Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Tema I : transformaciones lineales → Pensar en la matriz A como un objeto que actúa sobre un vector X multiplicándolo para producir un nuevo vector Ax . Así , AX = b equivale a encontrar todos los vectores × en IR ' que se transforman en el vector b en IR ' como resultado de la multiplicación por A . las transformaciones van de IR " a IRM . Para × en IR " , el vector TCXI - - DOMINIO 00DOMINIO ( A- tienen columnas y m filas ) es la imagen de× ( bajo la acción de T) . El conjunto de todas lasinagenesTcx) es el rango deT. Tb se dice que es el conjunto de todas las combinaciones lineales de las columnas de A , porque cada imagen CTCNI es de la forma AX Y 11 → Para saber si hay una o más x cuya imagen bajo la transformación seamb , hay que resolver ese sistema con esa b y ver si da co , Única o ninguna sol . → una transformación es lineal si : i. T (Mtv) = TLM) t Tlv) , Para todas las µ , v en el dominio de T. ii. TC km) = KTCM) , para todos los escalares K y para todas las µ en el dominio de T. iii. TLOI = O iv. T (Cut dr ) = ctlu) t dTV) Sofía Gallegos Durán Tema I : Operaciones de matrices Recordar que aij es un coeficiente de una matriz , tb se le dice perros , donde i es tiras y J Columnas . Matriz triangular superior si es cuadrada , de nxn y aiz = 0 . Elementos debajo de la diagonal principal son ceros . ( § § § ) . Matriz diagonal : todos los elementos que no están en la diagonal son cero . SVMAMATRIUES : A y B tienen que ser del mismo tamaño . ATB = la IJ t bit) por eiempio , las - f) + [ G) =/? ? ) - - - A 2×2 B 2×2 C zxz OJO ! ATB = Bt A At Om = A * OM = matriz de puros ceros . At (Bt C) = LA t B) t C A t l- A) = OM PONDERAUÓN POR UN ESCALAR : KA = [kaiz] , k multiplica a todos los elementos de la matriz . Por ejemplo , 312 - ¡ f- [ 7) - - A 2×2 C 2×2 OJO ! klql A = ( Rq) A → hay 2 escalares ponderando Kl At B) = KA t KB (Ktq ) A = KA + QA MULTIPUCAUÓN MATRÍUFS : Para poder multiplicar matrices es necesario que el número de columnas de la primera matriz sea igual al número de tiras de la segunda - AB = C . El elemento que se encuentra en la matriz C en la posición IJ , resulta de multiplicar los elementos de la tira i de A con la columna J de B : A B = C , CM A 2×3 ° B 3×2 = ( 2×2 Cada columna de C es una combinación lineal de las III. iii.%.) ( to! lo:) -- K: aaumnasaeausanaoioesosaeiaoaumnaoorrsraers . A B C Cnn = multiplicar la 1° fila de A por la 10 columna de B . (Arn . bnr ) t lanza bzr ) t l 913 . bss ) " la multiplicación de AB representa la composición de Trota " : Trota) lxl = Tr ( Tzlxl ) = Tr ( Bx ) = AlBx) = con Tz= BX y Tr = Az ABLX) , Tz → z = Tzlx) = BX Vector X B Tzlx) Trlzl z y A y = Trlz) = Az = ALBX) Matriz por vector OJO ! ALBC) = LAB) C → NO siempre se cumple . El orden importa muchísimo ! ! A- (BtC) = AB t AC LA t B) C = ACTBC ¡ A B # BA ! MATRIZ TRASPUESTA : At , cambio todas las filas por columnas . la fila 1 es la columna 1 . * Iii: ::) i.li: :) Ojo ! (At It = A LA t B) t = Att Bt @A)te k ( At ) A-B)t = Bt At → cuidado con el orden! At = A → simétrica At = - A → antisimétrico . Cualquier función se puede expresar como la suma de una función par con ma impar . xt = x , yt = - y , xty = A Tema VI : la inversa de una matriz . La multiplicación de una matriz A por su identidad debe dar como resultado va matriz identidad (que es el elemento neutro de las matrices , actúa parecido al 1 en R) . A. A -1 = A- ' o A = I . El resultado meva a dar " n " pivotes correspondiente al n de Im . . ' . hay Única solución . hay - nxn nxn nx ma Única Á. cuando A tiene inversa se le dice no singular . En caso contrario , singular as matrices no singulares siempre tienen que ser cuadradas . Oso ! LA " ) " = A H Si AB es invertible existe mx tal que , AB x = I tiemplo . A = f} .} ) y A -1 - - ftp.3z] Porque , haciendo multiplicación de A- A -1 nos resulta I . Un tip! fijarse en la diagonal principal , que den puros 1 : 2.¥ t s . Iz = ¥ t Ez - 1 / 3. qq t -1 . -¥ = qq.at#z-- 1 esos 1 corresponden a las posiciones Inn y Izz Inversa para matrices de 2×2 Puede sacarse con el determinante de A , que corresponde a % %) det A = ad - bc , A = (q ba) . Con eso podemos decir que la inversa corresponde a : : filial si el determinante resulta cero . A no tiene inversa . Si A tiene 2 pivotes , la matriz tiene inversa , esto porque el sistema tendría única sol . A de nxn es equivalente con In sólo si A es invertible . si A es invertible , entonces para cada b la ecuación Ax = b tiene solución única que corresponde a:X = A- 1. b para el caso de ABX = I , x = LAB) " . nx 1 nxn nx1 por eiem.pro . f} - f) x = %) x. a- no → Eskil . III. Él: D. EE:D . : Xp = 149153 Xz = - 27153 , El gtz sale de (6×3)-17 . -5) = 53 propiedades de la inversa : ATENCIÓN ! : si A- e s (At ) - 1 = LA - 1) t AB = I → A = B " B = A- " invertible, significa que LKAT ' = K " A -1 con K un número real . (E) tiene columnas LI , y LAB ) " = B " A -1 → OJO con el orden ! es equivalente por filas (An ) " = LA - 1) " a la matriz identidad . MATRICES ELEMENTALES : se obtiene al hacer solo una operación elemental fila sobre la matriz identidad. (Ei ) Ei es cuadrada e invertible Recordar operaciones fila : 1. cambio de filas n . / ! ¡ f) 2. µ } ! ) s . % ! }) 2. Ponderación por escalar ↳ si cambio Fn con ↳ si divido Fz les si Resto Fz con 3. Suma de 2 filas Fz llego a In Por -1g llego a In 2 Fr llego a In Propiedades : a. la inversa de Ei por cambio de filas . es Ei que proviene de un cambio de filas b. la inversa de Ei por ponderación , es EÜ que proviene de f- ti C. la inversa de Ei por suma de dos filas , es Ei que proviene de Fi - KFZ . a. ⇐ f! ! } ) E-" / ! ! } ) 121 Rz R1 E- Rz b- e- =/! ¡ ¡ f E - 1- - E! % . } ) Recordando que EE -1 = In R2 → 10 Rz R2 → pto Rz c. E. f! ¡ f) E- ' =L! ! - E) R1 → Re t VR , Rr → Rr - 2kg Teorema y propiedades IMPORTANTÍSIMAS para las matrices invertibles : es Para una matriz A cuadrada lnxn) . ¡ Sima es VIF , todas son VIF ! - Transformaciones lineales invertibles . IR " IRH A X Ax AYVAXI = x [arcsenlsenlx) ) = X → ejemplo) - A -1 UnaT.LA invertible si existe una función , tal que :( A- 1 . A) lxl = A" ( Acxi) = × i sólo si A es invertible ( A correspondiente a la matriz estándar para la transformación) . T - llx) = A -1 x → Para probar que una T es invertible seguir los siguientes pasos : 1° . Ver si alguna de las transformaciones corresponde a un vector canónico . si es así , identificarlo con su posición le④) y asignarlo como columna en esa posición de la matriz estándar . sí . Combino linealmente el canónico con otro para que me de otra posición en la M . E. : Ejemplo, III. Es) tlf Es) → TIÍI -ttttl :o) - III. El Hotel 3? sigo combinando linealmente hasta completar la M . Ei el tamaño lo dan en el enunciado , por ejemplo , T : R ' → IRS , el porte de la M -E es de 3×3 . 4. . comprobar con alguna de las prop . que la M . E es invertible ( usual% se usa revisar la q de pivotes) 5. Calcular inversa de M - E . ¿CÓMO CALCULAR LA INVERSA DE UNA MATRIZ ESTÁNDAR ? 1. A m lado ( lado izquierdo) poner la matriz estándar , O cualquier matriz A- invertible . Al lado derecho colocar los vectores canónicos que correspondan al tamaño de la M . E . Por elempio , si la Matriz es de 3×3 , poner los vectores es , er y eso . por eiemro . [ ! ! ! ! ! ! ) . 2. Pivotear a ambos lados hasta llegar a la matriz identidad en el vado izquierdo . [ ¡ iii. ÷:) amimersaamme .3. lo que queda en el lado derecho es lo que corresponde A- " = ftp.?Itz ) TemaVII : determinantes Para 3×3 también se puede calcular el determinante , para eso se asume la existencia de A- 1 y se dice que A tiene que ser igual a la matriz identidad de 3×3 l Iso) , o al piratear la matriz A deben haber 3 pivotes . si hay alguna columna que no tenga Pivotes , o que sea solo de ceros , las columnas serán LD y en ese caso no existiría una inversa para A- 1 . Determinantes de Laplace: 3 Para Azxz , det A = En C- 1) " Jang - detAnj → dejando la fila 1 fija J Ó Éi C- 1) " ' aiz . det Aiz → dejando la columna 2 tipa . - Ahora , det Arg se Obtiene eliminando la fila 1 y la columna j . por eiemplo, A ° ftp.adf?/.aaa?sz)dlTA-r--(arrar3) → sale de eliminar la 1° fila y la 1° columna , lo que queda es- 932 933 911 913 det Azz = (armario) tiemplo : A- = [ § - ¡%) , det A ? Tomando §yHIT" any det Ar] , usamos la fila 1 para calcular el det. Va a actuar como representante para toda va matriz : detA = ( detAn . c- 1) " . ann - det Ara . C- 1) " . ara t det Anza l- 111 . anz ) - es un número IR , actúa como " pero " , coeficiente . det A = ( detAn . - 2 - detAra . -3 t det Ars . 5) det Ann = ¢ - G) . - 2 = d. 0 ) - L- 1.11 . -2 det Ara = [62 - G) . 3 = ( 6.0 ) - l - 4. 2) . 3 det Arz = µ µ . 5 = (6-1)-(1-2) . 5 det A = - 2. 4 + 3. 8 - 4. 5 = 36 ITJ Esto se puede extender a matrices de nxrr : ÉI H) ais det Ai] , con la fila i fija (escogiendo entre 1 am) ó Éi t 1)"És det Ais , con la columna J fija entre 1am. DESARROLLO POR COFACTORES : Manera de facilitar la fórmula de arriba , porque CIJ = C- 1) it ' det A ir J ⇒ cofactor ( i , J) . Entonces , det A = £ aij . Ci] → aquí se fija la fila i y voy cambiando la columna . J= 1 Ó É ai] CIJ → se tira la columna J y se cambia la fila . Este teorema es útil para usar con matrices que contienen muchos ceros . Ojo ! El signo del cofactor Cis depende de la posición de ai] en la matriz A , sin importar el signo de ai J , Debo escoger una fila + - t - . . . o columna ( la que tenga) { ÷ ÷ :} tq ! - .. ;) ⇒ siempre sigue ese orden . más ceros , y con lospesos de c posición ir sacando Cig y luego det . si , por elempleo el peso en Ana es -2 , en esa posición el coeficiente quedaría con signo positivo , pero si en dar el peso es 4 , en esa posición el coeficiente queda con signo negativo . ¿ OÓMO SE QUÉ ELEGIR ? : Me tengo que fijar que columna o fila tiene más ceros , o la que tenga más mos , o la que tenga alguna incógnita que andemos buscando . Para resolver problemas con incógnitas : → Hay que ir desmenuzando el problema y sacar determinantes hasta llegar a determinantes de matrices de 2×2 . luego , resolver la ecuación que quede . (Puede que me estén haciendo igualar a algo) TEOREMA MATRIZ TRIANGULAR : si la matriz es triangular superior o inferior , el determinante se calcula como la multiplicación de la diagonal principal . La idea ojalá es negar a esta matriz porque es mucho más fácil varwvar. nariz a superior : µ ¡ 3g] Matriz A interior : f} ¡ § ) PROPIEDADES DE LOS DETERMINANTES : 1. la operación elemental por suma de filas a ver matriz A no altera el determinante . 2- la operación elemental por cambio de filas a la matriz A cambia el signo del determinante. Aunque, si permuta un número par de veces el signo del determinante no cambia . 3. la operación elemental de ponderar una fila de la matriz A sí altera al determinante , lo amplifica en la misma cantidad por la que se amplificó m tira. → El det A = det At . Por lo tanto , las propiedades 1,213 también van para columnas . De repente las columnas están más fáciles que las rivas para llevar a la matriz a A , ami conviene mejor hacer traspuesta y a esa sacarle el det. LA MATRIZ U : Una matriz cuadrada de nxn se redujo a su forma escalonada " U " mediante una serie de operaciones elementales ( cambio de filas y suma de tiras) , llegando a su forma A superior , entonces : det A = C-1) ' det V. , la r va a corresponder a la cantidad de veces que hice cambio de filas . el det U = producto de los perros de la diagonal . Si A es invertible , entonces todas las columnas de U tienen pivote . si no es así entonces A no es invertible . les Básica% hay que piratear la matriz A hasta llegar a su forma Asup . y tirarme que hagan pivote en todas las columnas , si hay , calculo det A , si no el det A = 0 . C-1) ' um . . . nnn si A es invertible det A = { si A no es invertibleO det A = 2. 6 . O = Opor ciento . A-¥0 } % ] No es invertible pq el det. es 0 . Propiedades : para dos matrices A y B de nxn : ✓ det A = det At ✓ det LAB) = det A . det B ✓ det LA " ) = (det A) " ✓ det A " = -1 , si el det A # O det A ✓ detlkAl = K " det A → como el K multiplica a todas las filas , y por cada fila puedo sacar un K , entonces el k sale n veces ( cantidad de filas) . Si a las filas les voy sacando + K, entonces los voy multiplicando entre sí . → El determinante de A- = O cuando las columnas de A son LD REGLA DE CRAMMER : Ai (b) es la matriz de nxn que resulta de reemplazar la columna i en la matriz A por el vector b . Ailbl = lar . . . b . . . an) Sea A una matriz invertible de nxn la Única solución de Ax = b tiene pesos dados por : Xi = detA.cl → si i por ejemplo , es 1 reemplazo la 1° columna por b . det A Un truco para sacar determinante de matriz de 3×3 : ¥!! !: }:) ¿ arr . 922 - Ass) t ( an . arz . asi ) t ( ans . Aar . Aza)) - |@13.arr . 931) t ( am . arz . Aza) t (a 12 . 921 . 933)) les = det A Fórmula para A- 1 : la columna J de A- ' es un vector " x " que satisface : Ax = es . Además la entrada Ü del vector x ~ corresponde a la entrada ( i , J ) de A- 1 . columna J de Im Entonces , la entrada Li , J ) de A- ' = xi = det Ailes) - det A D. el det Ailes) = C- 1) it ' det (Asi) = Csi . Ojo ! El orden de filas y columnas está cambiado , ahora tenemos columnas y filas (no filas y columnas) → es decir cambiamos a todas las filas por las columnas . Así , A -1 = Matriz adjunta A Lady A) A = KI → det A- = K det A la matriz adjunta es la matriz de cofactores Csi . les Honesta % usar Cranmer es mucho enredo, entonces una forma más fácil para encontrar A -1 es sacando primero ta traspuesta de A , y luego sacar los cofactores de esa , para encontrar la ADJ . E-templo : A " ? A = (§ {o }) At -- [} ?} §] Cnn = 10.3 - C- 2.11--32 012 = 9 013 = - 6 Czp = 12-1 10 = 22 022 = 21 ( 23 = - 14 ↳1 = 4-50 = - 46 Czz = 7-15=-8 Czz = 70-12=58 n-asmiaa.EE?Ig)fEE :)) determinante A : ¿ arn . 922 - Ass) t ( an . arz . asi ) t ( ans . Aar . azr)) - |@13iarr.a 31) t ( am . arz . Aza) t (a 12 . 921 . 933)) les lzoz) t (3 . -2 - 5) t ( O ) - [ ( O) t (7. n . - 2) t ( 3.4 - 3) ] = 158 a-" Esl?!! :D ÁREA Y VOLUMEN : ↳ Si A es de 2×2 , el área del paralelo' gramo definido por las columnas de A es : ldet Al Hajj i Para abb " pinchados en el origen " . - ¿ QUÉ HACER CUANDO a yb NO ESTÁN PINCHADOS EN EL ORINEN? ¡Traslado el origen! ó hago ÁÁ = coordenada original de B- el nuevo origen Por ejemplo , hay un paralelogramo ^ • C D . El nuevo origen estaría en el punto A . > • • B A Para determinar su área tomo los puntos By D , y hago , det A = / AJ ÁB / det A = pads abr↳ Ahora cuando A es de 3×3 , puedo calcular volumen. . Ada Aba) la figura que resulta es un paralelepípedo : saco el determinante de la matriz de 3×3 Tema : espacios y subespacios ESPACIO VECTORIAL conjunto ( " V ") de vectores , en donde están definidas la suma vectorial ( Mtv) y la ponderación escalar lkv) SIMVEN LOS SIGUIENTES AXIOMAS : K , P E IR → los conjuntos numéricos , matrices , polinomios y funciones corresponden a E. vectoriales . → Polinomios = Pn , donde n indica el grado . son EV Cuando los polinomios son de grado menor o igual a n y de una sola variable . V = Pz , xtx ' t x' pertenece al espacio vectorial . " Igualdad de polinomios " : 2 polinomios son iguales si tienen el mismo grado y sus coeficientes de igualdad grado , son iguales . Por ejemplo , 2x txtx ' = A + Bt X2 )) At Bt 0×2--2 t 2x t X2 2x = A × = B × x ' A- = 2 B-- 2x OXZ f- X ' → NO son iguales . → Claramente , un conjunto de vectores geométricos corresponden a un espacio vectorial . Dos vectores van a ser iqrales si sus normas son iguales , y tienen la misma dirección y sentido . ñ ' = Ü , si ltall eltbll → ñ = ( ar i ar . . . an) y 5 ' = lbr.ba . . . bn) , i . Hóíll y IITÓH corresponden a : aitasii.anem-bitbi.e.br Dirección : recta soporte del vectorsentido : hacia dónde apunta la punta i tó - . suma de oítb : Etb = 5ta → → a a- b Ponderación de Ñ : Koi tiene la misma dirección que ñ , pero puede tener # magnitud y sentido . Propiedades en común para los espacios vectoriales : hay M Único vector cero , con K e IR y r el vector cero SUBESPACIOS : Es como un espacio vectorial pero más pequeño . Se le nombra por " H " . . ' . HEV , y no es vacío . Para que H sea subespacio de V , H debe ser un E.V por si mismo dentro del mismo espacio dd está definido V . Deben cumplir con las 10 propiedades de los E. V y además con las siguientes : ✓ El vector cero que estaba en v también está en H ✓ µ y v e H . . ' . ( Mtv) E H . la suma nunca se puede salir de H . lutr ) = ✓ Me H , ke IR . . . kv E H . la ponderación por escalar mmm se puede salir de H . (km = Í ) V V → 05 A H Resumidas las 2 últimas , qu t Br e s si ay pe R y Ir a µy v e S . K = " cuerpo " . Usval % es IR . → El conjunto que consta solo del vector cero {Tb es m subespacio de V , llamado subespacio cero . → El espacio vectorial V es un subespacio de sí mismo . → El subespacio vectorial IRT NI es m subespacio de IR? porque los vectores de Rt no son iguales que los de IR? son conjuntos totalmente distintos , vectores en R ' jamás generarán vectores en Rs (viceversa) Pero . por elempleo el conjunto H = { { %) / × e y e IR } sí es subespacio de IR? , pues el vector tiene 3 Componentes El conjunto L = { [ to ' ) / xe y e IR } no es un subespacio de Rt , porque no se cumple que el vector O pertenezca a H . Puesto que : Xt 1 to y = O → Todos los planos en IR ' que no pasan por el origen , LO son subespacios de 0=0 1123 → El conjunto de matrices singulares ( no tienen inversa) de 2×2 no es m subespacio del espacio vectorial conformado por matrices de 2×2 porque sus determinantes son # de ORO . Hay matrices de 2×2 singulares que sumadas tienen m it to → eso no puede pasar . [Es) + ED = f? :S ] de# o → Sea T : V → W una transformación lineal y V y W espacios vectoriales sobre los números reales , el conjunto K = {me V 1T (µ) = 0 , O e W } es m subespacio vectorial de V . GEN S : En un espacio vectorial V , donde S es un subconjunto de V ( SEV) y S = {µ , . µ, . . . µ.} , entonces el Gen { S } es m subespacio de V. Recordar que : → un vector µ es combi lineal de los vectores en S si y solo si existe un coeficiente Xi Crean que satisfaga µ = Xnvn t Xara . . - xnvn → El Gen {s } = Gen { un , Mr . . . un } corresponde a todas las combinaciones lineales de los vectores de S . con el Gen Es} se puede generar el espacio vectorial S completo . → Gemelo : H -- la -3 b. b-a. ai b) forma un subespacios de pi . ( kg ?? ) = att ) tbf} ) q M ESPACIO NULO : un vr NULA = AX = O con X C- IRON . Se trata de un sistema homogéneo. El espacio nulo de A es en subespacio de IR " . El conjunto de todas las sol de AX = O A. O = Al 0×1 = 0 AX = O esm subespacio de IR " . A- xr t Axz = O → A lxrt Xa) = 0 , entonces Xrt Xz E NULA . A KX = O → KAX = K - O = 0 , entonces RX E NULA . NUI A = Gen S , donde S es el conjunto de vectores sol ( x) del sistema Axe 0 . Todo conjunto H =3 AX -- b , b # 04 no es un subespacio de IR" , pq para que lo sea por lo menos el vector sol E debe estar y i . Ax con x sería igual a 0 , y 0 # b . Las soluciones del sistema son LI . ESPACIO COLUMNA ES el conjunto de todas las combinaciones lineales de las columnas de A , es decir COI A = Gen 3 ar , ar . . . an } . Para matrices de mxn : g e ROM , y -- AX . Y es conocido como la imagen de A ( llegadas) . IMLAI . Es como el ⑤ Same thing : b = Ax . Entonces las Sol de Ax -_ y , son los vectores columnas . No necesaria% son LIO LD las soluciones , depende de cada problema . AX - b tiene que tener sol , sino no existiría el espacio . Si una matriz es rectangular , no es posible que los subespacios columna Y nulo tengan elementos en común . Pq el primero trata con elementos de IRM y el segundo de IR " . En cambio , si son cuadradas si se puede , pq tienen en común A vector cero . Es posible que tengan algún otro elemento en común . • NUI A = 304 si y solo si la transformación lineal x ⇒ Ax es de no amo . m • Col A = IRM si y solo si la transformación lineal x ⇒ Ax mapea IR " sobre IR ° Una transformación lineal es una regla que asigna a cada vector x en v un Único vector Tlxl en W , tal que il TLMT v ) = Tlnlt Tlvl para todo µ y ✓ en V Ü) TCCMI = ctlu) para toda µ en V y todo escalar c. Iii) Tlu) = O • El rango de T es el conjunto de todos los vectores en W de la forma TCX) . Y entonces, el espacio nulo (ni creo) y la imagen de T son el espacio nulo y el espacio columna de A en TLXI = AX .
Compartir