Espacios Euclídeos. Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza
|
|
- Silvia Río Bustos
- hace 5 años
- Vistas:
Transcripción
1 Espacios Euclídeos Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza A lo largo de todo el capítulo consideraremos que V un espacio vectorial real de dimensión finita. 1 Producto escalar Definición. Se dice que F : V V IR es un producto escalar sobre V si es una forma bilineal simétrica y definida positiva. Notación. F (u, v) = (u, v). Es inmediato observar que 1. (u, v) = (v, u), u, v V, 2. (u 1 + u 2, v) = (u 1, v) + (u 2, v), u 1, u 2, v V, 3. (λu, v) = λ(u, v), u, v V, λ IR, 4. (u, u) > 0, u V, u 0 V. Definición. Un espacio euclídeo es un espacio vectorial con un producto escalar, escribiremos, (V, F ) o bien (V, (, ) ). Definición. Dado el espacio euclídeo (V, (, ) ). Se define la norma asociada o inducida por el producto escalar (, ) a la aplicación : V IR + tal que Propiedades. 1. λ v = λ v, λ IR, v V. 2. v 0, v V. v = (v, v). 3. Desigualdad triangular: u + v u + v, u, v V. 4. Desigualdad Cauchy-Schwarz: (u, v) u v, u, v V. Definición. Una aplicación : V IR + verificando las propiedades (1), (2) y (3) anteriores se dice norma en V y (V, ) es un espacio normado. Observación. A partir de todo espacio euclídeo podemos construir un espacio normado. Sin embargo el recíproco no es cierto. Existen espacio normados que no vienen inducidos por ningún espacio euclídeo. 1
2 2 Bases ortonormales Definición. Los vectores u, v V se dicen ortogonales si (u, v) = 0. Lo denotaremos u v. Definición. Una familia de vectores de V, {v 1,..., v m }, se dice ortogonal si los vectores son ortogonales dos a dos, esto es, (v i, v j ) = 0, i j. Definición. Un vector v V se dice unitario si v = 1. Definición. Una familia de vectores de V, {v 1,..., v m }, se dice ortonormal si es una familia de vectores ortogonales y unitarios. Así, (v i, v j ) = 0, i j y v i = 1, i. Proposición. Toda familia de vectores de V no nulos y ortogonales es una familia libre. 2.1 Método de Gram-Schmidt Proposición. Sean (V, (, ) ) espacio euclídeo y S subespacio de V de dimensión finita. Entonces, S posee una base ortonormal. Demostración. Método de Gram-Schmidt, este método permite a partir de una base de S dada, construir una base ortonormal de S. Método de Gram-Schmidt. Sea {v 1, v 2,..., v m } una base de S subespacio de V. El método de Gram-Schmidt consiste en construir una familia ortonormal equivalente, es decir, una familia {w 1, w 2,..., w m } tal que w i w j, i j, IR {v 1,..., v k } = IR {w 1,..., w k }, k = 1,..., m. Proceso. 1. Definimos w 1 = v 1 / v 1 (normalizamos, v 1 = ṽ 1 en general no es unitario). 2. Buscamos ṽ 2 tal que IR {v 1, v 2 } = IR {w 1, ṽ 2 }, por ello, elegimos ṽ 2 = v 2 + α w 1. Entonces, Además se ha de satisfacer (ṽ 2, w 1 ) = (v 2, w 1 ) + α (w 1, w 1 ). ṽ 2 w 1, esto es, (ṽ 2, w 1 ) = 0. Como w 1 es unitario se tiene que α = (v 2, w 1 ). Luego ṽ 2 = v 2 (v 2, w 1 ) w 1. Definimos w 2 = ṽ 2 / ṽ 2 (normalizamos, ṽ 2 en general no es unitario). 3. Buscamos ṽ 3 tal que 2
3 IR {v 1, v 2, v 3 } = IR {w 1, w 2, ṽ 3 }, por ello, elegimos ṽ 3 = v 3 + β 1 w 1 + β 2 w 2. Entonces, (ṽ 3, w 1 ) = (v 3, w 1 ) + β 1 (w 1, w 1 ) + β 2 (w 2, w 1 ), (ṽ 3, w 2 ) = (v 3, w 2 ) + β 1 (w 1, w 2 ) + β 2 (w 2, w 2 ). Además se ha de satisfacer ṽ 3 w 1, ṽ 3 w 2, esto es, (ṽ 3, w 1 ) = 0 y (ṽ 3, w 2 ) = 0. Como w 1, w 2 son unitarios se tiene que β 1 = (v 3, w 1 ) y β 2 = (v 3, w 2 ). Luego ṽ 3 = v 3 (v 3, w 1 ) w 1 (v 3, w 2 ) w 2. Definimos w 3 = ṽ 3 / ṽ 3 (normalizamos, ṽ 3 en general no es unitario). 4. Reiterando este proceso, para k = 4,..., m Definimos: ṽ k = v k (v k, w1) w 1 (v k, w k 1 ) w k 1, Normalizamos: w k = ṽ k / ṽ k. Observaciones. {ṽ 1,..., ṽ k } es una familia ortogonal k = 2,..., m. {w 1,..., w k } es una familia ortonormal k = 2,..., m. IR {v 1,..., v k } = IR {ṽ 1,..., ṽ k } = IR {w 1,..., w k }, k = 1,..., m. El proceso de ortonormalización de Gram-Schmidt permite construir bases ortonormales de V con el producto escalar (, ). Si {w i } n i=1 es una base de V ortonormal respecto de (, ), u = (w i ) t X y v = (w i ) t Y. La expresión coordenada respecto de esta base será donde I n es la identidad de orden n. (u, v) = X t I n Y 2.2 Cambio de coordenadas entre bases ortonormales Sean (V, F ) espacio euclideo y {a i } n i=1 y {b j } n j=1 dos bases ortonormales de V. Entonces, si u = (a i ) t X = (b i ) t X, v = (a i ) t Y = (b i ) t Ỹ, se tiene expresión coordenada respecto de {a i } n i=1 : (u, v) = X t I n Y, expresión coordenada respecto de {b i } n i=1 : (u, v) = X t I n Ỹ. 3
4 Sabemos que existe una matriz de cambio de base P (regular) tal que (b j ) t = (a i ) t P, luego X = P X e Y = P Ỹ. De donde se deduce que P t P = I n. Definición. Una matriz Q M m n (IR) de rango n se dice ortogonal si Observaciones. Q t Q = I n. Si Q M n (IR) ortogonal, se tiene que Q es regular y además Q 1 = Q t. La matriz de cambio entre bases ortonormales es ortogonal. 3 Clasificación de formas cuadráticas Definición. Dos matrices simétricas reales A, B M n (IR) se dicen congruentes ortogonales si existe P M n (IR) ortogonal tal que B = P t AP. Sea A M n (IR) simétrica entonces se verifica: Todos los valores propios de A son reales. A es diagonalizable, es decir, existe una base de IR n de vectores propios {v i } n i=1. IR n = V (λ 1 ) V (λ r ) con λ 1,..., λ r los distintos valores propios de A. Sean α y β dos valores propios de A (distintos), v α, v β vectores propios asociados a α y β, respectivamente. Entonces, {v α, v β } libre y además v α v β (respecto del producto escalar ordinario de IR n ). Luego los vectores propios asociados a valores propios distintos son ortogonales (respecto del producto escalar ordinario de IR n ). Propiedades. 1. Toda matriz simétrica y real es congruente ortogonal con una matriz diagonal. Existe una base de vectores propios {v i } n i=1. Partiendo de la base {v i } n i=1 aplicamos el proceso de ortonormalización de Gram-Schmidt para obtener una base de vectores propios ortonomal (respecto del producto escalar ordinario de IR n ), {w i } n i=1. Base vect. propios Base ortonormal vect. propios {v i } n i=1 Gram-Schmidt {w i } n i=1 4
5 Entonces, como {e i } n i=1 es una base ortonormal (respecto del producto escalar ordinario de IR n ) y la matriz de cambio entre bases ortonormales es ortogonal se tiene que existe P M n (IR) ortogonal con (w i ) = (e i ) P. La matriz coordenada respecto de {w i } n i=1 es diagonal, D con D = P t AP con P t = P Toda forma cuadrática puede clasificarse (rango y signatura) a partir de los valores propios de su matriz coordenada A. Rango Q = número de valores propios no nulos de A. Signatura Q = número de valores propios positivos de A. 3. Una matriz simétrica A es: Definida positiva todos sus valores propios son positivos. Definida negativa todos sus valores propios son negativos. Semidefinida positiva todos sus valores propios son no negativos. Semidefinida negativa todos sus valores propios son no positivos. Indefinida existen algún valor propio positivo y algún valor propio negativo. 4 Factorización QR Toda matriz A M m n (IR) de rango n admite factorización QR, es decir, descomposición en producto de una matriz Q M m n (IR) ortogonal por una matriz R M n (IR) triangular superior con r ii > 0. Factorización QR Escribimos A = (A 1 A 2... A n ) con las columnas A i IR m. 1. Construcción de Q: Tomamos {A 1,..., A n }, sistema libre de vectores de IR m. Consideramos en IR m el producto escalar estándar y aplicamos el proceso de ortonormalización de Gram- Schmidt para obtener una familia ortonormal {Q 1,..., Q n }. Entonces definimos Q = (Q 1 Q 2... Q n ). Observación. Cuando multiplicamos Q t Q tenemos que el elemento (i, j) será Q t i Q j. Como {Q 1,..., Q n } es sistema ortonormal en IR n respecto del producto escalar ordinario, se tiene { 0, si i j Q t i Q j = 1, si i = j. 5
6 2. Construcción de R: Al aplicar el proceso de ortonormalización de Gram-Schmidt hemos obtenido A 1 = Q 1 Q 1 A 2 = (A 2, Q 1 ) Q 1 + Q 2 Q 2. A m = (A m, Q 1 ) Q 1 + (A m, Q 2 ) Q Q m Q m siendo { Q i } la familia ortogonal que se va generando en el proceso de ortonormalización. Luego A = QR donde Q 1 (A 2, Q 1 )... (A m, Q 1 ) 0 Q 2... (A m, Q 2 ) R = Q m Observación. Como Q es ortogonal y A = QR se tiene que R = Q t A. 5 La mejor aproximación Definición. Sea S subespacio vectorial del espacio euclídeo (V, (, ) ). Se llama complemento ortogonal de S al conjunto S = {v V / v s, s S}. Proposición. Sea {s 1,..., s m } una base de S subespacio vectorial del espacio euclídeo (V, (, ) ). Entonces, dado v V v s, s S v s i, i = 1,..., m. Proposición. Dados S subespacio vectorial del espacio euclídeo (V, (, ) ) y v V entonces existe un único s S tal que (v s) S. Definición. Este vector s se dice proyección ortogonal de v en S. Observaciones. Problemas equivalentes Hallar s S tal que (v s) S. Hallar s S tal que v s v s, s S. Por ello, la proyección ortogonal de v en S, s, es la mejor aproximación o aproximación cuadrática de v por vectores de S. Obviamente, si v S su proyección ortogonal en S es él mismo. 6
7 6 Mínimos cuadrados Definición. Sean A M m n (IR), x IR n y b IR m. El sistema lineal Ax = b se dice sobredeterminado si posee más ecuaciones que incógnitas, es decir, m > n. Observación. En general los sistemas sobredeterminados suelen ser incompatibles, luego para todo x IR n, Ax b. Consideramos A 1,..., A n IR m las n columnas de A. El sistema Ax = b podemos verlo como x 1 A 1 + x 2 A x n A n = b. De modo que, la existencia de solución del sistema anterior equivale a que el vector b se pueda expresar como combinación lineal de los vectores A 1,..., A n. Por tanto, si b S = IR A 1,..., A n entonces el sistema Ax = b es compatible. En caso contrario, Ax = b no tiene solución. Sin embargo, buscaremos x 0 IR n tal que Ax 0 IR m sea la mejor aproximación de b en S = IR A 1,..., A n. Luego, (Ax 0 b) S, es decir, para todo z IR n se ha de satisfacer y por tanto Az (Ax 0 b) (Az) t (Ax 0 b) = 0 z t (A t Ax 0 A t b) = 0, z IR n. De donde se deduce el sistema de ecuaciones normales asociado a Ax = b: A t Ax 0 = A t b. Observación. Este sistema de ecuaciones normales siempre es compatible. El vector x 0 IR n se llama solución por mínimos cuadrados. Usamos la factorización QR: Supongamos que A M m n (IR) tiene rango n y que admite factorización A = QR. Entonces A t Ax 0 = A t b R t Q t QRx 0 = R t Q t b como Q t Q = I m (Q es ortogonal) se tiene que la solución por mínimos cuadrados x 0 será la solución del sistema triangular Rx 0 = Q t b. Observación. Este sistema es equivalente a A t Ax 0 = A t b. 7
Formas cuadráticas. Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza
Formas cuadráticas Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza A lo largo de todo el capítulo consideraremos que V un espacio vectorial real de dimensión finita n. 1 Formas bilineales
Más detallesÁgueda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1. Se llama producto escalar sobre un espacio vectorial real V a cualquier aplicación
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1 6 Espacios euclídeos 6.1 Producto escalar. Espacio euclídeo Se llama producto escalar sobre un espacio vectorial real V a cualquier aplicación
Más detallesEspacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados
Capítulo 5 Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados En este tema iniciamos el estudio de los conceptos geométricos de distancia y perpendicularidad en K n. Empezaremos con las definiciones
Más detallesÁLGEBRA LINEAL II Práctica
ÁLGEBRA LINEAL II Práctica 2.1-2.2 Espacios Euclídeos. Ortogonalidad (Curso 2011 2012) 1. Se considera un espacio euclídeo de dimensión 3, y en él una base {ē 1, ē 2, ē 3 } tal que el módulo de ē 1 y el
Más detalles4.2 Producto escalar.
Producto escalar. 147 Este resultado tiene su recíproco, es decir, cualquier matriz cuadrada A define la forma bilineal b(x, y) =x T Ay Si b es simétrica, la matriz A es simétrica. Si b es definida positiva,
Más detalles1. ESPACIO EUCLÍDEO. ISOMETRÍAS
1 1. ESPACIO EUCLÍDEO. ISOMETRÍAS 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 conceptos
Más detallesSoluciones a los ejercicios del examen final C =. 1 0
Universidade de Vigo Departamento de Matemática Aplicada II E T S E de Minas Álgebra Lineal Curso 205/6 de enero de 206 Soluciones a los ejercicios del examen final Se considera el subespacio U {X M 2
Más detallesTema 3.1. Espacio eucĺıdeo. Diagonalización ortogonal
Tema 3.1. Espacio eucĺıdeo. Diagonalización ortogonal Definición 1. Sea V un espacio vectorial sobre un cuerpo K. Llamamos forma bilineal a toda aplicación f : V V K ( x, y) f( x, y) que verifica: 1. f(
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 detallesProducto Escalar. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Producto Escalar 1 / 31
Producto Escalar AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Producto Escalar 1 / 31 Objetivos Al finalizar este tema tendrás que: Saber usar el producto escalar. Calcular
Más detallesTema 5: Espacios Eucĺıdeos.
Espacios Euclídeos 1 Tema 5: Espacios Eucĺıdeos. 1. Producto escalar. Espacios eucĺıdeos. Definición. Sea E un R-espacio vectorial y sea f : E E R una forma bilineal simétrica. Se dice que f es un producto
Más detallesÁlgebra Lineal - Grado de Estadística. Examen final 27 de junio de 2014 APELLIDOS, NOMBRE:
Álgebra Lineal - Grado de Estadística Examen final 7 de junio de 4 APELLIDOS, NOMBRE: DNI: irma Primer parcial Ejercicio Consideremos matrices A m m, B, C n n, Pruebe que bajo la hipótesis de que las inversas
Más detallesEspacios vectoriales con producto escalar
147 Fundamentos de Matemáticas : Álgebra Lineal Capítulo 10 Espacios vectoriales con producto escalar 10.1 Producto escalar. Norma. Distancia Definición 71.- Un producto escalar o producto interior en
Más detallesÁlgebra. Ingeniería Industrial. Curso 2006/2007 Examen de Septiembre
Álgebra. Ingeniería Industrial. Curso / Examen de Septiembre OBSERVACIONES: Cada hoja entregada debe contener el nombre, apellidos y número de identificación escrito de forma clara. No mezclar ejercicios
Más detallesTema 3: Espacios eucĺıdeos
Marisa Serrano, Zulima Fernández Universidad de Oviedo 25 de noviembre de 2009 email: mlserrano@uniovi.es Índice 1 2 3.1 V, R espacio vectorial, la aplicación : V V R ( v, u) v u a) v 1, v 2, u V α, β
Más detallesx, y = x 0 y 0 + x 1 y 1 + x 2 y 2 + x 3 y 3. Es fácil ver que verifica 1. Es simétrica. x, y = y, x para todo x, y R 4.
1 Tema 2. Sección 1. Espacio vectorial de Minkowski. Manuel Gutiérrez. Departamento de Álgebra, Geometría y Topología. Universidad de Málaga. 29071-Málaga. Spain. Abril de 2010. En este capítulo se recordará
Más detallesTÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA
ESCUELA ESTUDIOS DE TÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA DEPARTAMENTO DE INGENIERÍA INFORMÁTICA MATEMÁTICA APLICADA I ÁLGERA LINEAL OLETINES DE PROLEMAS Curso 8-9 Sistemas de ecuaciones lineales.
Más detallesÁlgebra Lineal y Geometría I. Prueba 3. Grupo A. 12 de marzo de (
Álgebra Lineal y Geometría I. Prueba 3. Grupo A. 2 de marzo de 208. Apellidos: Nombre: DNI: Ejercicio.-(4 puntos) Se considera la matriz siguiente: A = 2 0 3 0 2. Calcule W = null(a 2I), W 2 = null(a 4I)
Más detalles1. PRODUCTO ESCALAR. ESPACIO EUCLÍDEO
. PRODUCTO ESCALAR. ESPACIO EUCLÍDEO. En el espacio euclídeo usual R 4 se consideran los subespacios vectoriales y W = {(x, y, z, t) R 4 : x y =, z + t = } Hallar: W = L{(,,, ), (,,, )} a) Las ecuaciones
Más detallesÁlgebra Lineal. Ejercicios de evaluación. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Ejercicios de evaluación Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR Problema
Más detallesESPACIO VECTORIAL EUCLÍDEO
ESPACIO VECTORIAL EUCLÍDEO PRODUCTO ESCALAR Sea V un espacio vectorial sobre C. Una aplicación que asocia un número complejo < u, v > a cada pareja de vectores u y v en V, se dice que es un producto escalar
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 detallesRelación de ejercicios del tema 2 Formas bilineales y formas cuadráticas
Relación de ejercicios del tema 2 Formas bilineales y formas cuadráticas Asignatura: Geometría II Doble grado en ingeniería informática y matemáticas Profesor: Rafael López Camino 1. Dadas α, β V, se define
Más detallesUNIVERSIDAD DEL NORTE Departamento de Matemáticas y Estadística. Álgebra Lineal. RESUMEN DE TEMAS DEL EXAMEN FINAL
1. Definiciones básicas. UNIVERSIDAD DEL NORTE Departamento de Matemáticas y Estadística. Álgebra Lineal. RESUMEN DE TEMAS DEL EXAMEN FINAL I. Sistemas homogéneos y subespacios de R n. (a) Para el sistema
Más detallesALGEBRA LINEAL Y GEOMETRÍA. REPASO DE ÁLGEBRA LINEAL-2: CAMBIOS DE BASE GRADO DE MATEMÁTICAS. CURSO
ALGEBRA LINEAL Y GEOMETRÍA. REPASO DE ÁLGEBRA LINEAL-2: CAMBIOS DE BASE GRADO DE MATEMÁTICAS. CURSO 2012-2013 José García-Cuerva Universidad Autónoma de Madrid 11 de febrero de 2013 JOSÉ GARCÍA-CUERVA
Más detallesEspacios vectoriales reales.
Tema 3 Espacios vectoriales reales. 3.1 Espacios vectoriales. Definición 3.1 Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe el nombre
Más detallesÁlgebra Lineal - Grado de Estadística. Examen final 26 de junio de 2013 APELLIDOS, NOMBRE:
Álgebra Lineal - Grado de Estadística Examen final de junio de APELLIDOS, NOMBRE: DNI: Firma Primer parcial Ejercicio ( Sea A una matriz simétrica definida positiva de orden n y v R n Pruebe que la matriz
Más detallesÁLGEBRA LINEAL. EXAMEN EXTRAORDINARIO 5 de Julio de T (e 1 ) = e 1 e 2 + 2e 3 T (e 2 ) = e 1 + 2e 2 3e 3. [T (e 1 ) T (e 2 )] =
ÁLGEBRA LINEAL EXAMEN EXTRAORDINARIO 5 de Julio de Apellidos y Nombre: Ejercicio. Sea T : R R 3 una transformación lineal definida como: T (e ) = e e + e 3 T (e ) = e + e 3e 3 donde {e, e }, {e, e, e 3}
Más detallesTEMA VI: ESPACIOS DE HILBERT
TEMA VI: ESPACIOS DE HILBERT. Espacios con producto escalar Definición: Sea L un espacio vectorial sobre el cuerpo K (R ó C). Por un producto escalar (o interno) sobre L entedemos una aplicación :
Más detallesPROBLEMAS DE ÁLGEBRA LINEAL INGENIERÍA DE TELECOMUNICACIONES - E.T.S.I.T. CURSO 2005/06
PROBLEMAS DE ÁLGEBRA LINEAL INGENIERÍA DE TELECOMUNICACIONES - E.T.S.I.T. CURSO 200/06 1. Utilizar el método de eliminación de Gauss para resolver el sistema de ecuaciones lineales siguiente: 2 x 1 2 x
Más detallesTema 3: Espacios eucĺıdeos
Marisa Serrano, Zulima Fernández Universidad de Oviedo 22 de diciembre de 2009 email: mlserrano@uniovi.es Índice 1 Índice 1 2 Método de los mínimos cuadrados Distintos ajustes por mínimos cuadrados Contenidos
Más detallesLas variedades lineales en un K-espacio vectorial V pueden definirse como sigue a partir de los subespacios de V.
Capítulo 9 Variedades lineales Al considerar los subespacios de R 2, vimos que éstos son el conjunto {(0, 0)}, el espacio R 2 y las rectas que pasan por el origen. Ahora, en algunos contextos, por ejemplo
Más detallesDIAGONALIZACIÓN DE MATRICES CUADRADAS
DIAGONALIZACIÓN DE MATRICES CUADRADAS.- Considerar los vectores u = (, -, ) y v = (, -, ) de : a) Escribir, si es posible, los vectores (, 7, -4) y (, -5, 4) como combinación lineal de u y v. b) Para qué
Más detallesPodemos pues formular los dos problemas anteriores en términos de matrices.
Tema 5 Diagonalización 51 Introducción Valores y vectores propios 511 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial V de dimensión
Más detallesCapítulo V. Valores y vectores propios. Diagonalización de operadores lineales.
Capítulo V Valores y vectores propios. Diagonalización de operadores lineales. Hemos visto que la aplicaciones lineales de en están definidas a través de una expresión de la forma ; pero esta fórmula puede
Más detallesAplicaciones bilineales y formas cuadráticas (Curso )
ÁLGEBRA Práctica 8 Aplicaciones bilineales y formas cuadráticas (Curso 2008 2009) 1. Comprobar si las siguientes aplicaciones son o no bilineales y en las que resulten serlo, dar la matriz que las representa
Más detallesELEMENTOS DE ANÁLISIS FUNCIONAL
ELEMENTOS DE ANÁLISIS FUNCIONAL Guillermo Ames Universidad Tecnológica Nacional - Facultad Regional Córdoba 2011 TEMA 3: ESPACIOS CON PRODUCTO INTERNO. ESPACIOS DE HILBERT. Espacios producto interno. Espacios
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 detallesMatrices ortogonales y descomposición QR
Matrices ortogonales y descomposición QR Problemas para examen Agradezco a Aldo Iván Leal García por varias correcciones importantes. Invertibilidad por la izquierda y por la derecha (repaso) 1. Conceptos
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 detallesGuía. Álgebra III. Examen parcial III. Forma canónica de Jordan. Producto interno.
Guía. Álgebra III. Examen parcial III. Forma canónica de Jordan. Producto interno. Teoremas con demostraciones que se pueden incluir en el examen: 1. Fórmula para f(j m (λ)), donde J m (λ) es el bloque
Más detallesf(x, y, z, t) = (x + y t, x + 2y z 3t, 3x + 5y 2z 7t).
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Álgebra Convocatoria de enero de 20 de enero de 20 (2.5 p.) ) Se considera la aplicación lineal f : R 4 R definida por: f(x y
Más detallesRelación 1. Espacios vectoriales
MATEMÁTICAS PARA LA EMPRESA Curso 2007/08 Relación 1. Espacios vectoriales 1. (a) En IR 2 se consideran las operaciones habituales: (x, y) + (x, y ) = (x + x, y + y ) λ(x, y) = (λx, λy) Demuestra que IR
Más 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 detallesMínimos cuadrados. Mayo de Ejemplos de introducción. Observación preliminar
Mínimos cuadrados Mayo de 2015. Ejemplos de introducción Observación preliminar Sean dos matrices A y B, por ejemplo a b A =, B = c d x z y t Las columnas de A representan los vectores u = (a; c) y v =
Más detallesTema 1: Espacios vectoriales
PROBLEMAS DE MATEMÁTICAS Parte I: Álgebra Primero de Químicas FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha Tema 1: Espacios vectoriales 1 Determina si cada
Más detallesTema 1. Espacios Vectoriales Definición de Espacio Vectorial
Tema 1 Espacios Vectoriales. 1.1. Definición de Espacio Vectorial Notas 1.1.1. Denotaremos por N, Z, Q, R, C, a los conjuntos de los números Naturales, Enteros, Racionales, Reales y Complejos, respectivamente.
Más detalles1.5.3 Sistemas, Matrices y Determinantes
1.5.3 Sistemas, Matrices y Determinantes 24. Sean las matrices 3 0 4 1 A= 1 2 B = 0 2 1 1 C = 1 4 2 3 1 5 1 5 2 D = 1 0 1 E = 3 2 4 6 1 3 1 1 2 4 1 3 a Calcular cuando se pueda: 3C D, ABC, ABC, ED, DE,
Más detallesEspacios vectoriales reales.
Capítulo 4 Espacios vectoriales reales. 4.1 Espacios vectoriales. Definición 86.- Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe
Más detallesEjercicios Resueltos Tema 4
Ejercicio 1 Estudiar si la aplicación f : R 2 R 2 R definida por f ((x 1, x 2 ), (y 1, y 2 )) = x 1 y 1 3x 1 x 2 es una forma bilineal. Solución. No es forma bilineal ya que y f (α(x 1, x 2 ) + β(x 1,
Más detallesÁLGEBRA LINEAL E.T.S. DE INGENIERÍA INFORMÁTICA INGENIERÍAS TÉCNICAS EN INFORMÁTICA DE SISTEMAS Y GESTIÓN BOLETÍN DE PROBLEMAS DE
E.T.S. DE INGENIERÍA INFORMÁTICA BOLETÍN DE PROBLEMAS DE ÁLGEBRA LINEAL para las titulaciones de INGENIERÍAS TÉCNICAS EN INFORMÁTICA DE SISTEMAS Y GESTIÓN 1. Matrices y determinantes Ejercicio 1.1 Demostrar
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 detallesExamen Extraordinario de Álgebra III, licenciatura
Examen Extraordinario de Álgebra III, licenciatura El Examen a Título de Suficiencia de Álgebra III abarca los siguientes temas: 1. Formas bilineales y cuadráticas. 2. Valores y vectores propios. 3. Forma
Más detalles102 EJERCICIOS DE ALGEBRA LINEAL por Francisco Rivero Mendoza Ph.D.
102 EJERCICIOS DE ALGEBRA LINEAL por Francisco Rivero Mendoza Ph.D. Tema 1. Espacios Vectoriales. 1. Dar la definición de cuerpo. Dar tres ejemplos de cuerpos. Dar un ejemplo de un cuerpo finito 2. Defina
Más detallesMatemáticas para la Empresa
Matemáticas para la Empresa 1 o L. A. D. E. Curso 2008/09 Relación 1. Espacios Vectoriales 1. a) En IR 2 se consideran las operaciones habituales: (x, y) + (x, y ) = (x + x, y + y ) λ(x, y) = (λx, λy)
Más detallesTema 3.- Sistemas de ecuaciones lineales incompatibles. Sistemas compatibles e indeterminados.
Tema 3- Sistemas de ecuaciones lineales incompatibles Sistemas compatibles e indeterminados ÍNDICE 31 Solución de mínimos cuadrados de un sistema lineal incompatible de rango máximo: ecuaciones normales
Más detallesEspacio vectorial euclídeo
Espacio vectorial euclídeo Juan Medina Molina 13 de diciembre de 2004 Introducción En este tema estudiaremos espacios vectoriales reales a los que hemos añadido una nueva operación, el producto escalar,
Más detallesIndex. Ángulo, 80 entre dos planos, 80 entre dos rectas, 80 entre dos vectores, 59 entre recta y plano, 80
Index Ángulo, 80 entre dos planos, 80 entre dos rectas, 80 entre dos vectores, 59 entre recta y plano, 80 Adjunto, 14 Aplicación, 2 bilineal, 47 biyectiva, 3 compuesta, 3 identidad, 3 inversa, 3 inyectiva,
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 detallesDiagonalización de matrices. Kepler C k
Kepler C k 24 Índice. Problema de diagonalización 3.. Semejanza de matrices................................. 3.2. Valores propios y vectores propios........................... 3.3. Matrices y valores propios...............................
Más detallesa n1 a n2 a nn Es decir, una forma cuadrática es un polinomio homogéneo de grado 2 y n variables.
Capítulo 7 Formas cuadráticas. Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas ya ha sido estudiado, pues el cuadrado de la norma de un vector
Más detallesÁLGEBRA Algunas soluciones a la Práctica 8
ÁLGEBRA Algunas soluciones a la Práctica 8 Aplicaciones bilineales y formas cuadráticas (Curso 2008 2009 6. Sean a y b dos números reales. En el espacio P 1 de los polinomios de grado menor o igual que
Más detallesa ij x i x j = [x] t B A+At ) t = At +(A t ) t = At +A x i x j + a ij + a ji x j x i = s ij x i x j + s ji x j x i 2
68 Matemáticas I : Álgebra Lineal Tema 7 Formas cuadráticas Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas ya ha sido estudiado, pues el cuadrado
Más detallesa n1 a n2 a nn x n a ij x i x j = [x] t B A+At ) t = At +(A t ) t = At +A x j x i = s ij x i x j + s ji x j x i 2 x i x j + a ij + a ji
16 Fundamentos de Matemáticas : Álgebra Lineal Capítulo 1 Formas cuadráticas Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas ya ha sido estudiado,
Más detallesÁlgebra lineal y Geometría II. Métricas y formas cuadráticas. 1. La matriz de la métrica T 2 ((x, y, z), (x, y, z )) = xx + yy + 3zz 2xz 2zx es:
Álgebra lineal y Geometría II Gloria Serrano Sotelo Departamento de MATEMÁTICAS ÁLGEBRA LINEAL Y GEOMETRÍA. 0 FÍSICAS Métricas y formas cuadráticas.. La matriz de la métrica T ((x, y, z), (x, y, z )) =
Más detallesGRADO: Ingeniería en Tecnologías Industriales CURSO: 1º CUATRIMESTRE: 1º
SESIÓN SEMANA DENOMINACIÓN ASIGNATURA: Álgebra Lineal GRADO: Ingeniería en Tecnologías Industriales CURSO: 1º CUATRIMESTRE: 1º La asignatura tiene 28 sesiones que se distribuyen a lo largo de 14 semanas
Más detallesEspacios vectoriales con producto interno
Espacios vectoriales con producto interno Problemas teóricos En todos los problemas relacionados con el caso complejo se supone que el producto interno es lineal con respecto al segundo argumento. Definición
Más detallesEspacios eucĺıdeos. Tema Ejemplo introductorio.
Tema 3 Espacios eucĺıdeos El objetivo de este tema es la resolución de ciertos problemas de aproximación en espacios vectoriales. Para ello necesitaremos utilizar la idea de ortogonalidad entre vectores.
Más detallesCONJUNTO R n. = (5, 2, 10) de 3, son linealmente. = (2,1,3) y v 3. = (0,1, 1) y u 3. = (2,0,3, 1), u 3. = (1,1, 0,m), v 2
CONJUNTO R n.- Considerar los vectores u = (, -3, ) y v = (, -, ) de 3 : a) Escribir, si es posible, los vectores (, 7, -4) y (, -5, 4) como combinación lineal de u y v. b) Para qué valores de x es el
Más detallesSistemas de ecuaciones lineales
CAPíTULO 6 Sistemas de ecuaciones lineales 1 Rango de una matriz a 11 a 1n Sea A = M m n (K) El rango por filas de la matriz A es la dimensión del a m1 a mn subespacio vectorial de K n generado por sus
Más detalles1. ESPACIOS DE HILBERT Y OPERADORES
1. ESPACIOS DE HILBERT Y OPERADORES 1. DEFINICIÓN, PROPIEDADES Y EJEMPLOS Definición. Sea H un espacio vectorial sobre el cuerpo C de los números complejos, un producto escalar sobre H es una aplicación
Más detalles1. Efectuar las siguientes operaciones, expresando el resultado en forma binómica: (1 i)(2 i)(i 3) ; 344 ( i) 231 i(1 + i) 5
1.5.1 Complejos 1. Efectuar las siguientes operaciones, expresando el resultado en forma binómica: i 1 ; 2 + i ; 2i 2 i 1 + i +i; 5 (1 i)(2 i)(i 3) ; i344 +( i) 231 ; (1 + i) 5 + 1 (1 i) 5 1 ; 2. Usar,
Más detallesFACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas
EXÁMENES DE MATEMÁTICAS Álgebra Primero de Ingeniería Química FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha 5 de julio de 99. Dada la aplicación lineal: T
Más detallesÁlgebra Lineal. Tema 11. El Teorema Espectral en R. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Tema. El Teorema Espectral en R Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR Índice
Más detallesAlgebra lineal II Examen Parcial 2
UNIVERSIDAD DE COSTA RICA ESCUELA DE MATEMATICA Algebra lineal II Examen Parcial 2 II Semestre 2014 Nick Gill Instrucciones: Puede usar cualquiera de las proposiciones o ejercicios vistos en clase. Tenga
Más detallesTEMA 6 FORMAS BILINEALES Y PRODUCTO ESCALAR
TEMA 6 FORMAS BILINEALES Y PRODUCTO ESCALAR Índice 6.1. Formas bilineales....................... 154 6.1.1. Representación matricial de una forma bilineal. 155 6.1.. Formas multilineales reales............
Más detalles6.8. Descomposición mediante valores singulares. v 2 =
68 Descomposición mediante valores singulares Los valores singulares de una matriz m n Supongamos que A es una matriz real cualquiera Los autovalores de A T A tienen la siguiente propiedad A T Ax = λx
Más detallesDescomposición QR. Problemas para examen. Agradezco a Aldo Iván Leal García por varias correcciones importantes.
Descomposición QR Problemas para examen Agradezco a Aldo Iván Leal García por varias correcciones importantes. Reflexión de Householder (repaso) 1. Reflexión ortogonal respecto a un hipersubespacio (repaso).
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 detallesPROGRAMA DE EXAMEN. Unidad Nº1: Matrices y Función Determinante
Ministerio de Cultura y Educación Universidad Nacional de San Juan Fac. de Ciencias Exactas Físicas y Naturales Ciclo Lectivo 2018 PROGRAMA DE EXAMEN Cátedra: ALGEBRA LINEAL Carrera: Licenciatura en Geofísica
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 detallesTema 5: ESPACIOS VECTORIALES
Tema 5: ESPACIOS VECTORIALES EUCLÍDEOS Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada Material docente para el alumno Asignatura: Geometría I. Curso 2003/04 Licenciatura:
Más detallesProblemas de exámenes de Formas Bilineales y Determinantes
1 Problemas de exámenes de Formas Bilineales y Determinantes 1. Sea R 3 con el producto escalar ordinario. Sea f un endomorfismo de R 3 definido por las condiciones: a) La matriz de f respecto de la base
Más detalles6.14 Descomposición ortogonal y proyección ortogonal
CAPÍTULO. ESPACIO EUCLÍDEO CANÓNICO IR N 282.14 Descomposición ortogonal y proyección ortogonal El resultado W W = IR n, significa que cada y IR n se puede escribir de forma única como suma de un vector
Más detallesA = [a 1 a 2 a 3. El sistema Ax = c tiene infinitas soluciones N. Existe un único vector x tal que T (x) = c X. T es suprayectiva
Asignatura: ÁLGEBRA LINEAL Fecha: 6 de Julio de Fecha publicación notas: 6 de Julio de Fecha revisión examen: de Julio de Duración del examen: horas y media APELLIDOS Y NOMBRE: DNI: Titulación:. ( punto:,
Más detallesDiagonalización de matrices
Diagonalización de matrices María Muñoz Guillermo maria.mg@upct.es U.P.C.T. Matemáticas I M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 1 / 22 Valores y vectores propios de una matriz Definición
Más 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 detallesClase de Álgebra Lineal
Clase de Álgebra Lineal M.Sc. Carlos Mario De Oro Facultad de Ciencias Básicas Departamento de matemáticas 04.2017 Page 1 Espacios vectoriales Definicion. Espacio Vectorial (E.V.) Un V espacio vectorial
Más detallesSegundo examen parcial. Soluciones. Ejercicio 1 (1 hora y 40 minutos.) 12 de junio de 2008
ÁLGEBRA Segundo examen parcial Soluciones Ejercicio 1 (1 hora y 40 minutos 1 de junio de 008 1 En el espacio de matrices M n n (IR consideramos las formas bilineales: f : M n n (IR M n n (IR IR, f(a, B
Más detallesMétodos Matemáticos: Análisis Funcional
Licenciatura en Ciencias y Técnicas Estadísticas Universidad de Sevilla http://euler.us.es/ renato/clases.html Espacios eucĺıdeos Definición Se dice que un espacio vectorial E es un espacio eucĺıdeo si
Más detallesTEMA V. Espacios vectoriales
TEMA V. Espacios vectoriales 1 1. Demostrar que cada uno de los siguientes conjuntos tiene estructura de espacio vectorial sobre el cuerpo de los reales: a El conjunto (R 2, +,, R. b El conjunto (R 3,
Más detalles1. ESPACIO EUCLÍDEO. ISOMETRÍAS
. ESPACIO EUCLÍDEO. ISOMETRÍAS. En el espacio euclídeo usual R 4 se consideran los subespacios vectoriales y W = {(x, y, z, t R 4 : x y =, z + t = } Hallar: W 2 = L{(,, 2, 2, (,,, } a Las ecuaciones de
Más detalles0 a b X = b c 0. f X (A) = AX XA.
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Industriales Álgebra Lineal Convocatoria de Junio 8 de Junio de 2007 (3 ptos.). Sea V = {A M 3 3 (R) / A t = A}. (a) Demostrar que toda
Más detallesTEMA III: DIAGONALIZACIÓN.
TEMA III: DIAGONALIZACIÓN. OBJETIVOS: Generales: 1. Captar el motivo que justifica el problema de la diagonalización de endomorfismos. 2. Resolver y aplicar dicho problema cuando sea posible. Específicos:
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 detalles