Documente Academic
Documente Profesional
Documente Cultură
Capitulo 2 SISTEMAS
LINEALES
Mara
Prez
Cristina
Meja
CONTENIDO
1. DETERMINANTES ................................................................................ 3
1.1
1.1.1
MENOR ........................................................................................................................................................................................................................ 4
1.1.2
COFACTOR ................................................................................................................................................................................................................... 6
1.2
1.2.1
1.2.2
2.
2.1
2.2
3.
3.1
3.1.2
3.2
SUBESPACIO ...................................................................................................................................................................................17
3.2.1
4.
4.1
4.2
4.3
4.4
4.5
5.
REFERENCIAS ................................................................................. 28
1. DETERMINANTES
Asociado a cada matriz cuadrada A hay un nmero llamado determinante de A.
Determinante de A se puede escribir de dos formas:
A Determinante de A (no lo confundan con el signo del valor absoluto de un nmero real)
Esta se utiliza a veces en lugar de A para evitar la confusin.
Det A
Una matriz es de primer orden cuando nicamente tiene un solo elemento y A a11 y definimos la determinante de A cmo A a11 .
Ahora si la matriz A es una matriz cuadrada de segundo orden tendremos una matriz de 2 x 2 de modo que
a12
a
A 11
a 21 a 22
a12
a
A 11
a 21 a 22
multiplicar
multiplicar
Ejemplo:
multiplicar
multiplicar
3 2
3 1 4 2 3 8 3 8 5
Encuentre A si A
4 1
RESTAR
EJERCICIO I
1) A
2) A
3) B
4) C
3 1
5
3 2
6 4
m n
p q
1.1.1 MENOR
Para cada entrada aij de una matriz cuadrada A de orden nn 2 , el menor Mij se define como el determinante de la matriz de orden n 1 obtenida al
suprimir la fila i-sima y la columna j-sima de A.
Asi, para
A=
M11 =
M11 =
4 6
5 7
4 6
47 56 28 30 2
5 7
1 5 7
Hallar los menores M12, M22 y M32
M12 =
M22 =
M32 =
2 6
27 16 14 6 8
1 7
1 3
17 31 7 3 4
1 7
1 3
16 23 6 6 0
2 6
1.1.2 COFACTOR
El cofactor Aij de la entrada aij se define como el menor Mij multiplicado por Aij 1
i j
M
ij
menor.
Del ejemplo anterior obtuvimos los siguientes resultados de los menores
MENOR
COFACTOR
M
M
M
Aij 1
M11 = -2
1
1
M12 = 8
Aij 1
M22 = 4
Aij
M32 = 0
Aij
i j
i j
i j
M 1 2 1 2 1 2 2
1 8 1 8 18 8
1 4 1 4 14 4
1 0 0
i j
ij
ij
11
ij
1 2
2 2
3 2
ij
EJERCICIO II
Hallar el menor y cofactor de cada elemento de la matriz dada.
1)
3 1
0 2
3 2
3) C
1 4
2)
3 5
1 0
2 1
4)
D 0
3 2 5
4 2
5) D 2
1 3
0
a11 a12
A a 21 a 22
a31 a32
a13
a 23 a11 A11 a12 A12 a13 A13
a33
En esta definicin se establece un patrn de multiplicar cada elemento de la fila 1 por su cofactor, luego se suman todos los resultados para hallar A . A
ste proceso se le conoce como expandir A por primera fila, pero podemos expandir A por cualquier fila o columna.
6 5 3
A 2 4 5
1 2 3
7
11
Cofactor de A12 5 5 1
1 2
Cofactor de A13 3 3 1
13
6 1 6
2
5 1 5
3
3 1 3
4
6 5 3
4 5
A 2 4 5 M11
2 3
1 2 3
6 5 3
2 5
A 2 4 5 M12
1 3
1 2 3
6 5 3
2 4
A 2 4 5 M13
1 2
1 2 3
Ahora lo colocamos como la definicin
a11 a12
A a 21 a 22
a31 a32
a13
a 23 a11 A11 a12 A12 a13 A13
a33
6 5 3
4 5
2 5
2 4
A 2 4 5 6
5
3
2 3
1 3
1 2
1 2 3
Ahora operamos
64 3 5 2 52 3 5 1 32 2 1 4
6 22 5 11 30
132 55 77
1 0 3
A 5 0 4
3 2 5
1 0 3
A 5 0 4
3 2 5
5 4
1 3
1 3
A 0
0
2
0 0 24 15 22
3 5
3 5
5 4
Ejemplo 2:
Calcule el determinante de:
0
1 0
0 1 0
A
2 3
0
1 5 2
3
4
0
Desarrollamos A
0
1 0
0 1 0
A
2 3
0
1 5 2
2A43 2
3
4
0
1 0 3
0 1 4
2 3 0
1 4 0 4 0 1
0
3
3 0 2 0 2 3
2 1 12 0 32 2 1 6 26 12
2A43 2 143 1
EJERCICIOS
Hallar el determinante de la matriz dada.
3 1 2
2 5
1) A 4
6 3 1
1 0 2
2) A 0 1 3
3 4 0
2 5 1
1 6
3) A 3
4 2 3
10
3 5 0
4) A 0 1 0
3 4 5
2 5 1
7) A 3 4 0
2 1 1
2 7 3
4
5) A 1 0
4 1 2
5 4 1
8) A 3 2 7
2 0 6
3 2 1
6) A 1 1 0
2 3 0
2 7 3
4
9) A 1 0
4 1 2
2. SISTEMAS LINEALES
Un sistema de ecuaciones lineales de mXn es un conjunto de ecuaciones lineales (recuerda la ecuacin de la lnea recta) sobre un cuerpo o un anillo
conmutativo, de la forma
Donde
Al trmino b se le llama independiente
Cada amn y cada bi son nmeros reales y las xi son incgnitas que en otras ocasiones las hemos llamado, x, y, z.
El problema consiste en encontrar los valores desconocidos de las variables (xi) que satisfacen todas las ecuaciones
11
En general, al resolver un sistema de ecuaciones lineales encontramos como solucin una de estas tres posibilidades: una solucin nica, ninguna solucin o
un nmero infinito de soluciones. Pero en un sistema de ecuaciones lineales homogneo hay dos posibilidades: cero como solucin (llamada solucin trivial) o
un nmero infinito de soluciones adicional a cero como solucin (llamada solucin no trivial).
Algunos ejemplos de sistemas homogneos pueden ser
Teorema: Un sistema de ecuaciones lineales homogneo tiene un nmero infinito de soluciones si n > m.
12
Solucin.
13
Solucin.
De donde:
14
3. SUBESPACIOS LINEALES
Antes de hablar de subespacios lineales debemos hablar de espacios vectoriales
15
( x1, x2,, xn ) = ( x1 , x2 ,, xn )
3) El conjunto de las funciones reales continuas definidas sobre un intervalo
o
a ,b
. Es decir,
o
a ,b
f,g
,x [a,b],
mxn ,(i,j)
1,m]x[1,n],
2
n
n 1
ii)
1 , x2 , ..., xn ,
n , ...)
|xn|2 < ,
n1
n1
n1
|yn|2 <
|xn + yn|2
xn yn
n 1
16
|xn|2 + 2
n1
Pero:
|xn| |yn| +
n1
|yn|2
n1
as:
|xn + yn|2
n1
|xn|2 + 2
n1
6)
|xn|2 + (
n1
=2
|xn|2 +
n1
|yn|2 ) +
n1
|yn|2
n1
|yn|2 <
n1
El espacio de las sucesiones reales convergentes c={v=(x1,x2,...): lim x n x }, con las operaciones:
n
i)
ii)
1 , x2 , ..., xn ,
2 , .....)
El espacio de las sucesiones reales convergentes a cero c0={v=(x1,x2, ...): lim x n 0 }, con las operaciones del ejemplo 6.
8)
9)
El conjunto
, para algn x
={v=(x1,x2, ...)}, de todas las sucesiones, con las operaciones del ejemplo 6.
3.2 SUBESPACIO
Dado un espacio vectorial
, diremos que un subconjunto H E es un subespacio vectorial si ese conjunto tiene estructura de espacio vectorial.
17
espacio
y se verifica:
El
conjunto
, entonces:
=( 1 + 2 ) v U
2) El espacio
o
a b
es un subespacio (de dimensin infinita), del espacio de todas las funciones reales (es decir funciones reales continuas y
discontinuas).
3) U={v n :x 1 =0}
es
un
U ={v n :x 1 = x 2 +1} no lo es (Por qu?).
4) Sea U = {u
o
a b
subespacio
propio
o
a, b
de
n,
sin
embargo,
y de dimensin finita.
18
7) c es un subespacio propio de m.
8) m es un subespacio propio de
4.
5.
19
6.
Simplificacin de escalares:
7.
Simplificacin de vectores:
De la estructura de espacio vectorial sabemos que si sumamos dos vectores el resultado va a ser un vector. Tambin sabemos que si multiplicamos un escalar
por un vector, el resultado ser un vector. Uniendo estos resultados, llegamos a las siguientes definiciones:
4.2 COMBINACIONES
LINEALES.
DEPENDENCIA
E INDEPENDENCIA DE
VECTORES
Decimos que un vector
Por ejemplo, el vector (1,3,6) es combinacin lineal de los vectores {(0,1,2), (1,1,2), (3,5,7)} , pues existen los escalares 1 2 , 1 1 1 0 ,
verificndose
Diremos que los vectores
20
Son todos iguales a cero. Entonces se dice que forman un sistema libre. En caso contrario se dir que los vectores son linealmente dependientes, o que
forman un sistema ligado.
Por ejemplo, en
), se tiene que los vectores(1,0) y (0,1) son linealmente independientes, ya que si buscamos los escalares
tales que
.
Como sabemos, dos vectores son iguales si lo son componente a componente, lo que implica, automticamente, que
y
21
Los vectores (1,3) y (2,6) no son linealmente independientes, pues al buscar los escalares
tales que
Aplicando de nuevo que dos vectores son iguales si lo son componente a componente, obtenemos
Es decir, nos hemos trasladado al mundo de la resolucin de sistemas de ecuaciones. Ahora, con lo que sabemos sobre sistemas lineales, resolviendo se tiene
que
22
.
Qu me dice esto sobre los vectores? Que son linealmente dependientes. Es claro que si decimos
, entonces, automticamente
Lo que podra conducirnos a concluir (errneamente) que los vectores son linealmente independientes. Sin embargo, la definicin nos dice que
y
, automticamente
,
Lo que nos hace ver que no son nicos y, por tanto, los vectores no son linealmente independientes.
Lo importante de aqu es darse cuenta de que el concepto de dependencia e independencia lineal se ha trasladado al estudio de las soluciones de un cierto
sistema de ecuaciones homogneo. La existencia de una nica solucin (que, por ser homogneo el sistema, ser la nula) me dice que los vectores son
linealmente independientes, y la existencia de ms de una solucin, que los vectores son linealmente dependientes.
23
Mencionamos unas propiedades referentes a dependencia/independencia lineal de un conjunto de vectores, y despus introduciremos tres conceptos
importantes: sistema generador de un espacio vectorial, envoltura lineal de un conjunto de vectores y base de un espacio vectorial.
1. Un conjunto de vectores es linealmente dependiente si y solamente si alguno de los vectores es combinacin lineal de los dems.
2. Si un conjunto de vectores es linealmente independiente cualquier subconjunto suyo tambin lo es.
Obviamente, si tenemos un conjunto de vectores tales que ninguno de ellos es combinacin de los dems, escogiendo slo unos cuantos, no podrn
ser combinacin de los otros.
3. Si un conjunto de vectores es linealmente dependiente tambin lo es todo conjunto que lo contenga.
Ya que un conjunto de vectores es linealmente dependiente si y slo si tiene algn vector que es combinacin lineal de los dems, si metemos este
conjunto de vectores en otro ms grande, seguimos teniendo el vector que es combinacin lineal de otros, por tanto, el conjunto ms grande sigue
siendo linealmente dependiente.
es un sistema generador del espacio vectorial al cual pertenece si cualquier vector de dicho espacio se puede poner como combinacin lineal de ellos.
Por ejemplo, los vectores (1,0) y (0,1) forman un sistema generador de
de igualar
24
.
No todos los conjuntos de vectores forman un sistema generador de un espacio vectorial. Por ejemplo, los vectores (3,-1,2) y (1,0,-1) no forman un sistema
generador de
Si lo fueran,
tales que
25
se ha de cumplir la relacin
Evidentemente, esto no es cierto para todos los vectores del espacio. Si tomamos, en particular, el (0,0,1), vemos que la coordenada
relacin. Por tanto, el sistema dado no es un sistema generador de
no verifica la
Y se representa
.
26
Todas las bases de un espacio vectorial tienen el mismo nmero de elementos, al que se le llama dimensin del espacio vectorial. La siguiente base del
espacio vectorial
Siendo + y
Estos dos vectores, al ser proporcionales, generaran nicamente una recta, pero no todo el plano.
27
5. REFERENCIAS
28