Vectores y Matrices. Curso a 11 a a 1n a 21 a a 2n. A = A = [a ij] 1 i m. a m1 a m2... a mn
|
|
- Eugenia Peralta Romero
- hace 7 años
- Vistas:
Transcripción
1 Vectores y Matrces Curso A = Notacón a a 2 a n a 2 a 22 a 2n a m a m2 a mn, A = [a j] m j n a j = elemento (, j) de A Tamaño u orden de A= m n S m = n, A cuadrada -sma fla y j-sma columna: a = [a a 2 a n ] y a j = Notacón de MATLAB: A(,:) y A(:,j) En general a j R, anllo conmutatvo con elemento R m n = cto de las matrces de tamaño m n con elementos en R 2 a j a 2j a mj,
2 Operacones con matrces S A = [a j ] R m n y B = [b j ] R m n : A + B = [a j + b j ] R m n MATLAB:A+B y s A = [a j ] R m n y B = [b j ] R n p, entonces [ n ] AB = a k b kj R m p MATLAB:A*B k= (R n n, +, ) es un anllo no conmutatvo con dentdad I n = = [δ matrz dentdad de orden n j], MATLAB:eye(n) 0 0 S x R y A = [a j ] R m n, xa = [xa j ] R m n MATLAB: x A o x A 3 S A = [a j ] Algunos tpos de matrces A T = [a j ] transpuesta de A MATLAB: A s R = R y A s R = C S R = C, A = [a j ] conjugada de A (z = x + y z = x y) S R = C, A = A T MATLAB: A 2 3 [ ] Smétrcas: A = A T : , Hermítcas: A = A : [ ] Skew-smétrcas: A T = A: 2 0 Skew-hermítcas: A = A 4
3 Más tpos de matrces d d 2 0 Dagonales: = Dag(d,, d n ) 0 0 d n Matlab: dag A A 2 0 Dagonal por bloques: 0 0 A p Matlab: blkdag a a 2 a n 0 a 22 a 2n Trangular superor: 0 0 a nn Matlab: tru Trangular nferor, por bloques, etc 5 Matlab: trl Matrces de permutacón P R n n matrz de permutacón s en cada fla y columna hay un elemento gual a y todos los demás son cero: Permutan flas y columnas P = 0 0 y P T = P 2 3 = 3 2 y [ 2 3 ] P T = [ 3 2 ] S σ = (, 2,, n ) S n ; e σ(k) = k, P σ = [δ σ(j) ]= matrz con un en (σ(), ) y todo lo demás cero En el ejemplo, σ = (2, 3, ) P T = P σ = P Matlab: P=eye(n); P=P(:,σ) P σ A = [a σ(j) ] y AP T = [a σ()j ] 6
4 Submatrces S A = [a j ] R m n, B = [b j ] R p q submatrz de A s exsten índces (,, p ) y (j,, j q ) tales que < < p m, j < < j q n y a r j s = b rs, r p, s q A = b b 2 b 3 b 2 b 3 b 4 b 22 b 32 b 42 b 23 b 33 b j j 2 j 3 Usaremos notacón de MATLAB: s u = (,, p ) y v = (j,, j q ): B=A(u,v) Hay confguracones que no son submatrces 7 Matrces y aplcacones lneales R = F f : V V 2 Fjadas bases B = {v,, v n }, B 2 = {u,, u m } f (v j ) = m a j u, = j =,, n determna A = [a j ] F m n : matrz de f respecto de B y B 2 Y recíprocamente A F m n puede verse como una aplcacón lneal entre los espacos vectorales F n y F m : A : F n F m x Ax La matrz de esta aplcacón lneal es A cuando en F m y F n se toman las bases canóncas 8
5 A F m n Rango y nuldad Im(A) = {y F m y = Ax para algún x F n } Ker(A) = {x F n Ax = 0} rang(a) = dm Im A ν(a)= nuldad de A= dm Ker A Prmer teorema de somorfía MATLAB: rank Im A = Fn Ker A Desgualdad de Sylvester (884) A F m n, B F n p ν(a) = n rang(a) rang(a) + rang(b) n rang(ab) mín(rang(a), rang(b)) 9 Matrces de rango completo A tene rango completo rang(a) = mín{m, n} Qué sgnfca que A es de rango completo? m n dm Im A = n Ker A = {0} A es nyectva (nvertble por la zquerda: BA = I n ) m n dm Im A = m Im A = F m A es suprayectva (nvertble por la derecha: AB = I m ) m = n A byectva (nvertble: AB = BA = I n ) 0
6 Matrces nvertbles Para A F n n (F cuerpo) las sguentes condcones son equvalentes: A tene nversa A (MATLAB: nv) 2 rang(a) = n 3 Im A = F n 4 ν(a) = 0 5 Ker A = {0} 6 0 no es un valor propo (autovalor) de A (MATLAB: eg) 7 det(a) 0 (MATLAB: det) A no sngular: det(a) 0 A no sngular A nvertble (F cuerpo) λ C valor propo de A F n n : x C n (x 0) tal que Ax = λx x= vector propo de A asocado a λ Qué sgnfca Ax = b? b es la magen de x por A b es el resultado de multplcar A por x n b = a j x j, =,, m b b 2 b m = a a 2 a m j= x + a 2 a 22 a m2 x a n a 2n a mn x n b = x a + x 2 a x n a n b es una combnacón lneal de las columnas de A cuyos coefcentes son las componentes del vector x n b Im A b = x a para algún vector x = 2
7 Notacón: S a,, a n F n La Imagen y el Span { n } < a,, a n >= Span (a,, a n ) = x a x F Im(A) es es subespaco de F m generado por las columnas de A; e, s A = [ a a 2 a n ], Im A =< a,, a n > = rang(a) = dm < a,, a n > Ker A está formado por los vectores cuyas componentes son los coefcentes del vector 0 como combnacón lneal de las columnas de A: 0 = x a + x 2 a x n a n 3 Producto de matrces Qué sgnfca C = AB? C es la matrz de la composcón R p C es el resultado de multplcar A por B B R n A R m c j = a b j + a 2 b 2j + + a n b nj, c j a a 2 a n b j c 2j c j = = a 2 a 22 a 2n b 2j = Ab j, j =,, p c mj a m a m2 a mn b nj [ ] [ ] c c 2 c p = Ab Ab 2 Ab p, c = a B A actúa sobre B: combnacones lneales en las flas de B, y B actúa sobre A: combnacones lneales 4 en las columnas de A
8 Producto nterno y externo de vectores S u, v R n : Producto nterno: u T v v v 2 u T v = [ ] u u 2 u n = u n v n n u v R producto externo: uv T R n n u u v uv T u 2 [ ] u 2 v = v v 2 v n = = [ v u v 2 u v n u ] u n v = uv T es una matrz de rango y todas las matrces de rango son así 5 Otra vez el producto de matrces (AB) j = n k= a k b kj = a b j = (a )T b j, a es la -ésma columna de A T y b j la j-ésma columna de B (a k b k ) j = a k b kj AB = a (b ) T + a 2 (b 2) T + + a n (b n) T, 6
9 Matrces elementales Tpo I j E (α) = I n + E j (α) = α j E (α)a = a a + αa j a j a m, AE (α) = [ a a a j + αa a n ] 7 Matrces elementales Tpo II E 2 (α) = α E 2 (α)a = a αa a m y AE 2 (α) = [ a αa a n ] 8
10 Matrces elementales Transposcones P = a a j PA = a a m j 0 0 y AP = [ a a j a a n ] 9 j Elmnacón Gaussana (EG) Ax = b, A F n n, b F n [ A b ] = [ A () b ()] = [ A (n) b (n)] A (n) = U trangular superor n etapas y en cada etapa k = : n [ ] A (k) A (k) = A (k) 2 0 A (k), A (k) F(k ) (k ) trangular 22 Objetvo en la etapa k: susttur por ceros los elementos de A (k) (k + : n, k) restando a la fla = k + : n la fla k multplcada por m k = a(k) k a (k) kk (MULTIPLICADOR): a (k+) j b (k+) = a (k) j = b (k) m k a (k) kk,, j = k +,, n m k b (k) k,, j = k +,, n 20
11 Factorzacón LU S m k = [ 0 0 m k+k m nk ] T y Mk = I n m k e T k : Entonces M k A (k) = A (k+) M n M n 2 M 2 M A = A (n) = U trangular superor A = M M 2 M L := M M 2 M n = M k = I m + m k e k m 2 m 32 m n m n2 m nn n U, A = LU Factorzacón LU de A 2 Algortmo LU Factorzacón LU Dato: A F n n Objetvo: calcular factorzarón LU de A L =eye(n) for k = : n for = k + : n l k = a k /a kk a k = 0 for j = k + : n a j = a j l k a kj for for for U = A Coste: 2 3 n3 22
12 Pvoteo parcal por columnas al comenzo de la etapa k, se ntercamban las flas k y r estando r determnada por la condcón: a (k) rk = máx k n a(k) k M n P n M n 2 P n 2 M 2 P 2 M P A = U, U = M 4 P 4 M 3 P 3 M 2 P 2 M P A = M 4 P 4 M 3 P }{{} 4 P 4 P 3 M 2 P 3 P 4 P }{{} 4 P 3 P 2 M P 2 P 3 P 4 P }{{} 4 P 3 P 2 P A }{{} = M 3 M 2 M P M 4 M 3 M 2 M PA M k = P n P n 2 P k+ (I n m k ek T )P k+ P n 2 P n = (I n P n P n 2 P k+ m k ek T = I n m k et k, m 2 PA = LU, L = M M 2 M n 2 M n = m m n m n2 m nn Algortmo Factorzacón LU con pvoteo Versón Factorzacón LU con pvoteo parcal Versón Dato: A F n n, det A 0 Objetvo: calcular P,L U tales que PA = LU L =eye(n) for k = : n Calcúlese el máx A(k : n, k) y su poscón, r Permútense las flas k y r de A, L y P for = k + : n l k = a k /a kk a k = 0 for j = k + : n a j = a j l k a kj for for for U = A 24
13 Algortmo Factorzacón LU (LUTXFOR) Versón functon [L,U,P] = lutxforv(a) %LUTXFORV, para una matrz nvertble dada A, devuelve matrces L, %trangular nferor con en la dagonal, %U, trangular superor y P de permutacón %tal que PA=LU En vez trabajar con la matrz P se trabaja %con un vector p que almacena las transposcones y a partr %del cual se construye P La matrz L se defne %y actualza de forma explícta y se utlzan bucles FOR para %todos los contadores % Calculamos el tama~no de A [n,n] = sze(a); %Incamos p=[ 2 n]^t p = (:n) ; % y L L=eye(n); %Transformacones elementales en las columnas, 2,, n- for k = :n- %Calculamos el máxmo, r, (en valor absoluto) de los elementos % A(k,k), A(k,k+),,A(k,n), y la poscón, m, donde se encuentra [m,r] = max(abs(a(k:n,k))); % Calculamos la poscón del máxmo en toda la columna k-ésma de A r = r+k-; %S el máxmo fuera cero es porque toda la columna es cero y A no sería %nvertble f (A(r,k) ~= 0) %S el máxmo no está en la dagonal permutamos f (r ~= k) %permutamos las flas k y r en A, L y p A([k r],k:n) = A([r k],k:n); L([k r],:k-) = L([r k],:k-); p([k r]) = p([r k]); 25 Algortmo Factorzacón LU (LUTXFOR) Versón Cont %L está fromada por los multplcadores for = k+:n; L(,k) = A(,k)/A(k,k); % Por debajo de (k,k) los elementos de A en la columna k serán 0 A(,k)=0; % Realzamos sobre las flas =k+,,n la transformacón elemental for j = k+:n; A(,j) = A(,j) - L(,k)*A(k,j); %A se ha convertdo en trangular superor: es la U U=A; % Construímos P a partr de p: las flas :n de P son las de la permutacón P=eye(n); P=P(p,:); 26
14 Algortmo Factorzacón LU (LUTXFOR) Fnal functon [L,U,P] = lutxfor(a) [n,n] = sze(a); p = (:n) ; for k = :n- [m,r] = max(abs(a(k:n,k))); r = r+k-; f (A(r,k) ~= 0) f (r ~= k) A([k r],:) = A([r k],:); p([k r]) = p([r k]); for = k+:n; A(,k)=A(,k)/A(k,k); for j = k+:n; A(,j) = A(,j) - A(,k)*A(k,j); %En la parte trangular nferor de A (sn la dagonal) está L L = trl(a,-) + eye(n,n); %Y en la parte trangular superor (ncluyo la dagonal) está U U = tru(a); P=eye(n); P=P(p,:); 27 El algortmo de la factorzacón LU functon [L,U,p] = lutx(a) [n,n] = sze(a); p = :n; for k = :n- [r,m] = max(abs(a(k:n,k))); m = m+k-; f (A(m,k) = 0) f (m = k) A([k m],:) = A([m k],:); p([k m]) = p([m k]); = k+:n; A(,k) = A(,k)/A(k,k); j = k+:n; A(,j) = A(,j) - A(,k)*A(k,j); L = trl(a,-) + eye(n,n); U = tru(a); 28
15 Jerarquía en la memora de los ordenadores y BLAS Regstros Caché RAM Dsco Basc Lnear Algebra Subroutnes (BLAS) Operacón Defncón flops (f ) memory ref (m) Rato q = f /m BLAS y = αx + y 2n 3n + 2/3 BLAS2 y = Ax + y 2n 2 n 2 + 3n 2 BLAS3 C = AB + C 2n 3 4n 2 n/2 BLAS (saxpy): productos nternos, escalar por vector, BLAS2: matrz por vector, sstemas trangulares, A + xy t, BLAS3: matrz por matrz, sstemas trangulares con muchos vectores ndepentes, f t art + m t mem = f t art ( + m f 29t mem t art ) = f t art ( ) + t mem q t art A F m n, B F n p rang A + rang B n () < rang(ab) (2) < mín{rang A, rang B} (2) () rang A + dm(ker A Im B) < n { rang B dm(ker A Im B) < rang B dm(ker A Im B) > 0 rang B < rang A + dm(kera Im B) rang B < rang A + dm(ker A Im B) < n, dm(ker A Im B) > B = , A = So m = n = p debe ser n 5 Ker A Im B =< e > 30
8. Espacio vectorial con producto escalar
Depto de Álgebra, curso 7-8 8 Espaco vectoral con producto escalar Productos escalares Ejercco 8 Demuestre que s P es una matrz nvertble n n sobre C y P es su matrz traspuesta conjugada entonces la aplcacón
Más detallesi=1 Demuestre que cumple los axiomas de norma. Calcule el límite Verifiquemos cada uno de los axiomas de la definición de norma: i=1
CAPÍTULO 3 EJERCICIOS RESUELTOS: CONCEPTOS BÁSICOS DE ÁLGEBRA LINEAL Ejerccos resueltos 1 1. La norma p (tambén llamada l p ) en R n se defne como ( ) 1/p x p = x p. Demuestre que cumple los axomas de
Más detallesResolución de sistemas lineales por métodos directos
Resolucón de sstemas lneales por métodos drectos Descomposcón LU S la matr del sstema Ax = b se expresa como producto de una matr trangular nferor, L, de una superor, U, la resolucón del msmo se reduce
Más detallesOptimización no lineal
Optmzacón no lneal José María Ferrer Caja Unversdad Pontfca Comllas Planteamento general mn f( x) x g ( x) 0 = 1,..., m f, g : n R R La teoría se desarrolla para problemas de mnmzacón, los problemas de
Más detallesTema 9: Otros temas de aplicación
Tema 9: Otros temas de aplcacón. Introduccón Exsten muchos elementos nteresantes y aplcacones del Matlab que no se han comentado a lo largo de los temas. Se nvta al lector a que nvestgue sobre ellos según
Más detallesFE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz
Más detallesALN - SVD. Definición SVD. Definición SVD (Cont.) 29/05/2013. CeCal In. Co. Facultad de Ingeniería Universidad de la República.
9/05/03 ALN - VD CeCal In. Co. Facultad de Ingenería Unversdad de la Repúblca Índce Defncón Propedades de VD Ejemplo de VD Métodos para calcular VD Aplcacones de VD Repaso de matrces: Una matrz es Untara
Más detallesAmpliación de Métodos. Ion Zaballa Departamento de Matemática Aplicada y Estadística e Investigación Operativa Euskal Herriko Unibertsitatea
Ampliación de Métodos Numéricos Ion Zaballa Departamento de Matemática Aplicada y Estadística e Investigación Operativa Euskal Herriko Unibertsitatea 2 Capítulo 1 Vectores y Matrices 1.1. Matrices y Aplicaciones
Más detallesUna matriz es un conjunto de elementos de cualquier naturaleza aunque, en general, son números ordenados en filas y columnas.
MATRICES Las matrces se utlzan en el cálculo numérco, en la resolucón de sstemas de ecuacones lneales, de las ecuacones dferencales y de las dervadas parcales. Además de su utldad para el estudo de sstemas
Más detalles5. DIAGONALIZACIÓN DE MATRICES
Dagonalzacón Herraentas nforátcas para el ngenero en el estudo del algebra lneal 5. DIAGONALIZACIÓN DE MATRICES 5.1. INTRODUCCIÓN 5.2. VALORES Y VECTORES PROPIOS 5.3. MATRICES DIAGONALIZABLES 5.4. DIAGONALIZACIÓN
Más detallesGustavo Rodríguez Gómez. Agosto Dicembre 2011
Computación Científica Gustavo Rodríguez Gómez INAOE Agosto Dicembre 2011 1 / 44 Capítulo III Descomposición de Matrices 2 / 44 1 Descomposición de Matrices Notación Matrices Operaciones con Matrices 2
Más detallesPara dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)}
Capítulo 4 1 N-cubos 4.1. Representacón de una funcón booleana en el espaco B n. Los n-cubos representan a las funcones booleanas, en espacos n-dmensonales dscretos, como un subconjunto de los vértces
Más detallesPerturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros
Perturbacón de los valores propos smples de matrces de polnomos dependentes dferencablemente de parámetros M Isabel García-Planas 1, Sona Tarragona 2 1 Dpt de Matemàtca Aplcada I, Unverstat Poltècnca de
Más detallesCAPITULO 3º SOLUCIÓN ECUACIÓN DE ESTADO- 01. Ing. Diego A. Patiño G. M.Sc, Ph.D.
CAPITULO 3º SOLUCIÓN ECUACIÓN DE ESTADO- 0 Ing. Dego A. Patño G. M.Sc, Ph.D. Solucón de la Ecuacón de Estado Solucón de Ecuacones de Estado Estaconaras: Para el caso estaconaro (nvarante en el tempo),
Más detallesUniversidad Simón Bolívar Conversión de Energía Eléctrica - Prof. José Manuel Aller
Unversdad Smón Bolívar Conversón de Energía Eléctrca Prof José anuel Aller 41 Defncones báscas En este capítulo se estuda el comportamento de los crcutos acoplados magnétcamente, fjos en el espaco El medo
Más detalles315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA
35 M/R Versón Integral / 28/ UNIVERSIDAD NACIONAL AIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA MODELO DE RESPUESTA ASIGNATURA: Investgacón de Operacones I CÓDIGO: 35 MOMENTO: Prueba Integral FECHA DE
Más detallesPrácticas de Mathematica. Diplomatura de Óptica y Optometría. Cuando el programa se cuelga.
Práctcas de Mathematca. Dplomatura de Óptca Optometría. Segunda Práctca Cuando el programa se cuelga. En ocasones, por la dfcultad o la mala escrtura de las operacones que le pedmos, el programa no responde.
Más detallesSimulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización.
Smulacón y Optmzacón de Procesos Químcos Ttulacón: Ingenería Químca. 5º Curso Optmzacón. Programacón Cuadrátca Métodos de Penalzacón Programacón Cuadrátca Sucesva Gradente Reducdo Octubre de 009. Programacón
Más detallesVectores en el espacio
ectores en el espaco Los puntos y los vectores en el espaco se pueden representar como ternas de números reales (a,b,c) c b a Por el Teorema de Ptagoras, la norma del vector = (a,b,c) es = a 2 +b 2 +c
Más detallesNúmeros Reales y Complejos
Apéndce C Números Reales Complejos Ejerccos resueltos Halla los números reales que cumplen la condcón a a S a 0 : a a a 0 No este solucón S a < 0 : a a a a Halla todos los números r tales que r < a) S
Más detallesSistemas Lineales y Matrices
Profesores Hernán Giraldo y Omar Saldarriaga Instituto de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia 2014 Ejemplo Solución de sistemas de ecuaciones lineales, usaremos
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 detallesEjercicios Resueltos de Vectores
Departamento de Matemátca y C C Coordnacón: Calculo II para Ingenería Semestre Eerccos Resueltos de Vectores Sean los vectores en IR : v,,, u,, 4, a,, y b,, 4 : a) Determne los vectores: UV y AB UV AB
Más detallesEl álgebra de las matrices Suma y producto por un escalar Producto de matrices Propiedades y ejemplos
El álgebra de las matrices Suma y producto por un escalar Producto de matrices Propiedades y ejemplos c Jana Rodriguez Hertz p. 1/1 Suma de matrices - definición Si dos matrices A,B M m n K tienen el mismo
Más detallesCAPITULO 2 VALORES, VECTORES PROPIOS y SVD. Ing. Diego A. Patiño M.Sc., Ph.D.
CAPITULO VALORES, VECTORES PROPIOS y SVD Ing. Dego A. Patño M.Sc., Ph.D. Valores y Vectores Propos Muchas de las transformacones que se necestan en el dseño de sstemas de control se realzan sobre vectores
Más detallesUNIDAD N 1 ESPACIOS VECTORIALES
UNIDAD N ESPACIOS VECTORIALES ESPACIOS VECTORIALES DEFINICIÓN Nº : Un CUERPO F es un conjunto con dos operacones (denotadas por + y ) que satsface las sguentes propedades: + ) La adcón es conmutatva, o
Más detallesProblemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel
Conceptos báscos de optmzacón Problemas de Optmzacón Prof. Cesar de Prada Dpt. Ingenería de Sstemas y Automátca UVA prada@autom.uva.es mn J() h() = g() Problema general NPL Para encontrar una solucón al
Más detallesOperaciones con matrices
Operaciones con matrices Problemas para examen Operaciones lineales con vectores 1. Programación: la suma de dos vectores. Escriba una función que calcule x + y, donde x, y R n. Calcule el número de flops.
Más detallesx j x 1,,x n, j 1,,n La condición necesaria y suficiente es que el determinante Jacobiano de la transformación no se anule,
Mecánca Cambo de Coordenadas En coordenadas Cartesanas estamos acostumbrados a pensar a los vectores base como versores (vectores de norma 1 o untaros) drgdos a lo largo de los correspondentes ejes, en
Más detallesSesión 18: Diagonalización (I) Método práctico para diagonalizar una matriz cuadrada A M nxn K
Sesión 8: Diagonalización (I) Método práctico para diagonalizar una matriz cuadrada A M nxn K ) Calculamos los valores propios de A y sus multiplicidades algebraicas con: d A λ = det A λi nxn = Si d A
Más detalles5 Métodos iterativos para la resolución de ecuaciones algebraicas lineales Método de Gauss-Jacobi Método de Gauss-Seidel...
CONTENIDO 5 Métodos teratvos para la resolucón de ecuacones algebracas lneales 95 5.1 Método de Gauss-Jacob................................ 95 5.2 Método de Gauss-Sedel................................
Más detallesRESUMEN DEL TEMA 7 VALORES Y VECTORES PROPIOS
RESUMEN DEL TEMA 7 VALORES Y VECTORES PROPIOS 1. Determinantes El determinante de una matriz cuadrada n n A = a 21 a 22 a 2n a n1 a n2 a nn es un número real, y se representa por: A = a 21 a 22 a 2n a
Más detallesUnidad 2 Representación Algebráica
Undad Representacón lgebráca Gráfcas no drgdas Matrz de Incdenca La matrz de ncdenca de una gráfca G se denota como (G) y se defne como: a, S el vértce v ncde en la línea e n cada columna hay exactamente
Más detallesSUCESIONES RECURSIVAS LINEALES
SUCESIONES RECURSIVAS LINEALES Juan Saba Susana Tesaur 1 Introduccón Una forma usual de defnr sucesones de números es nductvamente Por ejemplo, s alguen conoce la sucesón de Fbonacc, es probable que la
Más detallesSistemas Lineales y Matrices
Profesores Hernán Giraldo y Omar Saldarriaga Instituto de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia Ejemplo Solución de sistemas de ecuaciones lineales, usaremos este
Más detallesClase 7 Herramientas de Álgebra Lineal
Clase 7 Herramientas de Álgebra Lineal 1 Formas cuadráticas La descomposición en valores singulares 3 Normas de matrices 4 Ejercicios Dada una matriz M R n n, la función escalar x T Mx, donde x R n, es
Más detalles10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD
10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo
Más detallesPropiedades efectivas de medios periódicos magneto-electroelásticos a través de funciones de Green
Propedades efectvas de medos peródcos magneto-electroelástcos a través de funcones de Green utores: Lázaro Makel Sto Camacho Julán Bravo Castllero LOGO Renaldo Rodríguez Ramos Raúl Gunovart Díaz Introduccón
Más detallesAnálisis en Componentes Principales
Análss en Componentes Prncpales ACP ACP: resumen Stuacón: se tene una tabla de datos cuanttatvos Obetvo: obtener una representacón en pocas dmensones de los obetos, perdendo el mínmo de nformacón obtener
Más detallesClase 8 Matrices Álgebra Lineal
Clase 8 Matrices Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia Matrices Definición Una matriz es un arreglo rectangular de números denominados entradas
Más detallesTaller III: Álgebra Matricial
Fundacón Msón Sucre Colego Unverstaro de Caracas Taller III: Álgebra Matrcal MATRICES Defncón: Conunto de números o símbolos algebracos colocados en líneas horzontales y vertcales dspuestos en forma de
Más detallesCoordenadas Curvilíneas
Departamento: Físca Aplcada III Mecánca Raconal (Ingenería Industral) Curso 007-08 Coordenadas Curvlíneas 1. Introduccón a. Obetvo: Generalar los tpos de coordenadas conocdos. Cartesanas. Clíndrcas, Esfércas,
Más detallesEstimación no lineal del estado y los parámetros
Parte III Estmacón no lneal del estado y los parámetros 1. Estmacón recursva El ltro de Kalman extenddo 12 es una técnca muy utlzada para la la estmacón recursva del estado de sstemas no lneales en presenca
Más detallesE. P. E. T. N 20 CUADERNILLO DE MATEMÁTICA TERCER AÑO PROFESORAS: JIMENA CARRAZCO MARÍA ANGÉLICA NETTO
E. P. E. T. N 0 CUADERNILLO DE MATEMÁTICA TERCER AÑO PROFESORAS: JIMENA CARRAZCO MARÍA ANGÉLICA NETTO E. P. E. T. N 0 MATEMÁTICA AÑO Undad N I: Epresones algebracas PROGRAMA DE MATEMÁTICA 0 TERCER AÑO
Más detallesDeterminación de H-matrices. R. Bru, C. Corral, I. Gimenez, J. Mas
XX Congreso de Ecuacones Dferencales y Aplcacones X Congreso de Matemátca Aplcada Sevlla, 24-28 septembre 2007 (pp. 1 8) Determnacón de H-matrces R. Bru, C. Corral, I. Gmenez, J. Mas Insttut de Matemàtca
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 detallesGeometría convexa y politopos, día 1
Geometría convexa y poltopos, día 1 Alexey Beshenov (cadadr@gmal.com) 8 de agosto de 2016 Los objetos geométrcos que nos nteresan en esta hstora son subconjuntos de R n. Voy a denotar los puntos de R n
Más detalles6.9 El trazador cúbico
4.9 El trazador cúbco El polnomo de nterpolacón es útl s se usan pocos datos y que además tengan un comportamento polnomal, así su representacón es un polnomo de grado bajo y adecuado. S no se cumplen
Más detallesCinemática del Brazo articulado PUMA
Cnemátca del Brazo artculado PUMA José Cortés Parejo. Enero 8. Estructura del brazo robótco El robot PUMA de la sere es un brazo artculado con artculacones rotatoras que le proporconan grados de lbertad
Más detallesHerramientas Matemáticas para la localización espacial. Prof. Cecilia García
Herramentas Matemátcas para la localzacón espacal Contendo I. Justfcacón 2. Representacón de la poscón 2. Coord. Cartesanas 2.2 Coord. Polares y Clíndrcas 2.3 Coord. Esfércas 3. Representacón de la orentacón
Más detallesClase 19: Estado Estacionario y Flujo de Potencia. EL Conversión de la Energía y Sistemas Eléctricos Eduardo Zamora D.
Clase 9: Estado Estaconaro y Flujo de Potenca EL400 - Conversón de la Energía y Sstemas Eléctrcos Eduardo Zamora D. Temas - Líneas de Transmsón - El Sstema Eléctrco - Matrz de Admtanca - Flujo de Potenca
Más detallesTEMA 11. Conceptos básicos de la Teoría de Conjuntos. Estructuras algebraicas.
Tema 11- onceptos báscos Teoría de onjuntos. Estructuras lgebracas TEM 11. onceptos báscos de la Teoría de onjuntos. Estructuras algebracas. 1. Introduccón. La teoría de conjuntos es una rama de las matemátcas
Más detallesClase 19: Estado Estacionario y Flujo de Potencia. EL Conversión de la Energía y Sistemas Eléctricos Eduardo Zamora D.
Clase 9: Estado Estaconaro y Flujo de Potenca EL400 - Conversón de la Energía y Sstemas Eléctrcos Eduardo Zamora D. Temas - Líneas de Transmsón - El Sstema Eléctrco - Matrz de Admtanca - Flujo de Potenca
Más detalles2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior.
. EL TENSOR DE TENSIONES Como se explcó prevamente, el estado tensonal en un punto nteror de un cuerpo queda defndo por 9 componentes, correspondentes a componentes por cada una de las tensones nternas
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 detallesISSN en trámite. Notas de matemática. Fascículo 2. Juan Sabia Susana Tesauri. Sucesiones recursivas lineales
Fascículo Notas de matemátca ISSN en trámte Juan Saba Susana Tesaur Sucesones recursvas lneales Departamento de Matemátca Facultad de Cencas Exactas y Naturales Unversdad de Buenos Ares 014 Notas de matemátca
Más detallesGeometría diferencial de superficies en el espacio
Geometría dferencal de superfces en el espaco Marano Suárez-Álvarez 31 de agosto, 2015 1 Superfces en el espaco 1 1.1 Cartas y superfces..................... 1 1.2 Funcones dferencables..................
Más detallesAdaptación: Julio J. Águila G. 1 Autores: Enriques Arias 2, Diego Cazorla 1
Adaptación: 1 Autores: Enriques Arias 2, Diego Cazorla 1 1 Departamento de Ingeniería en Computación-UMAG 2 Departamento de Sistemas Informáticos-UCLM martes 10 de marzo de 2015 (UMAG) martes 10 de marzo
Más detallesValores singulares. Producto escalar y ortogonalidad. Proposición. Curso < x, y >= si F = C. Si x C n x i=1
Valores singulares Curso 2017-18 1 Producto escalar y ortogonalidad < x, y >= n y i x i = y T x si F = R, n y i x i = y x Si x C n x x = n x i 2 = x 2 2. si F = C Si x, y C n x y = y x, pero si x, y R
Más detallesComportamiento asintótico del núcleo asociado a polinomios ortogonales en varias variables. Wilmer Merardo Gómez Blanco Código:
Comportamento asntótco del núcleo asocado a polnomos ortogonales en varas varables Wlmer Merardo Gómez Blanco Códgo: 01830509 Unversdad Naconal de Colomba Facultad de Cencas Departamento de Matemátcas
Más detallesOperadores por Regiones
Operadores por Regones Fltros por Regones Los fltros por regones ntentan determnar el cambo de valor de un píxel consderando los valores de sus vecnos I[-1,-1] I[-1] I[+1,-1] I[-1, I[ I[+1, I[-1,+1] I[+1]
Más detallesLección 8. Matrices y Sistemas de Ecuaciones Lineales
Lección 8 Matrices y Sistemas de Ecuaciones Lineales MIGUEL ANGEL UH ZAPATA 1 Análisis Numérico I Facultad de Matemáticas, UADY Septiembre 2014 1 Centro de Investigación en Matemáticas, Unidad Mérida En
Más detallesÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO
2017 ÁLGEBRA II (LSI PI) UNIDAD Nº 5 RANSFORMACIONES LINEALES Facultad de Cecas Exactas y ecologías UNIERSIDAD NACIONAL DE SANIAGO DEL ESERO aa Error! No hay texto co el estlo especfcado e el documeto
Más detallesRepaso de algebra matricial
Clase No. 3 (Parte 1): MAT 251 Repaso de algebra matricial Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/ Dr. Joaquín
Más detallesTRANSFORMACIONES LINEALES 1. TRANSFORMACIONES NÚCLEO E IMAGEN
RANSFORMACIONES LINEALES 1 RANSFORMACIONES NÚCLEO E IMAGEN DEFINICION : Sean V W espacios vectoriales Una transformación lineal de V en W es una función que asigna a cada vector v V un único vector v W
Más detallesCapítulo 11. Movimiento de Rodamiento y Momentum Angular
Capítulo 11 Movmento de Rodamento y Momentum Angular 1 Contendos: Movmento de rodamento de un cuerpo rígdo. Momentum Angular de una partícula. Momentum Angular de un sstema de partículas. Momentum Angular
Más detallesResumen TEMA 1: Teoremas fundamentales de la dinámica y ecuaciones de Lagrange
TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange Mecánca 2 Resumen TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange. Prncpos de dnámca clásca.. Leyes de ewton a) Ley
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 detallesINGENIERÍA DE TELECOMUNICACIÓN BLOQUE 1
INGENIERÍA DE TELECOMUNICACIÓN BLOQUE En el Aula Vrtual se encuentra dsponble: Materal nteractvo con teoría y ejerccos resueltos. Para acceder a ello deberá pulsar sobre los sguentes enlaces una vez dentro
Más detallesANEXO B SISTEMAS NUMÉRICOS
ANEXO B SISTEMAS NUMÉRICOS Sstema Decmal El sstema ecmal emplea ez ferentes ígtos (,,,, 4, 5, 6, 7, 8 y 9). Por esto se ce que la base el sstema ecmal es ez. Para representar números mayores a 9, se combnan
Más detallesMAT1202: Algebra Lineal GUIA N 6 Otoño 2002 Valores y Vectores Propios
Pontificia Universidad Católica de Chile Facultad de Matemáticas MAT1202: Algebra Lineal GUIA N 6 Otoño 2002 Valores y Vectores Propios 1. Determine los valores y vectores propios de 0 3 A + I = 1 3 A
Más detallesTema I. Matrices y determinantes
Tema I. Matrices y determinantes 2007 Carmen Moreno Valencia 1. Matrices sobre un cuerpo 2. Operaciones con matrices 3. Determinante de una matriz cuadrada 4. Menor complementario y adjunto 5. Cálculo
Más detallesDefinición (matriz): Definición (dimensión de una matriz): Si una matriz tiene m renglones y n columnas se dice que es de dimensión m n.
Índice general 1. Álgebra de Matrices 1 1.1. Conceptos Fundamentales............................ 1 1.1.1. Vectores y Matrices........................... 1 1.1.2. Transpuesta................................
Más detallesMATRIZ Una matriz de orden (tamaño) mxn sobre el campo de los complejos es un arreglo rectangular de la forma a 11 a 12 a 1n a ] a m1 a m2 a mn
MATRIZ Una matriz de orden (tamaño) mxn sobre el campo de los complejos es un arreglo rectangular de la forma a 11 a 12 a 1n a [ 21 a 22 a 2n ] a m1 a m2 a mn con m renglones y n columnas, donde los a
Más detallesREGLAMENTO PARA LA GESTIÓN DE RIESGO POR TIPO DE CAMBIO
CAPÍTULO XVIII: REGLAMENTO PARA LA GESTIÓN DE RIESGO POR TIPO DE CAMBIO Artículo - Objeto.- El presente Reglamento tene por objeto establecer las dsposcones que deben ser cumpldas para la gestón del resgo
Más detallesRancagua, Agosto 2009
cvalle@inf.utfsm.cl Departamento de Informática - Universidad Técnica Federico Santa María Rancagua, Agosto 2009 1 / 28 Temario 1 2 3 4 2 / 28 Temario 1 2 3 4 3 / 28 Los nombre y arreglos son equivalentes.
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 detallesVectores y matrices. Problemas para examen
Vectores y matrices Problemas para examen Operaciones lineales con vectores 1. Programación: la suma de dos vectores. Escriba una función que calcule x + y, donde x, y R n. Calcule el número de flops.
Más detallesConceptos Preliminares
Conceptos Preliminares Igualdad de matrices Definición: Dos matrices son iguales cuando tienen la misma dimensión y los elementos que ocupan la misma posición en ambas son iguales. Estas matrices cumplen
Más detallesAlgoritmos matemáticos para:
Algortmos matemátcos para: sstemas de ecuacones lneales, nversón de matrces y mínmos cuadrados Jose Agular Inversón de matrces Defncón(Inversadeunamatrz):SeaAunamatrz nxn.unamatrzcde nxn esunanversadeascaaci.
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 detallesOCW-V.Muto Técnicas iterativas para resolver sistemas lineales Cap. XVII CAPITULO XVII. TECNICAS ITERATIVAS PARA RESOLVER SISTEMAS LINEALES
CAPITULO XVII. TECNICAS ITERATIVAS PARA RESOLVER SISTEMAS LINEALES. INTRODUCCION Y METODO Una técnca teratva para resolver un sstema lneal A x = b de n n empeza con una aproxmacón ncal x (0) a la solucón
Más detallesMatrices y Sistemas Lineales
Matrices y Sistemas Lineales Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza Matrices sobre IR ó C. Definición Dado un conjunto K (IR ó C) y dos conjuntos finitos de índices I = {,, m} J
Más detallesUnidad 6-. Números complejos 1
Undad -. Números complejos ACTIVIDADES FINALES EJERCICIOS Y PROBLEMAS Efectúa las sguentes operacones: aa (-(-(- aa (-(-(- cc ( -(-( bb ( ( - - (- 7 dd ( - - (- / ( - ( ( (. ( Sumamos algebracamente por
Más detallesESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS:
SUBESPACIOS FINITAMENTE GENERADOS: Teorema S G={v, v,, v } es u sstema fto de geeradores de u subespaco S V K-EV, etoces G`= {v, v,, v,w} sedo w combacó leal de vectores de G, també geera a S. Demostracó
Más detallesCapítulo 11. Movimiento de Rodamiento y Momentum Angular
Capítulo 11 Movmento de Rodamento y Momentum Angular 1 Contendos: Movmento de rodamento de un cuerpo rígdo. Momentum Angular de una partícula. Momentum Angular de un sstema de partículas. Momentum Angular
Más detallesCONECTIVIDAD EN LOS MUNICIPIOS Y REGIONES DE JALISCO
ONETIVIDD EN LOS MUNIIPIOS Y REGIONES DE JLISO Introduccón Desde el año 2005 el tlas de amnos y arreteras está regstrando para el Sstema Informacón Terrtoral del Estado de Jalsco (SITEJ), el nventaro de
Más detallesCinemática del movimiento rotacional
Cnemátca del movmento rotaconal Poscón angular, θ Para un movmento crcular, la dstanca (longtud del arco) s, el rado r, y el ángulo están relaconados por: 180 s r > 0 para rotacón en el sentdo anthoraro
Más detallesUnidad Nº III Unidad Aritmética-Lógica
Insttuto Unverstaro Poltécnco Santago Marño Undad Nº III Undad Artmétca-Lógca Undad Artmétca-Lógca Es la parte del computador que realza realmente las operacones artmétcas y lógcas con los datos. El resto
Más detallesINVERSA DE UNA MATRIZ
INVERSA DE UNA MATRIZ Profesores Omar Darío Saldarriaga Ortíz Ivan Darío Gómez Hernán Giraldo 2009 Definición Sean x = x 1 x n y y = y 1 y n vectores de n componentes, definimos el producto interno o producto
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 detallesMATRICES Y SISTEMAS DE ECUACIONES
MATRICES Y SISTEMAS DE ECUACIONES Definición Una matriz real de orden m n es una tabla ordenada de m n números reales a 11 a 12 a 1n a A = 21 a 22 a 2n a m1 a m2 a mn en la cual las líneas horizontales
Más detalles6.5.7 Orientación de un espacio vectorial eucĺıdeo Producto vectorial Diagonalización de formas bilineales simétricas...
Contents 6 Formas Bilineales y Producto Escalar 3 6.1 Formas bilineales............................... 3 6.1.1 Matriz de una forma bilineal....................... 4 6.1. Formas bilineales simétricas.......................
Más detalles17/02/2015. Ángel Serrano Sánchez de León
Ángel Serrano Sánchez de León 1 Índce Introduccón Varables estadístcas Dstrbucones esde frecuencas c Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca,
Más detallesCI42A: ANALISIS ESTRUCTURAL. Programa CI42A
CI4A: ANALISIS ESTRUCTURAL Prof.: Rcardo Herrera M. Programa CI4A NÚMERO NOMBRE DE LA UNIDAD OBJETIVOS DURACIÓN 4 semanas Prncpo de los trabajos vrtuales y teoremas de Energía CONTENIDOS.. Defncón de trabajo
Más detalles