Repaso de conceptos de álgebra lineal
|
|
- Magdalena Naranjo Cano
- hace 7 años
- Vistas:
Transcripción
1 MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso de conceptos de álgebra lineal Notación vectorial y matricial Vectores Matrices Espacios de vectores Transformaciones lineales Autovalores y autovectores
2 Notación vectorial y matricial Un vector columna x de d dimensiones y su transpuesta se escriben así: y Una matriz rectangular de n x d dimensiones y su transpuesta se escriben así: y El producto de dos matrices es: donde Vectores (1) El producto interno de dos vectores (o producto escalar ) se define por: La norma de un vector (o magnitud, longitud ) es: La proyección ortogonal del vector y sobre el vector x es: Donde el vector u x tiene norma 1 y la misma dirección que x El ángulo entre los vectores x e y está definido por: Dos vectores x e y son: Ortogonales si x T y = 0 Ortonormales si x T y=0 y x = y = 1
3 Vectores (2) Un conjunto de vectores x 1, x 2,, x n son linealmente dependientes si existe un conjunto de coeficientes a 1, a 2,, a n (con al menos uno diferente de cero) tales que Intuitivamente, esto quiere decir que hay por lo menos un vector redundante, que podemos expresar como combinación de los otros. Por ejemplo, si a 1 0: x 1 = c 2 x 2 + c 3 x c n x n con c k =-a k / a 1 Alternativamente, un conjunto de vectores x 1, x 2,, x n son linealmente independientes si Matrices El determinante de una matriz cuadrada A de d x d dimensiones es: - donde A ik es el menor, matriz formada cogiendo A y eliminando su fila i y su columna k - El determinante de una matriz es igual al de su transpuesta: A = A T La traza de una matriz cuadrada A de d x d dimensiones es la suma de los elementos de su diagonal: El rango de una matriz es el número de filas (o columnas) linealmente independientes Se dice de una matriz cuadrada que es no singular si y sólo si su rango es igual al número de filas (o columnas) - El determinante de una matriz no singular es distinto de 0 Se dice de una matriz cuadrada que es ortonormal si AA T = A T A = I
4 Matrices Dado una matriz cuadrada A: -Si x T A x > 0 para todo x 0, entonces se dice que A es definida positiva (ejemplo: matriz de correlación) - Si x T A x 0 para todo x 0, entonces se dice que A es semidefinida positiva La inversa de una matriz cuadrada A se denomina A -1, y es una matriz tal que A -1 A = A A -1 = I - La inversa de A existe si y sólo si A es no singular (su determinante no es cero) En algunos problemas cuando la inversa de A no existe (porque A no es cuadrada, o es singular), se utiliza la pseudoinversa A, que se define como: A = [A T A] -1 A T con A A = I (notad que en general A A I) Espacios de vectores El espacio n-dimensional en el cual todos los vectores de n dimensiones residen se denomina un espacio de vectores Se dice que un conjunto de vectores { u 1, u 2,, u n } es una base de un espacio vectorial si cualquier vector x puede ser expresado como una combinación lineal de los {u i } - Los coeficientes { a 1, a 2,, a n } se denominan componentes del vector x con respecto a la base { u i } - Para ser una base, es necesario y suficiente que los n vectores { u i } sean linealmente independientes Se dice que una base { u i } es ortogonal si Se dice que una base { u i } es ortonormal si - Por ejemplo la base cartesiana de coordenadas es una base ortonormal
5 Espacios de vectores Dados n vectores {v 1, v 2,, v n } linealmente independientes, podemos construir una base ortonormal {w 1, w 2,, w n } por el procedimiento de ortonormalización de Gram-Schmidt w 1 w j = v 1 = v j i j i= 1 v j w i w 2 i w i La distancia entre dos puntos en un espacio vectorial se define como la norma del vector diferencia entre los dos puntos: Transformaciones lineales Una transformación lineal es un mapeo del espacio vectorial X N al espacio vectorial Y M, y se representa por una matriz - Dado un vector x Є X N, el correspondiente vector y de Y M se calcula así: - Notad que la dimensión de los dos espacios no tiene por qué ser la misma - Para problemas de reconocimiento de patrones típicamente tendremos M < N (proyección en un espacio de menor dimensión) Se dice que una transformación lineal representada por la matriz cuadrada A es ortonormal cuando AA T = A T A = I - Esto implica que A T = A -1 - Las transformaciones ortonormales preservan la norma de los vectores: - Las transformaciones ortonormales se pueden ver como rotaciones del sistema de ejes de referencia - Los vectores fila de una transformación ortonormal forman una base de vectores ortonormales con
6 Autovectores y autovalores (1) Dada una matriz cuadrada A de N x N dimensiones, decimos que v es un autovector si existe un escalar λ tal que A v = λ v Entonces, se dice que λ es autovalor de A Cálculo l de los autovectores t solución trivial solución no trivial ecuación característica La matriz formada por los autovectores columna se denomina matriz modal M La matriz Λ es la forma canónica de A: una matriz diagonal con los autovalores en su diagonal 0 0 Autovectores y autovalores (2) Propiedades - Si A es no singular Todos los autovalores son diferentes de cero - Si A es real y simétrica Todos los autovalores son reales Dos autovectores asociados a diferentes autovalores son ortogonales entre sí -Si A es definida positiva Todos los autovalores son positivos -Si A es semidefinida positiva Todos los autovalores son mayor o igual que cero
7 Interpretación de los autovectores y autovalores (1) Si consideramos la matriz A como una transformación lineal, entonces un autovector representa una dirección invariante en el espacio vectorial Cualquier punto en la dirección de v es transformado por A en otro punto que está en la misma dirección, y su módulo es multiplicado por el correspondiente autovalor λ Por ejemplo, la transformación que rota los vectores de 3 dimensiones en torno al eje Z tiene un solo autovector, que es [0 0 1] T, siendo 1 es su autovalor correspondiente Repaso de conceptos de probabilidad y estadística Definición y propiedades de la probabilidad Variables aleatorias - Definición de variable aleatoria - Función de distribución acumulada - Función de densidad de probabilidad - Caracterización estadística de variables aleatorias Vectores aleatorios - Vector promedio - Matriz de covarianzas Distribución de probabilidad gaussiana
8 Variables aleatorias Cuando consideramos un proceso aleatorio, normalmente nos interesa saber alguna medida o atributo numérico que genera una secuencia de valores modelizables. Ejemplos: Cuando muestreamos una población nos puede interesar por ejemplo el peso y la altura Cuando calculamos el rendimiento de dos ordenadores nos interesa el tiempo de ejecución de un programa de test Cuando tratamos de reconocer un avión intruso, nos puede interesar medir los parámetros que caracterizan la forma del avión Variables aleatorias Definimos una variable aleatoria X que puede tomar un conjunto de valores {xi} como una función X( ) que asigna un número real x a cada resultado ζ en el espacio de muestreo de un experimento aleatorio x= X( ζ ). - Esta función X( ) realiza un mapeo de todos los posibles elementos en el espacio de muestreo a la recta real (números reales). - La función X( ) que asigna valores a cada resultado es fija y determinista - La aleatoriedad en los valores observados se debe a la aleatoriedad del argumento de la función X( ), es decir, el resultado ζ del experimento map - Las variables aleatorias pueden ser: - Discretas: por ejemplo, el resultado en el lanzamiento de un dado - Continuas: por ejemplo, el peso de un individuo escogido al azar
9 Función de distribución acumulada (fda) Dada una variable aleatoria X, se define su función de 1 lb = Kg distribución acumulada F x (x) como la probabilidad del evento {X < x} F x x( (x) = P[X < x] para - < x < + De manera intuitiva, F x (b) representa la proporción de veces en la que X( ζ ) < b Propiedades de la función de distribución acumulada fda del peso de una persona si a b Función acotada y monótonamente creciente fda del resultado de un dado Función de densidad de probabilidad (fdp) La función de densidad de probabilidad de una variable aleatoria continua X, si existe, se define como la derivada de F x (x) 1 lb = Kg fdp El equivalente a la fdp para variables aleatorias discretas es la función de masa de probabilidad ( fmp ): fdp del peso de una persona fmp fmp del resultado de un dado
10 Función de densidad de probabilidad (fdp) Propiedades de la función de densidad de probabilidad donde si Densidad de probabilidad versus probabilidad fdp Cuál es la probabilidad de que alguien pese 200 libras =90.8 Kg? - De acuerdo a la fdp, es cerca de Suena razonable, no? Ahora, cuál es la probabilidad de que alguien pese libras = Kg? - De acuerdo a la fdp, es cerca de Pero, intuitivamente, la probabilidad debería ser cero Probabilidad en un punto es cero. fdp del peso de una persona Cómo explicamos esta paradoja? - La fdp no define una probabilidad, sino una DENSIDAD de probabilidad! - Para obtener una verdadera probabilidad, debemos integrar en un intervalo - La pregunta original es incorrecta, nos deberían haber preguntado: Cuál es la probabilidad de que alguien pese libras, más / menos 2 libras?
11 Caracterización estadística de variables aleatorias La fdp o fmp son SUFICIENTES para caracterizar completamente una variable aleatoria. Sin embargo, una variable aleatoria puede ser PARCIALMENTE caracterizada por otras medidas Valor esperado (media) Representa el centro de masa de la densidad Varianza Representa la dispersión alrededor de la media Desviación estándar Es la raíz cuadrada de la varianza, por lo que tiene las mismas unidades que la variable aleatoria Momento de orden N Vectores aleatorios La noción de vector aleatorio es una extensión de la noción de variable aleatoria - Una variable vectorial aleatoria X es una función que asigna un número real a cada posible valor ζ del espacio de muestreo S - Consideraremos siempre a un vector aleatorio como un vector columna Las nociones de fda y fdp se sustituyen por fda conjunta y fdp conjunta - Dado un vector aleatorio X = [x 1 x 2 x N ] T definimos - La función de distribución acumulada conjunta como: x1 x2 x3 - La función de distribución de probabilidad conjunta como:
12 Vectores aleatorios El término fdp marginal se usa para representar la fdp de un subconjunto de los componentes del vector - Se obtiene integrando la fdp en las componentes que no son de interés - Por ejemplo, si tenemos un vector X = [x 1 x 2 ] T, la fdp marginal de x 1, dado la fdp conjunta f x1 x2 (x 1, x 2 ) es: Caracterización estadística de vectores aleatorios Al igual que en el caso escalar, un vector aleatorio está completamente caracterizado por su fda conjunta o su fdp conjunta Alternativamente, podemos describir parcialmente un vector aleatorio por medio de medidas similares a las definidas para el caso escalar Vector promedio T Matriz de covarianza
13 Matriz de covarianza La matriz de covarianza indica la tendencia de cada par de atributos (las componentes del vector aleatorio) de variar juntas, es decir, co-variar La matriz de covarianza C tiene varias propiedades importantes: - Si x i y x k tienden a aumentar juntas, entonces c ik > 0 -Si x i tiende a disminuir cuando x k aumenta, entonces c ik < 0 -Si x i y x k no están correlacionadas, entonces c ik = 0 - c ik σ i σ k donde σ i es la desviación estándar de x i - c ii = σ i2 = VAR(x i ) Matriz de covarianza Los componentes de la matriz de covarianza se pueden escribir como: c ii = σ 2 i y c ik = ρ ik σ i σ k - donde ρ ik es el llamado coeficiente de correlación
14 Correlación versus independencia Se dice que dos variables aleatorias x i y x k no están correlacionadas si E [x i x k ] = E [x i ] E [x k ] - En este caso también se dice que estas variables aleatorias son linealmente independientes (no confundir con la noción de independencia lineal de vectores). Se dice que dos variables aleatorias x i y x k son independientes, su distribución conjunta será el producto de las marginales. P [x i, x k ] = P [x i ] P [x k ] La distribución Gaussiana o Normal (1) La distribución multivariable Normal o Gaussiana N(μ, Σ) se define como En una sola dimensión, esta expresión se reduce a
15 La distribución Gaussiana o Normal (2) Las distribuciones gaussianas son muy utilizadas ya que: - Los parámetros (μ, Σ) son suficientes para caracterizar completamente la distribución gaussiana - Si los atributos t no están correlacionados ( c ik = 0 ), entonces son también independientes La matriz de covarianza es entonces diagonal, con las varianzas individuales en la diagonal - Las densidades marginales y condicionadas son también Gaussianas - Cualquier transformación lineal de N variables conjuntamente Gaussianas, nos da un vector cuya distribución ib ió es también Gaussiana - Si la distribución del vector X = [X 1 X 2 X N ] T es Gaussiana, y A es una matriz, entonces la distribución de Y=AX es también Gaussiana. Para el caso particular de que A sea una matriz invertible, entonces: La distribución Gaussiana o Normal (3) Dada la matriz de covarianza Σ de una distribución gaussiana - Los autovectores de Σ son las direcciones principales de la distribución - Los autovalores son las varianzas de las correspondientes direcciones principales La transformación lineal definida por los autovectores de Σ lleva a componentes que están descorrelacionadas, independientemente de la forma de la distribución En el caso particular de que la distribución sea gaussiana, entonces las variables transformadas serán estadísticamente independientes con y Estadísticamente Independientes
16 El Teorema Central del Límite El teorema dice que si y = Σ x k, siendo x k N variables aleatorias independientes con distribuciones individuales arbitrarias, entonces la distribución de y tiende a ser Gaussiana según se va haciendo mayor N. En el límite N, termina siendo una Gaussiana perfecta. En otras palabras, cualquier variable que sea la contribución de muchos factores aleatorios independientes tiende a ser Gaussiana. Ejemplos: ruido en aparatos medidores, Ejemplo numérico: calculamos un histograma Ejemplo numérico: calculamos un histograma a partir de 500 valores de y generados con y = Σ x k
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 detallesDistribución Gaussiana Multivariable
Distribución Gaussiana Multivariable Carlos Belaustegui Goitia, Juan Augusto Maya 8 de Agosto de Resumen En este documento presentamos la deducción de la expresión de la función densidad de probabilidad
Más detallesEjercicio 1. Ejercicio 2
Guía de Ejercicios Ejercicio. Calcular los momentos de primer y segundo orden (media y varianza) de una variable aleatoria continua con distribución uniforme entre los límites a y b.. Sabiendo que la función
Más detallesCONTENIDOS 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 detallesTema 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 detallesTEORÍA DE LA COMUNICACIÓN TEMA 2 RUIDO EN LOS SISTEMA DE COMUNICACIONES. Variable aleatoria (Real)
TEORÍA DE LA COMUNICACIÓN TEMA 2 RUIDO EN LOS SISTEMA DE COMUNICACIONES Grado Ing Telemática (UC3M) Teoría de la Comunicación Variable Aleatoria / 26 Variable aleatoria (Real) Función que asigna un valor
Más detallesRepaso de Estadística
Teoría de la Comunicación I.T.T. Sonido e Imagen 25 de febrero de 2008 Indice Teoría de la probabilidad 1 Teoría de la probabilidad 2 3 4 Espacio de probabilidad: (Ω, B, P) Espacio muestral (Ω) Espacio
Más detalles6.5.7 Orientación de un espacio vectorial eucĺıdeo Producto vectorial Diagonalización de formas bilineales simétricas...
Contents 6 Formas Bilineales y Producto Escalar 3 6.1 Formas bilineales............................... 3 6.1.1 Matriz de una forma bilineal....................... 4 6.1. Formas bilineales simétricas.......................
Más detallesTema 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 detallesSi 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 detallesTema 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 detallesAnálisis multivariante II
Análisis multivariante II Tema 1: Introducción Pedro Galeano Departamento de Estadística Universidad Carlos III de Madrid pedro.galeano@uc3m.es Curso 2016/2017 Grado en Estadística y Empresa Pedro Galeano
Más detallesf(x, y, z, t) = (x + y t, x + 2y z 3t, 3x + 5y 2z 7t).
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Álgebra Convocatoria de enero de 20 de enero de 20 (2.5 p.) ) Se considera la aplicación lineal f : R 4 R definida por: f(x y
Más detallesTema 1: Espacios vectoriales
PROBLEMAS DE MATEMÁTICAS Parte I: Álgebra Primero de Químicas FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha Tema 1: Espacios vectoriales 1 Determina si cada
Más detallesMatrices, 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 detallesRepaso 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 detallesMATRICES 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 detallesSEGUNDO PARCIAL - EJERCICIOS DE REPASO
Algebra y Geometría 28 SEGUNDO PARCIAL - EJERCICIOS DE REPASO 3-6-8 ESPACIOS VECTORIALES. Construya en R 2 un subconjunto que sea: a cerrado para la suma y resta de vectores, pero no para la multiplicacion
Más detallesUnidad Temática 3: Probabilidad y Variables Aleatorias
Unidad Temática 3: Probabilidad y Variables Aleatorias 1) Qué entiende por probabilidad? Cómo lo relaciona con los Sistemas de Comunicaciones? Probabilidad - Definiciones Experimento aleatorio: Un experimento
Más detallesALGEBRA. Escuela Politécnica Superior de Málaga
ALGEBRA. Escuela Politécnica Superior de Málaga Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Espacio vectorial. Espacios vectoriales R n. Dependencia e independencia lineal. Base. Matrices y determinantes.
Más detallesGUÍA ESTUDIO MATEMÁTICAS II
I. ÁLGEBRA GUÍA ESTUDIO MATEMÁTICAS II 1. Matrices a. Definición. Tipos. b. Operaciones con matrices: suma de matrices y multiplicación de una matriz por un número. Estructura vectorial de matrices. c.
Más detallesA. VECTORES 1. VECTORES FIJOS Y VECTORES LIBRES
RESUMEN DE GEOMETRÍA MATEMÁTICAS II A. VECTORES 1. VECTORES FIJOS Y VECTORES LIBRES Un vector fijo de origen A y extremo B, siendo A y B puntos del espacio, es un segmento orientado caracterizado por:
Más detallesEspacios 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 detallesPROBLEMAS 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 detallesTema 2 Datos multivariantes
Aurea Grané Máster en Estadística Universidade Pedagógica 1 Aurea Grané Máster en Estadística Universidade Pedagógica 2 Tema 2 Datos multivariantes 1 Matrices de datos 2 Datos multivariantes 2 Medias,
Más detalles1. ESPACIO EUCLÍDEO. ISOMETRÍAS
1 1. ESPACIO EUCLÍDEO. ISOMETRÍAS Muchos de los fenómenos que se investigan en la geometría utilizan nociones como las de longitud de un vector y ángulo entre vectores. Para introducir estos dos conceptos
Más detallesEigenvalores y eigenvectores
Eigenvalores y eigenvectores Los dos problemas principales del álgebra lineal son: resolver sistemas lineales de la forma Ax = b y resolver el problema de eigenvalores. En general, una matriz actúa sobre
Más detallesMATEMÁTICAS I Y II CONTENIDOS BACHILLERATO
MATEMÁTICAS I Y II CONTENIDOS BACHILLERATO BLOQUE 1. PROCESOS, MÉTODOS Y ACTITUDES EN MATEMÁTICAS Los contenidos de este bloque se desarrollan de forma simultánea al resto de los bloques. Resolución de
Más detallesESPACIOS VECTORIALES
ESPACIOS VECTORIALES Luisa Martín Horcajo U.P.M. Definición: Vector libre. Operaciones Un vector fijo es una segmento orientado, que queda caracterizado por su origen A y su extremo B y se representa por
Más detallesGRADO: Ingeniería en Tecnologías Industriales CURSO: 1º CUATRIMESTRE: 1º
SESIÓN SEMANA DENOMINACIÓN ASIGNATURA: Álgebra Lineal GRADO: Ingeniería en Tecnologías Industriales CURSO: 1º CUATRIMESTRE: 1º La asignatura tiene 28 sesiones que se distribuyen a lo largo de 14 semanas
Más detallesMATRICES 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 detallesPROGRAMA DE EXAMEN. Unidad Nº1: Matrices y Función Determinante
Ministerio de Cultura y Educación Universidad Nacional de San Juan Fac. de Ciencias Exactas Físicas y Naturales Ciclo Lectivo 2018 PROGRAMA DE EXAMEN Cátedra: ALGEBRA LINEAL Carrera: Licenciatura en Geofísica
Más detallesINSTRUCTIVO GENERAL Semestre
UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE INGENIERÍA DEPARTAMENTO DE MATEMÁTICA APLICADA ASIGNATURA: ALGEBRA LINEAL Y GEOMETRÍA ANALÍTICA (0250) INSTRUCTIVO GENERAL Semestre 2016-3 Propósito Este curso
Más detallesÁlgebra Lineal y Geometría I. Prueba 3. Grupo A. 12 de marzo de (
Álgebra Lineal y Geometría I. Prueba 3. Grupo A. 2 de marzo de 208. Apellidos: Nombre: DNI: Ejercicio.-(4 puntos) Se considera la matriz siguiente: A = 2 0 3 0 2. Calcule W = null(a 2I), W 2 = null(a 4I)
Más detallesAUTOVALORES Y AUTOVECTORES
12 de Julio de 2011 AUTOVALORES Y AUTOVECTORES (Clase 01) Departamento de Matemática Aplicada Facultad de Ingeniería Universidad Central de Venezuela 1 Puntos a tratar 1. Valores y vectores propios 2.
Más detallesEstadística 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 detalles6.8. Descomposición mediante valores singulares. v 2 =
68 Descomposición mediante valores singulares Los valores singulares de una matriz m n Supongamos que A es una matriz real cualquiera Los autovalores de A T A tienen la siguiente propiedad A T Ax = λx
Más detallesRepaso de Teoría de la Probabilidad
Repaso de Teoría de la Probabilidad Luis Mendo Tomás Escuela Politécnica Superior Universidad Autónoma de Madrid Febrero de 2008 1. Introducción Este documento contiene, de forma esquemática, los conceptos
Más detallesMATRICES 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 detalles2.5 Ejercicios... 59
Índice General 1 Espacios vectoriales 1 1.1 Espacios vectoriales y subespacios......................... 1 1.1.1 Preliminares................................. 1 1.1.2 Espacios vectoriales.............................
Más detallesMatemáticas para la Empresa
Matemáticas para la Empresa 1 o L. A. D. E. Curso 2008/09 Relación 1. Espacios Vectoriales 1. a) En IR 2 se consideran las operaciones habituales: (x, y) + (x, y ) = (x + x, y + y ) λ(x, y) = (λx, λy)
Más detallesUNIVERSIDAD DEL NORTE Departamento de Matemáticas y Estadística. Álgebra Lineal. RESUMEN DE TEMAS DEL EXAMEN FINAL
1. Definiciones básicas. UNIVERSIDAD DEL NORTE Departamento de Matemáticas y Estadística. Álgebra Lineal. RESUMEN DE TEMAS DEL EXAMEN FINAL I. Sistemas homogéneos y subespacios de R n. (a) Para el sistema
Más detallesExpresión decimal. Aproximación y estimación. Notación científica. Polinomios. Divisibilidad de polinomios. Regla de Ruffini.
Otras páginas Matemáticas 5º Matemáticas I. Bloque I: ARITMÉTICA Y ÁLGEBRA Los números reales Los números reales, concepto y características. Estructura algebraica, orden, representación en la recta real
Más detallesTema 1. Espacios Vectoriales Definición de Espacio Vectorial
Tema 1 Espacios Vectoriales. 1.1. Definición de Espacio Vectorial Notas 1.1.1. Denotaremos por N, Z, Q, R, C, a los conjuntos de los números Naturales, Enteros, Racionales, Reales y Complejos, respectivamente.
Más detallesCapítulo 2. Medidas Estadísticas Básicas Medidas estadísticas poblacionales
Capítulo 2 Medidas Estadísticas Básicas 2.1. Medidas estadísticas poblacionales Sea X una variable aleatoria con función de probabilidad p(x) si es discreta, o función de densidad f(x) si es continua.
Más detalles1. Conceptos de Regresión y Correlación. 2. Variables aleatorias bidimensionales. 3. Ajuste de una recta a una nube de puntos
TEMA 10 (curso anterior): REGRESIÓN Y CORRELACIÓN 1 Conceptos de Regresión y Correlación 2 Variables aleatorias bidimensionales 3 Ajuste de una recta a una nube de puntos 4 El modelo de la correlación
Más detallesÁlgebra Lineal UCR. Sétimo tema, 2013
Álgebra Lineal UCR Sétimo tema, 2013 Presentaciones basadas principalmente en Arce,C, Castillo,W y González, J. (2004) Álgebra lineal. Tercera edición. UCR. San Pedro. Otras fuentes serán mencionadas cuando
Más detallesRelación 1. Espacios vectoriales
MATEMÁTICAS PARA LA EMPRESA Curso 2007/08 Relación 1. Espacios vectoriales 1. (a) En IR 2 se consideran las operaciones habituales: (x, y) + (x, y ) = (x + x, y + y ) λ(x, y) = (λx, λy) Demuestra que IR
Más detalles1.5.3 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 detallesEspacios 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 detallesEjercicios tipo test de las lecciones 1 y El vector e = ( 1, 0, λ) está en el plano generado por los vectores u = (1, 2, 1) y
Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS Ejercicios tipo test de las lecciones 1 y 2. 1. El vector e = ( 1, 0, λ) está en el plano generado por los vectores u = (1,
Más detallesUNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE INGENIERÍA DEPARTAMENTO DE MATEMÁTICA APLICADA ÁLGEBRA LINEAL Y GEOMETRÍA ANALÍTICA
UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE INGENIERÍA DEPARTAMENTO DE MATEMÁTICA APLICADA ÁLGEBRA LINEAL Y GEOMETRÍA ANALÍTICA SEMESTRE 1/2011 INFORMACIÓN GENERAL I. INFORMACIÓN CURRICULAR Código: 0250
Más detallesTema 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 detallesPROGRAMA DE EXAMEN. Unidad Nº1: Matrices y Función Determinante
Ministerio de Cultura y Educación Universidad Nacional de San Juan Fac. de Ciencias Exactas Físicas y Naturales Ciclo Lectivo 2016 PROGRAMA DE EXAMEN Cátedra: ALGEBRA LINEAL Carrera: Licenciatura en Geofísica
Más detallesALGEBRA. Escuela Politécnica Superior de Málaga
ALGEBRA. Escuela Politécnica Superior de Málaga Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Espacio vectorial. Espacios vectoriales R n. Dependencia e independencia lineal. Base. Matrices y determinantes.
Más detallesÁgueda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1. Se llama producto escalar sobre un espacio vectorial real V a cualquier aplicación
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1 6 Espacios euclídeos 6.1 Producto escalar. Espacio euclídeo Se llama producto escalar sobre un espacio vectorial real V a cualquier aplicación
Más detallesUNIVERSIDAD COMPLUTENSE DE MADRID
Principales conceptos que se tendrán en cuenta en la elaboración de las pruebas de Acceso a la Universidad para los estudiantes provenientes del Bachillerato LOGSE de la materia "Matemáticas II" ÁLGEBRA
Más detalles18 Experimentos aleatorios. Sucesos y espacio muestral. Frecuencia y probabilidad de un suceso.
PRIMER CURSO DE E.S.O Criterios de calificación: 80% exámenes, 10% actividades, 10% actitud y trabajo 1 Números naturales. 2 Potencias de exponente natural. Raíces cuadradas exactas. 3 Divisibilidad. Concepto
Más detallesTEMA 1 Álgebra de matrices 4 sesiones. TEMA 2 Determinantes 4 sesiones. TEMA 3 Sistemas de ecuaciones 4 sesiones
1.1. MATEMÁTICAS II TEMPORALIZACIÓN Y SECUENCIACIÓN: TEMA 1 Álgebra de matrices 4 sesiones TEMA 2 Determinantes 4 sesiones TEMA 3 Sistemas de ecuaciones 4 sesiones TEMA 4 Vectores en el espacio 4 sesiones
Más detallesANÁLISIS DE COMPONENTES PRINCIPALES
CAPÍTULO 4 ANÁLISIS DE COMPONENTES PRINCIPALES 4.1 Introducción Al investigar un fenómeno desconocido se pretende abordarlo con muestras de diferentes variables, en las cuales muchas veces existe una fuerte
Más detallesClase 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 detallesSyllabus. Curso:SEXTO. Materia:ESTUDIOS MATEMÁTICOS
Syllabus Curso:SEXTO Materia:ESTUDIOS MATEMÁTICOS Descripción del curso: Esta asignatura está destinada a estudiantes con distintas capacidades y niveles de conocimiento, con el objeto de infundir seguridad
Más detallesFACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R.
FACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R. PROGRAMA ANALÍTICO DE LA ASIGNATURA: ALGEBRA LINEAL Código L2.07.1 PLAN DE ESTUDIOS: 2002 CARRERA: Licenciatura en Matemática DEPARTAMENTO:
Más detallesV E C T O R E S L I B R E S E N E L P L A N O
V E C T O R E S L I B R E S E N E L P L A N O 1. V E C T O R E S F I J O S Y V E C T O R E S L I B R E S E N E L P L A N O Existen magnitudes como la fuerza, la velocidad, la aceleración, que no quedan
Más detalles3 ANALISIS DESCRIPTIVO DE LOS DATOS
3 ANALISIS DESCRIPTIVO DE LOS DATOS 3.1 La tabulación de los datos 3.1.1 Tabla de distribución de frecuencias. 3.1.2 El histograma. 3.2 Medidas de tendencia central 3.2.1 La media. 3.2.2 La mediana. 3.2.3
Más detallesGEOMETRIA DE LAS FORMAS CANONICAS DE JORDAN
GEOMETRIA DE LAS FORMAS CANONICAS DE JORDAN Claudia Teresa Vega Universidad Pedagógica Nacional. Universidad Distrital. Angela Lucía Garzón Rozo Universidad Pedagógica Nacional. En este artículo se muestra
Más detallesAlgebra 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 detallesUNIVERSIDAD DEL NORTE Departamento de Matemáticas y Estadística Álgebra Lineal Ejercicios resueltos- Mayo de 2018
UNIVERSIDAD DEL NORTE Departamento de Matemáticas y Estadística Álgebra Lineal Ejercicios resueltos- Mayo de 2018 I. Sistemas homogéneos, subespacios, dependencia e independencia lineal 1. En cada caso
Más detallesMATRICES. 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 detallesCAPÍTULO 2 INTRODUCCIÓN A ICA Y PCA
CAPÍTULO INTRODUCCIÓN A ICA Y PCA. Análisis de componentes principales.. Introducción El Análisis de Componentes Principales (PCA), también llamado transformada de Karhunen-Loève, es una técnica estadística
Más detalles1 Vectores de R n. Tema 1. Álgebra matricial. 1.2 Dependencia lineal
Diplomatura en Estadística 1 Tema 1. Álgebra matricial 1. Vectores 1.1 Definiciones básicas 1.2 Dependencia lineal 2. Matrices 2.1 Rango de una matriz 2.2 Matrices cuadradas 3. Vectores y valores propios
Más detallesAPÉNDICE 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 detallesSoluciones a los ejercicios del examen final C =. 1 0
Universidade de Vigo Departamento de Matemática Aplicada II E T S E de Minas Álgebra Lineal Curso 205/6 de enero de 206 Soluciones a los ejercicios del examen final Se considera el subespacio U {X M 2
Más detallesEJERCICIOS DE ÁLGEBRA LINEAL TEMA 3 ESPACIOS EUCLÍDEOS
EJERCICIOS DE ÁLGEBRA LINEAL TEMA 3 ESPACIOS EUCLÍDEOS ESPACIOS EUCLÍDEOS ) a) Decir cuál de las siguientes aplicaciones de x de no definir un producto escalar comprobar el axioma que falla: a ) x' x,y,
Más detallesDescomposición en valores singulares de una matriz
Descomposición en valores singulares de una matriz Estas notas están dedicadas a demostrar una extensión del teorema espectral conocida como descomposición en valores singulares (SVD en inglés) de gran
Más detallesUniversidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal - Grupo 01 Taller 4
Universidad Nacional de Colombia Departamento de Matemáticas - Álgebra Lineal - Grupo Taller () Es el conjunto de los números reales con las operaciones de suma y multiplicación un R-espacio vectorial?
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Variables aleatorias y procesos estocásticos. La FAC y el correlograma Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es
Más detallesMÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN
MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Teoría
Más detallesTema 7. El espacio vectorial R n Conceptos generales
Tema 7 El espacio vectorial R n. 7.1. Conceptos generales Un vector es un segmento orientado que queda determinado por su longitud, dirección y sentido. Sin embargo, desde el punto de vista del Álgebra,
Más detallesMatrices ortogonales y descomposición QR
Matrices ortogonales y descomposición QR Problemas para examen Agradezco a Aldo Iván Leal García por varias correcciones importantes. Invertibilidad por la izquierda y por la derecha (repaso) 1. Conceptos
Más detallesProf. Eliana Guzmán U. Semestre A-2015
Unidad III. Variables aleatorias Prof. Eliana Guzmán U. Semestre A-2015 Variable Aleatoria Concepto: es una función que asigna un número real, a cada elemento del espacio muestral. Solo los experimentos
Más detallesEstadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10
Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,
Más detallesLección 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 detallesTema 5 - Aplicaciones lineales y diagonalización de matrices (v1.0) Pág. 1. *** Apuntes realizados por Victor Gayoso Martinez
Tema 5 - Aplicaciones lineales y diagonalización de matrices (v1.0) Pág. 1 *** Apuntes realizados por Victor Gayoso Martinez (vgayoso@gmail.com) *** TEMA 5 APLICACIONES LINEALES Y DIAGONALIZACIÓN DE MATRICES
Más detallesb) Procedimiento: 0.25 puntos. Cálculos: 0.25 puntos.
MATEMÁTICAS II CRITERIOS ESPECÍFICOS DE CORRECCIÓN Todas las respuestas deberán estar debidamente justificadas. En todos los ejercicios, aunque el procedimiento seguido sea diferente al propuesto en el
Más detallesUna 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 detallesMaterial 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 detallesALN. 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 detallesCOMPONENTES PRINCIPALES
COMPONENTES PRINCIPALES Jorge Galbiati R. El método de Componentes Principales tiene por objeto reducir la dimensionalidad de un problema de múltiples variables, aplicando una sucesión de transformaciones
Más detallesAlgunos Tipos de matrices. Matrices. Algunos Tipos de matrices. Algunos Tipos de matrices
Matrices Una matriz de orden m n es un conjunto ordenado de m n números reales dispuestos en m filas y n columnas de la forma: A = a 11 a 12 a 1j a 1n a 21 a 22 a 2j a 2n a i1 a i2 a ij a in a m1 a m2
Más detallesEl problema de Maxwell Una formulación contemporánea
El problema de Maxwell Una formulación contemporánea Mariano Vázquez de septiembre de 22 Índice. El problema estructural.. Direcciones principales de acción y reacción............ 3 2. El problema de Maxwell
Más detallesVECTORES. A cada clase de vectores equipolentes se denomina vector libre.!
VECTORES Vectores libres del plano Definiciones Sean A y B dos puntos del plano de la geometría elemental. Se llama vector AB al par ordenado A, B. El punto A se denomina origen y al punto B extremo. (
Más detallesDescomposición en valores singulares Notas para los cursos 21 y 22 (J.L. Mancilla Aguilar)
Valores Singulares Descomposición en valores singulares Notas para los cursos y (JL Mancilla Aguilar) Tanto los valores singulares como la descomposición en valores singulares de una matriz son conceptos
Más detallesQué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y)
Gráfico de dispersión Qué es? Primer paso Representación en un sistema de coordenadas cartesianas de los datos numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión
Más detalles102 EJERCICIOS DE ALGEBRA LINEAL por Francisco Rivero Mendoza Ph.D.
102 EJERCICIOS DE ALGEBRA LINEAL por Francisco Rivero Mendoza Ph.D. Tema 1. Espacios Vectoriales. 1. Dar la definición de cuerpo. Dar tres ejemplos de cuerpos. Dar un ejemplo de un cuerpo finito 2. Defina
Más detallesÁLGEBRA LINEAL. EXAMEN EXTRAORDINARIO 5 de Julio de T (e 1 ) = e 1 e 2 + 2e 3 T (e 2 ) = e 1 + 2e 2 3e 3. [T (e 1 ) T (e 2 )] =
ÁLGEBRA LINEAL EXAMEN EXTRAORDINARIO 5 de Julio de Apellidos y Nombre: Ejercicio. Sea T : R R 3 una transformación lineal definida como: T (e ) = e e + e 3 T (e ) = e + e 3e 3 donde {e, e }, {e, e, e 3}
Más detallesGustavo Rodríguez Gómez. Agosto Dicembre 2011
Computación Científica Gustavo Rodríguez Gómez INAOE Agosto Dicembre 2011 1 / 44 Capítulo III Descomposición de Matrices 2 / 44 1 Descomposición de Matrices Notación Matrices Operaciones con Matrices 2
Más detalles