Formulario de Vectores y Matrices (1)

March 23, 2019 | Author: Andrea Mora | Category: Eigenvalues And Eigenvectors, Linear Map, Vector Space, Matrix (Mathematics), Algebra
Share Embed Donate


Short Description

Download Formulario de Vectores y Matrices (1)...

Description

PRODUCTO ESCALAR u •v

= u1 ⋅ v1 + u 2 ⋅ v2 + u3 ⋅ v3

/

u • v = u ⋅ v ⋅ cos ϕ 

PROYECCIÓN 

 proy v u = 

u •v  2



/

⋅v

v



 proy v u = 

u •v  v

DISTANCIA ENTRE DOS PUNTOS DEL PLANO/ESPACIO d (  p, q )

= ( x2 −  x1 ) 2 + (  y 2 −  y1 ) 2 + ( z 2 − z 1 ) 2

PUNTO MEDIO DE UN SEGMENTO   x +  x 2 ,  y1 +  y 2 ,  z 1 + z 2    M ( x m ,  y m ) =  1   2 2     2 PRODUCTO VECTORIAL u



×

v



u ×v

=

=

u



v

⋅  senϕ 

i

 j



u1

u2

u3

v1

v2

v3







= ( u 2 ⋅ v3 − u 3 ⋅ v 2 ) i − ( u1 ⋅ v3 − u 3 ⋅ v1 )  j + ( u1 ⋅ v 2 − u 2 ⋅ v1 ) k 

PRODUCTO MIXTO 





u • ( v × w)

=

u1

u2

u3

v1

v2

v3

w1

w2

w3

= u1 ⋅ ( v2 ⋅ w3 − v3 ⋅ w2 ) − u 2 ⋅ ( v1 ⋅ w3 − v3 ⋅ w1 ) + u3 ⋅ ( v1 ⋅ w2 − v2 ⋅ w1 )

ECUACIONES DE PLANOS Ecuación vectorial (vector normal): ( x −  x0 , y −  y 0 , z  −  z 0 ) ⋅ ( n1 , n2 , n3 ) = 0 Ecuación vectorial (vectores paral.): ( x, y, z ) = ( x0 , y 0 , z 0 ) + λ 1 ⋅ ( u1 , u 2 , u 3 ) + λ 2 ⋅ ( v1 , v2 , v3 ) Ecuación general:  Ax +  By + Cz  + D = 0

 x =  x0 + λ 1u1 + λ 2 v1  Ecuaciones paramétricas:  y =  y0 + λ 1u 2 + λ 2 v2  z  =  z 0 + λ 1u3 + λ 2 v3   x

Ecuación segmentaria:

+

 y

+

 z 

−  D A −  D B −  DC 

=1

ÁNGULO ENTRE PLANOS  A ⋅  A +  B ⋅ B + C  ⋅ C  cosθ  =  A +  B + C  ⋅  A +  B + C  DISTANCIA DE UN PUNTO A UN PLANO  A ⋅  x1 +  B ⋅  y1 + C  ⋅  z 1 +  D d ( P 1 , π ) =  A 2 +  B 2 + C 2 1

2 1

2

2 1

1

2

2 1

1

2 2

2

2 2

2 2

HAZ DE PLANOS α ( A1 x +  B1 y + C 1 z +  D1 ) + β ( A2 x +  B2 y + C 2 z + D2 ) = 0

RECTAS EN EL ESPACIO Ecuación vectorial: ( x,  y, z ) = ( x0 , y0 , z 0 ) + λ ( u1 , u 2 , u 3 )

Formulario de Vectores y Matrices Elaborado Elaborado por: Ing. Roberto Castellanos Contacto: www.robertocastellanos.como  T.68.8!6."#"

1

 x =  x0 + λ ⋅ u1  Ecuaciones paramétricas:  y =  y0 + λ ⋅ u2  z  =  z  + λ ⋅ u 0 3   x −  x 0  y −  y 0  z  −  z 0 = = Ecuaciones simétricas: u1

u2

u3

ÁNGULO ENTRE RECTAS u •v

cos θ  =





u ⋅ v

ÁNGULO ENTRE RECTA Y PLANO u ⋅ A + u ⋅ B + u ⋅ C   senϕ  = u + u + u ⋅  A + B + C  DISTANCIA DE UN PUNTO A UNA RECTA 1

2 1

2

2 2

u

(

d   P  ,  R 1

)

3

2 3

2

2

2

 P  ×  P  0

1

=



u

DISTANCIA ENTRE RECTAS ALABEADAS d ( R, S ) =

 P 0 P 1 • ( u × v ) 



u ×v

Formulario de Vectores y Matrices Elaborado por: Ing. Roberto Castellanos Contacto: www.robertocastellanos.como  T.68.8!6."#"

2

MATRICES – DETERMINANTES PROPIEDADES DE LA ADICIÓN:  A, B ∈ ℜ m×n ⇒  A +  B ∈ ℜ m×n • • • • •

( A +  B ) + C  =  A + ( B + C )  A +  N  =  N  +  A = A  A + ( −  A ) = ( −  A ) +  A = N 

 A +  B =  B + A

PROPIEDADES DEL PRODUCTO POR UN ESCALAR •

α 

∈ ℜ ∧  A ∈ ℜ m×n ⇒ α . A ∈ ℜ m×n



( α .β  ) A = α ( β . A ) ( α  + β ) A = α  A + β A α (  A +  B ) = α  A + α B



1. A = A

• •

PROPIEDADES DEL PRODUCTO DE MATRICES •

(  A. B ) C  =  A( B.C )  A( B + C ) =  A. B +  A.C 



 A. B ≠  B. A



• •

A.B=A.C no se cumple que B=C A.B=N no necesariamente A=N v B=N

PROPIEDADES DE LAS MATRICES SIMETRICAS Y ANTISIMETRICAS • • •

(  A +  B ) t  =  A t  +  B t  ( α . A ) t  = α . A t  (  A. B ) t  =  B t  . A t 

= ( A +  A t  )





 A +  A t 



 A. A t  = ( A. A t  )



 A −  A t  = −( A −  A t  )

t  t 

PROPIEDADES DE LAS MATRICES INVERSIBLES Si una matri es inversi!le su inversa es "nica • −1



 A, B ∈ ℜ n×n ⇒ (  A. B )



( A 1 )



( α . A) −1 = α 1 . A −1 ∧ α  ≠ 0



( A )



−1

k  −1

=  B

−1

. A −1

= A

(

=  A

−1

)



Una mat!" A #$ %t%&%na' ⇔  A. A t  =  A t . A =  I  TEOREMA DE CRAMER: si A es una matri inversi!le #e or#en n ⇒ ∀ B ∈ ℜ n×1  el sistema  A. X  =  B tiene e$actamente una solución% que se o!tiene asignan#o a ca#a incognita el cociente #e #os #eterminantes. El #eterminante #el #enomina#or es el #e la matri #el sistema & el #el numera#or es el #e la matri que se o!tiene sustitu&en#o #el anterior la columna #e los coe'cientes #e la incógnita por la columna #e los términos in#epen#ientes. Formulario de Vectores y Matrices Elaborado por: Ing. Roberto Castellanos Contacto: www.robertocastellanos.como  T.68.8!6."#"

3

TEOREMA DE ROUCH()*ROBENIUS : un sistema #e m ecuaciones lineales con n incógnitas es compati!le si & sólo si el rango #e la matri #el sistema es igual al rango #e la matri amplia#a. Enuncia#o:

Cs

≠ ∅ ⇔  R(  A) =  R(  A  B )

ue#en ocurrir #os alternativas:  R (  A) =  R (  A  B ) = n  (n el numero #e incógnitas)% el sistema es E*E+,-NA. •  R(  A) =  R(  A  B) < n % el sistema es -NE*E+,-NA. •

PROPIEDAD:  A ∈ ℜ m×n ∧  X  ∈ ℜ n×1 ⇒ S  = { X  /  A. X  = 0} es su!espacio #e



n×1

 (el conjunto solución de un

sistema homogéneo es un subespacio) Y su dimensión se define dim S  = n −  R ( A)

Formulario de Vectores y Matrices Elaborado por: Ing. Roberto Castellanos Contacto: www.robertocastellanos.como  T.68.8!6."#"

!

ESPACIOS VECTORIALES n con0unto 1 es un espacio vectorial & se escri!e

(V  + ℜ ⋅) , ,

,

 si es un con0unto

no vac2o en el que se cumple que: e$iste el vector nulo% para ca#a vector e$iste un opuesto% se cumple una le& #e composición interna en la suma #e vectores & #e composición e$terne en el pro#ucto entre escalares reales & vectores.

SUBESPACIOS VECTORIALES n con0unto S no vac2o e inclu2#o en 1 sien#o

(V  + ℜ ⋅) , ,

,

 un espacio vectorial% S

es un su!espacio #e 1 si se cumplen las siguientes con#iciones: S  ⊂ V  

S  ≠ ∅

 

 x,  y ∈ S  ⇒  x +  y ∈ S 



α  ∈ ℜ ∧  x ∈ S  ⇒ α  ⋅  x ∈ S 

+n!,%$ $-.#$a,!%$ 0# +n!,%$ $-.#$a,!%$ 0# que pasen por el origen.

: { ( 0,0) } , ℜ 2 %rectas que pasen por el origen 3 3 ℜ : { ( 0,0,0 ) } , ℜ % rectas que pasen por el origen% planos ℜ

2

COMBINACIÓN LINEAL Sea

(V  + ℜ ⋅) , ,

,

 espacio vectorial & sean

v1 , v 2 ,..., v r  ∈ V  3

4 es com!inación lineal

#e v , v  ,..., vr  si w = α 1v1 + α 2 v2 +  + α r vr   con α 1 , α 2 ,, α r  ∈ ℜ . Si α 1 = α 2 =  = α r  = 0  la C.5. es la trivial & se o!tiene el vector nulo. 1

2

SISTEMAS DE GENERADORES Sea

(V  + ℜ ⋅) , ,

,

 e.v. & sean

v1 , v 2 ,..., v r  ∈ V  3

los vectores

v1 , v   2 ,..., vr   6orman

un

sistema #e genera#ores #e 1 o generan a 1 si to#o vector #e 1 pue#e e$prearse como C.5. #e ellos. e'nición: ∀w ∈ V , ∃α 1 , α 2 ,, α r  ∈ ℜ / w = α 1v1 + α 2 v2 +  + α r v r  ropie#a#: Si el sistema { v1 , v 2 ,, v r  }  inclui#o en 1 es genera#or #e 1 & uno #e los vectores que lo 6orman es C.5. #e los otros% entonces el su!sistema que resulta al suprimir ese vector tam!ién es genera#or #e 1.

DEPENDENCIA E INDEPENDENCIA LINEAL 5a ecuación α 1v1 + α 2 v2 +  + α r vr  = 0  tiene siempre solución trivial Si la trivial es la "nica solución entonces los vectores son linealmente in#epen#ientes. 

Formulario de Vectores y Matrices Elaborado por: Ing. Roberto Castellanos Contacto: www.robertocastellanos.como  T.68.8!6."#"

"



Si a#em7s tiene otras soluciones% los vectores son linealmente #epen#ientes.

!servaciones & propie#a#es:  *o#o sistema que contenga al vector nulo es 5..  *o#o sistema con un "nico vector no nulo es 5.-. El sistema { v1 , v 2 ,, v r  }  es 5.. si & solo si algunos #e los vectores #el sistema es C.5. #e los restantes. Si un sistema tiene #os vectores no nulos% si uno es m"ltiplo #el otro son 5..3 caso contrario son 5.-. En ℜ 2 & ℜ 3  #os vectores 5.. son paralelos.   





BASE DE UN ESPACIO VECTORIAL  B = { v1 , v 2 , , v n }  es !ase #e 1 ⇔ B es S.8. #e 1 9 B es 5.-. Si se comprue!a cualquiera #e las #os con#iciones &a se pue#e #ecir que es !ase. 

5lamamos !ases canónicas #e { (1,0) , ( 0,1) } en ℜ 2



n

 a por e0emplo:





  {( 1,0,0 ) , ( 0,1,0) , ( 0,0,1)} en ℜ 3

DIMENSIÓN  *o#o espacio vectorial #e #imensión 'nita que no se re#uca al vector nulo a#mite por lo menos una !ase. Si 1 es un e.v. #e #imensión 'nita% to#as sus !ases tienen el mismo n"mero n #e vectores que se llama #imensión #e 1 & se nota: dim V  = n Se #e'ne dim{ 0} = 0 dim ℜ n = n dim ℜ m×n = m ⋅ n dim P n = n + 1 



 

!servaciones: sea dim V  = n  *o#o sistema con m7s #e n vectores #e 1% son 5..  *o#o sistema con menos #e n vectores #e 1% no generan a 1.  *o#o sistema #e n vectores 5.-.% 6orman una !ase #e 1.  *o#o S.8. #e 1 con n vectores% 6orman una !ase #e 1    

ropie#a#: Sea dim V  = n  & sea un con0unto #e r vectores (rn) 5.-.% el con0unto pue#e e$ten#erse a una !ase #e 1 agreg7n#ole (n;r) vectores% 6orman#o #e esta manera un con0unto 5.-. #e n vectores #e 1.

BASE DE UN SUBESPACIO B es !ase #e un su!espacio S si B es un con0unto 5.-. & 6orma un S.8. #e S. Si dim V  = n  & S su!espacio #e 1% entonces dim S  ≤ n  y  si dim S  = n ⇔ S  = V  COORDENADAS DE UN VECTOR EN UNA BASE Formulario de Vectores y Matrices Elaborado por: Ing. Roberto Castellanos Contacto: www.robertocastellanos.como  T.68.8!6."#"

#

 si  B = { u1 , u 2 , , u n } !se de V  ∧ v ∈ V  ⇒ ∃$α 1 , α 2 , , α n

∈ ℜ / v = α 1u1 + α 2 u 2 +  + α n u n

 α 1      α 2   Se nota: [ v ] B =           α n   OPERACIONES CON SUBESPACIOS -ntersección: Sean S?.  Nu ( % ) =  &er ( % ) = { x ∈ V  / % ( x ) = 0$  } El n"cleo #e * es un su!espacio #e 1. IMAGEN DE UNA TRANS*ORMACIÓN LINEAL:  sea %   V  → $  Se llama con0unto imagen #e * al con0unto #e vectores #e ? que son im7genes me#iante * #e al menos un vector #e 1. m( % ) = { y ∈ $  / ∃ x ∈ V  ∧ % ( x) =  y} 5a imagen #e * es un su!espacio #e ?. TEOREMA DE LAS DIMENSIONES Sea %   V  → $   trans6ormación lineal dim V  = dim  Nu ( % ) + dim m ( % ) n = nu(id!d ( % ) + r!n'o( % )  !ien #e otra manera:

Formulario de Vectores y Matrices Elaborado por: Ing. Roberto Castellanos Contacto: www.robertocastellanos.como  T.68.8!6."#"

*

TRANS*ORMACIONES MATRICIALES: Sea  A ∈ ℜ m×n 3 si se consi#eran los vectores #e ℜ m  & los vectores #e ℜ n e$presa#os como matri columna% se pue#e #e'nir la trans6ormación lineal * #e m n ℜ  en ℜ  como: %   ℜ n → ℜ m / % ( X ) =  A. X  on#e A se llama matri est7n#ar. CLASI*ICACIÓN DE LAS TRANS*ORMACIONES LINEALES Sea %   V  → $   trans6ormación lineal:  * es MONOMOR*ISMO ⇔ * es INYECTIVA ⇔  Nu( % ) = { 0V  }  * es EPIMOR*ISMO ⇔ * es SOBREYECTIVA ⇔ m( % ) = $   * es ISOMOR*ISMO ⇔ * es BIYECTIVA ⇔  Nu ( % ) = { 0V  } ∧ )m(% ) = $   * es ENDOMOR*ISMO ⇔ V  = $     

TEOREMA *UNDAMENTAL DE LAS TRANS*ORMACIONES LINEALES Sean 1 & ? espacios vectoriales so!re ℜ % & sea  B = { v1 , v 2 , , v n }  !ase #e 1 & t  , t  ,  , t   vectores ar!itrarios #e ? ⇒ ∃$ t .( . %   V  → $  / % ( v1 ) = t i ∀i = 1, , n (Si tenemos una !ase #e 1 con los trans6orma#os #e ca#a uno #e sus vectores entonces po#emos 6ormar una "nica trans6ormación lineal con ellos) En los e0ercicios #epen#ien#o #e los #atos que nos #en se pue#en 6ormar o una "nica trans6ormación lineal% in'nitas o que no e$ista la misma (@a& que compro!ar si son 5.-. los vectores que nos #an o si nos 6altan vectores para armar una !ase) 1

2

n

MATRIZ ASOCIADA A UNA TRANS*ORMACIÓN LINEAL Sean %   V  → $  t .( . / dim V  = n ∧ dim $  = m Sea  B1 = { u1 , u 2 ,, u n }  !ase #e 1 Sea  B2 = { v1 , v2 ,, v m }  !ase #e ? 5a trans6ormación lineal * que#a caracteria#a por una matri  A ∈ ℜ m× n % sien#o su n"mero #e 'las igual a la #imensión #el co#ominio #e * & su n"mero #e columnas igual a la #imensión #el #ominio #e *. A la matri A se la llama mat!" a$%,!a0a a T #n 'a$ .a$#$ B 6 7 B8:  !11 !12  !1n      ! 21 ! 22  ! 2 n     A =  M ( % )  B  B =              ! ! ! mn     m1 m 2 1

2

Formulario de Vectores y Matrices Elaborado por: Ing. Roberto Castellanos Contacto: www.robertocastellanos.como  T.68.8!6."#"

10

!    11      ! 21   Sien#o el vector columna    las coor#ena#as #e *(u6) en la !ase B8 % el      !     m1

 !12       ! 22   vector columna    las coor#ena#as #e *(u8) en la !ase B8 & el vector        ! m 2    !1n       ! 2 n   columna    las coor#ena#as #e *(un) en la !ase B8 .        ! mn   +ES,-:  M ( % )  B  B = 1

2

[% ( u ) ] 1

 B2

[% ( u ) ] 2

 B2

BSE+1AC-N: Sea %   V  → $  t .( . / dim V  = n &  B2 = { v1 , v2 ,, v m }  !ase #e ?3 entonces:  M ( % )  B  B

1 2

[% ( u ) ]



n

B2

∧ dim $  = m

%  B1 = { u1 , u 2 ,, u n }  !ase #e 1%

• [ x] B = [% ( x ) ] B 1

2

AC5A+AC-N: 5as !ases canónicas se suelen #enominar como E & E.

Formulario de Vectores y Matrices Elaborado por: Ing. Roberto Castellanos Contacto: www.robertocastellanos.como  T.68.8!6."#"

11

MATRIZ ASOCIADA A LA TRANS*ORMACIÓN LINEAL INVERSA Sea %   V  → V   *.5. BIYECTIVA (5os su!espacios 1 no tienen que ser necesariamente iguales% tienen que tener igual #imensión) Con dimV  = n ⇒ ∃ %   V  → V   *.5. Sea B6 !ase #e 1 & B8 !ase #e 1 & sea  A =  M ( % ) B  B ∈ ℜ m×n ⇒  A −1 =  M (% −1  B  B −1

1 2

2 1

MATRIZ ASOCIADA A LA COMPUESTA DE TRANS*ORMACIONES LINEALES Sean % 1  V  → $  ∧ % 2  )  → V  ⇒ ∃% 1  % 2  )  → $   *.5. Con dim )  = n , dim V  =  p , dim $  = m Sean B6 !ase #e % B8 !ase #e 1 & B9 !ase #e ?3 & sean: m× p ∧  B =  M ( % 2 )  B  B ∈ ℜ p×n ⇒ M ( % 1  % 2 )  B  B =  A ⋅ B ∈ ℜ m×n  A =  M ( % 1 )  B  B ∈ ℜ 2

3

1 2

1 3

5a composición se pue#e @acer tanto matricialmente como aplican#o % 1 [% 2 ( x ) ]

MATRIZ CAMBIO DE BASE O DE CAMBIO DE COORDENADAS Consi#eran#o la trans6ormación lineal i#enti#a#  Id   V  → V  /  Id ( x ) = x Consi#eran#o  B1 = {u1 , u 2 ,, u n }  !ase #e 1% &  B2 = { v1 , v 2 ,, vm }  !ase #e ?3 entonces:  M ( Id ) B  B • [ x] B = [ Id ( x ) ] B = [ x] B 5a matri asocia#a a la i#enti#a# act"a como matri cam!io #e !ase o matri cam!io #e coor#ena#as #e la !ase B6 a la !ase B8. 1 2

1

2

2

NOTACIÓN:  M ( Id )  B  B =  P  B → B = P  1 2

*ÓRMULA:

 P  B → B 1

BSE+1AC-N:

2

1

2

• [ x ] B = [ x ] B 1

 B1

( P ⋅  X  =  X ′)

2

=  B2 ⇔  P  B → B = I n 1

2

+-EA: 5a matri  P  B → B  es regular &  P −1 = ( P  B → B 1

2

1

2

) − = P  → 1

 B2

Formulario de Vectores y Matrices Elaborado por: Ing. Roberto Castellanos Contacto: www.robertocastellanos.como  T.68.8!6."#"

 B1

12

AUTOVALORES Y AUTOVECTORES Sea

%   V  → V   en#omor'smo

DE*INICIÓN:  El vector  x ∈ V   es un a-t%#,t% % #,t% %!% #e * ⇔  x ≠ 0 v ∧ ∃ λ  ∈ ℜ / % ( x ) = λ  ⋅ x . A  se lo llama a-t%a'% % a'% %!% asocia#o a $. DE*INICIÓN DE *ORMA MATRICIAL : Sea  A ∈ ℜ n×n El vector  X  ∈ ℜ n×1  es un autovector #e  A ⇔  X  ≠ 0 ℜ × ∧ ∃λ  ∈ ℜ /  A. X  = λ . X  A  se lo lama autovalor asocia#o a D. n 1

λ .I   A 0 +-EA: λ  !utov!(or  de  A BSE+1AC-N:  P ( λ ) =  A − λ .I  P%'!n%m!% ,aa,t#;$t!,% cu&as ra2ces van a ser los autovalores #e A  A 0 E,-a,!3n ,aa,t#;$t!,a. λ .I  ⇔





=

=

BSE+1AC-N: na ve @alla#os los autovalores al reemplaarlos en el sistema @omogéneo  A. X  = λ . X  que es compati!le in#etermina#o que#a 6orma#o un su!espacio #e ℜ n 1  llama#o $-.#$a,!% %!% a$%,!a0% a  (o autoespacio): S  = { X  ∈ ℜ n×1 /  A. X  = λ . X } MATRIZ SEME1ANTE: na matri B #e or#en n es $#m#
View more...

Comments

Copyright ©2017 KUPDF Inc.
SUPPORT KUPDF