7 8 9 Se pide calcular: a A B + C. b A AB + AC. c A B AB + ACB.. Sean las matrices:

Más detalles

2. Formas cuadráticas. Expresiones diagonales. Clasificación respecto a su signo.

2. Formas cuadráticas. Expresiones diagonales. Clasificación respecto a su signo. 2. Formas cuadráticas. Expresiones diagonales. Clasificación respecto a su signo. 2.1 Formas cuadráticas. Expresión matricial y analítica. Expresiones diagonales. Definición 2.1 (Expresión matricial) Una

Más detalles

ALGEBRA Y GEOMETRIA ANALITICA PROGRAMA ANALITICO

ALGEBRA Y GEOMETRIA ANALITICA PROGRAMA ANALITICO ALGEBRA Y GEOMETRIA ANALITICA PROGRAMA ANALITICO AÑO 2008 Unidad I: Números Complejos Comprenda la necesidad de ampliar los conjuntos numéricos con los que habitualmente trabaja, a fin de resolver problemas

Más detalles

Capítulo 1: Diagonalización de matrices

Capítulo 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

Matrices, determinantes y sistemas de ecuaciones lineales

Matrices, determinantes y sistemas de ecuaciones lineales Matrices, determinantes y sistemas de ecuaciones lineales David Ariza-Ruiz 10 de octubre de 2012 1 Matrices Una matriz es una tabla numérica rectangular de m filas y n columnas dispuesta de la siguiente

Más detalles

1 Isometrías vectoriales.

1 Isometrías vectoriales. Eugenia Rosado ETSM Curso 9-. Isometrías vectoriales. Sea E un espacio vectorial euclídeo. De nición Una aplicación f : E! E se dice transformación ortogonal o isometría vectorial si conserva el producto

Más detalles

Descomposición en forma canónica de Jordan (Segunda versión)

Descomposición 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

Menor, cofactor y comatriz

Menor, cofactor y comatriz Menor, cofactor y comatriz Sea A una matriz cuadrada de orden n. Al quitarle la línea i y la columna j se obtiene una submatriz de orden n-1, que se denota habitualmente A i,j. Por ejemplo, con n = 4,

Más detalles

a) La adición y la multiplicación de matries cuadradas del mismo orden, están bien definidas.

a) La adición y la multiplicación de matries cuadradas del mismo orden, están bien definidas. MATRICES CUADRADAS Definición: ( Cuadradas Una matriz A es una matriz cuadrada de orden n, si y solo si, A es de oreden n n, es decir, A tiene n filas y n columnas: a 11 a 1n a n1 a nn Observación: a La

Más detalles

Hoja de diagonalización MATEMÁTICAS I

Hoja 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 detalles

Diagonalización. Tema Valores y vectores propios Planteamiento del problema Valores y vectores propios

Diagonalización. 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 detalles

PROGRAMA DE EXAMEN. Unidad Nº1: Matrices y Función Determinante

PROGRAMA DE EXAMEN. Unidad Nº1: Matrices y Función Determinante Ministerio de Cultura y Educación Universidad Nacional de San Juan Fac. de Ciencias Exactas Físicas y Naturales Ciclo Lectivo 2016 PROGRAMA DE EXAMEN Cátedra: ALGEBRA LINEAL Carrera: Licenciatura en Geofísica

Más detalles

Aplicaciones Lineales. Diagonalización de matrices.

Aplicaciones 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 detalles

2.1 Proyección ortogonal sobre un subespacio. El teorema de la proyección ortogonal

2.1 Proyección ortogonal sobre un subespacio. El teorema de la proyección ortogonal Tema 2- Proyecciones, simetrías y giros ÍNDICE 21 Proyección ortogonal sobre un subespacio El teorema de la proyección ortogonal 22 Simétría ortogonal respecto de un subespacio 23 Matrices de Householder

Más detalles

Aquella que tiene nulos los elementos nos situados en la diagonal principal. Los elementos situados por encima de la diagonal principal son nulos.

Aquella que tiene nulos los elementos nos situados en la diagonal principal. Los elementos situados por encima de la diagonal principal son nulos. Álgebra lineal Matrices Rango de una matriz Orden del mayor menor complementario no nulo. Matriz regular det A Diagonal principal Elementos a ii de la matriz. Si la matriz es cuadrado son los elementos

Más detalles

CURSO DE POSTGRADO. Matemáticas I. N o m b r e C u r s o. Rodrigo Assar (ICBM) ICBM, Facultad de Medicina, U-Chile U N I D A D A C A D É M I C A

CURSO DE POSTGRADO. Matemáticas I. N o m b r e C u r s o. Rodrigo Assar (ICBM) ICBM, Facultad de Medicina, U-Chile U N I D A D A C A D É M I C A UNIVERSIDAD DE CHILE FACULTAD DE MEDICINA ESCUELA DE POSTGRADO CURSO DE POSTGRADO Matemáticas I N o m b r e C u r s o SEMESTRE 1º AÑO 2014 PROF. ENCARGADO Rodrigo Assar (ICBM) N o m b r e C o m p l e t

Más detalles

Resumen de Teoría de Matrices

Resumen de Teoría de Matrices Resumen de Teoría de Matrices Rubén Alexis Sáez Morcillo Ana Isabel Martínez Domínguez 1 de Octubre de 2004 1. Matrices. Generalidades. Definición 1.1. Se llama matriz de orden m n sobre un cuerpo K a

Más detalles

Matrices. José Vicente Romero Bauset. ETSIT-curso 2009/2010. José Vicente Romero Bauset Tema 1.- Matrices. 1

Matrices. José Vicente Romero Bauset. ETSIT-curso 2009/2010. José Vicente Romero Bauset Tema 1.- Matrices. 1 Matrices José Vicente Romero Bauset ETSIT-curso 2009/2010 José Vicente Romero Bauset Tema 1- Matrices 1 Introducción Por qué estudiar las matrices? Son muchas las situaciones de la vida real en las que

Más detalles

Unidad 5: Geometría analítica del plano.

Unidad 5: Geometría analítica del plano. Geometría analítica del plano 1 Unidad 5: Geometría analítica del plano. 1.- Vectores. Operaciones con vectores. Un vector fijo es un segmento entre dos puntos, A y B del plano, al que se le da una orientación

Más detalles

Espacios Vectoriales www.math.com.mx

Espacios Vectoriales www.math.com.mx Espacios Vectoriales Definiciones básicas de Espacios Vectoriales www.math.com.mx José de Jesús Angel Angel jjaa@math.com.mx MathCon c 007-009 Contenido. Espacios Vectoriales.. Idea Básica de Espacio Vectorial.................................

Más detalles

Ejemplo 1 Sea V un espacio con producto interno sobre un cuerpo K. A las transformaciones lineales T : V K las llamamos funcionales lineales.

Ejemplo 1 Sea V un espacio con producto interno sobre un cuerpo K. A las transformaciones lineales T : V K las llamamos funcionales lineales. Facultad de Ingeniería - IMERL - Geometría y Álgebra Lineal 2 - Curso 2008. 1 Transformaciones lineales en espacios con producto interno Notas para el curso de Geometría y Algebra Lineal 2 de la Facultad

Más detalles

A-PDF Page Cut DEMO: Purchase from to remove the watermark Ejercicios resueltos 29

A-PDF Page Cut DEMO: Purchase from  to remove the watermark Ejercicios resueltos 29 wwwapuntesdematesweeblycom A-PDF Page Cut DEMO: Purchase from wwwa-pdfcom to remove the watermark Ejercicios resueltos 29 Qué coste conlleva el cálculo de la inversa de una matriz A R n n? Calculando A

Más detalles

1. Lección 3: Matrices y Determinantes

1. Lección 3: Matrices y Determinantes Apuntes: Matemáticas Empresariales II 1. Lección 3: Matrices y Determinantes Se define matriz de orden n m a todo conjunto de n m elementos de un cuerpo K, dispuestos en n filas y m columnas: A n m = (

Más detalles

Vectores. 1) Magnitudes físicas

Vectores. 1) Magnitudes físicas Vectores 1) Magnitudes físicas Eisten magnitudes físicas que quedan perfectamente definidas mediante un número epresado en sus unidades correspondientes. Ejemplos de este tipo de magnitud son: la masa

Más detalles

1.3 Algebra tensorial en componentes

1.3 Algebra tensorial en componentes 1.3 Algebra tensorial en a) Bases diádicas y tensoriales en (2) 1. Teorema de las bases diádicas. 2. Definición y cálculo de de tensores de 2º orden. 3. Escritura matricial e interpretación de las columnas

Más detalles

MATEMÁTICAS I 13 de junio de 2007

MATEMÁTICAS I 13 de junio de 2007 MATEMÁTICAS I 13 de junio de 2007 2º EXAMEN PARCIAL Sólo una respuesta a cada cuestión es correcta. Respuesta correcta: 0.2 puntos. Respuesta incorrecta: -0.1 puntos Respuesta en blanco: 0 puntos 1.- Si

Más detalles

Autovalores y autovectores Diagonalización y formas canónicas

Autovalores 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 detalles

RESUMEN DEL TEMA 7 VALORES Y VECTORES PROPIOS

RESUMEN 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 detalles

1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS

1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS 1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS 1.1 SISTEMAS DE ECUACIONES LINEALES Una ecuación lineal es una ecuación polinómica de grado 1, con una o varias incógnitas. Dos ecuaciones son equivalentes

Más detalles

Dos matrices son iguales cuando tienen la misma dimensión y los elementos que ocupan el mismo lugar en ambas son iguales

Dos matrices son iguales cuando tienen la misma dimensión y los elementos que ocupan el mismo lugar en ambas son iguales Introducción Las matrices aparecen por primera vez hacia el año 1850, introducidas por J.J. Sylvester. El desarrollo inicial de la teoría se debe al matemático W.R. Hamilton en 1853. En 1858, A. Cayley

Más detalles

ALGEBRA. Escuela Politécnica Superior de Málaga

ALGEBRA. 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 detalles

CLASIFICACIÓN AFÍN DE CÓNICAS

CLASIFICACIÓN AFÍN DE CÓNICAS Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS CLASIFICACIÓN AFÍN DE CÓNICAS Sea E un R-espacio vectorial de dimensión. Sean E = e 1, e un plano vectorial de E y e 0 un

Más detalles

Objetivos formativos de Álgebra

Objetivos 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 detalles

Matrices, Determinantes y Sistemas Lineales.

Matrices, Determinantes y Sistemas Lineales. 12 de octubre de 2014 Matrices Una matriz A m n es una colección de números ordenados en filas y columnas a 11 a 12 a 1n f 1 a 21 a 22 a 2n f 2....... a m1 a m2 a mn f m c 1 c 2 c n Decimos que la dimensión

Más detalles

Matrices 3. Matrices. Verónica Briceño V. agosto 2012

Matrices 3. Matrices. Verónica Briceño V. agosto 2012 3 agosto 2012 En esta Presentación... En esta Presentación veremos: Matriz Inversa En esta Presentación... En esta Presentación veremos: Matriz Inversa Determinante En esta Presentación... En esta Presentación

Más detalles

TEMA 1: MATRICES. Una matriz de orden mxn es un conjunto de m n números reales dispuestos en m filas y n columnas ...

TEMA 1: MATRICES. Una matriz de orden mxn es un conjunto de m n números reales dispuestos en m filas y n columnas ... TEMA : MATRICES Una matriz de orden mxn es un conjunto de m n números reales dispuestos en m filas y n columnas a a a... a n a a a... an A... am am am... amn A los números reales a ij se les llama elementos

Más detalles

Álgebra lineal y matricial

Álgebra lineal y matricial Capítulo Álgebra lineal y matricial.. Vectores y álgebra lineal Unconjuntodennúmerosreales(a,,a n )sepuederepresentar: como un punto en el espacio n-dimensional; como un vector con punto inicial el origen

Más detalles

MATEMÁTICAS 2º BACH TECNOL. MATRICES. Profesor: Fernando Ureña Portero MATRICES

MATEMÁTICAS 2º BACH TECNOL. MATRICES. Profesor: Fernando Ureña Portero MATRICES CONCEPTO DE MATRIZ Definición: Se denomina matriz A o (a ij ) a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas : Columnas Filas Elemento a ij : Cada uno

Más detalles

Vectores en el plano UNIDAD I: MATRICES. Dirección de un vector. Sentido de un vector

Vectores en el plano UNIDAD I: MATRICES. Dirección de un vector. Sentido de un vector UNIDAD I: MATRICES Vectores en el plano Un vector,, es un segmento con una dirección que va del punto A (origen) al punto B (etremo).un vector es un segmento orientado que va del punto A (origen) al punto

Más detalles

MATRICES. Una matriz es un conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.

MATRICES. Una matriz es un conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. MATRICES Una matriz es un conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. Cada uno de los números de que consta la matriz se denomina elemento. Un elemento

Más detalles

TEMA V. Pues bien, a estas caracterizaciones de los sistemas de ecuaciones lineales se las llamó matrices. En el caso del sistema considerado tenemos:

TEMA V. Pues bien, a estas caracterizaciones de los sistemas de ecuaciones lineales se las llamó matrices. En el caso del sistema considerado tenemos: TEMA V 1. MATRICES Y SISTEMAS DE ECUACIONES LINEALES. Sea el siguiente sistema de ecuaciones lineales: Realmente quien determina la naturaleza y las soluciones del sistema, no son las incógnitas: x, y,

Más detalles

Tema 3: Espacios vectoriales

Tema 3: Espacios vectoriales Tema 3: Espacios vectoriales K denotará un cuerpo. Definición. Se dice que un conjunto no vacio V es un espacio vectorial sobre K o que es un K-espacio vectorial si: 1. En V está definida una operación

Más detalles

PROGRAMA DE CURSO. Resultados de Aprendizaje

PROGRAMA DE CURSO. Resultados de Aprendizaje PROGRAMA DE CURSO Código Nombre MA1102 Algebra Lineal Nombre en Inglés Linear Algebra SCT es Horas de Horas Docencia Horas de Trabajo Docentes Cátedra Auxiliar Personal 6 10 3,0 2,0 5,0 Requisitos MA1101

Más detalles

Tema 1: MATRICES. OPERACIONES CON MATRICES

Tema 1: MATRICES. OPERACIONES CON MATRICES Tema 1: MATRICES. OPERACIONES CON MATRICES 1. DEFINICIÓN Y TIPO DE MATRICES DEFINICIÓN. Una matriz es un conjunto de números reales dispuestos en filas y columnas. Si en ese conjunto hay m n números escritos

Más detalles

Algunos Tipos de matrices. Matrices. Algunos Tipos de matrices. Algunos Tipos de matrices

Algunos Tipos de matrices. Matrices. Algunos Tipos de matrices. Algunos Tipos de matrices Matrices Una matriz de orden m n es un conjunto ordenado de m n números reales dispuestos en m filas y n columnas de la forma: A = a 11 a 12 a 1j a 1n a 21 a 22 a 2j a 2n a i1 a i2 a ij a in a m1 a m2

Más detalles

Grado en Edificación MATERIAL DOCENTE: PRESENTACIÓN DEL TEMA III. Ana Isabel Garralda Guillem y Manuel Ruiz Galán

Grado 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 detalles

Tema 11.- Autovalores y Autovectores.

Tema 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 detalles

Semana 14 [1/28] Matrices. 22 de julio de Matrices

Semana 14 [1/28] Matrices. 22 de julio de Matrices Semana 14 [1/28] 22 de julio de 2007 Definiciones básicas Semana 14 [2/28] Definiciones básicas Matriz Una matriz A, de m filas y n columnas con coeficientes en el cuerpo à (en este apunte à será Ê ó C)

Más detalles

Matrices: repaso. Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas. Una matriz A M m n es de la forma A =

Matrices: repaso. Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas. Una matriz A M m n es de la forma A = Matrices: repaso Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas Una matriz A M m n es de la forma a 11 a 1n A = a m1 a mn Denotaremos A ij = a ij el coeficiente

Más detalles

Sistemas de Ecuaciones Lineales y Matrices

Sistemas de Ecuaciones Lineales y Matrices Capítulo 4 Sistemas de Ecuaciones Lineales y Matrices El problema central del Álgebra Lineal es la resolución de ecuaciones lineales simultáneas Una ecuación lineal con n-incógnitas x 1, x 2,, x n es una

Más detalles

Teoría de Matrices. Julio Yarasca. 30 de junio de 2015. Julio Yarasca

Teoría de Matrices. Julio Yarasca. 30 de junio de 2015. Julio Yarasca 30 de junio de 2015 Matriz de m por n Definimeros a una matriz A de orden m por n como un arreglo de números de m filas y n columnas. a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n A = a 31 a 32 a 33 a 3n....

Más detalles

Matrices 2º curso de Bachillerato Ciencias y tecnología

Matrices 2º curso de Bachillerato Ciencias y tecnología MATRICES Índice:. Introducción-------------------------------------------------------------------------------------- 2. Definición de matriz-----------------------------------------------------------------------------

Más detalles

Determinantes. Determinante de orden uno. a 11 = a 11 5 = 5

Determinantes. Determinante de orden uno. a 11 = a 11 5 = 5 DETERMINANTES Determinantes Concepto de determinante A cada matriz cuadrada A se le asigna un escalar particular denominado determinante de A, denotado por A o por det (A). A = Determinante de orden uno

Más detalles

MATRICES. Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden x (que se lee por ).

MATRICES. Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden x (que se lee por ). 1 MATRICES 1 Una matriz es una disposición rectangular de números (Reales); la forma general de una matriz con filas y columnas es Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden

Más detalles

Álgebra y Geometría Analítica I - LF 2016 Práctica 1: Algunos elementos de la Geometría Analítica

Álgebra y Geometría Analítica I - LF 2016 Práctica 1: Algunos elementos de la Geometría Analítica Álgebra y Geometría Analítica I - LF 2016 Práctica 1: Algunos elementos de la Geometría Analítica 1. a) Marcar en un eje los puntos a(1);b( 2) y c(4). b) Hallar los puntos simétricos respecto al origen

Más detalles

Algebra Lineal Xa: Álgebra Vectorial en R3

Algebra Lineal Xa: Álgebra Vectorial en R3 Algebra Lineal Xa: Álgebra Vectorial en R3 José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato email: jrico@salamanca.ugto.mx

Más detalles

ÁLGEBRA LINEAL I Práctica 5

ÁLGEBRA LINEAL I Práctica 5 ÁLGEBRA LINEAL I Práctica 5 Espacios vectoriales (Curso 2014 2015) 1. En el espacio vectorial real IR 2 consideramos los siguientes subconjuntos: (a) A = {(x y) IR 2 x 2 + y 2 = 1}. (b) B = {(x y) IR 2

Más detalles

de la forma ), i =1,..., m, j =1,..., n, o simplemente por (a i j ).

de la forma ), i =1,..., m, j =1,..., n, o simplemente por (a i j ). INTRODUCCIÓN. MATRICES Y DETERMINANTES Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas parciales.

Más detalles

TEST DE DETERMINANTES

TEST DE DETERMINANTES Página 1 de 7 TEST DE DETERMINANTES 1 Si A es una matriz cuadrada de orden 3 con A = -2, a qué es igual -A? A -2 B 2 C 0 D -6 2 A -144 B 44 C 88 D -31 3 Indicar qué igualdad es falsa: A B C D 4 A -54 B

Más detalles

ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3

ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 Matrices y determinantes (Curso 2011 2012) 2. Sea A una matriz diagonal n n y supongamos que todos los elementos de su diagonal son distintos entre sí.

Más detalles

02. Resolver sistemas de ecuaciones lineales por el método de Gauss.

02. Resolver sistemas de ecuaciones lineales por el método de Gauss. 3.6 Criterios específicos de evaluación. 01. Conocer lo que significa que un sistema sea incompatible o compatible, determinado o indeterminado, y aplicar este conocimiento para formar un sistema de un

Más detalles

como el número real que resulta del producto matricial y se nota por:

como el número real que resulta del producto matricial y se nota por: Espacio euclídeo 2 2. ESPACIO EUCLÍDEO 2.. PRODUCTO ESCALAR En el espacio vectorial se define el producto escalar de dos vectores y como el número real que resulta del producto matricial y se nota por:,

Más detalles

Parte 3. Vectores y valores propios

Parte 3. Vectores y valores propios Parte 3. Vectores y valores propios Gustavo Montero Escuela Universitaria Politécnica Universidad de Las Palmas de Gran Canaria Curso 2004-2005 1 Introducción a los valores y vectores propios 2 3 4 5 Valores

Más detalles

MATRICES. M(n) ó M nxn A =

MATRICES. M(n) ó M nxn A = MTRICES Definición de matriz. Una matriz de orden m n es un conjunto de m n elementos pertenecientes a un conjunto, que para nosotros tendrá estructura de cuerpo conmutativo y lo denotaremos por K, dispuestos

Más detalles

Capitulo 6. Matrices y determinantes

Capitulo 6. Matrices y determinantes Capitulo 6. Matrices y determinantes Objetivo. El alumno aplicará los conceptos fundamentales de las matrices, determinantes y sus propiedades a problemas que requieran de ellos para su resolución. Contenido.

Más detalles

PROGRAMA DE ASIGNATURA DE MATEMÁTICA PARA LA INFORMÁTICA III

PROGRAMA DE ASIGNATURA DE MATEMÁTICA PARA LA INFORMÁTICA III PROGRAMA DE ASIGNATURA DE MATEMÁTICA PARA LA INFORMÁTICA III Table of contents 1 INFORMACIÓN GENERAL...2 2 INTRODUCCIÓN... 2 3 OBJETIVOS GENERALES DE LA ASIGNATURA... 3 4 OBJETIVOS, TEMAS Y SUBTEMAS...

Más detalles

Matrices y Determinantes

Matrices y Determinantes Matrices y Determinantes Definición de matriz Matriz Una matriz es un ente matemático equivalente a una tabla; es decir, es un arreglo de elementos de cualquier naturaleza (aunque, en general, suelen ser

Más detalles

ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3

ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 Matrices y determinantes (Curso 010 011). Sea A una matriz diagonal n n y supongamos que todos los elementos de su diagonal son distintos entre sí. Demostrar

Más detalles

1 Vectores de R n. Tema 1. Álgebra matricial. 1.2 Dependencia lineal

1 Vectores de R n. Tema 1. Álgebra matricial. 1.2 Dependencia lineal Diplomatura en Estadística 1 Tema 1. Álgebra matricial 1. Vectores 1.1 Definiciones básicas 1.2 Dependencia lineal 2. Matrices 2.1 Rango de una matriz 2.2 Matrices cuadradas 3. Vectores y valores propios

Más detalles

1 CÓNICAS Cónicas. Estudio particular. 1 x y. 1 x y. a 00 a 01 a 02 a 10 a 11 a 12 a 20 a 21 a 22

1 CÓNICAS Cónicas. Estudio particular. 1 x y. 1 x y. a 00 a 01 a 02 a 10 a 11 a 12 a 20 a 21 a 22 CÓNICAS. CÓNICAS.. Cónicas. Estudio particular. Una cónica se dene como el lugar geométrico de los puntos del plano euclídeo que, respecto de una referencia cartesiana rectangular, satisfacen una ecuación

Más detalles

UNIDAD I: SISTEMAS DE DOS ECUACIONES CON DOS INCÓGNITAS

UNIDAD I: SISTEMAS DE DOS ECUACIONES CON DOS INCÓGNITAS UNIDAD I: SISTEMAS DE DOS ECUACIONES CON DOS INCÓGNITAS Sistemas de dos ecuaciones con dos incógnitas. Método de igualación. Método de reducción. Método de sustitución Método de eliminación Gaussiana.

Más detalles

FACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R.

FACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R. FACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R. PROGRAMA ANALÍTICO DE LA ASIGNATURA: ALGEBRA LINEAL Código L2.07.1 PLAN DE ESTUDIOS: 2002 CARRERA: Licenciatura en Matemática DEPARTAMENTO:

Más detalles

UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO MATERIA: MATEMÁTICAS II

UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO MATERIA: MATEMÁTICAS II UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO MATERIA: MATEMÁTICAS II INSTRUCCIONES GENERALES Y VALORACIÓN El alumno contestará a

Más detalles

Resumen de álgebra vectorial y tensorial

Resumen de álgebra vectorial y tensorial Apéndice A Resumen de álgebra vectorial y tensorial Se resumen aquí algunos conceptos y definiciones importantes de vectores y tensores, con pretensión de sencillez y brevedad. En aras de esta sencillez,

Más detalles

x, y = x 0 y 0 + x 1 y 1 + x 2 y 2 + x 3 y 3. Es fácil ver que verifica 1. Es simétrica. x, y = y, x para todo x, y R 4.

x, y = x 0 y 0 + x 1 y 1 + x 2 y 2 + x 3 y 3. Es fácil ver que verifica 1. Es simétrica. x, y = y, x para todo x, y R 4. 1 Tema 2. Sección 1. Espacio vectorial de Minkowski. Manuel Gutiérrez. Departamento de Álgebra, Geometría y Topología. Universidad de Málaga. 29071-Málaga. Spain. Abril de 2010. En este capítulo se recordará

Más detalles

Diagonalización de matrices

Diagonalización 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 detalles

Espacios vectoriales reales.

Espacios vectoriales reales. Tema 3 Espacios vectoriales reales. 3.1 Espacios vectoriales. Definición 3.1 Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe el nombre

Más detalles

CONJUNTO 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. = (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 detalles

Tema 1: Matrices. El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico.

Tema 1: Matrices. El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico. Tema 1: Matrices El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico. 1. Terminología Comenzamos con la definición de matriz

Más detalles

Matrices. Álgebra de matrices.

Matrices. Álgebra de matrices. Matrices. Álgebra de matrices. 1. Definiciones generales Definición 1.1 Si m y n son dos números naturales, se llama matriz de números reales de orden m n a una aplicación A : {1, 2, 3,..., m} {1, 2, 3,...,

Más detalles

Apuntes de álgebra lineal. Eduardo Liz Marzán. Enero de 2015.

Apuntes de álgebra lineal. Eduardo Liz Marzán. Enero de 2015. Apuntes de álgebra lineal Eduardo Liz Marzán Enero de 2015 Índice general 1 Introducción 7 11 Operaciones internas y estructura de cuerpo 7 12 Números complejos 8 13 Vectores 10 2 Matrices y determinantes

Más detalles

Estos apuntes se han sacado de la página de internet de vitutor con pequeñas modificaciones.

Estos apuntes se han sacado de la página de internet de vitutor con pequeñas modificaciones. TEMA 1: MATRICES Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones ordenados en filas y columnas. Cada uno de los números de que consta la matriz se denomina elemento. Un elemento

Más detalles

Tema 6: Diagonalización de matrices

Tema 6: Diagonalización de matrices Tema 6: 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 detalles

Tema 4: Matrices y Determinantes. Algunas Notas sobre Matrices y Determinantes. Álgebra Lineal. Curso

Tema 4: Matrices y Determinantes. Algunas Notas sobre Matrices y Determinantes. Álgebra Lineal. Curso Tema 4: Matrices y Determinantes Algunas Notas sobre Matrices y Determinantes Álgebra Lineal Curso 2004-2005 Prof. Manu Vega Índice 1. Determinantes 3 2. Regla de Sarrus 3 3. Propiedades de los determinantes

Más detalles