Funciones construidas para realizar de manera automática algunas operaciones: #1: RESTA_COL(M_, i_, j_, r_) SUBTRACT_ELEMENTS(M_`, i_, j_, r_)`
|
|
- Silvia Mendoza Venegas
- hace 5 años
- Vistas:
Transcripción
1 Funciones construidas para realizar de manera automática algunas operaciones: #1: RESTA_COL(M_, i_, j_, r_) SUBTRACT_ELEMENTS(M_`, i_, j_, r_)` La función RESTA_COL(M,i,j,r) resta a la columna i de la matriz M la columna j multiplicada por el valor r (como la orden SUBTRACT_ELEMENTS pero para las columnas de la matriz) #2: SWAP_COL(M_, i_, j_) SWAP_ELEMENTS(M_`, i_, j_)` La función SWAP_COL(M,i,j) intercambia las columnas i y j de la matriz M (como la orden SWAP_ELEMENTS pero para las columnas de la matriz) #3: Force1(M_, i_, j_, p_) FORCE0(M_`, j_, i_, p_)` La función FORCE1(M,i,j,p) hace 0 el elemento ij de la matriz M operando con la columna p, es decir, hace Col_j - (m_ij/m_ip) Col_p (como la orden FORCE0 pero para las columnas de la matriz). Notad que FORCE0 es como SUBTRACT_ELEMENTS (luego que FORCE1 es como RESTA_COL) pero sin poner el valor concreto para la operación, sólo hay que indicarle de donde debe tomarlo Ejercicio #4: A #5: w1 [1, 1, 1, 1, 1, 1] #6: w2 [0, -1, -1, -1, -1, -1] #7: w3 [0, 0, 1, 1, 1, 1] #8: w4 [0, 0, 0, -1, -1, -1] #9: w5 [0, 0, 0, 0, 1, 1] #10: w6 [0, 0, 0, 0, 0, -1] a) #11: (P(x) CHARPOLY(A1, x)) = P(x) x (x - 4 x + x + 10 x - 4 x - 8) Página: 2
2 b) #12: EIGENVALUES(A1) = [0, -1, 2] #13: P(x) Pa1(x) = Pa1(x) x - 4 x + x + 10 x - 4 x - 8 x #14: Pa1(0) = -8 Luego λ1=0 con multiplicidad 1 #15: Pa1(x) Pa2(x) = Pa2(x) x - 5 x + 6 x + 4 x - 8 x + 1 #16: Pa2(-1) = 0 #17: Pa1(x) 3 2 Pa2(x) = Pa2(x) x - 6 x + 12 x (x + 1) #18: Pa2(-1) = -27 Luego λ2=-1 con multiplicidad 2 #19: Pa2(x) 2 Pa3(x) = Pa3(x) x - 4 x + 4 x - 2 #20: Pa3(2) = 0 #21: #22: Pa2(x) Pa3(x) = Pa3(x) x (x - 2) Pa2(x) Pa3(x) = Pa3(x) 1 3 (x - 2) y λ3=2 con multiplicidad 3 c) El autovalor de mayor valor absoluto es 2, luego queremos comprobar si T(v)=2v para alguno de los dos vectores. Como T(v)=2v si [T(v)]_B=[2v]_B y sabemos que [T(v)]_B=A1 [v]_b y [2v]_B=2[v]_B, bastará encontrar las coordenadas de cada uno de esos vectores v y comprobar si cumple la igualdad A1 [v]_b - 2[v]_B = 0. Llamaremos vec1=[w1+w3-w4+2 w6]_b y vec2=[2 w2-4 w3+3 w1-3 w5+3 w4+3 w6]_b #23: vec Página: 3
3 #24: vec #25: #26: A1 vec1-2 vec1 = A1 vec2-2 vec2 = Luego el primero no cumple la condición, pero sí el segundo. d) Consideremos la matriz M(λ)=λ I-A1, como las coordenadas en la base B de los vectores de un V(λ) son las soluciones del sistema M(λ) X=0, para conocer la dimensión basta con obtener el rango de M(λ). Pues tenemos que dim(v(0))=6-rang(m(0)), dim(v(-1))=6-rang(m(-1)) y dim(v(2))=6-rang(m(2)). Entonces #27: M(λ) λ IDENTITY_MATRIX(6) - A1 Página: 4
4 #28: #29: λ λ λ M(λ) = λ λ λ (Ms0 ROW_REDUCE(M(0))) = Ms Luego dim(v(0))=6-rang(m(0))=6-5=1 #30: (Ms1 ROW_REDUCE(M(-1))) = Ms Luego dim(v(-1))=6-rang(m(-1))=6-4=2 Página: 5
5 #31: (Ms2 ROW_REDUCE(M(2))) = Ms Luego dim(v(2))=6-rang(m(2))=6-3=3 e) Sí se cumplen, pues el polinomio característico tiene las 6 raices reales P(λ)=(λ-0) (λ+1)^2 (λ-2)^3 y se cumple para cada autovalor la dim(v(λ)) coincide con su multiplicidad dim(v(0))=1, dim(v(-1))=2 y dim(v(2))=3. En consecuencia la matriz es diagonalizable. f) Basta para ello con obtener una base de los espacios de las soluciones de los sistemas considerados en el apartado d). Como ya hemos obtenido la matriz escalonada reducida de las matrices M(0), M(-1) y M (2), obtenemos la solución directamente a partir de ellas: Para V(0): de la matriz Ms0 tenemos que [x1,x2,x3,x4,x5,x6] = [x6/2, 0, x6/2, 0, -x6/2, x6 ] = x6 [1/2,0,1/2,0,-1/2,1]. Luego el vector de coordenadas S01 es lo pedido: #32: S Para V(-1): de Ms1 tenemos que [x1,x2,x3,x4,x5,x6] = [2 x5+x6, x5-x6, x5+x6, -x5, x5, x6 ] = x5 [2,1,1,-1,1,0]+x6 [1,-1,1,0,0,1]. Luego S11 y S12 es lo pedido: #33: S Página: 6
6 #34: S y para V(2): de Ms2 tenemos que [x1,x2,x3,x4,x5,x6] = x4 [1,1/3,-5/3,1,0,0]+x5 [0,1/3,1/3,0,1,0]+x6 [0,2/3,2/3,0,0,1]. Luego S21, S22 y S23 es lo pedido: #35: #36: #37: S S S g) Como los vectores columna S01, S11, S12, S21, S22 y S23 son las coordenadas en la base B de los Página: 7
7 vectores de la base en que diagonaliza la matriz A1, será: #38: P1 APPEND_COLUMNS(S01, S11, S12, S21, S22, S23) #39: #40: P1 = P1 A1 P1 = h) En R^6 un vector coincide con sus coordenadas en la base canónica, luego si obtenemos la matriz de paso de B* a la base canónica, los vectores de B* serán las columnas de la matriz. P1 es la matriz de paso de B* a B y obtener la matriz Pe de paso de la base B a la canónica es tan sencillo como como colocar los vectores de B como columnas de la matriz. Luego: #41: (Pe [w1, w2, w3, w4, w5, w6]`) = Pe y la matriz de paso de B* a la base canónica es por tanto: Página: 8
8 #42: Pe P1 = cuyas columnas son los vectores de R^6 que forman la base B* Ejercicio #43: A #44: v1 [2, -1, 0, 0, 0] #45: v2 [-1, 2, -1, 0, 0] #46: v3 [0, -1, 2, -1, 0] #47: v4 [0, 0, -1, 2, -1] #48: v5 [0, 0, 0, -1, 2] a) Una forma cuadrática respecto a las coordenadas en una base fija, puede construirse mediante múltiples matrices, pero sólo una de ellas es simétrica y es a esa matriz simétrica a la que se denomina matriz de la forma cuadrática asociada a la base. Veamos si A2 es simétrica para comprobar si es S o no #49: A2 - A2` = Luego no es simétrica y no es la S buscada. Obtenemos entonces S en la forma Ej 2 Página: 9
9 #50: A2 + A2` S = S b) Vamos a obtener D haciendo operaciones elementales en las filas y las columnas de S. Como en el apartado siguiente nos piden también la matriz P2 de paso a la nueva base, juntaremos A2 con la Identidad, para realizar todas las operaciones a la vez. Hay que realizar la operación elemental en las filas de A2 y repetir la misma con las columnas hasta llegar a la diagonal; y para obtener P2 ha que realizar unicamente las operaciones en las columnas de la Identidad, luego si colocamos I debajo de A2, cada operación en las columnas de A2 se hace también en las columnas de I. Entonces: #51: P20 IDENTITY_MATRIX(5) #52: (St APPEND(S, P20)) = St En cada paso, hacemos un cero con las filas y a continuación tenemos que hacer el mismo cero en las columnas. Así, si usamos la funcion FORCE0 o SWAP_ELEMENTS para realizar la operacion en las filas, luego debemos usar la función correspondiente para realizar la misma operación en las columnas; es decir, cada paso realiza la operacion en las filas y las columnas. Luego si anidamos ambas funciones realizaremos als dos operaciones de una sola vez, o mejor aún si construimos una función que lo haga, como la función construida debajo: #53: diagn(m_, i, j, r) Force1(FORCE0(M_, i, j, r), j, i, r) Así, hacemos 0 el 45 de la posición 31 y el 45 de la posición 13 Página: 10
10 #54: (st1 diagn(st, 2, 1, 1)) = st Hacemos 0 el -27 de la posición 41 y el -27 de la posición 14 #55: (st2 diagn(st1, 3, 1, 1)) = st y sucesivamente... Página: 11
11 #56: #57: (st3 diagn(st2, 4, 1, 1)) = st (st4 diagn(st3, 5, 1, 1)) = st Página: 12
12 #58: #59: (st5 diagn(st4, 3, 2, 2)) = st (st6 diagn(st5, 4, 2, 2)) = st Página: 13
13 #60: #61: (st7 diagn(st6, 5, 2, 2)) = st (st8 diagn(st7, 4, 3, 3)) = st Página: 14
14 #62: (st9 diagn(st8, 5, 3, 3)) = st Página: 15
15 #63: (st10 diagn(st9, 5, 4, 4)) = st Donde teniamos colocada A2 ya hemos conseguido una diagonal y donde estaba I tenemos P2. Luego #64: (D2 st10 ROW [1, 2, 3, 4, 5]) = D d) Y la matriz P2 es Página: 16
16 #65: (P2 st10 ROW [6, 7, 8, 9, 10]) = P que en efecto cumple que P` A2 P2 = D2 #66: P2` S P2 = d) Como en el apartado h) del Ejercicio 1, como P2 es la matriz de paso de B* a B, si obtenemos la matriz de paso de B a la canónica de R^5, las columnas de la matriz de paso de B* a la canónica serán los vectores de B*. Entonces: #67: (Pe2 [v1, v2, v3, v4, v5]`) = Pe Página: 17
17 #68: Pe2 P2 = cuyas columnas son los vectores de R^5 que forman la base B*. e) Como en la diagonal de D2 hay tanto elementos positivos como negativos, la forma cuadrática es indefinida. #69: fin Página: 18
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 detallesDiagonalización de matrices, Semejanza.
diagonalizacion.nb 1 Diagonalización de matrices, Semejanza. Practica 8, 28 de abril de 2004 En esta práctica aprenderemos/repasaremos los comandos: Eigenvalues[ matriz ] Calcula los autovalores de una
Más detalles0 a b X = b c 0. f X (A) = AX XA.
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Industriales Álgebra Lineal Convocatoria de Junio 8 de Junio de 2007 (3 ptos.). Sea V = {A M 3 3 (R) / A t = A}. (a) Demostrar que toda
Más detallesDiagonalización de matrices
Diagonalización de matrices María Muñoz Guillermo maria.mg@upct.es U.P.C.T. Matemáticas I M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 1 / 22 Valores y vectores propios de una matriz Definición
Más detallesFormas canónicas reales
Capítulo 7 Formas canónicas reales Introducción Sea V un espacio vectorial sobre C, f End(V y M B (f = A M(n n Sea λ = a + bi es una autovalor complejo de f de multiplicidad m Para tal autovalor complejo
Más detallesExamen Final Ejercicio único (3 horas) 20 de enero de n(n 1) 2. C n,3 = n(n 3) n =
Álgebra Lineal I Examen Final Ejercicio único (3 horas) 0 de enero de 014 1. Sea P un polígono regular de n lados. (i) Cuántas diagonales tiene el polígono?. Las diagonales son segmentos que unen pares
Más detallesFormas cuadráticas. Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza
Formas cuadráticas Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza A lo largo de todo el capítulo consideraremos que V un espacio vectorial real de dimensión finita n. 1 Formas bilineales
Más detallesÁlgebra Lineal. Ejercicios de evaluación. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Ejercicios de evaluación Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR Problema
Más detallesA = [a 1 a 2 a 3. El sistema Ax = c tiene infinitas soluciones N. Existe un único vector x tal que T (x) = c X. T es suprayectiva
Asignatura: ÁLGEBRA LINEAL Fecha: 6 de Julio de Fecha publicación notas: 6 de Julio de Fecha revisión examen: de Julio de Duración del examen: horas y media APELLIDOS Y NOMBRE: DNI: Titulación:. ( punto:,
Más detalles1. DIAGONALIZACIÓN. FORMAS CANÓNICAS
1 1. DIAGONALIZACIÓN. FORMAS CANÓNICAS 1. Se considera la matriz: A = ( 2 3 4 13 con coeficientes en R. Hallar los valores propios, los vectores propios y una matriz P que permita la diagonalización de
Más detalles1. DIAGONALIZACIÓN DE ENDOMORFISMOS
. DIAGONALIZACIÓN DE ENDOMORFISMOS. Se considera la matriz: A ( 2 3 4 3 con coecientes en R. Hallar los valores propios, los vectores propios y una matriz P que permita la diagonalización de A. Calcular
Más detallesa n1 a n2 a nn Es decir, una forma cuadrática es un polinomio homogéneo de grado 2 y n variables.
Capítulo 7 Formas cuadráticas. Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas ya ha sido estudiado, pues el cuadrado de la norma de un vector
Más detallesL(a, b, c, d) = (a + c, 2a 2b + 2c + d, a c, 4a 4b + 4c + 2d).
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Álgebra Convocatoria de enero de 1 18 de enero de 1 (5 p. 1 Para cada α R se considera el siguiente subespacio de R 4 : U α =
Más 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 detallesAUTOVALORES Y AUTOVECTORES
12 de Julio de 2011 AUTOVALORES Y AUTOVECTORES (Clase 01) Departamento de Matemática Aplicada Facultad de Ingeniería Universidad Central de Venezuela 1 Puntos a tratar 1. Valores y vectores propios 2.
Más detallesa) Lo primero que hacemos es buscar las imágenes de los vectores de la base canónica: f(1,0,0) = (3, 5, 6) f(0,1,0) = ( 2, 3, 4) f(0,0,1) = (1, 2, 3)
. Sea f: R 3 R 3 la aplicación lineal definida por las ecuaciones: f(x, y, z) = (3x y + z, 5x 3y + z, 6x 4y + 3z) a) Encontrar la matriz A de f en las bases canónicas. b) Es f biyectiva? Si lo es, encontrar
Más detallesAPLICACIONES LINEALES 3. CAMBIO DE BASE. 2.- Ejecutamos la aplicación lineal en coordenadas canónicas
APLICACIONES LINEALES 3. CAMBIO DE BASE Creo que todos tenemos clara la teoría de los cambios de base. Si tenemos una aplicación lineal y tenemos su matriz en una determinada base (por ejemplo la canónica)
Más detallesProblemas y Ejercicios Resueltos. Tema 6: Diagonalizacion.
Problemas y Ejercicios Resueltos. Tema 6: Diagonalizacion. Ejercicios 1.- Sea f End V. Demostrar que la suma de subespacios f-invariantes es f-invariante. Solución. Sean U, W dos subespacios f-invariantes
Más 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 detallesSolución de problemas I 1
Universidad Autónoma de Madrid Álgebra II. Físicas. Curso 5 6 Solución de problemas I Álgebra II Curso 5-6. Proyecciones en el producto escalar estándar Ejercicio 7.7. (a) Dada la ecuación x + y z, dar
Más detallesTema I. Capítulo 5. Equivalencia, congruencia y semejanza de matrices.
5 Equivalencia, congruencia y semejanza de matrices 1 Equivalencia de matrices por filas 11 Definición y propiedades Definición 11 Dos matrices A, B M m n se dicen equivalentes por filas o equivalentes
Más detallesa n1 a n2 a nn x n a ij x i x j = [x] t B A+At ) t = At +(A t ) t = At +A x j x i = s ij x i x j + s ji x j x i 2 x i x j + a ij + a ji
16 Fundamentos de Matemáticas : Álgebra Lineal Capítulo 1 Formas cuadráticas Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas ya ha sido estudiado,
Más detallesSoluciones a los ejercicios del examen final
Álgebra Lineal Curso 206/7 6 de junio de 207 Soluciones a los ejercicios del examen final Se considera la aplicación lineal L : R 3 R 3 definida por L(x, y, z) = (z x, x + y + z, x y 3z). a) Hallar la
Más detallesAP = A p 1 p 2 p n = Ap 1 Ap 2. λ 1 p 21 λ 2 p 22 λ n p 2n. .. = λ 1 p 1 λ 2 p 2
Capítulo 6 Diagonalización 6 Valores y vectores propios 6 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial V, nos planteamos el problema
Más detallesExamen Ordinario (10 puntos) 3
Examen Ordinario puntos de junio de 5 Fundamentos de Matemáticas { x x x Sean hx = x x x x+x fx = x+ x, si x Domh x, si x / Domh a Obtener el dominio, la continuidad las asíntoras de f. Está acotada la
Más detallesÁlgebra. Ingeniería Industrial. Curso 2006/2007 Examen de Septiembre
Álgebra. Ingeniería Industrial. Curso / Examen de Septiembre OBSERVACIONES: Cada hoja entregada debe contener el nombre, apellidos y número de identificación escrito de forma clara. No mezclar ejercicios
Más detallesSistemas de ecuaciones lineales
CAPíTULO 6 Sistemas de ecuaciones lineales 1 Rango de una matriz a 11 a 1n Sea A = M m n (K) El rango por filas de la matriz A es la dimensión del a m1 a mn subespacio vectorial de K n generado por sus
Más detallesProblema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por: a) Demostrar que (0,1,3),(1,0,-1) y (1,0,1) son una base de R³.
Problema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por: f(0, 1, 3) = (0, 3, 9); f(1, 0, 1) = (2, 0, 2); f(1, 0, 1) = (2, 0, 2) a) Demostrar que (0,1,3),(1,0,-1) y (1,0,1) son una base
Más detallesCurso Departamento de Matemática Aplicada a las Tecnologías de la Información y las Comunicaciones
Tema 5. ÁLGEBRA Diagonalización. Curso 217-218 José Juan Carreño Carreño Departamento de Matemática Aplicada a las Tecnologías de la Información y las Comunicaciones Escuela Técnica Superior de Ingeniería
Más detallesDiagonalización de Matrices Cuadradas.
de Matrices Cuadradas. * Vector propio * Valor propio * Polinomio característico * Cómo se hallan? * Diagonalizabilidad. * Criterios * Aplicaciones Cuadernos Genius, el secreto de los mejores. Tema: de
Más detallesÁlgebra Lineal - Grado de Estadística. Examen final 27 de junio de 2014 APELLIDOS, NOMBRE:
Álgebra Lineal - Grado de Estadística Examen final 7 de junio de 4 APELLIDOS, NOMBRE: DNI: irma Primer parcial Ejercicio Consideremos matrices A m m, B, C n n, Pruebe que bajo la hipótesis de que las inversas
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 detallesÁlgebra Lineal UCR. Sétimo tema, 2013
Álgebra Lineal UCR Sétimo tema, 2013 Presentaciones basadas principalmente en Arce,C, Castillo,W y González, J. (2004) Álgebra lineal. Tercera edición. UCR. San Pedro. Otras fuentes serán mencionadas cuando
Más 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 detallesÁLGEBRA Algunas soluciones a la Práctica 8
ÁLGEBRA Algunas soluciones a la Práctica 8 Aplicaciones bilineales y formas cuadráticas (Curso 24 25 1. Comprobar si las siguientes aplicaciones son o no bilineales y en las que resulten serlo, dar la
Más detallesTema 3: Forma canónica de Jordan de una matriz.
Forma canónica de Jordan de una matriz 1 Tema 3: Forma canónica de Jordan de una matriz. 1. Planteamiento del problema. Matrices semejantes. Matrices triangularizables. El problema que nos planteamos en
Más detallesEsta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )
Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder
Más detallesÁlgebra Lineal. Tema 5 Ecuaciones diferenciales lineales
Álgebra Lineal. Tema 5 Dep. Matemática Aplicada. UMA Tasa relativa de crecimiento Si x(t representa alguna cantidad física como el volumen de una sustancia, la población de ciertas especies, o el número
Más detallesMatrices. Una matriz es una forma de representar un conjunto de números que guardan una relación entre sí, dando un orden mediante filas y columnas.
Matrices. Una matriz es una forma de representar un conjunto de números que guardan una relación entre sí, dando un orden mediante filas y columnas. Ejemplo: Consideremos la siguiente selección de gustos
Más detallesÁLGEBRA LINEAL. EXAMEN EXTRAORDINARIO 2 de julio de 2012 Duración del examen: 3 horas Fecha publicación notas: 11 de julio
ÁLGEBRA LINEAL EXAMEN EXTRAORDINARIO 2 de julio de 22 Duración del examen: 3 horas Fecha publicación notas: de julio Fecha revisión examen: 3 de julio Apellidos: Nombre: Grupo: Titulación: ESCRIBA EL APELLIDO
Más 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 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 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 detallesTema 21. Exponencial de una matriz Formas canónicas de Jordan.
Tema 21 Exponencial de una matriz En este tema vamos a definir y calcular la exponencial de una matriz cuadrada mediante una expresión formalmente análoga al desarrollo en serie de potencias de la exponencial
Más 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 detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD PARA ALUMNOS DE BACHILLERATO LOE Septiembre 2012 MATEMÁTICAS II. CÓDIGO 158
PRUEBAS DE ACCESO A LA UNIVERSIDAD PARA ALUMNOS DE BACHILLERATO LOE Septiembre 01 MATEMÁTICAS II. CÓDIGO 158 OBSERVACIONES IMPORTANTES: El alumno deberá responder a todas las cuestiones de una de las opciones
Más detallesMatrices. 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 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 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 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 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 detallesÁlgebra Lineal. Tema 8. Valores y vectores propios. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Tema 8. Valores y vectores propios Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR
Más 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 detallesEspacios vectoriales con producto escalar
147 Fundamentos de Matemáticas : Álgebra Lineal Capítulo 10 Espacios vectoriales con producto escalar 10.1 Producto escalar. Norma. Distancia Definición 71.- Un producto escalar o producto interior en
Más detallesIndependencia Lineal y Generación. (c) 2012 Leandro Marin
09.00 Independencia Lineal y Generación 3 48700 9000 (c) 0 Leandro Marin . Independencia Lineal Dada una familia de vectores v, v,, v k de un espacio vectorial V, llamaremos combinación lineal de estos
Más detallesNo hay que romperse los cuernos, hay una columna de ceros, por lo tanto.. NO tiene rango 3.
Problema 1. (4 puntos) Sea f: R R la aplicación lineal de R en R definida por: f(1,1,0) = (,, 0) f(1,0,1) = ( 3,0, 3) f(,,1) = (0,0,0) a) Demostrar que (1,1,0), (1,0,1), (,,1) son una base de R. b) Calcular
Más detallesÁlgebra Lineal - Grado de Estadística. Examen final 26 de junio de 2013 APELLIDOS, NOMBRE:
Álgebra Lineal - Grado de Estadística Examen final de junio de APELLIDOS, NOMBRE: DNI: Firma Primer parcial Ejercicio ( Sea A una matriz simétrica definida positiva de orden n y v R n Pruebe que la matriz
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 detallesPráctica 3 (Resolución)
Operaciones y funciones con Derive: A ROW [n,...] A COL [n,...] APPEND(A, B) CHARPOLY(A, λ) EIGENVALUES(A) Submariz formada por las filas de A indicadas. Submariz formada por las columnas de A indicadas.
Más detallesExamen Final Soluciones (3 horas) 8 de julio de 2015
Álgebra Lineal I Examen Final Soluciones (3 horas) 8 de julio de 2015 1. Siete personas suben en un ascensor en la planta baja de un edificio de cinco pisos. Cada una de ellas se apea en alguna de las
Más detallesAplicaciones Lineales. 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 detallesa) 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 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 detallesDiagonalización de matrices, Semejanza.
para cada i de 1 a n. Cuando se encuentra un número real l y un vector no nulo x que verifican la relpractica6.nb 1 Diagonalización de matrices, Semejanza. Introducción Si A es una matriz real cuadrada
Más detallesDiagonalización. Tema Valores y vectores propios Planteamiento del problema Valores y vectores propios
61 Matemáticas I : Álgebra Lineal Tema 6 Diagonalización 61 Valores y vectores propios 611 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial
Más detallesÁlgebra Lineal. Tema 7. La forma canónica de Jordan
Álgebra Lineal Tema 7 La forma canónica de Jordan Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J S ALAS, A T ORRENTE Y EJS V ILLASEÑOR Índice
Más detalles5. Aplicaciones Lineales
Contents 5 Aplicaciones Lineales 2 5.1 Aplicaciones lineales. Definición y propiedades........................ 2 5.2 Núcleo e Imagen.................................................... 3 5.3 Descomposición
Más detallesPodemos pues formular los dos problemas anteriores en términos de matrices.
Tema 5 Diagonalización 51 Introducción Valores y vectores propios 511 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial V de dimensión
Más detallesÁLGEBRA LINEAL I Algunas soluciones a la Práctica 4
ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 4 Equivalencia de matrices. Sistemas de ecuaciones (Curso 2016 2017) 1. Hallar la forma reducida equivalente por filas de la matriz: 1 2 1 0 3 2 1 2 2
Más detalles2.4 Endomorfismos con un único autovalor
Capítulo 2/ Forma canónica de Jordan (Versión 13-3-215) 7 24 Endomorfismos con un único autovalor Diagramas de puntos En esta sección vamos a empezar estudiando endomorfismos con un único autovalor Aunque
Más detallesM a t e m á t i c a s I I 1
Matemáticas II Matemáticas II EXTREMADURA CONVOCATORIA JUNIO 9 SOLUCIÓN DE LA PRUEBA DE ACCESO AUTOR: José Luis Pérez Sanz Opción A a) La matriz A tiene tres filas de las que para calcular el determinante
Más detallesPowered by TCPDF (
Powered by TCPDF (www.tcpdf.org) Análisis Matemático II - Curso 2018 Nota sobre formas cuadráticas y aplicación al análisis de extremos de una función Breve resumen acerca de las formas cuadráticas Necesitamos
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 detallesSea V un conjunto no vacío (cuyos elementos se llamarán vectores) y sea K un cuerpo (cuyos elementos se llamarán escalares).
Capítulo 6 Espacios Vectoriales 6.1 Definiciones Sea V un conjunto no vacío (cuyos elementos se llamarán vectores) y sea K un cuerpo (cuyos elementos se llamarán escalares). Definición 6.1.1 Se dice que
Más detallesÁLGEBRA LINEAL Problemas, 2006/2007
ÁLGEBRA LINEAL Problemas, 2006/2007 Nota: si no se especifíca lo contrario suponemos que las matrices y espacios vectoriales están definidos sobre un cuerpo K arbitrario 1 Una matriz A de orden n n se
Más detallesÁlgebra Lineal. Tema 7. Forma normal de una transformación
Álgebra Lineal Tema 7. Forma normal de una transformación Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V
Más detallesMATRICES Y SISTEMAS DE ECUACIONES
MATRICES Y SISTEMAS DE ECUACIONES Definición Una matriz real de orden m n es una tabla ordenada de m n números reales a 11 a 12 a 1n a A = 21 a 22 a 2n a m1 a m2 a mn en la cual las líneas horizontales
Más detallesA 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 detallesValores y Vectores Propios
Respuestas Guía de ejercicios N 7 parte Complemento Valores y Vectores Propios. λ 7 λ λ λ λ + 3λ. Sea v el vector propio asociado al valor propio λ 3 y v el vector propio asociado al valor propio λ. Para
Más 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 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 detallesALGEBRA LINEAL Segundo Semestre. Parte II
1 Universidad Nacional de La Plata Facultad de Ciencias Astronómicas y Geofísicas ALGEBRA LINEAL 2015 Segundo Semestre Parte II 2 1. Valores y Vectores propios. Diagonalización.Forma de Jordan. 1.1. Polinomios
Más 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 detallesÁLGEBRA Algunas soluciones a la Práctica 8
ÁLGEBRA Algunas soluciones a la Práctica 8 Aplicaciones bilineales y formas cuadráticas (Curso 2008 2009 6. Sean a y b dos números reales. En el espacio P 1 de los polinomios de grado menor o igual que
Más detallesÁLGEBRA LINEAL. EXAMEN EXTRAORDINARIO 5 de Julio de T (e 1 ) = e 1 e 2 + 2e 3 T (e 2 ) = e 1 + 2e 2 3e 3. [T (e 1 ) T (e 2 )] =
ÁLGEBRA LINEAL EXAMEN EXTRAORDINARIO 5 de Julio de Apellidos y Nombre: Ejercicio. Sea T : R R 3 una transformación lineal definida como: T (e ) = e e + e 3 T (e ) = e + e 3e 3 donde {e, e }, {e, e, e 3}
Más 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 detallesEspacios vectoriales reales
140 Fundamentos de Matemáticas : Álgebra Lineal 9.1 Espacios vectoriales Capítulo 9 Espacios vectoriales reales Los conjuntos de vectores del plano, R 2, y del espacio, R 3, son conocidos y estamos acostumbrados
Más detallesSOLUCIONES DEL SEGUNDO PARCIAL (17/12/2013)
ÁLGEBRA LINEAL 1S1M-b SOLUCIONES DEL SEGUNDO PARCIAL 17/12/2013 1. Dada una aplicación lineal f : de manera que : Se pide, obtener su matriz con respecto a las bases canónicas. Calculamos =col 2. Calcular
Más detallesTema 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 detallesDefinición de matriz Una matriz A es un conjunto de números dispuestos en filas y en columnas.
1.- CONCEPTO DE MATRIZ. TIPOS DE MATRICES Definición de matriz Una matriz A es un conjunto de números dispuestos en filas y en columnas. 1 3 4 Por ejemplo, A = es una matriz de 2 filas y 3 columnas 0 5
Más detallesDIAGONALIZACIÓN DE MATRICES CUADRADAS
DIAGONALIZACIÓN DE MATRICES CUADRADAS.- Considerar los vectores u = (, -, ) y v = (, -, ) de : a) Escribir, si es posible, los vectores (, 7, -4) y (, -5, 4) como combinación lineal de u y v. b) Para qué
Más 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 detallesJordan. Ejercicio. Ver que SJ = AS, si S es la matriz del cambio de base que pasa de base U a base N:
Jordan Ejemplo introductorio Sea f : R 3 [x] R 3 [x] el endomorfismo definido por La matriz de f en base natural N de R 3 [x] es f : P (x) 2P (x) + P (x) + P (x) + P (x) A = M N N (f) = 2 1 2 6 0 2 2 6
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 detallesTransformaciones Lineales
Transformaciones Lineales En lo que sigue denotaremos por K al conjunto R ó C Definición Sean V y W dos K-ev (espacios vectoriales sobre K Se llama transformación lineal de V en W a toda función T : V
Más detalles