EL4003 Seales y Sistemas II Profesor: Auxiliar: Material de Apoyo Algebra Lineal 1.

. Introduccin El objetivo de este material de apoyo es complementar sus estudios con materia que deben recordar de semestres anteriores, en este caso, de algebra lineal. Se revisarn conceptos bsicos que deben saber para el curso. 2. Matrices 2.1. Matriz diagonal Sea la matriz A de tamao nxn. Se dir que es una matriz diagonal si y solo si 0, i.e. 0 0 Marcos Orchard Ricardo Rabi

2.2. Matriz simtrica

Esta matriz se denota como: , , Una propiedad que cumple este tipo de matrices es que si 0 se tiene que A es una matriz invertible.

Sea la matriz A de tamao nxn. Esta matriz ser simtrica si y solo si:

Algunas propiedades que se pueden deducir son:

( Propiedad de matriz traspuesta) Si A es simtrica, se tiene que Si A es diagonal, se tiene que: ( Fijarse que con esto se deduce que las matrices diagonales son simtricas)

2.3. Invertibilidad Sea la matriz A de tamao nxn. Se dice que A es invertible si y solo si se cumple que Donde I es la matriz identidad y si se cumple la relacin, B se le llama la inversa de A y se denota como . Algunas propiedades de la invertibilidad son (Suponiendo que A es una matriz invertible): Sea B una matriz de nxn. Se tiene que el producto AB es invertible y

3. Geometra

3.1. Producto punto

Sean x,y vectores en . Se define el producto punto <x,y> como el real

EL4003 Seales y Sistemas II

Profesor: Auxiliar:

Marcos Orchard Ricardo Rabi

Algunas propiedades que hay que recordar son

3.2. Norma

, , , (Simetra) , , , , , , , , , (Biaditividad) , , , , (Bi-homogeneidad) , 0 , 0 0. Sean , . Se dice que son perpendiculares si y solo si , 0 (Ortogonalidad)

La norma de un vector se define como

Algunas propiedades importantes son

4. Espacios Vectoriales 4.1. Definicin

, 0 0 0 , || , , | , | (Desigualdad de Cauchy-Schwarts)

Sea un conjunto V. Se dice que V es un espacio vectorial sobre (o ) si y solo , , , se cumple que 1

4.2. Subespacios Vectoriales

En tal caso, los elementos de V se llaman vectores y los de (o ), escalares.

Sea V un espacio vectorial sobre (o ). Diremos que 0, es un subespacio vectorial de V si y slo si , , , ,

4.3. Combinaciones Lineales

Sea V un espacio vectorial sobre (o ), y una coleccin de vectores , , , y de escalares , , (o ). Se define la combinacin lineal como

EL4003 Seales y Sistemas II Profesor: Auxiliar:

Marcos Orchard Ricardo Rabi

Se puede definir el conjunto de todas las combinaciones lineales de la siguiente forma: , , / ,

4.4. Dependencia e Independencia lineal Sea , diremos que estos vectores son linealmente dependientes si y solo si existen escalares , , no todos nulos, tal que: 0

4.4.1. Dependencia lineal (l.d)

Sea , diremos que estos vectores son linealmente dependientes si y solo si existen escalares , , todos nulos, tal que: 0

4.4.2. Independencia lineal (l.i)

4.5. Generacin de un espacio vectorial 4.5.1. Definicin Sea V un espacio vectorial sobre (o ). Diremos que los vectores , generan V, si y slo si 4.5.2. Base , ,

Dado un espacio vectorial V sobre (o ), diremos que el conjunto de vectores es una base de V si y slo si es un conjunto l.i. , ,

Teorema 1: Si es un conjunto generador, entonces es posible extraer un subconjunto que es base de V. Teorema 2: Supongamos que tenemos base de V y un conjunto arbitrario . Si m>n X es l.d.

EL4003 Seales y Sistemas II Profesor: Auxiliar: 5. Subespacios asociados a una transformacin lineal 5.1. Ncleo Sea una transformacin lineal : . Definimos el ncleo de T como el conjunto 5.2. Imagen / 0 Marcos Orchard Ricardo Rabi

Sea una transformacin lineal : . Definimos la imagen de T como el conjunto 6. Rango de una matriz /

El rango de una matriz es el nmero de lneas de esa matriz (filas o columnas) que son linealmente independientes. 7. Vectores y valores propios 7.1. Vectores propios Diremos que es un vector propio de la matriz A si (ii) 0

(i) (o ) tq 7.2. Valor propio

Observacin Para el clculo de valores propios basta con resolver la ecuacin | | 0

Diremos que es un valor propio de la matriz A si se cumple la proposicin anterior descrita en 7.1

Donde I es la matriz Identidad. OJO Sea la matriz A de tamao nxn y se tiene que

Con los valores propios de la matriz A Si las filas de la matriz son l.d. se tiene que los vectores propios estarn dados por el espacio Esto quiere decir, que una fila no entregar datos, por lo cual se elimina esa, lo que implica que queda una variable libre. Al quedar esta variable libre, se obtiene que el resto de las componentes dependern de esta /

EL4003 Seales y Sistemas II Profesor: Auxiliar: Marcos Orchard Ricardo Rabi

variable libre, lo cual hace que se generen varias combinaciones de posibles valores, esto hace que se forme el conjunto descrito anteriormente. 8. Semidefinida/Definida positiva/negativa Sea una matriz A de tamao nxn. Diremos que A es semidefinida positiva si 0 A es definida positiva si 0 0 A es semidefinida negativa si 0 A es definida negativa si 0 0

9. Forma de Jordan Sea el sistema

Se tiene que de tamao nxn, se puede descomponer en su forma de Jordan, quedando de la forma: Donde J es la matriz de Jordan que es de la forma (Esto es un ejemplo, fijarse que la matriz tiene otras matrices adentro, las cuales se llaman bloques de Jordan) 0 1 0 0 1 0 0 0 0 0 0 0

Una propiedad importante de este tipo de descomposicin es que si uno calcula la exponencial de la matriz A se tiene lo siguiente:

Una observacin importante con respecto a la exponencial de una matriz, es que si la matriz A es diagonal, inmediatamente se deduce que los elementos de la diagonal son exponenciales elevadas al componente de la diagonal, es decir 0 0 0 0 0 0

9. Traza de una matriz

Sea A una matriz de nxn, se define la traza de una matriz como

EL4003 Seales y Sistemas II Profesor: Auxiliar: Algunas propiedades de la traza son: La funcin tr es lineal , matrices de tamao nxn Cualquier consulta o error avisarme por correo al mail Ricardo.rabie@gmail.com Marcos Orchard Ricardo Rabi