APLICACIONES LINEALES 3. CAMBIO DE BASE. 2.- Ejecutamos la aplicación lineal en coordenadas canónicas

Documentos relacionados
a) 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)

Problema 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.

DIAGONALIZACIÓN DE MATRICES CUADRADAS

Para hacer el b, primero pasamos a binómica, luego a polar y, por fin, operamos. ( 1) = 32i

1.- Sean A i B dos matrices cuadradas invertibles. Es verdad que:

Diagonalización de matrices

No hay que romperse los cuernos, hay una columna de ceros, por lo tanto.. NO tiene rango 3.

Solución de problemas I 1

dia G o n a l i z a c i ó n

Capítulo V. Valores y vectores propios. Diagonalización de operadores lineales.

Diagonalización de matrices

2 + 5i. b) Hallar todas las raíces de raíz cúbica de -27. Dar el resultado en binómica y polar.

AP = A p 1 p 2 p n = Ap 1 Ap 2. λ 1 p 21 λ 2 p 22 λ n p 2n. .. = λ 1 p 1 λ 2 p 2

Podemos pues formular los dos problemas anteriores en términos de matrices.

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

Examen Final Ejercicio único (3 horas) 20 de enero de n(n 1) 2. C n,3 = n(n 3) n =

ÁLGEBRA LINEAL. EXAMEN EXTRAORDINARIO 2 de julio de 2012 Duración del examen: 3 horas Fecha publicación notas: 11 de julio

Ejercicio 1 Dada la matriz A = 1. Calcula los valores propios. 2. Determina una base de vectores propios. 3. Diagonaliza la matriz.

Álgebra Lineal. Tema 7. La forma canónica de Jordan

A = [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

AUTOVALORES Y AUTOVECTORES

Aplicaciones Lineales. Diagonalización de matrices.

Unidad 2. Matrices Conceptos básicos 2.2. Operaciones con matrices 2.3. Matriz Inversa 2.4. El método de Gauss-Jordan 2.5.

Tema 2. Aplicaciones lineales. Diagonalización de endomorfismos.

E.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 5: Valores y vectores propios

TEMA III: DIAGONALIZACIÓN.

Examen Final Soluciones (3 horas) 8 de julio de 2015

1. DIAGONALIZACIÓN. FORMAS CANÓNICAS

Geometría afín y proyectiva, 2016 SEMANA 4

6.6. Diagonalización de matrices simétricas o hermitianas. Ejemplo de una diagonalización de una matriz simétrica

TEMA V. Espacios vectoriales

MATRICES. 1.- Calcular: g) 0 a b a 0 c b c 0. x x x. x + a b c a x + b c a b x + c. a b b b a b b b a

1.5.3 Sistemas, Matrices y Determinantes

Álgebra Lineal. Ejercicios de evaluación. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas

C/ Fernando Poo 5 Madrid (Metro Delicias o Embajadores).

Para calcular las asíntotas, empezaremos por las verticales, precisamente en ese punto donde no está definida la función.

Tema 1. Espacios Vectoriales. Sistemas de ecuaciones.

RESUMEN DEL TEMA 7 VALORES Y VECTORES PROPIOS

1. DIAGONALIZACIÓN DE ENDOMORFISMOS

Independencia Lineal y Generación. (c) 2012 Leandro Marin

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

Tema 1. Espacios Vectoriales. Sistemas de ecuaciones.

Descomposición en forma canónica de Jordan (Segunda versión)

Sobre vectores y matrices. Independencia lineal. Rango de una matriz

Una ecuación de segundo grado en dos variables se puede expresar. (x y) y + (D E) x y = x

Álgebra Lineal. Tema 8. Valores y vectores propios. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas

Tema 11.- Autovalores y Autovectores.

Tema 5: Diagonalización de matrices

POSICIONES RELATIVAS

a) (0,5 puntos) Calcula la matriz escalonada reducida de A. Cuál es el rango de A?

PROBLEMAS DE ÁLGEBRA LINEAL INGENIERÍA DE TELECOMUNICACIONES - E.T.S.I.T. CURSO 2005/06

Espacios vectoriales y aplicaciones lineales

Definición (matriz): Definición (dimensión de una matriz): Si una matriz tiene m renglones y n columnas se dice que es de dimensión m n.

MATRICES Y DETERMINANTES MATRIZ INVERSA

Diagonalización de Matrices Cuadradas.

Lección 1. Algoritmos y conceptos básicos. 1

Diagonalización de Endomorfismos

un conjunto cuyos elementos denominaremos vectores y denotaremos por es un espacio vectorial si verifica las siguientes propiedades:

Sesión 18: Diagonalización (I) Método práctico para diagonalizar una matriz cuadrada A M nxn K

Producto Escalar. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Producto Escalar 1 / 31

Tema 3: Ecuaciones. 1.- Ecuaciones de primer y segundo grado. 2.- Ecuaciones del tipo.

Matriz asociada a una transformación lineal respecto a un par de bases

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

ALGEBRA LINEAL Y GEOMETRÍA I

Álgebra lineal. Noviembre 2018

Y al reducir a común denominador y eliminar los denominadores nos encontramos con:

a n1 a n2 a nn Es decir, una forma cuadrática es un polinomio homogéneo de grado 2 y n variables.

Álgebra Lineal. Tema 6. Transformaciones lineales y matrices

Tema 3 o - Sistemas de Ecuaciones Lineales

a 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

Formas canónicas reales

Composición de Aplicaciones. (c) 2012 Leandro Marin

Autovalores y autovectores Diagonalización y formas canónicas

Práctica 1: Sistemas de Ecuaciones Lineales - Matrices

Por lo tanto, son linealmente independientes y la dimensión de E 1 es 3. Veamos el otro subespacio:

PROPUESTA A. 3A. a) Despeja X en la ecuación matricial X A B = 2X donde A, B y X son matrices cuadradas

Determinantes. = a 11a 22 a 12 a 21 = ( 3) ( 5) ( 4) 7 = 15 ( 28) = = 43

Sistemas de ecuaciones lineales

Matrices y Sistemas de Ecuaciones lineales

2.7 Aplicaciones del Teorema de Jordan

PROPUESTA A. c) Demuestra, usando el Teorema de Rolle, que la ecuación anterior no puede tener más de tres raíces reales distintas.

TEMA 4: Sistemas de ecuaciones lineales II

1. DIAGONALIZACIÓN Y FORMAS CANÓNICAS

Tema 6: Diagonalización de matrices

Álgebra Lineal UCR. Sétimo tema, 2013

ECUACIONES. SISTEMAS DE ECUACIONES. Matemáticas 3º eso

Funciones construidas para realizar de manera automática algunas operaciones: #1: RESTA_COL(M_, i_, j_, r_) SUBTRACT_ELEMENTS(M_`, i_, j_, r_)`

VALORES Y VECTORES PROPIOS

6.7. Clasificación de formas cuadráticas

1. Determina cuáles de los siguientes conjuntos son subespacios vectoriales. Para aquellos que lo sean, halla una base.

TEMA 1 MATRICES. Si se trata de una matriz rectangular con cuatro filas y una columna.

2 + c c 4. Solución: Nótese que la ecuación vectorial que verifican los pesos se puede escribir matricialmente como.

ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 4

Álgebra Lineal - Grado de Estadística. Examen final 26 de junio de 2013 APELLIDOS, NOMBRE:

a 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

Isometrías. Práctica de ÁlgebraLineal, E.U.A.T., 2004/05. Matrices ortogonales. Isometrías en el plano. Una rotación. Isometrias J.

6 Vectores. Dependencia e independencia lineal.

Transcripción:

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) y queremos encontrar su expresión en otra base cualquiera, todos sabemos que hemos de multiplicar (por delante y por detrás) por la matriz identidad de cambio de base, lo que nos genera una igualdad semejante a: M = Id M Id 3.- Deshacemos el cambio de base para expresar el resultado en la base B.- Ejecutamos la aplicación lineal en coordenadas canónicas.- Cambiamos de la base B a nuestra base canónica Parece un galimatías, pero es bastante sencillo si tienes ese esquema en mente. Vamos a poner un ejemplo donde realizaremos todo el proceso (formación de la matriz de la aplicación en la base canónica, polinomio característico, cálculo de los VAP y los VEP, cambio de base y diagonalización) y así cerramos el tema de aplicaciones lineales. Supongamos que tenemos una aplicación lineal g: R 3 R 3 definida por: g(x, y, z) = (3x y + z, 4x 3y + z, 5x 4y + 3z) Lo primero es hallar la matriz en la base canónica, para eso necesitamos calcular las imágenes de los 3 vectores de la canónica, es decir: g(,0,0) = (3 0 + 0, 4 0 + 0, 5 0 + 0) = (3,4,5) g(0,,0) = (0 + 0, 0 3 + 0, 0 4 + 0) = (, 3, 4) g(0,0,) = (0 0 +, 0 0 +, 0 0 + 3) = (,,3) Por lo tanto, la matriz de g en la base canónica es: 3 M = 4 3 5 4 3 Ahora vamos a calcular su polinomio característico: 3 λ P(λ) = det(m λi) = 4 3 λ 5 4 3 λ 3 λ = (3 λ) 4 4 3 λ 4 3 λ + 5 3 λ = (3 λ) [( 3 λ)(3 λ) + 8] 4 [( 6 + λ) + 4] + 5 [ 4 ( 3 λ)] = (3 λ)(λ ) 4(λ ) + 5(λ ) = 3λ 3 λ + λ 8λ + 8 + 5λ 5 = λ + 3λ λ = λ (λ 3λ + )

Por lo tanto, ya vemos que una de las raíces es cero, y las otras dos las encontramos mediante la fórmula de Cardano-Vieta: λ = 3 ± 9 4 = 3 ± 3 + = = 3 = Por lo tanto los valores propios son {0,, }. Al ser tres valores propios distintos ya podemos decir que la matriz diagonaliza. Vamos a calcular sus vectores propios: Para λ=0 3 x 0 4 3 y = 0 5 4 3 z 0 Al resolverlo por Gauss, como tengo un en el coeficiente de la z de la primera ecuación, en vez de meter ceros bajo la diagonal principal, los meteré bajo su simétrica, de manera que el proceso es: 3 3 3 4 3 0 0 5 4 3 4 0 0 0 0 Por lo tanto, de la segunda ecuación tengo: Al sustituir en la primera nos queda: x + y = 0 y = x 3x (x) + z = 0 3x 4x + z = 0 x + z = 0 x = z Por lo tanto, tenemos que: x x y = x = x z x Si a x le damos el valor, el vector propio asociado es (,, ). Para λ= x 0 4 4 y = 0 5 4 z 0 Y el proceso de resolución (aplicando el mismo truco que antes) es:

De la tercera ecuación obtenemos que: Al sustituir en la primera tenemos que: Por lo tanto, la solución es: 4 4 0 0 0 5 4 0 0 x = 0 0 y + z = 0 y + z = 0 z = y x 0 0 y = y = y z y Por lo tanto, si a y le damos el valor, el vector propio es (0,,). Para λ= x 0 4 5 y = 0 5 4 z 0 Este ya lo podemos resolver de manera normal ya que también tenemos un en el primer elemento, por lo que: De la segunda obtenemos que: Al sustituir en la primera tenemos que: Por lo tanto la solución es: 4 5 0 3 0 3 5 4 0 6 4 0 0 0 3y z = 0 y = z 3 x z 3 + z = 0 x = z 3 x z 3 3 y = z = z z 3 3 z Por lo tanto, si a z le damos el valor 3 (para que nos desaparezcan los quebrados), el vector propio es (,,3).

Ahora ya sólo nos queda expresar g en la base formada por los vectores propios, pero esto es relativamente sencillo. Sólo necesitamos las matrices de cambio de base. Yo sé que esto puede resultar lioso ( cuál va dónde?, ha calculado la de C a B o la de B a C?, etc), pero os explico cómo le resuelvo yo, a ver si os sirve. Tenemos la base B que, expresada en la canónica es {(,,), (0,,), (,,3)}. Si los vectores de esta base los expresamos en la base B, es decir, como combinación lineal de ellos mismos, resulta que nos quedarían como {(,0,0), (0,,0), (0,0,)} (Lógico no?). Creo que esto último es lo más difícil de ver, pero, os lo demuestro para el primero y listo ok?. Para encontrar las coordenadas de un vector en una determinada base, lo que hacemos es expresar ese vector como combinación lineal de la base y los coeficientes de la combinación lineal serán las coordenadas. En este caso: Por lo tanto, de la tercera tenemos: De la segunda tenemos: Y al sustituir en la primera tenemos: 0 = λ + λ + λ 3 λ 0 λ = 3 λ 0 0 0 0 0 0 0 0 0 3 0 0 0 0 0 λ = 0 λ = 0 λ = 0 λ + 0 = λ = Ya sé que es una perogrullada, pero así espero haberlo aclarado Por lo tanto, esos tres números son la expresión de (,,) en la base B. Es decir, que tenemos que: (,,) = (,0,0) La matriz de cambio de base de B a la canónica será la que me transforme (,0,0) B en (,,) C, la que me transforme (0,,0) B en (0,,) C y la que me transforme (0,0,) B en (,,3) C, es decir, que la identidad de cambio de base de B a C cumple que: f(,0,0) = (,,) f(0,,0) = (0,,) f(0,0,) = (,,3)

Pero eso es precisamente lo que necesitamos para, poniéndolos en vertical, hallar su matriz no?. Por lo tanto sabemos que: 0 Id = 3 Si todo esto os ha parecido muy largo o muy lioso, siempre tenéis el método cierro los ojos y tiro p adelante, que consiste en aprenderse de memoria que: RECETA: Si cojo los tres vectores de la base B (en la que quiero expresar la aplicación lineal) y los pongo en vertical uno tras otro, esa es la matriz de cambio de base de B a la canónica Y con eso ya sigo Y ahora sólo necesitamos su inversa (la calculo con la wiris que si no se hace muy largo): Id = Id = 0 3 Y, para acabar la parrafada, sólo nos queda hacer el producto de las tres matrices para ver que la matriz realmente diagonaliza (otra vez la wiris): 3 0 0 0 0 0 4 3 = 0 0 3 5 4 3 3 0 0 Y que como podéis comprobar, tiene en la diagonal principal los tres valores propios.