Conjuntos de Vectores y Matrices Ortogonales
|
|
- Concepción González Vidal
- hace 7 años
- Vistas:
Transcripción
1 Conjuntos de Vectores y Matrices Ortogonales Departamento de Matemáticas, CCIR/ITESM 28 de junio de 2011 Índice 21.1.Introducción Producto interno Propiedades del producto interno Norma de un vector Distancia entre dos vectores Vectores ortogonales Conjunto ortogonal de vectores Ortogonalidad e independencia lineal Ortogonalidad y bases Ortogonalidad y descomposición de un vector Conjunto ortonormal de vectores Matriz ortogonal Introducción En esta lectura veremos conjuntos y matrices ortogonales. Primero veremos algunas definiciones alternativas a los productos internos Producto interno Un producto interno en un espacio vectorial es una función : V V F, donde F es el conjunto de los escalares utilizados (F = R ó F = C), y que tiene que cumplir los siguientes axiomas: Para todos los vectores x, y y z de V y para todo escalar c de F 1. (x+y) z = x z+y z es decir, se distribuye a la izquierda. 2. (c x) y = c (xy) es decir, los factores escalares a la izquierda pueden salir. 3. x y = y x. 4. x x > 0 para todo x 0. En el axioma 3, la línea horizontal encima de una expresión indica que se debe tomar el conjugado complejo: El conjugado comple de un número se obtiene cambiando el signo de la parte imaginaria. Así 3+3i = 3 3i 5 = 5+0i = 5 0i = 5, es decir: el conjugado de un real es él mismo. 3i = 0 3i = 0+3i = 3i
2 Figura 1: El producto interno estándar de R n en la TI. Daremos sin comprobación algunos ejemplos de productos internos en los espacios vectoriales que nos ocupan. Ejemplo 21.1 Si V = R n y x = (x i ) y y = (y i ) el producto punto estándar es: x y = Si n = 3, x =< 1,2, 1 > y y =< 1, 1,3 >, entonces n x i y i i=1 x y = (1)(1)+(2)( 1)+( 1)(3) = 4 Observe que el producto interno estándar en R n concide con una operación entre matrices: x y = x T y Aquí los vectores x y y se consideran como una matrices n 1; así x T quedará una matriz 1 n y al hacer el producto matricial con y quedará una matriz 1 1 que será un escalar. Este ejemplo puede realizarse en la calculadora TI utilizando la función dotp ya programada como se ilustra en la figura 1. Ejemplo 21.2 Mientras que si V = C n con escalares C el producto punto estándar es x y = n x i y i Si n = 3, x =< 1,2+2i, i > y y =< 1, 1+i,3i >, entonces i=1 x y = (1)(1)+(2+2i)( 1+i)+( i)(3i) = (1)(1)+(2+2i)( 1 i)+( i)( 3i) = 1 2 2i 2i 2i 2 +3i 2 = 1 4i+i 2 = 1 4i+( 1) = 2 4i Es importante comentar que este producto interno estándar en C n esta implementado en la calculadora TI y coincide con el producto estándar en R n. Esto se ilustra en la figura 2. Note la diferencia entre el número imaginario i y el símbolo i en su calculadora; en la voyage 200 i se obtiene con la combinación 2ND i mientras que en la TI 89 con la combinación 2ND catalog. No notar la diferencia le puede traer verdaderos dolores de cabeza. 2
3 Figura 2: El producto interno estándar de C n en la TI. Ejemplo 21.3 Si V = C[a,b] es el conjunto de las funciones continuas de valor real el producto interno estándar es: f g = b Si [a,b] = [0,1], f(x) = x+1 y g(x) = x 2 1 entonces a f(t) g(t)dt f g = 1 0 (x+1) (x2 1)dx = 1 0 (x3 +x 2 x 1)dx = 11/12 Ejemplo 21.4 Si Si V = C[0,2π] es el conjunto de las funciones continuas complejas un producto interno es: f g = 1 2π 2π 0 f(t) g(t)dt Ejemplo 21.5 Si M n m es el conjunto de las matrices reales con n renglones y m columnas el producto interno estándar es: A B = tr ( B A ) donde B representa la transpuesta de la matriz B y tr(x) representa la traza de la matriz cuadrada X que es la suma de los elementos de la diagonal. Por ejemplo, si [ ] [ ] A = y B = Entonces y por tanto B T A = A B = tr [ ] = = = 19 Para realizar esto en la calculadora TI debemos programar la función traza puesto que en la configuración inicial no viene tal función. Una implementación posible para esta función viene ilustrada en la figura 3. Una vez programada la función traza, la figura 4 ilustra el cálculo del producto interno de dos matrices. 3
4 Figura 3: Programando la función traza en la TI. Figura 4: Producto interno estándar de M n m (R) en la TI. Ejemplo 21.6 Si M n m es el conjunto de las matrices complejas con n renglones y m columnas el producto interno estándar es: A B = tr(b A) donde B representa la adjunta de la matriz B es decir la transpuesta conjugada o también conocida como transpuesta hermitiana, a veces también se utiliza la notación B H para la matriz conjugada compleja de B. Aquí tr(x) representa la traza de la matriz cuadrada X que es la suma de los elementos de la diagonal. Por ejemplo, si [ ] [ ] 1+i 2 3i i 1+2i 2 3 A = y B = 1 2 i 3i 0 2i 3+i y así y por tanto de donde A B = A = 1 i 1 2+3i 2+i i 3i 3+i 2 6 4i 4+7i 6 2i 1+8i 2 i 6+2i 3 12i B A = (3+i)+( 6 2i)+( 3 12i) = 6 13i Es importante comentar que la transpuesta conjugada de una matriz en Maple se obtiene como el comando htranspose, por el nombre alternativo de transpuesta hermitiana. Por otro lado, en la calculadora TI la transpuesta siempre representa la transpuesta hermitiana de una matriz. Esto se puede ejemplificar repitiendo los cálculos del ejemplo como se ilustra en la figura 5. 4
5 Figura 5: Producto interno estándar de M n m (C) en la TI Propiedades del producto interno Propiedades que satisfacen todos los productos internos: Sea V es espacio vectorial con producto interno, x, y y z vectores de V y c un escalar: 1. x (y+z) = x y+x x 2. x (c y) = c (x y) 3. x x = 0 si y sólo si x = x y = 0 si y sólo si y x = Si x V se cumple x y = x x, entonces y = z Norma de un vector Teniendo definido un producto interno, el siguiente paso es definir una norma o longitud de vectores. Definición 21.1 Sea V un espacio vectorial con producto interior, para todo vector x de definimos la norma o longitud de x como x = x x Propiedades que se deducen de la norma: 1. cx = c x 2. x = 0 si y sólo si x = 0. En cualquier caso, x Desigaldad de Cauchy-Schwarz: x y x y. 4. Desigualdad del triángulo: x+y x + y Distancia entre dos vectores Ahora, habiendo definido la magnitud de un vector es posible definir una distancia en un espacio vectorial. Definición 21.2 Sea V un espacio vectorial con producto interior, para cualesquier dos vectores x y y definimos la distancia de x a y como d(x,y) = x y Propiedades que se deducen de la función distancia: 5
6 1. d(x,y) = d(y,x) es decir, la distancia medida desde x a y es la misma que la distancia medida desde y a x. 2. d(x,y) = 0 si y sólo si x = y es decir, si la distancia entre dos puntos es cero entonces los puntos son iguales. 3. Desigualdad del triángulo: d(x,y) d(x,z)+d(z,y) Vectores ortogonales Definición 21.3 Dos vectores x y y en R n se dicen ortogonales si x y = 0. Si esto pasa se expresará como x y. Ejemplo 21.7 Indique si los vectores x =< 1, 0, 2 > y y =< 2, 2, 1 > son ortogonales. Directamente de la definición: requerimos hacer x y = (1)( 2)+(0)(2)+(2)(1) = = 0 Por tanto, x y. Ejemplo 21.8 Determine el valor del parámetro a para que x =< 1,1,2 > y y =< 3,a,1 > sean ortogonales. Directamente de la definición: requerimos hacer x y = (1)( 3)+(1)(a)+(2)(1) = 3+a+2 = a 1 Por tanto, x y si y sólo si x y = 0 si y sólo si a = Conjunto ortogonal de vectores Definición 21.4 Un conjunto de vectores {v 1,v 2,...,v m } se dice conjunto ortogonal o simplemente ortogonal si se cumple v i v j = 0 para i j y i,j = 1,...,m (1) Ejemplo 21.9 Indique si el conjunto formado por los siguientes vectores es ortogonal v 1 = 0, v 2 = 2, v 3 = 5/ Solución Calculando todos los productos punto entre vectores diferentes tenemos así concluimos que es conjunto es ortogonal. v 1 v 2 = (1)( 2)+(0)(2)+(2)(1) = 0 v 1 v 3 = (1)( 2)+(0)( 5/2)+(2)(1) = 0 v 2 v 3 = ( 2)( 2)+(2)( 5/2)+(1)(1) = 0 6
7 21.8. Ortogonalidad e independencia lineal Cualquier conjunto ortogonal S = {v 1,...,v k } de vectores distintos de cero es linealmente independiente. Demostración: Si suponemos que c 1 v 1 +c 2 v 2 + +c k v k = 0 Entonces, haciendo producto punto por v i obtenemos que: c 1 v 1 v i +c 2 v 2 v i + +c k v k v i = 0 v i Observe que siendo el conjunto ortogonal todos los productos punto en el lado izquierdo se hacen cero, excepto uno: el correponiente a v i v i. Mientras que en el segundo miembro el producto punto al ser uno de los vetores cero queda cero. Así lo anterior se resume a: c i v i v i = 0 como v i v i 0 al ser todos los vectores v i diferentes del vector cero, concluimos que c i = Ortogonalidad y bases Cualquier conjunto generador ortogonal S = {v 1,...,v k } de vectores distintos de cero es base para Gen(S). Demostración: Por definición de Gen(S), S genera a Gen(S); y por el teorema anterior S es linealmente independiente. Por tanto, S es base para Gen(S) Ortogonalidad y descomposición de un vector Sea S = {v 1,...,v k } un conjunto ortogonal de vectores distintos de cero. Si u está en Gen(S) y u = c 1 v 1 + +c k v k entonces c i = u v i v i v i para i = 1,...,k A las expresiones u v i /v i v i se les llama los coeficientes de Fourier de u respecto a S. Demostración: Si u = c 1 v 1 + +c k v k haciendo el producto punto con v i y considerando la ortogonalidad obtenemos: u v i = c i v i v i Al ser los vectores v i 0, se tiene que v i v i 0 y por tanto se tiene: c i = u v i v i v i 7
8 Nota: Lo importante del teorema anterior es indica que para bases ortonormales no es necesario resolver sistemas de ecuaciones lineales para determinar los coeficientes de cada vector es suficientes calcular los coeficientes de Fourier. Ejemplo Utilizando el conjunto ortogonal S del primer ejemplo de esta lectura y el vector u = (1,2,3), determine los coeficientes de Fourier u respecto a S y compruebe que se obtienen los mismos valores resolviendo el sistema de ecuaciones lineales correspondientes. Solución: Calculemos u v 1 = (1)(1)+(2)(0)+(3)(2) = 7 u v 2 = (1)( 2)+(2)(2)+(3)(1) = 5 u v 3 = (1)( 2)+(2)( 5/2)+(3)(1) = 4 v 1 v 1 = (1)(1)+(0)(0)+(2)(2) = 5 v 2 v 2 = ( 2)( 2)+(2)(2)+(1)(1) = 9 v 3 v 3 = ( 2)( 2)+( 5/2)( 5/2)+(1)(1) = 45/4 y al aplicar las fórmulas obtenermos: c 1 = 7/5,c 2 = 5/9,c 3 = 16/45 Si por otro lado armamos la matriz aumentada [v 1,v 2,v 3 u] y la reducimos: / / / /45 de donde observamos que los valores de las constantes c i coinciden con los valores dados por los coeficientes de Fourier Conjunto ortonormal de vectores Definición 21.5 Un conjunto de vectores {v 1,v 2,...,v m } se dice conjunto ortonormal o simplemente ortonormal si se cumple v i v j = 0 para i j y v i v i = 1 para i,j = 1,...,m (2) Note que en caso de una base ortonormal S para un espacio las fórmulas de Fourier para un u simplifican a c i = u v i, por ello es que es deseable tener una base ortonormal a un espacio. Si ya se posee una base ortogonal dividiendo cada vector entre su norma se obtiene una ortonormal: {v 1,...,v m }ortogonal { } 1 v 1 v 1 1,..., v m v m ortonormal (3) Ejemplo Ortonormalize el conjunto ortogonal ejemplo de esta lectura: 1 2 v 1 = 0, v 2 = 2, v 3 = /2 1 8
9 Solución: Tenemos ya realizados los siguientes cálculos v 1 v 1 = 5 v 1 = 5 v 2 v 2 = 9 v 1 = 3 v 3 v 3 = 45/4 v 1 = 45/2 Por tanto, el conjunto ortonormalizado queda 1 1 0, Matriz ortogonal 2 2 1, /2 1 Definición 21.6 Una matriz A se dice matriz ortogonal o simplemente ortogonal si es una matriz cuadrada y las columnas de A forman un conjunto ortonormal. A n n: A es ortogonal ssi A T A = I. Observe que el teorema anterior se deduce de que para dos vectores x y y en R n, x y = x y: x 1 y 1 y 1 x 2 y 2 y 2. x n. y n = x 1 y 1 + +x n y n = [ x 1 x 2 x n ] Con lo anterior se deduce que cuando se hace A T v se calcula un vector donde cada componente es el producto punto de la columna correspondiente de A con el vector v. Con lo anterior se deduce que cuando se calcula A T A la matriz resultante tiene en la posición (i,j) justo a i a j es decir, el producto punto de la columna i de A con la columna j de A. De esta forma: A T A = I si y sólo si se tiene que las columnas de A son ortogonales y que tienen norma 1. Con la observación anterior presente podemos hacer el ejemplo 1 más fácilmente. Ejemplo Indique si el conjunto formado por los siguientes vectores es ortogonal v 1 = 0, v 2 = 2, v 3 = 5/ Solución Formamos la matriz A cuyas columnas son los vectores: A = [v 1 v 2 v 3 ] = / y n Y calculamos A T A: A T A = /4 9
10 que sean cero los elementos que están fuera de la diagonal principal indica que el conjunto es ortogonal. Ejemplo Determina los valores de x, y y z para que el conjunto de vectores v 1 =, v 2 =, v 3 = sea ortogonal. Formamos la matriz A cuyas columnas son los vectores: Y calculamos A T A: A T A = 4 6 z x 6 4 A = [v 1 v 2 v 3 ] = 4 x y z y 3 52+z 2 4x+36+4z 8+6y +3z 4x+36+4z x x+6y y +3z 2x+6y y 2 Por tanto, para que el conjunto se ortogonal debe cumplirse que: 4x+36+4z = 0 8+6y +3z = 0 2x+6y +12 = 0 de donde, los únicos valores que hacen ortogonal al conjunto son x = 31/5, y = 1/15 y z = 14/5 Ejemplo Determine el vector de coordenadas de v =< 2,2, 4 > respecto a la base ortonormal 1/3 2/3 2/3 B = u 1 = 2/3, u 2 = 2/3, u 3 = 1/3 2/3 1/3 2/3 Recordemos que el vector de coordenadas de un vector respecto a una base son los coeficientes de la combinación lineal de la base que da tal vector. Si la base es ortonormal entonces los coeficientes de la combinación lineal son los coeficientes de Fourier, es decir los productos punto del vector con cada uno de los elementos de la base. Verifiquemos primero que el conjunto es ortonormal. Para ello, formamos la matriz A cuyas columnas son los vectores de B: 1/3 2/3 2/3 A = [u 1 u 2 u 3 ] = 2/3 2/3 1/3 2/3 1/3 2/3 y calculamos A T A: A T A = Por tanto, dando la matriz diagonal el conjunto es ortogonal; dando la identidad el conjunto es ortonormal. Para calcular los productos punto de los elemento de B con v recurrimos al producto: 1/3 2/3 2/3 2 2/3 A T v = 2/3 2/3 1/3 2 = 4/3 2/3 1/3 2/3 4 14/3 10
11 Por tanto, c 1 = v u 1 = 2/3, c 2 = v u 2 = 4/3, y c 3 = v u 3 = 14/3 y el vector de coordenadas de v respecto a la base B es < 2/3, 4/3,14/3 >. Sea A una matriz n n, y u y v dos vectores en R n. Entonces (Au) v = u ( A T v ) Demostración (Au) v = (Au) T v = ( u T A T) v = u T ( A T v ) = u ( A T v ) Sea A una matriz n n. Son equivalentes las siguientes afirmaciones: (1) A es ortogonal. (2) A preserva los productos punto: (Au) (Au) = u v u,v (3) A preserva norma: Av = v v Demostración (1) implica (2) Si A es ortogonal, A T A = I. Así (2) implica (3) Se tiene (Au) (Av) = (Au) T Av = u T A T Av = u T (A T A)v = u T I v = u T v = u v tomando raíz cuadrada se tiene la igualdad de (3). (3) implica (1) Av 2 = (Av) (Av) = v v = v 2 11
Álgebra Lineal Ma1010
Álgebra Lineal Ma1010 s de Vectores y Matrices es Departamento de Matemáticas ITESM s de Vectores y Matrices es Álgebra Lineal - p. 1/44 En esta lectura veremos conjuntos y matrices ortogonales. Primero
Más detallesor t o G o n a l i d a d y
Unidad 6 or t o G o n a l i d a d y o r t o n o r M a l i d a d Objetivos: Al inalizar la unidad, el alumno: Determinará cuándo un conjunto de vectores es ortogonal u ortonormal. Obtendrá las coordenadas
Más detallesEspacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados
Capítulo 5 Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados En este tema iniciamos el estudio de los conceptos geométricos de distancia y perpendicularidad en K n. Empezaremos con las definiciones
Más detallesClase de Álgebra Lineal
Clase de Álgebra Lineal M.Sc. Carlos Mario De Oro Facultad de Ciencias Básicas Departamento de matemáticas 04.2017 Page 1 Espacios vectoriales Definicion. Espacio Vectorial (E.V.) Un V espacio vectorial
Más detallesEspacios vectoriales con producto escalar
147 Fundamentos de Matemáticas : Álgebra Lineal Capítulo 10 Espacios vectoriales con producto escalar 10.1 Producto escalar. Norma. Distancia Definición 71.- Un producto escalar o producto interior en
Más detallesProyecciones Ortogonales y Proceso de Gram-Schmidt
Proyecciones Ortogonales y Proceso de Gram-Schmidt Departamento de Matemáticas, CCIR/ITESM 9 de febrero de Índice..Introducción.................................................Ortogonalidad a un espacio........................................proyección
Más detallesEspacios vectoriales con producto interno
Espacios vectoriales con producto interno Problemas teóricos En todos los problemas relacionados con el caso complejo se supone que el producto interno es lineal con respecto al segundo argumento. Definición
Más detalles1 0 4/ 5 13/
1 1 1 7 1 0 4/ 5 13/ 5 R1 R 1+1/5R3 0 0 0 2 R2 R3 0 5 9 22 0 5 9 22 0 0 0 2 Como la matriz tiene un renglón (0, 0, 0, 2) indica que el sistema no tiene solución ya que no existe un número que sea 2 y al
Más detallesPropiedades de los Determinantes
Propiedades de los Determinantes Departamento de Matemáticas, CCIR/ITESM 26 de mayo de 2010 Índice 19.1. Propiedades............................................... 1 19.2. La adjunta de una matriz cuadrada..................................
Más detallesTema 3: Espacios eucĺıdeos
Marisa Serrano, Zulima Fernández Universidad de Oviedo 25 de noviembre de 2009 email: mlserrano@uniovi.es Índice 1 2 3.1 V, R espacio vectorial, la aplicación : V V R ( v, u) v u a) v 1, v 2, u V α, β
Más detallesGustavo Rodríguez Gómez. Agosto Dicembre 2011
Computación Científica Gustavo Rodríguez Gómez INAOE Agosto Dicembre 2011 1 / 44 Capítulo III Descomposición de Matrices 2 / 44 1 Descomposición de Matrices Notación Matrices Operaciones con Matrices 2
Más detallesProducto Escalar. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Producto Escalar 1 / 31
Producto Escalar AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Producto Escalar 1 / 31 Objetivos Al finalizar este tema tendrás que: Saber usar el producto escalar. Calcular
Más detallesTema 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 detallesBa s e, d i M e n s i ó n y Mat r i z
Unidad 4 Ba s e, d i M e n s i ó n y Mat r i z de transición Objetivos: Al inalizar la unidad, el alumno: Conocerá la deinición de base de un espacio vectorial Identiicará bases canónicas para algunos
Más detallesEspacios de una Matriz
Espacios de una Matriz Departamento de Matemáticas, CSI/ITESM 31 de enero de 2008 Índice 4.1. Espacios de una Matriz........................................ 1 4.2. Espacios Lineales............................................
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 detallesa ij x i x j = [x] t B A+At ) t = At +(A t ) t = At +A x i x j + a ij + a ji x j x i = s ij x i x j + s ji x j x i 2
68 Matemáticas I : Álgebra Lineal Tema 7 Formas cuadráticas Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas ya ha sido estudiado, pues el cuadrado
Más detallesUna matriz es un arreglo rectangular de números. Los números en el arreglo se llaman elementos de la matriz. ) ( + ( ) ( )
MATRICES Una matriz es un arreglo rectangular de números. Los números en el arreglo se llaman elementos de la matriz. Ejemplo 1. Algunos ejemplos de matrices ( + ( ) ( + ( ) El tamaño o el orden de una
Más detallesTEMA 8. GEOMETRÍA ANALÍTICA.
TEMA 8. GEOMETRÍA ANALÍTICA. 8..- El plano. Definimos el plano euclideo como el conjunto de puntos ( x, y) R. Así, cada punto del plano posee dos coordenadas. Para representar puntos del plano utilizaremos
Más detallesTEMA 7: MATRICES. OPERACIONES.
TEMA 7: MATRICES. OPERACIONES. 1. MATRICES. TIPOS DE MATRICES. Se llama matriz de orden m x n (m filas y n columnas) a un conjunto de m n elementos, distribuidos en m filas y n columnas y encerrados entre
Más detalles1. 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. 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 detallesUNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID. PRUEBAS DE ACCESO A ESTUDIOS UNIVERSITARIOS (LOGSE) MODELO DE EXAMEN (Curso )
UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBAS DE ACCESO A ESTUDIOS UNIVERSITARIOS (LOGSE) MODELO DE EXAMEN (Curso 00-003) MATERIA: MATEMÁTICAS II INSTRUCCIONES GENERALES Y VALORACIÓN INSTRUCCIONES:
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 detalles6.14 Descomposición ortogonal y proyección ortogonal
CAPÍTULO. ESPACIO EUCLÍDEO CANÓNICO IR N 282.14 Descomposición ortogonal y proyección ortogonal El resultado W W = IR n, significa que cada y IR n se puede escribir de forma única como suma de un vector
Más detallesJosé Humberto Serrano Devia Página 1
Similitudes entre el espacio y las series de Fourier Funciones Ortogonales En esta sección se muestra la forma en que los conceptos vectoriales de producto interno, o producto escalar, y el de ortogonalidad
Más detallesa) Como mucho puede haber 3 vectores linealmente independientes. 1 2 = 3 x = 1, y = 2 3 No tiene solución, luego no se puede.
Ejercicios y problemas propuestos Página Para practicar Dependencia e independencia lineal. Base y coordenadas Dados estos vectores: u(,, ), v (,, ), w (,, ), z (,, ) a) Cuántos de ellos son linealmente
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 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 detallesx, y = x 0 y 0 + x 1 y 1 + x 2 y 2 + x 3 y 3. Es fácil ver que verifica 1. Es simétrica. x, y = y, x para todo x, y R 4.
1 Tema 2. Sección 1. Espacio vectorial de Minkowski. Manuel Gutiérrez. Departamento de Álgebra, Geometría y Topología. Universidad de Málaga. 29071-Málaga. Spain. Abril de 2010. En este capítulo se recordará
Más detallesUNIDAD I: SISTEMAS DE DOS ECUACIONES CON DOS INCÓGNITAS
UNIDAD I: SISTEMAS DE DOS ECUACIONES CON DOS INCÓGNITAS Sistemas de dos ecuaciones con dos incógnitas. Método de igualación. Método de reducción. Método de sustitución Método de eliminación Gaussiana.
Más detalles7 Aplicaciones ortogonales
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1 7 Aplicaciones ortogonales 7.1 Aplicación ortogonal Se llama aplicación ortogonal a un endomorfismo f : V V sobre un espacio vectorial
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 detallesTEMA 6: GEOMETRÍA ANALÍTICA EN EL PLANO
Alonso Fernández Galián Tema 6: Geometría analítica en el plano TEMA 6: GEOMETRÍA ANALÍTICA EN EL PLANO La geometría analítica es el estudio de objetos geométricos (rectas, circunferencias, ) por medio
Más detallesA d) Estudiar la diagonalización del endomorfismo T. Es posible encontrar una base de vectores propios de R 2 [x]? Razonar la respuesta.
Universidad de Oviedo Ejercicio.5 puntos Se consideran las aplicaciones lineales T : R [x] R y T : R R [x] de las que se conoce la matriz A asociada a T en las bases canónicas de R [x] y R y la matriz
Más detallesNorma de Frobenius. Estos apuntes están escritos por Darío Coutiño Aquino y Egor Maximenko.
Norma de Frobenius Estos apuntes están escritos por Darío Coutiño Aquino y Egor Maximenko. Objetivos. Dada una matriz A M m n (C), su norma de Frobenius (llamada también la norma de Hilbert Schmidt) se
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 detallesen el espacio queda caracterizado por un par de puntos A y B, o bien por su módulo, dirección y sentido junto con el origen, siendo:
TEMA 10: VECTORES EN EL ESPACIO. 10.1 Vectores fijos y libres en el espacio vectorial. 10. Operaciones con vectores libres. Bases del espacio vectorial. 10.3 Producto escalar. Módulo y ángulo de vectores.
Más detallesCapítulo V. Valores y vectores propios. Diagonalización de operadores lineales.
Capítulo V Valores y vectores propios. Diagonalización de operadores lineales. Hemos visto que la aplicaciones lineales de en están definidas a través de una expresión de la forma ; pero esta fórmula puede
Más detallesEl espacio euclídeo El espacio vectorial R n. Definición. Conjunto de todas las n-uplas de números reales:
Lección 1 El espacio euclídeo 1.1. El espacio vectorial R n Definición. Conjunto de todas las n-uplas de números reales: R n = {(x 1,x 2,...,x n ) : x 1,x 2,...,x n R} Nos interesan los casos n = 2 y n
Más detallesDESIGUALDADES. AXIOMA 1.- Tricotomía de los números reales. Si a y b son números reales entonces se cumple una y solo una de las relaciones
DESIGUALDADES 4.1.- AXIOMAS DE ORDEN. Cualquier conjunto o Campo de números que satisface los siguientes 4 Axiomas se dice que es un conjunto de números ORDENADO. El conjunto o Campo de los números reales
Más detallesUniversidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal - Grupo 5 Resumen Unidad n 3
Universidad Nacional de Colombia Departamento de Matemáticas 1000003-5 Álgebra Lineal - Grupo 5 Resumen Unidad n 3 Vectores en R n Definición. El conjunto de las n-tuplas ordenadas de números reales se
Más detallesTEMA 11.- VECTORES EN EL ESPACIO
TEMA 11.- VECTORES EN EL ESPACIO 1.- INTRODUCCIÓN Un vector fijo AB del espacio (también lo era en el plano) es un segmento orientado que tiene su origen en un punto A y su extremo en otro punto B. Estos
Más detallesMatemáticas Discretas TC1003
Matemáticas Discretas TC13 Matrices: Conceptos y Operaciones Básicas Departamento de Matemáticas ITESM Matrices: Conceptos y Operaciones Básicas Matemáticas Discretas - p. 1/25 Una matriz A m n es un arreglo
Más detallesap l i c a c i o n e s d e l a s
Unidad 9 ap l i c a c i o n e s d e l a s transformaciones lineales Objetivos: Al inalizar la unidad, el alumno: Relacionará algunas transformaciones especiales con movimientos geométricos de vectores
Más detallesBase y Dimensión de un Espacio Vectorial
Base y Dimensión de un Espacio Vectorial 201 6Asturias: Red de Universidades Virtuales Iberoamericanas 1 Índice 1 Qué es un sistema generador?... 4 2 Base de un espacio vectorial... 4 3 Dimensión de un
Más detallesAlgebra Lineal: Valores y Vectores Propios. Departamento de Matemáticas. Intro. Eigenvalues. Multiplicidades
Algebra ducción Los valores y vectores propios son muy importantes en el análisis sistemas lineales. En esta presentación veremos su finición y cómo se calculan. vectores propios Sea A una matriz cuadrada,
Más detallesÁLGEBRA LINEAL I NOTAS DE CLASE UNIDAD 2
ÁLGEBRA LINEAL I NOTAS DE CLASE UNIDAD 2 Abstract Estas notas conciernen al álgebra de matrices y serán actualizadas conforme el material se cubre Las notas no son substituto de la clase pues solo contienen
Más detallesUnidad 5: Geometría analítica del plano.
Geometría analítica del plano 1 Unidad 5: Geometría analítica del plano. 1.- Vectores. Operaciones con vectores. Un vector fijo es un segmento entre dos puntos, A y B del plano, al que se le da una orientación
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 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 detallesa) Producto interno: Si y son vectores de, definimos su producto punto, producto interno o producto escalar como
Similitudes entre el espacio y las series de Fourier Funciones Ortogonales En esta sección mostraremos la forma en que los conceptos vectoriales de producto interno, o producto escalar, y el de ortogonalidad
Más detalles1. ESPACIOS DE HILBERT Y OPERADORES
1. ESPACIOS DE HILBERT Y OPERADORES 1. DEFINICIÓN, PROPIEDADES Y EJEMPLOS Definición. Sea H un espacio vectorial sobre el cuerpo C de los números complejos, un producto escalar sobre H es una aplicación
Más detallesProblemas de exámenes de Formas Bilineales y Determinantes
1 Problemas de exámenes de Formas Bilineales y Determinantes 1. Sea R 3 con el producto escalar ordinario. Sea f un endomorfismo de R 3 definido por las condiciones: a) La matriz de f respecto de la base
Más detallesEspacios vectoriales reales.
Tema 3 Espacios vectoriales reales. 3.1 Espacios vectoriales. Definición 3.1 Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe el nombre
Más detallesProcedimiento para encontrar la inversa de una matriz cuadrada (Método de Gauss-Jordan).
Ejemplo 19: Demuestre que la matriz A es invertible y escríbala como un producto de matrices elementales. Solución: Para resolver el problema, se reduce A a I y se registran las operaciones elementales
Más detallesResuelve. Unidad 4. Vectores en el espacio. BACHILLERATO Matemáticas II. Diagonal de un ortoedro y volumen de un paralelepípedo.
Resuelve Página Diagonal de un ortoedro y volumen de un paralelepípedo. Expresa la diagonal de un ortoedro en función de sus dimensiones, a, b y c. c b a c c b b a Diagonal = a + b + c. Calcula el volumen
Más detallesDescomposición en valores singulares Notas para los cursos 21 y 22 (J.L. Mancilla Aguilar)
Valores Singulares Descomposición en valores singulares Notas para los cursos y (JL Mancilla Aguilar) Tanto los valores singulares como la descomposición en valores singulares de una matriz son conceptos
Más detallesProducto escalar. Bases ortonormales. Producto vectorial y producto mixto.
Capítulo Producto escalar. Bases ortonormales. Producto vectorial y producto mixto. DEFINICIÓN DE PRODUCTO ESCALAR Dados dos vectores x = (x 1 x 2...x n ) e y = (y 1 y 2...y n ) de R n definimos su producto
Más detallesTEMA V. Pues bien, a estas caracterizaciones de los sistemas de ecuaciones lineales se las llamó matrices. En el caso del sistema considerado tenemos:
TEMA V 1. MATRICES Y SISTEMAS DE ECUACIONES LINEALES. Sea el siguiente sistema de ecuaciones lineales: Realmente quien determina la naturaleza y las soluciones del sistema, no son las incógnitas: x, y,
Más detallesDefinición (matriz): Definición (dimensión de una matriz): Si una matriz tiene m renglones y n columnas se dice que es de dimensión m n.
Índice general 1. Álgebra de Matrices 1 1.1. Conceptos Fundamentales............................ 1 1.1.1. Vectores y Matrices........................... 1 1.1.2. Transpuesta................................
Más detallesf(x, y, z, t) = (x + y t, x + 2y z 3t, 3x + 5y 2z 7t).
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Álgebra Convocatoria de enero de 20 de enero de 20 (2.5 p.) ) Se considera la aplicación lineal f : R 4 R definida por: f(x y
Más detallesMatrices y Sistemas de Ecuaciones lineales
Matrices y Sistemas de Ecuaciones lineales Llamaremos M m n (K) al conjunto de las matrices A = (a ij ) (i = 1, 2,..., m; j = 1, 2,..., n) donde los elementos a ij pertenecen a un cuerpo K. Las matrices,
Más detalles(Apuntes sin revisión para orientar el aprendizaje) CÁLCULO VECTORIAL EXTREMOS DE FUNCIONES ESCALARES DE VARIABLE VECTORIAL
(Apuntes sin revisión para orientar el aprendizaje) CÁLCULO VECTORIAL EXTREMOS DE FUNCIONES ESCALARES DE VARIABLE VECTORIAL En numerosas aplicaciones de la ingeniería se presentan problemas de optimización,
Más detallesPlanos y Rectas. 19 de Marzo de 2012
el Geometría en el Planos y Rectas Universidad Autónoma Metropolitana Unidad Iztapalapa 19 de Marzo de 2012 el Anteriormente vimos que es posible encontrar un número infinito de vectores, no paralelos
Más detallesTema 11.- Autovalores y Autovectores.
Álgebra 004-005 Ingenieros Industriales Departamento de Matemática Aplicada II Universidad de Sevilla Tema - Autovalores y Autovectores Definición, propiedades e interpretación geométrica La ecuación característica
Más detalles1.2. Producto escalar, longitud y distancia
22 Cálculo vectorial 27. Si PQR es un triángulo en el espacio y b > 0 es un número, existe un triángulo con lados paralelos a los de PQR y con longitudes b multiplicado por las longitudes de PQR. 28. Las
Más detallesMatriz asociada a una transformación lineal respecto a un par de bases
Matriz asociada a una transformación lineal respecto a un par de bases Ejercicios Objetivos Comprender cómo se describe una transformación lineal (que actúa en espacios vectoriales de dimensiones finitas)
Más detallesTransformaciones Lineales
Transformaciones Lineales Departamento de Matemáticas, CCIR/ITESM 4 de enero de 0 Índice 6..Introducción............................................... 6..Idea...................................................
Más detalles1. Espacio vectorial. Subespacios vectoriales
Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS Sea k un cuerpo. 1. Espacio vectorial. Subespacios vectoriales Definición 1.1. Un k-espacio vectorial o espacio vectorial
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 detallesUnidad 4: VECTORES EN EL ESPACIO
Unidad 4: VECTORES EN EL ESPACIO 4.1.- OPERACIONES CON VECTORES Las características de los vectores en el espacio, así como sus operaciones, son idénticas a las de los vectores del plano, que ya conoces
Más detallesGeometría Analítica Espacios Vectoriales VECTORES EN EL PLANO
VECTORES EN EL PLANO 1 ESPACIO VECTORIAL Un vector fijo es una pareja ordenada de puntos en el plano (origen y extremo) Si A y B son dichos puntos, representaremos el vector por AB Gráficamente, lo representamos
Más detallesMatemáticas. Álgebra lineal (parte final ampliada)
Master en Estadística e Investigación Operativa Matemáticas Álgebra lineal (parte final ampliada) Vera Sacristán Departament de Matemàtica Aplicada II Facultat de Matemàtiques i Estadística Universitat
Más detallesESPACIOS VECTORIALES
ESPACIOS VECTORIALES Luisa Martín Horcajo U.P.M. Definición: Vector libre. Operaciones Un vector fijo es una segmento orientado, que queda caracterizado por su origen A y su extremo B y se representa por
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2006 MATEMÁTICAS II TEMA 3: ESPACIO AFIN Y EUCLIDEO
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 006 MATEMÁTICAS II TEMA 3: ESPACIO AFIN Y EUCLIDEO Junio, Ejercicio 4, Opción A Junio, Ejercicio 4, Opción B Reserva, Ejercicio 3, Opción A Reserva, Ejercicio
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 detallesEspacios Vectoriales. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21
Espacios Vectoriales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21 Objetivos Al finalizar este tema tendrás que: Saber si unos vectores son independientes.
Más detallesMATRICES Y DETERMINANTES MATRIZ INVERSA
Índice Presentación... 3 Determinante de una matriz... 4 Determinante de matrices de orden 2 y 3... 5 Determinante de una matriz... 6 Ejemplo... 7 Propiedades del cálculo de determinantes... 8 Matriz inversa...
Más detallesEL ESPACIO AFÍN. se distinguen, además de su origen A y su extremo B, las siguientes
VECTOR FIJO Y VECTOR LIBRE. Sea E el espacio ordinario. EL ESPACIO AFÍN Llamaremos vector fijo a cualquier segmento orientado dado por dos puntos A y B del espacio E. Al punto A lo llamamos origen del
Más detallesVectores y Matrices. Tema 3: Repaso de Álgebra Lineal Parte I. Contenidos
Tema 3: Repaso de Álgebra Lineal Parte I Virginia Mazzone Contenidos Vectores y Matrices Bases y Ortonormailizaciòn Norma de Vectores Ecuaciones Lineales Algenraicas Ejercicios Vectores y Matrices Los
Más detallesEspacios Vectoriales
Espacios Vectoriales Espacios Vectoriales Verónica Briceño V. noviembre 2013 Verónica Briceño V. () Espacios Vectoriales noviembre 2013 1 / 47 En esta Presentación... En esta Presentación veremos: Espacios
Más detallesÁlgebra Lineal. Tema 8. Valores y vectores propios. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Tema 8. Valores y vectores propios Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR
Más detallesCapítulo VI. Diferenciabilidad de funciones de varias variables
Capítulo VI Diferenciabilidad de funciones de varias variables La definición de diferenciabilidad para funciones el cociente no tiene sentido, puesto que no está definido, porque el cociente entre el vector
Más detallesEjercicios resueltos de Álgebra, hoja 3. Beatriz Graña Otero
Ejercicios resueltos de Álgebra, hoja. Beatriz Graña Otero 5 de Diciembre de 8 B.G.O. 47.- Sobre el R-espacio vectorial E de dimensión 4, sea la métrica cuya matriz asociada a la base B = {e, e, e, e 4
Más detallesVECTORES EN EL ESPACIO
UNIDAD VECTORES EN EL ESPACIO Página 13 Problema 1 Halla el área de este paralelogramo en función del ángulo α: cm Área = 8 sen α = 40 sen α cm α 8 cm Halla el área de este triángulo en función del ángulo
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 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 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 detallesUniversidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal - Grupo 1 Resumen Unidad n 3
Universidad Nacional de Colombia Departamento de Matemáticas 1000003-5 Álgebra Lineal - Grupo 1 Resumen Unidad n 3 Vectores en R n Definición. El conjunto de las n-tuplas ordenadas de números reales se
Más detallesAlgebra lineal Matrices
Algebra lineal Matrices Una matriz A un arreglo rectangular de números dispuestos en m renglones (filas) y n columnas. Fila 1 La componente o elemento ij de A, denotado por es el número que aparece en
Más detallesÁLGEBRA DE MATRICES. Al consejero A no le gusta ninguno de sus colegas como presidente.
ÁLGEBRA DE MATRICES Página 47 REFLEXIONA Y RESUELVE Elección de presidente Ayudándote de la tabla, estudia detalladamente los resultados de la votación, analiza algunas características de los participantes
Más detallesÁlgebra Lineal Ma1010
Álgebra Lineal Ma1010 Departamento de Matemáticas ITESM Álgebra Lineal - p. 1/16 En esta lectura veremos el proceso para obtener la factorización QR de una matriz. Esta factorización es utilizada para
Más detallesBloque 3. Geometría y Trigonometría Tema 2 Vectores Ejercicios resueltos
Bloque 3. Geometría y Trigonometría Tema Vectores Ejercicios resueltos 3.- Obtener el vector PQ, donde los puntos P y Q son los dados 4 5 b) P00,, Q90, a) P,, Q, 83 83 d) P4,, Q3, 7 c) P,, Q, 4 5 PQ 5,
Más detallesApellidos: Nombre: NIF:
Universidad de Oviedo EPS de ingeniería de Gijón Dpto. Matemáticas Algebra Lineal 7/06/008 Segunda parte Apellidos: Nombre: NIF: Ejercicio 1 Sea f : R 3 R [x] una aplicación lineal definida en las bases
Más detalles1. Producto escalar. Propiedades Norma de un vector. Espacio normado. 1.2.Ortogonalidad. Ángulos. 1.4.Producto escalar en V 3.
. Producto escalar. Propiedades... Norma de un vector. Espacio normado...ortogonalidad. Ángulos..3.Producto escalar en V..4.Producto escalar en V 3.. Producto vectorial de dos vectores de V 3...Expresión
Más detallesTraza de una Matriz Cuadrada
Traza de una Matriz Cuadrada Departamento de Matemáticas, CSI/ITESM 10 de septiembre de 2008 Índice 7.1. Definiciones y propiedades básicas.................................. 1 7.2. La traza de un producto........................................
Más detallesEXAMEN JUNIO PP 1A SEMANA
EXAMEN JUNIO PP A SEMANA XAVI AZNAR Ejercicio. Defina semejanza, razón de semejanza y movimento asociado a una semejanza. Ejercicio. En el espacio vectorial V 3 (R) sea q la forma cuadrática cuya expresión
Más detallesAplicaciones Lineales
Aplicaciones Lineales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Aplicaciones Lineales 1 / 47 Objetivos Al finalizar este tema tendrás que: Saber si una aplicación es
Más detallesEspacios Generados en R n
Espacios Generados en R n Departamento de Matemáticas, CCIR/ITESM 2 de enero de 2 Índice 7.. Objetivos................................................ 7.2. Introducción...............................................
Más detalles