Factorización de matrices totalmente no positivas y totalmente negativas
|
|
- Eva Núñez Revuelta
- hace 7 años
- Vistas:
Transcripción
1 XXI Congreso de Ecuaciones Diferenciales y Aplicaciones XI Congreso de Matemática Aplicada Ciudad Real, septiembre 2009 (pp. 1 8) Factorización de matrices totalmente no positivas y totalmente negativas R. Cantó 1, B. Ricarte 1, A.M. Urbano 1 1 Institut de Matemàtica Multidisciplinar, Universidad Politécnica de Valencia, E Valencia. s: rcanto@mat.upv.es, bearibe@mat.upv.es, amurbano@mat.upv.es. Palabras clave: de rango completo, LDU y QR. Matrices totalmente no positivas, matrices totalmente negativas, factorizaciones Resumen Una matriz real A de tamaño n m se dice que es totalmente no positiva (totalmente negativa) si todos sus menores son no positivos (negativos). En este trabajo se estudia, a partir de la factorización de rango completo en forma escalonada de una matriz A totalmente no positiva (totalmente negativa), la reducción significativa del número de menores que se deben estudiar para decidir sobre la total negatividad de una matriz. Además, en el caso de las matrices cuadradas totalmente no positivas (totalmente negativas) se obtiene una caracterización a partir de su factorización QR. 1. Introducción Una matriz A R n m es totalmente no positiva (totalmente negativa) y se denota como matriz t.n.p. (t.n.) si todos sus menores son no positivos (negativos). En el caso de matrices cuadradas totalmente negativas, en [7] se analizan propiedades espectrales y factorizaciones del tipo LDU y en [10] se obtiene una caracterización en términos de los parámetros de la eliminación de Neville. Para matrices invertibles totalmente no positivas, en [2] se estudia su caracterización a partir de la factorización LDU lo que permite, por una parte, reducir el número de menores a estudiar para saber si una matriz es totalmente no positiva y, por otra, obtener propiedades similares a las conocidas para las matrices totalmente positivas, TP, es decir matrices cuyos menores son todos no negativos. Recordamos que una matriz está en forma escalonada superior si cumple las tres condiciones siguientes: 1. Su primer elemento no nulo situado más a la izquierda en cada fila es un 1 llamado 1 principal de dicha fila. 1
2 R. Cantó, B. Ricarte, A.M. Urbano 2. Cada 1 principal está situado a la derecha de los 1 s principales de las filas anteriores. 3. Las filas nulas se sitúan debajo, en las últimas filas de la matriz. Diremos que una matriz está en forma escalonada inferior si su traspuesta está en forma escalonada superior. Dada una matriz A R n m con rank(a) = r, se llama factorización de rango completo en forma escalonada de A a la factorización de rango completo de la forma A = LDU, donde L R n r es una matriz en la forma escalonada inferior, D = diag(d 1, d 2,..., d r ) es una matriz diagonal e invertible, y U R r m es una matriz en la forma escalonada superior. Es conocido que no todas las matrices tienen factorizaciones de este tipo, pero si dicha factorización existe entonces es única [3]. Cuando A tiene rango completo por filas (columnas) diremos que L (U) es triangular inferior (superior) unitaria. En este trabajo, a partir de la caracterización para las matrices rectangulares totalmente no positivas (totalmente negativas) en términos de su factorización de rango completo [4], obtenemos una reducción significativa del número de menores a estudiar para saber si una matriz rectangular es totalmente no positiva o totalmente negativa. Estos resultados son análogos a los conocidos para las matrices totalmente positivas, TP, y para las matrices estrictamente totalmente positivas, STP, matrices cuyos menores son todos positivos. Además, en el caso cuadrado e invertible trasladamos a las matrices t.n.p. y t.n. una caracterización a partir de su factorización QR similar a la obtenida para matrices totalmente no negativas y totalmente positivas en [9, Teorema 4.7]. Denotaremos por A[α β] la submatriz de A formada por las filas de índices α {1, 2,..., n} y las columnas de índices β {1, 2,..., m}. La submatriz principal A[α α] se denota por A[α]. Además, dados k, n N, 1 k n, Q k,n denota el conjunto de todas las sucesiones crecientes de k números naturales menores o iguales que n. Cuando los números naturales son consecutivos, la secuencia se denota por Q 0 k,n. Obsérvese que A es una matriz t.n.p. (t.n.) si det A[α β] 0 (< 0), para todo α Q k,n y β Q k,m con k = 1, 2..., min{n, m}. Del mismo modo, A es una matriz TP (STP) si det A[α β] 0 (> 0), para todo α Q k,n y β Q k,m con k = 1, 2,..., min{n, m}. Diremos que una matriz A en forma escalonada inferior (superior) es STP si todos sus menores no triviales son positivos. 2. Caracterización de matrices t.n. y t.n.p. por menores En esta sección obtenemos una caracterización de las matrices totalmente negativas (t.n.) y de las matrices totalmente no positivas (t.n.p.) a partir del signo de determinados menores, teniendo en cuenta su factorización de rango completo en forma escalonada. Resultados similares para matrices STP se pueden encontrar en [8] y para TP en [5]. Los siguientes Teoremas, cuyas demostraciones pueden seguirse en [4], nos permiten obtener la factorización de rango completo de las matrices t.n.p. y t.n. Teorema 1 (Teorema 5 de [4]) Sea A = (a ij ) = LDU R n m con a nm < 0 y n m. A es una matriz t.n. si y sólo si A admite una factorización de rango completo en forma escalonada A = LDU, donde L R n n es una matriz escalonada inferior STP, U R n m es una matriz escalonada superior STP y D = diag( d 1, d 2,..., d n ) con d i > 0, i = 1, 2,..., n. 2
3 Factorización de matrices totalmente no positivas y totalmente negativas Teorema 2 (Teorema 9 de [4]) Sea A = (a ij ) R n m con a 11 < 0, a nm 0 y rank(a) = r. A es una matriz t.n.p. si y sólo si A admite una factorización de rango completo en forma escalonada A = LDU, donde L R n r es una matriz TP escalonada inferior, U R r m es una matriz TP escalonada superior, rank(l) = rank(u) = r, todos los elementos de L y de U que no son nulos por la estructura triangular de las matrices deben ser necesariamente positivos, y D = diag( d 1, d 2,..., d r ) con d i > 0, i = 1, 2,..., r. Definición 1 Dada una matriz A R n m, sus menores det A[α 1, 2,..., k] con α Q 0 k,n y k = 1, 2,..., mín{n, m}, se llaman menores iniciales por columnas de A, y los menores det A[1,..., k β] con β Q 0 k,m y k = 1, 2,..., mín{n, m}, se conocen como menores iniciales por filas de A. A partir de los Teoremas 1 y 2 y de la definición anterior damos una caracterización de las matrices rectangulares totalmente negativas (t.n.) en términos del signo de sus menores iniciales por filas y por columnas. Esta caracterización es análoga al resultado obtenido para matrices rectangulares STP en [8]. Teorema 3 Sea A R n m con a nm < 0 y n m. A es una matriz t.n. si y sólo si para cada k = 1, 2,..., n, las siguientes desigualdades se satisfacen: det A[α 1, 2,..., k] < 0, para todo α Q 0 k,n (1) det A[1, 2,..., k β] < 0, para todo β Q 0 k,m (2) Demostración: Si A es t.n. las desigualdades (1) y (2) se satisfacen. Recíprocamente, a partir de (1) obtenemos la factorización de rango completo en forma escalonada A = LDU, donde L R n n es una matriz triangular inferior unitaria, D = diag( d 1, d 2,..., d n ) con d i > 0, i = 1, 2,..., n y U R n m es una matriz escalonada superior con la submatriz U[1, 2,..., n] triangular superior unitaria. Por (1) se tiene que y de (2) det L[α 1, 2,..., k] > 0 para todo α Q 0 k,n, k = 1, 2,..., n det U[1, 2,..., k β] > 0 para todo β Q 0 k,m, k = 1, 2,..., n. Por [8, Teorema 4.1] L es una matriz triangular inferior unitaria STP y U es escalonada superior STP. Utilizando el Teorema 1, A es t.n. El siguiente resultado es la caracterización de las matrices rectangulares totalmente no positivas con rango completo por columnas, que permite reducir el número de menores que se deben comprobar para estudiar la no positividad de una matriz. El resultado equivalente para las matrices totalmente no negativas (TP) viene dado en [5]. Teorema 4 Sea A = (a ij ) R n r con rank(a) = r, a nr 0 y el resto de sus elementos menores que cero. Sea A 1 R r r la submatriz invertible de A formada por sus primeras r filas linealmente independiantes. Entonces, A es t.n.p. si y sólo si para cada k = 1, 2,..., r, las siguientes desigualdades se satisfacen: det A[α 1, 2,..., k] 0, para todo α Q k,n (3) det A 1 [1, 2,..., k β] 0, para todo β Q k,r (4) det A 1 [1, 2,..., k] < 0. (5) 3
4 R. Cantó, B. Ricarte, A.M. Urbano Demostración: Si A es t.n.p. la desigualdad (3) se satisface. Por otra parte, puesto que A 1 es una matriz t.n.p. invertible, (4) y (5) se obtienen a partir de [2]. Recíprocamente, por (3) para todo α Q k,r la siguiente desigualdad se satisface det A 1 [α 1, 2,..., k] 0. (6) Entonces, por (4), (5), (6) y [2, Teorema 4.1] tenemos que A 1 es una matriz t.n.p. invertible. Por tanto, A 1 admite una factorización A 1 = L A1 D A1 U A1, donde L A1 R r r es una una matriz TP triangular inferior unitaria, D A1 = diag( d 1, d 2,..., d r ) con d i > 0, i = 1, 2,..., r, y U A1 R r r es una matriz TP triangular superior unitaria. Puesto que A = F A 1, donde F R n r es una matriz escalonada inferior, se obtiene que A = F A 1 = F (L A1 D A1 U A1 ) = (F L A1 )D A1 U A1 = LDU, donde D = D A1, U = U A1 y L = F L A1 es una matriz escalonada inferior tal que det A[α 1, 2,..., k] = k d i det L[α 1, 2,..., k] 0 = L[α 1, 2,..., k] 0. i=1 Por [5, Proposición 2] L es TP y por [4] se concluye que A es t.n.p. Obsérvese que la matriz A 1 formada por las r primeras filas linealmente independientes de A son las r columnas con un 1 principal que se obtienen al calcular la forma escalonada de A T. 3. Una caracterización de las matrices t.n. y de las matrices t.n.p. invertibles a partir de su factorización QR En [9] los autores introducen los conceptos de lowerly TP (lowerly STP) y de γ-matriz (γ-matriz estricta) para matrices TP (STP) invertibles, los cuales permiten obtener una caracterización para este tipo de matrices a partir de su factorización QR. La extensión de esos conceptos y caracterizaciones a matrices TP singulares o rectangulares viene dada en [5]. En esta sección damos una caracterización similar para matrices t.n.p. (t.n.) invertibles utilizando para ello los conceptos de lowerly t.n.p. (lowerly t.n.) y quasi γ-matriz (quasi γ- matriz estricta), respectivamente. Representamos por I ( 1) a la matriz diag( 1, 1,..., 1). Definición 2 Una matriz invertible A R n n es lowerly t.n.p. (lowerly t.n.) si y sólo si A se descompone en la forma A = LDU, donde L R n n es triangular inferior unitaria, D = diag( d 1, d 2,..., d n ) con d i > 0, i = 1, 2,..., n, U R n n es triangular superior unitaria y LDI ( 1) es una matriz TP ( STP). Nótese que si LDI ( 1) es una matriz TP, entonces L y DI ( 1) = diag(d 1, d 2,..., d r ) son matrices TP. Las siguientes proposiciones dan una caracterización de las matrices lowerly t.n.p. y lowerly t.n., respectivamente. Proposición 1 Una matriz invertible A R n n es lowerly t.n.p. si y sólo si para cada k = 1, 2,..., n, se verifican las siguientes desigualdades: det A[α 1, 2,..., k] 0, para todo α Q k,n (7) det A[1, 2,..., k] < 0. (8) 4
5 Factorización de matrices totalmente no positivas y totalmente negativas Demostración: Por ser A lowerly t.n.p. obtenemos la factorización A = LDU donde, L R n n es triangular inferior unitaria, D = diag( d 1, d 2,..., d n ) con d i > 0, i = 1, 2,..., n, U R n n es triangular superior unitaria y LDI ( 1) es una matriz TP. Por tanto det A[1, 2,..., k] < 0, para todo k = 1, 2,..., n. Teniendo en cuenta que L es TP, por la identidad de Binet-Cauchy [1, Eq.(1.23)] obtenemos que para todo α Q k,n y k = 1, 2,..., n se cumple ( k ) det A[α 1, 2,..., k] = d i det L[α 1, 2,..., k] 0. i=1 Recíprocamente, por (8) A puede ser descompuesta, aplicando el método de eliminación de Gauss sin intercambio de filas, en la forma A = LDU, con L (U) triangular inferior (superior) unitaria y D = diag( d 1, d 2,..., d n ) con d i > 0, i = 1, 2,..., n. Por la identidad de Binet-Cauchy, para todo α Q k,n y k = 1, 2,..., n se verifica det ( LDI ( 1) ) [α 1, 2,..., k] = det A[α 1, 2,..., k] 0 Por [1] tenemos que LDI ( 1) es TP y, como consecuencia, A es lowerly t.n.p. Proposición 2 Una matriz invertible A R n n es lowerly t.n. si y sólo si para cada k = 1, 2,..., n, se verifica la siguiente desigualdad: det A[α 1, 2,..., k] < 0, para todo α Q 0 k,n (9) Demostración: La demostración es análoga a la anterior pero teniendo en cuenta la caracterización de matriz STP que podemos encontrar en [6], [7] ó [9], entre otros. Definición 3 Una matriz invertible A R n n se dice que es una quasi γ-matriz (quasi γ-matriz estricta) si es lowerly t.n.p. (lowerly t.n.) y en la factorización A = LDU, (DUI ( 1) ) 1 es TP ( STP). Ejemplo 1 La matriz es quasi γ-matriz porque, A = siendo LDI ( 1) = A = , / ( DUI( 1) ) 1 = = LDU 1 5/6 1/3 0 1/6 1/ /5 matrices TP triangular inferior y triangular superior, respectivamente. 5
6 R. Cantó, B. Ricarte, A.M. Urbano Nota 1 Una condición suficiente para que una matriz invertible A R 2 2 sea quasi γ- matriz es que A sea t.n.p. Dicha condición no es necesaria como podemos ver con la siguiente matriz, la cual es quasi γ-matriz pero no es t.n.p., A = [ ] = [ 1 0 1/2 1 ] [ ] [ Por otra parte, es fácil comprobar que si una matriz invertible A R n n, con n 3, es t.n.p. entonces no es una quasi γ-matriz. ] La siguiente proposición nos permite dar una caracterización de las quasi γ-matrices. Este resultado es similar al obtenido en [9, Proposición 4.6]. Proposición 3 Si A y (A T ) 1 son matrices lowerly t.n.p., entonces A es quasi γ-matriz. Demostración: Como A es lowerly t.n.p. tenemos que A = LDU, donde L R n n (U R n n ) es triangular inferior (superior) unitaria, D = diag( d 1, d 2,..., d n ) con d i > 0, i = 1, 2,..., n y LDI ( 1) es TP. Sólo nos queda probar que (DUI ( 1) ) 1 es TP. Como por hipótesis (A T ) 1 es lowerly t.n.p. se verifica que det(a T ) 1 [γ 1, 2,..., k] 0 para todo γ Q k,n y k = 1, 2,..., n. Por tanto, det ( (D T ) 1 (U T ) 1 I ( 1) ) [α 1, 2,..., k] = De donde obtenemos que = det ( (L T )(A T ) 1 ) I ( 1) [α 1, 2,..., k] = det L T ( [α γ] det (A T ) 1 ) I ( 1) [γ 1, 2,..., k] 0. γ Q k,n ( DUI( 1) ) 1 = I 1 ( 1) U 1 D 1 = ( (D T ) 1 (U T ) 1 I ( 1) ) T es una matriz TP triangular superior y, como consecuencia, A es quasi γ-matriz. Una caracterización análoga puede obtenerse para las quasi γ-matrices estrictas. Proposición 4 Si A y (A T ) 1 son matrices lowerly t.n., entonces A es quasi γ-matriz estricta. Los recíprocos de las Proposiciones 3 y 4 no son ciertos, en general, como muestra el siguiente ejemplo. Ejemplo 2 Las matrices A 1 = / / /7 y A 2 =
7 Factorización de matrices totalmente no positivas y totalmente negativas son quasi γ-matriz y quasi γ-matriz estricta, respectivamente. Obviamente A 1 y A 2 son lowerly t.n.p. y lowerly t.n., sin embargo, las matrices (A T 1 ) 1 = 0 5/14 11/ y (A T 2 ) 1 = no son lowerly t.n.p. ni lowerly t.n., respectivamente. 25/2 29/5 7/5 5 11/5 3/5 1 2/5 1/5 Nota 2 Si A es lowerly t.n.p. la condición necesaria y suficiente para que (A T ) 1 sea lowerly t.n.p. es que A verifique las siguientes desigualdades: det A[k, k + 1,..., n] > 0, para todo k = 2, 3,..., n ( 1) n k i=1 α i+((k+1+n)(n k)/2) det A[α 1, α 2,..., α n k k + 1, k + 2,..., n] 0, para k = 1, 2,..., n 1 y {α 1, α 2,..., α n k } Q n k,n Si A es lowerly t.n. la condición necesaria y suficiente para que (A T ) 1 sea lowerly t.n. es que A verifique para k = 1, 2,..., n 1 y {α 1, α 2,..., α n k } Q n k,n las siguientes desigualdades: ( 1) n k i=1 α i+((k+1+n)(n k)/2) det A[α 1, α 2,..., α n k k + 1, k + 2,..., n] > 0. A partir del concepto de quasi γ-matriz (quasi γ-matriz estricta) vamos a dar la siguiente caracterización para las matrices t.n.p. (t.n.) teniendo en cuenta su factorización QR. Teorema 5 Sea A = (a ij ) R n n una matriz invertible con a nn 0 y el resto de sus elementos negativos. Entonces, A es una matriz t.n.p si y sólo si existen dos quasi γ- matrices ortogonales Q 1 R n n y Q 2 R n n, y dos matrices TP triangulares superiores e invertibles R 1 R n n y R 2 R n n, tales que A = Q 1 R 1 y A T = Q 2 R 2. Demostración: Supongamos que A es t.n.p. Por ser A invertible sabemos que admite una única factorización Q 1 R 1, donde Q 1 R n n es una matriz ortogonal y R 2 R n n es triangular superior invertible, siendo el factor superior de Cholesky de A T A y por [5] TP. Por otra parte, como A es una matriz t.n.p. invertible, A verifica las desigualdades (7) y (8), y por la identidad de Binet-Cauchy tenemos que las matrices Q 1 y (Q T 1 ) 1 = Q 1 también las verifican. Por tanto, por la Proposición 3, Q 1 es quasi γ-matriz ortogonal. Razonando de manera análoga obtenemos el resultado para A T. Recíprocamente, supongamos que A = Q 1 R 1 y A T = Q 2 R 2. Como Q 1 es quasi γ- matriz es, por definición, lowerly t.n.p. y por la Proposición 1 verifica las desigualdades (7) y (8). De nuevo, por Binet-Cauchy tenemos que para todo k = 1, 2,..., n se verifica que det A[α 1, 2,..., k] 0, para todo α Q k,n (10) det A[1, 2,..., k] < 0. (11) 7
8 R. Cantó, B. Ricarte, A.M. Urbano Análogamente, Q 2 verifica las desigualdades (7) y (8) y, por tanto, para todo k = 1, 2,..., n tenemos que det A T [α 1, 2,..., k] 0, para todo α Q k,n (12) det A T [1, 2,..., k] < 0. (13) A partir de las desigualdades (10), (11) y (12) y de [2, Teorema 4.1] podemos afirmar que A es t.n.p. Teorema 6 Sea A R n n una matriz invertible con todos sus elementos negativos. Entonces, A es una matriz t.n. si y sólo si existen dos quasi γ-matrices estrictas y ortogonales Q 1 R n n y Q 2 R n n, y dos matrices triangulares superiores STP R 1 R n n y R 2 R n n, tales que A = Q 1 R 1 y A T = Q 2 R 2. Demostración: La demostración es análoga a la del teorema anterior pero teniendo en cuenta la Proposición 2 y [2, Remark 4.2]. Agradecimientos Trabajo financiado por el proyecto DGI MTM y por el proyecto de incentivación de la investigación de la Universidad Politécnica de Valencia. Referencias [1] T. Ando, Totally positive matrices, Linear Algebra Appl. 90 (1987), [2] R. Cantó, P. Koev, B. Ricarte, A. M. Urbano, LDU-factorization of Nonsingular Totally Nonpositive Matrices, SIAM J. Matrix Anal. Appl. 30 n o 2 (2008), [3] R. Cantó, B. Ricarte, A. M. Urbano, Full rank factorization and Flanders Theorem, Submitted. [4] R. Cantó, B. Ricarte and A. M. Urbano, Full rank factorization in echelon form of totally nonpositive (negative) rectangular matrices, Submitted. [5] R. Cantó, B. Ricarte and A. M. Urbano, Characterizations of rectangular totally and strictly totally positive matrices, Submitted. [6] C. W. Cryer, The LU-factorization of Totally Positive Matrices, Linear Algebra Appl. 7 (1973), [7] S. M. Fallat, P. Van Den Driessche, On matrices with all minors negative, Electronic Journal of Linear Algebra 7 (2000), [8] M. Gasca, J. M. Peña, Total positivity and Neville elimination, Linear Algebra Appl. 44 (1992), [9] M. Gasca, J. M. Peña, Total positivity, QR factorization and Neville elimination, SIAM J. Matrix Anal. Appl. 4 (1993), [10] M. Gasca, J. M. Peña, A test for strict sign-regularity, Linear Algebra Appl. 197/198 (1994),
Propiedades de las Matrices Totalmente no Positivas
XX Congreso de Ecuaciones Diferenciales y Aplicaciones X Congreso de Matemática Aplicada Sevilla, 24-28 septiembre 2007 (pp 1 8) Propiedades de las Matrices Totalmente no Positivas R Cantó 1, B Ricarte
Más detallesFactorización de rango completo y aplicaciones
XXI Congreso de Ecuaciones Diferenciales y Aplicaciones XI Congreso de Matemática Aplicada Ciudad Real, 21-25 septiembre 2009 (pp. 1 8) Factorización de rango completo y aplicaciones R. Cantó 1, B. Ricarte
Más detallesA.M. Urbano, R. Cantó, B. Ricarte Institut de Matemàtica Multidisciplinar, Universitat Politècnica de València, E Valencia
Factorización de Cholesky de matrices singulares A.M. Urbano, R. Cantó, B. Ricarte Institut de Matemàtica Multidisciplinar, Universitat Politècnica de València, E-460 Valencia amurbano@mat.upv.es,rcanto@mat.upv.es,bearibe@mat.upv.es,
Más detallesAlgunos resultados acerca de B-matrices.
XXI Congreso de Ecuaciones Diferenciales y Aplicaciones XI Congreso de Matemática Aplicada Ciudad Real, 21-25 septiembre 2009 (pp. 1 8) Algunos resultados acerca de B-matrices. Manuel F. Abad 1, María
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 detallesMatrices con inversa positiva
XX Congreso de Ecuaciones Diferenciales y Aplicaciones X Congreso de Matemática Aplicada Sevilla 24-28 septiembre 2007 (pp. 1 8) Matrices con inversa positiva MANUEL F. ABAD 1 JUAN R. TORREGROSA 1 1 Dpto.
Más detallesMatrices, 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 detallesALGEBRA 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 detallesTema 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 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 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 7. Matrices y determinantes.
TEMA 7 Matrices y determinantes. 1. Matrices. Generalidades Definición 1 Sea E un conjunto cualquiera, m, n IN. Definimos matriz de orden m n sobre E a una expresión de la forma: a 11 a 12... a 1n a 21
Más 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 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 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 detallesTema 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 detallesMatrices. 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 detallesMATRICES. 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 detallesDETERMINANTES Profesor: Fernando Ureña Portero
: CONCEPTO, CÁLCULO DE. Definición: A cada matriz cuadrada A=a ij, de orden n, se le asigna un número real, denominado determinante de A, denotado por A o por det (A). A =det (A)= 1.-Determinante de orden
Más detallesProducto Hadamard de B-matrices. 1. Introducción
Producto Hadamard de B-matrices Manuel F. Abad, María T. Gassó, Juan R. Torregrosa Instituto de Matemática Multidisciplinar, Universitat Politècnica de València. (ALAMA) maabrod@mat.upv.es, mgasso@mat.upv.es,
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 detallesTEMA 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 detallesMatemática 2 MAT022. Clase 6 (Complementos) Departamento de Matemática Universidad Técnica Federico Santa María. Determinante de una matriz
Matemática 2 MAT022 Clase 6 (Complementos) Departamento de Matemática Universidad Técnica Federico Santa María Tabla de Contenidos 1 Determinante de una matriz Sea A la matriz de orden 2 2 con coeficientes
Más detallesMenor, cofactor y comatriz
Menor, cofactor y comatriz Sea A una matriz cuadrada de orden n. Al quitarle la línea i y la columna j se obtiene una submatriz de orden n-1, que se denota habitualmente A i,j. Por ejemplo, con n = 4,
Más detallesConjuntos y matrices. Sistemas de ecuaciones lineales
1 Conjuntos y matrices Sistemas de ecuaciones lineales 11 Matrices Nuestro objetivo consiste en estudiar sistemas de ecuaciones del tipo: a 11 x 1 ++ a 1m x m = b 1 a n1 x 1 ++ a nm x m = b n Una solución
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 detallesÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3
ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 Matrices y determinantes (Curso 2011 2012) 2. Sea A una matriz diagonal n n y supongamos que todos los elementos de su diagonal son distintos entre sí.
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 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 detallesDefinición: 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 detallesMatrices 1. Se denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.
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 matriz se
Más detallesMatemáticas Física Curso de Temporada Verano Ing. Pablo Marcelo Flores Jara
Matemáticas Física Curso de Temporada Verano 2016 Ing. Pablo Marcelo Flores Jara pablofloresjara@gmail.com UNIDAD III: INTRODUCCIÓN AL CÁLCULO MATRICIAL Ing. Pablo Marcelo Flores Jara pablofloresjara@gmail.com
Más detallesEspacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados
Capítulo 5 Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados En este tema iniciamos el estudio de los conceptos geométricos de distancia y perpendicularidad en K n. Empezaremos con las definiciones
Más detalles3. 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 detallesDeterminantes. Concepto de determinante A cada matriz cuadrada A se le asigna un número denominado determinante de A, denotado por A o por det (A).
Determinantes Concepto de determinante A cada matriz cuadrada A se le asigna un número denominado determinante de A, denotado por A o por det (A). A = Determinante de orden uno a 11 = a 11 5 = 5 Determinante
Más detallesDepartamento de Ingeniería Matemática - Universidad de Chile
Ingeniería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Álgebra Lineal 8-7 Formas cuadráticas SEMANA 4: FORMAS CUADRÁTICAS 7 Formas cuadráticas y matrices definidas positivas
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 detallesMatrices y Sistemas de Ecuaciones lineales
Matrices y Sistemas de Ecuaciones lineales Llamaremos M m n (K) al conjunto de las matrices A = (a ij ) (i = 1, 2,..., m; j = 1, 2,..., n) donde los elementos a ij pertenecen a un cuerpo K. Las matrices,
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 detallesTema 4: Determinantes
Tema 4: Determinantes Curso 2016/2017 Ruzica Jevtic Universidad San Pablo CEU Madrid Índice de contenidos Introducción Propiedades de los determinantes Regla de Cramer Inversión de matrices Áreas y volúmenes
Más detallesTema 2: Determinantes
Tema 2: Determinantes 1. Introducción En este tema vamos a asignar a cada matriz cuadrada de orden n, A M n un número real que llamaremos su determinante y escribiremos A. Vamos a ver cómo se calcula.
Más detallesTema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES
Tema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES Prof. Rafael López Camino Universidad de Granada 1 Matrices Definición 1.1 Una matriz (real) de n filas y m columnas es una expresión de la forma a 11...
Más detallesÁlgebra Lineal y Estructuras Matemáticas. J. C. Rosales y P. A. García Sánchez. Departamento de Álgebra, Universidad de Granada
Álgebra Lineal y Estructuras Matemáticas J. C. Rosales y P. A. García Sánchez Departamento de Álgebra, Universidad de Granada Capítulo 4 Matrices con coeficientes en un cuerpo 1. Matrices Sean I = {1,
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 detallesMatrices y determinantes (Curso )
ÁLGEBRA Práctica 3 Matrices y determinantes (Curso 2008 2009) 1. En el conjunto de las matrices n n de elementos reales, demostrar que el producto de matrices triangulares inferiores es otra matriz triangular
Más 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 detallesTema 1: Matrices y Determinantes
Tema 1: Matrices y Determinantes September 14, 2009 1 Matrices Definición 11 Una matriz es un arreglo rectangular de números reales a 11 a 12 a 1m a 21 a 22 a 2m A = a n1 a n2 a nm Se dice que una matriz
Más detallesMATEMÁTICAS 2º BACH CIENCIAS DETERMINANTES DETERMINANTES
1. CONCEPTO, CÁLCULO DE. Definición: A cada matriz cuadrada A=(aij),de orden n, se le asigna un número real, denominado determinante de A, denotado por A o por det (A). A =det (A)= 1.-Determinante de orden
Más detallesMatrices 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 detallesEJERCICIOS PAU MATEMÁTICAS II ARAGÓN Autor: Fernando J. Nora Costa-Ribeiro Más ejercicios y soluciones en fisicaymat.wordpress.com
MATRICES Y DETERMINANTES 1- Sea m un número real y considere la matriz: 1 0 0 1 2 1 1 a) Determine todos los valores de m para los que la matriz A tiene inversa. b) Determine, si existe, la inversa de
Más detallesMATRICES,DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES
Departamento de Matemática Aplicada II EEI ÁLGEBRA Y ESTADÍSTICA Boletín n o 1 (2010-2011 MATRICES,DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES 1 Sean A, B, C, D y E matrices de tamaño 4 5, 4 5, 5 2,
Más detalles1 de 6 24/08/2009 9:54 MATRICES 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
Más detallesConcepto de matriz Se denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.
Matrices 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 matriz se denomina
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 detallesRESOLUCIÓN DE SISTEMAS LINEALES
Contenido 1 Métodos de Solución Contenido Métodos de Solución 1 Métodos de Solución Desarrollamos el algoritmo de sustitución regresiva, con el que podremos resolver un sistema de ecuaciones lineales cuya
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 4: Sistemas de ecuaciones lineales.
Tema 4: Sistemas de ecuaciones lineales 1 Rango de una matriz Definición Sea A Mat n m (K) Se llama rango de filas de A, y se denota por rg f (A) la dimensión del subespacio vectorial generado por las
Más detalles1 Autovalores y autovectores asociados a un endomor smo f. Diagonalización.
utovalores y autovectores asociados a un endomor smo f Diagonalización Dado un endomor smo f de un espacio vectorial real V y jada una base B de V obtenemos una única matriz asociada a f respecto de la
Más detallesTema 2: Determinantes
Tema 2: Determinantes 1. Introducción En este tema vamos a asignar a cada matriz cuadrada de orden, un número real que llamaremos su determinante y escribiremos. Vamos a ver cómo se calcula. Consideremos
Más detallesMAT web:
Clase No. 7: MAT 251 Matrices definidas positivas Matrices simétricas Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/
Más detallesTema 4: Estructura vectorial de R n.
TEORÍA DE ÁLGEBRA I: Tema 4. DIPLOMATURA DE ESTADÍSTICA 1 Tema 4: Estructura vectorial de R n. 1 Definiciones y propiedades Definición. 1.1 Denotaremos por R n al conjunto de todas las n-tuplas de números
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 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 y Determinantes
Capítulo 1 Matrices y Determinantes 11 Matrices Generalidades Definición 11 Sea E un conjunto cualquiera, m, n N Definimos matriz de orden m n sobre E a una expresión de la forma: a 11 a 12 a 1n a 21 a
Más detallesMATRICES. 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 detallesEs 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 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 detallesMATRICES. 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 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 detallesSistemas de Ecuaciones Lineales. Matrices y determinantes.
Capítulo 3 Sistemas de Ecuaciones Lineales Matrices y determinantes 31 Sistemas de Ecuaciones Lineales El problema central del Álgebra Lineal es la resolución de ecuaciones lineales simultáneas Una ecuación
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 detallesDiagonalización de matrices
7 Diagonalización de matrices 7.1. Matrices diagonalizables Existen diversos procesos en los que el estado en cada uno de sus pasos se puede representar por un determinado vector y en los que, además,
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 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 detalles1.1. CÁLCULO DEL RANGO POR EL MÉTODO DE GAUSS. son matrices escalonadas reducidas mientras que
1 1 PRELIMINARES 11 CÁLCULO DEL RANGO POR EL MÉTODO DE GAUSS Denición 1 Una matriz es escalonada si: 1 Todas las las nulas, si las hay, están en la parte inferior de la matriz 2 El número de ceros al comienzo
Más detalles3.7. Determinantes. Definición. El determinante de una matriz cuadrada es la suma equilibrada de todos esos posibles Definición de determinante.
37 Determinantes 11 Definición de determinante 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
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 detallesÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3
ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 Matrices y determinantes (Curso 010 011). Sea A una matriz diagonal n n y supongamos que todos los elementos de su diagonal son distintos entre sí. Demostrar
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 detallesDiagonalización de una Matriz
Diagonalización de una Matriz Departamento de Matemáticas, CCIR/ITESM 9 de febrero de 2011 Índice 19.1.Introducción............................................... 1 19.2.Matriz diagonalizable..........................................
Más detalles1 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 detallesTEMA V. Pues bien, a estas caracterizaciones de los sistemas de ecuaciones lineales se las llamó matrices. En el caso del sistema considerado tenemos:
TEMA V 1. MATRICES Y SISTEMAS DE ECUACIONES LINEALES. Sea el siguiente sistema de ecuaciones lineales: Realmente quien determina la naturaleza y las soluciones del sistema, no son las incógnitas: x, y,
Más detallesFundamentos matemáticos. Tema 2 Matrices y ecuaciones lineales
Grado en Ingeniería agrícola y del medio rural Tema 2 José Barrios García Departamento de Análisis Matemático Universidad de La Laguna jbarrios@ull.es 2017 Licencia Creative Commons 4.0 Internacional J.
Más detallesA cada matriz n-cuadrada A = (ai j ) se le asigna un escalar particular denominado determinante de A, denotado por det (A), A o
DETERMINANTES A cada matriz n-cuadrada A = (ai j ) se le asigna un escalar particular denominado determinante de A, denotado por det (A), A o Una tabla ordenada n ð n de escalares situada entre dos líneas
Más detallesProducto Escalar. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Producto Escalar 1 / 31
Producto Escalar AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Producto Escalar 1 / 31 Objetivos Al finalizar este tema tendrás que: Saber usar el producto escalar. Calcular
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 detallesUna 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 detallesAlgebra lineal Matrices
Algebra lineal Matrices Una matriz A un arreglo rectangular de números dispuestos en m renglones (filas) y n columnas. Fila 1 La componente o elemento ij de A, denotado por es el número que aparece en
Más detallesTEMA 1: MATRICES Y DETERMINANTES
TEMA 1: MATRICES Y DETERMINANTES 1 Matrices Definición 11 Una matriz es un arreglo rectangular de números reales de la forma a 11 a 12 a 1m a 21 a 22 a 2m A = a n1 a n2 a nm Las líneas horizontales (verticales)
Más detallesSumas subdirectas de M-matrices invertibles
Sumas subdirectas de M-matrices invertibles Rafael Bru * Francisco Pedroche * Daniel B. Szyld ** CEDYA 00 - Congreso de Ecuaciones Diferenciales y Aplicaciones. Leganés, 19 al de Septiembre de 00. Madrid,
Más detallesContenido. 2 Operatoria con matrices. 3 Determinantes. 4 Matrices elementales. 1 Definición y tipos de matrices
elementales Diciembre 2010 Contenido Definición y tipos de matrices elementales 1 Definición y tipos de matrices 2 3 4 elementales 5 elementales Definición 1.1 (Matriz) Una matriz de m filas y n columnas
Más detallesÁlgebra Lineal. Tema 8. Valores y vectores propios. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Tema 8. Valores y vectores propios Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR
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 detallesPodemos pues formular los dos problemas anteriores en términos de matrices.
Tema 5 Diagonalización 51 Introducción Valores y vectores propios 511 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial V de dimensión
Más detallesAPUNTES DE ÁLGEBRA LINEAL TEMA 2. SISTEMAS DE ECUACIONES LINEALES
APUNTES DE ÁLGEBRA LINEAL TEMA 2. SISTEMAS DE ECUACIONES LINEALES Ignacio López Torres. Reservados todos los derechos. Prohibida la reproducción total o parcial de esta obra, por cualquier medio electrónico
Más detallesÁLGEBRA Ejercicios no resueltos de la Práctica 3
ÁLGEBRA Ejercicios no resueltos de la Práctica 3 Matrices y determinantes (Curso 2007 2008) 15. Encontrar la (única) respuesta correcta, de entre las indicadas, a las siguientes cuestiones: (b) En una
Más detallesÁLGEBRA LINEAL I NOTAS DE CLASE UNIDAD 2
ÁLGEBRA LINEAL I NOTAS DE CLASE UNIDAD 2 Abstract Estas notas conciernen al álgebra de matrices y serán actualizadas conforme el material se cubre Las notas no son substituto de la clase pues solo contienen
Más detallesDiagonalización. Tema Valores y vectores propios Planteamiento del problema Valores y vectores propios
61 Matemáticas I : Álgebra Lineal Tema 6 Diagonalización 61 Valores y vectores propios 611 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial
Más detallesFactorización de matrices
CAPÍTULO Factorización de matrices En este capítulo se estudian algunas de las técnicas más utilizadas para factorizar matrices, es decir, técnicas que permiten escribir una matriz como producto de dos
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 detalles