Gustavo Rodríguez Gómez. Agosto Dicembre 2011
|
|
- César Campos Salinas
- hace 6 años
- Vistas:
Transcripción
1 Computación Científica Gustavo Rodríguez Gómez INAOE Agosto Dicembre / 44
2 Capítulo III Descomposición de Matrices 2 / 44
3 1 Descomposición de Matrices Notación Matrices Operaciones con Matrices 2 Operación con Vectores 3 Imagen, Espacio Nulo y Rango Matriz Inversa Normas Vectoriales Propiedades de las Normas Error Absoluto y Relativo Convergencia Normas de Matrices Normas de Frobenius y p-normas 4 Ortogonalidad y Descomposición en Valores Singulares (SVD) 5 Normas y Transformaciones Ortogonales 6 Descomposición en Valores Singulares Versión Simple de SVD SVD y Rango Deficiente 3 / 44
4 Descomposición de Matrices Notación Matrices Notación para Matrices Sea R el conjunto de números reales y C el conjunto de números complejos. R m n representa el espacio vectorial de todas la matrices reales, A R m n si: C m n representa el espacio vectorial de todas la matrices complejas, A C m n si: A = (a ij ), a ij R, A = (a ij ), a ij C, 4 / 44
5 Descomposición de Matrices Operaciones con Matrices Operaciones Básicas Sea A, B R m n 1 La transpuesta de A de define como C = A T, c ij = a ji. Si A = A T, A es simétrica. 5 / 44
6 Descomposición de Matrices Operaciones con Matrices Operaciones Básicas Sea A, B R m n 1 La transpuesta de A de define como C = A T, c ij = a ji. Si A = A T, A es simétrica. 2 La suma A + B se define como C = A + B, c ij = a ij + b ij. 6 / 44
7 Descomposición de Matrices Operaciones con Matrices Operaciones Básicas Sea A, B R m n 1 La transpuesta de A de define como C = A T, c ij = a ji. Si A = A T, A es simétrica. 2 La suma A + B se define como C = A + B, c ij = a ij + b ij. 3 Multiplicación por un escalar α R C = αa, c ij = αa ij 7 / 44
8 Descomposición de Matrices Operaciones con Matrices Operaciones Básicas Sea A, B R m n 1 La transpuesta de A de define como C = A T, c ij = a ji. Si A = A T, A es simétrica. 2 La suma A + B se define como C = A + B, c ij = a ij + b ij. 3 Multiplicación por un escalar α R C = αa, c ij = αa ij 4 Multiplicación entre matrices A R m p, B R p n C = AB, c ij = p a ik b kj. k=1 8 / 44
9 Descomposición de Matrices Operaciones con Matrices Operaciones Básicas Sea A, B C m n, el conjugado complejo de un escalar z C, z = x + yi, se define como z = x yi. 1 La (transpuesta) conjugada hermitiana o adjunta de A de define como C = A, c ij = a ji. Si A = A, A es hermitiana. 9 / 44
10 Descomposición de Matrices Operaciones con Matrices Operaciones Básicas Sea A, B C m n, el conjugado complejo de un escalar z C, z = x + yi, se define como z = x yi. 1 La (transpuesta) conjugada hermitiana o adjunta de A de define como C = A, c ij = a ji. Si A = A, A es hermitiana. 2 La suma A + B se define como C = A + B, c ij = a ij + b ij. 10 / 44
11 Descomposición de Matrices Operaciones con Matrices Operaciones Básicas Sea A, B C m n, el conjugado complejo de un escalar z C, z = x + yi, se define como z = x yi. 1 La (transpuesta) conjugada hermitiana o adjunta de A de define como C = A, c ij = a ji. Si A = A, A es hermitiana. 2 La suma A + B se define como C = A + B, c ij = a ij + b ij. 3 Multiplicación por un escalar α R C = αa, c ij = αa ij 11 / 44
12 Descomposición de Matrices Operaciones con Matrices Operaciones Básicas Sea A, B C m n, el conjugado complejo de un escalar z C, z = x + yi, se define como z = x yi. 1 La (transpuesta) conjugada hermitiana o adjunta de A de define como C = A, c ij = a ji. Si A = A, A es hermitiana. 2 La suma A + B se define como C = A + B, c ij = a ij + b ij. 3 Multiplicación por un escalar α R C = αa, c ij = αa ij 4 Multiplicación entre matrices A C m p, B C p n C = AB, c ij = p a ik b kj. k=1 12 / 44
13 Operación con Vectores Operación con Vectores El conjunto R n el espacio vectorial de n vectorial, x R n x = (x 1, x 2,..., x n ) T x i R. Suponga a R, x, y R n 1 Multiplicación de un escalar por un vector z = ax, z i = ax i. 13 / 44
14 Operación con Vectores Operación con Vectores El conjunto R n el espacio vectorial de n vectorial, x R n x = (x 1, x 2,..., x n ) T x i R. Suponga a R, x, y R n 1 Multiplicación de un escalar por un vector z = ax, z i = ax i. 2 Suma vectorial z = x + y, z = x i + y i. 14 / 44
15 Operación con Vectores Operación con Vectores El conjunto R n el espacio vectorial de n vectorial, x R n Suponga a R, x, y R n x = (x 1, x 2,..., x n ) T x i R. 1 Multiplicación de un escalar por un vector 2 Suma vectorial 3 Producto punto o escalar z = ax, z i = ax i. z = x + y, z = x i + y i. c = x T y, c = n x i y i. i=1 15 / 44
16 {a 1,..., a n } R m es linealmente independiente si para toda n α j a j = 0 α i R j=1 implica que α i = 0 para toda i = 1,..., n. 16 / 44
17 {a 1,..., a n } R m es linealmente independiente si para toda n α j a j = 0 α i R j=1 implica que α i = 0 para toda i = 1,..., n. Un subespacio de R m es un subconjunto que también es un espacio vectorial. 17 / 44
18 {a 1,..., a n } R m es linealmente independiente si para toda n α j a j = 0 α i R j=1 implica que α i = 0 para toda i = 1,..., n. Un subespacio de R m es un subconjunto que también es un espacio vectorial. Dados a 1,..., a n R m definimos span {a 1,..., a n } = { n j=1 β j a j : β j R Si {a 1,..., a n } son linealmente independientes y b span {a 1,..., a n }, entonces b es una combinación lineal única de las a j. }. 18 / 44
19 Imagen, Espacio Nulo y Rango Imagen, Espacio Nulo y Rango Sea A R m n 1 La imagen de A es ran(a) = {y R m : y = Ax para alguna x R n }. 19 / 44
20 Imagen, Espacio Nulo y Rango Imagen, Espacio Nulo y Rango Sea A R m n 1 La imagen de A es ran(a) = {y R m : y = Ax para alguna x R n }. 2 El espacio nulo de A es null(a) = {x R n : Ax = 0}. 20 / 44
21 Imagen, Espacio Nulo y Rango Imagen, Espacio Nulo y Rango Sea A R m n 1 La imagen de A es ran(a) = {y R m : y = Ax para alguna x R n }. 2 El espacio nulo de A es null(a) = {x R n : Ax = 0}. 3 Si A = [a 1,..., a n ] es una matriz por columnas, entonces ran(a) = span {a 1,..., a n }. 21 / 44
22 Imagen, Espacio Nulo y Rango Imagen, Espacio Nulo y Rango Sea A R m n 1 El rango de A es rank(a) = dim(ran(a)). El rank(a) = rank(a T ). 22 / 44
23 Imagen, Espacio Nulo y Rango Imagen, Espacio Nulo y Rango Sea A R m n 1 El rango de A es rank(a) = dim(ran(a)). El rank(a) = rank(a T ). 2 La matriz A es rango deficiente si rank(a) < min{m, n}. 23 / 44
24 Imagen, Espacio Nulo y Rango Imagen, Espacio Nulo y Rango Sea A R m n 1 El rango de A es rank(a) = dim(ran(a)). El rank(a) = rank(a T ). 2 La matriz A es rango deficiente si rank(a) < min{m, n}. 3 Dado la matriz A se cumple dim(null(a)) + rank(a) = n. 24 / 44
25 Matriz Inversa Matriz Identidad La matriz identidad n n I n es I n = [e 1,..., e n ] donde e k = (0,... 0, 1, 0,..., 0 }{{}}{{} )T. k 1 25 / 44
26 Matriz Inversa Matriz Inversa Definición Si A, X R n n y AX = I, entonces X es la inversa de A y se denota por A 1. Definición Si A R n n y A 1 existe diremos que A es no singular, en caso contrario decimos que A es singular. 26 / 44
27 Matriz Inversa Propiedades Inversa Hecho (AB) 1 = B 1 A 1, ( A 1 ) T = (A T ) 1 A T, det(a) = 0 A es no singular 27 / 44
28 Normas Vectoriales Definición Definición Una norma vectorial es una función : R n R que satisface 1 x R n x 0 y x = 0 x = 0, 2 x, y R n x + y x + y, 3 α R, x R n αx = α x. 28 / 44
29 Normas Vectoriales Ejemplos de Normas Definición Las p-normas están definidas por x p = ( x 1 p + + x n p ) 1 p p 1. Casos especiales importantes 1 x 1 = x x n 2 x 2 = ( x x n 2 ) 1 2 = (x T x) x = max 1 i n x i. 29 / 44
30 Propiedades de las Normas Desigualdad de Cauchy-Schwartz Hecho Dados dos vectores x, y R n la desigualdad de Cauchy-Schwartz establece x y T x 2 y 2 Definición Diremos que dos normas α, β en R n son equivalentes si existen constantes c 1, c 2 > 0 tal que x R n c 1 x α x β c 2 x α. 30 / 44
31 Propiedades de las Normas Normas Equivalentes Hecho Todas las normas en R n son equivalentes, por ejemplo si x R n, entonces x 2 x 1 n x 2 x x 2 n x x x 1 n x. 31 / 44
32 Error Absoluto y Relativo Error Absoluto y Relativo Sea ˆx R n es una aproximación a x R n. Para una norma dada Definición Error absoluto ɛ abs = ˆx x Definición Error relativo ɛ rel = ˆx x x 32 / 44
33 Convergencia Definición de Convergencia Definición Decimos que la sucesión { x (k)} de n-vectores converge a x si lim x (k) x = 0. k La selección de la norma es irrelevante. 33 / 44
34 Normas de Matrices Definición de Norma Debido a que el espacio R m n es isomorfo a R mn, la definición de norma para una matriz debe ser equivalente a la definición de norma de un vector. Definición Una norma matricial es una función : R m n R que satisface 1 A R m n A 0 y A = 0 A = 0, 2 A, B R m n A + B A + B, 3 α R, A R m n αa = α A. 34 / 44
35 Normas de Frobenius y p-normas Norma de Frobenius y p-normas Norma de Frobenius A F = m n i=1 j=1 a ij 2 p Normas Ax p A p = sup x =0 x p = max Ax p x p =1 35 / 44
36 Ortogonalidad y Descomposición en Valores Singulares (SVD) Ortogonalidad Definición Un conjunto de vectores {x 1, x 2,..., x p } R m es ortogonal si y ortonormal si x T i x j = 0 i = j, { xi T 0 i = j, x j = δ ij = 1 i = j. 36 / 44
37 Ortogonalidad y Descomposición en Valores Singulares (SVD) Ortogonalidad Definición Una colección de subespacios S 1, S 2,..., S p es mutuamente ortogonales si x T y = 0 siempre que x S i y y S j para i = j. Definición El complemento ortogonal del subespacio S R m se definie como { } S = y R m : y T x = 0 x S 37 / 44
38 Ortogonalidad y Descomposición en Valores Singulares (SVD) Ortogonalidad Definición Los vectores {v 1, v 2,..., v k } R m forman una base ortonormal para el subespacio S R m si son ortonormales y generan S. Definición Una matriz Q R m m es ortogonal si Q T Q = I.Si Q = [q 1,..., q m ] es ortogonal, entonces las q i forman una base ortonormal para R m 38 / 44
39 Normas y Transformaciones Ortogonales Normas Invariantes La 2 norma es invariante bajo transformaciones ortogonales. Si Q T Q = I, entonces Qx 2 = (Qx) T Qx = x T Q T Qx = x 2 39 / 44
40 Descomposición en Valores Singulares Descomposición en Valores Singulares (SVD) Teorema Si A R m n, entonces existen matrices ortogonales U = [u 1,..., u m ] R m m y V = [v 1,..., v n ] R n n tal que U T AV = diag(σ 1, σ 2,..., σ p ) R m n p = min{m, n} donde σ 1 σ 2... σ p 0. σ i se llaman los valores singulares de A. u i se llaman los vectores singulares izquierdos. v i se llaman los vectores singulares derechos. 40 / 44
41 Descomposición en Valores Singulares SVD y Estructura de la Matriz Corolario Sea A R m n y considere su SVD. Supongamos que existe r tal que σ 1 σ 2... σ r > σ r +1 = = σ p = 0 entonces rank(a) = r, null(a) = span {v r +1,..., v n }, ran(a) = span {u 1,..., u r }. y tenemos la siguiente expansion A = r σ i u i vi T i=1 41 / 44
42 Descomposición en Valores Singulares Versión Simple de SVD Versión Simple de SVD Si A = UΣV T R m n es su descomposición en valores singulares de A y m n, entonces donde A = U 1 Σ 1 V T U 1 = [u 1,..., u n ] R m n, Σ 1 = diag(σ 1, σ 2,..., σ n ) R n n 42 / 44
43 Descomposición en Valores Singulares SVD y Rango Deficiente SVD y Rango Deficiente Teorema Sea A R m n y considere su SVD. Si k < rank(a) y entonces A k = k σ i u i vi T, i=1 A A k 2 = σ k+1 43 / 44
44 Descomposición en Valores Singulares SVD y Rango Deficiente Sistemas de ecuaciones lineales: Dado A R n n y b R n 1, encontrar x tal que Ax = b 44 / 44
ALN. 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 detallesAlgebra Lineal. Gustavo Rodríguez Gómez. Verano 2011 INAOE. Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano / 21
Algebra Lineal Gustavo Rodríguez Gómez INAOE Verano 2011 Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano 2011 1 / 21 Espacios Vectoriales Espacios Vectoriales INAOE Gustavo Rodríguez Gómez (INAOE)
Más 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 detallesEspacios Vectoriales www.math.com.mx
Espacios Vectoriales Definiciones básicas de Espacios Vectoriales www.math.com.mx José de Jesús Angel Angel jjaa@math.com.mx MathCon c 007-009 Contenido. Espacios Vectoriales.. Idea Básica de Espacio Vectorial.................................
Más 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 detallesALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales
Resumen teoría Prof. Alcón ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales Sea (K, +,.) un cuerpo con característica 0. Podemos pensar K = Q, R o C. Si V es un conjunto cualquiera en el que
Más detallesCONCEPTOS BÁSICOS DE ESPACIOS VECTORIALES Alumno. Cristina Mª Méndez Suero
Fundamento Científico del Currículum de Matemáticas en Enseñanza Secundaria CONCEPTOS BÁSICOS DE ESPACIOS VECTORIALES Alumno. Cristina Mª Méndez Suero ESPACIOS VECTORIALES DEFINICIÓN... 1 PROPIEDADES DE
Más detallesEspacios vectoriales
Espacios vectoriales [Versión preliminar] Prof. Isabel Arratia Z. Algebra Lineal 1 En el estudio de las matrices y, en particular, de los sistemas de ecuaciones lineales realizamos sumas y multiplicación
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 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 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 detallesVectores y Matrices. Tema 3: Repaso de Álgebra Lineal Parte I. Contenidos
Tema 3: Repaso de Álgebra Lineal Parte I Virginia Mazzone Contenidos Vectores y Matrices Bases y Ortonormailizaciòn Norma de Vectores Ecuaciones Lineales Algenraicas Ejercicios Vectores y Matrices Los
Más detallesTema 2: Espacios Vectoriales
Tema 2: Espacios Vectoriales José M. Salazar Octubre de 2016 Tema 2: Espacios Vectoriales Lección 2. Espacios vectoriales. Subespacios vectoriales. Bases. Lección 3. Coordenadas respecto de una base. Ecuaciones.
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 detallesMétodos estadísticos y algebraicos
Métodos estadísticos y algebraicos Tratamiento Avanzado de Señal en Comunicaciones Curso 2009-2010 1: Multiplicaciones matriciales Si b = Ax, entonces b es una combinación lineal de las columnas de A.
Más detallesDescomposición en valores singulares de una matriz
Descomposición en valores singulares de una matriz Estas notas están dedicadas a demostrar una extensión del teorema espectral conocida como descomposición en valores singulares (SVD en inglés) de gran
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 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 detallesTrabajo Práctico N 5: ESPACIOS VECTORIALES
Trabajo Práctico N 5: ESPACIOS VECTORIALES Ejercicio 1: Determine si los siguientes conjuntos con las operaciones definidas en cada caso son o no espacios vectoriales. Para aquellos que no lo sean, indique
Más detallesAlgebra lineal de dimensión finita
Algebra lineal de dimensión finita Métodos para calcular autovalores Pseudoinversa Algebra lineal númerica 1 Teorema:[Teorema 1.6] Sea A es una matriz real simétrica. Si Q(x) =< Ax, x > entonces: λ 1 =
Más detallesTrabajo Práctico N 5: ESPACIOS VECTORIALES. Ejercicio 1:
6 Trabajo Práctico N 5: ESPACIOS VECTORIALES Ejercicio : Determine si los siguientes conjuntos con las operaciones definidas en cada caso son o no espacios vectoriales. Para aquellos que no lo sean, indique
Más detallesGuía. Álgebra II. Examen parcial III. Transformaciones lineales. Teoremas los más importantes cuyas demostraciones se pueden incluir en el examen
Guía. Álgebra II. Examen parcial III. Transformaciones lineales. Teoremas los más importantes cuyas demostraciones se pueden incluir en el examen 1. Teorema de la representación matricial de una transformación
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 detallesEspacios Vectoriales, Valores y Vectores Propios
, Valores y Vectores Propios José Juan Rincón Pasaye, División de Estudios de Postgrado FIE-UMSNH Curso Propedéutico de Matemáticas para la Maestría en Ciencias opciones: Sistemas de Control y Sistemas
Más detallesIntroducción a los espacios vectoriales
1 / 64 Introducción a los espacios vectoriales Pablo Olaso Redondo Informática Universidad Francisco de Vitoria November 19, 2015 2 / 64 Espacios vectoriales 1 Las 10 propiedades de un espacio vectorial
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 detallesAlgebra Lineal XIX: Rango de una Matriz y Matriz Inversa.
Algebra Lineal XIX: Rango de una Matriz y Matriz Inversa José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato email:
Más detallesUna matriz es un arreglo rectangular de elementos. Por ejemplo:
1 MATRICES CONCEPTOS BÁSICOS Definición: Matriz Una matriz es un arreglo rectangular de elementos. Por ejemplo: es una matriz de 3 x 2 (que se lee 3 por 2 ) pues es un arreglo rectangular de números con
Más 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 detallesEspacios vectoriales con producto interior
Espacios vectoriales con producto interior Longitud, norma o módulo de vectores y distancias entre puntos Generalizando la fórmula pitagórica de la longitud de un vector de R 2 o de R 3, definimos la norma,
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 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 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 detallesMatrices triangulares y matrices ortogonales
Matrices triangulares y matrices ortogonales Problemas para examen Matrices diagonales 1. Sea a R n. Se denota por diag(a) la matriz diagonal con entradas a 1,..., a n : diag(a) = [ a j δ j,k ] n j,k=1.
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 detallesDescomposición en valores singulares Notas para los cursos 21 y 22 (J.L. Mancilla Aguilar)
Valores Singulares Descomposición en valores singulares Notas para los cursos y (JL Mancilla Aguilar) Tanto los valores singulares como la descomposición en valores singulares de una matriz son conceptos
Más detallesResumen de Teoría de Matrices
Resumen de Teoría de Matrices Rubén Alexis Sáez Morcillo Ana Isabel Martínez Domínguez 1 de Octubre de 2004 1. Matrices. Generalidades. Definición 1.1. Se llama matriz de orden m n sobre un cuerpo K a
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 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 detallesTópicos. en Álgebra Lineal
Tópicos en Álgebra Lineal Miguel A Marmolejo L Manuel M Villegas L Departamento de Matemáticas Universidad del Valle Índice general Introducción 1 Índice de guras iii Capítulo 1 Prerrequisitos 1 11 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 determinantes. Sistemas de ecuaciones lineales
Tema 0 Matrices y determinantes Sistemas de ecuaciones lineales 01 Introducción Definición 011 Se llama matriz a un conjunto ordenado de números, dispuestos en filas y columnas, formando un rectángulo
Más detallesVectores y matrices. v 1 v 2. = [v. v = v n. Herramientas de A.L. p.1/64
Vectores y matrices Los elementos básicos en teoría de sistemas lineales son vectores n 1 (columna) o 1 n (fila) y matrices n m con elementos reales (i.e. v R n y A R n m ). Denotamos el elemento i del
Más detallesEspacios vectoriales con producto interno
Capítulo 8 Espacios vectoriales con producto interno En este capítulo, se generalizarán las nociones geométricas de distancia y perpendicularidad, conocidas en R y en R 3, a otros espacios vectoriales.
Más detallesEjemplo 1 Sea V un espacio con producto interno sobre un cuerpo K. A las transformaciones lineales T : V K las llamamos funcionales lineales.
Facultad de Ingeniería - IMERL - Geometría y Álgebra Lineal 2 - Curso 2008. 1 Transformaciones lineales en espacios con producto interno Notas para el curso de Geometría y Algebra Lineal 2 de la Facultad
Más detallesRepaso de conceptos de álgebra lineal
MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso
Más 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 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 detallescomo el número real que resulta del producto matricial y se nota por:
Espacio euclídeo 2 2. ESPACIO EUCLÍDEO 2.. PRODUCTO ESCALAR En el espacio vectorial se define el producto escalar de dos vectores y como el número real que resulta del producto matricial y se nota por:,
Más detallesTensores cartesianos.
Tensores cartesianos. Transformación de coordenadas. Consideremos dos sistemas de coordenadas cartesianas ortogonales en el plano, identificados como σ y σ. Supongamos que ambos tienen un origen común,
Más detallesAlgebra Lineal y Geometría.
Algebra Lineal y Geometría. Unidad n 6: Subespacios Vectoriales. Algebra Lineal y Geometría Esp. Liliana Eva Mata 1 Contenidos. Subespacios Vectoriales. Operaciones con Subespacios: Intersección, unión,
Más detallesMatrices y Determinantes
Capítulo 1 Matrices y Determinantes 11 Matrices Generalidades Definición 11 Sea E un conjunto cualquiera, m, n N Definimos matriz de orden m n sobre E a una expresión de la forma: a 11 a 12 a 1n a 21 a
Más detallesFACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R.
FACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R. PROGRAMA ANALÍTICO DE LA ASIGNATURA: ALGEBRA LINEAL Código L2.07.1 PLAN DE ESTUDIOS: 2002 CARRERA: Licenciatura en Matemática DEPARTAMENTO:
Más detallesMétodos avanzados para análisis y representación de imágenes
Métodos avanzados para análisis y representación de imágenes Unidad II (b): Descomposición en valores singulares Departamento de Informática - FICH Universidad Nacional del Litoral 19 de setiembre de 2012
Más detallesIntroducción al Álgebra Lineal. Juan Rada Departamento de Matemáticas Facultad de Ciencias Universidad de Los Andes
Introducción al Álgebra Lineal Juan Rada Departamento de Matemáticas Facultad de Ciencias Universidad de Los Andes Primera versión: 19 de febrero del 2005 Segunda versión: 17 de junio del 2005 ii Índice
Más detallesTEMA 8.- NORMAS DE MATRICES Y
Álgebra II: Tema 8. TEMA 8.- NORMAS DE MATRICES Y NúMERO DE CONDICIóN Índice. Introducción 2. Norma vectorial y norma matricial. 2 2.. Norma matricial inducida por normas vectoriales......... 4 2.2. Algunos
Más detallesMatriz inversa generalizada y descomposición del valor singular
Matriz inversa generalizada y descomposición del valor singular Divulgación Fernando Velasco Luna y Jesús Hernández Suárez Laboratorio de Investigación y Asesoría Estadística, Facultad de Estadística e
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 y matrices
CAPíTULO 5 Transformaciones lineales y matrices 1 Matriz asociada a una transformación lineal Supongamos que V y W son espacios vectoriales de dimensión finita y que T : V W es una transformación lineal
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 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 detallesEstructuras algebraicas
Tema 2 Estructuras algebraicas básicas 2.1. Operación interna Definición 29. Dados tres conjuntos A, B y C, se llama ley de composición en los conjuntos A y B y resultado en el conjunto C, y se denota
Más detallesEstructuras Algebraicas
Tema 1 Estructuras Algebraicas Definición 1 Sea A un conjunto no vacío Una operación binaria (u operación interna) en A es una aplicación : A A A Es decir, tenemos una regla que a cada par de elementos
Más detallesEJERCICIOS DE SELECTIVIDAD DE ÁLGEBRA
EJERCICIOS DE SELECTIVIDAD DE ÁLGEBRA 2003 (4) Ejercicio 1. Considera los vectores u = (1,1,1), v = (2,2,a) y w = (2,0,0), (a) [1'25 puntos] Halla los valores de a para que los vectores u, v y w sean linealmente
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 detallesÁlgebra Lineal V: Subespacios Vectoriales.
Álgebra Lineal V: Subespacios Vectoriales. José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato email: jrico@salamanca.ugto.mx
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 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 detallesResumen de álgebra vectorial y tensorial
Apéndice A Resumen de álgebra vectorial y tensorial Se resumen aquí algunos conceptos y definiciones importantes de vectores y tensores, con pretensión de sencillez y brevedad. En aras de esta sencillez,
Más detallesMatemá'cas generales
Matemá'cas generales Matrices y Sistemas Patricia Gómez García José Antonio Álvarez García DPTO. DE MATEMÁTICA APLICADA Y CIENCIAS DE LA COMPUTACIÓN Este tema se publica bajo Licencia: Crea've Commons
Más detallesTema 5: Sistemas de ecuaciones lineales.
TEORÍA DE ÁLGEBRA: Tema 5 DIPLOMATURA DE ESTADÍSTICA 1 Tema 5: Sistemas de ecuaciones lineales 1 Definiciones generales Definición 11 Una ecuación lineal con n incognitas es una expresión del tipo a 1
Más detalles1. Producto escalar. Propiedades Norma de un vector. Espacio normado. 1.2.Ortogonalidad. Ángulos. 1.4.Producto escalar en V 3.
. Producto escalar. Propiedades... Norma de un vector. Espacio normado...ortogonalidad. Ángulos..3.Producto escalar en V..4.Producto escalar en V 3.. Producto vectorial de dos vectores de V 3...Expresión
Más detallesy λu = Idea. Podemos sumar vectores y multiplicar por un escalar. El resultado vuelve a ser un vector Definición de espacio vectorial.
Espacios vectoriales Espacios y subespacios R n es el conjunto de todos los vectores columna con n componentes. Además R n es un espacio vectorial. Ejemplo Dados dos vectores de R por ejemplo u = 5 v =
Más detallesTema 1: Espacios vectoriales
PROBLEMAS DE MATEMÁTICAS Parte I: Álgebra Primero de Ingeniería Química FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha Tema 1: Espacios vectoriales 1 Determina
Más detallesDOCENTE: JESÚS E. BARRIOS P.
DOCENTE: JESÚS E. BARRIOS P. DEFINICIONES Es larga la historia del uso de las matrices para resolver ecuaciones lineales. Un texto matemático chino que proviene del año 300 A. C. a 200 A. C., Nueve capítulos
Más detalles1. PRODUCTO ESCALAR. ESPACIO EUCLÍDEO
1 1. PRODUCTO ESCALAR. ESPACIO EUCLÍDEO Muchos de los fenómenos que se investigan en la geometría utilizan nociones como las de longitud de un vector y ángulo entre vectores. Para introducir estos dos
Más detallesSistemas de Ecuaciones Lineales y Matrices
Sistemas de Ecuaciones Lineales y Matrices Oscar G Ibarra-Manzano, DSc Departamento de Area Básica - Tronco Común DES de Ingenierías Facultad de Ingeniería, Mecánica, Eléctrica y Electrónica Trimestre
Más detallesESPACIOS VECTORIALES
ESPACIOS VECTORIALES Sergio Stive Solano 1 Mayo de 2015 1 Visita http://sergiosolanosabie.wikispaces.com ESPACIOS VECTORIALES Sergio Stive Solano 1 Mayo de 2015 1 Visita http://sergiosolanosabie.wikispaces.com
Más detallesTema II. Capítulo 5. Aplicaciones bilineales y formas cuadráticas.
Tema II Capítulo 5 Aplicaciones bilineales y formas cuadráticas Álgebra Departamento de Métodos Matemáticos y de Representación UDC 5 Aplicaciones bilineales y formas cuadráticas o simplemente f( x, ȳ)
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 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 detallesUna norma en un espacio lineal (o vectorial) X es una función. : X R con las siguientes propiedades: (a) x 0, para todo x X (no negatividad);
MATEMÁTICA APLICADA II Segundo cuatrimestre 20 Licenciatura en Física, Universidad Nacional de Rosario Espacios de Banach. Introducción Frecuentemente estamos interesados en qué tan grande. es una función.
Más detallesCombinación lineal, Independencia Lineal, y Vectores que generan (Sección 6.3 pág. 291)
Combinación lineal, Independencia Lineal, y Vectores que generan (Sección 6.3 pág. 291) I. Combinación Lineal Definición: Sean v 1, v 2, v 3,, v n vectores en el espacio vectorial V. Entonces cualquier
Más detallesTeoría de Matrices. Julio Yarasca. 30 de junio de 2015. Julio Yarasca
30 de junio de 2015 Matriz de m por n Definimeros a una matriz A de orden m por n como un arreglo de números de m filas y n columnas. a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n A = a 31 a 32 a 33 a 3n....
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 detalles(x + y) + z = x + (y + z), x, y, z R N.
TEMA 1: EL ESPACIO R N ÍNDICE 1. El espacio vectorial R N 1 2. El producto escalar euclídeo 2 3. Norma y distancia en R N 4 4. Ángulo y ortogonalidad en R N 6 5. Topología en R N 7 6. Nociones topológicas
Más detallesApuntes de álgebra lineal. Eduardo Liz Marzán. Enero de 2015.
Apuntes de álgebra lineal Eduardo Liz Marzán Enero de 2015 Índice general 1 Introducción 7 11 Operaciones internas y estructura de cuerpo 7 12 Números complejos 8 13 Vectores 10 2 Matrices y determinantes
Más detallesESPACIOS VECTORIALES. VARIEDADES LINEALES, APLICACIONES ENTRE ESPACIOS VECTORIALES. TEOREMAS DE ISOMORFIA.
ESPACIOS VECTORIALES. VARIEDADES LINEALES, APLICACIONES ENTRE ESPACIOS VECTORIALES. TEOREMAS DE ISOMORFIA. Índice de contenido 1. Espacio vectorial....2 Estructura de espacio vectorial...2 Subespacios
Más detallesÁLGEBRA MATRICIAL. 1. La traspuesta de A es A; (A ) = A. 2. La inversa de A 1 es A; (A 1 ) 1 = A. 3. (AB) = B A.
ÁLGEBRA MATRICIAL. 1. La traspuesta de A es A; A = A. 2. La inversa de A 1 es A; A 1 1 = A. 3. AB = B A. 4. Las matrices A A y AA son simétricas. 5. AB 1 = B 1 A 1, si A y B son no singulares. 6. Los escalares
Más detalles!MATRICES INVERTIBLES
Tema 4.- MATRICES INVERTIBLES!MATRICES INVERTIBLES!TÉCNICAS PARA CALCULAR LA INVERSA DE UNA MATRIZ REGULAR 1 Hemos hablado anteriormente de la matriz cuadrada unidad de orden n (I n ).. Es posible encontrar
Más detallesMENORES, COFACTORES Y DETERMINANTES
MENORES, COFACTORES Y DETERMINANTES 1. Introducción. 2. Determinante de una matriz de 3 x 3. 3. Menores y cofactores. 4. Determinante de una matriz de n x n. 5. Matriz triangular. 6. Determinante de una
Más detallesEspacios Vectoriales
Espacios Vectoriales Ev En todo el curso K es un cuerpo Podeis pensar que K = Q, K = R o K = C Un conjunto no vacio E es un K-espacio vectorial (o abreviadamente, un K-ev) cuando existan dos operaciones,
Más detallesTemario de Matemáticas
Temario de Matemáticas BLOQUE I: ÁLGEBRA LINEAL Y GEOMETRÍA 1 o Grado en Biología Alma Luisa Albujer Brotons Índice general 1. Matrices 1 1.1. Conceptos básicos y ejemplos...............................
Más detallesTEMA 11. VECTORES EN EL ESPACIO
TEMA 11. VECTORES EN EL ESPACIO Dados dos puntos y, se define el vector como el segmento orientado caracterizado por su módulo, su dirección y su sentido. Dos vectores son equipolentes si tienen el mismo
Más detallesLEYES DE COMPOSICIÓN INTERNA Y ELEMENTOS DISTINGUIDOS
LEYES DE COMPOSICIÓN INTERNA Y ELEMENTOS DISTINGUIDOS Sea una estructura formada por un conjunto A, sobre cuyos elementos se ha definido una operación o ley interna, comúnmente denotada por " * ", que
Más detallesFascículo 2. Álgebra Lineal. Cursos de grado. Gabriela Jeronimo Juan Sabia Susana Tesauri. Universidad de Buenos Aires
Fascículo 2 Cursos de grado ISSN 1851-1317 Gabriela Jeronimo Juan Sabia Susana Tesauri Álgebra Lineal Departamento de Matemática Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires 2008
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN INGENIERÍA QUÍMICA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN INGENIERÍA QUÍMICA PROGRAMA DE LA ASIGNATURA DE: ÁLGEBRA IDENTIFICACIÓN DE LA ASIGNATURA
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 detallesUniversidad Nacional de Ingeniería Facultad de Ciencias. Física Computacional CC063. Algebra Lineal. Prof: J. Solano 2012-I
Universidad Nacional de Ingeniería Facultad de Ciencias Física Computacional CC063 Algebra Lineal Prof: J. Solano 2012-I Introduccion Aqui trabjaremos con operaciones basicas con matrices, tales como solucion
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 detalles