Álgebra Lineal Ma1010
|
|
- José Ignacio Plaza Jiménez
- hace 7 años
- Vistas:
Transcripción
1 Álgebra Lineal Ma1010 Eliminación gaussiana y otros algoritmos Departamento de Matemáticas ITESM Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 1/77
2 En esta lectura veremos procedimientos sistemáticos para resolver un sistema de ecuaciones lineales. Estos algoritmos trabajan directamente sobre la matriz aumentada del sistema llevándola a la matriz de un sistema triangular que es equivalente al sistema inicial. La equivalencia del sistema triangular final con el inicial se argumenta debido a que el algoritmo sólo utiliza los tres tipos de operaciones vistos en la lectura anterior y cuya aplicación individual siempre preserva la equivalencia. Los procedimientos que revisaremos son: el algoritmo de Eliminación, el algoritmo de y el método. Finalmente, se realizará una revisión sobre el trabajo computacional realizado por estas estrategias. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 2/77
3 Será importante que Usted Entienda los conceptos: matriz escalonada y escalonada reducida. Entienda y mecanice los procedimientos de Eliminación gaussiana, Eliminación de, y El método de. Conozca las diferencias en el proceder entre los algoritmos vistos. Comprenda las reglas para analizar las a un sistema de ecuaciones. Comprenda el concepto de complejidad de un algoritmo. Conozca las diferencias en los costos de cómputo de los algoritmos vistos. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 3/77
4 Forma escalonada por renglones Una matriz se dice matriz escalonada si cumple: Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 4/77
5 Forma escalonada por renglones Una matriz se dice matriz escalonada si cumple: 1. En caso de tener renglones de ceros, todos ellos están en la parte inferior de la matriz. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 4/77
6 Forma escalonada por renglones Una matriz se dice matriz escalonada si cumple: 1. En caso de tener renglones de ceros, todos ellos están en la parte inferior de la matriz. 2. El elemento delantero de cada renglón no cero (después del primer renglón) se encuentra a la derecha del elemento delantero del renglón anterior. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 4/77
7 Forma escalonada por renglones Una matriz se dice matriz escalonada si cumple: 1. En caso de tener renglones de ceros, todos ellos están en la parte inferior de la matriz. 2. El elemento delantero de cada renglón no cero (después del primer renglón) se encuentra a la derecha del elemento delantero del renglón anterior. Y se llama matriz escalonada reducida si es escalonada y además cumple: 3. El elemento delantero de cualquier renglón no cero es 1. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 4/77
8 Forma escalonada por renglones Una matriz se dice matriz escalonada si cumple: 1. En caso de tener renglones de ceros, todos ellos están en la parte inferior de la matriz. 2. El elemento delantero de cada renglón no cero (después del primer renglón) se encuentra a la derecha del elemento delantero del renglón anterior. Y se llama matriz escalonada reducida si es escalonada y además cumple: 3. El elemento delantero de cualquier renglón no cero es Todos los elementos arriba y abajo de un 1 delantero son cero. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 4/77
9 Ejemplo Indique porqué las siguientes matrices no son escalonadas: , , Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 5/77, ,
10 Ejemplo Indique porqué las siguientes matrices no son escalonadas: , , Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 5/77, Solución En el primer ejemplo, tiene un renglón de ceros y no aparece hasta el final; no se cumple la condición 1.,
11 Ejemplo Indique porqué las siguientes matrices no son escalonadas: , , Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 5/77, , Solución En el segundo ejemplo, cuando comparamos la posición del primer elemento no cero del segundo renglón (5) con la posición del primer elemento no cero del tercer renglón (2) vemos que el 2 no está a la derecha del 5; no se cumple la condición 2.
12 Ejemplo Indique porqué las siguientes matrices no son escalonadas: , , Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 5/77, Solución En el tercer ejemplo, el renglón de cero aparece hasta abajo, pero cuando se comparan los elementos delanteros de los renglones 2 y 3 el inferior no está a la derecha del elemento delantero superior: se cumple la condición 1 pero no la 2.,
13 Ejemplo Indique porqué las siguientes matrices no son escalonadas: , , Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 5/77, , Solución En el cuarto ejemplo, falla de nuevo la condición 1.
14 Ejemplo Indique porqué las siguientes matrices no son escalonadas: , , Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 5/77, Solución En el último ejemplo, recuerde sólo hay escalonada de derecha a izquierda; el elemento delantero del renglón 2 no está a la derecha de delantero del renglón 1,
15 Ejemplo Indique porqué las siguientes matrices sí son escalonadas: , , Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 6/77, ,
16 Ejemplo Indique porqué las siguientes matrices sí son escalonadas: , , Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 6/77, Solución Observe que las matrices listadas cumplen las condiciones 1 y 2,
17 Ejemplo Indique porqué las siguientes matrices son escalonadas pero no reducidas: , , Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 7/77, ,
18 Ejemplo Indique porqué las siguientes matrices son escalonadas pero no reducidas: , , Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 7/77, , Solución En el primer ejemplo, está fallando la condición 3: el elemento delantero del renglón 3 debe ser 1.
19 Ejemplo Indique porqué las siguientes matrices son escalonadas pero no reducidas: , , Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 7/77, , Solución En el segundo ejemplo, la condición 3 se cumple pero la condición 4 falla: arriba de los 1 delanteros debe haber sólo ceros.
20 Ejemplo Indique porqué las siguientes matrices son escalonadas pero no reducidas: , , Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 7/77, , Solución En los ejemplos 3, 4 y 5, note que la condición 4 dice que todos los elementos superiores a los elementos delanteros deben ser cero. En estos ejemplos no se cumple tan condición
21 Ejemplo Verifique que las siguientes matrices sí son escalonadas reducidas: , , Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 8/77, ,
22 Ejemplo Verifique que las siguientes matrices sí son escalonadas reducidas: , , Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 8/77, , Solución Observe que en el ejemplo 2, el elemento (2,3) no es delantero por ello no se impone la condición que el elemento superior sea cero. La matriz es efectivamente escalonada reducida
23 s de una matriz Cuando una matriz está en su forma escalonada, los primeros elementos diferentes de cero de cada renglón reciben el nombre de elementos pivote o simplemente pivotes. Note que por ser el pivote el primer elemento no cero del renglón, no hay forma que un renglón tenga más de un pivote: puede no tener pivote en caso de que sea un renglón de ceros, pero no puede tener dos o más. Note también que por estar escalonada la matriz, no hay forma que dos pivotes queden en la misma columna: puede una columna no tener pivote, pero si tiene pivote no puede tener dos o más. De este hecho, concluimos que una matriz m n no puede tener mas de m pivotes porque tiene a los más uno por cada renglón. Y por otro lado, no puede tener más de n pivotes pues a lo más tiene un pivote por cada columna. Es decir, el número de pivotes debe ser menor o igual que el mínimo número entre m y n. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 9/77
24 Algoritmo de eliminación gaussiana El Algoritmo de Gauss o de Eliminación gaussiana consta de los siguientes pasos: Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 10/77
25 Algoritmo de eliminación gaussiana El Algoritmo de Gauss o de Eliminación gaussiana consta de los siguientes pasos: 1. Determine la primer columna (a la izquierda) no cero. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 10/77
26 Algoritmo de eliminación gaussiana El Algoritmo de Gauss o de Eliminación gaussiana consta de los siguientes pasos: 1. Determine la primer columna (a la izquierda) no cero. 2. Si el primer elemento de la columna es cero, intercámbielo por un renglón que no tenga cero. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 10/77
27 Algoritmo de eliminación gaussiana El Algoritmo de Gauss o de Eliminación gaussiana consta de los siguientes pasos: 1. Determine la primer columna (a la izquierda) no cero. 2. Si el primer elemento de la columna es cero, intercámbielo por un renglón que no tenga cero. 3. Obtenga ceros abajo del elemento delantero sumando múltiplos adecuados a los renglones debajo de él. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 10/77
28 Algoritmo de eliminación gaussiana El Algoritmo de Gauss o de Eliminación gaussiana consta de los siguientes pasos: 1. Determine la primer columna (a la izquierda) no cero. 2. Si el primer elemento de la columna es cero, intercámbielo por un renglón que no tenga cero. 3. Obtenga ceros abajo del elemento delantero sumando múltiplos adecuados a los renglones debajo de él. 4. Cubra el renglón y la columna de trabajo y repita el proceso comenzando en el paso 1. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 10/77
29 Algoritmo de eliminación gaussiana El Algoritmo de Gauss o de Eliminación gaussiana consta de los siguientes pasos: 1. Determine la primer columna (a la izquierda) no cero. 2. Si el primer elemento de la columna es cero, intercámbielo por un renglón que no tenga cero. 3. Obtenga ceros abajo del elemento delantero sumando múltiplos adecuados a los renglones debajo de él. 4. Cubra el renglón y la columna de trabajo y repita el proceso comenzando en el paso Comenzando con el último renglón no cero avance hacia arriba para que en cada renglón tenga un 1 delantero y arriba de él queden sólo ceros. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 10/77
30 Es importante observar que en el método de eliminación : Los pasos del 1 a 4 aplicados repetidamente escalonan la matriz; el paso 5 aplicado repetidamente reduce la matriz. En el paso 2, si el elemento no es cero no se realiza intercambio. En el paso 3, los elementos que se hacen cero son sólo los inferiores al pivote. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 11/77
31 Eliminación : ejemplo Ejemplo Aplique el algoritmo de Gauss a la matriz: Solución El elemento (1,1) será usado como pivote para hacer ceros debajo de él; para ello debemos sumar múltiplos adecuados del renglón pivote a los renglones inferiores: Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 12/77
32 Eliminación : ejemplo Ejemplo Aplique el algoritmo de Gauss a la matriz: Solución El elemento (1,1) será usado como pivote para hacer ceros debajo de él; para ello debemos sumar múltiplos adecuados del renglón pivote a los renglones inferiores: Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 12/77
33 Eliminación : ejemplo Ejemplo Aplique el algoritmo de Gauss a la matriz: Solución El elemento (1,1) será usado como pivote para hacer ceros debajo de él; para ello debemos sumar múltiplos adecuados del renglón pivote a los renglones inferiores: R 2 R 2 (2/3)R 1 R 3 R 3 ( 2/3)R 1 Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 12/77
34 Eliminación : ejemplo Ejemplo Aplique el algoritmo de Gauss a la matriz: Solución El elemento (1,1) será usado como pivote para hacer ceros debajo de él; para ello debemos sumar múltiplos adecuados del renglón pivote a los renglones inferiores: R 2 R 2 (2/3)R 1 R 3 R 3 ( 2/3)R 1 Ej Cuál es mejor? (0.1) Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 12/ ?
35 En vista que elemento (2,2) es cero debemos buscar en la parte inferior de la columna 2 un elemento diferente de cero y realizar un intercambio de renglones: Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 13/77
36 En vista que elemento (2,2) es cero debemos buscar en la parte inferior de la columna 2 un elemento diferente de cero y realizar un intercambio de renglones: R 2 R 3 Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 13/77
37 En vista que elemento (2,2) es cero debemos buscar en la parte inferior de la columna 2 un elemento diferente de cero y realizar un intercambio de renglones: R 2 R (0.2) Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 13/77
38 En vista que elemento (2,2) es cero debemos buscar en la parte inferior de la columna 2 un elemento diferente de cero y realizar un intercambio de renglones: R 2 R (0.2) El algortimo termina en sus pasos 1 al 4. Procede al paso 5. Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 13/77
39 Hagamos 1 el elemento (3,3): Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 14/77
40 Hagamos 1 el elemento (3,3): R 3 1/( 2)R Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 14/77
41 Hagamos 1 el elemento (3,3): R 3 1/( 2)R (0.3) Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 14/77
42 Debemos hacer cero por arriba del elemento pivote (3, 3): Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 15/77
43 Debemos hacer cero por arriba del elemento pivote (3, 3): R 1 R 1 ( 9)R 3 R 2 R 2 ( 2)R Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 15/77
44 Debemos hacer cero por arriba del elemento pivote (3, 3): R 1 R 1 ( 9)R (0.4) R 2 R 2 ( 2)R Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 15/77
45 Procedamos con el siguiente elemento pivote (2, 2); el elemento ya es 1 y ahora debemos proceder a hacer cero por arriba de él: Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 16/77
46 Procedamos con el siguiente elemento pivote (2, 2); el elemento ya es 1 y ahora debemos proceder a hacer cero por arriba de él: R 1 R 1 6R 2 Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 16/77
47 Procedamos con el siguiente elemento pivote (2, 2); el elemento ya es 1 y ahora debemos proceder a hacer cero por arriba de él: R 1 R 1 6R (0.5) Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 16/77
48 El algoritmo concluye haciendo 1 el pivote del primer renglón: Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 17/77
49 El algoritmo concluye haciendo 1 el pivote del primer renglón: R 1 1/3R Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 17/77
50 El algoritmo concluye haciendo 1 el pivote del primer renglón: R 1 1/3R (0.6) Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 17/77
51 de los conjuntos solución Una vez escalonando o reduciendo la matriz aumentada de un sistema, hay que saber con precisión qué se puede decir sobre el conjunto de. Sólo hay tres posibles resultados en el análisis: El sistema no tiene solución: sistema inconsistente. El sistema tiene una única solución. El sistema tiene infinitas. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 18/77
52 Regla de Inconsistencia El sistema es inconsistente si aparece un pivote en la columna de términos constantes. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 19/77
53 Regla de Inconsistencia El sistema es inconsistente si aparece un pivote en la columna de términos constantes. Ejemplo Son inconsistentes los sistemas cuya matriz aumentada se convierte mediante operaciones elementales en: Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 19/77
54 Regla de Inconsistencia El sistema es inconsistente si aparece un pivote en la columna de términos constantes. Ejemplo Son inconsistentes los sistemas cuya matriz aumentada se convierte mediante operaciones elementales en: Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 19/77
55 Regla de Inconsistencia El sistema es inconsistente si aparece un pivote en la columna de términos constantes. Ejemplo Son inconsistentes los sistemas cuya matriz aumentada se convierte mediante operaciones elementales en: Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 19/77
56 Regla de Inconsistencia El sistema es inconsistente si aparece un pivote en la columna de términos constantes. Ejemplo Son inconsistentes los sistemas cuya matriz aumentada se convierte mediante operaciones elementales en: [ ] Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 19/77
57 Regla de Consistencia Es consistente cualquier sistema en cuya matriz escalonada no aparece ningún pivote en la columna de términos constantes. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 20/77
58 Regla de Consistencia Es consistente cualquier sistema en cuya matriz escalonada no aparece ningún pivote en la columna de términos constantes. Ejemplo Son consistentes los sistemas cuya matriz aumentada se convierte mediante operaciones elementales en: Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 20/77
59 Regla de Consistencia Es consistente cualquier sistema en cuya matriz escalonada no aparece ningún pivote en la columna de términos constantes. Ejemplo Son consistentes los sistemas cuya matriz aumentada se convierte mediante operaciones elementales en: Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 20/77
60 Regla de Consistencia Es consistente cualquier sistema en cuya matriz escalonada no aparece ningún pivote en la columna de términos constantes. Ejemplo Son consistentes los sistemas cuya matriz aumentada se convierte mediante operaciones elementales en: Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 20/77
61 Regla de Consistencia Es consistente cualquier sistema en cuya matriz escalonada no aparece ningún pivote en la columna de términos constantes. Ejemplo Son consistentes los sistemas cuya matriz aumentada se convierte mediante operaciones elementales en: [ ] Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 20/77
62 Regla de la Solución Única Siendo un sistema consistente, el sistema tiene solución única si en la matriz escalonada la columna de cada variable hay un pivote. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 21/77
63 Regla de la Solución Única Siendo un sistema consistente, el sistema tiene solución única si en la matriz escalonada la columna de cada variable hay un pivote. Ejemplo Tienen solución única lo sistemas cuya matriz aumentada se convierte mediante operaciones elementales en: Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 21/77
64 Regla de la Solución Única Siendo un sistema consistente, el sistema tiene solución única si en la matriz escalonada la columna de cada variable hay un pivote. Ejemplo Tienen solución única lo sistemas cuya matriz aumentada se convierte mediante operaciones elementales en: Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 21/77
65 Regla de la Solución Única Siendo un sistema consistente, el sistema tiene solución única si en la matriz escalonada la columna de cada variable hay un pivote. Ejemplo Tienen solución única lo sistemas cuya matriz aumentada se convierte mediante operaciones elementales en: Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 21/77
66 Regla para Soluciones Infinitas Si un sistema es consistente, el sistema tiene infinitas si en la matriz escalonada hay una columna de una variable sin pivote. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 22/77
67 Regla para Soluciones Infinitas Si un sistema es consistente, el sistema tiene infinitas si en la matriz escalonada hay una columna de una variable sin pivote. Ejemplo Tienen infinitas lo sistemas cuya matriz aumentada se convierte mediante operaciones elementales en: Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 22/77
68 Regla para Soluciones Infinitas Si un sistema es consistente, el sistema tiene infinitas si en la matriz escalonada hay una columna de una variable sin pivote. Ejemplo Tienen infinitas lo sistemas cuya matriz aumentada se convierte mediante operaciones elementales en: [ Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 22/77 ]
69 Regla para Soluciones Infinitas Si un sistema es consistente, el sistema tiene infinitas si en la matriz escalonada hay una columna de una variable sin pivote. Ejemplo Tienen infinitas lo sistemas cuya matriz aumentada se convierte mediante operaciones elementales en: Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 22/77
70 Regla para Soluciones Infinitas Si un sistema es consistente, el sistema tiene infinitas si en la matriz escalonada hay una columna de una variable sin pivote. Ejemplo Tienen infinitas lo sistemas cuya matriz aumentada se convierte mediante operaciones elementales en: Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 22/77
71 Nota Importante Observe que los renglones de ceros no dan en general información sobre cómo es el conjunto solución , ,, Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 23/77
72 A B C D E Ejemplo Se tiene un sistema de ecuaciones que tiene una matriz aumentada 8 5 y al reducirla tiene un total de 5 pivotes, entonces.. es inconsistente. hay infinitas. tiene solución única. si la última columna hay pivote, inconsistente. Si no, única. si la última columna hay pivote, inconsistente. Si no, infinitas. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 24/77
73 A B C D E Ejemplo Se tiene un sistema de ecuaciones que tiene una matriz aumentada 8 5 y al reducirla tiene un total de 5 pivotes, entonces.. Solución es inconsistente. hay infinitas. tiene solución única. si la última columna hay pivote, inconsistente. Si no, única. si la última columna hay pivote, inconsistente. Si no, infinitas. Puesto que la matriz escalonada de tiene 5 pivotes y la matriz tiene 5 columnas, entonces toda columna tiene pivote. En particular, la última columna tendrá pivote. Como la matriz es aumentada, entonces la columna correspondiente a las constantes tendrá pivote. Por lo tanto, el sistema original será inconsistente. La opción que describe la situación es A Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 24/77
74 A B C D E Ejemplo Se tiene un sistema de ecuaciones que tiene una matriz aumentada 5 5 y al reducirla tiene un total de 4 pivotes, entonces.. es inconsistente. tiene solución única. hay infinitas. si en la última columna hay pivote, inconsistente. Si no, única. si la última columna hay pivote, inconsistente. Si no, infinitas. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 25/77
75 A B C D E Ejemplo Se tiene un sistema de ecuaciones que tiene una matriz aumentada 5 5 y al reducirla tiene un total de 4 pivotes, entonces.. Solución es inconsistente. tiene solución única. hay infinitas. si en la última columna hay pivote, inconsistente. Si no, única. si la última columna hay pivote, inconsistente. Si no, infinitas. Puesto que la matriz reducida es 5 5 y tiene 4 pivotes, la última columna tiene la posibilidad de tener pivote. En cuyo caso, el sistema será inconsistente. También se tiene la posibilidad de que la última columna no tenga pivote. En cuyo caso, el sistema será consistente y los cuatro pivotes estarán en las primeras columnas. Y por tanto, en este caso la columna de cada variable tendrá pivote y por consiguiente cada variable será fija. Y por lo tanto, en este caso habrá solución única. La respuesta que describe mejor la situación es la D Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 25/77
76 A B C D E Ejemplo Se tiene un sistema homogéneo de ecuaciones que tiene una matriz aumentada 5 6 y al reducirla tiene un total de 5 pivotes, entonces.. tiene solución única. si la última columna hay pivote, inconsistente. Si no única. es inconsistente. hay infinitas. si la última columna hay pivote, inconsistente. Si no infinitas. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 26/77
77 A B C D E Ejemplo Se tiene un sistema homogéneo de ecuaciones que tiene una matriz aumentada 5 6 y al reducirla tiene un total de 5 pivotes, entonces.. Solución tiene solución única. si la última columna hay pivote, inconsistente. Si no única. es inconsistente. hay infinitas. si la última columna hay pivote, inconsistente. Si no infinitas. Puesto que el sistema es homogéneo, en la columna de las constantes habrá sólo ceros. Por la naturaleza de las operaciones elementales, en la matriz reducida sólo habrá ceros en tal columna. Por tanto, no habrá pivotes en la columna de las constantes. Por tanto, el sistema será consistente y los 5 pivotes estarán en las primeras columnas y por tanto, en la columna de cada variable habrá pivote. Por tanto, el sistema será consistente con solución única Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 26/77
78 Fórmula para todas las Veamos ahora una estrategia para obtener la fórmula de donde se obtienen todas las a un sistemas de ecuaciones lineales cuando el sistema tiene infinitas. Ilustraremos esto mediante un par de ejemplos. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 27/77
79 Ejemplo Manejando el orden x, y, z, w escriba en forma vectorial la solución general al sistema: 4w +2x+6y +2z = 2 w +3x+9y +4z = 14 4w +3x+9y +3z = 3 3w+4x+12y +4z = 11 Reporte las coordenadas del vector que multiplica a la variable libre en la solución resultante. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 28/77
80 Solución (Y método general) Paso 1: Apliquemos Gauss a la matriz aumentada Formamos la matriz aumentada con el orden que sugiere el problema (x, y, z, w): Al aplicar las reglas de análisis, observamos que el sistema es consistente (al no haber pivote en la columna de las constantes) y con infinitas (al ser y una variable libre, recuerde que las variables fijas son aquellas en cuya columna hay pivote) Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 29/77
81 Paso 2: Convierta cada renglón no cero en ecuación El renglón 1 de la reducida que: El renglón 2 queda: y el renglón 3 queda: x+3y = 3 z = 2 w = 3 Paso 3: De cada ecuación, despeje la variable delantera. x+3y = 3 x = 3 3y z = 2 z = 2 w = 3 w = 3 Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 30/77
82 Paso 4: Se complementan las ecuaciones introduciendo ecuaciones donde cada variable libre es igual a sí misma. x = 3 3y y = z = y 2 w = 3 Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 31/77
83 Paso 5: Se reescribe en forma vectorial las x y z w = 3 3y Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 32/77 y 2 3
84 Paso 6: Se separa el segundo miembro de acuerdo a las constantes y a las variables libres x y z w = y Lo anterior es la fórmula general para todas las del sistema original; el concepto de variable libre indica que se puede tomar cualquier valor y que con él se produce una solución. También, aunque esto no es tan evidente, que cualquier otra solución puede obtenerse de esta fórmula para valores adecuados de las variables libres Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 33/
85 Ejemplo Determine la solución general en forma vectorial para el sistema: 6w 2x+3y +3z = 3 5w +2x+y 2z = 2 w 4x+2y +5z = 1 13w 8x+8y +11z = 7 Solución Sigamos la metodología descrita en el ejemplo anterior: Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 34/77
86 Aplicamos Gauss a la matriz aumentada (orden: x, y, z, w): /8 9/8 3/ /4 11/4 5/ Convertimos cada renglón diferentes de cero de la matriz reducida a una ecuación: x 9/8z +9/8w = 3/8 y +1/4z +11/4w = 5/4 Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 35/77
87 Ahora, despejamos las variables fijas (x y y): x = 3/8+9/8z 9/8w y = 5/4 1/4z 11/4w Complementamos las ecuaciones con ecuaciones donde cada variable libre está igualada a sí misma: x = 3/8+9/8z 9/8w y = 5/4 1/4z 11/4w z = z w = w Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 36/77
88 Ahora, le damos a lo anterior la forma de una igualdad entre vectores: x y z w = 3/8+9/8z 9/8w 5/4 1/4z 11/4w Finalmente, separamos el lado izquierdo de acuerdo a las variables libres: x y z w = 3/8 5/ z 9/8 1/4 1 0 Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 37/77 z w +w 9/8 11/4 0 1
89 Algoritmo de El Algoritmo de consta de los siguientes pasos: Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 38/77
90 Algoritmo de El Algoritmo de consta de los siguientes pasos: 1. Determine la primer columna (a la izquierda) no cero. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 38/77
91 Algoritmo de El Algoritmo de consta de los siguientes pasos: 1. Determine la primer columna (a la izquierda) no cero. 2. Si el primer elemento de la columna es cero, intercámbielo por un renglón que no tenga cero. Multiplicando apropiadamente el renglón, hágalo 1. Este primer 1 será llamado 1 pivote. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 38/77
92 Algoritmo de El Algoritmo de consta de los siguientes pasos: 1. Determine la primer columna (a la izquierda) no cero. 2. Si el primer elemento de la columna es cero, intercámbielo por un renglón que no tenga cero. Multiplicando apropiadamente el renglón, hágalo 1. Este primer 1 será llamado 1 pivote. 3. Obtenga ceros arriba y abajo del 1 pivote sumando múltiplos adecuados a los renglones debajo de renglón pivote en la matriz completa. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 38/77
93 Algoritmo de El Algoritmo de consta de los siguientes pasos: 1. Determine la primer columna (a la izquierda) no cero. 2. Si el primer elemento de la columna es cero, intercámbielo por un renglón que no tenga cero. Multiplicando apropiadamente el renglón, hágalo 1. Este primer 1 será llamado 1 pivote. 3. Obtenga ceros arriba y abajo del 1 pivote sumando múltiplos adecuados a los renglones debajo de renglón pivote en la matriz completa. 4. Cubra la columna y el renglón de trabajo y repita el proceso comenzando en el paso 1 con la columna siguiente. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 38/77
94 Es importante observar que en el método de : En la idea general, la matriz se va escalonando y reduciendo a la vez. En el paso 2, si el elemento no es cero no se realiza intercambio. En el paso 3, los elementos que se hacen cero no solo son los inferiores al pivote (Eliminación ) sino también los superiores. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 39/77
95 Algoritmo de : ejemplo Ejemplo Aplique el algoritmo de a la matriz: Solución Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 40/77
96 Algoritmo de : ejemplo Ejemplo Aplique el algoritmo de a la matriz: Solución Contrario al algoritmo de Gauss, el algoritmo de primero crea los 1 s pivote: Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 40/77
97 Algoritmo de : ejemplo Ejemplo Aplique el algoritmo de a la matriz: Solución Contrario al algoritmo de Gauss, el algoritmo de primero crea los 1 s pivote: R 1 1/3R 1 Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 40/77
98 Algoritmo de : ejemplo Ejemplo Aplique el algoritmo de a la matriz: Solución Contrario al algoritmo de Gauss, el algoritmo de primero crea los 1 s pivote: R 1 1/3R 1 Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 40/ (0.7)
99 Posteriormente hace cero debajo de él: Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 41/77
100 Posteriormente hace cero debajo de él: R 2 R 2 2R 1 R 3 R 3 ( 2)R Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 41/77
101 Posteriormente hace cero debajo de él: R 2 R 2 2R 1 R 3 R 3 ( 2)R (0.8) Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 41/77
102 En este caso el elemento (2,2) es cero y se deberá buscar un elemento inferior que sea diferente de cero: Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 42/77
103 En este caso el elemento (2,2) es cero y se deberá buscar un elemento inferior que sea diferente de cero: R 2 R Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 42/77
104 En este caso el elemento (2,2) es cero y se deberá buscar un elemento inferior que sea diferente de cero: R 2 R (0.9) Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 42/77
105 El elemento pivote (2,2) ya es 1; el algoritmo procede ahora a hacer ceros arriba y debajo de él: Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 43/77
106 El elemento pivote (2,2) ya es 1; el algoritmo procede ahora a hacer ceros arriba y debajo de él: R 1 R 1 2R Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 43/77
107 El elemento pivote (2,2) ya es 1; el algoritmo procede ahora a hacer ceros arriba y debajo de él: R 1 R 1 2R (0.10) Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 43/77
108 El pivote es ahora el elemento (3,3); primero se crea el 1 pivote: Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 44/77
109 El pivote es ahora el elemento (3,3); primero se crea el 1 pivote: R 3 1/( 2)R Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 44/77
110 El pivote es ahora el elemento (3,3); primero se crea el 1 pivote: R 3 1/( 2)R (0.11) Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 44/77
111 Posteriormente, se hacen ceros arriba y debajo de él: Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 45/77
112 Posteriormente, se hacen ceros arriba y debajo de él: R 1 R 1 1R 3 R 2 R 2 ( 2)R Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 45/77
113 Posteriormente, se hacen ceros arriba y debajo de él: R 1 R 1 1R (0.12) R 2 R 2 ( 2)R Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 45/77
114 Método El Algoritmo es una estrategia desarrollada en los 70s por el profesor Mario René en aquel entonces profesor de FIME de la UANL, México. El método trabaja bajo el supuesto principal que la matriz es sólo de números enteros y que no se realizaría ninguna división entre enteros salvo al final. Esto minimiza el total de errores por redondeo. El método procede de una forma semejante al de sin hacer uno los pivotes y forzando a que los elementos que se harán cero sean múltiplos del pivote. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 46/77
115 El método consta de los siguientes pasos: Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 47/77
116 El método consta de los siguientes pasos: 1. Determine la primer columna (a la izquierda) no cero. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 47/77
117 El método consta de los siguientes pasos: 1. Determine la primer columna (a la izquierda) no cero. 2. Si el primer elemento de la columna es cero, intercámbielo por un renglón que no tenga cero. Este se llamará elemento pivote x. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 47/77
118 El método consta de los siguientes pasos: 1. Determine la primer columna (a la izquierda) no cero. 2. Si el primer elemento de la columna es cero, intercámbielo por un renglón que no tenga cero. Este se llamará elemento pivote x. 3. Obtenga ceros arriba y abajo del pivote x En términos de operaciones elementales lo que se realiza es que para cada renglón i diferente del renglón pivote hacer R i xr i R i R i a i,m R m Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 47/77
119 El método consta de los siguientes pasos: 1. Determine la primer columna (a la izquierda) no cero. 2. Si el primer elemento de la columna es cero, intercámbielo por un renglón que no tenga cero. Este se llamará elemento pivote x. 3. Obtenga ceros arriba y abajo del pivote x En términos de operaciones elementales lo que se realiza es que para cada renglón i diferente del renglón pivote hacer R i xr i R i R i a i,m R m 4. Repita el proceso comenzando en el paso 1 para el renglón siguiente. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 47/77
120 El principal comentario es que en el paso 3 la instrucción R i xr i tiene la intención de hacer que el elemento a hacer 0 se haga un múltiplo del elemento pivote de forma tal que no se requiere ninguna división en la instrucción de eliminación. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 48/77
121 Método de : ejemplo Ejemplo Aplique el algoritmo de a la matriz: Solución Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 49/77
122 Método de : ejemplo Ejemplo Aplique el algoritmo de a la matriz: Solución Debemos multiplicar el renglón 2 y 3 por el elemento (1, 1): Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 49/77
123 Método de : ejemplo Ejemplo Aplique el algoritmo de a la matriz: Solución Debemos multiplicar el renglón 2 y 3 por el elemento (1, 1): R 2 3R 2 R 3 3R 3 Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 49/77
124 Método de : ejemplo Ejemplo Aplique el algoritmo de a la matriz: Solución Debemos multiplicar el renglón 2 y 3 por el elemento (1, 1): R 2 3R 2 R 3 3R 3 Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 49/ (0.13)
125 Ahora la cancelación procede utilizando el renglón 1 con los elementos (2, 1) y (3, 1) anteriores a la multiplicación: Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 50/77
126 Ahora la cancelación procede utilizando el renglón 1 con los elementos (2, 1) y (3, 1) anteriores a la multiplicación: R 2 R 2 (2)R 1 R 3 R 3 ( 2)R Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 50/77
127 Ahora la cancelación procede utilizando el renglón 1 con los elementos (2, 1) y (3, 1) anteriores a la multiplicación: R 2 R 2 (2)R R 3 R 3 ( 2)R (0.14) Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 50/77
128 Ahora deberemos intercambiar los renglones 2 y 3 para tener un pivote en (2,2): Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 51/77
129 Ahora deberemos intercambiar los renglones 2 y 3 para tener un pivote en (2,2): R 2 R Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 51/77
130 Ahora deberemos intercambiar los renglones 2 y 3 para tener un pivote en (2,2): R 2 R (0.15) Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 51/77
131 Para eliminar el elemento arriba del pivote (2, 2) el algoritmo procede multiplicando el renglón 1 por el pivote (2, 2): Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 52/77
132 Para eliminar el elemento arriba del pivote (2, 2) el algoritmo procede multiplicando el renglón 1 por el pivote (2, 2): R 1 3R Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 52/77
133 Para eliminar el elemento arriba del pivote (2, 2) el algoritmo procede multiplicando el renglón 1 por el pivote (2, 2): R 1 3R (0.16) Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 52/77
134 La cancelación arriba del pivote (2, 2) procede restando al renglón 1 el renglón pivote por el contenido previo del elemento (1, 2): Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 53/77
135 La cancelación arriba del pivote (2, 2) procede restando al renglón 1 el renglón pivote por el contenido previo del elemento (1, 2): R 1 R 1 (6)R 2 Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 53/77
136 La cancelación arriba del pivote (2, 2) procede restando al renglón 1 el renglón pivote por el contenido previo del elemento (1, 2): R 1 R 1 (6)R (0.17) Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 53/77
137 Ahora el pivote es el elemento (3,3) y debemos hacer cero arriba de él. Para ello el algoritmo procede multiplicando los renglónes donde se hará la cancelación por el elemento pivote: Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 54/77
138 Ahora el pivote es el elemento (3,3) y debemos hacer cero arriba de él. Para ello el algoritmo procede multiplicando los renglónes donde se hará la cancelación por el elemento pivote: R 1 6R 1 R 2 6R 2 Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 54/77
139 Ahora el pivote es el elemento (3,3) y debemos hacer cero arriba de él. Para ello el algoritmo procede multiplicando los renglónes donde se hará la cancelación por el elemento pivote: R 1 6R 1 R 2 6R (0.18) Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 54/77
140 La cancelación procede restando los múltiplos del renglón 3 usando los elementos anteriores a la multiplicación: Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 55/77
141 La cancelación procede restando los múltiplos del renglón 3 usando los elementos anteriores a la multiplicación: R 1 R 1 (9)R 3 R 2 R 2 ( 6)R Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 55/77
142 La cancelación procede restando los múltiplos del renglón 3 usando los elementos anteriores a la multiplicación: R 1 R 1 (9)R R 2 R 2 ( 6)R (0.19) Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 55/77
143 Las únicas divisiones proceden al final: Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 56/77
144 Las únicas divisiones proceden al final: R 1 1/( 54)R 1 R 2 1/( 18)R 2 R 3 1/( 6)R 3 Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 56/77
145 Las únicas divisiones proceden al final: R 1 1/( 54)R 1 R 2 1/( 18)R 2 R 3 1/( 6)R (0.20) Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 56/77
146 operativas de los métodos Ejemplo Para la matriz: indique cuál sería el siguiente paso de acuerdo a: a) Eliminación b) Método de c) Método de entre las opciones: 1) R 1 11R 1 2) R R 1 3) R 1 R R 2 4) R R 2 Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 57/77
147 operativas de los métodos Ejemplo Para la matriz: indique cuál sería el siguiente paso de acuerdo a: a) Eliminación b) Método de c) Método de entre las opciones: 1) R 1 11R 1 2) R R 1 3) R 1 R R 2 4) R R 2 Respuesta: Eliminación 4, 2, 1 Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 57/77
148 de un algoritmo La palabra FLOP (FLoating point OPeration) refiere a una operación entre números reales y abarca suma, resta, multiplicación, o división. Actualmente, en computación la palabra FLOPS es utilizada como acrónimo de FLoating point Operations Per Second, pero en el área de análisis de algoritmos y para nosotros tiene el significado que ya explicamos y FLOPs será el plural de FLOP. El análisis que realizaremos de la complejidad de los algoritmos vistos será contando el número total de FLOPs que se invierte cuando se aplica a un sistema lineal de n ecuaciones con n incógnitas general. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 58/77
149 del algoritmo de Gauss Es importante notar que el proceso de Gauss avanza dejando la matriz escalonada hasta la columna de trabajo: a 1,1 a 1,2 a 1,m 1 a 1,m 0 a 2,2 a 2,m 1 a 2,m a m 1,m 1 a m 1,m a m,m a n,m Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 59/77
150 1 Ciclo del paso 1 al 4 En el paso 3 hay que hacer cero debajo del elemento (m,m), para cada uno de los m n renglones inferiores R i ; para ello habrá que calcular el factor f = a i,m /a m,m realizar la operación: R i R i f R m. 2(n m+1)+1 = 2n 2m+3. entonces para realizar un ciclo desde el paso 1 hasta el paso 4 deben hacerse (n m)(2n 2m+3) FLOPS. n 1 (n m)(2n 2m+3) = 2 3 n n2 7 6 n. m=1 Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 60/77
151 a 1,1 a 1,2 a 1,m 0 0 a 1,n+1 0 a 2,2 a 2,m 0 0 a 2,n a m,m 0 0 a m,n a m+1,n a n,n+1 Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 61/77
152 2 Ciclo del paso 5. Las operaciones implicadas en el paso 5 serán R m 1 a m,m R m R j R j a j,m R m 2(m 1)+1 = 2m 1 Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 62/77
153 2 Ciclo del paso 5. Las operaciones implicadas en el paso 5 serán R m 1 a m,m R m R j R j a j,m R m 2(m 1)+1 = 2m 1 Por consiguiente el total de FLOPs en el paso 5 será: 1 (2m 1) = n 2 m=n Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 62/77
154 2 Ciclo del paso 5. Las operaciones implicadas en el paso 5 serán R m 1 a m,m R m R j R j a j,m R m 2(m 1)+1 = 2m 1 Por consiguiente el total de FLOPs en el paso 5 será: 1 (2m 1) = n 2 m=n 2 3 n n2 7 6 n Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 62/77
155 del algoritmo de a 1,m a 2,m a m 1,m a m,m a n,m Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 63/77
156 1. Paso 2. divisiones. (n+1) (m+1)+1 = n m+1 Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 64/77
157 2. Paso 3. R i R i a i,m R m. Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 65/77
158 2. Paso 3. R i R i a i,m R m. para hacer un cero en un renglón arriba o abajo de (m,m) se requieren 2(n m+1) Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 65/77
159 2. Paso 3. R i R i a i,m R m. para hacer un cero en un renglón arriba o abajo de (m,m) se requieren 2(n m+1) Como hay en total n renglones (n 1)2(n m+1) Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 65/77
160 2. Paso 3. R i R i a i,m R m. para hacer un cero en un renglón arriba o abajo de (m,m) se requieren 2(n m+1) Como hay en total n renglones (n 1)2(n m+1) en una iteración del paso 2 seguido del paso 3 se harán n m+1+(n 1)2(n m+1) Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 65/77
161 2. Paso 3. R i R i a i,m R m. para hacer un cero en un renglón arriba o abajo de (m,m) se requieren 2(n m+1) Como hay en total n renglones (n 1)2(n m+1) en una iteración del paso 2 seguido del paso 3 se harán n m+1+(n 1)2(n m+1) n m=1 (n m+1+(n 1)2(n m+1)) = n n2 1 2 n Ej? Eliminación gaussiana y otros algoritmos Álgebra Lineal - p. 65/77
Eliminación gaussiana y otros algoritmos
Eliminación gaussiana y otros algoritmos Departamento de Matemáticas, CCIR/ITESM 10 de enero de 2011 Índice 2.1. Introducción............................................... 1 2.2. Objetivos................................................
Más detallesAlgebra Lineal Tarea No 2: Eliminación gaussiana y otros algoritmos para SEL Solución a algunos problemas de la tarea (al 29 de junio de 2014)
Algebra Lineal Tarea No 2: Eliminación gaussiana y otros algoritmos para SEL a algunos problemas de la tarea (al 29 de junio de 214) 1. Respecto a las matrices: 1 3 1 a) 1 3 1 2 2 b) 1 2 1 4 3 1 c) 1 d)
Más detallesCombinación Lineal. Departamento de Matemáticas, CCIR/ITESM. 10 de enero de 2011
Combinación Lineal Departamento de Matemáticas, CCIR/ITESM 10 de enero de 011 Índice.1. Introducción............................................... 1.. Combinación lineal entre vectores...................................
Más detallesSISTEMAS DE ECUACIONES LINEALES
1 SISTEMAS DE ECUACIONES LINEALES Una ecuación es un enunciado o proposición que plantea la igualdad de dos expresiones, donde al menos una de ellas contiene cantidades desconocidas llamadas variables
Más detallesMatrices escalonadas y escalonadas reducidas
Matrices escalonadas y escalonadas reducidas Objetivos. Estudiar las definiciones formales de matrices escalonadas y escalonadas reducidas. Comprender qué importancia tienen estas matrices para resolver
Más detallesMatrices Invertibles y Elementos de Álgebra Matricial
Matrices Invertibles y Elementos de Álgebra Matricial Departamento de Matemáticas, CSI/ITESM 20 de agosto de 2008 Índice 121 Introducción 1 122 Transpuesta 1 123 Propiedades de la transpuesta 2 124 Matrices
Más detallesSistemas de Ecuaciones Lineales
Sistemas de Ecuaciones Lineales 1 Sistemas de ecuaciones y matrices Definición 1 Una ecuación lineal en las variables x 1, x 2,..., x n es una ecuación de la forma con a 1, a 2... y b números reales. a
Más detallesMat r i z in v e r s a
Unidad 2 Método de GaUss Mat r i z in v e r s a M U lt i pli cat i va Objetivos: Al inalizar la unidad, el alumno: Representará un sistema de m ecuaciones lineales con n incógnitas mediante una matriz
Más detalles2.- Sistemas de ecuaciones Lineales
.- Sistemas de ecuaciones Lineales..- Definición, Clasificación de los sistemas lineales y tipos de solución. Definición Una ecuación lineal con las variables escribirse en la forma,..., n es una ecuación
Más detallesSistemas de Ecuaciones Lineales. Solución de Sistemas de Ecuaciones Lineales. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.
Sistemas de Ecuaciones Lineales Solución de Sistemas de Ecuaciones Lineales www.math.com.mx José de Jesús Angel Angel jjaa@math.com.mx MathCon c 2007-2008 Contenido 1. Sistemas de Ecuaciones Lineales 2
Más detallesMENORES, COFACTORES Y DETERMINANTES
MENORES, COFACTORES Y DETERMINANTES 1. Introducción. 2. Determinante de una matriz de 3 x 3. 3. Menores y cofactores. 4. Determinante de una matriz de n x n. 5. Matriz triangular. 6. Determinante de una
Más detallesSistemas de ecuaciones
Sistemas de ecuaciones Sistemas de ecuaciones Resolución de un sistema de dos ecuaciones lineales Un sistema de dos ecuaciones lineales es un conjunto de dos ecuaciones de primer grado con dos incógnitas
Más detallesLección 5.1: Matrices y determinantes. Primeros conceptos. Objetivos de esta lección
Matemáticas Tema 5: Conceptos básicos sobre matrices y vectores Objetivos Lección 5.: y determinantes Philippe Bechouche Departamento de Matemática Aplicada Universidad de Granada 3 4 phbe@ugr.es 5 Qué
Más detallesTema 1. Álgebra lineal. Matrices
1 Tema 1. Álgebra lineal. Matrices 0.1 Introducción Los sistemas de ecuaciones lineales aparecen en un gran número de situaciones. Son conocidos los métodos de resolución de los mismos cuando tienen dos
Más detallesMatriz sobre K = R o C de dimensión m n
2 Matrices y Determinantes 21 Matrices Matriz sobre K = R o C de dimensión m n A = a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn Tipos de matrices: Cuadrada: n n = (a ij) i=1,,m j=1,,n Nula: (0) i,j 1 0
Más detallesSistemas de Ecuaciones Lineales
Sistemas de Ecuaciones Lineales El sistema de ecuaciones lineales como modelo matemático de problemas Los sistemas de ecuaciones lineales permiten el planteamiento de problemas y soluciones que toman en
Más detallesValores y Vectores Propios
Valores y Vectores Propios Departamento de Matemáticas, CSI/ITESM de abril de 9 Índice 9.. Definiciones............................................... 9.. Determinación de los valores propios.................................
Más detalles1.4 SISTEMAS HOMOGÉNEOS DE ECUACIONES. 36 CAPÍTULO 1 Sistemas de ecuaciones lineales y matrices
36 CAPÍTULO Sistemas de ecuaciones lineales y matrices Escriba, en un comentario, la ecuación del polinomio cúbico que se ajusta a los cuatro puntos. Sea x el vector columna que contiene las coordenadas
Más detallesIng. Ramón Morales Higuera
MATRICES. Una matriz es un conjunto ordenado de números. Un determinante es un número. CONCEPTO DE MATRIZ. Se llama matriz a un conjunto ordenado de números, dispuestos en filas y Las líneas horizontales
Más detallesALGEBRA Y GEOMETRÍA II 2º semestre Año: 2012. Guía de Estudio y Ejercitación propuesta
ALGEBRA Y GEOMETRÍA II 2º semestre Año: 2012 1 Guía de Estudio y Ejercitación propuesta Esta selección de Temas y Ejercicios están extraídos del texto FUNDAMENTOS DE ALGEBRA LINEAL de R. Larson y D. Falvo.
Más detalles2. SISTEMAS DE ECUACIONES LINEALES. Introducción
2. SISTEMAS DE ECUACIONES LINEALES Introducción El presente curso trata sobre álgebra lineal. Al buscarla palabra lineal en un diccionario se encuentra, entre otras definiciones la siguiente: lineal, perteneciente
Más detallesLección 13: Resolución algebraica de sistemas de ecuaciones
GUÍA DE MATEMÁTICAS III Lección 1: Resolución algebraica de sistemas de ecuaciones En la lección anterior hemos visto cómo resolver gráficamente un sistema de ecuaciones. Si bien ese método es relativamente
Más detallesLección 1. Algoritmos y conceptos básicos.
Página 1 de 8 Lección 1. Algoritmos y conceptos básicos. Objetivos. La primera lección del curs está dedicada a repasar los conceptos y algoritmos del álgebra lineal, básicos para el estudio de la geometría
Más detallesMATERIALES DIDÁCTICOS
MATERIALES DIDÁCTICOS LUIS QUINTANAR MEDINA* Ejercitaremos el despeje en ecuaciones de primer grado y lo haremos a tres niveles: El primero en que solo se consideran expresiones directas, la habilidad
Más detallesEcuaciones de primer grado
Ecuaciones de primer grado º ESO - º ESO Definición, elementos y solución de la ecuación de primer grado Una ecuación de primer grado es una igualdad del tipo a b donde a y b son números reales conocidos,
Más detallesSISTEMAS DE ECUACIONES LINEALES Y MATRICES Dos ecuaciones lineales con dos
de SISTEMAS DE ECUACIONES ES Y MATRICES Dos m con n Sergio Stive Solano 1 Febrero de 2015 1 Visita http://sergiosolanosabie.wikispaces.com de SISTEMAS DE ECUACIONES ES Y MATRICES Dos m con n Sergio Stive
Más detallesInversas Generalizadas
Inversas Generalizadas Departamento de Matemáticas, CSI/IESM 5 de abril de 2 Índice.. Inversas generalizadas..........................................2. Uso de la inversa generalizada.....................................
Más detallesCurso de Matemática. Unidad 2. Operaciones Elementales II: Potenciación. Profesora: Sofía Fuhrman. Definición
Curso de Matemática Unidad 2 Profesora: Sofía Fuhrman Operaciones Elementales II: Potenciación Definición a n = a. a.a a multiplicado por sí mismo n veces. a) Regla de los signos Exponente Par Exponente
Más detallesINSTITUCION EDUCATIVA LA PRESENTACION
INSTITUCION EDUCATIVA LA PRESENTACION NOMBRE ALUMNA: AREA : MATEMATICAS ASIGNATURA: MATEMATICAS DOCENTE: HUGO HERNAN BEDOYA Y LUIS LOPEZ TIPO DE GUIA: NIVELACION PERIODO GRADO FECHA DURACION 8 A/B Abril
Más detallesUNIVERSIDAD CARLOS III DE MADRID
UNIVERSIDAD CARLOS III DE MADRID Departamento de Economía Tema 1: Matrices y sistemas de ecuaciones lineales Empezaremos por recordar conceptos ya conocidos de álgebra lineal como las matrices, determinantes,
Más detallesUna matriz es una arreglo rectangular ordenado de elementos, comúnmente llamados escalares, dispuestos en m renglones y n columnas.
MATRICES Las matrices tienen una importancia fundamental en el análisis económico sobre todo en el estudio de sistemas de ecuaciones lineales, como en el modelo insumo-producto. Cuando trabajamos con modelos
Más detallesSistemas de ecuaciones lineales 4
4. SISTEMAS DE ECUACIONES LINEALES 4.1. DEFINICIONES Y CLASIFICACIÓN DE SISTEMAS. La ecuación de una recta en el plano tiene la forma ; su generalización a variables es:, y recibe el nombre de ecuación
Más detallesSistemas de Ecuaciones y Matrices
Sistemas de Ecuaciones y Matrices 0.1 Sistemas de ecuaciones Consideremos las gráficas de dos funciones f y g como en la figura siguiente: P Q y = fx y = gx En la práctica, en ocasiones hay que encontrar
Más detallesÁlgebra Lineal Ma1010
Álgebra Ma1010 Departamento de Matemáticas ITESM Álgebra - p. 1/31 En este apartado se introduce uno de los conceptos más importantes del curso: el de combinación lineal entre vectores. Se establece la
Más detallesTema 2. Sistemas de ecuaciones lineales
Tema 2. Sistemas de ecuaciones lineales Estructura del tema. Definiciones básicas Forma matricial de un sistema de ecuaciones lineales Clasificación de los sistemas según el número de soluciones. Teorema
Más detallesMatrices y sistemas de ecuaciones lineales
Matrices y sistemas de ecuaciones lineales Problemas para examen Antes de resolver un problema en el caso general, se recomienda considerar casos particulares (por ejemplo, n = 4 y n = 50). En el caso
Más detallesMétodo de fórmula general
Método de fórmula general Ahora vamos a utilizar el método infalible. La siguiente fórmula, que llamaremos «fórmula general» nos ayudará a resolver cualquier ecuación cuadrática. Fórmula General La fórmula
Más detallesSolución de sistemas de ecuaciones lineales: Introducción y conceptos generales
Solución de sistemas de ecuaciones lineales: Introducción y conceptos generales Ing. Jesús Javier Cortés Rosas M. en A. Miguel Eduardo González Cárdenas M. en A. Víctor D. Pinilla Morán * 2011 Resumen
Más detallesEjemplo 1. Ejemplo introductorio
. -Jordan. Ejemplo 1. Ejemplo introductorio. -Jordan Dos especies de insectos se crían juntas en un recipiente de laboratorio. Todos los días se les proporcionan dos tipos de alimento A y B. 1 individuo
Más detallesPROBLEMAS DE DIAMANTE 2.1.1
PROBLEMAS DE DIAMANTE 2.1.1 En cada Problema de diamante, el producto de los dos números a los lados (izquierda y derecha) es el número arriba y la suma es el número de abajo. producto ab Los Problemas
Más detallesLa Lección de hoy es sobre las Matrices: Suma, Resta, y Multiplicación Escalar.
Matrices DIP.5.A1.2-Jennifer Schreit La Lección de hoy es sobre las Matrices: Suma, Resta, y Multiplicación Escalar. El cuál es la expectativa para el aprendizaje del estudiante DIP.5.A1.2 Primeramente
Más detallesSistemas de ecuaciones lineales
6 Sistemas de ecuaciones lineales 61 Sistemas de ecuaciones lineales Se llama ecuación lineal en n incógnitas sobre R a una expresión de la forma a 1 x 1 + a 2 x 2 + + a n x n = b con los a i en R para
Más detallesEjercicio 1: Realiza las siguientes divisiones por el método tradicional y por Ruffini: a)
Tema 2: Ecuaciones, Sistemas e Inecuaciones. 2.1 División de polinomios. Regla de Ruffini. Polinomio: Expresión algebraica formada por la suma y/o resta de varios monomios. Terminología: o Grado del polinomio:
Más detallesLos números naturales
Los números naturales Los números naturales Los números naturales son aquellos que sirven para contar. Se suelen representar utilizando las cifras del 0 al 9. signo suma o resultado Suma: 9 + 12 = 21 sumandos
Más detallesUNIDAD UNO PROGRAMACIÓN LÍNEAL Parte 3
UNIDAD UNO PROGRAMACIÓN LÍNEAL Parte 3 Matriz unitaria "I" de base con variables artificiales. Cuando el problema de programación lineal se expresa en la forma canónica de maximizar, las variables de holgura
Más detallesMétodo de Igualación
Método de Igualación Ya vimos que la solución del S.E.L. debe ser tal que cuando sustituyamos los valores de las variables en cada ecuación obtengamos una igualdad verdadera. Entonces, el valor de x que
Más detallesExpresiones algebraicas
Expresiones algebraicas Expresiones algebraicas Las expresiones algebraicas Elementos de una expresión algebraica Números de cualquier tipo Letras Signos de operación: sumas, restas, multiplicaciones y
Más detallesVALOR ABSOLUTO. Definición.- El valor absoluto de un número real, x, se define como:
VALOR ABSOLUTO Cualquier número a tiene su representación en la recta real. El valor absoluto de un número representa la distancia del punto a al origen. Observe en el dibujo que la distancia del al origen
Más detallesEcuaciones matriciales AX = B y XA = B. Cálculo de la matriz inversa
Ecuaciones matriciales AX = B y XA = B Cálculo de la matriz inversa Objetivos Aprender a resolver ecuaciones matriciales de la forma AX = B y XA = B Aprender a calcular la matriz inversa con la eliminación
Más detallesCAPÍTULO 3: DETERMINANTES Y SISTEMAS DE ECUACIONES
CAPÍTULO 3: DETERMINANTES Y SISTEMAS DE ECUACIONES Parte A: determinantes. A.1- Definición. Por simplificar, consideraremos que a cada matriz cuadrada se le asocia un número llamado determinante que se
Más detallesTema 5: Sistemas de Ecuaciones Lineales
Tema 5: Sistemas de Ecuaciones Lineales Eva Ascarza-Mondragón Helio Catalán-Mogorrón Manuel Vega-Gordillo Índice 1 Definición 3 2 Solución de un sistema de ecuaciones lineales 4 21 Tipos de sistemas ecuaciones
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 detallesSistema de ecuaciones algebraicas
Sistema de ecuaciones algebraicas Curso: Métodos Numéricos en Ingeniería Profesor: Dr. José A. Otero Hernández Correo: j.a.otero@itesm.mx web: http://metodosnumericoscem.weebly.com Universidad: ITESM CEM
Más detallesUna matriz es una tabla ordenada (por filas y columnas) de escalares a i j de la forma: ... ... a... ...
MATRICES Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas parciales. Tienen también muchas aplicaciones
Más detallesNotas del cursos. Basadas en los prontuarios de MATE 3001 y MATE 3023
Programa Inmersión, Verano 2016 Notas escritas por Dr. M Notas del cursos. Basadas en los prontuarios de MATE 3001 y MATE 3023 Clase #3: jueves, 2 de junio de 2016. 3 Decimales 3.1 Sistema de numeración
Más detallesPOTENCIAS. MÚLTIPLOS Y DIVISORES. MÁXIMO COMÚN DIVISOR Y MÍNIMO COMÚN MÚLTIPLO.
1. LOS NÚMEROS NATURALES POTENCIAS. MÚLTIPLOS Y DIVISORES. MÁXIMO COMÚN DIVISOR Y MÍNIMO COMÚN MÚLTIPLO. 2. LOS NÚMEROS ENTEROS. VALOR ABSOLUTO DE UN NÚMERO ENTERO. REPRESENTACIÓN GRÁFICA. OPERACIONES.
Más detallesAlgebra Matricial y Optimización Primer Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 2012
Grupo: Matrícula: Nombre: Algebra Matricial y Optimización Primer Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 2012 1. ( puntos) Para la matriz: 7 23 3 2 0 11 3 1 0 23 3 2 0 1 2 2 indique
Más detallesC U R S O : MATEMÁTICA
C U R S O : MATEMÁTICA UNIDAD: ÁLGEBRA Y FUNCIONES SISTEMAS DE ECUACIONES Dos ecuaciones de primer grado, que tienen ambas las mismas dos incógnitas, constituen un sistema de ecuaciones lineales. La forma
Más detalles3.2 DIVIDIR UN POLINOMIO POR x a. REGLA DE RUFFINI
TEMA 3 ÁLGEBRA MATEMÁTICAS CCSSI 1º BACH 1 TEMA 3 ÁLGEBRA 3.1 DIVISIÓN DE POLINOMIOS COCIENTE DE MONOMIOS El cociente de un monomio por otro monomio de grado inferior es un nuevo monomio cuyo grado es
Más detallesSistemas de ecuaciones lineales
Sistemas de ecuaciones lineales Este tema resulta fundamental en la mayoría de las disciplinas, ya que son muchos los problemas científicos y de la vida cotidiana que requieren resolver simultáneamente
Más detallesRecordar las principales operaciones con expresiones algebraicas.
Capítulo 1 Álgebra Objetivos Recordar las principales operaciones con expresiones algebraicas. 1.1. Números Los números naturales se denotarán por N y están constituidos por 0, 1, 2, 3... Con estos números
Más detalles, y efectuar la multiplicación 10000
1.5 Figura 1.10: Las ecuaciones representan un cierto equilibrio entre los dos miembros separados por el signo igual. 1.5.1 La idea de ecuación Muchos problemas que se plantean en la vida real consisten
Más detallesCurso de Álgebra Lineal
Curso de Álgebra Lineal 1. NÚMEROS COMPLEJOS 1.1 Definición, origen y operaciones fundamentales con números complejos Definición. Un número complejo, z, es una pareja ordenada (a, b) de números reales
Más detallesTema 1: Matrices y Determinantes
Tema 1: Matrices y Determinantes September 14, 2009 1 Matrices Definición 11 Una matriz es un arreglo rectangular de números reales a 11 a 12 a 1m a 21 a 22 a 2m A = a n1 a n2 a nm Se dice que una matriz
Más detallesI N S T I T U T O T E C N O L O G I C O D E O A X A C A M E T O D O S N U M E R I C O S
I N S T I T U T O T E C N O L O G I C O D E O A X A C A M E T O D O S N U M E R I C O S G A U S S G A U S S J O R D A N S E I D E L O C T U B R E 2 0 0 9 1 Contenido SISTEMAS DE ECUACIONES LINEALES...
Más detallesProfr. Efraín Soto Apolinar. Productos notables
Productos notables Cuando realizamos operaciones entre polinomios con el fin de resolver problemas, es muy frecuente encontrar algunas operaciones que por su naturaleza, aparecen en muchos fenómenos. Debido
Más detallesSistemas lineales y matrices
resumen04 1 Sistemas lineales y matrices Sistemas de ecuaciones lineales Un sistema de ecuaciones lineales es de la orma indicada a la izquierda y se suele representar por una matriz una tabla como la
Más detallesEspacios Generados en R n
Espacios Generados en R n Departamento de Matemáticas, CCIR/ITESM 2 de enero de 2 Índice 7.. Objetivos................................................ 7.2. Introducción...............................................
Más detallesEcuaciones. 3º de ESO
Ecuaciones 3º de ESO El signo igual El signo igual se utiliza en: Igualdades numéricas: 2 + 3 = 5 Identidades algebraicas: (x + 4) x = x 2 + 4 4x Fórmulas: El área, A,, de un círculo de radio r es: A =
Más detallesGuía 4. FRACCIONARIOS: si al menos uno de sus términos contiene letras en su denominador
Guía 4 TIPOS DE POLINOMIOS NOTA: término independiente de un polinomio con relación a una letra es el término que no contiene dicha letra. ENTEROS: si cada término del polinomio es entero Ejemplo: mn +
Más detallesUNIDAD DE APRENDIZAJE II UNIDAD DE APRENDIZAJE 2 ( 12 HORAS)
UNIDAD DE APRENDIZAJE II UNIDAD DE APRENDIZAJE HORAS) Saberes procedimentales Saberes declarativos Identifica y realiza operaciones básicas con expresiones aritméticas. Jerarquía de las operaciones aritméticas.
Más detallesTodo numero es divisible por 2 si y solo si termina en cero o en una cifra par
Revisemos la idea Cuando un número es divisor de un dividendo, bastara sumar dicho divisor en forma continua para alcanzar al dividendo. Basado en este proceso, es simple determinar la multiplicidad de
Más detallesLíneas y Planos en el Espacio
Líneas y Planos en el Espacio Departamento de Matemáticas, CCIR/ITESM de enero de Índice..Introducción.................................................Ecuación paramétrica de la recta.....................................ecuación
Más detallesUnidad 1 Números. Los números naturales son aquellos que se utilizan para contar los elementos de un conjunto.
Unidad 1 Números 1.- Números Naturales Los números naturales son aquellos que se utilizan para contar los elementos de un conjunto. El conjunto de números naturales se representa por la letra N Operaciones
Más detallesAlgebra Lineal Tarea No 12: Independencia lineal en R n Solución a algunos problemas de la tarea (al 29 de junio de 2014)
lgebra Lineal Tarea No : Independencia lineal en R n a algunos problemas de la tarea (al 9 de junio de ). Sean {a b c} un conjunto de vectores en R n. Suponga que a b + c = entonces el conjunto es linealmente
Más detallesEl Método de Gauss. Hallar el conjunto solución del siguiente sistema de ecuaciones. (1.1)
El Método de Gauss. Hallar el conjunto solución del siguiente sistema de ecuaciones. x + 5y + z = x y + z = 8 x + y = 10 (1.1) Una manera de resolver este problema consiste en aplicar el método de reducción
Más detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 1 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad
Más detallesMétodos Numéricos (SC 854) Solución de sistemas de ecuaciones lineales
Solución de sistemas de ecuaciones lineales c M Valenzuela 2007 (2 de agosto de 2007) Matrices Definición Una matriz n m es un arreglo rectangular de elementos con n filas (o renglones) y m columnas en
Más detallesUNA ECUACIÓN, SU GRADO Y SU SOLUCIÓN
86 _ 087-098.qxd 7//07 : Página 88 IDENTIICAR OBJETIVO UNA ECUACIÓN, SU GRADO Y SU SOLUCIÓN NOMBRE: CURSO: ECHA: Dado el polinomio P(x) x +, ya sabemos cómo se calcula su valor numérico: x P() + x P( )
Más detalles1º) x³ x² x x⁰ 1-3 0 5-2. 3º) x³ x² x x⁰ 1-3 0 5 -2-2 -2 (-5) 1-5 0+[-2 (-5)] 4º) x³ x² x x⁰ 1-3 0 5-2-2 10-20 1-5 10-15. 2º) x³ x² x x⁰ 1-3 0 5
1. OPERACIONES BÁSICAS Monomio: Producto de números y letras. Ej: 3x²y a) Suma: Se pueden sumar los que tengan las mismas letras elevadas a los mismos exponentes. Ej: 3x²y xy + 4x²y = 7x² xy b) Producto:
Más detallesMA1019. Algebra Lineal: Combinación Lineal y Espacios Generados. Departamento de Matemáticas. Intro. Comb. Lineal. Ejemplo. Notas 1. E.
s Algebra MA1019 s ducción Uno los conceptos clave en Algebra Lineal es el concepto combinación lineal: Una combinación lineal es una superposición objetos: imagine que usted tiene dos señales (discretas
Más detallesMétodo de eliminación Gaussiana para resolver sistemas de ecuaciones lineales.
Método de eliminación Gaussiana para resolver sistemas de ecuaciones lineales Consideremos el siguiente sistema de m ecuaciones lineales con n incógnitas con coeficientes reales a 11 x 1 + a 12 x 2 + +
Más detallesAlgebra Lineal Tarea No 8: Propiedades de los determinantes Solución a algunos problemas de la tarea (al 29 de junio de 2014)
Algebra Lineal Tarea No 8: Propiedades de los determinantes a algunos problemas de la tarea (al 29 de junio de 2014) 1. Si A y son matrices 2 2 tales que A = 5 y = 4 calcule los determinantes de las matrices:
Más detallesESPACIO NULO DE A: RESOLUCIÓN DE AX = 0 3.2
3.2 Espacio nulo de A: resolución de Ax = ESPACIO NULO DE A: RESOLUCIÓN DE AX = 3.2 Este tema versa sobre las soluciones espaciales de Ax =. La matriz A puede se cuadrada o rectangular. Una solución inmediata
Más detallesDefinición de la matriz inversa
Definición de la matriz inversa Ejercicios Objetivos Aprender la definición de la matriz inversa Requisitos Multiplicación de matrices, matriz identidad, habilidades básicas de resolver sistemas de ecuaciones
Más detallesAlgebra Lineal Tarea No 22: Valores y vectores propios Solución a algunos problemas de la tarea (al 29 de junio de 2014)
Algebra Lineal Tarea No : Valores y vectores propios a algunos problemas de la tarea (al 9 de junio de 04. Para la matriz A A Indique cuáles vectores son vectores propios: ( ( ( v, v, v 3 3 Recordemos
Más detallesNOTACIÓN CIENTÍFICA Y CIFRAS SIGNIFICATIVAS. GRM. Física I. Semestre 2014-1
NOTACIÓN CIENTÍFICA Y CIFRAS SIGNIFICATIVAS 1 REGLAS DE LOS EXPONENTES Algunos ejemplos: 2 NOTACIÓN CIENTÍFICA Manera compacta de reportar un número muy grande: ej. número de átomos en el cuerpo humano
Más detallesEJERCICIOS RESUELTOS DE SISTEMAS LINEALES
EJERCICIOS RESUELTOS DE SISTEMAS LINEALES 1. Dado el sistema de ecuaciones lineales: 2x + 3y 3 4x +5y 6 a) Escribir la expresión matricial del sistema. b) Discutir el sistema. c) Resolver el sistema por
Más detallesDeterminante de una matriz
25 Matemáticas I : Preliminares Tema 3 Determinante de una matriz 31 Determinante de una matriz cuadrada Definición 67- Sea A una matriz cuadrada de orden n Llamaremos producto elemental en A al producto
Más detallesAnalicemos ahora el siguiente ejemplo: (2x 4y) dx + (12y - 6x + 1) dy = 0. Será ésta una ecuación diferencial reducible a homogénea?
82 Analicemos ahora el siguiente ejemplo: (2x 4y) dx + (2y - 6x + ) dy = 0 Será ésta una ecuación diferencial reducible a homogénea? Si observamos la ecuación diferencial, tenemos que 2x 4y = 0 2y 6x +
Más detallesDESCOMPOSICIÓN FACTORIAL
6. 1 UNIDAD 6 DESCOMPOSICIÓN FACTORIAL Objetivo general. Al terminar esta Unidad resolverás ejercicios y problemas en los que apliques la factorización de polinomios cuyos términos tienen coeficientes
Más detallesLa lección de hoy es sobre cómo encontrar el Punto Medio de un Segmento. Es cuál es la expectativa para el aprendizaje del estudiante CGT.5.G.1.
CGT.5.G.1-Jennifer Goff-Midpoint of a Segment. La lección de hoy es sobre cómo encontrar el Punto Medio de un Segmento. Es cuál es la expectativa para el aprendizaje del estudiante CGT.5.G.1. Qué es el
Más detallesTutorial MT-b6. Matemática 2006. Tutorial Nivel Básico. Álgebra
12345678901234567890 M ate m ática Tutorial MT-b6 Matemática 2006 Tutorial Nivel Básico Álgebra Matemática 2006 Tutorial Álgebra Marco teórico: 1. Término algebraico El término algebraico es la unidad
Más detalles9. Ecuaciones, parte III
Matemáticas I, 202-I El concepto de información Ya hemos visto ejemplos de ecuaciones con una única solución y otras que admiten dos soluciones. Ahora veremos unos ejemplos más extraños. Ejemplo. Resuelve
Más detallesMatrices, determinantes, sistemas de ecuaciones lineales.
UNIVERSIDAD DE MURCIA Departamento de Matemáticas Óptica y Optometría Resúmenes Curso 2007-2008 Matrices, determinantes, sistemas de ecuaciones lineales. Una matriz A de orden m n es una colección de m
Más detallesUn sistema formado por dos ecuaciones y dos incógnitas, se puede escribir como sigue:
MATEMÁTICAS EJERCICIOS RESUELTOS DE SISTEMAS LINEALES Juan Jesús Pascual SISTEMA DE ECUACIONES LINEALES A. Introducción teórica B. Ejercicios resueltos A. INTRODUCCIÓN TEÓRICA Sistemas de ecuaciones lineales
Más detallesLección 2-Multiplicación de Polinomios. Dra. Noemí L. Ruiz Limardo 2009
Lección 2-Multiplicación de Polinomios Dra. Noemí L. Ruiz Limardo 2009 Objetivos de la Lección Al finalizar esta lección los estudiantes: Multiplicarán correctamente diferentes polinomios dados Aplicarán
Más detallesAlgebra Lineal: Espacios Generados. Departamento de Matemáticas. Intro. E. Generado. Ejemplos. Contención. Ejemplos. Nota.
Algebra ducción Después combinación lineal, el segundo concepto clave en Algebra Lineal es el concepto espacio generado. Existen dos formas llegar a este concepto. Si en lugar responr si el sistema [A
Más detallesCombinación lineal, Independencia Lineal, y Vectores que generan (Sección 6.3 pág. 291)
Combinación lineal, Independencia Lineal, y Vectores que generan (Sección 6.3 pág. 291) I. Combinación Lineal Definición: Sean v 1, v 2, v 3,, v n vectores en el espacio vectorial V. Entonces cualquier
Más detalles