Beruflich Dokumente
Kultur Dokumente
Virginia Mazzone
Contenidos
Vectores y Matrices
Bases y Ortonormailizaciòn
Norma de Vectores
Ortonormalización
Ecuaciones Lineales Algenraicas
Ejercicios
Virginia Mazzone: Tema 3: Repaso de Álgebra Lineal Parte I
Vectores y Matrices Bases y Ortonormailizaciòn Ecuaciones Lineales Algenraicas Ejercicios
Vectores y Matrices
b1
b2
AB = a1 a2 · · · am . = a1 b1 + a2 b2 + · · · am bm
..
bm
CA = C a1 a2 · · · am = Ca1 Ca2 · · · Cam
b1 b1 D
b2 b2 D
BD = . D = .
.. ..
bm bm D
b1
b2
AB = a1 a2 · · · am . = a1 b1 + a2 b2 + · · · am bm
..
bm
CA = C a1 a2 · · · am = Ca1 Ca2 · · · Cam
b1 b1 D
b2 b2 D
BD = . D = .
.. ..
bm bm D
tr A =
P n
i=1 aii .
tr A =
P n
i=1 aii .
Pn
det A = j=1 aij cij .
Pn
det A = j=1 aij cij .
(AB)−1 = B −1 A−1 .
Bases y Ortonormalización
x1 = − α11 (α2 x2 + · · · + αm xm ).
x1 = − α11 (α2 x2 + · · · + αm xm ).
x1 = − α11 (α2 x2 + · · · + αm xm ).
x = α1 q1 + α2 q2 + · · · + αn qn
α1
α2
= q1 q2 . . . qn . = Qx̃ ,
..
αn
Ejemplo
Consideremos los vectores q1 = [3 1]T y q2 = [2 2]T . Como
son LI, forman una base en R2 . La representación del vector
x = [1 3]T en las coordenadas {q1 , q2 } es [−1 2]T , que se
obtiene de
−1 1
x̃ = q1 q2
3
−1
3 2 1
=
1 2 3
−1
= ,
2
Norma de Vectores
Norma de vectores.
El concepto de norma de un vector es una generalización de la
idea de magnitud. La norma de un vector x, denotada kxk, es
una función del espacio vectorial en R0+ (los reales positivos
más el 0) que cumple con las siguientes tres propiedades:
1. kxk ≥ 0 para todo x y kxk = 0 sii x = 0.
2. kαxk = |α|kxk, para todo escalar α.
3. kx1 + x2 k ≤ kx1 k + kx2 k para todo x1 , x2 (desigualdad
triangular).
Dado un vector x = [x1 x2 . . . xn ]T , tres típicas normas en Rn
son
kxk1 , ni=1 |xi |
P
norma-1
√ qP
n
kxk2 , xT x = 2
i=1 |xi | norma-2 o euclídea
kxk∞ , máx |xi | norma-∞
Virginia Mazzone: Tema 3: Repasoide Álgebra Lineal Parte I
Vectores y Matrices Bases y Ortonormailizaciòn Ecuaciones Lineales Algenraicas Ejercicios
Norma de Vectores
Norma de vectores.
El concepto de norma de un vector es una generalización de la
idea de magnitud. La norma de un vector x, denotada kxk, es
una función del espacio vectorial en R0+ (los reales positivos
más el 0) que cumple con las siguientes tres propiedades:
1. kxk ≥ 0 para todo x y kxk = 0 sii x = 0.
2. kαxk = |α|kxk, para todo escalar α.
3. kx1 + x2 k ≤ kx1 k + kx2 k para todo x1 , x2 (desigualdad
triangular).
Dado un vector x = [x1 x2 . . . xn ]T , tres típicas normas en Rn
son
kxk1 , ni=1 |xi |
P
norma-1
√ qP
n
kxk2 , xT x = 2
i=1 |xi | norma-2 o euclídea
kxk∞ , máx |xi | norma-∞
Virginia Mazzone: Tema 3: Repasoide Álgebra Lineal Parte I
Vectores y Matrices Bases y Ortonormailizaciòn Ecuaciones Lineales Algenraicas Ejercicios
Norma de Vectores
Ortonormalización
Ortonormalización √
Un vector x de Rn está normalizado si kxk = xT x = 1. Dos
vectores x1 y x2 son ortogonales si x1 T x2 = x2 T x1 = 0. Un
conjunto de vectores xi , i = 1, 2, . . . , m, es ortonormal si
(
0 si i 6= j ,
xi T xj =
1 si i = j .
Ortonormalización
Ortonormalización √
Un vector x de Rn está normalizado si kxk = xT x = 1. Dos
vectores x1 y x2 son ortogonales si x1 T x2 = x2 T x1 = 0. Un
conjunto de vectores xi , i = 1, 2, . . . , m, es ortonormal si
(
0 si i 6= j ,
xi T xj =
1 si i = j .
Ortonormalización
Ax = y (1)
Ejemplo
0 1 1 2
Sea la matriz A = 1 2 3 4 , [a1 a2 a3 a4 ] .
2 0 2 0
El rango de A es 2, ya que a1 y a2 son LI pero a3 y a4 son
combinación lineal de a1 y a2 . Podemos tomar el conjunto
{a1 , a2 } como una base de la imagen de A.
Ejemplo
0 1 1 2
Sea la matriz A = 1 2 3 4 , [a1 a2 a3 a4 ] .
2 0 2 0
El rango de A es 2, ya que a1 y a2 son LI pero a3 y a4 son
combinación lineal de a1 y a2 . Podemos tomar el conjunto
{a1 , a2 } como una base de la imagen de A.
donde [A y] ∈ Rm×(n+1) .
2. Existe una solución x de Ax = y para todo y ∈ Rm sii
rango(A) = m (A es de rango fila completo).
Virginia Mazzone: Tema 3: Repaso de Álgebra Lineal Parte I
Vectores y Matrices Bases y Ortonormailizaciòn Ecuaciones Lineales Algenraicas Ejercicios
donde [A y] ∈ Rm×(n+1) .
2. Existe una solución x de Ax = y para todo y ∈ Rm sii
rango(A) = m (A es de rango fila completo).
Virginia Mazzone: Tema 3: Repaso de Álgebra Lineal Parte I
Vectores y Matrices Bases y Ortonormailizaciòn Ecuaciones Lineales Algenraicas Ejercicios
donde [A y] ∈ Rm×(n+1) .
2. Existe una solución x de Ax = y para todo y ∈ Rm sii
rango(A) = m (A es de rango fila completo).
Virginia Mazzone: Tema 3: Repaso de Álgebra Lineal Parte I
Vectores y Matrices Bases y Ortonormailizaciòn Ecuaciones Lineales Algenraicas Ejercicios
x = xp + α1 n1 + α2 n2 + · · · + αk nk
es también solución de Ax = y.
Ejemplo
Consideremos la ecuación Ax = y
x
0 1 1 2 1
−4
1 2 3 4 x2 = −8 . (2)
x3
2 0 2 0 0
x4
0 0 −1
Ejercicios
1. Dada la ecuación
2 −1 1
−3 3 x = 0 ,
−1 2 1
Conclusiones
Hemos repasado
I Las definiciones básicas relativas a vectores y matrices,
traza, determinante, e inversa.
I Bases y conjuntos ortonormales, independencia lineal, el
concepto de norma, y el método de ortonormalización de
Schmidt.
I Los resultados principales para la solución de ecuaciones
lineales algebraicas, y los conceptos de imagen, rango y
kernel de una matriz. En particular, la ecuación Ax = y
I tiene solución sii y está en la imagen de A.
I tiene solución única si ker(A) = {0} (dim ker(A) = 0).
I tiene infinitas soluciones si dim ker(A) > 0.