Documente Academic
Documente Profesional
Documente Cultură
Instituto Tecnolgico
Superior de Xalapa
Antologa
lgebra Lineal
Docente:
ISC Ren Zahor Torres Becerra
Temario
1. Nmeros Complejos
1.1. Definicin y origen de los nmeros Complejos
1.2. Operaciones Fundamentales con Nmeros Complejos
1.3. Potencias de i, mdulo o valor absoluto de un nmero complejo
1.4. Forma polar y exponencial de un nmero complejo
1.5. Teorema de De Moivre, potencias y extraccin de races de un nmero complejo.
1.6. Ecuaciones polinmicas
2. Matrices y Determinantes
2.1. Definicin de matriz, notacin y orden.
2.2. Operaciones con Matrices
2.3. Clasificacin de Matrices
2.4. Transformaciones elementales por rengln. Escalonamiento de una Matriz. Rango de
una Matriz
2.5. Clculo de la inversa de una matriz
2.6. Definiciones de determinantes de una matriz
2.7. Propiedades de los determinantes
2.8. Inversa de una matriz cuadrada a travs de la adjunta
2.9. Aplicaciones de matrices y determinantes
3. Sistemas de Ecuaciones Lineales
3.1. Definicin de Sistemas de Ecuaciones Lineales
3.2. Clasificacin de los Sistemas de Ecuaciones Lineales y tipos de solucin
3.3. Interpretacin geomtrica de las soluciones
3.4. Mtodos de solucin de Sistemas de Ecuaciones Lineales: Gauss, Gauss-Jordan,
Inversa de la matriz y regla de Cramer
3.5. Aplicaciones
4. Espacios Vectoriales
4.1. Definicin de Espacio Vectorial
4.2. Definicin de Espacio Subvectorial y sus propiedades
4.3. Combinacin Lineal. Independencia Lineal
4.4. Base y dimensin de un espacio vectorial, cambio de base
4.5. Espacio vectorial con producto interno y sus propiedades
4.6. Base Ortogonal, proceso de ortonormalizacin de Gram-Schmidt
5. Transformaciones Lineales
5.1. Introduccin a las transformaciones lineales
5.2. Ncleo e imagen de una transformacin lineal
5.3. La matriz de una transformacin lineal
5.4. Aplicaciones de las transformaciones lineales: Reflexin, Dilatacin, Contraccin y
rotacin.
Unidad 1
Nmeros Complejos.
1.1
Desde Al'Khwarizmi (800 DC), quien fuera precursor del lgebra, slo se obtenan
las soluciones de las races cuadradas de nmeros positivos. La primera referencia conocida
relacionada con races cuadradas de nmeros negativos proviene del trabajo de los
matemticos griegos (entre ellos Hern de Alejandra en el siglo antes de Cristo), ella
surge como resultado de una imposible seccin de una pirmide.
Los nmeros complejos se hicieron ms populares en el siglo XVI, cuando se
buscaba hallar las frmulas que dieran las races exactas de los polinomios de segundo y
tercer grado por matemticos italianos como Tartaglia o Cardano y aunque slo estaban
interesados en las races reales, se encontraron con la necesidad de manejar races de
nmeros negativos.
Girolamo Cardano (1501-1576) menciona por primera vez en su libro Ars Magna
(1545) la necesidad de definir y utilizar nmeros que respondan a la forma a con a<0. En el
libro aparece el siguiente problema: dado un segmento de 10 unidades, dividirlo en dos
partes de manera tal, que el rea del rectngulo que se obtenga con esas dos partes sea de
40 unidades cuadradas.
La solucin deba ser fcil. Si una parte es x la otra parte es y = x-10, tal que x.y =
40. Reemplazando: x.(10-x) = 40, operando x2 10 x + 40 = 0.
Al resolver la ecuacin queda x1,2= 5 15 . A tales soluciones el filsofo y
matemtico alemn Descartes (1596-1650) las llam imposibles o imaginarios, y en 1637
dedujo que las soluciones no reales de las ecuaciones, son nmeros de la forma a+bi, con a y b
reales.
Fue Karl F. Gauss (1777-1855) fsico, matemtico y astrnomo alemn quien us los nmeros
complejos en forma realmente confiable y cientfica. En 1799 demostr que las soluciones de
cualquier ecuacin algebraica de cualquier grado, pertenecen a un conjunto de nmeros que l
llamo complejos, y que este conjunto estaba formado por un nmero ordinario (nmero real)
ms un mltiplo de la raz cuadrada de 1, llamado unidad imaginaria.
La implementacin ms formal, con pares de nmero nmeros reales fue dada en el Siglo
XIX.
i:
z
2) M ediante un vector d e orig en (0, 0) y extrem o (a, b ).
1.2
Ejemplos:
(9 - 5i) - (4 + 7i) = (9 - 4) + (-5 - 7)i = 5 + 12i.
(3 - 5i) - (6 + 7i) = (3 - 6) + (-5 - 7)i = -3 - 12i
EJERCICIOS (Tarea):
a) Calcular la siguiente operacin: (6 + 3 i) + (4 + 5 i)
a) 10+8i
b) 23+44i
c) 24+45i
d) 35+23i
e) 45+45i
c) 23+23i
d)34+56i
e) 56+35i
3 5 5 1
i i
c) Calcular la siguiente operacin: 8 2 6 7
a)
11 37i
24 14
b)
11 37i
2
4
c)
21 47i
24 14
d)
34 57i
24 14
e)
9 10i
24 14
b) 45+45i
c) 78+98i
d) 46-67i
e) 78-98i
d) 4+10i
e) 9+11i
b) -4+8i
c) -6+6i
1.3
Se observa que, cada cuatro potencias sucesivas de la unidad imaginaria se repiten las
soluciones, por lo tanto, cuando se desea elevar i a una potencia n No. cualquiera, se puede
proceder de la siguiente manera:
=
=
=
=
=
1
i
1
i
1
i22 = (i4)5 i2 = 1
i27 = i
.
E xp res in d e un n m ero com plejo en form a p olar
z = r
| z| = r r es el m du lo .
arg(z) =
es el argum en to .
E jem p los :
Pas ar a la f orm a p olar :
Z= 2 6 0
Z = 2120
Z = 2240
Z = 2300
z = 2
Z = 20
z = 2
Z = 2180
z = 2i
Z = 290
Ren Zahor Torres Becerra
10
z = 2 i
Z = 2270
Pas ar a la f orm a b in m ica : z = 2 1 2 0
P ara pas ar de l a for ma polar a l a bin mi ca, tene mos que pas ar en
primer lugar a la for ma trigono m tri ca :
r = r (cos + i s en )
z = 2 (cos 120 + i s en 120 )
=10 = 1
=1180 = 1
=190 = i
=1270 = i
donde
que
es el mdulo de
, y donde es un argumento de
11
, entonces
tal que
y se denota
Se verifica entonces que:
.
Dos nmeros complejos
representados en forma polar son iguales si y slo si sus mdulos son iguales
argumentos se diferencian en un nmero entero de vueltas, es decir,
, y sus
, con
.
, entonces
12
Del mismo modo se puede calcular el cociente de un complejo por otro no nulo sin
ms que dividir los mdulos y restar los argumentos:
,
siempre que
Forma exponencial
Una variante de la forma polar se obtiene al tener en cuenta la conocida como frmula
de Euler:
para
Esta nueva forma es especialmente cmoda para expresar productos y cocientes ya que
slo hay que tener en cuenta las propiedades de la funcin exponencial (para multiplicar se
suman exponentes y para dividir se restan). En particular, para potencias con exponentes
enteros se tiene
.
Esto nos permite dar una nueva expresin para el inverso de un complejo no nulo en la
forma
13
Producto:
Sean z1 = r1(cos x + isen x) y z2 = r2(cos y + isen y) dos nmeros complejos en
forma trigonomtrica. Es:
z1z2 = [r1(cos x + isen x)][r2(cos y + isen y)] = r1r2(cos x + isen x)(cos y + isen y)
= r1r2(cos x cos y + icos x sen y + isen x cos y + i2sen x sen y)
= r1r2[(cos x cos y - sen x sen y) + i(cos x sen y + sen x cos y)]
= r1r2[cos(x + y) + isen(x + y)]
Es decir;
z1z2 = r1r2[cos(x + y) + isen(x + y)]
En forma polar sera:
rxry = (rr)x + y
Cociente:
Veamos en primer lugar cmo se calcula el inverso de un nmero complejo en forma
polar. Sea z = r(cos x + isen x) = a + b:i , donde a = rcos x y b = rsen x , tenemos:
1/z = a/(a2 + b2) - [b/(a2 + b2)]i
= (rcos x)/(r2cos2x + r2sen2x) - [(rsen x)/(r2cos2x + r2sen2x)]i
= (cos x)/[r(cos2x + sen2x)] - i(sen x)/[r(cos2x + sen2x)]
= (1/r)cos x - (1/r)isen x = (1/r)(cos x - isen x)
= (1/r)[cos(-x) + isen(-x)]
Es decir,
1/rx = (1/r)-x
Por lo tanto, la expresin del cociente de nmeros complejos vendr dada por:
rx /ry = (r/r)x - y
EJERCICIOS (Tarea):
1) Pasar a forma Euler la siguiente expresin: 4(cos45 + i sen45)
a)
4e
i
4
b)
6e
i
7
c)
8e
i
9
d)
10e 1 0
4
e) 4e
3 i
4
b) 5e
6 i
7
c) 7e
9 i
11
d) 9e
1 1i
13
e) 13e
3 i
9
3 i
2
5 i
b)
10e 2
9 i
7 i
c)
12e 2
d)
14e 2
3 i
e)
8e 2
14
5 i
36
b) e
5 i
30
c)
4e
5 i
3
d) 5e
7 i
36
e)
3e
5 i
6
e i
i
b) 3e
i
c) 2e
i
d) 7e
e) e
1.5
De este modo si, por ejemplo, queremos obtener una frmula para
en
funcin del seno y del coseno de , bastar con considerar por un lado la frmula de
Moivre
15
, sea
Si
tanto,
, es decir,
, y adems,
, o sea,
. Por
, para
De todos estos valores slo p consecutivos son distintos, el resto resulta ser
repeticin sucesiva de valores ya obtenidos. Por tanto, un nmero complejo tiene siempre p
races p-simas distintas
, para
.
Se puede observar que las p races psimas tienen todas el mismo mdulo, y sus
argumentos se diferencian en cada uno del siguiente, esto es, las races p-simas se
encuentran en los vrtices de un polgono regular de p lados incrito en la circunferencia de
centro 0 y radio
16
17
18
EJERCICIOS (Tarea):
5
1) Calcule la potencia de (1 i)
a) 4 4i
34 24i
e)
20
2) Calcular la potencia de (1 i)
a) -1024
b) 1234
c) 2345
d) 3487
e) 2354
c) 56
d) 39
e) 0
6
3) Calcular la potencia ( 3 i )
a) -64
b) 34
6
4) Calcular la potencia (1 i)
a) 8i
b) 10i
c) 9i d) 18i
e)
8i
3
5) Calcular la potencia ( 2 7i)
a)
1.6
(286.68 i 258.13)
b)
( 346.68 i 458.13)
c)
( 456.68 i348.13)
d)
( 586.68 i 648.13
e)
( 666.68 i758.13)
Ecuaciones polinmicas.
Podemos definir a las ecuaciones como una igualdad entre expresiones algebraicas
(sucesin de trminos constituidos de nmeros y letras, cada trmino es separado del otro
por un signo "+" "-"), en la que intervienen una o ms letras, llamadas incgnita (cuyo
valor hay que averiguar). Las expresiones que estn a ambos lados del signo igual son los
miembros de la ecuacin: primer miembro el de la izquierda, segundo miembro el de la
derecha. Se denomina solucin de una ecuacin a un valor o conjunto de valores de la
incgnita (x), para los cuales se verifica la igualdad.
Una ecuacin puede tener ninguna, una o varias soluciones. Por ejemplo: 5x 9 = 1
es una ecuacin con una incgnita con una solucin, x = 2
x 2 + y 2 + 5 = 0 es una ecuacin con dos incgnitas sin solucin, pues la suma de dos
cuadrados es un nmero positivo, a partir del cual no se puede obtener 0 sumndole 5.
2x + 3y = 15 es una ecuacin con dos incgnitas que tiene infinitas soluciones, algunas de
las cuales son x = 0, y = 5; x = 3, y = 3; x = 30, y = -15.
Dos ecuaciones se llaman equivalentes si tienen las mismas soluciones o ambas
carecen de solucin.
19
20
Tipos de Ecuaciones
Las ecuaciones con una incgnita suelen tener un nmero finito de soluciones,
mientras que en las ecuaciones con varias incgnitas encontramos infinitas soluciones, las que
suelen ser estudiadas cuando forman sistemas de ecuaciones.
Podemos encontrar distintos tipos de ecuaciones con una incgnita: polinmica,
racionales, exponenciales, trigonomtricas
Las ecuaciones polinmicas son de la forma P(x) = 0, donde P(x) es un polinomio en x,
que al trasponer trminos y simplificar adoptan esa expresin
3x3 5x2 + 3x + 2 = 0 es una ecuacin polinmica
Las ecuaciones polinmicas de primer grado, ax + b = 0, se llama ecuacin lineal
5x + 7 = 3 (es lineal)
(x 5)2 + 3 = x2 1 (No hay que dejarse engaar por las apariencias, esta ecuacin
tambin es lineal. Al desarrollar y simplificar se obtiene: 10x + 29 = 0).
Las ecuaciones polinmicas de segundo grado que responden a la estructura: ax2 +
bx + c = 0, se las denomina cuadrticas. Son ecuaciones de este tipo: x2 - 5x + 3 = 0,
(x 2)2 + 7x =5 + x. (En este caso, se despeja x de manera que al final queda una ecuacin
cuadrtica, o sea, un polinomio de grado dos.
Las ecuaciones radicales son aquellas en las que la incgnita est bajo un signo
radical, como
Las ecuaciones racionales son ecuaciones en las que aparecen cocientes de
polinomios; por ejemplo:
21
Resolucin de Ecuaciones
Resolver una ecuacin es hallar su solucin (soluciones), o podemos llegar a la
conclusin que no tiene solucin. Para resolver una ecuacin, se pasa a otra equivalente
cuya apariencia sea ms sencilla. Para averiguar el valor de x debe despejarse la letra
incgnita. Para ello nos valemos de una propiedad matemtica (propiedad uniforme) que
nos permite poner un mismo nmero en ambos miembros de la expresin algebraica,
siempre y cuando se mantenga la igualdad.
4x 7 = 1 (tenemos esta ecuacin)
4x 7 + 7 = 1 + 7 (Para que el 7 se anule le sumamos 7, por eso se dice que un numero
que est restando "pasa" sumando).
4x = 1 + 7
4x = 8
4x : 4 = 8 : 4 (Para anular el cuatro que est multiplicando dividimos ambos miembros por
4, por eso se dice que un numero que est multiplicando "pasa" dividiendo)
Tiene una nica solucin: x = 2.
Sin embargo, hay tipos de ecuaciones para cuya resolucin se requieren tcnicas
especiales. Es el caso, por ejemplo, de las ecuaciones cuadrticas y bicuadradas.
Resolucin de ecuaciones cuadrticas
No existe una nica forma de escribir la ecuacin cuadrtica. Generalmente las
ecuaciones cuadrticas se presentan de la forma polinmica: f(x) = ax2 + bx + c la que se
resuelve mediante la ecuacin cuadrtica
Por ejemplo, la ecuacin 2x2 + 5x + 3 = 0 de coeficientes a = 2, b = 5, c = 3, se
resuelve as:
Casos especiales
Las ecuaciones de segundo grado de los tipos siguientes se llaman incompletas
porque les falta uno de los trminos:
ax2 + bx = 0
ax2 + c = 0
Se pueden resolver aplicando la frmula general, pero es ms cmodo resolverlas
despejando directamente la x.
Ren Zahor Torres Becerra
22
23
Las ecuaciones de un sistema suelen tener dos o ms incgnitas, por lo que cada una
de ellas puede tener infinitas soluciones. Se llama solucin del sistema a una solucin
comn a todas las ecuaciones que lo forman. Resolver un sistema de ecuaciones es hallar
todas sus soluciones o concluir que no tiene solucin. Si dos sistemas de ecuaciones tienen
las mismas soluciones o ambos carecen de solucin, se dice que son equivalentes.
Los sistemas de ecuaciones sin solucin se llaman incompatibles y los que tienen
solucin, compatibles.
Por ejemplo, el sistema formado por las ecuaciones 2x - 5y = 16 y 4x + y = 10 se
expresa as
Los sistemas de ecuaciones lineales son especialmente interesantes por las mltiples
aplicaciones que tienen en diversas ciencias.
Sistemas de Ecuaciones Lineales:
Una ecuacin con varias incgnitas es lineal si es de la forma ax + by = c, ax + by +
cz = d,, es decir, si las incgnitas aparecen sin exponentes (elevadas a 1).
Un sistema de ecuaciones lineales compatible, o bien tiene solucin nica (es
determinado), o tiene infinitas soluciones (es indeterminado).
Existen varios mtodos elementales para resolver sistemas de ecuaciones: el mtodo
de sustitucin, el mtodo de igualacin y el mtodo de reduccin. A continuacin se aplican
en la resolucin de sistemas de dos ecuaciones con dos incgnitas.
El mtodo de sustitucin consiste en despejar una de las incgnitas en una de las
ecuaciones y sustituir su expresin en la otra, la cual se transformar en una ecuacin con
una incgnita que se puede resolver. Una vez conocido el valor de dicha incgnita se
obtiene, de inmediato, el valor de la otra.
Para resolver el sistema
y de la segunda ecuacin:
24
Se ha obtenido la solucin x = 3, y = 2.
El mtodo de reduccin consiste en procurar que una de las incgnitas tenga el
mismo coeficiente en las dos ecuaciones para que, al restarlas miembro a miembro, se
elimine dicha incgnita, dando lugar a una ecuacin con slo la otra incgnita. Se resuelve
dicha ecuacin y el valor de la incgnita se sustituye en una de las ecuaciones primitivas, y
con ello se puede obtener el valor de la otra incgnita.
Para resolver por reduccin el mismo sistema:
25
se multiplican los dos miembros de la primera ecuacin por 2 con el fin de que el
coeficiente de la x sea el mismo en ambas ecuaciones: 4x 10y = 32 y 4x + y = 10
Ahora, restando miembro a miembro se obtiene la ecuacin siguiente:
11y = 22 y = 22 : ( 11) y = 2.
Y se sustituye en una de las ecuaciones iniciales:
2x 5(2) = 16 2x + 10 = 16 2x = 6 x = 3
La solucin es x = 3, y = -2.
Representacin grfica:
La representacin de un sistema de dos ecuaciones lineales con dos incgnitas
consiste en un par de rectas, si stas se cortan, el sistema es compatible determinado y las
coordenadas del punto de corte son la solucin del sistema. Si las rectas son paralelas, el
sistema es incompatible. Si las rectas son coincidentes (son la misma recta), el sistema es
compatible indeterminado: sus soluciones son todos los puntos de la recta.
Por ejemplo, el sistema de ecuaciones
26
Si el sistema de ecuaciones con tres incgnitas puede ser presentado por rectas en un
espacio (por lo menos cuatro dimensiones), en ese caso si las tres se cortan en un punto el
sistema es compatible determinado. (ver rectas paramtricas)
Resolucin de ecuaciones racionales
En este caso tenemos "fracciones" con polinomios. Se recomienda factorial siempre
el denominador para poder buscar el denominador comn y reducir la operacin a un
polinomio (generalmente de primer o segundo grado) al
que se lo resuelve como una ecuacin comn.
Pongamos un ejemplo:
Factoriamos lo que sea factoriable
Como no se repite ningn binomio en la suma,
tomamos ambos como "comn denominador". Se opera
igual que una suma de fracciones, se divide (x 1) (x + 1)
por cada uno de los denominadores y el resultado se lo
multiplica por el numerador.
Se simplifican los
ecuacin lineal.
Se despeja x.
27
28
2
c) 4 x 4 x 8
2
2
d) x 3x 2 e) x 3 x 2
2
c) 5 x 4 x 5
2
2
d) x 4 x 3 e) x 4 x 3
2
c) 3x 8 x 15
2
2
d) x 6 x 5 e) x 6 x 5
2
c) 3x 10 x 5
2
2
d) x 7 x 5 e) x 7 x 6
29
30
Unidad 2
Matrices y Determinantes.
2.1 Definicin de Matriz, notacin y orden.
Introduccin
Las matrices aparecen por primera vez hacia el ao 1850, introducidas por J.J. Sylvester. El
desarrollo inicial de la teora se debe al matemtico W.R. Hamilton en 1853. En 1858, A.
Cayley introduce la notacin matricial como una forma abreviada de escribir un sistema de m
ecuaciones lineales con n incgnitas.
Las matrices se utilizan en el clculo numrico, en la resolucin de sistemas de
ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas parciales. Adems de
su utilidad para el estudio de sistemas de ecuaciones lineales, las matrices aparecen de
forma natural en geometra, estadstica, economa, informtica, fsica, etc...
La utilizacin de matrices (arrays) constituye actualmente una parte esencial dn los
lenguajes de programacin, ya que la mayora de los datos se introducen en los ordenadores
como tablas organizadas en filas y columnas : hojas de clculo, bases de datos,...
Matrices
Definicin: Se llama Matriz a todo cuadro de nmeros distribuidos en filas y
columnas.
NOTACION: Generalmente, una matriz se nombra por una letra mayscula y sus
elementos, una vez distribuidos en las filas y columnas respectivas, se encierran con corchetes
o con parntesis, as:
a11
a12
a 21
A=
a 22
a1n
a11
a12
a1n
a2n
a 21
a 2n
a m 1 a m 2 a mn ;
A=
1
2
a
a
a
m
mn
m
o as:
a 22
31
A=
a 21 a 22 a 23
a 31 a32 a33
a 41 a42 a43
As, la matriz
puede anotarse de esta forma:
A4x3 = (aij)
(i= 1, 2, 3, 4; j= 1, 2, 3)
Matrices Iguales
Definicin: Dos matrices son iguales si y slo si
i) son del mismo orden
ii) los elementos homlogos son respectivamente iguales.
En smbolos: A = B aij = bij, i,j
32
rectangulares
cuadradas.
Sea Amxn ;
si m n, la matriz se dice rectangular;
si m = n, la matriz se dice cuadrada.
a11 a12 a13
a 21 a 22 a 23
a 21 a 22 a 23
Matrices Especiales
Matriz fila: Es la matriz que tiene una sola fila.
Ejemplo:
Ejemplo:
c11
C = c 21 = ( ci1 ) (i = 1, 2, 3)
c31
33
Matrices Triangulares
Si en una matriz cuadrada es:
aij = 0 , i<j
se dice que la matriz es triangular superior.
La que sigue es una matriz triangular superior de orden 4:
a11
a 21 a 22
A=
0 a 22 a 23 a 24
B=
0 a33 a34
0 a44
Matriz Diagonal
Se llama matriz diagonal a toda matriz que es simultneamente triangular superior y
triangular inferior.
Es inmediato que, en una matriz diagonal, es
aij = 0 , ij .
El siguiente es un ejemplo de matriz diagonal:
d 11
0 d 22
0 d 33
D=
0 d 44
34
Matriz Escalar
Se llama matriz escalar a toda matriz diagonal en la que:
d11=d22=d33= ... = dii= k , siendo k un escalar.
Este es un ejemplo de matriz escalar:
0 0 0
0 k 0 0
E=
0 0 k 0
0 0 0 k
Matriz Identidad
Se llama matriz identidad a la matriz escalar en la que k=1.
La matriz identidad de orden n se anota In. Ejemplo:
1 0 0 0
0 1 0 0
I4=
0 0 1 0
0 0 0 1
El elemento generador de una matriz identidad recibe el nombre de "Delta de
Krocneker", se simboliza con ij y se define as:
1 si i = j
0 si i j
ij =
De modo que In = (ij ) ; i,j = 1, 2, ..., n .
Matrices Equidimensionales
35
Matrices Conformables
Una matriz A es conformable con otra matriz B cuando el nmero de columnas de A
es igual al nmero de filas de B.
A es conformable con B Amxn Bnxp
El nmero n de columnas de A y de filas de B se llama nmero de conformabilidad
entre A y B.
EJERCICIOS (Tara):
1) Definicin de matriz
a) Es un arreglo rectangular de nmeros denominados entradas
b) Es una permutacin de filas y columnas de un determnate
c) Es una combinacin lineal de filas y columnas de un determinantes
d) Es una lnea recta en el espacio que el linealmente independiente
e) Es una lnea recta en el espacio que el linealmente dependiente
2) Definicin de una matriz
a) Es un arreglo rectangular de nmeros denominados elementos
b) Es una forma de combinacin lineal de las matrices en el espacio
c) Es una forma de permutacin lineal de las matrices en el plano cartesiano
d) Es una forma de recta numrica parcialmente independiente del espacio
e) Es una forma de recta numrica parcialmente dependiente del espacio
3) Definicin de una matriz
a) Es un tipo de arreglo rectangular formado por filas y por columnas
b) Se entiende como una permutacin lineal de todas las rectas en el espacio
c) Se entiende como una combinacin lineal de todas las rectas en el espacio
d) Se entiende como la suma de las fuerzas linealmente independiente
e) Se entiende como la resta de una fuerza mayor en el espacio
4) Notacin de una matriz
a)
b)
c)
d)
e)
36
El elemento, o entrada
, de A es el nmero
, es decir, el nmero que se
encuentra localizado en la isima fila y jsima columna de A,
37
Y sus columnas
se denominan
38
Ejemplo: Hallar
si
Despejando
y. La suma de A y B es la
Esto es, la suma de dos matrices del mismo tamao es la matriz de ese mismo tamao
obtenida al sumar los correspondientes elementos de A y B. La matriz C se denota por A+B.
Por lo tanto,
Ejemplo: Sean
y
Entonces
Ejemplo: La suma
39
Definicin: Matriz cero. Una matriz en que todos sus elementos son cero se
denomina matriz cero (o matriz nula) y se denota por 0.
Demostracin: Sean
Debemos demostrar que:
Para probar esta igualdad, por definicin de igualdad entre matrices, tenemos que
mostrar que los elementos correspondientes de F y G son iguales.
Para esto demostramos las matrices por:
Veamos que
40
y sea
. El producto de A y B es la matriz
definida por
La matriz C se denota por AB.
En la siguiente figura, hemos resaltado la fila de A y la columna de B que son usadas
para calcular el elemento cij de AB.
Ntese que el producto de una matriz A con una matriz B solamente se define cuando
el nmero de columnas de A es igual al nmero de filas de B. Adems el tamao de la matriz
producto es:
Ejemplo: Hallar el producto de
41
Donde
Entonces
Por lo tanto,
. Las propiedades bsicas de la multiplicacin de matrices se
enuncian en el siguiente teorema.
Teorema
42
En las operaciones indicadas hemos supuesto que A, B, y C son matrices de tamao tal
que las operaciones se puedan efectuar.
Demostracin:
b) Sean
Debemos demostrar que:
Para probar esta igualdad, por definicin de igualdad entre matrices, tenemos que
mostrar que los elementos correspondientes de G y H son iguales.
Para esto denotemos las matrices por:
Veamos que
Teniendo en cuenta las notaciones anteriores, las definiciones de suma y producto de
matrices, y las propiedades de la suma y el producto de nmeros reales obtenemos:
En otra palabras, si
entonces
por lo tanto,
43
Ejemplo:
Ejemplo: Sea
Entonces
, entonces
44
definida por
Esto es, la matriz producto por escalar se obtiene al multiplicar cada elemento de A por
c. La matriz B se denota por
. Por lo tanto
Ejemplo:
. Se define
Ejemplo:
Ejemplo:
El siguiente teorema resume las propiedades bsicas del producto por escalar.
Teorema Si c y d son nmeros reales y A y B son matrices, entonces
45
Demostracin:
b) Sean
Veamos que
.
definida por:
. Por lo tanto
46
Ejemplo:
Sea
Entonces
Demostracin:
c) Sean:
Debemos demostrar que:
Para probar esta igualdad, por definicin de igualdad entre matrices, tenemos que
mostrar que los elementos correspondientes de D y G son iguales.
Para esto denotemos las matrices por:
Veamos que:
Teniendo en cuenta las notaciones anteriores, las definiciones de producto de matrices
y transpuesta de una matriz, y la ley conmutativa del producto de nmeros reales obtenemos:
47
es simtrica
.Por lo
Ejemplo:
Sean:
Entonces A es simtrica y B no es simtrica.
Operaciones con matrices (suma, resta, producto,
producto de un escalar por una matriz).
Suma y diferencia de matrices
La suma de dos matrices A=(aij), B=(bij) de la misma dimensin, es otra matriz
S=(sij) de la misma dimensin que los sumandos y con trmino genrico sij=aij+bij. Por
tanto, para poder sumar dos matrices estas han de tener la misma dimensin. La suma de las
matrices A y B se denota por A+B.
Ejemplo
Propiedades de la suma de matrices
1. A + (B + C) = (A + B) + C (propiedad asociativa)
2. A + B = B + A (propiedad conmutativa)
3. A + 0 = A (0 es la matriz nula)
Ren Zahor Torres Becerra
48
k (A + B) = k A + k B (propiedad distributiva 1)
(k + h)A = k A + h A (propiedad distributiva 2)
k [h A] = (k h) A (propiedad asociativa mixta)
1A = A (elemento unidad)
Propiedades simplificativas
1. A + C = B + C A = B.
2. k A = k B A = B si k es distinto de 0.
3. k A = h A h = k si A es distinto de 0.
Producto de matrices
Dadas dos matrices A y B, su producto es otra matriz P cuyos elementos se obtienen
multiplicando las filas de A por las columnas de B. De manera ms formal, los elementos
de P son de la forma:
Ejemplos
49
A(BC) = (AB)C
El producto de matrices en general no es conmutativo. (Ejemplo)
Si A es una matriz cuadrada de orden n se tiene AIn = InA = A.
Dada una matriz cuadrada A de orden n, no siempre existe otra matriz B tal que AB =
BA = In. Si existe dicha matriz B, se dice que es la matriz inversa de A y se representa
por A1.
5. El producto de matrices es distributivo respecto de la suma de matrices, es decir: A(B
+ C) = AB + AC
Consecuencias de las propiedades
a)
b)
c)
d)
EJERCICIOS (Tarea):
2 0 3
a)
3 6 0
3 4 7
b)
3 8 0
3 4 7
c)
3 10 0
3 14 7
d)
3 26 0
3 24 7
4 0 3
a)
7 6 0
9 4 7
b)
7 16 0
9 14 7
c)
7 26 0
9 24 7
d)
7 19 0
9 13 7
c)
7 29 0
9 23 7
d)
e)
7 46 0
9 44 7
3 6 3
B= 4 8 3
7 39 0
9 33 7
4 3 8
e)
3 36 0
3 34 7
3 6 3
B= 4 6 3
7 36 0
9 34 7
4 3 3
a) 9 3 7 b)
1 6 3
B= 2 6 3
e)
7 49 0
9 43 7
3 6 10
B= 4 8 5
50
a)
7 9 2
9 3 12
b)
2
17 9
19 3 12
c)
2
27 9
29 3 12
d)
37 9 2
39 3 12
47 9 2
49 3 12
51
8 3 8
12 9 2
12 3 12
b)
12 19 2
12 13 12
c)
12 29 2
12 23 12
d)
8 4 8
12 11 2
12 3 12
b)
12 11 2
12 3 12
c)
12 11 2
12 3 12
d)
4 6 10
B= 5 8 5
2
12 39
12 33 12
e)
12 49 2
12 43 12
4 7 10
B= 5 9 5
12 11 2
12 3 12
e)
12 11 2
12 3 12
Matri z Cu ad rad a.
La m atri z cu ad rad a tiene el mis mo n mero de filas que de
colu mnas . Los ele me ntos de la forma a i i cons titu yen la d iagon al
p rin cip al . La d iagon al s ecu n d aria la forman los e le men tos con i +j =
n +1 .
52
Matri z Nu la.
En una m atri z n u la todos los ele me ntos s on ceros .
Matri z Es calar.
Una m atri z es calar es una ma triz diagona l en la que los el ementos
de la diagonal principa l s on igual es .
Matri z id en tid ad o Un id ad .
Una m atri z id en tid ad es una matr iz di agonal en la que los
ele me ntos de l a diagona l princ ipal son igua les a 1.
53
2 3 1
0 4 2
0 0 3
e) Nula
54
6 7
0 4
6
9
e) nula
9 10 13
0 14 23
0
25
0
e) Nula
19 23 35
0 24 42
0 0 39
e) nula
1 2 3
0 4 5
0 0 6
e) nula
55
56
57
F 3 = 2F 1
F 4 es nula
F 5 = 2F 2 + F 1
r(A ) = 2.
En gen eral con s is te en h acer nu las el m xim o nm ero d e l n eas
p os ib le, y el ran go s er el n m ero d e filas n o n u las .
F 2 = F 2 - 3F 1
F 3 = F 3 - 2F 1
P or tanto r(A ) = 3.
Cl cu lo d el ran go d e u n a m atri z p or el m tod o d e D eterm in an tes
58
Como todos los deter minan tes de las sub ma tric es son nulos
no tiene rango 3, por tan to r(B) = 2 .
5) S i tien e rango 3 y exis t e alguna s ubmatri z de orden 4, cu yo
deter mi nant e no s ea nulo, tendr rango 4. D e es te mis mo mo do
s e trabaj a para comprobar s i tiene rango s uperior a 4.
2.5 Clculo de la Inversa de una Matriz.
El produc to de una m atri z por s u in vers a es igua l al m atri z
id en tid ad . A A - 1 = A - 1 A = I
Clculo de la Inversa de una Matriz por el mtodo de Gauss
S ea A una ma tri z cuadrad a de orden n. P ara cal cular la mat riz
invers a de A, que denotare mos como A - 1 , s eguire mos los s iguien tes pas os :
1 Cons truir una ma tr iz del tipo M = (A | I ) , es deci r, A es t en la
mi ta d izqui erda de M y la matr iz id entidad I en la derech a. Cons idere mos
una matr iz 3x3 arbitrar ia
59
F3 + F2
F2 - F3
F1 + F2
(-1) F 2
2 1
a) 3 2
2)
2 1
b) 4 2
2 1
c) 5 2
2 1
d) 7 2
2 1
e) 9 2
2 4
4
3
10 10
1 2
a) 10 10 b)
4
3
10 10
3 2
10 10 c)
4
3
10 10
5 2
10 10 d)
4
3
10 10
7 2
10 10 e)
3
4
10 10
11 2
10 10
60
2 4
4 5
a)
8
3
13
3
11
6
7
3
11
3
5
3
2
1
b)
8
3
13
3
11
8
7
3
11
3
5
3
1
2
1
c)
a)
5
2
3
2
1
1
2
3
1
b)
9
5
3
2
1
1
2
5
3
1
6
6
3 1 2
c)
8
3
13
3
11
12
1
2
1
7
3
11
3
5
3
11
3
d)
8
3
13
3
11
14
5
3
3
2
d)
9
5
7
3
1
2
1
8
3
13
3
11
3
11
15
5
3
e)
e)
9
5
10
7
3
1
2
1
1 2 1
2 2 4
1 3 3
9
5
3
2
1
1
2
5
3
1
1
1
2
5
3
1
3
2
1
1
2
5
3
1
4 7
1 2
2 7
2 7
2 7
2 7
2 7
1 4
3 4
5 4
7 4
b)
c)
d)
e) 9 4
a)
2.6 Definicin de Determinante de una Matriz.
El determinante de una matriz cuadrada es un nmero real cuya definicin exacta es
bastante complicada. Por ello, definiremos primero el determinante de matrices pequeas, y
estudiaremos mtodos y tcnicas para calcular determinantes en general. Solamente se puede
calcular el determinante a matrices cuadradas.
En cuanto a la notacin, a veces el determinante se escribe con la palabra det, y otras
veces se indica sustituyendo los parntesis de la matriz por barras verticales.
61
62
la matriz complementaria del elemento a11 es la matriz que resulta de suprimir en la matriz
A la fila 1 y la columna 1; es decir:
63
EJERCICIOS (Tarea):
1) Definicin de un determinante
a) Se define como la suma de n factorial productos dotados de signo a los cuales se le llama
termino
b) Es una particin de ecuaciones dispuestas perpendicularmente a ala recta tangente
c) Es una manera de dibujar la familia de rectas tangentes a la curva en ese punto exacto
d) Es una manera de representar los nmeros complejos que se encuentran en el plano
cartesiano
e) No tiene una definicin bien definida
2) Definicin de determnate
a) Es una sumatoria de productos llamados trminos
b) Una recta tangente a una curva plana
c) Es una permutacin de n productos
d) Es una forma de clasificacin de cosa
e) No tiene una definicin determinada
3) Definicin de determnate
a) Es una serie de sumas de n productos llamados trminos
b) Es una manifestacin matemticas de las rectas
c) Es una recta numrica que tiene como caracterstica es nula
d) Es una permutacin de los nmeros naturales en forma de anillo
e) No tiene definicin
4) Definicin de determnate
a) Es una sumatoria de varios productos llamados trminos
b) Es una pendiente en el espacio de tres dimensiones
c) Es una manera de tener los trminos de un polinomio
d) Es una manifestacin de los nmeros complejos
e) No tiene definicin
5) Definicin de determnate
a) Es una sumatoria de productos llamados trminos
b) Es una combinacin lineal de productos
c) Es una permutacin de elementos alternos
d) Es una curva transversal a una figura
e) No tiene definicin
6
64
2. |A |= 0
Los ele me ntos de una lnea s on combina cin linea l de las otras .
F3 = F1 + F2
3. Un de ter min ante triangu lar es igua l al producto de los ele me ntos
de la diagonal principa l.
5. S i a los ele mentos de una lne a s e le su man los ele mentos de otra
parale la mul tip licados previa me nte por un n real el valor del
deter mi nant e no vara.
65
7. S i todos los ele mentos de una fila o colu mna es tn for mados por
dos s u mandos , dicho deter minan te s e des co mpone en la su ma de dos
deter mi nant es .
Dada la matriz
Directamente (Ejemplo)
Usando determinantes
Por el mtodo de Gauss-Jordan
66
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.
EJERCICIOS (Tarea):
1 4 7
2 6 8
2 6 9
a)
3 3 5
1
5
3
2
0 1 1
b)
3 3 5
1
5
3
2
0 1 3
c)
3 3 5
1
5
3
2
0 1 5
d)
3 3 5
1
5
3
2
0 1 7
e)
3 3 5
1
5
3
2
0 1 9
1 6 7
2 6 8
a)
1 1 1
1 5
3 6 1
0 1 1
b)
3 1 1
1
5
1
3
0 61 1
1
3
7
6
4
3
a)
b)
1
3
7
6
4
3
a)
4
0
1
2
1
0
b)
1 4 2
1 0
1
3 1 0
a)
b)
5 4 0
1
0 1
0 1 1
d)
7 1 1
1
5
1
3
0 61 1
e)
9 1 1
1
5
1
3
0 61 1
1 6 8
2 6 8
2 6 9
7
c)
1
3
7
6
4
3
d)
1
3
11
7
6
4
3
1
3
7
6
4
3
1 1
e)
1 1
1 2 4
1 2 3
1 3 4
c)
0 1 1
5 1 1
1
5
1
3
0 61 1
c)
2 6 9
1
1
4
0
1
2
1
0
d)
1
1
4
0
2
1
9
1
0
1
1 1
e)
1
1
4
0
1
2
1
0
1 4 4
1 3 3
1 3 4
c)
7 4 0
1
0 1
0 1 1
d)
4
0
e)
13
1
0
1
1 1
4
0
67
68
69
7 Semana 7: Tarea individual: i) Resolver los ejercicios de la pgina 62. e) Resolver los
ejercicios dados por el docente.
Ren Zahor Torres Becerra
70
Unidad 3
Sistemas de Ecuaciones Lineales.
3.1 Definicin Sistemas de Ecuaciones Lineales
Dentro del proceso de resolucin de problemas, se pueden diferenciar seis etapas:
Leer el problema
Definir las incgnitas principales de forma precisa
Traduccin matemtica del problema
Resolucin del problema matemtico
Interpretar las soluciones
Contrastar la adecuacin de esas soluciones
71
Ejemplo
Al comenzar los estudios de Bachillerato se les hace un test a los estudiantes con
30 cuestiones sobre Matemticas. Por cada cuestin contestada correctamente se le
dan 5 puntos y por cada cuestin incorrecta o no contestada se le quitan 2 puntos.
Un alumno obtuvo en total 94 puntos. Cuntas cuestiones respondi
correctamente?
Halla dos nmeros tales que si se dividen el primero por 3 y el segundo por 4 la
suma es 15; mientras que si se multiplica el primero por 2 y el segundo por 5 la
suma es 174.
Juan y Roberto comentan: Juan: "Si yo te tomo 2 monedas, tendr tantas como t"
Roberto: "S, pero si yo te tomo 4, entonces tendr 4 veces ms que t". Cuntas
monedas tienen cada uno?
72
x = 2, y = 3
2 S i mul tipl ica mos o dividi mos ambos mie mbros de las ecu aciones
de un s is te ma por un nmero dis t into de cero , el s is t ema res ultant e es
eq u ivalen te .
x = 2, y = 3
3 S i s uma mos o res t amos a una ecuacin de un s is te ma otra
ecuac in del mis mo s is te ma , el s is t ema res ultant e es eq u ivalen te al dado.
x = 2, y = 3
4 S i en un s is te ma s e s us titu ye una ecua cin por otra que res ult e
de s umar las dos ecua ciones de l s is te ma previa mente mu lt ipli cadas o
dividid as por nmeros no nulos , res ulta otro s is te ma eq u ivalen te al
primero.
73
Compatible Determinado
Indetermiando
Incompatible
i. Ejemplo: x 5 y 7
b) Ninguna solucin: Los coeficientes de x e y de una ecuacin son proporcionales a los
de la otra, mientras que los trminos independientes no lo son
2x 3 y 1
i. Ejemplo: 4 x 6 y 7
c) Infinitas soluciones: Los coeficientes de x e y, y el trmino independiente de una
ecuacin, son proporcionales a los de la otra
2x 3 y 1
i. Ejemplo: 4 x 6 y 2
Ren Zahor Torres Becerra
74
75
x = 2, y = 3
Grf icam en te la s olu cin es el pu n to d e corte d e las dos rectas
76
77
78
5 S olu cin :
Mtod o d e red u ccin
Res olucin de s is temas de ecuacion es por el m todo de reduccin
1. S e preparan las dos ecu acion es , mu lt iplic ndolas por los n me ros
que convenga.
2. La res ta mos , y des aparec e una de las incgni tas .
3. S e res uelve la ecua cin res ul tante.
4. El va lor obtenido s e s us ti tu ye en una de las ecu acion es inici ales y
s e res uelve.
5. Los dos va lores obtenidos cons t itu ye n la s olucin del s is te ma.
79
E jem p los :
3x
5x
x
+2y
+3y
+ y
+ z
+4 z
- z
=
=
=
1
2
1
80
S is te ma Inco mp atib le
R egla d e C ram er
La regla d e C ram er s irve para res olver s is te mas de ecu aciones
linea les . S e apl ica a s is temas que cumplan las dos condicion es
s iguientes :
Ren Zahor Torres Becerra
81
82
E jem p lo
EJERCICIOS (Tarea):
R es olve r los s is tem as d e ecu acion es p or su s titu cin :
1.
2.
3.
4.
5.
83
6.
84
1.
2.
3.
4.
5.
6.
R es olve r los s is tem as d e ecu acion es p or red u ccin :
1.
2.
3.
4.
Ren Zahor Torres Becerra
85
86
5.
6.
7.
E jercic ios d e s is tem as d e ecu ac ion es
1. Res uelve por sus titu cin, igu alac in, reducc in y grfi ca men te el
s is t ema:
2. Res uelve el s is te ma :
4. Res uelve:
5. Res uelve por sus titu cin, igu alac in, reducc in y grfi ca men te el
s is t ema:
87
6. Res uelve el s is te ma :
1.
2.
3.
4.
5.
6.
88
7.
8.
Resolver por el mtodo de Cramer
1.
2.
3.
4.
5.
6.
89
3.5 Aplicaciones
90
10
10 Semana 10: Tarea en equipo: l) Resolver los ejercicios de las pginas 76, 77, 78, 79 y
80, m) Resolver los problemas aplicacin de las pginas 81 y 82.
Ren Zahor Torres Becerra
91
Unidad 4
Espacios Vectoriales.
4.1 Definicin de Espacio Vectorial
TEMAS INTRODUCTORIOS DE GEOMETRA
Su objetivo en esta unidad ser identificar y manipular los principales objetos geomtricos
con los que se trabaja en el espacio como son planos, rectas, cilindros, superficies cudricas
y de revolucin, tanto en las coordenadas rectangulares como en los sistemas de
coordenadas cilndricas y esfricas.
PANORAMA CONCEPTUAL SOBRE RECTAS Y PLANOS EN EL ESPACIO
Al trabajar en el espacio cules son los objetos geomtricos ms simples con los
cuales se debe trabajar?
A continuacin, encontrar una visualizacin grfica de este tema de la unidad.
92
93
Si x V y a es un escalar, entonces a x V
( cerradura bajo la
multiplicacin por un escalar)
Si x y y estn en V y es un escalar, entonces (x +y) = x + y (primera ley
distributiva)
Si x V y y son escalares, entonces ( + )x = x+ x (Segunda ley
distributiva)
Si x V y y son escalares, entonces y (x) = (y)x (ley asociativa de la
multiplicacin por escalares)
Para cada vector x V, 1x= x
Ejemplo 1:
n
El Espacio R . Sea V =R
X1
Donde X j R para i=1,2, , n .
X2
[ ][ ]
o X 1
o X 2
o X n
0=
y x=
matrices.
94
95
96
Teorema 1:
Un subconjunto no vacio H es un espacio vectorial V es un subespacio de V si se
cumplen las dos reglas de cerradura. Este teorema demuestra que para probar si H es o no un
subespacio de V, es suficiente verificar que
x + y y ax estn en H cuando x y y estn en H y a es un escalar.
Lo anterior dice que:
Todo subespacio de un espacio vectorial V contiene al 0.
Ejemplo:
El subespacio trivial. Para cualquier espacio vectorial V, el subconjunto 0 que
consiste en el vector cero nada ms es un subespacio ya que 0+0= 0 y a0 = 0 para todo nmero
real a.
Teorema 2:
Sean H1 y H2 dos subespacios de un espacio vectorial V. Entonces H1 H2 es un
subespacio de V.
Definicin de subespacio de un espacio vectorial y sus propiedades.
Definicin. Sea H un subconjunto de un espacio vectorial V y supongamos que H
es en s un espacio vectorial con las operaciones de suma y multiplicacin escalar definidas
sobre V. Se dice entonces que H es un subespacio de V.
Teorema.
Un subconjunto no vaco H de un espacio vectorial V es un subespacio de V si las
dos reglas de cerradura valen:
Reglas para verificar si un subconjunto es un subespacio
a) Si x H y y H, entonces x + y H.
b) Si x H, entonces x H para todo escalar
Demostracin.
Para demostrar que H es un espacio vectorial, debemos verificar que los axiomas de
los espacios vectoriales cumplen con las operaciones de la suma vectorial y multiplicacin
escalar definidas en V. Las dos operaciones de cerradura se cumplen por hiptesis. Puesto
que los vectores en H tambin estn en V, las leyes asociativa, conmutativa, distributiva y
la del neutro multiplicativo se satisfacen. Ahora, si x H entonces 0x H, debido a la
hiptesis (ii). Pero por el teorema de espacios vectoriales (parte ii), 0x = 0.
Consecuentemente 0 H y el axioma (iii) se cumple. Finalmente, de la parte (ii) tenemos
que (-1)x H para todo x H. Por el teorema de espacios vectoriales (parte iv), -x = (Ren Zahor Torres Becerra
97
1)x H, de tal forma que el axioma (iv) tambin se cumple y con ello concluimos la
demostracin.
Este teorema nos dice que para probar que H es un subespacio de V, nos basta con
verificar que:
x + y y x estn en H, siempre que x y y estn en H y sea un escalar.
La demostracin anterior contieen un resultado importante que debe mencionarse
explcitamente:
Todo subespacio de un espacio vectorial V contiene al 0.
98
Independencia Lineal
99
[ ][ ]
100
y v2=
101
Definicin:
Dependencia e independencia lineales. Sean v1, v2, ..., vn n vectores en un espacio
vectorial V. Entonces se dice que los vectores son linealmente dependientes si existen n
escalares c1, c2, ..., cn no todos cero, tales que
c1v1 + c2v2+...+cnvn = 0
Si los vectores no son linealmente dependientes, entonces se dice que son
linealmente independientes.
Expresado de otro modo, v1, v2, ..., vn son linealmente independientes si la eciacin
c1v1 + c2v2+...+cnvn = 0 slo se satisface si c1= c2 = ... = cn = 0.
Cmo se determina si un conjunto de vectores es o no linealmente independiente?
El caso de dos vectores es sencillo.
Teorema 1:
Dos vectores en un espacio vectorial V son linealmente dependientes si y slo si uno
es un mltiplo del otro.
Teorema 2:
Un conjunto de n vectores en m es siempre linealmente dependiente si n > m.
Demostracin:
Sean v1, v2, ..., vn n vectores en m y tratemos de evaluar constantes c1, c2, ..., cn, no
todas nulas, tales que:
c1v1 + c2v2+...+cnvn = 0
Sean
convierte en:
(1)
(2)
Corolario. Un conjunto linealmente independiente de vectores en n contiene, a lo
sumo, n vectores.
Ren Zahor Torres Becerra
102
Sea:
. Entonces las columnas de A, consideradas
como vectores, son linealmente dependientes si y slo si el sistema (2), que puede ser
A es invertible.
La nica solucin al sistema homogneo Ax = 0 es la solucin trivial (x = 0).
El sistema Ax = b posee una solucin nica para todo n-verctor b.
A es equivalente por filas a la matriz identidad In
A puede ser escrita como el producto de matrices elementales.
det A 0.
Las columnas (y los renglones) de A son linealmente independientes.
Combinacin lineal.
103
Sean v1, v2, ..., vn vectores en un espacio vectorial V. Entonces, toda expresin de la
forma: a1v1+ av22+ ...+anvn en donde a1,a2, ..., an son escalares, se llama combinacin lineal
de v1, v2, ..., vn
104
{V
{V
, V 2, , V n}
es linealmente independiente
, V 2, , V n}
genera V.
[] [] [] []
1
0
e 1= 0 ,e 2=
0
1
0 , e3 =
0
0
1 , , e n=
0
0
0
Base cannica.
Entonces, como los vectores e1 son las ,........
columnas de una matriz identidad
{e1 , e2 , , e n } es un conjunto linealmente independiente y, por lo tanto, constituye
una base en Rn.
Ejemplo:
[ ][ ][ ] [ ]
] [ ] [ ] [ ] [ ][ ]
1 0 , 0 1 , 0 0 y 0 0
0 0 0 0 1 0
0 1
generan a M22 . Si
c1 c2
=c 1 1 0 +c 2 0 1 +c 3 0 0 +c 4 0 0 = 0 0 , entonces es obvio que c1 =
0 0
0 0
1 0
0 1
0 0
c3 c 4
c2=c3=c4= 0. As, estas matrices son linealmente independientes y forman una base para M22 .
Definicin:
Dimensin. Si el espacio vectorial V tienen una base finita, entonces la dimensin de
V es el nmero de vectores en todas las bases y V se llama espacio vectorial de dimensin
finita. De otra manera, V se llama espacio de dimensin infinita. Si V = 0 , entonces se
dice que V tiene dimensin cero.
Ejemplo:
La dimensin de Rn Como n vectores linealmente independientes en Rn constituye
una base, se ve que:
Dim Rn = n
Ren Zahor Torres Becerra
105
106
Cambio de base
Sea x un vector que en base B1 (de vectores unitarios u1, u2, ...) ser igual a m1u1+
m2u2 + m3u3 + ... El mismo vector, utilizando otra base B2 (de vectores unitarios v1, v2, ...)
ser n1v1+ n2v2 + n3v3 + ...
Supongamos que u1, u2, ... se representan en la base B2 de esta forma:
u1 = a11v1 + a21v2 + ... + an1vn
u2 = a12v1 + a22v2 + ... + an2vn
...........................................
un = a1nv1 + a2nv2 + ... + annvn
Por lo tanto, sustituyendo estas ecuaciones en la frmula original nos queda:
x = m1(a11v1 + a21v2 + ... + an1vn ) + m2(a12v1 + a22v2 + ... + an2vn) + ...
Reordenando queda:
x = (m1a11 + m2a12 + ... + mna1n)v1 + ... + (m1an1 + m2an2 + ... + mnann)vn
Comparando con la frmula x = n1v1+ n2v2 + n3v3 + ... deducimos que:
n1 = m1a11 + m2a12 + ... + mna1n
n2 = m1a21 + m2a22 + ... + mna2n
...............................................
nn = m1ann + m2an2 + ... + mnann
Esto se puede expresar de forma matricial:
n1 a11 + a12 + ... + a1n
m1
n2 = a21 + a22 + ... + a2n
m2
..... ....................................
nn a2n + an2 + ... + ann
mn
Llamando A a la matriz de coeficientes, X' al vector en la base B2 y X al vector en la
base B1 nos queda:
X' = AX
despejando X nos queda:
X = A-1X'
Base
Ren Zahor Torres Becerra
107
Un conjunto de vectores {v1, v2, ..., vn} forma una base para V si
a) {v1, v2, ..., vn} es linealmente independiente.
108
En n definimos
Como los trminos ei son las columnas de la matriz identidad (cuyo determinante es
1), entonces {e1, e2, ..., en} es linealmente independiente y, por tanto, constituye una base en
n. Esta entidad especial se llama base cannica en n.
Teorema 1:
Si {v1, v2, ..., vn} es una base de V y si v V, entonces existe un conjunto nico de
escalares c1, c2, ..., cn tales que v= c1v1, c2v2, ..., cnvn.
Teorema 2:
Si {u1, u2, ..., un} y {v1, v2, ..., vn} son bases del espacio vectorial V, entonces m = n;
esto es, cualesquiera dos bases en un espacio vectorial V poseen el mismo nmero de
vectores.
Dimensin
109
110
Demostracin:
Sea dim V = n. Cualquier conjunto de vectores en H linealmente independiente, lo
es tambien en V. Por el Teorema 3, cualquier conjunto linealmente independiente en H,
cuando ms, contiene n vectores. As pues, H es de dimensin finita. Ms an, como una
base en H es un conjunto linealmente independiente, se ve que dim H n.
Teorema 5:
Cualesquiera n vectores linealmente independientes en un espacio vectorial V de
dimensin n, constituyen una base.
12
(v,v) > 0
(v,v) = 0 si y slo si v= 0
(u, v +w) = (u, v ) + (u,w)
(u + v, w)= (u, w) + (v, w)
(u, v) = (v,u)
(au, v) = a(u, v)
(u, av)= a (u, v)
Ejemplo:
Un producto interno en Rn Rn . Es un espacio con producto interno con (u, v)= u * v.
Definicin 2:
Sea V un espacio con producto interno y suponga que u y v estan en V. Entonces:
a) U y V son ortogonales si (u, v) = 0
b) La norma de u, denota por u, est dada por:
||U||= ( u , u )
Nota: A la u se le pone doble barra para evitar confusin con el valor absoluto
12 Semana 12: Tarea individual: o) Hacer un resume del tema 4.3 y 4.4 y demostrar sus
teoremas.
Ren Zahor Torres Becerra
111
Ejemplo:
Dos vectores ortogonales en C2. En C2 los vectores (3, -1) y (2, 6i) son ortogonales
porque
((3, -1), (2, 6i)) = 3*2 + (-i)(6i) = 6 + (-i)(-6i) = 6 6 = 0 adems ||( 3 , i )||
3 * 3 ( i )(i )
= 10 .
Definicin 3:
Conjunto ortonormal. El conjunto de vectores
conjunto ortonormal en V si
{V
, V 2, , V n}
es un
Definicin 5:
Espacio con producto interno.- Un espacio vectorial complejo V se llama espacio
con producto interno si para cada par ordenado de vectores u y v en V, existe un nmero
complejo nico (u,v), llamado producto interno de u y v, tal que si u, v y w estn en V y
C, entonces
Ejemplo:
Un producto interno en Rn Rn .- es un espacio con producto interno con (u, v)= u
* v.
Definicin 6:
Sea V un espacio con producto interno y suponga que u y v estan en V. Entonces:
a) U y V son ortogonales si (u, v) = 0
b) La norma de u, denota por u, est dada por U = 0
Nota: A la u se le pone doble barra para evitar confusin con el valor absoluto
112
Ejemplo:
Dos vectores ortogonales en C2 En C2 los vectores (3, -1) y (2, 6i) son ortogonales
porque: ((3, -1), (2, 6i)) = 3*2 + (-i)(6i) = 6 + (-i)(-6i) = 6 -6 = 0 adems (3, -i)) = = .
Definicin 7:
Conjunto ortonormal. El conjunto de vectores v1, v2, . . ., vn es un conjunto
ortonormal en V si (vi, vj) = 0 para i y vi = = 1
Definicin 8:
Complemento ortogonal. Sea H un subespacio del espacio con producto interno V.
Entonces el complemento ortogonal de H, denotado por H, est dado por
H = x V : (x, h) = 0 para todo h H
EJERCICIOS (Tarea):
1) Si u=(3,-2), v=(4,5) .Calcular <u,v>
a) 2
b) 4
c) 8
d) 9
e) 12
d) 9
e) 12
d) 9
e) 12
d) 9
e) 12
d) 9
e) 10
113
114
Ejemplo:
Considera el siguiente conjunto de vectores en Rn (con el convencional producto
interno)
EJERCICIOS (Tarea):
1) Considrese el espacio vectorial con el producto interior euclidiana. Aplicar el proceso
de gram-schmidt para transformar los vectores bsicos u1=(1,1,1),u2=(0,1,1) Y
u3=(0,0,1). Calcular la base ortogonal
a) v1=(1,1,1),v2=(-2/3,1/3,1/3),v3=(0,-1/2,1/2)
b) v1=(2,3,1),v2=(-2/3,1/3,1/3),v3=(0,-1/2,1/2)
c) v1=(4,5,1),v2=(-2/3,1/3,1/3),v3=(0,-1/2,1/2)
d) v1=(7,8,1),v2=(-2/3,1/3,1/3),v3=(0,-1/2,1/2)
e) v1=(9,5,1),v2=(-2/3,1/3,1/3),v3=(0,-1/2,1/2)
2) Considrese el espacio vectorial con el producto interior euclidiana. Aplicar el proceso
de gram-schmidt para transformar los vectores bsicos x1=(1,1),x2=(1,2). Calcular la
base ortogonal
a) v1=(1,1),v2=(-1/2,1/2)
b) v1=(3,1),v2=(-1/2,1/2)
c) v1=(5,1),v2=(-1/2,1/2)
d) v1=(7,1),v2=(-1/2,1/2)
e) v1=(9,1),v2=(-1/2,1/2)
115
y 14
13 Semana 13: Tarea individual: p) Resolver los ejercicios de las pginas 96.
14 Semana 14: Tarea individual: q) Resolver los ejercicios de las pginas 98.
Ren Zahor Torres Becerra
116
Unidad 5
Transformaciones Lineales.
5.1 Introduccin a las transformaciones lineales
Definicin y Ejemplos
117
118
119
Ejemplos (Transformaciones)
15
120
es un subespacio de V .
es un subespacio de W .
Demostracin:
Sea
Sea
Sean
, en la imagen de T .
Entonces
Pero
Ejemplos:
Sean
para
(Transformacin cero).
Entonces:
121
Sea
para
Sea
(Transformacin Lineal)
definida por
T es el operador de proyeccin de
Sea
Si
matriz cero de
en en plano xy . Entonces:
por lo que A es la
As que
As que
Rango
y Nulidad
Definicin.
Si T es una transformacin lineal de V en W , entonces se define: la nulidad
y el rango
122
Ejemplo:
Sea
por
Entonces
por lo tanto
Ejercicios:
Encuentre Ncleo, Imagen, Rango y Nulidad de la Transformacin Lineal dada:
a)
Solucin:
b)
Solucin:
123
lineal de
en
, T es una
.
TEOREMA
Sea
tal que:
Demostracin:
Sea
Sea A T la formada por los elementos
logramos que A T denote a la transformacin de
en forma de columnas y
.
16
16 Semana 16: Tarea individual: s) Resolver los ejercicios solicitados por el docente.
Ren Zahor Torres Becerra
124
125
Entonces:
As
para
los vectores bsicos .
Ejemplo:
Sea
definida por:
. Calcular At
Solucin:
Usemos la base cannica
Entonces
Ejemplo:
, definida por
Solucin:
Definicin:
La matriz A T del teorema anterior se llama matriz de transformacin
correspondiente a T representacin matricial de T.
Ren Zahor Torres Becerra
126
TEOREMA
Sea A T la matriz de transformacin correspondiente a la transformacin lineal de T
. Entonces:
(Espacio columna).
, N A T espacio nulo .
Ejemplo:
Si
, Calcular
Solucin:
Ejemplo:
, Calcular
127
Solucin:
Ejercicio:
Encuentre la representacin matricial A T de la Transformacin Lineal T , el Nu T ,
la
y el
Solucin:
128
TEOREMA
,y
bases.
tal que:
Ejemplo:
Sea
Supngase que
Entonces
129
Ejemplo:
Sea una Transformacin Lineal
definida por:
Sean
y
donde
Obtener A T
, osea las coordenadas de
relativas a la base B 2 .
Solucin:
17
17 Semana 17: Tarea individual: s) Resolver los ejercicios solicitados por el docente.
Ren Zahor Torres Becerra
130
131
Bibliografa
Algebra lineal y sus aplicaciones
Lay, David C.
Pearson Educacin
Algebra lineal
Grossman, Stanley I.
McGraw-Hill
132