Podemos pues formular los dos problemas anteriores en términos de matrices.
|
|
- Julio Óscar Ponce Pinto
- hace 6 años
- Vistas:
Transcripción
1 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 n, nos planteamos el problema de cuándo es posible encontrar una base de V respecto de la cuál la matriz de f sea diagonal Si A es la matriz del operador f con respecto a una determinada base entonces el planteamiento anterior es equivalente a preguntarse cuándo existe un cambio de base tal que la matriz del operador en la nueva base sea diagonal Esa nueva matriz sabemos que viene dada por P 1 AP, donde P es la matriz de paso de la nueva base a la anterior (Teorema de Semejanza) Problema de la diagonalización ortogonal Dado un operador lineal f sobre un espacio vectorial V con producto interior y de dimensión n, nos planteamos el problema de cuándo es posible encontrar una base ortonormal de V respecto de la cuál la matriz de f sea diagonal Si V es un espacio con producto interior y las bases son ortonormales entonces se tendrá que P será ortogonal Podemos pues formular los dos problemas anteriores en términos de matrices Problema 1 Dada una matriz cuadrada A, existe una matriz P inversible tal que P 1 AP sea diagonal? Problema 2 Dada una matriz cuadrada A, existe una matriz ortogonal P tal que P t AP sea diagonal? Definición 51 Se dice que una matriz A cuadrada es diagonalizable si existe una matriz P inversible tal que P 1 AP es diagonal En ese caso se dice que P diagonaliza a la matriz A Si existe una matriz ortogonal P tal que P 1 AP es diagonal, entonces se dice que A es diagonalizable ortogonalmente y que P diagonaliza ortogonalmente a A 512 Diagonalización Valores y vectores propios Supongamos que la matriz A n n es diagonalizable, es decir que existe P inversible tal que P 1 AP = D, con D diagonal Esto es equivalente a que exista P inversible tal que AP = P D para cierta matriz D diagonal, luego p 11 p 12 p 1n λ λ 1 p 11 λ 2 p 12 λ n p 1n p 21 p 22 p 2n 0 λ 2 0 AP = P D = = λ 1 p 21 λ 2 p 22 λ n p 2n p n1 p n2 p nn 0 0 λ n λ 1 p n1 λ 2 p n2 λ n p nn Álgebra Lineal 57
2 51 Introducción Valores y vectores propios Si llamamos p 1, p 2,, p n a los vectores columnas de P, como las columnas de la matriz AP y las correspondientes de la matriz P D han de coincidir, lo anterior puede escribirse de la forma Ap 1 = λ 1 p 1, Ap 2 = λ 2 p 2,, Ap n = λ n p n, es decir, han de existir n vectores p i y n números reales λ i tales que Ap i = λ i p i, para los i = 1,, n Como la matriz P es inversible, los vectores p i son distintos del 0 y linealmente independientes Definición 52 Si A es una matriz cuadrada de orden n, diremos que λ es un valor propio, valor característico o autovalor de A si existe un p IR n, p 0, tal que Ap = λp Del vector p diremos que es un vector propio, vector característico o autovector de A correspondiente al valor propio λ Teorema 53 Si A es una matriz de orden n, las siguientes proposiciones son equivalentes: a) λ es un valor propio de A b) El sistema de ecuaciones (λi A)x = 0 tiene soluciones distintas de la trivial c) det(λi A) = 0 λ es un valor propio de A existe un vector x IR n diferente de cero, tal que Ax = λx el sistema (λi A)x = 0 tiene soluciones distintas de la trivial λi A = 0 Al polinomio en λ, P(λ) = λi A, se le denomina polinomio característico de la matriz A, y a la ecuación P(λ) = λi A = 0 ecuación característica de A Definición 54 Sea A una matriz de orden n y λ un valor propio de A, al espacio de las soluciones del sistema (λi A)x = 0 se le denomina espacio característico de A correspondiente al valor propio λ y lo denotaremos por V (λ) Observación: Si λ es un valor propio de A, V (λ) = {x : (λi A)x = 0} = {0} y por tanto dim V (λ) 1 En el estudio sobre la diagonalización realizado hasta ahora, hemos buscado la diagonalización de matrices, separándolas del operador lineal que aparece en el planteamiento inicial del problema Lo que hemos encontrado hasta ahora es reutilizable también para el estudio de ese operador? En efecto: Definición 55 Sea f: V V un operador lineal, diremos que un escalar λ es un valor propio de f si existe un vector v V, diferente de cero, tal que f(v) = λv Al vector v se lo denomina vector propio de f correspondiente a λ Teorema 56 Los vectores propios de f correspondientes al valor propio λ son los vectores, distintos de cero, del núcleo de la aplicación λi d f (denotaremos por I d la aplicación identidad) Si v un vector propio correspondiente a λ, entonces f(v) = λv = f(v) λv = 0 = v ker(λi d f) Por otra parte si v 0 pertenece al ker(λi d f) se tiene que (λi d f)v = 0 = λv f(v) = 0 = f(v) = λv, luego v es un vector propio de f correspondiente a λ Observación: Este núcleo se denominará, espacio característico de f correspondiente al valor propio λ Álgebra Lineal 58
3 52 Diagonalización Teorema 57 Sean V un espacio vectorial de dimensión n, f: V V un operador lineal y A la matriz de f con respecto a una base B = {v 1, v 2,, v n } Entonces: a) Los valores propios de f son los valores propios de A b) Un vector v V es un vector propio de f correspondiente al valor propio λ si y sólo si su matriz de coordenadas [v] B es un vector propio de A correspondiente a λ a) Sea λ un valor propio de f, es decir, v V, distinto de 0, tal que f(v) = λv = [f(v)] B = [λv] B = A[v] B = λ[v] B, luego λ es un valor propio de A al ser [v] B 0 Sea λ un valor propio de A, entonces x IR n, x 0 tal que Ax = λx Si tomamos x = x 1 v x n v n, siendo x = (x 1,, x n ), lo anterior quiere decir que A[x ] B = λ[x ] B [f(x )] B = [λx ] B f(x ) = λx y λ es un valor propio de f ya que x 0 b) v es un vector propio de f correspondiente a λ si y sólo si f(v) = λv [f(v)] B = [λv] B A[v] B = λ[v] B si y sólo si [v] B es un vector propio de A correspondiente a λ A la vista de este resultado y siempre que trabajemos en términos de valores y vectores propios, el problema de encontrar una base del espacio en la cual la matriz asociada al operador sea diagonal, se reduce al estudio de la diagonalización de las matrices 52 Diagonalización Teorema 58 Si A es una matriz de orden n, son equivalentes: a) A es diagonalizable b) A tiene n vectores propios linealmente independientes a) b) Lo hemos probado en los comentarios anteriores b) a) Sean los n vectores p 1, p 2,, p n vectores propios linealmente independientes de A correspondientes a los valores propios λ 1, λ 2,, λ n Consideremos la matriz p 11 p 12 p 1n p 21 p 22 p 2n P = p n1 p n2 p nn que tiene por vectores columna los p 1, p 2,, p n Las columnas de la matriz producto AP son Ap 1, Ap 2,, Ap n y los p i son vectores propios, luego Ap 1 = λ 1 p 1,, Ap n = λ n p n, por lo que: λ 1 p 11 λ 2 p 12 λ n p 1n p 11 p 12 p 1n λ λ 1 p 21 λ 2 p 22 λ n p 2n AP = = p 21 p 22 p 2n 0 λ 2 0 = P D λ 1 p n1 λ 2 p n2 λ n p nn p n1 p n2 p nn 0 0 λ n donde D es la matriz diagonal que tiene como elementos en la diagonal principal a los valores propios λ 1, λ 2,, λ n Dado que los vectores columnas de P son linealmente independientes, P es inversible y por tanto se tiene que D = P 1 AP, es decir, A es diagonalizable Álgebra Lineal 59
4 52 Diagonalización Proposición 59 Sea f : V V un operador lineal, siendo V un espacio vectorial de dimensión n Entonces, existe una base de V con respecto a la cual la matriz de f es diagonal si y sólo si f tiene n vectores propios linealmente independientes Teorema 510 Sean v 1, v 2,, v k vectores propios de una matriz A asociados a los valores propios λ 1, λ 2,, λ k respectivamente, siendo λ i λ j, i, j = 1, 2,, k, con i j Entonces el conjunto de vectores {v 1, v 2,, v k } es linealmente independiente Supongamos que v 1, v 2,, v k son linealmente dependientes Por definición, un vector propio es distinto de cero, luego el conjunto {v 1 } es linealmente independiente Sea r el máximo entero tal que {v 1, v 2,, v r } es linealmente independiente Puesto que hemos supuesto que {v 1, v 2,, v k } es linealmente dependiente, r satisface que 1 r < k Además, por la manera en que se definió r, {v 1, v 2,, v r, v r+1 } es linealmente dependiente Por tanto, existen escalares c 1, c 2,, c r+1, al menos uno diferente de cero, tales que c 1 v 1 + c 2 v c r+1 v r+1 = 0 51 Multiplicando en ambos lados de la igualdad por A y haciendo las sustituciones Av 1 = λ 1 v 1, Av 2 = λ 2 v 2,, Av r+1 = λ r+1 v r+1 se obtiene c 1 λ 1 v 1 + c 2 λ 2 v c r λ r v r + c r+1 λ r+1 v r+1 = 0 52 Multiplicando los dos lados de (51) por λ r+1 y restándole a (52) la ecuación resultante se obtendrá c 1 (λ 1 λ r+1 )v 1 + c 2 (λ 2 λ r+1 )v c r (λ r λ r+1 )v r = 0 Y dado que los vectores v 1, v 2,, v r son linealmente independientes, necesariamente c 1 1(λ 1 λ r+1 ) = c 2 (λ 2 λ r+1 ) = = c r (λ r λ r+1 ) = 0 Como los λ 1, λ 2,, λ r+1 son distintos entre si, se deduce que c 1 = c 2 = = c r = 0 Sustituyendo estos valores en (51) resulta que c r+1 v r+1 = 0, y como v r+1 0 se deduce que c r+1 = 0, lo que contradice el hecho de que al menos uno de los escalares c 1, c 2,, c r+1 debía de ser distinto de cero Luego no se puede suponer que v 1, v 2,, v k sean linealmente dependientes y tenemos probado el teorema Corolario 511 Si una matriz A de orden n tiene n valores propios distintos, entonces A es diagonalizable Proposición 512 Sea A una matriz de orden n y λ i un valor propio de A de multiplicidad n i, si V (λ i ) es el espacio característico correspondiente al valor propio λ i Entonces 1 dim V (λ i ) n i Evidentemente dim V (λ i ) 1, como ya observamos en la definición 54 Supongamos entonces que dim V (λ i ) = d, y consideremos el operador lineal f : IR n IR n definido por f(v) = Av Sea {v 1,, v d } una base del espacio característico V (λ i ), que podemos completar hasta obtener una base de IR n, {v 1,, v d, v d+1,, v n } En dicha base, la matriz del operador será de la forma λ i λ i 0 A = B 0 0 λ i 0 B Álgebra Lineal 60
5 53 Diagonalización ortogonal Como A y A son matrices semejantes tienen el mismo polinomio característico, es decir, λi A = λi A = (λ λ i ) d λi B, de donde se obtiene que d n i Teorema fundamental de la diagonalización 513 Sea A una matriz de orden n Entonces A es diagonalizable si y sólo si se cumplen las condiciones: a) Las n raices de la ecuación característica de A son todas reales Es decir, λi A = (λ λ 1 ) n1 (λ λ m ) n m con n 1 + n n m = n b) Si V (λ i ) es el espacio característico de A correspondiente a λ i, 1 i m, y n i es la multiplicidad de λ i en la ecuación característica de A, entonces dim V (λ i ) = n i Si A es diagonalizable, existe una matriz P inversible tal que P 1 AP = D (diagonal), es decir, A y D son matrices semejantes y por tanto poseen el mismo polinomio característico, luego λi A = λi D = (λ λ 1 ) n1 (λ λ m ) nm siendo λ i IR un valor de la diagonal de D repetido n i veces Luego, por ser D de orden n se verificará que n 1 + n n m = n, es decir, que las n raices son reales Además, por ser A y D matrices semejantes, también lo son λi A y λi D para todo λ IR, ya que λi D = λp 1 P P 1 AP = P 1 (λi A)P, λ IR De donde se deduce que rg(λi A) = rg(λi D), λ IR Ahora bien, si hacemos λ = λ i, i/1 i m, entonces rg(λ i I A) = rg(λ i I D) = n n i dim V (λ i ) = n i, i = 1, 2,, m, lo que prueba b) Si λi A = (λ λ 1 ) n1 (λ λ m ) n m, con n 1 + n n m = n, y dim V (λ i ) = n i para todo i = 1, 2,, m, consideremos en cada V (λ i ) una base B i, de la forma B 1 = {p 1,, p n1 }, B 2 = {p n1+1,, p n1+n 2 },, B m = {p n1+n 2+ +n m 1+1,, p n1+n 2+ +n m } Tomemos entonces B = B 1 B 2 B m, un conjunto de n vectores propios de A, si vemos que son linealmente independientes, tendremos que A es diagonalizable Planteemos una combinación lineal igualada a cero: (β 1 1p β 1 n 1 p n1 ) + (β 2 1p n β 2 n 2 p n1 +n 2 )+ + + (β m 1 p n1 + +n m β m n m p n1 + +n m ) = 0 Llamemos v 1 al primer vector situado entre paréntesis, v 2 al segundo vector situado entre paréntesis, etc Los vectores v 1, v 2,, v m son vectores del espacio característico correspondientes, respectivamente, a los valores propios distintos λ 1, λ 2,, λ m y por tanto, si no son cero, son linealmente independientes Pero la combinación lineal v 1 + v v m = 0 nos indicaría que son dependientes, luego la única forma de eliminar esa contradicción es que v i = 0, i = 1, 2,, m, lo cual nos llevará por otra parte a que βj i = 0 i, j, con lo cual se obtiene que B es linealmente independiente 53 Diagonalización ortogonal Teorema 514 Sea A una matriz de orden n, entonces son equivalentes: a) A es diagonalizable ortogonalmente b) A tiene un conjunto de n vectores propios ortonormales Álgebra Lineal 61
6 54 Ejercicios En efecto, A es diagonalizable ortogonalmente existe P ortogonal tal que P t AP = D (con D diagonal) existe P ortogonal tal que AP = P D Si llamamos p 1, p 2,, p n a los vectores columnas de P, éstos vectores son ortonormales y lo anterior es lo mismo que escribir Ap 1 = λ 1 p 1,, Ap n = λ n p n, supuesto que D = λ λ 2 0, y como al ser P inversible se tiene que p 1, p 2,, p n son linealmente independientes y por tanto no nulos A tiene n vectores propios 0 0 λ n ortonormales Teorema fundamental de la diagonalización ortogonal 515 Una matriz A de orden n es diagonalizable ortogonalmente si y sólo si A es simétrica Teorema 516 Si A es una matriz simétrica, entonces los vectores propios que pertenecen a valores propios distintos son ortogonales Sean λ 1 y λ 2 valores propios distintos de una matriz simétrica A y sean u y v vectores propios correspondientes a λ 1 y λ 2 respectivamente Tenemos que probar que u t v = 0 (Notar que u t Av es un escalar) Se tiene que u t Av = (u t Av) t = v t Au = v t λ 1 u = λ 1 v t u = λ 1 u t v, y por otra parte que u t Av = u t λ 2 v = λ 2 u t v, por tanto λ 1 u t v = λ 2 u t v (λ 1 λ 2 )u t v = 0 y como λ 1 λ 2 0, entonces u t v = 0 54 Ejercicios 51 Hallar las ecuaciones características, los valores propios y bases de los espacios característicos de las siguientes matrices: ( ) a) b) c) Sea T : M 2 2 M 2 2 el operador ( lineal) definido ( por: ) a b 2c a + c T = c d b 2c d Hallar los valores propios de T y bases para los subespacios característicos de T 53 Demostrar que λ = 0 es un valor propio de una matriz A si y sólo si A es no inversible 54 Probar que el término constante del polinomio característico P (λ) = λi A de una matriz A de orden n es ( 1) n det(a) 55 Demostrar que si λ es un valor propio de A entonces λ 2 es un valor propio de A 2 Demostrar por inducción que, en general, λ n es un valor propio de A n, n IN 56 Estudiar si son o no diagonalizables las siguientes matrices y en caso de que lo sean hallar una matriz P tal que P 1 AP = D con D matriz diagonal: ( ) a) b) c) Álgebra Lineal 62
7 54 Ejercicios 57 Sea T : IR 3 IR 3 el operador lineal T x 1 x 2 x 3 = de IR 3 respecto de la cual la matriz de T sea diagonal 2x 1 x 2 x 3 x 1 x 3 x 1 + x 2 + 2x 3 Hallar una base 58 Sea P 1 (x) el espacio vectorial de los polinomios de grado menor o igual a 1 Sea T : P 1 (x) P 1 (x) el operador lineal T (a 0 +a 1 x) = a 0 +(6a 0 a 1 )x Hallar una base de P 1 (x) respecto de la cual la matriz de T sea diagonal 59 Sea A una matriz de orden n y P una matriz inversible de orden n Demostrar por inducción que (P 1 AP ) k = P 1 A k P, k IN ( ) Calcular A 40 siendo A = Estudiar la diagonalizabilidad de la matriz A, dada en función de los parámetros a y b, siendo A = 0 1 a En los casos posibles diagonalizarla 3 0 b 512 Sea A una matriz de orden 2 tal que A 2 = I Probar que A es diagonalizable 513 Hallar una matriz P que diagonalice ortogonalmente a A y calcular P 1 AP para cada una de las siguientes matrices: ( ) a) b) c) a) Demostrar que si D es una matriz diagonal con elementos no negativos entonces existe una matriz S tal que S 2 = D b) Demostrar que si A es una matriz diagonalizable con valores propios no negativos entonces existe una matriz S tal que S 2 = A 515 Probar que A y A t tienen los mismos valores propios siendo A una matriz de orden n 516 Sea A una matriz de orden n y P (λ) = λi A Probar que el coeficiente de λ n 1 en P (λ) es el opuesto de la traza de A 517 Sea A una matriz de orden n inversible, demostrar que los valores propios de A 1 son los inversos de los valores propios de A 518 Sea A una matriz de orden n ortogonal, probar que todos los valores propios de A son uno o menos uno 519 Se sabe que (1, 0, 0), (1, 1, 0), (0, 1, 0) y (0, 0, 1) son vectores propios de una matriz de orden 3 y que hay vectores de IR 3 que no lo son Calcular todos los vectores propios de la matriz { un = 3u 520 Se dan las siguientes ecuaciones de recurrencia: n 1 + 3v n 1 Utilizar la diagonalización para calcular u n y v n en función de n, sabiendo que u 0 = v 0 = v n = 5u n 1 + v n Los dos primeros términos de una sucesión son a 0 = 0 y a 1 = 1 Los términos siguientes se generan a partir de a k = 2a k 1 + a k 2 ; k 2 Hallar a 127 Álgebra Lineal 63
8 54 Ejercicios 522 El propietario de una granja para la cría de conejos observó en la reproducción de éstos que: i) Cada pareja adulta (con capacidad reproductora) tiene una pareja de conejos cada mes ii) Una pareja recién nacida tarda dos meses en tener la primera descendencia Si partimos de una pareja adulta y siendo a n el número de parejas nacidas en el n-ésimo mes (a 0 = 0), se pide: a) Obtener una fórmula recurrente para a n en función de términos anteriores b) Probar que a n = (1 + 5) n (1 5) n c) Calcular, si existe: lim n 2 n 5 a n+1 a n 523 Sea el determinante n n siguiente: D n = Dar una expresión de D n en función de los determinantes de tamaño menor que n y obtener las ecuaciones de recurrencia para hallar su valor 524 Determinar para qué valores de a, b y c son diagonalizables simultáneamente las matrices 1 a b 1 a b A = 0 2 c y B = 0 1 c Estudiar para qué valores de a, b y c es diagonalizable la matriz A = 526 Dada la matriz A = es diagonalizable a a 0 a a 0 b 0 2b c 2a 0 b 0 a 0 2b c Estudiar para qué valores de a y b la matriz A 527 Sea f: IR 3 IR 3 el operador lineal cuya matriz asociada a la base canónica es: m 0 0 A = 0 m 1 1 n m a) Determinar para qué valores de m y n existe una base de IR 3 de tal forma que la matriz en esa base sea diagonal En los casos que f sea diagonalizable calcular una base en la cuál la matriz de f sea diagonal b) Si n = 0, observando la matriz A y sin hacer ningún cálculo, determinar un valor propio y un vector propio asociado a dicho valor propio, razonando la respuesta Álgebra Lineal 64
9 54 Ejercicios 528 Dada la matriz A = a b d 1 1 c e f 1 Encontrar para qué valores de los parámetros a, b, c, d, e, f IR la matriz A es diagonalizable Para dichos valores encontrar las matrices P y D tales que P 1 AP = D, donde D es una matriz diagonal 529 En IR 4 consideramos el subconjunto: S = {(x 1, x 2, x 3, x 4 ) / x 2 x 4 = 0} Sea T : IR 4 IR 4 el operador lineal que verifica: es el conjunto de vec- i) ker(t ) = {x IR 4 / < x, y >= 0, y S} ii) T (1, 0, 0, 0) = ( 1, 3, 1, 2) iii) T (1, 1, 1, 1) = ( 3, m, n, p) { x1 + x iv) El subespacio solución del sistema: 2 + x 3 + x 4 = 0 x 2 + 2x 3 + 2x 4 = 0 tores propios correspondientes a un mismo valor propio de T Se pide: a) Probar que S es un subespacio vectorial de IR 4 b) Hallar ker(t ) c) Encontrar una base para el subespacio de vectores propios de la propiedad (iv) d) La matriz estándar de T 530 Sean f : IR 4 IR 4 un operador lineal, y B = {e 1, e 2, e 3, e 4 } la base canónica de IR 4, verificando lo siguiente: i) f(e 1 ) H = {x IR 4 / x 2 = 0} ii) f(e 2 ) S = {x IR 4 / x 2 = 1 y x 4 = 0} iii) f(e 3 ) = (α, β, 1, 2); f(e 4 ) = (1, 0, 2, γ) iv) ker f es el conjunto de soluciones del sistema: 2x 1 + x 2 + 2x 3 2x 4 = 0 3x 1 + 3x 2 + x 3 + x 4 = 0 x 1 x 2 x 3 + 3x 4 = 0 v) Las ecuaciones implícitas de la imagen de f son y 1 2y 3 y 4 = 0 vi) El operador f es diagonalizable Hallar la matriz estándar de f Álgebra Lineal 65
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 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 detallesGeometría afín y proyectiva, 2016 SEMANA 4
Geometría afín y proyectiva, 2016 SEMANA 4 Sonia L. Rueda ETS Arquitectura. UPM September 30, 2016 Geometría afín y proyectiva 1. Álgebra Lineal 2. Geometría afín y eucĺıdea 3. Cónicas y cuádricas Álgebra
Más detallesAutovalores y autovectores 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
7 Diagonalización de matrices 7.1. Matrices diagonalizables Existen diversos procesos en los que el estado en cada uno de sus pasos se puede representar por un determinado vector y en los que, además,
Más detallesTema 2. Aplicaciones lineales. Diagonalización de endomorfismos.
Tema 2. Aplicaciones lineales. Diagonalización de endomorfismos. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada
Más detallesCONJUNTO R n. = (5, 2, 10) de 3, son linealmente. = (2,1,3) y v 3. = (0,1, 1) y u 3. = (2,0,3, 1), u 3. = (1,1, 0,m), v 2
CONJUNTO R n.- Considerar los vectores u = (, -3, ) y v = (, -, ) de 3 : a) Escribir, si es posible, los vectores (, 7, -4) y (, -5, 4) como combinación lineal de u y v. b) Para qué valores de x es el
Más 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 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 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 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 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 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 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 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 detallesAplicaciones lineales
53 Matemáticas I : Álgebra Lineal Tema 5 Aplicaciones lineales 5. Definición. Núcleo e imagen Definición 26.- Sea f: V W una aplicación entre los espacios vectoriales reales V y W. Se dice que f es una
Más 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 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 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 detallesf(x, y, z, t) = (x + y t, x + 2y z 3t, 3x + 5y 2z 7t).
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Álgebra Convocatoria de enero de 20 de enero de 20 (2.5 p.) ) Se considera la aplicación lineal f : R 4 R definida por: f(x y
Más detalles1. Espacio vectorial. Subespacios vectoriales
Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS Sea k un cuerpo. 1. Espacio vectorial. Subespacios vectoriales Definición 1.1. Un k-espacio vectorial o espacio vectorial
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 detallesAnexo 1: Demostraciones
75 Matemáticas I : Álgebra Lineal Anexo 1: Demostraciones Espacios vectoriales Demostración de: Propiedades 89 de la página 41 Propiedades 89- Algunas propiedades que se deducen de las anteriores son:
Más 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 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 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 detalles6.6. Diagonalización de matrices simétricas o hermitianas. Ejemplo de una diagonalización de una matriz simétrica
6.6 Diagonalización de matrices simétricas o hermitianas Ejemplo de una diagonalización de una matriz simétrica Matrices hermitianas Los autovalores de las matrices reales simétricas o complejas hermitianas
Más detallesMatrices. Operaciones con matrices.
Matrices. Operaciones con matrices. Ejercicio. Dadas las matrices ( ) ( ) 4 A = B = ( ) C = D = 4 5 ( ) 4 E = F = seleccione las que se pueden sumar y súmelas. Ejercicio. Dadas las matrices ( ) ( ) A =
Más 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 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 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 detallesTema 1. Espacios Vectoriales. Sistemas de ecuaciones.
Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)
Más detallesEspacios Vectoriales, Valores y Vectores Propios
, Valores y Vectores Propios José Juan Rincón Pasaye, División de Estudios de Postgrado FIE-UMSNH Curso Propedéutico de Matemáticas para la Maestría en Ciencias opciones: Sistemas de Control y Sistemas
Más 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 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 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 detalles2.7 Aplicaciones del Teorema de Jordan
26 Álgebra lineal 27 Aplicaciones del Teorema de Jordan En esta sección seguimos suponiendo que K C Endomorfismos y matrices nilpotentes Definición Decimos que una matriz A M n (C es nilpotente si existe
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 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 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. 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 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 detallesProducto Escalar. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Producto Escalar 1 / 31
Producto Escalar AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Producto Escalar 1 / 31 Objetivos Al finalizar este tema tendrás que: Saber usar el producto escalar. Calcular
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 detallesALGEBRA LINEAL Y GEOMETRÍA I
ALGEBRA LINEAL Y GEOMETRÍA I TEMA 3: Autovalores y Autovectores. Introducción Ya conoces que las aplicaciones lineales entre espacios vectoriales, al elegir bases en ellos, las puedes representar por matrices.
Más 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 detallesAlgunos 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 detalles2 Espacios vectoriales
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1 2 Espacios vectoriales 2.1 Espacio vectorial Un espacio vectorial sobre un cuerpo K (en general R o C) es un conjunto V sobre el que hay
Más detallesAPÉNDICE 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 detallesCapítulo 9: Diagonalización de matrices
Capítulo 9: Diagonalización de matrices 1. Lección 33. Transformaciones lineales Del mismo modo que el estudio de las funciones usuales es importante para analizar las relaciones y la evolución de magnitudes
Más detallesProblemas de exámenes de Aplicaciones Lineales y Matrices
1 Problemas de exámenes de Aplicaciones Lineales y Matrices 1. Consideramos f End(R n ), que tiene matriz A respecto la base canónica. Cuál de las siguientes afirmaciones es incorrecta? a) Si v es un vector
Más detallesESPACIOS VECTORIALES Y APLICACIONES LINEALES
Departamento de Matemática Aplicada II E.E.I. ÁLGEBRA Y ESTADÍSTICA Boletín n o (010-011 ESPACIOS VECTORIALES Y APLICACIONES LINEALES 1. En el espacio vectorial ordinario R 4 estudiar cuáles de los siguientes
Más detallesEspacios 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 detallesTema 1. Espacios Vectoriales Definición de Espacio Vectorial
Tema 1 Espacios Vectoriales. 1.1. Definición de Espacio Vectorial Notas 1.1.1. Denotaremos por N, Z, Q, R, C, a los conjuntos de los números Naturales, Enteros, Racionales, Reales y Complejos, respectivamente.
Más detallesTema 4: Sistemas de ecuaciones lineales.
Tema 4: Sistemas de ecuaciones lineales 1 Rango de una matriz Definición Sea A Mat n m (K) Se llama rango de filas de A, y se denota por rg f (A) la dimensión del subespacio vectorial generado por las
Más detallesDepartamento de Ingeniería Matemática - Universidad de Chile
Ingeniería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Álgebra Lineal 08-2 SEMANA 7: ESPACIOS VECTORIALES 3.5. Generadores de un espacio vectorial Sea V un espacio 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 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 detallesAlgebra 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 detallesEspacios Vectoriales
Espacios Vectoriales Espacios Vectoriales Verónica Briceño V. noviembre 2013 Verónica Briceño V. () Espacios Vectoriales noviembre 2013 1 / 47 En esta Presentación... En esta Presentación veremos: Espacios
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 detallesTema 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 detallesProblemas de Espacios Vectoriales
Problemas de Espacios Vectoriales 1. Qué condiciones tiene que cumplir un súbconjunto no vacío de un espacio vectorial para que sea un subespacio vectorial de este? Pon un ejemplo. Sean E un espacio vectorial
Más detalles2. Teorema de las multiplicidades algebraica y geométrica.
Guía. Álgebra III. Examen parcial II. Valores y vectores propios. Forma canónica de Jordan. Teoremas con demostraciones que se pueden incluir en el examen El examen puede incluir una demostración entera
Más detallesTEMA V. Espacios vectoriales
TEMA V. Espacios vectoriales 1 1. Demostrar que cada uno de los siguientes conjuntos tiene estructura de espacio vectorial sobre el cuerpo de los reales: a El conjunto (R 2, +,, R. b El conjunto (R 3,
Más detallesValores y vectores propios
Valores y vectores propios Problemas teóricos El los siguientes problemas se denota por L(V ) conjunto de los operadores lineales en un espacio vectorial V (en otras palabras, de las transformaciones lineales
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 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 detalles4.2 Producto escalar.
Producto escalar. 147 Este resultado tiene su recíproco, es decir, cualquier matriz cuadrada A define la forma bilineal b(x, y) =x T Ay Si b es simétrica, la matriz A es simétrica. Si b es definida positiva,
Más detallesDepartamento de Ingeniería Matemática - Universidad de Chile
Ingeniería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Álgebra Lineal 8-7 Formas cuadráticas SEMANA 4: FORMAS CUADRÁTICAS 7 Formas cuadráticas y matrices definidas positivas
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 detallesCuestiones de Álgebra Lineal
Cuestiones de Álgebra Lineal Algunas de las cuestiones que aparecen en esta relación están pensadas para ser introducidas en un plataforma interactiva de aprendizaje de modo que los parámetros a, b que
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 detallesSubspacios Vectoriales
Subspacios Vectoriales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Subspacios Vectoriales 1 / 25 Objetivos Al finalizar este tema tendrás que: Saber si un subconjunto es
Más detalles4. Espacios vectoriales
Contents 4 Espacios vectoriales 2 4.1 Dependencia e independencia lineal.................................. 4 4.2 Subespacios vectoriales.............................................. 7 4.3 Bases y dimensión..................................................
Más detallesMATRICES Y SISTEMAS DE ECUACIONES
MATRICES Y SISTEMAS DE ECUACIONES Definición Una matriz real de orden m n es una tabla ordenada de m n números reales a 11 a 12 a 1n a A = 21 a 22 a 2n a m1 a m2 a mn en la cual las líneas horizontales
Más detallesCAPÍTULO 5: AUTOVALORES Y AUTOVECTORES, FORMA CANÓNICA DE JORDAN
CAPÍTULO 5: AUTOVALORES Y AUTOVECTORES, FORMA CANÓNICA DE JORDAN 5.1- Definición: matrices semejantes. Se dice que dos matrices A y B son semejantes si existe una matriz regular P tal que se verifica B
Más detallesFundamentos Matemáticos de la Ingeniería. Tema 4: Diagonalización de matrices. Curso
Fundamentos Matemáticos de la Ingeniería Tema 4 Hoja Escuela Técnica Superior de Ingeniería Civil e Industrial Esp en Hidrología Fundamentos Matemáticos de la Ingeniería Tema 4: Diagonaliación de matrices
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 detallesEspacios Vectoriales. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21
Espacios Vectoriales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21 Objetivos Al finalizar este tema tendrás que: Saber si unos vectores son independientes.
Más detalles7 Aplicaciones ortogonales
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1 7 Aplicaciones ortogonales 7.1 Aplicación ortogonal Se llama aplicación ortogonal a un endomorfismo f : V V sobre un espacio vectorial
Más detalles6 Vectores. Dependencia e independencia lineal.
6 Vectores. Dependencia e independencia lineal. Introducción Hay fenómenos reales que se pueden representar adecuadamente mediante un número con su adecuada unidad de medida. Sin embargo para representar
Más detallesun conjunto cuyos elementos denominaremos vectores y denotaremos por es un espacio vectorial si verifica las siguientes propiedades:
CAPÍTULO 2: ESPACIOS VECTORIALES 2.1- Definición y propiedades. 2.1.1-Definición: espacio vectorial. Sea un cuerpo conmutativo a cuyos elementos denominaremos escalares o números. No es necesario preocuparse
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 detalles7.1 Transformaciones lineales nilpotentes
Capítulo 7 Forma de Jordan En este capítulo continuaremos estudiando la estructura de los endomorfismos de un espacio vectorial de dimensión finita Veremos que si V es un K-espacio vectorial de dimensión
Más detallesA d) Estudiar la diagonalización del endomorfismo T. Es posible encontrar una base de vectores propios de R 2 [x]? Razonar la respuesta.
Universidad de Oviedo Ejercicio.5 puntos Se consideran las aplicaciones lineales T : R [x] R y T : R R [x] de las que se conoce la matriz A asociada a T en las bases canónicas de R [x] y R y la matriz
Más detallesTema 1: Espacios vectoriales
PROBLEMAS DE MATEMÁTICAS Parte I: Álgebra Primero de Ingeniería Química FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha Tema 1: Espacios vectoriales 1 Determina
Más detallesUNIVERSIDAD DE CONCEPCION FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE INGENIERIA MATEMATICA
AL GEBRA III UNIVERSIDAD DE CONCEPCION FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE INGENIERIA MATEMATICA ALGEBRA III DEFINICION : Sea L : V V un operador lineal sobre el espacio vectorial
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 detallesPreparaduría V. 1.- Sea A una matriz diagonal n n cuyo polinomio característico es
Preparaduría V 1.- Sea A una matriz diagonal n n cuyo polinomio característico es (x c 1 ) d1 (x c 2 ) d2... (x c k ) d k donde los c 1,..., c k son distintos dos a dos. Sea V el espacio de matrices n
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 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 detallesINGENÍERIA INFORMÁTICA. PROBLEMAS DE ALGEBRA
INGENÍERIA INFORMÁTICA. PROBLEMAS DE ALGEBRA C. Galindo 1. Resolver el siguiente sistema de ecuaciones x 1 + 3x 2 2x 3 + 2x 5 = 0 2x 1 + 6x 2 5x 3 2x 4 + 4x 5 3x 6 = 1 5x 3 + 10x 4 + 15x 6 = 5 2x 1 + 6x
Más detallesALGEBRA LINEAL Y GEOMETRÍA. REPASO DE ÁLGEBRA LINEAL-2: CAMBIOS DE BASE GRADO DE MATEMÁTICAS. CURSO
ALGEBRA LINEAL Y GEOMETRÍA. REPASO DE ÁLGEBRA LINEAL-2: CAMBIOS DE BASE GRADO DE MATEMÁTICAS. CURSO 2012-2013 José García-Cuerva Universidad Autónoma de Madrid 11 de febrero de 2013 JOSÉ GARCÍA-CUERVA
Más detalles6.7. Clasificación de formas cuadráticas
6.7 Clasificación de s s 1.1. Definición de s s en R n El concepto básico que sirve para definir una es el de polinomio homogéneo de segundo grado en varias variables. En toda esta sección sobreentenderemos
Más detallesCuestiones de diagonalización de matrices
Cuestiones de diagonalización de matrices Ximo Beneyto Genius, el secreto de los mejores -49- CUESTIONES RESUELTAS DIAGONALIZACION DE MATRICES CUADRADAS 1.- Un vector propio de una matriz no puede estar
Más detallesVECTORES EN EL ESPACIO
UNIDAD VECTORES EN EL ESPACIO Página 13 Problema 1 Halla el área de este paralelogramo en función del ángulo α: cm Área = 8 sen α = 40 sen α cm α 8 cm Halla el área de este triángulo en función del ángulo
Más detallesÁLGEBRA 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 detallesx, 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