Tema 2 Conjuntos convexos
|
|
- Juana Jiménez Vera
- hace 7 años
- Vistas:
Transcripción
1 Tema 2 Conjuntos convexos José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid
2 Contenidos del tema 2 Conjuntos convexos. Propiedades básicas y ejemplos. Cierre e interior de un conjunto convexo. Teorema de la proyección. Teoremas de separación. Caracterización de puntos extremos y direcciones extremas de S = {x : Ax = b, x 0}. Teorema de representación.
3 Conjuntos afines y convexos y = θx 1 + (1 θ)x 2 = x 2 + θ(x 1 x 2 ), x 1, x 2 R n Convex sets PSfrag replacements θ = 1.2 x 1 θ = 1 θ = 0.6 x 2 θ = 0 θ = 0.2 Figure 2.1 The line passing through x 1 and x 2 is described parametrically by θx 1 + (1 θ)x 2, where θ varies over R. The line segment between x 1 and x 2, which corresponds to θ between 0 and 1, is shown darker. Conjunto afín: si x 1, x 2 S, entonces θx 1 + (1 θ)x 2 S, para todo θ R. an affine set contains every affine combination of its points: If C is an affine set, x 1,..., x k C, and θ θ k = 1, then the point θ 1 x θ k x k also belongs to C. θx 1 + (1 θ)x 2 S, para todo θ [0, 1]. If C is an affine set and x 0 C, then the set Conjunto convexo: si x 1, x 2 S, entonces
4 Ejemplos de conjuntos convexos Hiperplanos: S = {x : p x = α}, donde p R n, α R. Semiespacios: S = {x : p x α}, donde p R n, α R. Intersección arbitraria de convexos: Si S i es convexo para todo i I, entonces S = I i=1 S i es un conjunto convexo. Un poliedro (intersección finita de semiespacios) es un conjunto convexo. Por ejemplo, S = {x : Ax b, x 0} es un conjunto convexo. Una bola B( x, r) = {x R n : x x < r} es un conjunto convexo (para cualquier norma).
5 Combinaciones afines Combinación afín de x 1,..., x k R n : donde λ λ k = 1. y = λ 1 x λ k x k, Cierre afín de S: { k afin(s) = λ i x i : x i S, i=1 } k λ i = 1. i=1 Un conjunto es afín si y solo S = afin(s). Un conjunto es afín si y solo si es la traslación de un subespacio vectorial (único) La dimensión afín de un conjunto es la dimensión de su cierre afín (que a su vez es la dimensión del correspondiente subespacio vectorial).
6 Combinaciones convexas y cierre convexo Combinación convexa de x 1,..., x k R n : y = λ 1 x λ k x k, donde λ λ k = 1 y λ i 0, para todo i = 1,..., n. Cierre convexo de S: { k conv(s) = λ i x i : x i S, λ i 0, i=1 } k λ i = 1. i=1 Un conjunto S es convexo si y solo si S = conv(s). conv(s) es el menor conjunto convexo que contiene a S.
7 Cierre convexo
8 Teorema de Carathéodory Cualquier punto del cierre convexo de un conjunto de R n se puede poner como combinación lineal convexa de a lo más n + 1 puntos del conjunto. Teorema: Sea S R n. Si x conv(s), entonces x = n+1 i=1 λ ix i, con n+1 i=1 λ i = 1, λ i 0, x i S, para todo i = 1,..., n + 1. Demostración: Sea x conv(s), entonces x = k i=1 λ i x i, con k i=1 λ i = 1, λ i > 0, x i S. 1. Si k n + 1, hemos terminado. 2. Si k > n + 1, x 2 x 1,..., x k x 1 son linealmente dependientes. 3. Existen µ i (alguno estrictamente positivo) tales que k i=1 µ i x i = Tenemos que x = k i=1 (λ i αµ i )x i, donde α = min{λ j /µ j : µ j > 0} := λ r /µ r > Hemos conseguido expresar x como combinación convexa de k 1 elementos. Volvemos al paso 1. En un número finito de iteraciones habremos terminado.
9 Interior relativo Sea S R n un convexo cuyo cierre afín es afin(s). El interior relativo de S se define como el conjunto de puntos x S tales que existe r > 0 con B(x, r) afin(s) S. Cuál es el interior relativo de {x R 3 : 1 x 1 1, 1 x 2 1, x 3 = 0}? Teorema: Un conjunto convexo no vacío en R n tiene interior relativo no vacío. Teorema: El interior de un conjunto convexo en R n es vacío si y solo si el conjunto está contenido en un hiperplano de R n.
10 Cierre e interior de un conjunto convexo Lema: Sea S R n un conjunto convexo con int(s). Sea x 1 S, x 2 int(s). Entonces, θx 1 + (1 θ)x 2 int(s), para todo θ [0, 1). Demostración: Sea y = θx 1 + (1 θ)x Existe ɛ > 0 tal que B(x 2, ɛ) S. 2. Sea ỹ B(y, η), con η = ɛ(1 θ). 3. Como x 1 S, existe x 1 S tal que x 1 x 1 < η ỹ y θ 4. Sea x 2 = (ỹ θ x 1 )/(1 θ) ỹ = θ x 1 + (1 θ) x Se verifica x 2 x 2 = y θx 1 ỹ + θ x 1 1 θ y ỹ + θ x 1 x 1 < η. 1 1 θ ( y ỹ + θ x 1 x 1 ) < η 1 θ = ɛ. 6. Por 1 y 5, x 2 S. Por 4, ỹ S. Como B(y, η) S, y int(s).
11 Cierre e interior de un conjunto convexo 1. Si S R n es convexo, entonces tanto int(s) como S son conjuntos convexos. 2. Si S R n es convexo, entonces int(s) = int( S). Si además int(s), entonces S = int(s). 3. Si S R n es convexo, entonces S = S.
12 Teorema de la proyección Teorema: Sea S R n un conjunto convexo, no vacío y cerrado. Sea y R n. Existe un único x S (la proyección de y sobre S) tal que y x y x, para todo x S. Además, x es la proyección de y sobre S si y solo si (y x) (x x) 0. (1) Cómo queda la condición (??) cuando S es un conjunto afín? La aplicación P : R n S, que a cada y le hace corresponder su proyección P(y) sobre S, es continua.
13 Teorema del hiperplano separador Teorema: Sea S R n un conjunto convexo, no vacío y cerrado. Sea y / S. Entonces existe p R n, p 0, y α R tales que p x α, para todo x S. p y > α Demostración: 1. Sea x la proyección de y sobre S. 2. Se verifica (y x) (x x) 0, para todo x S. 3. Definimos p = y x y α = p x. Comprobamos que cumplen las condiciones requeridas: Si x S, p x = (y x) (x x) + α α. p y = (y x) (y x) + α = y x 2 + α > α.
14 Teorema del hiperplano soporte Teorema: Sea S R n un conjunto convexo con interior no vacío. Sea x S, la frontera de S. Entonces existe p R n, p 0, tal que p (x x) 0, para todo x S. Demostración: 1. x / int(s) = int( S). 2. Para todo k N, existe y k B( x, 1/k) S c 3. Existe p k R n, p k = 1, con pk y k > pk x para todo x S. 4. Tenemos y k x. Para una subsucesión, p k p con p = Tomando ĺımites en 3, p (x x) 0, para todo x S.
15 Separación de dos convexos disjuntos Teorema: Sean S 1, S 2 R n conjuntos convexos, no vacíos, tales que S 1 S 2 =. Entonces existe p R n, p 0, tal que inf{p x : x S 1 } sup{p x : x S 2 }. Demostración: La idea es considerar S = {x R n : x = x 1 x 2, x 1 S 1, x 2 S 2 } y aplicar los teoremas de separación.
16 Teoremas de la alternativa Teorema (Gordan): Sea A una matriz m n. Uno y solo uno de los sistemas siguientes tiene solución: Ax < 0 para algún x R n. A p = 0, p 0 y p 0 para algún p R m. Demostración: (1) tiene solución (2) no la tiene. Sea x la solución de (1) y supongamos que p fuese una solución de (2). Consideramos p A x. (1) no tiene solución (2) sí la tiene. Los conjuntos S 1 = {z R m : z = Ax, x R n } y S 2 = {z R m : z < 0} son convexos, no vacíos y disjuntos. Existe p 0 con p Ax p z para x R n y z < 0. Se demuestra que p resuelve (2).
17 Teoremas de la alternativa Ejemplo: Existen x 1, x 2 y x 3 tales que x 1 + x 2 + x 3 < 0, x 1 > 0 y 2x 1 x 2 x 3 < 0? Teorema (Farkas): Sea A una matriz m n y c R n. Uno y solo unos de los sistemas siguientes tiene solución: 1. Ax 0 y c x > 0 para algún x R n. 2. A y = c, y 0 para algún y R m. Demostración: Ejercicio Probar que (1) no tiene solución cuando (2) sí la tiene es muy fácil. Cuando (2) no tiene solución considera S = {x R n : x = A y, y 0} y observa que c / S.
18 Teorema de representación de poliedros Los resultados hasta el final del tema se refieren al poliedro S = {x : Ax = b, x 0}, el conjunto factible de un problema de optimización lineal (en forma estándar). Suponemos que A es una matriz m n (m < n) con rango r(a) = m. Vamos a representar los puntos de S en términos de los puntos extremos (vértices) de S y sus direcciones extremas. Cualquier punto de S se puede expresar como una combinación convexa de sus puntos extremos más una combinación lineal positiva de sus direcciones extremas.
19 Soluciones factibles básicas Podemos dividir las columnas de A es dos grupos B y N, donde B es m m con r(b) = m. Ax = b (B, N) ( xb x N ) = b Bx B + Nx n = b Si hacemos x N = 0, x B = B 1 b y se verifica B 1 b 0, obtenemos unos puntos especiales de S que se llaman soluciones factibles básicas. Algunas soluciones del sistema compatible indeterminado Ax = b, con r(a) = r(a, b) = m < n se consiguen fijando n m incógnitas como 0 y despejando las m incógnitas restantes. Si estas soluciones son no negativas, son soluciones factibles básicas.
20 Puntos extremos Definición: Sea S R n un conjunto convexo no vacío. Se dice que x S es un punto extremo de S si x = λx 1 + (1 λ)x 2, con x 1, x 2 S, λ (0, 1), implica que x = x 1 = x 2. Es decir, x es un punto extremo si no está en el interior (relativo) del segmento definido por otros dos puntos del conjunto. Piensa ejemplos de conjuntos convexos: con un único punto extremo, con un número finito mayor que uno de puntos extremos, con infinitos puntos extremos, sin puntos extremos.
21 Direcciones extremas Definición: Sea S R n un conjunto convexo no vacío. Se dice que d R n, d 0, es una dirección de S si para todo x S y para todo λ 0, se cumple x + λd S. Qué condiciones caracterizan las direcciones de S = {x : Ax = b, x 0}? Definición: Sea S R n un conjunto convexo no vacío. Se dice que d R n, d 0, es una dirección extrema de S si d = λ 1 d 1 + λ 2 d 2, con d 1, d 2 direcciones de S, λ 1, λ 2 > 0, implica que d 1 = αd 2, para algún α > 0. Piensa ejemplos de conjuntos convexos: con dos direcciones extremas, con una única dirección extrema, sin direcciones extremas.
22 Caracterización de puntos extremos Teorema: x es un punto extremo de S si y solo si x es una solución factible básica. Demostración: ( ) Ejercicio. Demostramos ( ). 1. Reordenando las coordenadas x = (x 1,..., x k, 0,..., 0), con x i > 0. Spg. k 1 (el caso x = 0 es trivial). 2. Reordenamos igual las columnas de A: A = (a 1,..., a k, resto de columnas). 3. Veamos que a 1,..., a k son linealmente independientes. Si no fuera así existiría un vector λ 0 tal que Aλ = Para α > 0 suficientemente pequeño, x 1 = x + αλ y x 2 = x αλ pertenecen a S x = ( x 1 + x 2 )/2 no es punto extremo. 5. Si k < m, añadimos columnas de manera que las columnas de B = (a 1,..., a k, a k+1,..., a m) formen una base.
23 Caracterización de puntos extremos La demostración implica que un punto extremo no puede tener más de m coordenadas estrictamente positivas. El recíproco no es cierto (veremos algún ejemplo más adelante en los ejercicios). Si una solución factible básica tiene k < m coordenadas estrictamente positivas se llama solución factible básica degenerada. En el caso degenerado puede haber dos bases distintas B y B que representen el mismo punto extremo ( por qué?).
24 Caracterización de puntos extremos Teorema: El número de puntos extremos de S es finito ( Por qué?) Teorema: S tiene al menos un punto extremo. (La demostración es muy parecida a la del teorema de Carathéodory.) Ejemplo: Obtener las soluciones factibles básicas del problema: minimizar x 1 + 2x 2 s.a. x 1 + 2x 2 2 2x 1 + x 2 1 x 1 0 x 2 0
25 Caracterización de direcciones extremas Es fácil demostrar que d es una dirección de S si y solo si Ad = 0 y d 0. El resultado siguiente caracteriza las direcciones extremas: Teorema: d R n es una dirección extrema de S si y solo si A = (B, N), donde B es una matriz m m básica, de manera que B 1 a j 0 para alguna de las columnas de N y d = α ( B 1 a j e j ) para algún α > 0, donde e j R n m es un vector de ceros salvo un 1 en la posición correspondiente a a j. Demostración: ( ) Ejercicio. ( ) No la hacemos. Es totalmente análoga a la del teorema de caracterización de puntos extremos. Ejemplo: Calcula las direcciones extremas del conjunto S = {(x 1, x 2 ) R 2 : x 2 x 1 1, x 2 2, x 1 0, x 2 0}.
26 Teorema de representación Teorema: Sean x 1,..., x k los puntos extremos de S y sean d 1,..., d l sus direcciones extremas. Entonces, x S x = k l λ i x i + µ j d j, i=1 j=1 donde λ i 0, µ j 0, k i=1 λ i = 1. Consecuencias: Si S es acotado, cualquier punto de S es combinación lineal convexa de sus puntos extremos. S tiene al menos una dirección extrema si y solo si S no es acotado. Es el número de direcciones extremas siempre un número finito?
27 Demostración del teorema de representación k l C = {x R n : x = λ i x i + µ j d j, λ i 0, µ j 0, i=1 j=1 k λ i = 1} i=1 C C es convexo y cerrado. C S Para probar S C, supongamos que existe z S con z / C. Existe p R n (p 0) y α R tales que p z > α y p x α para todo x C. Como consecuencia, p d j 0 y p x i α p z > p x i, i = 1,..., k. Sea x el punto extremo tal que p x = max i p x i. Consideramos la partición A = (B, N) en parte básica y no básica correspondiente a x. Se comprueba 0 < p z p x = (p N p B B 1 N)z N, lo que implica que para algún j > m se tiene z j > 0 y p j p B B 1 a j > 0. Se demuestra que y j := B 1 a j 0. (Por reducción al absurdo ya que si y j 0, entonces d j = ( y ) j e es una dirección extrema y por tanto pj p j B B 1 a j 0.)
28 Demostración del teorema de representación Definimos el vector x = donde b = B 1 b y α = min { b i y ij : y ij > 0 Comprobamos x S, x r = 0, x j > 0. ( b ) ( yj ) + α, 0 e j } := b r y rj > 0. Las columnas a 1, a 2,..., a r 1, a r+1, a j son linealmente independientes, es decir, x es un punto extremo de S. Pero p x = p x + α(p j p B B 1 a j ) > p x. Una contradicción ya que habíamos supuesto p x = max i p x i.
Algebra lineal y conjuntos convexos 1
Algebra lineal y conjuntos convexos Solución de sistemas. Espacios vectoriales. 3 Conjuntos convexos. 4 Soluciones básicas puntos extremos. Rango de una matriz A R m n. Reducir A a una matriz escalonada
Más detallesConjuntos y funciones convexas
Conjuntos y funciones convexas Un conjunto X R n se dice convexo si para todo par de puntos x 1 y x 2 en X, λ x 1 + ( 1- λ) x 2 X, para todo λ [0,1] Qué significa esto geométricamente? Un punto λ x 1 +
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 detallesGeometría y Poliedros
IN3701, Optimización 3 de agosto de 2009 Contenidos 1 Definiciones Básicas Definición 2.1 S R n es un poliedro si S = {x R n : Ax b} para algún A R m n, b R m. Definición 2.2 S R n es acotado si existe
Más detallesOptimización lineal. Diego A. Patino. 2 de septiembre de Pontificia Universidad Javeriana 1/ 29
Optimización lineal Diego A. Patino Pontificia Universidad Javeriana 2 de septiembre de 2016 1/ 29 Introducción Formulación del problema Herramientes del análisis convexo Formas de las restricciones 2/
Más detallesTema 4 Funciones convexas y optimización convexa
Tema 4 Funciones convexas y optimización convexa José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Contenidos del tema 4 Repaso de algunos resultados sobre optimización de funciones.
Más detalles1. Sucesiones. Sucesiones. Compacidad. {( 1) n, n N} = { 1, 1, 1, 1, 1, 1,... } es una sucesión de elementos del conjunto { 1, 1}, y la familia
1.. De una manera informal, una sucesión es una familia de elementos de un conjunto, ordenada según el índice de los números naturales. Los elementos pueden estar repetidos o no. Por ejemplo la familia
Más detallesGeometría convexa y politopos, día 2
Geometría convexa y politopos, día 2 Alexey Beshenov (cadadr@gmail.com) 9 de agosto de 2016 2. La envolvente convexa 2.1. Definición. Si X R n es cualquier conjunto, entonces la envolvente convexa de X
Más detallesTécnicas de Optimización
Técnicas de Optimización Dr. Juan Felipe Botero Conceptos de Convexidad Conjuntos Convexos 1 / 42 ÍNDICE CONCEPTOS GENERALES Lineas y Segmentos Conjuntos Afines Conjuntos Convexos Ejemplos de Conjuntos
Más detallesTema 5 Dualidad y condiciones de Karush-Kuhn-Tucker
Tema 5 Dualidad y condiciones de Karush-Kuhn-Tucker José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Contenidos del tema 5 Condiciones de Karush-Kuhn-Tucker (KKT). Problemas
Más detallesTema 3 Optimización lineal. Algoritmo del simplex
Tema 3 Optimización lineal. Algoritmo del simplex José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Contenidos del tema 3 Teorema fundamental de la programación lineal. Algoritmo
Más detallesDualidad. Dpto. Ingeniería Industrial, Universidad de Chile. 22 de abril de IN3701, Optimización
Contenidos Motivación y Representación de Poliedros IN3701, Optimización 22 de abril de 2009 Contenidos Motivación y Representación de Poliedros Contenidos 1 Motivación 2 y Representación de Poliedros
Más detalles4. Espacios vectoriales
Contents 4 Espacios vectoriales 2 4.1 Dependencia e independencia lineal.................................. 4 4.2 Subespacios vectoriales.............................................. 7 4.3 Bases y dimensión..................................................
Más detalles2 Espacios vectoriales
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1 2 Espacios vectoriales 2.1 Espacio vectorial Un espacio vectorial sobre un cuerpo K (en general R o C) es un conjunto V sobre el que hay
Más detallesTEMA 4 ESPACIOS VECTORIALES
TEMA 4 ESPACIOS VECTORIALES Índice 4.1. Definición y propiedades.................. 101 4.1.1. Dependencia e independencia lineal....... 103 4.2. Subespacios vectoriales................... 105 4.2.1. Ecuaciones
Más detallesIN Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0
IN3701 - Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0 Acá va una pequeña guía con problemas resueltos de Geometría en Programación Lineal con problemas básicamente extraídos del
Más detallesResolución de problemas minimizando ángulos de gradientes. Teoremas y Algoritmos de LAEF. Lázaro A. Escudero Ferrer.
Resolución de problemas minimizando ángulos de gradientes. Teoremas y Algoritmos de LAEF. Lázaro A. Escudero Ferrer. 15 de enero de 2002 Lázaro A. Escudero Ferrer 1 Observación 0.0.1 Las definiciones,
Más detalles520142: ALGEBRA y ALGEBRA LINEAL
520142: ALGEBRA y ALGEBRA LINEAL Segundo Semestre 2008, Universidad de Concepción CAPITULO 10: Espacios Vectoriales DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición
Más detallesTOPOLOGÍA SOLUCIONES A LAS RELACIONES DE PROBLEMAS
TOPOLOGÍA SOLUCIONES A LAS RELACIONES DE PROBLEMAS Ejercicio 4.1.- Relación 4. Compacidad. Conexión Supongamos que A es compacto y sea A α Λ B α un recubrimiento de A por bolas abiertas. Entonces, como
Más detallesMisterios de las profundidades
Misterios de las profundidades Día 1 Leonardo Ignacio Martínez Sandoval José Luis Miranda Olvera 12 de junio de 2017 1. Introducción Antes de comenzar recordemos algunas definiciones, para ellas tomememos
Más detallesEspacios conexos. 6.1 Conexos
Capítulo 6 Espacios conexos 6.1 Conexos Definición 6.1.1 (Conjuntos separados). Dado un espacio topológico (X, τ) y dos subconjuntos A, B X, diremos que A y B están separados si A B = A B = Es evidente
Más detalles6 Vectores. Dependencia e independencia lineal.
6 Vectores. Dependencia e independencia lineal. Introducción Hay fenómenos reales que se pueden representar adecuadamente mediante un número con su adecuada unidad de medida. Sin embargo para representar
Más detalles2. El Teorema del Valor Medio
2.24 45 2. El Teorema del Valor Medio Comenzaremos esta sección recordando dos versiones del teorema del valor medido para funciones de 1-variable y por tanto ya conocidas: 2.22 Sea f : [a, b] R R una
Más detallesTEMA V. Espacios vectoriales
TEMA V. Espacios vectoriales 1 1. Demostrar que cada uno de los siguientes conjuntos tiene estructura de espacio vectorial sobre el cuerpo de los reales: a El conjunto (R 2, +,, R. b El conjunto (R 3,
Más detallesMatemáticas Empresariales II. Sistemas de Ecuaciones lineales
Matemáticas Empresariales II Lección 4 Sistemas de Ecuaciones lineales Manuel León Navarro Colegio Universitario Cardenal Cisneros M. León Matemáticas Empresariales II 1 / 34 Sistema de ecuaciones lineales
Más detallesIntroducción a la Teoría de Códigos
Introducción a la Teoría de Códigos M.A.García, L. Martínez, T.Ramírez Facultad de Ciencia y Tecnología. UPV/EHU Resumen Teórico Tema 1: PRELIMINARES SOBRE ÁLGEBRA LINEAL Mayo de 2017 Tema 1 Preliminares
Más detallesEl algoritmo del Simplex. Forma tabular
El algoritmo del Simplex. Forma tabular 1 Soluciones básicas factibles Consideremos el siguiente poliedro P = {x R n, tal que Ax = b, x } con A M m n, b R m, m n, x y RangoA = RangoA, b = m. Observación
Más detallesDiagonalización de matrices
Diagonalización de matrices María Muñoz Guillermo maria.mg@upct.es U.P.C.T. Matemáticas I M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 1 / 22 Valores y vectores propios de una matriz Definición
Más detallesEcuaciones de la recta en el espacio
Ecuaciones de la recta en el espacio Ecuación vectorial de la recta Sea P(x 1, y 1 ) es un punto de la recta r y uu su vector director, el vector PPXX tiene igual dirección que uu, luego es igual a uu
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 detallesEl espacio euclideano
Capítulo 1 El espacio euclideano 1. Definiciones básicas El espacio Euclideano, denotado por R n, está definido por el conjunto (1.1) R n = {x = (x 1, x 2,..., x n ) : x i R}. Es decir, R n es efectivamente
Más detallesTema 4: Espacios vectoriales
Tema 4: Espacios vectoriales Curso 2016/2017 Ruzica Jevtic Universidad San Pablo CEU Madrid Referencias Lay D. Linear algebra and its applications (4th ed). Chapter 4,6. 2 Índice de contenidos Espacio
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 detallesEspacios vectoriales
CAPíTULO 2 Espacios vectoriales 1. Definición de espacio vectorial Es frecuente representar ciertas magnitudes físicas (velocidad, fuerza,...) mediante segmentos orientados o vectores. Dados dos de tales
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 detalles1. Espacio vectorial. Subespacios vectoriales
Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS Sea k un cuerpo. 1. Espacio vectorial. Subespacios vectoriales Definición 1.1. Un k-espacio vectorial o espacio vectorial
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 detalles4.2 Producto escalar.
Producto escalar. 147 Este resultado tiene su recíproco, es decir, cualquier matriz cuadrada A define la forma bilineal b(x, y) =x T Ay Si b es simétrica, la matriz A es simétrica. Si b es definida positiva,
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 detallesÁlgebra lineal. Noviembre 2018
Álgebra lineal. Noviembre 08 Opción A Ejercicio. (Puntuación máxima:,5 puntos) Sea el siguiente sistema de ecuaciones lineales: 4ax + 4ay + z = a ax + y az = a, se pide: 4ax + 4ay + az = 4 (,5 puntos)
Más detallesSea V un conjunto no vacío (cuyos elementos se llamarán vectores) y sea K un cuerpo (cuyos elementos se llamarán escalares).
Capítulo 6 Espacios Vectoriales 6.1 Definiciones Sea V un conjunto no vacío (cuyos elementos se llamarán vectores) y sea K un cuerpo (cuyos elementos se llamarán escalares). Definición 6.1.1 Se dice que
Más detallesMLG521. Cristóbal Rojas MLG521
Geometría y Polihedros MLG521 Cristóbal Rojas Deparento de Ciencias de de la Ingeniería Departamento de Ingeniería Matemática Universidad Andrés Bello Co-dictado con Pamela Álvarez MLG521 Ejemplo gráfico
Más detallesAspectos geométricos y topológicos en Optimización Lineal
Aspectos geométricos y topológicos en Optimización Lineal por Fco. Javier Toledo Melero, Universidad Miguel Hernández El objetivo de esta conferencia es proporcionar los conceptos y herramientas básicas
Más detallesy valores extremos. En esta sección estudiaremos los conjuntos convexos. Recordemos que un conjunto K R n es convexo si, para todo x,y K y t [0,1],
Capítulo 4 Convexidad 1. Conjuntos convexos En este capítulo estudiaremos el concepto de convexidad, el cual es sumamente importante en el análisis. Estudiaremos conjuntos convexos y funcionesconvexas
Más detallesGeometría afín y proyectiva, 2016 SEMANA 2
Geometría afín y proyectiva, 2016 SEMANA 2 Sonia L. Rueda ETS Arquitectura. UPM September 20, 2016 Geometría afín y proyectiva 1. Álgebra Lineal 2. Geometría afín y eucĺıdea 3. Cónicas y cuádricas Álgebra
Más detallesÍndice. Funciones de varias variables reales I Espacios normados. Revisando con perspectiva. Se puede hacer de forma más general?
Índice Funciones de varias variables reales I Espacios normados José Manuel Mira Departamento de Matemáticas Universidad de Murcia Grado en Matemáticas 2013-2014 (18-09-2013) 1 Espacios normados. El espacio
Más detallesPara localizar un punto o un objeto en el espacio necesitamos un sistema de referencia. R es una cuaterna { O,i, j, k}
Geometría afín del espacio MATEMÁTICAS II 1 1 SISTEMA DE REFERENCIA. ESPACIO AFÍN Para localizar un punto o un objeto en el espacio necesitamos un sistema de referencia. Definición: Un sistema de referencia
Más detallesEspacios Vectoriales
Espacios Vectoriales Espacios Vectoriales Verónica Briceño V. noviembre 2013 Verónica Briceño V. () Espacios Vectoriales noviembre 2013 1 / 47 En esta Presentación... En esta Presentación veremos: Espacios
Más detallesConexión Motivación. Lección 10
Lección 10 Conexión Estudiamos la propiedad topológica que nos va a permitir obtener una versión general para espacios métricos del teorema del valor intermedio que conocemos para funciones reales de variable
Más detallesLas variedades lineales en un K-espacio vectorial V pueden definirse como sigue a partir de los subespacios de V.
Capítulo 9 Variedades lineales Al considerar los subespacios de R 2, vimos que éstos son el conjunto {(0, 0)}, el espacio R 2 y las rectas que pasan por el origen. Ahora, en algunos contextos, por ejemplo
Más detallesEspacios vectoriales reales
140 Fundamentos de Matemáticas : Álgebra Lineal 9.1 Espacios vectoriales Capítulo 9 Espacios vectoriales reales Los conjuntos de vectores del plano, R 2, y del espacio, R 3, son conocidos y estamos acostumbrados
Más detallesProblemas con soluciones
Departamento de Matemática, Universidad Técnica Federico Santa María, MAT-223. Problemas con soluciones 1) Muestre que si A es una base de una toplogía en X, entonces la topología generada por A es iqual
Más detallesSistemas de ecuaciones lineales
Sistemas de ecuaciones lineales 1 Definiciones Un sistema de m ecuaciones lineales con n incógnitas es un conjunto de expresiones de la forma: a 11 x 1 + a 12 x 2 + + a 1n x n = a 21 x 1 + a 22 x 2 + +
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 detallesOPTIMIZACION PARA ESTUDIANTES DE INGENIERIA 1. Jorge Amaya A.
OPTIMIZACION PARA ESTUDIANTES DE INGENIERIA Jorge Amaya A. 9 de mayo de 3 Departamento de Ingeniería Matemática y Centro de Modelamiento Matemático Universidad de Chile Mayo de 3 Texto preliminar, destinado
Más detalles( ) ( ) Si a = 1, Rang A = 2 Rang A = 3 sistema incompatible. Si a = 0, Rang A = Rang A = 2 sistema compatible indeterminado
SISTEMAS DE ECUACIONES 1. Discutir y resolver el sistema según los valores del parámetro a: x + y + z 1 x + y + az a x + y + az a ; Si a 0 y a 1, Rang A Rang A sistema incompatible Si a, Rang A Rang A
Más detallesTema 7: Programación matemática
Tema 7: Programación matemática Formulación general: Optimizar f( x) sujeto a x X f : D R n R..................................................................... función objetivo x = (x 1, x 2,..., x
Más detallesEl espacio proyectivo P n (k). Sistemas de referencia. Dualidad. Departamento de Algebra Septiembre El espacio proyectivo P n (k).
Notas de la asignatura AMPLIACIÓN DE GEOMETRÍA de la Licenciatura de Matemáticas, Facultad de Matemáticas, Universidad de Sevilla, para el curso 2000-01 Departamento de Algebra Septiembre 2000 Tema 1-
Más detallesÁlgebra y Matemática Discreta
Álgebra y Matemática Discreta Sesión de Teoría 18 (c) 2013 Leandro Marín, Francisco J. Vera, Gema M. Díaz 11 Nov 2013-17 Nov 2013 Ecuaciones Matriciales Ecuaciones Matriciales En muchas ocasiones, se plantean
Más detallesEJERCICIOS DE ÁLGEBRA LINEAL TEMA 1 ESPACIOS VECTORIALES
EJERCICIOS DE ÁLGEBRA LINEAL TEMA ESPACIOS VECTORIALES Formas reducidas y escalonada de una matriz SISTEMAS DE ECUACIONES LINEALES ) Encuentre una sucesión de matrices elementales E, E,..., E k tal que
Más detallesContinuidad y Continuidad Uniforme. Aplicaciones lineales continuas.
Continuidad y Continuidad Uniforme. Aplicaciones lineales continuas. Beatriz Porras 1 Límites Las definiciones de ĺımite de funciones de varias variables son similares a las de los ĺımites de funciones
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 detallesTransformaciones lineales
CAPíTULO 4 Transformaciones lineales En este capítulo estudiamos las primeras propiedades de las transformaciones lineales entre espacios vectoriales. 1. Construcciones de transformaciones lineales Lema
Más detallesBases y dimensión. Problemas teóricos. En todos los problemas se supone que V es un espacio vectorial sobre un campo F. p=1
Bases y dimensión Problemas teóricos Bases de un espacio vectorial En todos los problemas se supone que V es un espacio vectorial sobre un campo F. Definición de base. Sean b 1,..., b n V. Se dice que
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 detalles0 (0) = 0 (0) = 0. L [ 00 + ]( ) = L [ ( )] ( ) (Linealidad) L [ 00 ]( )+L[ ]( ) = L [ ( )] ( ) (Derivación) 2 ( )+ ( ) =L [ ( )] ( )
Ampliación de Matemáticas II Grado en Ingeniería en Tecnologías Industriales 8 de junio 6. Dado el siguiente problema de valor inicial: ()+() = () () = () = a) (.5 puntos) Resuelve el problema utilizando
Más detallesSISTEMAS DE ECUACIONES. Un sistema de m ecuaciones lineales con n incógnitas, x 1, x 2,, x n es un conjunto de m igualdades de la forma:
TEMA Sistemas de ecuaciones SISTEMAS DE ECUACIONES. DEFINICIÓN SISTEMAS DE ECUACIONES Un sistema de m ecuaciones lineales con n incógnitas,,,, n es un conjunto de m igualdades de la forma: a a an n b a
Más detallesCálculo diferencial e integral 3
Cálculo diferencial e integral 3 Guía 1 1. Sean a 1,..., a n R n. Demuestra que el conjunto { W = x = (x 1,..., x n ) R n es un subespacio vectorial de R n. } n a i x i = 0 i=1 2. Sean W y V subespacios
Más detallesBENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA
BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD DE CIENCIAS FÍSICO MATEMÁTICAS EXTENSIÓN DE LOS TEOREMAS DE CONSISTENCIA PARA SISTEMAS DE INECUACIONES LINEALES SEMI-INFINITOS Tesis para obtener el título
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 detallesFormulación del problema de la ruta más corta en programación lineal
Formulación del problema de la ruta más corta en programación lineal En esta sección se describen dos formulaciones de programación lineal para el problema de la ruta más corta. Las formulaciones son generales,
Más detallesEspacios vectoriales reales.
Capítulo 4 Espacios vectoriales reales. 4.1 Espacios vectoriales. Definición 86.- Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe
Más detallesCapítulo 7. Espacios vectoriales. 7.1 Definición y ejemplos
Capítulo Espacios vectoriales.1 Definición y ejemplos Un espacio vectorial sobre un cuerpo K (que supondremos conmutativo es un conjunto no vacío junto con 1. una operación interna, +, a la que llamaremos
Más detallesMMAF: Espacios normados y espacios de Banach
MMAF: Espacios normados y espacios de Banach Licenciatura en Estadística R. Álvarez-Nodarse Universidad de Sevilla Curso 2011/2012 Espacios vectoriales Definición Sea V un conjunto de elementos sobre el
Más detallesDificultad [2] Solución 1. Sean A y B disjuntos y cerrados. Entonces A = adh(a) y B = adh(b), y por tanto, A adh(b) = adh(a) B = A B =.
5.1 Sea (E, d) un espació métrico y A y B subconjuntos de E. Demuéstrese que 1. si A y B son disjuntos y ambos cerrados, entonces están separados. 2. si A y B son disjuntos y ambos abiertos, entonces están
Más detallesEspacios compactos. 7.1 Espacios compactos
58 Capítulo 7 Espacios compactos 7.1 Espacios compactos Definición 7.1.1 (Recubrimiento). Sea X un conjunto y sea S X. Un recubrimiento de S es una familia A = {A i } i I de subconjuntos de X tales que
Más detallesTEOREMA DE HAHN-BANACH.
TEOREMA DE HAHN-BANACH. Sea E un e.v y M un s.v. de E. Toda aplicación lineal T 0 : M F de M en otro e.v. F se extiende a una aplicación lineal T : E F. Por ejemplo, basta considerar un suplementario algebraico
Más detallesEspacios Vectoriales Asturias: Red de Universidades Virtuales Iberoamericanas 1
Espacios Vectoriales 201 6Asturias: Red de Universidades Virtuales Iberoamericanas 1 Índice 1 Espacios Vectoriales... 4 1.1 Definición de espacio vectorial... 4 1.2 Definición de subespacio vectorial...
Más detallesGrado en Ciencias Ambientales. Matemáticas. Curso 11/12
Grado en Ciencias Ambientales. Matemáticas. Curso 11/12 Problemas Tema 1. Espacios Vectoriales. 1 Repaso de Estructuras Algebraicas 1.1. Construye explícitamente el conjunto A B, siendo A = {1, 2, 3},
Más detallesPráctica 5: Sistemas lineales. Vectores
Práctica 5: Sistemas lineales. Vectores Uno de los problemas que más se plantea en los distintos campos de la ciencia es el de la resolución de sistemas de ecuaciones. Aunque el tema contemplado en el
Más detallesLa Geometría de la Programación Lineal
La Geometría de la Programación Lineal Basado en Bertsimas Tsitsiklis Introduction to Linear Optimization Chap. IN7 Modelamiento y Optimización Nelson Devia C. Introducción Se dice que un conjunto S en
Más detallesESPACIOS VECTORIALES
Capítulo 1 CONCEPTOS TEÓRICOS ESPACIO VECTORIAL Un conjunto E = {a, b, c, } de elementos (llamados vectores) se dice que constituyen un espacio vectorial sobre un cuerpo conmutativo K (que generalmente
Más detallesCLASIFICACIÓN AFÍN DE CÓNICAS
Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS CLASIFICACIÓN AFÍN DE CÓNICAS Sea E un R-espacio vectorial de dimensión. Sean E = e 1, e un plano vectorial de E y e 0 un
Más detallesEspacios de una Matriz
Espacios de una Matriz Departamento de Matemáticas, CSI/ITESM 12 de enero de 211 Índice 4.1. Espacios de una Matriz........................................ 1 4.2. Espacios Lineales............................................
Más detallesSubspacios Vectoriales
Subspacios Vectoriales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Subspacios Vectoriales 1 / 25 Objetivos Al finalizar este tema tendrás que: Saber si un subconjunto es
Más detallesTema 3 o - Sistemas de Ecuaciones Lineales
Tema 3 o - Sistemas de Ecuaciones Lineales Definición de Sistema y de Solución 2 Clasificación de los Sistemas atendiendo al n o de Soluciones 3 Sistemas de Cramer FÓRMULS DE CRMER 4 Teorema de Rouchée
Más detallesUniversidad Tecnológica de la Mixteca. H-Convexidad. Tesis para obtener el título de: Licenciado en Matemáticas Aplicadas.
Universidad Tecnológica de la Mixteca H-Convexidad Tesis para obtener el título de: Licenciado en Matemáticas Aplicadas Presenta: Iván López Salmorán Director de Tesis: M.C. José L. Carrasco Pacheco Huajuapan
Más detallesAnálisis I Apuntes de clase. Preparado por JC Trujillo O.
Análisis I Apuntes de clase Preparado por JC Trujillo O. Febrero 2014 - Junio 2014 Índice general 1 Estructuras fundamentales del Análisis 5 1 Topología........................................ 5 1.1 Ejemplos....................................
Más detallesESPACIOS VECTORIALES SUBESPACIOS:
SUBESPACIOS: Continuación EJEMPLOS: S 2 = {(x 1, x 2 ) / x 2 =x 12 } R 2 es subespacio del espacio vectorial? Interpretación geométrica: Representa una parábola de eje focal el eje de ordenadas, vértice
Más detallesEjercicios - Resolución de problemas lineales. Método Simplex
Ejercicios - Resolución de problemas lineales. Método Simplex Programación Matemática LADE Curso 8/9. Dado el problema lineal máx x x x + x s.a. x + x + x = 4 x + x 4 x justifica que el punto x = ( T es
Más detallesEspacios Euclídeos. Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza
Espacios Euclídeos Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza A lo largo de todo el capítulo consideraremos que V un espacio vectorial real de dimensión finita. 1 Producto escalar Definición.
Más detallesIntroducción a la optimización con algoritmos. Ejercicios. 0 2 f(x + t(y x))(y x)dt. J(x + t(y x))(y x)dt siendo J la matriz Jacobiana de F.
Introducción a la optimización con algoritmos Ejercicios Preliminares 1. Demostrar que si f C 2 (IR n ), f : IR n IR entonces f(y) f(x) = 1 0 2 f(x + t(y x))(y x)dt. 2. Demostrar que si F C 1 (IR n ),
Más detallesTransformaciones Lineales y Espacio Dual
Transformaciones Lineales y Espacio Dual Juan Pablo De Rasis 22 de abril de 2018 El presente artículo tiene como objetivo la exposición de soluciones a problemas de Álgebra Lineal concernientes a transformaciones
Más detalles