ALGEBRA LINEAL

CONSTRUCCION DEL GLOSARIO

GABRIEL ANTONIO CAJAMARCA SANCHEZ

1049631503
LIDA NORFALIA MONTOYA RODRIGUEZ
1052384182
RUSBEL ALBEIRO DIAZ
SERGIO ALDEMAR PINEDA PARDO
1049621950

TUTORA
VIVIAN YANETH ALVAREZ

CURSO: 208046_19

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
TUNJA
2014
 INTRODUCCION

Durante el desarrollo de la presente actividad, se evidenciara se desarrollarán

las competencias para la identificación de los conceptos característicos del
curso de algebra lineal en lenguaje natural y las expresiones complejas que se
forman cuando éstas se relacionan entre sí, por esta razón se encuentra una
variedad de definiciones las cuales hacen parte del proceso de aprendizaje del
cual nosotros debemos relacionarnos para crear solución a los problemas
planteados y así lograr reforzar y adquirir conocimientos acerca de los temas
que nos brinda el curso, por consiguiente el curso se contempla en 3 unidades
en las cuales se puede comprender que es un vector ,una matriz un
determinante etc., y así generar análisis entre los conceptos relacionándose
entre sí. Desarrollando esta actividad construimos un glosario de términos
deductivos e inductivos, que nos permiten verificar hipótesis así como generar
nuevas, una competencia necesaria, para proponer argumentos válidos en las
preguntas planteadas en diferentes problemas que son planteados en este
mismo.
 GLOSARIO DE ALGEBRA LINEAL

UNIDAD 1

1. VECTORES EN R2          

Este espacio vectorial está formado por el conjunto de vectores de 2

dimensión(es decir con 2 número de componentes). Podemos encontrar un

ejemplo de ellos en los vectores , que son famosos por representar las
coordenadas cartesianas (2,3), (3,4)…

Ejemplo:

2. MATRIZ

Una matriz m×n es una tabla o arreglo rectangular A de números

reales con m reglones (o filas) y n columnas. (Reglones son horizontales y
columnas son verticales.) Los números m y n son las dimensiones de A.

Los números reales en la matriz se llaman sus entradas. La entrada en

reglón i y columna j se llama aij o Aij.
 0 1 2 0 3
1/3 -1 10 1/3 2
A= 3 1 0 1 -3
2 1 0 0 1

3. SUMA DE VECTORES

Para sumar dos vectores libres   y   se escogen como representantes dos
vectores tales que el extremo final de uno coincida con el extremo origen del
otro vector.

4. VECTORES:

 Es una magnitud física  definida por un punto del espacio donde se mide dicha
magnitud y se representa gráficamente así

Casi siempre p y q es forma representativa del punto inicial al punto final y así
p y q serian el vector de R”.
5. DETERMINANTE        

El determinante es una herramienta matemática, se puede encontrar o extraer

un determinante únicamente de las matrices que son cuadradas (tienen igual
número de filas y columnas), y es un número real (en caso de que la matriz sea
real) consistente en la suma de los productos elementales de la matriz.

El orden de un determinante viene dado por el número de filas y columnas que

tenga. Existen diferentes métodos para resolverlos, que veremos a
continuación.

Ejemplo:

6. ESCALAR

 Se aplica a la magnitud física que carece de dirección y se expresa por un solo
número.

Sea   una matriz cualquiera y   un escalar cualquiera el producto entre la

matriz   y el escalar   da como resultado una nueva matriz llamada , la cual
es la matriz que se obtiene al multiplicar cada elemento de la matriz   por el
escalar .

Un caso particular es el del producto entre el escalar,-1, y una matriz

cualquiera  ,   , el cual da como resultado una matriz representada

por   donde   es la matriz opuesta de la matriz   original.

Ejemplo:

Sean
El producto cA es igual a

La cual es la opuesta de A

Sean

El producto entre c y A , , es igual a

7. RESTA DE VECTORES
Para restar dos vectores libres   y   se suma   con el opuesto de  . Las
componentes del vector resta se obtienen restando las componentes de los
vectores.

8.  FACTORIZACIÓN LU

Es una forma de factorización de una matriz como el producto de una matriz

triangular inferior y una superior. Debido a la inestabilidad de este método,
deben tenerse en cuenta algunos casos especiales, por ejemplo, si uno o
varios elemento de la diagonal principal de la matriz a factorizar es cero, es
necesario para multiplicar la matriz por una o varias matrices elementales de
permutación. Método llamado factorización PA = LU o LU con pivote. Esta
descomposición se usa en el análisis numérico para resolver sistemas de
ecuaciones (más eficientemente) o encontrar las matrices inversas.

UNIDAD 2

1. ECUACIÓN LINEAL        

 Una ecuación de primer grado o ecuación lineal significa que es un

planteamiento de igualdad, involucrando una o más variables a la primera
potencia, que no contiene productos entre las variables, es decir, una ecuación
que involucra solamente sumas y restas de una variable a la primera potencia.

Ejemplo: 2x-5y=-3
2. MÉTODO DE GAUSS JORDÁN

Es un método de eliminación que consiste en ir eliminando para determinar las

soluciones de un sistema de ecuaciones lineales, encontrar matrices e
inversas. Un sistema de ecuaciones se resuelve por el método de Gauss
cuando se obtienen sus soluciones mediante la reducción del sistema dado a
otro equivalente en el que cada ecuación tiene una incógnita menos que la
anterior. El método de Gauss transforma la matriz de coeficientes en una matriz
triangular superior. El método de Gauss-Jordan continúa el proceso de
transformación hasta obtener una matriz diagonal.

3. METODO DE LA REGLA DE CRAMER

La regla de Cramer es de importancia teórica porque da una expresión explícita

para la solución del sistema. Sin embargo, para sistemas de ecuaciones
lineales de más de tres ecuaciones su aplicación para la resolución del mismo
resulta excesivamente costosa: computacionalmente, es ineficiente para
grandes matrices y por ello no es usado en aplicaciones prácticas que pueden
implicar muchas ecuaciones. Sin embargo, como no es necesario pivotar
matrices, es más eficiente que la eliminación gaussiana para matrices
pequeñas, particularmente cuando son usadas operaciones SIMD.

4. METODO DE ELIMINACION GAUSSIANA

En forma general este método propone la eliminación progresiva de variables

en el sistema de ecuaciones, hasta tener sólo una ecuación con una incógnita.
Una vez resuelta esta, se procede por sustitución regresiva hasta obtener los
valores de todas las variables.

5. MÉTODO EMPLEANDO LA MATRIZ INVERSA

A partir del teorema podemos evidenciar que es necesario el cálculo de la
adjunta de una matriz así como de su determinante para finalmente hallar la
inversa.

6. PLANO

Es el elemento ideal que solo posee dos dimensiones, y contiene infinitos

puntos y rectas, se representan con una letra mayúscula ubicada en una de las
esquinas, es así que es el conjunto de todos los puntos Q, en los que dado P
(un punto en el espacio) y un vector ñ (diferente de cero) se satisface la
ecuación PQ · ñ= 0.

7. VECTORES EN R3

Un sistema de coordenadas tridimensional se construye trazando un eje Z,

perpendicular en el origen de coordenadas a los ejes X e Y. Cada punto viene
determinado por tres coordenadas P(x, y, z).

Los ejes de coordenadas determinan tres planos coordenados: XY, XZ e YZ.

Estos planos coordenados dividen al espacio en ocho regiones llamadas
octantes, en el primer octante las tres coordenadas son positivas.

x
8. SISTEMA DE ECUACIONES LINEALES

En matemáticas y álgebra lineal, un sistema de ecuaciones lineales, también

conocido como sistema lineal de ecuaciones o simplemente sistema lineal, es
un conjunto de ecuaciones lineales (es decir, un sistema de ecuaciones en
donde cada ecuación es de primer grado), definidas sobre un cuerpo o un anillo
conmutativo.

El problema consiste en encontrar los valores desconocidos de las

variables x1, x2 y x3 que satisfacen las tres ecuaciones.

El problema de los sistemas lineales de ecuaciones es uno de los más antiguos

de la matemática y tiene una infinidad de aplicaciones, como en procesamiento
digital de señales, análisis estructural, estimación, predicción y más
generalmente en programación lineal así como en la aproximación de
problemas no lineales de análisis numérico.

UNIDAD 3

1. ESPACIO VECTORIAL

Un espacio vectorial es una estructura algebraica creada a partir de un

conjunto no vacío, una operación interna (llamada suma, definida para los
elementos del conjunto) y una operación externa (llamada producto por un
escalar, definida entre dicho conjunto y otro conjunto, con estructura de
cuerpo), con 8 propiedades fundamentales.
Ejemplo:

A los elementos de un espacio vectorial se les llama vectores y a los elementos

del cuerpo, Podemos tomar V como el conjunto de los polinomios, y K el de los
números reales. Así, tendríamos la suma de polinomios, elementos de V; y el
producto de un número real por un polinomio, cuyo resultado es otro polinomio.

Sin embargo es necesario que se cumplan una serie de propiedades para

ambas operaciones.

Para la suma de elementos de V, y dados u, v, w elementos de V :

1. La operación es interna, es decir, u+v pertenece a V

2. La suma es asociativa, así, u+ (v+w)= (u+v)+w

3. Existe elemento neutro para la operación suma, es decir, un elemento 0 de V

tal que u+0=0+u=u

4. Existe elemento opuesto, esto es, para todo u, existe otro elemento -u tal
que u+ (-u)=0

5. La operación es conmutativa, y así u+v=v+u

En realidad esta operación dota a V de estructura de grupo beliano, escalares.

2. ESPACIOS GENERADORES

Un sistema generador de un espacio vectorial es un conjunto de vectores que

tienen la propiedad de que cualquier vector del espacio vectorial es
combinación lineal de los vectores del sistema generador.

4. ESPACIOS DE VECTORES LIBRES

En la recta todo vector libre no nulo es un sistema generador, a la vez que un
conjunto libre, luego se trata de una base. Por ello la dimensión de la recta vale
1 todo conjunto de dos o más vectores es ligado.

Como consecuencia del teorema que relaciona el rango de una matriz con su
número de columnas y la dimensión del espacio nulo, tenemos el siguiente.

Una rotación de un ángulo θ en el plano R2 es un ejemplo de

transformación lineal. Para encontrar la matriz correspondiente, observamos el
efecto de tal rotación en la base canónica de R2 La matriz correspondiente es:

A= Cos 0 -sin 0

Sin 0 cos 0

Cos O Sin O

Sin O cos O

5. NULIDAD DE UNA MATRIZ

Dada una matriz de orden nxm, se puede considerar tres espacios verticales de
interés asociados a dicha matriz:

-Espacio Renglón de A

-Espacio Fila de A

-Espacio Nulo de A

Estos espacios se denominan espacios matriciales fundamentales asociados

con la matriz A. El espacio renglón A y el espacio nulo de A son subespacios
de Rn y el espacio columna de, tiene la misma dimensión. Se define a este
valor como el Rango de la Matriz de A. La dimensión del espacio nulo de A, se
denomina Nulidad de una Matriz y se denota por nulidad(A). Si A es una matriz
cuadrada de orden n:

Rango (A) = número de variables principales que hay en la solución del

sistema A.X = 0.

Nulidad(A) = números de parámetros que hay en la solución de A.X= 0.

6. VARIABLES DE HOLGURA O EXCEDENTE

Son variables que se agregan a la restricción para que la relación de la

restricción sea de igualdad (representa el valor que le hace falta al lado
izquierdo para ser igual al lado derecho). Ambos tipos de variables tienen que
cumplir con la restricción de no negatividad.

7. VECTOR PROPIO Y VALOR PROPIO

En álgebra lineal, los vectores propios, autovectores o eigenvectores de

un operador lineal son los vectores no nulos que, cuando son transformados
por el operador, dan lugar a un múltiplo escalar de sí mismos, con lo que no
cambian su dirección.

8. LA SUCESIÓN DE FIBONACCI

 (A veces mal llamada serie de Fibonacci) es la siguiente sucesión infinita

de números naturales:

1,1,2,3,5,8,13,21,34,55,89,114,233,377…

La sucesión comienza con los números 1 y 1,1 y a partir de estos, «cada

término es la suma de los dos anteriores», es la relación de recurrencia que
la define.
9. CADENA DE MÁRKOV

En la teoría de la probabilidad, se conoce como cadena de Márkov o modelo de

Márkov a un tipo especial de estocástico discreto en el que la probabilidad de
que ocurra un evento depende solamente del evento inmediatamente anterior.
Esta característica de falta de memoria recibe el nombre de propiedad de
Markov.

 
 CONCLUSIONES

Gracias al estudio de cada una de las unidades que presenta el módulo de

Algebra Lineal, estaremos en la capacidad de aplicar acertadamente, el análisis
de términos para crear conocimiento acerca del tema.

En esta actividad aprendimos cómo es tan importante conocer cada uno de los
conceptos que nos brinda el curso, para tener un proceso de aprendizaje
donde tengamos los puntos clave para entender los temas que son importantes
para la solución de problemas.

Con el curso de Algebra lineal nos podemos dar a la tarea a una mejor
investigación, al desarrollar y establecer principios fundamentales en formas
precisas, esto lleva a que podamos determinar si algunas definiciones son
complejas mediante habilidades cognitivas, por esta razón lo llevamos a
nuestras áreas de conocimiento para reforzar nuestro aprendizaje académico,
siendo este indispensable para solución de interrogantes cuando nos
relacionemos con nuestra carrera y lo pongamos en uso.

También en el desarrollo de esta actividad pudimos conocer los temas de las

tres unidades las cuales son de gran importancia porque complementan al
módulo de Algebra Lineal de forma precisa, lo cual hace que el estudiante se
relacione y comience a crear un aprendizaje autónomo que lo lleve a
enriquecer conocimientos para consolidar buenas ideas que le permitan
desarrollar los ejercicios planteados por el modulo.