UNIVERSIDAD NACIONAL DE SAN AGUSTN DE AREQUIPA

FACULTAD DE INGENIERIA DE PROCESOS

ESCUELA PROFESIONAL DE INGENIERIA AMBIENTAL

MATEMTICA III

TRABAJO DE INVESTIGACIN FORMATIVA

BSQUEDA Y ANLISIS DE PROBLEMAS DE APLICACIN

DEL CURSO DE MATEMTICA III A LA INGENIERA
AMBIENTAL

TRABAJO PRESENTADO POR:

AVENDAO RIMACHE, ANDREA FERNANDA

CHOQUENEIRA CCASA, SARA ROCIO
FUENTES MAMANI, SANDRO HENRY
GOMEZ CHANA, MARIA PIA

ASESOR: MG. PARISACA ZAIRA, OSCAR LEONIDAS

AREQUIPA PER

JULIO 2017
Contenido
INTRODUCCION ............................................................................................................ 3
TRABAJO DE INVESTIGACION FORMATIVA ......................................................... 4
OBEJTIVO: .................................................................................................................. 4
SISTEMAS LINEALES ................................................................................................... 4
Tipos de soluciones de un sistema de ecuaciones ........................................................ 5
MTODOS DE RESOLUCIN DE LOS SEL ............................................................... 5
Mtodo de eliminacin de Gauss ................................................................................. 6
Mtodo de la inversa..................................................................................................... 7
EJERCICIOS APLICATIVOS: .................................................................................... 8
DETERMINANTE ........................................................................................................... 8
DETERMINANTE DE UNA MATRIZ n n ............................................................. 8
EVALUACION DE LOS DETERMINANTES POR REDUCCION EN LOS
RENGLONES ............................................................................................................ 10
DESARROLLO POR COFACTORES; REGLA DE CRAMER .............................. 10
EJERCICIOS APLICATIVOS .................................................................................. 11
ESPACIO VECTORIAL ................................................................................................ 14
APROXIMACION POR MINIMOS CUADRADOS ................................................ 16
APLICACIONES ....................................................................................................... 18
TRANSFORMACIONES LINEALES .......................................................................... 26
APLICACIONES DE TRANSFORMACIONES LINEALES .................................. 28
Valores y vectores propios ............................................................................................. 32
EJERCICIO APLICATIVO ....................................................................................... 32
PROGRAMACION LINEAL ........................................................................................ 35
PROBLEMAS APLICATIVOS ................................................................................. 36
CONCLUSION .............................................................................................................. 40
BIBLIOGRAFIA ............................................................................................................ 41
 INTRODUCCION

El presente trabajo de investigacin formativa, lo que busca es explicar un poco y

resolver diferentes problemas aplicativos con todas las herramientas e instrucciones que
se dieron en clases, que de por s, se pudo aprender que todos los temas van asociados
con lo que discierne al lgebra lineal El lgebra lineal se caracteriza por estudiar
estructuras matemticas en las que es posible tomar sumas entre distintos elementos
de cierto conjunto y multiplicar tales elementos por nmeros reales o complejos.
Tales conjuntos se conocern como espacios vectoriales y sus elementos sern llamados
vectores.
En la parte aplicativa, se va intentar encontrar la solucin de sistemas de ecuaciones
lineales. Tales problemas tienen gran importancia para hallar las corrientes en circuitos
elctricos o hacer cdigos en informtica.Al ir resolviendo este tipo de problemas, una
de las propiedades ms ventajosas del lgebra lineal ir apareciendo: la existencia de
algoritmos bien definidos para resolver una gran cantidad de problemas. El algoritmo
ms importante del curso aparecer desde el inicio con el fin de resolver tales sistemas
de ecuaciones lineales. Tal algoritmo es el mtodo de Gauss-Jordan y consistir en
asociarle a cada sistema de ecuaciones lineales un cierto objeto llamado matriz para el
cual el algoritmo producir una matriz reducida que dar inmediatamente la
informacin sobre la solucin del sistema.
Esto motivar estudiar las matrices como fines en s mismos y realizar operaciones
algebraicas (como suma y producto de matrices) entre ellas. Tal estudio conduce al
concepto de determinante, que es un nmero que se le asigna a las matrices y que
cumple que si es distinto de cero entonces la matriz posee una inversa.
Posteriormente, con respecto a los espacios vectoriales el concepto de transformacin
lineal va a ser de suma importancia ya que sern las funciones que preservan la
estructura algebraica de un espacio vectorial. A una transformacin lineal se le puede
asociar una matriz por lo que se podr utilizar toda la teora de matrices para estudiar las
transformaciones lineales.

En este sentido, el concepto de valor y vector propio sern los ltimos ingredientes de la
teora de transformaciones lineales y tambin se dar una pequea introduccin a lo que
es programacin lineal.
 TRABAJO DE INVESTIGACION FORMATIVA

OBEJTIVO:

Entender y aplicar los diferentes mtodos aprendidos en el avance del curso del
lgebra lineal.

SISTEMAS LINEALES

Los SEL

Soluciones de un SEL

Dado un SEL

Llamamos solucin a cualquier vector que al ser sustituido en el sistema, lo cumple. Es

decir, los valores de las incgnitas para los cuales se verifican todas las ecuaciones del
SEL.

Importante

Si un vector X es solucin del SEL

Tambin es solucin del SEL que se obtiene al realizar operaciones elementales fila a la
matriz ampliada del SEL inicial, A*. Este hecho ser la clave para obtener los mtodos
de resolucin de un SEL.

Tipos de soluciones de un sistema de ecuaciones

Distinguimos tres tipos de sistemas segn el conjunto de soluciones que tiene:

Sistema incompatible: el sistema no tiene solucin. No existen valores para las

incgnitas de modo que se verifiquen todas y cada una de las ecuaciones que
conforman el SEL.
Sistema compatible (SC): existe al menos una solucin que verifica todas las
ecuaciones del SEL. Pero distinguimos dos casos:
o Sistema compatible determinado (SCD): existe una solucin y es nica,
es decir, slo hay una.

En el caso de los SEL homogneos, la nica solucin es la trivial (todas

las incgnitas valen 0). Esto se debe a que la solucin trivial siempre es
solucin del SEL homogneo. De este modo, un SEL homogneo nunca
ser incompatible.

o Sistema compatible indeterminado (SCI): existe ms de una solucin.

En este caso, existen infinitas soluciones (ya que el conjunto de
soluciones de un SEL es un espacio vectorial). Alguna variable (o todas)
dependern de un (o ms) parmetros.

MTODOS DE RESOLUCIN DE LOS SEL

Destacamos 3 mtodos para la resolucin de sistemas de ecuaciones lineales, que
explicamos ms adelante:

Eliminacin de Gauss: consiste en realizar operaciones elementales fila a la

matriz ampliada del SEL hasta obtener su forma escalonada reducida.
Matriz inversa: consiste en multiplicar el sistema, si es compatible
determinado, por la matriz inversa de la matriz de coeficientes.
Mtodo de eliminacin de Gauss

Se basa en el hecho de que si un vector X es solucin del SEL

Tambin es solucin del SEL que se obtiene al aplicar operaciones elementales fila a la
matriz ampliada del SEL inicial, A*.

Lo que nos permite trabajar con matrices equivalentes para facilitar la bsqueda de las
soluciones.

El mtodo consiste en realizar operaciones elementales en la matriz ampliada hasta

obtener su forma

escalonada (eliminacin de Gauss)

escalonada reducida (eliminacin de Gauss-Jordan)

Veamos un ejemplo:

Forma escalonada de A* (obtenida al realizar operaciones elementales fila)

Tenemos ahora un sistema ms sencillo de resolver (de abajo a arriba) que

proporcionar
Mtodo de la inversa

Sea el SEL

Supongamos que el sistema es cuadrado, esto es, m = n.

El mtodo consiste en que si A es regular (por tanto, el sistema es compatible

determinado) podemos multiplicar el sistema por la inversa de A, A-1:

y obtenemos la solucin.

Las matrices asociadas al sistema son

Con lo que la solucin del sistema es

EJERCICIOS APLICATIVOS:

1. Se contrata a dos empresas para lograr la remediacin de aguas, la primera

llega a remediar 8 cilindros de agua provenientes de uso agrcola y 3 cilindros de
aguas provenientes de uso domstico en un periodo de 1 hora; mientras que la
segunda llega a remediar 18 y 2 cilindros de uso agrcola y domestico
respectivamente. Si se cuenta con reservorios que tienen una capacidad de
almacenar 130 cilindros de agua provenientes de uso agrcola y 25 cilindros de uso
domstico. Cuntos cilindros de agua de la primera y segunda empresa se pueden
remediar si se desea abarcar toda la capacidad de cada uno de los reservorios?
SOLUCION:
X: nmero de cilindros de agua remediados por la primera empresa.
Y: nmero de cilindros de agua remediadas por la segunda empresa.
8x + 18y = 130
3x + 2y = 25
9 65
1 9 65 1
[
8 18 130
] 1 [1 4 4 ] 2 31 [ 4 4 ] 4
3 2 25 8 19 95 19 2
3 2 25 0
4 4
9 65 9 1 0 5
[1 4 4 ] 1 2 [ ]
4 0 1 5
0 1 5

5
= [] = [ ]
5

Respuesta: La cantidad de cilindros de agua que se debe de remediar son 5 para los
cilindros agrcolas y 5 para los cilindros domsticos, trabajando con las dos empresas
remediadoras.

DETERMINANTE

DETERMINANTE DE UNA MATRIZ n n

Definicin: Si A es una matriz n n se define el determinante de la matriz A a lo largo

de la i-sima fila como:
Es til disponer de las dos frmulas de este ejemplo para su uso posterior. Sin embargo,
a fin de evitar la memorizacin de estas pesadas expresiones, se sugiere recurrir a los
artificios mnemnicos que se ilustran en la figura.

El determinante se calcula: Multiplicando los elementos por los que pasa la flecha que
apunta hacia la derecha y restando el producto de los elementos por los que pasa la
flecha que apunta hacia la izquierda.

La segunda frmula se obtiene copiando la primera y segunda columnas como se

muestran en la figura. Entonces el determinante se calcula al sumar los productos
correspondientes a las flechas que apuntan hacia la derecha y restar los productos
correspondientes a las flechas que apuntan hacia la izquierda.

Una matriz cuadrada A es inversible si y slo si: det (A)0

 Si A es una matriz inversible, entonces:

EVALUACION DE LOS DETERMINANTES POR REDUCCION EN LOS RENGLONES

Se muestra que hay la posibilidad de evaluar el determinante de una matriz reducindola

a la forma escalonada en los renglones. La importancia de este mtodo radica en el
hecho de que evita los largos clculos relacionados con la aplicacin directa de la
definicin de determinante.

DESARROLLO POR COFACTORES; REGLA DE CRAMER

Se considera un mtodo para evaluar determinantes que resulta til para clculos a
mano y tiene gran importancia terica. Como consecuencia de lo que se haga aqu, se
obtendr una frmula para la inversa de una matriz inversible as como otra para la
solucin de ciertos sistemas de ecuaciones lineales, en trminos de determinantes.
EJERCICIOS APLICATIVOS

a) Evalese determinante (A), en donde:

Solucin: Al reducir A a la forma escalonada en los renglones, y aplicar el teorema 3 se

obtiene:

b) Evalese determinante (A), en donde:

Solucin:

No se necesita reducir ms ya que, por el teorema 1, se deduce que

det (A) = O.
Con base en este ejemplo debe ser evidente que, siempre que una matriz cuadrada tenga
dos renglones proporcionales (como el primero y segundo renglones de A), es posible
introducir un rengln de ceros al sumar un mltiplo apropiado de uno de estos renglones
al otro. Por consiguiente, si una matriz cuadrada tiene dos renglones proporcionales, su
determinante es cero.

c) Calclese el determinante de

Solucin:

Se podra calcular este determinante como antes, mediante la aplicacin de operaciones

elementales sobre los renglones para reducir A a una forma escalonada en los renglones.
Por otra parte, se puede poner A en la forma triangular inferior en un Paso, sumando -3
veces la primera columna a la cuarta, para obtener:

Este ejemplo seala que siempre conviene no perder de vista las operaciones sobre las
columnas que puedan acortar los clculos.

Ya que es posible extraer del signo det un factor comn de cualquier rengln de una
matriz y supuesto que cada uno de los n renglones de kA tiene un factor comn de k, se
obtiene:

d) Evalese det (A), en donde:

Solucin: Al sumar mltiplos apropiados del segundo rengln a los renglones restantes,
se obtiene:

e) Aplquese la regla de Cramer para resolver:

Solucin:

Por tanto,

Para resolver un sistema de n ecuaciones en n incgnitas por la regla de Cramer, se

necesita evaluar n + 1 determinantes de matrices de n X n. Desde el punto de vista del
clculo, para sistemas con ms de tres ecuaciones, la eliminacin gaussiana resulta
superior, puesto que slo se ha de reducir una matriz aumentada de n X n + l . Sin
embargo, la regia de Cramer da una frmula para la solucin.
ESPACIO VECTORIAL

En matemticas, tratamos de abstraer las propiedades que caracterizan a los vectores

para extenderlas tambin a otro tipo de objetos diferentes de los vectores de la Fsica.
Esencialmente, el comportamiento que caracteriza a los vectores es el siguiente:
Podemos sumar dos vectores y obtenemos otro vector;
Podemos multiplicar un vector por un nmero (escalar) y obtenemos otro
vector.

Definicin:
Sea V un conjunto donde hemos definido una ley u operacin interna, que
+
designaremos por + , . Sea K un cuerpo (conmutativo) y sea, por ltimo,
+
una operacin externa que designaremos por .
Diremos que ( , +, ) tiene estructura de espacio vectorial sobre el cuerpo K, o
simplemente que ( , +, ) es un K-espacio vectorial cuando se verifiquen las
condiciones siguientes:
OBSERVACION
En algunos espacios vectoriales reales, distintos de , puede hacerse un paralelismo
o identificacin con , para un n adecuado.
Por ejemplo, ya hemos visto cmo el espacio vectorial real C de los nmeros
complejos puede identificarse con 2 , correspondiendo el nmero complejo
+ al vector (, ).

Veamos cmo el espacio 2 = {polinomios de grado 2 } puede identificarse
con 3 : cada polinomio 2 + + correspondera al vector
(, , ) 3 .

o Lo mismo ocurre con el espacio de matrices = {matrices 2x2}, que se

identifica con, 4 , correspondiendo a la matriz ( ) el vector (, , , ).


En todos los casos las operaciones de suma y producto por escalar se pueden trasladar
x y2
Esto hace posible efectuar las operaciones en en lugar de otros espacios

V es un espacio
vectorial
W es un espacio
vectorial (PROP)

1. = con las operaciones

(1 , . . , ) + (1 , . . , = (1 + 1 , . . , + )
(1 , . . , ) = (1 , . . , ) ,
es un espacio vectorial para = (1,2,3, )
2. = con las operaciones puede ser un espacio vectorial sobre R o sobre C.

3. = (), con las operaciones, es un espacio vectorial sobre K.

4. = [], espacio de todos los polinomios en una variable y coeficientes

complejos, es, con las operaciones habituales de suma de polinomios y
producto de un polinomio por un escalar, un espacio vectorial sobre K.

5. = [], espacio de los polinomios en una variable, coeficientes complejos

y grado a lo sumo n es, con las operaciones habituales de suma de polinomios
y producto de un polinomio por un escalar, un espacio vectorial sobre K.

EJEMPLO
o : {(, )/ 0, }C 2
Basta una regla para que noche cumpla de las 10
 Contraejemplo:
= (3,2) 2 2 = (6, 4)

APROXIMACION POR MINIMOS CUADRADOS

El mtodo de mnimos cuadrados es un mtodo de extrapolacin para encontrar la curva

que mejor se ajuste a una coleccin de puntos. Se le conoce tambin bajo el nombre de
Regresin. Con el tiempo se le han dado otros nombres como Lineal o Cuadrtica
dependiendo de la curva que se desea aproximar. Para este caso en particular, se
comenzara con la regresin lineal. Luego se generalizara para cualquier curva que se
desee.
1. Mediante interpolacin
2. Mediante la obtencin de una curva, (), que se aproxime a los datos
sin que, necesariamente pase por ellos.

Se deber identificar dos aspectos importantes:

Qu clase de funcin usaremos?
Cul es el criterio de aproximacin que ms se utiliza?

MODELO LINEAL
1. Ajuste lineal: (recta de mnimos cuadrados) se utiliza () = +

2. Ajuste polinomial: se utiliza el modelo () = 0 + 1 + +

(llamado ajuste cuadrtico o cubico para = 2 3).
3. Ajuste con spline lineal ( 1 nodo interior ) modelo:
() = 0 + 1 + 3 ( )

AJUSTE LINEAL
Los modelos lineales son aquellos que utilizan funciones () de la forma:
() = + 1 1 + 2 2 + 1 1 + 0
que mejor se ajusta a los datos:
(1 , 1 ) , (2 , 2 ) , . . , ( , )
Donde + 1 y al menos + 1 de los , son distintos.
Se comenzara asumiendo que se tiene una cantidad n de puntos en el plano. Cada
punto tendr una coordenada y una coordenada . Se quiere aproximar la
tendencia de estos mediante una recta de la forma:
() = +

a) Determinar matrices:
1
2 1 11 12 11 1 1
.
= . , = 2 21 22 21 1
, = :
.. :
1
[ ] [ 1 2 1 1] [ 0 ]
b) Resolver el sistema normal:

=
En trminos de mediante una reduccin de Gauss- Jordan.
OJO
Si es una matriz no singular ( 0) la solucin del sistema normal es simplemente
la solucin usual del S.L. = , es decir = 1 .
El sistema Normal, determina un vector tal que sea tan cercano a b como sea
posible, es decir el Sistema Normal asegura una solucin aproximada del S.L. =
si esta tiene solucin.

APLICACIONES

PROBLEMA
1. En el mercado de bolsa de valores se trabaja para asegurar la mxima ganancia de la
empresa, y esta depende mucho del rendimiento de los trabajadores que aseguran la
prosperidad de la empresa:
Una organizacin obtiene los siguientes datos que relacionan el nmero de agentes de
ventas con las ventas anuales.

Nmero de agentes 5 6 7 8 9 10
Ventas anuales
(millones de dlares) 2.3 3.1 4.1 5.0 6.1 7.2

Se pide pronosticar las ventas anuales si es qu se hubiera trabajado con 14 agentes?

Nmero de agentes (variable independiente).
Ventas anuales (variable dependiente).

DESARROLLO:
a) Determinacin de matrices para el mtodo de mnimos cuadrados.

2,3 5 1
3,2 6 1
4,1 7 1
= = 8 1 = [ ]
5,0
6,1 9 1
[7,2]61 [10 1]62
 5 6 7 8 9 10
b) Resolver el S.N. = = [ ]
1 1 1 1 1 1 26

5 1
6 1
5 6 7 8 9 10 7 1
= [ ] =[ ]
1 1 1 1 1 1 8 1
9 1
[10 1]
,
,
, ,
= [ ] =[ ]
, ,
,
[, ]

355 45 226,3 1 0,13 0,64 1 0,13 0,64

= ( ) ( ) ( )
45 6 27,9 45 6 27,9 0 0,15 0,9

1 0,13 0,64 1 0 1,42

( ) , ( )
, 0 1 6 0 1 6

,
= [ ]=[ ]

= + = .

Para 14 agentes la ganancia para las ventas anuales se obtendra un valor de:
= 1.42 6 = 1.42(14) 6

= 13.88

2. En una planta se destila aire lquido para producir oxgeno, nitrgeno argn. Se
cree que el porcentaje de impureza del oxgeno esta linealmente relacionado con la
cantidad de impurezas que hay en el aire, medido mediante el conteo de
contaminacin en partes por milln (ppm). Los datos son los siguientes:

Pureza 93.3 92.0 92.4 91.7 94.0 94.6 93.6 93.1 93.2 92.9 92.2 91.3 90.1 91.6 91.9
%
Conta. 1.10 1.45 1.36 1.59 1.08 0.75 1.20 0.99 0.83 1.22 1.47 1.81 2.03 1.75 1.65
ppm

a. Ajuste un modelo de regresin lineal as datos.

b. parece razonable la relacin lineal entre la pureza y el conteo de la
contaminacin?
c. Predecir qu pasara si la contaminacin en ppm se reduce 0.4 ppm en el
ambiente.

DESARROLLO:
a. Determinacin de matrices por el mtodo de mnimos cuadrados.

93.3 1.10 1
92.0 1.45 1
92.4 1.36 1
91.7 1.59 1
94.0 1.08 1
94.6 0.75 1
93.6 1.20 1
= 93.1 = 0.99 1 = [ ]
1
93.2 0.83
92.9 1.22 1
92.2 1.47 1
91.3 1.81 1
90.1 2.03 1
91.6 1.75 1
[91.9]151 [1.65 1]152
a. Resolver el S.N =
1.10 1.45 1.36 1.59 1.08 0.75 1.20 0.99 0.83 1.22 1.47 1.81 2.03 1.75 1.65
= [ ]
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 215

1.10 1
1.45 1
1.36 1
1.59 1
1.08 1
0.75 1
1
=[
1.10 1.45 1.36 1.59 1.08 0.75 1.20 0.99 0.83 1.22 1.47 1.81 2.03 1.75 1.65] 1.20 1
0.99
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0.83 1
1.22 1
1.47 1
1.81 1
2.03 1
1.75 1
[1.65 1]

. .
= [ ]
.

93.3
92.0
92.4
91.7
94.0
94.6
93.6
1.10 1.45 1.36 1.59 1.08 0.75 1.20 0.99 0.83 1.22 1.47 1.81 2.03 1.75 1.65] 93.1
=[
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 93.2
92.9
92.2
91.3
90.1
91.6
[91.9]
.
= [ ]
.

29.36 20.28 1870.78 1 1 0.69 63.72 1 0.69 63.72

= ( ) ( ) 20.281 ( )
20.28 15 1387.9 29.36 20.28 15 1387.9 2 0 1 95.66
1 0.69 63.72 1 0 2.29
( ) . ( )
0 1 95.66 0 1 95.66
.
= [ ]=[ ] = + = . + .
.
La relacin es razonable de pureza y conteo de partculas, pues el rango del erros es muy
pequeo y no afecta mucho la ecuacin.
= + = . + . = .
 = . + . = . (. ) + . =
. %

Considere los datos siguientes, los cuales son el resultado de un experimento para
determinar el efecto de:
X= tiempo de prueba en horas a una temperatura particular.
Y= Cambio en la viscosidad del aceite.
Y -1.42 -1.39 -1.55 -1.89 -2.43 -3.15 -4.05 -5.15 -6.43 -7.89
X 0.25 0.5 0.75 1.00 1.25 1.50 1.75 2.00 2.25 2.50

Determinacin de matrices por el mtodo de mnimos cuadrados.

1.42 0.25 1
1.39 0.5 1
1.55 0.75 1
1.89 1.00 1
1.25 1
= 2.43 =
3.15 1.50 1
4.05 1.75 1
5.15 2.00 1
6.43 2.25 1
[7.89]101 [2.50 1]102

= [ ]

Resolver el S.N =
0.25 0.5 0.75 1.00 1.25 1.50 1.75 2.00 2.25 2.50]
= [
1 1 1 1 1 1 1 1 1 1 210
 0.25 1
0.5 1
0.75 1
1.00 1
0.25 0.5 0.75 1.00 1.25 1.50 1.75 2.00 2.25 2.50] 1.25 1
= [
1 1 1 1 1 1 1 1 1 1 1.50 1
1.75 1
2.00 1
2.25 1
[2.50 1]
. .
= ( )
.
1.42
1.39
1.55
1.89
0.25 0.5 0.75 1.00 1.25 1.50 1.75 2.00 2.25 2.50] 2.43
= [
1 1 1 1 1 1 1 1 1 1 3.15
4.05
5.15
6.43
[7.89]
.
= ( )
.
24.06 13.75 63.45 1 1 0.57 2.64 1 0.57 2.64
= ( ) ( ) 13.571 ( )
13.75 10 35.35 24.06 13.75 10 35.35 2 0 2.16 0.95
2 1 0.57 2.64 1 0 2.89
( )
. ( )
2.16 0 1 0.44 0 1 0.44
.
= [ ]=[ ]
.
a. Ajuste un modelo de regresin lineal as datos.

= + = . + .

b. parece razonable la relacin lineal entre la pureza y el conteo de la contaminacin?

Si pero la dispersin de puntos parece que toma otro tipo de comportamiento a manera de
parbola.

c. Predecir qu pasara si la sustancia llegara a las 5 horas en la experiencia.

= + = . + . 44 =
 = . + . = . () + . =
.

1. Los siguientes datos muestran los contaminantes atmosfricos (con respecto de cierta
norma de calidad de aire) en intervalos de media hora .

1 1.5 2 2.5 3 3.5 4 4.5 5

-0.15 0.24 0.68 1.04 1.21 1.15 0.86 0.41 -0.08

Determine el polinomio de mnimos cuadrados que relacione x con y.

Utilice la ecuacin obtenida para estimar el grado del contaminante obtenido cuando el
t=15.

Determinacin de matrices por el mtodo de mnimos cuadrados.

0.15 1 1
0.24 1.5 1
0.68 2 1
1.04 2.5 1
= 1.21 = 3 1
1.15 3.5 1
0.86 4 1
0.41 4.5 1
[0.08]91 [5 1]92

= [ ]

Resolver el S.N =
1 1.5 2 2.5 3 3.5 4 4.5 5
= [ ]
1 1 1 1 1 1 1 1 1 29
El ajuste de mnimos cuadrados no se acomodara ala grafica debido al comportamiento de
este es ms para una grfica de carcter cuadrtico, se necesitara ms informacin para el
desarrollo de este problema.

TRANSFORMACIONES LINEALES

La diferencia entre una ecuacin matricial Ax = b y la ecuacin vectorial asociada x 1a1 +

+ xnan = b es slo un asunto de notacin. Sin embargo, una ecuacin matricial Ax = b
puede aparecer en lgebra lineal en una manera que no est directamente relacionada con
combinaciones lineales de vectores.

1 1
4 3 1 3 1 5 4 3 1 3 4 0
[ ][ ] = [ ] y [ ][ ] = [ ]
2 0 5 1 1 8 2 0 5 1 1 0
1 3

A x b A u 0
Desde este nuevo punto de vista, la resolucin de la ecuacin Ax = b equivale a encontrar
todos los vectores x en 4 que se transformen en el vector b en 2 bajo la accin que
representa multiplicar por A.
La correspondencia de x a Ax se denomina funcin de un conjunto de vectores a otro. Este
concepto generaliza el conocimiento usual de funcin como una regla que transforma un
nmero real en otro.
Una transformacin (o funcin o mapeo) T de a es una regla que asigna a cada
vector x en un vector T(x) en . El conjunto se llama dominio de T, y se
llama codominio de T. La notacin T : indica que el dominio de T es y que
el codominio es . Para x en , el vector T(x) en se denomina imagen de x (bajo
la accin de T). El conjunto de todas las imgenes T(x) es llamado rango de T.

La transformacin x Ax tiene las propiedades:

A(u + v) = Au + Av y A(cu) = cAu
Para cada u, v en Rn y todos los escalares c. Estas propiedades, escritas en notacin de
funciones, identifican la clase ms importante de transformaciones del lgebra lineal.
Estas transformaciones son tiles para llevar al sistema a un espacio donde ciertas
Caractersticas propias sean ms fcilmente observadas. Tal vez las ms utilizadas son
aquellas que nos permiten obtener un modelo de estados diagonal (matriz A diagonal) o un
modelo en variables de fase.

DEFINICION
Una transformacin (o mapeo) T es lineal si:
(i) T(u + v) = T(u) + T(v) para toda u, v en el dominio de T;
(ii) T(cu) = cT(u) para toda u y todos los escalares c.

Si T es una transformacin lineal, entonces:

o T (0) = 0
o T (cu + dv) = cT (u) + dT(v)
para todos los vectores u, v en el dominio de T y todos los escalares c, d.

o T (c1v1 + + cpvp) = c1T (v1) + + cpT (vp)

Esta ltima ecuacin se denomina principio de superposicin. Considerando a v1, . . . , vp

como seales que ingresan en un sistema o proceso, y en T(v1), . . . , T(vp) como las
respuestas de ese sistema o proceso a dichas seales. El sistema satisface el principio de
superposicin si al expresar una entrada como una combinacin lineal de tales seales, la
respuesta del sistema es la misma combinacin lineal de respuestas a las seales
individuales.

APLICACIONES DE TRANSFORMACIONES LINEALES

Una compaa fabrica dos productos. Para $1.00 obtenido del producto B, la compaa
gasta $.45 en materiales, $.25 en mano de obra, y $.15 en gastos generales. Para $1.00
obtenido del producto C, la compaa gasta $.40 en materiales, $.30 en mano de obra, y
$.15 en gastos generales. Sean:

0.45 0.40
= [0.25] = [0.30]
0.15 0.15
Donde b y c representan los costos por dlar de ingreso de los dos productos:
a. Qu interpretacin econmica puede darse al vector 100b?
b. Suponga que la compaa desea fabricar x1 dlares del producto B y x2 dlares del
producto C. Proporcione un vector que describa los diversos costos que tendr esta
empresa (por materiales, mano de obra y gastos generales).
SOLUCION
a. Se tiene:
0.45 45
100 = 100 [0.25] = [25]
0.15 15

El vector 100b enlista los diversos costos por generar $100 del producto B a saber, $45
por materiales, $25por mano de obra, y $15 por gastos generales.

b. Los costos de obtener x1 dlares a partir de B estn dados por el vector x1b, y los
costos de obtener x2 dlares del producto C estn dados por x2c. Por lo tanto, el
costo total de ambos productos lo proporciona el vector x1b + x2c.

Se construye una matriz de costo unitario, U = [b c], cuyas columnas describen los
costos de produccin por dlar para los distintos productos:
.
0.45 0.40
= [0.25 0.35]
0.15 0.15

c. Sea x = (x1 , x2 ) un vector de produccin, correspondiente a x1 dlares del producto B y

x2 dlares del producto C, y defina T :2 3 como:

0.45 0.40
() = = 1 [0.25] + 2 [0.35] = [ ]
0.15 0.15

El mapeo T transforma una lista de cantidades de produccin en una lista de costos totales.
La linealidad de este mapeo se refleja de dos maneras:
1. Si, por ejemplo, la produccin se incrementa por un factor de 4, de x a 4x, entonces
los costos se incrementarn por el mismo factor, de T(x) a 4T(x).
2. Si x e y son vectores de produccin, entonces el costo total asociado a la produccin
combinada x + y es precisamente la suma de los vectores de costo T(x) y T(y).

EJEMPLO:
Un asunto de inters para los demgrafos es el movimiento de poblaciones o grupos de
personas de un lugar a otro. Se considerar aqu un modelo sencillo para los
cambios observados en la poblacin de cierta ciudad y sus suburbios durante un periodo de
varios aos. Suponga que los estudios demogrficos muestran que, cada ao, el 5% de la
poblacin de la ciudad se muda a los suburbios (mientras que el 95% permanece en la
ciudad), en tanto que el 3% de la poblacin suburbana se muda a la ciudad (y el otro 97%
se queda en los suburbios). Determine la poblacin de la regin recin descrita para los
aos 2001 y 2002, si la poblacin en el ao 2000 era de 600,000 habitantes en la ciudad y
400,000 en los suburbios.

SOLUCION:
Despus de un ao, la cantidad original r0 de personas residentes en la ciudad se ha
distribuido entre la ciudad y los suburbios de la siguiente manera:

0.950 0.95
[ ] = 0 [ ]
0.050 0.05

Las s0 personas que estaban en los suburbios en el 2000 se distribuyen, despus de un

ao, de la siguiente manera:
0.030 0.03
[ ] = 0 [ ]
0.970 0.97

Los vectores anteriores contabilizan la poblacin total en el 2001:

1 0.95 0.03 0.95 0.03 0
[ ] = 0 [ ] + 0 [ ]=[ ][ ]
1 0.05 0.97 0.05 0.97 0

Entonces: 1 = 0 .()
Donde M es la matriz migracin determinada por:
 :
0.95 0.03
[ ]
0.05 0.97

() describe como cambia la poblacin del ao 2000 al 2001, si los porcentajes de

migracin permanecen constantes, el cambio de 2001 a 2002 estara dado por :
2 = 1

600,000
La poblacin en el ao 2000 es 0 = [ ]. Para el 2001:
400,000
0.95 0.03 600,000 582,000
1 = [ ][ ]=[ ]
0.05 0.97 400,000 418,000
Para el 2002:
0.95 0.03 582,000 565,440
2 = 1 = [ ][ ]=[ ]
0.05 0.97 418,000 434,560

APLICACIN:
Considere la aplicacin
4 3

(; ; ; ) ! ( + ; ; + )
i) Demuestre que T es lineal.
ii) Encuentre bases para Ker(T) .

Solucin:
i)
( + ) = ((1 , 2 , 3 , 4 ) + (1 , 2 , 3 , 4 ))
( + ) = (1 + 1 , 2 + 2 , 3 + 3 , 4 + 4 )
( + ) = ((1 + 1 ) + (2 + 2 ), (2 + 2 ) (3 + 3 ), ( 1 + 1 )
+ (3 + 3 )
( + ) = ((1 + 2 ) + (1 + 2 ), (2 3 ) + (2 3 ), (1 + 3 )
+ (1 + 3 ))
( + ) = (1 + 2 , 2 3 , 1 + 3 ) + (1 + 2 , 2 3 , 1 + 3 )
( + ) = () + ()
ii)

Para encontrar el ncleo, debemos resolver: T(x,y,z,t)=0 es decir:

(x+y , y-z , x+z) =(0,0,0)
x+y=0
x= -r
y-z=0 y= r r R
x+z=0 z= r

= 4 = # (, , , ) = (0,0,0) ()

Valores y vectores propios

Sea T: V V una transformacin lineal. En muchas aplicaciones es til encontrar un

vector v en V tal que Tv y v son paralelos. Es decir se busca un vector:
=
Si v 0 y satisface ,se llama valor propio de T y v se llama un vector propio de T
correspondiente al valor propio .

EJERCICIO APLICATIVO

1. Calcula los valores y vectores propios de la aplicacin f : R3 R3 dada por f(x, y,

z) = (x + y, x + z, y + z).

Solucin:
La imagen de la base cannica es
f(1, 0, 0) = (1, 1, 0), f(0, 1,0) = (1, 0, 1), f(0, 0, 1) = (0, 0, 1)
Y la matriz asociada a f en la base cannica es :
1 1 0 1 1 0
= (1 0 1) 3 = ( 1 0 1 )
0 1 1 0 1 1
Planteamos la ecuacin:
 1 1 0
0 = | 3 | = | 1 0 1 | = 3 + 22 + 2
0 1 1
Sus soluciones son 1 = 1 , 2 = 1 , 3 = 2
Vectores propios asociados a 1 = 1 :
0 0 1 0 =0
= (1
(0) = ( 13 ) 1 1) () + = 0
0 0 1 0 =0
La solucin del sistema es x = , y = 0, z= , R. Entonces los Vectores propios
asociados a 1 = 1 son:
{(, 0,), R, 0}.

Vectores propios asociados a 2 = 1:

Planteamos el sistema de ecuaciones lineales asociado a 1 = 1:
0 2 1 0 2 + = 0


(0) = ( + 13 ) = (1 1 1) () + + = 0
0 0 1 2 + 2 = 0
La solucin del sistema es x = , y = 2, z = , R. Entonces
Los vectores propios asociados a 2 = 1 son
{(,2, ), R, 0}.

Vectores propios asociados a 3 = 2:

Planteamos el sistema de ecuaciones lineales asociado a 1 = 2:
0 1 1 0 + = 0


(0) = ( 23 ) = ( 1 2 1 ) () 2 + = 0
0 0 1 1 =0
La solucin del sistema es x = , y = , z = , R. Entonces los Vectores propios
asociados a 3 = 2 son:
{(, , ), R 0}.

2. El marco de concreto mostrado en la siguiente figura, tiene un peso de 147100N en

cada entrepiso. Las vigas son muy rgidas, la seccin de las columnas es b= 0,30 m x
h= 0,40 m. El concreto tiene un mdulo elstico E=2,171 x 1010 N/m2 . Determine los
periodos y modos de vibrar de la estructura utilizando valores y vectores
caractersticos.
Solucin:
El momento de inercia de las columnas es :
3
= = 0,0016 4
12
La rigidez en cada entrepiso es :
12
=2 3
= 13024767,091

La masa de cada entrepiso es :
147100
= = 15000,25
9,807 2

Las matrices de rigideces y de masas del marco, respectivamente, son:
2 0
=( ); = ( )
0
El problema de valores caractersticos de las matrices de la ecuacin se plantea como:
det( ) = 0
2
( )=0

2,3394314 106 2 3,04716316554 109 + 4,410000004842 1011 = 0

La solucin de la ecuacin es 1 = 331,667 , 2 = 2273,282, estos valores corresponden

a los valores de frecuencia al cuadrado, por lo tanto 1 = 1 = 18,212 2 =


2 = 47,679
2
Tambin podemos hallar el periodo con =
Para determinar los vectores propios se resuelve la ecuacin: ( ). = 0

Para = , :
21074515,776 13024767,091 1 0
( ) .( ) = ( )
13024757,091 8049748,686 2 0
Para = , :
8049748,821 13024767,091 1 0
( ) .( ) = ( )
13024757,091 21074515,912 2 0

La soluciones de la ecuaciones (solucin diferentes a triviales), son :

.
= ( ) = ( )
,

Corresponden a las formas modales del marco.

PROGRAMACION LINEAL

La programacin lineal es el campo de la optimizacin matemtica dedicado a maximizar

o minimizar (optimizar) una funcin lineal, denominada funcin objetivo, de tal forma que
las variables de dicha funcin estn sujetas a una serie de restricciones expresadas
mediante un sistema de ecuaciones o inecuaciones tambin lineales. El mtodo
tradicionalmente usado para resolver problemas de programacin lineal es el Mtodo
Simplex.
= 1 1 + 2 2 + . +

: = 1 + 2
:
11 + 12 (, , =, <, >)1
(, ) 21 + 22 (, , =, <, >)2

1 + 2 (, , =, <, >)
{ 0, 0
 Fig. Puntos de varianza mx. o min, entre otros.

PROBLEMAS APLICATIVOS

1. Se dispone de 600 g de un determinado frmaco para elaborar pastillas grandes y

pequeas. Las grandes pesan 40 g y las pequeas 30 g. Se necesitan al menos tres pastillas
grandes, Y la diferencia de las grandes sobre las pequeas tiene que ser como mnimo 10
pastillas para una buena distribucin a los centros de venta. Cada pastilla grande
proporciona un beneficio de 2 y la pequea de 1 . Cuntas pastillas se han de elaborar
de cada clase para que el beneficio sea mximo?
Sea : # ( 0)
: # ( 0)

= (, )
P.P.L
MAX. = 2 +
RESTRICCIONES:
Disponibilidad 40 + 30 600 4 + 3 6

3
Pastillas grandes {
10
Primer cuadrante 0, 0

GRAFICA
 SOLUCION:

1 = (10.0) 20
= 2 + { 2 (90/7,20,7) 28,57
=
3 = (15,0) 30
Se debe tener 10 pastillas grandes para obtener una ganancia de 30 por paquete.

2. Tres productos son fabricados en una mquina. El tiempo de preparacin de cada

producto es de 2, 3 y 4 minutos respectivamente, y el tiempo de proceso de 3, 2 y 1
minutos. El beneficio aportado por cada producto es respectivamente de 12, 10 y 15 euros.
Se dispone de 100 minutos de mquina y 200 para la preparacin de la misma. Determine
el nmero ptimo de unidades a fabricar de cada artculo.
SOLUCION:
Producto A Producto B Producto C
Preparacin 2 3 4 200
Proceso 3 2 1 100
Beneficio 12 10 15

Funcin ha maximizar:
B = 12x + 10y + 15z
Restricciones:
2x + 3y + 4z 200
3x + 2y + z 100
Agregando las variables de holgura:
2x + 3y + 4z + u =200
3x + 2y + z + v = 100
 x y Z u v B
u 2 3 4 1 0 0 200 1 /4 f1
v 3 2 1 0 1 0 100 f2- f1
-12 -10 -15 0 0 1 0 f3 + 15/4 f1

z 1/2 3/4 1 1/4 0 0 50 F1 - 1/5 f2

v 5/2 5/4 0 -1/4 1 0 50 2/5 f2
-9/2 5/4 0 15/4 0 1 750 F3 + 9/5 f2

z 0 2/4 1 3/10 -1/5 0 40

x 1 1/2 0 -1/10 2/5 0 20
0 7/2 0 33/10 9/5 1 840

3. En un almacn de frutas hay 800 kg de naranjas, 800 kg de manzanas y 500 kg de

pltanos. Para su venta se hacen dos lotes (A y B). El lote A contiene 1 kg de naranjas,
2 kg de manzanas y 1 kg de pltanos; el lote B se compone de 2 kg de naranjas, 1 kg
de manzanas y 1 kg de pltanos. El beneficio por kilogramo que se obtiene con el lote
A es de 1200 y con el lote B de 1400. Determinar el nmero de kilogramo de cada tipo
para conseguir beneficios mximos.
SOLUCION:
Lote A Lote B
Naranja 1 2 < 800
Manzana 2 1 < 800
Pltano 1 1 < 500

Funcin ha maximizar:
B= 1200x + 1400y
x + 2y 800
2x + y 800
X + y 500
Agregando las variables de holgura:
x + 2y + u = 800
2x + y + v = 800
X + y + w = 500
x y u v w B
u 1 2 1 0 0 0 800 1/2f1
v 2 1 0 1 0 0 800 F2 - 1/2f1

w 1 0 0 0 1 0 500 F3 - 1/2f1

-1200 -1400 0 0 0 1 0
F4 + 700f1

y 1/2 1 1/2 0 0 0 400 F1 f3

v 3/2 0 -1/2 1 0 0 400 F2 3f3
w 1/2 0 -1/2 1 0 0 100 2f3
-500 0 700 0 0 1 560000
F4 + 1000f3

y 0 1 1 -1 0 0 300
v 0 0 1 -2 0 0 100
x 1 0 -1 2 0 0 200
0 1000 200 1000 0 2 660000

Para maximizar los beneficios el nmero de kilos debe ser 200 para el lote A y 300 para el
lote B, obteniendo as un beneficio de 660000.
 CONCLUSION
El entendimiento del lgebra lineal se basa en la constante prctica y la aplicacin de
los diversos mtodos aprendidos son de bastante ayuda para poder resolver los
diversos problemas que van apareciendo con el avance de la ciencia, para esto
necesario tener una base slida para poder dar fin a todas los problemas venideros.
BIBLIOGRAFIA

Lay, David C. (2007) LGEBRA LINEAL Y SUS APLICACIONES. PEARSON

EDUCACIN, Mxico
J. de Burgos (2000)lgebra lineal. McGraw-Hill
Grossman (1995)lgebra lineal. McGraw-Hill
Universidad de Chile (2010) Transformaciones lineales
Florey, Francis G. (1979) Fundamentos del algebra lineal y aplicaciones
P. Sanz y otros (1998) Problemas de lgebra lineal. Prentice Hall.
Universidad Politecnica de Madrid (2012) Programacin lineal
Gelacio Jurez, UAM (s.f) Valores y vectores propios
Jeronimo,Gabriela & Sabia, Juan (2008) Algebra lineal