c-inversa o inversa generalizada de Rao
|
|
- Andrés Saavedra Villalobos
- hace 7 años
- Vistas:
Transcripción
1 c-inversa o inversa generalizada de Rao Definición.- Sea A m n. Se dice que una matriz A c de orden n m es una c-inversa o inversa generalizada en el sentido de Rao si y sólo si se verifica AA c A = A. Teorema.- Sea A m n con m n y rg(a = r m. Entonces la c-inversa de A siempre existe y no es única. Demostración Consideremos distintas situaciones: 1. Si rg(a = m entonces podemos, sin pérdida de generalidad, particionar A en la forma A = (A 1 A 2 donde A 1 es una matriz cuadrada de orden m tal que A 1 = 0. Así es inmediato comprobar que la matriz ( A A c = (n m m es una c-inversa para A. 2. Sea ahora rg(a = r < m y consideremos la siguiente partición en bloques A11 A A = 12 A 21 A 22 donde A 11 es una matriz cuadrada de orden r y no singular. Consideremos A 1 A c = 11 0 r (m r. 0 (n r r 0 (n r (m r Entonces A11 A AA c A = 12 A 21 A 21 A 1 11 A 12.
2 Ahora bien, como rg(a = r, entonces debe existir P (m r r tal que (A 21 A 22 = P(A 11 A 12, de donde A 21 = PA 11 P = A 21 A 1 11 A 22 = PA 12 A 22 = A 21 A 1 11 A 12 con lo cual AA c A = A y así A c es c-inversa para A. 3. En el caso general, si A 11 es singular, entonces, puesto que el rango de A es r, deben existir matrices de permutación (y por lo tanto ortogonales R y S tales que B11 B RAS = B = 12 B 21 B 22 y tal que B 11 sea no singular. Por el apartado anterior, B 1 B c = 11 0 r (m r 0 (n r r 0 (n r (m r es una c-inversa para B. Por lo tanto podemos comprobar que A c = SB c R es una c-inversa para A. En efecto, como R y S son ortogonales se tiene que A = R BS y con ello AA c A = R BS SB c RR BS = R BB c BS = R BS = A. Para comprobar la no unicidad sea B n m. Entonces, tomando C = A c + B A c ABAA c se tiene ACA = A(A c + B A c ABAA c A = AA c A + ABA AA c ABAA c A = A + ABA ABA = A
3 por lo que C también es una c-inversa para A. Además, si C es una c-inversa para A, debe ser necesariamente de la forma anterior con B = C A c. En efecto, A c + C A c A c A(C A c AA c = A c + C A c A c ACAA c + A c AA c AA c = A c + C A c A c AA c + A c AA c = C. El teorema anterior es constructivo en el sentido de que nos proporciona una forma para calcular la c-inversa de Rao. No obstante en la práctica conviene tener algún procedimiento más mecánico que permita un cálculo más sencillo. El siguiente algoritmo (que puede ser consultado en Searle, 1971 puede ser de bastante utilidad. Encontrar en A un menor de orden r, que llamaremos M. Invertir M y transponerla. Reemplazar en A cada elemento de M por el correspondiente de (M 1. Reemplazar los elementos restantes de A por ceros. Transponer la matriz resultante. Dicha matriz será una c-inversa para A.
4 Ejemplos de cálculo de c-inversas Ejemplo 1 ( Sea A = ( se tiene A c = ( 0 1/ /2 1 A c = Ejemplo 2. Considerando el menor M =, mientras que tomando M = ( ( Sea N = N N I y consideremos la matriz (I + 1 (I + 1- dimensional N N 1 N 2... N I N 1 N X = N 2 0 N N I N I Esta matriz es de rango I y por lo tanto singular. El menor de orden I que tomaremos será cuya inversa es resultando así M = M 1 = X c = N N N I 1/N /N /N I /N /N /N I,,
5 g-inversa o inversa generalizada de Moore-Penrose Definición.- Sea A m n. Se dice que una matriz A g de orden n m es la g-inversa o inversa generalizada de Moore- Penrose si y sólo si se verifica AA g A = A, A g AA g = A g y además tanto AA g como A g A son simétricas. Teorema.- Sea A m n. Entonces la g-inversa existe y es única. Demostración Evidentemente, si A = 0 entonces A g = 0. En el caso en que rg(a = r > 0 sabemos que existen dos matrices C 1 y C 2 de dimensiones respectivas m r y r n y de rango r tales que A = C 1 C 2. Entonces A g = C 2 (C 2C 2 1 (C 1 C 1 1 C 1 es una g-inversa para A (comprobar los cuatro apartados de la definición. Para ver la unicidad supongamos que tenemos dos g- inversas, A g y B g. Entonces AA g A = A por lo que AA g AB g = AB g y B g AA g A = B g A. Ahora bien AB g = (AB g = (AA g AB g = (AB g (AA g = AB g AA g = AA g. B g A = (B g A = (B g AA g A = (A g A (B g A = A g AB g A = A g A. Por lo tanto B g = B g AB g = A g AB g = A g AA g = A g y ello prueba la unicidad.
6 El resultado siguiente nos proporciona una forma algo más fácil para calcular la g-inversa, sobre todo en algunas situaciones concretas. Teorema.- Sea A m n. Entonces 1. Si m n y rg(a = n, A g = (A A 1 A y A g A = I n. 2. Si m n y rg(a = m, A g = A (AA 1 y AA g = I m. 3. Si rg(a = r Min{m, n}, A g = C g B g, donde B g y C g son las g-inversas de las matrices, de rango r, B m r y C r n tales que A = BC. Demostración 1. Como rg(a = n entonces A A tiene rango n y existe su inversa. Basta comprobar que A g verifica las condiciones de g-inversa: AA g A = A(A A 1 A A = A. A g AA g = (A A 1 A A(A A 1 A = (A A 1 A = A g. AA g = A(A A 1 A, que es simétrica. A g A = (A A 1 A A = I n. 2. Se demuestra de forma similar al apartado anterior. 3. Por los apartados anteriores se tiene B g = (B B 1 B y C g = C (CC 1 y a partir de ahí se verifica A g = C (CC 1 (B B 1 B. Dicha matriz es la g-inversa de A sin más que tener en cuenta la demostración del teorema anterior.
7 El siguiente resultado facilita el cálculo de la g-inversa en el caso de matrices simétricas. Teorema.- Sea A n n una matriz simétrica de rango r n. Sea D r una matriz diagonal de orden r cuyos elementos no nulos son los autovalores de A distintos de cero y sea P r una matriz de orden n r cuyas columnas son los autovectores unitarios y ortogonales dos a dos de A correspondientes a sus autovalores no nulos. Entonces A g = P r D 1 r P r. Demostración Por ser A real y( simétrica, existe una matriz P ortogonal Dr 0 tal que A = P P 0 0. Escribamos P = (P r P n r, de donde A = P r D r P r. Ahora bien 1. AA g A = P r D r P rp r D 1 r P rp r D r P r = P rd r P r = A. 2. A g AA g = P r D 1 r 3. AA g = P r D r P rp r D 1 r P r = I n. 4. A g A = P r D 1 r P rp r D r P r = I n. P rp r D r P rp r D 1 r P r = P rd 1 r P r = A g.
8 Ejemplos de cálculo de g-inversas Sea C =, de rango 2. CC =, 1 2 (CC 1 = 1 2 1, de donde se verifica que C g = C (CC 1 = Sea A = que puede expresarse como A = BC, con B y C lasmatrices anteriores. Así se verifica A g = C g B g = Sea E = Los autovalores son λ 1 = , λ 2 = 2, λ 3 = 4. Los autovectores asociados a los autovalores no nulos son v 2 = (1/ 2, 1/ 2, 0 y v 3 = (1/ 2, 1/ 2, 0. P r = D r = ( Así E g = P r D 1 r P r = 1 8 1/ 2 1/ 2 1/ 2 1/ 2 0 0,
9 Método basado en el teorema de Cayley-Hamilton La inversa viene dada por A g = TA, donde la matriz T se calcula como sigue (ver Searle, 1971: Consideremos la matriz A A que, evidentemente, es cuadrada. Por el Teorema de Cayley-Hamilton debe existir un entero t y unos escalares λ 1,..., λ t (no todos nulos tales que λ 1 (A A + λ 2 (A A λ t (A A t = 0. Si λ r es el primer escalar de la expresión anterior que es no nulo, entonces la matriz T viene dada por T = 1 λ r [ λr+1 I n + λ r+2 (A A λ t (A A t r 1]. Veamos un ejemplo. Sea la matriz X = de donde X X = El polinomio característico asociado a dicha matriz es p(λ = λ λ 2 66λ, por lo que, aplicando el Teorema de Cayley-Hamilton se verificará 66(X X 17(X X 2 + (X X 3 = 0 y con ello la matriz T será T = 1 ( 17I3 + X X = y con ello X g = TX =
10 Propiedades de las g-inversas Teorema.- Sea A m n y A g su g-inversa. Entonces 1. Si k 0 entonces (ka g = 1 k A g. 2. (A g g = A. 3. A = 0 A g = (A g = A g. 5. Si m = n, A g = A 1 siempre y cuando A sea no singular. 6. rg(a = rg(a g = rg(aa g = rg(a g A. 7. Si A es simétrica e idempotente, entonces A g = A. 8. (A A g = A g A g ; (AA g = A ga g ; (AA g g = AA g ; A g = (A A g A = A (AA g. 9. Si A es simétrica, entonces (A 2 g = (A g Para cualquier B r s y si B g es su g-inversa, entonces (A B g = A g B g. 11. A g A, AA g, I n A g A e I m AA g son simétricas e idempotentes. 12. (I m AA g A = 0; (I m AA g AA g = AA g (I m AA g = 0; A g (I m AA g = 0; (I n A g AA g A = A g A(I n A g A = 0.
11 B 0 Bg Si A =, entonces A 0 C g =, con 0 C g B g y C g las g-inversas de B y C respectivamente. 14. Si A = ( B C, con BC = 0, entonces A g = (B g C g. 15. Si A = DE donde D y E son diagonales con g-inversas D g y E g, entonces A g = E g D g. 16. Si P m m y Q n n son ortogonales, entonces (PAQ g = Q A g P. 17. A g B = 0 A B = AB = 0 B g A g = 0.
12 Aplicación a la resolución de sistemas de ecuaciones Teorema.- Sea A m n y Ax = b un sistema de ecuaciones. 1. Ax = b es compatible si y sólo sí AA c b = b, para alguna c-inversa de A. 2. Si Ax = b es compatible, entonces x 0 = A c b + (I n A c Az es una solución del sistema, z R n. Recíprocamente, si x 0 es una solución del sistema, entonces existe un vector z R n tal que x 0 puede escribirse de la forma anterior. 3. Si Ax = b es compatible, entonces la solución es única si y sólo sí A g A = I n. Demostración 1. Si AA c b = b, el sistema es compatible con x 0 = A c b. Recíprocamente, si x 0 es una solución, Ax 0 = b de donde AA c Ax 0 = AA c b y con ello Ax 0 = b = AA c b. 2. Como el sistema es compatible, entonces AA c b = b. Ahora bien, z R n se tiene A [A c b + (I n A c Az] = AA c b + A(I n A c Az = AA c b + (A AA c Az = AA c b = b. Recíprocamente, si x 0 es una solución entonces Ax 0 = b, de donde A c Ax 0 = A c b y con ello x 0 = A c b + x 0 A c Ax 0 = A c b + (I n A c A x 0 y basta tomar z = x 0.
13 3. Si la solución es única, m n y rg(a = n. Por lo tanto A g = (A A 1 A y A g A = I n. Recíprocamente, como el sistema es compatible se tiene, razonando igual que en los dos primeros apartados, x 0 = A g b + (I n A g Az, z R n y como A g es única y A g A = I n, entonces la solución es única y es x = A g b. Ejemplo.- Sea el sistema de ecuaciones Ax = y en forma desarrollada x x x = x 4 2 Por el método de Rao podemos encontrar que una inversa generalizada para A es A c = con lo que la solución general del sistema es, para z = (z 1, z 2, z 3, z 4 arbitrario, = x = A c y + (I 4 A c Az = I = 6 + z z 4 8 2z 3 47z 4 z 3 z 4. z 1 z 2 z 3 z 4
2. Álgebra matricial. Inversa de una matriz O B 1 O B 1. Depto. de Álgebra, curso
Depto de Álgebra, curso 2017-2018 2 Álgebra matricial Inversa de una matriz Ejercicio 21 Calcule la matriz inversa de cada una de las matrices siguientes: a 2 1 1 3 2 1 h e, b 2 1 1 5 2 3 2 0 1 1 2 1 1
Más detallesResumen de Teoría de Matrices
Resumen de Teoría de Matrices Rubén Alexis Sáez Morcillo Ana Isabel Martínez Domínguez 1 de Octubre de 2004 1. Matrices. Generalidades. Definición 1.1. Se llama matriz de orden m n sobre un cuerpo K a
Más detalles6.6. Diagonalización de matrices simétricas o hermitianas. Ejemplo de una diagonalización de una matriz simétrica
6.6 Diagonalización de matrices simétricas o hermitianas Ejemplo de una diagonalización de una matriz simétrica Matrices hermitianas Los autovalores de las matrices reales simétricas o complejas hermitianas
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 detallesDIAGONALIZACIÓN DE MATRICES CUADRADAS
DIAGONALIZACIÓN DE MATRICES CUADRADAS.- Considerar los vectores u = (, -, ) y v = (, -, ) de : a) Escribir, si es posible, los vectores (, 7, -4) y (, -5, 4) como combinación lineal de u y v. b) Para qué
Más 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 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 detallesSOBRE INVERSAS GENERALIZADAS Y SU APLICACIÓN EN LA REGRESIÓN 0.- INTRODUCCIÓN. Sobre Matrices Inversas Generalizadas
SOBRE INVERSAS GENERALIZADAS Y SU APLICACIÓN EN LA REGRESIÓN José Carlos de Miguel Domínguez Agustín Ramos Calvo Dpto. de Métodos Cuantitativos para la Economía y la Empresa Fac. de C.C.E.E. Santiago de
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 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 detallesBreve introducción a Matrices
207 5 - Matriz inversa Breve introducción a Matrices En el apartado anterior vimos el producto de matrices y si en particular nos dedicamos a las matrices cuadradas de orden n es decir el anillo unitario
Más detallesInversa de una matriz
Capítulo 2 Álgebra matricial 2.1. Inversa de una matriz Inversa de una matriz Para una matriz cuadrada A n n, la matriz B n n que verifica las condiciones AB = I n y B A=I n se denomina inversa de A, y
Más detallesSea V un conjunto no vacío (cuyos elementos se llamarán vectores) y sea K un cuerpo (cuyos elementos se llamarán escalares).
Capítulo 6 Espacios Vectoriales 6.1 Definiciones Sea V un conjunto no vacío (cuyos elementos se llamarán vectores) y sea K un cuerpo (cuyos elementos se llamarán escalares). Definición 6.1.1 Se dice que
Más detallesMatrices: Una ordenación de números dispuestos en filas y columnas, encerrados entre corchetes
Matrices: Una ordenación de números dispuestos en filas y columnas, encerrados entre corchetes Ejemplos: Verifican ciertas reglas o algebra, denominada algebra de matrices.la matriz representa en general
Más detallesMatemáticas II. Prácticas: Matrices y Determinantes ; C = 1 3 5
Matemáticas II Prácticas: Matrices y Determinantes. Sean las matrices cuadradas siguientes: 4 5 6 B = 9 8 7 6 5 4 C = 5 7 9 0 7 8 9 Se pide calcular: a A B + C. b A AB + AC. c A B AB + ACB.. Sean las matrices:
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 detallesParte 3. Vectores y valores propios
Parte 3. Vectores y valores propios Gustavo Montero Escuela Universitaria Politécnica Universidad de Las Palmas de Gran Canaria Curso 2004-2005 1 Introducción a los valores y vectores propios 2 3 4 5 Valores
Más detallesPodemos pues formular los dos problemas anteriores en términos de matrices.
Tema 5 Diagonalización 51 Introducción Valores y vectores propios 511 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial V de dimensión
Más detallesPráctica 5. Autovalores y autovectores. Diagonalización de matrices y de transformaciones lineales.
Práctica 5 Autovalores y autovectores Diagonalización de matrices y de transformaciones lineales Nota: salvo indicación particular, se considera que todas las matrices pertenecen a C n n 1 Encuentre los
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 detallesAutovalores y autovectores Diagonalización y formas canónicas
Autovalores y autovectores Diagonalización y formas canónicas Autovalores y autovectores.propiedades Sea V un espacio vectorial sobre K y f End(V ). Fijada una base de V, existirá una matriz cuadrada A,
Más detallesValores singulares. Producto escalar y ortogonalidad. Proposición. Curso < x, y >= si F = C. Si x C n x i=1
Valores singulares Curso 2017-18 1 Producto escalar y ortogonalidad < x, y >= n y i x i = y T x si F = R, n y i x i = y x Si x C n x x = n x i 2 = x 2 2. si F = C Si x, y C n x y = y x, pero si x, y R
Más detallesMatrices y sistemas lineales
Capítulo 2 Matrices y sistemas lineales 2.1 Definiciones básicas Una matriz es una tabla rectangular de números, es decir, una distribución ordenada de números. Los números de la tabla se conocen con el
Más detalles6.8. Descomposición mediante valores singulares. v 2 =
68 Descomposición mediante valores singulares Los valores singulares de una matriz m n Supongamos que A es una matriz real cualquiera Los autovalores de A T A tienen la siguiente propiedad A T Ax = λx
Más detallesParte 3. Vectores y valores propios
Parte 3. Vectores y valores propios Gustavo Montero Escuela Universitaria Politécnica Universidad de Las Palmas de Gran Canaria Curso 2006-2007 Valores y vectores propios Valor propio Se dice que el número
Más detallesControl Moderno - Ing. Electrónica Ejercicio Resuelto 3: Teorema de Cayley-Hamilton
Control Moderno - Ing. Electrónica Ejercicio Resuelto 3: Teorema de Cayley-Hamilton Introducción A continuación se presentan unos pocos y simples ejemplos que muestran como puede emplearse el Teorema de
Más detallesMatrices y Sistemas Lineales
Matrices y Sistemas Lineales Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza Matrices sobre IR ó C. Definición Dado un conjunto K (IR ó C) y dos conjuntos finitos de índices I = {,, m} J
Más detallesAplicaciones Lineales. Diagonalización de matrices.
Tema 2 Aplicaciones Lineales. Diagonalización de matrices. 2.1. Definiciones y propiedades Nota 2.1.1. En este tema trabajaremos con los Espacios Vectoriales R n y R m definidos sobre el cuerpo R. Definición
Más detallesÁlgebra II(61.08, 81.02) Segundo cuatrimestre 2017 Práctica 4. Autovalores y autovectores de matrices. Diagonalización.
Álgebra II(6108, 8102) Segundo cuatrimestre 2017 Práctica 4 Autovalores y autovectores de matrices Diagonalización Nota: salvo indicación particular, se considera que todas las matrices pertenecen a C
Más detallesDiagonalización de matrices
Diagonalización de matrices María Muñoz Guillermo maria.mg@upct.es U.P.C.T. Matemáticas I M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 1 / 22 Valores y vectores propios de una matriz Definición
Más 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 detallesDiagonalización. Tema Valores y vectores propios Planteamiento del problema Valores y vectores propios
61 Matemáticas I : Álgebra Lineal Tema 6 Diagonalización 61 Valores y vectores propios 611 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial
Más detallesÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3
ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 Matrices y determinantes (Curso 2011 2012) 2. Sea A una matriz diagonal n n y supongamos que todos los elementos de su diagonal son distintos entre sí.
Más 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 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 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 detallesÁLGEBRA Ejercicios no resueltos de la Práctica 3
ÁLGEBRA Ejercicios no resueltos de la Práctica 3 Matrices y determinantes (Curso 2007 2008) 15. Encontrar la (única) respuesta correcta, de entre las indicadas, a las siguientes cuestiones: (b) En una
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 sistemas de ecuaciones
Matrices y sistemas de ecuaciones María Muñoz Guillermo maria.mg@upct.es U.P.C.T. Matemáticas I M. Muñoz (U.P.C.T.) Matrices y sistemas de ecuaciones Matemáticas I 1 / 59 Definición de Matriz Matrices
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 detallesTEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS.
TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. 1. MATRICES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. DEFINICIÓN: Las matrices son tablas numéricas rectangulares
Más detallesb) y 1 = 10x x 2 y 2 = 25x x 2 d) y 1 = 4x 1 3x 2 y 2 = 2x 1 5x 2
Álgebra lineal Curso 2008-2009 Tema 2 Hoja 1 Tema 2 ÁLGEBRA SUPERIOR 1 Expresar los siguientes sistemas lineales en notación matricial a y 1 = 2x 1 + 3x 2 y 2 = 4x 1 + 2x 2 b y 1 = 10x 1 + 12x 2 y 2 =
Más detallesMATRICES DETERMINANTES
MATRICES Y DETERMINANTES 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
Más detalles1 Vectores de R n. Tema 1. Álgebra matricial. 1.2 Dependencia lineal
Diplomatura en Estadística 1 Tema 1. Álgebra matricial 1. Vectores 1.1 Definiciones básicas 1.2 Dependencia lineal 2. Matrices 2.1 Rango de una matriz 2.2 Matrices cuadradas 3. Vectores y valores propios
Más detallesParte 2. Métodos directos para la resolución de sistemas de ecuaciones lineales
Parte 2. Métodos directos para la resolución de sistemas de ecuaciones lineales Gustavo Montero Escuela Técnica Superior de Ingenieros Industriales University of Las Palmas de Gran Canaria Curso 2006-2007
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 detalles1. Matrices. Operaciones con matrices
REPASO MUY BÁSICO DE MATRICES. Matrices. Operaciones con matrices.. Introducción Las matrices aparecieron por primera vez hacia el año 850, introducidas por el inglés J. J. Sylvester. Su desarrollo se
Más detallesMATRICES. 1.- Calcular: g) 0 a b a 0 c b c 0. x x x. x + a b c a x + b c a b x + c. a b b b a b b b a
MATRICES 1.- Calcular: a) 3 2 5 2 1 4 3 1 6 b) 2 1 3 4 2 5 6 0 2 c) 3 1 5 0 5 4 6 3 1 3 2 1 6 7 5 4 d) 7 6 8 5 6 7 10 6 7 8 8 9 8 7 9 6 e) 1 3 2 1 3 5 3 2 3 6 2 2 6 4 5 3 f) 1 1 1 1 1 1 1 g) 1 1 1 1 1
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 detalles2.1 Introducción. Propiedades.
19 2 MATRICES II: DETERMINANTES En este segundo capítulo de matrices, aprenderemos a utilizar una herramienta muy importante como son los determinantes Gracias a ellos, podremos calcular la inversa de
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 detallesEsta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )
Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder
Más detallesDiagonalización de matrices
7 Diagonalización de matrices 7.1. Matrices diagonalizables Existen diversos procesos en los que el estado en cada uno de sus pasos se puede representar por un determinado vector y en los que, además,
Más detallesTEMA III: DIAGONALIZACIÓN.
TEMA III: DIAGONALIZACIÓN. OBJETIVOS: Generales: 1. Captar el motivo que justifica el problema de la diagonalización de endomorfismos. 2. Resolver y aplicar dicho problema cuando sea posible. Específicos:
Más 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 detallesÁLGEBRA LINEAL Problemas, 2006/2007
ÁLGEBRA LINEAL Problemas, 2006/2007 Nota: si no se especifíca lo contrario suponemos que las matrices y espacios vectoriales están definidos sobre un cuerpo K arbitrario 1 Una matriz A de orden n n se
Más detallesMatrices 2º curso de Bachillerato Ciencias y tecnología
MATRICES Índice:. Introducción-------------------------------------------------------------------------------------- 2. Definición de matriz-----------------------------------------------------------------------------
Más detallesMultivariante Curso Cálculo matricial
Multivariante Curso 06-07 1 Cálculo matricial Introducción La información de partida en el análisis multivariante es una tabla de datos correspondiente a la medición de distintas variables sobre varios
Más detallessolucionario matemáticas II
solucionario matemáticas II UNIDADES 8-4 bachillerato 8 Determinantes 4 9 Sistemas de ecuaciones lineales 46 Fin bloque II 0 Vectores 8 Rectas planos en el espacio 68 Propiedades métricas 08 Fin bloque
Más detallesMATRICES. Jaime Garrido Oliver
MATRICES Jaime Garrido Oliver ÍNDICE DE CONTENIDOS ÍNDICE DE CONTENIDOS... 2 MATRICES... 3 1.1. INTRODUCCIÓN.... 3 2. TIPOS DE MATRICES... 4 2.1. Matriz Fila, Matriz Columna... 4 2.2. Matrices cuadradas...
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 detallesPreparaduría V. 1.- Sea A una matriz diagonal n n cuyo polinomio característico es
Preparaduría V 1.- Sea A una matriz diagonal n n cuyo polinomio característico es (x c 1 ) d1 (x c 2 ) d2... (x c k ) d k donde los c 1,..., c k son distintos dos a dos. Sea V el espacio de matrices n
Más detallesSi A es una matriz cuadrada n x n, tal que A 2 = A, e I es la matriz unidad ( n x n ), qué matriz es B 2, si B = 2ª - I?
MATRICES Si A es una matriz cuadrada n x n, tal que A 2 = A, e I es la matriz unidad ( n x n ), qué matriz es B 2, si B = 2ª - I? La multiplicación de matrices cuadradas, tiene la propiedad conmutativa?
Más detallesAP = A p 1 p 2 p n = Ap 1 Ap 2. λ 1 p 21 λ 2 p 22 λ n p 2n. .. = λ 1 p 1 λ 2 p 2
Capítulo 6 Diagonalización 6 Valores y vectores propios 6 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial V, nos planteamos el problema
Más detallesAplicaciones Lineales
Capítulo 5 Aplicaciones Lineales 51 Definición y Propiedades Sean V y W dos espacios vectoriales sobre el mismo cuerpo K Definición 511 Se dice que una aplicación f : V W es una aplicación lineal o un
Más detallesAplicaciones Lineales
Capítulo 7 Aplicaciones Lineales 7.1 Definición y Propiedades Sean V y W dos espacios vectoriales sobre el mismo cuerpo K. Definición 7.1.1 Se dice que una aplicación f : V W es una aplicación lineal o
Más detallesUniversidad Nacional de La Plata Facultad de Ingeniería Departamento de Electrotecnia Cátedra de Control Moderno. Cayley-Hamilton
Universidad Nacional de La Plata Facultad de Ingeniería Departamento de Electrotecnia Cátedra de Control Moderno Cayley-Hamilton Año 26 1. Introducción A continuación se presentan unos pocos y simples
Más detallesACTIVIDADES INICIALES
2 Determinantes ACTIVIDADES INICIALES I. Enumera las inversiones que aparecen en las siguientes permutaciones y calcula su paridad, comparándolas con la permutación principal 1234. a) 1342 b) 3412 c) 4321
Más detalles6.7. Clasificación de formas cuadráticas
6.7 Clasificación de s s 1.1. Definición de s s en R n El concepto básico que sirve para definir una es el de polinomio homogéneo de segundo grado en varias variables. En toda esta sección sobreentenderemos
Más detallesEstos apuntes se han sacado de la página de internet de vitutor con pequeñas modificaciones.
TEMA 1: MATRICES Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones ordenados en filas y columnas. Cada uno de los números de que consta la matriz se denomina elemento. Un elemento
Más detallesSolución de problemas I 1
Universidad Autónoma de Madrid Álgebra II. Físicas. Curso 5 6 Solución de problemas I Álgebra II Curso 5-6. Proyecciones en el producto escalar estándar Ejercicio 7.7. (a) Dada la ecuación x + y z, dar
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 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 detallesALGEBRA LINEAL Y GEOMETRÍA. REPASO DE ÁLGEBRA LINEAL-2: CAMBIOS DE BASE GRADO DE MATEMÁTICAS. CURSO
ALGEBRA LINEAL Y GEOMETRÍA. REPASO DE ÁLGEBRA LINEAL-2: CAMBIOS DE BASE GRADO DE MATEMÁTICAS. CURSO 2012-2013 José García-Cuerva Universidad Autónoma de Madrid 11 de febrero de 2013 JOSÉ GARCÍA-CUERVA
Más detallesDiagonalización de Matrices Cuadradas.
de Matrices Cuadradas. * Vector propio * Valor propio * Polinomio característico * Cómo se hallan? * Diagonalizabilidad. * Criterios * Aplicaciones Cuadernos Genius, el secreto de los mejores. Tema: de
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 detallesTema 2: Determinantes
Tema 2: Determinantes 1. Introducción En este tema vamos a asignar a cada matriz cuadrada de orden, un número real que llamaremos su determinante y escribiremos. Vamos a ver cómo se calcula. Consideremos
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 detallesMatrices y sistemas de ecuaciones lineales. Autovalores y autovectores.
Tema 5 Matrices y sistemas de ecuaciones lineales Autovalores y autovectores 5 Introducción Una matriz es una disposición ordenada de elementos de la forma: a a a m a a a m a n a n a nm Sus filas son las
Más detallesEl problema de Maxwell Una formulación contemporánea
El problema de Maxwell Una formulación contemporánea Mariano Vázquez de septiembre de 22 Índice. El problema estructural.. Direcciones principales de acción y reacción............ 3 2. El problema de Maxwell
Más detallesdia G o n a l i z a c i ó n
Unidad elementos característicos dia G o n a l i z a c i ó n Objetivos: Al inalizar la unidad, el alumno: Encontrará los valores y los vectores característicos de una matriz. Utilizará los elementos característicos
Más detallesSistemas de ecuaciones lineales
Sistemas de ecuaciones lineales 81 Introducción Denominamos sistema de ecuaciones a toda ecuación de la forma x (t) F ( t, x(t) ), (S) donde F : (a, b) R n R n La expresión anterior es muy general en el
Más detallesRelación de problemas. Álgebra lineal.
Relación de problemas Álgebra lineal Tema 1 Sección 1 Matrices Determinantes Sistemas lineales Matrices Ejercicio 11 Consideremos las siguientes matrices: ( 1 2 A = 1 1 ) ( 1 1 B = 0 1 ) C = 1 0 0 0 1
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 detallesTema 1: Espacios vectoriales
PROBLEMAS DE MATEMÁTICAS Parte I: Álgebra Primero de Químicas FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha Tema 1: Espacios vectoriales 1 Determina si cada
Más detallesEspacios vectoriales reales
140 Fundamentos de Matemáticas : Álgebra Lineal 9.1 Espacios vectoriales Capítulo 9 Espacios vectoriales reales Los conjuntos de vectores del plano, R 2, y del espacio, R 3, son conocidos y estamos acostumbrados
Más detallesFormas canónicas reales
Capítulo 7 Formas canónicas reales Introducción Sea V un espacio vectorial sobre C, f End(V y M B (f = A M(n n Sea λ = a + bi es una autovalor complejo de f de multiplicidad m Para tal autovalor complejo
Más detallesExamen Final - soluciones
Algebra Lineal 2, FAMAT-UG, agsto-dic, 2009 PARTE A (60 puntos). Cierto o Falso. Examen Final - soluciones 9 dic, 2009 1. Para todo operador ortogonal T en R n, det(t ) = 1. Falso. T : (x 1,..., x n )
Más detallesFactorización de rango completo y aplicaciones
XXI Congreso de Ecuaciones Diferenciales y Aplicaciones XI Congreso de Matemática Aplicada Ciudad Real, 21-25 septiembre 2009 (pp. 1 8) Factorización de rango completo y aplicaciones R. Cantó 1, B. Ricarte
Más detalles3.7. Determinantes. Definición. El determinante de una matriz cuadrada es la suma equilibrada de todos esos posibles Definición de determinante.
37 Determinantes 11 Definición de determinante Para calcular el determinante de una matriz cuadrada de orden n tenemos que saber elegir n elementos de la matriz de forma que tomemos solo un elemento de
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 detallesCONJUNTO R n. = (5, 2, 10) de 3, son linealmente. = (2,1,3) y v 3. = (0,1, 1) y u 3. = (2,0,3, 1), u 3. = (1,1, 0,m), v 2
CONJUNTO R n.- Considerar los vectores u = (, -3, ) y v = (, -, ) de 3 : a) Escribir, si es posible, los vectores (, 7, -4) y (, -5, 4) como combinación lineal de u y v. b) Para qué valores de x es el
Más detallesA cada matriz n-cuadrada A = (ai j ) se le asigna un escalar particular denominado determinante de A, denotado por det (A), A o
DETERMINANTES A cada matriz n-cuadrada A = (ai j ) se le asigna un escalar particular denominado determinante de A, denotado por det (A), A o Una tabla ordenada n ð n de escalares situada entre dos líneas
Más detallesLa matriz anterior se denota también por (ai j ), i =1,..., m, j =1,..., n, o simplemente por (ai j ).
INTRO. 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. Tienen
Más detallesDÍAZ BALAGUER. CENTRO DE ESTUDIOS. MATEMÁTICAS II Corrección examen PAU. Junio OPCIÓN A
Corrección examen PAU. Junio 6. OPCIÓN A a) Si x { }, vemos que la función está perfectamente definida y por tanto es continua, x { } Así pues, el único problema que podría existir es en x =. Para que
Más detalles