Un vector propio no es nulo y se transforma en un múltiplo escalar de sí mismo. Las fórmulas de mínimos cuadrados requieren que se cumplan las condiciones indicadas para las matrices.
Para qué sirve
Reconocer las expresiones usadas en transformaciones lineales y ajuste de modelos.
Antes de empezar
Prueba los ejemplos para ver qué practicarás. Revisa el formato de respuesta y las condiciones indicadas.
Explicaciones
Un vector propio conserva su recta
Sean A = [[2, 0], [0, 5]] y v = (1, 0).
Av = (2, 0) = 2v.
Un vector propio v es un vector distinto de cero que cumple Av = λv para una matriz cuadrada A. El valor propio λ indica cómo A cambia su escala. Un λ negativo invierte su dirección y λ = 0 lo lleva al vector cero.
Ajusta haciendo que el residuo sea perpendicular
Ajusta una constante x a los valores 2, 3 y 7. Con A = [[1], [1], [1]] y b = (2, 3, 7):
AᵀA = 3, Aᵀb = 12, así que 3x̂ = 12 y x̂ = 4.
El método de mínimos cuadrados elige x̂ para minimizar la suma de errores al cuadrado. Su ecuación normal es AᵀAx̂ = Aᵀb. El residuo b − Ax̂ es perpendicular a todas las columnas de A.
Si A tiene m filas y n columnas, b tiene m elementos y x̂ tiene n. La ecuación sigue siendo válida si AᵀA es singular, aunque la solución puede no ser única. El símbolo ᵀ indica la transpuesta.
Probar algunos ejemplos
Práctica real. Progreso real.
Ejemplo 1 de 2
Completa la ecuación del vector propio.
v es un vector propio no nulo de la matriz cuadrada A, con valor propio λ.
Elige la expresión exacta.
Grados escolares de EE. UU. y cursos que incluyen este tema