A.M. Urbano, R. Cantó, B. Ricarte Institut de Matemàtica Multidisciplinar, Universitat Politècnica de València, E Valencia
|
|
- Consuelo Tebar Valverde
- hace 6 años
- Vistas:
Transcripción
1 Factorización de Cholesky de matrices singulares A.M. Urbano, R. Cantó, B. Ricarte Institut de Matemàtica Multidisciplinar, Universitat Politècnica de València, E-460 Valencia Resumen Es conocido que toda matriz simétrica definida positiva admite una única factorización de Cholesky, mientras que si la matriz es semidefinida positiva dicha factorización no es, por regla general, única. En este trabajo vamos a demostrar que existe una única factorización de Cholesky de rango completo en forma escalonada para las matrices simétricas semidefinidas positivas. Los resultados obtenidos pueden extenderse a matrices rectangulares A sin rango completo para obtener la factorización de Cholesky de rango completo de la matriz simétrica semidefinida positiva A T A. Además presentamos dos algoritmos que permiten obtener la factorización de Cholesky de A T A sin necesidad de hacer el producto de ambas matrices. Sección en el CEDYA 011: ALAMA 1. Introducción Dada una matriz A R n n con rank(a) r < n, una factorización de la forma A F U, donde F R n r, U R r n y rank(f ) rank(u) r recibe el nombre de factorización de rango completo de A. Dicha factorización no es única, pero sí que lo es la factorización de rango completo en la que la matriz U está en forma escalona reducida superior unitaria. Cuando la matriz A es simétrica definida positiva es conocido que existe una única factorización de Cholesky A LL T, donde L es triangular inferior con diagonal positiva, pero si A es simétrica semidefinida positiva esta factorización no es única en general. Uno de los objetivos del trabajo es demostrar que existe una única factorización de Cholesky de rango completo (factorización CRC) de la matriz A, de la forma A LL T, donde L R n r es escalonada inferior y con la entrada principal de cada columna positiva. Dicha factorización la obtenemos aplicando a la matriz A el algoritmo de quasi-gauss sin intercambio de filas []. Este resultado puede aplicarse para obtener la factorización CRC de la matriz semidefinida positiva A T A, donde A es una matriz rectangular sin rango completo. Además, presentamos dos algoritmos que permiten obtener dicha factorización sin realizar el producto de matrices A T A.
2 . Factorización CRC de matrices simétricas semidefinidas positivas Dada una matriz A R n n simétrica semidefinida positiva y con rank(a) r < n, en la siguiente proposición se obtiene la factorización CRC de A sin realizar intercambio de filas aplicando el algoritmo de quasi-gauss []. Para ello supondremos, sin pérdida de generalidad, que A no tiene filas ni, por la simetría, columnas nulas. En caso contrario, si las filas de índices i 1, i,..., i s fuesen nulas premultiplicando y postmultiplicando A por las matrices I {i 1,i,...,i s } y ( ) I {i 1,i,...,i s } T, respectivamente, obtenidas a partir de la matriz identidad de orden n sin las filas de índices i 1, i,..., i s, obtenemos una matriz Ā sin filas ni columnas nulas, Ā I {i 1,i,...,i s } A (I ) {i T 1,i,...,i s } A partir de la factorización CRC de Ā obtenemos la correspondiente factorización de la matriz A, es decir ( ( ) ) Ā L Ā L T Ā A I {i T ( ) 1,i,...,i s } LĀ L T Ā I{i 1,i,...,i s } LL T Proposición 1. Consideremos la matriz A R n n simétrica semidefinida positiva con rank(a) r y sin filas ni columnas nulas. Existe la factorización CRC de A, A LL T, donde L R n r es escalonada inferior y con la entrada principal de cada columna positiva. Demostración: Como A es semidefinida positiva y no tiene filas ni columnas nulas, todos los elementos de la diagonal principal son positivos. Supongamos que podemos aplicar el algoritmo de Gauss sin intercambio de filas hasta la iteración (k 1)-ésima y que el pivote k-ésimo es nulo, es decir R k 1 E (k 1) E (k ) E (1) A l 11 l 1... l 1k 1 l 1k l 1k+1... l 1n l... l k 1 l k l k+1... l n l k 1k 1 l k 1k l k 1k+1... l k 1n 0 l kk+1... l kn l kk+1 l k+1k+1... l k+1n... l kn l k+1n... l nn con l ii > 0 para i 1,,..., k 1. A partir de la relación existente entre los menores de A y de R k 1 (ver [1]) tenemos que para j k + 1, k +,..., n, se verifica: det (A[1,,..., k, j]) det (R k 1 [1,,..., k, j]) l kj k 1 i1 l ii 0,
3 por lo que l kj 0 para j k + 1, k +,..., n. Es decir la fila k-ésima de la matriz R k 1 es nula, por lo que podemos quitarla aplicando el algoritmo de quasi-gauss. Como consecuencia, siempre que un pivote sea nulo también serán nulos todos los elementos de su fila. Al quitar dicha fila mediante el algoritmo de quasi- Gauss obtenemos una nueva matriz R k 1 a la que podemos seguir aplicando el algoritmo de Gauss hasta llegar a la matriz en forma escalonada superior y con rango completo de la que obtendremos el factor escalonado superior de Cholesky L T. Notar que la entrada principal en cada columna es el pivote que utilizamos en cada iteración, por lo que es siempre positivo. 3. Factorización CRC de matrices rectangulares Sea A R n m con rank(a) r < mín{n, m}, entonces A T A R m m es simétrica semidefinida positiva. Aplicando la Proposición 1 obtenemos su factorización CRC, A T A LL T, sin realizar intercambio de filas. El problema principal para obtener la factorización de Cholesky, general o de rango completo, de A T A consiste en realizar el producto de las matrices puesto que el número de condición de A T A es el cuadrado del número de condición de la matriz A. Por ello, vamos a presentar dos algoritmos que permiten obtener la factorización de Cholesky de rango completo sin necesidad de calcular previamente el producto correspondiente Matriz con rango completo por columnas Supongamos en primer lugar que la matriz A R n m tiene rango completo por columnas, esto es, rank(a) m. Como consecuencia A T A R m m es simétrica definida positiva y, por tanto, admite una única factorización de Cholesky de la forma A T A LL T, L R m m triangular inferior invertible. La obtención de la matriz L sin hacer el producto A T A pude hacerse teniendo en cuenta el siguiente resultado. Proposición. Sea A R n m una matriz con rango completo por columnas y L (l ij ) su factor triangular inferior de Cholesky. Se verifica l ij < A j, A i > j 1 k1 l jkl ik l jj i 1 lii A i l it para i 1,,..., m j 1,,..., i 1 donde A i representa la columna i-ésima de la matriz A, i 1,,..., m.
4 Demostración: Como L es el factor triangular inferior de Cholesky se verifica que A T A LL T. Supongamos que e i representa el i-ésimo vector canónico. Para i 1,,..., m tenemos e T i A T Ae i e T i LL T e i Ae i L T e i A i De manera análoga para i 1,,..., m y j 1,,..., i 1, obtenemos Por tanto A(e j + e i ) L T (e j + e i ) A j + A i L T j + L T i i lit (1) A j + A i (l j1 + l i1 ) + (l j + l i ) + + (l jj + l ij ) + lij lii j j i j ljt + l jk l ik + lit A j + l jk l ik + A i k1 De donde, para j 1,,..., i 1, obtenemos l ij A j + A i A j j 1 k1 l jkl ik A i l jj Finalmente, y a partir de la ecuación (1) tenemos k1 < Aj, A i > j 1 k1 l jkl ik l jj i 1 lii A i l it Sea A R n m con rango completo por columnas. A partir de la Proposición obtenemos los dos algoritmos siguientes que calculan el factor triangular inferior de Cholesky L R m m tal que A T A LL T. ALGORITMO 1 (Cálculo de la matriz L por filas) l 11 A 1 For i, 3,..., m For j 1,,..., i 1 end l ii A i i 1 l it end l ij < A i, A j > j 1 k1 l jkl ik l jj
5 Donde el sumatorio para j 1 es nulo, es decir 0 k1 l jkl ik 0. ALGORITMO (Cálculo de la matriz L por columnas) l 11 A 1 For i 1,, 3,..., m 1 For j i + 1, i +,..., m end l i+1i+1 A i+1 i k1 l i+1k end l ji < A j, A i > i 1 l jtl it l ii También en este caso el sumatorio es nulo para i 1. La ventaja del Algoritmo respecto del Algoritmo 1 es que el cálculo de los elementos l ji puede hacerse mediante computación en paralelo. Ejemplo 1. Calcular el factor triangular inferior de Cholesky de la matriz A T A sin hacer el producto, siendo A la matriz A Aplicando el algoritmo por filas tenemos l 11 A 1 8 l 1 < A 1, A > 8 l 11 l A l1 l 31 < A 1, A 3 > 4 l 11 8 l 3 < A, A 3 > l 1 l 31 l 55 l 33 A 3 l31 l 3 Por tanto el factor triangular inferior de Cholesky de A T A es 0 0 L / / 0. / 55/
6 3.. Matriz sin rango completo Supongamos ahora que la matriz A R n m no tiene rango completo por columnas, esto es, rank(a) r < mín{n, m}. Se calcula en primer lugar la factorización de rango completo de A de la forma A F U, donde F R n r, U R r m en forma escalonada reducida superior unitaria y rango(f ) rango(u) r. Como la matriz F tiene rango completo por columnas, F T F es simétrica definida positiva. Aplicando la Proposición, su factor inferior de Cholesky L F puede calcularse sin necesidad de realizar el producto F T F. A partir de aquí es inmediato comprobar que el factor escalonado inferior de Cholesky de la matriz A T A se obtiene de la forma L U T L F Ejemplo. Calcular el factor escalonado inferior de Cholesky de A T A sin hacer el producto, siendo A la matriz A La factorización de rango completo A F U, donde U está en forma escalonada reducida superior unitaria es, / 0 A }{{}}{{} U F Notar que la matriz F es la matriz del ejemplo 1, por tanto el factor escalonado inferior de Cholesky de A T A es 0 0 L U T L F / / 0 / / 0. / 55/ El método anterior presenta el inconveniente de tener que hacer en primer lugar la factorización de rango completo de la matriz A para obtener las columnas linealmente independientes. Podemos evitarnos este paso teniendo en cuenta el siguiente comentario: Comentario: Supongamos que r 1 es la primera columna de la matriz A R n m linealmente dependiente de las r 1 1 columnas anteriores. En este caso, la
7 columna r 1 de la matriz A T A será también linealmente dependiente de las r 1 1 columnas anteriores y como consecuencia la fila r 1 será dependiente de las r 1 1 filas anteriores. Por tanto, si aplicamos el algoritmo de Gauss a la matriz A T A, la fila r 1 que se obtiene es nula. Así pues, al aplicar alguno de los algoritmos anteriores a la matriz A inicial obtendremos que l r1 r 1 0, lo que implica que l jr1 0 para j r 1 + 1,..., m. Como consecuencia dicha columna no formará parte de la matriz escalonada inferior L que estamos calculando. El proceso continua con el cálculo de los elementos de las filas o columnas siguientes teniendo en cuenta que l jr1 0 para j r 1 + 1,..., m. Ejemplo 3. Consideremos la matriz A del ejemplo anterior A Aplicando el algoritmo por filas: l 11 A 1 8 l 1 < A 1, A > 8 l 11 l A l1 l 31 < A 1, A 3 > l 11 8 l 3 < A, A 3 > l 1 l 31 l l 33 A 3 l31 l 3 0. Notar que l 33 0 implica que la tercera columna de la matriz A T A es combinación lineal de las dos primeras. Como consecuencia dicha columna puede ser quitada al calcular el factor triangular inferior de Cholesky para que la factorización sea de rango completo. Ahora seguimos calculando los elementos que
8 faltan, teniendo en cuenta que l j3 0, con j > 3, luego l 41 < A 1, A 4 > 4 l 11 8 l 4 < A, A 4 > l 1 l 41 l l 43 0 l 44 L A 4 l 41 l 4 l / / 0 / / 0 / 55/. Agradecimientos Trabajo financiado por el proyecto de la DGI MTM y el Programa de Apoyo a la Investigación y Desarrollo (PAID-06-10) de la Universitat Politècnica de València. Bibliografía [1] T. Ando, Totally positive matrices, Linear Algebra Appl. vol. 90 (87), [] R. Cantó, B. Ricarte, A. M. Urbano, Full rank factorization and Flanders Theorem, Electronic Journal of Linear Algebra, vol. 18 (009),
Factorización de matrices totalmente no positivas y totalmente negativas
XXI Congreso de Ecuaciones Diferenciales y Aplicaciones XI Congreso de Matemática Aplicada Ciudad Real, 21-25 septiembre 2009 (pp. 1 8) Factorización de matrices totalmente no positivas y totalmente negativas
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 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 detallesSistemas de Ecuaciones. Lineales II
Sistemas de Ecuaciones Lineales II Factorización LU: Eliminación Gaussiana Relación con la factorización LU 521230-1 - DIM Universidad de Concepción Solución de sistemas con matriz triangular Dadas L =
Más detallesResolución de Sistema de Ecuaciones Lineales
Resolución de Sistema de Ecuaciones Lineales Hermes Pantoja Carhuavilca Facultad de Ingeniería Mecanica Universidad Nacional de Ingenieria Métodos Numérico Hermes Pantoja Carhuavilca 1 de 29 CONTENIDO
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 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 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 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 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 detallesMatemáticas 2.º Bachillerato. Matemáticas 2.º Bachillerato. Matemáticas 2.º Bachillerato. Ejemplo:
Mapa conceptual Determinante de segundo orden Dada una matriz cuadrada de segundo orden: a a 11 12 A = a a 21 22 se llama determinante de A al número real: det (A)= A = a11 a 12 = a a a a a21 a22 11 22
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 detallesClase No. 13: Factorización QR MAT 251. Joaquín Peña (CIMAT) Métodos Numéricos (MAT 251) / 16
Clase No 13: Factorización QR MAT 251 Joaquín Peña (CIMAT) Métodos Numéricos (MAT 251) 03102011 1 / 16 Factorización QR Sea A R m n con m n La factorización QR de A es A = QR = [Q 1 Q 2 ] R1 = Q 0 1 R
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 detallesSolución de sistemas lineales
Solución de sistemas lineales Felipe Osorio http://www.ies.ucv.cl/fosorio Instituto de Estadística Pontificia Universidad Católica de Valparaíso Marzo 31, 2015 1 / 12 Solución de sistemas lineales El problema
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 detallesSistemas de Ecuaciones. Lineales III
Sistemas de Ecuaciones Lineales III Pivoteo: Estrategia de pivoteo parcial Adaptación a matrices con estructuras particulares: Matrices banda y tridiagonales Método de holesky 52123-1 - DIM Universidad
Más detallesTema 1: Matrices. El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico.
Tema 1: Matrices El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico. 1. Terminología Comenzamos con la definición de matriz
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 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 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 detallesPara resolver un sistema lineal estan permitidas tres operaciones en las ecuaciones.
Para resolver un sistema lineal estan permitidas tres operaciones en las ecuaciones. 1. La ecuación E i puede multiplicarse por cualquier costante diferente de cero y se puede usar la ecuación resultante
Más detallesMATEMÁTICAS 2º BACH TECNOL. MATRICES. Profesor: Fernando Ureña Portero MATRICES
CONCEPTO DE MATRIZ Definición: Se denomina matriz A o (a ij ) a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas : Columnas Filas Elemento a ij : Cada uno
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 detallesDEFINICIONES TIPOS DE MATRICES DETERMINANTES Y PROPIEDADES OPERACIONES MATRICIALES INVERSA DE UNA MATRIZ SISTEMAS DE ECUACIONES
ALGEBRA DE MATRICES DEFINICIONES TIPOS DE MATRICES DETERMINANTES Y PROPIEDADES OPERACIONES MATRICIALES INVERSA DE UNA MATRIZ SISTEMAS DE ECUACIONES DEFINICIONES 2 Las matrices y los determinantes son herramientas
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 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 detalles1. Matrices. Operaciones con matrices
REPASO MUY BÁSICO DE MATRICES. Matrices. Operaciones con matrices.. Introducción Las matrices aparecieron por primera vez hacia el año 850, introducidas por el inglés J. J. Sylvester. Su desarrollo se
Más detalles2. Formas cuadráticas. Expresiones diagonales. Clasificación respecto a su signo.
2. Formas cuadráticas. Expresiones diagonales. Clasificación respecto a su signo. 2.1 Formas cuadráticas. Expresión matricial y analítica. Expresiones diagonales. Definición 2.1 (Expresión matricial) Una
Más detallesMétodos directos de resolución de sistemas lineales
Tema 4 Métodos directos de resolución de sistemas lineales 1 Introducción En este tema se estudian algunos métodos de resolución de sistemas de ecuaciones lineales con el mismo número de ecuaciones que
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 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 detallesProcedimiento para encontrar la inversa de una matriz cuadrada (Método de Gauss-Jordan).
Ejemplo 19: Demuestre que la matriz A es invertible y escríbala como un producto de matrices elementales. Solución: Para resolver el problema, se reduce A a I y se registran las operaciones elementales
Más detalles1. Matrices y determinantes
A-PDF Page Cut DEMO: Purchase www.apuntesdemates.weebly.com from www.a-pdf.com to remove the watermark 1. Matrices y determinantes 1.1 Notación y definiciones Definición 1.1 [Matriz] Una matriz es una
Más detallesMatrices y Determinantes.
Tema II Capítulo 1 Matrices Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC Tema II Matrices y Determinantes 1 Matrices 1 Definiciones básicas Definición 11 Una matriz A de
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 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 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 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 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 detallesÁlgebra Lineal Ma1010
Álgebra Lineal Ma1010 Departamento de Matemáticas ITESM Álgebra Lineal - p. 1/16 En esta lectura veremos el proceso para obtener la factorización QR de una matriz. Esta factorización es utilizada para
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 detalles3. Matrices. 1 Definiciones básicas. 2 Operaciones con matrices. 2.2 Producto de una matriz por un escalar. 2.1 Suma de matrices.
Tema I Capítulo 3 Matrices Álgebra Departamento de Métodos Matemáticos y de Representación UDC 3 Matrices 1 Definiciones básicas Definición 11 Una matriz A de dimensión m n es un conjunto de escalares
Más detallesSe llama adjunto de un elemento de una matriz A, al número resultante de multiplicar por el determinante de la matriz complementaria
T.3: MATRICES Y DETERMINANTES 3.1 Determinantes de segundo orden Se llama determinante de a: 3.2 Determinantes de tercer orden Se llama determinante de a: Ejercicio 1: Halla los determinantes de las siguientes
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 detallesMatrices: repaso. Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas. Una matriz A M m n es de la forma A =
Matrices: repaso Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas Una matriz A M m n es de la forma a 11 a 1n A = a m1 a mn Denotaremos A ij = a ij el coeficiente
Más detallesTema 2: Teorema de estructura de los grupos abelianos finitamente generados.
ESTRUCTURAS ALGEBRAICAS GRADO EN MATEMÁTICAS. CURSO 215/216 Tema 2: Teorema de estructura de los grupos abelianos finitamente generados. 1.1. Grupo abeliano libre. Bases. Definición 1.1. El grupo Z n con
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 detallesMatrices y Sistemas Lineales
Matrices y Sistemas Lineales Álvarez S, Caballero MV y Sánchez M a M salvarez@umes, mvictori@umes, marvega@umes 1 ÍNDICE Matemáticas Cero Índice 1 Definiciones 3 11 Matrices 3 12 Sistemas lineales 5 2
Más detallesMatrices 2º curso de Bachillerato Ciencias y tecnología
MATRICES Índice:. Introducción-------------------------------------------------------------------------------------- 2. Definición de matriz-----------------------------------------------------------------------------
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 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 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 detallesMatrices y Sistemas Lineales
Matrices y Sistemas Lineales Álvarez S, Caballero MV y Sánchez M a M salvarez@umes, mvictori@umes, marvega@umes Índice 1 Definiciones 3 11 Matrices 3 12 Sistemas lineales 6 2 Herramientas 8 21 Operaciones
Más detallesMatemáticas II. Prácticas: Matrices y Determinantes ; C = 1 3 5
Matemáticas II Prácticas: Matrices y Determinantes. Sean las matrices cuadradas siguientes: 4 5 6 B = 9 8 7 6 5 4 C = 5 7 9 0 7 8 9 Se pide calcular: a A B + C. b A AB + AC. c A B AB + ACB.. Sean las matrices:
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 detallesTEMA 4: Sistemas de ecuaciones lineales II
TEM 4: Sistemas de ecuaciones lineales II ) Teorema de Rouché-Frobenius. ) Sistemas de Cramer: regla de Cramer. 3) Sistemas homogeneos. 4) Eliminación de parámetros. 5) Métodos de factorización. 5) Métodos
Más 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 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 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 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 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 detalles1 ÁLGEBRA DE MATRICES
1 ÁLGEBRA DE MATRICES 1.1 DEFINICIONES Las matrices son tablas numéricas rectangulares. Se dice que una matriz es de dimensión m n si tiene m filas y n columnas. Cada elemento de una matriz se designa
Más detallesTEMA 1: MATRICES. Una matriz de orden mxn es un conjunto de m n números reales dispuestos en m filas y n columnas ...
TEMA : MATRICES Una matriz de orden mxn es un conjunto de m n números reales dispuestos en m filas y n columnas a a a... a n a a a... an A... am am am... amn A los números reales a ij se les llama elementos
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 detallesTema 3: Sistemas de ecuaciones lineales
Tema 3: Sistemas de ecuaciones lineales 1. Introducción Los sistemas de ecuaciones resuelven problemas relacionados con situaciones de la vida cotidiana que tiene que ver con las Ciencias Sociales. Nos
Más 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 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 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 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 1. 1 Álgebra lineal. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. 1.1 Vectores de R n. 1. Vectores. 2.
Aurea Grané. Máster en Estadística. Universidade Pedagógica. 1 Aurea Grané. Máster en Estadística. Universidade Pedagógica. 2 Tema 1 Álgebra lineal 1. Vectores 2. Matrices 1 Álgebra lineal Aurea Grané
Más detallesMatrices y determinantes
Matrices y determinantes 1 Ejemplo Cuál es el tamaño de las siguientes matrices? Cuál es el elemento a 21, b 23, c 42? 2 Tipos de matrices Matriz renglón o vector renglón Matriz columna o vector columna
Más 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 detallesGustavo Rodríguez Gómez. Agosto Dicembre 2011
Computación Científica Gustavo Rodríguez Gómez INAOE Agosto Dicembre 2011 1 / 46 Capítulo II 2 / 46 1 Introducción Métodos Directos Sistemas Triangulares Sustitución Hacia Atrás Invertibilidad de una Matriz
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 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 detallesa) La adición y la multiplicación de matries cuadradas del mismo orden, están bien definidas.
MATRICES CUADRADAS Definición: ( Cuadradas Una matriz A es una matriz cuadrada de orden n, si y solo si, A es de oreden n n, es decir, A tiene n filas y n columnas: a 11 a 1n a n1 a nn Observación: a La
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 detallesMétodos de factorización para resolver sistemas de ecuaciones lineales. 22 de agosto, 2012
Cálculo numérico Métodos de factorización para resolver sistemas de ecuaciones lineales 22 de agosto, 2012 1 Factorización LU Considera el siguiente ejemplo de factorización LU de una matriz en un sistema
Más detallesÁLGEBRA LINEAL. EXAMEN FINAL 18 de Enero de b) (0, 5 puntos) Estudia si la siguiente afirmación es verdadera o falsa, justificando
ÁLGEBRA LINEAL EXAMEN FINAL 8 de Enero de Apellidos y Nombre: Duración del examen: 3 horas Publicación de notas: enero Revisión de Examen: feb Ejercicio. ( puntos a (, puntos Estudia si la siguiente afirmación
Más detallesAlgebra Lineal * Working draft: México, D.F., a 17 de noviembre de 2010.
Algebra Lineal * José de Jesús Ángel Ángel jjaa@mathcommx Working draft: México, DF, a 17 de noviembre de 2010 Un resumen de los principales temas tratados en un curso de Álgebra Lineal Contenido 1 Sistemas
Más detallesTema 2.- Formas Cuadráticas.
Álgebra. 004 005. Ingenieros Industriales. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema.- Formas Cuadráticas. Definición y representación matricial. Clasificación de las formas
Más detallesSe dice que una matriz cuadrada A es invertible, si existe una matriz B con la propiedad de que
MATRICES INVERTIBLES Se dice que una matriz cuadrada A es invertible, si existe una matriz B con la propiedad de que AB = BA = I siendo I la matriz identidad. Denominamos a la matriz B la inversa de A
Más detallesMatrices y Determinantes
Tema 2 Matrices y Determinantes 21 Introducción Presentaremos en este tema las matrices y los determinantes, centrándonos en particualar en el caso de matrices constituidas por números reales 22 Matrices
Más detallesDeterminantes. En esta Unidad didáctica nos proponemos alcanzar los objetivos siguientes:
UNIDAD 2 Determinantes l número que asociaremos a cada matriz E cuadrada A y que llamaremos su determinante det(a), aparece en los libros actuales a continuación de las matrices, aunque históricamente
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 detallesSemana 14 [1/28] Matrices. 22 de julio de Matrices
Semana 14 [1/28] 22 de julio de 2007 Definiciones básicas Semana 14 [2/28] Definiciones básicas Matriz Una matriz A, de m filas y n columnas con coeficientes en el cuerpo à (en este apunte à será Ê ó C)
Más detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 1 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad
Más detallesDepartamento de Matemáticas, CCIR/ITESM. 9 de febrero de 2011
Factorización LU Departamento de Matemáticas, CCIR/ITESM 9 de febrero de 2011 Índice 26.1. Introducción............................................... 1 26.2. Factorización LU............................................
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 detallesTema 2 Datos multivariantes
Aurea Grané Máster en Estadística Universidade Pedagógica 1 Aurea Grané Máster en Estadística Universidade Pedagógica 2 Tema 2 Datos multivariantes 1 Matrices de datos 2 Datos multivariantes 2 Medias,
Más detallesEspacios Vectoriales. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21
Espacios Vectoriales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21 Objetivos Al finalizar este tema tendrás que: Saber si unos vectores son independientes.
Más detallesDescomposición LU de matrices
Descomposición LU de matrices José L. Vieitez IMERL, Facultad de Ingeniería, Universidad de la República 3 de agosto de 006 Abstract Descomposición LU de una matriz A = (a ij ), i, j = 1,..., n. 1 Hechos
Más detalles1 Vectores de R n. Tema 1. Álgebra matricial. 1.2 Dependencia lineal
Diplomatura en Estadística 1 Tema 1. Álgebra matricial 1. Vectores 1.1 Definiciones básicas 1.2 Dependencia lineal 2. Matrices 2.1 Rango de una matriz 2.2 Matrices cuadradas 3. Vectores y valores propios
Más detallesAlgebra Lineal XXVI: La Regla de Cramer.
Algebra Lineal XXVI: La Regla de Cramer José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato email: jrico@salamancaugtomx
Más detallesEcuaciones matriciales AX = B y XA = B. Cálculo de la matriz inversa
Ecuaciones matriciales AX = B y XA = B Cálculo de la matriz inversa Objetivos Aprender a resolver ecuaciones matriciales de la forma AX = B y XA = B Aprender a calcular la matriz inversa con la eliminación
Más detallesVectores en el plano UNIDAD I: MATRICES. Dirección de un vector. Sentido de un vector
UNIDAD I: MATRICES Vectores en el plano Un vector,, es un segmento con una dirección que va del punto A (origen) al punto B (etremo).un vector es un segmento orientado que va del punto A (origen) al punto
Más detallesVALORES Y VECTORES PROPIOS
VALORES Y VECTORES PROPIOS En diversos campos de la ingeniería y las matemáticas surge el problema de calcular los valores escalares λ y los vectores x 0 tales que para la matriz cuadrada A se cumple Ax
Más detallesACTIVIDADES SELECTIVIDAD MATRICES
ACTIVIDADES SELECTIVIDAD MATRICES Ejercicio 1 Para qué valores de m tiene solución la ecuación matricial? (b) Resuelve la ecuación matricial dada para. Ejercicio 2 Siendo I la matriz identidad de orden
Más detallesResumen 3: Matrices, determinantes y sistemas de ecuaciones
Resumen 3: Matrices, determinantes y sistemas de ecuaciones lineales 1 Matrices Una matriz con coeficientes sobre un cuerpo K (normalmente K R) consiste en una colección de números (o escalares) del cuerpo
Más detalles