Documente Academic
Documente Profesional
Documente Cultură
MATEMTICA III
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
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
Importante
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.
Veamos un ejemplo:
Sea el SEL
y obtenemos la solucin.
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
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.
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
Solucin:
c) Calclese el determinante de
Solucin:
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:
Solucin:
Por tanto,
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 .
V es un espacio
vectorial
W es un espacio
vectorial (PROP)
EJEMPLO
o : {(, )/ 0, }C 2
Basta una regla para que noche cumpla de las 10
Contraejemplo:
= (3,2) 2 2 = (6, 4)
MODELO LINEAL
1. Ajuste lineal: (recta de mnimos cuadrados) se utiliza () = +
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
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]
,
,
, ,
= [ ] =[ ]
, ,
,
[, ]
,
= [ ]=[ ]
= + = .
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
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]
.
= [ ]
.
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
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.
= + = . + .
= + = . + . 44 =
= . + . = . () + . =
.
1. Los siguientes datos muestran los contaminantes atmosfricos (con respecto de cierta
norma de calidad de aire) en intervalos de media hora .
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
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.
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.
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
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
Entonces: 1 = 0 .()
Donde M es la matriz migracin determinada por:
:
0.95 0.03
[ ]
0.05 0.97
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)
= 4 = # (, , , ) = (0,0,0) ()
EJERCICIO APLICATIVO
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}.
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
PROGRAMACION LINEAL
: = 1 + 2
:
11 + 12 (, , =, <, >)1
(, ) 21 + 22 (, , =, <, >)2
1 + 2 (, , =, <, >)
{ 0, 0
Fig. Puntos de varianza mx. o min, entre otros.
PROBLEMAS APLICATIVOS
= (, )
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.
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
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 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