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

Save this PDF as:
 WORD  PNG  TXT  JPG

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

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

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

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

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 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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 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

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

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

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

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

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

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

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

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

Definición: Dos matrices A y B son iguales si tienen el mismo orden y coinciden los elementos que ocupan el mismo lugar.

Definición: Dos matrices A y B son iguales si tienen el mismo orden y coinciden los elementos que ocupan el mismo lugar. UNIDAD 03: MATRICES Y DETERMINANTES. 3.1 Conceptos de Matrices. 3.1.1 Definición de matriz. Definición: Se lama matriz de orden m x n a un arreglo rectangular de números dispuestos en m renglones y n columnas.

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

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 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 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

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

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

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

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

Una matriz es un arreglo rectangular de números. Los números en el arreglo se llaman elementos de la matriz. ) ( + ( ) ( )

Una matriz es un arreglo rectangular de números. Los números en el arreglo se llaman elementos de la matriz. ) ( + ( ) ( ) MATRICES Una matriz es un arreglo rectangular de números. Los números en el arreglo se llaman elementos de la matriz. Ejemplo 1. Algunos ejemplos de matrices ( + ( ) ( + ( ) El tamaño o el orden de una

Más detalles

Espacios vectoriales reales.

Espacios vectoriales reales. Tema 3 Espacios vectoriales reales. 3.1 Espacios vectoriales. Definición 3.1 Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe el nombre

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

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

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

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

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

MATRICES. Entonces, A y B son matrices cuadradas de orden 3 y 2 respectivamente.

MATRICES. Entonces, A y B son matrices cuadradas de orden 3 y 2 respectivamente. 1 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 horizontales

Más detalles

Vectores y matrices. v 1 v 2. = [v. v = v n. Herramientas de A.L. p.1/64

Vectores y matrices. v 1 v 2. = [v. v = v n. Herramientas de A.L. p.1/64 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 (i.e. v R n y A R n m ). Denotamos el elemento i del

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

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

Matemáticas 2.º Bachillerato. Matemáticas 2.º Bachillerato. Matemáticas 2.º Bachillerato. Ejemplo:

Matemáticas 2.º Bachillerato. Matemáticas 2.º Bachillerato. Matemáticas 2.º Bachillerato. Ejemplo: Mapa conceptual Determinante de segundo orden Dada una matriz cuadrada de segundo orden: a a 11 12 A = a a 21 22 se llama determinante de A al número real: det (A)= A = a11 a 12 = a a a a a21 a22 11 22

Más detalles

ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales

ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales Resumen teoría Prof. Alcón ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales Sea (K, +,.) un cuerpo con característica 0. Podemos pensar K = Q, R o C. Si V es un conjunto cualquiera en el que

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

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

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

Independencia lineal y rango Ejemplos. Rango. Rango y matriz inversa Teorema de Rouché-Frobenius revisitado

Independencia lineal y rango Ejemplos. Rango. Rango y matriz inversa Teorema de Rouché-Frobenius revisitado Independencia lineal y rango Ejemplos. Rango. Rango y matriz inversa Teorema de Rouché-Frobenius revisitado c Jana Rodriguez Hertz p. /2 Independencia lineal Si el sistema x A + x 2 A 2 + + x n A n = O

Más detalles

4.1. Determinante de una matriz cuadrada de orden 2. , entonces el determinante de A es a 21 a 22 a 11 a 12 = a 11a 22 a 12 a 21

4.1. Determinante de una matriz cuadrada de orden 2. , entonces el determinante de A es a 21 a 22 a 11 a 12 = a 11a 22 a 12 a 21 Capítulo 4 Determinante Los determinantes se calculan para matrices cuadradas. Se usan para saber cuando una matriz tiene inversa, en el cálculo de autovalores y también para resolver sistemas de ecuaciones

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

Espacios Vectoriales, Valores y Vectores Propios

Espacios Vectoriales, Valores y Vectores Propios , Valores y Vectores Propios José Juan Rincón Pasaye, División de Estudios de Postgrado FIE-UMSNH Curso Propedéutico de Matemáticas para la Maestría en Ciencias opciones: Sistemas de Control y Sistemas

Más detalles

ALN. Repaso matrices. In. Co. Facultad de Ingeniería Universidad de la República

ALN. Repaso matrices. In. Co. Facultad de Ingeniería Universidad de la República ALN Repaso matrices In. Co. Facultad de Ingeniería Universidad de la República Definiciones básicas - Vectores Definiciones básicas - Vectores Construcciones Producto interno: ( x, y n i x y i i ' α Producto

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

Dos matrices son iguales cuando tienen la misma dimensión y los elementos que ocupan el mismo lugar en ambas son iguales

Dos matrices son iguales cuando tienen la misma dimensión y los elementos que ocupan el mismo lugar en ambas son iguales Introducción Las matrices aparecen por primera vez hacia el año 1850, introducidas por J.J. Sylvester. El desarrollo inicial de la teoría se debe al matemático W.R. Hamilton en 1853. En 1858, A. Cayley

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

Teoría de Matrices. Julio Yarasca. 30 de junio de 2015. Julio Yarasca

Teoría de Matrices. Julio Yarasca. 30 de junio de 2015. Julio Yarasca 30 de junio de 2015 Matriz de m por n Definimeros a una matriz A de orden m por n como un arreglo de números de m filas y n columnas. a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n A = a 31 a 32 a 33 a 3n....

Más detalles

Concepto de espacio vectorial. Propiedades. Distintos espacios vectoriales. El espacio real tridimensional.

Concepto de espacio vectorial. Propiedades. Distintos espacios vectoriales. El espacio real tridimensional. Otras páginas Matemáticas 2º MATEMÁTICAS II Álgebra: Espacios Vectoriales Concepto de espacio vectorial. Propiedades. Distintos espacios vectoriales. El espacio real tridimensional. Combinación lineal.

Más detalles

Estos apuntes se han sacado de la página de internet de vitutor con pequeñas modificaciones.

Estos apuntes se han sacado de la página de internet de vitutor con pequeñas modificaciones. TEMA 1: 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

Tema 4: Matrices y Determinantes. Algunas Notas sobre Matrices y Determinantes. Álgebra Lineal. Curso

Tema 4: Matrices y Determinantes. Algunas Notas sobre Matrices y Determinantes. Álgebra Lineal. Curso Tema 4: Matrices y Determinantes Algunas Notas sobre Matrices y Determinantes Álgebra Lineal Curso 2004-2005 Prof. Manu Vega Índice 1. Determinantes 3 2. Regla de Sarrus 3 3. Propiedades de los determinantes

Más detalles

Determinantes. Primera definición. Consecuencias inmediatas de la definición

Determinantes. Primera definición. Consecuencias inmediatas de la definición Determinantes Primera definición Para calcular el determinante de una matriz cuadrada de orden n tenemos que saber elegir n elementos de la matriz de forma que tomemos solo un elemento de cada fila y de

Más detalles

520142: ALGEBRA y ALGEBRA LINEAL

520142: ALGEBRA y ALGEBRA LINEAL 520142: ALGEBRA y ALGEBRA LINEAL Segundo Semestre 2008, Universidad de Concepción CAPITULO 10: Espacios Vectoriales DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición

Más detalles

Matrices y determinantes. Sistemas de ecuaciones lineales

Matrices y determinantes. Sistemas de ecuaciones lineales Tema 0 Matrices y determinantes Sistemas de ecuaciones lineales 01 Introducción Definición 011 Se llama matriz a un conjunto ordenado de números, dispuestos en filas y columnas, formando un rectángulo

Más detalles

Problemas de Selectividad de Matemáticas II Comunidad de Madrid (Resueltos) Isaac Musat Hervás

Problemas de Selectividad de Matemáticas II Comunidad de Madrid (Resueltos) Isaac Musat Hervás Problemas de Selectividad de Matemáticas II Comunidad de Madrid (Resueltos) Isaac Musat Hervás 6 de julio de 2016 2 Índice general 1. Álgebra 5 1.1. Año 2000............................. 5 1.2. Año 2001.............................

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

Sistemas de Ecuaciones y Matrices

Sistemas 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 detalles

Matrices Particionadas Traza de una Matriz

Matrices Particionadas Traza de una Matriz CAPÍTULO Matrices Particionadas Traza de una Matriz Este capítulo consta de tres secciones Las dos primeras versan sobre matrices particionadas La tercera sección trata sobre la traza de una matriz En

Más detalles

Matrices, Determinantes y Sistemas Lineales.

Matrices, Determinantes y Sistemas Lineales. 12 de octubre de 2014 Matrices Una matriz A m n es una colección de números ordenados en filas y columnas a 11 a 12 a 1n f 1 a 21 a 22 a 2n f 2....... a m1 a m2 a mn f m c 1 c 2 c n Decimos que la dimensión

Más detalles

1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS

1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS 1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS 1.1 SISTEMAS DE ECUACIONES LINEALES Una ecuación lineal es una ecuación polinómica de grado 1, con una o varias incógnitas. Dos ecuaciones son equivalentes

Más detalles

Matrices. José Vicente Romero Bauset. ETSIT-curso 2009/2010. José Vicente Romero Bauset Tema 1.- Matrices. 1

Matrices. José Vicente Romero Bauset. ETSIT-curso 2009/2010. José Vicente Romero Bauset Tema 1.- Matrices. 1 Matrices José Vicente Romero Bauset ETSIT-curso 2009/2010 José Vicente Romero Bauset Tema 1- Matrices 1 Introducción Por qué estudiar las matrices? Son muchas las situaciones de la vida real en las que

Más detalles

TEMA 6 Ejercicios / 3

TEMA 6 Ejercicios / 3 TEMA 6 Ejercicios / 1 TEMA 6: RECTAS Y PLANOS EN EL ESPACIO 1. Ecuaciones de los planos cartesianos en forma vectorial, paramétrica e implícita. Ecuaciones del plano XY: Punto del plano P 0, 0, 0 Vectores

Más detalles

Tema 1: MATRICES. OPERACIONES CON MATRICES

Tema 1: MATRICES. OPERACIONES CON MATRICES Tema 1: MATRICES. OPERACIONES CON MATRICES 1. DEFINICIÓN Y TIPO DE MATRICES DEFINICIÓN. Una matriz es un conjunto de números reales dispuestos en filas y columnas. Si en ese conjunto hay m n números escritos

Más detalles