Algebra Lineal Clase
Algebra Lineal Clase
Algebra Lineal Clase
TRABAJOS A REALIZAR
O 3.5 APLICACIONES
O HOME
SITEMAP
1.1 Definición y Origen de los números complejos
Definición:
“El sistema de números complejos C es el conjunto de todas las parejas ordenadas (x, y) de
números reales con dos operaciones binarias, adición +, y multiplicación *, definidas como:
Dos números complejos (x,y) y (u,v) son iguales, si y solo si, x= u y y= v”[1].
z= x + iy
donde x y y son números reales, x se denomina la parte real de z, y la parte imaginaria, e i =-1, el
cual tiene la propiedad que i2 = -1. ”[2].
Origen:
“La primera referencia conocida a raíces cuadradas de números negativos proviene del
trabajo de los matemáticos griegos, como Herón de Alejandría en el siglo I antes de Cristo, como
resultado de una imposible sección de una pirámide. Los complejos se hicieron más patentes en el
Siglo XVI, cuando la búsqueda de fórmulas que dieran las raíces exactas de los polinomios de
grados 2 y 3 fueron encontradas por matemáticos italianos como Tartaglia, Cardano”.
1.2 Operaciones fundamentales con números complejos
“Los números complejos pueden ser sumados, restados multiplicados o divididos (salvo la división por 0 + 0i), las regl
formales y definiciones son iguales a las que usamos con los números reales.
1) a + bi = c + di si y solo si a= c y b = d
5) ”[1].
Conjugado:
Ejemplo:
Suma y resta :
La suma y resta con números complejos se realiza de la misma manera que con números reales.
Ejemplos:
(3 - i) + (2 + 3i) = 5 + 2i
En la multiplicación se siguen las mismas reglas algebraicas que con números reales solo que con números complejos
llegamos a un resultado donde encontramos i 2, donde i2 = -1.
Ejemplos:
Ejemplo:
lo primero que hacemos es calcular el conjugado del denominador, y luego multiplicarlo por la división.
1.3 Potencias de i, módulo de un número complejo.
Potencias de i:
“Se define el módulo de un número complejo como el módulo del vector que lo representa, es decir si z = x + yi, el módulo
de z es
”[3].
Ejemplo:
Z = 3 – 4i
1.4 Forma polar y exponencial de un número complejo
Forma polar:
“Sean r y θ coordenadas polares del punto (x, y) que corresponde a un número complejo no nulo z = x + iy. Como x =
r cos θ e y = r sen θ
z = r(cosθ + i senθ).
En análisis complejo, no se admiten r negativos; sin embargo, como en el Cálculo, θ tiene infinitos valores posibles,
incluyendo valores negativos”[1].
r cosθ = x
r senθ = y
z = 5 – 5i
Forma exponencial:
“La ecuación eiθ = cos θ + i sen θ que define el simbolo eiθ, o exp (iθ), para todo valor real de θ, se conoce como
fórmula de Euler. Si escribimos un número complejo no nulo en forma polar.
z = r(cos θ + i sen θ),
z = reiθ”[1].
Expresión rectangular: Z = x + yi
(El resultado de la operación es -45 pero el punto (5,-5) se encuentra en el cuarto cuadrante, al encontrarse ahí significa que
a 360 se le restara el valor de teta.)
1.5 Teorema de Moivre, Potencias y raíces de números
complejos
“Fórmula de De Moivre se aplica para cualquier número complejo z = r(cosθ + isenθ) y para cualquie
z = rn(cosnθ + isennθ).
”[3].
1ª, 2ª, 3ª, 10ª (décima), 20ª (vigésima),... n-ésima ...
En vez de hablar de la "4ª (cuarta)", "16ª (decimosexta)", etc., si queremos hablar en general decimos la "n-é
Pregunta:
, ¿cuánto es "n"?
Propiedades
Multiplicación y división
Ejemplo:
Suma y restas
“[1].
Ejercicio:
Z=1 n=4
K=0
“Los números complejos surgen ante la imposibilidad de hallar todas las soluciones de las ecuaciones polinó
de tipo.
Dados los valores apropiados de los coeficientes an a a0 , esta ecuación tendrá n soluciones reales si que perm
reescribir el polinomio de la siguiente forma:
IMAGEN 1.2
Sin embargo, ecuaciones incluso tan sencillas como x2 + 1 = 0 desafían esta regla, ya que su solución, q
teóricamente vendría dada por:
IMAGEN 1.3
Que no existe en el campo de los reales ya que la raíz cuadrada no está definida para argumentos negativ
Los números complejos sin embargo permiten ampliar aún más el concepto de "número", definiendo la un
imaginaria o i como i = raíz de -1, lo que significaría que la ecuación anterior sí tendría dos soluciones, que
x1= i y x2= - i.
La introducción de los números complejos permite probar el teorema fundamental del álgebra, que dice q
cualquier ecuación polinómica de grado n tiene exactamente n soluciones complejas.
De esta manera, se define genéricamente un número complejo como un número compuesto por dos partes,
parte real a y una parte imaginaria b, escribiéndose como sigue: z = a + bi.
Con los nú meros complejos se opera como se operaría con productos de sumas ordinarios, teniendo
cuenta siempre que i2 = -1: (a + bi)(c + di) = ac +adi +bci + bdi2 = (ac - bd) + (ad+bc)i.
IMAGEN 1.4
Las matrices y los determinantes son herramientas del álgebra que facilitan el ordenamiento de
datos, así como su manejo. Los conceptos de matriz y todos los relacionados fueron desarrollados
básicamente en el siglo XIX por matemáticos como los ingleses J.J. Sylvester y Arthur Cayley y el
irlandés William Hamilton.
Las matrices se encuentran en aquellos ámbitos en los que se trabaja con datos regularmente
ordenados y aparecen en situaciones propias de las Ciencias Sociales , Económicas y Biológicas.
- Las filas se numeran de arriba hacia abajo y las columnas de izquierda a derecha. En el ejemplo a): La primera
fila de la matriz es la segunda fila es , la primera columna es y la segunda columna es .
Operaciones de transposición: la transpuesta de una matriz A = de orden (m,n) es una matriz de orden
(n,m), que se obtiene intercambiando filas por columna (o l que es igual, columnas por filas).
Suma: Dadas dos matrices del mismo orden A = [ ] y B = se definen la suma como otra matriz C= de igual
orden.
Diferencia: Dadas dos matrices del mismo orden A = [ ] y B = [ ] se definen la diferencia como otra
matriz C=[ ] de igual orden.
Producto por un numero: Dada una matriz y un numero , el producto B = que se obtiene multiplicando
por cada uno de los elementos de la matriz A.
Combinación lineal: Dadas las matrices A = , todas del mismo orden y los números , se dice que la
matriz A + = N, es combinación lineal.
matriz cuadrada.
matriz nula.
matriz cuadrada.
matriz asimétrica
Matriz escalar.
Matriz identidad.
Matriz transpuesta.
En cuanto a la notación, a veces el determinante se escribe con la palabra det, y otras veces se indica sustituyendo los
paréntesis de la matriz por barras verticales.
El determinante de una matriz determina si los sistemas son singulares o mal condicionados. En otras palabras, sirve
para determinar la existencia y la unicidad de los resultados de los sistemas de ecuaciones lineales.
Un sistema singular es cuando en el sistema de ecuaciones se tiene a más de una ecuación con el mismo valor de la
pendiente. Por ejemplo ecuaciones que representan líneas paralelas o ecuaciones que coinciden en los mismos puntos
de graficación.
En un sistema mal condicionado es difícil identificar el punto exacto en que las líneas de las ecuaciones se interceptan.
2.7.- Propiedades de los determinantes
Los determinantes tienen muchas propiedades que pueden facilitar los cálculos. Empezaremos a describir estas
propiedades estableciendo un teorema, del cual deduciremos lo demás. La demostración de este teorema es difíci
se pospondrá para la próxima sección:
2.8.- Inversa de una matriz cuadrada a través
de la adjunta
Definición: Una matriz cuadrada se llama matriz identidad si todos los componentes de su diagonal principal
son iguales a uno y todos los demás componentes que no están en la diagonal principal son iguales a cero. La
matriz identidad se representa con la letra I (la letra i mayúscula).
Definición: Sea A una matriz cuadrada n x n. Entonces una matriz B es la inversa de A si satisface A ∙ B = I
y B ∙ A = I, donde I es la matriz identidad de orden n x n.
Teoremas:
Para hallar la inversa de una matriz cuadrada comenzamos con la matriz A/I, donde I representa la matriz
identidad del mismo orden que la matriz A. Efectuamos operaciones elementales con las filas de A/I hasta que
la matriz A se transforme en la matriz identidad I. Luego la matriz que contiene los componentes a la derecha
de la línea vertical es la inversa de A, esto es, A-1.
2.9.- Aplicaciones de matrices y determinantes
Matrices cuadradas: Una matriz cuadrada es la que tiene el mismo número de filas que de columnas. Se dice que una matriz cuadra
n es de orden n y se denomina matriz n-cuadrada.
Matriz identidad Sea A = (ai j ) una matriz n-cuadrada. La diagonal (o diagonal principal) de A consiste en los elementos a11, a22
ann. La traza de A, escrito trA, es la suma de los elementos diagonales. La matriz n-cuadrada con unos en la diagonal principal y c
cualquier otra posición, denotada por I, se conoce como matriz identidad (o unidad).
A· I = I ·A = A.
Matrices triangulares: Una matriz cuadrada A = (ai j ) es una matriz triangular superior o simplemente una matriz triangular, si tod
entradas bajo la diagonal principal son iguales a cero. Así pues, las matrices.
Matrices diagonales:Una matriz cuadrada es diagonal, si todas sus entradas no diagonales son cero o nulas. Se denota por D = diag
d22, ..., dnn ). Por ejemplo,
son matrices diagonales que pueden representarse, respectivamente, por
Traspuesta de una matriz La traspuesta de una matriz A consiste en intercambiar las filas por las columnas y se denota por AT.
Así, la traspuesta de
1. (A + B)T = AT + BT.
2. (AT)T = A.
4. (AB)T = BTAT.
Matrices simétricas Se dice que una matriz real es simétrica, si AT = A; y que es antisimétrica,
si AT = -A.
UNIDAD 3: Sistema de Ecuaciones Lineales
3x-2y=1
2x+5y+4z=24
en varios contextos).
Sistemas equivalentes.
Definición
Diremos que dos sistemas de ecuaciones son equivalentes si tienen las mismas soluciones.
o Indeterminados: si tienen más de una, en cuyo caso tendrán infinitas soluciones.
Notemos que los sistemas homogéneos tienen siempre, al menos, la solución (0, 0,… ,0)
que recibe el nombre de solución trivial, por ello siempre son compatibles.
El método básico para resolver un sistema de ecuaciones lineales consiste en reemplazar el sistema dado
por un nuevo sistema que tenga el mismo conjunto solución, pero que sea más fácil de resolver.
Eliminar paréntesis.
Dejar todos los términos que contengan a "x" en un miembro y los números en el otro.
Ejemplo:
4x – 2(6x – 5) = 3x + 12(2x + 16)
4x – 12x + 10 = 3x + 24x + 192
4x – 12x – 3x – 24x = 192 – 10
–35x = 182
b) Ecuaciones fraccionarias
c) Ecuaciones literales:
Pueden ser lineales o fraccionarias. Si son fraccionarias, se llevan al tipo lineal, pero en
el paso de reducir términos semejantes se factoriza por "x" para despejarla.
Ejemplo:
y = 3x – 2 y = -x – 6
Ya sabemos que en el caso de una sola recta, todos los puntos que intersecten con
esa recta son llamados solución de la ecuación, sin embargo al tratar con un sistema
de ecuaciones, la situación es diferente. En tal situación para que un punto sea la
solución del sistema de ecuación dado, necesita estar sobre cada recta definida en el
sistema de ecuación dado. Por lo tanto, si nos fijamos en el diagrama siguiente:
El punto resaltado con color rojo no puede considerarse como una solución, ya que no
se encuentra en ninguna de las rectas definidas en el sistema de ecuaciones.
1. Gauss.
2. Gauss Jordán.
3. Determinantes o Regla de Cramer.
4. Adjunta de una matriz.
5. Sustitución.
Solución De Sistemas De Ecuaciones Por El Método de Gauss:
Este método se basa en la idea de reducir la matriz aumentada a una forma que se
resolver el sistema de ecuaciones a simple vista.
Paso 1
Paso 2
Paso 3
Paso 4
Paso 5
Paso 6
Se definió un poco la forma de solución de un sistema de ecuaciones lineales una vez que su matriz au
se dará un procedimiento esquemático
conocido como eliminación de Gauss-Jordán, que puede ser empleado para llevar cualquier matriz
a la forma escalonada reducida.
Paso 1
Paso 2
Paso 3
Matriz Identidad
de cramer:
Los pasos a seguir para calcular los sistemas de ecuaciones según la regla de Cramer son los siguientes
Matriz Inversa:
Una matriz inversa es una matriz que multiplicado por la matriz original obtiene
la matriz de identidad. El inverso de un cuadrado n x n matriz, es otro n x n matriz
denotado por A-1 :
Donde es la n x n matriz identidad. Es decir, multiplicando su inversa una matriz produce una matriz de
identidad. No todas las matrices tiene una matriz inversa. Si el determinante de la matriz es cero
entonces no tendrá una inversa y la matriz se dice que es singular.
Sólo no singular matrices tienen inversas.
En casos simples, es relativamente fácil resolver una ecuación siempre y cuando se satisfagan
ciertas condiciones. Sin embargo, en casos más complicados, es difícil o engorroso obtener
expresiones simbólicas para las soluciones, y por ello a veces se utilizan soluciones numéricas
aproximadas.
1.- En una empresa se fabrica un producto que tiene costo variable de $5 por unidad y costo fijo
de $80,000. Cada unidad tiene un precio de venta de $12. Determine el número de unidades que
deben venderse para que la compañía obtenga utilidades de $60,000.
V = 12(20,000) = 240,000.
Al terminar nos damos cuenta que por este método de sustitución e igualación se puede llegar al
resultado.
Solución
Para determinar las ecuaciones debemos utilizar los tiempos de ensamblado pruebas, e instalación
de programas.
X = 34, Y = 4, Z = 18
34 computadoras Cañón.
4 computadoras Clones.
18 computadoras lentas pero seguras.
UNIDAD 4: Espacios Vectoriales
Un espacio vectorial real V es un conjunto de objetos, denominados vectores, junto con dos operaciones binarias
llamadas suma y multiplicación por un escalar y que satisfacen los diez axiomas enumerados a continuación.
Notación. Si “x” y “y” están en V y si a es un número real, entonces la suma se escribe como
Antes de presentar la lista de las propiedades que satisfacen los vectores en un espacio vectorial deben mencionarse
dos asuntos de importancia. En primer lugar, mientras que puede ser útil pensar en R2 o R3 al manejar un espacio
vectorial, con frecuencia ocurre que el espacio vectorial parece ser muy diferente a estos cómodos espacios
(en breve tocaremos este tema). En segunda instancia, la definición 1 ofrece una definición de un espacio vectorial real.
La palabra “real” significa que los escalares que se usan son números reales. Sería igualmente sencillo definir un
espacio vectorial complejo utilizando números complejos en lugar de reales. Este libro está dedicado principalmente
a espacios vectoriales reales, pero las generalizaciones a otros conjuntos de escalares presentan muy poca dificultad.
[1]
Sea H un subconjunto no vacío de un espacio vectorial V y suponga que H es en sí un espacio vectorial bajo las operaciones de
suma y multiplicación por un escalar definidas en V. Entonces se dice que H es un sub espacio de V.
Existen múltiples ejemplos de sub espacio, sin embargo, en primer lugar, se demostrará un resultado que hace relativamente
sencillo determinar si un subconjunto de V es en realidad sub espacio de V
Un subconjunto no vacio de H de un espacio vectorial V es un sub espacio de V si se cumplen las dos reglas de cerradura:
Es obvio que si H es un espacio vectorial, entonces las dos reglas de cerradura se deberán cumplir. De lo contrario, para
demostrar que es un espacio vectorial, se deberá demostrar que los axiomas i) a x) de la definición cumplen bajo las operaciones
de suma de vectores y multiplicación por un escalar definidas en V. Las dos operaciones de cerradura [axiomas i) y iv)] se
cumplen por hipótesis, como los vectores en H son también vectores en V, las identidades asociativa, conmutativa, distributiva y
multiplicativa [axiomas ii), v), vii), viii), ix) y x)] se cumplen.
Este teorema demuestra que para probar si H es o no es un sub espacio de V, es suficiente verificar que:
x + y y αX están en H cuando x y y están en H y α es un escalar.
3). H es cerrado bajo la multiplicación por escalares. Esto es, para cada
u en H y cada escalar c, el vector cu está en H.
Cualquier vector se puede poner como combinación lineal de otros que tengan
distinta dirección.
α1v1+α2v2+…+αnvn
donde α1v1+α2v2+…+αnvn son escalares se denomina combinación lineal de v1,v2,…,vn.
c1v1+c2v2+…+ckvk=0
Si los vectores no son linealmente dependientes, se dice que son linealmente independientes.
Sean u1, u2, …,uk k vectores en Rn y A la matriz que tiene como columnas a estos vectores, los
vectores son linealmente independientes si el sistema Ax = 0 tiene únicamente solución trivial.
Los vectores son linealmente dependientes si el sistema Ax=0 tiene soluciones no triviales
(solución múltiple).
Si k=n
Los vectores son linealmente independientes si A es invertible
Si k>n
Los vectores son linealmente dependientes.
Dos vectores en un espacio vectorial son linealmente dependientes si uno de ellos es múltiplo
escalar del otro.
Tres vectores en 3 son linealmente dependientes si y sólo si son coplanares, esto es, que están
en un mismo plano.
Teoremas
Un producto interno sobre un espacio vectorial V es una operación que asigna a cada par de
vectores u y v en V un número real <u, v>.
Un producto interior sobre V es una función que asocia un número real ‹u, v› con
cada par de vectores u y v cumple los siguientes axiomas:
Propiedades:
i. (v, v) ≥ 0
ii. (v, v) = 0 si y sólo si v = 0.
iii, (u, v +w) = (u, v)+ (u, w)
iv. (u + v, w) = (u, w)+(v, w)
v. (u, v) = (v, u)
vi. (αu, v) = α(u, v)
vii. (u, αv) = α(u, v)
El producto interior euclidiano es solo uno más de los productos internos que se
tiene que definir en Rn Para distinguir entre el producto interno normal y otros
posibles productos internos se usa la siguiente notación.
1. ‹0, v› = ‹v, 0› = 0
2. ‹u + v, w› = ‹u, w› + ‹v, w›
Aquí se presentan las funciones entre espacios vectoriales que preservan las cualidades de los
espacios vectoriales. Es decir, de funciones que preservan la suma y la multiplicación por escalares.
Nosotros usaremos el concepto de la función para darle un tratamiento a los sistemas de ecuaciones lineales. La
restricción que haremos sera sobre el tipo de funciones: solo estaremos interesados en funciones que preserven las
operaciones en el espacio vectorial. Este tipo de funciones serán llamadas funciones lineales. Primeramente las
definiremos, veremos algunas propiedades generales y después veremos como se aplican estos resultados a sistemas
de ecuaciones.
es lineal.
Entonces :
T es lineal.
Una transformación lineal preserva combinaciones lineales. Veremos que, debido a esto, una
transformación lineal queda unívoca-mente determinada por los valores que toma en los elementos de
una base cualquiera de su dominio.
Teniendo en cuenta que las transformaciones lineales son funciones entre conjuntos, tiene
sentido estudiar la validez de las propiedades usuales de funciones: inyectividad,
suryectividad y biyectividad.
Las transformaciones lineales que verifican alguna de estas propiedades reciben nombres
particulares:
Definición 3.6 Sean V y W dos K-espacios vectoriales, y sea f : V → W una transformación lineal. Se
dice que:
1. f es un monomorfismo si f es inyectiva.
2. f es un epimorfismo si f es suryectiva.
3. f es un isomorfismo si f es biyectiva.
Teorema 1
i. T(0) = 0
ii. T(u - v) = Tu - Tv
Nota. En la parte i) el 0 de la izquierda es el vector cero en V; mientras que el 0 de la
Teorema 2
V, T1v = T2v; es decir T1 = T2.
Ejemplo
Sean V y W dos espacios vectoriales y sea T:V W una transformación lineal. Entonces
Observacion 1. Observe que un T es no vacio porque, de acuerdo al teorema 1, T(0) = 0 de manera que 0 ϵ un T para
cualquier transformación lineal T. Se tiene interés en encontrar otros vectores en V que “se transformen en 0”. De nuevo,
observe que cuando escribimos T(0) = 0, el 0 de la izquierda está en V y el de la derecha en W.
Teorema 4
i.Un T es un subespacio de V.
ii.Im T es un subespacio de W.
Demostracion
ii. Sean w y x en Im T. Entonces w = Tu y x = Tv para dos vestores u y v en V. Esto significa que T(u + v)= Tu + Tv = w + x y
T(∝u) = ∝Tu =∝w. Por lo tanto, w + x y ∝w están en Im T.
Ejemplo 3. Núcleo e imagen de la transformación cero
Las transformaciones cero e identidad proporcionan dos extremos. En la primera todo se encuentra en el núcleo.
En la segunda sólo el vector cero se encuentra en el núcleo. Los casos intermedios son más interesantes.
Entonces x = y = 0. Así, nu T = {(x,y,z):x = y = 0, zϵR}, es decir, el eje z, e Im T = {(x,y,z): z = 0}, es decir el plano xy. Observe
que dim un T = 1 y dim Im T = 2.