Академический Документы
Профессиональный Документы
Культура Документы
LINEALES
OPERADORES SOBRE
ESPACIOS LINEALES
Operador:
Dados dos espacios lineales X y Y
A es una funcin que asocia vectores de diferentes
espacios vectoriales
A: X Y
y = A(x) es un elemento de Y
y se denomina imagen de x a travs de A
x se denomina pre-imagen de y a travs de A
febrero de 2017 2
OPERADORES LINEALES
A1x1 2 x 2 1Ax1 2 Ax 2
con x1 , x 2 X y 1 , 2 escalares.
febrero de 2017 3
OPERADORES LINEALES
Espacio Rango R(A):
El espacio rango de un operador A: X Y,
es el conjunto de todos los vectores yi Y
febrero de 2017 4
OPERADORES LINEALES
Espacio Nulo N(A):
El espacio nulo de un operador A : X Y,
es el conjunto de todos los vectores xi X
febrero de 2017 5
PROPIEDADES
ONTO: R(A) = Y,
Cada elemento en Y es la imagen de por lo menos
un x X.
BIYECTIVA:
Si el operador A es simultneamente onto e
inyectivo
febrero de 2017 6
PROPIEDADES
Un operador es invertible si y solo si existe otro
operador
A-1: Y X
tal que
A-1 [A (x)] = x
y
A[A-1(y)] = y.
A-1A = Ix , AA-1 = Iy , son los operadores identidad
en sus espacios respectivos.
febrero de 2017 7
OPERADORES LINEALES
Representacin Matricial de un Operador Lineal:
Para propsitos computacionales cualquier operador
lineal de dimensin finita se puede representar por
medio de una matriz A.
febrero de 2017 8
OPERADORES LINEALES
Dados dos vectores, x y y, uno de un espacio de n dimensiones y
otro de un espacio de m dimensiones, esto es x Xn, y Xm. Se
desea obtener una representacin para un operador A que
transforma
A: Xn Xm
Sean v y u bases para estos espacios:
v v , v ,, v para X
j 1 2 n
n
ui u1, u2 ,, um para Xm
Un vector x en Xn se puede expandir en funcin de la base como
n
x j v j
j 1
febrero de 2017 9
OPERADORES LINEALES
y como el operador es lineal
n n
y Ax A j v j j Av j
j 1 j 1
El efecto del operador lineal A sobre cualquier vector x se puede
evaluar calculando el efecto de A sobre los vectores base a partir de
los cuales escribe x
1
y Ax Av 1 Av 2 Av n 2
n
febrero de 2017 10
OPERADORES LINEALES
Cada vector Avj es un vector en el espacio rango Xm
febrero de 2017 11
OPERADORES LINEALES
Como la expansin es nica y cambiando el orden de la sumatoria
m n m
aij j u i i u i
i 1 j 1
i 1
entonces
n
i aij j i 1, , m
j 1
febrero de 2017 12
OPERADORES LINEALES
= [1 2 n]T es la representacin de x Xn
respecto a la base {vi}
= [1 2 m]T es la representacin de y Xm
respecto a la base {ui},
Entonces
y se puede representar como la multiplicacin matricial
= A con a a . . a
11 12 1n
a21 a22 . . a2 n
A . . . . .
. . . . .
a am n
febrero de 2017
m1 am 2 . .
13
OPERADORES LINEALES
la j-sima columna de la representacin matricial de un
operador lineal A: Xn Xm se construye como la
representacin del vector Avj respecto a la base del
espacio rango
febrero de 2017 15
Rango de una matriz
Rango (A):
El rango de una matriz A es el mximo nmero
de columnas linealmente independientes.
Es igual al nmero de filas linealmente
independiente
(Rango de Filas = Rango de Columnas).
Si la matriz A es de dimensiones m x n el rango
de A es
(A) min(m,n)
febrero de 2017 16
Rango de una matriz
febrero de 2017 17
OPERADORES LINEALES
El rango de la matriz A es igual a la dimensin del espacio rango del
operador lineal A.
dim R A
febrero de 2017 18
Nulidad de una matriz
febrero de 2017 19
OPERADORES LINEALES
El espacio nulo del operador A se puede representar
como el espacio de todas las soluciones de
Ax 0
Entonces la dimensin del espacio nulo del operador A
es igual a la nulidad de la matriz A
A dim N A
febrero de 2017 20
OPERADORES LINEALES
Ejemplo: Considerar un operador lineal, A: R2 R2, que toma un
vector x y lo rota en el sentido contrario al de las manecillas del reloj
un ngulo .
Encontrar la representacin matricial del operador lineal que logra la
rotacin planar sobre vectores arbitrarios en R2,
Probar la matriz resultante rotando el vector x = [1 2]T y un ngulo
de 30.
y Ax
Tomado de 1. Cap. 3
febrero de 2017 21
OPERADORES LINEALES
Para encontrar la representacin matricial de cualquier operador, son
necesarias las bases de cada espacio, as como el efecto del
operador en dichas bases. En este caso usaremos los vectores
bases del plano cartesiano como se muestra en la siguiente figura
Ae 2 e2
Descomponiendo los vectores rotados
Ae1 y Ae2 a lo largo de las direcciones
de las bases originales tenemos
Ae1 cos
Ae1 cos e1 sin e 2 e1 e 2
sin
e1
Tomado de 1. Cap. 3 sin
Ae 2 sin e1 cos e 2 e1 e 2
cos
febrero de 2017 22
OPERADORES LINEALES
Entonces la matriz de representacin es
cos sin
A
sin cos
febrero de 2017 23
OPERADORES LINEALES
Tomado de 1. Cap. 3
febrero de 2017 24
OPERADORES LINEALES EN
DIFERENTES BASES
Un tipo importante de transformacin es:
A:
n n
febrero de 2017 25
OPERADORES LINEALES
Utilizando esta notacin
x
y Ax y y A
con x , y representados en la base vi .
Como se transforma una representacin matricial de un
operador de una base a otra?
x Bx y y By
entonces
x By A
y A Bx y B1A
B x
febrero de 2017 26
OPERADORES LINEALES
B-1 debe existir dado que es una matriz (n n) de cambio de base y
de rango completo.
B o BAB 1 A
A B 1 A
si hacemos
M 1 o A
B 1 M A MA M 1 AM
La operacin anterior se denomina una transformacin similar y
corresponde, por ejemplo, al proceso de desarrollar diferentes
representaciones para variables de estado.
febrero de 2017 27
NORMAS INDUCIDAS
NORMAS INDUCIDAS: intuitivamente se
interpretan como una medida de la amplificacin
en sistemas.
Dado un sistema con relacin entrada salida
dada por:
y Ax
La ganancia del sistema se define como la
relacin:
y
x
febrero de 2017 28
NORMAS INDUCIDAS
La mxima ganancia para todas las direcciones
posibles de la entrada est dada por la NORMA
INDUCIDA:
Ax
sup
p
A pq
x 0 x q
1
q
q
donde x q xi
es la norma del vector de
i
entrada.
La norma inducida es la mayor amplificacin
posible de la matriz
febrero de 2017 29
NORMAS OPERADORES
Toda norma inducida cumple las propiedades bsicas
de una norma.
x 0 x 0 x0
x x escalar xy x y
ADEMAS
Cumple la propiedad multiplicativa o de consistencia:
AB A B
febrero de 2017 30
ECUACIONES LINEALES
La solucin de sistemas de ecuaciones simultaneas es
una aplicacin de la teora de operadores lineales.
febrero de 2017 32
ECUACIONES LINEALES
Una visin adicional se obtiene considerando cada columna de la
matriz A como un vector ai en el espacio m :
| | | |
Ax a1 x1 a2 x2 an xn y
| | | |
febrero de 2017 33
ECUACIONES LINEALES
La prueba de independencia se realiza formando una nueva matriz
aumentada
W A y
Resumiendo
febrero de 2017 34
Ecuaciones Lineales
Cuando los rangos son iguales puede existir una solucin
o un nmero infinito de soluciones.
Si (A) = n la solucin del sistema Ax = y es nica:
Las columnas de la matriz A son LI y forman una base
para n.
Como y est en R(A),
ENTONCES
la representacin de y en esta base es nica
y esta dada por el conjunto de coeficientes xi que se
est buscando.
febrero de 2017 35
Ecuaciones Lineales
Si (A) < n, menos de n columnas de A son LI:
El conjunto {ai} an es el subespacio en el cual se
encuentra y
PERO como hay ms ai de los necesarios para formar
una base, la representacin de y a partir del conjunto
{ai} no es nica.
Por qu existen infinitas soluciones?
La nulidad de la matriz A es:
A n A
dado que (A) < n, entonces (A) > 0.
febrero de 2017 36
ECUACIONES LINEALES
La nulidad de la matriz corresponde a la dimensin del
espacio nulo del la transformacin, (A)=dim(N(A)).
febrero de 2017 37
ECUACIONES LINEALES
Cmo encontrar el Espacio Nulo?
El espacio nulo se determina fcilmente reduciendo la
matriz a la forma triangular superior por medio de las
operaciones bsicas entre filas.
0
0 0 0
[x] Elemento Pivote.
0 0 0 0
0 0 0 0 0 0
febrero de 2017 38
ECUACIONES LINEALES
A 3 A 6 3 3
febrero de 2017 39
ECUACIONES LINEALES
Para obtener una base de N(A):
Se genera un conjunto de vectores de variables libres
LI
Se resuelve el sistema de ecuaciones reducidas por
filas homogneo para las variables pivote.
La manera sencilla:
Asumir xi=1 para una variable libre y xj=0 para las
dems
Resolver para las variables pivote.
Repetir para cada variable libre.
febrero de 2017 40
ECUACIONES LINEALES
Ejemplo: dado el sistema
x1
1 1 2 8
1 2 0 x2 2
x
3
Calculando los rangos de las matrices A y W
1 1 2 8 1 1 2 8
W A y
1 2 0 2 0 1 2 10
Entonces (W) = 2
febrero de 2017 41
ECUACIONES LINEALES
Para la matriz A
1 1 2 1 1 2
A
1 2 0 0 1 2
Entonces (A) = 2
La variable libre es x3
febrero de 2017 42
ECUACIONES LINEALES
Base para el Espacio Nulo:
Solucin homognea Ax = 0
x1 x1
1 1 2 1 1 2
1 2 0 x2 0 1 2 x2 0
x x
3 3
Entonces
x3 1
x1 x2 2 x3 0
x2 2
x2 2 x3 0
x1 4
El vector x0 = [-4 -2 1]T es una base para el espacio nulo N(A).
febrero de 2017 43
ECUACIONES LINEALES
La solucin particular: a partir de la forma escalada reducida par W
x3 0
x1 x2 2 x3 8
x2 10
x2 2 x3 10
x1 18
18 4
x xP x0 10 2,
0 1
1 2 3 4 1 0 0 21.25
W 2 1 2 7 0 1 0 4.5
3 2 1 1 0 0 1 3.625
Entonces (A) = (W) = 3 = n Solucin nica.
x 21.25 4.5 3.625
T
febrero de 2017 45
ECUACIONES LINEALES
Se construye W para el segundo sistema
1 2 2 1 0 0
W 3 4 3 0 1 0
5 6 4 0 0 1
febrero de 2017 46
ECUACIONES LINEALES
El caso especial A cuadrada (n x n) y (A) = (W) = n, la nica
solucin se encuentra como
x A 1y
febrero de 2017 47
ECUACIONES LINEALES
Si A no es cuadrada hay dos posibilidades: m < n y m > n
febrero de 2017 48
ECUACIONES LINEALES
Solucin con la mnima norma:
Util cuando el vector x representa una cantidad fsica con
un costo asociado: energa, consumo, costos, seal de
control, etc.
Minimizando x2 se minimiza x
febrero de 2017 49
ECUACIONES LINEALES
Para minimizar una funcin sujeta a una restriccin de
igualdad se define un multiplicador de LaGrange, , para
formar la funcin Lagrangiano:
H x x Ax y
1 T T
2
El vector de dimensin m es una incgnita y se emplea
para incluir la restriccin Ax y=0.
febrero de 2017 50
ECUACIONES LINEALES
Minimizar H sobre todas las x y posibles:
T H
x
T
x A x AT 0 x A T
T
TH
Ax y 0 por definicin
y Ax AA AA
T
T 1
y
y la solucin ptima es
x A xopt A AA
T T
T 1
y
febrero de 2017 51
ECUACIONES LINEALES
La matriz AAT es cuadrada de dimensiones (mn)(nm)
= (mm) y tiene inversa si es de rango completo (AAT)
= m.
Si (AAT) < m hay ecuaciones que linealmente
dependientes y se deben descartar hasta lograr que
AAT sea de rango completo.
La matriz:
A AT AA T
1
Es una pseudo inversa, no es nica y es una de las
soluciones posibles
febrero de 2017 52
ECUACIONES LINEALES
Mas Ecuaciones que Incgnitas (m > n) Sobredeterminado
febrero de 2017 53
ECUACIONES LINEALES
Mas Ecuaciones que Incgnitas
(m > n) Sobredeterminado
2 2
y x T A T y Ax
1 T
2
1 T
y y x T A T y y T Ax x T A T Ax
2
Los trminos centrales son iguales dado que
x A y
T T T
y T Ax y adems son escalares
Entonces
1 T
2
1 T
e e y y 2xT A T y x T A T Ax
2
febrero de 2017 55
ECUACIONES LINEALES
Se busca el vector x que garantiza el mnimo error
cuadrtico:
1 T 1
x 2
e e
2 A T
y 2 A T
Ax 0
2
Entonces
A T y A T Ax
y por lo tanto
xopt A A T
1
ATy
febrero de 2017 56
ECUACIONES LINEALES
Los datos de un experimento se pueden tabular como:
a11x1 a12 x2 y1
a21x1 a22 x2 y2
am1 x1 am 2 x2 ym
a11 a12 y1
a21 a22 x1 y2
Ax x
2
a y
m1 a m2 m
Cualquier error de medicin o ruido hace que (A) (W)
febrero de 2017 57
ECUACIONES LINEALES
El problema exige que el vector y de m componentes
sea combinacin lineal de solamente DOS vectores.
La pseudo inversa:
1
A A AT
T
febrero de 2017 58
REFERENCIAS
febrero de 2017 59