Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Temario
Matemticas I
Programa:
Algebra de matrices
1.1 Matrices
1.2 Matrices especiales
1.3 Operaciones con matrices
1.4 Matrices por bloques
Temario
Matemticas I
Programa:
Temario
Matemticas I
Programa:
Determinantes
3.1 Definicin
3.2 Propiedades
3.3 Determinantes e inversas
3.4 Regla de Cramer
3.5 Determinantes y matrices por bloques
3.6 Interpretacin geomtrica
Temario
Programa:
Matemticas I
Espacios vectoriales
Elementos de lgebra abstracta
Grupos
Anillos
Campos
Temario
Matemticas I
Programa:
Temario
Matemticas I
Programa:
Transformaciones lineales
6.1 Definicin
6.2 Propiedades
6.3 Kernel e imagen de una transformacin lineal
6.4 Representacin matricial de una transformacin lineal
6.5 Isomorfismos
6.6 Operaciones con transformaciones lineales
6.7 Algebra de transformaciones lineales
Temario
Matemticas I
Programa:
Temario
Matemticas I
Programa:
Formas cannicas
8.1 Forma cannica de Jordan
8.2 Forma cannica racional
Pseudoinversa
Funciones de matrices
Temario
Matemticas I
Bibliografa
Meta y objetivo
1. Algebra de Matrices
1.1
1.2
1.3
1.4
Matrices
Matrices especiales
Operaciones con matrices
Matrices por bloques
a12
a13
a14
b11
b12
a21
a22
a23
a24
b21
b22
a31
a32
a33
a34
b31
b32
a41
a42
a43
a44
b41
b42
A12
B11
A11B11+A12B21
A21
A22
B21
A21B11+A22B21
En este momento
2. Sistemas de Ecuaciones
.
.
an1x1+an2x2+...+annxn=bn
x2=2/3-(2/3)x1
x1+x2=3
x2=3-x1
3-x1=2/3-(2/3)x1
3-2/3 =x1-(2/3)x1
2.333=0.333x1
x1=7
x2=-4
2x1+3x2=2
x1+x2=3
x2=2/3-(2/3)x1
x2=3-x1
(7,-4)
Algoritmo de Gauss
2x1+3x2=2
x1
x1+x2=3
x2
Algoritmo de Gauss
2
x1
2
=
x2
1/2
1.5
x1
-1
x2
1.5
x1
0
1
-2
-1.5
-.5
1
x2
1.5
=
x1
x2
x1
x2
-1
-2
-1.5
-4
1/2
Algoritmo de Gauss
1
x1
7
=
x2
-4
-1.5
1/2 0
-2
-1
-1
1
3
-2
Inversa
2
1
3
1
Original
-1 3
1
-2
Notas
Si el sistema tiene soluciones Consistente
Si el sistema no tiene soluciones Inconsistente
Notas
En el mtodo de Gauss slo se utilizaron matrices elementales
-1 3
1
-2
x1
x2
x1
x2
2
=
-1 3
-2
Demo.
BA=I (BA)C=IC (BA)C=B(AC)=BI=B=C
AB tiene inversa
b)
(AB)-1=B-1A-1
Demo
Demostrar que: (AB)(B-1A-1)=(B-1A-1)(AB)=I
(AB)(B-1A-1)=A(BB-1)A-1=AIA-1=I
(B-1A-1)(AB)=B-1(AA-1)B=I
En este momento
3. Determinantes
Determinantes
3.1 Definicin
3.2 Propiedades
3.3 Determinantes e inversas
3.4 Regla de Cramer
3.5 Determinantes y matrices por bloques
3.6 Interpretacin geomtrica
Permutaciones
Composicin
Inversas
-1=
-1=
Transposicin
Ciclos
1
=
2
6
3
2
4
1
5
3
6
5
=(1 4) (2 6 5 3)
Ciclos
Chequen lo siguiente. Todo ciclo se puede escribir como un
producto de transposiciones
Determinante
A=[aij] de n*n, el determinante de A se define como:
Det(A)=
a1(1)a2(2)...an(n)
Determinante
Ejemplo. Sea A una matriz de 3*3, entonces S3 tiene 6 elementos (3!)
Propiedades
R1
Ri+Rj
Rn
En este momento
4. Espacios vectoriales
Espacios vectoriales
Grupos
Anillos
Campos
Algebra abstracta
Grupo: G(S,+)
S Conjunto de elementos
+ Operacin binaria
a+b=c, a,b,c S
Existe e S, a+e=e+a=a
Existe a-1 S a-1+a=e
Es grupo?
Homomorfismos
H(e1+e1)=H(e1)+H(e1)=
H(e1)= e2 *H(e1)
H(e1)*[H(e1)-1]= e2 *H(e1)* H(e1)-1=e2
H(e1)= e2
Propiedad
H(x-1)=[H(x)]-1
H(x)+ H(x-1)=H(x+x-1)=H(e1)=e2
H(x-1)=[H(x)]-1
Imagen
Im(H)={y|H(a)=y, aS1}
Son elementos de S2
Kernel
Ker(H)={x|H(x)=e1}
son elementos de S1
H(x)+[H(y)]-1=e2
H(x+y-1)=e2
si y-1x-1
hay ms de un elemento en el kernel de H
y por lo tanto no es inyectiva H.
La imagen es grupo
El kernel es grupo
a+b=H(a)+H(b)=e2+e2 H(a+b)=e2
a+b tambin est en el kernel de H.
H(e1)=e2 la identidad est en el kernel
Si a est en Ker(H) H(a)=e2
H(a+a-1)=H(a)+H(a-1)=e2+e2 a-1 est en el
kernel
Subgrupos
Coconjuntos
Si H=(R,+) es un subgrupo de G
entonces para todo a elemento de G, el
conjunto aH es llamado el coconjunto
izquierdo de a debido a H.
Coconjuntos
Coconjuntos
Coconjuntos
a-1+b est en H
(a-1+b)-1 est en H
b-1+a est en H
Adems b est en aH
Coconjuntos
Claro
Coconjuntos
Recordatorio
TEOREMA. Sea L una particin del
conjunto X. Defnase xRy si x, yS para
algn S L. Entonces R es reflexiva,
simtrica y transitiva.
Recordatorio
Demo.
y, z T L.
Recordatorio
Demo
Para verificar que L es una particin de X
i) X = L
ii) L es una familia disjunta por pares
Recordatorio
Grupos
[e]+[a]=[a]+[e]=[a] al menos el
elemento e+a est en la suma, pero este
elemento est en [a]
El inverso de [a] es [a-1], al sumar a+a-1 se
genera el elemento e y por tanto [e]
Adems es cerrado
clusters
y1
x1
x2
x3
y2
x4
y3
x5
y4
x6
Imagen de A
Observe que hay tantos clusters como imgenes de A
c2={x4}
c3={x5, x6}
c2={x4}
c3={x5, x6}
X/Ker A
c2=[1 5 9]
c1=[0 4 8]
c4=[3 7]
c3=[2 6]
1 5 9
0 4 8
PA
3 7
Aqu est A
2 6
Y
X/Ker A
c2=[1 5 9]
c1=[0 4 8]
0
c4=[3 7]
c3=[2 6]
Demostracin
Demostracin
Entonces zz
Entonces z=PA(x) y z=PA(x)
Adems A(x)=A(x)=y.
Como tienen la misma y, entonces PA(x)=PA(x), una
contradiccin. Por tanto es inyectiva.
Demostracin
1 5 9
0 4 8
2 6
3 7
1 5 9
0 4 8
2 6
3 7
1 5 9
0 4 8
Aqu est f
3 7
2 6
1 5 9
0 4 8
Aqu est f
3 7
2 6
1 5 9
0 4 8
Aqu est Pf
Aqu est f
3 7
2 6
e1=[0 2 4 6 8]
e2=[1 3 5 7 9]
0
1 5 9
0 4 8
Aqu est Pf
Aqu est f
3 7
2 6
e1=[0 2 4 6 8]
e2=[1 3 5 7 9]
0
Aqu est P
e2=[1 5 9]
e1=[0 4 8]
e4=[3 7]
e3=[2 6]
1 5 9
0 4 8
Aqu est Pf
Aqu est f
3 7
2 6
e1=[0 2 4 6 8]
e2=[1 3 5 7 9]
0
Aqu est P
e2=[1 5 9]
e1=[0 4 8]
e4=[3 7]
e3=[2 6]
Aqu est g
Demostracin
1.
2.
3.
b.
Demostracin
1 5 9
0 4 8
Aqu est f
Y
3 7
2 6
1
0
Aqu est Pf
Hay una funcin isomrfica
X/Ker f
e2
e1
Aqu est g
1 5 9
0 4 8
3 7
2 6
Aqu est Pg
e3
e2 e4
X/Ker g
1 5 9
0 4 8
3 7
2 6
El Ker f Ker g
Aqu est g
Z
1 5 9
0 4 8
3 7
Aqu est f
Y
2 6
0
2
Aqu est h
e2
e1
e3
e2 e4
X/Ker g
X/Ker f
e1
Demostracin
Demostracin
1 5 9
0 4 8
3 7
2 6
X
X
1 5 9
0 4 8
1 5 9
3 7
2 6
La particin
0 4 8
3 7
2 6
La particin
1 5 9
0 4 8
3 7
2 6
Aqu est P
Aqu est P
X/
X/
e2
e1
e2
e4
e3
e1
1 5 9
0 4 8
3 7
2 6
Aqu est P
Aqu est P
X/
X/
e2
e1
e2
e1
e4
e3
Aqu est f
P
X/Ker
P
X/Ker
P
X/Ker
P
X/Ker
Anillos
Anillos
Anillos
Anillos
Anillos
a0=0a=0
a(-b)=-(ab)=(-a)b
a0=a(0+0)=a0+a0
a0+(-(a0))=a00=a0
0=a0=a(b+(-b))=ab+a(-b)
-ab=a(-b)
a(b-c)=ab-ac
a(b-c)=a(b+(-c))=ab+a(-c)=ab-ac
Espacios vectoriales
Espacios vectoriales
Subespacios vectoriales
Combinaciones lineales
Dependencia e independencia lineal
Base y dimensin
Espacios vectoriales
x+y=y+x y pertenece a V
x+(y+z)=(x+y)+z
Existe el vector 0, tal que 0+x=x+0=x
Para cada vector x existe el x, tal que x-x=0
Espacios vectoriales
(x+y)= x+y
x= x
(1+ 2)x= 1(x)+ 2(y)
1x=x 1 la unidad multiplicativa del campo
Espacios vectoriales
ejemplos
Espacios vectoriales
Teorema
0v=v0=0
0v=0v+0v-0v=(0+0)v-0v=0v-0v=0
(-1)v=-v
v+(-1)v=1v+(-1)v=(1-1)v=0v=0
Agregando v a ambos lados se tiene el
resultado
Subespacio
Subespacio
ejemplos
Creacin de espacios
Teorema.
(S,F) es un subespacio
Creacin de espacios
Preguntas importantes
Dependencia e independencia
lineal
Dependencia e independencia
lineal
Dependencia e independencia
lineal
Dependencia e independencia
lineal
=0
Dependencia e independencia
lineal
Dependencia e independencia
lineal
Ejemplos en clase
Bases, Dimensin y
coordenadas
S es linealmente independiente
S genera (V,F)
Bases, Dimensin y
coordenadas
Bases, Dimensin y
coordenadas
Bases, Dimensin y
coordenadas
Bases, Dimensin y
coordenadas
Coordenadas
v=1v1+2v2+...+nvn, a donde
...
n
Bases, Dimensin y
coordenadas
Bases, Dimensin y
coordenadas
Bases, Dimensin y
coordenadas
Bases, Dimensin y
coordenadas
Bases, Dimensin y
coordenadas
Bases, Dimensin y
coordenadas
Bases, Dimensin y
coordenadas
Bases, Dimensin y
coordenadas
Bases, Dimensin y
coordenadas
Bases, Dimensin y
coordenadas
Bases, Dimensin y
coordenadas
4
4
=4
1
0
+4
0
1
Bases, Dimensin y
coordenadas
4
0
1
1
=4
0
1
1
1
+0
0
1
Bases, Dimensin y
coordenadas
1
0
0
1
4
4
1 0
1 1
4
0
Bases, Dimensin y
coordenadas
1 0
1 1
-1
1
0
0
1
4
4
4
0
Bases, Dimensin y
coordenadas
El concepto fcilmente se puede
generalizar a cualquier par de bases
Lo que es ms chido...
(P[x]2,R) una posible base es B={1, x, x2}
v1=1 en la base
1
0
0
Bases, Dimensin y
coordenadas
v2=x en la base
0
1
0
v3=x2
0
0
1
Bases, Dimensin y
coordenadas
v4=1-x
v5=3+x
v6=-2+2x+x2
v7=2+3x+7x2
Son L.I.?
Espacios vectoriales
Kernel.
KerI={y|yTA=0}
KerD={x|Ax=0}
Imagen
-1
1
2
1
3
2
1
0
-1
0
2
3
3
5
1
1
2
3
4
1
1
2
0
0
3
4
2
-1
-2
-1
-1
3
2
2
3
-2
1
0
-1
1
2
2/3
0
0
0
4
3
-1
5
-1
0
0
0
0
2
-2
-11/3 -23/3
3
5/3
1
0
-1
1
2
2/3
3
-5/3
0
0
0
0
1
-1
-11/3 -23/3
1
0
-1
1
2
2/3
3
5/3
0
0
0
0
1
0
-1
1
1.5
Matriz
Forma de Gauss
-1
-1
-1
Matriz
Forma de Gauss
-1
Matriz
Forma de Gauss
Matrices
1.
2.
3.
Matrices
4.
Matrices
5.
6.
7.
Matrices
Poner ejemplos
Dar las condiciones para que el sistema
tenga solucin.
Ax=b
Matrices
Corolario
Por qu se le llama
equivalencia kernel
Por qu se le llama
equivalencia kernel
El kernel de A es un subespacio
La imagen de A es un subespacio
Ya qu no saben qu, A/ker A es un
espacio y se le llama espacio cociente.
-1
-1
clusters
y1
x1
x2
x3
y2
x4
y3
x5
y4
x6
Imagen de A
Observe que hay tantos clusters como imgenes de A
c2={x4}
c3={x5, x6}
c2={x4}
c3={x5, x6}
X/Ker A
c2=[1 5 9]
c1=[0 4 8]
c4=[3 7]
c3=[2 6]
1 5 9
0 4 8
PA
3 7
Aqu est A
2 6
Y
X/Ker A
c2=[1 5 9]
c1=[0 4 8]
0
c4=[3 7]
c3=[2 6]
Demostracin
Demostracin
Entonces zz
Entonces z=PA(x) y z=PA(x)
Adems A(x)=A(x)=y.
Como tienen la misma y, entonces PA(x)=PA(x), una
contradiccin. Por tanto es inyectiva.
Demostracin
En este caso todos los x, tales que Ax=0 formarn una clase de
equivalencia. Las dems clases de equivalencia las obtendremos al
estudiar las otras imgenes de A.
Sin embargo, este proceso puede resultar muy lento, sobre todo porque Y
tiene un nmero infinito de elementos. Una forma ms adecuada es
estudiarlos a travs de la clase de equivalencia del 0 [0].
Ejemplos
El vector [2 1]T no est en la clase [0], pero si est en la clase [[2 1]T].
Los vectores que pertenecen a esta clase, de acuerdo a la ecuacin (1)
son:
Clase [0]
Clase [2 1]T
5.1
5.2
5.3
5.4
5.5
Producto interno
Desigualdad de Cauchy-Schwarz
Ortogonalidad
Procedimiento de Gram-Schmidt
Espacios normados
Norma
Norma
||||1=|x1|+|x2|+...+|xp|
||||2=(|x1|2+|x2|2+...+|xp|2)1/2
||||=max{|x1|, |x2|, ...,|xp|}
Norma
||||1=|x1|+|x2|+...+|xp|
||||2=(|x1|2+|x2|2+...+|xp|2)1/2
||||=max{|x1|, |x2|, ...,|xp|}
Norma
Producto interno
(u,v)=(v,u)
(u+v,w)= (u,w)+ (v,w)
(w,u+v)= (w,u)+ (w,v)
(u,u)>0, y es igual a cero si u es cero.
Producto interno
Producto interno
(u,v)=uTv
si f y g son funciones real valuadas continuas en 0t1,
entonces (f,g)= f (t ) g (t )dt
0
Proyecciones ortogonales
entonces
Proyecciones ortogonales
Demostracin
(vi,v-P0v)=(vi,v)-1(vi,v1)-...-q(vi,vq)=(vi,v)- i(vi,vi)=0
Los otros puntos salen de la definicin de los
coeficientes .
v
v-P0v
vi
P0v= vi
Proyecciones ortogonales
Proyecciones ortogonales
Demostracin.
Proyecciones ortogonales
Proyecciones ortogonales
Proyecciones ortogonales
v=1v1+...+qvq, donde
i=(vi,v)/(vi,vi)
Note que si la base es ortonormal, entonces los i se
calculan fcilmente
Proyecciones ortogonales
Tomar u1=v1,
desde 2 hasta q, ui=vi-Pi-1vi
Transformaciones lineales
Transformaciones lineales
6.1 Definicin
6.2 Propiedades
6.3 Kernel e imagen de una transformacin lineal
6.4 Representacin matricial de una transformacin lineal
6.5 Isomorfismos
6.6 Operaciones con transformaciones lineales
6.7 Algebra de transformaciones lineales
Transformaciones lineales
Transformaciones lineales
El espacio imagen
Todos los vectores w en (W,G) tal que w=T(v)
Solucin. Si w es fijo, entonces existe v en (V,F) tal que
T(v)=w ssi w est en la imagen de T.
Se aplica Sobre
Transformaciones lineales
Se aplica Inyectividad
Transformaciones lineales
Transformaciones lineales
Transformaciones lineales
De igual forma
T(u)=T[(1v1+...+ nvn)] Por la definicin de T,
1w1+...+ nwn= T(u)
Por teorema anterior se tiene la unicidad
Tarea: Sean (V,F) y (W,G) dos espacios vectoriales y
T:(V,F)(W,G) una transformacin lineal. Demsotrar que
el kernel de T es un subespacio de (V,F) y que la imagen
de T es un subespacio de (W,G).
Transformaciones lineales
Transformaciones lineales
Transformaciones lineales
Transformaciones lineales
Transformaciones lineales
i) Im T Im A, pero isomorfo
ii)(T)=(A)
iii)Ker TKer A, pero isomorfo
iv)(T)=(A)
Transformaciones lineales
[T(x)]B2=A(xB1)
Transformaciones lineales
Transformaciones lineales
A=P-1AQ
Transformaciones lineales
Demo.
Sabemos que [T(x)]B2=AxB1
Ahora,
xB1=QxB1 y [T(x)]B2=P[T(x)]B2
Por tanto
P[T(x)]B2=A QxB1
[T(x)]B2=P-1A QxB1
A=P-1AQ es la matriz de transformacin
Transformaciones lineales
Transformaciones lineales
Transformaciones T
Demo. Tarea.
Transformaciones lineales
Transformaciones lineales
Demo.
Transformaciones lineales
Prop. Si T:(V,F)(W,G) es un isomorfismo, entonces para todo
vector wW existe un nico vector v V tal que
T-1(w)=v, donde T-1:(W,G)(V,F) es conocida como la
transformacin inversa de T.
Demo. 2 partes T-1 es T.L. y T-1(w)=v nico
T(v1)=w1; T-1(w1)=v1; T(v2)=w2 T-1(w2)=v2
T(v1+v2)=T(v1)+T(v2)=w1+w2 T-1(w1+w2)=v1+v2
T(v1)= T(v1)= w1 T-1(w1)= v1
Como T es isomorfiso, la definicin de T-1 hace que exista un
nico valor de regreso.
Nota. T es T.L. A es su operador
Transformaciones lineales
Transformaciones lineales
Algebra de Transformaciones
lineales
Algebra de Transformaciones
lineales
Adicional de Transformaciones
lineales
R(B)
d
n
n(B)
n(A)
R(A)
R(AB)
Adicional de Transformaciones
lineales
R(B)
d
n
n(B)
n(A)
R(A)
R(AB)
Definicin y propiedades
Teorema de Cayley-Hamilton
Diagonalizacin de matrices
-2
-1
-1
-4
-1
de teoremas previos
(I-A)adj(I-A)=det(I-A)I=[adj(I-A)](I-A)
Lo cual puede verse como
P()=(I-A)Q()=Q()(I-A)
donde Q()=adj(I-A) es una matriz polinomial en
y
P()=det(I-A)I=a0I+a1I+...+nI
como P() es divisible por la derecha y por la
izquierda por (I-A) sin residuos, entonces
P(A)=a0I+a1AI+...+AnI
Diagonalizacin de matrices
Diagonalizacin de matrices
Diagonalizacin de matrices
Demostracin.
(si) Suponga que A tiene n vectores propios L.I. x1
x2 ... xn correspondientes a los valores propios 1,
2, ..., n (algunos pueden ser repetidos).
Sea P la matriz [x1 x2 ... xn], entonces
AP= [Ax1 Ax2 ... Axn]= [1x1 2x2 ... nxn]
= [x1 x2 ... xn]diag{1, 2, ..., n}
=Pdiag{1, 2, ..., n}
Como P es no singular tiene inversa
P-1AP=diag{1, 2, ..., n}
Diagonalizacin de matrices
Demostracin.
(slo si) Suponga que existe una matriz no
singular P tal que
P-1AP=diag{1, 2, ..., n}
AP=Pdiag{1, 2, ..., n}
Para cada xi de P se tiene que:
Axi= ix
xi es vector propio de A i es valor propio de A
P es no singular A tiene n vectores propios L.I.
Diagonalizacin de matrices
Diagonalizacin de matrices
Diagonalizacin de matrices
Diagonalizacin de matrices
Demo
Bk=(P-1AP)k= =(P-1AP)(P-1AP)...(P-1AP)=
P-1AkP
ii)Si f(B)=a0I+a1(P-1AP)+...+an(P-1AnP)=
=P-1(a0+a1A+...+anAn)P=P-1f(A)P
Diagonalizacin de matrices
1
Diagonalizacin de matrices
Diagonalizacin de matrices
(A- I)kv=0
(A- I)k-1v0
Diagonalizacin de matrices
Diagonalizacin de matrices
...
vk-2=(A-I)2v=(A-I)vk-1
...
Entonces para 1ik vi es un vector propio
generalizado de rango i, por ejemplo
(A-I)k-2vk-2=(A-I)k-2(A-I)2v=(A-I)kv=0
(A- I)k-1vk-2=(A-I)k-1v0
Diagonalizacin de matrices
Diagonalizacin de matrices
1v1+2v2+...+kvk=0
Diagonalizacin de matrices
entonces
(A-I)k-1vi=(A-I)2k-(i+1)v=0
para i=1,2,...,k-1
k(A-I)k-1vk=0
y sabiendo de la def. de vector propio generalizado
que (A-I)k-1vk0, k=0
Aplicando ahora (A-I)k-2 se demuestra que k-1=0
Siguiendo esto se tiene que i=0, lo que contradice
la suposicin. son L.I.
Diagonalizacin de matrices
Diagonalizacin de matrices
Diagonalizacin de matrices
se reduce a
l(2-1)iu1=0
lo cual implica que l=0.
Un procedimiento similar llega a la conclusin
de que todos los i=0, lo que contradice la
suposicin y los vectores son L.I.
Diagonalizacin de matrices
Diagonalizacin de matrices
Matrices unitarias
Matrices unitarias
Matrices unitarias
Teorema.
Si B=P-1AP donde P es unitaria (se dice
transformacin de similaridad unitaria)
todo lo que se vi de propiedades de
similaridad sigue valiendo.
Matrices unitarias
Teorema.
Si A es una matriz de pxp.
a) A es similar unitaria a una matriz triangular
superior T; T=P-1AP con P unitaria y con los
propiovalores de A en su diagonal principal. T es
llamada la forma de Shur de A y la descomposicin
A=PTP-1= PTPT es la descomposicin Shur de A.
Demo.
Si p=1 ya terminamos.
Suponer que para p=k es cierto
Para p=k+1 tenemos.
Matrices unitarias
x1TAW
WTAW
bT
Matrices unitarias
Matrices unitarias
As son
3
0
0
2
0
0
Matrices unitarias
Matrices unitarias
A=
1
2
2
1
2
2
ATA
A=
1
2
2
1
2
2
AAT=
u3 =[(2)51/2/15 (4)51/2/15
(-1)51/2/3 ]T
A=
1
2
2
1
2
2
AAT=
3(2)1/2
Mnimos cuadrados
Mnimos cuadrados