Multiplicación de Matrices Naïve
|
|
- Julián Naranjo Ferreyra
- hace 6 años
- Vistas:
Transcripción
1 Multiplicación de Matrices Naïve Carl C. Cowen IUPUI (Indiana University Purdue University Indianapolis) Universidad de Zaragoza, 6 julio 2009
2 Los estudiantes de álgebra lineal aprenden, para matrices m n como sumar las matrices A y B, A + B = C si y sólo si a ij + b ij = c ij. Se esperaría la multiplicación de matrices AB = C si y sólo si a ij b ij = c ij, Pero, el profesór dice No! Es mucho más complicado que esto! Hoy, quiero explicar que este tipo de multiplicación no sólo es lógico pero también es muy práctico y muy interesante y tiene muchas consecuencias matemáticas. Definición Si A y B son matrices m n, el producto de Schur (o Hadamard o fácil o naïve ) de A y B es la matriz m n C = A B con c ij = a ij b ij.
3 Estas ideas son del siglo pasado de Moutard (1894), ( )que ni se fijó que había probado nada(!), Hadamard (1899), y Schur (1911). Hadamard examinó las funciones analíticas f(z) = n=0 a nz n y g(z) = n=0 b nz n que tienen puntos singulares en {α i } y {β j } respectivamente. Probó que si h(z) = n=0 a nb n z n tiene puntos singulares {γ k }, entonces {γ k } {α i β j }.
4 Nos sorprende un poco menos cuando se consideran los productos de convolución: Sean f y g las funciones 2π-periódicas en R y para que a k = 2π 0 e ikθ f(θ) dθ 2π y b k = 2π 0 e ikθ g(θ) dθ 2π f a k e ikθ y g b k e ikθ Si h(θ) = 2π 0 f(θ t)g(t) dt 2π, entonces h a k b k e ikθ y si f 0 y g 0 implica h 0.
5 El nombre de Schur se relaciona con el producto de matrices porque publicó el primer teorema de este tipo de multiplicación de matrices. Definición Una matriz real (o compleja) n n se llama positiva o positiva semidefinida si A = A Ax, x 0 para todo x en R n (o C n ) Entonces Para toda matriz A, ambas AA y A A son positivas. Reciprocamente, si B es positiva, entonces B = A A para alguna A. En las estadísticas, todas las matrices de varianza-covarianza son positivas.
6 Ejemplos: A = B = 1 2 NO es positiva: pero BC = 2 1, y C = = =, 2 1 son positivas = 1 no lo es.
7 Teorema del Producto de Schur (1911) Si A y B son matrices n n positivas, entonces A B es también positiva. Aplicaciones: El diseño experimental: Si A y B son matrices de varianza-covarianza, entonces A B es una matriz de varianza-covarianza también. P.D.E. s: Sea Ω un dominio en R 2 y sea L el operador diferencial Lu = a 11 x + 2a a 22 y + b u 2 1 x + b u 2 y + cu L se llama elíptico si a 11 a 12 a 21 a 22 es positiva definida.
8 Lu = a 11 x + 2a a 22 y + b u 2 1 x + b u 2 y + cu El Principio del Mínimo Débil (Moutard, 1894) Si L es elíptico, c < 0, y Lu 0 en Ω, entonces u no puede tener un valor mínimo negativo en Ω. Por reducción al absurdo: Si u tiene un valor mínimo en (x 0, y 0 ) y u(x 0, y 0 ) < 0, entonces y u x (x 0, y 0 ) = u y (x 0, y 0 ) = 0 0 = Lu = a 11 x + 2a a 22 y + b u 2 1 x + b u 2 y + cu = a 11 x + 2a a 22 y + cu 2
9 El Principio del Mínimo Débil (Moutard, 1894) Si L es elíptico, c < 0, y Lu 0 en Ω, entonces u no puede tener un valor mínimo negativo en Ω. 0 = Lu = a 11 x + 2a a 22 y + cu 2 = a 11 2 u x 2 a 12 = a 11 a 12 a 12 a 22 a 12 a 22 y 2 x 2 y 2, + cu, + cu
10 El Principio del Mínimo Débil (Moutard, 1894) Si L es elíptico, c < 0, y Lu 0 en Ω, entonces u no puede tener un valor mínimo negativo en Ω. 0 = Lu = a 11 x + 2a a 22 y + cu 2 = a 11 2 u x 2 a 12 = a 11 a 12 a 12 a 22 a 12 a 22 y 2 x 2 y 2, + cu, + cu
11 El Principio del Mínimo Débil (Moutard, 1894) Si L es elíptico, c < 0, y Lu 0 en Ω, entonces u no puede tener un valor mínimo negativo en Ω. 0 = Lu = a 11 x + 2a a 22 y + cu 2 = a 11 2 u x 2 a 12 = a 11 a 12 a 12 a 22 a 12 a 22 y 2 x 2 y 2, + cu, + cu
12 El Principio del Mínimo Débil (Moutard, 1894) Si L es elíptico, c < 0, y Lu 0 en Ω, entonces u no puede tener un valor mínimo negativo en Ω. 0 = Lu = a 11 x + 2a a 22 y + cu 2 = a 11 2 u x 2 a 12 a 12 = a 11 a 12 a 12 a 22 a 22 y 2 x 2 y 2, + cu, + cu
13 El Principio del Mínimo Débil (Moutard, 1894) Si L es elíptico, c < 0, y Lu 0 en Ω, entonces u no puede tener un valor mínimo negativo en Ω. 0 = Lu = a 11 x + 2a a 22 y + cu 2 = a 11 2 u x 2 a 12 = a 11 a 12 a 12 a 22 > 0 a 12 a 22 y 2 x 2 y 2, + cu, + cu
14 El Principio del Mínimo Débil (Moutard, 1894) Si L es elíptico, c < 0, y Lu 0 en Ω, entonces u no puede tener un valor mínimo negativo en Ω. 0 = Lu = a 11 x + 2a a 22 y + cu 2 Contradicción! = a 11 2 u x 2 a 12 = a 11 a 12 a 12 a 22 > 0 a 12 a 22 y 2 x 2 y 2, + cu, + cu
15 Teorema de Unicidad de Fejer Si L es elíptico y c < 0 en Ω, entonces hay a lo sumo una solución del problema de valores frontera Lu = f en Ω u = g en Ω que es continua en Ω y lisa en Ω. Si u 1 y u 2 son ambas soluciones con u 1 u 2, entonces para que u 1 = g = u 2 en Ω y u 1 u 2 = 0 = u 2 u 1 en Ω, u 1 u 2 o u 2 u 1 debe tener un valor mínimo negativo en Ω. Pero Lu 1 = f = Lu 2 en Ω, porque L(u 1 u 2 ) 0 L(u 2 u 1 ) en Ω Moutard: ni la una ni la otra tiene un valor mínimo negativo en Ω así que tiene que ser u 1 u 2.
16 Objectivo: Probar el Teorema de Schur Recuerde (AB) t = B t A t y (AB) = B A Hágalo para el caso de escalares reales: porque con los escalares complejos es lo mismo pero menos cómodo para la mayor parte de los matématicos Use los vectores de columna: x, y = x 1 y 1 + x 2 y 2 + x 3 y x n y n = x t y Lema Una matriz n n A es positiva si y sólo si A = v 1 v t 1 + v 2 v t 2 + v 3 v t v k v t k para algunos vectores v 1, v 2, v 3,, v k y k n.
17 Lema Una matriz n n A es positiva si y sólo si A = v 1 v t 1 + v 2 v t 2 + v 3 v t v k v t k para algunos vectores v 1, v 2, v 3,, v k y k n. ( ) Sea x en R n y A = v 1 v t 1 + v 2 v t v k v t k para vectores v 1, v 2,, v k. Entonces Ax, x = (v 1 v t 1 + v 2 v t v k v t k)x, x = j v j v t j x, x = j (v j v t j x) t x = j x t ((v t j ) t v t j x = j (v t j x) t (v t j x) = j v j, x v j, x = j v j, x 2 0
18 Lema Una matriz n n A es positiva si y sólo si A = v 1 v t 1 + v 2 v t 2 + v 3 v t v k v t k para algunos vectores v 1, v 2, v 3,, v k y k n. ( ) Sea A positiva. Puesto que A = A t, existe una base ortonormal de R n que consiste en autovectores de A, llamemos a esta base w 1, w 2,, w n. Entonces, para cada j, sean α j los autovalores de A, esto es, Aw j = α j w j. Puesto que A es positiva, α j 0 para todo j. Sean numerados para que 1 j k, α j > 0 y j k + 1, α j = 0. Para 1 j k, escogemos β j > 0 con α j = βj 2 y sea v j = β j w j. Entonces, demostramos que A = v 1 v t 1 + v 2 v t v k v t k = α 1 w 1 w t 1 + α 2 w 2 w t α k w k w t k
19 Lema Una matriz n n A es positiva si y sólo si A = v 1 v t 1 + v 2 v t 2 + v 3 v t v k v t k para algunos vectores v 1, v 2, v 3,, v k y k n. ( ) Para demostrar que A = α 1 w 1 w t 1 + α 2 w 2 w t α k w k w t k mostramos que para cada x en R n, Ax y (α 1 w 1 w t 1 + α 2 w 2 w t α k w k w t k )x es el mismo vector. Si x es un vector en R n, entonces x es una combinación lineal de los w j s, llamemos x = x 1 w 1 + x 2 w x n w n. Entonces Ax está dado por Ax = A(x 1 w 1 + x 2 w x n w n ) = x 1 Aw 1 + x 2 Aw x n Aw n
20 Lema Una matriz n n A es positiva si y sólo si A = v 1 v t 1 + v 2 v t 2 + v 3 v t v k v t k para algunos vectores v 1, v 2, v 3,, v k y k n. ( ) que es Ax = x 1 Aw 1 + x 2 Aw x n Aw n = x 1 α 1 w 1 + x 2 α 2 w x k α k w k + + x n α n w n = x 1 α 1 w 1 + x 2 α 2 w x k α k w k + + x n 0w n = x 1 α 1 w 1 + x 2 α 2 w x k α k w k Fíjase que w t i w j = w i, w j = δ ij.
21 Lema Una matriz n n A es positiva si y sólo si A = v 1 v t 1 + v 2 v t 2 + v 3 v t v k v t k para algunos vectores v 1, v 2, v 3,, v k y k n. ( ) Como en el cálculo de arriba, (v 1 v t 1 + v 2 v t v k vk)x t = (α 1 w 1 w t 1 + α 2 w 2 w t α k w k wk)x t = ( i α i w i w t i )( j x j w j ) = i,j (α i w i w t i )x j w j = i,j α i x j w i (w t i w j ) = i α i x i w i = x 1 α 1 w 1 + x 2 α 2 w x k α k w k Entonces, para cada x, Ax = (v 1 v t 1 + v 2 v t v k v t k )x y A = v 1 v t 1 + v 2 v t v k v t k
22 Lema Si u y v son vectores en R n, entonces (uu t ) (vv t ) = (u v)(u v) t. u 1 u 1 u 1 u 2 u 1 u n Si u = (u 1, u 2,, u n ), entonces uu t u 2 u 1 u 2 u 2 u 2 u n =..... u n u 1 u n u 2 u n u n Luego, u 1 u 1 u 1 u 2 u 1 u n v 1 v 1 v 1 v 2 v 1 v n (uu t ) (vv t u 2 u 1 u 2 u 2 u 2 u n v 2 v 1 v 2 v 2 v 2 v n ) = = u n u 1 u n u 2 u n u n v n v 1 v n v 2 v n v n
23 Lema Si u y v son vectores en R n, entonces (uu t ) (vv t ) = (u v)(u v) t. Luego, (uu t ) (vv t ) = u 1 u 1 v 1 v 1 u 1 u 2 v 1 v 2 u 1 u n v 1 v n u 2 u 1 v 2 v 1 u 2 u 2 v 2 v 2 u 2 u n v 2 v n..... u n u 1 v n v 1 u n u 2 v n v 2 u n u n v n v n = u 1 v 1 u 1 v 1 u 1 v 1 u 2 v 2 u 1 v 1 u n v n u 2 v 2 u 1 v 1 u 2 v 2 u 2 v 2 u 2 v 2 u n v n..... = (u v)(u v) t u n v n u 1 v 1 u n v n u 2 v 2 u n v n u n v n
24 Teorema del Producto de Schur (1911) Si A y B son matrices n n positivas, entonces A B es también positiva. Puesto que A y B son positivas, existen vectores u 1, u 2,, u k tal que A = u 1 u t 1 + u 2 u t u k u t k y vectores v 1, v 2,, v l tal que B = v 1 v t 1 + v 2 v t v l v t l. Entonces, ( ) A B = u i u t i j v j v t j i = i,j (u i u t i ) (v j v t j ) = i,j (u i v j ) (u i v j ) t 0
25 Corolario Si A = (a ij ) es una matriz n n positiva, entonces (a 2 ij ), (a3 ij ), (ea ij) son positivas también. Por ejemplo, es positiva, entonces , , y e3 e 2 e 2 e 2 son positivas también!
26 Aplicación: Problemas de la Complección de una Matriz 15 2 a b c Existen números a, b, y c para que A = sea positiva? a b c 3 13 En este caso, sí!: a = 7, b = 5, and c = 8.
27 Problema General Dada B una matriz n n fija, calcular la norma del multiplicador de Schur de B, esto es, encuentrar la constante más pequeña K B para que X B K B X Además, queremos tener el método computacional efectivo para encontrar K B.
28 Schur (1911) Si B es una matriz n n positiva, entonces la norma del multiplicador de Schur de B es su entrada diagonal más grande. Si β es la entrada diagonal más grande de B, entonces B I = β y K B β. Fíjese que A α si y sólo si El Teorema de Schur implica, 0 B B B B αi A A αi I A A I = 0. B I B A B A B I = B I B A (B A) B I βi B A (B A) βi
Clase 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 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 detallesMAT2715 VARIABLE COMPLEJA II Ayudantia 5 Rodrigo Vargas. g(z) e u(z) 1. u(z) a log z + b
PONTIFICIA UNIVERSIDAD CATÓLICA DE CHILE FACULTAD DE MATEMÁTICAS MAT2715 VARIABLE COMPLEJA II Ayudantia 5 Rodrigo Vargas 1. Sea u : C R una función armónica positiva. Pruebe que u es constante. Solución:
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 detallesCálculo en varias variables
Cálculo en varias variables Dpto. Matemática Aplicada Universidad de Málaga Resumen Límites y continuidad Funciones de varias variables Límites y continuidad en varias variables 1 Límites y continuidad
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 detallesMMAF: Espacios normados y espacios de Banach
MMAF: Espacios normados y espacios de Banach Licenciatura en Estadística R. Álvarez-Nodarse Universidad de Sevilla Curso 2011/2012 Espacios vectoriales Definición Sea V un conjunto de elementos sobre el
Más detallesMétodos directos para resolver sistemas de ecuaciones lineales
Métodos directos para resolver sistemas de ecuaciones lineales Problemas para examen Si en algún problema se pide calcular el número de flops (operaciones aritméticas con punto flotante), entonces en el
Más detallesCálculo numérico. Sistemas de ecuaciones lineales.
José Luis Morales http://allman.rhon.itam.mx/ jmorales Departamento de Matemáticas. ITAM. 2010. Las raíces de x 2 bx + c = 0. r = b ± b 2 4c 2 b = 3.6778, c = 0.0020798 r 1 = 3.67723441190... r 2 = 0.00056558809...
Más detallesAlgebra lineal y conjuntos convexos
Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar
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 detallesDescomposición en valores singulares de una matriz
Descomposición en valores singulares de una matriz Estas notas están dedicadas a demostrar una extensión del teorema espectral conocida como descomposición en valores singulares (SVD en inglés) de gran
Más detallesDefinición de la matriz inversa
Definición de la matriz inversa Objetivos Aprender la definición de la matriz inversa Requisitos Multiplicación de matrices, habilidades básicas de resolver sistemas de ecuaciones Ejemplo El número real
Más detallesDOCENTE: JESÚS E. BARRIOS P.
DOCENTE: JESÚS E. BARRIOS P. DEFINICIONES Es larga la historia del uso de las matrices para resolver ecuaciones lineales. Un texto matemático chino que proviene del año 300 A. C. a 200 A. C., Nueve capítulos
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 detallesThe shortest path between two truths in the real domain passes through the complex domain.
The shortest path etween two truths in the real domain passes through the complex domain. Jacques Hadamard Introducción En este ejercicio vamos a emprender un enfoque distinto de la geometría analítica
Más detallesTema 2: Teorema de estructura de los grupos abelianos finitamente generados.
ESTRUCTURAS ALGEBRAICAS GRADO EN MATEMÁTICAS. CURSO 215/216 Tema 2: Teorema de estructura de los grupos abelianos finitamente generados. 1.1. Grupo abeliano libre. Bases. Definición 1.1. El grupo Z n con
Más detallesTema 2 Datos multivariantes
Aurea Grané Máster en Estadística Universidade Pedagógica 1 Aurea Grané Máster en Estadística Universidade Pedagógica 2 Tema 2 Datos multivariantes 1 Matrices de datos 2 Datos multivariantes 2 Medias,
Más detallesFactorización de matrices
CAPÍTULO Factorización de matrices En este capítulo se estudian algunas de las técnicas más utilizadas para factorizar matrices, es decir, técnicas que permiten escribir una matriz como producto de dos
Más detalles3. Determinantes. Propiedades. Depto. de Álgebra, curso
Depto de Álgebra curso 06-07 3 Determinantes Propiedades Ejercicio 3 Use la definición para calcular el valor del determinante de cada una de las siguientes matrices: 3 0 0 α A = 5 4 0 A = 6 A 3 = 0 β
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 detallesALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales
Resumen teoría Prof. Alcón ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales Sea (K, +,.) un cuerpo con característica 0. Podemos pensar K = Q, R o C. Si V es un conjunto cualquiera en el que
Más detallesTema 4: Matrices y Determinantes. Algunas Notas sobre Matrices y Determinantes. Álgebra Lineal. Curso
Tema 4: Matrices y Determinantes Algunas Notas sobre Matrices y Determinantes Álgebra Lineal Curso 2004-2005 Prof. Manu Vega Índice 1. Determinantes 3 2. Regla de Sarrus 3 3. Propiedades de los determinantes
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 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 detallesApéndice sobre ecuaciones diferenciales lineales
Apéndice sobre ecuaciones diferenciales lineales Juan-Miguel Gracia 10 de febrero de 2008 Índice 2 Determinante wronskiano. Wronskiano de f 1 (t), f 2 (t),..., f n (t). Derivada de un determinante de funciones.
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 detallesTransformaciones lineales y matrices
CAPíTULO 5 Transformaciones lineales y matrices 1 Matriz asociada a una transformación lineal Supongamos que V y W son espacios vectoriales de dimensión finita y que T : V W es una transformación lineal
Más detallesTema 1: Espacios vectoriales
PROBLEMAS DE MATEMÁTICAS Parte I: Álgebra Primero de Ingeniería Química FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha Tema 1: Espacios vectoriales 1 Determina
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 detallesMatriz inversa generalizada y descomposición del valor singular
Matriz inversa generalizada y descomposición del valor singular Divulgación Fernando Velasco Luna y Jesús Hernández Suárez Laboratorio de Investigación y Asesoría Estadística, Facultad de Estadística e
Más detallesEsta definición se puede ampliar a cualquier par de bases de los espacio inicial y final MATRIZ DE UNA APLICACIÓN LINEAL EN BASES ARBITRARIAS
Cambios de base 3 3. CAMBIOS DE BASE Dada una aplicación lineal : y la base,,, se ha definido matriz en bases canónicas de la aplicación lineal a la matriz,, cuyas columnas son las coordenadas de en la
Más detalles520142: ALGEBRA y ALGEBRA LINEAL
520142: ALGEBRA y ALGEBRA LINEAL Segundo Semestre 2008, Universidad de Concepción CAPITULO 10: Espacios Vectoriales DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición
Más detallesPROBLEMAS RESUELTOS ÁLGEBRA LINEAL. Tema 5. Operadores Lineales en Espacios con Producto Interno OPERADOR ADJUNTO. ; donde: F(z)=α z ( )
OPERDOR DJUNO Problema : Sea el espacio vectorial con producto interno complejo definido por z w, en donde w es el conjugado de w. Obtener el adjunto del operador lineal ( zw) = F : cua regla de correspondencia
Más detallesUniversidad Nacional de Ingeniería Facultad de Ciencias. Física Computacional CC063. Algebra Lineal. Prof: J. Solano 2012-I
Universidad Nacional de Ingeniería Facultad de Ciencias Física Computacional CC063 Algebra Lineal Prof: J. Solano 2012-I Introduccion Aqui trabjaremos con operaciones basicas con matrices, tales como solucion
Más detallesModelización por medio de sistemas
SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES. Modelización por medio de sistemas d y dy Ecuaciones autónomas de segundo orden: = f ( y, ) Una variable independiente. Una variable dependiente. La variable
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 detallesMétodo de diferencias finitas para ecuaciones diferenciales parciales elípticas. (Parte II)
Método de diferencias finitas para ecuaciones diferenciales parciales elípticas (Parte II) Métodos numéricos para sistemas lineales Solución numérica de EDPs requiere resolver sistemas de ecuaciones lineales
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 detallesAlgebra Lineal. Gustavo Rodríguez Gómez. Verano 2011 INAOE. Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano / 21
Algebra Lineal Gustavo Rodríguez Gómez INAOE Verano 2011 Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano 2011 1 / 21 Espacios Vectoriales Espacios Vectoriales INAOE Gustavo Rodríguez Gómez (INAOE)
Más detallesDos matrices son iguales cuando tienen la misma dimensión y los elementos que ocupan el mismo lugar en ambas son iguales
Introducción Las matrices aparecen por primera vez hacia el año 1850, introducidas por J.J. Sylvester. El desarrollo inicial de la teoría se debe al matemático W.R. Hamilton en 1853. En 1858, A. Cayley
Más detalles1. SISTEMAS DE ECUACIONES DIFERENCIALES
1 1 SISTEMAS DE ECUACIONES DIFERENCIALES 11 SISTEMAS LINEALES DE PRIMER ORDEN Un sistema de ecuaciones diferenciales del tipo dx 1 dt a 11 tx 1 + a 1n tx n + f 1 t dx n dt a n1 tx 1 + a nn tx n + f n t
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 detallesALN. Repaso matrices. In. Co. Facultad de Ingeniería Universidad de la República
ALN Repaso matrices In. Co. Facultad de Ingeniería Universidad de la República Definiciones básicas - Vectores Definiciones básicas - Vectores Construcciones Producto interno: ( x, y n i x y i i ' α Producto
Más detallesUn subconjunto no vacío H de un espacio vectorial V es un subespacio de V si se cumplen las dos reglas de cerradura:
4 Subespacios 29 b) x 5 [25;5], 5 [;24], z 5 [4;4] Use a 5 2, a 5 / a 5 2 / 2 c) Su propia elección de x,, z /o a 2 a) Elija algunos valores para n m genere tres matrices aleatorias de n m, llamadas X,
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 detallesRepaso de conceptos de álgebra lineal
MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso
Más detallesTema 5: Sistemas de ecuaciones lineales.
TEORÍA DE ÁLGEBRA: Tema 5 DIPLOMATURA DE ESTADÍSTICA 1 Tema 5: Sistemas de ecuaciones lineales 1 Definiciones generales Definición 11 Una ecuación lineal con n incognitas es una expresión del tipo a 1
Más detallesTema 2.- Formas Cuadráticas.
Álgebra. 004 005. Ingenieros Industriales. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema.- Formas Cuadráticas. Definición y representación matricial. Clasificación de las formas
Más detallesDescomposición en forma canónica de Jordan (Segunda versión)
Descomposición en forma canónica de Jordan (Segunda versión) Francisco J. Bravo S. 1 de septiembre de 211 En esta guía se presentan los resultados necesarios para poder construir la forma de Jordan sin
Más detallesApuntes de álgebra lineal. Eduardo Liz Marzán. Enero de 2015.
Apuntes de álgebra lineal Eduardo Liz Marzán Enero de 2015 Índice general 1 Introducción 7 11 Operaciones internas y estructura de cuerpo 7 12 Números complejos 8 13 Vectores 10 2 Matrices y determinantes
Más detallesMatrices, Determinantes y Sistemas Lineales.
12 de octubre de 2014 Matrices Una matriz A m n es una colección de números ordenados en filas y columnas a 11 a 12 a 1n f 1 a 21 a 22 a 2n f 2....... a m1 a m2 a mn f m c 1 c 2 c n Decimos que la dimensión
Más detalles3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE
3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE ECUACIONES LINEALES Y MATRICES COMPLEMENTOS PARA LA FORMACIÓN DISCIPLINAR EN MATEMÁTICAS Curso 2011-2012 3.1.1. Resolución de sistemas de ecuaciones lineales. Método
Más detallesTema 1: Matrices y Determinantes
Tema 1: Matrices y Determinantes September 14, 2009 1 Matrices Definición 11 Una matriz es un arreglo rectangular de números reales a 11 a 12 a 1m a 21 a 22 a 2m A = a n1 a n2 a nm Se dice que una matriz
Más 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 detalles4.1. Polinomios y teoría de ecuaciones
CAPÍTULO 4 Polinomios y teoría de ecuaciones 4.1. Polinomios y teoría de ecuaciones Un polinomio real en x, o simplemente polinomio en x es una expresión algebraica de la forma a n x n + a n 1 x n 1 +
Más detallesCONCEPTOS BÁSICOS DE ESPACIOS VECTORIALES Alumno. Cristina Mª Méndez Suero
Fundamento Científico del Currículum de Matemáticas en Enseñanza Secundaria CONCEPTOS BÁSICOS DE ESPACIOS VECTORIALES Alumno. Cristina Mª Méndez Suero ESPACIOS VECTORIALES DEFINICIÓN... 1 PROPIEDADES DE
Más detallesMatemáticas I Grado de Administración y Dirección de Empresas Examen de Febrero Curso 2011/ ?
Matemáticas I Grado de Administración y Dirección de Empresas Examen de Febrero Curso 011/1 1) (1 punto) Dado el subespacio vectorial,,,,,,,,,,, a) Obtener la dimensión, unas ecuaciones implícitas, unas
Más detallesDefinición: Dos matrices A y B son iguales si tienen el mismo orden y coinciden los elementos que ocupan el mismo lugar.
UNIDAD 03: MATRICES Y DETERMINANTES. 3.1 Conceptos de Matrices. 3.1.1 Definición de matriz. Definición: Se lama matriz de orden m x n a un arreglo rectangular de números dispuestos en m renglones y n columnas.
Más detallesMatrices y determinantes
Matrices y determinantes 1 Ejemplo Cuál es el tamaño de las siguientes matrices? Cuál es el elemento a 21, b 23, c 42? 2 Tipos de matrices Matriz renglón o vector renglón Matriz columna o vector columna
Más detallesESPACIOS VECTORIALES
MATEMÁTICA I - - Capítulo 8 ------------------------------------------------------------------------------------ ESPACIOS VECTORIALES.. Espacios Vectoriales y Subespacios... Definición. Un espacio vectorial
Más detallesECUACIONES EN DERIVADAS PARCIALES Tópicos previos
ECUACIONES EN DERIVADAS PARCIALES Tópicos previos Para tomar el curso de ecuaciones en derivadas parciales es importante la familiaridad del alumno con los conceptos que se detallan a continuación. Sugerimos
Más detalles1 NOCIONES BÁSICAS SOBRE CONJUNTOS. SÍMBOLOS.
UNIDAD 1.- CONCEPTOS REQUERIDOS CONJUNTOS. AXIOMAS DE PERTENENCIA, PARALELISMO, ORDEN Y PARTICIÓN. 1 NOCIONES BÁSICAS SOBRE CONJUNTOS. SÍMBOLOS. 1.1 Determinaciones de un conjunto. Un conjunto queda determinado
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 detallesMENORES, COFACTORES Y DETERMINANTES
MENORES, COFACTORES Y DETERMINANTES 1. Introducción. 2. Determinante de una matriz de 3 x 3. 3. Menores y cofactores. 4. Determinante de una matriz de n x n. 5. Matriz triangular. 6. Determinante de una
Más detallesMatrices: 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 detallesConceptos básicos de Geometría
Dr. Eduardo A. RODRÍGUEZ TELLO CINVESTAV-Tamaulipas 15 de enero del 2013 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) 15 de enero del 2013 1 / 25 1 Geometría Afín Geometría Euclidiana Áreas y ángulos Dr. Eduardo
Más detallesSucesiones en R n. Ejemplos.-Considerando el espacio R 2 sea la sucesión {x k } 1 dada por x k = ( k, 1 k) podemos listar como sigue:
Sucesiones en R n Definición. Una sucesión en R n es cualquier lista infinita de vectores en R n x, x,..., x,... algunos de los cuales o todos ellos pueden coincidir entre si. Dada una sucesión x, x,...,
Más detallesALGEBRA. Escuela Politécnica Superior de Málaga
ALGEBRA. Escuela Politécnica Superior de Málaga Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Espacio vectorial. Espacios vectoriales R n. Dependencia e independencia lineal. Base. Matrices y determinantes.
Más detallesÁLGEBRA LINEAL II Algunas soluciones a la práctica 2.3
ÁLGEBRA LINEAL II Algunas soluciones a la práctica 2. Transformaciones ortogonales (Curso 2010 2011) 1. Se considera el espacio vectorial euclídeo IR referido a una base ortonormal. Obtener la expresión
Más detallesMATEMATICAS ESPECIALES I PRACTICA 7 CLASE 1. Transformaciones conformes
MATEMATICAS ESPECIALES I PRACTICA 7 CLASE 1 Transformaciones conformes 1 Determinar donde son conformes las siguientes transformaciones: (a) w() = 2 + 2 (b) w() = 1 + i (c) w() = + 1 (d) w() = En cada
Más detallesTema 3: Aplicaciones de la diagonalización
TEORÍA DE ÁLGEBRA II: Tema 3. DIPLOMATURA DE ESTADÍSTICA 1 Tema 3: Aplicaciones de la diagonalización 1 Ecuaciones en diferencias Estudiando la cría de conejos, Fibonacci llegó a las siguientes conclusiones:
Más detallesTEMA 8.- NORMAS DE MATRICES Y
Álgebra II: Tema 8. TEMA 8.- NORMAS DE MATRICES Y NúMERO DE CONDICIóN Índice. Introducción 2. Norma vectorial y norma matricial. 2 2.. Norma matricial inducida por normas vectoriales......... 4 2.2. Algunos
Más detallesTema 2: Espacios Vectoriales
Tema 2: Espacios Vectoriales José M. Salazar Octubre de 2016 Tema 2: Espacios Vectoriales Lección 2. Espacios vectoriales. Subespacios vectoriales. Bases. Lección 3. Coordenadas respecto de una base. Ecuaciones.
Más detallesÁlgebra Lineal VII: Independencia Lineal.
Álgebra Lineal VII: Independencia Lineal José María Rico Martínez Departamento de Ingeniería Mecánica División de Ingenierías, Campus Irapuato-Salamanca Universidad de Guanajuato email: jrico@salamancaugtomx
Más detallesEspacios Vectoriales, Valores y Vectores Propios
, Valores y Vectores Propios José Juan Rincón Pasaye, División de Estudios de Postgrado FIE-UMSNH Curso Propedéutico de Matemáticas para la Maestría en Ciencias opciones: Sistemas de Control y Sistemas
Más detallesCapítulo 2: Inducción y recursión Clase 2: El principio de Inducción Fuerte
Capítulo 2: Inducción y recursión Clase 2: El principio de Inducción Fuerte Matemática Discreta - CC3101 Profesor: Pablo Barceló P. Barceló Matemática Discreta - Cap. 2: Inducción y Recursión 1 / 20 Motivación
Más detallesMatemáticas Empresariales I. Funciones y concepto de ĺımite
Matemáticas Empresariales I Lección 3 Funciones y concepto de ĺımite Manuel León Navarro Colegio Universitario Cardenal Cisneros M. León Matemáticas Empresariales I 1 / 22 Concepto de función Función de
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 detallesFunciones de Clase C 1
Capítulo 7 Funciones de Clase C 1 Vamos a considerar ahora la extensión a varias variables del concepto de función de clase C 1. Cada vez que establezcamos una propiedad de las funciones diferenciables,
Más detallesÁlgebra y Geometría Analítica I - LF 2016 Práctica 1: Algunos elementos de la Geometría Analítica
Álgebra y Geometría Analítica I - LF 2016 Práctica 1: Algunos elementos de la Geometría Analítica 1. a) Marcar en un eje los puntos a(1);b( 2) y c(4). b) Hallar los puntos simétricos respecto al origen
Más detalles1. Curvas Regulares y Simples
1. Regulares y Simples en R n. Vamos a estudiar algunas aplicaciones del calculo diferencial e integral a funciones que están definidas sobre los puntos de una curva del plano o del espacio, como por ejemplo
Más detallesMétodos de factorización para resolver sistemas de ecuaciones lineales. 22 de agosto, 2012
Cálculo numérico Métodos de factorización para resolver sistemas de ecuaciones lineales 22 de agosto, 2012 1 Factorización LU Considera el siguiente ejemplo de factorización LU de una matriz en un sistema
Más detallesDefinición de la matriz inversa
Definición de la matriz inversa Ejercicios Objetivos Aprender la definición de la matriz inversa Requisitos Multiplicación de matrices, matriz identidad, habilidades básicas de resolver sistemas de ecuaciones
Más detallesEJERCICIOS DE ÁLGEBRA LINEAL TEMA 1 ESPACIOS VECTORIALES
EJERCICIOS DE ÁLGEBRA LINEAL TEMA ESPACIOS VECTORIALES Formas reducidas y escalonada de una matriz SISTEMAS DE ECUACIONES LINEALES ) Encuentre una sucesión de matrices elementales E, E,..., E k tal que
Más detallesUna operación interna: Suma Una operación externa: Multiplicación por un escalar
El conjunto R n Es el conjunto de las n-adas formadas por el producto cartesiano RRR.R, donde R es el conjunto de los números reales. Así pues, dos elementos X y Y de R n serán iguales si y solo si tienen
Más detalles!MATRICES INVERTIBLES
Tema 4.- MATRICES INVERTIBLES!MATRICES INVERTIBLES!TÉCNICAS PARA CALCULAR LA INVERSA DE UNA MATRIZ REGULAR 1 Hemos hablado anteriormente de la matriz cuadrada unidad de orden n (I n ).. Es posible encontrar
Más detallesSistemas de Ecuaciones Lineales y Matrices
Capítulo 4 Sistemas de Ecuaciones Lineales y Matrices El problema central del Álgebra Lineal es la resolución de ecuaciones lineales simultáneas Una ecuación lineal con n-incógnitas x 1, x 2,, x n es una
Más detallesMatrices, determinantes, sistemas de ecuaciones lineales.
UNIVERSIDAD DE MURCIA Departamento de Matemáticas Óptica y Optometría Resúmenes Curso 2007-2008 Matrices, determinantes, sistemas de ecuaciones lineales. Una matriz A de orden m n es una colección de m
Más detallesAPUNTES DE ÁLGEBRA LINEAL TEMA 2. SISTEMAS DE ECUACIONES LINEALES
APUNTES DE ÁLGEBRA LINEAL TEMA 2. SISTEMAS DE ECUACIONES LINEALES Ignacio López Torres. Reservados todos los derechos. Prohibida la reproducción total o parcial de esta obra, por cualquier medio electrónico
Más detallesTema II. Capítulo 5. Aplicaciones bilineales y formas cuadráticas.
Tema II Capítulo 5 Aplicaciones bilineales y formas cuadráticas Álgebra Departamento de Métodos Matemáticos y de Representación UDC 5 Aplicaciones bilineales y formas cuadráticas o simplemente f( x, ȳ)
Más detallesEl método de súper y sub soluciones en el espacio de funciones casi periódicas.
El método de súper y sub soluciones en el espacio de funciones casi periódicas. Universidad de Buenos Aires - IMAS (CONICET) UMA - Bahía Blanca - 2016 Super y sub soluciones Problema periódico asociado
Más detallesVerifique los resultados analíticos mediante la resolución gráfica usando un software de Matemática.
Álgebra Geometría Analítica Prof. Gisela Saslavsk Vectores en R en R 3. Rectas planos en el espacio Verifique los resultados analíticos mediante la resolución gráfica usando un software de Matemática..
Más detallesEl determinante de una matriz se escribe como. Para una matriz, el valor se calcula como:
Materia: Matemática de 5to Tema: Definición de Determinantes Marco Teórico Un factor determinante es un número calculado a partir de las entradas de una matriz cuadrada. Tiene muchas propiedades e interpretaciones
Más detallesINSTITUTO DE PROFESORES ARTIGAS
INSTITUTO DE PROFESORES ARTIGAS ESPECIALIDAD MATEMÁTICA GEOMETRÍA UNIDAD 3 FICHA 2: PARALELISMO 1 Posiciones relativas de rectas. 2 Axioma de Euclides. 3 Paralelismo de recta y plano. 4 Paralelismo de
Más detallesDEFINICIONES TIPOS DE MATRICES DETERMINANTES Y PROPIEDADES OPERACIONES MATRICIALES INVERSA DE UNA MATRIZ SISTEMAS DE ECUACIONES
ALGEBRA DE MATRICES DEFINICIONES TIPOS DE MATRICES DETERMINANTES Y PROPIEDADES OPERACIONES MATRICIALES INVERSA DE UNA MATRIZ SISTEMAS DE ECUACIONES DEFINICIONES 2 Las matrices y los determinantes son herramientas
Más detallesTema 1. Espacios Vectoriales Definición de Espacio Vectorial
Tema 1 Espacios Vectoriales. 1.1. Definición de Espacio Vectorial Notas 1.1.1. Denotaremos por N, Z, Q, R, C, a los conjuntos de los números Naturales, Enteros, Racionales, Reales y Complejos, respectivamente.
Más detallesVELOCIDAD Y ACELERACION. RECTA TANGENTE.
VELOCIDAD Y ACELERACION. RECTA TANGENTE. 3. Describir la trayectoria y determinar la velocidad y aceleración del movimiento descrito por las curvas siguientes: (a) r (t) = i 4t 2 j + 3t 2 k. (b) r (t)
Más detallesNúmeros reales Conceptos básicos Algunas propiedades
Números reales Conceptos básicos Algunas propiedades En álgebra es esencial manejar símbolos con objeto de transformar o reducir expresiones algebraicas y resolver ecuaciones algebraicas. Debido a que
Más detallesInstituto Tecnológico Autónomo de México. 1. At =..
Instituto Tecnológico Autónomo de México TRANSPUESTA DE UNA MATRIZ DEFINICION : Transpuesta Sea A = (a ij ) una matriz de mxn Entonces la transpuesta de A, que se escribe A t, es la matriz de nxm obtenida
Más detalles