• Barajar
    Activar
    Desactivar
  • Alphabetizar
    Activar
    Desactivar
  • Frente Primero
    Activar
    Desactivar
  • Ambos lados
    Activar
    Desactivar
  • Leer
    Activar
    Desactivar
Leyendo...
Frente

Cómo estudiar sus tarjetas

Teclas de Derecha/Izquierda: Navegar entre tarjetas.tecla derechatecla izquierda

Teclas Arriba/Abajo: Colvea la carta entre frente y dorso.tecla abajotecla arriba

Tecla H: Muestra pista (3er lado).tecla h

Tecla N: Lea el texto en voz.tecla n

image

Boton play

image

Boton play

image

Progreso

1/25

Click para voltear

25 Cartas en este set

  • Frente
  • Atrás
  • 3er lado (pista)
Una matriz es diagonalizable si y solo si (3)
- Su base contiene solo vectores propio
- Es similar a una matriz diagonal
- La multiplicidad algebraica es igual a la multiplicidad geométrica
Similar (2)
- Es la misma matriz pero en otras bases
- Si existen B y P tal que A=PBP⁻¹
Diagonalizar A
Es encontrar D y P tal qué A=PDP⁻¹
Multiplicidad Geométrica
Es la dimensión del espacio propio generado por W=Ker(A-λI)
Definición
Multiplicidad Algebraica
Es la máxima potencia de (x-λ) que divide al polinomio característico
Sea V un conjunto ortogonal, entonces
V es l.i
Matriz Asociada
Transpuesta + Conjugada
Rango De Una Matriz A (2)
- Es la dimensión de la imagen
- Es el número máximo de columnas l.i de la Matriz Representante
Si una Matriz es simétrica Entonces
∀u,v∈ℝⁿ〈Au,v〉= 〈u,Av〉
Espectro de una Matriz A
Es el conjunto de los valores propios de A
Si A es hermítica y tiene dos valores propios distintos Entonces
Los vectores propios asociados a esos valores propios son ortogonales
Transformación Simetrica
∀ v,u, 〈 L(v),u〉= 〈v,L(u)〉
Una TL: ℝⁿ -> ℝⁿ es simétrica si y solo si
La matriz representante con respecto a las bases canónicas es simétrica
Si A es una matriz con coeficientes Reales, simétrica y diagonalizable entonces
A=PDP(traspuesta) donde P es una matriz de los vectores propios de A y éstos forman una base de vectores ortonormales.
Forma Cuadrática
Dada una Matriz A, simétrica
q(x) -> xt por A por x
Definida positiva
∀v≠0, su forma cuadrática > 0
Semidefinida Positiva
∀v, su forma cuadrática es ≥ 0
Definida Negativa
∀ v, su forma cuadrática ≤ 0
Semidefinida Negativa
∀ v, su Forma Cuadrática ≤ 0
Nulidad
La Dim(Ker(T))
Proyección Ortogonal sobre un s.e.v
P(x) = Σᵢ〈x,uᵢ〉uᵢ
Subespacio Ortogonal
W⊥ = {u∈ W | ∀ω∈W〈ω,u〉= 0}
Producto Hermítico
∀u,v,ω∈ⅈ ⁿ

1.〈u,v〉= Conjugado(〈u,v〉)
2.〈u,λv+ω〉= Conju(λ) •〈u,v〉+ 〈u,ω〉
En A una matriz simétrica, es definida positiva si y sólo si (3)
1) Los valores propios de A son positivos
2)|A⁽¹⁾| > 0, |A⁽²⁾| > 0,..., |A⁽ⁿ⁾| > 0
3) Al escalonar A, todos sus pivotes son positivos
Descomposición de Cholesky
Decimos que A ∈ M(ℝ) acepta una composición de Choesky si existe una matriz triangular inferior, con diagonal estrictamente positiva tal que A=RR(t)