Vectores y Matrices. Tema 3: Repaso de Álgebra Lineal Parte I. Contenidos

Save this PDF as:

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Vectores y Matrices. Tema 3: Repaso de Álgebra Lineal Parte I. Contenidos"

Transcripción

1 Tema 3: Repaso de Álgebra Lineal Parte I Virginia Mazzone Contenidos Vectores y Matrices Bases y Ortonormailizaciòn Norma de Vectores Ecuaciones Lineales Algenraicas Ejercicios Vectores y Matrices Los elementos básicos en teoría de sistemas lineales son vectores n 1 (columna) o 1 n (fila) y matrices n m con elementos reales, es decir, v R n, A R n m. Denotamos el elemento i del vector v como v i, y el elemento ij de una matriz A como a ij o [A] ij. v 1 a 11 a a 1m v 2 v =. = [ ] T v 1 v 2... v n, A = a 21 a a 2m v n a n1 a n2... a nm El producto de dos matrices A R m n y B R r s sólo está definido si n = r. En particular para vectores v R n, w R m, tenemos vw T R n m. Escribimos la matriz n m con todos sus elementos cero como n m, simplemente si las dimensiones son claras del contexto. Para matrices cuadradas, m = n, la matriz nula es n y la matriz identidad I n o simplemente I Asumimos las operaciones de suma y producto de matrices familiares. Lo interesante del producto de matrices es que en general es no conmutativo, es decir, AB y BA no son siempre lo mismo. Sean A, B, C y D matrices reales de n m, m r, l n y r p respectivamente. Sea a i la i-esima columna de A y b j la j-esima columna de B. Tenemos El producto de dos matrices A R m n y B R r s sólo está definido si n = r. En particular para vectores v R n, w R m, tenemos vw T R n m. Escribimos la matriz n m con todos sus elementos cero como n m, simplemente si las dimensiones son claras del contexto. Para matrices cuadradas, m = n, la matriz nula es n y la matriz identidad I n o simplemente I Asumimos las operaciones de suma y producto de matrices familiares. Lo interesante del producto de matrices es que en general es no conmutativo, es decir, AB y BA no son siempre lo mismo. Sean A, B, C y D matrices reales de n m, m r, l n y r p respectivamente. Sea a i la i-esima columna de A y b j la j-esima columna de B. Tenemos

2 b 1 b 2 AB = [ ] a 1 a 2 a m. = a 1b 1 + a 2 b 2 + a m b m b m CA = C [ ] [ a 1 a 2 a m = Ca1 b 1 b 1 D Ca 2 ] Ca m b 2 BD =. D = b 2 D. b m D b m Si A es cuadrada, para cualquier entero k la potencia A k está bien definida, con A = I. Si existe un k > tal que A k = decimos que A es nilpotente. b 1 b 2 AB = [ ] a 1 a 2 a m. = a 1b 1 + a 2 b 2 + a m b m b m CA = C [ ] [ a 1 a 2 a m = Ca1 b 1 b 1 D Ca 2 ] Ca m b 2 BD =. D = b 2 D. b m D b m Si A es cuadrada, para cualquier entero k la potencia A k está bien definida, con A = I. Si existe un k > tal que A k = decimos que A es nilpotente. Traza. Para una matriz cuadrada n n, la traza es la suma de los elementos de su diagonal tr A = n i=1 a ii. Traza. Para una matriz cuadrada n n, la traza es la suma de los elementos de su diagonal tr A = n i=1 a ii. Si A y B son tales que AB es cuadrada, entonces tr[ab] = tr[ba]. Determinante. El determinante es otra familiar función escalar de una matriz cuadrada, det A.El determinante puede evaluarse recursivamente mediante la expansión de Laplace: Sea c ij el cofactor del elemento a ij, o sea el producto de ( 1) i+j por el determinante de la submatriz (n 1) (n 1) obtenida de eliminar en A la fila i y la columna j. Entonces para cualquier i fijo, 1 i n, Si A y B son tales que AB es cuadrada, entonces tr[ab] = tr[ba]. Determinante. El determinante es otra familiar función escalar de una matriz cuadrada, det A.El determinante puede evaluarse recursivamente mediante la expansión de Laplace: Sea c ij el cofactor del elemento a ij, o sea el producto de ( 1) i+j por el determinante de la submatriz (n 1) (n 1) obtenida de eliminar en A la fila i y la columna j. Entonces para cualquier i fijo, 1 i n,

3 det A = n j=1 a ijc ij. Esta es la expansión sobre la fila i. Una expresión análoga existe para la expansión sobre una columna j. Vemos que el determinante no es más que la suma de productos de los elementos de la matriz, por lo que es una función matricial diferenciable todas las veces que uno quiera. Si A y B son matrices n n, entonces det(ab) = det(a) det(b) = det(ba). det A = n j=1 a ijc ij. Esta es la expansión sobre la fila i. Una expresión análoga existe para la expansión sobre una columna j. Vemos que el determinante no es más que la suma de productos de los elementos de la matriz, por lo que es una función matricial diferenciable todas las veces que uno quiera. Si A y B son matrices n n, entonces det(ab) = det(a) det(b) = det(ba). Inversa. La matriz cuadrada A tiene una inversa, A 1, AA 1 = A 1 A = I, sii det A. Una fórmula común para A 1 se basa en los cofactores de A. Inversa. La matriz cuadrada A tiene una inversa, A 1, AA 1 = A 1 A = I, sii det A. Una fórmula común para A 1 se basa en los cofactores de A. El adjunto de A, adj A, es la matriz cuyo elemento ij es el cofactor ji de A o sea, la transpuesta de la matriz de cofactores. Entonces A 1 = 1 det A adj A La inversa del producto de dos matrices cuadradas no singulares cumple (AB) 1 = B 1 A 1. Una fórmula muy útil en teoría de sistemas lineales es el lema de inversión de matrices. Lema (Inversión de Matrices) Dadas matrices R, S, U, V de dimensiones compatibles, donde R y S son cuadradas y no singulares, entonces (R US 1 V ) 1 = R 1 + R 1 U(S V R 1 U) 1 V R 1.

4 Bases y El conjunto de todos los vectores de R n puede verse como un espacio vectorial lineal con las operaciones estándar de suma de vectores y producto por números reales. Las matrices m n (o n m si consideramos vectores fila) son operadores lineales definidos sobre estos espacios. Dos vectores x 1 e x 2 en R n son linealmente independientes (LI) si la única combinación lineal de ellos que da el vector nulo, α 1 x 1 + α 2 x 2 =, es la trivial, α 1 =, α 2 =. Sino son linealmente dependientes. El concepto se extiende a un conjunto de cualquier número de vectores. Si el conjunto de vectores {x 1, x 2,..., x m } es linealmente dependiente, entonces existe un conjunto de escalares {α 1, α 2,..., α m } donde al menos uno es distinto de cero, digamos α 1, y α 1 x 1 + α 2 x α m x m =. Entonces podemos escribir x 1 como combinación lineal de los restantes vectores, x 1 = 1 α 1 (α 2 x α m x m ). La dimensión de un espacio lineal es el máximo número de vectores LI en ese espacio; n en R n. El concepto se extiende a un conjunto de cualquier número de vectores. Si el conjunto de vectores {x 1, x 2,..., x m } es linealmente dependiente, entonces existe un conjunto de escalares {α 1, α 2,..., α m } donde al menos uno es distinto de cero, digamos α 1, y α 1 x 1 + α 2 x α m x m =. Entonces podemos escribir x 1 como combinación lineal de los restantes vectores, x 1 = 1 α 1 (α 2 x α m x m ). El concepto se extiende a un conjunto de cualquier número de vectores. Si el conjunto de vectores {x 1, x 2,..., x m } es linealmente dependiente, entonces existe un conjunto de escalares {α 1, α 2,..., α m } donde al menos uno es distinto de cero, digamos α 1, y α 1 x 1 + α 2 x α m x m =. Entonces podemos escribir x 1 como combinación lineal de los restantes vectores, x 1 = 1 α 1 (α 2 x α m x m ). La dimensión de un espacio lineal es el máximo número de vectores LI en ese espacio; n en R n. La dimensión de un espacio lineal es el máximo número de vectores LI en ese espacio; n en R n.

5 Un conjunto de vectores LI en R n es una base de R n si todo vector de R n se puede escribir como una combinación lineal única de los vectores del conjunto. Sea {q 1, q 2,..., q n } una base de R n. Entonces dado un vector cualquiera x R n puede expresarse en forma única como x = α 1 q 1 + α 2 q α n q n α 1 = [ ] α 2 q 1 q 2... q n. = Q x, α n La matriz Q es no singular por definición, y sirve para obtener la representación de cualquier vector en R n en la base {q 1, q 2,..., q n }, x = Q 1 x. En particular, siempre existe la base formada por los versores e 1 = [1... ] T, e 2 = [ 1... ] T, etc. En ese caso Q = I. donde x = [α 1 α 2... α n ] T es la representación de x con respecto a la base (o en las coordenadas) {q 1, q 2,..., q n }. Norma de Vectores Ejemplo Consideremos los vectores q 1 = [3 1] T y q 2 = [2 2] T. Como son LI, forman una base en R 2. La representación del vector x = [1 3] T en las coordenadas {q 1, q 2 } es [ 1 2] T, que se obtiene de x = [ [ ] 1 1 q 1 q 2 3 [ ] 1 [ ] = [ ] 1 =, 2 o sea que x puede escribirse como x = q 1 + 2q 2. ] Norma de vectores. El concepto de norma de un vector es una generalización de la idea de magnitud. La norma de un vector x, denotada x, es una función del espacio vectorial en R + (los reales positivos más el ) que cumple con las siguientes tres propiedades: 1. x para todo x y x = sii x =. 2. αx = α x, para todo escalar α. 3. x 1 + x 2 x 1 + x 2 para todo x 1, x 2 (desigualdad triangular). Dado un vector x = [x 1 x 2... x n ] T, tres típicas normas en R n son x 1 n i=1 x i norma-1 x 2 n x T x = i=1 x i 2 norma-2 o euclídea x máx x i norma- Virginia Mazzone: Tema 3: Repasoide Álgebra Lineal Parte I

6 Norma de Vectores Norma de vectores. El concepto de norma de un vector es una generalización de la idea de magnitud. La norma de un vector x, denotada x, es una función del espacio vectorial en R + (los reales positivos más el ) que cumple con las siguientes tres propiedades: 1. x para todo x y x = sii x =. 2. αx = α x, para todo escalar α. 3. x 1 + x 2 x 1 + x 2 para todo x 1, x 2 (desigualdad triangular). Dado un vector x = [x 1 x 2... x n ] T, tres típicas normas en R n son x 1 n i=1 x i norma-1 x 2 n x T x = i=1 x i 2 norma-2 o euclídea x máx x i norma- Virginia Mazzone: Tema 3: Repasoide Álgebra Lineal Parte I Norma de Vectores La bola unitaria es el conjunto de vectores de norma no mayor que la unidad. La forma de la bola unitaria depende de la norma. B 1 = {x R n : x 1}. Figura: Bola unitaria en R 2 en normas 1, 2 e. La norma 2 o euclídea es la longitud del vector desde el origen. A menos que aclaremos lo contrario, vamos a trabajar siempre con la norma 2. Un vector x de R n está normalizado si x = x T x = 1. Dos vectores x 1 y x 2 son ortogonales si x 1 T x 2 = x 2 T x 1 =. Un conjunto de vectores x i, i = 1, 2,..., m, es ortonormal si { si i j, x i T x j = 1 si i = j. Dado un conjunto de vectores LI {p 1, p 2,..., p m }, podemos obtener un conjunto ortonormal de vectores {q 1, q 2,..., q m } usando el procedimiento de ortonormalización de Schmidt, u 1 p 1 q 1 u 1 / u 1, u 2 p 2 (q 1 T p 2 )q 1 q 2 u 2 / u 2, u m p m m 1 k=1 (q k T p m )q k q m u m / u m. Un vector x de R n está normalizado si x = x T x = 1. Dos vectores x 1 y x 2 son ortogonales si x 1 T x 2 = x 2 T x 1 =. Un conjunto de vectores x i, i = 1, 2,..., m, es ortonormal si { si i j, x i T x j = 1 si i = j. Dado un conjunto de vectores LI {p 1, p 2,..., p m }, podemos obtener un conjunto ortonormal de vectores {q 1, q 2,..., q m } usando el procedimiento de ortonormalización de Schmidt, u 1 p 1 q 1 u 1 / u 1, u 2 p 2 (q 1 T p 2 )q 1 q 2 u 2 / u 2, u m p m m 1 k=1 (q k T p m )q k q m u m / u m.

7 Ecuaciones Lineales Algebraicas Si Q = [q 1 q 2... q m ] es una matriz n m, m n, con todas sus columnas ortonormales, entonces q T 1 1 Q T q T 2 [ ] 1 Q = q1 q 2 q m = = I m q T m 1 Qué puede decirse entonces de QQ T? Consideremos el conjunto de ecuaciones lineales algebraicas Ax = y (1) donde A e y son matrices reales dadas, respectivamente m n y m 1, y x es la incógnita a resolver, n 1. El problema consiste de m ecuaciones y n incógnitas escalares, y puede que m sea menor, igual o mayor que n. La existencia de solución depende de la imagen de A. El espacio imagen, o simplemente imagen, de A es el espacio generado haciendo todas las posibles combinaciones lineales de las columnas de A. La dimensión de la imagen de A es el rango de A. Un vector x se llama vector nulo de A si Ax =. El espacio de todos los vectores nulos de A se llama el kernel o espacio nulo de A. La dimensión del kernel de A cumple la relación dimensión de ker(a) = número de columnas de A rango(a) Ejemplo Sea la matriz A = [a 1 a 2 a 3 a 4 ]. 2 2 El rango de A es 2, ya que a 1 y a 2 son LI pero a 3 y a 4 son combinación lineal de a 1 y a 2. Podemos tomar el conjunto {a 1, a 2 } como una base de la imagen de A. La dimensión del kernel de A es 2, y puede verificarse que los vectores n 1 = [ ] T y n 2 = [ 2 1 ] T son vectores nulos de A (An 1 = = An 2 ). Como n 1 y n 2 son LI, {n 1, n 2 } es una base del kernel de A.

8 Ejemplo Sea la matriz A = [a 1 a 2 a 3 a 4 ]. 2 2 El rango de A es 2, ya que a 1 y a 2 son LI pero a 3 y a 4 son combinación lineal de a 1 y a 2. Podemos tomar el conjunto {a 1, a 2 } como una base de la imagen de A. La dimensión del kernel de A es 2, y puede verificarse que los vectores n 1 = [ ] T y n 2 = [ 2 1 ] T son vectores nulos de A (An 1 = = An 2 ). Como n 1 y n 2 son LI, {n 1, n 2 } es una base del kernel de A. Hemos definido el rango de A como el número de columnas LI de A, pero también es igual al número de filas LI de A, por lo que se cumple que rango(a) mín(m, n). Teorema (Existencia de solución) Dada una matriz A R m n y un vector y R m, 1. Existe una solución x R n de la ecuación Ax = y sii y pertenece a la imagen de A, o sea, donde [A y] R m (n+1). rango(a) = rango([a y]) 2. Existe una solución x de Ax = y para todo y R m sii rango(a) = m (A es de rango fila completo). Hemos definido el rango de A como el número de columnas LI de A, pero también es igual al número de filas LI de A, por lo que se cumple que rango(a) mín(m, n). Teorema (Existencia de solución) Dada una matriz A R m n y un vector y R m, 1. Existe una solución x R n de la ecuación Ax = y sii y pertenece a la imagen de A, o sea, donde [A y] R m (n+1). rango(a) = rango([a y]) 2. Existe una solución x de Ax = y para todo y R m sii rango(a) = m (A es de rango fila completo). Hemos definido el rango de A como el número de columnas LI de A, pero también es igual al número de filas LI de A, por lo que se cumple que rango(a) mín(m, n). Teorema (Existencia de solución) Dada una matriz A R m n y un vector y R m, 1. Existe una solución x R n de la ecuación Ax = y sii y pertenece a la imagen de A, o sea, donde [A y] R m (n+1). rango(a) = rango([a y]) 2. Existe una solución x de Ax = y para todo y R m sii rango(a) = m (A es de rango fila completo).

9 Teorema (Parametrización de todas la soluciones) Dada una matriz A R m n y un vector y R m, sea x p una solución de Ax = y y sea k n rango(a) la dimensión del kernel de A. Entonces 1. Si k = (A tiene rango columna pleno), entonces la solución x p es única. 2. Si k > sea {n 1, n 2,..., n k } una base del kernel de A. Entonces para cualquier conjunto de k números reales {α i, i = 1, 2,..., k} el vector x = x p + α 1 n 1 + α 2 n α k n k es también solución de Ax = y. Ejemplo Consideremos la ecuación Ax = y x x 2 4 x = 8. (2) x 4 Puede verse fácilmente que y está en la imagen de A y que x p = [ 4 ] T es una solución. Con la base {n1, n 2 } del kernel de A obtenida en el Ejemplo 2 podemos expresar la solución general de (2) como x = x p + α 1 n 1 + α 2 n 2 = 4 + α α 2 2 1, donde α 1 y α 2 pueden tomar cualquier valor en R. A veces vamos a encontrar el problema formulado en términos de vectores fila, xa = y, donde x, y son 1 n y 1 m. Puede tratarse como antes considerando el problema transpuesto A T x T = y T. En MATLAB la solución de Ax = y puede obtenerse como x = A\y. El símbolo \ denota división matricial por izquierda. Para el caso xa = y usamos la división matricial por derecha x = y/a. Teorema (Sistemas cuadrados) Sea Ax = y donde A es cuadrada. Entonces 1. Si A es no singular existe una solución única para cada y, dada por x = A 1 y. En particular la única solución de Ax = es x =. 2. La ecuación homogénea Ax = tiene soluciones no nulas sii A es singular. El número de soluciones LI es igual a la dimensión del kernel de A.

10 Ejercicios 1. Dados los vectores x 1 = [2 3 1] T y x 2 = [1 1 1] T 1.1 Calcular sus normas 1, 2 e. 1.2 Encontrar vectores ortonormales que generen el mismo subespacio. 2. Determinar rango y bases de la imagen y el kernel para cada una de las siguientes matrices: A 1 = A 2 = 3 2 A 3 = Dada la ecuación x =, Cuantas soluciones tiene? Qué pasa si y = [1 1 1] T? 2. Dada la ecuación x = Encontrar la forma de la solución general. 2.2 Encontrar la solución de mínima norma euclídea. Conclusiones Hemos repasado Las definiciones básicas relativas a vectores y matrices, traza, determinante, e inversa. Bases y conjuntos ortonormales, independencia lineal, el concepto de norma, y el método de ortonormalización de Schmidt. Los resultados principales para la solución de ecuaciones lineales algebraicas, y los conceptos de imagen, rango y kernel de una matriz. En particular, la ecuación Ax = y tiene solución sii y está en la imagen de A. tiene solución única si ker(a) = {} (dim ker(a) = ). tiene infinitas soluciones si dim ker(a) >.

Matriz sobre K = R o C de dimensión m n

Matriz 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 detalles

MENORES, COFACTORES Y DETERMINANTES

MENORES, 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 detalles

Matrices. p ij = a ik b kj = a i1 b 1j + a i2 b 2j + + a in b nj.

Matrices. p ij = a ik b kj = a i1 b 1j + a i2 b 2j + + a in b nj. Matrices Introducción Una matriz de m filas y n columnas con elementos en el cuerpo K es un rectángulo de elementos de K (es decir, números) del tipo a a 2 a n a 2 a 22 a 2n A = (a ij ) = a m a m2 a mn

Más detalles

Matrices: repaso. Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas. Una matriz A M m n es de la forma A =

Matrices: repaso. Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas. Una matriz A M m n es de la forma A = Matrices: repaso Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas Una matriz A M m n es de la forma a 11 a 1n A = a m1 a mn Denotaremos A ij = a ij el coeficiente

Más detalles

Sistema de ecuaciones algebraicas

Sistema 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 detalles

Ejemplo 1. Ejemplo introductorio

Ejemplo 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 detalles

Métodos Estadísticos Multivariados

Métodos Estadísticos Multivariados Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 34 Álgebra matricial y vectores aleatorios Una matriz es un arreglo

Más detalles

Repaso de algebra matricial

Repaso de algebra matricial Clase No. 3 (Parte 1): MAT 251 Repaso de algebra matricial Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/ Dr. Joaquín

Más detalles

Espacios Vectoriales www.math.com.mx

Espacios Vectoriales www.math.com.mx Espacios Vectoriales Definiciones básicas de Espacios Vectoriales www.math.com.mx José de Jesús Angel Angel jjaa@math.com.mx MathCon c 007-009 Contenido. Espacios Vectoriales.. Idea Básica de Espacio Vectorial.................................

Más detalles

1.5.3 Sistemas, Matrices y Determinantes

1.5.3 Sistemas, Matrices y Determinantes 1.5.3 Sistemas, Matrices y Determinantes 24. Sean las matrices 3 0 4 1 A= 1 2 B = 0 2 1 1 C = 1 4 2 3 1 5 1 5 2 D = 1 0 1 E = 3 2 4 6 1 3 1 1 2 4 1 3 a Calcular cuando se pueda: 3C D, ABC, ABC, ED, DE,

Más detalles

Clase 8 Matrices Álgebra Lineal

Clase 8 Matrices Álgebra Lineal Clase 8 Matrices Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia Matrices Definición Una matriz es un arreglo rectangular de números denominados entradas

Más detalles

Tema 5: Sistemas de Ecuaciones Lineales

Tema 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 detalles

Tema 1: Matrices y Determinantes

Tema 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 detalles

Capitulo 6. Matrices y determinantes

Capitulo 6. Matrices y determinantes Capitulo 6. Matrices y determinantes Objetivo. El alumno aplicará los conceptos fundamentales de las matrices, determinantes y sus propiedades a problemas que requieran de ellos para su resolución. Contenido.

Más detalles

Matrices, determinantes, sistemas de ecuaciones lineales.

Matrices, 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 detalles

MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES

MATEMÁTICAS 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 detalles

como el número real que resulta del producto matricial y se nota por:

como el número real que resulta del producto matricial y se nota por: Espacio euclídeo 2 2. ESPACIO EUCLÍDEO 2.. PRODUCTO ESCALAR En el espacio vectorial se define el producto escalar de dos vectores y como el número real que resulta del producto matricial y se nota por:,

Más detalles

ÁLGEBRA MATRICIAL. 1. La traspuesta de A es A; (A ) = A. 2. La inversa de A 1 es A; (A 1 ) 1 = A. 3. (AB) = B A.

ÁLGEBRA MATRICIAL. 1. La traspuesta de A es A; (A ) = A. 2. La inversa de A 1 es A; (A 1 ) 1 = A. 3. (AB) = B A. ÁLGEBRA MATRICIAL. 1. La traspuesta de A es A; A = A. 2. La inversa de A 1 es A; A 1 1 = A. 3. AB = B A. 4. Las matrices A A y AA son simétricas. 5. AB 1 = B 1 A 1, si A y B son no singulares. 6. Los escalares

Más detalles

Clase 7 Herramientas de Álgebra Lineal

Clase 7 Herramientas de Álgebra Lineal Clase 7 Herramientas de Álgebra Lineal 1 Formas cuadráticas La descomposición en valores singulares 3 Normas de matrices 4 Ejercicios Dada una matriz M R n n, la función escalar x T Mx, donde x R n, es

Más detalles

Una matriz es una tabla ordenada (por filas y columnas) de escalares a i j de la forma: ... ... a... ...

Una 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 detalles

CAPÍTULO 3: DETERMINANTES Y SISTEMAS DE ECUACIONES

CAPÍTULO 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 detalles

Sistemas de Ecuaciones Lineales

Sistemas 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 detalles

BLOQUE DE ÁLGEBRA: TEMA 1: MATRICES.

BLOQUE DE ÁLGEBRA: TEMA 1: MATRICES. BLOQUE DE ÁLGEBRA: TEMA 1: MATRICES. Matrices: Se llama matriz de dimensión m n a un conjunto de números reales dispuestos en m filas y n columnas de la siguiente forma: 11 a 12 a 13... a 1n A= a a 21

Más detalles

CONTENIDOS MATEMÁTICAS II SEGUNDA EVALUACIÓN CURSO 2017/2018 MATRICES

CONTENIDOS MATEMÁTICAS II SEGUNDA EVALUACIÓN CURSO 2017/2018 MATRICES CONTENIDOS MATEMÁTICAS II SEGUNDA EVALUACIÓN CURSO 2017/2018 Unidades: - Matrices (Bloque Álgebra) - Determinantes (Bloque Álgebra) - Sistemas de ecuaciones lineales (Bloque Álgebra) - Vectores (Bloque

Más detalles

CAPÍTULO 1. Preliminares

CAPÍTULO 1. Preliminares CAPÍTULO 1 Preliminares En este capítulo se recopilan algunas definiciones y algunos resultados básicos que servirán de referencia en el desarrollo de los capítulos posteriores Se consideran aquí varios

Más detalles

MATRICES. Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden x (que se lee por ).

MATRICES. Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden x (que se lee por ). 1 MATRICES 1 Una matriz es una disposición rectangular de números (Reales); la forma general de una matriz con filas y columnas es Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden

Más detalles

Herramientas digitales de auto-aprendizaje para Matemáticas

Herramientas digitales de auto-aprendizaje para Matemáticas real de con Herramientas digitales de auto-aprendizaje para Matemáticas, Grupo de Innovación Didáctica Departamento de Matemáticas Universidad de Extremadura real de con Índice real de con real de con.

Más detalles

40 Matemáticas I. Parte II. Álgebra Lineal. I.T.I. en Electricidad. Prof: José Antonio Abia Vian

40 Matemáticas I. Parte II. Álgebra Lineal. I.T.I. en Electricidad. Prof: José Antonio Abia Vian 40 Matemáticas I Parte II Álgebra Lineal 41 Matemáticas I : Álgebra Lineal Tema 4 Espacios vectoriales reales 4.1 Espacios vectoriales Definición 88.- Un espacio vectorial real V es un conjunto de elementos

Más detalles

Matrices. Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones ordenados en filas y columnas.

Matrices. Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones ordenados en filas y columnas. Matrices Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones ordenados en filas y columnas. Cada uno de los números de que consta la matriz se denomina elemento. Un elemento

Más detalles

APÉNDICE A. Algebra matricial

APÉNDICE A. Algebra matricial APÉNDICE A Algebra matricial El estudio de la econometría requiere cierta familiaridad con el álgebra matricial. La teoría de matrices simplifica la descripción, desarrollo y aplicación de los métodos

Más detalles

de la forma ), i =1,..., m, j =1,..., n, o simplemente por (a i j ).

de la forma ), i =1,..., m, j =1,..., n, o simplemente por (a i j ). INTRODUCCIÓN. MATRICES Y DETERMINANTES 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.

Más detalles

Lección 8. Matrices y Sistemas de Ecuaciones Lineales

Lección 8. Matrices y Sistemas de Ecuaciones Lineales Lección 8 Matrices y Sistemas de Ecuaciones Lineales MIGUEL ANGEL UH ZAPATA 1 Análisis Numérico I Facultad de Matemáticas, UADY Septiembre 2014 1 Centro de Investigación en Matemáticas, Unidad Mérida En

Más detalles

Dada la proporción =, calcula el producto de extremos menos el producto de medios. 4. Halla los determinantes de las siguientes matrices: Solución:

Dada la proporción =, calcula el producto de extremos menos el producto de medios. 4. Halla los determinantes de las siguientes matrices: Solución: 3 Determinantes. Determinantes de orden y 3 por Sarrus Piensa y calcula 3 6 Dada la proporción =, calcula el producto de extremos menos el producto de medios. 4 8 3 8 6 4 = 4 4 = 0 Aplica la teoría. Calcula

Más detalles

Se denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.

Se denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. TEMA 1.- MATRICES 1.-Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. Cada uno de los números de que consta la

Más detalles

Lección 1. Algoritmos y conceptos básicos.

Lección 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 detalles

Tema 1: Matrices. Sistemas de ecuaciones. Determinantes

Tema 1: Matrices. Sistemas de ecuaciones. Determinantes Tema 1: Matrices. Sistemas de ecuaciones. Determinantes José M. Salazar Octubre de 2016 Tema 1: Matrices. Sistemas de ecuaciones. Determinantes Lección 1. Matrices. Sistemas de ecuaciones. Determinantes

Más detalles

Una matriz es un arreglo rectangular de elementos. Por ejemplo:

Una matriz es un arreglo rectangular de elementos. Por ejemplo: 1 MATRICES CONCEPTOS BÁSICOS Definición: Matriz Una matriz es un arreglo rectangular de elementos. Por ejemplo: es una matriz de 3 x 2 (que se lee 3 por 2 ) pues es un arreglo rectangular de números con

Más detalles

10. 1 Definición de espacio euclídeo.

10. 1 Definición de espacio euclídeo. ESCUELA TÉCNICA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA MATEMATICAS 10. ESPACIOS EUCLÍDEOS 10. 1 Definición de espacio euclídeo. Producto escalar

Más detalles

Determinante de una matriz

Determinante 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 detalles

Operaciones con matrices

Operaciones con matrices Operaciones con matrices Problemas teóricos En todos los problemas de esta lista se supone que F es un campo (cuerpo). Si no conoce bien el concepto de campo, entonces puede pensar que F = R. Operaciones

Más detalles

PRUEBA MÚLTIPLE ELECCIÓN MATRICES Y DETERMINANTES

PRUEBA MÚLTIPLE ELECCIÓN MATRICES Y DETERMINANTES PRUEBA MÚLTIPLE ELECCIÓN MATRICES Y DETERMINANTES 1. Sea una matriz A M n n (R) nilpotente de índice p. r(a) n 1 r(a) =p 1 8 4 2 2. Sea la matriz A = 2 1 1 0 5 2 1 1 r(a) =2 r(a) =3 r(a) =4 3. Sea una

Más detalles

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

PROBLEMAS DE ÁLGEBRA LINEAL INGENIERÍA DE TELECOMUNICACIONES - E.T.S.I.T. CURSO 2005/06 PROBLEMAS DE ÁLGEBRA LINEAL INGENIERÍA DE TELECOMUNICACIONES - E.T.S.I.T. CURSO 200/06 1. Utilizar el método de eliminación de Gauss para resolver el sistema de ecuaciones lineales siguiente: 2 x 1 2 x

Más detalles

Si u y v son vectores cualquiera en W, entonces u + v esta en W. Si c es cualquier numero real y u es cualquier vector en W, entonces cu esta en W.

Si u y v son vectores cualquiera en W, entonces u + v esta en W. Si c es cualquier numero real y u es cualquier vector en W, entonces cu esta en W. Unidad 4 Espacios vectoriales reales 4.1 Subespacios Si V es un espacio vectorial y W un subconjunto no vacío de V. Entonces W es un subespacio de V si se cumplen las siguientes condiciones Si u y v son

Más detalles

ARITMÉTICA Y ÁLGEBRA

ARITMÉTICA Y ÁLGEBRA ARITMÉTICA Y ÁLGEBRA 1.- Discutir el siguiente sistema, según los valores de λ: Resolverlo cuando tenga infinitas soluciones. Universidad de Andalucía SOLUCIÓN: Hay cuatro ecuaciones y tres incógnitas,

Más detalles

1. Lección 3: Matrices y Determinantes

1. Lección 3: Matrices y Determinantes Apuntes: Matemáticas Empresariales II 1. Lección 3: Matrices y Determinantes Se define matriz de orden n m a todo conjunto de n m elementos de un cuerpo K, dispuestos en n filas y m columnas: A n m = (

Más detalles

Matrices y determinantes

Matrices y determinantes Matrices y determinantes A = ( aij)=a mxn m = nº filas y n = nº columnas Orden o dimensión = mxn Matriz cuadrada m=n Matriz rectangular m n Matriz fila A 1xn Definiciones de Matrices a 11 a 12...a 1n a

Más detalles

Espacios vectoriales con producto interior

Espacios vectoriales con producto interior Espacios vectoriales con producto interior Longitud, norma o módulo de vectores y distancias entre puntos Generalizando la fórmula pitagórica de la longitud de un vector de R 2 o de R 3, definimos la norma,

Más detalles

Definición 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.

Definición 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 1.1. Conceptos básicos y ejemplos Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. NOTA:

Más detalles

Estadística III Repaso de Algebra Lineal

Estadística III Repaso de Algebra Lineal Repaso de Algebra Lineal Vectores Un vector columna de dimensión n 1 es una serie de números dispuestos como sigue: x 1 x 2 x =. x n Un vector fila de dimensión 1 p es una serie de números dispuestos como

Más detalles

MATRICES. Una matriz es un conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.

MATRICES. Una matriz es un conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. MATRICES Una matriz es un conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. Cada uno de los números de que consta la matriz se denomina elemento. Un elemento

Más detalles

23/10/14. Algebra Matricial $ $ ' ' ' $ & & & # # I 3 I 2 = 1 0 $ DEFINICION DE MATRIZ 2.1 CONCEPTOS DE MATRICES CONCEPTOS DE MATRICES. $ n. ! a.

23/10/14. Algebra Matricial $ $ ' ' ' $ & & & # # I 3 I 2 = 1 0 $ DEFINICION DE MATRIZ 2.1 CONCEPTOS DE MATRICES CONCEPTOS DE MATRICES. $ n. ! a. /0/ Algebra Matricial. OPERACIONES DE DEFINICION DE MATRIZ Si A es una matriz de m x n (esto es una matriz con m filas y n columnas) la entrada escalar en la i-ésima fila y la j-ésima columna de A se denota

Más detalles

Tema 1. Álgebra lineal. Matrices

Tema 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 detalles

Valores y Vectores Propios

Valores 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 detalles

Algebra Lineal * Working draft: México, D.F., a 17 de noviembre de 2010.

Algebra Lineal * Working draft: México, D.F., a 17 de noviembre de 2010. Algebra Lineal * José de Jesús Ángel Ángel jjaa@mathcommx Working draft: México, DF, a 17 de noviembre de 2010 Un resumen de los principales temas tratados en un curso de Álgebra Lineal Contenido 1 Sistemas

Más detalles

ÁLGEBRA LINEAL Y GEOMETRÍA ANALÍTICA (0250)

ÁLGEBRA LINEAL Y GEOMETRÍA ANALÍTICA (0250) Universidad Central de Venezuela Facultad de Ingeniería Ciclo Básico Departamento de Matemática Aplicada ÁLGEBRA LINEAL Y GEOMETRÍA ANALÍTICA (0250) Semestre 1-2011 Mayo 2011 Álgebra Lineal y Geometría

Más detalles

Tema 2. Sistemas de ecuaciones lineales

Tema 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 detalles

SISTEMAS DE ECUACIONES LINEALES

SISTEMAS 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 detalles

Ecuaciones. 3º de ESO

Ecuaciones. 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 detalles

Matrices 3. Matrices. Verónica Briceño V. agosto 2012

Matrices 3. Matrices. Verónica Briceño V. agosto 2012 3 agosto 2012 En esta Presentación... En esta Presentación veremos: Matriz Inversa En esta Presentación... En esta Presentación veremos: Matriz Inversa Determinante En esta Presentación... En esta Presentación

Más detalles

Tema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES

Tema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES Tema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES Prof. Rafael López Camino Universidad de Granada 1 Matrices Definición 1.1 Una matriz (real) de n filas y m columnas es una expresión de la forma a 11...

Más detalles

Es decir, det A = producto de diagonal principal producto de diagonal secundaria. Determinante de una matriz cuadrada de orden 3

Es decir, det A = producto de diagonal principal producto de diagonal secundaria. Determinante de una matriz cuadrada de orden 3 1.- DETERMINANTE DE UNA MATRIZ CUADRADA Determinante de una matriz cuadrada de orden 1 Dada una matriz cuadrada de orden 1, A = (a), se define det A = det (a) = a Determinante de una matriz cuadrada de

Más detalles

Determinantes Introducción a los determinantes. Recordemos la definición del determinante de una matriz A de 2 2 ( fórmula.

Determinantes Introducción a los determinantes. Recordemos la definición del determinante de una matriz A de 2 2 ( fórmula. Capítulo 5 Determinantes 5.1. Introducción a los determinantes Recordemos la definición del determinante de una matriz A de 2 2 ( fórmula 2.4 ) [ ] a b det = ad bc c d La proposición 2.16 implica que el

Más detalles

MATRICES. Se denomina matriz de dimensión m n a todo conjunto cuyos elementos están dispuestos en m filas y n columnas. o simplemente A = (a.

MATRICES. Se denomina matriz de dimensión m n a todo conjunto cuyos elementos están dispuestos en m filas y n columnas. o simplemente A = (a. MATRICES Se denomina matriz de dimensión m n a todo conjunto cuyos elementos están dispuestos en m filas y n columnas A= 2 1 5 0 3 8 A es de dimensión 2 3. a a a En general una matriz de dimensión 2 3

Más detalles

Proyecciones. Producto escalar de vectores. Aplicaciones

Proyecciones. Producto escalar de vectores. Aplicaciones Proyecciones La proyección de un punto A sobre una recta r es el punto B donde la recta perpendicular a r que pasa por A corta a la recta r. Con un dibujo se entiende muy bien. La proyección de un segmento

Más detalles

Matrices triangulares y matrices ortogonales

Matrices triangulares y matrices ortogonales Matrices triangulares y matrices ortogonales Problemas para examen Matrices diagonales 1. Sea a R n. Se denota por diag(a) la matriz diagonal con entradas a 1,..., a n : diag(a) = [ a j δ j,k ] n j,k=1.

Más detalles

Matrices. Álgebra de matrices.

Matrices. Álgebra de matrices. Matrices. Álgebra de matrices. 1. Definiciones generales Definición 1.1 Si m y n son dos números naturales, se llama matriz de números reales de orden m n a una aplicación A : {1, 2, 3,..., m} {1, 2, 3,...,

Más detalles

Una forma fácil de recordar esta suma (regla de Sarrus): Primero vamos a estudiar algunas propiedades de los determinantes.

Una forma fácil de recordar esta suma (regla de Sarrus): Primero vamos a estudiar algunas propiedades de los determinantes. Una forma fácil de recordar esta suma (regla de Sarrus): Ejemplos: Tarea: realizar al menos tres ejercicios de cálculo de determinantes de matrices de 2x2 y otros tres de 3x3. PARA DETERMINANTES DE MATRICES

Más detalles

Matrices. Operaciones con matrices.

Matrices. Operaciones con matrices. Matrices. Operaciones con matrices. Ejercicio. Dadas las matrices ( ) ( ) 4 A = B = ( ) C = D = 4 5 ( ) 4 E = F = seleccione las que se pueden sumar y súmelas. Ejercicio. Dadas las matrices ( ) ( ) A =

Más detalles

Tema 1. Espacios Vectoriales. Sistemas de ecuaciones.

Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)

Más detalles

Tema 1. 1 Álgebra lineal. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. 1.1 Vectores de R n. 1. Vectores. 2.

Tema 1. 1 Álgebra lineal. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. 1.1 Vectores de R n. 1. Vectores. 2. Aurea Grané. Máster en Estadística. Universidade Pedagógica. 1 Aurea Grané. Máster en Estadística. Universidade Pedagógica. 2 Tema 1 Álgebra lineal 1. Vectores 2. Matrices 1 Álgebra lineal Aurea Grané

Más detalles

3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE

3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE 3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE ECUACIONES LINEALES Y MATRICES COMPLEMENTOS PARA LA FORMACIÓN DISCIPLINAR EN MATEMÁTICAS Curso 2011-2012 3.1.1. Resolución de sistemas de ecuaciones lineales. Método

Más detalles

2. ÁLGEBRA LINEAL // 2.1. SISTEMAS DE

2. ÁLGEBRA LINEAL // 2.1. SISTEMAS DE 2. ÁLGEBRA LINEAL // 2.1. SISTEMAS DE ECUACIONES LINEALES Y MATRICES COMPLEMENTOS PARA LA FORMACIÓN DISCIPLINAR EN MATEMÁTICAS // Curso 2012-13 2.1.1. Resolución de sistemas de ecuaciones lineales. Método

Más detalles

6 Vectores. Dependencia e independencia lineal.

6 Vectores. Dependencia e independencia lineal. 6 Vectores. Dependencia e independencia lineal. Introducción Hay fenómenos reales que se pueden representar adecuadamente mediante un número con su adecuada unidad de medida. Sin embargo para representar

Más detalles

GEOMETRÍA EN EL ESPACIO.

GEOMETRÍA EN EL ESPACIO. GEOMETRÍA 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 detalles

Tema 3: MATRICES. Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada

Tema 3: MATRICES. Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada Tema 3: MATRICES Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada Material docente para el alumno Asignatura: Geometría I. Curso 2003/04 Licenciatura: Matemáticas

Más detalles

ALGEBRA y ALGEBRA LINEAL

ALGEBRA y ALGEBRA LINEAL 520142 ALGEBRA y ALGEBRA LINEAL Primer Semestre, Universidad de Concepción CAPITULO 7. MATRICES DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición: Matriz Sean

Más detalles

Ecuaciones de rectas y planos. Un punto O y una base B B = { i, j,

Ecuaciones de rectas y planos. Un punto O y una base B B = { i, j, Ecuaciones de rectas y planos. Coordenadas en el espacio. Planos coordenados. El vector OP tiene unas coordenadas( x, y, z ) respecto de la base B, que se pueden tomar como coordenadas del punto P respecto

Más detalles

1. Las matrices se denotan con letras mayúsculas. Por ejemplo, A, B, C, X,...

1. Las matrices se denotan con letras mayúsculas. Por ejemplo, A, B, C, X,... CAPÍTULO 1 ALGEBRA MATRICIAL 11 Introducción Definición 111 (Matriz) Definimos una matriz como un arreglo rectangular de elementos, llamados escalares, sobre un álgebra F Más que hacer referencia especifica

Más detalles

3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE

3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE 3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE ECUACIONES LINEALES Y MATRICES COMPLEMENTOS PARA LA FORMACIÓN DISCIPLINAR EN MATEMÁTICAS // Curso 2017-18 3.1.1. Resolución de sistemas de ecuaciones lineales. Método

Más detalles

Resumen de álgebra vectorial y tensorial

Resumen de álgebra vectorial y tensorial Apéndice A Resumen de álgebra vectorial y tensorial Se resumen aquí algunos conceptos y definiciones importantes de vectores y tensores, con pretensión de sencillez y brevedad. En aras de esta sencillez,

Más detalles

TEMA 7: MATRICES. OPERACIONES.

TEMA 7: MATRICES. OPERACIONES. TEMA 7: MATRICES. OPERACIONES. 1. MATRICES. TIPOS DE MATRICES. Se llama matriz de orden m x n (m filas y n columnas) a un conjunto de m n elementos, distribuidos en m filas y n columnas y encerrados entre

Más detalles

Matemáticas Empresariales II

Matemáticas Empresariales II Matemáticas Empresariales II Lección 3 Manuel León Navarro Colegio Universitario Cardenal Cisneros M. León Matemáticas Empresariales II 1 / 40 Concepto de Matriz Se define matriz de orden n m a todo conjunto

Más detalles

Ecuaciones matriciales AX = B y XA = B. Cálculo de la matriz inversa

Ecuaciones 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 detalles

Matrices, determinantes y sistemas de ecuaciones lineales

Matrices, determinantes y sistemas de ecuaciones lineales Matrices, determinantes y sistemas de ecuaciones lineales David Ariza-Ruiz 10 de octubre de 2012 1 Matrices Una matriz es una tabla numérica rectangular de m filas y n columnas dispuesta de la siguiente

Más detalles

Repaso de álgebra de matrices y probabilidad. Javier Santibáñez (IIMAS, UNAM) Regresión Semestre / 58

Repaso de álgebra de matrices y probabilidad. Javier Santibáñez (IIMAS, UNAM) Regresión Semestre / 58 Repaso de álgebra de matrices y probabilidad Javier Santibáñez (IIMAS, UNAM) Regresión Semestre 2017-2 1 / 58 Preliminares Definición (matriz) Una matriz de dimensión m n es un arreglo rectangular de números

Más detalles

Combinación 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) 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

Matrices y determinantes

Matrices y determinantes Matrices y determinantes 1 Ejemplo Cuál es el tamaño de las siguientes matrices? Cuál es el elemento a 21, b 23, c 42? 2 Tipos de matrices Matriz renglón o vector renglón Matriz columna o vector columna

Más detalles

Tema 3: Espacios vectoriales

Tema 3: Espacios vectoriales Tema 3: Espacios vectoriales K denotará un cuerpo. Definición. Se dice que un conjunto no vacio V es un espacio vectorial sobre K o que es un K-espacio vectorial si: 1. En V está definida una operación

Más detalles

Matrices y determinantes (Curso )

Matrices y determinantes (Curso ) ÁLGEBRA Práctica 3 Matrices y determinantes (Curso 2008 2009) 1. En el conjunto de las matrices n n de elementos reales, demostrar que el producto de matrices triangulares inferiores es otra matriz triangular

Más detalles

TEMA 11. Autovalores y autovectores. Diagonalización y formas canónicas.

TEMA 11. Autovalores y autovectores. Diagonalización y formas canónicas. TEMA 11 F MATEMÁTICOS TEMA 11 Autovalores y autovectores Diagonalización y formas canónicas 1 Introducción Definición 1 (Matrices semejantes) Sean A y B dos matrices cuadradas de orden n Decimos que A

Más detalles

Matrices y determinantes

Matrices y determinantes Matrices y determinantes 1 Matrices Una matriz de orden m n es un conjunto de m n números ordenados en m filas y n columnas Por ejemplo, 1 1 2 0 2 0 2 1 1 1 2 1 3 0 2 es una matriz de orden 3 5 Una matriz

Más detalles

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

Sobre vectores y matrices. Independencia lineal. Rango de una matriz Espacios vectoriales Llamaremos R 2 al conjunto de todos los pares ordenados de la forma (a 1, a 2 ) tal que a 1, a 2 R. Es decir: R 2 = {(a 1, a 2 ) : a 1, a 2 R} De la misma forma: R 3 = {(a 1, a 2,

Más detalles

MATRICES Y SISTEMAS DE ECUACIONES

MATRICES Y SISTEMAS DE ECUACIONES MATRICES Y SISTEMAS DE ECUACIONES Definición Una matriz real de orden m n es una tabla ordenada de m n números reales a 11 a 12 a 1n A = a 21 a 22 a 2n a m1 a m2 a mn en la cual las líneas horizontales

Más detalles

SESIÓN 4: ESPACIOS VECTORIALES

SESIÓN 4: ESPACIOS VECTORIALES SESIÓN 4: ESPACIOS VECTORIALES Un espacio vectorial sobre un campo (como el cuerpo de los números reales o los números complejos) es un conjunto no vacío, dotado de dos operaciones para las cuales será

Más detalles

Material para el examen parcial 1

Material para el examen parcial 1 Algebra Lineal 2, FAMAT-UG, aug-dic, 2009 Material para el examen parcial 1 (17 oct, 2009) Definiciones: Hay que saber las definiciones precisas de todos los siguientes términos, y conocer ejemplos concretos

Más detalles

Matrices y Determinantes.

Matrices y Determinantes. Matrices y Determinantes. Definición [Matriz] Sea E un conjunto cualquiera, m, n N. Matrices. Generalidades Matriz de orden m n sobre E: a 11 a 12... a 1n a 21 a 22... a 2n...... a m1 a m2... a mn a ij

Más detalles

MATRICES. TIPOS DE MATRICES Según el aspecto de las matrices, éstas pueden clasificarse en:

MATRICES. TIPOS DE MATRICES Según el aspecto de las matrices, éstas pueden clasificarse en: Repaso de Matrices MATRICES Una matriz es una tabla ordenada de escalares a ij de la forma La matriz anterior se denota también por (a ij ), i =1,..., m, j =1,..., n, o simplemente por (a ij ). Los términos

Más detalles

Curso de Álgebra Lineal

Curso 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 detalles

TEMA 7. Matrices y determinantes.

TEMA 7. Matrices y determinantes. TEMA 7 Matrices y determinantes. 1. Matrices. Generalidades Definición 1 Sea E un conjunto cualquiera, m, n IN. Definimos matriz de orden m n sobre E a una expresión de la forma: a 11 a 12... a 1n a 21

Más detalles