SOBRE INVERSAS GENERALIZADAS Y SU APLICACIÓN EN LA REGRESIÓN 0.- INTRODUCCIÓN. Sobre Matrices Inversas Generalizadas
|
|
- Belén Pinto Salinas
- hace 7 años
- Vistas:
Transcripción
1 SOBRE INVERSAS GENERALIZADAS Y SU APLICACIÓN EN LA REGRESIÓN José Carlos de Miguel Domínguez Agustín Ramos Calvo Dpto. de Métodos Cuantitativos para la Economía y la Empresa Fac. de C.C.E.E. Santiago de C. 0.- INTRODUCCIÓN El uso de Matrices Inversas Generalizadas aparece constantemente en aplicaciones estadísticas; sin embargo, su tratamiento se reduce a los lugares en que son utilizadas y resaltando -unicamente- aquellas propiedades que son necesarias para cada Ejemplo concreto. Así, unas veces su aplicación responde a fines meramente pedagógicos, mientras que en otras su interés responde a facilitar los cálculos y la comprensión. Como ejemplo de todo ello pueden citarse: 1. Método de Mínimos Cuadrados y Estimación Insesgada. 2. Estimación recursiva y Mínimos Cuadrados secuenciales. 3. Distribución Normal Multivariante y problemas predictivos asociados. 4. Problemas relativos al Análisis de la Varianza. 5. Problemas relativos al Análisis Discriminante. 6. Análisis del modelo de regresión generalizado en Métodos Econométricos. Como se establece al final de la comunicación; en un modelo lineal de regresión, la predicción, el estimador de una combinación lineal y la S.C.E. son independientes de la inversa generalizada utilizada. También es conocido el hecho de que existen distintos tipos de Matrices Inversas Generalizadas, entre las que destaca el concepto de Inversa de Moore- Penrose, que- entre otras- goza de la propiedad de su unicidad. De modo general, pueden distinguirse distintos tipos de ellas que obedecen a las siguientes condiciones: Dada una matriz A arbitraria, dependiendo de las condiciones exigidas, las distintas clases de inversas generalizadas más usuales són: φ 1 : A A - A = A (Inversa Generalizada) 1
2 φ 2 : A A - A = A ; A - A A - = A (Inv. Generalizada Reflexiva) φ 3 : A A - A = A ; A - A A - = A ; ( A A - ) = A A - (Inv. Gen. Normalizada) ( 1 ) φ 4 : A A - A = A ; A - A A - = A ; ( A A - ) = A A - ; ( A - A ) = A - A 1.- CONCEPTO Y PROPIEDADES DE LA INVERSA MP Es conocido el hecho de que la última clase de matrices recibe el nombre de Inversa de Moore - Penrose (MP) y es debida a Penrose (1955), cuyos trabajos constituyen una profundización de los primeros estudios debidos a Moore (1920). Además, dicha clase se reduce a un solo elemento, ya que la matriz que cumple dichas condiciones es única: Teorema 1.- Si son K y L dos inversas MP de A entonces K = L. Como puede observarse en la demostración se utilizan todas las propiedades enunciadas: = L. K = K A K = (KA) K = A K K = (ALA) K K = A L A K K = (LA) (KA) K = L A K A K = L A K = L (ALA) K = L (AL) A K = L A AK = LL A (AK) = L L A K A = L L A = L (AL) = L A L = Antes de obtener la inversa MP, se establecen algunos resultados que serán útiles en las demostraciones de resultados posteriores: Lema 1.- Para cualquier matriz X (mxn) se cumple; X X = 0 si y solo si X = 0. Es consecuencia inmediata de que en la diagonal principal de la matriz X X están las sumas de los cuadrados de los elementos de las columnas de la matriz X. Lema 2.- Para matrices arbitrarias P,Q : P X X = Q X X implica P X = Q X. La demostración se obtiene aplicando el lema anterior a la expresión: (PX X - QX X) (P - Q) = (PX - QX ) (PX - QX ) = 0 Lema 3.- Si para una matriz B arbitraria ocurre que BB = B, (o bien B B = B) dicha matriz es simétrica, como se comprueba trivialmente hallando traspuestas en la igualdad correspondiente. Teorema 2.- Las cuatro condiciones de la definición de inversa MP son equivalentes a las dos siguientes: i.- K A A = A ii.- A K K = K Demostración.- Para establecer la necesidad basta tener en cuenta que las condiciones i., iii. de la definición inicial implican: A = AKA = A(KA) = AA K, o bien (trasponiendo): K A A = A 1 Como se demostrará en el teorema 2, las condiciones pueden ser reducidas a solo dos. 2
3 Viceversa; Si AA K = A, pre-multiplicando por K resulta KA (KA) = KA. Como consecuencia del lema 3 la matriz KA es simétrica y así: A = AA K = A(KA) = AKA, (que es la condición i). Las condiciones ii. y iv. se obtienen igualmente a partir de 2. Lema 4.- (Descomposición espectral de una matriz) Si es A una matriz m x n de rango r, existen matrices B (m x r) y C (n x r) tales que : B B = I r ; C C = I r cumpliendo que A = B Λ C siendo Λ una matriz diagonal con elementos positivos (concretamente, la matriz formada por los autovalores de la matriz A A, que es semidefinida positiva). Salvo indicación en otro sentido, en adelante se denota A g la inversa MP de A. Teorema 3.- Se verifica que: i.- A g A y AA g son matrices idempotentes (luego semidefinidas positivas) ii.- ( A ) g = ( A g ). (la traspuesta de la inversa es la inversa de la traspuesta) iii.- rang (A) = rang (A g ) = rang (AA g ) = tr (AA g ) = rang (A g A) = tr (A g A). iv.- Si A es simétrica e idempotente, entonces A g = A v.- ( A g ) g = A. vi.- ( A A g ) g = A A g y (A g A ) g = A g A vii.- Las columnas de A g y las de A generan el mismo subespacio. Demostración.- i.- Es inmediato comprobar que ambas matrices son idempotentes (y por consiguiente semidefinidas positivas y así sus autovalores son 0 ó 1) ya que se verifica: (A g A) (A g A) = A g A A g A = A g (A A g A) = A g A (A A g ) (A A g ) = A A g A A g = (A A g A) A g = AA g ii.- Basta usar la traspuesta en las propiedades de la definición. iii.- El hecho de que el rango de las matrices señaladas sea igual a su traza es debido al hecho de que son idempotentes. Por otro lado: rang (A) = rang(aa g A) = min {rang (AA g ),rang (A)}=rang(AA g ) = rang(a g ) rang (A g ) = rang (A g AA g ) = min {rang(a g A), rang(a g )} = rang(a g A) = rang(a) iv) y v).- Es trivial establecerlos. vi.- Es consecuencia inmediata de iv). vii.- Supuesto es y un vector perteneciente al subespacio generado por las columnas de A g, entonces se podrá escribir en la forma y = A g x 1, así: y = A g x 1 = A g A A g x 1 = A (A g ) A g x 1 = A x 2 siendo x 2 = (A g ) A g x 1. 3
4 Viceversa, si es y un vector combinación lineal de las columnas de A entonces se tiene: y = A x 1 = A (A g ) A x 1 = A g A A x 1 = A g x 2 ; x 2 = A A x 1 Teorema 4.- (A A) g = A g A g. Demostración.- Se comprueban todas las propiedades. i.- (A A) (A g A g ) (A A) = A A Ag A g A A = A A A g (AA g ) A = = A A A g A A g A = A AA g A A = A A ii.- (A g A g ) (A A) (Ag A g ) = Ag (A g A ) AAg A g = A g AA g A A g A g = A g AA g A g = A g A g. iii.- (A A) (A g A g ) = A (A A g ) A g = A A g A A g = A A g = A g A. iv.- (A g A g ) (A A) = Ag (A g A ) A = Ag (AA g ) A = A g AA g A = A g A. y las dos últimas son, obviamente, simétricas. Del teorema establecido, se obtiene A g = A g AA g = A g (AA g ) = A g A g A = (A A) g A. Además, si es A una matriz tipo (m,n) de rango n (full rank), entonces la matriz A A es no singular, por lo que se tiene: Corolario.- i.- A g = (A A) g A ; ii.- A g = (A A) -1 A. Obsevación.- Es posible establecer el corolario 1 anterior sin necesidad de utilizar el teorema que le precede, bien usando la descomposición espectral de la matriz A, bien directamente como se muestra a continuación: A g = (A A) g A (1).- Para ver que A (A A) g A = A: A (A A) g A A = AA g A (A A) g A A = (AA g ) A (A A) g A A = = (A g ) A A (A A) g A A = (A g ) A A = A A g A = A. (2).- [(A A) g A ] A ([A A) g A ] = [(A A) g A A (A A) g ] A = (A A) g A (3).- [ A (A A) g A ] = A (A A) g A = A (A A) g A. (4).- [(A A) g A A] = (A A) g A A Teorema 5.- Si A es simétrica, entonces AA g = A g A. Demostración.- Ya es conocido el hecho de que (A g ) = (A ) g, luego: AA g = (AA g ) = A g A = A g A. 4
5 Teorema 6.- Si son P (m,m) y Q (n,n) dos matrices ortogonales y es A una matriz (m,n), entonces: Demostración.- ( P A Q) g = Q A g P. i.- (PAQ) Q A g P (PAQ) = PAQ Q A g P PAQ = P AA g A Q = PAQ. ii.- Q A g P (PAQ) Q A g P = Q A g P P A QQ A g P = Q A g P. iii.- (PAQ) Q A g P = PA QQ A g P = P (AA g ) P simétrica. iv.- Q A g P (PAQ) = Q A g P P A Q = Q (A g A) Q simétrica. Observación.- En general, no es cierto que ( A B ) g = B g A g aunque la igualdad sí se cumple en algunos Ejemplos. Por ejemplo, es cierto para las matrices del teorema 10 y también es cierto en las que siguen: Teorema 7.- Si son B y C del tipo (m,r) y (r,n) y rango r; entonces: = C g B g ( B C ) g Demostración.- Por los corolarios 2 y 3 anteriores: B g = (B B) -1 B ; C g = C (CC ) -1 de donde resulta: i.- (BC) C g B g (BC) = BC C (CC ) -1 (B B) -1 B = BC = ii.- C g B g (BC) C g B g = C (CC ) -1 (B B) -1 B (BC) C (CC ) -1 (B B) -1 B = C (CC ) -1 (B B) -1 B B CC (CC ) -1 (B B) -1 B = = C (CC ) -1 (B B) -1 B = C g B g. iii.- (BC)C g B g = BC C (CC ) -1 (B B) -1 B = B CC (CC ) -1 (B B) -1 B = = B (B B) -1 B, simétrica. = iv.- C g B g (BC) = C (CC ) -1 (B B) -1 B (BC) = C (CC ) -1 (B B) -1 B B C = C (CC ) -1 C, simétrica. Se exponen, a continuación, algunos resultados muy útiles para los cálculos y obtención de la solución de un sistema de ecuaciones lineales, así como en los cálculos relativos al análisis de la varianza. Teorema 8.- Si A es una matriz (m,n). Entonces: i.- I-AA g, I-A g A son simétricas e idempotentes. ii.- (I-AA g ) A = 0 ; A g (I-AA g ) = 0. iii.- (I-AA g ) AA g = AA g (I-AA g ) = 0. iv.- (I-A g A) A g A = A g A (I-A g A) = 0. 5
6 Demostración.- Por definición de inversa MP, las matrices A g A y A g A son simétricas, y por el teorema 9.i. son idempotentes, luego: i.- A g A. (I-AA g ) (I-AA g ) = I - AA g - AA g + AA g AA g = I - AA g Análogamente: (I-A g A) (I-A g A) = I - A g A - A g A + A g AA g A = I- El mismo procedimiento conduce a establecer el resto. 2.- OBTENCIÓN DE LA INVERSA MP Una primera expresión teórica de la inversa MP y algunas de sus propiedades vienen dadas en el siguiente desarrollo: 1ª Forma.- La matriz A + = C Λ -1 B es, entonces, la inversa generalizada de Penrose, ya que: A i.- A A + A = B Λ C C Λ -1 B B Λ C = B Λ C = A ii.- A + A A + = C Λ -1 B B Λ C C Λ -1 B = A + iii.- (A A + ) = (B Λ C C Λ -1 B ) = (BB ) = A A + iv.- ( A + A ) = (C Λ -1 B B Λ C ) = ( CC ) = CC = A + Con la expresión obtenida, es inmediato comprobar las siguientes propiedades generales señaladas en el teorema 3 para este caso particular de la inversa MP: a.- (A + ) + = A b.- (A + ) = (A ) + c.- A + A y A A + son idempotentes ( y, por tanto, semidefinidas positivas ) d.- ( A A ) + A = A + e.- Las columnas de A + y A generan el mismo subespacio de R n. Es posible establecer dichas propiedades con cálculos inmediatos y utilizando las propiedades enunciadas, aunque no conocemos ninguna demostración directa de la propiedad d) (para la que suele usarse siempre la expresión obtenida de C Λ -1 B ) ( 2) 2ª Forma : Supuesto la matriz buscada es de la forma K = TA para alguna matriz T, se satisface la condición i) si es que se cumple: T A A A = A (*) y como dicha condición implica i (de la definición), entonces: 2 Dicha demostración se obtiene inmediatamente como sigue: a.- A(A A) + A A = AA + A(A A) + A A = (AA + ) A(A A) + A A = A + A A (A A) + A A = A + A A = AA + A = A b.- ((A A) + A ) A ( (A A) + A ) = (A A) + A A (A A) + A = (A A) + A c.- [ A (A A) + A ] = A (A A) + A = A (A A) + A d.- [ (A A) + A A ] = (A A) + A A 6
7 A K A = A en la que pre-multiplicando por T se obtiene: la condición 2. T A K A = T A ; es decir, K K A = K, que es Se ha demostrado así que si K = TA siendo T una matriz que satisface (*) y, por consiguiente, K es la inversa de Penrose. Para obtener la matriz adecuada T basta considerar la matriz cuadrada y simétrica A A. Como consecuencia del teorema de Hamilton-Cayley ( 3) existen escalares µ 1, µ 2,..., µ t no todos nulos y cumpliendo que: µ 1 (A A) + µ 2 (A A) µ t (A A) t = 0 Por consiguiente, si es µ r el primero de dichos escalares no nulo, la matriz T buscada es: T = (-1/µ r) [ µ r+1 I + µ r+2 (A A) µ t (A A) t-r+1 ] Para demostrar que T satisface -efectivamente- la condición exigida, basta tener en cuenta que: T(A A) r+1 = (-1/µ r) [ µ r+1 (A A) r+1 + µ r+2 (A A) r µ t (A A) t ] = (-1/µ r) [ -µ 1 (A A) - µ 2 (A A) µ r (A A) r ]. Como se ha elegido µ r el primer escalar no nulo de la combinación lineal, lo anterior se reduce a: T ( A A ) r+1 = ( A A ) r Aplicando repetidamente el lema 2 a la expresión se reduce a la expresión buscada T A AA = A. 3.- SITUACIÓN PARTICULAR DE LA REGRESIÓN. El estudio de modelos lineales conduce, en muchos casos, a la resolución de las ecuaciones normales de la forma X X b = X y. De ahí que tenga especial interés el estudio de las propiedades de la inversa de la matriz X X en el caso de multicolinealedad (la matriz no es de rango pleno). Teorema 9.- Si G es una g-inversa (no necesariamente la MP) de la matriz X X entonces se tiene: 1.- G es tamién una g-inversa de X X. 2.- XGX X = X; es decir, GX es una g-inversa de X 3 Toda matriz cuadrada, satisface su propia ecuación característica 7
8 3.- XGX es invariante respecto a G. 4.- XGX es simétrica, independientemente de que G lo sea o no. Demostración Como por definición G cumple que X XGX X = X X, basta trasponer para obtener X XG X X = X X. Además, aplicando el lema 2 a esta última expresión se obtiene Supuesto es F otra g-inversa diferente de G; por el apartado 2 del enunciado se obtiene: XGX X = X = XFX X y aplicando el lema 2 a esa igualdad resulta el enunciado. 4.- Si es S una g-inversa de X X que es simétrica ( 4 ), por el apartado anterior se tiene XGX = XSX, y la última expresión es simétrica. Corolario.- Aplicando el apartado 1 del teorema al resto se obtiene: XG X X=X, X XGX =X y X XG X =X ; XG X =XGX ; y XG X es simétrica. Observación.- Es preciso insistir en que no todas las g-inversas de una matriz simétrica son simétricas; ello es consecuencia inmediata del algoritmo que se estudió al principio. Sin embargo, el teorema anterior y su corolario lo que hacen es evitar que se interprete mal esa simetría en cuanto a las g-inversas de X X. Llamando H = GX X se establece inmediatamente: Teorema H es idempotente y rg (H) = rg (X) = r 2.- rg ( H-I ) = r-p 3.- b 0 = GX y + ( H-I ) z, (z arbitrario) es una solución de las ecs normales; toda solución de dichas ecuaciones se puede escribir de esa forma. La no existencia de unicidad de la g-inversa exige usar restricciones convenientes para obtener los estimadores de b ya que b 0 es solamente una solución de dichas ecs. normales, pero bajo ningún concepto puede considerarse un estimador de b, salvo cuando X X es no singular. A pesar de esa circunstancia, que pudiera conducir a cierto desánimo en cuanto a los resultados obtenidos con el uso de la g-inversa, las propiedades señaladas para G y H conducen a situaciones menos traumáticas de lo que cabría esperar, como se expone brevemente en lo que sigue. Ejemplo 1.- Considerada una combinación lineal de los parámetros del modelo y = Xβ + ε [ se recuerda que q b es estimable si existe un vector t cumpliendo que q b = t E(y) ] resulta: Cuando q b es estimable, entoonces q b o es invariante respecto de cualquier solución de las ecs. normales ya que la ser q b = t E(y) resulta q = t X y, por consiguiente: 4 La existencia de tal g-inversa simétrica está asegurada sin más que tener en cuenta la matriz S=1/2(G+G') 8
9 q b = t X b o = X G X y y, como se ha demostrado, X G X es invariante respecto a G. Ejemplo 2.- Si se consideran los valores de predicción ( Ÿ ) para el modelo: Ÿ = Xb o = X G X y resulta Ÿ invariante en G, en el sentido de que no importa la matriz G utilizada para la predicción. Insistiendo en ello, como es H = G X X resulta: Ÿ = Xb o = X [G X y + (H -I) z ] = X G X y + (X H -X) z = XGX y + (X G X X - X) z = X G X y Ejemplo 3.- Para la estimación de la varianza del error [ o Suma de Cuadrados de Errores (S.C.E.)] en el modelo se tiene: S.C.E = (Y ij - Ÿ ij ) 2 i, j = (Y - Ÿ) (Y - Ÿ) por lo que: S.C.E = ( y - Xb o ) ( y - Xb o ) = y ( I - X G X ) ( I - X G X ) y = y ( I - X G X ) y obteniendose -nuevamente- que dicha S.C.E. es invariante en G. BIBLIOGRAFÍA Chipman J. & M. M. Rao.- The Treatement of Linear Restrictions in Regression. Minnesota Dhrymes P. J.- Econometría.- Ed. AC Dhrymes P. J.- Mathematics for Econometrics.- Springer-Verlag Penrose R. A.- Generalized Inverse for Matrices.- Cambridge Ronde Ch. A.- Special applications of the theory of Generalized Matrix Inversion.- John Hopkins Searle S. R..- Matrix Algegra Useful for Statistics.- Wiley & Sons Searle S. R..- Linear Models.- Wiley & Sons
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 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 detallesEstos 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 detallesMatriz A = Se denomina MATRIZ a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.
MATRICES Matriz Se denomina MATRIZ a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. a 11 a 12 a 1j a 1n a 21 a 22 a 2j a 2n A = a i1 a ij a in a m1 a
Más detallesEsta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )
Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder
Más detallesMATRICES. M(n) ó M nxn A =
MTRICES Definición de matriz. Una matriz de orden m n es un conjunto de m n elementos pertenecientes a un conjunto, que para nosotros tendrá estructura de cuerpo conmutativo y lo denotaremos por K, dispuestos
Más detallescomo 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 detallesTEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS.
TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. 1. MATRICES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. DEFINICIÓN: Las matrices son tablas numéricas rectangulares
Más detallesSe 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 detallesCURSO BÁSICO DE MATEMÁTICAS PARA ESTUDIANTES DE ECONÓMICAS Y EMPRESARIALES
CONCEPTO MATRICES Se llama matriz de orden (dimensión) m n a un conjunto de m n elementos dispuestos en m filas y n columnas Se representa por A = a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn j=1,2,,n
Más detallesTEMA 8.- NORMAS DE MATRICES Y
Álgebra II: Tema 8. TEMA 8.- NORMAS DE MATRICES Y NúMERO DE CONDICIóN Índice. Introducción 2. Norma vectorial y norma matricial. 2 2.. Norma matricial inducida por normas vectoriales......... 4 2.2. Algunos
Más detallesRESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES
3 RESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES Página 74 Determinantes de orden 2 Resuelve cada uno de los siguientes sistemas de ecuaciones y calcula el determinante de la matriz de los coeficientes:
Más detallesMatrices 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 detallesMatrices. 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 detallesde 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 detallesTema 2.- Formas Cuadráticas.
Álgebra. 004 005. Ingenieros Industriales. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema.- Formas Cuadráticas. Definición y representación matricial. Clasificación de las formas
Más detallesProblemas de Espacios Vectoriales
Problemas de Espacios Vectoriales 1. Qué condiciones tiene que cumplir un súbconjunto no vacío de un espacio vectorial para que sea un subespacio vectorial de este? Pon un ejemplo. Sean E un espacio vectorial
Más detallesDefinición 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 detallesTeoremas de Convergencia
Capítulo 24 Teoremas de Convergencia El teorema de la convergencia monótona (Lema 21.3) establece ciertas condiciones sobre una sucesión de funciones medibles para que se puedan permutar los símbolos y
Más detallesÁLGEBRA 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 detallesÁLGEBRA LINEAL II Algunas soluciones a la práctica 2.3
ÁLGEBRA LINEAL II Algunas soluciones a la práctica 2. Transformaciones ortogonales (Curso 2010 2011) 1. Se considera el espacio vectorial euclídeo IR referido a una base ortonormal. Obtener la expresión
Más detallesAlgebra lineal y conjuntos convexos
Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar
Más detallesSistemas de Ecuaciones Lineales y Matrices
Capítulo 4 Sistemas de Ecuaciones Lineales y Matrices El problema central del Álgebra Lineal es la resolución de ecuaciones lineales simultáneas Una ecuación lineal con n-incógnitas x 1, x 2,, x n es una
Más detallesRESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES
UNIDD 4 RESOLUCIÓN DE SISTEMS MEDINTE DETERMINNTES Página 00 Resolución de sistemas mediante determinantes x y Resuelve, aplicando x = e y =, los siguientes sistemas de ecuaciones: x 5y = 7 5x + 4y = 6x
Más detallesUna 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 detallesEspacios topológicos. 3.1 Espacio topológico
Capítulo 3 Espacios topológicos 3.1 Espacio topológico Definición 3.1.1. Un espacio topológico es un par (X, τ), donde X es un conjunto, y τ es una familia de subconjuntos de X que verifica las siguientes
Más detallesSistem as de ecuaciones lineales
Sistem as de ecuaciones lineales. Concepto, clasificación y notación Un sistema de m ecuaciones lineales con n incógnitas se puede escribir del siguiente modo: a x + a 2 x 2 + a 3 x 3 + + a n x n = b a
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 detallesMétodos directos para resolver sistemas de ecuaciones lineales
Métodos directos para resolver sistemas de ecuaciones lineales Problemas para examen Si en algún problema se pide calcular el número de flops (operaciones aritméticas con punto flotante), entonces en el
Más detallesMatrices y sus operaciones
Capítulo 1 Matrices y sus operaciones 1.1. Definiciones Dados dos enteros m, n 1 y un cuerpo conmutativo IK, llamamos matriz de m filas y n columnas con coeficientes en IK a un conjunto ordenado de n vectores
Más detalles2 - Matrices y Determinantes
Nivelación de Matemática MTHA UNLP 1 2 - Matrices y Determinantes 1 Matrices 11 Definición Una matriz A es cualquier ordenamiento rectangular de números o funciones a 11 a 12 a 1n a 21 a 22 a 2n A a m1
Más detallesFunciones de Clase C 1
Capítulo 7 Funciones de Clase C 1 Vamos a considerar ahora la extensión a varias variables del concepto de función de clase C 1. Cada vez que establezcamos una propiedad de las funciones diferenciables,
Más detalles!MATRICES INVERTIBLES
Tema 4.- MATRICES INVERTIBLES!MATRICES INVERTIBLES!TÉCNICAS PARA CALCULAR LA INVERSA DE UNA MATRIZ REGULAR 1 Hemos hablado anteriormente de la matriz cuadrada unidad de orden n (I n ).. Es posible encontrar
Más detallesUna matriz es una tabla ordenada (por filas y columnas) de escalares a i j de la forma: ... ... a... ...
MATRICES Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas parciales. Tienen también muchas aplicaciones
Más detallesFundamentos Matemáticos de la Ingeniería. Tema 4: Diagonalización de matrices. Curso
Fundamentos Matemáticos de la Ingeniería Tema 4 Hoja Escuela Técnica Superior de Ingeniería Civil e Industrial Esp en Hidrología Fundamentos Matemáticos de la Ingeniería Tema 4: Diagonaliación de matrices
Más detallesMatrices, determinantes, sistemas de ecuaciones lineales.
UNIVERSIDAD DE MURCIA Departamento de Matemáticas Óptica y Optometría Resúmenes Curso 2007-2008 Matrices, determinantes, sistemas de ecuaciones lineales. Una matriz A de orden m n es una colección de m
Más detalles1. Producto escalar. Propiedades Norma de un vector. Espacio normado. 1.2.Ortogonalidad. Ángulos. 1.4.Producto escalar en V 3.
. Producto escalar. Propiedades... Norma de un vector. Espacio normado...ortogonalidad. Ángulos..3.Producto escalar en V..4.Producto escalar en V 3.. Producto vectorial de dos vectores de V 3...Expresión
Más detallesGEOMETRÍA. que pasa por el punto P y es paralelo a π. (0,9 puntos) b) Determinar la ecuación del plano π
GEOMETRÍA 1.- Se considera la recta r : ( x, y, z) = ( t + 1, t,3 t), el plano π: x y z = 0y el punto P (1,1,1). Se pide: a) Determinar la ecuación del plano π 1 que pasa por el punto P y es paralelo a
Más detallesDefinición de la matriz inversa
Definición de la matriz inversa Objetivos Aprender la definición de la matriz inversa Requisitos Multiplicación de matrices, habilidades básicas de resolver sistemas de ecuaciones Ejemplo El número real
Más detallesSistemas de ecuaciones lineales
Sistemas de ecuaciones lineales Sistemas de ecuaciones lineales Generalidades Definición [Sistema de ecuaciones lineales] Un sistema de m ecuaciones lineales con n incógnitas, es un conjunto de m igualdades
Más detallesTraza de una Matriz Cuadrada
Traza de una Matriz Cuadrada Departamento de Matemáticas, CSI/ITESM 10 de septiembre de 2008 Índice 7.1. Definiciones y propiedades básicas.................................. 1 7.2. La traza de un producto........................................
Más detallesMatemá'cas generales
Matemá'cas generales Matrices y Sistemas Patricia Gómez García José Antonio Álvarez García DPTO. DE MATEMÁTICA APLICADA Y CIENCIAS DE LA COMPUTACIÓN Este tema se publica bajo Licencia: Crea've Commons
Más detallesTEMA 4: Sistemas de ecuaciones lineales II
TEM 4: Sistemas de ecuaciones lineales II ) Teorema de Rouché-Frobenius. ) Sistemas de Cramer: regla de Cramer. 3) Sistemas homogeneos. 4) Eliminación de parámetros. 5) Métodos de factorización. 5) Métodos
Más detallesMulticolinealidad. Universidad de Granada. RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17
Román Salmerón Gómez Universidad de Granada RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17 exacta: aproximada: exacta: aproximada: RSG Incumplimiento de las
Más detallesÁlgebra lineal y matricial
Capítulo Álgebra lineal y matricial.. Vectores y álgebra lineal Unconjuntodennúmerosreales(a,,a n )sepuederepresentar: como un punto en el espacio n-dimensional; como un vector con punto inicial el origen
Más detallesTema 5: Sistemas de ecuaciones lineales.
TEORÍA DE ÁLGEBRA: Tema 5 DIPLOMATURA DE ESTADÍSTICA 1 Tema 5: Sistemas de ecuaciones lineales 1 Definiciones generales Definición 11 Una ecuación lineal con n incognitas es una expresión del tipo a 1
Más detallesDeterminante de una matriz
25 Matemáticas I : Preliminares Tema 3 Determinante de una matriz 31 Determinante de una matriz cuadrada Definición 67- Sea A una matriz cuadrada de orden n Llamaremos producto elemental en A al producto
Más detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS CC SOCIALES CAPÍTULO 2 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 detallesVectores y Matrices. Tema 3: Repaso de Álgebra Lineal Parte I. Contenidos
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
Más detallesMatemáticas. D e t e r m i n a n t e s
Matemáticas D e t e r m i n a n t e s El determinante de una matriz cuadrada es un número que se obtiene a partir de los elementos de la matriz. Su estudio se justifica en cuanto que simplifica la resolución
Más detallesCombinación lineal, Independencia Lineal, y Vectores que generan (Sección 6.3 pág. 291)
Combinación lineal, Independencia Lineal, y Vectores que generan (Sección 6.3 pág. 291) I. Combinación Lineal Definición: Sean v 1, v 2, v 3,, v n vectores en el espacio vectorial V. Entonces cualquier
Más detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 1 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad
Más detallesAlgebra Lineal. Gustavo Rodríguez Gómez. Verano 2011 INAOE. Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano / 21
Algebra Lineal Gustavo Rodríguez Gómez INAOE Verano 2011 Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano 2011 1 / 21 Espacios Vectoriales Espacios Vectoriales INAOE Gustavo Rodríguez Gómez (INAOE)
Más detallesMatrices 1 (Problemas). c
º Bachillerato Matrices 1 (Problemas) 1.- Efectúa las siguientes operaciones con matrices: a) 1 4 5 6 + b) 5 7 9 11 1 1 1 1 1 1 c). 4 d) 6. 1 6 1 18 1 g) 0 0 0 0 a 0 b 0. 0 b 0 0 0 c c 0 0.- Siendo A =
Más detallesA1.- Determina a y b sabiendo que el sistema de ecuaciones. x + 3y +z = 1 -x + y +2z = -1 ax + by + z = 4 tiene, al menos, dos soluciones distintas.
A1.- Determina a y b sabiendo que el sistema de ecuaciones x + 3y +z = 1 -x + y +z = -1 ax + by + z = 4 tiene, al menos, dos soluciones distintas. Para que el sistema tenga, al menos, dos soluciones distintas
Más detallesInversas Generalizadas
Inversas Generalizadas Departamento de Matemáticas, CSI/IESM 5 de abril de 2 Índice.. Inversas generalizadas..........................................2. Uso de la inversa generalizada.....................................
Más detallesEstructuras Algebraicas
Tema 1 Estructuras Algebraicas Definición 1 Sea A un conjunto no vacío Una operación binaria (u operación interna) en A es una aplicación : A A A Es decir, tenemos una regla que a cada par de elementos
Más detallesUnidad 2: Ecuaciones, inecuaciones y sistemas.
Unidad 2: Ecuaciones, inecuaciones y sistemas 1 Unidad 2: Ecuaciones, inecuaciones y sistemas. 1.- Factorización de polinomios. M. C. D y m.c.m de polinomios. Un número a es raíz de un polinomio es 0.
Más detallesMATRICES DETERMINANTES
MATRICES Y DETERMINANTES 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
Más detallesSistemas de Ecuaciones Lineales
Sistemas de Ecuaciones Lineales 1 Sistemas de ecuaciones y matrices Definición 1 Una ecuación lineal en las variables x 1, x 2,..., x n es una ecuación de la forma con a 1, a 2... y b números reales. a
Más detallesApéndice sobre ecuaciones diferenciales lineales
Apéndice sobre ecuaciones diferenciales lineales Juan-Miguel Gracia 10 de febrero de 2008 Índice 2 Determinante wronskiano. Wronskiano de f 1 (t), f 2 (t),..., f n (t). Derivada de un determinante de funciones.
Más detallesRepaso de conceptos de álgebra lineal
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
Más detallesSistemas lineales con parámetros
4 Sistemas lineales con parámetros. Teorema de Rouché Piensa y calcula Dado el siguiente sistema en forma matricial, escribe sus ecuaciones: 3 0 y = 0 z + y 3z = 0 y = Aplica la teoría. Escribe los siguientes
Más detalles1 Espacios y subespacios vectoriales.
UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Espacios vectoriales y sistemas de ecuaciones 1 Espacios y subespacios vectoriales Definición 1 Sea V un conjunto
Más 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 detallesTema 2. Aplicaciones lineales y matrices.
Tema 2 Aplicaciones lineales y matrices. 1 Índice general 2. Aplicaciones lineales y matrices. 1 2.1. Introducción....................................... 2 2.2. Espacio Vectorial.....................................
Más detallesTema 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 detallesEspacios 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 detallesDeterminantes. Determinante de orden uno. a 11 = a 11 5 = 5
DETERMINANTES Determinantes Concepto de determinante A cada matriz cuadrada A se le asigna un escalar particular denominado determinante de A, denotado por A o por det (A). A = Determinante de orden uno
Más detallesPROBLEMAS RESUELTOS DE PREPARACIÓN PARA OPOSICIONES. Problemas 02
PROBLEMAS RESUELTOS DE PREPARACIÓN PARA OPOSICIONES Problemas 0 Salvador Pérez Gómez pies3coma14@hotmail.com 4 de abril de 007 PROBLEMA 1 Sea n un número natural. Sea A n = n + n + 3n. a) Demostrar que
Más detallesÁlgebra Lineal VII: Independencia Lineal.
Álgebra Lineal VII: Independencia Lineal José María Rico Martínez Departamento de Ingeniería Mecánica División de Ingenierías, Campus Irapuato-Salamanca Universidad de Guanajuato email: jrico@salamancaugtomx
Más detallesAnálisis de datos Categóricos
Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores
Más detallesMatriz sobre K = R o C de dimensión m n
2 Matrices y Determinantes 21 Matrices Matriz sobre K = R o C de dimensión m n A = a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn Tipos de matrices: Cuadrada: n n = (a ij) i=1,,m j=1,,n Nula: (0) i,j 1 0
Más detallesDada 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 detallesSistemas de ecuaciones lineales
Ecuación lineal con n incógnitas Sistemas de ecuaciones lineales Es cualquier expresión del tipo: a 1 x 1 + a 2 x 2 + a 3 x 3 +... + a n x n = b, donde a i, b. Los valores a i se denominan coeficientes,
Más detallesOperaciones 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 detalles1. dejar a una lado de la igualdad la expresión que contenga una raíz.
1. Resuelve las siguientes ecuaciones reales: Solución x 1 + x = 0 ; 3 x = 3 ; ln(x 1) + 4 = ln 3 Ecuaciones con raíces: No todas las ecuaciones de este tipo son sencillas de resolver, pero podemos intentar
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesMatemáticas aplicadas a las CC.SS. II 2º Bachillerato. La igualdad de matrices 3x3 equivale a 9 ecuaciones escalares: { a 3=5.
Ejercicios resueltos 1. MATRICES 1.1. Introducción 1. Halla el valor de a, b y c para que las matrices A= 2 a 3 7 b 1 0 6 4 5 y B= 2 5 7 5 1 0 c 1 4 5 sean iguales. La igualdad de matrices 3x3 equivale
Más detallesTerminaremos el capítulo con una breve referencia a la teoría de cardinales.
TEMA 5. CARDINALES 241 Tema 5. Cardinales Terminaremos el capítulo con una breve referencia a la teoría de cardinales. Definición A.5.1. Diremos que el conjunto X tiene el mismo cardinal que el conjunto
Más detallesProyecciones. 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 detallesSemana 09 [1/28] Sucesiones. 29 de abril de Sucesiones
Semana 09 [1/28] 29 de abril de 2007 Semana 09 [2/28] Definición Sucesión Una sucesión real es una función: f : N R n f (n) Observaciones Para distinguir a una sucesión de las demás funciones, se ocupará
Más detallesApéndice A. Repaso de Matrices
Apéndice A. Repaso de Matrices.-Definición: Una matriz es una arreglo rectangular de números reales dispuestos en filas y columnas. Una matriz com m filas y n columnas se dice que es de orden m x n de
Más detallesMatemáticas Aplicadas a los Negocios
LICENCIATURA EN NEGOCIOS INTERNACIONALES Matemáticas Aplicadas a los Negocios Unidad 4. Aplicación de Matrices OBJETIVOS PARTICULARES DE LA UNIDAD Al finalizar esta unidad, el estudiante será capaz de:
Más detallesGrupos libres. Presentaciones.
S _ Tema 12.- Grupos libres. Presentaciones. 12.1 Grupos libres. En el grupo Z de los enteros vimos una propiedad (cf. ejemplos.5), que lo caracteriza como grupo libre. Lo enunciamos al modo de una Propiedad
Más detallesMay 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN
May 4, 2012 1. Optimización Sin Restricciones En toda esta sección D denota un subconjunto abierto de R n. 1.1. Condiciones Necesarias de Primer Orden. Proposición 1.1. Sea f : D R diferenciable. Si p
Más detallesTema 3: Sistemas de ecuaciones lineales
Tema 3: Sistemas de ecuaciones lineales 1. Introducción Los sistemas de ecuaciones resuelven problemas relacionados con situaciones de la vida cotidiana que tiene que ver con las Ciencias Sociales. Nos
Más detalles2. El conjunto de los números complejos
Números complejos 1 Introducción El nacimiento de los números complejos se debió a la necesidad de dar solución a un problema: no todas las ecuaciones polinómicas poseen una solución real El ejemplo más
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesMatrices y Determinantes
Apuntes de Álgebra Lineal Capítulo 3 Matrices y Determinantes 31 Operaciones con matrices 311 Suma, resta y multiplicación por escalares Las matrices de un tamaño fijo m n se pueden sumar entre sí y esta
Más detallesEjemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR}
Subespacios Capítulo 1 Definición 1.1 Subespacio Sea H un subconjunto no vacio de un espacio vectorial V K. Si H es un espacio vectorial sobre K bajo las operaciones de suma y multiplicación por escalar
Más detallesBLOQUE 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 detallesUNIDAD 10: ECUACIONES DE SEGUNDO GRADO.
UNIDAD 10: ECUACIONES DE SEGUNDO GRADO. 10.1 Estudio elemental de la ecuación de segundo grado. Expresión general. 10.2 Resolución de ecuaciones de segundo grado completas e incompletas. 10.3 Planteamiento
Más detallesRobusticidad de los Diseños D-óptimos a la Elección. de los Valores Locales para el Modelo Logístico
Robusticidad de los Diseños D-óptimos a la Elección de los Valores Locales para el Modelo Logístico David Felipe Sosa Palacio 1,a,Víctor Ignacio López Ríos 2,a a. Escuela de Estadística, Facultad de Ciencias,
Más detallesSistemas de ecuaciones lineales
Sistemas de ecuaciones lineales ALBERTO VIGNERON TENORIO Dpto. de Matemáticas Universidad de Cádiz Índice general 1. Sistemas de ecuaciones lineales 1 1.1. Sistemas de ecuaciones lineales. Definiciones..........
Más detallesEJERCICIOS RESUELTOS DE MATRICES
EJERCICIOS RESUELTOS DE MATRICES. Dadas las matrices A - 3, B 0 - y C 3 -, calcular si es posible: a) A + B b) AC c) CB y C t B d) (A+B)C a) A + B - 3 + 0 - b) AC - 3 3 - +0 -+ 3+ +(-) 0 7 0.+(-).3+(-)(-).+(-)
Más detallesFunciones integrables en R n
Capítulo 1 Funciones integrables en R n Sean un subconjunto acotado de R n, y f : R una función acotada. Sea R = [a 1, b 1 ]... [a n, b n ] un rectángulo que contenga a. Siempre puede suponerse que f está
Más detallesCURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre
CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una
Más detallesECUACIONES POLINÓMICAS CON UNA INCÓGNITA
Unidad didáctica. Ecuaciones, inecuaciones y sistemas de ecuaciones e inecuaciones ECUACIONES POLINÓMICAS CON UNA INCÓGNITA Las ecuaciones polinómicas son aquellas equivalentes a una ecuación cuyo primer
Más detallesProblemas de exámenes de Aplicaciones Lineales y Matrices
1 Problemas de exámenes de Aplicaciones Lineales y Matrices 1. Consideramos f End(R n ), que tiene matriz A respecto la base canónica. Cuál de las siguientes afirmaciones es incorrecta? a) Si v es un vector
Más detalles