Álgebra matricial Adición y trasposición
|
|
- Adrián Ríos Vargas
- hace 8 años
- Vistas:
Transcripción
1 Capítulo 2 Álgebra matricial Estas notas están basadas en las realizadas por el profesor Manuel Jesús Gago Vargas para la asignatura Métodos matemáticos: Álgebra lineal de la Licenciatura en Ciencias y Técnicas Estadísticas 21 Adición y trasposición Nota 211 Como en el anterior tema, consideraremos fijado un cuerpo k de coeficientes Nos referiremos a los elementos del cuerpo como números o escalares Alguna de las definiciones de este tema serán específicas para el caso en que k es el cuerpo C de los números complejos En ese caso se advertirá específicamente Si es necesario pondremos el orden de la matriz como subíndice Así escribiremos A m n para indicar que la matrizaes de orden m n Denotaremos también[a] ij a entrada de la filaiyla columnaj en la matriza Dos matrices A y B son iguales si tienen el mismo orden y las entradas correspondientes son iguales,[a] ij = [B] ij Suma de matrices SiAyB son matrices de ordenm n, la suma deayb se define como la matriz de orden m n notada pora+b, cuyas entradas verifican [A+B] ij = [A] ij +[B] ij para cada i,j La matriz A, llamada opuesta dea, se define como La diferencia deayb es [ A] ij = [A] ij A B = A+ B
2 Propiedades de la suma de matrices Sean A,B y C matrices de orden m n Se verifican las siguientes propiedades: A+B es una matriz de orden m n A+B+C = A+B +C A+B = B +A La matriz 0 m n que tiene todas sus entradas nulas verifica A + 0 = A La matriz A es de orden m nyverificaa+ A = 0 Multiplicación por un escalar El producto de un escalar α por una matriz A de orden m n, notada porαa, se define como la matriz de orden m n que verifica [αa] ij = α[a] ij Propiedades de la multiplicación por un escalar Sean A, B matrices de orden m n, y α, β escalares αa es una matrizm n αβa = αβa αa+b = αa+αb α+βa = αa+βa 1A = A Nota 212 Se tienen propiedades análogas para Aα = αa 35
3 Trasposición La traspuesta de una matriz A m n es la matriz notada por A t de orden n m definida como [A t ] ij = [A] ji Nota 213 Es evidente quea t t = A Para el caso en que k = C es el cuerpo de los números complejos definimos dos operaciones más Recuérdese que el conjugado de un número complejo α = a + ib es α = a ib Conjugada traspuesta La matriz conjugada de una matriz A m n es la matriz de orden m n notada poradefinida como [A] ij = [A] ij La matriz conjugada traspuesta de una matriz A m n es la matriz de orden n mnotada pora y definida como Es decir, A = A t [A ] ij = [A] ji Nota 214 Se tiene que A = A En el caso de matrices reales, cuyas entradas pertenecen ar, se tiene quea = A y A = A t Propiedades de la matriz traspuesta Sean A y B matrices del mismo orden yαun escalar Entonces A+B t = A t +B t y A+B = A +B αa t = αa t y αa = αa 36
4 Sea A una matriz cuadrada Simetrías Decimos queaes simétrica sia = A t, esto es, [A] ij = [A] ji Decimos que A es anti-simétrica si A = A t, esto es, [A] ij = [A] ji Si además A es una matriz compleja: Decimos queaes hermitiana sia = A, esto es, a ij = a ji Decimos que A es anti-hermitiana si A = A, esto es, a ij = a ji Ejercicio 211 Probar que si A es una matriz hermitiana entonces las entradas de la diagonal,[a] ii, son números reales 22 Multiplicación de matrices Multiplicación de matrices Dos matrices A y B se dicen ajustadas para multiplicación en el ordenab cuando el número de columnas deaes igual al número de filas deb, esto es, siaes de ordenm p yb es de ordenp n Para matrices ajustadasa m p yb p n, la matriz productoab, de orden m n, se define como [AB] ij = [A] i1 [B] 1j +[A] i2 [B] 2j ++[A] ip [B] pj = p [A] ik [B] kj k=1 Nota 221 Puede ocurrir dos matricesayb estén ajustadas para la multiplicación en el orden AB pero no en el orden BA Es decir, que exista el producto AB, pero que no BA Ejercicio 221 LA MULTIPLICACIÓN DE MATRICES NO ES CONMUTATIVA Considere lo que ocurre al tomar A = 1 2, B = y calcular AB yba Obsérvese que ni siquiera son matrices del mismo orden Pero aunque fueran matrices cuadradas el producto no es conmutativo en general Por ejemplo, sean las matrices C = , 1 1, D =
5 Comprobar quecd ydc son distintas Supongamos quea m p y B p n Filas y columnas de un producto [AB] i = A i B; esto es, la i-ésima fila de AB es la i-esima fila deamultiplicada porb [AB] j = AB j ; esto es, laj-ésima fila deab es A multiplicada por laj-ésima fila deb [AB] i = [A] i1 B 1 +[A] i2 B 2 ++[A] ip B p = p k=1 [A] ikb k [AB] j = A 1 [B] 1j +A 2 [B] 2j ++A p [B] pj = p k=1 A k[b] kj Nota 222 Las dos últimas ecuaciones indican que las filas de AB son combinación lineal de las filas deb, y que las columnas deab son combinación lineal de las columnas dea Sistemas lineales Todo sistema demecuaciones y n incógnitas a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2 a m1 x 1 + a m2 x a mn x n = b m, se puede escribir en forma matricial como Ax = b, donde a 11 a 12 a 1n x 1 a 21 a 22 a 2n A =,x = x 2,b = a m1 a m2 a mn x n b 1 b 2 b m Recíprocamente, toda ecuación matricial A m n x n 1 = b m 1 representa un sistema lineal demecuaciones ynincógnitas 38
6 23 Propiedades de la multiplicación matricial Propiedades distributiva y asociativa Para matrices ajustadas se verifica AB +C = AB +AC D +EF = DF +EF ABC = ABC Matriz identidad La matriz de ordenn n con unos en la diagonal y ceros en el resto I n = se denomina matriz identidad de orden n Para toda matriz A de orden m n se verifica AI n = A y I m A = A Nota 231 El subíndice dei n se elimina cuando el tamaño es obvio por el contexto Trasposición y producto Para matrices ajustadasayb se verifica que AB t = B t A t y AB = B A Ejercicio 231 Probar las propiedades anteriores Nota 232 Para cada matriza m n las matrices AA t y A t A son simétricas, y siaes una matriz compleja, las matricesaa ya A son hermitianas 39
7 Ejercicio 232 Llamamos traza deaal número TrA = [A] 11 +[A] 22 ++[A] nn = n [A] ii i=1 Probar que para dos matricesa m n y B n m se verifica TrAB = TrBA Nota 233 De lo anterior se deduce que TrABC = TrBCA = TrCAB, pero, en general, TrABC TrBAC Multiplicación por bloques Supongamos que A y B se particionan en submatrices, también llamados bloques, como sigue: A 11 A 12 A 1r B 11 B 12 B 1t A 21 A 22 A 2r A =,B = B 21 B 22 B 2t A s1 A s2 A sr B r1 B r2 B rt Si los pares A ik,b kj son ajustados para el producto, entonces decimos que A y B tienen una partición ajustada Para tales matrices, el productoab se forma combinando los bloques exactamente de la misma forma como se hace con los escalares en la multiplicación ordinaria Esto es, el bloquei,j en AB es A i1 B 1j +A i2 B 2j ++A ir B rj Ejemplo 231 Consideremos las matrices particionadas A = C I =,B = I donde I = y C = = I 0 C C Mediante la multiplicación por bloques, el productoab es fácil de obtener: C I I 0 2C C AB = = = I 0 C C I , 40
8 24 Inversa de una matriz Inversa de una matriz Para una matriz cuadrada A n n, la matriz B n n que verifica las condiciones AB = I n yba = I n se denomina inversa de A, y la denotaremos por B = A 1 No todas la matrices cuadradas tienen inversa Una matriz cuadrada sin inversa se llama singular, y una matriz con inversa se denomina no singular o regular Proposición 241 La inversa de una matriz, si existe, es única PRUEBA: Supongamos quex 1 yx 2 son inversas de una matriz no singulara Entonces X 1 = X 1 I = X 1 AX 2 = X 1 AX 2 = IX 2 = X 2 Ecuaciones matriciales Si A es una matriz no singular de orden n, entonces existe una única solución para X en la ecuación matricial A n n X n p = B n p, y la solución es X = A 1 B Un sistema denecuaciones ynincógnitas se puede escribir como una ecuación matriciala n n x n 1 = b n 1 Por lo anterior, siaes no singular, el sistema tiene solución única igual ax = A 1 b Nota 241 Sin embargo, debemos hacer hincapié en que la representación de la solución como x = A 1 b es conveniente desde el punto de vista teórico o de notación En la práctica, un sistema no singular Ax = b nunca se resuelve calculando A 1 y después el productoa 1 b Se realizan más operaciones así que aplicando las técnicas de eliminación descritas en el tema anterior El siguiente resultado nos permite distinguir entre matrices singulares y no singulares 41
9 Existencia de inversa Para una matriz cuadradaade orden n, son equivalentes: 1 A 1 existe A es no singular 2 rangoa = n 3 A Gauss-Jordan I n 4 Ax = 0 implica quex = 0 PRUEBA: El hecho de2 3 es una consecuencia directa de la definición de rango La equivalencia 2 4 la hemos visto en el tema anterior Solamente falta por establecer 1 2 para completar la prueba 1 2 Consideremos la matriz X = X 1 X 2 X n Esta matriz X verifica la ecuación AX = I si y solamente si X j es solución del sistema Ax = I j Si A es no singular, entonces sabemos que existe una solución única de AX = I, y por tanto cada sistema Ax = I j tiene solución única Pero sabemos que un sistema tiene solución única si y solamente si el rango de la matriz de coeficientes es igual al número de incógnitas, esto es, rangoa = n 2 1 Si rangoa = n, entonces cada sistema Ax = I j es compatible, porque rango[a I j ] = n = rangoa Además, la solución es única, por lo que la ecuación matricialax = I tiene una única solución Nos gustaría decir ya quex = A 1, pero nos hace falta primero probar quexa = I, esto es, XA I = 0 Como AXA I = AXA A = IA A = 0, se sigue que cada columna de XA I es una solución del sistema homogéneo Ax = 0, que es compatible determinado Por tanto, XA I = 0 y XA = I = AX Nota 242 CÁLCULO DE LA MATRIZ INVERSA USANDO GAUSS-JORDAN En la demostración anterior hemos probado además que si A n n es una matriz para la que existe X n n con AX = I n, entoncesx = A 1 Para construir un algoritmo que nos devuelvaa 1 cuandoa n n es no singular, recordemos que determinar A 1 es equivalente a resolver la ecuación matricial AX = I, que es lo mismo que resolver losnsistemas de ecuaciones definidos por Ax = I j,j = 1,2,,n En otras palabras, si X 1,X 2,,X n son las respectivas soluciones, entonces X = X 1 X 2 X n resuelve la ecuación AX = I y de aquíx = A 1 Si A es no singular, el método de Gauss-Jordan reduce la matriz ampliada [A I j ] a [I X j ], y sabemos quex j es la única solución deax = I j En otras palabras, [A I j ] Gauss-Jordan [I [A 1 ] j ] Pero mejor que resolver cada sistemaax = I j de forma independiente, podemos resolverlos simultáneamente aprovechando que todos tienen la misma matriz de coeficientes 42
10 En otras palabras, si aplicamos Gauss-Jordan a la matriz ampliada[a I 1 I 2 I n ] obtenemos [A I 1 I 2 I n ] Gauss-Jordan [I [A 1 ] 1 [A 1 ] 2 [A 1 ] n ], o, de manera más compacta, [A I] Gauss-Jordan [I A 1 ] Qué ocurre si intentamos invertir una matriz singular con este procedimiento? El resultado anterior nos indica que una matriz singular A no puede ser reducida mediante Gauss-Jordan a la matriz I porque una fila de ceros aparecerá en algún momento Por ello, no tenemos que saber a priori si la matriz que tenemos es o no singular, pues resultará evidente en el proceso de cálculo Cálculo de la inversa La eliminación de Gauss-Jordan se puede usar para el cálculo de la inversa de una matrizamediante la reducción [A I] Gauss Jordan [I A 1 ] La única posibilidad de que este método falle es que aparezca una fila de ceros en el lado izquierdo de la matriz ampliada, y esto ocurre si y solamente si la matrizaes singular Ejemplo 241 Calculemos, si existe, la inversa de la matriz A = Aplicamos el método de Gauss-Jordan para obtener [A I] = Por tanto, la matriz es no singular y A 1 =
11 Propiedades de la inversión de matrices Para matrices no singularesa yb del mismo orden, se verifica que A 1 1 = A El productoab es no singular y AB 1 = B 1 A 1 A 1 t = A t 1 y, si A es compleja,a 1 = A 1 PRUEBA: La primera propiedad es inmediata Para la segunda basta comprobar que ABB 1 A 1 = ABB 1 A 1 = AA 1 = I, de dondeab es no singular yab 1 = B 1 A 1 Para la última propiedad se comprueba que A t A 1 t = A 1 A t = I t = I, de donde A t es no singular y A t 1 = A 1 t Análogamente se prueba que A 1 = A 1 25 Matrices elementales y equivalencia Nota 251 OPERACIONES ELEMENTALES POR COLUMNAS Es evidente que las mismas operaciones elementales por filas descritas en el tema anterior pueden realizarse por columnas Tenemos entonces tres tipos de operaciones análogas a las operaciones elementales por filas: Tipo I Intercambiar las columnasiyj Tipo II Reemplazar la columnaipor un múltiplo no nulo de ella misma Tipo III Reemplazar la columna j por la suma de ella misma con un múltiplo de la columnaj Análogamente a lo visto para las filas existen unas matrices especiales llamadas formas escalonadas por columnas y formas escalonadas reducidas por columnas La trasposición de matrices nos permite definir rápidamente estos conceptos: Una matriz se dice que es una forma escalonada por columnas si su traspuesta es una forma escalonada por filas Una matriz se dice que es una forma escalonada reducida por columnas si su traspuesta es una forma escalonada reducida por filas Igualmente se puede comprobar que toda matriz puede ser transformada mediante operaciones por columnas en una forma escalonada por columnas y en una forma escalonada reducida por columnas Por último, dos matrices se dicen equivalentes por columnas si puede transformarse una en otra mediante operaciones elementales por columnas Obsérvese que las operaciones elementales por columnas no transforman la matriz de un sistema lineal en la matriz de otros sistema lineal equivalente 44
12 Teorema 251 Toda matriz A es equivalente por columnas a una única forma escalonada reducida por columnas PRUEBA: Sabemos que la matriza t es equivalente por filas a una única forma escalonada reducida por filas Nota 252 Sean los vectores columna de orden m 1, e i, que tienen todas sus entradas nulas salvo un 1 en la posición i, con i = 1,,m Obsérvese que la multiplicación de una matriz A m n por un vector columna e j resulta Ae j = A j Análogamente, si ahora e i es de orden n 1, la múltiplicación del traspuesto de éste con la matriz A resulta e t ia = A i Obsérvese que la matriz identidad tiene por columnas a estose j y por filas a e t i Vamos a ver que las operaciones elementales que usamos para la eliminación Gaussiana pueden interpretarse como productos por ciertas matrices de estructura muy sencilla Matrices elementales de tipo I Decimos que una matriz cuadrada E es elemental tipo I si se obtiene a partir de la matriz identidad I n mediante una operación elemental por filas de tipo I Es decir, sie se obtiene dei n al intercambiar las filasiy j En este caso todas las entradas de la matrize son nulas, salvo [E] kk = 1, k i,j, [E] ij = 1 y [E] ji = 1 Si atendemos a las filas de E observamos quee k = e t k si k i,j, E i = e t j y E j = e t i Proposición 252 MULTIPLICACIÓN POR UNA MATRIZ ELEMENTAL DE TIPO I La multiplicación de una matriz elemental de tipo I a la izquierda de una matriz produce en ésta una operación elemental por filas de tipo I La multiplicación de una matriz elemental de tipo I a la derecha de una matriz produce en ésta una operación elemental por columnas de tipo I PRUEBA: Basta probar el primer punto, pues el segundo, además de ser análogo, se deduce del primero por trasposición de matrices Sean entonces A m n y E m m la matriz obtenida de a identidad al intercambiar las filas i y j Vamos a describir la multiplicaciónea por filas, es decir, [EA] k = E k A, k = 1,m Si k i,j sabemos quee k = e t k, de donde calculamos la filak ésima deea: [EA] k = E k A = e t ka = A k, con k i,j AdemásE i = e t j ye j = e t i Luego las filas i ésima yj ésima deea son [EA] i = E i A = e t j A = A j y [EA] j = E j A = e t i A = A i Es decir, la matrizea es la que se obtiene deaal intercambiar las filas i y j 45
13 Proposición 253 SiE es una matriz elemental de tipo I entoncese es no singular y su inversa es ella misma Es decir,ee = I PRUEBA: La demostración es consecuencia del resultado anterior Si E es la matriz que se obtiene de la identidad al intercambiar las filas i y j, el producto a la izquierda de E por ella misma vuelve a intercambiar las filas i y j, obteniendoee = I Matrices elementales de tipo II Decimos que una matriz cuadrada E es elemental tipo II si se obtiene a partir de la matriz identidad I n mediante una operación elemental por filas de tipo II Es decir, sie se obtiene dei n al sustituir la filaipor un múltiplo no nulo de ella En este caso todas las entradas de la matrize son nulas, salvo [E] kk = 1, k i,[e] ii = α conα 0 Si atendemos a las filas dee observamos quee k = e t k sik i, E i = αe t i con α 0 Proposición 254 MULTIPLICACIÓN POR UNA MATRIZ ELEMENTAL DE TIPO II La multiplicación de una matriz elemental de tipo II a la izquierda de una matriz produce en ésta una operación elemental por filas de tipo II La multiplicación de una matriz elemental de tipo II a la derecha de una matriz produce en ésta una operación elemental por columnas de tipo II Ejercicio 251 Dejamos la prueba de la proposición anterior como ejercicio Proposición 255 Si E es una matriz elemental de tipo II entonces E es no singular y su inversa es otra matriz elemental tipo II PRUEBA: Es fácil comprobar que si E es la matriz que se obtiene de la identidad al multiplicar la fila i porα 0 entonces E 1 es la matriz que se obtiene de la identidad al multiplicar por1/α la filai Matrices elementales de tipo III Decimos que una matriz cuadrada E es elemental tipo III si se obtiene a partir de la matriz identidad I n mediante una operación elemental por filas de tipo III Es decir, sie se obtiene dei n al sustituir la filaj por la suma de ella misma con un múltiplo de la fila i En este caso todas las entradas de la matriz E son nulas, salvo [E] ii = 1, i = 1,n y [E] ji = α Si atendemos a las filas de E observamos quee k = e t k sik k, E i = αe t i +e t j Proposición 256 MULTIPLICACIÓN POR UNA MATRIZ ELEMENTAL DE TIPO III 46
14 La multiplicación de una matriz elemental de tipo III a la izquierda de una matriz produce en ésta una operación elemental por filas de tipo III La multiplicación de una matriz elemental de tipo III a la derecha de una matriz produce en ésta una operación elemental por columnas de tipo III Ejercicio 252 Dejamos la prueba de la proposición anterior como ejercicio Proposición 257 Si E es una matriz elemental de tipo III entonces E es no singular y su inversa es otra matriz elemental tipo III PRUEBA: Es fácil comprobar que si E es la matriz que se obtiene de la identidad al reemplazar la fila j por la suma de ella misma con la fila i por α, entonces E 1 es la matriz que se obtiene de la identidad al reemplazar la filaj por la suma de ella misma con la fila i por α Ejemplo 251 Consideremos la sucesión de operaciones para reducir A = a su forma escalonada reducida por filas E A A = R 2 2R R 3 3R Cambia R 2 y R R 1 4R = E A La reducción se puede ver como una sucesión de multiplicaciones a izquierda por la matrices elementales correspondientes A = E A Producto de matrices elementales Una matriz A es no singular si y solamente si A es el producto de matrices elementales de tipos 1, 2, o 3 PRUEBA: SiAes no singular, el método de Gauss-Jordan reduceaala matrizi mediante operaciones por fila Si E 1,E 2,,E k son las correspondientes matrices elementales, entonces E k E 2 E 1 A = I, o bien A = E1 1 E 1 2 E 1 k Como la inversa de una matriz elemental es una matriz elemental, esto prueba que A se puede expresar como producto de matrices elementales Recíprocamente, si A = E 1 E 2 E k es un producto de matrices elementales, entonces A es no singular, pues es el producto de matrices no singulares 47
15 Equivalencia de matrices Cuando una matrizb se puede derivar de una matrizamediante operaciones elementales de filas y columnas, escribiremos A B, y diremos que A y B son matrices equivalentes Otra forma de expresarlo es que A B B = PAQ para matrices no singularesp yq Análogamente se define la equivalencia por filas: A f B B = PA parap matriz no singular, y la equivalencia por columnas: A c B B = AQ paraqmatriz no singular Ejercicio 253 Estas relaciones son de equivalencia La forma escalonada reducida por filas E A es lo más lejos que podemos llegar mediante transformaciones por filas Sin embargo, si permitimos además el uso de transformaciones por columnas, la reducción es mucho mayor Forma normal de rango Si A es una matriz de orden m nyrangoa = r, entonces Ir 0 A N r = 0 0 N r se denomina forma normal de rango dea PRUEBA: Como A f E A, existe una matriz no singular P tal que PA = E A Si rangoa = r, entonces las columnas básicas de E A son las r columnas unitarias Mediante intercambio de columnas aplicados a E A, podemos poner estas r columnas en la parte superior izquierda SiQ 1 es el producto de las matrices elementales que hacen estos intercambios, entonces Ir J PAQ 1 = E A Q 1 = 0 0 Ahora multiplicamos ambos lados de esta ecuación por la matriz no singular Q 2 = Ir J 0 I 48,
16 y nos queda EntoncesA N r PAQ 1 Q 2 = Ir Nota 253 De hecho N r es la forma escalonada reducida por columnas de la forma escalonada reducida por filas dea Ejemplo 252 Veamos que rango A 0 0 B = rangoa+rangob Si rangoa = r y rangob = s, entonces A N r yb N s, y A 0 Nr 0, 0 B 0 N s de donde A 0 rango 0 B = r +s Dadas matricesayb, cómo decidimos sia B,A f B o A c B? Test de equivalencia Sean A y B matrices de orden m n Entonces A B si y solamente sirangoa = rangob A f B si y solamente sie A = E B A c B si y solamente sie A t = E B t En consecuencia, el producto por matrices no singulares no altera el rango PRUEBA: Si rangoa = rangob, entonces A N r y B N r, de donde A N r B Recíprocamente, si A B, y rangoa = r, rangob = s, tenemos que A N r y B N s, por lo quen r N s, y esto implica quer = s Supongamos ahora que A f B Como B f E B, entonces A f E B Como la forma escalonada reducida por filas es única, se sigue quee B = E A Recíprocamente, si E A = E B, entonces Para las columnas, basta considerar que A f E A = E B f B A c B AQ = B AQ t = B t Q t A t = B t A t f B t 49
17 Rango y trasposición rangoa = rangoa t y rangoa = rangoa PRUEBA: Sea rangoa = r, y sean P y Q matrices no singulares tales que I PAQ = N r = r 0 r n r 0 m r r 0 m r n r Entonces Nr t = Qt A t P t Como Q t y P t son no singulares, se sigue que A t Nr t, y entonces rangoa t = rangonr t = rango I r 0 r m r = r = rangoa 0 n r r 0 n r m r Para probar querangoa = rangoa, escribimosn r = N r = PAQ = PAQ Es fácil ver quek 1 = K 1, de donden r A y rangoa = rangoa Entonces rangoa = rangoa t = rangoa = rangoa 50
Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una
Más detallesMatrices equivalentes. El método de Gauss
Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar
Más detallesComenzaremos recordando algunas definiciones y propiedades estudiadas en el capítulo anterior.
Capítulo 2 Matrices En el capítulo anterior hemos utilizado matrices para la resolución de sistemas de ecuaciones lineales y hemos visto que, para n, m N, el conjunto de las matrices de n filas y m columnas
Más detallesMatrices Invertibles y Elementos de Álgebra Matricial
Matrices Invertibles y Elementos de Álgebra Matricial Departamento de Matemáticas, CCIR/ITESM 12 de enero de 2011 Índice 91 Introducción 1 92 Transpuesta 1 93 Propiedades de la transpuesta 2 94 Matrices
Más detallesSistemas de Ecuaciones Lineales y Matrices
Sistemas de Ecuaciones Lineales y Matrices Oscar G Ibarra-Manzano, DSc Departamento de Area Básica - Tronco Común DES de Ingenierías Facultad de Ingeniería, Mecánica, Eléctrica y Electrónica Trimestre
Más detalles1. INVERSA DE UNA MATRIZ REGULAR
. INVERSA DE UNA MATRIZ REGULAR Calcular la inversa de una matriz regular es un trabajo bastante tedioso. A través de ejemplos se expondrán diferentes técnicas para calcular la matriz inversa de una matriz
Más detalles9. MATRICES 189 9.1. DEFINICIÓN Y NOTACIONES... 189 9.2. OPERACIONES CON MATRICES... 190 9.3. MATRICES CUADRADAS... 192 9.3.1.
ÍNDICE 9. MATRICES 189 9.1. DEFINICIÓN Y NOTACIONES....................... 189 9.2. OPERACIONES CON MATRICES..................... 190 9.3. MATRICES CUADRADAS.......................... 192 9.3.1. Matrices
Más detallesSubespacios vectoriales en R n
Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo
Más detalles3. Equivalencia y congruencia de matrices.
3. Equivalencia y congruencia de matrices. 1 Transformaciones elementales. 1.1 Operaciones elementales de fila. Las operaciones elementales de fila son: 1. H ij : Permuta la fila i con la fila j. 2. H
Más detallesÁLGEBRA DE MATRICES. Al consejero A no le gusta ninguno de sus colegas como presidente.
ÁLGEBRA DE MATRICES Página 49 REFLEXIONA Y RESUELVE Elección de presidente Ayudándote de la tabla, estudia detalladamente los resultados de la votación, analiza algunas características de los participantes
Más detallesMatrices. Definiciones básicas de matrices. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.mx
Matrices Definiciones básicas de matrices wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 2007-2008 Contenido 1 Matrices 2 11 Matrices cuadradas 3 12 Matriz transpuesta 4 13 Matriz identidad
Más detallesCURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre
CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una
Más detallesBASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.
BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades
Más detallesNota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades:
Capítulo 1 DETERMINANTES Definición 1 (Matriz traspuesta) Llamaremos matriz traspuesta de A = (a ij ) a la matriz A t = (a ji ); es decir la matriz que consiste en poner las filas de A como columnas Definición
Más detallesÁLGEBRA LINEAL. Apuntes elaborados por. Juan González-Meneses López. Curso 2008/2009. Departamento de Álgebra. Universidad de Sevilla.
ÁLGEBRA LINEAL Apuntes elaborados por Juan González-Meneses López. Curso 2008/2009 Departamento de Álgebra. Universidad de Sevilla. Índice general Tema 1. Matrices. Determinantes. Sistemas de ecuaciones
Más detallesAl consejero A no le gusta ninguno de sus colegas como presidente. Dos consejeros (C y E) están de acuerdo en los mismos candidatos (B, C y D).
ÁLGEBRA DE MATRICE Página 48 Ayudándote de la tabla... De la tabla podemos deducir muchas cosas: Al consejero A no le gusta ninguno de sus colegas como presidente. B solo tiene un candidato el C. Dos consejeros
Más detallesMatrices y sus operaciones
Capítulo 1 Matrices y sus operaciones 1.1. Definiciones Dados dos enteros m, n 1 y un cuerpo conmutativo IK, llamamos matriz de m filas y n columnas con coeficientes en IK a un conjunto ordenado de n vectores
Más detallesMatrices invertibles. La inversa de una matriz
Matrices invertibles. La inversa de una matriz Objetivos. Estudiar la definición y las propiedades básicas de la matriz inversa. Más adelante en este curso vamos a estudiar criterios de invertibilidad
Más detallesÁLGEBRA LINEAL E.T.S. DE INGENIERÍA INFORMÁTICA INGENIERÍA TÉCNICA EN INFORMÁTICA DE GESTIÓN. Apuntes de. para la titulación de
E.T.S. DE INGENIERÍA INFORMÁTICA Apuntes de ÁLGEBRA LINEAL para la titulación de INGENIERÍA TÉCNICA EN INFORMÁTICA DE GESTIÓN Fco. Javier Cobos Gavala Amparo Osuna Lucena Rafael Robles Arias Beatriz Silva
Más detallesMatemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales
Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales Ejercicio 1 Escribe las siguientes matrices en forma normal de Hermite: 2 4 3 1 2 3 2 4 3 1 2 3 1. 1 2 3 2. 2 1 1 3. 1 2 3 4. 2
Más detalles1 Espacios y subespacios vectoriales.
UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Espacios vectoriales y sistemas de ecuaciones 1 Espacios y subespacios vectoriales Definición 1 Sea V un conjunto
Más detallesTema 2. Espacios Vectoriales. 2.1. Introducción
Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por
Más detallesCapitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario)
Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS (Solucionario) 2 Í N D I C E CAPÍTULO : MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES CAPÍTULO 2: ESPACIOS VECTORIALES
Más detallesMatrices: Conceptos y Operaciones Básicas
Matrices: Conceptos y Operaciones Básicas Departamento de Matemáticas, CCIR/ITESM 8 de septiembre de 010 Índice 111 Introducción 1 11 Matriz 1 113 Igualdad entre matrices 11 Matrices especiales 3 115 Suma
Más detallesRepaso de matrices, determinantes y sistemas de ecuaciones lineales
Tema 1 Repaso de matrices, determinantes y sistemas de ecuaciones lineales Comenzamos este primer tema con un problema de motivación. Problema: El aire puro está compuesto esencialmente por un 78 por ciento
Más detallesINSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA UNIDAD CULHUACÁN INTEGRANTES
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA UNIDAD CULHUACÁN INTEGRANTES CÁRDENAS ESPINOSA CÉSAR OCTAVIO racsec_05@hotmail.com Boleta: 2009350122 CASTILLO GUTIÉRREZ
Más detallesTema 3. Espacios vectoriales
Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Universidad de Cádiz Departamento de Matemáticas MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Tema 4 La recta en el plano Elaborado por la Profesora Doctora María Teresa
Más detallesAplicaciones Lineales
Aplicaciones Lineales Concepto de aplicación lineal T : V W Definición: Si V y W son espacios vectoriales con los mismos escalares (por ejemplo, ambos espacios vectoriales reales o ambos espacios vectoriales
Más detallesOperaciones con vectores y matrices ECONOMETRÍA I OPERACIONES CON VECTORES Y MATRICES. Ana Morata Gasca
ECONOMETRÍA I OPERACIONES CON VECTORES Y MATRICES Ana Morata Gasca 1 DEFINICIÓN DE VECTOR Un vector es todo segmento de recta dirigido en el espacio. CARACTERÍSTICAS DE UN VECTOR Origen o Punto de aplicación:
Más detallesEstructuras algebraicas
Tema 2 Estructuras algebraicas básicas 2.1. Operación interna Definición 29. Dados tres conjuntos A, B y C, se llama ley de composición en los conjuntos A y B y resultado en el conjunto C, y se denota
Más detallesLas matrices Parte 1-2 o bachillerato
Parte 1-2 o bachillerato wwwmathandmatesurlph 2014 1 Introducción Generalidades 2 Definición Ejercicio 1 : Suma de dos matrices cuadradas 2x2 Ejercicio 2 : Suma de dos matrices cuadradas 3x3 Propiedades
Más detallesRESOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES
RESOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES 1 La ecuación 2x - 3 = 0 se llama ecuación lineal de una variable. Obviamente sólo tiene una solución. La ecuación -3x + 2y = 7 se llama ecuación lineal de
Más detallesNÚMEROS NATURALES Y NÚMEROS ENTEROS
NÚMEROS NATURALES Y NÚMEROS ENTEROS Los números naturales surgen como respuesta a la necesidad de nuestros antepasados de contar los elementos de un conjunto (por ejemplo los animales de un rebaño) y de
Más detallesObjetivos: Al inalizar la unidad, el alumno:
Unidad 7 transformaciones lineales Objetivos: Al inalizar la unidad, el alumno: Comprenderá los conceptos de dominio e imagen de una transformación. Distinguirá cuándo una transformación es lineal. Encontrará
Más detallesÁlgebra lineal y matricial
Capítulo Álgebra lineal y matricial.. Vectores y álgebra lineal Unconjuntodennúmerosreales(a,,a n )sepuederepresentar: como un punto en el espacio n-dimensional; como un vector con punto inicial el origen
Más detalles13.TRANSFORMACIONES LINEALES 273 13.1. DEFINICIÓN DE TRANSFORMACIÓN LINEAL... 273 13.2. DETERMINACIÓN DE UNA TRANSFORMACIÓN LINEAL... 275 13.3.
ÍNDICE 13.TRANSFORMACIONES LINEALES 273 13.1. DEFINICIÓN DE TRANSFORMACIÓN LINEAL............. 273 13.2. DETERMINACIÓN DE UNA TRANSFORMACIÓN LINEAL...... 275 13.3. REPRESENTACIÓN MATRICIAL DE UNA TRANSFORMACIÓN
Más detalles2 Matrices. 1. Tipos de matrices. Piensa y calcula. Aplica la teoría
2 Matrices 1. Tipos de matrices Piensa y calcula Escribe en forma de tabla el siguiente enunciado: «Una familia gasta en enero 400 en comida y 150 en vestir; en febrero, 500 en comida y 100 en vestir;
Más detallesFORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES
FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES Eleonora Catsigeras 6 de mayo de 997 Notas para el curso de Análisis Matemático II Resumen Se enuncia sin demostración
Más detallesVECTORES. Módulo, dirección y sentido de un vector fijo En un vector fijo se llama módulo del mismo a la longitud del segmento que lo define.
VECTORES El estudio de los vectores es uno de tantos conocimientos de las matemáticas que provienen de la física. En esta ciencia se distingue entre magnitudes escalares y magnitudes vectoriales. Se llaman
Más detallesE 1 E 2 E 2 E 3 E 4 E 5 2E 4
Problemas resueltos de Espacios Vectoriales: 1- Para cada uno de los conjuntos de vectores que se dan a continuación estudia si son linealmente independientes, sistema generador o base: a) (2, 1, 1, 1),
Más detallesAplicaciones Lineales
Aplicaciones Lineales Ejercicio Dada la matriz A = 0 2 0 a) Escribir explícitamente la aplicación lineal f : 2 cuya matriz asociada con respecto a las bases canónicas es A. En primer lugar definimos las
Más detallesTema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice
Tema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice 1 Polinomios Dedicaremos este apartado al repaso de los polinomios. Se define R[x] ={a 0 + a 1 x + a 2 x 2 +... +
Más detallesConstrucción de bases en el núcleo e imagen de una transformación lineal
Construcción de bases en el núcleo e imagen de una transformación lineal Objetivos. Estudiar el algoritmo para construir una base del núcleo y una base de la imagen de una transformación lineal. Requisitos.
Más detalles4 APLICACIONES LINEALES. DIAGONALIZACIÓN
4 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES En ocasiones, y con objeto de simplificar ciertos cálculos, es conveniente poder transformar una matriz en otra matriz lo más sencilla posible Esto nos
Más detallesPolinomios y Fracciones Algebraicas
Tema 4 Polinomios y Fracciones Algebraicas En general, a lo largo de este tema trabajaremos con el conjunto de los números reales y, en casos concretos nos referiremos al conjunto de los números complejos.
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 detallesEXPRESIONES ALGEBRAICAS. POLINOMIOS
EXPRESIONES ALGEBRAICAS. POLINOMIOS 1. EXPRESIONES ALGEBRAICAS. Estas expresiones del área son expresiones algebraicas, ya que además de números aparecen letras. Son también expresiones algebraicas: bac,
Más detallesTema 3: Aplicaciones de la diagonalización
TEORÍA DE ÁLGEBRA II: Tema 3. DIPLOMATURA DE ESTADÍSTICA 1 Tema 3: Aplicaciones de la diagonalización 1 Ecuaciones en diferencias Estudiando la cría de conejos, Fibonacci llegó a las siguientes conclusiones:
Más detallesValores y vectores propios de una matriz. Juan-Miguel Gracia
Juan-Miguel Gracia Índice 1 Valores propios 2 Polinomio característico 3 Independencia lineal 4 Valores propios simples 5 Diagonalización de matrices 2 / 28 B. Valores y vectores propios Definiciones.-
Más detalles1. ESPACIOS VECTORIALES
1 1. ESPACIOS VECTORIALES 1.1. ESPACIOS VECTORIALES. SUBESPACIOS VECTORIALES Denición 1. (Espacio vectorial) Decimos que un conjunto no vacío V es un espacio vectorial sobre un cuerpo K, o K-espacio vectorial,
Más detallesCurso cero Matemáticas en informática :
y Curso cero Matemáticas en informática : y Septiembre 2007 y y Se llama matriz de orden m n a cualquier conjunto de elementos dispuestos en m filas y n columnas: a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n
Más detallesApéndice Álgebra lineal con wxmaxima
Apéndice Álgebra lineal con wxmaxima Objetivos 1. Definir matrices con wxmaxima. 2. Aplicar con wxmaxima operaciones con matrices. 3. Aplicar transformaciones elementales de matrices. 4. Calcular el determinante
Más detallesSISTEMAS DE ECUACIONES LINEALES
Capítulo 7 SISTEMAS DE ECUACIONES LINEALES 7.1. Introducción Se denomina ecuación lineal a aquella que tiene la forma de un polinomio de primer grado, es decir, las incógnitas no están elevadas a potencias,
Más detallesMATEMÁTICAS II. Departamento de Matemáticas I.E.S. A Xunqueira I (Pontevedra)
MATEMÁTICAS II 1 José M. Ramos González Este libro es totalmente gratuito y solo vale la tinta y el papel en que se imprima. Es de libre divulgación y no está sometido a ningún copyright. Tan solo se
Más detalles3.- DETERMINANTES. a 11 a 22 a 12 a 21
3.- DETERMINANTES. 3.1. -DEFINICIÓN Dada una matriz cuadrada de orden n, se llama determinante de esta matriz (y se representa por A o deta al polinomio cuyos términos son todos los productos posibles
Más detalles1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n.
Ortogonalidad Producto interior Longitud y ortogonalidad Definición Sean u y v vectores de R n Se define el producto escalar o producto interior) de u y v como u v = u T v = u, u,, u n ) Ejemplo Calcular
Más detallesCambio de representaciones para variedades lineales.
Cambio de representaciones para variedades lineales 18 de marzo de 2015 ALN IS 5 Una variedad lineal en R n admite dos tipos de representaciones: por un sistema de ecuaciones implícitas por una familia
Más detallesMÉTODOS DIRECTOS PARA LA RESOLUCIÓN DE ECUACIONES ALGEBRAICAS LINEALES
CAPÍTULO 4 EJERCICIOS RESUELTOS: MÉTODOS DIRECTOS PARA LA RESOLUCIÓN DE ECUACIONES ALGEBRAICAS LINEALES Ejercicios resueltos 1 1. Determine el número de operaciones aritméticas necesarias para calcular
Más detallesMATRICES Y DETERMINANTES
Capítulo 6 MATRICES Y DETERMINANTES 6.. Introducción Las matrices y los determinantes son herramientas del álgebra que facilitan el ordenamiento de datos, así como su manejo. Los conceptos de matriz y
Más detallesVECTORES EN EL ESPACIO. 1. Determina el valor de t para que los vectores de coordenadas sean linealmente dependientes.
VECTORES EN EL ESPACIO. Determina el valor de t para que los vectores de coordenadas (,, t), 0, t, t) y(, 2, t) sean linealmente dependientes. Si son linealmente dependientes, uno de ellos, se podrá expresar
Más detallesDependencia lineal de vectores y sus aplicaciones a la resolución de sistemas de ecuaciones lineales y de problemas geométricos.
Dependencia lineal de vectores y sus aplicaciones a la resolución de sistemas de ecuaciones lineales y de problemas geométricos. Prof. D. Miguel Ángel García Hoyo. Septiembre de 2011 Dependencia lineal
Más detallesAplicaciones Lineales
Aplicaciones Lineales Primeras definiciones Una aplicación lineal de un K-ev de salida E a un K-ev de llegada F es una aplicación f : E F tal que f(u + v) = f(u) + f(v) para todos u v E f(λ u) = λ f(u)
Más detallesTema 3: Vectores y matrices. Conceptos básicos
Tema : Vectores matrices. Conceptos básicos 1. Definición Matlab está fundamentalmente orientado al trabajo el cálculo matricial. Veremos que las operaciones están definidas para el trabajo con este tipo
Más detallesDefinición de vectores
Definición de vectores Un vector es todo segmento de recta dirigido en el espacio. Cada vector posee unas características que son: Origen: O también denominado Punto de aplicación. Es el punto exacto sobre
Más detallesEspacios vectoriales. Bases. Coordenadas
Capítulo 5 Espacios vectoriales. Bases. Coordenadas OPERACIONES ENR n Recordemos que el producto cartesiano de dos conjuntos A y B consiste en los pares ordenados (a,b) tales que a A y b B. Cuando consideramos
Más detallesObjetivos: Al inalizar la unidad, el alumno:
Unidad 3 espacios vectoriales Objetivos: Al inalizar la unidad, el alumno: Describirá las características de un espacio vectorial. Identiicará las propiedades de los subespacios vectoriales. Ejempliicará
Más detallesINSTITUTO VALLADOLID PREPARATORIA página 9
INSTITUTO VALLADOLID PREPARATORIA página 9 página 10 FACTORIZACIÓN CONCEPTO Para entender el concepto teórico de este tema, es necesario recordar lo que se mencionó en la página referente al nombre que
Más detallesPrograma para el Mejoramiento de la Enseñanza de la Matemática en ANEP Proyecto: Análisis, Reflexión y Producción. Fracciones
Fracciones. Las fracciones y los números Racionales Las fracciones se utilizan cotidianamente en contextos relacionados con la medida, el reparto o como forma de relacionar dos cantidades. Tenemos entonces
Más detallesDiagonalización de matrices
diagonalizacion.nb Diagonalización de matrices Práctica de Álgebra Lineal, E.U.A.T., Grupos ºA y ºB, 2005 Algo de teoría Qué es diagonalizar una matriz? Para estudiar una matriz suele ser conveniente expresarla
Más detalles1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS
1 1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS 1.1. ESPACIOS VECTORIALES 1. Analizar cuáles de los siguientes subconjuntos de R 3 son subespacios vectoriales. a) A = {(2x, x, 7x)/x R} El conjunto A es una
Más detallesCálculo científico y técnico con HP49g/49g+/48gII/50g Módulo 3 Aplicaciones Tema 3.3 Sistemas de ecuaciones lineales: regla de Cramer
Cálculo científico y técnico con HP49g/49g+/48gII/50g Módulo 3 Aplicaciones Tema 3.3 Sistemas de ecuaciones lineales: regla de Cramer Francisco Palacios Escuela Politécnica Superiror de Ingeniería Manresa
Más detallesEspacios vectoriales y Aplicaciones lineales
Espacios vectoriales y Aplicaciones lineales Espacios vectoriales. Subespacios vectoriales Espacios vectoriales Definición Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea
Más detallesLos polinomios. Un polinomio es una expresión algebraica con una única letra, llamada variable. Ejemplo: 9x 6 3x 4 + x 6 polinomio de variable x
Los polinomios Los polinomios Un polinomio es una expresión algebraica con una única letra, llamada variable. Ejemplo: 9x 6 3x 4 + x 6 polinomio de variable x Elementos de un polinomio Los términos: cada
Más detallesAplicaciones Lineales
Tema 3 Aplicaciones Lineales 3.1 Introducción Se presentan en este tema las aplicaciones entre espacios vectoriales, particularmente las aplicaciones lineales, que de una manera informal pueden definirse
Más detallesOperaciones lineales en R 3 y sus propiedades
Operaciones lineales en R 3 y sus propiedades Ejercicios Objetivos. Aprender a demostrar propiedades de las operaciones lineales en R 3. Requisitos. Conjunto de los números reales R, propiedades de las
Más detallesValores propios y vectores propios
Capítulo 6 Valores propios y vectores propios En este capítulo investigaremos qué propiedades son intrínsecas a una matriz, o su aplicación lineal asociada. Como veremos, el hecho de que existen muchas
Más detallesProfr. Efraín Soto Apolinar. Factorización
Factorización La factorización es la otra parte de la historia de los productos notables. Esto es, ambas cosas se refieren a las mismas fórmulas, pero en los productos notables se nos daba una operación
Más detallesApéndice A. Repaso de Matrices
Apéndice A. Repaso de Matrices.-Definición: Una matriz es una arreglo rectangular de números reales dispuestos en filas y columnas. Una matriz com m filas y n columnas se dice que es de orden m x n de
Más detalles1. MANEJO DE SUMATORIOS. PROPIEDADES Y EJERCICIOS.
1. MANEJO DE SUMATORIOS. PROPIEDADES Y EJERCICIOS. El sumatorio o sumatoria) es un operador matemático, representado por la letra griega sigma mayúscula Σ) que permite representar de manera abreviada sumas
Más detallesVII. Estructuras Algebraicas
VII. Estructuras Algebraicas Objetivo Se analizarán las operaciones binarias y sus propiedades dentro de una estructura algebraica. Definición de operación binaria Operaciones como la suma, resta, multiplicación
Más detallesLos números racionales
Los números racionales Los números racionales Los números fraccionarios o fracciones permiten representar aquellas situaciones en las que se obtiene o se debe una parte de un objeto. Todas las fracciones
Más detallesEspacios generados, dependencia lineal y bases
Espacios generados dependencia lineal y bases Departamento de Matemáticas CCIR/ITESM 14 de enero de 2011 Índice 14.1. Introducción............................................... 1 14.2. Espacio Generado............................................
Más detallesLección 9: Polinomios
LECCIÓN 9 c) (8 + ) j) [ 9.56 ( 9.56)] 8 q) (a x b) d) ( 5) 4 k) (6z) r) [k 0 (k 5 k )] e) (. 0.) l) (y z) s) (v u ) 4 f) ( 5) + ( 4) m) (c d) 7 t) (p + q) g) (0 x 0.) n) (g 7 g ) Lección 9: Polinomios
Más detallesCómo?: Resolviendo el sistema lineal homógeneo que satisfacen las componentes de cualquier vector de S. x4 = x 1 x 3 = x 2 x 1
. ESPACIOS VECTORIALES Consideremos el siguiente subconjunto de R 4 : S = {(x, x 2, x 3, x 4 )/x x 4 = 0 x 2 x 4 = x 3 a. Comprobar que S es subespacio vectorial de R 4. Para demostrar que S es un subespacio
Más detallesTransformaciones canónicas
apítulo 29 Transformaciones canónicas 29.1 Introducción onsideremos una transformación arbitraria de las coordenadas en el espacio de las fases de dimensión 2(3N k) (con el tiempo como un parámetro) Q
Más detallesSistemas de ecuaciones lineales
Sistemas de ecuaciones lineales Problemas teóricos Sistemas de ecuaciones lineales con parámetros En los siguientes problemas hay que resolver el sistema de ecuaciones lineales para todo valor del parámetro
Más detallesTema 3. Aplicaciones lineales. 3.1. Introducción
Tema 3 Aplicaciones lineales 3.1. Introducción Una vez que sabemos lo que es un espacio vectorial y un subespacio, vamos a estudiar en este tema un tipo especial de funciones (a las que llamaremos aplicaciones
Más detallesGeometría Tridimensional
Capítulo 4 Geometría Tridimensional En dos dimensiones trabajamos en el plano mientras que en tres dimensiones trabajaremos en el espacio, también provisto de un sistema de coordenadas. En el espacio,
Más detallesFormas bilineales y cuadráticas.
Tema 4 Formas bilineales y cuadráticas. 4.1. Introducción. Conocidas las nociones de espacio vectorial, aplicación lineal, matriz de una aplicación lineal y diagonalización, estudiaremos en este tema dos
Más detallesTema 2 Límites de Funciones
Tema 2 Límites de Funciones 2.1.- Definición de Límite Idea de límite de una función en un punto: Sea la función. Si x tiende a 2, a qué valor se aproxima? Construyendo - + una tabla de valores próximos
Más detallesCurso de Procesamiento Digital de Imágenes
Curso de Procesamiento Digital de Imágenes Impartido por: Elena Martínez Departamento de Ciencias de la Computación IIMAS, UNAM, cubículo 408 http://turing.iimas.unam.mx/~elena/teaching/pdi-lic.html elena.martinez@iimas.unam.mx
Más detallesTema 1. VECTORES (EN EL PLANO Y EN EL ESPACIO)
Vectores Tema. VECTORES (EN EL PLANO Y EN EL ESPACIO Definición de espacio vectorial Un conjunto E es un espacio vectorial si en él se definen dos operaciones, una interna (suma y otra externa (producto
Más detalles5.1Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal y sus propiedades
5- ransformaciones Lineales 5Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal sus propiedades Se denomina transformación lineal a toda función,, cuo dominio codominio
Más detallesPráctica 3 Cálculo Matricial
Matrices.nb 1 Práctica 3 Cálculo Matricial Práctica de ÁlgebraLineal,E.U.A.T.,Grupos 1ºA y 1ºC,Curso 2005 2006 En esta práctica describiremos cómo definir matrices con Mathematica y cómo realizar algunas
Más detallesÍndice Introducción Números Polinomios Funciones y su Representación. Curso 0: Matemáticas y sus Aplicaciones Tema 1. Números, Polinomios y Funciones
Curso 0: Matemáticas y sus Aplicaciones Tema 1. Números, Polinomios y Funciones Leandro Marín Dpto. de Matemática Aplicada Universidad de Murcia 2012 1 Números 2 Polinomios 3 Funciones y su Representación
Más detallesSelectividad Septiembre 2013 OPCIÓN B
Pruebas de Acceso a las Universidades de Castilla y León ATEÁTICAS APLICADAS A LAS CIENCIAS SOCIALES EJERCICIO Nº páginas Tablas OPTATIVIDAD: EL ALUNO DEBERÁ ESCOGER UNA DE LAS DOS OPCIONES Y DESARROLLAR
Más detallesE. T. S. de Ingenieros Industriales Universidad Politécnica de Madrid. Grado en Ingeniería en Tecnologías Industriales. Grado en Ingeniería Química
E. T. S. de Ingenieros Industriales Universidad Politécnica de Madrid Grado en Ingeniería en Tecnologías Industriales Grado en Ingeniería Química Apuntes de Álgebra ( Curso 2014/15) Departamento de Matemática
Más detallesQué son los monomios?
Qué son los monomios? Recordemos qué es una expresión algebraica. Definición Una expresión algebraica es aquella en la que se utilizan letras, números y signos de operaciones. Si se observan las siguientes
Más detalles