IINWI&IR A C([))NIlDlIClI([))NAlL I& linwi&ir A G I&NI&IRAILlItzAIlDA IlDI&lUNA MA 1fIRlItzo I& ~lui&ma GI&([))MI&1fIRlIC([)),.
|
|
- María del Carmen Maidana Suárez
- hace 8 años
- Vistas:
Transcripción
1 IINWI&IR C([))NIlDlIClI([))NlL I& linwi&ir G I&NI&IRILlItzIlD IlDI&lUN M 1fIRlItzo I& ~lui&m GI&([))MI&1fIRlIC([)),. MIGUEL. MRMOLEJO L. PROFESORSISTENTE. DEPRTMENTO DE MTEMTIC. UNIVERSIDD DEL VLLE: COLOMBI. 1. PRELIMINRES El propósito de este apartado es el de fijar alguna terminología y presentar atqunas definiciones que servirán de referencia en el desarrollo del resto del trabajo. 1.1 Cada matriz () = [aij]mxn tiene asociados cuatro espacios a saber: (a) F(), el espacio fila de, (b) N(), el espacio nulo de, (e) C(), el espacio columna de, y (d) N*( t ), el espacio nulo de t. demás se sabe que: ( 1) (a) F() y () son ortogonales y (b) R n = F() e N(), donde e indica suma directa. sí, se tiene que: dim F() + dim N() = n, y cada x E R n puede expresarse en forma única así: x = f + a, donde f E F() Y a E N(). sí mismo, (11) (a) C() y N*( t ) son ortogonales y (b) R m = C() Et> N*( t ), donde Et> indica suma directa. sí, se tiene que: dim C() + dim N*( t ) = m, y cada y E R m puede expresarse en forma única así: y = e + a, donde e E C() y a E N*(t) El rango de una matriz lo denotaremos por p (). Sobre el rango de una matriz mencionamos que: (a) P() = P( t ) = dim F() = dim C() HEURISTlC VOL.2 No. 1 31
2 1.3. Cada matriz = [aijlmxn tiene asociada la transformación lineal Más aún; el conjunto imagen de es C() y el núcleo de es N(). En la figura 1 ilustraremos lo establecido hasta ahora. IR" IR'" F () l X = 1+< C() X = l, ; y " r. +,,4 N () FIGUR De otra parte, existe un método sencillo para calcular una base de cada uno de los cuatro espacios asociados a una matriz = [aijlmxn. El método consiste en efectuar los pasos siguientes: PSO 1. PSO 2. Forme la matriz [tl Inl. Efectúe operaciones elementales en las fila de la matriz anterior hasta conseguir una forma escalonada de la matriz t. l final de este paso se obtiene una matriz que podemos describir por bloques así: (r = p ()). 1 Prxn Pnrxn Las filas de la matriz Erxm conforman una base para C(); el conjunto imagen de, y las filas de la matriz P n rxn conforman una base para N (); el núcleo de. l efectuar el paso 2 a la matriz HEllRISTIC VOL.2 No. 1 32
3 [ll m ] se obtienen sendas bases para C( t ) = F() Y N*(t). 1.4 Para cada subespacio U de R k existe un subespacio W de R k tal que R k = U W. indica suma directa. Un tal subespacio W es llamado un complemento de U. Donde EEJ 1.5. (i) Se dice que X o es una solución mínima cuadrada del sistema, de ecuaciones x = y, si: 11 xo y 11 s 11 x y 11 para todo x. ( i i) Se dice que X o es una mejor solución aproximada del sistema de ecuaciones x = y, si : (a) 11 xo y 11 s 11 x y 11 para todo x, y (b) Si x" es tal que IIxo YII = IIx* y 11, entonces 11 Xo 11 ~ 11 x* INVERS MTRIZ: CONDICIONL DEFINICIONES E INVERS GENERLIZD DE UN 2.1. Definición: Sea una matriz mxn. Una matriz C nxm es una inversa condicional (einversa) de, si c = Definición: Sea una matriz mxn. Una matriz + nxm es una inyersq generalizada (ginversa) de, si: (i) + = ( i i) + + = + Y (i i i) + Y + son simétricas. Obsérvese que una ginversa de es una einversa de. conseguir una einversa de una matriz. continuación veremos una manera de Sean: una matriz mxn, W un complemento de N () Y U un complemento de C (). sí; R n = W E9 N() Y R m = C() EEJ U, por lo que cada x E R n y cada y E R m pueden expresarse enforma única así: x = w + a y y = e + u, donde w, a, e y u pertenecen a W, N(), C () y U respectivemente. hora; si definimos C : R m ~ R n de manera que C [w] = w para cada w E C(), entonces se tiene que para cada x E Rn: cx = c (w + a) = cw = w = x. De aquí que c =. lo cual indica que C es una einversa de la matriz. De otra parte; dado que W y U son arbitrarios y dado que hay libertad para definir C (u) para cada u E U, se concluye que en general una matriz puede tener más de una einversa. En la figura HEURISTlC VOL.2 No. 1 33
4 2 ilustramos esto. ~ e () IR n. ~~C r:ir~m_, X&w+e(.. W. X N ( ) FIGUR einvers DE UN MTRIZ: PROPIEDDES En este apartado veremos: ( a) lgunas propiedades generales de una oinversa de. ( b) lgunas propiedades que posee una einversa de, según: ( i ) La manera de definir C (u) para cada u e U. ( i i ) El rango de. ti i i) La escogencia de W y de U. l. l definir C : R m 7 R n de manera C [w] = w para cada w E e (), se tiene que: (ver figura número 2) (1) c = (2) c y C son matrices idempotentes, ( 3) e () = e ( c ). por lo que p () = P ( c ). (4) e (C) = W, por lo que p () = P (c). (5) W.Q. e ( c ). por lo que p () s P ( c ). ( 6) x = y tiene solución sll c y = y, Y (7) Si x = y tiene solución, su solución general está dada por: x = C Y + ex., ex. E N (). HEURISTlC VOL.2 No. 1 34
5 11. l definir C : Rm~ R n de manera que: C [w] = w, w E e (), y C (u) = 9, u E U Se tiene que: (ver figura número 2) (1)' c = Y C c = C, (2), (3), (4), (5)' W = e ( c ), por lo que p () (6) Y (7) Si P () = m < n, entonces U = {O}. De aquí que al definir C : Rm~ R n de manera que C [w] = w para cada w E e (), se tiene que: (ver figura número 3) (1)', (2), (3), (4), (5)', ( 6 )' x = y siempre tiene solución, ( 7)' x = y siempre tiene solución y su solución general está dada por: x = Cy + (1 C )h, h E R n, y (8) c = I IV. Si P () = n < m, entonces N () = {O}, por lo que al definir C : Rm~ R n de manera que C [w] = w para cada w E e (), se tiene que: (ver figura número 4) (1)', (2), (3), (4), (5)', (6), (7)"Si x = y tiene solución, ésta es única y está dada por x = C y, y (8)' C=I y FIGUR 3 V. Si r() = n = m, entonces N() = {O} = U. HEURISTIC VOL.2 No. 1 35
6 De aquí que necesariamente C = 1 V l. Si U = N* ( t ) Y se define C: Rm~Rn de manera que: C [w] = w, w E e (), y Cu = a, u E U, a E N () Entonces se tiene que: (ver figura número 5). ~~~~ m C IR C() C~WJ:W+ ~.. WX FIGUR 4 (1), (2), (3), (4), (5), (6), (7), (9) c es la proyección ortogonal de R m sobre el espacio columna de. Por esto, c es simétrica e idempotente. De aquí que X o = Cy es una solución mínima cuadrada de x = y, pues: (ver figura número 6) IRn.. ~ ~~C >4 e() ; y = e +..8 W: X N () FIGUR 5 HEURISTIC VOL.2 No. 1 36
7 11 Cy y 11 = 11 Proyección ortogonal de y sobre e () y 11 s 11 x y 11 para todo x. demás. como: de una solución mínima cuadrada. Cy = [Cy + a], a E N (), se concluye que en general x = y puede tener más o "(... ': /V C yy I I I I I I I ~'""~ cy FJGUR 6 VII. Si W = F (), al definir C: Rm~Rn de manera que: C [w] = w para cada w E e (), se tiene que: (ver figura número 7). (1). (2), (3), (4), (5). (6), (7), (10) C es la proyección ortogonal de R n sobre el espacio fila de. Por esto, Ces simétrica e idempotente. De aquí que w = C[w] es el vector de menor longitud entre aquellos vectores x tales que x = w. En efecto; si x = w, entonces x = w + a, a E N (), por lo que: VIII. Si U = W ( t ) Y W = F (), al definir C : Rm~ R n de manera que: c[w] = w, w E e () C[u] = e,ueu, Entonces se tiene que: (ver figura número 8) (1)', (2), (3), (4), (5)', (6). (7), (8), (8)', (9) Y (10). demás; (9) y (10) expresan que X o = Cy es una mejor solución aproximada de x = y. HEURISTIC VOL.2 No. 1 37
8 W = F( ) X=w+o<. C() ; ~y=.c+jj. W= X N () FIGUR 7 De otro lado; en primer lugar, note que C definifa así es una ginversa de, y en segundo lugar; dado que N* ( t ) es el único complemento ortogonal de C () y que F () es el único complemento ortogonal de N (), se concluye que C así definida es única. En consecuencia: toda matriz tiene una única ginversa. demás; x = y siempre tiene una única mejor solución aproximada, a saber X o = +y. 4. G INVERS DE UN MTRIZ LGEBRICO PROPIEDDES Y CLCULO En este apartado.i.rernos algunas propiedades que posee la ginversa de una matriz y una manera de calcularla. Empezaremos reescribiendo lo establecido en 3. VIII. l. Para toda matriz mxn existe una única matriz +nxm: la ginversa de, tal que: ( 1) + = Y + + = +, (2) + Y + son simétricas e idempotentes, (3) p () = P (+) = P (+) P(+), (4) N (+) = N* ( t ), C (+) = F (), F (+) = C (), ( 5 ) x = y tiene solución.sli "v = y, ( 6) Si x y tiene solución, su solución general ésta dada por: x = +y + (I+)h, h R n. ( 7) + es la proyección ortogonal de R m sobre C() y + es la proyección ortogonal de R n sobre F (), por lo que; x = y siempre tiene una única mejor solución aproximada, a saber: Xo = +y. 11. Si = 0mxn' entonces + 0nxm HEURISTlC VOL.2 No. 1 38
9 111.Si P () ortogonalde de donde; = m < n, entonces t es inversible. De otro lado, como + es la proyección R n sobre F(). Entonces: + t = t, + = t [ t r 1 IV. Si P() = n < m, entonces t es inversible. Puesto que + es simétrica y puesto que: + =, Entonces: t+ = t, de donde; + = [tr1 t V. St P() = n = m, entonces + = 1. VI. Sean B una matriz mxr y e una matriz rxn. Si F (B) (BC)+ = e+ B+ (ver figura número 9). e (e), entonces En particular: ( i) Para cualquier matriz : ( t)+ = ( t )+ + Y (t)+ = + (t)+. i i) Si B es una matriz mxr y e es una matriz rxn y si p (B) = P = P (e), entonces (BC)+ = c+a+. Más explícitamente, según 111y IV, (BC)+ = C t [CC t r 1. [B t Br 1 a'. VII. Si es simétrica, entonces + es simétrica. Más aún: (ver figura número 10) (i) x = O.s.li. +x = O (ii) x =.x.s.li. +x = ",1 x; * O r~ IR n ~...!~c IRm r~~ W = F( ) e ( ) X= w + [ W]. W O".,t ~o W " X r.o+ c y = e +;'.( N () FIGUR 8 HEURISTIC VOL.2 No. 1 39
10 Por último veremos un método para calcular la ginversa de una matriz = [aijlmxn. El método consiste en efectuar los pasos siguientes: PSO 1: Forme la matriz [llml. PSO 2: Efectúe operaciones elementales en las filas de la anterior matriz hasta conseguir una forma escalonada de la matriz. l final de este paso se obtiene una matriz que podemos describir por bloques así: (r = p ()). P rxm ] Pmrxm PSO 3: Forme Erxn la matriz t [ Pmrxm Paso 4: Lleve la matriz anterior a su obtiene la matriz [1 m I (+)t 1 forma escalonada reducida. l final de este paso se C e IR" e+ F(C) F\B)=C(C) C ( e) w C(WI e e (W), ~ 1'. t'\ 1'. :\ t' :\ o.. "'" N (e ) N( el= ~(ct NIf( 8 t) FIGUR 9 5. PLlCCION: JUSTE DE DTOS POR MINIMOS CUDRDOS Como es sabido; el sistema de ecuaciones x = y: ( i) Tiene infinitas soluciones ó (ii) Tiene solución única ó (iii) No tiene solución. HEURISTlC VOL.2 No. 1 40
11 En el trabajo experimental generalmente se da la opción (iii). En este caso nos preguntamos si existe una "solución aproximada". para una definición conveniente de solución aproximada. El método de los mínimos cuadrados busca una solución mínima cuadrada. Es decir. busca X o tal que 11 xo y 11 s 11 x y 11 para todo x. Como hemos visto. x = y tiene siempre al menos una solución mínima cuadrada. a saber: x = +Y. la mejor solución aproximada de x = y. Más aún; si = [aij]mxn tiene rango n, se desprende de lo establecido en 3. VI (9) Y 3. IV que x = y tiene sólo una solución mínima cuadrada. l. daptación. por mínimos cuadrados. de una línea recta. Sea una línea recta: y = a + bx que se quiere adaptar a los puntos: (x1'y1)' (x 2 'Y2)'... (xn'yn). Si los puntos fuesen colineales. los coeficientes desconocidos a y b satisfarían la ecuación de la recta. es decir. se tendría: Y = a + b x. i = n. Las anteriores igualdades pueden escribirse así: y = [:] = = x Si los puntos no son colineales. de lo que se trata es de encontrar una solución mínima cuadrada de x = y. F(). C(+) e () F(+, +X X ). Jtx,..~ N()" Xo N (+) X " ).X,.. ~ 'v ""Q X N ( t) = N ( + ) FIGUR 10 HPI 'R/.~Tlr, var.? Nn.1 111
12 Ejemplo. daptemos, por mínimos cuadradados, los puntos (0,1), (1,3), (2,4) Y (3,4) a una línea recta y = a + bx. Lo que debemos n [~] hacer es encontrar una solución mínima cuadrada de 1 x 3 = Y Una tal solución está dada por xo = +y. hora bien, como r () = 2, entonces ésta es la única solución mínima cuadrada de x = y. Por lo tanto los coeficientes buscados están dados por: 11. daptación, por mínimos cuadrados, de un polinomio. Para adaptar, por mínimos cuadrados, un polinomio de grado :S m: a un conjunto de n puntos: (x1'y1), (x2'y2), "., (xn,yn), se busca una solución mínima cuadrada de x= :: y Ejemplo. Encontremos un polinomio de grado :S 2 que mejor se adapte, por mínimos cuadrados, a los puntos: (0.1,0.18), (0.2,0.31), (0.3,1.03), (0.4,2.48) Y (0.5,3.73). Debemos encontrar una solución mínima cuadrada de x= [aoj a a2 = ,18,0,31 1,03 2,48 3,73 y Puesto que r (1\) = 3, existe una única solución mínima cuadrada de x = y, a saber: HEURISTlC VOL. 2 No. 1 42
13 BIBLlOGRFI: [1] GRYBILL, F..: Introduction to matrices with applications in statistics. Wadsworth Publishing Company Inc [2] RORRES,C. y NTON H.: plicacionesde algebra lineal. Limusa, [ 3 ] STRNG, G.: lgebra lineal y sus aplicaciones. Fondo Educativo Interamericano, S.., HEURISTIC VOL.2 No. 1 43
1 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 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 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 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 detalles21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES
Aplicaciones lineales. Matriz de una aplicación lineal 2 2. APLICACIONES LINEALES. MATRIZ DE UNA APLICACIÓN LINEAL El efecto que produce el cambio de coordenadas sobre una imagen situada en el plano sugiere
Más detallesPROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2.
PROBLEMA. ESCUELA UNIVERSITARIA POLITÉCNICA DE SEVILLA Ingeniería Técnica en Diseño Industrial Fundamentos Matemáticos de la Ingeniería Soluciones correspondientes a los problemas del Primer Parcial 7/8.
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 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 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 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 detallesEspacios vectoriales y aplicaciones lineales.
Práctica 2 Espacios vectoriales y aplicaciones lineales. Contenido: Localizar bases de espacios vectoriales. Suma directa. Bases y dimensiones. Cambio de base. Aplicaciones lineales. Matriz asociada en
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 detallesClase 15 Espacios vectoriales Álgebra Lineal
Espacios vectoriales Clase 5 Espacios vectoriales Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia En esta sección estudiaremos uno de los conceptos
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 detallesAlgebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 2012
Grupo: Matrícula: Nombre: Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 22. (pts) Sea A una matriz cuadrada. Indique validez a cada una de las siguientes
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 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 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 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 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 detallesDefinición 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 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 detallesÁlgebra Lineal Ma1010
Álgebra Lineal Ma1010 Mínimos Cuadrados Departamento de Matemáticas ITESM Mínimos Cuadrados Álgebra Lineal - p. 1/34 En esta sección veremos cómo se trabaja un sistema inconsistente. Esta situación es
Más detallesTema 3: Producto escalar
Tema 3: Producto escalar 1 Definición de producto escalar Un producto escalar en un R-espacio vectorial V es una operación en la que se operan vectores y el resultado es un número real, y que verifica
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 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 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 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 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 detallesClasificación de métricas.
Clasificación de métricas. 1. El problema de clasificación. Como bien sabemos, el par formado por una métrica T 2 (esto es, un tensor 2-covariante simétrico) sobre un espacio vectorial E, (E, T 2 ), constituye
Más detallesTema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases.
Tema III Capítulo 2 Sistemas generadores Sistemas libres Bases Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC 2 Sistemas generadores Sistemas libres Bases 1 Combinación lineal
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 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 detallesEJERCICIOS DE MATEMÁTICAS I HOJA 4. Ejercicio 1. Se consideran los vectores
EJERCICIOS DE MATEMÁTICAS I HOJA 4 Ejercicio 1. Se consideran los vectores u 1 = (1, 1, 0, 1), u 2 = (0, 2, 1, 0), u 3 = ( 1, 1, 1, 1), u 4 = (2, 2, 1, 0) de R 4. Expresa, si es posible, los vectores u
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 detallesMatemáticas I: Hoja 3 Espacios vectoriales y subespacios vectoriales
Matemáticas I: Hoa 3 Espacios vectoriales y subespacios vectoriales Eercicio 1. Demostrar que los vectores v 1, v 2, v 3, v 4 expresados en la base canónica forman una base. Dar las coordenadas del vector
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 detalles1. APLICACIONES LINEALES
1 1. APLICACIONES LINEALES 1. Estudiar si las siguientes aplicaciones son lineales: a) f : R 2 R 3, f(x, y) = (x + y, y, x 2y). Sí es lineal. b) f : R 2 R, f(x, y) = xy. No es lineal. Basta observar que
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 detallesPráctica de Aplicaciones Lineales
practica5.nb 1 Práctica de Aplicaciones Lineales Aplicaciones lineales y matrices Las matrices también desempeñan un papel muy destacado en el estudio de las aplicaciones lineales entre espacios vectoriales
Más detallesVectores: Producto escalar y vectorial
Nivelación de Matemática MTHA UNLP 1 Vectores: Producto escalar y vectorial Versores fundamentales Dado un sistema de coordenadas ortogonales, se considera sobre cada uno de los ejes y coincidiendo con
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 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 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 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 detallesProblema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por f(1,3,4)=(2,6,8), f(1,1,1)=(2,6,8) y f(0,1,1)=(0,0,0).
Problema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por f(1,3,4)=(2,6,8), f(1,1,1)=(2,6,8) y f(0,1,1)=(0,0,0). a) Demostrad que (1,3,4), (1,1,1) i (0,1,1) son una base de R³. b) Decid
Más detallesEjemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR}
Subespacios Capítulo 1 Definición 1.1 Subespacio Sea H un subconjunto no vacio de un espacio vectorial V K. Si H es un espacio vectorial sobre K bajo las operaciones de suma y multiplicación por escalar
Más detallesTema 4: Aplicaciones lineales
Tema 4: Aplicaciones lineales Definición, primeras propiedades y ejemplos Definición. Sean V y W dos espacios vectoriales sobre un cuerpo K. Una función f : V W se dice que es una aplicación lineal si
Más detallesTema 4.- El espacio vectorial R n.
Tema 4- El espacio vectorial R n Subespacios vectoriales de R n Bases de un subespacio Rango de una matriz 4 Bases de R n Cambios de base 5 Ejercicios En este tema estudiamos la estructura vectorial del
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 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 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 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 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 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 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 detallesy λu = Idea. Podemos sumar vectores y multiplicar por un escalar. El resultado vuelve a ser un vector Definición de espacio vectorial.
Espacios vectoriales Espacios y subespacios R n es el conjunto de todos los vectores columna con n componentes. Además R n es un espacio vectorial. Ejemplo Dados dos vectores de R por ejemplo u = 5 v =
Más detalles1. Cambios de base en R n.
er Curso de Ingeniero de Telecomunicación. Álgebra. Curso 8-9. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema 5. Cambios de Base. Aplicaciones Lineales. Teoría y Ejercicios Resueltos..
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 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 detalles4.- Para los siguientes conjuntos de vectores, probar si son o no subespacios vectoriales de R 4 : 2d + 1 : b, d reales. d
GRADO EN I. TELEMÁTICA. HOJA : ESPACIOS VECTORIALES. ESPACIOS NULO Y COLUMNA.- Sea W el conjunto de todos los vectores de R de la forma subespacio de R. s + t s t s t t, con s, t R. Probar que W es un.-
Más detallesAplicaciones lineales continuas
Lección 13 Aplicaciones lineales continuas Como preparación para el cálculo diferencial, estudiamos la continuidad de las aplicaciones lineales entre espacios normados. En primer lugar probamos que todas
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 detallesAproximación local. Plano tangente. Derivadas parciales.
Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 004-005 Aproximación local. Plano tangente. Derivadas parciales. 1. Plano tangente 1.1. El problema de la aproximación
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 detallesAplicaciones lineales
aplicaciones_lineales.nb Aplicaciones lineales Práctica de Álgebra Lineal, E.U.A.T, Grupos ºA y ºB, 005 Aplicaciones lineales y matrices Hay una relación muy estrecha entre aplicaciones lineales y matrices:
Más detallesEspacios vectoriales y aplicaciones lineales
Capítulo 3 Espacios vectoriales y aplicaciones lineales 3.1 Espacios vectoriales. Aplicaciones lineales Definición 3.1 Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea K un
Más detallesAlgebra Lineal y Geometría.
Algebra Lineal y Geometría. Unidad nº7: Transformaciones Lineales. Algebra Lineal y Geometría Esp. Liliana Eva Mata 1 Contenidos. Transformación lineal entre dos espacios vectoriales. Teorema fundamental
Más detallesGEOMETRÍA ANALÍTICA 2º Curso de Bachillerato 22 de mayo de 2008
1. Sean los puntos A (1, 0,-1) y B (,-1, 3). Calcular la distancia del origen de coordenadas a la recta que pasa por A y B. Calculemos la recta que pasa por A y B. El vector AB es (1,-1,4) y por tanto
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 detallesMatemáticas I: Hoja 4 Aplicaciones lineales y diagonalización
Matemáticas I: Hoja 4 Aplicaciones lineales y diagonalización Ejercicio. Decidir cuáles de las siguientes aplicaciones son lineales. Cuál es la dimensión del espacio imagen? a f(x, x 2, x 3 = (x 2 + x
Más detallesCaracterísticas de funciones que son inversas de otras
Características de funciones que son inversas de otras Si f es una función inyectiva, llamamos función inversa de f y se representa por f 1 al conjunto. f 1 = a, b b, a f} Es decir, f 1 (x, y) = { x =
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 Representación gráfica de funciones reales de una variable real Elaborado
Más detallesEspacios Vectoriales
Espacios Vectoriales Departamento de Matemáticas, CCIR/ITESM 4 de enero de 2 Índice 3.. Objetivos................................................ 3.2. Motivación...............................................
Más detallesUNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES. OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano.
UNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano. EL PLANO CARTESIANO. El plano cartesiano está formado
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 detallesVectores en el espacio
Vectores en el espacio Un sistema de coordenadas tridimensional se construye trazando un eje Z, perpendicular en el origen de coordenadas a los ejes X e Y. Cada punto viene determinado por tres coordenadas
Más detallesSea un espacio vectorial sobre y sea un producto interno en ; entonces, : , y los vectores
FASÍCULO: ESPACIOS CON PRODUCTO INTERNO Teorema. Sea un espacio vectorial sobre y sea un producto interno en ; entonces, : i) ii) iii) iv) Ejemplo: Sean el espacio vectorial con el producto interno definido
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 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 detallesCálculo Simbólico también es posible con GeoGebra
www.fisem.org/web/union ISSN: 1815-0640 Número 34. Junio de 2013 páginas 151-167 Coordinado por Agustín Carrillo de Albornoz Cálculo Simbólico también es posible con GeoGebra Antes de exponer las posibilidades
Más detalles1. Producto escalar, métrica y norma asociada
1. asociada Consideramos el espacio vectorial R n sobre el cuerpo R; escribimos los vectores o puntos de R n, indistintamente, como x = (x 1,..., x n ) = n x i e i i=1 donde e i son los vectores de la
Más detallesSegundo de Bachillerato Geometría en el espacio
Segundo de Bachillerato Geometría en el espacio Jesús García de Jalón de la Fuente IES Ramiro de Maeztu Madrid 204-205. Coordenadas de un vector En el conjunto de los vectores libres del espacio el concepto
Más detalles4 Aplicaciones Lineales
Prof Susana López 41 4 Aplicaciones Lineales 41 Definición de aplicación lineal Definición 23 Sean V y W dos espacios vectoriales; una aplicación lineal f de V a W es una aplicación f : V W tal que: 1
Más detallesDibujamos estos puntos en el espacio, y no cerramos la figura
PRÁCTICA SÉPTIMA: PROYECCIÓN ORTOGONAL. INVERSA DE MOORE-PENROSE 1. Proyección de un vector sobre un subespacio En este apartado vamos a recordar como se proyecta un vector v R m sobre un subespacio vectorial
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 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 detallesOperaciones Booleanas y Compuertas Básicas
Álgebra de Boole El álgebra booleana es la teoría matemática que se aplica en la lógica combinatoria. Las variables booleanas son símbolos utilizados para representar magnitudes lógicas y pueden tener
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 detallesLección 2. Puntos, vectores y variedades lineales.
Página 1 de 11 Lección 2. Puntos, vectores y variedades lineales. Objectivos. En esta lección se repasan las nociones de punto y vector, y se identifican, via coordenadas, con los pares (ternas,...) de
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 detallesLÍMITES Y CONTINUIDAD DE FUNCIONES
Capítulo 9 LÍMITES Y CONTINUIDAD DE FUNCIONES 9.. Introducción El concepto de ite en Matemáticas tiene el sentido de lugar hacia el que se dirige una función en un determinado punto o en el infinito. Veamos
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 detalles4.1 El espacio dual de un espacio vectorial
Capítulo 4 Espacio dual Una de las situaciones en donde se aplica la teoría de espacios vectoriales es cuando se trabaja con espacios de funciones, como vimos al final del capítulo anterior. En este capítulo
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 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 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 detallesTema 2. Aplicaciones lineales y matrices.
Tema 2 Aplicaciones lineales y matrices. 1 Índice general 2. Aplicaciones lineales y matrices. 1 2.1. Introducción....................................... 2 2.2. Espacio Vectorial.....................................
Más detallesMétodos Iterativos para Resolver Sistemas Lineales
Métodos Iterativos para Resolver Sistemas Lineales Departamento de Matemáticas, CCIR/ITESM 17 de julio de 2009 Índice 3.1. Introducción............................................... 1 3.2. Objetivos................................................
Más detalles1º) Siempre que se pueda, hay que sacar factor común: :a b ± a c ± a d ± = a (b ± c ± d ± ):
Pág. 1 de 7 FAC T O R I Z AC I Ó N D E P O L I N O M I O S Factorizar (o descomponer en factores) un polinomio consiste en sustituirlo por un producto indicado de otros de menor grado tales que si se multiplicasen
Más detalles