Criterio de Sylvester
|
|
|
- María Victoria Blázquez de la Fuente
- hace 10 años
- Vistas:
Transcripción
1 Criterio de Sylvester Objetivos. Aprender a aplicar el criterio de Sylvester para analizar cuándo una forma cuadrática es positiva definida, usando los menores principales de su matriz asociada. También determinar cuándo una forma cuadrática es negativa definida, positiva semidefinida, negativa semidefinida y no definida. Aplicar estos criterios a varios ejemplos numéricos. Requisitos. La matriz de una forma cuadrática, el método matricial de diagonalización de formas cuadráticas, experiencia en el cálculo de determinantes y menores. 1. Definición (menores principales de una matriz cuadrada). Sean A M n (R), k {1,..., n}, 1 i 1 < i 2 <... < i k n. El menor principal de A ubicado en los renglones y columnas con índices i 1,..., i k se define mediante la siguiente fórmula: ( ) i1,..., i δ i1,...,i k (A) := M k A = det ( A i 1,..., i {i1,...,i k },{i 1,...,i k }). k El número k se denomina el orden o tamaño de menor. 2. Ejemplo. Consideremos una matriz cuadrada A de orden 5 con entradas diagonales (A M 5 (R)). Escribamos el menor principal de A ubicado en la intersección de los renglones 2, 4, 5 con las columnas 2, 4, 5. Indiquemos en la matriz A las entradas que forman este menor: A = A 1,1 A 1,2 A 1,3 A 1,4 A 1,5 A 2,1 A 2,2 A 2,3 A 2,4 A 2,5 A 3,1 A 3,2 A 3,3 A 3,4 A 3,5 A 4,1 A 4,2 A 4,3 A 4,4 A 4,5 A 5,1 A 5,2 A 5,3 A 5,4 A 5,5, δ 2,4,5(A) = A 2,2 A 2,4 A 2,5 A 4,2 A 4,4 A 4,5 A 5,2 A 5,4 A 5,5 3. Definición (menores principales líderes de una matriz cuadrada). Sean A M n (R), k {1,..., n}. El menor de esquina o sea el menor principal líder de k-ésimo orden de A se define como el menor principal que está en la intersección de los primeros k renglones y las primeras k columnas de la matriz A: k (A) = δ 1,...,k (A) = det ( A {1,...,k},{1,...,k} ). 4. Observación. Una matriz cuadrada de orden n tiene n menores de esquina de órdenes 1,..., n. El número de menores principales de orden k es ( n k). El número total de menores principales de órdenes 1,..., n es 2 n 1. Es cómodo pensar que el conjunto vacío de índices corresponde al menor vacío cuyo valor es 1: 0 (A) = δ (A) = 1.. Criterio de Sylvester, página 1 de 6
2 5. Ejemplo. Calculemos los menores principales y, en particular, los menores de esquina, de la matriz A = Los menores de esquina son 1 (A) = 2, 2 (A) = = 43, 3(A) = det(a) = 285. Los menores principales son δ 1 (A) = 2, δ 2 (A) = 4, δ 3 (A) = 6, δ 1,2 (A) = = 43, δ 1,3(A) = = 13, δ 2,3(A) = δ 1,2,3 (A) = det(a) = 285. = 0, Criterio de Sylvester para que q > 0 6. Teorema (criterio de Sylvester para que una forma cuadrática sea positiva definida). Sean V un espacio vectorial real de dimensión n, q Q(V ), B una base de V. Denotamos por q a la matriz asociada a la forma cuadrática q respecto a la base B. Entonces las siguientes condiciones son equivalentes: (a) q > 0, esto es, q(x) > 0 para todo x V \ {0}. (b) todos los menores principales de q B son positivos: I {1,..., n} δ I (q B ) > 0. (c) todos los menores de esquina de la matriz q B son positivos: para todo k {1,..., n}, k (q B ) > 0. Idea de la demostración. Las demostraciones están escritas en otro archivo; aquí solamente indicamos las ideas. La demostración de la implicación (a) (b) está basada en dos lemas. El primer lema dice que si una forma cuadrática es positive definida, entonces el determinante de su matriz asociada es positivo. El segundo lema dice que la matriz asociada a la forma cuadrática restringida al subespacio generado por los primeros k vectores de la base es la submatriz k k ubicada en la esquina de la matriz asociada original. La implicación (b) (c) es trivial, pues todo menor de esquina es un menor principal. La demostración de la implicación (c) (a) utiliza el método de Jacobi (o sea el método matricial) de diagonalización de formas cuadráticas. Criterio de Sylvester, página 2 de 6
3 Criterios para que q < 0, q 0, q 0, q 0 En todas las proposiciones que siguen se supone que V es un espacio vectorial real de dimensión finita n (n 1), B es una base de V. 7. Proposición (criterio para que q < 0). Sea q Q(V ). Las siguientes condiciones son equivalentes: (a) q < 0, esto es, q(x) < 0 para todo x V \ {0}. (b) en la matriz q B todos los menores de esquina de órdenes impares son negativos y todos los menores de esquina de órdenes pares son positivos: k {1,..., n} sgn( k (q B )) = ( 1) k. (c) en la matriz q B todos los menores principales de órdenes impares son negativos y todos los menores de esquina de órdenes pares son positivos: I {1,..., n} sgn(δ I (q B )) = ( 1) I. Idea de la demostración. Aplicar el teorema anterior a la forma cuadrática q. 8. Nota. En una matriz cuadrada de órden 3 los menores principales de órdenes impares son δ 1, δ 2, δ 3, δ 1,2,3, y los menores principales de órdenes pares son δ 1,2, δ 1,3, δ 2,3. 9. Proposición (criterio para que q 0). Sea q Q(V ). Las siguientes condiciones son equivalentes: (a) q 0, esto es, q(x) 0 para todo x V. (b) todos los menores principales de la matriz q B son no negativos: I {1,..., n} δ I (q B ) 0. Idea de la demostración. Todos los menores principales de la matriz q B son no negativos si y sólo si todos los menores principales de la matriz q E + δi n son positivos para δ > 0. Aplicar el criterio de Sylvestre a q B + δi n y pasar al límite cuando δ Ejercicio (q 0). Enuncie el criterio para que q Proposición (criterio para que q 0). Sea q Q(V ). Las siguientes condiciones son equivalentes: (a) q 0, esto es, existen vectores x, y V tales que q(x) > 0, q(y) < 0. (b) se cumple al menos una de las siguientes condiciones: (i) en la matriz q B por lo menos uno de los menores de órdenes pares es negativo; (ii) en la matriz q B entre los menores de los órdenes impares hay menores de signos diferentes (uno positivo y otro negativo). Idea de la demostración. La afirmación q 0 significa que q 0 y q 0. Criterio de Sylvester, página 3 de 6
4 Ejemplos 12. Ejemplo. La forma cuadrática q está dada por su matriz q E en la base canónica E. Calcular todos los menores principales de la matriz q E. Usando los criterios de Sylvester determinar cuál de las siguientes opciones tiene caso: q > 0, q < 0, q 0, q 0, q 0. Para la comprobación diagonalizar q (sin calcular la matriz de cambio) y calcular sus índices de inercia. q E = Solución. Calculamos los menores de esquina de la matriz q E : 1 = 1, 2 = = 3, = = 0. Las condiciones de los casos q > 0 y q < 0 no se cumplen. Como uno de los menores principales de orden impar es positivo ( 1 = 1 > 0), podemos rechazar la opción q 0. Se quedan dos opciones: q 0 o q 0, y hasta ahora no tenemos suficiente información para elegir una de ellas. Hay que calcular no sólo los menores de esquina (en otras palabras, los menores principales líderes), sino todos los menores principales de la matriz q E. 1 = δ 1 = 1, δ 2 = 12, δ 3 = 4, 2 = δ 1,2 = 3, δ 1,3 = 3, δ 2,3 = 12, 3 = δ 1,2,3 = 0. Todos los menores principales son no negativos y algunos de ellos son nulos. Respuesta: q 0 (q es degenerada no negativa, esto es, pseudopositiva). Para la comprobación diagonalicemos la forma q y calculemos sus índices de inercia: q(x) = x x x 3 3 6x 1 x 2 2x 1 x x 2 x 3 = (x 1 3x 2 x 3 ) 2 + 3x x x 2 x 3 = (x 1 3x 2 x 3 ) 2 + 3(x 2 + x 3 ) 2 = y y 2 2. De allí r + (q) = 2, r (q) = 0, por eso q 0. Criterio de Sylvester, página 4 de 6
5 13. Ejemplo. q E = Solución. Menores de esquina de la matriz q E : [ ] = 0, 2 = = 1, = = 12. En este ejemplo es suficiente sólo calcular los menores de esquina. Ya sabemos que entre los menores principales de órdenes pares hay menores negativos ( 2 = 1 < 0), por eso son imposibles los casos q 0 ni q 0. Respuesta: q 0 (q es indefinida). Para la comprobación diagonalicemos la forma q (esta vez usemos el método matricial) y calculemos sus índices de inercia C 1 += C 2 R 1 += R 2 De allí r + (q) = 1, r (q) = 2, q 0. C 3 += C 2 R 3 += R C 2 += 1 2 C 1 C 3 += 5 2 C 1 R 2 += 1 2 R 1 R 3 += 5 2 R Criterio de Sylvester, página 5 de 6
6 14. Ejemplo. q E = Solución. Primero calculemos los menores de esquina: 1 = 1 < 0, 2 = 2 > 0, 3 = 0. Como 1 < 0, podemos dejar el caso q 0. Como 3 = 0, no se cumplen las condiciones para q < 0. Pero se quedan dos casos posibles: q 0 y q 0. Hay que calcular todos los menores principales. δ 1 = 1 = 1 < 0, δ 2 = 6 < 0, δ 3 = 3 < 0, δ 1,2 = 2 = 2 > 0, δ 1,3 = 2 > 0, δ 2,3 = 2 > 0, δ 1,2,3 = 3 = 0. Todos los menores principales de órdenes impares son 0, y todos los menores principales de órdenes pares (de órden 2) son 0. Por uno de los teoremas, q 0. Como ya sabemos que q 0, concluimos que q 0. Respuesta: q 0 (q es degenerada no positiva). Para la comprobación diagonalicemos la forma q y calculemos sus índices de inercia. q(x) = x 2 1 6x 2 2 3x x 1 x 2 + 2x 1 x 3 8x 2 x 3 = (x 1 2x 2 x 3 ) 2 2x 2 2 2x 2 3 4x 2 x 3 = (x 1 2x 2 x 3 ) 2 2(x 2 + x 3 ) 2 = y 2 1 2y 2 2. De allí r + (q) = 0, r (q) = 2, q 0. Criterio de Sylvester, página 6 de 6
Anexo 1: Demostraciones
75 Matemáticas I : Álgebra Lineal Anexo 1: Demostraciones Espacios vectoriales Demostración de: Propiedades 89 de la página 41 Propiedades 89- Algunas propiedades que se deducen de las anteriores son:
Cómo?: Resolviendo el sistema lineal homógeneo que satisfacen las componentes de cualquier vector de S. x4 = x 1 x 3 = x 2 x 1
. ESPACIOS VECTORIALES Consideremos el siguiente subconjunto de R 4 : S = {(x, x 2, x 3, x 4 )/x x 4 = 0 x 2 x 4 = x 3 a. Comprobar que S es subespacio vectorial de R 4. Para demostrar que S es un subespacio
Diagonalización de matrices
diagonalizacion.nb Diagonalización de matrices Práctica de Álgebra Lineal, E.U.A.T., Grupos ºA y ºB, 2005 Algo de teoría Qué es diagonalizar una matriz? Para estudiar una matriz suele ser conveniente expresarla
Tema 3. Espacios vectoriales
Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición
Tema 2. Espacios Vectoriales. 2.1. Introducción
Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por
Subespacios vectoriales en R n
Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo
Listas de vectores y conjuntos de vectores
Listas de vectores y conjuntos de vectores La explicación de los temas Dependencia lineal y Bases en el curso de Álgebra Lineal se puede basar en uno de los siguientes dos conceptos (o en ambos): ) listas
1. Producto escalar, métrica y norma asociada
1. asociada Consideramos el espacio vectorial R n sobre el cuerpo R; escribimos los vectores o puntos de R n, indistintamente, como x = (x 1,..., x n ) = n x i e i i=1 donde e i son los vectores de la
Estructuras algebraicas
Tema 2 Estructuras algebraicas básicas 2.1. Operación interna Definición 29. Dados tres conjuntos A, B y C, se llama ley de composición en los conjuntos A y B y resultado en el conjunto C, y se denota
Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario)
Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS (Solucionario) 2 Í N D I C E CAPÍTULO : MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES CAPÍTULO 2: ESPACIOS VECTORIALES
4 APLICACIONES LINEALES. DIAGONALIZACIÓN
4 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES En ocasiones, y con objeto de simplificar ciertos cálculos, es conveniente poder transformar una matriz en otra matriz lo más sencilla posible Esto nos
Formas bilineales y cuadráticas.
Tema 4 Formas bilineales y cuadráticas. 4.1. Introducción. Conocidas las nociones de espacio vectorial, aplicación lineal, matriz de una aplicación lineal y diagonalización, estudiaremos en este tema dos
Tema 7: Valores y vectores propios
Tema 7: es y clausura s Espacios y Permutaciones es y clausura Una permutación p = {p 1, p 2,..., p n } de los números {1, 2,..., n} es una nueva ordenación de los elementos {1, 2,..., n}, es decir, un
Módulo 9 Sistema matemático y operaciones binarias
Módulo 9 Sistema matemático y operaciones binarias OBJETIVO: Identificar los conjuntos de números naturales, enteros, racionales e irracionales; resolver una operación binaria, representar un número racional
1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n.
Ortogonalidad Producto interior Longitud y ortogonalidad Definición Sean u y v vectores de R n Se define el producto escalar o producto interior) de u y v como u v = u T v = u, u,, u n ) Ejemplo Calcular
FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES
FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES Eleonora Catsigeras 6 de mayo de 997 Notas para el curso de Análisis Matemático II Resumen Se enuncia sin demostración
Espacios generados, dependencia lineal y bases
Espacios generados dependencia lineal y bases Departamento de Matemáticas CCIR/ITESM 14 de enero de 2011 Índice 14.1. Introducción............................................... 1 14.2. Espacio Generado............................................
Tema 2 ESPACIOS VECTORIALES
Tema 2 ESPACIOS VECTORIALES Prof. Rafael López Camino Universidad de Granada 1 Espacio vectorial Definición 1.1 Un espacio vectorial es una terna (V, +, ), donde V es un conjunto no vacío y +, son dos
Clasificación de métricas.
Clasificación de métricas. 1. El problema de clasificación. Como bien sabemos, el par formado por una métrica T 2 (esto es, un tensor 2-covariante simétrico) sobre un espacio vectorial E, (E, T 2 ), constituye
1 Espacios y subespacios vectoriales.
UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Espacios vectoriales y sistemas de ecuaciones 1 Espacios y subespacios vectoriales Definición 1 Sea V un conjunto
(Ec.1) 2α + β = b (Ec.4) (Ec.3)
Problema 1. Hallar t R para que el vector x = (3, 8, t) pertenezca al subespacio engendrado por los vectores u = (1, 2, 3) y v = (1, 3, 1). Solución del problema 1. x L{ u, v} si, y sólo si, existen α,
21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES
Aplicaciones lineales. Matriz de una aplicación lineal 2 2. APLICACIONES LINEALES. MATRIZ DE UNA APLICACIÓN LINEAL El efecto que produce el cambio de coordenadas sobre una imagen situada en el plano sugiere
Espacios Vectoriales
Espacios Vectoriales Departamento de Matemáticas, CCIR/ITESM 4 de enero de 2 Índice 3.. Objetivos................................................ 3.2. Motivación...............................................
1. El teorema de la función implícita para dos y tres variables.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO. Lección. Aplicaciones de la derivación parcial.. El teorema de la función implícita para dos tres variables. Una ecuación con dos incógnitas. Sea f :( x, ) U f(
Variedades Diferenciables. Extremos Condicionados
Capítulo 16 Variedades Diferenciables. Extremos Condicionados Vamos a completar lo visto en los capítulos anteriores sobre el teorema de las Funciones Implícitas y Funciones Inversas con un tema de iniciación
Construcción de bases en el núcleo e imagen de una transformación lineal
Construcción de bases en el núcleo e imagen de una transformación lineal Objetivos. Estudiar el algoritmo para construir una base del núcleo y una base de la imagen de una transformación lineal. Requisitos.
1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS
1 1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS 1.1. ESPACIOS VECTORIALES 1. Analizar cuáles de los siguientes subconjuntos de R 3 son subespacios vectoriales. a) A = {(2x, x, 7x)/x R} El conjunto A es una
Aplicaciones Lineales y Multilineales Continuas
Capítulo 4 Aplicaciones Lineales y Multilineales Continuas La conexión entre las estructuras vectorial y topológica de los espacios normados, se pone claramente de manifiesto en el estudio de las aplicaciones
Problemas y Ejercicios Resueltos. Tema 3: Aplicaciones Lineales.
Problemas y Ejercicios Resueltos. Tema : Aplicaciones Lineales. Ejercicios 1.- Determinar cuáles de las siguientes aplicaciones son lineales: (i) f : R R 2 definida por f((x, y, z)) = (x y, y + 2z). (ii)
Matrices invertibles. La inversa de una matriz
Matrices invertibles. La inversa de una matriz Objetivos. Estudiar la definición y las propiedades básicas de la matriz inversa. Más adelante en este curso vamos a estudiar criterios de invertibilidad
Problema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por f(1,3,4)=(2,6,8), f(1,1,1)=(2,6,8) y f(0,1,1)=(0,0,0).
Problema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por f(1,3,4)=(2,6,8), f(1,1,1)=(2,6,8) y f(0,1,1)=(0,0,0). a) Demostrad que (1,3,4), (1,1,1) i (0,1,1) son una base de R³. b) Decid
E 1 E 2 E 2 E 3 E 4 E 5 2E 4
Problemas resueltos de Espacios Vectoriales: 1- Para cada uno de los conjuntos de vectores que se dan a continuación estudia si son linealmente independientes, sistema generador o base: a) (2, 1, 1, 1),
BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.
BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades
Matemáticas I: Hoja 3 Espacios vectoriales y subespacios vectoriales
Matemáticas I: Hoa 3 Espacios vectoriales y subespacios vectoriales Eercicio 1. Demostrar que los vectores v 1, v 2, v 3, v 4 expresados en la base canónica forman una base. Dar las coordenadas del vector
TEMA 6. EIGENVALORES Y EIGENVECTORES
TEMA 6. EIGENVALORES Y EIGENVECTORES M. C. Roberto Rosales Flores INSTITUTO TECNOLÓGICO SUPERIOR DE TLAXCO Ingeniería en Logística M. C. Roberto Rosales Flores (ITST TEMA 6. EIGENVALORES Y EIGENVECTORES
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.
Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una
Subconjuntos destacados en la
2 Subconjuntos destacados en la topología métrica En este capítulo, introducimos una serie de conceptos ligados a los puntos y a conjuntos que por el importante papel que juegan en la topología métrica,
4 Aplicaciones Lineales
Prof Susana López 41 4 Aplicaciones Lineales 41 Definición de aplicación lineal Definición 23 Sean V y W dos espacios vectoriales; una aplicación lineal f de V a W es una aplicación f : V W tal que: 1
Ejemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR}
Subespacios Capítulo 1 Definición 1.1 Subespacio Sea H un subconjunto no vacio de un espacio vectorial V K. Si H es un espacio vectorial sobre K bajo las operaciones de suma y multiplicación por escalar
Objetivos: Al inalizar la unidad, el alumno:
Unidad 7 transformaciones lineales Objetivos: Al inalizar la unidad, el alumno: Comprenderá los conceptos de dominio e imagen de una transformación. Distinguirá cuándo una transformación es lineal. Encontrará
Valores propios y vectores propios
Capítulo 6 Valores propios y vectores propios En este capítulo investigaremos qué propiedades son intrínsecas a una matriz, o su aplicación lineal asociada. Como veremos, el hecho de que existen muchas
Vectores: Producto escalar y vectorial
Nivelación de Matemática MTHA UNLP 1 Vectores: Producto escalar y vectorial Versores fundamentales Dado un sistema de coordenadas ortogonales, se considera sobre cada uno de los ejes y coincidiendo con
LECCIÓN 3.- FORMAS CUADRÁTICAS PROBLEMA 1. a) La matriz simétrica asociada. b) Cuál es su signo? Justifique su respuesta.
LECCIÓN.- FORMAS CUARÁTICAS PROBLEMA Sea la forma cuadrática. Calcule: ) ( φ a) La matri simétrica asociada. b) Cuál es su signo? Justifique su respuesta. a) La matri simétrica A que determina la forma
EJERCICIOS DE MATEMÁTICAS I HOJA 4. Ejercicio 1. Se consideran los vectores
EJERCICIOS DE MATEMÁTICAS I HOJA 4 Ejercicio 1. Se consideran los vectores u 1 = (1, 1, 0, 1), u 2 = (0, 2, 1, 0), u 3 = ( 1, 1, 1, 1), u 4 = (2, 2, 1, 0) de R 4. Expresa, si es posible, los vectores u
APLICACIONES LINEALES. DIAGONALIZACIÓN
I.- Sea f una transformación lineal de un espacio vectorial V de dimensión n. Sea B una base de V. Sea A la matriz asociada a f respecto de la base B. Señala, sin demostrar, cuáles de las siguientes afirmaciones
NÚMERO REAL. 1. Axiomas de cuerpo y propiedades operatorias. Axioma 2 La suma es asociativa:
NÚMERO REAL El conjunto de los números racionales se nos hace insuficiente a la hora de representar con exactitud magnitudes tan reales como la diagonal de un cuadrado cuyo lado mida 1, por ejemplo, o
Ahora podemos comparar fácilmente las cantidades de cada tamaño que se vende. Estos valores de la matriz se denominan elementos.
Materia: Matemática de 5to Tema: Definición y Operaciones con Matrices 1) Definición Marco Teórico Una matriz consta de datos que se organizan en filas y columnas para formar un rectángulo. Por ejemplo,
Aplicaciones Lineales
Tema 3 Aplicaciones Lineales 3.1 Introducción Se presentan en este tema las aplicaciones entre espacios vectoriales, particularmente las aplicaciones lineales, que de una manera informal pueden definirse
CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre
CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una
y λu = Idea. Podemos sumar vectores y multiplicar por un escalar. El resultado vuelve a ser un vector Definición de espacio vectorial.
Espacios vectoriales Espacios y subespacios R n es el conjunto de todos los vectores columna con n componentes. Además R n es un espacio vectorial. Ejemplo Dados dos vectores de R por ejemplo u = 5 v =
Universidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA. Funciones
Universidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA Funciones José R. Jiménez F. Temas de pre-cálculo I ciclo 007 Funciones 1 Índice 1. Funciones 3 1.1. Introducción...................................
Matrices: Conceptos y Operaciones Básicas
Matrices: Conceptos y Operaciones Básicas Departamento de Matemáticas, CCIR/ITESM 8 de septiembre de 010 Índice 111 Introducción 1 11 Matriz 1 113 Igualdad entre matrices 11 Matrices especiales 3 115 Suma
Espacios vectoriales y aplicaciones lineales.
Práctica 2 Espacios vectoriales y aplicaciones lineales. Contenido: Localizar bases de espacios vectoriales. Suma directa. Bases y dimensiones. Cambio de base. Aplicaciones lineales. Matriz asociada en
Transformaciones canónicas
apítulo 29 Transformaciones canónicas 29.1 Introducción onsideremos una transformación arbitraria de las coordenadas en el espacio de las fases de dimensión 2(3N k) (con el tiempo como un parámetro) Q
VII. Estructuras Algebraicas
VII. Estructuras Algebraicas Objetivo Se analizarán las operaciones binarias y sus propiedades dentro de una estructura algebraica. Definición de operación binaria Operaciones como la suma, resta, multiplicación
Espacios vectoriales
Espacios vectoriales Problemas teóricos Muchos de estos problemas me los han enseñado mis colegas: profesores Flor de María Correa Romero, Carlos Domínguez Albino, Sergio González Govea, Myriam Rosalía
Cambio de representaciones para variedades lineales.
Cambio de representaciones para variedades lineales 18 de marzo de 2015 ALN IS 5 Una variedad lineal en R n admite dos tipos de representaciones: por un sistema de ecuaciones implícitas por una familia
Semana 08 [1/15] Axioma del Supremo. April 18, 2007. Axioma del Supremo
Semana 08 [1/15] April 18, 2007 Acotamiento de conjuntos Semana 08 [2/15] Cota Superior e Inferior Antes de presentarles el axioma del supremo, axioma de los números reales, debemos estudiar una serie
Polinomios: Definición: Se llama polinomio en "x" de grado "n" a una expresión del tipo
Polinomios: Definición: Se llama polinomio en "x" de grado "n" a una expresión del tipo P (x) = a 0 x n + a 1 x n 1 +... + a n Donde n N (número natural) ; a 0, a 1, a 2,..., a n son coeficientes reales
UNIDAD 1. LOS NÚMEROS ENTEROS.
UNIDAD 1. LOS NÚMEROS ENTEROS. Al final deberás haber aprendido... Interpretar y expresar números enteros. Representar números enteros en la recta numérica. Comparar y ordenar números enteros. Realizar
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA UNIDAD CULHUACÁN INTEGRANTES
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA UNIDAD CULHUACÁN INTEGRANTES CÁRDENAS ESPINOSA CÉSAR OCTAVIO [email protected] Boleta: 2009350122 CASTILLO GUTIÉRREZ
Transformaciones Lineales. Definiciones básicas de Transformaciones Lineales. www.math.com.mx. José de Jesús Angel Angel. [email protected].
Transformaciones Lineales Definiciones básicas de Transformaciones Lineales wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 007-009 Contenido 1 Transformaciones Lineales 11 Núcleo e imagen
Aplicaciones lineales continuas
Lección 13 Aplicaciones lineales continuas Como preparación para el cálculo diferencial, estudiamos la continuidad de las aplicaciones lineales entre espacios normados. En primer lugar probamos que todas
Matrices. Definiciones básicas de matrices. www.math.com.mx. José de Jesús Angel Angel. [email protected]
Matrices Definiciones básicas de matrices wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 2007-2008 Contenido 1 Matrices 2 11 Matrices cuadradas 3 12 Matriz transpuesta 4 13 Matriz identidad
Matrices y sus operaciones
Capítulo 1 Matrices y sus operaciones 1.1. Definiciones Dados dos enteros m, n 1 y un cuerpo conmutativo IK, llamamos matriz de m filas y n columnas con coeficientes en IK a un conjunto ordenado de n vectores
3.1 DEFINICIÓN. Figura Nº 1. Vector
3.1 DEFINICIÓN Un vector (A) una magnitud física caracterizable mediante un módulo y una dirección (u orientación) en el espacio. Todo vector debe tener un origen marcado (M) con un punto y un final marcado
MATEMÁTICAS I TEMA 1: Espacios Vectoriales. 1 Definición de espacio vectorial. Subespacios
Sonia L. Rueda ETS Arquitectura. UPM Curso 2007-2008. 1 MATEMÁTICAS I TEMA 1: Espacios Vectoriales 1 Definición de espacio vectorial. Subespacios Dados dos conjuntos V y K se llama ley de composición externa
Espacios vectoriales. Bases. Coordenadas
Capítulo 5 Espacios vectoriales. Bases. Coordenadas OPERACIONES ENR n Recordemos que el producto cartesiano de dos conjuntos A y B consiste en los pares ordenados (a,b) tales que a A y b B. Cuando consideramos
Valores y vectores propios de una matriz. Juan-Miguel Gracia
Juan-Miguel Gracia Índice 1 Valores propios 2 Polinomio característico 3 Independencia lineal 4 Valores propios simples 5 Diagonalización de matrices 2 / 28 B. Valores y vectores propios Definiciones.-
Recurrencias lineales
Recurrencias lineales Juan-Miguel Gracia 10 de febrero de 2008 Recurrencias lineales 68 Las recurrencias lineales son ecuaciones en las que la incógnita es una sucesión numérica (x k ) k=0 que aparece
Funciones polinomiales de grados 3 y 4
Funciones polinomiales de grados 3 y 4 Ahora vamos a estudiar los casos de funciones polinomiales de grados tres y cuatro. Vamos a empezar con sus gráficas y después vamos a estudiar algunos resultados
1. ESPACIOS VECTORIALES
1 1. ESPACIOS VECTORIALES 1.1. ESPACIOS VECTORIALES. SUBESPACIOS VECTORIALES Denición 1. (Espacio vectorial) Decimos que un conjunto no vacío V es un espacio vectorial sobre un cuerpo K, o K-espacio vectorial,
El examen de Geometría afín y proyectiva del 3 de julio del 2007 resuelto por cortesía de Alberto Castellón
El examen de Geometría afín y proyectiva del 3 de julio del 2007 resuelto por cortesía de Alberto Castellón 1) Considérese la proyectividad σ del plano proyectivo real en sí mismo que, en relación al sistema
Profr. Efraín Soto Apolinar. Función Inversa
Función Inversa Una función es una relación entre dos variables, de manera que para cada valor de la variable independiente eiste a lo más un único valor asignado a la variable independiente por la función.
1.4.- D E S I G U A L D A D E S
1.4.- D E S I G U A L D A D E S OBJETIVO: Que el alumno conozca y maneje las reglas empleadas en la resolución de desigualdades y las use para determinar el conjunto solución de una desigualdad dada y
Métodos Iterativos para Resolver Sistemas Lineales
Métodos Iterativos para Resolver Sistemas Lineales Departamento de Matemáticas, CCIR/ITESM 17 de julio de 2009 Índice 3.1. Introducción............................................... 1 3.2. Objetivos................................................
Problemas y Ejercicios Resueltos. Tema 2: Espacios vectoriales.
Problemas y Ejercicios Resueltos. Tema : Espacios vectoriales. Ejercicios 1.- Determinar el valor de x para que el vector (1, x, 5) R 3 pertenezca al subespacio < (1,, 3), (1, 1, 1) >. Solución. (1, x,
Apuntes de Matemática Discreta 9. Funciones
Apuntes de Matemática Discreta 9. Funciones Francisco José González Gutiérrez Cádiz, Octubre de 004 Universidad de Cádiz Departamento de Matemáticas ii Lección 9 Funciones Contenido 9.1 Definiciones y
Matrices Invertibles y Elementos de Álgebra Matricial
Matrices Invertibles y Elementos de Álgebra Matricial Departamento de Matemáticas, CCIR/ITESM 12 de enero de 2011 Índice 91 Introducción 1 92 Transpuesta 1 93 Propiedades de la transpuesta 2 94 Matrices
Aplicaciones abiertas y cerradas
44 3. POSICIÓN DE UN PUNTO CON RESPECTO A UN CONJUNTO Tema 7. Aplicaciones abiertas y cerradas Hasta ahora nos hemos centrado en propiedades de puntos con respecto a conjuntos, y las únicas propiedades
Tema 3: Producto escalar
Tema 3: Producto escalar 1 Definición de producto escalar Un producto escalar en un R-espacio vectorial V es una operación en la que se operan vectores y el resultado es un número real, y que verifica
Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases.
Tema III Capítulo 2 Sistemas generadores Sistemas libres Bases Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC 2 Sistemas generadores Sistemas libres Bases 1 Combinación lineal
Aplicaciones Lineales
Aplicaciones Lineales Primeras definiciones Una aplicación lineal de un K-ev de salida E a un K-ev de llegada F es una aplicación f : E F tal que f(u + v) = f(u) + f(v) para todos u v E f(λ u) = λ f(u)
Matemáticas I: Hoja 4 Aplicaciones lineales y diagonalización
Matemáticas I: Hoja 4 Aplicaciones lineales y diagonalización Ejercicio. Decidir cuáles de las siguientes aplicaciones son lineales. Cuál es la dimensión del espacio imagen? a f(x, x 2, x 3 = (x 2 + x
Matriz identidad y su propiedad principal
Matriz identidad y su propiedad principal Objetivos Dar la definición de la matriz identidad y establecer su propiedad principal Requisitos Notación para entradas de matrices, producto de matrices, la
ECUACIONES DIFERENCIALES ORDINARIAS. HOJA 9. La aplicación de Poincaré
ECUACIONES DIFERENCIALES ORDINARIAS. HOJA 9. SISTEMAS PLANOS. TEOREMA DE POINCARÉ-BENDIXSON. La aplicación de Poincaré Recordemos que un subconjunto H de R n es una subvariedad de codimensión uno (o una
Espacios vectoriales
Espacios vectoriales Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza 1 Concepto de espacio vectorial y propiedades 1.1 Definición Se llama espacio vectorial sobre K (IR o C a toda terna
Ecuaciones de primer grado con dos incógnitas
Ecuaciones de primer grado con dos incógnitas Si decimos: "las edades de mis padres suman 120 años", podemos expresar esta frase algebraicamente de la siguiente forma: Entonces, Denominamos x a la edad
Sistemas de Ecuaciones Lineales y Matrices
Sistemas de Ecuaciones Lineales y Matrices Oscar G Ibarra-Manzano, DSc Departamento de Area Básica - Tronco Común DES de Ingenierías Facultad de Ingeniería, Mecánica, Eléctrica y Electrónica Trimestre
Muchas veces hemos visto un juego de billar y no nos percatamos de los movimientos de las bolas (ver gráfico 8). Gráfico 8
Esta semana estudiaremos la definición de vectores y su aplicabilidad a muchas situaciones, particularmente a las relacionadas con el movimiento. Por otro lado, se podrán establecer las características
Nota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades:
Capítulo 1 DETERMINANTES Definición 1 (Matriz traspuesta) Llamaremos matriz traspuesta de A = (a ij ) a la matriz A t = (a ji ); es decir la matriz que consiste en poner las filas de A como columnas Definición
Aplicaciones lineales
aplicaciones_lineales.nb Aplicaciones lineales Práctica de Álgebra Lineal, E.U.A.T, Grupos ºA y ºB, 005 Aplicaciones lineales y matrices Hay una relación muy estrecha entre aplicaciones lineales y matrices:
Programa para el Mejoramiento de la Enseñanza de la Matemática en ANEP Proyecto: Análisis, Reflexión y Producción. Fracciones
Fracciones. Las fracciones y los números Racionales Las fracciones se utilizan cotidianamente en contextos relacionados con la medida, el reparto o como forma de relacionar dos cantidades. Tenemos entonces
CAPÍTULO II. 2 El espacio vectorial R n
CAPÍTULO II 2 El espacio vectorial R n A una n upla (x 1, x 2,..., x n ) de números reales se le denomina vector de n coordenadas o, simplemente, vector. Por ejemplo, el par ( 3, 2) es un vector de R 2,
Curso de Procesamiento Digital de Imágenes
Curso de Procesamiento Digital de Imágenes Impartido por: Elena Martínez Departamento de Ciencias de la Computación IIMAS, UNAM, cubículo 408 http://turing.iimas.unam.mx/~elena/teaching/pdi-lic.html [email protected]
Capítulo 5. Valor Absoluto. M.Sc. Alcides Astorga M., Lic. Julio Rodríguez S. Instituto Tecnológico de Costa Rica Escuela de Matemática
1 Capítulo 5 Valor Absoluto M.Sc. Alcides Astorga M., Lic. Julio Rodríguez S. Instituto Tecnológico de Costa Rica Escuela de Matemática Revista digital Matemática, educación e internet (www.cidse.itcr.ac.cr)
Aplicaciones Lineales
Aplicaciones Lineales Concepto de aplicación lineal T : V W Definición: Si V y W son espacios vectoriales con los mismos escalares (por ejemplo, ambos espacios vectoriales reales o ambos espacios vectoriales
Definición 1 Un carrier para un juego v es una coalición T tal que para cualquier S, v(s) = v(s T ).
1 Valor de Shapley Definición 1 Un carrier para un juego v es una coalición T tal que para cualquier S, v(s) = v(s T ). Ejemplo 1 Sea v un juego de 3 jugadores, v({1, 2, 3}) = v({1, 2}) = 1, y v(s) = para
MLM 1000 - Matemática Discreta
MLM 1000 - Matemática Discreta L. Dissett Clase 04 Resolución. Lógica de predicados c Luis Dissett V. P.U.C. Chile, 2003 Aspectos administrativos Sobre el tema vacantes: 26 personas solicitaron ingreso
3.- DETERMINANTES. a 11 a 22 a 12 a 21
3.- DETERMINANTES. 3.1. -DEFINICIÓN Dada una matriz cuadrada de orden n, se llama determinante de esta matriz (y se representa por A o deta al polinomio cuyos términos son todos los productos posibles
