Documentos de Académico
Documentos de Profesional
Documentos de Cultura
U.N.E.F.A.N.B.
Núcleo: Miranda
Semestre: 6to
FUNDAMENTOS DE
OPTIMIZACIÓN
Participantes: C.I:
02/12/2023
Fundamentos de la Optimización
Espacio Vectorial
Del latín spatium, el espacio puede ser la extensión que contiene la materia
existente, la capacidad de un lugar o la parte que ocupa un objeto
sensible. Vectorial, por su parte, es lo perteneciente o relativo a los vectores. Este
término, de origen latino, refiere al agente que transporta algo de un lugar a otro o
a aquello que permite representar una magnitud física y que se define por un
módulo y una dirección u orientación.
Despejando
2 dos vectores del plano son linealmente dependientes si, y sólo si, son paralelos.
Entonces
Independencia lineal
si y solo si
La propiedad (2) nos dice que si dos vectores son linealmente dependientes
entonces sus componentes son proporcionales, en este caso, notemos que
Necesitamos que
entonces
Verifiquemos
Y ahora
Esta es una ecuación con la que ya hemos trabajado antes, pero escrita de
diferente manera.
Como podemos ver, toda la ecuación está elevada a 1/2, lo que equivaldría a la
raíz cuadrada. Si en vez de estar elevado a 1/2, estuviera elevado a otro número,
por ejemplo 1/4 o 1/3, la norma cambiaría.
La norma de un vector cumple con las siguientes propiedades:
Vectores ortogonales
De aquí que:
En consecuencia, dos vectores son perpendiculares u ortogonales si forman
un ángulo recto (θ = π/2) y, por ende, su producto escalar es cero.
Definición
Cuando dos vectores A = (Ax, Ay, Az) y B = (Bx, By, Bz) son perpendiculares
entre sí, es decir, forman un ángulo recto (θ = π/2), se dice que
son vectores ortogonales. Esta situación se denota como A ⊥ B. Dos vectores
serán ortogonales cuando su producto escalar (también llamado producto punto y
producto interno) es cero:
Base ortogonal
Dos vectores linealmente independientes forman una base. Si además son
ortogonales (perpendiculares) forman una base ortogonal. Los vectores y son
linealmente independientes (no son proporcionales) por tanto forman una base. Su
producto escalar es 0, por tanto, son perpendiculares. Se trata por tanto de una
base ortogonal.
Subespacios vectoriales
En esta unidad, generalizaremos el concepto de vector a partir de estas
propiedades en común que hemos señalado para vectores geométricos y
matrices.
u+v∈V
u+v=v+u
(u+v)+w=u+(v+w)
Existe un vector nulo 0V∈V tal que v+0V=v
Para cada v en V, existe un opuesto (–v) ∈V (–) ∈ tal que v+(–v) =0V
αv∈V
α(u+v) =αu+αv
(α+β) v=αv+βv
α(βv)=(αβ)v
1v=v
Una matriz generalmente se denota con una letra mayúscula y sus elementos
suelen representarse con letras minúsculas con subíndices para indicar su
posición en la matriz. Por ejemplo, la matriz A con elementos aij se representaría
como:
Autovalores y Autovectores
Los autovalores de una matriz son los valores propios que caracterizan la
matriz, y se denotan por λ. Los autovectores son los vectores asociados a estos
autovalores y se denotan por v.
A*v=λ*v
Q(x) = x^T A x
Conjunto convexo
Ejemplo: