General - Curso de Álgebra Lineal

lgebra Lineal
PROFESOR: I.E. SAL ULLOA MONDRAGN
UNIDAD 1. NMEROS COMPLEJOS
EQUIPO # 5 Juan Garca Pedro Octavio Snchez Campos Adanary Suray Snchez Chavelo Mara Carrin Luna Jos David 10680250 10680283 10680284 10680240
G2 09:00 10:00 a.m. Segundo semestre Ingeniera en Mecatrnica
H.H. Cuautla Mor. 02 de Junio 2011
Equipo #5
Pgina 1
ndice unidad 1
TAREA #1: Examen de Diagnstico......................................................................................3 Examen resuelto de la unidad 1.............................................................................................10 TAREA #2: Investigar y/o analizar bibliografas de libros de lgebra Lineal. ...........14 TAREA #3: Investigar historia de los nmeros complejos, tambin formas y potencias de i...............................................................................................................................18 Propiedades cclicas de .......................................................................................................23
TAREA #4: Operaciones de nmeros complejos..............................................................26 TAREA #5: Ejercicios de nmeros complejos....................................................................29 TAREA #6: Resolver ejercicios con el teorema de Moivre.............................................34 TAREA #7: Aplicacin de la frmula de Moivre.................................................................38 TAREA #8: Investigar y traer los 10 consejos del Bill Gates.........................................43 TAREA #9: Investigacin sobre el Teorema del Residuo, Teorema del Factor y Teorema del lgebra........................................................................................................45 TAREA #10: INVESTIGACION DE MATEMTICOS QUE DESARRORARON EL LGEBRA LINEAL.....................................................................................................................49 Formularios.........................................................................................................................58 Unidad 1 PROYECTO............................................................................................................66
Equipo #5
Pgina 2
lgebra Lineal PROFESOR: I.E. SAL ULLOA MONDRAGN TAREA #1: Examen de Diagnstico.
EQUIPO #5
Carrin Luna Jos David Juan Garca Pedro Octavio Snchez Campos Adanary Suray Snchez Chavelo Mara
10680240 10680250 10680283 10680284
G2 09:00 10:00 a.m.
Segundo semestre Ingeniera en Mecatrnica
H.H. Cuautla Mor. 02 de Junio 2011 Equipo #5 Pgina 3
Examen diagnstico
1) Resolver. a)
)(
( ) ( )
( )(
b)
) ( )( )
Equipo #5
Pgina 4
( )
( )
c) ( ) ( ) ( )
Equipo #5
Pgina 5
( )
( ) 2) ( )
( )
(4) 3)
(5) ( ) ( ( ) ( ) )
( ) ( )
Equipo #5
Pgina 6
( )
( )
( )
Equipo #5
Pgina 7
2) Escribir los algoritmos de cada uno de los mtodos para resolver ecuaciones. Mtodo Sustitucin. a) Despejamos la incgnita x en la ecuacin 2 y obtendremos la ecuacin 3. Esto quiere decir que la literal x la tendremos como incgnita. b) Sustituimos en la ecuacin 1 el valor encontrado para x en el paso anterior. c) Se sustituye en la ecuacin 2 el valor encontrado de y. Mtodo de igualacin. a) Se despeja la misma literal en las dos ecuaciones originales (1 y 2) y de esta manera se obtienen las ecuaciones 3 y 4. b) Se igualan las ecuaciones 3 y 4 para obtener la ecuacin 5, en la cual se despeja la literal. c) Se sustituye el valor encontrado en la ecuacin 5 en cualquiera de las ecuaciones 1 o 2 para obtener el valor de la otra literal. Mtodo de suma y resta. a) Se multiplican los miembros de una de las dos ecuaciones por una cantidad constante apropiada para obtener ecuaciones equivalentes que tengan igual coeficiente para una de las incgnitas. b) Por suma o resta se eliminan una de las incgnitas. c) Se resuelve la ecuacin lineal resultante. d) Se sustituye el valor determinado en cualquiera de las ecuaciones originales para encontrar el valor de la otra incgnita.
Equipo #5
Pgina 8
Mtodo de determinantes para sistema de 2x2 Se calculan con la siguiente frmula:
)( )
( )( )
)( )
( )( )
)( )
( )(
( ( )
) (
( ) )
ndice
Equipo #5
Pgina 9
lgebra Lineal
PROFESOR: I.E. SAL ULLOA MONDRAGN TAREA 1
Examen resuelto de la unidad 1

EQUIPO # 8
10680240 10680250 10680283 10680284
Equipo #5
Pgina 10
lgebra lineal
EXAMEN 1. 0 . /1 ( ) 0 , ,( ) . / . /1
2.
Frmula binmica rectangular ( Mdulo | | ( ( ) ( ( ) ( ) * ( ( ) *+ ) ( )
Frmula trigonomtrica polar
0
Frmula de Euler exponencial
Equipo #5
Pgina 11
3. (
| |
)
( )
( )
. / K= 0, 1, 2 * ( (
( )
) )
( )
)+
4. Menciona 10 matemticos de lgebra lineal. variste Galois: Naci el 25 de octubre de 1811, en Bourg-la-Reine, Francia. Fue un matemtico que siendo muy joven sent las bases del lgebra Lineal. Arthur Cayley: Naci en Richmond, Inglaterra en 1821.Es uno de los matemticos que ms ha escrito, ya que se le documentan ms de novecientas publicaciones cientficas. Se le considera uno de los fundadores o padre del lgebra lineal ya que aport el concepto de matriz junto con sus propiedades. William Rowan Hamilton: Fue un multidisciplinario irlands. Naci en 1805. Sus aportaciones ms importantes vienen gracias a sus estudios en: teora de los cuaternios y de los hipernmeros, teora ptica, formalismo abstracto de la mecnica clsica. En lgebra, especficamente, estructur teoras de nmeros complejos como pares de nmeros reales y defini para los mismos la ley de composicin conmutativa.
Equipo #5
Pgina 12
James Joseph Sylvester: Naci el 3 de septiembre de 1814 en Londres, Inglaterra. Fue un profesor en las universidades de Londres, Baltimore y Oxford e hizo importantes contribuciones en el campo de las matrices. Aunque l no invent el concepto, s invent el nombre. Aport ideas a la teora de invariantes junto con Cayley, determinantes, teora de nmeros, particiones y combinatoria. Descubri un mtodo dialtico para eliminar incgnitas entre dos polinomios. A l se deben muchos trminos matemticos. Fund el Diario Americano de las Matemticas.
ndice Equipo #5 Pgina 13
lgebra Lineal
PROFESOR: I.E. SAL ULLOA MONDRAGN TAREA #2: Investigar y/o analizar bibliografas de libros de lgebra Lineal.
EQUIPO # 5 Carrin Luna Jos David Juan Garca Pedro Octavio Snchez Campos Adanary Suray Snchez Chavelo Mara 10680240 10680250 10680283 10680284
H.H. Cuautla Mor. 02 de Junio 2011.
Equipo #5
Pgina 14
Bibliografas consultadas Referencia bibliogrfica: Libros:

1. lgebra lineal 6ta Edicin Stanley Grossman. Mc Graw Hill Solucionario lgebra lineal 5ta Edicin 2. lgebra lineal Problemas resueltos M. Isabel Garca Planas. 3. lgebra lineal V.V.Voevodin.
4. lgebra lineal y alunas de sus aplicaciones L.I. Goluina Segunda Edicin. 5. Aplicaciones del lgebra lineal 6ta Edicin - Stanley L. Grossman. Mc Graw Hill
Fuentes de informacin electrnicas:

1. http://www.matematicasbachiller.com/videos/algebra/ind_al00.htm
Equipo #5
Pgina 15
2. http://www.youtube.com/user/julioprofe?gl=MX
3. http://www.youtube.com/watch?v=W6_ZucLU5LA&playnext=1&list=PL5B5C F37FB08E52E2&index=33
Equipo #5
Pgina 16
4. http://www.youtube.com/watch?v=lIo3qxCbgAg&feature=BF&list=PL5B5CF 37FB08E52E2&index=36
5. Http://wmatem.eis.uva.es/~matpag/CONTENIDOS/Complejos/marco_compl ejos.htm
lgebra Lineal
PROFESOR: I.E. SAL ULLOA MONDRAGN TAREA #3: Investigar historia de los nmeros complejos, tambin formas y potencias de i.
EQUIPO # 5
10680240 10680250 10680283 10680284
Equipo #5
Pgina 18
Historia de los nmeros complejos

Muchos conceptos en matemticas tardaron varios aos y hasta siglos en desarrollarse, desde el momento en que fueron descubiertos por primera vez, por alguna mente brillante, hasta la formalizacin de los mismos. As pues, muchas ideas incompletas quedaron relegadas a la oscuridad y el olvido por no encajar en el sistema de razonamiento de la poca, como fue el caso de los nmeros complejos. Fue en Italia, durante el perodo del renacimiento, cuando por primera vez los algebristas se dedican a investigar seriamente estos nmeros y penetran el halo misterioso en que se hallaban envueltos desde la antigedad. Los complejos aparecen inicialmente en el libro Ars magna de Girolamo Cardano, publicado en 1545. Aparecen entre las soluciones de las ecuaciones cuadrticas, que generan races cuadradas de nmeros negativos. Por ejemplo la ecuacin:
No posee soluciones reales. Si empleamos la conocida frmula de resolucin de una ecuacin de segundo grado, nos encontraremos con la raz cuadrada de -19. Los matemticos griegos, que conocan los mtodos geomtricos de resolucin, consideraban este tipo de problemas irresolubles. Es completamente incorrecto decir que la aparicin de los nmeros complejos se debi a la imposibilidad de resolver todas las ecuaciones cuadrticas, pues los matemticos de entonces simplemente no se interesaban en ello. La motivacin real de entenderlos, viene de las ecuaciones cbicas. Recordemos que los griegos rechazaron el uso de los nmeros negativos, por la falta de un equivalente dentro de la geometra. Para ellos, todo nmero representaba la longitud de un segmento o el rea de una figura plana. La geometra era considerada entonces como el corazn de toda la matemtica y esto, por supuesto, retardo considerablemente el desarrollo de los sistemas numricos.
Equipo #5
Pgina 19
Cardano Fue un destacado matemtico, as como tambin medico, filsofo, astrnomo y telogo. Su padre, Fazio Cardano, fue un abogado que trabajaba en la ciudad de Miln y se dedicaba a las matemticas en sus horas libres. Tuvo cierta destreza en la ciencia de los nmeros pues enseo geometra en la Universidad de Pava y Miln. En el ao de 1539, Cardano conoce al clebre matemtico Tartaglia, lo cual fue un hecho crucial en su vida, pues desde ese momento comienza a interesarse en las ecuaciones cbicas. Tartaglia le enseo a Cardano sus trucos y tcnicas secretas para el manejo de las ecuaciones, no sin antes hacerle prestar un juramento de no revelar a nadie dichos secretos. En 1545, Cardano publica su obra Ars Magna, donde expone los mtodos para la resolucin de la ecuacin cbica. Tartaglia monta en clera y acusa a Cardano de traidor y deshonesto, por haber faltado a su juramento. Sin embargo, un joven matemtico de apenas 18 de edad, Lodovico Ferrari, quien a la razn era sirviente de Cardano, sale en defensa de su protector diciendo que l estuvo presente la noche de la reunin entre los dos matemticos y no hubo ningn juramento. En realidad, la frmula para resolver la ecuacin cbica, haba sido descubierta mucho antes por el matemtico Scipione del Ferro, quien publico un pequeo libro, que en alguna oportunidad fue consultado por Cardano. Luego Cardano quedaba libre de toda culpa. En su Ars Magna, Cardano reconoce a Al-Khw arizm como el padre del lgebra. El libro, que vio a la luz varias ediciones, fue un clsico de la matemtica y contribuy de manera decisiva al desarrollo del lgebra. En aquella obra aparecen muchos resultados originales, como el mtodo para eliminar la en una ecuacin cbica, conocido como el mtodo de Cardano. Tambin desarrollo un mtodo para resolver ecuaciones diferenciales, llamado mtodo de las proporcionales. Cardano hizo uso por vez primera de las races cuadradas de nmeros negativos y considero la posibilidad de usar los nmeros imaginarios aunque con mucha cautela. En una nueva edicin de su libro, en 1570, Cardano se adentra un poco ms en el misterio de estos nmeros y da algunas reglas para manipularlos. Por ejemplo, la expresin (
Equipo #5
)(
)
Pgina 20
Fueron entre las soluciones a la ecuacin cbica en el libro de Cardano donde se dijo el nacimiento de los nmeros complejos, como algo digno de ser estudiado por los matemticos. En particular, para la ecuacin
Cardano nos da la frmula
Conocida como Frmula de Scipione del Ferro-Tartaglia-Cardano
Bombelli De repente alguien hace una pequea observacin sobre un detalle, inadvertido para la gran mayora, en alguna frmula o relacin muy conocida, y esto puede tener consecuencias imprevisibles, planteando nuevas situaciones, generando un mar de preguntas sin respuestas e inclusive, abriendo nuevas reas de estudio. Tal es el caso de las dudas de Rafael Bombelli, sobre la ecuacin cbica. Por ejemplo, la ecuacin
Se resuelve usando la frmula
Bombelli recibi las primeras lecciones de matemticas de Pier Francesco Clementi, un arquitecto e ingeniero. Por esta razn, Bombelli se dedica a la ingeniera, siguiendo a su maestro en las obras de ingeniera hidrulica que realizaba por toda Italia, secando pantanos y reparando puentes. Bombelli conoca bien los trabajos sobre ecuaciones cbicas de Cardano, pues haba ledo el Ars Magna. Consideraba aquel libro como el ms interesante de todos los escritos sobre lgebra, hasta el momento. Sin embargo pens que algunas cosas estaban todava algo confusas y que se podan hacer mucho ms comprensibles para el gran pblico.
Equipo #5
Pgina 21
Bombelli comienza a escribir un libro de lgebra en 1557. La idea era bastante ambiciosa: publicar una obra monumental en cinco volmenes en donde se trataran tpicos de aritmtica, resolucin de ecuaciones, problemas de aplicaciones y los nmeros complejos. Lamentablemente, solo pudo completar tres volmenes de lgebra, publicados en 1572, unos meses antes de su muerte. Bombelli puede ser llamado con todo derecho, el padre de los nmeros complejos, pues fue el primero que desarrollo el lgebra formal para trabajar con las expresiones de la forma . Hemos visto en la frmula de del FerroTartaglia-Cardano, aparecen dos sumandos del tipo
La idea de Bombelli, es reducir dicho nmero a uno del tipo , para lo cual debe resolver el problema de como sumar y multiplicar dichas expresiones. El nmero debe ser elevado al cubo, para obtener una expresin del tipo . Usando ahora los nmeros complejos, se pueden obtener soluciones reales de la ecuacin cbica. En el libro L'Algebra, aparecen por primera vez el clculo con los nmeros negativos, as como tambin las reglas para sumar y multiplicar dichos nmeros. El gran aporte de Bombelli al lgebra, fue el de aceptar sin reserva la existencia de , como un nmero. A manera de ejemplo, Bombelli nos da las siguientes reglas: Siendo un nmero natural.
Equipo #5
Pgina 22
Propiedades cclicas de
1 1
-1
Nmero complejo: Son conjuntos formados por un nmero imaginario y un nmero real. Ejemplo:
Operaciones bsicas Ejemplos:

1. 2. 3. 4. ( (
) )

Aplicacin:
( ) ( ) ( ) ( )( )
Equipo #5
Pgina 23
Demuestre que:
1.
2.
Potencia de un nmero complejo:
Equipo #5
Pgina 24
Cada 4 se repite el ciclo. Frmula:
Ejemplos:
1. 2. 3. 4. 5.
( ( ( (
) ) ) )
( ) ( ) ( ) () ( )
lgebra Lineal
PROFESOR: I.E. SAL ULLOA MONDRAGN TAREA #4: Operaciones de nmeros complejos.
EQUIPO # 5
10680240 10680250 10680283 10680284
Equipo #5
Pgina 26
Suma de nmeros complejos.

( Ejemplo: ) ( )
Nota: Para sumar nmeros complejos simplemente se suman sus componentes correspondientes.
Resta de nmeros complejos.

( Ejemplo: ) ( )
Nota: Para restar dos nmeros complejos se restan sus componentes correspondientes.
Propiedades
1) Propiedad de cierre para la suma: Si z y w son dos nmeros complejos entonces tanto z + w como z w son nmeros complejos. 2) Propiedad asociativa: Si z, w, y u son nmeros complejos entonces se tiene: ( ) ( )
3) Propiedad conmutativa: Si z y u son nmeros complejos, se tiene
Equipo #5
Pgina 27
4) Propiedad del elemento neutro: El nmero complejo , es el elemento neutro para la suma. En efecto, si es cualquier nmero complejo se tiene: ( ) ( ) ( ) ( . )
De la misma forma se puede probar que
5) Propiedad del opuesto: Si es un nmero complejo, el opuesto de este es , el cual es otro nmero complejo, notase que el opuesto satisface: ( ) ( )
Usando todas estas propiedades, es posible calcular expresiones complicadas en donde aparezcan sumas y restas de nmeros complejos. Ejemplo: Calcule el valor de z donde:
( ( ( (
) ) ) )
[( ,( ,( ( )
) ) )
,( ( (
) ))-
)-]
lgebra Lineal
PROFESOR: I.E. SAL ULLOA MONDRAGN TAREA #5: Ejercicios de nmeros complejos.
EQUIPO # 5
10680240 10680250 10680283 10680284
Equipo #5
Pgina 29
Tarea
Ejercicios a) ( ) (-1+5i)
b) (
)()
)(
c) ( )( )
( )(
d) ()()
( (
)( ) )( )
Equipo #5
Pgina 30
e) ( )
f) ( )
) ( ) ( ( )( ( ) ( ) ( ) ) ( )( ( )( ) ( ) ) ) ( ( ) )
( )
))
Equipo #5
Pgina 31
h)
( ( )
i) ( )( ( ) )
j) | | ( ) ( ( ) )
Equipo #5
Pgina 32
k) |
| |( | | | | )| ( ) ( () )
l) ( )( ( )( ( ) )( )( ) ( )( ) )
lgebra Lineal
PROFESOR: I.E. SAL ULLOA MONDRAGN TAREA #6: Resolver ejercicios con el teorema de Moivre
EQUIPO # 5
10680240 10680250 10680283 10680284
Equipo #5
Pgina 34
Ejercicios.
a)
1.
0 . . ( )
/1 /
2.
0 . .
/1 ( )
( ) / /
b)
( )
( )
Equipo #5
Pgina 35
* * 0 ,
( ) ( )
( ) ( )
+ +
1 -
* [
( )
( )
* [ ,
( )
( )
] -
* [ ,
( )
+ ] -
Equipo #5
Pgina 36
* [ *
( )
( )
] +
lgebra Lineal
TAREA #7: Aplicacin de la frmula de Moivre.
EQUIPO # 5 Carrin Luna Jos David Juan Garca Pedro Octavio Snchez Campos Adanary Suray Snchez Chavelo Mara 10680240 10680250 10680283 10680284
Equipo #5
Pgina 38
Aplicar la frmula de Moivre.

a) ( ) ( ) ( )
Identidades Trigonomtricas:
( ( (
) )
( ( )
) ) ( )
)0 .
/1
( ) 0 ,( )
. -
/1
)(
) ( | | ( ( ) ( ( ) ( ) ) ( ( ) )+ 0 1 ) ( )
( )
( )
)+
( )
) ( )
( )
)+
[ ( )
)+
Equipo #5
Pgina 39
Transforma a forma exponencial.

)
| |
( *
( *
( )
| |( .
) /
| |
( *
( ) ( )
Equipo #5
Pgina 40
) | | ( ) ( * ( ) ( )
Conversin de grados a radianes:
= 13
)
Propiedad:
Potencia de forma trigonomtrica (frmula de Moivre).
Poco prctico
Prctico
Equipo #5
Pgina 41
Ejemplo: ( ( . ( / * * *
lgebra Lineal
PROFESOR: I.E. SAL ULLOA MONDRAGN TAREA #8: Investigar y traer los 10 consejos del Bill Gates.
EQUIPO # 5
10680240 10680250 10680283 10680284
Equipo #5
Pgina 43
Los 10 concejos de Bill Gates.

Concejo 1: La vida no es justa, acostmbrate a ella. Concejo 2: Al mundo no le importa tu autoestima, el mundo espera que logres algo independientemente de que te sientas bien o no contigo mismo. Concejo 3: No ganars $5000 dlares mensuales justo despus de haber salido de la universidad y no sers un vicepresidente hasta que con tu esfuerzo te hayas ganado ambos logros. Concejo 4: Si piensas que tu profesor es duro, espera a que tengas un jefe, ese s que no tendr vocacin de enseanza ni la paciencia requerida. Concejo 5: Dedicarse a voltear hamburguesas no te quita dignidad. Tus abuelos tenan una palabra diferente para describirlo, le llamaban: oportunidad. Concejo 6: Si metes la pata, no es culpa de tus padres. As que no lloriquees por tus errores; aprende de ellos. Concejo 7: Antes de que nacieras tus padres no eran tan aburridos como son ahora. Ellos empezaron a serlo al pagar tus cuentas, limpiar tu ropa y escucharte hablar acerca de la nueva onda en la que estas. As que antes de emprender t lucha por las selvas vrgenes contaminadas por la generacin de tus padres, inicia el camino limpiando las cosas de tu propia vida, empezando por tu habitacin. Concejo 8: En la escuela puede haberse eliminado la diferencia entre ganadores y perdedores, pero en la vida real no. En las escuelas ya no se pierden aos lectivos, te dan las oportunidades que necesitas para encontrar la respuesta correcta en tus exmenes y para que tus tareas sean cada vez ms fciles. Esto no tiene ninguna semejanza con la vida real. Concejo 9: La vida no se divide en semestres. No tendrs vacaciones de verano largas en lugares lejanos, y muy pocos jefes se interesarn en ayudarte a que te encuentres a ti mismo. Todo esto tendrs que hacerlo en tu tiempo libre. Concejo 10: La televisin no es la vida diaria. En la vida cotidiana, la gente de verdad tiene que salir del caf, de la pelcula para irse a trabajar. Concejo 11: S amable con los nerds (los ms aplicados de tu clase). Existen muchas probabilidades de que termines trabajando para uno de ellos. ndice Equipo #5 Pgina 44
lgebra Lineal
TAREA #9: Investigacin sobre el Teorema del Residuo, Teorema
del Factor y Teorema del lgebra.
EQUIPO # 5
10680240 10680250 10680283 10680284

Equipo #5 Pgina 45
Tarea #9: Teorema fundamental del lgebra

(TFA) dice que todo polinomio a coeficientes complejos tiene una raz compleja, es decir existe un nmero complejo donde el polinomio evala a cero. Hay muchas demostraciones de este importante resultado. Todas requieren bastantes conocimientos matemticos para formalizarlas. Sin embargo, si se deja de lado algo del rigor matemtico, hay argumentos simples y crebles, que le permiten a uno convencerse de la veracidad del TFA. Establece que un polinomio en una variable, no constante y con coeficientes complejos, tiene tantas races como indica su grado, contando las races con sus multiplicidades. En otras palabras, dado un polinomio complejo p de grado , la ecuacin p(z) = 0 tiene
exactamente n soluciones complejas, contando multiplicidades. De manera equivalente:

El cuerpo de los complejos es cerrado para las operaciones algebraicas. Todo polinomio complejo de grado n se puede expresar como un producto de n polinomios de la forma .
El teorema se establece comnmente de la siguiente manera: Todo polinomio en una variable de grado n 1 con coeficientes reales o complejos tiene por lo menos una raz (real o compleja). Aunque sta en principio parece ser una declaracin ms dbil, implica fcilmente la forma completa por la divisin polinmica sucesiva por factores lineales. El nombre del teorema es considerado ahora un error por muchos matemticos, puesto que es ms un teorema del anlisis matemtico que del lgebra. (TFA) dice que "toda ecuacin polinmica de grado n con coeficientes complejos tiene n races complejas".
Equipo #5
Pgina 46
Teorema del factor

En lgebra el teorema del factor sirve para encontrar los factores de un polinomio (una expresin en la cual los trminos slo son sumados, sustrados o multiplicados. El teorema del factor establece que un polinomio f(x) tiene un factor (x k) si y slo si k es una raz de f(x), es decir que f (k) = 0. Si a es una raz de (x), entonces x - a es un factor del polinomio, donde a es un nmero real. Aqu podemos observar la importancia de conocer el valor del residuo, ya que si ste es igual a cero, nos va a indicar que hemos encontrado un factor del polinomio y con l, una raz del polinomio (una solucin a la ecuacin polinomial ( ) )
El teorema del factor dice que, si f(a) = 0 en la que ( ) representa un polinomio de x, entonces ( ) es uno de los factores de ( ) . ( )( ) debe ser uno de sus factores. En )
Por ejemplo, tenemos que ( ) Ya que ( ) realidad ( ) ( ) (
Equipo #5
Pgina 47
Teorema del residuo

Teorema de los residuos: es consecuencia directa del Teorema integral de Cauchy forma parte fundamental de la teora matemtica de Anlisis complejo. Si se divide la funcin polinomial ( ) entre el binomio real, el residuo es igual a ( ) El teorema del residuo indica que el resultado de evaluar numricamente una funcin polinomial para un valor a es igual al residuo de dividir el polinomio entre Una conclusin muy importante del teorema del residuo es se puede evaluar numricamente una funcin polinomial usando la divisin sinttica. A partir de lo anterior, si ( ) , entonces es un factor del polinomio donde a es un nmero
porque el residuo es cero. Cuando se encuentra un valor de x para el cual ( ) se ha encontrado una raz del polinomio, en el supuesto anterior, a es una raz del polinomio.
Bibliografas.
http://es.wikipedia.org/wiki/Teorema_de_los_residuos http://schollaris.com.mx/010105teoremares.php http://es.wikipedia.org/wiki/Teorema_del_factor http://schollaris.com.mx/010105teoremares.php http://www.mathematicsdictionary.com/spanish/vmd/full/f/factortheorem.html
lgebra Lineal
TAREA #10: INVESTIGACIN DE MATEMTICOS QUE DESARROLLARON EL LGEBRA LINEAL.
EQUIPO # 5
10680240 10680250 10680283 10680284
G2 09:00 - 10:00 a.m. Segundo semestre. Ingeniera en Mecatrnica.
Equipo #5
Pgina 49
Biografas de Personajes Importantes para el lgebra Lineal
Galois: variste Galois naci el 25 de octubre de 1811, en Bourg-la-Reine, Francia. Fue un matemtico que siendo muy joven sent las bases del lgebra Lineal. Su pap fue polticamente importante mientras que su madre lo instruy en las lenguas. Su educacin antes de la preparatoria no haca suponer que sera un gran aportador a las matemticas. A partir de los quince aos, su profesor Vernier lo introdujo a las obras de grandes matemticos de la poca como LaGrange. Fue entonces que puso todo su esfuerzo en esa materia. A los dieciocho aos public su trabajo sobre la demostracin de un teorema de fracciones continuas peridicas. Luego se centr en los problemas de la poca. Dio formas de encontrar soluciones a ecuaciones de polinomios. Las ideas que propuso se convertiran en la teora de grupos. Hubo acontecimientos desafortunados en su vida: el suicidio de su padre y el rechazo de un colegio. Fourier fue encargado de revisar su trabajo, pero muri antes de sacarlo a la luz. Se hizo de difcil convivencia. Fue rechazado de muchas partes e incluso encarcelado. En esos momentos no todos vean la grandeza de sus trabajos. Fue cayendo por muchas desgracias, como la de conocer a una muchacha por la quien tendra un duelo. Se cree que la noche que muri fue por jugar a la ruleta rusa. Muri, por tanto, muy joven el 31 de marzo de 1832. Su agitada vida, sin embargo, no lo distrajo de haber propuesto una de las mejores ideas en la historia de las matemticas.
Equipo #5
Pgina 50
Cayley: Arthur Cayley naci en Richmond, Inglaterra en 1821. Sus primeros aos no tuvieron mucho de especial. Creci en San Petersburgo y tuvo una infancia un poco agitada pues sus padres eran comerciantes y deban desplazarse. El primer antecedente que se conoce respecto a su relacin con las matemticas es en 1838 cuando entr a un colegio de Cambridge para estudiar derecho y matemticas. Fue en esta institucin donde aprendi los conceptos matemticos relevantes de su tiempo y comenz tambin a desarrollar trabajos. Sigui ah como profesor el resto de su vida. Es uno de los matemticos que ms ha escrito, ya que se le documentan ms de novecientas publicaciones cientficas. Se le considera uno de los fundadores o padre del lgebra lineal ya que aport el concepto de matriz propiedades. Cayley utiliz sus mismos avances para aplicarlos en otras reas, por ejemplo en la geometra, donde analiz la dimensin. Fue as que dedujo la idea de que la geometra que conocemos, de dimensiones que vemos est incluida dentro de la proyectiva. Fue influencia para otros cientficos, como Feliz Klein. A partir de 1854 y a lo largo de veinticuatro aos, desarroll la teora de los invariantes. Se puede decir que tuvo una vida tranquila. Muri el 26 de enero de 1895, en el lugar donde daba clases. junto con sus
Equipo #5
Pgina 51
Hamilton. William Rowan Hamilton fue un multidisciplinario irlands. Naci en 1805. Al contrario de muchos otros cientficos, l recibi muchos honores y
reconocimientos mientras tuvo vida. Luego fue perdiendo dicha fama. No se educ con sus padres, sino con su to, con quien aprendi a leer a los 3 aos. Fue un nio prodigio que aprendi muchos idiomas como el latn, griego, hebreo, italiano, francs, rabe y sanscrito antes de los once aos. Pens al lgebra como una ciencia del tiempo duro y se dedic toda su vida a tratar de matematizar sistemticamente el mundo que nos rodea. Sus aportaciones ms importantes vienen gracias a sus estudios en: teora de los cuaternios y de los hipernmeros, teora ptica, formalismo abstracto de la mecnica clsica. En lgebra, especficamente, estructur teoras de nmeros complejos como pares de nmeros reales y defini para los mismos la ley de composicin conmutativa. Muri en 1865 habiendo declarado que fue feliz gracias a su trabajo. Grassmann Hermann Grassmann naci en una familia numerosa. En su familia hubo profesores y matemticos que seguro lo influenciaron para seguir esos pasos. Lo educ su madre y en su juventud no result ser como se esperaba por su familia. Le interesaban otras disciplinas. Tanto as que en su universidad estudi otras cosas. Ya en su bsqueda de trabajo y como profesor fue cuando comenz a hacer descubrimientos matemticos de importancia. En 1834 comenz a dar clases de matemticas y poco a poco se fue interesando ms en esta ciencia. Siendo profesor de secundaria se sinti frustrado hasta que
Equipo #5 Pgina 52
obtuvo algunos cargos que su padre haba tenido. Finalmente, fue capaz de avanzar en sus investigaciones. En los ltimos aos de su vida, se vio lleno de conflictos polticos. Logr tener una vasta familia y resulta curioso que tuvo prcticamente la misma trayectoria que su padre. Incluso su hijo la repiti. Muri en 1865. Sylvester James Joseph Sylvester naci el 3 de septiembre de 1814 en Londres, Inglaterra. Fue un profesor en las universidades de Londres, Baltimore y Oxford e hizo importantes contribuciones en el campo de las matrices. Aunque l no invent el concepto, s invent el nombre. Aport ideas a la teora de invariantes junto con Cayley, determinantes, teora de nmeros, particiones y combinatoria. Descubri un mtodo dialtico para eliminar incgnitas entre dos polinomios. A l se deben muchos trminos matemticos. Fund el Diario Americano de las Matemticas. Muri el 15 de marzo de 1897 en Oxford. Hermite. Fue un matemticos francs que desarroll sus investigaciones respecto al lgebra mientras era profesor. Demostr en 1973 que el nmero de Euclides es trascendente y no la raz de un nmero. Desarroll varias formas del lgebra que hoy conocemos, teora aritmtica de formas cuadrticas y teora de funciones abelianas y elpticas. Resolvi la ecuacin de quinto grado con funciones elpticas. Abel Henrik Niels (1802-1829): Abel public en 1823 escritos de
Equipo #5 Pgina 53
Ecuaciones funcionales e integrales. En esto Abel dio la primera solucin de una ecuacin integral. En 1824 prob que era imposible resolver algebraicamente ecuaciones de quinto grado. Abel revolucion el entendimiento de las funciones elpticas por el estudio de la funcin inversa de esa funcin.
Leonardo Fibonacci (1170-1240) Leonardo de Pisa (1170 - 1250), tambin conocido como Fibonacci, fue uno de los matemticos ms importantes de la Edad Media en Europa. Hizo contribuciones a la aritmtica, al lgebra y a la geometra. Una sucesin de nmeros muy conocida y usada en matemticas es justamente la sucesin de Fibonacci, que se construye de la siguiente manera: a) La sucesin empieza con dos unos. b) Cualquier trmino de la sucesin se obtiene de sumar los dos anteriores. Por ejemplo, el noveno trmino de la sucesin se construye sumando el sptimo y el octavo. c) La sucesin es infinita As la sucesin de Fibonacci es: 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, 610, 987, 1597, 2584, 4181, 6765, 10946, 17711, 28657, 46368, 75025, 121393, 196418, 317811, 514229,... Proponemos dos juegos matemticos relacionados con esta sucesin de nmeros, que pueden jugarse a partir de primero de secundaria.
Equipo #5
Pgina 54
Hern de Alejandra (20-62 D.C.)
En geometra la frmula de Hern, descubierta por Hern de Alejandra, relaciona el rea de un tringulo en trminos de las longitudes de sus lados a, b y c:
Donde s es el semi permetro:
La frmula puede reescribirse de la siguiente forma:
Diofanto: (325-409 D.C.) Diofanto de Alejandra nacido alrededor del 200/214 y fallecido alrededor de 284/298 fue un antiguo matemtico griego. Es considerado "el padre del lgebra. Al-Jwarizmi (780-835):
Mahommed ibn Musa al-Khwarizmi fue un matemtico rabe, nacido en Kharizm (actualmente Jiva, Uzbekistn) en el ao 780. Entonces reinaba el califa Harun alRashid, quinto califa de la dinasta Abbasid. La capital estaba en Bagdag. Harun, tuvo dos hijos y a su muerte, hubo una guerra de sucesin entre los dos hermanos, al-Amin y al-Mamun. Gan la guerra al-Mamun y al-Amin fue ejecutado en 813.
al-Mamun continu el patronazgo de las artes y la cultura que haba iniciado su padre y fund la Casa de la Sabidura, donde enseaban filsofos y cientficos
Equipo #5 Pgina 55
griegos. Tambin construy una biblioteca y un observatorio astronmico.
Al-Khwarizmi fue bibliotecario en la corte del califa al-Mamun y astrnomo en el observatorio de Bagdad. Sus trabajos de lgebra, aritmtica y tablas astronmicas adelantaron enormemente el pensamiento matemtico.
Omar Jayyam o Omar Khayyam: (1050-1122)
Omar Ibn Ibrahim Jayyam u Omar Khayyam (aprox. 1040 a 1050-1121 o 1122) fue un matemtico y astrnomo persa, autor de uno de los poemas ms conocidos y famosos del mundo. Fue mstico y profeta, libertino, poeta y escritor de lgebra, geometra y temas afines, tambin se interes por el Derecho y las Ciencias Naturales. Se lo considera uno de los ms destacados matemticos de su poca. Carl Friedeich Gauss (1777-1855)
A los 19 aos haba descubierto por si solo un importante teorema de la teora de los nmeros, la ley de la reciprocidad cuadrtica. Despus de su regreso a Brunswic en 1799, el duque tuvo que ser convencido para seguir con su ayuda econmica a Gauss. Como contrapartida debi presentar su tesis doctoral en la Universidad de Helmstedt. En su tesis Gauss dio la primera demostracin del teorema fundamental del lgebra.
Equipo #5
Pgina 56
George Boole (1815-1864) George Boole (2 de noviembre de 1815 - 8 de diciembre de 1864) fue un matemtico y filsofo britnico. Como inventor del lgebra de Boole, la base de la aritmtica computacional moderna, Boole es considerado como uno de los fundadores del campo de las Ciencias de la Computacin. En 1854 public "An Investigation of the Laws of Thought" en el que desarrollaba un sistema de reglas que le permitan expresar, manipular y simplificar problemas lgicos y filosficos cuyos argumentos admiten dos estados (verdadero o falso) por procedimientos matemticos. Se podra decir que es el padre de las operaciones lgicas y gracias a su lgebra hoy en da es posible manipular operaciones lgicas.
lgebra Lineal
FORMULARIOS
EQUIPO # 5
10680240 10680250 10680283 10680284
Equipo #5
Pgina 58
Formulario Forma polar de un nmero:

( )
Forma exponencial o de Euler:
Mdulo del nmero complejo. El argumento expresado en radianes.
Operaciones en forma exponencial: multiplicacin, divisin, potenciacin y radicacin.

Multiplicacin:
( )
Divisin:
( )
Potenciacin: ( ( ) ( ) )
Radicacin: Equipo #5 ( ) Pgina 59
Formulario
Unidad 1 Nmeros complejos Propiedades cclicas de
1 1
-1
Frmula:
Suma y multiplicacin de nmeros complejos en la forma binmica

Forma binmica o rectangular Suma y resta: ( Multiplicacin: ( )( ) ( ) ( ) ) ( ) ( ) ( )
Equipo #5
Pgina 60
Divisin:
| |
Propiedad:
| | ( ) ( )
Suma y resta Cartesiano binmica Multiplicacin y divisin Siempre: polar exponencial
Conjugado de un nmero complejo

su conjugado es slo cambia de signo la parte imaginaria.
Mdulo y argumento de un nmero complejo

El mdulo se interpreta como la distancia al origen del nmero . El argumento es el ngulo comprendido entre el eje x y el radio vector que determina a | |.
Equipo #5
Pgina 61
Mdulo:
Se puede probar que dicha relacin se verifica para todo Z.
)(
De donde
| |
|(
)|
Argumento: ( * ( *
Forma trigonomtrica o polar de un nmero complejo
(
Equipo #5
)
Pgina 62
Multiplicacin de nmeros complejos en su forma trigonomtrica o polar

Sean trminos:
y ( )
, entonces ( ))
( )
) En otros
( )(
La multiplicacin de dos nmeros complejos en su forma trigonomtrica da como resultado un nmero complejo cuyo mdulo es igual al producto de sus mdulos y cuyo argumento es igual a la suma de los argumentos.
Divisin de nmeros complejos en su forma trigonomtrica o polar . /( Frmula de Moivre ( ) ) ( ( ) ( )) ( ) ( )) . / ( )
Entonces, (
Forma exponencial o de Euler de un nmero complejo
Note que la forma exponencial es equivalente a la trigonomtrica pues dependen de los mismos elementos: mdulo y argumento del nmero complejo . Esta forma es muy cmoda pues podemos efectuar la multiplicacin, divisin y potenciacin empleando las leyes del lgebra.
Equipo #5
Pgina 63
Multiplicacin y divisin de nmeros complejos en su forma exponencial Sean y ( ) . /

( ) (
. Entonces:
)
Races n-simas de un nmero complejo
( | |
( (
** )
El logaritmo de un nmero complejo
Supngase que entonces:

( )
es un nmero complejo de mdulo
y argumento ,
Equipo #5
Pgina 64
Bibliografas consultadas:
1. Los nmeros complejos, por Jorge Jos Oss Recio, Departamento de matemticas Universidad de los Andes Bogot Colombia 2004. 2. Apuntes de preparatoria Materia, Fsica aplicada.
lgebra Lineal
PROFESOR: I.E. SAL ULLOA MONDRAGN Unidad 1 PROYECTO PROGRAMA DE NMEROS COMPLEJOS
EQUIPO # 5
10680240 10680250 10680283 10680284
Equipo #5
Pgina 66
Unidad 1 proyecto Programa de nmeros complejos

#include <stdio.h> #include <conio.h> #include <iostream> #include <stdlib.h> using namespace std;
struct comple{ int p_real; int p_imag; };
comple opera_complex(comple c1, comple c2, char op);
int main(int argc, char *argv[]) { int r; char op; comple c1; comple c2; comple resu; resu.p_imag=0; Equipo #5 Pgina 67
resu.p_real=0;
do { system ("cls"); cout<<"OPERACIONES DE NUMEROS COMPLEJOS.\n"; cout<<"\nEste programa realiza operaciones basicas las cuales son \n A)suma.\n B)resta.\n C)multiplicacion.\npara operar en numeros complejos.\n \n";
cout<<"\nIngrese la parte real de tu primer complejo: \n "; cin>>c1.p_real; cout<<"Ingrese la parte imaginaria de tu primer complejo:\n "; cin>>c1.p_imag; cout<<"Ingrese la parte real de tu segundo complejo: \n "; cin>>c2.p_real; cout<<"Ingrese la parte imaginaria de tu segundo complejo:\n "; cin>>c2.p_imag;
cout<<"\nIngrese la operacion a realizar.\n +)Suma.\n -)Resta.\n *)Multiplicacion.\n /)Division . . . "; cin>>op; resu=opera_complex(c1, c2, op);
cout<<"\nEl resultado en la operacion es: Z="; cout<<resu.p_real<<"+"<<resu.p_imag<<"i"<<endl; Equipo #5 Pgina 68
cout << "\n\n\nPara continnuar . . .\n\n 1) Salir. \n 2) Realizar otra operacion."; cin>>r; } while(r!=1); cout<<"\nPresione una tecla para salir";
return 0;
} comple opera_complex(comple c1, comple c2, char op){ comple resu; switch (op){ case '+': resu.p_imag=c1.p_imag+c2.p_imag; resu.p_real=c1.p_real+c2.p_real; break; case '-': resu.p_imag=c1.p_imag-c2.p_imag; resu.p_real=c1.p_real-c2.p_real; break; case '*':
Equipo #5
Pgina 69
resu.p_real=((c1.p_real*c2.p_real)-(c1.p_imag*c2.p_imag)); resu.p_imag=((c1.p_real*c2.p_imag)+(c1.p_imag*c2.p_real)); break; case '/':
resu.p_real=(((c1.p_real*c2.p_real)+(c1.p_imag*c2.p_imag))/((c1.p_real*c1.p_real)+(c2.p_imag*c 2.p_imag))); resu.p_imag=(((c1.p_imag*c2.p_real)(c1.p_real*c2.p_imag))/((c1.p_real*c1.p_real)+(c2.p_imag*c2.p_imag))); break; }
return (resu);
lgebra Lineal
UNIDAD 2. MATRICES Y DETERMINANTES
EQUIPO # 5 Juan Garca Pedro Octavio Snchez Campos AdanarySuray Snchez Chavelo Mara Carrin Luna Jos David 10680250 10680283 10680284 10680240
Equipo #5
Pgina 71
ndice unidad 2
2.1 Definicin de matriz, notacin y orden....73 2.2 Operaciones con matrices........78 2.3 Clasificacin de las matrices...........................................................................86 2.4 Transformaciones elementales por rengln.Escalonamiento de una matriz Rango de una matriz.............................................................................................90 2.5 Clculo de la inversa de una matriz................................................................93 Ejercicio. Calcular la matriz inversa por el mtodo de Gauss Jordan..98 2.6 Definicin de determinante de una matriz......................................................100 2.7 Propiedades de los determinantes.................................................................105 2.8 Inversa de una matriz cuadrada a travs de la adjunta..................................108 2.9 Aplicacin de matrices y determinantes.........................................................111
Equipo #5
Pgina 72
Matrices y determinantes
2.1 Definicin de matriz, notacin y orden.

Introduccin Las matrices y los determinantes son herramientas del lgebra que facilitan el ordenamiento de datos, as como su manejo. Los conceptos de matriz y todos los relacionados fueron desarrollados bsicamente en el siglo XIX por matemticos como los ingleses J. J. Sylvester y Arthur Cayley y el irlands William Hamilton. Los matrices se encuentran en aquellos mbitos en los que se trabaja con datos regularmente ordenados y aparecen en situaciones propias de las Ciencias Sociales, Econmicas y Biolgicas. MATRICES Definicin y primeros ejemplos Una matriz es una tabla rectangular de nmeros reales dispuestos en filas y columnas del modo:
A =(
filas de la matriz A
Columnas de la matriz A
Equipo #5
Pgina 73
Abreviadamente de puede expresar
). Cada elemento de la matriz lleva
dos subndices. El primero de ellos , indica la fila en la que se encuentra el elemento, y el segundo, , la columna. As el elemento esta en la fila 2 y columna 3. Las matrices siempre se
representaran con letras maysculas. Ejemplos: Los siguientes son ejemplos de matrices:
* (
) . . .
A tiene 2 filas y 2 columnas, diremos que su tamao es B tiene 2 filas y 3 columnas, diremos que su tamao es C tiene 4 filas y 3 columnas, diremos que su tamao es En general, si una matriz A tiene dimensin es (se lee filas y
columnas, diremos que su tamao o
por ). TIPOS DE MATRICES
1. Se llama matriz nula a la que tiene todos los elementos cero. Por ejemplo: A=. Es una matriz nula de tamao . /
Equipo #5
Pgina 74
2. Se llama matriz fila a la que solo tiene una fila, es decir su dimensin es . Por ejemplo: ( Es una matriz fila de tamao . )
3. Se llama matriz columna a la que solo consta de una columna, es decir su dimensin ser como por ejemplo: ( Es una matriz columna de tamao 4. Una matriz es cuadrada cuando tiene el mismo nmero de filas que de columnas, es decir su dimensin es ejemplo anterior es cuadrada de tamao Otro ejemplo de matriz cuadrada es: ) La matriz . / del primer +
o simplemente de orden 2.
D=(
De orden 3. Dentro de las matrices cuadradas llamaremos diagonal principal a la formada por los elementos siendo la matriz:
Equipo #5
Pgina 75
En la matriz D del ejemplo anterior, su diagonal principal estara formada por 1,5,0. Se llama traza de la matriz a la suma de los elementos de la diagonal. Es decir, traza(A)= traza (D)=1+5+0=6. La diagonal secundaria es la formada por los elementos En la matriz D estara formada por 3,5,-3. 5. Una clase especial de matrices cuadradas son las matrices triangulares. Una matriz es triangular superior si todos los elementos por debajo de la diagonal principal son nulos y triangulas inferos si son nulos todos los elementos situados por encima de dicha diagonal. Son ejemplos de estas matrices: y en el caso de D,
)
Triangular superior
Triangular inferior
Si una matriz es a la vez triangular superior e inferior, solo tienen elementos en la diagonal principal. 6. Una matriz de este tipo se denomina matriz diagonal. Ejemplo:
Equipo #5
Pgina 76
7. Por ltimo, si una matriz diagonal tiene en su diagonal principal solo unos, se denomina matriz unidad o identidad. Se suelen representar por n es el orden o tamao de la matriz. Algunas matrices identidad son: , donde
Bibliografa: Algebra lineal - 6ta Edicin Stanley Grossman.
ndice
Equipo #5 Pgina 77
2.2 Operaciones con matrices.
Suma y diferencia. Dadas dos matrices Ay B podemos realizar su suma o diferencia de acuerdo a la siguiente regla. Para sumar o restar dos matrices del mismo tamao, se suman o restan los elementos que se encuentren en la misma posicin, resultando otra matriz de igual tamao. Por ejemplo: . / . / . /
Si las matrices tienen diferente tamao, no se pueden sumar o restar entre s. Propiedades de la suma (y diferencia) de matrices: a) Conmutativa: b) Asociativa: ( ) ( )
c) Elemento neutro: la matriz nula del tamao correspondiente. d) Elemento opuesto de A: la matriz A, que resulta de cambiar un signo a los elementos de A, ejemplo: ( ) ( )
Si
Porque:
Equipo #5
Pgina 78
Producto por un nmero real Dada una matriz cualquiera A y un nmero real k, el producto se realiza
multiplicando todos los elementos de A por k, resultando otra matriz de igual tamao. (Evidentemente la misma regla sirve para dividir una matriz por un nmero real). Por ejemplo: . Propiedades: a) Distributiva respecto de la suma de matrices: b) Distributiva respecto de la suma de nmeros:( c) Asociativa: ( ) ( ) ( ) ) / . /
d) Elemento neutro, el nmero 1: Ejercicios: 1. Si . / . /, halla una matriz X que verifique la ecuacin:
2. Determina las matrices X y Y sabiendo que : . . / /
Equipo #5
Pgina 79
Transposicin de matrices Dada una matriz cualquiera A, se llama matriz transpuesta de A, y se representa por a la matriz que resulta de intercambiar las filas y las columnas de A. /, entonces la matriz traspuesta de A es:
Por ejemplo, si A= .
Evidentemente, si A es una matriz de tamao tamao
, su traspuesta
tendr
, pues el numero de columnas pasa a ser el de filas y viceversa.
Si la matriz A es cuadrada, su traspuesta tendr el mismo tamao. Propiedades: a) ( ) b)( c) ( ) ) es decir, la traspuesta de la traspuesta es la matriz inicial.
En la base a esta nueva operacin, podemos definir otras dos clases de matrices, que son: Matriz simtrica, que es aquella para la que se cumple que matriz: ( En una matriz simtrica, los elementos son simtricos respecto a la diagonal principal.
Equipo #5 Pgina 80
, por ejemplo la
Producto de matrices Hay que dejar claro desde el principio que no todas las matrices pueden multiplicarse. Dos matrices se pueden multiplicar cuando se cumple la siguiente condicin: Para multiplicar dos matrices y , en este orden , es condicin indispensable que el nmero de columnas de sea igual al nmero de filas de Si no se cumple esta condicin, el producto de no puede realizarse, de modo que esta es una condicin que debemos comprobar previamente a la propia multiplicacin. Una vez comprobado que el producto de se puede realizar, si es una matriz m x n y es una matriz de n x p (observemos que el de columnas de de filas de ), entonces el producto da como resultado una matriz de tamao n x p del siguiente modo: el elemento que se encuentra en la fila i y la columna j de la matriz , se obtiene multiplicando los elementos de la fila i de por la columna j de y sumando los resultados Vemoslo mediante un ejemplo: Para multiplicar las matrices:
. /y ( )
2*4
4*3
Primero comprobamos que se puede realizar el producto , pues el n de columnas de es 4 y el n de filas de tambin es 4, y el resultado, segn lo dicho ser una matriz de tamao 2 x 3, tiene 2 filas y 3 columnas:
/ (
Equipo #5
Pgina 81
Slo nos falta completar los elementos de la matriz producto. Para ello, seguimos la regla anterior: El elemento de la fila 1 y la columna de proviene de multiplicar elemento a lemento de la fila 1 de por la comuna 1 de y sumar, es decir: ( )
El elemento de la fila 1 y columna 2 de proviene de multiplicar elemento a elemento la fila 1 de y la columna 2 de y sumar: ( ) ( ) ( ) proviene de multiplicar elemento a y sumar:
El elemento de la fila 1 y columna 3 de elemento la fila 1 de y la columna 3 de ( )
As sucesivamente se obtienen (comprueba):

.
2*3
Propiedades del producto de matrices: a) Asociativa: ( )
b) Distributiva respecto de la suma: ( )
( ) c) Elemento neutro, la matriz identidad correspondiente, si
es
d) En general el producto de matrices no es conmutativo
Equipo #5
Pgina 82
e) El producto de dos matrices no nulas A y B puede dar lugar a una matriz nula:
/ (
. /
Se dice que el conjunto de las matrices con operacin producto tiene divisores de cero, es decir, hay matrices no nulas cuyo producto es nulo.
La matriz inversa Sabemos tambin que el elemento neutro del producto de matrices es la matriz identidad . Por analoga con el caso de los nmeros reales, podemos plantearnos la siguiente cuestin: Si tenemos un numero real, por ejemplo el 2, podemos interesarnos en buscar el inverso del 2 para el producto, es decir un numero real tal que , el producto de 2 por sea igual al elemento neutro, el 1. Evidentemente, en el caso de los nmeros reales es bien fcil despejar obtener, en nuestro caso, que nmero que multiplicado por l da el elemento neutro, el 1. Todo nmero real, salvo el 0, tiene inverso. Trasladando esto a las matrices, nos podemos plantear si dada una matriz cuadrada de orden , cualquiera, existe su inversa para el producto de matrices, tal que: para
, es decir, el inverso de un nmero real es otro
Es decir, el producto de matriz identidad
por su inversa produce el elemento neutro matricial, la
Sin embargo, hay algunas diferencias con respecto al caso de los nmeros reales:
Equipo #5
Pgina 83
1) No podemos despejar la matriz
del modo
, porque no hemos
definido la divisin de matrices. 2) No todas la matrices cuadradas no nulas tienen matriz inversa (sea lo que sea, por analoga con los nmeros). 3) Definamos, en primer lugar, el trmino de matriz inversa: Dada una matriz cuadrada de orden , , se dice es invertible (o que posee inversa o que es no singular o que es regular), si existe otra matriz del mismo orden, denominada matriz inversa de y representada por y tal que:
Si
no tiene inversa, se dice que es singular o no invertible.
Si una matriz tiene inversa, dicha matriz inversa es nica (slo hay una). Para calcular dicha matriz inversa, podemos utilizar dos vas: Mtodo algebraico: Consiste en determinar planteando un sistema de ecuaciones, es decir, si por . /, lo que estoy y
ejemplo queremos determinar la inversa de la matriz de buscando es otra matriz de igual tamao (orden 2) tal que , es decir, si . /, se tiene que cumplir que:
. / . / . / (
Es decir, hemos de resolver un sistema de 4 ecuaciones con 4 incgnitas, aunque en realidad son 2 sistemas de dos incgnitas cada uno (uno con y otro con y ).
Equipo #5 Pgina 84
Resolviendo el sistema se obtiene que:
Por lo que la matriz inversa es:

( , . /
Se puede comprobar que tambin se cumple que se cumple , luego es invertible, tiene inversa. Si el sistema no tiene solucin, la matriz no tiene inversa. Por ejemplo, en el caso en que
. / . /
.
.
/, del mismo modo:

/ ( * . /
Y por ejemplo de se obtiene , si se sustituye en la primera ecuacin es, , es decir (imposible). El sistema no tiene solucin. Por tanto no es invertible, es singular. Este mtodo directo slo se suele utilizar para matrices cuadradas de tamao 2, puesto que para Las de tamao 3 obtenemos un sistema de realmente es difcil de resolver. ecuaciones, con 9 incgnitas que
Bibliografa: Aplicaciones del algebra lineal Stanley L. Grossman.
ndice
Equipo #5 Pgina 85
2.3 Clasificacin de las matrices.
Matriz fila Una matriz fila est constituida por una sola fila.
Matriz columna La matriz columna tiene una sola columna
Matriz rectangular La matriz rectangular tiene distinto nmero de filas que de columnas, siendo su dimensin .
Matriz cuadrada La matriz cuadrada tiene el mismo nmero de filas que de columnas. Los elementos de la forma aii constituyen la diagonal principal. La diagonal secundaria la forman los elementos con i+j = n+1.
Equipo #5
Pgina 86
Matriz nula En una matriz nula todos los elementos son ceros.
Matriz triangular superior En una matriz triangular superior los elementos situados por debajo de la diagonal principal son ceros.
Matriz triangular inferior En una matriz triangular inferior los elementos situados por encima de la diagonal principal son ceros.
Matriz diagonal En una matriz diagonal todos los elementos situados por encima y por debajo de la diagonal principal son nulos.
Equipo #5
Pgina 87
Matriz escalar Una matriz escalar es una matriz diagonal en la que los elementos de la diagonal principal son iguales.
Matriz identidad o unidad Una matriz identidad es una matriz diagonal en la que los elementos de la diagonal principal son iguales a 1.
Matriz traspuesta Dada una matriz A, se llama matriz traspuesta de A a la matriz que se obtiene cambiando ordenadamente las filas por las columnas
Matriz regular Una matriz regular es una matriz cuadrada que tiene inversa.
Matriz singular Una matriz singular no tiene matriz inversa.
Equipo #5
Pgina 88
Matriz idempotente Una matriz, A, es idempotente si: A2 = A. Matriz involutiva Una matriz, A, es involutiva si: A2 = I. Matriz simtrica Una matriz simtrica es una matriz cuadrada que verifica: A = At.
Matriz antisimtrica o hemisimtrica Una matriz antisimtrica o hemisimtrica es una matriz cuadrada que verifica: A = -At.
Matriz ortogonal Una matriz es ortogonal si verifica que: AAt = I. Bibliografa: http://www.vitutor.net/1/matrices.html
ndice
Pgina 89
Equipo #5
2.4 Transformaciones elementales por rengln. Escalonamiento de una matriz. Rango de una matriz.
La idea que se persigue con las transformaciones elementales es convertir una matriz concreta en otra matriz ms fcil de estudiar. En concreto, siempre ser posible conseguir una matriz escalonada, en el sentido que denimos a continuacin. Sea A una matriz y F una la de A. Diremos que F es nula si todos los nmeros de F coinciden con el cero. Si F es no nula, llamamos PIVOTE de F al primer nmero distinto de cero de F contando de izquierda a derecha. Una MATRIZ ESCALONADA es aqulla que verica las siguientes propiedades: 1. Todas las las nulas (caso de existir) se encuentran en la parte inferior de la matriz. 2. El pivote de cada la no nula se encuentra estrictamente ms a la derecha que el pivote de la la de encima. Por ejemplo, entre las matrices: ( + . / ( +
A no es escalonada, mientras que B y C s lo son. Dada una matriz escalonada E se dene el RANGO de E, que representamos por rg(E), como el nmero de las no nulas de E. En los ejemplos B y C de arriba se tiene rg(B) = rg(C) = 2, sin embargo no podemos decir que rg(A) = 3 ya que A no est escalonada. Otro ejemplo, las matrices nulas tienen rango cero y la matriz identidad de orden n cumple rg( ) = n. La siguiente cuestin que abordaremos es la denicin de rango para una matriz cualquiera que no est escalonada. La idea ser la de transformar la matriz dada en otra que sea escalonada mediante las llamadas transformaciones elementales por las que describimos a continuacin.
Equipo #5
Pgina 90
Dada una matriz A cualquiera, las TRANSFORMACIONES ELEMENTALES por las de A son tres: I. Intercambiar la posicin de dos las. II. Multiplicar una la por un nmero real distinto de cero. III. Sustituir una la por el resultado de sumarle a dicha la otra la que ha sido previamente multiplicada por un nmero cualquiera. Nota: Anlogamente podramos hacerlo todo por columnas; sin embargo, son las transformaciones por las las que son importantes en los sistemas de ecuaciones lineales que estudiaremos despus. El siguiente resultado nos garantiza que siempre podemos transformar una matriz cualquiera en otra escalonada. Teorema 1.1. A partir de cualquier matriz A se puede llegar, mediante una cantidad nita de transformaciones elementales, a una matriz escalonada E. Veamos en un ejemplo cmo se hace. Obsrvese que, primero, hacemos que la componente (1, 1) de la matriz de partida sea igual a uno. Luego, se hace que el resto de componentes de la primera columna sean cero. Despus se pasa a la componente (2, 2), y as sucesivamente.
Equipo #5
Pgina 91
El teorema anterior nos permite hacer una denicin importante: Dada una matriz A cualquiera se dene el RANGO de A y lo denotamos rg(A) como el rango de cualquier matriz escalonada E equivalente con A (se demuestra que este nmero no depende de la matriz escalonada E a la que se llegue). El rango siempre es un nmero menor o igual que el nmero de las y el nmero de columnas de A. Adems, el rango es cero si y slo si A = 0. En nuestro ejemplo de antes, el rango es 3.
Bibliografa:
http://docs.google.com/viewer?a=v&q=cache:QdLPBz89l2oJ:www.ugr. es/~ahurtado/PDF/Tema1.pdf+transformaciones+elementales+por+ren gl%C3%B3n+escalonamiento+de+una+matriz+y+rango+de+una+matri z&hl=es&pid=bl&srcid=ADGEESiraoG4pjWiwGnEN7hHaZtGMvy3oM2 L_vXz3gFUMuOYW-cdX5ZGDLZjss8XegRMqHYpWL4xSJNzitfC9ccsF65mvudsfdXi83Sl96Nh6_RI WShLm6Tf4SpDuj5uiT2ZnRA2mWL&sig=AHIEtbSZd9NNCmj1TwNAK ruG1G3o1F0M7A
ndice
Equipo #5 Pgina 92
2.5 Clculo de la inversa de una matriz.
Matriz traspuesta Es la matriz que obtenemos de cambiar las filas por las columnas. La traspuesta de A la representamos por AT. Ejemplo:
Matriz adjunta Es la matriz que se obtiene al sustituir cada elemento por su adjunto.
Matriz inversa La matriz inversa de A es otra matriz que representamos por A -1 y que verifica:
Equipo #5
Pgina 93
Solamente tienen inversa las matrices cuadradas cuyo determinante es distinto de cero.
Propiedades de la matriz inversa
La inversa del producto de dos matrices es el producto de las inversas cambiando el orden.
Ejemplo: clculo de la inversa de la matriz:
Para calcular la inversa, primero calculamos el determinante:
Equipo #5
Pgina 94
Despus calculamos cada uno de los adjuntos :
Equipo #5
Pgina 95
Aplicacin a la resolucin de sistemas de ecuaciones lineales.
Equipo #5
Pgina 96
Aplicacin a la resolucin de ecuaciones matriciales.
Bibliografa:
http://www.terra.es/personal2/jpb00000/tmatrizinversa.htm
ndice
Equipo #5
Pgina 97
Calcular la matriz inversa de Jordan:

Solucin: , | [ | ]
]por el mtodo de Gauss
| | [ ]
| | [ ]
, |
Tambin puede expresarse sacando factor comn: [ ]
Equipo #5
Pgina 98
Utilizacin de software:
ndice
Equipo #5 Pgina 99
2.6 Definicin de determinante de una matriz.
Determinante. A cada matriz cuadrada se le asocia un nmero denominado determinante, el cual tiene informacin sobre la matriz misma que es usada en muchas ramas de matemticas y de las ciencias.
Clculo de determinantes. El determinante de una matriz cuadrada de2x2 se denota A y est dado por la siguiente ecuacin:
Observe que el determinante en una matriz de 2x2 est dado por la diferencia de la multiplicacin de sus diagonales. Ejemplo: Encuentre el determinante de:
0 ( ) ( )( ) (
1 )( )
Regla de Sarrus:
Para matrices de 3x3 se ocupa un mtodo corto denominado regla de Sarrus, la cual consiste en lo siguiente. Para una matriz de 3x3:
Equipo #5
Pgina 100
Para determinar el cofactor de dicha matriz se coloca nuevamente la matriz debajo de la siguiente manera:
A continuacin se trazan unas lneas diagonales de gua para el proceso de multiplicacin de los elementos, de la siguiente manera:
Los tres elementos que son tocados por cada flecha se multiplican, los mismos que se suman al resto. Los elementos que son tocados por las flechas de izquierda a derecha se suman y los que estn tocados por las flechas de derecha a izquierda se restan de la siguiente manera:
( )
Ejemplo: Encuentre el determinante de:
[
Equipo #5
]
Pgina 101
Desarrollo por cofactores. A cada elemento de la matriz A puede asignrsele un cofactor, definido como:
Donde es el determinante que queda despus de borrar el rengln i y la columna j de la matriz A. se le denomina menor de i j Por ejemplo, para la matriz:
[
El determinante para el elemento mismo. Menor de :
]
el elemento menor y el cofactor del
El cofactor de
El determinante de cualquier matriz cuadrada es la suma de los productos de sus elementos de cualquier rengln o columna por sus cofactores: Expansin a lo largo del rengln i
| |
Expansin a lo largo de la columna j
| |
Equipo #5 Pgina 102
Calcular el determinante de la matriz A indicada usando cofactores:
Recordemos que los elementos de la matriz A pueden expresarse como:
Vamos a calcularlo usando el primer rengln, la ecuacin original desarrollando un rengln i es:
| |
Para el rengln 1, el valor de i = 1, por lo tanto la ecuacin general para el rengln 1 queda:
| |
Como solo es una matriz de 3x3 cada rengln tiene tres elementos, por lo tanto la ecuacin queda:
| |
Ahora como ya tenemos los elementos cofactor, de los cuales la ecuacin es:
de la matriz, solo nos hace falta cada
Equipo #5
Pgina 103
Los cofactores que se requieren son los siguientes:
Bibliografa: http://docs.google.com/viewer?a=v&q=cache:lrrKWzga8kJ:marcelrzm.comxa.com/AlgebraUniv/46Determinantes.pdf+ Definici%C3%B3n+de+determinante+de+una+matriz&hl=es&pid=bl&sr cid=ADGEEShm8Gh6_2fXzh4TAzB7MvLllTA5ainCdvqJzayeQ3v1ewW28MUhYWYwTIOiUBF2uChCX53XGUJp5kyCgoajbbP2WKbhF2fkn6 eynpySChKdHPM82UHbwNCiRriurRpClS3DUU&sig=AHIEtbRkvtqm5Ae5llAq85y7IC5Y1mV9YA
ndice
Equipo #5 Pgina 104
2.7 Propiedades de los determinantes.

Algunas propiedades importantes que tienen los determinantes, y que se enuncian sin demostracin, son: 1) Si una matriz tiene una lnea (fila o columna) de ceros, el determinante vale cero. Esta propiedad es evidente, puesto que por definicin de determinante, baste elegir dicha lnea para desarrollar y el determinante ser 0. 2) Si una matriz tiene dos filas iguales o proporcionales, su determinante es nulo. 3) Si permutamos dos lneas paralelas de una matriz cuadrada, su determinante cambia de signo, por ejemplo:
4) Si multiplicamos todos los elementos de una lnea de un determinante por un
nmero, el determinante queda multiplicado por ese nmero. Por ejemplo:
Pero (
5) Si una lnea de una matriz se le suma otra lnea multiplicada por un nmero, el
determinante no cambia. Esta propiedad permite utilizar un determinantes de orden mayor que 3. mtodo ms sencillo para calcular
6) El determinante de una matriz es igual al de su traspuesta. | |

Equipo #5
| |
Pgina 105
7) Si A tiene una matriz inversa, (
, se verifica que: ) ( )
Una estrategia a tener en cuenta en este caso de determinantes de orden 4 o superior, o incluso de orden 3 si la matriz es compleja, es el mtodo de hacer ceros, puesto que el valor del determinante no vara al realizar a la matriz ciertas transformaciones elementales en filas, como indica la propiedad 5 anterior, si bien hemos de ser cuidadosos al aplicar dicha propiedad. As pues la mejor forma de calcular un determinante es hacer ceros en una fila o columna y desarrollar por dicha fila o columna, porque entonces slo tendremos que calcular un adjunto. Por ejemplo, si calculamos:
Desarrollando por la columna 1 (| ( |+ ( ))
Como hemos dicho, hemos de tener especial cuidado al aplicar esta regla con determinantes, puesto que no podemos hacer las mismas operaciones que con las matrices, lo que puede confundir. Por ejemplo, si queremos calcular el determinante:
Equipo #5 Pgina 106
| Mediante la regla de Sarrus es: (
Si hicisemos ceros en la primera columna, y desarrollsemos nos debera dar lo mismo. Ahorabien, podemos hacer cero el 4 de la primera columna mediante:
Lo que es correcto. Sin embargo, si queremos hacer cero el 1 de la primera columna sera un errorhacer:
No obtenemos lo mismo, porque hemos multiplicado la fila sustituida por un nmero y eso altera el valor del determinante. Luego la fila a sustituir conviene no multiplicarla, como en el primer ejemplo, puesto que si no nos damos cuenta, podemos variar el valor del determinante.
Bibliografa: Algebra lineal y algunas de sus aplicaciones L.I. Goluina Segunda edicin
http://www.vitutor.com/algebra/determinantes/propiedades.html
ndice
Equipo #5
Pgina 107
2.8 Inversa de una matriz cuadrada a travs de la adjunta.

Una matriz cuadrada que posee inversa se dice que es invertible o regular; encaso contrario recibe el nombre de singular. Propiedades de la inversin de matrices La matriz inversa, si existe, es nica
A-1A=AA-1=I (AB) -1=B-1A-1 (A-1) -1=A (kA) -1=(1/kA-1 (At) 1=(A-1) t
Observacin Podemos encontrar matrices que cumplen AB = I, pero que BA I, en tal caso, podemos decir que A es la inversa de B "por la izquierda" o que B es la inversa de A "por la derecha". Hay varios mtodos para calcular la matriz inversa de una matriz dada: Directamente Usando determinantes Por el mtodo de Gauss-Jordn
Dada la matriz
1buscamos una matriz que cumpla AA-1 = I, es decir
1 0
Equipo #5
Pgina 108
Para ello planteamos el sistema de ecuaciones:
La matriz que se ha calculado realmente sera la inversa por la "derecha", pero es fcil comprobar que tambin cumple A-1 A = I, con lo cual es realmente la inversa de A. Existencia de la matriz inversa Las matrices que tienen inversa se llaman regulares y las que NO tienen inversa, singulares. Una matriz cuadrada de orden n es regular si, y solo si, su rango es n. Una matriz cuadrada de orden n es singular si, y solo si, su determinante es cero. Propiedades Las propiedades ms importantes relativas a la matriz inversa son las siguientes: 1. Si existe, 2. ( 3. ( ) ) es nica.
4. El determinante de una matriz regular A es el inverso del determinante de su matriz inversa: | | | |
Equipo #5
Pgina 109
Clculo de la matriz inversa La matriz inversa de una matriz regular se puede calcular de diferentes maneras: Resolviendo un sistema de ecuaciones lineales Ejemplo . Hacemos . Como . Operando: / . / . / / /
Bibliografa: http://es.scribd.com/doc/52080531/INVERSA-DE-UNA-MATRIZ-CUADRADAATRAVES-DE-UNA-ADJUNTA Algebra lineal y algunas de sus aplicaciones L.I. Goluina Segunda edicin
ndice
Equipo #5 Pgina 110
2.9 Aplicacin de matrices y determinantes.

Una de las tcnicas ms tiles es el mtodo de Gauss-Seidel. Ninguno de los procedimientos alternos es totalmente satisfactorio, y el mtodo de Gauss-Seidel tiene la desventaja de que no siempre converge a una solucin o de que a veces converge muy lentamente. Sin embargo, este mtodo convergir siempre a una solucin cuando la magnitud del coeficiente de una incgnita diferente en cada ecuacin del conjunto, sea suficientemente dominante con respecto a las magnitudes de los otros coeficientes de esa ecuacin. No obstante, cuando el valor absoluto del coeficiente dominante para una incgnita diferente para cada ecuacin es mayor que la suma de los valores absolutos de los otros coeficientes de esa ecuacin, la convergencia est asegurada. Ese conjunto de ecuaciones simultneas lineales se conoce como sistema diagonal. Un sistema diagonal es condicin suficiente para asegurar la convergencia pero no es condicin necesaria. Afortunadamente, la ecuacin simultnea lineal es que se derivan de muchos problemas de ingeniera, son del tipo en el cual existen siempre coeficientes dominantes. La secuencia de pasos que constituyen el mtodo de Gauss-Seidel es la siguiente: 1. Asignar un valor inicial a cada incgnita que aparezca en el conjunto. Si es posible hacer una hiptesis razonable de stos valores, hacerla. Si no, se pueden asignar valores seleccionados arbitrariamente. Los valores inciales utilizados no afectarn la convergencia como tal, pero afectarn el nmero de iteraciones requeridas para dicha convergencia. 2. Partiendo de la primera ecuacin, determinar un nuevo valor para la incgnita que tiene el coeficiente ms grande en esa ecuacin, utilizando para las otras incgnitas los valores supuestos. 3. Pasar a la segunda ecuacin y determinar en ella el valor de la incgnita que tiene el coeficiente ms grande en esa ecuacin, utilizando el valor calculado para la incgnita del paso 2 y los valores supuestos para las incgnitas restantes.
Equipo #5
Pgina 111
4. Continuar con las ecuaciones restantes, determinando siempre el valor calculado de la incgnita que tiene el coeficiente ms grande en cada ecuacin particular, y utilizando siempre los ltimos valores calculados para las otras incgnitas de la ecuacin. (Durante la primera iteracin, se deben utilizar los valores supuestos para las incgnitas hasta que se obtenga un valor calculado). Cuando la ecuacin final ha sido resuelta, proporcionando un valor para la nica incgnita, se dice que se ha completado una iteracin. 5. Continuar iterando hasta que el valor de cada incgnita, determinado en una iteracin particular, difiera del valor obtenido en la iteracin previa, en una cantidad menor que cierto seleccionado arbitrariamente. El procedimiento queda entonces completo. Refirindonos al paso 5, mientras menor sea la magnitud del seleccionado, mayor ser la precisin de la solucin. Sin embargo, la magnitud del psilon No especifica el error que puede existir en los valores obtenidos para las incgnitas, ya que sta es una funcin de la velocidad de convergencia. Mientras mayor sea la velocidad de convergencia, mayor ser la precisin obtenida en los valores delas incgnitas para un dado.
Bibliografa: http://es.scribd.com/doc/52080531/INVERSA-DE-UNA-MATRIZ-CUADRADAATRAVES-DE-UNA-ADJUNTA
ndice
Equipo #5 Pgina 112
lgebra Lineal
PROFESOR: I.E. SAL ULLOA MONDRAGN UNIDAD 3.SISTEMAS DE ECUACIONES LINEALES.
EQUIPO # 5 Juan Garca Pedro Octavio Snchez Campos Adanary Suray Snchez Chavelo Mara Carrin Luna Jos David 10680250 10680283 10680284 10680240
Equipo #5
Pgina 113
ndice Unidad 3
3.1 Definicin de sistemas de ecuaciones lineales....................................................115 3.2 Clasificacin de los sistemas de ecuaciones lineales y tipo de solucin..........117 3.3 Interpretacin geomtrica de las soluciones.........................................................123 3.4Mtodos de solucin de un sistema de ecuaciones lineales:Gauss-Jordn, inversa de una matriz y regla de Cramer...........................................................................126 Ejercicio por la regla de Cramer............................................................................132 Ejercicio. Resuelve la matriz por el mtodo de Cramer.................................................135 Escalonar las siguientes matrices y determina su rango..............................................137 Resuelve los siguientes sistemas de ecuaciones............................................................140 Determinar la inversa...............................................................................................................144 Comprueba que ( ) ...............................................................................147
Resuelve los siguientes sistemas de ecuaciones mediante el uso de la matriz inversa..........................................................................................................................................148 Plantea y resuelve los siguientes problemas...............................................................150 Proyecto Unidad 3.Sistemas de ecuaciones lineales.....................................................154
Equipo #5
Pgina 114
3.1 Definicin de sistemas de ecuaciones lineales.

En matemticas y lgebra lineal, un sistema de ecuaciones lineales, tambin conocido como sistema lineal de ecuaciones o simplemente sistema lineal, es un conjunto de ecuaciones lineales sobre un cuerpo o un anillo conmutativo. Un ejemplo de sistema lineal de ecuaciones sera el siguiente:
El problema consiste en encontrar los valores variables x1, x2 y x3 que satisfacen las tres ecuaciones.
desconocidos
de
las
El problema de los sistemas lineales de ecuaciones es uno de los ms antiguos de la matemtica y tiene una infinidad de aplicaciones, como en seales, anlisis, estimacin, prediccin y ms generalmente en programacin lineal as como en la aproximacin de problemas no lineales de anlisis numrico.
Bibliografa. Aplicaciones del lgebra lineal-Stanley L. Grossman. http://es.wikipedia.org/wiki/Sistema_de_ecuaciones_lineales

Equipo #5 Pgina 115
Sistema de 3 ecuaciones con 3 incgnitas.

La regla para un sistema de tres ecuaciones con tres incgnitas es similar, con una divisin de determinantes:
Que representadas en forma de matriz es:
, pueden ser encontradas como sigue:
Bibliografa: http://es.wikipedia.org/wiki/Regla_de_Cramer#Sistema_de_3_ecuaciones_con_3_i nc.C3.B3gnitas Aplicaciones del lgebra lineal-Stanley L. Grossman.
Equipo #5
Pgina 116
3.2 Clasificacin de los sistemas de ecuaciones lineales y tipo de solucin.

Los sistemas de ecuaciones se pueden clasificar segn el nmero de soluciones que pueden presentar. De acuerdo con ese caso se pueden presentar los siguientes casos:

Sistema incompatible si no tiene ninguna solucin. Sistema compatible si tiene alguna solucin, en este caso adems puede distinguirse entre:
Sistema compatible determinado cuando tiene un nmero finito de soluciones. Sistema compatible indeterminado cuando admite un conjunto infinito de soluciones.
Quedando as la clasificacin:
Los sistemas incompatibles geomtricamente se caracterizan por (hiper)planos o rectas que se cruzan sin cortarse. Los sistemas compatibles determinados se caracterizan por un conjunto de (hiper)planos o rectas que se cortan en un nico punto. Los sistemas compatibles indeterminados se caracterizan por (hiper)planos que se cortan a lo largo de una recta [o ms generalmente un hiperplano de dimensin menor]. Desde un punto de vista algebraico los sistemas compatibles determinados se caracterizan porque el determinante de la matriz es diferente de cero: ( )
Equipo #5
Pgina 117
Sistemas compatibles indeterminados Un sistema sobre un cuerpo K es compatible indeterminado cuando posee un nmero infinito de soluciones. Por ejemplo, el siguiente sistema:
Tanto la primera como la segunda ecuacin se corresponden con la recta cuya ), por lo que ambas intersecan pendiente es y que pasa por el punto ( en todos los puntos de dicha recta. El sistema es compatible por haber solucin o interseccin entre las rectas, pero es indeterminado al ocurrir esto en infinitos puntos.
En este tipo de sistemas, la solucin genrica consiste en expresar una o ms variables como funcin matemtica del resto. En los sistemas lineales compatibles indeterminados, al menos una de sus ecuaciones se puede hallar como combinacin lineal del resto, es decir, es linealmente dependiente.
Una condicin necesaria para que un sistema sea compatible indeterminado es que el determinante de la matriz del sistema sea cero (y por tanto uno de sus autovalores sern 0. ( )
De hecho, de las dos condiciones anteriores se desprende, que el conjunto de soluciones de un sistema compatible indeterminado es un subespacio vectorial. Y la dimensin de ese espacio vectorial coincidir con la multiplicidad geomtrica del autovalor cero.
Equipo #5
Pgina 118
Sistemas incompatibles. De un sistema se dice que es incompatible cuando no presenta ninguna solucin. Por ejemplo, supongamos el siguiente sistema:
Las ecuaciones se corresponden grficamente con dos rectas, ambas con la misma pendiente, Al ser paralelas, no se cortan en ningn punto, es decir, no existe ningn valor que satisfaga a la vez ambas ecuaciones. Matemticamente un sistema de estos es incompatible cuando el rango de la matriz del sistema es inferior al rango de la matriz ampliada. Una condicin necesaria para que esto suceda es que el determinante de la matriz del sistema sea cero: ( ) Tipos de solucin a sistemas de ecuaciones lineales. Sustitucin. El mtodo de sustitucin consiste en despejar en una de las ecuaciones cualquier incgnita, preferiblemente la que tenga menor coeficiente, para, a continuacin, sustituirla en otra ecuacin por su valor. En caso de sistemas con ms de dos incgnitas, la seleccionada debe ser sustituida por su valor equivalente en todas las ecuaciones excepto en la que la hemos despejado. En ese instante, tendremos un sistema con una ecuacin y una incgnita menos que el inicial, en el que podemos seguir aplicando este mtodo reiteradamente. Por ejemplo, supongamos que queremos resolver por sustitucin este sistema:
En la primera ecuacin, seleccionamos la incgnita
por ser la de menor
coeficiente y que posiblemente nos facilite ms las operaciones, y la despejamos, obteniendo la siguiente ecuacin.
Equipo #5 Pgina 119
El siguiente paso ser sustituir cada ocurrencia de la incgnita en la otra ecuacin, para as obtener una ecuacin donde la nica incgnita sea la . ( )
Al resolver la ecuacin obtenemos el resultado , y si ahora sustituimos esta incgnita por su valor en alguna de las ecuaciones originales obtendremos , con lo que el sistema queda ya resuelto. Igualacin. El mtodo de igualacin se puede entender como un caso particular del mtodo de sustitucin en el que se despeja la misma incgnita en dos ecuaciones y a continuacin se igualan entre s la parte derecha de ambas ecuaciones. Tomando el mismo sistema utilizado como ejemplo para el mtodo de sustitucin, si despejamos la incgnita en ambas ecuaciones nos queda de la siguiente manera:
Como se puede observar, ambas ecuaciones comparten la misma parte izquierda, por lo que podemos afirmar que las partes derechas tambin son iguales entre s. ( )
Una vez obtenido el valor de la incgnita , se substituye su valor en una de las ecuaciones originales, y se obtiene el valor de la . La forma ms fcil de tener el mtodo de sustitucin es realizando un cambio para despejar despus de averiguar el valor de la .
Equipo #5
Pgina 120
Reduccin. Este mtodo suele emplearse mayoritariamente en los sistemas lineales, siendo pocos los casos en que se utiliza para resolver sistemas no lineales. El procedimiento, diseado para sistemas con dos ecuaciones e incgnitas, consiste en transformar una de las ecuaciones (generalmente, mediante productos), de manera que obtengamos dos ecuaciones en la que una misma incgnita aparezca con el mismo coeficiente y distinto signo. A continuacin, se suman ambas ecuaciones producindose as la reduccin o cancelacin de dicha incgnita, obteniendo as una ecuacin con una sola incgnita, donde el mtodo de resolucin es simple. Por ejemplo, en el sistema:
No tenemos ms que multiplicar la primera ecuacin por incgnita . Al multiplicar, dicha ecuacin nos queda as: ( )
para poder cancelar la
Si sumamos esta ecuacin a la segunda del sistema original, obtenemos una nueva ecuacin donde la incgnita ha sido reducida y que, en este caso, nos da directamente el valor de la incgnita :
El siguiente paso consiste nicamente en sustituir el valor de la incgnita en cualquiera de las ecuaciones donde aparecan ambas incgnitas, y obtener as que el valor de es igual a:
Equipo #5
Pgina 121
Bibliografa. http://es.wikipedia.org/wiki/Sistema_de_ecuaciones_lineales#Tipos_de_sistemas http://es.wikipedia.org/wiki/Sistema_de_ecuaciones_lineales#M.C3.A9todos_de_soluci.C 3.B3n_asistemas_de_ecuaciones_lineales
3.3 Interpretacin geomtrica de las soluciones.

Resolucin y representacin grfica de sistemas de ecuaciones lineales Resolvemos grficamente el sistema x + y = 6; x - y = 2 1. Despejamos y en las dos ecuaciones. x+y=6y=6x x-y=2y=x2 2. Dando valores a x, formamos una tabla de valores para cada una de las dos ecuaciones. y=6x x y y=x2 x y 0 -2 1 -1 2 0 3 1 4 2 0 0 1 5 2 4 3 3 4 2
Representamos estos puntos sobre un sistema de ejes.
Equipo #5
Pgina 123
Uniendo los puntos de cada ecuacin, obtenemos dos rectas que representan todas las soluciones de cada una de las ecuaciones.
Puede ocurrir uno de los siguientes casos: Si las rectas no se cortan, es decir, son paralelas, el sistema es incompatible, no tiene solucin. Si las rectas se cortan en un punto, el sistema tiene solucin nica. Decimos que es compatible determinado.
Si las dos rectas coinciden, esto es, son la misma, el sistema tiene infinitas soluciones. Es un sistema compatible indeterminado. En nuestro caso, las rectas se cortan en el punto (4, 2). La solucin del sistema es x = 4 e y = 2. Clasificamos los siguientes sistemas de ecuaciones lineales
a) +
+ )
+ )
a) Dibujamos las rectas que representan las soluciones de cada ecuacin: Dos soluciones de la primera ecuacin son: x = 1, y = 4; x = 2, y = 2 Dos soluciones de la segunda ecuacin son: x = 1, y= 0; x = 2, y = 2 Las rectas se cortan en un punto que ser la solucin: x = 2, y = 2. Por tanto, el sistema ser compatible determinado. Vemos la representacin ms abajo. b) Dibujamos las rectas que representan las soluciones de cada ecuacin: Dos soluciones de la primera ecuacin son:
Equipo #5 Pgina 124
x = 0, y = 3; x = 3, y = 0
Dos soluciones de la segunda ecuacin son: x = 1, y = 2; x = 2, y = 1 Las rectas coinciden, toda la recta es solucin del sistema (infinitas soluciones). Por tanto, el sistema ser compatible indeterminado. Vemos la representacin ms abajo. c) Dibujamos las rectas que representan las soluciones de cada ecuacin: Dos soluciones de la primera ecuacin son: x = 0,y = 3; x = 3,y = 0 Dos soluciones de la segunda ecuacin son: x = 0, y =-1; x = -2, y = 1 Las rectas son paralelas, no tienen ningn punto en comn, luego el sistema no tiene solucin. Por tanto, el sistema ser incompatible.
Vemos la representacin siguiente:
Bibliografa. http://www.kalipedia.com/matematicas-algebra/tema/resolucion-representacion-graficasistemas.html?x1=20070926klpmatalg_145.Kes&x=20070926klpmatalg_146.Kes
Equipo #5 Pgina 125 ndice
3.4 Mtodos de solucin de un sistema de ecuaciones lineales: Gauss-Jordn, inversa de una matriz y regla de Cramer.
Mtodo de Gauss La eliminacin de Gauss-Jordan, ms conocida como mtodo de Gauss, es un mtodo aplicable nicamente a los sistemas lineales de ecuaciones, y consistente en triangular la matriz aumentada del sistema mediante transformaciones elementales, hasta obtener ecuaciones de una sola incgnita, cuyo valor ser igual al coeficiente situado en la misma fila de la matriz. Este procedimiento es similar al anterior de reduccin, pero ejecutado de manera reiterada y siguiendo un cierto orden algortmico. El Mtodo de Gauss consiste en convertir un sistema normal de 3 ecuaciones con 3 incgnitas en uno escalonado, en la que la primera ecuacin tiene 3 incgnitas, la segunda ecuacin tiene 2 incgnitas, y la tercera ecuacin tiene 1 incgnita. De esta forma ser fcil a partir de la ltima ecuacin y subiendo hacia arriba, calcular el valor de las tres incgnitas. En primer lugar, reducimos la incgnita , sumando a la segunda fila, la primera multiplicada por , y a la tercera, la primera fila. La matriz queda as: ( )
El siguiente paso consiste en eliminar la incgnita en la primera y tercera fila, para lo cual les sumamos la segunda multiplicada por -2 y por - 4, respectivamente.
Equipo #5
Pgina 126
Por ltimo, eliminamos la z, tanto de la primera como de la segunda fila, sumndoles la tercera multiplicada por y por , respectivamente: ( )
Llegando a este punto podemos resolver directamente las ecuaciones que se nos plantean:
O, si lo por: y
preferimos, podemos multiplicar las tres filas de la matriz respectivamente, y obtener as automticamente los valores de las
incgnitas en la ltima columna.
Pongamos un ejemplo del clculo de un sistema de ecuaciones por el mtodo de Gauss: Se renen 30 personas entre hombres, mujeres y nios. Se sabe que entre los hombres y el triple de mujeres exceden en 20 el doble de los nios. Tambin se sabe que entre hombres y mujeres se duplican al nmero de nios. Plantear y resolver el sistema de ecuaciones.
Equipo #5
Pgina 127
Se renen 30 personas entre hombres, mujeres y nios:
Se sabe que entre los hombres y el triple de mujeres exceden en 20 el doble de los nios:
Tambin se sabe que entre hombres y mujeres se duplican al nmero de nios:
Agrupando las tres ecuaciones tenemos el sistema, que ordenado resulta:
Aplicamos Gauss, restando la primera ecuacin a las dos siguientes:
En este caso en la tercera ecuacin se ha eliminado la y, por lo que no es necesario hacer ms operaciones. Por lo tanto obtenemos que z = 10 de la tercera ecuacin:
Sustituyendo z en la segunda ecuacin obtenemos que y = 10:
Equipo #5
Pgina 128
Sustituyendo z y en la primera ecuacin obtenemos x = 10.
Con lo que hemos obtenido el resultado del sistema:
Bibliografa. http://es.wikipedia.org/wiki/Sistema_de_ecuaciones_lineales#M.C3.A9todo_de_Gauss
Regla de Cramer.
La regla de Cramer es un teorema en lgebra lineal, que da la solucin de un sistema lineal de ecuaciones en trminos de determinantes. Recibe este nombre en honor a Gabriel Cramer (1704 - 1752), quien public la regla en su Introduction l'analyse des lignescourbesalgbriques de 1750, aunque ColinMaclaurin tambin public el mtodo en su Treatise of Geometry de 1748 (y probablemente saba del mtodo desde 1729). La regla de Cramer es de importancia terica porque da una expresin explcita para la solucin del sistema. Sin embargo, para sistemas de ecuaciones lineales de ms de tres ecuaciones su aplicacin para la resolucin del mismo resulta excesivamente costosa: computacionalmente, es ineficiente para grandes matrices y por ello no es usado en aplicaciones prcticas que pueden implicar muchas ecuaciones. Sin embargo, como no es necesario pivotar matrices, es ms eficiente que la eliminacin gaussiana para matrices pequeas, particularmente cuando son usadas operaciones SIMD.
Si
es un sistema de ecuaciones.
A es la matriz de coeficientes del sistema, ( )es el vector columna de las incgnitas y b es el vector columna de los trminos independientes. Entonces la solucin al sistema se presenta as: ( ) ( ) donde Aj es la matriz resultante de reemplazar la j-sima columna de A por el vector columna b. Hgase notar que para que el sistema sea compatible determinado, el determinante de la matriz A ha de ser no nulo.
La regla de Cramer da una solucin para sistemas compatibles determinados en trminos de determinantes y adjuntos dada por: ( ) ( )
Equipo #5
Pgina 130
Donde Aj es la matriz resultante de remplazar la j-sima columna de A por el vector columna b. Para un sistema de dos ecuaciones y dos incgnitas:
La regla de Cramer da la siguiente solucin: | | | | | | | |
Equipo #5
Pgina 131
Ejercicio por la regla de Cramer.

3x1 + 5x2 + 6 x3 =24 3x1 + x2 - 2x3 =4
2x1 + 4x2 + 6x3=18
Matriz de los coeficientes Termino independiente
2 3 3
4 5 1
6 6 -2
18 24 4
Solucin por el mtodo de menores y cofactores: Obtencin del valor de D Se realiza con la matriz de los coeficientes.
D=
2 3 3
4 5 1
6 6 -2
2 3 3
4 5 1
D =-20 + 72 +18 90 12 + 24 = - 8
Equipo #5
Pgina 132
Obtencin del valor de D1 Los valores de la columna 1 se cambian por los valores del trmino independiente.
D1 =
18 24 4
4 5 1
6 6 -2
18 24 4
4 5 1
D1 = - 180 + 48 + 144 120 108 + 192 = 24 Obtencin del valor de D2 Los valores de la columna 2 se cambian por los valores del trmino independiente.
D2 =
2 3 3
18 24 4
6 6 -2
18 24 4
4 5 1
D2 = - 96 + 324 + 72 4 32 48 + 108 = - 72 Obtencin del valor de D3 Los valores de la columna 3 se cambian por los valores del trmino independiente.
2 D3 = 3 3
4 5 1
18 24 4
2 3 3
4 5 1
D3 =40 + 288 + 54 270 48 + 48 = 14
Equipo #5
Pgina 133
Sustitucin de los valores
( )
Bibliografa. http://es.wikipedia.org/wiki/Sistema_de_ecuaciones_lineales#Regla_de_Cramer http://rincondelvago.com/00028155

Ejercicio. Resuelve la matriz por el mtodo de Cramer:
( )
( )
Equipo #5
Pgina 135
46 + 28 + 18 10(6) = 32
Equipo #5
Pgina 136
1. Escalonar las siguientes matrices y determina su rango:

a) 0 Solucin: 0 1 0 1 0 1 1
( )
Hay 2 filas no nulas.
b) [ Solucin:
[ ] [ ] [ ] [ ]
( )
c) [ | ]
Equipo #5
Pgina 137
Solucin:
[ ]
( )
Equipo #5
Pgina 138
d)
0 1
Solucin:
0 1 0 1
( )
Hay 1 fila no nula.
e)
Solucin:
[ ]
[ ]
( )
Equipo #5
Hay 3 fila no nula.

Pgina 139
2. Resuelve los siguientes sistemas de ecuaciones: a)
Solucin: | |
Sustituyendo en el sistema de ecuaciones: ( ) ( ) ( ) ( )
b)
Solucin: | | | | | | | |
Equipo #5
Pgina 140
Sustituyendo en el sistema de ecuaciones: ( ( c) * * ( ( * *
] [ ]
0 ( ) [ 0 0
1 1 1 0 0
1 1 1
0 0 0
1 1 1 ] [ ]
] [ ]
Equipo #5
Pgina 141
] [ ]
[ ]
Sustituyendo en el sistema de ecuaciones:
( *
( * ( *
d)
* +
[ [ ( ) [ [ ]
] ] ]
[ [ [ [ ]
] ] ]
[ [ [ [
] ] ] ]
[ [ [ [
] ] ] ]
Equipo #5
Pgina 142
* +
* +
Sustituyendo en el sistema de ecuaciones:
( ) ( )
( ) ( )
1. Determinar la inversa para:
a) 0
Solucin:
, |
, |
Tambin puede expresarse sacando factor comn: 0 1
Equipo #5
Pgina 144
b) *
Solucin: , | [ | ] [ | ]
| | ]
Equipo #5
Pgina 145
| | ]
, |
Equipo #5
Pgina 146
2. Comprueba que (
para:
1 0
1 0
1 0
Equipo #5
Pgina 147
Resuelve los siguientes sistemas de ecuaciones mediante el uso de la matriz inversa:

a)
0 ( ) [ 0 0 1
1 1 0
0 1 0
0 0
1 1 1 ] [ ]
( )
] [ ]
[ [ ]
Sustituyendo en el sistema de ecuaciones: a) ( ) ( ) ( ) ( ) ( ) ( ) ( ( ) )

Pgina 148
Equipo #5
b)
[ ]
0 ( ) [ 0 0
1 1 1 0
0 1 0
0 0
1 1 1 ] [ ]
( )
] [ ]
[ ] [ ]
[ ]
Sustituyendo en el sistema de ecuaciones: a) ( ) ( )

Equipo #5
( ) ( ) ( ) ( )
ndice Pgina 149
Plantea y resuelve los siguientes problemas.

1.El permetro de un rectngulo es de 26 m y uno de sus lados es 3m mayor que el otro. Cules son sus dimensiones?
Sustitucin ( )
2. Encontrar el lado de la base y la altura de un prisma recto de base cuadrada, si su superficie tiene un rea de 96 y su volumen es de 60 ( )
3. Determina el permetro y rea de un rectngulo si un lado es 4 m mayor que el doble del otro lado; si la suma del largo y del ancho es de 25/4 m.
( ( *)
( ( *)
Equipo #5
Pgina 150
( ( *)
( ( *)
4. El producto de dos enteros consecutivos es 72, Quines son dichos nmeros?

( )
(( )( ))
5. Hace 10 aos Juan tena cuatro veces la edad de Guillermo; ahora la edad de Juan solo duplica la edad de Memo. Cules son sus edades? 6. Un pap es 24 aos mayor que su hijo; dentro de 8 aos el pap tendr el doble de aos que su hijo. Qu edad tiene cada uno de ellos?
Equipo #5
Pgina 151
7. La longitud de un rectngulo es el triple de su ancho. Si el ancho se disminuye en un metro y se aumentan tres metros al largo, el rea ser 72 metros cuadrados. Cules son las dimensiones del rectngulo original?
)(
a- 1
Solucin
8. El permetro de un tringulo issceles es de 84 cm y la longitud de los dos lados iguales es dos tercios de la longitud de la base. Encuentre la longitud de la base del tringulo. ( ( * * ( *
Equipo #5
Pgina 152
9. Un equipo de football est formado por 60 jugadores, de las escuelas Agronoma, Economa e Ingeniera. Hay 10 alumnos menos de Economa que la suma de Agronoma e Ingeniera y el nmero de alumnos de Agronoma y Economa es el doble de los de Ingeniera. Cuntos alumnos hay de cada escuela? 1) 2) 3) Restar las ecuaciones 1 y 2.
Restar las ecuaciones 1 y 3.
Sustituir i y e en la ecuacin 1.
Por lo tanto hay 15 alumnos de Agronoma, 25 alumnos de Economa y 20 alumnos de Ingeniera.
lgebra Lineal
PROFESOR: I.E. SAL ULLOA MONDRAGN Proyecto Unidad 3.Sistemas de ecuaciones lineales. Este programa soluciona los sistemas de ecuaciones de 3 incgnitas.
EQUIPO # 5 Juan Garca Pedro Octavio Snchez Campos Adanary Suray Snchez Chvelo Mara Carrin Luna Jos David 10680250 10680283 10680284 10680240
Equipo #5
Pgina 154
#include <conio.h> #include <stdlib.h> #include <stdio.h> main() { float a,b,c,d,e,f,g,h,i,j,k,l,m,n,o,p,q,r,s,t,u,v,w,x,y,z; float A,B,C,D,E,F,G,H,I,J; intop,K; do { system ("cls"); printf("Proyecto de la unidad 3. Sistemas de ecuaciones lineales.\n\n"); printf("Este programa soluciona sistemas de ecuaciones de 3 incognitas\n\n"); printf("Equipo 5:\n\n Carrion Luna\n Juan Garcia\n SanchezChavelo\n Sanchez Campos\n\n\n29 de Marzo de 2011\n\n"); printf("Siga el orden de numeracion \n\n 1)Determinante\n 2)Adjunta\n 3)Inversa\n 4)Soluciones "); scanf("%d",&op); if (op==1) { printf("Ingresa los coeficioentes de tu sistema de ecuacion (sin poner las soluciones) \n\n"); printf("\nIngresa los valores por fila\n\n"); printf("Dame el primer valor\n"); scanf("%f",&a); printf("Dame el segundo valor\n"); scanf("%f",&b); printf("Dame el tercer valor\n"); scanf("%f",&c); printf("Dame el cuarto valor\n"); scanf("%f",&d); printf("Dame el quinto valor\n"); scanf("%f",&e); printf("Dame el sexto valor\n"); scanf("%f",&f); printf("Dame el septimo valor\n"); scanf("%f",&g); printf("Dame el octavo valor\n"); scanf("%f",&h); printf("Dame el noveno valor\n"); scanf("%f",&i); j=((a*e)*i)+((b*f)*g)+((d*h)*c); k=((c*e)*g)+((b*d)*i)+((f*h)*a); l=j-k; Equipo #5 Pgina 155
printf("La determinante de la matriz es = %f",l); printf("\n\n\nPara continuar . . .\n\n 1) Salir. \n 2) Realizar otra operacion."); scanf("%d",&K); } if(op==2) { printf("Calculando adjunta\n\n"); //Operaciones para el calculo de la adjunta m=(e*i)-(f*h); n=-((b*i)-(c*h)); o=(b*f)-(c*e); p=-((d*i)-(f*g)); q=(a*i)-(c*g); r=-((a*f)-(c*d)); s=(d*h)-(e*g); t=-((a*h)-(b*g)); u=(a*e)-(b*d); printf("El primer menor complementario de la matriz transpuesta = %f\n",m); printf("El segundo menor complementario de la matriz transpuesta = %f\n",n); printf("El tercer menor complementario de la matriz transpuesta = %f\n",o); printf("El cuarto menor complementario de la matriz transpuesta = %f\n",p); printf("El quinto menor complementario de la matriz transpuesta = %f\n",q); printf("El sexto menor complementario de la matriz transpuesta = %f\n",r); printf("El septimo menor complementario de la matriz transpuesta = %f\n",s); printf("El octavo menor complementario de la matriz transpuesta = %f\n",t); printf("El noveno menor complementario de la matriz transpuesta = %f\n",u); printf("\n\n\nPara continuar . . .\n\n 1) Salir. \n 2) Realizar otra operacion."); scanf("%d",&K); } if(op==3) { printf("\nCalculando la inversa de la matriz\n\n"); //Operaciones para el calculo de la inversa v=((1/l)*m); w=((1/l)*n); x=((1/l)*o); y=((1/l)*p); z=((1/l)*q); A=((1/l)*r); B=((1/l)*s); C=((1/l)*t); Equipo #5 Pgina 156
D=((1/l)*u); printf("El primer valor de la matriz inversa = %f\n",v); printf("El segundo valor de la matriz inversa = %f\n",w); printf("El tercer valor de la matriz inversa = %f\n",x); printf("El cuarto valor de la matriz inversa = %f\n",y); printf("El quinto valor de la matriz inversa = %f\n",z); printf("El sexto valor de la matriz inversa = %f\n",A); printf("El septimo valor de la matriz inversa = %f\n",B); printf("El octavo valor de la matriz inversa = %f\n",C); printf("El noveno valor de la matriz inversa = %f\n",D); printf("\n\n\nPara continuar . . .\n\n 1) Salir. \n 2) Realizar otra operacion."); scanf("%d",&K); } if(op==4) { printf("\nCalculando las soluciones\n\n"); printf("\nIngresa las soluciones\n\n"); printf("Dame la primera solucion\n"); scanf("%f",&E); printf("Dame la segunda solucion\n"); scanf("%f",&F); printf("Dame la tercera solucion\n"); scanf("%f",&G); //Operaciones para calcular las soluciones H=(v*E)+(w*F)+(x*G); I=(y*E)+(z*F)+(A*G); J=(B*E)+(C*F)+(D*G); printf("Solucion a la primer incongnita = %f\n\n",H); printf("Solucion a la segunda incongnita = %f\n\n",I); printf("Solucion a la tercer incongnita = %f\n\n",J); printf("\n\n\nPara continuar . . .\n\n 1) Salir. \n 2) Realizar otra operacion."); scanf("%d",&K); } if(op>=5) { printf("\n\n Esta opcion no esta disponible\n\n"); getch(); } } while(K!=1); return 0; } Equipo #5 Pgina 157
Tabla para comparar valores con el programa.

0.5000 0.0454 0.0238 0.0161 0.0121
0.3333
0.0434
0.0232
0.0158
0.0120
0.2500
0.0416
0.0227
0.0156
0.0119
0.2000
0.0400
0.0222
0.0153
0.0117
0.1666
0.0384
0.0217
0.0151
0.0116
0.1428
0.0370
0.0212
0.0149
0.0114
0.1250
0.0357
0.0208
0.0147
0.0113
0.1111
0.0344
0.0204
0.0144
0.0112
0.1000
0.0333
0.0200
0.0142
0.0111
Equipo #5
Pgina 158
0.0909
0.0322
0.0196
0.0140
0.0109
0.0833
0.0312
0.0192
0.0138
0.0108
0.0769
0.0303
0.0188
0.0136
0.0107
0.0714
0.0294
0.0185
0.0135
0.0106
0.0666
0.0285
0.0181
0.0133
0.0105
0.0625
0.0277
0.0178
0.0131
0.0104
0.0588
0.0270
0.0175
0.0129
0.0103
0.0555 0.0526
0.0263 0.0256
0.0172 0.0169
0.0128 0.0126
0.0102 0.0101
0.0500
0.0250
0.0166
0.0125
0.0100
Equipo #5
Pgina 159
0.0476
0.0243
0.0163
0.0123
0.0099
Equipo #5
Pgina 160
Equipo #5
Pgina 161
lgebra Lineal
UNIDAD 4. ESPACIOS VECTORIALES.
H.H. Cuautla Mor. 09 de junio del 2011
Equipo #5
Pgina 163
ndice Unidad 4
4.1 Definicin de espacio vectorial.......................................................................165 4.2 Definicin de subespacio vectorial y sus propiedades...................................166 4.3 Combinacin lineal. Dependencia e Independencia lineal.............................169 4.4 Base y dimensin de un espacio vectorial, cambio de base.........................174 4.5 Espacio vectorial con producto interno y sus propiedades.............................176 4.6 Base ortonormal, proceso de ortonormalizacin de Gram-Schmidt...............178 Ejercicios 1............................................................................................................181 Ejercicios 2............................................................................................................192 Ejercicios 3............................................................................................................196 Ejercicios 4............................................................................................................206 Formulario de la unidad 4 Espacios vectoriales................................................211 Proyecto Unidad 4. Espacios vectoriales..............................................................212
Equipo #5
Pgina 164
Espacios vectoriales
4.1 Definicin de espacio vectorial.
Definicin 1: Un espacio vectorial (o espacio lineal) es el objeto bsico de estudio en la rama de la matemtica llamada lgebra lineal. A los elementos de los espacios vectoriales se les llama vectores. Sobre los vectores pueden realizarse dos operaciones: escalarse (multiplicarlos por un escalar) y sumarse. Definicin 2: Un espacio vectorial es una estructura matemtica creada a partir de un conjunto no vaco con una operacin suma interna al conjunto y una operacin producto externa entre dicho conjunto y un cuerpo, cumpliendo una serie de propiedades o requisitos inciales. A los elementos de un espacio vectorial se les llamar vectores y a los elementos del cuerpo se les llamar escalares. Los espacios vectoriales tienen aplicaciones en otras ramas de la matemtica, la ciencia y la ingeniera. Se utilizan en mtodos como las series de Fourier, que se utiliza en las rutinas modernas de compresin de imgenes y sonido, o proporcionan el marco para resolver ecuaciones en derivadas parciales. Adems, los espacios vectoriales proporcionan una forma abstracta libre de coordenadas de tratar con objetos geomtricos y fsicos, tales como tensores, que a su vez permiten estudiar las propiedades locales de variedades mediante tcnicas de linealizacin.
Bibliografa:
1. http://html.rincondelvago.com/espacio-vectorial.html 2. http://es.wikipedia.org/wiki/Espacio_vectorial
4.2 Definicin de subespacio vectorial y sus propiedades.
Definicin: sea un espacio vectrial sobre un campo . Un subconjunto es un sub-espacio vectorial si Proposicin: Sea un espacio vectorial con operacin y de suma de vectores y multiplicacin por un escalar, respectivamente. Sea un subespacio vectorial de Definimos las siguientes operaciones de suma de vectores y multiplicacin por escalar: en : 0 ,
( ( )
( ( )
Equipo #5
Pgina 166
Propiedades:
Axiomas de un espacio vectorial. ( ( ( ( ( ( ( ( ( ( ( ) ) ) ) ) ) ( ) ) ) ) ( ) ) )
Equipo #5
Pgina 167
) )
Bibliografas: 1. http://matematicasuniversitaria.blogspot.com/2009/10/tema-42-definicionde-un-subespacio.html 2. http://www.cimat.mx/~gil/docencia/2003/algebra_lineal1b/definicion_subesp acio.pdf
4.3 Combinacin lineal. Dependencia e Independencia lineal.

Combinacin lineal: Una combinacin lineal de dos o ms vectores es el vector que se obtiene al sumar esos vectores multiplicados por sendos escalares.
Cualquier vector se puede poner como combinacin lineal de otros que tengan distinta direccin. Esta combinacin lineal es nica.
Equipo #5
Pgina 169
Vectores linealmente dependientes: Varios vectores libres del plano se dice que son linealmente dependientes si hay una combinacin lineal de ellos que es igual al vector cero, sin que sean cero todos los coeficientes de la combinacin lineal. Propiedades: 1. Si varios vectores son linealmente dependientes, entonces al menos uno de ellos se puede expresar como combinacin lineal de los dems.
Tambin se cumple el reciproco: si un vector es combinacin lineal de otros, entonces todos los vectores son linealmente dependientes. 2. Dos vectores del plano son linealmente dependientes si, y slo si, son paralelos. ( ) y ( 3. Dos vectores libres del plano dependientes si sus componentes son proporcionales. ) son linealmente
Equipo #5
Pgina 170
Ejercicio:
Determinar los vectores de k para que sean linealmente dependientes los vectores ( ) ( ) y ( ). Escribir como combinacin lineal de y , siendo k el valor calculado. Los vectores son linealmente dependientes si el determinante de la matriz que forman es nulo, es decir que el rango de la matriz es menor que 3.
( (
) ) (
( )
Equipo #5
Pgina 171
Vectores linealmente independientes: Varios vectores libres son linealmente independientes si ninguno de ellos puede ser escrito con una combinacin lineal de los restantes.
Los vectores linealmente independientes tienen distinta direccin y sus componentes no son proporcionales.
Equipo #5
Pgina 172
Ejercicio:
Estudia si son linealmente dependientes o independientes los vectores: ( ) ( ) y ( ).
Sistema compatible indeterminado. El sistema tiene infinitas soluciones, por lo tanto los vectores son linealmente dependientes.
4.4 Base y dimensin de un espacio vectorial, cambio de base.

Base: Tres vectores y con distinta direccin forman una base, porque cualquier vector del espacio se puede poner como combinacin lineal en ellos.

Las coordenadas del vector respecto a la base son:

( )
Dimensin: Si el espacio vectorial V tiene una base con un nmero finito de elementos. Entonces la dimensin de V es el nmero de vectores en todas las bases y V se denomina espacio vectorial de dimensin finita. De otra manera, V se denomina espacio vectorial de dimensin infinita. Si V = {0}, entonces se dice que V tiene dimensin cero. Base ortogonal: Una base es ortogonal si los vectores de la base son perpendiculares entre s. Base ortonormal: Una base es ortonormal si los vectores de la base son perpendiculares entre s, y adems tiene mdulo 1.
* + ( || || ) | | ( ) ( )
Esta base formada por los vectores
y se denomina base cannica.
Equipo #5
Pgina 174
Ejercicio:
Para qu valores de a los vectores forman una base? | | ( ), ( ) y ( )
( Para
) los vectores forman una base.
Bibliografa consultada:
1. http://www.vitutor.com/analitica/vectores/depandencia_independencia.html
2. http://www.vitutor.com/geo/vec/b_4.html
4.5 Espacio vectorial con producto interno y sus propiedades.

Producto interno o escalar: Para dos vectores producto escalar de El ( ( ) y ( y , y lo denotamos ( ) y ( ) ), definimos el producto interno o = . ( ), ( ) es por lo tanto
producto escalar de )+( )= 3+8 = 11. =
Por lo tanto: y | |
Propiedades del producto interno o escalar del vector: es una funcin multilineal (bilineal en este caso), en el
El producto interno en siguiente sentido
De aqu se concluye:
Y otras combinaciones ms como:
Equipo #5
Pgina 176
Reglas del producto interno: En general el producto interno en un espacio vectorial complejo es solo una funcin (tomando dos vectores y regresando un nmero complejo) que satisface ciertas condiciones: Simetra conjugada: Escalado: Aditividad: Positividad: ( )
Bibliografas consultadas: 1. http://es.scribd.com/doc/19687188/ESPACIOS-VECTORIALES 2. http://cnx.org/content/m12876/latest/ 3. http://mate.dm.uba.ar/~jeronimo/algebra_lineal/Capitulo8.pdf
ndice
Equipo #5
Pgina 177
4.6 Base ortonormal, proceso de ortonormalizacin de GramSchmidt.

Proceso de ortogonalizacin de Gram-Schmidt: Sea un espacio vectorial con producto interno. Todo subespacio con una base tiene al menos una base ortogonal y una base ortonormal. Si * + es cualquier base de , entonces * + es una base ortogonal, donde
y * + * + se obtiene normalizando { }
Una base ortonormal
Equipo #5
Pgina 178
Ejercicio 1: Calcule una base ortogonal y una ortonormal de proceso de Gram-Schmidt a la base , en la cual {[ ] [ ] [ ]}
aplicando el
[ Iniciemos con . Como
[ y
[ ] en ese caso
*[
[ Ya que
] y entonces
[ ]
. /[
) [ ]
= [ ]
Equipo #5
Pgina 179
As la base ortogonal es
+ donde
] [ ] [ ]
O sea
[ {
] [ ] [ ]}
Por ltimo normalizamos para obtener una base ortonormal
{[ ] [
] [ ]}
Bibliografa consultada: http://www.mty.itesm.mx/etie/deptos/m/ma95-843/lecturas/l843-82.pdf
Ejercicios 1:
1. Menciona la condicin (teorema) para que dos vectores sean: a) Paralelos Vectores paralelos o en una misma direccin: Dos vectores son paralelos o llevan la misma direccin si el ngulo que forman es de 0 grados o de 180 grados. Cuando dos vectores forman un ngulo cero, el valor del coseno es la unidad, por lo tanto el producto de los mdulos vale lo mismo que el producto escalar. | | | | | || |
Cuando el producto cruz es igual a cero. cuando un vector es mltiplo escalar del otro (es decir, uno depende linealmente del otro).
b) Ortogonales Dos vectores son ortogonales o perpendiculares cuando forman ngulo recto entre s. Si el producto escalar de dos vectores es cero, ambos vectores son ortogonalles.
El producto escalar es igual a cero. Cuando el producto cruz de dos vectores es igual a 1. Diremos que son perpendiculares u ortogonales si se satisface el teorema de Pitgoras: | | | | | |
Bibliografas consultadas: http://es.wikipedia.org/wiki/Producto_escalar http://es.answers.yahoo.com/question/index?qid=20110309182816AAprfn4

Equipo #5 Pgina 181
http://es.answers.yahoo.com/question/index?qid=20080918172047AAMzERP http://personales.unican.es/gonzaleof/Ciencias_1/vectores.pdf
1. Determina si los siguientes pares de vectores son ortogonales o paralelos:

)0 1 0 1
Solucin: Ortogonales | | (( ) ( ) ) (( ) ( ) ) | | ( ) | ( | )
)0
0 1
Solucin: Ortogonales. ( )
)[
[ ]
Solucin: Ortogonales. El producto escalar es igual a cero. ( ), )( ) , -
Equipo #5
Pgina 182
Solucin: Ortogonales. El producto escalar es igual a cero. ( )( )
Bibliografas consultadas: http://personales.unican.es/gonzaleof/Ciencias_1/vectores.pdf http://ar.answers.yahoo.com/question/index?qid=20100601200614AAfutfp
2. Determina los valores de

* +* +
para que los vectores sean ortogonales:
Solucin: ( )( )
Equipo #5
Pgina 183
Sustitucin: ( * ( *
3. Calcula la magnitud (longitud o norma) y direccin de los vectores.

) ) ( . )
| | / | |
( ) . /
( ) . /
( ) . /
. / .
) | |
* ( )
| |
( )
( ) est definida por la medida de los ngulos que La direccin de forma la lnea de accin del segmento de recta con los ejes . Los ngulos son llamados ngulos Directores.
Comprobacin:
Equipo #5
Pgina 184
Bibliografas consultadas: http://personal.telefonica.terra.es/web/pq/paghtm/vector3d.htm http://es.scribd.com/doc/8689496/Vectores-en-R3
4. Determina los productos de vector por un escalar, as como su direccin.

) ) ) ( . ( )
| / )
( ) . .
( )
/ / .
/ /
Bibliografas consultadas: http://es.scribd.com/doc/2024133/Vectores
5. Determina para los siguientes vectores su respectivo vector unitario:

) ( |( ) )| ( ( ( ) ( ) ) ) ( ) ( *
Pgina 185
Equipo #5
Para verificar, calculamos su mdulo: | | ) ( |( ) )| |( *| ( ( ( ) ( ) ) ( ) ( ) ( * * ( *
Para verificar, calculamos su mdulo: | | ) ( |( ) )| |( *| ( ( ( ( ) ) ) ( ) ( ) ( * * ( *
Para verificar, calculamos su mdulo: | | ) ( |( |( ( ) ) )| ( ( ) ( ) ) ( ) ( ) ( * *| ( * ( *
Para verificar, calculamos su mdulo: | | |( *| ( * ( * ( *
Equipo #5
Pgina 186
6. Si
) ( ) ( ) (
; determina:
7. Determina el ngulo entre los vectores:

) Solucin: ( ) ( ) ( |( ) ( )| |( ) )| y
Equipo #5
Pgina 187
) y
Solucin: ( ) ( ) Solucin: ( ) ( ) ( |( ) ( )| |( ) )| Vectores ortogonales. ) y ( |( ) ( )| |( ) )|
Vectores paralelos o colineales.
Bibliografas consultadas: http://es.scribd.com/doc/8689496/Vectores-en-R3
8. Calcula las siguientes proyecciones:

) ( ( ) ( ( ) y ( (
Equipo #5
y )( )( y )( ) )( ) ( ) ( * ) ) ( ) ( *
)( )(
) )
*
Pgina 188
) ( (
y )( )( ) ) ( ) ( *
Bibliografas consultadas: http://www.acienciasgalilei.com/public/forobb/viewtopic.php?f=62&t=4823
9. Calcular la distancia entre los puntos:

)( ( ) y ( ) ( ) ) ( ( )) ( ) ( ) ( )
10.
( | |
Determine los cosenos directores para el vector: ) ( )
( )
( )

Equipo #5 Pgina 189
Comprobacin: ( * ( * ( *
11. Determina el vector
de magnitud 5 cuyos cosenos directores son
La suma de los ngulos internos no es igual a 180
Bibliografas consultadas: http://es.scribd.com/doc/198857/Ley-del-seno-y-ley-del-coseno http://www.virtual.unal.edu.co/cursos/sedes/medellin/nivelacion/uv00004/lecciones/ unidades/generalidades/vectores/concepto/index12.htm
Equipo #5
Pgina 190
12.
)
Determina el producto cruz de los siguientes vectores ( y
Solucin:
| | | | | | | |
) Solucin:
| |

Ejercicios 2:
1. Efecta las siguientes operaciones: a) . ( . / * /
b)
) ( ( (
( ) ) ) (
) y
( ) ) ( (
) ) )
c) (
( ) (
) *
Equipo #5
Pgina 192
2. Determina la longitud del vector y entre los vectores: a) A= (6,8) | |=
b) W= (5 + 2i, -3 -4i) W=( ( )( ( )( | | ( ) ) ) ) ( )
c) B = 4i + 2j 7k | | = ( ) ( ) ( ) =
3. Determina el vector unitario para: Vector unitario = |

|
a) u = ( ) |( ) ( ) | ( ) ( )
b) ( ) ( ) ( ) ( *
Equipo #5
Pgina 193
4. Determinar el ngulo o ngulos de los siguientes vectores: entr los vectores a) ( )
( *
b)
( * ( *
( *
5. Determinar el ngulo entre los vectores: a) y
| || |
b) S = 4i + 9j y M = 18i - 8j
| || |
( )
Equipo #5
Pgina 194
c) u = ( 2, 5,7) y | | | |
v = (0, 4,1) ( *
6. Determinar las proyecciones: a) y ( |( ) ( ) | )
b)
|( .
) /
( ) |
7. Determinar el producto cruz para: a) y
( b)
] y
) =
1
ndice Pgina 195
Equipo #5
Ejercicios 3: 1. Define:
a) Espacio vectorial y sus axiomas.
Definicin 1: Un espacio vectorial (o espacio lineal) es el objeto bsico de estudio en la rama de la matemtica llamada lgebra lineal. A los elementos de los espacios vectoriales se les llama vectores. Sobre los vectores pueden realizarse dos operaciones: escalarse (multiplicarlos por un escalar) y sumarse. Definicin 2: Un espacio vectorial es una estructura matemtica creada a partir de un conjunto no vaco con una operacin suma interna al conjunto y una operacin producto externa entre dicho conjunto y un cuerpo, cumpliendo una serie de propiedades o requisitos inciales. A los elementos de un espacio vectorial se les llamar vectores y a los elementos del cuerpo se les llamar escalares.
Propiedades:
Axiomas de un espacio vectorial. ( ( ( ( (
Equipo #5
) ( ) )
) ( ) )
Pgina 196
( ( ( ( ( ( ( b) Subespacio vectorial: ( ) ( ) ) ) ) ) ) ) )
Definicin: sea un espacio vectrial sobre un campo . Un subconjunto es un sub-espacio vectorial si 0 ,
Equipo #5
Pgina 197
c) Combinacin lineal: Una combinacin lineal de dos o ms vectores es el vector que se obtiene al sumar esos vectores multiplicados por sendos escalares.
d) Dependencia e independencia lineal: Vectores linealmente dependientes: Varios vectores libres del plano se dice que son linealmente dependientes si hay una combinacin lineal de ellos que es igual al vector cero, sin que sean cero todos los coeficientes de la combinacin lineal.
Vectores linealmente independientes: Varios vectores libres son linealmente independientes si ninguno de ellos puede ser escrito con una combinacin lineal de los restantes.
Los vectores linealmente independientes tienen distinta direccin y sus componentes no son proporcionales.
Equipo #5
Pgina 198
e) Base : Tres vectores y con distinta direccin forman una base, porque cualquier vector del espacio se puede poner como combinacin lineal en ellos.

Las coordenadas del vector respecto a la base son:

( )
f) Dimensin:
Si el espacio vectorial V tiene una base con un nmero finito de elementos. Entonces la dimensin de V es el nmero de vectores en todas las bases y V se denomina espacio vectorial de dimensin finita. De otra manera, V se denomina espacio vectorial de dimensin infinita. Si V = {0}, entonces se dice que V tiene dimensin cero. 2. Menciona la condicin (teorema)para que dos vectores sean a) Paralelos:
Vectores paralelos o en una misma direccin: Dos vectores son paralelos o llevan la misma direccin si el ngulo que forman es de 0 grados o de 180 grados. Cuando dos vectores forman un ngulo cero, el valor del coseno es la unidad, por lo tanto el producto de los mdulos vale lo mismo que el producto escalar. | | | | | || |
Cuando el producto cruz es igual a cero. cuando un vector es mltiplo escalar del otro (es decir, uno depende linealmente del otro).
Equipo #5
Pgina 199
b) Ortogonales:
Dos vectores son ortogonales o perpendiculares cuando forman ngulo recto entre s. Si el producto escalar de dos vectores es cero, ambos vectores son ortogonalles.
El producto escalar es igual a cero. Cuando el producto cruz de dos vectores es igual a 1. Diremos que son perpendiculares u ortogonales si se satisface el teorema de Pitgoras: | | | | | |
Bibliografas consultadas: http://es.wikipedia.org/wiki/Producto_escalar http://es.answers.yahoo.com/question/index?qid=20110309182816AAprfn4 http://es.answers.yahoo.com/question/index?qid=20080918172047AAMzERP http://personales.unican.es/gonzaleof/Ciencias_1/vectores.pdf
3. Calcula la magnitud (longitud o norma )y direccin del siguiente vector: ( | | ( ) )
Equipo #5
Pgina 200
4. Determina el producto del vector por una escalar, as como su direccin: ( ) ( )
5. Determina para los siguientes vectores su respectivo vector unitario:
a)
b) ( )
6. Si
; Determina:
7. Determina el ngulo entre los vectores: a) ( )y ( )
| || | (
Equipo #5
Pgina 201
b) | || | ( )
8. Calcular la proyeccin: y | | ( *
|( )
( )
) |
9. calcula la distancia entre los puntos: ( ( )y( ( )) ) ( ) ( ( )) ( ) ( )
10. Determina los cosenos directores para el vector: ( )
Equipo #5
Pgina 202
11. Determina el vector v de magnitud 5 cuyos cosenos directores son: ( ) ( )| |
12. Determina el producto cruz de los siguientes vectores (u x v): y ( ) [ ] 0 1 0 1 0 1
13. Determina la fuerza resultante sobre el tornillo de la figura.
Fuerza Fx A 60 cos 90o =0 B 40 cos 160o = 37.5877 C 50 cos 240o = 25 = 62.5877
Fy 60 sen 90o = 60 40 sen 160o = 13.6808 50 sen 240o = 43.3013 = 30.3795
( |
( |
Equipo #5
Pgina 203
14. Cules son la magnitud F y la direccin de la fuerza necesaria para tirar un auto directamente al este con una fuerza resultante de 400 lb?
Fuerza A
Fx A x=200 cos 20 187.93 lb
Fy Ay= 200 sen 20 68.40 lb
( )
( )
( (
) )
( (
) )
Equipo #5
Pgina 204
15. Determine la compresin en el soporte y la tensin en la cuerda de la figura, cuando el peso es igual a 600N. No tome en cuenta el peso del poste
Fuerza A B W
Fx AX= A cos 120o BX = B cos 210o W X= 0 AY = A sen 120o BY = B sen 210o WY= 600 N
Fy
= A cos 120o + B cos 210

o
= B sen 210o + A sen 120o
600 N
( (
) )(
)(
)
ndice
Equipo #5
Pgina 205
Ejercicios 4:
Efecta las siguientes operaciones: ( ) ( ) Y ( )
-U + 3W + 2Z -U + 3W + 2Z -U + 3W + 2Z ( (
) + 3( ) +( )
) + 2( )+(
) )
Determina la longitud del vector y entre los vectores:
a. W = ( ( ( | | )( )( ( ) ) ) ( )
b. U = (-1,1/2, 2,7) V = (3/4,-5, 3,7/8)
Determina el vector unitario para: a) ( ) | | ( )
Equipo #5
Pgina 206
b) v = -8i + 9j 4K
| |
Determina el ngulo de los siguientes vectores: a) ( ) ( *
b) ( * ( * ( *
Determina el ngulo entre los vectores:
a) | || |
Equipo #5
Pgina 207
b)
) y
( ) | || |
Determina las proyecciones:
a)
|( )
( ) |
b)
|(
( ) |
Determina el producto cruz para: y
Equipo #5
Pgina 208
Qu tercera fuerza debe aadirse a las siguientes dos fuerzas, de modo que la fuerza resultante sea cero; 40N, 110 y 80N, 185?
Fuerza A B 40 cos 110o = 80 cos 185o =
Fx 13.6808 79.6956
Fy 40 sen 110o = 37.5877 80 sen 185o = 6.9725
93.3764
= 30.6152
( |
) |
) + 180= 161.84
Equipo #5
Pgina 209
Los montajes dos por cuatro A y B de la figura se usan para soportar un peso de 400 lb. Despreciando los pesos de los montajes, encuentre el valor de las fuerzas desconocidas e indique si cada montaje se encuentra sometido a comprensin o tensin.
Fuerza A B W
Fx A x = A cos 300 o Bx = B cos 330o Wx = 0 A y= A sen 300o B y = B sen 330o W y= - 400 lb
Fy
A cos 300 o + B cos 330o
= A sen 300o + B sen 330o
) Lb Lb
ndice
Equipo #5
Pgina 210
Formulario de la unidad 4 Espacios vectoriales.

Componentes de un vector:
Fuerza resultante ( ngulo:
):
Componentes resultantes:
Las componentes
de un vector (
).
Para un cuerpo en equilibrio se tiene que:
lgebra Lineal
PROFESOR: I.E. SAL ULLOA MONDRAGN Proyecto Unidad 4. Espacios vectoriales. Programa que suma vectores
H.H. Cuautla Mor. 09 de junio del 2011
Equipo #5
Pgina 212
#include <conio.h> #include <stdio.h> #include <cmath> #include <math.h> #include <stdlib.h> main() { using namespace std; #define PI 3.14159265358979323846 int a,b,d,i,n,g; do{ float c,e[200],suma=0,sum=0,r=0,re=0,res=0,resul,ang=0,angu=0,angulo=0,an=0; system("cls"); printf("PROYECTO UNIDAD 3. Espacios Vectoriales.\n\n"); printf("Equipo 5:\n\n Carrion Luna\n Juan Garcia\n Sanchez Chavelo\n Sanchez Campos\n\n\n\n03 de Mayo de 2011\n\n"); printf("Cuantos vectores tienes -> "); scanf("%d",&a); for(i=1;i<=a;i++) { printf("\nIntroduce el valor del vector -> "); scanf("%d",&b); printf("\nIntroduce el valor del angulo -> "); scanf("%d",&d); c=cos(d*PI/180); e[i]=c*b; suma=suma+e[i]; c=sin(d*PI/180); e[i]=c*b; sum=sum+e[i]; r=suma*suma; re=sum*sum; res=r+re; resul=sqrt(res); ang=(sum/suma); angu=atan(ang); angulo=angu+180;
Equipo #5
Pgina 213
} printf("\n\nSumatoria F(x) es = %f",suma); printf(" N\n\nSumatoria F(y) es = %f",sum); printf(" N\n\nLa resultante es = %f",resul); //printf("\n\nEl angulo es = %f",angulo); printf("\n\n\n\n1)REGRESAR 2)SALIR\n"); scanf("%d",&g); } while(g==1); getch(); }
lgebra Lineal
UNIDAD 5. TRANSFORMACIONES LINEALES.
H.H. Cuautla Mor. 14 de mayo del 2011.
Equipo #5
Pgina 215
Unidad 5. Transformaciones lineales.
ndice:
5.1 Introduccin a las transformaciones lineales. Algunas aplicaciones. 5.2 Ncleo e imagen de una transformacin lineal.
Equipo #5
Pgina 216
Transformaciones lineales
5.1 Introduccin a las transformaciones lineales.
Definicin: Una aplicacin lineal (tambin llamada funcin lineal, transformacin lineal u operador lineal) es una aplicacin entre 2 espacios vectoriales que preservan las operaciones de suma de vectores y producto por un escalar. Nota: el termino funcin lineal se usa incorrectamente en anlisis matemtico y en geometra para designar una recta, plano, en general una variedad lineal. Se denomina transformacin lineal a toda aplicacin cuyo dominio y codominio sean espacios vectoriales que cumplan las siguientes condiciones: Sea V y W sobre el mismo espacio o campo K y T una funcin de V en W. T es una transformacin lineal si ara todo par de vectores U y V pertenecientes a V y para todo escalar K se satisface que: ( ( ) ) ( ) ( ) ( )
Ejemplo: Determinar si la transformacin 0 1 Primera propiedad: ( 0 1 ) ( ) [ ]
es lineal.
()
0 1
ndice
Equipo #5
Pgina 217
0 0 [
1 1 [
0 1 ] ] [
0 1 [ ] ]
Aplicando la segunda propiedad:
( [ [ [
) ] ] ] [
( ) 0 1 [ ] ]
Se cumplen ambas propiedades y la transformacin es lineal.
Equipo #5
Pgina 218
Algunas aplicaciones son:

1. En finanzas, se usan TL para convertir de un conjunto de activos a otro, quiz con ms informacin. 2. Se usa en anlisis multivariados, para determinar matrices de covarianza, para generar nmeros aleatorios multivariados.
3. Se usan en dibujos o grficas, para cambiar el punto de vista en los videojuegos, cuando vez que cambia el punto de vista del escenario, lo que hace el programa es aplicar una TL de rotacin.
Bibliografas consultadas:
Digital: http://www.youtube.com/watch?gl=MX&v=nCqIwx0is_A http://www.youtube.com/watch?v=2s9aEW7-QmE&feature=related http://www.youtube.com/watch?v=WDjMj_DeGgA&feature=related http://www.youtube.com/watch?v=OLrurK6QXIE&feature=related
5.2 Ncleo e imagen de una transformacin lineal.
Es el conjunto de vectores que al transformarlos te da 0.
Rango
Ejemplo: Determine el ncleo y el rango de la transformacin definida por la matriz A:

[ ]
Definindose el operador lineal de

( )
como:
Equipo #5
Pgina 220
Solucin: El ncleo es todo el conjunto de vectores que al transformarlos obtenemos el vector por lo tanto:

Obtener el ncleo:
][ ]
[ ]
Resolviendo por operaciones de eliminacin rengln

[ ] [ ] Ncleo ( ) {[ ]}
Obtener rango
Se escriben las columnas como rengln [ ]
Nota: Base de ncleo. [ ]
Equipo #5
Pgina 221
Y calcula la base escalonada:

[ ] ( ) [ ]
Entonces el rango es:

Rango [ ] [ ] * +
Bibliografas consultadas: Digital: http://www.youtube.com/watch?v=WDjMj_DeGgA&feature=related http://www.youtube.com/watch?v=OLrurK6QXIE&feature=related
ndice
Equipo #5
Pgina 222

General - Curso de Álgebra Lineal

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

General - Curso de Álgebra Lineal

Încărcat de

Drepturi de autor:

Formate disponibile

lgebra Lineal

PROFESOR: I.E. SAL ULLOA MONDRAGN

UNIDAD 1. NMEROS COMPLEJOS

G2 09:00 10:00 a.m. Segundo semestre Ingeniera en Mecatrnica

H.H. Cuautla Mor. 02 de Junio 2011

10680240 10680250 10680283 10680284

G2 09:00 10:00 a.m.

Segundo semestre Ingeniera en Mecatrnica

H.H. Cuautla Mor. 02 de Junio 2011 Equipo #5 Pgina 3

Mtodo de determinantes para sistema de 2x2 Se calculan con la siguiente frmula:

Examen resuelto de la unidad 1

10680240 10680250 10680283 10680284

G2 09:00 10:00 a.m. Segundo semestre Ingeniera en Mecatrnica

H.H. Cuautla Mor. 02 de Junio 2011

Frmula trigonomtrica polar

ndice Equipo #5 Pgina 13

G2 09:00 10:00 a.m. Segundo semestre Ingeniera en Mecatrnica

H.H. Cuautla Mor. 02 de Junio 2011.

Bibliografas consultadas Referencia bibliogrfica: Libros:

Fuentes de informacin electrnicas:

ndice Equipo #5 Pgina 17

10680240 10680250 10680283 10680284

G2 09:00 10:00 a.m. Segundo semestre Ingeniera en Mecatrnica

H.H. Cuautla Mor. 02 de Junio 2011

Historia de los nmeros complejos

Cardano nos da la frmula

Conocida como Frmula de Scipione del Ferro-Tartaglia-Cardano

Se resuelve usando la frmula

Operaciones bsicas Ejemplos:

Potencia de un nmero complejo:

Cada 4 se repite el ciclo. Frmula:

ndice Equipo #5 Pgina 25

10680240 10680250 10680283 10680284

G2 09:00 10:00 a.m. Segundo semestre Ingeniera en Mecatrnica

H.H. Cuautla Mor. 02 de Junio 2011.

Suma de nmeros complejos.

Resta de nmeros complejos.

3) Propiedad conmutativa: Si z y u son nmeros complejos, se tiene

De la misma forma se puede probar que

ndice Equipo #5 Pgina 28

10680240 10680250 10680283 10680284

G2 09:00 10:00 a.m. Segundo semestre Ingeniera en Mecatrnica

H.H. Cuautla Mor. 02 de Junio 2011

ndice Equipo #5 Pgina 33

10680240 10680250 10680283 10680284

G2 09:00 10:00 a.m. Segundo semestre Ingeniera en Mecatrnica

H.H. Cuautla Mor. 02 de Junio 2011

ndice Equipo #5 Pgina 37

TAREA #7: Aplicacin de la frmula de Moivre.

G2 09:00 10:00 a.m. Segundo semestre Ingeniera en Mecatrnica

H.H. Cuautla Mor. 02 de Junio 2011

Aplicar la frmula de Moivre.

Transforma a forma exponencial.

Conversin de grados a radianes:

Potencia de forma trigonomtrica (frmula de Moivre).

ndice Equipo #5 Pgina 42

10680240 10680250 10680283 10680284

G2 09:00 10:00 a.m. Segundo semestre Ingeniera en Mecatrnica

H.H. Cuautla Mor. 02 de Junio 2011

Los 10 concejos de Bill Gates.

TAREA #9: Investigacin sobre el Teorema del Residuo, Teorema

del Factor y Teorema del lgebra.

10680240 10680250 10680283 10680284

resu.p_real=((c1.p_realc2.p_real)-(c1.p_imagc2.p_imag)); resu.p_imag=((c1.p_realc2.p_imag)+(c1.p_imagc2.p_real)); break; case '/':

resu.p_real=(((c1.p_realc2.p_real)+(c1.p_imagc2.p_imag))/((c1.p_realc1.p_real)+(c2.p_imagc 2.p_imag))); resu.p_imag=(((c1.p_imagc2.p_real)(c1.p_realc2.p_imag))/((c1.p_realc1.p_real)+(c2.p_imagc2.p_imag))); break; }