Académique Documents
Professionnel Documents
Culture Documents
Indice
Revisin de Matrices............................................................................................................. 2 Prctica 1: Espacios Vectoriales ........................................................................................... 3 Prctica 2: Producto Interno ................................................................................................. 4 Prctica 3: Proyecciones y Matrices de Proyeccin ............................................................. 5 Prctica 4: Transformaciones Lineales ................................................................................. 8 Prctica 5: Autovalores y Autovectores .............................................................................. 10 Prctica 6: Diagonalizacin de matrices hermticas, formas cuadrticas, DVS .................. 12 Ecuaciones Diferenciales.................................................................................................... 15 Sistemas de Ecuaciones Diferenciales Lineales ................................................................. 18
con
Revisin de Matrices
1) Propiedades de las matrices
a. b. c. d. e.
c) Si una fila de A se suma a k.(otra fila) para producir una matriz B, d) Si dos filas de A se intercambian de lugar para producir B, e) Si una fila de A se multiplica por k para producir B, f) Si toda la matriz A se multiplica por k para producir B, g) Si es una matriz triangular, .
es inversible Sean a) b) c) Si d) Si e) y
pensarse como dos descripciones de un mismo operador lineal, pero con respecto a bases distintas. Estas dos matrices cumplen que: a) b) c) d)
2) Independencia lineal
es una combinacin lineal de son todos nulos. es LI si y Dos vectores son LD si son proporcionales. Un subconjunto de un conjunto LI sigue siendo LI. si y no
n n 2n
n+1
Dos subespacios son suplementarios cuando estn en suma directa y su suma es todo el
4) Bases
Si , es base de
6) Matriz de pasaje
Sean y bases del espacio .
Adems: si
7) Teorema de la dimensin
3) Definiciones
a. b. Ortogonalidad: Norma de un vector: i. 4 . . La norma depende del PI.
Propiedades:
ii. iii.
iv. Desigualdad de Cauchy-Schwarz: v. Desigualdad triangular: vi. Teorema de Pitgoras: si vale para vii. Identidad del paralelogramo: c. d. ngulo entre 2 vectores:
. Para el clculo del complemento ortogonal a un subespacio de dimensin finita, alcanza con exigir la ortogonalidad a un sistema de generadores. e. Funcin distancia:
4) Matriz asociada a un PI
Sea producto interno. base de . Entonces es la matriz del
a) b) c) d) . es definida positiva.
5) Expresin matricial de un PI
Si B es base de Propiedades: La matriz de un PI en una BOG es una matriz diagonal. La matriz de un PI en una BON es la matriz identidad. y G es la matriz del PI en esa base, entonces
1) Propiedades de la proyeccin
a) es el vector de S ms prximo a . 5
y adems
. . entonces )
3) Proyecciones y TLs
Sea Sea una transformacin lineal tal que una base de , entonces la matriz de la TL es:
proyecto, y tantos 0 como la dimensin del complemento ortogonal) Nota: la matriz de un operador proyeccin en una BON es una matriz de proyeccin. En cualquier otra base, no lo es.
4) Reflexiones y TLs
Sea Sea una TL tal que una base de , entonces la matriz de la TL es:
5) Matriz de Householder
La matriz de reflexin sobre un subespacio de un espacio de se puede obtener mediante la expresin: que es ortogonal a un vector en
Propiedades: a) Es involutiva: . 6
b) c) d)
. y .
6) Rotaciones en
Sea una BON de y sea T la rotacin de grados alrededor del eje .
7) Proceso Gram-Schmidt
Dada una base para un subespacio de , defina
8) Matrices de Proyeccin
Trabajamos con el producto interno cannico y sobre es una matriz de proyeccin Propiedades: i. ii. iii. iv. v. vi. vii. Si y son matrices de proyeccin, y . . Entonces la nica matriz de es se obtiene mediante , entonces es matriz de proyeccin y Obtencin de la matriz de proyeccin: i. ii. Sea Q una matriz cuyas columnas son una BON de es la . La matriz de proyeccin sobre una base de nica matriz de proyeccin Sea Entonces proyeccin sobre Si entonces . . . es matriz de proyeccin sobre . y es matriz de proyeccin sobre , , o .
Las columnas de P son una base del espacio sobre el cual proyectan.
9) Inversas y pseudoinversas
Pseudoinversa: Sea tal que . La matriz pseudoinversa de A es:
Propiedades: 7
a) b) c) d) e)
Si
es cuadrada e invertible,
d) Ecuaciones normales de cuadrados mnimos: e) Observaciones: mediante Si Si las columnas de . La recproca solo es cierta si . Si las columnas de es inversible. tiene son LI, la solucin por cuadrados mnimos es nica y se obtiene son LD, el sistema . es una solucin exacta y por
infinitas soluciones, y stas son de la forma Si El error , entonces toda solucin de es igual a .
cuadrados mnimos.
1) Condiciones de TLs
a. b. c. con con y . .
2) Ncleo e imagen
a. b. del espacio de partida. Teorema de la dimensin: Sea y sea (finita). Entonces: . Es un subespacio. . Es un subespacio.
La imagen de una TL puede obtenerse como lo que generan los transformados de una base
3) Clasificacin de TLs
a. Inyectividad (monomorfismo): Una TL es inyectiva si verifica: Una TL es inyectiva Una TL inyectiva transforma conjuntos LI a conjuntos LI. La recproca tambin es cierta: si A es un conjunto LI y es transformado en otro conjunto LI, la TL es inyectiva. Es decir: si T es inyectiva y A es LI, Si es LI. , T no puede ser inyectiva. b. Sobreyectividad (epimorfismo): Una TL es sobreyectiva Si Si T es biyectiva si . Las matrices asociadas a TLs sobreyectivas tienen sus filas LI. , T no puede ser sobreyectiva. c. Biyectividad (isomorfismo): ,y , T es biyectiva. es base de , entonces es base de . Las matrices asociadas a TLs inyectivas tienen sus columnas LI. .
La matriz asociada a una TL biyectiva tiene sus filas y columnas LI, o sea que es una matriz inversible, o sea que existe la TL inversa: Si , entonces o bien T es inyectiva y sobreyectiva, o bien no es ninguna.
Propiedades: f) g) h) i) Teorema: sean bases ordenadas de , y y y -espacios vectoriales ( son bases ordenadas de ). Sea , entonces . Si y son
bases, existe una nica matriz asociada. La recproca tambin es verdadera: dada una matriz y un par de bases, existe una nica TL asociada.
6) Composicin de TLs
y Propiedades: a) b) )
7) Operadores lineales
Un operador lineal es una TL que va de un espacio en s mismo. Se escribe como Propiedades: a) b) Si Si , y , entonces . .
Autovalores: Los autovalores de una matriz son las races de su polinomio caracterstico. Espectro de una matriz:
3) Propiedades
Sea I. II. III. IV. Si es singular es un autovalor de . suman entonces . . Dos autovectores asociados a autovalores distintos son LI. , entonces Si todas las filas o columnas de
10
V.
. Si
es autovalor de de
, Entonces se existe un
VI.
Si
5) Propiedades
1. 2. Si 3. Si 4. es autovalor de , es un polinomio en es regular . es autovalor de y .
, entonces
6) Diagonalizacin
es diagonalizable de que: tiene autovectores LI existe una base de compuesta por autovectores inversible y diagonal tal
sus componentes nulas excepto la n-sima. d. escalares ( ): autovalor: , autovectores: cualquier vector no
f. 2) 3) 4) 5) Si Si
9) Diagonalizacin de TLs
, con base de diagonalizable. . Si , , es diagonalizable cualquier base, entonces base de tiene tal que es diagonal y es
Los autovectores asociados a autovalores distintos son ortogonales, es diagonalizable unitariamente. es simtrica ( ( ) autovalores reales. son reales, , Los autovectores asociados a autovalores distintos son ortogonales, es ortogonal ( ), ), son BON de , ( ). es unitaria) si y solo si: ( ( es hermtica) si y solo si: es diagonalizable unitariamente es diagonalizable ortogonalmente: con Propiedades: Propiedades: . Si es la matriz de una rotacin, Los autovalores tienen mdulo 1, y pueden ser reales o complejos, Son matrices unitariamente diagonalizables, 12 Matriz ortogonal (unitaria): tiene , Los elementos de la diagonal de real: Matriz simtrica (hermtica):
Las columnas de
Los autovectores asociados a autovalores distintos son ortogonales, Preservan los productos internos Si es unitaria, y son unitarias. y las normas )
4) Formas cuadrticas
Una forma cuadrtica en matriz simtrica de . una matriz simtrica de . Entonces existe un e es sin , donde es una matriz ortogonal tal que a una forma cuadrtica es una funcin tal que , donde es una
Teorema de los ejes principales: sea cambio ortogonal de variable, trminos de producto cruzado:
Perspectiva geomtrica de los ejes principales: sea la forma cuadrtica . El conjunto de todas las punto o ningn punto. Si de es diagonal, la grfica est en posicin estndar. Si
, con no es diagonal, la
grfica est girada hasta salirse de la posicin estndar. Los ejes principales son los autovectores y son el nuevo sistema de coordenadas para los cuales la grfica est en posicin estndar.
es: Criterio I
y positivos los autovalores de A son positivos o cero los autovalores de A son negativos . los autovalores de A son negativos o cero
Criterio II
los autovalores de A son
13
6) Optimizacin restringida
Teorema de Rayleigh: sea la forma cuadrtica , con simtrica. Se verifica:
Sea extremar una forma cuadrtica restriccin El mnimo de restriccin variable es , y sea ( . El mximo de es y se alcanza en
, y se alcanza en
simtrica), sujeto a la . .
simtrica), sujeto a la
7) DVS
Valores singulares: Sea una matriz de . con rango . Entonces existe una matriz , y existen una matriz tales que , donde:
U ortogonal de
. Las
. Si
entonces:
14
10)
Pseudoinversa de Moore-Penrose de A:
Ecuaciones Diferenciales
1) Independencia lineal y Wronskiano
Sea hasta el orden funciones definidas en un intervalo continua en . La matriz de wronski de . El wronskiano es 15 , a valores en , con derivada : es, para cada
Propiedades: a. Si existe un tal que , entonces las funciones son LI. b. Si un conjunto es LD en un , su wronskiano es la funcin nula. La recproca es falsa; es verdadera solo si las funciones que componen el wronskiano son soluciones de una ED lineal de orden superior. c. La derivada del wronskiano es el determinante obtenido derivando la ltima fila. La derivada del wronskiano es la suma de q determinantes.
2) Identidad de Abel
Sea la ecuacion diferencial intervalo , sea el conjunto de las soluciones de ED, y sea de este conjunto. Entonces se verifica que: en un el wronskiano
(donde
). Entonces,
): es de variables
Solucin de la no homognea: una solucion se obtiene multiplicando toda la . Entonces, la ecuacin a resolver
16
tal que
anterior es diferencial exacta si y solo si Se dice adems que si al multiplicar la ecuacin por
6. Lineales homogneas de orden superior con coeficientes constantes: (I) Polinomio caracterstico de (I): Espectro de (I) es una solucin de la ED si , multiplicidad , .
Si la ED es de coeficientes constantes reales, las races del polinomio caracterstico aparecern conjugadas. Esto es, . Entonces, . Luego, . e
, donde:
b) Mtodo de variacin de parmetros: aplicable en cualquier caso. las soluciones de ,y las funciones que
satisfacen
es exponencial, polinomio, .
no es raz de
b. Si
17
diagonalizable
), con autovalor de y autovector de asociado a
diagonalizable
con:
. La solucin es
tal que
no diagonalizable
, donde
es la matriz de Jordan de A que tiene la siguiente estructura en bloques: donde cada bloque para algn autovalor de es una matriz de la forma
. (Dado un autovalor
de los bloques correspondientes a ese autovalor.) Luego: general del problema se expresar como Caso necesariamente posee un autovalor doble la matriz posee un solo bloque correspondiente a : de multiplicidad geomtrica 1, con lo cual . Resolvemos este sistema y la solucion
Respecto de la matriz hallando un par de vectores . Observamos que Caso 1) tiene un autovalor triple y es autovector de
La matriz P se obtiene y
18
Respecto de de 2) asociado a .
Respecto de autovectores de 3)
, asociados a .
, y
19