jueves, 29 de octubre de 2009


4.5 Espacio vectorial con producto interno y sus propiedades


Definición. El espacio vectorial complejo V se conoce como un espacio con producto interior si para cualquier par de vectores u y v en V, existe un único número complejo (u, v), llamado el producto interior de u y v, tal que si u, v y w están en V y si α ∈ C, entonces


Propiedades



i. (v, v) ≥ 0

ii. (v, v) = 0 si y sólo si v = 0.

iii, (u, v +w) = (u, v)+ (u, w)

iv. (u + v, w) = (u, w)+(v, w)

v. (u, v) = (v, u)

vi. (αu, v) = α(u, v)

vii. (u, αv) = α(u, v)

La barra en las condiciones (v) y (vii) denota el conjugado complejo.


4.6 cambio de base, base ortonormal, proceso de ortonormalización Gram-Schmidt.


Cambio de base


El cambio de base consiste en conocidas las coordenadas de un vector respecto a una base B, encontrar las coordenadas de dicho vector con respecto a otra base B’.


TEOREMA 4.10 (La inversa de la matriz de transición).


Si P es la matriz de transición de una base B a una base B’ en , entonces P es invertible y la matriz de transición de B’a B es .

TEOREMA 4.11 (Matriz de transición de una base B a una base B’).


Seanydos bases de Rn, entonces la matriz de transición P-1 de B a B’ puede determinarse mediante eliminación de Gauss – Jordan en la matriz como se muestra a continuación




En la matriz B’ representa la matriz que tiene por columnas las componentes de los vectores de la base B’ respectivamente, de forma similar B representa la matriz que tiene por columnas las componentes de los vectores de la base B respectivamente.


Base ortonormal


En álgebra lineal, una base ortonormal de un espacio prehilbertiano V (es decir, un espacio vectorial con producto interno) o, en particular, de un espacio de Hilbert H, es un conjunto de elementos cuyo span es denso en el espacio, en el que los elementos son mutuamente ortogonales y normales, es decir, de magnitud unitaria. Una base ortogonal satisface las mismas condiciones, salvo la de magnitud unitaria; es muy sencillo transformar una base ortogonal en una base ortonormal mediante el producto por un escalar apropiado y de hecho, esta es la forma habitual en la que se obtiene una base ortonormal: por medio de una base ortogonal.


Así, una base ortonormal es una base ortogonal, en la cual la norma de cada elemento que la compone es unitaria.


Estos conceptos son importantes tanto para espacios de dimensión finita como de dimensión infinita. Para espacios de dimensión finita, la condición de span denso es la misma que la de 'span', como se usa en álgebra lineal.


Una base ortonormal por lo general no es una "base", es decir, en general no es posible escribir a cada elemento del espacio como una combinación lineal de un número finito de elementos de la base ortonormal. En el caso de dimensión infinita, esta distinción cobra importancia: la definición dada requiere solo que el span de una base ortonormal sea densa en el espacio vectorial, y no que iguale al espacio entero.


Una base ortonormal de un espacio vectorial V no tiene sentido si el espacio no posee un producto interno. Un Espacio de Banach no tendrá una base ortonormal a no ser que sea unespacio de Hilbert.


Proceso de ortonormalización Gram – Schmidt


El proceso de ortogonalización de Gram–Schmidt de álgebra lineal es un proceso utilizado en matemática y análisis numérico, para ortogonalizar un conjunto de vectores en un espacio prehilbertiano, más comúnmente el espacio euclídeo Rn. Ortogonalización en este contexto significa lo siguiente: comenzamos con vectores v1,…, vk los cuales son linealmente independientes y queremos encontrar mutuamente vectores ortogonales u1, …, uk los cuales generan el mismo subespacio que los vectores v1, …, vk.


Este proceso lleva el nombre en honor a Jørgen Pedersen Gram y Erhard Schmidt. Proceso de Gram–Schmidt Definimos el operador proyección condonde los corchetes angulares representan el producto interior, proyecta el vector v ortogonalmente en el vector u. Antes de ver el proceso, debemos comprender el porqué de la definición de proyección. Si recordamos la definición de producto escalar, tenemos para el caso del numerador, módulo de u por módulo de v por el coseno del ángulo que forman.


En el denominador tenemos módulo de u por módulo de u, ya que el coseno sería 1. Si separamos los dos módulos de u en el denominador, vemos que a la izquierda tenemos únicamente “módulo de v * cos (ángulo que forman)”, lo que nos da claramente el módulo del vector proyección. Teniendo el módulo del vector proyección lo único que debemos hacer es asignarle una dirección, cosa que hacemos multiplicándolo por u/módulo(u), lo que es el vector de módulo 1 con dirección u (el vector unitario).



lunes, 19 de octubre de 2009

Biografía de Gabriel Cramer

Gabriel Cramer (31 de julio, 1704 - 4 de enero, 1752) fue un matemático Suizo nacido en Ginebra. Profesor de matemáticas de la Universidad de Ginebra durante el periodo 1724-27. En 1750 ocupó la cátedra de filosofía en dicha universidad. En 1731 presentó ante la Academia de las Ciencias de París, una memoria sobre las múltiples causas de la inclinación de las órbitas de los planetas.
Editó las obras de Jean Bernouilli (1742) y Jacques Bernouilli (1744) y el Comercium epistolarum de Leibniz. Su obra fundamental fue la "Introduction à l’analyse des courbes algébriques" (1750), en la que se desarrolla la teoría de las curvas algégricas según los principios newtonianos, demostrando que una curva de grado n viene dada por la expresión:
Reintrodujo el determinante, algoritmo que Leibniz ya había utilizado al final del siglo XVII para resolver sistemas de ecuaciones lineales con varias incógnitas. Editó las obras de Jakob Bernoulli y parte de la correspondencia de Leibniz.
Regla de Cramer
La regla de Cramer es un teorema en álgebra lineal, que da la solución de un sistema lineal de ecuaciones en términos de determinantes. Recibe este nombre en honor a Gabriel Cramer (1704 - 1752).
Si es un sistema de ecuaciones. A es la matriz de coeficientes del sistema, es el vector columna de las incógnitas y es el vector columna de los términos independientes.

miércoles, 7 de octubre de 2009

jueves, 1 de octubre de 2009

UNIDAD III: MATRICES Y DETERMINANTES



3.1 DEFINICIÓN DE MATRIZ, NOTACIÓN, ORDEN.
DEFINICION: Se llama MATRIZ a todo cuadro de números distribuidos en filas y columnas.

NOTACION: Generalmente, una matriz se nombra por una letra mayúscula y sus elementos, una vez distribuidos en las filas y columnas respectivas, se encierran con corchetes o con paréntesis, así:
o así


En estas notas usaremos preferentemente los corchetes.

ELEMENTO GENERICO

El símbolo "aij", llamado elemento genérico de una matriz, se usa para indicar que el elemento por él designado ocupa el lugar correspondiente a la fila "i" y a la columna "j".

En consecuencia, una anotación del tipo "a23" debe interpretarse que se trata del elemento "a", que ocupa el lugar correspondiente a la fila 2 y a la columna 3.

OTRA NOTACION DE UNA MATRIZ

Para el caso de una matriz A con m filas y n columnas, se debe entender que i varía desde 1 hasta m y que j varía desde 1 hasta n (siendo i y j variables en el conjunto de los números naturales).

Por ello, otra forma de anotar una matriz A, de m filas y n columnas, que tiene como elemento genérico a aij, es:

Amxn = (aij) (i= 1, 2, ..., m; j= 1, 2, ..., n)

asi la matriz




puede anotarse de esta forma:

A4x3 = (aij) (i= 1, 2, 3, 4; j= 1, 2, 3)

ORDEN DE UNA MATRIZ

El orden de una matriz es el número de filas y de columnas que tiene esa matriz.
Si el número de filas de una matriz A es "m" y el de columnas es "n", se suele anotar Amxn, leyéndose "matriz A de orden m por n".

3.2 Operaciones con Matrices


SUMA Y RESTA DE MATRICES
La suma de dos matrices y de la misma dimensión, es otra matriz de la misma dimensión que los sumandos y con término genérico .
Por tanto, para poder sumar dos matrices estas han de tener la misma dimensión. La suma de las matrices A y B se denota por A+B.

Las propiedades de la suma de matrices son:
  • A+(B+C)=(A+B)+C (propiedad asociativa)
  • A+B=B+A(propiedad conmutativa)
  • A+0=A(0 es la matriz nula)
  • La matriz - A, que se obtiene cambiando de signo todos los elementos de A, recibe el nombre de matriz opuesta de A, ya que A+(-A)=0.

La resta de matrices A y B se representa por A-B, y se define como: A-B=A+(-B)

suma

resta

Suma y resta de matriz A, B.

PRODUCTO DE MATRICES

Dadas dos matrices A y B, su producto es otra matriz P cuyos elementos se obtienen multiplacando las filas de A por las columnas de B. Es evidente que el número de columnas de A debe coincidir con el número de filas de B. Es más, si A tiene dimensión m x n y B dimensión n x p , la matriz P será de orden m x p .

De manera más formal, los elementos de P son de la forma:
Algunas propiedades del producto de matrices son:
  • Ax(BxC)=(AxB) x C
  • El producto de matrices en general no es conmutativo.
  • Dada una matriz cuadrada A de orden n, no siempre existe otra matriz B tal que AxB=BxA=In . Si existe dicha matriz B, se dice que es la matriz inversa de A y se representa por .
  • Si A es una matriz cuadrada de orden n se tiene AxIn=InxA=A .
  • El producto de matrices es distributivo respecto de la suma de matrices, es decir: A x (B+C)= A x B + A x C.
PRODUCTO DE UN ESCALAR POR UNA MATRIZ

El producto de una matriz por un número real k es otra de la misma dimensión que A y tal que cada elemento de B se obtiene multiplicando por k, es decir,
El producto de la matriz A por el número real k se designa por Al número real k se le llama también escalar, y a este producto, producto de escalares por matrices.

Algunas propiedades del producto de una matriz por un escalar son las siguientes:
  • k(A+B)=kA+kB (1ra propiedad distributiva)
  • (k+h)A=kA+hA(2da propiedad distributiva)
  • k[hA]=(kh)A (propiedad asociativa mixta)
  • 1A=A(elemento unidad)

    De forma similar se define la suma y la diferencia de una matriz por un escalar.

TRASPOSICIÓN DE MATRICES

Dada una matriz de orden m x n, , se llama matriz traspuesta de A, y se representa por a la matriz que se obtiene cambiando las filas por las columnas (o viceversa) en la matriz A.

Es decir:

Algunas propiedades de la trasposición de matrices son:

Dada una matriz A, siempre existe su traspuesta y además es única.