Vectores y Matrices. Tema 3: Repaso de Álgebra Lineal Parte I. Contenidos
|
|
- Lucas Silva Godoy
- hace 7 años
- Vistas:
Transcripción
1 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 elementos básicos en teoría de sistemas lineales son vectores n 1 (columna) o 1 n (fila) y matrices n m con elementos reales, es decir, v R n, A R n m. Denotamos el elemento i del vector v como v i, y el elemento ij de una matriz A como a ij o [A] ij. v 1 a 11 a a 1m v 2 v =. = [ ] T v 1 v 2... v n, A = a 21 a a 2m v n a n1 a n2... a nm El producto de dos matrices A R m n y B R r s sólo está definido si n = r. En particular para vectores v R n, w R m, tenemos vw T R n m. Escribimos la matriz n m con todos sus elementos cero como n m, simplemente si las dimensiones son claras del contexto. Para matrices cuadradas, m = n, la matriz nula es n y la matriz identidad I n o simplemente I Asumimos las operaciones de suma y producto de matrices familiares. Lo interesante del producto de matrices es que en general es no conmutativo, es decir, AB y BA no son siempre lo mismo. Sean A, B, C y D matrices reales de n m, m r, l n y r p respectivamente. Sea a i la i-esima columna de A y b j la j-esima columna de B. Tenemos El producto de dos matrices A R m n y B R r s sólo está definido si n = r. En particular para vectores v R n, w R m, tenemos vw T R n m. Escribimos la matriz n m con todos sus elementos cero como n m, simplemente si las dimensiones son claras del contexto. Para matrices cuadradas, m = n, la matriz nula es n y la matriz identidad I n o simplemente I Asumimos las operaciones de suma y producto de matrices familiares. Lo interesante del producto de matrices es que en general es no conmutativo, es decir, AB y BA no son siempre lo mismo. Sean A, B, C y D matrices reales de n m, m r, l n y r p respectivamente. Sea a i la i-esima columna de A y b j la j-esima columna de B. Tenemos
2 b 1 b 2 AB = [ ] a 1 a 2 a m. = a 1b 1 + a 2 b 2 + a m b m b m CA = C [ ] [ a 1 a 2 a m = Ca1 b 1 b 1 D Ca 2 ] Ca m b 2 BD =. D = b 2 D. b m D b m Si A es cuadrada, para cualquier entero k la potencia A k está bien definida, con A = I. Si existe un k > tal que A k = decimos que A es nilpotente. b 1 b 2 AB = [ ] a 1 a 2 a m. = a 1b 1 + a 2 b 2 + a m b m b m CA = C [ ] [ a 1 a 2 a m = Ca1 b 1 b 1 D Ca 2 ] Ca m b 2 BD =. D = b 2 D. b m D b m Si A es cuadrada, para cualquier entero k la potencia A k está bien definida, con A = I. Si existe un k > tal que A k = decimos que A es nilpotente. Traza. Para una matriz cuadrada n n, la traza es la suma de los elementos de su diagonal tr A = n i=1 a ii. Traza. Para una matriz cuadrada n n, la traza es la suma de los elementos de su diagonal tr A = n i=1 a ii. Si A y B son tales que AB es cuadrada, entonces tr[ab] = tr[ba]. Determinante. El determinante es otra familiar función escalar de una matriz cuadrada, det A.El determinante puede evaluarse recursivamente mediante la expansión de Laplace: Sea c ij el cofactor del elemento a ij, o sea el producto de ( 1) i+j por el determinante de la submatriz (n 1) (n 1) obtenida de eliminar en A la fila i y la columna j. Entonces para cualquier i fijo, 1 i n, Si A y B son tales que AB es cuadrada, entonces tr[ab] = tr[ba]. Determinante. El determinante es otra familiar función escalar de una matriz cuadrada, det A.El determinante puede evaluarse recursivamente mediante la expansión de Laplace: Sea c ij el cofactor del elemento a ij, o sea el producto de ( 1) i+j por el determinante de la submatriz (n 1) (n 1) obtenida de eliminar en A la fila i y la columna j. Entonces para cualquier i fijo, 1 i n,
3 det A = n j=1 a ijc ij. Esta es la expansión sobre la fila i. Una expresión análoga existe para la expansión sobre una columna j. Vemos que el determinante no es más que la suma de productos de los elementos de la matriz, por lo que es una función matricial diferenciable todas las veces que uno quiera. Si A y B son matrices n n, entonces det(ab) = det(a) det(b) = det(ba). det A = n j=1 a ijc ij. Esta es la expansión sobre la fila i. Una expresión análoga existe para la expansión sobre una columna j. Vemos que el determinante no es más que la suma de productos de los elementos de la matriz, por lo que es una función matricial diferenciable todas las veces que uno quiera. Si A y B son matrices n n, entonces det(ab) = det(a) det(b) = det(ba). Inversa. La matriz cuadrada A tiene una inversa, A 1, AA 1 = A 1 A = I, sii det A. Una fórmula común para A 1 se basa en los cofactores de A. Inversa. La matriz cuadrada A tiene una inversa, A 1, AA 1 = A 1 A = I, sii det A. Una fórmula común para A 1 se basa en los cofactores de A. El adjunto de A, adj A, es la matriz cuyo elemento ij es el cofactor ji de A o sea, la transpuesta de la matriz de cofactores. Entonces A 1 = 1 det A adj A La inversa del producto de dos matrices cuadradas no singulares cumple (AB) 1 = B 1 A 1. Una fórmula muy útil en teoría de sistemas lineales es el lema de inversión de matrices. Lema (Inversión de Matrices) Dadas matrices R, S, U, V de dimensiones compatibles, donde R y S son cuadradas y no singulares, entonces (R US 1 V ) 1 = R 1 + R 1 U(S V R 1 U) 1 V R 1.
4 Bases y El conjunto de todos los vectores de R n puede verse como un espacio vectorial lineal con las operaciones estándar de suma de vectores y producto por números reales. Las matrices m n (o n m si consideramos vectores fila) son operadores lineales definidos sobre estos espacios. Dos vectores x 1 e x 2 en R n son linealmente independientes (LI) si la única combinación lineal de ellos que da el vector nulo, α 1 x 1 + α 2 x 2 =, es la trivial, α 1 =, α 2 =. Sino son linealmente dependientes. El concepto se extiende a un conjunto de cualquier número de vectores. Si el conjunto de vectores {x 1, x 2,..., x m } es linealmente dependiente, entonces existe un conjunto de escalares {α 1, α 2,..., α m } donde al menos uno es distinto de cero, digamos α 1, y α 1 x 1 + α 2 x α m x m =. Entonces podemos escribir x 1 como combinación lineal de los restantes vectores, x 1 = 1 α 1 (α 2 x α m x m ). La dimensión de un espacio lineal es el máximo número de vectores LI en ese espacio; n en R n. El concepto se extiende a un conjunto de cualquier número de vectores. Si el conjunto de vectores {x 1, x 2,..., x m } es linealmente dependiente, entonces existe un conjunto de escalares {α 1, α 2,..., α m } donde al menos uno es distinto de cero, digamos α 1, y α 1 x 1 + α 2 x α m x m =. Entonces podemos escribir x 1 como combinación lineal de los restantes vectores, x 1 = 1 α 1 (α 2 x α m x m ). El concepto se extiende a un conjunto de cualquier número de vectores. Si el conjunto de vectores {x 1, x 2,..., x m } es linealmente dependiente, entonces existe un conjunto de escalares {α 1, α 2,..., α m } donde al menos uno es distinto de cero, digamos α 1, y α 1 x 1 + α 2 x α m x m =. Entonces podemos escribir x 1 como combinación lineal de los restantes vectores, x 1 = 1 α 1 (α 2 x α m x m ). La dimensión de un espacio lineal es el máximo número de vectores LI en ese espacio; n en R n. La dimensión de un espacio lineal es el máximo número de vectores LI en ese espacio; n en R n.
5 Un conjunto de vectores LI en R n es una base de R n si todo vector de R n se puede escribir como una combinación lineal única de los vectores del conjunto. Sea {q 1, q 2,..., q n } una base de R n. Entonces dado un vector cualquiera x R n puede expresarse en forma única como x = α 1 q 1 + α 2 q α n q n α 1 = [ ] α 2 q 1 q 2... q n. = Q x, α n La matriz Q es no singular por definición, y sirve para obtener la representación de cualquier vector en R n en la base {q 1, q 2,..., q n }, x = Q 1 x. En particular, siempre existe la base formada por los versores e 1 = [1... ] T, e 2 = [ 1... ] T, etc. En ese caso Q = I. donde x = [α 1 α 2... α n ] T es la representación de x con respecto a la base (o en las coordenadas) {q 1, q 2,..., q n }. Norma de Vectores Ejemplo Consideremos los vectores q 1 = [3 1] T y q 2 = [2 2] T. Como son LI, forman una base en R 2. La representación del vector x = [1 3] T en las coordenadas {q 1, q 2 } es [ 1 2] T, que se obtiene de x = [ [ ] 1 1 q 1 q 2 3 [ ] 1 [ ] = [ ] 1 =, 2 o sea que x puede escribirse como x = q 1 + 2q 2. ] Norma de vectores. El concepto de norma de un vector es una generalización de la idea de magnitud. La norma de un vector x, denotada x, es una función del espacio vectorial en R + (los reales positivos más el ) que cumple con las siguientes tres propiedades: 1. x para todo x y x = sii x =. 2. αx = α x, para todo escalar α. 3. x 1 + x 2 x 1 + x 2 para todo x 1, x 2 (desigualdad triangular). Dado un vector x = [x 1 x 2... x n ] T, tres típicas normas en R n son x 1 n i=1 x i norma-1 x 2 n x T x = i=1 x i 2 norma-2 o euclídea x máx x i norma- Virginia Mazzone: Tema 3: Repasoide Álgebra Lineal Parte I
6 Norma de Vectores Norma de vectores. El concepto de norma de un vector es una generalización de la idea de magnitud. La norma de un vector x, denotada x, es una función del espacio vectorial en R + (los reales positivos más el ) que cumple con las siguientes tres propiedades: 1. x para todo x y x = sii x =. 2. αx = α x, para todo escalar α. 3. x 1 + x 2 x 1 + x 2 para todo x 1, x 2 (desigualdad triangular). Dado un vector x = [x 1 x 2... x n ] T, tres típicas normas en R n son x 1 n i=1 x i norma-1 x 2 n x T x = i=1 x i 2 norma-2 o euclídea x máx x i norma- Virginia Mazzone: Tema 3: Repasoide Álgebra Lineal Parte I Norma de Vectores La bola unitaria es el conjunto de vectores de norma no mayor que la unidad. La forma de la bola unitaria depende de la norma. B 1 = {x R n : x 1}. Figura: Bola unitaria en R 2 en normas 1, 2 e. La norma 2 o euclídea es la longitud del vector desde el origen. A menos que aclaremos lo contrario, vamos a trabajar siempre con la norma 2. Un vector x de R n está normalizado si x = x T x = 1. Dos vectores x 1 y x 2 son ortogonales si x 1 T x 2 = x 2 T x 1 =. Un conjunto de vectores x i, i = 1, 2,..., m, es ortonormal si { si i j, x i T x j = 1 si i = j. Dado un conjunto de vectores LI {p 1, p 2,..., p m }, podemos obtener un conjunto ortonormal de vectores {q 1, q 2,..., q m } usando el procedimiento de ortonormalización de Schmidt, u 1 p 1 q 1 u 1 / u 1, u 2 p 2 (q 1 T p 2 )q 1 q 2 u 2 / u 2, u m p m m 1 k=1 (q k T p m )q k q m u m / u m. Un vector x de R n está normalizado si x = x T x = 1. Dos vectores x 1 y x 2 son ortogonales si x 1 T x 2 = x 2 T x 1 =. Un conjunto de vectores x i, i = 1, 2,..., m, es ortonormal si { si i j, x i T x j = 1 si i = j. Dado un conjunto de vectores LI {p 1, p 2,..., p m }, podemos obtener un conjunto ortonormal de vectores {q 1, q 2,..., q m } usando el procedimiento de ortonormalización de Schmidt, u 1 p 1 q 1 u 1 / u 1, u 2 p 2 (q 1 T p 2 )q 1 q 2 u 2 / u 2, u m p m m 1 k=1 (q k T p m )q k q m u m / u m.
7 Ecuaciones Lineales Algebraicas Si Q = [q 1 q 2... q m ] es una matriz n m, m n, con todas sus columnas ortonormales, entonces q T 1 1 Q T q T 2 [ ] 1 Q = q1 q 2 q m = = I m q T m 1 Qué puede decirse entonces de QQ T? Consideremos el conjunto de ecuaciones lineales algebraicas Ax = y (1) donde A e y son matrices reales dadas, respectivamente m n y m 1, y x es la incógnita a resolver, n 1. El problema consiste de m ecuaciones y n incógnitas escalares, y puede que m sea menor, igual o mayor que n. La existencia de solución depende de la imagen de A. El espacio imagen, o simplemente imagen, de A es el espacio generado haciendo todas las posibles combinaciones lineales de las columnas de A. La dimensión de la imagen de A es el rango de A. Un vector x se llama vector nulo de A si Ax =. El espacio de todos los vectores nulos de A se llama el kernel o espacio nulo de A. La dimensión del kernel de A cumple la relación dimensión de ker(a) = número de columnas de A rango(a) Ejemplo Sea la matriz A = [a 1 a 2 a 3 a 4 ]. 2 2 El rango de A es 2, ya que a 1 y a 2 son LI pero a 3 y a 4 son combinación lineal de a 1 y a 2. Podemos tomar el conjunto {a 1, a 2 } como una base de la imagen de A. La dimensión del kernel de A es 2, y puede verificarse que los vectores n 1 = [ ] T y n 2 = [ 2 1 ] T son vectores nulos de A (An 1 = = An 2 ). Como n 1 y n 2 son LI, {n 1, n 2 } es una base del kernel de A.
8 Ejemplo Sea la matriz A = [a 1 a 2 a 3 a 4 ]. 2 2 El rango de A es 2, ya que a 1 y a 2 son LI pero a 3 y a 4 son combinación lineal de a 1 y a 2. Podemos tomar el conjunto {a 1, a 2 } como una base de la imagen de A. La dimensión del kernel de A es 2, y puede verificarse que los vectores n 1 = [ ] T y n 2 = [ 2 1 ] T son vectores nulos de A (An 1 = = An 2 ). Como n 1 y n 2 son LI, {n 1, n 2 } es una base del kernel de A. Hemos definido el rango de A como el número de columnas LI de A, pero también es igual al número de filas LI de A, por lo que se cumple que rango(a) mín(m, n). Teorema (Existencia de solución) Dada una matriz A R m n y un vector y R m, 1. Existe una solución x R n de la ecuación Ax = y sii y pertenece a la imagen de A, o sea, donde [A y] R m (n+1). rango(a) = rango([a y]) 2. Existe una solución x de Ax = y para todo y R m sii rango(a) = m (A es de rango fila completo). Hemos definido el rango de A como el número de columnas LI de A, pero también es igual al número de filas LI de A, por lo que se cumple que rango(a) mín(m, n). Teorema (Existencia de solución) Dada una matriz A R m n y un vector y R m, 1. Existe una solución x R n de la ecuación Ax = y sii y pertenece a la imagen de A, o sea, donde [A y] R m (n+1). rango(a) = rango([a y]) 2. Existe una solución x de Ax = y para todo y R m sii rango(a) = m (A es de rango fila completo). Hemos definido el rango de A como el número de columnas LI de A, pero también es igual al número de filas LI de A, por lo que se cumple que rango(a) mín(m, n). Teorema (Existencia de solución) Dada una matriz A R m n y un vector y R m, 1. Existe una solución x R n de la ecuación Ax = y sii y pertenece a la imagen de A, o sea, donde [A y] R m (n+1). rango(a) = rango([a y]) 2. Existe una solución x de Ax = y para todo y R m sii rango(a) = m (A es de rango fila completo).
9 Teorema (Parametrización de todas la soluciones) Dada una matriz A R m n y un vector y R m, sea x p una solución de Ax = y y sea k n rango(a) la dimensión del kernel de A. Entonces 1. Si k = (A tiene rango columna pleno), entonces la solución x p es única. 2. Si k > sea {n 1, n 2,..., n k } una base del kernel de A. Entonces para cualquier conjunto de k números reales {α i, i = 1, 2,..., k} el vector x = x p + α 1 n 1 + α 2 n α k n k es también solución de Ax = y. Ejemplo Consideremos la ecuación Ax = y x x 2 4 x = 8. (2) x 4 Puede verse fácilmente que y está en la imagen de A y que x p = [ 4 ] T es una solución. Con la base {n1, n 2 } del kernel de A obtenida en el Ejemplo 2 podemos expresar la solución general de (2) como x = x p + α 1 n 1 + α 2 n 2 = 4 + α α 2 2 1, donde α 1 y α 2 pueden tomar cualquier valor en R. A veces vamos a encontrar el problema formulado en términos de vectores fila, xa = y, donde x, y son 1 n y 1 m. Puede tratarse como antes considerando el problema transpuesto A T x T = y T. En MATLAB la solución de Ax = y puede obtenerse como x = A\y. El símbolo \ denota división matricial por izquierda. Para el caso xa = y usamos la división matricial por derecha x = y/a. Teorema (Sistemas cuadrados) Sea Ax = y donde A es cuadrada. Entonces 1. Si A es no singular existe una solución única para cada y, dada por x = A 1 y. En particular la única solución de Ax = es x =. 2. La ecuación homogénea Ax = tiene soluciones no nulas sii A es singular. El número de soluciones LI es igual a la dimensión del kernel de A.
10 Ejercicios 1. Dados los vectores x 1 = [2 3 1] T y x 2 = [1 1 1] T 1.1 Calcular sus normas 1, 2 e. 1.2 Encontrar vectores ortonormales que generen el mismo subespacio. 2. Determinar rango y bases de la imagen y el kernel para cada una de las siguientes matrices: A 1 = A 2 = 3 2 A 3 = Dada la ecuación x =, Cuantas soluciones tiene? Qué pasa si y = [1 1 1] T? 2. Dada la ecuación x = Encontrar la forma de la solución general. 2.2 Encontrar la solución de mínima norma euclídea. Conclusiones Hemos repasado Las definiciones básicas relativas a vectores y matrices, traza, determinante, e inversa. Bases y conjuntos ortonormales, independencia lineal, el concepto de norma, y el método de ortonormalización de Schmidt. Los resultados principales para la solución de ecuaciones lineales algebraicas, y los conceptos de imagen, rango y kernel de una matriz. En particular, la ecuación Ax = y tiene solución sii y está en la imagen de A. tiene solución única si ker(a) = {} (dim ker(a) = ). tiene infinitas soluciones si dim ker(a) >.
Matriz 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 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 detallesMatrices. p ij = a ik b kj = a i1 b 1j + a i2 b 2j + + a in b nj.
Matrices Introducción Una matriz de m filas y n columnas con elementos en el cuerpo K es un rectángulo de elementos de K (es decir, números) del tipo a a 2 a n a 2 a 22 a 2n A = (a ij ) = a m a m2 a mn
Más detallesMatrices: repaso. Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas. Una matriz A M m n es de la forma A =
Matrices: repaso Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas Una matriz A M m n es de la forma a 11 a 1n A = a m1 a mn Denotaremos A ij = a ij el coeficiente
Más detallesSistema de ecuaciones algebraicas
Sistema de ecuaciones algebraicas Curso: Métodos Numéricos en Ingeniería Profesor: Dr. José A. Otero Hernández Correo: j.a.otero@itesm.mx web: http://metodosnumericoscem.weebly.com Universidad: ITESM CEM
Más detallesEjemplo 1. Ejemplo introductorio
. -Jordan. Ejemplo 1. Ejemplo introductorio. -Jordan Dos especies de insectos se crían juntas en un recipiente de laboratorio. Todos los días se les proporcionan dos tipos de alimento A y B. 1 individuo
Más detallesMétodos Estadísticos Multivariados
Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 34 Álgebra matricial y vectores aleatorios Una matriz es un arreglo
Más detallesRepaso de algebra matricial
Clase No. 3 (Parte 1): MAT 251 Repaso de algebra matricial Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/ Dr. Joaquín
Más 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 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 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 detallesTema 5: Sistemas de Ecuaciones Lineales
Tema 5: Sistemas de Ecuaciones Lineales Eva Ascarza-Mondragón Helio Catalán-Mogorrón Manuel Vega-Gordillo Índice 1 Definición 3 2 Solución de un sistema de ecuaciones lineales 4 21 Tipos de sistemas ecuaciones
Más detallesTema 1: Matrices y Determinantes
Tema 1: Matrices y Determinantes September 14, 2009 1 Matrices Definición 11 Una matriz es un arreglo rectangular de números reales a 11 a 12 a 1m a 21 a 22 a 2m A = a n1 a n2 a nm Se dice que una matriz
Más detallesCapitulo 6. Matrices y determinantes
Capitulo 6. Matrices y determinantes Objetivo. El alumno aplicará los conceptos fundamentales de las matrices, determinantes y sus propiedades a problemas que requieran de ellos para su resolución. Contenido.
Más detallesMatrices, determinantes, sistemas de ecuaciones lineales.
UNIVERSIDAD DE MURCIA Departamento de Matemáticas Óptica y Optometría Resúmenes Curso 2007-2008 Matrices, determinantes, sistemas de ecuaciones lineales. Una matriz A de orden m n es una colección de m
Más detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 1 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad
Más 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 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 detallesClase 7 Herramientas de Álgebra Lineal
Clase 7 Herramientas de Álgebra Lineal 1 Formas cuadráticas La descomposición en valores singulares 3 Normas de matrices 4 Ejercicios Dada una matriz M R n n, la función escalar x T Mx, donde x R n, es
Más detallesUna matriz es una tabla ordenada (por filas y columnas) de escalares a i j de la forma: ... ... a... ...
MATRICES Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas parciales. Tienen también muchas aplicaciones
Más detallesCAPÍTULO 3: DETERMINANTES Y SISTEMAS DE ECUACIONES
CAPÍTULO 3: DETERMINANTES Y SISTEMAS DE ECUACIONES Parte A: determinantes. A.1- Definición. Por simplificar, consideraremos que a cada matriz cuadrada se le asocia un número llamado determinante que se
Más detallesSistemas de Ecuaciones Lineales
Sistemas de Ecuaciones Lineales 1 Sistemas de ecuaciones y matrices Definición 1 Una ecuación lineal en las variables x 1, x 2,..., x n es una ecuación de la forma con a 1, a 2... y b números reales. a
Más detallesBLOQUE DE ÁLGEBRA: TEMA 1: MATRICES.
BLOQUE DE ÁLGEBRA: TEMA 1: MATRICES. Matrices: Se llama matriz de dimensión m n a un conjunto de números reales dispuestos en m filas y n columnas de la siguiente forma: 11 a 12 a 13... a 1n A= a a 21
Más detallesCONTENIDOS MATEMÁTICAS II SEGUNDA EVALUACIÓN CURSO 2017/2018 MATRICES
CONTENIDOS MATEMÁTICAS II SEGUNDA EVALUACIÓN CURSO 2017/2018 Unidades: - Matrices (Bloque Álgebra) - Determinantes (Bloque Álgebra) - Sistemas de ecuaciones lineales (Bloque Álgebra) - Vectores (Bloque
Más detallesCAPÍTULO 1. Preliminares
CAPÍTULO 1 Preliminares En este capítulo se recopilan algunas definiciones y algunos resultados básicos que servirán de referencia en el desarrollo de los capítulos posteriores Se consideran aquí varios
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 detallesHerramientas digitales de auto-aprendizaje para Matemáticas
real de con Herramientas digitales de auto-aprendizaje para Matemáticas, Grupo de Innovación Didáctica Departamento de Matemáticas Universidad de Extremadura real de con Índice real de con real de con.
Más detalles40 Matemáticas I. Parte II. Álgebra Lineal. I.T.I. en Electricidad. Prof: José Antonio Abia Vian
40 Matemáticas I Parte II Álgebra Lineal 41 Matemáticas I : Álgebra Lineal Tema 4 Espacios vectoriales reales 4.1 Espacios vectoriales Definición 88.- Un espacio vectorial real V es un conjunto de elementos
Más detallesMatrices. Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones ordenados en filas y columnas.
Matrices Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones ordenados en filas y columnas. Cada uno de los números de que consta la matriz se denomina elemento. Un elemento
Más detallesAPÉNDICE A. Algebra matricial
APÉNDICE A Algebra matricial El estudio de la econometría requiere cierta familiaridad con el álgebra matricial. La teoría de matrices simplifica la descripción, desarrollo y aplicación de los métodos
Más detallesde la forma ), i =1,..., m, j =1,..., n, o simplemente por (a i j ).
INTRODUCCIÓN. MATRICES Y DETERMINANTES Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas parciales.
Más detallesLección 8. Matrices y Sistemas de Ecuaciones Lineales
Lección 8 Matrices y Sistemas de Ecuaciones Lineales MIGUEL ANGEL UH ZAPATA 1 Análisis Numérico I Facultad de Matemáticas, UADY Septiembre 2014 1 Centro de Investigación en Matemáticas, Unidad Mérida En
Más detallesDada la proporción =, calcula el producto de extremos menos el producto de medios. 4. Halla los determinantes de las siguientes matrices: Solución:
3 Determinantes. Determinantes de orden y 3 por Sarrus Piensa y calcula 3 6 Dada la proporción =, calcula el producto de extremos menos el producto de medios. 4 8 3 8 6 4 = 4 4 = 0 Aplica la teoría. Calcula
Más detallesSe denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.
TEMA 1.- MATRICES 1.-Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. Cada uno de los números de que consta la
Más detallesLección 1. Algoritmos y conceptos básicos.
Página 1 de 8 Lección 1. Algoritmos y conceptos básicos. Objetivos. La primera lección del curs está dedicada a repasar los conceptos y algoritmos del álgebra lineal, básicos para el estudio de la geometría
Más detallesTema 1: Matrices. Sistemas de ecuaciones. Determinantes
Tema 1: Matrices. Sistemas de ecuaciones. Determinantes José M. Salazar Octubre de 2016 Tema 1: Matrices. Sistemas de ecuaciones. Determinantes Lección 1. Matrices. Sistemas de ecuaciones. Determinantes
Más 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 detalles10. 1 Definición de espacio euclídeo.
ESCUELA TÉCNICA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA MATEMATICAS 10. ESPACIOS EUCLÍDEOS 10. 1 Definición de espacio euclídeo. Producto escalar
Más detallesDeterminante de una matriz
25 Matemáticas I : Preliminares Tema 3 Determinante de una matriz 31 Determinante de una matriz cuadrada Definición 67- Sea A una matriz cuadrada de orden n Llamaremos producto elemental en A al producto
Más detallesOperaciones con matrices
Operaciones con matrices Problemas teóricos En todos los problemas de esta lista se supone que F es un campo (cuerpo). Si no conoce bien el concepto de campo, entonces puede pensar que F = R. Operaciones
Más detallesPRUEBA MÚLTIPLE ELECCIÓN MATRICES Y DETERMINANTES
PRUEBA MÚLTIPLE ELECCIÓN MATRICES Y DETERMINANTES 1. Sea una matriz A M n n (R) nilpotente de índice p. r(a) n 1 r(a) =p 1 8 4 2 2. Sea la matriz A = 2 1 1 0 5 2 1 1 r(a) =2 r(a) =3 r(a) =4 3. Sea una
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 detallesSi u y v son vectores cualquiera en W, entonces u + v esta en W. Si c es cualquier numero real y u es cualquier vector en W, entonces cu esta en W.
Unidad 4 Espacios vectoriales reales 4.1 Subespacios Si V es un espacio vectorial y W un subconjunto no vacío de V. Entonces W es un subespacio de V si se cumplen las siguientes condiciones Si u y v son
Más detallesARITMÉTICA Y ÁLGEBRA
ARITMÉTICA Y ÁLGEBRA 1.- Discutir el siguiente sistema, según los valores de λ: Resolverlo cuando tenga infinitas soluciones. Universidad de Andalucía SOLUCIÓN: Hay cuatro ecuaciones y tres incógnitas,
Más detalles1. Lección 3: Matrices y Determinantes
Apuntes: Matemáticas Empresariales II 1. Lección 3: Matrices y Determinantes Se define matriz de orden n m a todo conjunto de n m elementos de un cuerpo K, dispuestos en n filas y m columnas: A n m = (
Más detallesMatrices y determinantes
Matrices y determinantes A = ( aij)=a mxn m = nº filas y n = nº columnas Orden o dimensión = mxn Matriz cuadrada m=n Matriz rectangular m n Matriz fila A 1xn Definiciones de Matrices a 11 a 12...a 1n a
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 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 detallesEstadística III Repaso de Algebra Lineal
Repaso de Algebra Lineal Vectores Un vector columna de dimensión n 1 es una serie de números dispuestos como sigue: x 1 x 2 x =. x n Un vector fila de dimensión 1 p es una serie de números dispuestos como
Más detallesMATRICES. Una matriz es un conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.
MATRICES Una matriz es un conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. Cada uno de los números de que consta la matriz se denomina elemento. Un elemento
Más detalles23/10/14. Algebra Matricial $ $ ' ' ' $ & & & # # I 3 I 2 = 1 0 $ DEFINICION DE MATRIZ 2.1 CONCEPTOS DE MATRICES CONCEPTOS DE MATRICES. $ n. ! a.
/0/ Algebra Matricial. OPERACIONES DE DEFINICION DE MATRIZ Si A es una matriz de m x n (esto es una matriz con m filas y n columnas) la entrada escalar en la i-ésima fila y la j-ésima columna de A se denota
Más detallesTema 1. Álgebra lineal. Matrices
1 Tema 1. Álgebra lineal. Matrices 0.1 Introducción Los sistemas de ecuaciones lineales aparecen en un gran número de situaciones. Son conocidos los métodos de resolución de los mismos cuando tienen dos
Más detallesValores y Vectores Propios
Valores y Vectores Propios Departamento de Matemáticas, CSI/ITESM de abril de 9 Índice 9.. Definiciones............................................... 9.. Determinación de los valores propios.................................
Más detallesAlgebra Lineal * Working draft: México, D.F., a 17 de noviembre de 2010.
Algebra Lineal * José de Jesús Ángel Ángel jjaa@mathcommx Working draft: México, DF, a 17 de noviembre de 2010 Un resumen de los principales temas tratados en un curso de Álgebra Lineal Contenido 1 Sistemas
Más detallesÁLGEBRA LINEAL Y GEOMETRÍA ANALÍTICA (0250)
Universidad Central de Venezuela Facultad de Ingeniería Ciclo Básico Departamento de Matemática Aplicada ÁLGEBRA LINEAL Y GEOMETRÍA ANALÍTICA (0250) Semestre 1-2011 Mayo 2011 Álgebra Lineal y Geometría
Más detallesTema 2. Sistemas de ecuaciones lineales
Tema 2. Sistemas de ecuaciones lineales Estructura del tema. Definiciones básicas Forma matricial de un sistema de ecuaciones lineales Clasificación de los sistemas según el número de soluciones. Teorema
Más detallesSISTEMAS DE ECUACIONES LINEALES
1 SISTEMAS DE ECUACIONES LINEALES Una ecuación es un enunciado o proposición que plantea la igualdad de dos expresiones, donde al menos una de ellas contiene cantidades desconocidas llamadas variables
Más detallesEcuaciones. 3º de ESO
Ecuaciones 3º de ESO El signo igual El signo igual se utiliza en: Igualdades numéricas: 2 + 3 = 5 Identidades algebraicas: (x + 4) x = x 2 + 4 4x Fórmulas: El área, A,, de un círculo de radio r es: A =
Más detallesMatrices 3. Matrices. Verónica Briceño V. agosto 2012
3 agosto 2012 En esta Presentación... En esta Presentación veremos: Matriz Inversa En esta Presentación... En esta Presentación veremos: Matriz Inversa Determinante En esta Presentación... En esta Presentación
Más detallesTema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES
Tema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES Prof. Rafael López Camino Universidad de Granada 1 Matrices Definición 1.1 Una matriz (real) de n filas y m columnas es una expresión de la forma a 11...
Más detallesEs decir, det A = producto de diagonal principal producto de diagonal secundaria. Determinante de una matriz cuadrada de orden 3
1.- DETERMINANTE DE UNA MATRIZ CUADRADA Determinante de una matriz cuadrada de orden 1 Dada una matriz cuadrada de orden 1, A = (a), se define det A = det (a) = a Determinante de una matriz cuadrada de
Más detallesDeterminantes Introducción a los determinantes. Recordemos la definición del determinante de una matriz A de 2 2 ( fórmula.
Capítulo 5 Determinantes 5.1. Introducción a los determinantes Recordemos la definición del determinante de una matriz A de 2 2 ( fórmula 2.4 ) [ ] a b det = ad bc c d La proposición 2.16 implica que el
Más detallesMATRICES. Se denomina matriz de dimensión m n a todo conjunto cuyos elementos están dispuestos en m filas y n columnas. o simplemente A = (a.
MATRICES Se denomina matriz de dimensión m n a todo conjunto cuyos elementos están dispuestos en m filas y n columnas A= 2 1 5 0 3 8 A es de dimensión 2 3. a a a En general una matriz de dimensión 2 3
Más detallesProyecciones. Producto escalar de vectores. Aplicaciones
Proyecciones La proyección de un punto A sobre una recta r es el punto B donde la recta perpendicular a r que pasa por A corta a la recta r. Con un dibujo se entiende muy bien. La proyección de un segmento
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 detallesMatrices. Álgebra de matrices.
Matrices. Álgebra de matrices. 1. Definiciones generales Definición 1.1 Si m y n son dos números naturales, se llama matriz de números reales de orden m n a una aplicación A : {1, 2, 3,..., m} {1, 2, 3,...,
Más detallesUna forma fácil de recordar esta suma (regla de Sarrus): Primero vamos a estudiar algunas propiedades de los determinantes.
Una forma fácil de recordar esta suma (regla de Sarrus): Ejemplos: Tarea: realizar al menos tres ejercicios de cálculo de determinantes de matrices de 2x2 y otros tres de 3x3. PARA DETERMINANTES DE MATRICES
Más detallesMatrices. Operaciones con matrices.
Matrices. Operaciones con matrices. Ejercicio. Dadas las matrices ( ) ( ) 4 A = B = ( ) C = D = 4 5 ( ) 4 E = F = seleccione las que se pueden sumar y súmelas. Ejercicio. Dadas las matrices ( ) ( ) A =
Más detallesTema 1. Espacios Vectoriales. Sistemas de ecuaciones.
Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)
Más detallesTema 1. 1 Álgebra lineal. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. 1.1 Vectores de R n. 1. Vectores. 2.
Aurea Grané. Máster en Estadística. Universidade Pedagógica. 1 Aurea Grané. Máster en Estadística. Universidade Pedagógica. 2 Tema 1 Álgebra lineal 1. Vectores 2. Matrices 1 Álgebra lineal Aurea Grané
Más detalles3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE
3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE ECUACIONES LINEALES Y MATRICES COMPLEMENTOS PARA LA FORMACIÓN DISCIPLINAR EN MATEMÁTICAS Curso 2011-2012 3.1.1. Resolución de sistemas de ecuaciones lineales. Método
Más detalles6 Vectores. Dependencia e independencia lineal.
6 Vectores. Dependencia e independencia lineal. Introducción Hay fenómenos reales que se pueden representar adecuadamente mediante un número con su adecuada unidad de medida. Sin embargo para representar
Más detallesGEOMETRÍA EN EL ESPACIO.
GEOMETRÍA 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 detallesTema 3: MATRICES. Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada
Tema 3: MATRICES Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada Material docente para el alumno Asignatura: Geometría I. Curso 2003/04 Licenciatura: Matemáticas
Más detallesALGEBRA y ALGEBRA LINEAL
520142 ALGEBRA y ALGEBRA LINEAL Primer Semestre, Universidad de Concepción CAPITULO 7. MATRICES DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición: Matriz Sean
Más detallesEcuaciones de rectas y planos. Un punto O y una base B B = { i, j,
Ecuaciones de rectas y planos. Coordenadas en el espacio. Planos coordenados. El vector OP tiene unas coordenadas( x, y, z ) respecto de la base B, que se pueden tomar como coordenadas del punto P respecto
Más detalles1. Las matrices se denotan con letras mayúsculas. Por ejemplo, A, B, C, X,...
CAPÍTULO 1 ALGEBRA MATRICIAL 11 Introducción Definición 111 (Matriz) Definimos una matriz como un arreglo rectangular de elementos, llamados escalares, sobre un álgebra F Más que hacer referencia especifica
Más detalles3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE
3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE ECUACIONES LINEALES Y MATRICES COMPLEMENTOS PARA LA FORMACIÓN DISCIPLINAR EN MATEMÁTICAS // Curso 2017-18 3.1.1. Resolución de sistemas de ecuaciones lineales. Método
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 detallesTEMA 7: MATRICES. OPERACIONES.
TEMA 7: MATRICES. OPERACIONES. 1. MATRICES. TIPOS DE MATRICES. Se llama matriz de orden m x n (m filas y n columnas) a un conjunto de m n elementos, distribuidos en m filas y n columnas y encerrados entre
Más detallesMatemáticas Empresariales II
Matemáticas Empresariales II Lección 3 Manuel León Navarro Colegio Universitario Cardenal Cisneros M. León Matemáticas Empresariales II 1 / 40 Concepto de Matriz Se define matriz de orden n m a todo conjunto
Más detallesEcuaciones matriciales AX = B y XA = B. Cálculo de la matriz inversa
Ecuaciones matriciales AX = B y XA = B Cálculo de la matriz inversa Objetivos Aprender a resolver ecuaciones matriciales de la forma AX = B y XA = B Aprender a calcular la matriz inversa con la eliminación
Más detallesMatrices, determinantes y sistemas de ecuaciones lineales
Matrices, determinantes y sistemas de ecuaciones lineales David Ariza-Ruiz 10 de octubre de 2012 1 Matrices Una matriz es una tabla numérica rectangular de m filas y n columnas dispuesta de la siguiente
Más detallesRepaso de álgebra de matrices y probabilidad. Javier Santibáñez (IIMAS, UNAM) Regresión Semestre / 58
Repaso de álgebra de matrices y probabilidad Javier Santibáñez (IIMAS, UNAM) Regresión Semestre 2017-2 1 / 58 Preliminares Definición (matriz) Una matriz de dimensión m n es un arreglo rectangular de números
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 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 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 detallesMatrices y determinantes (Curso )
ÁLGEBRA Práctica 3 Matrices y determinantes (Curso 2008 2009) 1. En el conjunto de las matrices n n de elementos reales, demostrar que el producto de matrices triangulares inferiores es otra matriz triangular
Más detallesTEMA 11. Autovalores y autovectores. Diagonalización y formas canónicas.
TEMA 11 F MATEMÁTICOS TEMA 11 Autovalores y autovectores Diagonalización y formas canónicas 1 Introducción Definición 1 (Matrices semejantes) Sean A y B dos matrices cuadradas de orden n Decimos que A
Más detallesMatrices y determinantes
Matrices y determinantes 1 Matrices Una matriz de orden m n es un conjunto de m n números ordenados en m filas y n columnas Por ejemplo, 1 1 2 0 2 0 2 1 1 1 2 1 3 0 2 es una matriz de orden 3 5 Una matriz
Más detallesSobre vectores y matrices. Independencia lineal. Rango de una matriz
Espacios vectoriales Llamaremos R 2 al conjunto de todos los pares ordenados de la forma (a 1, a 2 ) tal que a 1, a 2 R. Es decir: R 2 = {(a 1, a 2 ) : a 1, a 2 R} De la misma forma: R 3 = {(a 1, a 2,
Más detallesMATRICES Y SISTEMAS DE ECUACIONES
MATRICES Y SISTEMAS DE ECUACIONES Definición Una matriz real de orden m n es una tabla ordenada de m n números reales a 11 a 12 a 1n A = a 21 a 22 a 2n a m1 a m2 a mn en la cual las líneas horizontales
Más detallesSESIÓN 4: ESPACIOS VECTORIALES
SESIÓN 4: ESPACIOS VECTORIALES Un espacio vectorial sobre un campo (como el cuerpo de los números reales o los números complejos) es un conjunto no vacío, dotado de dos operaciones para las cuales será
Más detallesMaterial para el examen parcial 1
Algebra Lineal 2, FAMAT-UG, aug-dic, 2009 Material para el examen parcial 1 (17 oct, 2009) Definiciones: Hay que saber las definiciones precisas de todos los siguientes términos, y conocer ejemplos concretos
Más detallesMatrices y Determinantes.
Matrices y Determinantes. Definición [Matriz] Sea E un conjunto cualquiera, m, n N. Matrices. Generalidades Matriz de orden m n sobre E: a 11 a 12... a 1n a 21 a 22... a 2n...... a m1 a m2... a mn a ij
Más detallesMATRICES. TIPOS DE MATRICES Según el aspecto de las matrices, éstas pueden clasificarse en:
Repaso de Matrices MATRICES Una matriz es una tabla ordenada de escalares a ij de la forma La matriz anterior se denota también por (a ij ), i =1,..., m, j =1,..., n, o simplemente por (a ij ). Los términos
Más detallesCurso de Álgebra Lineal
Curso de Álgebra Lineal 1. NÚMEROS COMPLEJOS 1.1 Definición, origen y operaciones fundamentales con números complejos Definición. Un número complejo, z, es una pareja ordenada (a, b) de números reales
Más detallesTEMA 7. Matrices y determinantes.
TEMA 7 Matrices y determinantes. 1. Matrices. Generalidades Definición 1 Sea E un conjunto cualquiera, m, n IN. Definimos matriz de orden m n sobre E a una expresión de la forma: a 11 a 12... a 1n a 21
Más detalles