Sistemas de Ecuaciones Lineales y Matrices
|
|
- Santiago Ávila Soriano
- hace 8 años
- Vistas:
Transcripción
1 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 Invierno 2008, 10 de enero de 2008
2 Contenido 1 Sistemas de ecuaciones lineales y matrices Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Resumen 2 Vectores y matrices - productos vectorial y matricial Vectores y matrices - productos vectorial y matricial Resumen 3 Matrices y sistemas de ecuaciones lineales Matrices y sistemas de ecuaciones lineales
3 Contenido 1 Sistemas de ecuaciones lineales y matrices Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Resumen 2 Vectores y matrices - productos vectorial y matricial Vectores y matrices - productos vectorial y matricial Resumen 3 Matrices y sistemas de ecuaciones lineales Matrices y sistemas de ecuaciones lineales
4 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Propiedades de la línea recta y y (x 2, y 2 ) x (x 1, y 1 ) x La línea recta Algunos hechos fundamentales sobre la línea recta son: Propiedad: La pendiente m de una recta que pasa por los puntos (x 1, y 1 ) y (x 2, y 2 ) está dada por: m = y 2 y 1 x 2 x 1 = y x si x 1 x 2
5 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Propiedades de la línea recta y La línea recta Algunos hechos fundamentales sobre la línea recta son: y x = 0 (x 2, y 2 ) (x 1, y 1 ) x Propiedad: Si x 2 x 1 = 0 y y 2 y 1, entonces la recta es vertical y se dice que la pendiente es indefinida
6 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Propiedades de la línea recta y b m = y x y = mx + b x La línea recta Algunos hechos fundamentales sobre la línea recta son: Propiedad: Cualquier recta (excepto una con pendiente indefinida) se puede describir escribiendo su ecuación en la forma pendiente-ordenada y = mx + b, donde m es la pendiente de la recta y b es la ordenada
7 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Propiedades de la línea recta y b 2 b 1 y = mx + b L 2 : m 2 La línea recta Algunos hechos fundamentales sobre la línea recta son: Propiedad: Dos rectas distintas son paralelas si y sólo si tienen la misma pendiente L 1 : m 1 x
8 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Propiedades de la línea recta y La línea recta Algunos hechos fundamentales sobre la línea recta son: m = a b ax + by = c x Propiedad: Si la ecuación de la recta se escribe en la forma ax + by = c (b 0), entonces, se puede calcular fácilmente la pendiente de la recta como, m = a b
9 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Propiedades de la línea recta y La línea recta Algunos hechos fundamentales sobre la línea recta son: m 2 = 1 m 1 L 1 : m 1 L 2 : m 2 x Propiedad: Si m 1 es la pendiente de la recta L 1, y m 2 es la pendiente de la recta L 2, m 1 0 y L 1 y L 2 son perpendiculares, entonces m 2 = 1 m 1
10 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Propiedades de la línea recta y La línea recta Algunos hechos fundamentales sobre la línea recta son: L : m = 0 Propiedad: Las rectas paralelas al eje x tienen una pendiente de cero x
11 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Propiedades de la línea recta y La línea recta Algunos hechos fundamentales sobre la línea recta son: L : m indefinida Propiedad: Las rectas paralelas al eje de las y tienen una pendiente indefinida x
12 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Dos ecuaciones lineales con dos incógnitas Sistema de ecuaciones Consideremos el sistema de dos ecuaciones con dos incógnitas: a 11 x + a 12 y = b 1 a 21 x + a 22 y = b 2 Un sistema con una solución única Considere el sistema Solución x y = 7 x + y = Sumando ambas ecuaciones y después restándolas, obtenemos: x = 6 y = 1
13 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Dos ecuaciones lineales con dos incógnitas Sistema de ecuaciones Consideremos el sistema de dos ecuaciones con dos incógnitas: a 11 x + a 12 y = b 1 a 21 x + a 22 y = b 2 Un sistema con un número infinito de soluciones Considere el sistema Solución x y = 7 2x 2y = 14 Para este sistema podemos observar que 2(x y = 7), por lo tanto la solución es de la forma: y = x 7
14 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Dos ecuaciones lineales con dos incógnitas Sistema de ecuaciones Consideremos el sistema de dos ecuaciones con dos incógnitas: a 11 x + a 12 y = b 1 a 21 x + a 22 y = b 2 Un sistema sin solución Considere el sistema Solución x y = 7 2x 2y = 13 En este caso tenemos 2(x y = 13 2 ), por lo tanto las rectas son paralelas y diferentes
15 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Representación matricial de sistemas lineales La matriz de coeficientes, A es: A = Definición Una Matriz es un arreglo rectangular de números Por ejemplo, para el sistema de ecuaciones lineales: 2x 1 + 4x 2 + 6x 3 = 18 4x 1 + x 2 + 6x 3 = 24 3x 1 + 1x 2 2x 3 = 4
16 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Representación matricial de sistemas lineales La matriz aumentada del sistema es: Definición Una Matriz es un arreglo rectangular de números Por ejemplo, para el sistema de ecuaciones lineales: 2x 1 + 4x 2 + 6x 3 = 18 4x 1 + x 2 + 6x 3 = 24 3x 1 + 1x 2 2x 3 = 4
17 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Operaciones elementales en una matriz: Operaciones elementales con renglones 1 Multiplicar (o dividir) un renglón por un número diferente de cero 2 Sumar un múltiplo de un renglón a otro renglón 3 Intercambiar dos renglones Ejemplo: R R
18 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Operaciones elementales en una matriz: Operaciones elementales con renglones 1 Multiplicar (o dividir) un renglón por un número diferente de cero 2 Sumar un múltiplo de un renglón a otro renglón 3 Intercambiar dos renglones Ejemplo: R 2 R 2 2R
19 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Operaciones elementales en una matriz: Operaciones elementales con renglones 1 Multiplicar (o dividir) un renglón por un número diferente de cero 2 Sumar un múltiplo de un renglón a otro renglón 3 Intercambiar dos renglones Ejemplo: R 1 R
20 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Reducción de Gauss Ejemplo 2x 1 + 4x 2 + 6x 3 = 18 4x 1 + x 2 + 6x 3 = 24 3x 1 + 1x 2 2x 3 = Procedimiento: 1 Se selecciona el pivote 2 Se calcula R i (1/c i )R i 3 Se calcula R j R j c j R i 4 Se repite para todos los elementos del pivote
21 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Reducción de Gauss Ejemplo 2x 1 + 4x 2 + 6x 3 = 18 4x 1 + x 2 + 6x 3 = 24 3x 1 + 1x 2 2x 3 = 4 Procedimiento: 1 Se selecciona el pivote 2 Se calcula R i (1/c i )R i 3 Se calcula R j R j c j R i 4 Se repite para todos los elementos del pivote R R
22 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Reducción de Gauss Ejemplo 2x 1 + 4x 2 + 6x 3 = 18 4x 1 + x 2 + 6x 3 = 24 3x 1 + 1x 2 2x 3 = 4 Procedimiento: 1 Se selecciona el pivote 2 Se calcula R i (1/c i )R i 3 Se calcula R j R j c j R i 4 Se repite para todos los elementos del pivote R 2 R 2 4R 1 R 3 R 3 3R
23 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Reducción de Gauss Ejemplo 2x 1 + 4x 2 + 6x 3 = 18 4x 1 + x 2 + 6x 3 = 24 3x 1 + 1x 2 2x 3 = 4 Procedimiento: 1 Se selecciona el pivote 2 Se calcula R i (1/c i )R i 3 Se calcula R j R j c j R i 4 Se repite para todos los elementos del pivote R R
24 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Reducción de Gauss Ejemplo 2x 1 + 4x 2 + 6x 3 = 18 4x 1 + x 2 + 6x 3 = 24 3x 1 + 1x 2 2x 3 = 4 Procedimiento: 1 Se selecciona el pivote 2 Se calcula R i (1/c i )R i R 3 R 3 + R Se calcula R j R j c j R i 4 Se repite para todos los elementos del pivote
25 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Reducción de Gauss Ejemplo 2x 1 + 4x 2 + 6x 3 = 18 4x 1 + x 2 + 6x 3 = 24 3x 1 + 1x 2 2x 3 = 4 Procedimiento: 1 Se selecciona el pivote 2 Se calcula R i (1/c i )R i 3 Se calcula R j R j c j R i 4 Se repite para todos los elementos del pivote R R
26 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Reducción de Gauss Ejemplo 2x 1 + 4x 2 + 6x 3 = 18 4x 1 + x 2 + 6x 3 = 24 3x 1 + 1x 2 2x 3 = 4 Procedimiento: 1 Se selecciona el pivote 2 Se calcula R i (1/c i )R i 3 Se calcula R j R j c j R i 4 Se repite para todos los elementos del pivote x 1 + 2x 2 + 3x 3 = 9 1x 2 + 2x 3 = 4 1x 3 = 3 x 1 x 2 x 3 = 9 2x 2 3x 3 4 2x 3 3
27 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Reducción de Gauss-Jordan Ejemplo 2x 1 + 4x 2 + 6x 3 = 18 4x 1 + x 2 + 6x 3 = 24 2x 1 + 7x x 3 = Procedimiento: 1 Se selecciona el pivote 2 Se calcula R i (1/c i )R i 3 Se calcula R j R j c j R i 4 Se repite para todos los elementos del pivote
28 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Reducción de Gauss-Jordan Ejemplo 2x 1 + 4x 2 + 6x 3 = 18 4x 1 + x 2 + 6x 3 = 24 2x 1 + 7x x 3 = 30 Procedimiento: 1 Se selecciona el pivote 2 Se calcula R i (1/c i )R i 3 Se calcula R j R j c j R i 4 Se repite para todos los elementos del pivote R R
29 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Reducción de Gauss-Jordan Ejemplo 2x 1 + 4x 2 + 6x 3 = 18 4x 1 + x 2 + 6x 3 = 24 2x 1 + 7x x 3 = 30 Procedimiento: 1 Se selecciona el pivote 2 Se calcula R i (1/c i )R i 3 Se calcula R j R j c j R i 4 Se repite para todos los elementos del pivote R 2 R 2 4R 1 R 3 R 3 2R
30 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Reducción de Gauss-Jordan Ejemplo 2x 1 + 4x 2 + 6x 3 = 18 4x 1 + x 2 + 6x 3 = 24 2x 1 + 7x x 3 = 30 Procedimiento: 1 Se selecciona el pivote 2 Se calcula R i (1/c i )R i 3 Se calcula R j R j c j R i 4 Se repite para todos los elementos del pivote R R
31 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Reducción de Gauss-Jordan Ejemplo 2x 1 + 4x 2 + 6x 3 = 18 4x 1 + x 2 + 6x 3 = 24 2x 1 + 7x x 3 = 30 Procedimiento: 1 Se selecciona el pivote 2 Se calcula R i (1/c i )R i 3 Se calcula R j R j c j R i 4 Se repite para todos los elementos del pivote R 1 R 1 2R 2 R 3 R 3 3R
32 Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Reducción de Gauss-Jordan Ejemplo 2x 1 + 4x 2 + 6x 3 = 18 4x 1 + x 2 + 6x 3 = 24 2x 1 + 7x x 3 = 30 Procedimiento: 1 Se selecciona el pivote 2 Se calcula R i (1/c i )R i 3 Se calcula R j R j c j R i 4 Se repite para todos los elementos del pivote x 1 x 3 = 1 1x 2 + 2x 3 = 4 x 1 x 2 = 1 + x 3 4 2x 3 x 3 x 3
33 Resumen Resumen Teorema El sistema a 11 x + a 12 y = b 1 a 21 x + a 22 y = b 2 Tiene una solución única si y sólo si a 11 a 22 a 12 a 21 0 No tiene solución o tiene un número infinito de soluciones si y sólo si a 11 a 22 a 12 a 21 = 0
34 Resumen Resumen Reducción de Gauss & Gauss-Jordan En la eliminación Gaussiana se reduce por renglón la matriz de coeficientes a la forma escalonada por renglones, se despeja el valor de la última incógnita y después se usa la sustitución hacia atrás para las demás incógnitas En la eliminación de Gauss-Jordan se reduce por renglón la matriz de coeficientes a la forma escalonada reducida por renglones usando el procedimiento descrito
35 Resumen Resumen Problemas - Tarea 1 Pruebe que la distancia entre un punto (x 1, y 1 ) y la recta ax + by = c está dada por: d = ax 1+by 1 +c a 2 +b 2 2 Encuentre la distancia entre la recta 2x y = 6 y el punto de intersección de las rectas 2x 3y = 1 y 3x + 6y = 12
36 Resumen Resumen Problemas - Tarea - Reducción de Gauss-Jordan 1 Para qué valor de k tendrá soluciones no triviales el siguiente sistema?: 1x + 1y + 1z = 0 2x + 3y + 4z = 0 3x + 4y + kz = 0 2 Comprueba el resultado aplicando la reducción de Gauss-Jordan
37 Contenido 1 Sistemas de ecuaciones lineales y matrices Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Resumen 2 Vectores y matrices - productos vectorial y matricial Vectores y matrices - productos vectorial y matricial Resumen 3 Matrices y sistemas de ecuaciones lineales Matrices y sistemas de ecuaciones lineales
38 Vectores y matrices - productos vectorial y matricial Definiciones y operaciones básicas Vector renglón de n componentes Se define a un vector renglón de n componentes como un conjunto ordenado de n números escritos de la siguiente manera: ( x1 x 2 x n ) Ejemplo: -vector renglón x = ( )
39 Vectores y matrices - productos vectorial y matricial Definiciones y operaciones básicas Vector columna de n componentes Un vector columna de n componentes es un conjunto ordenado de n números escritos de la siguiente manera: x 1 x 2 x n Ejemplo: 3-vector columna u = 1 1 0
40 Vectores y matrices - productos vectorial y matricial Definiciones y operaciones básicas Espacio vectorial R n Se usa el símbolo R n para denotar al conjunto de todos los n-vectores: a 1 a 2 cada a i es un número real a n
41 Vectores y matrices - productos vectorial y matricial Definiciones y operaciones básicas Matriz Una matriz A de m n es un arreglo rectangular de mn números agrupados en m renglones y n columnas 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 a mj a mn
42 Vectores y matrices - productos vectorial y matricial Suma y multiplicación de matrices Suma de matrices Consideremos A = (a ij ) y B = (b ij ) dos matrices m n Entonces la suma de A y B es una matriz m n, A + B dada por: A + B = a ij + b ij a 11 + b 11 a 12 + b 12 a 1n + b 1n a 21 + b 21 a 22 + b 22 a 2n + b 2n = a m1 + b m1 a m2 + b m2 a mn + b mn Es decir, A + B es una matriz de m n que se obtiene al sumar las componentes correspondientes de A y B
43 Vectores y matrices - productos vectorial y matricial Suma y multiplicación de matrices Multiplicación de una matriz por un escalar Si A = (a ij ) es una matriz m n y si α es un escalar, entonces la matriz m n, αa, está dada por: αa = (αa ij ) αa 11 αa 12 αa 1n αa 21 αa 22 αa 2n = αa m1 αa m2 αa mn Es decir, αa = (αa ij ) es una matriz obtenida al multiplicar cada componente de A por α
44 Vectores y matrices - productos vectorial y matricial Suma y multiplicación de matrices Teorema Sean A, B y C tres matrices de m n y sean α y β dos escalares Entonces: 1 A + 0 = A 2 0A = 0 3 A + B = B + A (ley conmutativa) 4 (A + B) + C = A + (B + C) (ley asociativa) α(a + B) = αa + αb (ley distributiva para escalares) 6 1A = A 7 (α + β)a = αa + βa
45 Vectores y matrices - productos vectorial y matricial Suma y multiplicación de matrices Teorema Sean A, B y C tres matrices de m n y sean α y β dos escalares Entonces: 1 A + 0 = A 2 0A = 0 3 A + B = B + A (ley conmutativa) 4 (A + B) + C = A + (B + C) (ley asociativa) α(a + B) = αa + αb (ley distributiva para escalares) 6 1A = A 7 (α + β)a = αa + βa
46 Vectores y matrices - productos vectorial y matricial Suma y multiplicación de matrices Teorema Sean A, B y C tres matrices de m n y sean α y β dos escalares Entonces: 1 A + 0 = A 2 0A = 0 3 A + B = B + A (ley conmutativa) 4 (A + B) + C = A + (B + C) (ley asociativa) α(a + B) = αa + αb (ley distributiva para escalares) 6 1A = A 7 (α + β)a = αa + βa
47 Vectores y matrices - productos vectorial y matricial Suma y multiplicación de matrices Teorema Sean A, B y C tres matrices de m n y sean α y β dos escalares Entonces: 1 A + 0 = A 2 0A = 0 3 A + B = B + A (ley conmutativa) 4 (A + B) + C = A + (B + C) (ley asociativa) α(a + B) = αa + αb (ley distributiva para escalares) 6 1A = A 7 (α + β)a = αa + βa
48 Vectores y matrices - productos vectorial y matricial Suma y multiplicación de matrices Teorema Sean A, B y C tres matrices de m n y sean α y β dos escalares Entonces: 1 A + 0 = A 2 0A = 0 3 A + B = B + A (ley conmutativa) 4 (A + B) + C = A + (B + C) (ley asociativa) α(a + B) = αa + αb (ley distributiva para escalares) 6 1A = A 7 (α + β)a = αa + βa
49 Vectores y matrices - productos vectorial y matricial Suma y multiplicación de matrices Teorema Sean A, B y C tres matrices de m n y sean α y β dos escalares Entonces: 1 A + 0 = A 2 0A = 0 3 A + B = B + A (ley conmutativa) 4 (A + B) + C = A + (B + C) (ley asociativa) α(a + B) = αa + αb (ley distributiva para escalares) 6 1A = A 7 (α + β)a = αa + βa
50 Vectores y matrices - productos vectorial y matricial Suma y multiplicación de matrices Teorema Sean A, B y C tres matrices de m n y sean α y β dos escalares Entonces: 1 A + 0 = A 2 0A = 0 3 A + B = B + A (ley conmutativa) 4 (A + B) + C = A + (B + C) (ley asociativa) α(a + B) = αa + αb (ley distributiva para escalares) 6 1A = A 7 (α + β)a = αa + βa
51 Vectores y matrices - productos vectorial y matricial Producto escalar Definición: Producto escalar a 1 b 1 a 2 Sean a = y b = b 2 a n b n dos vectores Entonces el producto escalar de a y b, representado por a b, está definido como: a b = a 1 b 1 + a 2 b 2 + a n b n Para poder realizar el producto escalar de a y b es necesario que a y b tengan el mismo número de componentes
52 Vectores y matrices - productos vectorial y matricial Producto escalar Teorema Sean a, b y c tres n-vectores y sea α un escalar Entonces: 1 a 0 = 0 2 a b = b a (ley conmutativa) 3 a (b + c) = a b + a c (ley distributiva) 4 (αa) b = α(a b)
53 Vectores y matrices - productos vectorial y matricial Producto escalar Teorema Sean a, b y c tres n-vectores y sea α un escalar Entonces: 1 a 0 = 0 2 a b = b a (ley conmutativa) 3 a (b + c) = a b + a c (ley distributiva) 4 (αa) b = α(a b)
54 Vectores y matrices - productos vectorial y matricial Producto escalar Teorema Sean a, b y c tres n-vectores y sea α un escalar Entonces: 1 a 0 = 0 2 a b = b a (ley conmutativa) 3 a (b + c) = a b + a c (ley distributiva) 4 (αa) b = α(a b)
55 Vectores y matrices - productos vectorial y matricial Producto escalar Teorema Sean a, b y c tres n-vectores y sea α un escalar Entonces: 1 a 0 = 0 2 a b = b a (ley conmutativa) 3 a (b + c) = a b + a c (ley distributiva) 4 (αa) b = α(a b)
56 Vectores y matrices - productos vectorial y matricial Producto de dos matrices Definición: Sea A = (a ij ) una matriz m n, y sea B = (b ij ) una matriz de n p Entonces el producto de A y B es una matriz de m p, C = (c ij ), en donde: c ij = (renglón i de A) (columna j de B) Es decir, el elemento ij de AB es el producto punto del renglón i de A y la columna j de B Si esto se extiende, se obtiene: c ij = a i1 b 1j + a i2 b 2j + + a in b nj Si el número de columnas de A es igual al número de renglones de B, entonces se dice que A y B son compatibles bajo la multiplicación
57 Vectores y matrices - productos vectorial y matricial Producto de dos matrices Ejemplificación de la multiplicación matricial (c ij ) = a 11 a 12 a 1n a 21 a 22 a 2n a i1 a i2 a in a m1 a m2 a mn b 11 b 12 b 1j b 1p b 21 b 22 b 2j b 2p b n1 b n2 b nj b np
58 Resumen Resumen La notación Σ El producto escalar y la multiplicación de dos matrices puede ser expresada de la siguiente forma: Producto escalar a b = a 1 b 1 + a 2 b a n b n n = a i b i i=1 Multiplicación de dos matrices c ij = a i1 b 1j + a i2 b 2j + + a in b nj n = a ik b kj k=1
59 Resumen Resumen Problemas - Tarea 1 Sean a 11, a 12, a 21 y a 22 números reales dados tales que a 11 a 22 a( 12 a 21 0 Encuentre ) ( los números ) ( b 11, b) 12, b 21 y b 22 a11 a tales que 12 b11 b = a 21 a 22 b 21 b Calcule A 2 si A = ( ) 3 Se dice que dos vectores a y b son ortogonales si a b = 0 Determine todos los números α y β tales que los vectores 1 4 α 2 y 2β sean ortogonales 3 7
60 Contenido 1 Sistemas de ecuaciones lineales y matrices Sistemas de ecuaciones lineales - eliminación de Gauss-Jordan Resumen 2 Vectores y matrices - productos vectorial y matricial Vectores y matrices - productos vectorial y matricial Resumen 3 Matrices y sistemas de ecuaciones lineales Matrices y sistemas de ecuaciones lineales
61 Matrices y sistemas de ecuaciones lineales Representación matricial de un sistema de ecuaciones lineales Sistema de m ecuaciones y n incógnitas Consideremos el sistema de m ecuaciones lineales con n incógnitas: a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2 a m1 x 1 + a m2 x a mn x n = b m La matriz de coeficientes es: a 11 a 12 a 1n a 21 a 22 a 2n A = a m1 a m2 a mn
62 Matrices y sistemas de ecuaciones lineales Representación matricial de un sistema de ecuaciones lineales Sistema de m ecuaciones y n incógnitas Consideremos el sistema de m ecuaciones lineales con n incógnitas: a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2 a m1 x 1 + a m2 x a mn x n = b m Los vectores x y b son: x = x 1 x 2 x n b = b 1 b 2 b m
63 Matrices y sistemas de ecuaciones lineales Representación matricial de un sistema de ecuaciones lineales Sistema de m ecuaciones y n incógnitas Consideremos el sistema de m ecuaciones lineales con n incógnitas: a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2 a m1 x 1 + a m2 x a mn x n = b m Representación matricial de un sistema de ecuaciones: Ax = b Un sistema de ecuaciones lineales es homogéneo si: Ax = 0
64 Matrices y sistemas de ecuaciones lineales Representación matricial de un sistema de ecuaciones lineales Sistema de m ecuaciones y n incógnitas Consideremos el sistema de m ecuaciones lineales con n incógnitas: a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2 a m1 x 1 + a m2 x a mn x n = b m Ejemplo: 1x 1 + 4x 2 2x 3 = 10 2x 1 + x 2 + 3x 3 = 8 3x 1 + 1x 2 2x 3 = 4 A =
65 Matrices y sistemas de ecuaciones lineales Representación matricial de un sistema de ecuaciones lineales Sistema de m ecuaciones y n incógnitas Consideremos el sistema de m ecuaciones lineales con n incógnitas: a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2 a m1 x 1 + a m2 x a mn x n = b m Ejemplo (continuación): 1x 1 + 4x 2 2x 3 = 10 2x 1 + x 2 + 3x 3 = 8 3x 1 + 1x 2 2x 3 = 4 x = x 1 x 2 x 3, b =
66 Matrices y sistemas de ecuaciones lineales Ejemplo - Sistema homogéneo y no homogéneo Ejemplo: 1x 1 + 1x 2 1x 3 = 7 4x 1 1x 2 + x 3 = 4 6x 1 + 1x 2 + 3x 3 = 18 La representación de la matriz aumentada de Ax = b es:
67 Matrices y sistemas de ecuaciones lineales Ejemplo - Sistema homogéneo y no homogéneo Ejemplo: 1x 1 + 1x 2 1x 3 = 7 4x 1 1x 2 + x 3 = 4 6x 1 + 1x 2 + 3x 3 = 18 Reduciendo la matriz aumentada a la forma escalonada, tenemos: R 2 R 2 4R 1 R 3 R 3 6R
68 Matrices y sistemas de ecuaciones lineales Ejemplo - Sistema homogéneo y no homogéneo Ejemplo: 1x 1 + 1x 2 1x 3 = 7 4x 1 1x 2 + x 3 = 4 6x 1 + 1x 2 + 3x 3 = 18 Reduciendo la matriz aumentada a la forma escalonada, tenemos (continuación): R 2 R
69 Matrices y sistemas de ecuaciones lineales Ejemplo - Sistema homogéneo y no homogéneo Ejemplo: 1x 1 + 1x 2 1x 3 = 7 4x 1 1x 2 + x 3 = 4 6x 1 + 1x 2 + 3x 3 = 18 Reduciendo la matriz aumentada a la forma escalonada, tenemos (continuación): R 1 R 1 R 2 R 3 R 3 + R
70 Matrices y sistemas de ecuaciones lineales Ejemplo - Sistema homogéneo y no homogéneo Ejemplo: 1x 1 + 1x 2 1x 3 = 7 4x 1 1x 2 + x 3 = 4 6x 1 + 1x 2 + 3x 3 = 18 La reducción queda como: La solución sería: x 1 x 2 x 3 = 11 4 x x 3 x 3
71 Matrices y sistemas de ecuaciones lineales Ejemplo - Sistema homogéneo y no homogéneo Ejemplo: 1x 1 + 1x 2 1x 3 = 7 4x 1 1x 2 + x 3 = 4 6x 1 + 1x 2 + 3x 3 = 18 Considerando las soluciones x 1 y x 2 para x 3 = 1 y x 3 = 2, respectivamente: x 1,2 = x 1 x 2 x 3 La soluciones serían: x 1 = = 11 4 x x 3 x 3 x 2 =
72 Matrices y sistemas de ecuaciones lineales Ejemplo - Sistema homogéneo y no homogéneo Ejemplo: 1x 1 + 1x 2 1x 3 = 7 4x 1 1x 2 + x 3 = 4 6x 1 + 1x 2 + 3x 3 = 18 Consideremos ahora el vector x = x 1 x 2 : x = = efectuando la multiplicación Ax: =
73 Matrices y sistemas de ecuaciones lineales Ejemplo - Sistema homogéneo y no homogéneo Teorema Sean x 1 y x 2 soluciones al sistema no homogéneo Entonces su diferencia x 1 x 2, es una solución al sistema homogéneo relacionado A(x 1 x 2 ) = Ax 1 Ax 2 = 0 Consideremos ahora el vector x = x 1 x 2 : x = = efectuando la multiplicación Ax: =
Matrices Invertibles y Elementos de Álgebra Matricial
Matrices Invertibles y Elementos de Álgebra Matricial Departamento de Matemáticas, CCIR/ITESM 12 de enero de 2011 Índice 91 Introducción 1 92 Transpuesta 1 93 Propiedades de la transpuesta 2 94 Matrices
Más detallesMatrices: Conceptos y Operaciones Básicas
Matrices: Conceptos y Operaciones Básicas Departamento de Matemáticas, CCIR/ITESM 8 de septiembre de 010 Índice 111 Introducción 1 11 Matriz 1 113 Igualdad entre matrices 11 Matrices especiales 3 115 Suma
Más detallesMatrices. Definiciones básicas de matrices. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.mx
Matrices Definiciones básicas de matrices wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 2007-2008 Contenido 1 Matrices 2 11 Matrices cuadradas 3 12 Matriz transpuesta 4 13 Matriz identidad
Más detallesDefinición 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.
Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una
Más detallesMatrices equivalentes. El método de Gauss
Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar
Más detalles1 Espacios y subespacios vectoriales.
UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Espacios vectoriales y sistemas de ecuaciones 1 Espacios y subespacios vectoriales Definición 1 Sea V un conjunto
Más detallesSubespacios vectoriales en R n
Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo
Más detallesÁLGEBRA LINEAL E.T.S. DE INGENIERÍA INFORMÁTICA INGENIERÍA TÉCNICA EN INFORMÁTICA DE GESTIÓN. Apuntes de. para la titulación de
E.T.S. DE INGENIERÍA INFORMÁTICA Apuntes de ÁLGEBRA LINEAL para la titulación de INGENIERÍA TÉCNICA EN INFORMÁTICA DE GESTIÓN Fco. Javier Cobos Gavala Amparo Osuna Lucena Rafael Robles Arias Beatriz Silva
Más detallesGeometría Tridimensional
Capítulo 4 Geometría Tridimensional En dos dimensiones trabajamos en el plano mientras que en tres dimensiones trabajaremos en el espacio, también provisto de un sistema de coordenadas. En el espacio,
Más detalles1. INVERSA DE UNA MATRIZ REGULAR
. INVERSA DE UNA MATRIZ REGULAR Calcular la inversa de una matriz regular es un trabajo bastante tedioso. A través de ejemplos se expondrán diferentes técnicas para calcular la matriz inversa de una matriz
Más detallesOperaciones con vectores y matrices ECONOMETRÍA I OPERACIONES CON VECTORES Y MATRICES. Ana Morata Gasca
ECONOMETRÍA I OPERACIONES CON VECTORES Y MATRICES Ana Morata Gasca 1 DEFINICIÓN DE VECTOR Un vector es todo segmento de recta dirigido en el espacio. CARACTERÍSTICAS DE UN VECTOR Origen o Punto de aplicación:
Más detallesObjetivos: Al inalizar la unidad, el alumno:
Unidad 3 espacios vectoriales Objetivos: Al inalizar la unidad, el alumno: Describirá las características de un espacio vectorial. Identiicará las propiedades de los subespacios vectoriales. Ejempliicará
Más detallesCapitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario)
Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS (Solucionario) 2 Í N D I C E CAPÍTULO : MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES CAPÍTULO 2: ESPACIOS VECTORIALES
Más detallesINSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA UNIDAD CULHUACÁN INTEGRANTES
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA UNIDAD CULHUACÁN INTEGRANTES CÁRDENAS ESPINOSA CÉSAR OCTAVIO racsec_05@hotmail.com Boleta: 2009350122 CASTILLO GUTIÉRREZ
Más detalles1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n.
Ortogonalidad Producto interior Longitud y ortogonalidad Definición Sean u y v vectores de R n Se define el producto escalar o producto interior) de u y v como u v = u T v = u, u,, u n ) Ejemplo Calcular
Más detallesCURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre
CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una
Más detallesEspacios generados, dependencia lineal y bases
Espacios generados dependencia lineal y bases Departamento de Matemáticas CCIR/ITESM 14 de enero de 2011 Índice 14.1. Introducción............................................... 1 14.2. Espacio Generado............................................
Más detallesÁLGEBRA LINEAL. Apuntes elaborados por. Juan González-Meneses López. Curso 2008/2009. Departamento de Álgebra. Universidad de Sevilla.
ÁLGEBRA LINEAL Apuntes elaborados por Juan González-Meneses López. Curso 2008/2009 Departamento de Álgebra. Universidad de Sevilla. Índice general Tema 1. Matrices. Determinantes. Sistemas de ecuaciones
Más detalles1. ESPACIOS VECTORIALES
1 1. ESPACIOS VECTORIALES 1.1. ESPACIOS VECTORIALES. SUBESPACIOS VECTORIALES Denición 1. (Espacio vectorial) Decimos que un conjunto no vacío V es un espacio vectorial sobre un cuerpo K, o K-espacio vectorial,
Más detalles5.1Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal y sus propiedades
5- ransformaciones Lineales 5Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal sus propiedades Se denomina transformación lineal a toda función,, cuo dominio codominio
Más detalles13.TRANSFORMACIONES LINEALES 273 13.1. DEFINICIÓN DE TRANSFORMACIÓN LINEAL... 273 13.2. DETERMINACIÓN DE UNA TRANSFORMACIÓN LINEAL... 275 13.3.
ÍNDICE 13.TRANSFORMACIONES LINEALES 273 13.1. DEFINICIÓN DE TRANSFORMACIÓN LINEAL............. 273 13.2. DETERMINACIÓN DE UNA TRANSFORMACIÓN LINEAL...... 275 13.3. REPRESENTACIÓN MATRICIAL DE UNA TRANSFORMACIÓN
Más detallesComenzaremos recordando algunas definiciones y propiedades estudiadas en el capítulo anterior.
Capítulo 2 Matrices En el capítulo anterior hemos utilizado matrices para la resolución de sistemas de ecuaciones lineales y hemos visto que, para n, m N, el conjunto de las matrices de n filas y m columnas
Más detallesNota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades:
Capítulo 1 DETERMINANTES Definición 1 (Matriz traspuesta) Llamaremos matriz traspuesta de A = (a ij ) a la matriz A t = (a ji ); es decir la matriz que consiste en poner las filas de A como columnas Definición
Más detallesTEMA 1. VECTORES Y MATRICES
TEMA 1. VECTORES Y MATRICES 1.1. Definición de vector. Operaciones elementales 1.2. Matrices. Operaciones elementales 1.3. Traza y Determinante 1.4. Aplicaciones 1.1. DEFINICIÓN DE VECTOR. OPERACIONES
Más detalles9. MATRICES 189 9.1. DEFINICIÓN Y NOTACIONES... 189 9.2. OPERACIONES CON MATRICES... 190 9.3. MATRICES CUADRADAS... 192 9.3.1.
ÍNDICE 9. MATRICES 189 9.1. DEFINICIÓN Y NOTACIONES....................... 189 9.2. OPERACIONES CON MATRICES..................... 190 9.3. MATRICES CUADRADAS.......................... 192 9.3.1. Matrices
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 detallesLección 2. Puntos, vectores y variedades lineales.
Página 1 de 11 Lección 2. Puntos, vectores y variedades lineales. Objectivos. En esta lección se repasan las nociones de punto y vector, y se identifican, via coordenadas, con los pares (ternas,...) de
Más detallesSISTEMAS DE ECUACIONES LINEALES
Capítulo 7 SISTEMAS DE ECUACIONES LINEALES 7.1. Introducción Se denomina ecuación lineal a aquella que tiene la forma de un polinomio de primer grado, es decir, las incógnitas no están elevadas a potencias,
Más detallesTema 2. Espacios Vectoriales. 2.1. Introducción
Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por
Más detallesCambio de representaciones para variedades lineales.
Cambio de representaciones para variedades lineales 18 de marzo de 2015 ALN IS 5 Una variedad lineal en R n admite dos tipos de representaciones: por un sistema de ecuaciones implícitas por una familia
Más detallesEste documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales.
Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales. Introducción Por qué La Geometría? La Geometría tiene como objetivo fundamental
Más detallesPropiedades de la adición de vectores y la multiplicación de un vector por un escalar
ÁLGEBRA MATRICIAL PROF. MARIELA SARMIENTO SESIÓN : ESPACIO VECTORIAL Propiedades de la adición de vectores y la multiplicación de un vector por un escalar Teorema.1: Si A, B y C son vectores cualesquiera
Más detallesVECTORES. Módulo, dirección y sentido de un vector fijo En un vector fijo se llama módulo del mismo a la longitud del segmento que lo define.
VECTORES El estudio de los vectores es uno de tantos conocimientos de las matemáticas que provienen de la física. En esta ciencia se distingue entre magnitudes escalares y magnitudes vectoriales. Se llaman
Más detallesVectores en R n y producto punto
Vectores en R n y producto punto Departamento de Matemáticas, CCIR/ITESM 10 de enero de 011 Índice 4.1. Introducción............................................... 1 4.. Vector..................................................
Más detallesBASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.
BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades
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 detallesE 1 E 2 E 2 E 3 E 4 E 5 2E 4
Problemas resueltos de Espacios Vectoriales: 1- Para cada uno de los conjuntos de vectores que se dan a continuación estudia si son linealmente independientes, sistema generador o base: a) (2, 1, 1, 1),
Más detallesRESOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES
RESOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES 1 La ecuación 2x - 3 = 0 se llama ecuación lineal de una variable. Obviamente sólo tiene una solución. La ecuación -3x + 2y = 7 se llama ecuación lineal de
Más detallesÁlgebra matricial. 2.1. Adición y trasposición
Capítulo 2 Álgebra matricial Estas notas están basadas en las realizadas por el profesor Manuel Jesús Gago Vargas para la asignatura Métodos matemáticos: Álgebra lineal de la Licenciatura en Ciencias y
Más detallesALGEBRA LINEAL. Héctor Jairo Martínez R. Ana María Sanabria R.
ALGEBRA LINEAL Héctor Jairo Martínez R. Ana María Sanabria R. SEGUNDO SEMESTRE 8 Índice general. SISTEMAS DE ECUACIONES LINEALES.. Introducción................................................ Conceptos
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Universidad de Cádiz Departamento de Matemáticas MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Tema 4 La recta en el plano Elaborado por la Profesora Doctora María Teresa
Más detallesSistemas de ecuaciones lineales
Sistemas de ecuaciones lineales Problemas teóricos Sistemas de ecuaciones lineales con parámetros En los siguientes problemas hay que resolver el sistema de ecuaciones lineales para todo valor del parámetro
Más detallesVectores en el espacio
Vectores en el espacio Un sistema de coordenadas tridimensional se construye trazando un eje Z, perpendicular en el origen de coordenadas a los ejes X e Y. Cada punto viene determinado por tres coordenadas
Más detallesUniversidad de Costa Rica Escuela de Matemática ALGEBRA LINEAL. x x1 n. θ y. 1 n x1 n ȳ1 n. Carlos Arce S. William Castillo E. Jorge González V.
Universidad de Costa Rica Escuela de Matemática ALGEBRA LINEAL x x x1 n θ y y ȳ1 n 1 n x1 n ȳ1 n Carlos Arce S. William Castillo E. Jorge González V. 2003 Algebra Lineal Carlos Arce S., William Castillo
Más detallesVECTORES EN EL PLANO
VECTORES EN EL PLANO VECTOR: vectores libres Segmento orientado, con un origen y extremo. Módulo: es la longitud del segmento orientado, es un número positivo y su símbolo es a Dirección: es la recta que
Más detallesÁlgebra Lineal Ma1010
Álgebra Lineal Ma1010 es en R n y producto punto Departamento de Matemáticas ITESM es en R n y producto punto Álgebra Lineal - p. 1/40 En este apartado se introduce el concepto de vectores en el espacio
Más detallesGEOMETRÍA ANALÍTICA 2º Curso de Bachillerato 22 de mayo de 2008
1. Sean los puntos A (1, 0,-1) y B (,-1, 3). Calcular la distancia del origen de coordenadas a la recta que pasa por A y B. Calculemos la recta que pasa por A y B. El vector AB es (1,-1,4) y por tanto
Más detallesTema 1. VECTORES (EN EL PLANO Y EN EL ESPACIO)
Vectores Tema. VECTORES (EN EL PLANO Y EN EL ESPACIO Definición de espacio vectorial Un conjunto E es un espacio vectorial si en él se definen dos operaciones, una interna (suma y otra externa (producto
Más detalles4.- Para los siguientes conjuntos de vectores, probar si son o no subespacios vectoriales de R 4 : 2d + 1 : b, d reales. d
GRADO EN I. TELEMÁTICA. HOJA : ESPACIOS VECTORIALES. ESPACIOS NULO Y COLUMNA.- Sea W el conjunto de todos los vectores de R de la forma subespacio de R. s + t s t s t t, con s, t R. Probar que W es un.-
Más detallesIntroducción al Álgebra Lineal
UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE CIENCIAS ESCUELA DE MATEMÁTICA LABORATORIO DE FORMAS EN GRUPOS Introducción al Álgebra Lineal Ramón Bruzual Marisela Domínguez Caracas, Venezuela Septiembre
Más detalles21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES
Aplicaciones lineales. Matriz de una aplicación lineal 2 2. APLICACIONES LINEALES. MATRIZ DE UNA APLICACIÓN LINEAL El efecto que produce el cambio de coordenadas sobre una imagen situada en el plano sugiere
Más detallesObjetivos: Al inalizar la unidad, el alumno:
Unidad 7 transformaciones lineales Objetivos: Al inalizar la unidad, el alumno: Comprenderá los conceptos de dominio e imagen de una transformación. Distinguirá cuándo una transformación es lineal. Encontrará
Más detallesTema 7: Valores y vectores propios
Tema 7: es y clausura s Espacios y Permutaciones es y clausura Una permutación p = {p 1, p 2,..., p n } de los números {1, 2,..., n} es una nueva ordenación de los elementos {1, 2,..., n}, es decir, un
Más detallesSegundo de Bachillerato Geometría en el espacio
Segundo de Bachillerato Geometría en el espacio Jesús García de Jalón de la Fuente IES Ramiro de Maeztu Madrid 204-205. Coordenadas de un vector En el conjunto de los vectores libres del espacio el concepto
Más detallesMatrices y sus operaciones
Capítulo 1 Matrices y sus operaciones 1.1. Definiciones Dados dos enteros m, n 1 y un cuerpo conmutativo IK, llamamos matriz de m filas y n columnas con coeficientes en IK a un conjunto ordenado de n vectores
Más detallesTema 3. Espacios vectoriales
Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición
Más detallesÁlgebra II, licenciatura. Examen parcial I. Variante α.
Engrape aqu ı No doble Álgebra II, licenciatura. Examen parcial I. Variante α. Operaciones con matrices. Sistemas de ecuaciones lineales. Nombre: Calificación ( %): examen escrito tarea 1 tarea 2 asist.+
Más detallesPROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2.
PROBLEMA. ESCUELA UNIVERSITARIA POLITÉCNICA DE SEVILLA Ingeniería Técnica en Diseño Industrial Fundamentos Matemáticos de la Ingeniería Soluciones correspondientes a los problemas del Primer Parcial 7/8.
Más detallesUNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA FACULTAD DE INGENIERÍA MEXICALI
PROGRAMA EDUCATIVO PLAN DE ESTUDIO CLAVE DE UNIDAD DE APRENDIZAJE NOMBRE DE LA UNIDAD DE APRENDIZAJE Tronco Común 2009-2 11211 Álgebra Lineal PRÁCTICA No. NOMBRE DE LA PRÁCTICA DURACIÓN (HORAS) 7 Producto
Más detallesMatrices invertibles. La inversa de una matriz
Matrices invertibles. La inversa de una matriz Objetivos. Estudiar la definición y las propiedades básicas de la matriz inversa. Más adelante en este curso vamos a estudiar criterios de invertibilidad
Más detallesCálculo científico y técnico con HP49g/49g+/48gII/50g Módulo 3 Aplicaciones Tema 3.3 Sistemas de ecuaciones lineales: regla de Cramer
Cálculo científico y técnico con HP49g/49g+/48gII/50g Módulo 3 Aplicaciones Tema 3.3 Sistemas de ecuaciones lineales: regla de Cramer Francisco Palacios Escuela Politécnica Superiror de Ingeniería Manresa
Más detallesAplicaciones Lineales
Aplicaciones Lineales Concepto de aplicación lineal T : V W Definición: Si V y W son espacios vectoriales con los mismos escalares (por ejemplo, ambos espacios vectoriales reales o ambos espacios vectoriales
Más detallesINTRODUCCIÓN A VECTORES Y MAGNITUDES
C U R S O: FÍSIC Mención MTERIL: FM-01 INTRODUCCIÓN VECTORES Y MGNITUDES La Física tiene por objetivo describir los fenómenos que ocurren en la naturaleza, a través de relaciones entre magnitudes físicas.
Más detallesConstrucción de bases en el núcleo e imagen de una transformación lineal
Construcción de bases en el núcleo e imagen de una transformación lineal Objetivos. Estudiar el algoritmo para construir una base del núcleo y una base de la imagen de una transformación lineal. Requisitos.
Más detallesEspacios vectoriales
Espacios vectoriales Problemas teóricos Muchos de estos problemas me los han enseñado mis colegas: profesores Flor de María Correa Romero, Carlos Domínguez Albino, Sergio González Govea, Myriam Rosalía
Más detalles4 APLICACIONES LINEALES. DIAGONALIZACIÓN
4 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES En ocasiones, y con objeto de simplificar ciertos cálculos, es conveniente poder transformar una matriz en otra matriz lo más sencilla posible Esto nos
Más detallesÁlgebra lineal y matricial
Capítulo Álgebra lineal y matricial.. Vectores y álgebra lineal Unconjuntodennúmerosreales(a,,a n )sepuederepresentar: como un punto en el espacio n-dimensional; como un vector con punto inicial el origen
Más detallesÁLGEBRA DE MATRICES. Al consejero A no le gusta ninguno de sus colegas como presidente.
ÁLGEBRA DE MATRICES Página 49 REFLEXIONA Y RESUELVE Elección de presidente Ayudándote de la tabla, estudia detalladamente los resultados de la votación, analiza algunas características de los participantes
Más detallesNÚMEROS NATURALES Y NÚMEROS ENTEROS
NÚMEROS NATURALES Y NÚMEROS ENTEROS Los números naturales surgen como respuesta a la necesidad de nuestros antepasados de contar los elementos de un conjunto (por ejemplo los animales de un rebaño) y de
Más detallesAnexo 1: Demostraciones
75 Matemáticas I : Álgebra Lineal Anexo 1: Demostraciones Espacios vectoriales Demostración de: Propiedades 89 de la página 41 Propiedades 89- Algunas propiedades que se deducen de las anteriores son:
Más detallesCURSO BÁSICO DE FÍSICA MECÁNICA PROYECTO UNICOMFACAUCA TU PROYECTO DE VIDA
UNICOMFACAUCA TU DE VIDA Tabla de contenido... 2 PARTES DE UN VECTOR... 3 Notación... 5 Tipos de vectores... 5 Componentes de un vector... 6 Operaciones con vectores... 7 Suma de vectores... 7 Resta de
Más detalles3.1 DEFINICIÓN. Figura Nº 1. Vector
3.1 DEFINICIÓN Un vector (A) una magnitud física caracterizable mediante un módulo y una dirección (u orientación) en el espacio. Todo vector debe tener un origen marcado (M) con un punto y un final marcado
Más detallesAPUNTES DE MATEMÁTICAS TEMA 4: VECTORES 1º BACHILLERATO
APUNTES DE MATEMÁTICAS TEMA 4: VECTORES 1º BACHILLERATO ÍNDICE VECTORES EN EL PLANO... 3 Vector Fijo... 3 VECTOR LIBRE... 3 Operaciones con Vectores... 3 Suma de vectores... 3 Producto de un número por
Más detallesClase 15 Espacios vectoriales Álgebra Lineal
Espacios vectoriales Clase 5 Espacios vectoriales Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia En esta sección estudiaremos uno de los conceptos
Más detalles1. MANEJO DE SUMATORIOS. PROPIEDADES Y EJERCICIOS.
1. MANEJO DE SUMATORIOS. PROPIEDADES Y EJERCICIOS. El sumatorio o sumatoria) es un operador matemático, representado por la letra griega sigma mayúscula Σ) que permite representar de manera abreviada sumas
Más detallesAlgebra lineal. Un par de vectores son linealmente dependientes si existe un escalar diferente de cero que asocie ambos vectores, ejemplo: X 2 =k*x 1
Minimo necesario para redes neuronales. Espacio vectorial Algebra lineal El espacio vectorial X, se define como un conjunto de elementos (vectores) definidos sobre un campo escalar F, que satisface las
Más detallesEspacios vectoriales y Aplicaciones lineales
Espacios vectoriales y Aplicaciones lineales Espacios vectoriales. Subespacios vectoriales Espacios vectoriales Definición Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea
Más detallesMATEMÁTICAS II. Departamento de Matemáticas I.E.S. A Xunqueira I (Pontevedra)
MATEMÁTICAS II 1 José M. Ramos González Este libro es totalmente gratuito y solo vale la tinta y el papel en que se imprima. Es de libre divulgación y no está sometido a ningún copyright. Tan solo se
Más detallesApéndice A. Repaso de Matrices
Apéndice A. Repaso de Matrices.-Definición: Una matriz es una arreglo rectangular de números reales dispuestos en filas y columnas. Una matriz com m filas y n columnas se dice que es de orden m x n de
Más detallesTema 3 Resolución de Sistemas de Ecuaciones Lineales
Tema Resolución de Sistemas de Ecuaciones Lineales Índice Introducción 2 Método de Gauss 2 Resolución de sistemas triangulares 22 Triangulación por el método de Gauss 2 Variante Gauss-Jordan 24 Comentarios
Más detallesAl consejero A no le gusta ninguno de sus colegas como presidente. Dos consejeros (C y E) están de acuerdo en los mismos candidatos (B, C y D).
ÁLGEBRA DE MATRICE Página 48 Ayudándote de la tabla... De la tabla podemos deducir muchas cosas: Al consejero A no le gusta ninguno de sus colegas como presidente. B solo tiene un candidato el C. Dos consejeros
Más detallesVectores en el plano con punto inicial fijo
Vectores en el plano con punto inicial fijo bjetivos. Considerar el conjunto V 2 () de los vectores en el plano euclidiano (también llamados segmentos dirigidos o flechas) con un punto inicial fijo. Definir
Más detallesUna desigualdad se obtiene al escribir dos expresiones numéricas o algebraicas relacionadas con alguno de los símbolos
MATEMÁTICAS BÁSICAS DESIGUALDADES DESIGUALDADES DE PRIMER GRADO EN UNA VARIABLE La epresión a b significa que "a" no es igual a "b ". Según los valores particulares de a de b, puede tenerse a > b, que
Más detallesNivelación de Matemática MTHA UNLP 1. Vectores
Nivelación de Matemática MTHA UNLP 1 1. Definiciones básicas Vectores 1.1. Magnitudes escalares y vectoriales. Hay magnitudes que quedan determinadas dando un solo número real: su medida. Por ejemplo:
Más detallesEspacios vectoriales. Bases. Coordenadas
Capítulo 5 Espacios vectoriales. Bases. Coordenadas OPERACIONES ENR n Recordemos que el producto cartesiano de dos conjuntos A y B consiste en los pares ordenados (a,b) tales que a A y b B. Cuando consideramos
Más detallesValores y vectores propios de una matriz. Juan-Miguel Gracia
Juan-Miguel Gracia Índice 1 Valores propios 2 Polinomio característico 3 Independencia lineal 4 Valores propios simples 5 Diagonalización de matrices 2 / 28 B. Valores y vectores propios Definiciones.-
Más detallesTeoría Tema 5 Espacios vectoriales
página 1/14 Teoría Tema 5 Espacios vectoriales Índice de contenido Puntos en 2 y 3 dimensiones...2 Vectores en el plano...5 Suma de vectores...7 Combinación lineal de vectores...8 Sistema generador...10
Más detallesPolinomios: Definición: Se llama polinomio en "x" de grado "n" a una expresión del tipo
Polinomios: Definición: Se llama polinomio en "x" de grado "n" a una expresión del tipo P (x) = a 0 x n + a 1 x n 1 +... + a n Donde n N (número natural) ; a 0, a 1, a 2,..., a n son coeficientes reales
Más detallesDependencia lineal de vectores y sus aplicaciones a la resolución de sistemas de ecuaciones lineales y de problemas geométricos.
Dependencia lineal de vectores y sus aplicaciones a la resolución de sistemas de ecuaciones lineales y de problemas geométricos. Prof. D. Miguel Ángel García Hoyo. Septiembre de 2011 Dependencia lineal
Más detallesTema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice
Tema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice 1 Polinomios Dedicaremos este apartado al repaso de los polinomios. Se define R[x] ={a 0 + a 1 x + a 2 x 2 +... +
Más detallesTema 3: Aplicaciones de la diagonalización
TEORÍA DE ÁLGEBRA II: Tema 3. DIPLOMATURA DE ESTADÍSTICA 1 Tema 3: Aplicaciones de la diagonalización 1 Ecuaciones en diferencias Estudiando la cría de conejos, Fibonacci llegó a las siguientes conclusiones:
Más detallesVectores: Producto escalar y vectorial
Nivelación de Matemática MTHA UNLP 1 Vectores: Producto escalar y vectorial Versores fundamentales Dado un sistema de coordenadas ortogonales, se considera sobre cada uno de los ejes y coincidiendo con
Más detalles1. El teorema de la función implícita para dos y tres variables.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO. Lección. Aplicaciones de la derivación parcial.. El teorema de la función implícita para dos tres variables. Una ecuación con dos incógnitas. Sea f :( x, ) U f(
Más detallesListas de vectores y conjuntos de vectores
Listas de vectores y conjuntos de vectores La explicación de los temas Dependencia lineal y Bases en el curso de Álgebra Lineal se puede basar en uno de los siguientes dos conceptos (o en ambos): ) listas
Más detallesPolinomios y fracciones algebraicas
829566 _ 0249-008.qxd 27/6/08 09:21 Página 27 Polinomios y fracciones algebraicas INTRODUCCIÓN Son múltiples los contextos en los que aparecen los polinomios: fórmulas económicas, químicas, físicas, de
Más detallesLección 9: Polinomios
LECCIÓN 9 c) (8 + ) j) [ 9.56 ( 9.56)] 8 q) (a x b) d) ( 5) 4 k) (6z) r) [k 0 (k 5 k )] e) (. 0.) l) (y z) s) (v u ) 4 f) ( 5) + ( 4) m) (c d) 7 t) (p + q) g) (0 x 0.) n) (g 7 g ) Lección 9: Polinomios
Más detallesTema 3. Matrices, determinantes y sistemas de ecuaciones lineales.
Ingeniería Civil Matemáticas I -3 Departamento de Matemática Aplicada II Escuela Superior de Ingenieros Universidad de Sevilla Tema 3 Matrices, determinantes y sistemas de ecuaciones lineales 3- Matrices
Más detallesA.2. Notación y representación gráfica de vectores. Tipos de vectores.
Apéndice A: Vectores A.1. Magnitudes escalares y vectoriales Las magnitudes escalares son aquellas magnitudes físicas que quedan completamente definidas por un módulo (valor numérico) y la unidad de medida
Más detallesTRANSFORMACIONES LINEALES. Transformaciones. TRANSFORMACIONES LINEALES Ejemplo. TRANSFORMACIONES LINEALES Ejemplo
TRANSFORMACIONES LINEALES Transformaciones Conceptos básicos Gilberto Aguilar Miranda Instituto Tecnologico de Chihuahua : Una transformación lineal L de R n en R m (L : R n R m ) es una función que asigna
Más detallesAlgebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 2012
Grupo: Matrícula: Nombre: Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 22. (pts) Sea A una matriz cuadrada. Indique validez a cada una de las siguientes
Más detalles