algebra indtroduccion
DESCRIPTION
introducción al álgebra lineal de programación lineal en optimización, espacios vectoriales, teoremas, demostracionesTRANSCRIPT
-
Conceptos de Algebra Lineal
Fernando Lozano
Universidad de los Andes
21 de enero de 2015
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 1 / 23
-
Sistema de ecuaciones lineales
Ax = b
A Rmn: m ecuaciones, n incgnitas.x Rnb Rm
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 2 / 23
-
Sistema de ecuaciones lineales
Ax = b
A Rmn: m ecuaciones, n incgnitas.
x Rnb Rm
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 2 / 23
-
Sistema de ecuaciones lineales
Ax = b
A Rmn: m ecuaciones, n incgnitas.x Rn
b Rm
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 2 / 23
-
Sistema de ecuaciones lineales
Ax = b
A Rmn: m ecuaciones, n incgnitas.x Rnb Rm
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 2 / 23
-
Visto desde las filas
Ax = b
cT1 xcT2 x...
cTmx
=b1b2...bm
cix = bi: Ecuacin de hiperplano (n dimensiones).Interseccin de m hiperplanos.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 3 / 23
-
Visto desde las filas
Ax = b
cT1 xcT2 x...
cTmx
=b1b2...bm
cix = bi: Ecuacin de hiperplano (n dimensiones).Interseccin de m hiperplanos.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 3 / 23
-
Visto desde las filas
Ax = b
cT1 xcT2 x...
cTmx
=b1b2...bm
cix = bi:
Ecuacin de hiperplano (n dimensiones).Interseccin de m hiperplanos.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 3 / 23
-
Visto desde las filas
Ax = b
cT1 xcT2 x...
cTmx
=b1b2...bm
cix = bi: Ecuacin de hiperplano (n dimensiones).
Interseccin de m hiperplanos.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 3 / 23
-
Visto desde las filas
Ax = b
cT1 xcT2 x...
cTmx
=b1b2...bm
cix = bi: Ecuacin de hiperplano (n dimensiones).Interseccin de m hiperplanos.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 3 / 23
-
2u+ v + w = 5
4u 6v = 22u+ 7v + 2w = 9
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 4 / 23
-
2u+ v + w = 5
4u 6v = 22u+ 7v + 2w = 9
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 4 / 23
-
Visto desde las columnas
Ax = b
a1 a2 . . . anx1x2...xn
=b1b2...bm
x1a1 + x2a2 + + xnan = b
b combinacin lineal de a1, . . .anb span{a1, . . .an}?
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 5 / 23
-
Visto desde las columnas
Ax = b
a1 a2 . . . anx1x2...xn
=b1b2...bm
x1a1 + x2a2 + + xnan = b
b combinacin lineal de a1, . . .anb span{a1, . . .an}?
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 5 / 23
-
Visto desde las columnas
Ax = b
a1 a2 . . . anx1x2...xn
=b1b2...bm
x1a1 + x2a2 + + xnan = b
b combinacin lineal de a1, . . .anb span{a1, . . .an}?
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 5 / 23
-
Visto desde las columnas
Ax = b
a1 a2 . . . anx1x2...xn
=b1b2...bm
x1a1 + x2a2 + + xnan = b
b combinacin lineal de a1, . . .an
b span{a1, . . .an}?
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 5 / 23
-
Visto desde las columnas
Ax = b
a1 a2 . . . anx1x2...xn
=b1b2...bm
x1a1 + x2a2 + + xnan = b
b combinacin lineal de a1, . . .anb span{a1, . . .an}?
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 5 / 23
-
u 242
+ v 16
7
+ w10
2
= 52
9
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 6 / 23
-
u 242
+ v 16
7
+ w10
2
= 52
9
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 6 / 23
-
Soluciones?
1 m = n:I Si A es de rango completo: solucin nica para cualquier b.I Si A no es de rango completo: depende de b:
F No hay solucin.F Infinitas soluciones.
2 m < nI Depende de b:
F No hay solucin.F Si hay una solucin, existen infinitas soluciones.
I Si b = 0, existe solucin no trivial.3 m > n
I Depende de b:F No hay solucin.F Existe una solucin nica.F Existen infinitas soluciones.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 7 / 23
-
Soluciones?
1 m = n:
I Si A es de rango completo: solucin nica para cualquier b.I Si A no es de rango completo: depende de b:
F No hay solucin.F Infinitas soluciones.
2 m < nI Depende de b:
F No hay solucin.F Si hay una solucin, existen infinitas soluciones.
I Si b = 0, existe solucin no trivial.3 m > n
I Depende de b:F No hay solucin.F Existe una solucin nica.F Existen infinitas soluciones.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 7 / 23
-
Soluciones?
1 m = n:I Si A es de rango completo:
solucin nica para cualquier b.I Si A no es de rango completo: depende de b:
F No hay solucin.F Infinitas soluciones.
2 m < nI Depende de b:
F No hay solucin.F Si hay una solucin, existen infinitas soluciones.
I Si b = 0, existe solucin no trivial.3 m > n
I Depende de b:F No hay solucin.F Existe una solucin nica.F Existen infinitas soluciones.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 7 / 23
-
Soluciones?
1 m = n:I Si A es de rango completo: solucin nica para cualquier b.
I Si A no es de rango completo: depende de b:F No hay solucin.F Infinitas soluciones.
2 m < nI Depende de b:
F No hay solucin.F Si hay una solucin, existen infinitas soluciones.
I Si b = 0, existe solucin no trivial.3 m > n
I Depende de b:F No hay solucin.F Existe una solucin nica.F Existen infinitas soluciones.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 7 / 23
-
Soluciones?
1 m = n:I Si A es de rango completo: solucin nica para cualquier b.I Si A no es de rango completo:
depende de b:F No hay solucin.F Infinitas soluciones.
2 m < nI Depende de b:
F No hay solucin.F Si hay una solucin, existen infinitas soluciones.
I Si b = 0, existe solucin no trivial.3 m > n
I Depende de b:F No hay solucin.F Existe una solucin nica.F Existen infinitas soluciones.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 7 / 23
-
Soluciones?
1 m = n:I Si A es de rango completo: solucin nica para cualquier b.I Si A no es de rango completo: depende de b:
F No hay solucin.F Infinitas soluciones.
2 m < nI Depende de b:
F No hay solucin.F Si hay una solucin, existen infinitas soluciones.
I Si b = 0, existe solucin no trivial.3 m > n
I Depende de b:F No hay solucin.F Existe una solucin nica.F Existen infinitas soluciones.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 7 / 23
-
Soluciones?
1 m = n:I Si A es de rango completo: solucin nica para cualquier b.I Si A no es de rango completo: depende de b:
F No hay solucin.
F Infinitas soluciones.2 m < n
I Depende de b:F No hay solucin.F Si hay una solucin, existen infinitas soluciones.
I Si b = 0, existe solucin no trivial.3 m > n
I Depende de b:F No hay solucin.F Existe una solucin nica.F Existen infinitas soluciones.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 7 / 23
-
Soluciones?
1 m = n:I Si A es de rango completo: solucin nica para cualquier b.I Si A no es de rango completo: depende de b:
F No hay solucin.F Infinitas soluciones.
2 m < nI Depende de b:
F No hay solucin.F Si hay una solucin, existen infinitas soluciones.
I Si b = 0, existe solucin no trivial.3 m > n
I Depende de b:F No hay solucin.F Existe una solucin nica.F Existen infinitas soluciones.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 7 / 23
-
Soluciones?
1 m = n:I Si A es de rango completo: solucin nica para cualquier b.I Si A no es de rango completo: depende de b:
F No hay solucin.F Infinitas soluciones.
2 m < nI Depende de b:
F No hay solucin.F Si hay una solucin, existen infinitas soluciones.
I Si b = 0, existe solucin no trivial.3 m > n
I Depende de b:F No hay solucin.F Existe una solucin nica.F Existen infinitas soluciones.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 7 / 23
-
Soluciones?
1 m = n:I Si A es de rango completo: solucin nica para cualquier b.I Si A no es de rango completo: depende de b:
F No hay solucin.F Infinitas soluciones.
2 m < n
I Depende de b:F No hay solucin.F Si hay una solucin, existen infinitas soluciones.
I Si b = 0, existe solucin no trivial.3 m > n
I Depende de b:F No hay solucin.F Existe una solucin nica.F Existen infinitas soluciones.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 7 / 23
-
Soluciones?
1 m = n:I Si A es de rango completo: solucin nica para cualquier b.I Si A no es de rango completo: depende de b:
F No hay solucin.F Infinitas soluciones.
2 m < nI Depende de b:
F No hay solucin.F Si hay una solucin, existen infinitas soluciones.
I Si b = 0, existe solucin no trivial.3 m > n
I Depende de b:F No hay solucin.F Existe una solucin nica.F Existen infinitas soluciones.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 7 / 23
-
Soluciones?
1 m = n:I Si A es de rango completo: solucin nica para cualquier b.I Si A no es de rango completo: depende de b:
F No hay solucin.F Infinitas soluciones.
2 m < nI Depende de b:
F No hay solucin.
F Si hay una solucin, existen infinitas soluciones.I Si b = 0, existe solucin no trivial.
3 m > nI Depende de b:
F No hay solucin.F Existe una solucin nica.F Existen infinitas soluciones.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 7 / 23
-
Soluciones?
1 m = n:I Si A es de rango completo: solucin nica para cualquier b.I Si A no es de rango completo: depende de b:
F No hay solucin.F Infinitas soluciones.
2 m < nI Depende de b:
F No hay solucin.F Si hay una solucin, existen infinitas soluciones.
I Si b = 0, existe solucin no trivial.3 m > n
I Depende de b:F No hay solucin.F Existe una solucin nica.F Existen infinitas soluciones.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 7 / 23
-
Soluciones?
1 m = n:I Si A es de rango completo: solucin nica para cualquier b.I Si A no es de rango completo: depende de b:
F No hay solucin.F Infinitas soluciones.
2 m < nI Depende de b:
F No hay solucin.F Si hay una solucin, existen infinitas soluciones.
I Si b = 0, existe solucin no trivial.
3 m > nI Depende de b:
F No hay solucin.F Existe una solucin nica.F Existen infinitas soluciones.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 7 / 23
-
Soluciones?
1 m = n:I Si A es de rango completo: solucin nica para cualquier b.I Si A no es de rango completo: depende de b:
F No hay solucin.F Infinitas soluciones.
2 m < nI Depende de b:
F No hay solucin.F Si hay una solucin, existen infinitas soluciones.
I Si b = 0, existe solucin no trivial.3 m > n
I Depende de b:
F No hay solucin.F Existe una solucin nica.F Existen infinitas soluciones.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 7 / 23
-
Soluciones?
1 m = n:I Si A es de rango completo: solucin nica para cualquier b.I Si A no es de rango completo: depende de b:
F No hay solucin.F Infinitas soluciones.
2 m < nI Depende de b:
F No hay solucin.F Si hay una solucin, existen infinitas soluciones.
I Si b = 0, existe solucin no trivial.3 m > n
I Depende de b:F No hay solucin.
F Existe una solucin nica.F Existen infinitas soluciones.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 7 / 23
-
Soluciones?
1 m = n:I Si A es de rango completo: solucin nica para cualquier b.I Si A no es de rango completo: depende de b:
F No hay solucin.F Infinitas soluciones.
2 m < nI Depende de b:
F No hay solucin.F Si hay una solucin, existen infinitas soluciones.
I Si b = 0, existe solucin no trivial.3 m > n
I Depende de b:F No hay solucin.F Existe una solucin nica.
F Existen infinitas soluciones.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 7 / 23
-
Soluciones?
1 m = n:I Si A es de rango completo: solucin nica para cualquier b.I Si A no es de rango completo: depende de b:
F No hay solucin.F Infinitas soluciones.
2 m < nI Depende de b:
F No hay solucin.F Si hay una solucin, existen infinitas soluciones.
I Si b = 0, existe solucin no trivial.3 m > n
I Depende de b:F No hay solucin.F Existe una solucin nica.F Existen infinitas soluciones.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 7 / 23
-
Soluciones?
1 m = n:I Si A es de rango completo: solucin nica para cualquier b.I Si A no es de rango completo: depende de b:
F No hay solucin.F Infinitas soluciones.
2 m < nI Depende de b:
F No hay solucin.F Si hay una solucin, existen infinitas soluciones.
I Si b = 0, existe solucin no trivial.3 m > n
I Depende de b:F No hay solucin.F Existe una solucin nica.F Existen infinitas soluciones.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 7 / 23
-
Caso m n, A de rango completo
n variables
{nm variables libresm variables bsicas
Escogemos m columnas linealmente independientes de A:
a1 a2 . . . am am+1 am+2 . . . an
x1x2...xmxm+1xm+2
...xn
=
b1b2...bm
a1 a2 . . . amx1x2...xm
=b1b2...bm
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 8 / 23
-
Caso m n, A de rango completon variables
{nm variables libresm variables bsicas
Escogemos m columnas linealmente independientes de A:
a1 a2 . . . am am+1 am+2 . . . an
x1x2...xmxm+1xm+2
...xn
=
b1b2...bm
a1 a2 . . . amx1x2...xm
=b1b2...bm
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 8 / 23
-
Caso m n, A de rango completon variables
{nm variables libresm variables bsicas
Escogemos m columnas linealmente independientes de A:
a1 a2 . . . am am+1 am+2 . . . an
x1x2...xmxm+1xm+2
...xn
=
b1b2...bm
a1 a2 . . . amx1x2...xm
=b1b2...bm
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 8 / 23
-
Caso m n, A de rango completon variables
{nm variables libresm variables bsicas
Escogemos m columnas linealmente independientes de A:
a1 a2 . . . am am+1 am+2 . . . an
x1x2...xmxm+1xm+2
...xn
=
b1b2...bm
a1 a2 . . . amx1x2...xm
=b1b2...bm
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 8 / 23
-
Caso m n, A de rango completon variables
{nm variables libresm variables bsicas
Escogemos m columnas linealmente independientes de A:
a1 a2 . . . am am+1 am+2 . . . an
x1x2...xmxm+1xm+2
...xn
=
b1b2...bm
a1 a2 . . . amx1x2...xm
=b1b2...bm
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 8 / 23
-
Caso m n, A de rango completon variables
{nm variables libresm variables bsicas
Escogemos m columnas linealmente independientes de A:
a1 a2 . . . am am+1 am+2 . . . an
x1x2...xmxm+1xm+2
...xn
=
b1b2...bm
a1 a2 . . . amx1x2...xm
=b1b2...bm
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 8 / 23
-
Vectores y Valores Propios
DefinicinSea A una matriz n n. Se dice que u Rn es un vector propio de Asi existe C tal que
Au = u
Podemos escribir:(A I)u = 0
es decir:El vector u est en el espacio nulo de la matriz A I.El nmero se escoge de manera que A I tenga espacio nulo.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 9 / 23
-
Vectores y Valores Propios
DefinicinSea A una matriz n n. Se dice que u Rn es un vector propio de Asi existe C tal que
Au = u
Podemos escribir:(A I)u = 0
es decir:El vector u est en el espacio nulo de la matriz A I.El nmero se escoge de manera que A I tenga espacio nulo.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 9 / 23
-
Vectores y Valores Propios
DefinicinSea A una matriz n n. Se dice que u Rn es un vector propio de Asi existe C tal que
Au = u
Podemos escribir:(A I)u = 0
es decir:
El vector u est en el espacio nulo de la matriz A I.El nmero se escoge de manera que A I tenga espacio nulo.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 9 / 23
-
Vectores y Valores Propios
DefinicinSea A una matriz n n. Se dice que u Rn es un vector propio de Asi existe C tal que
Au = u
Podemos escribir:(A I)u = 0
es decir:El vector u est en el espacio nulo de la matriz A I.
El nmero se escoge de manera que A I tenga espacio nulo.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 9 / 23
-
Vectores y Valores Propios
DefinicinSea A una matriz n n. Se dice que u Rn es un vector propio de Asi existe C tal que
Au = u
Podemos escribir:(A I)u = 0
es decir:El vector u est en el espacio nulo de la matriz A I.El nmero se escoge de manera que A I tenga espacio nulo.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 9 / 23
-
Receta
1 Calcule el determinante de A I. (polinomio de grado n)2 Halle las races de este polinomio: 1, 2, . . . , n.3 Para cada i solucione
(A iI)ui = 0
(dado que det(A iI) = 0 existen soluciones no triviales).
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 10 / 23
-
Receta
1 Calcule el determinante de A I. (polinomio de grado n)
2 Halle las races de este polinomio: 1, 2, . . . , n.3 Para cada i solucione
(A iI)ui = 0
(dado que det(A iI) = 0 existen soluciones no triviales).
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 10 / 23
-
Receta
1 Calcule el determinante de A I. (polinomio de grado n)2 Halle las races de este polinomio: 1, 2, . . . , n.
3 Para cada i solucione
(A iI)ui = 0
(dado que det(A iI) = 0 existen soluciones no triviales).
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 10 / 23
-
Receta
1 Calcule el determinante de A I. (polinomio de grado n)2 Halle las races de este polinomio: 1, 2, . . . , n.3 Para cada i solucione
(A iI)ui = 0
(dado que det(A iI) = 0 existen soluciones no triviales).
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 10 / 23
-
Receta
1 Calcule el determinante de A I. (polinomio de grado n)2 Halle las races de este polinomio: 1, 2, . . . , n.3 Para cada i solucione
(A iI)ui = 0
(dado que det(A iI) = 0 existen soluciones no triviales).
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 10 / 23
-
Algunas Propiedades
1 + 2 + + n =
a11 + a22 + + ann1 2 n = det(A)Si u1,u2, . . .uk corresponden a valores propios diferentes entoncesu1,u2, . . .uk son linealmente independientes.Si u1,u2, . . .un son linealmente independientes yS = [u1|u2| . . . |un] entonces
S1AS =
1
2. . .
n
= y
A = SS1
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 11 / 23
-
Algunas Propiedades
1 + 2 + + n = a11 + a22 + + ann
1 2 n = det(A)Si u1,u2, . . .uk corresponden a valores propios diferentes entoncesu1,u2, . . .uk son linealmente independientes.Si u1,u2, . . .un son linealmente independientes yS = [u1|u2| . . . |un] entonces
S1AS =
1
2. . .
n
= y
A = SS1
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 11 / 23
-
Algunas Propiedades
1 + 2 + + n = a11 + a22 + + ann1 2 n =
det(A)
Si u1,u2, . . .uk corresponden a valores propios diferentes entoncesu1,u2, . . .uk son linealmente independientes.Si u1,u2, . . .un son linealmente independientes yS = [u1|u2| . . . |un] entonces
S1AS =
1
2. . .
n
= y
A = SS1
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 11 / 23
-
Algunas Propiedades
1 + 2 + + n = a11 + a22 + + ann1 2 n = det(A)
Si u1,u2, . . .uk corresponden a valores propios diferentes entoncesu1,u2, . . .uk son linealmente independientes.Si u1,u2, . . .un son linealmente independientes yS = [u1|u2| . . . |un] entonces
S1AS =
1
2. . .
n
= y
A = SS1
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 11 / 23
-
Algunas Propiedades
1 + 2 + + n = a11 + a22 + + ann1 2 n = det(A)Si u1,u2, . . .uk corresponden a valores propios diferentes entoncesu1,u2, . . .uk son
linealmente independientes.Si u1,u2, . . .un son linealmente independientes yS = [u1|u2| . . . |un] entonces
S1AS =
1
2. . .
n
= y
A = SS1
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 11 / 23
-
Algunas Propiedades
1 + 2 + + n = a11 + a22 + + ann1 2 n = det(A)Si u1,u2, . . .uk corresponden a valores propios diferentes entoncesu1,u2, . . .uk son linealmente independientes.
Si u1,u2, . . .un son linealmente independientes yS = [u1|u2| . . . |un] entonces
S1AS =
1
2. . .
n
= y
A = SS1
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 11 / 23
-
Algunas Propiedades
1 + 2 + + n = a11 + a22 + + ann1 2 n = det(A)Si u1,u2, . . .uk corresponden a valores propios diferentes entoncesu1,u2, . . .uk son linealmente independientes.Si u1,u2, . . .un son linealmente independientes yS = [u1|u2| . . . |un]
entonces
S1AS =
1
2. . .
n
= y
A = SS1
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 11 / 23
-
Algunas Propiedades
1 + 2 + + n = a11 + a22 + + ann1 2 n = det(A)Si u1,u2, . . .uk corresponden a valores propios diferentes entoncesu1,u2, . . .uk son linealmente independientes.Si u1,u2, . . .un son linealmente independientes yS = [u1|u2| . . . |un] entonces
S1AS =
1
2. . .
n
=
yA = SS1
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 11 / 23
-
Algunas Propiedades
1 + 2 + + n = a11 + a22 + + ann1 2 n = det(A)Si u1,u2, . . .uk corresponden a valores propios diferentes entoncesu1,u2, . . .uk son linealmente independientes.Si u1,u2, . . .un son linealmente independientes yS = [u1|u2| . . . |un] entonces
S1AS =
1
2. . .
n
=
yA = SS1
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 11 / 23
-
Algunas Propiedades
1 + 2 + + n = a11 + a22 + + ann1 2 n = det(A)Si u1,u2, . . .uk corresponden a valores propios diferentes entoncesu1,u2, . . .uk son linealmente independientes.Si u1,u2, . . .un son linealmente independientes yS = [u1|u2| . . . |un] entonces
S1AS =
1
2. . .
n
= y
A = SS1
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 11 / 23
-
Matriz simtrica real (A = AT )
1, 2, . . . .n R.Si 1, 2, . . . .n son diferentes vectores propios u1,u2, . . . ,un sepueden escoger ortonormales base ortonormal!.En este caso S1 = ST , y podemos diagonalizar:
A = SST = 1u1uT1 + 2u2u
T2 + + nunuTn
Podemos representar vectores como combinacin lineal de vectorespropios.
e =nj=1
ajuj donde aj = e,uj
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 12 / 23
-
Matriz simtrica real (A = AT )
1, 2, . . . .n R.
Si 1, 2, . . . .n son diferentes vectores propios u1,u2, . . . ,un sepueden escoger ortonormales base ortonormal!.En este caso S1 = ST , y podemos diagonalizar:
A = SST = 1u1uT1 + 2u2u
T2 + + nunuTn
Podemos representar vectores como combinacin lineal de vectorespropios.
e =nj=1
ajuj donde aj = e,uj
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 12 / 23
-
Matriz simtrica real (A = AT )
1, 2, . . . .n R.Si 1, 2, . . . .n son diferentes
vectores propios u1,u2, . . . ,un sepueden escoger ortonormales base ortonormal!.En este caso S1 = ST , y podemos diagonalizar:
A = SST = 1u1uT1 + 2u2u
T2 + + nunuTn
Podemos representar vectores como combinacin lineal de vectorespropios.
e =nj=1
ajuj donde aj = e,uj
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 12 / 23
-
Matriz simtrica real (A = AT )
1, 2, . . . .n R.Si 1, 2, . . . .n son diferentes vectores propios u1,u2, . . . ,un sepueden escoger ortonormales
base ortonormal!.En este caso S1 = ST , y podemos diagonalizar:
A = SST = 1u1uT1 + 2u2u
T2 + + nunuTn
Podemos representar vectores como combinacin lineal de vectorespropios.
e =nj=1
ajuj donde aj = e,uj
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 12 / 23
-
Matriz simtrica real (A = AT )
1, 2, . . . .n R.Si 1, 2, . . . .n son diferentes vectores propios u1,u2, . . . ,un sepueden escoger ortonormales base ortonormal!.
En este caso S1 = ST , y podemos diagonalizar:
A = SST = 1u1uT1 + 2u2u
T2 + + nunuTn
Podemos representar vectores como combinacin lineal de vectorespropios.
e =nj=1
ajuj donde aj = e,uj
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 12 / 23
-
Matriz simtrica real (A = AT )
1, 2, . . . .n R.Si 1, 2, . . . .n son diferentes vectores propios u1,u2, . . . ,un sepueden escoger ortonormales base ortonormal!.En este caso S1 =
ST , y podemos diagonalizar:
A = SST = 1u1uT1 + 2u2u
T2 + + nunuTn
Podemos representar vectores como combinacin lineal de vectorespropios.
e =nj=1
ajuj donde aj = e,uj
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 12 / 23
-
Matriz simtrica real (A = AT )
1, 2, . . . .n R.Si 1, 2, . . . .n son diferentes vectores propios u1,u2, . . . ,un sepueden escoger ortonormales base ortonormal!.En este caso S1 = ST ,
y podemos diagonalizar:
A = SST = 1u1uT1 + 2u2u
T2 + + nunuTn
Podemos representar vectores como combinacin lineal de vectorespropios.
e =nj=1
ajuj donde aj = e,uj
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 12 / 23
-
Matriz simtrica real (A = AT )
1, 2, . . . .n R.Si 1, 2, . . . .n son diferentes vectores propios u1,u2, . . . ,un sepueden escoger ortonormales base ortonormal!.En este caso S1 = ST , y podemos diagonalizar:
A = SST = 1u1uT1 + 2u2u
T2 + + nunuTn
Podemos representar vectores como combinacin lineal de vectorespropios.
e =nj=1
ajuj donde aj = e,uj
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 12 / 23
-
Matriz simtrica real (A = AT )
1, 2, . . . .n R.Si 1, 2, . . . .n son diferentes vectores propios u1,u2, . . . ,un sepueden escoger ortonormales base ortonormal!.En este caso S1 = ST , y podemos diagonalizar:
A = SST =
1u1uT1 + 2u2u
T2 + + nunuTn
Podemos representar vectores como combinacin lineal de vectorespropios.
e =nj=1
ajuj donde aj = e,uj
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 12 / 23
-
Matriz simtrica real (A = AT )
1, 2, . . . .n R.Si 1, 2, . . . .n son diferentes vectores propios u1,u2, . . . ,un sepueden escoger ortonormales base ortonormal!.En este caso S1 = ST , y podemos diagonalizar:
A = SST = 1u1uT1 + 2u2u
T2 + + nunuTn
Podemos representar vectores como combinacin lineal de vectorespropios.
e =nj=1
ajuj donde aj = e,uj
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 12 / 23
-
Matriz simtrica real (A = AT )
1, 2, . . . .n R.Si 1, 2, . . . .n son diferentes vectores propios u1,u2, . . . ,un sepueden escoger ortonormales base ortonormal!.En este caso S1 = ST , y podemos diagonalizar:
A = SST = 1u1uT1 + 2u2u
T2 + + nunuTn
Podemos representar vectores como combinacin lineal de vectorespropios.
e =
nj=1
ajuj
donde aj = e,uj
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 12 / 23
-
Matriz simtrica real (A = AT )
1, 2, . . . .n R.Si 1, 2, . . . .n son diferentes vectores propios u1,u2, . . . ,un sepueden escoger ortonormales base ortonormal!.En este caso S1 = ST , y podemos diagonalizar:
A = SST = 1u1uT1 + 2u2u
T2 + + nunuTn
Podemos representar vectores como combinacin lineal de vectorespropios.
e =
nj=1
ajuj donde aj =
e,uj
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 12 / 23
-
Matriz simtrica real (A = AT )
1, 2, . . . .n R.Si 1, 2, . . . .n son diferentes vectores propios u1,u2, . . . ,un sepueden escoger ortonormales base ortonormal!.En este caso S1 = ST , y podemos diagonalizar:
A = SST = 1u1uT1 + 2u2u
T2 + + nunuTn
Podemos representar vectores como combinacin lineal de vectorespropios.
e =
nj=1
ajuj donde aj = e,uj
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 12 / 23
-
Podemos expresar el tamao del vector en trminos de los aj :
e2 = e, e
=
nj=1
ajuj ,
ni=1
aiui
=i,j
aiajui,uj
=j
a2j
Pitgoras!
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 13 / 23
-
Podemos expresar el tamao del vector en trminos de los aj :
e2 = e, e
=
nj=1
ajuj ,
ni=1
aiui
=i,j
aiajui,uj
=j
a2j
Pitgoras!
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 13 / 23
-
Podemos expresar el tamao del vector en trminos de los aj :
e2 = e, e
=
nj=1
ajuj ,
ni=1
aiui
=i,j
aiajui,uj
=j
a2j
Pitgoras!
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 13 / 23
-
Podemos expresar el tamao del vector en trminos de los aj :
e2 = e, e
=
nj=1
ajuj ,
ni=1
aiui
=i,j
aiajui,uj
=j
a2j
Pitgoras!
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 13 / 23
-
Podemos expresar el tamao del vector en trminos de los aj :
e2 = e, e
=
nj=1
ajuj ,
ni=1
aiui
=i,j
aiajui,uj
=j
a2j
Pitgoras!
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 13 / 23
-
Podemos expresar el tamao del vector en trminos de los aj :
e2 = e, e
=
nj=1
ajuj ,
ni=1
aiui
=i,j
aiajui,uj
=j
a2j
Pitgoras!
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 13 / 23
-
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 14 / 23
-
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 14 / 23
-
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 14 / 23
-
Norma (espectral) de una matriz Q
Mxima ganancia:
Q = maxx 6=0Qxx
= maxx 6=0
xT (QTQ)x
x
1 2 n valores propios, v1,v2, . . . ,vn vectores propiosde QTQ, x =
j ajvj :
x, (QTQ)x
x2 =
j a2jj
j a2j
1
Si x = v1, v1, (Q
TQ)v1
v1 = 1 Q2 = 1
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 15 / 23
-
Norma (espectral) de una matriz Q
Mxima ganancia:
Q = maxx 6=0Qxx = maxx 6=0
xT (QTQ)x
x
1 2 n valores propios, v1,v2, . . . ,vn vectores propiosde QTQ, x =
j ajvj :
x, (QTQ)x
x2 =
j a2jj
j a2j
1
Si x = v1, v1, (Q
TQ)v1
v1 = 1 Q2 = 1
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 15 / 23
-
Norma (espectral) de una matriz Q
Mxima ganancia:
Q = maxx 6=0Qxx = maxx 6=0
xT (QTQ)x
x
1 2 n valores propios, v1,v2, . . . ,vn vectores propiosde QTQ,
x =
j ajvj :x, (QTQ)x
x2 =
j a
2jj
j a2j
1
Si x = v1, v1, (Q
TQ)v1
v1 = 1 Q2 = 1
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 15 / 23
-
Norma (espectral) de una matriz Q
Mxima ganancia:
Q = maxx 6=0Qxx = maxx 6=0
xT (QTQ)x
x
1 2 n valores propios, v1,v2, . . . ,vn vectores propiosde QTQ, x =
j ajvj :
x, (QTQ)x
x2 =
j a
2jj
j a2j
1
Si x = v1, v1, (Q
TQ)v1
v1 = 1 Q2 = 1
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 15 / 23
-
Norma (espectral) de una matriz Q
Mxima ganancia:
Q = maxx 6=0Qxx = maxx 6=0
xT (QTQ)x
x
1 2 n valores propios, v1,v2, . . . ,vn vectores propiosde QTQ, x =
j ajvj :
x, (QTQ)x
x2
=
j a
2jj
j a2j
1
Si x = v1, v1, (Q
TQ)v1
v1 = 1 Q2 = 1
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 15 / 23
-
Norma (espectral) de una matriz Q
Mxima ganancia:
Q = maxx 6=0Qxx = maxx 6=0
xT (QTQ)x
x
1 2 n valores propios, v1,v2, . . . ,vn vectores propiosde QTQ, x =
j ajvj :
x, (QTQ)x
x2 =
j a2jj
j a2j
1
Si x = v1, v1, (Q
TQ)v1
v1 = 1 Q2 = 1
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 15 / 23
-
Norma (espectral) de una matriz Q
Mxima ganancia:
Q = maxx 6=0Qxx = maxx 6=0
xT (QTQ)x
x
1 2 n valores propios, v1,v2, . . . ,vn vectores propiosde QTQ, x =
j ajvj :
x, (QTQ)x
x2 =
j a2jj
j a2j
1
Si x = v1, v1, (Q
TQ)v1
v1 = 1 Q2 = 1
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 15 / 23
-
Norma (espectral) de una matriz Q
Mxima ganancia:
Q = maxx 6=0Qxx = maxx 6=0
xT (QTQ)x
x
1 2 n valores propios, v1,v2, . . . ,vn vectores propiosde QTQ, x =
j ajvj :
x, (QTQ)x
x2 =
j a2jj
j a2j
1
Si x = v1, v1, (Q
TQ)v1
v1 =
1 Q2 = 1
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 15 / 23
-
Norma (espectral) de una matriz Q
Mxima ganancia:
Q = maxx 6=0Qxx = maxx 6=0
xT (QTQ)x
x
1 2 n valores propios, v1,v2, . . . ,vn vectores propiosde QTQ, x =
j ajvj :
x, (QTQ)x
x2 =
j a2jj
j a2j
1
Si x = v1, v1, (Q
TQ)v1
v1 = 1
Q2 = 1
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 15 / 23
-
Norma (espectral) de una matriz Q
Mxima ganancia:
Q = maxx 6=0Qxx = maxx 6=0
xT (QTQ)x
x
1 2 n valores propios, v1,v2, . . . ,vn vectores propiosde QTQ, x =
j ajvj :
x, (QTQ)x
x2 =
j a2jj
j a2j
1
Si x = v1, v1, (Q
TQ)v1
v1 = 1 Q2 = 1
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 15 / 23
-
Matrices positivas definidas
DefinicinUna matriz Q Rnn es positiva definida (denotado Q > 0), six Rn, x 6= 0:
xTQx > 0
Tests:Todos los valores propios i de Q satisfacen i > 0.Todos los pivotes di de Q (sin intercambio de filas) satisfacendi > 0.Todas las submatrices superior izquierdas Qk tienen determinantespositivos.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 16 / 23
-
Matrices positivas definidas
DefinicinUna matriz Q Rnn es positiva definida (denotado Q > 0), six Rn, x 6= 0:
xTQx > 0
Tests:
Todos los valores propios i de Q satisfacen i > 0.Todos los pivotes di de Q (sin intercambio de filas) satisfacendi > 0.Todas las submatrices superior izquierdas Qk tienen determinantespositivos.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 16 / 23
-
Matrices positivas definidas
DefinicinUna matriz Q Rnn es positiva definida (denotado Q > 0), six Rn, x 6= 0:
xTQx > 0
Tests:Todos los valores propios i de Q satisfacen i > 0.
Todos los pivotes di de Q (sin intercambio de filas) satisfacendi > 0.Todas las submatrices superior izquierdas Qk tienen determinantespositivos.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 16 / 23
-
Matrices positivas definidas
DefinicinUna matriz Q Rnn es positiva definida (denotado Q > 0), six Rn, x 6= 0:
xTQx > 0
Tests:Todos los valores propios i de Q satisfacen i > 0.Todos los pivotes di de Q (sin intercambio de filas) satisfacendi > 0.
Todas las submatrices superior izquierdas Qk tienen determinantespositivos.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 16 / 23
-
Matrices positivas definidas
DefinicinUna matriz Q Rnn es positiva definida (denotado Q > 0), six Rn, x 6= 0:
xTQx > 0
Tests:Todos los valores propios i de Q satisfacen i > 0.Todos los pivotes di de Q (sin intercambio de filas) satisfacendi > 0.Todas las submatrices superior izquierdas Qk tienen determinantespositivos.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 16 / 23
-
Interpretacin 1
x
Qx
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 17 / 23
-
Interpretacin 2
Sea Q > 0 y S la matriz cuyas columnas son los vectores propiosde Q,
Q = SST
con i > 0.
Cambio de variable y = STx.xTQx = 1 se simplifica a:
xTSSTx = 1
yTy = 1
1y21 + + ny2n = 1
Elipsoide con ejes con longitud 1/1, . . . , 1/
n desde el centro,
que en el espacio original estn en la direccin de los vectorespropios.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 18 / 23
-
Interpretacin 2
Sea Q > 0 y S la matriz cuyas columnas son los vectores propiosde Q,
Q = SST
con i > 0.Cambio de variable y = STx.
xTQx = 1 se simplifica a:
xTSSTx = 1
yTy = 1
1y21 + + ny2n = 1
Elipsoide con ejes con longitud 1/1, . . . , 1/
n desde el centro,
que en el espacio original estn en la direccin de los vectorespropios.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 18 / 23
-
Interpretacin 2
Sea Q > 0 y S la matriz cuyas columnas son los vectores propiosde Q,
Q = SST
con i > 0.Cambio de variable y = STx.xTQx = 1 se simplifica a:
xTSSTx = 1
yTy = 1
1y21 + + ny2n = 1
Elipsoide con ejes con longitud 1/1, . . . , 1/
n desde el centro,
que en el espacio original estn en la direccin de los vectorespropios.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 18 / 23
-
Interpretacin 2
Sea Q > 0 y S la matriz cuyas columnas son los vectores propiosde Q,
Q = SST
con i > 0.Cambio de variable y = STx.xTQx = 1 se simplifica a:
xTSSTx = 1
yTy = 1
1y21 + + ny2n = 1
Elipsoide con ejes con longitud 1/1, . . . , 1/
n desde el centro,
que en el espacio original estn en la direccin de los vectorespropios.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 18 / 23
-
Interpretacin 2
Sea Q > 0 y S la matriz cuyas columnas son los vectores propiosde Q,
Q = SST
con i > 0.Cambio de variable y = STx.xTQx = 1 se simplifica a:
xTSSTx = 1
yTy = 1
1y21 + + ny2n = 1
Elipsoide con ejes con longitud 1/1, . . . , 1/
n desde el centro,
que en el espacio original estn en la direccin de los vectorespropios.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 18 / 23
-
Interpretacin 2
Sea Q > 0 y S la matriz cuyas columnas son los vectores propiosde Q,
Q = SST
con i > 0.Cambio de variable y = STx.xTQx = 1 se simplifica a:
xTSSTx = 1
yTy = 1
1y21 + + ny2n = 1
Elipsoide con ejes con longitud 1/1, . . . , 1/
n desde el centro,
que en el espacio original estn en la direccin de los vectorespropios.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 18 / 23
-
Interpretacin 2
Sea Q > 0 y S la matriz cuyas columnas son los vectores propiosde Q,
Q = SST
con i > 0.Cambio de variable y = STx.xTQx = 1 se simplifica a:
xTSSTx = 1
yTy = 1
1y21 + + ny2n = 1
Elipsoide con ejes con longitud 1/1, . . . , 1/
n desde el centro,
que en el espacio original estn en la direccin de los vectorespropios.
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 18 / 23
-
12
= 1
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 19 / 23
-
12
= 4
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 20 / 23
-
12
= 4
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 21 / 23
-
Producto punto con respecto a Q > 0DefinicinSea Q Rnn una matriz positiva definida. Para x,y Rn definimosel producto punto:
x,yQ = x,Qy
= xTQy
Chequeando propiedades:Simetra: x,yQ = y,xQLinealidad:
ax,yQ = a x,yQ , x + y, zQ = x, zQ + y, zQ
Positividad:
x,xQ 0 y x,xQ = 0 x = 0
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 22 / 23
-
Producto punto con respecto a Q > 0DefinicinSea Q Rnn una matriz positiva definida. Para x,y Rn definimosel producto punto:
x,yQ = x,Qy = xTQy
Chequeando propiedades:Simetra: x,yQ = y,xQLinealidad:
ax,yQ = a x,yQ , x + y, zQ = x, zQ + y, zQ
Positividad:
x,xQ 0 y x,xQ = 0 x = 0
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 22 / 23
-
Producto punto con respecto a Q > 0DefinicinSea Q Rnn una matriz positiva definida. Para x,y Rn definimosel producto punto:
x,yQ = x,Qy = xTQy
Chequeando propiedades:
Simetra: x,yQ = y,xQLinealidad:
ax,yQ = a x,yQ , x + y, zQ = x, zQ + y, zQ
Positividad:
x,xQ 0 y x,xQ = 0 x = 0
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 22 / 23
-
Producto punto con respecto a Q > 0DefinicinSea Q Rnn una matriz positiva definida. Para x,y Rn definimosel producto punto:
x,yQ = x,Qy = xTQy
Chequeando propiedades:Simetra: x,yQ = y,xQ
Linealidad:
ax,yQ = a x,yQ , x + y, zQ = x, zQ + y, zQ
Positividad:
x,xQ 0 y x,xQ = 0 x = 0
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 22 / 23
-
Producto punto con respecto a Q > 0DefinicinSea Q Rnn una matriz positiva definida. Para x,y Rn definimosel producto punto:
x,yQ = x,Qy = xTQy
Chequeando propiedades:Simetra: x,yQ = y,xQLinealidad:
ax,yQ = a x,yQ , x + y, zQ = x, zQ + y, zQ
Positividad:
x,xQ 0 y x,xQ = 0 x = 0
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 22 / 23
-
Producto punto con respecto a Q > 0DefinicinSea Q Rnn una matriz positiva definida. Para x,y Rn definimosel producto punto:
x,yQ = x,Qy = xTQy
Chequeando propiedades:Simetra: x,yQ = y,xQLinealidad:
ax,yQ = a x,yQ ,
x + y, zQ = x, zQ + y, zQ
Positividad:
x,xQ 0 y x,xQ = 0 x = 0
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 22 / 23
-
Producto punto con respecto a Q > 0DefinicinSea Q Rnn una matriz positiva definida. Para x,y Rn definimosel producto punto:
x,yQ = x,Qy = xTQy
Chequeando propiedades:Simetra: x,yQ = y,xQLinealidad:
ax,yQ = a x,yQ , x + y, zQ = x, zQ + y, zQ
Positividad:
x,xQ 0 y x,xQ = 0 x = 0
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 22 / 23
-
Producto punto con respecto a Q > 0DefinicinSea Q Rnn una matriz positiva definida. Para x,y Rn definimosel producto punto:
x,yQ = x,Qy = xTQy
Chequeando propiedades:Simetra: x,yQ = y,xQLinealidad:
ax,yQ = a x,yQ , x + y, zQ = x, zQ + y, zQ
Positividad:
x,xQ 0 y x,xQ = 0 x = 0Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 22 / 23
-
Norma con respecto a Qx2Q =
x,xQ = xTQx.Si Q tiene valores propios 1, 2, . . . , n > 0 con vectores propioscorrespondientes u1,u2, . . . ,un,
x =nj=1
ajuj donde aj = x,uj
y
x2Q =
nj=1
ajuj ,Q
ni=1
aiui
=
nj=1
ajuj ,
ni=1
aiiui
=i,j
ajaii uj ,ui
=nj=1
a2jj
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 23 / 23
-
Norma con respecto a Qx2Q = x,xQ
= xTQx.Si Q tiene valores propios 1, 2, . . . , n > 0 con vectores propioscorrespondientes u1,u2, . . . ,un,
x =nj=1
ajuj donde aj = x,uj
y
x2Q =
nj=1
ajuj ,Q
ni=1
aiui
=
nj=1
ajuj ,
ni=1
aiiui
=i,j
ajaii uj ,ui
=nj=1
a2jj
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 23 / 23
-
Norma con respecto a Qx2Q = x,xQ = xTQx.
Si Q tiene valores propios 1, 2, . . . , n > 0 con vectores propioscorrespondientes u1,u2, . . . ,un,
x =nj=1
ajuj donde aj = x,uj
y
x2Q =
nj=1
ajuj ,Q
ni=1
aiui
=
nj=1
ajuj ,
ni=1
aiiui
=i,j
ajaii uj ,ui
=nj=1
a2jj
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 23 / 23
-
Norma con respecto a Qx2Q = x,xQ = xTQx.Si Q tiene valores propios 1, 2, . . . , n > 0 con vectores propioscorrespondientes u1,u2, . . . ,un,
x =nj=1
ajuj donde aj = x,uj
y
x2Q =
nj=1
ajuj ,Q
ni=1
aiui
=
nj=1
ajuj ,
ni=1
aiiui
=i,j
ajaii uj ,ui
=nj=1
a2jj
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 23 / 23
-
Norma con respecto a Qx2Q = x,xQ = xTQx.Si Q tiene valores propios 1, 2, . . . , n > 0 con vectores propioscorrespondientes u1,u2, . . . ,un,
x =
nj=1
ajuj
donde aj = x,uj
y
x2Q =
nj=1
ajuj ,Q
ni=1
aiui
=
nj=1
ajuj ,
ni=1
aiiui
=i,j
ajaii uj ,ui
=nj=1
a2jj
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 23 / 23
-
Norma con respecto a Qx2Q = x,xQ = xTQx.Si Q tiene valores propios 1, 2, . . . , n > 0 con vectores propioscorrespondientes u1,u2, . . . ,un,
x =
nj=1
ajuj donde aj =
x,uj
y
x2Q =
nj=1
ajuj ,Q
ni=1
aiui
=
nj=1
ajuj ,
ni=1
aiiui
=i,j
ajaii uj ,ui
=nj=1
a2jj
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 23 / 23
-
Norma con respecto a Qx2Q = x,xQ = xTQx.Si Q tiene valores propios 1, 2, . . . , n > 0 con vectores propioscorrespondientes u1,u2, . . . ,un,
x =
nj=1
ajuj donde aj = x,uj
y
x2Q =
nj=1
ajuj ,Q
ni=1
aiui
=
nj=1
ajuj ,
ni=1
aiiui
=i,j
ajaii uj ,ui
=nj=1
a2jj
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 23 / 23
-
Norma con respecto a Qx2Q = x,xQ = xTQx.Si Q tiene valores propios 1, 2, . . . , n > 0 con vectores propioscorrespondientes u1,u2, . . . ,un,
x =
nj=1
ajuj donde aj = x,uj
y
x2Q =
nj=1
ajuj ,Q
ni=1
aiui
=
nj=1
ajuj ,
ni=1
aiiui
=i,j
ajaii uj ,ui
=
nj=1
a2jj
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 23 / 23
-
Norma con respecto a Qx2Q = x,xQ = xTQx.Si Q tiene valores propios 1, 2, . . . , n > 0 con vectores propioscorrespondientes u1,u2, . . . ,un,
x =
nj=1
ajuj donde aj = x,uj
y
x2Q =
nj=1
ajuj ,Q
ni=1
aiui
=
nj=1
ajuj ,
ni=1
aiiui
=i,j
ajaii uj ,ui
=
nj=1
a2jj
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 23 / 23
-
Norma con respecto a Qx2Q = x,xQ = xTQx.Si Q tiene valores propios 1, 2, . . . , n > 0 con vectores propioscorrespondientes u1,u2, . . . ,un,
x =
nj=1
ajuj donde aj = x,uj
y
x2Q =
nj=1
ajuj ,Q
ni=1
aiui
=
nj=1
ajuj ,
ni=1
aiiui
=i,j
ajaii uj ,ui
=
nj=1
a2jj
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 23 / 23
-
Norma con respecto a Qx2Q = x,xQ = xTQx.Si Q tiene valores propios 1, 2, . . . , n > 0 con vectores propioscorrespondientes u1,u2, . . . ,un,
x =
nj=1
ajuj donde aj = x,uj
y
x2Q =
nj=1
ajuj ,Q
ni=1
aiui
=
nj=1
ajuj ,
ni=1
aiiui
=i,j
ajaii uj ,ui
=
nj=1
a2jj
Fernando Lozano (Universidad de los Andes)Conceptos de Algebra Lineal 21 de enero de 2015 23 / 23
Sistema de ecuaciones linealesVectores y Valores PropiosMatrices positivas definidasProducto punto y norma con respecto a Q>0