Guía de Ejercicios Prácticos de ALGEBRA LINEAL

Gua prctica de Algebra Lineal
CAPITULO I. INTRODUCCIN
1.1 Antecedentes.
En el plan 90 o Modelo rgido de las Facultades de Ingeniera la materia de Algebra Lineal como tal no exista, pero si se abordaba de alguna manera en las diversas materias que se impartan, por ejemplo en Matemticas II para Ingeniera en Electrnica y Comunicaciones o en Matemticas III para Ingeniera Qumica. Cuando se imparta esta materia los maestros se apoyan en diversos autores, como el Francis Florey o Stanley I Grossman pero en ningn momento se elabor un material especfico que le pudiera servir de apoyo a los estudiantes. Hoy da la Experiencia Educativa se recomienda llevarla en el primer periodo o segundo y se supone que los chicos ya traen algunas nociones del bachillerato en cuanto a la resolucin de sistemas de ecuaciones lineales, clculo de determinantes y vectores, etc., con esta informacin el estudiante aborda sin mucho problema las primeras dos unidades: matrices y determinantes y resolucin de sistemas de ecuaciones lineales, pero cuando llega a los temas fuertes del algebra lineal, como: espacios vectoriales, espacios con producto interno, transformaciones lineales y valores propios el estudiantes se pierde, ya que en estos temas se parte de una definicin formal, que el estudiante debe aprender a usar para demostrar propiedades de estos objetos. Se ha detectado en algunas investigaciones que una de las dificultades del aprendizaje del lgebra lineal est en esta manera de proceder, ya que si un estudiante no comprende bien una definicin entonces ese estudiante tendr problemas para entender conceptos, resolver problemas y demostrar propiedades asociadas a esa definicin ( Sierpinska, 1996, Dorier, 2002, etc.).
Para su enseanza en la actualidad existen infinidad de softwares (Derive, Mathematica, MatLab, MathCad, etc.) y calculadoras que ayudan a los estudiantes a resolver de una manera ms rpida diversos clculos algebraicos. Pero a pesar de esto los ndices de aprobacin en esta
experiencia no son muy halagadores, por esta razn se debe de buscar alternativas de apoyo tanto a estudiantes como maestros.
1.2 Justificacin
A partir de 1998 la Universidad Veracruzana empieza una reforma curricular buscando un nuevo modelo educativo que respondiera a la necesidad de actualizar su papel en el sistema de educacin superior nacional, ya que se les reclama a las universidades mayor eficiencia y racionalidad y, al mismo tiempo calidad y pertinencia social en la educacin que se imparte. (Jeny Beltran Casanova, propuesta del nuevo modelo educativo).
Para responder a esta demanda en Agosto del 2004 entra en vigor un nuevo Modelo Educativo en el rea tcnica. Este nuevo modelo llamado MEIF (Modelo Educativo Integral y Flexible) est centrado en el estudiante,
buscando su formacin integral y armnica, a travs de un aprendizaje (basado en competencias) permanente en los diversos mbitos de su quehacer profesional y de su vida personal.
Con la finalidad de formar alumnos autnomos y que el maestro sea ahora un facilitador del aprendizaje, se empieza a trabajar en el desarrollo de materiales que auxilien al estudiante a aprender por si solos, tal es el caso de la gua de ejercicios prcticos
1.3 Objetivo Hoy da las facultades del rea-Tcnica est buscando el consolidarse como programas de calidad y para esto se debe acceder a nivel 1 de CIEES (Comits Interinstitucionales para la Evaluacin de la Educacin Superior) lo cual implica cumplir con una serie de indicadores, dentro de los cuales se encuentra la produccin de materiales didcticos que apoyen al estudiante, razn por la cual el objetivo de este trabajo es:
Elaborar una gua de ejercicios prcticos de Algebra Lineal que les sirva de apoyo a los estudiantes que cursen dicha materia. 2
1.4 Caractersticas y funciones esenciales Las funciones esenciales de esta gua de ejercicios prcticos son: 1. Servir de apoyo didctico a los maestros que impartan dicha experiencia 2. Ser un apoyo de consulta para los estudiantes que estn cursando Algebra Lineal. 3. Servir de complemento a la bibliografa recomendada por el maestro.
Sus caractersticas son: 1. Estar redactada en un lenguaje claro y sencillo (de estudiante a estudiante). 2. Indicar la resolucin de ejercicios paso a paso. 3. Proporcionar un software libre que apoya la resolucin de sistemas de ecuaciones lineales, graficacin de la solucin de sistemas de ecuaciones lineales 2x2 y 3x3, clculo de determinantes, multiplicacin matricial e inversa de una matriz, espacios vectoriales y espacios con producto interno. 4. Proporcionar una serie de ejercicios para resolver que sirven como una retroalimentacin a los temas vistos.
CAPITULO II. MATRICES Y DETERMINANTES

2.1 Concepto de matriz
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. Una matriz A de m x n es un arreglo rectangular de nmeros acomodados en m renglones (filas o hileras) y n columnas:
El orden de la matriz anterior se indica cmo m x n. A menos que se indique lo contrario se considera que los elementos de una matriz son reales. La componente ij-sima de A, denotado por aij, es el nmero que aparece en el i-simo regln y la j-sima columna de A. Ocasionalmente, la matriz A A= (aij). Las matrices se identifican mediante letras maysculas y se escribir
los elementos con letras minsculas. Si A es una matriz de m x n con m = n, entonces A recibe el nombre de matriz cuadrada. Una matriz de m x n en la que todas sus componentes son ceros se llama matriz cero. Los elementos de una matriz se pueden representar entre parntesis o corchetes. EJEMPLO 1.- Matrices de diferentes ordenes.
1)
2)
3)
4)
5) EJEMPLO 2.- Componentes de una matriz. Hallar las componentes 1) a12; 2) a31 y 3) a22 de:
Solucin: a12 = 3 as de manera similar a31 = 6 y a22 = -4. EJERCICIOS PROPUESTOS Hallar las componentes 1) a33; 2) a13 y 3) a11 de la siguiente matriz
2.2 Operaciones con matrices y sus propiedades Igualdad de Matrices

Definicin de la igualdad de matrices Dos matrices A=[aij] y B=[bij] son iguales si y solo si tienen el mismo orden (m x n) y aij= bij para 1 i m y 1 j n. EJEMPLO 3.- Igualdad de Matrices. 1) Encuentre los valores de a11, a12, a21 y a22 en la siguiente igualdad matricial.
Solucin: Dado que dos matrices son iguales slo si sus elementos correspondientes son iguales, se concluye que a11 = 5, a12 =-6, sean iguales. a21 =-1 a22 =8.
2) Encuentre los valores de x, y, z y w para que las siguientes matrices
Son iguales si y solo si x + 3 = 0; y 2 = -10; z = -8; w -1 = 1 de donde x = -3; y = -8; z= -8; y w = 2.
Suma de Matrices
Definicin de Suma de Matrices Si A= [aij] y B=[bij] son matrices de orden m x n, entonces sus suma es la matriz m x n definida como A+B= [aij+ bij]. Nota: La suma de dos matrices de rdenes diferentes no est definida. EJEMPLO 4.- Suma de Matrices 1) 2) 3)
4) L a suma de son del mismo orden.
no est definida, porque no
Software Matemtica
Es un conjunto de herramientas que le ayudarn a conseguir que le ayudarn a conseguir que el aprendizaje de las matemticas resulte ms fcil. Dicho
software cuenta con una gua en flash que explica de manera breve lo que este puede hacer, como la de evaluar expresiones algebraicas, realiza
representaciones de graficas tanto en 2D como 3D y resolucin de ecuaciones, entre otras cosas.
EJEMPLO USANDO MATEMATICA Suma de matrices:
Multiplicacin por Escalar

Definicin de Multiplicacin Escalar Si A = [aij] es una matriz m x n y c es un escalar, entonces la multiplicacin de la matriz por el escalar c es la matriz m x n definida por cA = [caij]. Para representar el producto escalar (-1)A se usa A Si A y B son del mismo orden, entonces A B representa la suma de A y (-1)B. Es decir, la resta de matrices A B.
EJEMPLO 5.- Multiplicacin por un Escalar y Resta de Matrices. Para las matrices y Encontrar 1. 3 A 2. B 3. 3 A B. Solucin: 1.
2.
3.
Observacin: A menudo es conveniente reescribir la multiplicacin escalar cA factorizando c en todos los elementos de la matriz. Por ejemplo, a continuacin se observa que el escalar se ha factorizado.
EJEMPLO USANDO MATEMATICA Multiplicacin por escalar:
Propiedades de la suma y multiplicacin por un escalar Sean A, B y C matrices de orden m x n, k y m escalares cualquiera, entonces la suma y multiplicacin por escalar cumplen con las siguientes propiedades: Propiedades para la suma 1. Propiedad cerradura 2. Propiedad conmutativa 3. Propiedad asociativa 4. Propiedad del elemento neutro. 5. Propiedad del elemento inverso.
A + B M mxn A+ B = B + A A + (B + C) = (A + B) + C A+0=0+A=A A + (-A) = -A + A = 0
Propiedades para la multiplicacin por escalar 1. Propiedad de cerradura kA M mxn 2. (km)A = k(mA) = m(kA) 3. Propiedad distributiva para la suma por escalar (k + m)A = kA + kA 4. Propiedad distributiva para la suma matricial k(A + B) = kA + kB 5. Sea 1A = A1 = 1
Multiplicacin de Matrices La tercera operacin bsica es la multiplicacin de matrices. A primera vista, la siguiente definicin puede parecer inusual. Sin embargo, como se ver
despus, esta definicin del producto de dos matrices tiene muchas aplicaciones prcticas. Definicin de Multiplicacin de Matrices Si A =[aij] es una matriz m x n y B =[bij] es una matriz n x p, entonces el producto AB es una matriz m x p, dada por AB = [cij] Donde
Esta definicin significa que el elemento en el i-simo regln y en el j-sima columna del producto AB se obtiene al multiplicar los elementos del i-simo rengln de A por los elementos correspondientes de la j-sima columna de B y luego los resultados se suman. Este proceso se ilustra con el siguiente ejemplo. Nota: Para que 2 matrices A y B se puedan multiplicar el nmero de columnas de A debe ser igual al nmero de filas de B. Encuentre el producto AB, donde
Solucin: Primero, observe que el producto AB est definido porque el orden de A es 3 x 2 y el de B es 2 x 2. Adems, el producto AB ser de orden 3 x 2 y es de la forma . Para determinar c11 (el elemento en el primer rengln y en la primera columna del producto), se multiplica los elementos correspondientes en el primer rengln de A y en la primera columna de B. Es decir,
Y as sucesivamente
10
Entonces matriz producto EJEMPLO 6.- Multiplicacin de Matrices. 1)
2) 3) 4)
5) Observacin: Ntese la diferencia entre los productos en los incisos 4) y 5) del ejemplo 6. En general, la multiplicacin de matrices no es conmutativa. Es decir, casi nunca es cierto que el producto de AB sea igual al producto BA. EJEMPLO USANDO MATEMATICA
11
Multiplicacin de dos matrices que tiene diferente orden.
EJERCICIOS PROPUESTOS Efectu el clculo indicado con 1) A+3B 2) 2A-B 3) 3B 4) Hallar una matriz C tal que Multiplica las siguientes matrices. 1) sea la matriz cero de 3 x 2.
2)
12
2.3 Aplicaciones de Matrices

Aplicacin de la multiplicacin de matrices. EJEMPLO 7.- Anlisis de precios de comestibles. Suponga que uno quiere comparar el costo total de ciertos comestibles. La siguiente tabla, que puede ser vista como una matriz, que da el costo en centavos de una libra de cada uno de los productos en tres supermercados.
Si se compra 5 libras de carne, 3 lb de pan 10 lb, de papas, 4 lb de manzanas, y 2 lb de caf, podemos representar las cantidades compradas por la matriz.
El costo total est dado por el producto
Veamos que el costo total en el supermercado 2 es 9 centavos ms bajo que en el supermercado1 y 20 centavos menor que en el supermercado 3. En este caso las matrices, brindan una forma conveniente y resumida de enunciar y resolver el problema. La multiplicacin matricial tambin es utilizable para obtener la potencia de una matriz cuyo proceso se ilustra con el ejemplo siguiente. EJEMPLO 8.- Para la matriz hallar
13
Y as sucesivamente. En general se puede decir que A n EJEMPLO USANDO MATEMATICA Calcule , donde .
A n 1 A para
Calcule
, donde
EJERCICIOS PROPUESTOS 1) Calcule 2) Calcule 3) Calcule donde , donde , donde . . .
2.4 Tipos de Matrices.

Hay algunas matrices que aparecen frecuentemente y que segn sus caractersticas reciben nombres diferentes: Matriz Fila: Aquella matriz que tiene una sola fila, siendo su orden1 x n. EJEMPLO 9.-
Matriz Columna: Aquella matriz que tiene una sola columna, siendo su orden m x 1.
14
EJEMPLO10.-
Matriz Traspuesta: Dada una matriz A, se llama traspuesta de A a la matriz que se obtiene cambiando ordenadamente las filas por las columnas. Se representa por At AT. Si A= (aij) mn , su transpuesta es At = (aij) nxm. EJEMPLO 11.- Hallar la transpuesta de la matriz
Propiedades de la Matriz Transpuesta. Supngase que A = (aij) es una matriz de n x m y que B = (bij) es una matriz de m x p. Entonces, i. ii. (AB)t = BtAt iii. Si A y B son de n x m, entonces (A + B)t = At + Bt. Matriz Nula: Si todos sus elementos son cero. Tambin se denomina matriz cero y se denota por . EJEMPLO 12.-
Matriz Simtrica: Es una matriz cuadrada que es igual a su traspuesta. A = At, aij = aji. EJEMPLO 13.observando que ambas matrices son iguales. Matriz Antisimtrica: Es una matriz cuadrada que es el negativo de su traspuesta. 15
A = -At, aij = -aji Necesariamente aii = 0. EJEMPLO 14.-
Matriz Identidad: Es una matriz cuadrada que tiene todos sus elementos nulos excepto los de la diagonal principal que son iguales a 1. Tambin se denomina matriz unidad. EJEMPLO 15.-
Matriz Triangular: Es una matriz que tiene todos los elementos por encima o por debajo de la diagonal principal nulos, de acuerdo a esto se llama T. inferior T. superior respetivamente. EJEMPLO 16.1. Triangular superior
2. Triangular inferior
Matriz Normal: Una matriz es normal si conmuta (en la multiplicacin) con su traspuesta. Las matrices simtricas, antisimtricas son necesariamente normales.
EJEMPLO 17.-
16
EJEMPLO USANDO MATEMATICA Obtencin de la transpuesta de una matriz de 3 x 2:
EJERCICIOS PROPUESTOS Encuentre la transpuesta de las siguientes matrices: 1)
2)
3) Determine los nmeros
tales que
sea simtrica.
17
4) Llena los espacios faltantes para que la matriz antisimtrica.
sea
2.5 Inversa de una matriz

Matriz Inversa: Decimos que una matriz cuadrada A tiene inversa denotada como A-1, si se verifica que A A-1 = A-1 A = I y cumple con las siguientes propiedades:
i. Sean A y B matrices invertibles. Entonces si AB es invertible se cumple que (AB)-1 = B-1A-1. ii. Si A es invertible, entonces At tambin es invertible y (At)-1 = (A-1)t. NOTA:
Para obtener una matriz inversa se manejan dos mtodos: operaciones elementales y determinantes. Mtodo de Operaciones Elementales. Para llevar a cabo este mtodo se sigue el siguiente procedimiento: Paso 1. Escrbase la matriz aumentada (A I). Paso 2. Utilcese la reduccin por renglones con el objetivo de reducir la matriz Paso 3. Decdase si A es invertible. a. Si A se puede reducir a la matriz identidad I, entonces A -1 ser la matriz que aparece a la derecha de la barra vertical. b. Si la reduccin por renglones de A lleva a un rengln de ceros a la izquierda de la barra vertical, entonces A no es invertible. Para llevar a cabo la reduccin por renglones se tiene que utilizar las operaciones elementales de regln que son. i. Multiplicar (o dividir) un regln por (o entre) un nmero distinto de cero. 18
ii. Sumar el mltiplo de un rengln a otro regln. iii. Intercambiar dos renglones. EJEMPLO 18.- Sea , calclese A-1 si existe.
Primero se escribe la matriz aumentada.
Y luego se efecta la reduccin por renglones:
Como A se ha reducido a I, se tiene
se factoriza
a fin de facilitar los clculos.
Comprobacin
19
PRECAUCIN. Como es muy fcil cometer errores numricos al calcular A -1, es muy importante comprobar los clculos asegurndose de que . EJEMPLO 19.- Sea Solucin: . Calcule A-1, si existe.
As,
Comprobacin
EJEMPLO 20.- Una matriz que no es invertible. Sea Calcule A-1, si existe. Solucin: Procediendo como en el ejemplo anterior se tiene
20
Hasta aqu puede llegarse. La matriz A no se puede reducir a la matriz identidad, por lo que se concluye que A no es invertible. EJEMPLOS USANDO MATEMATICA Inversa de una matriz de 3 x 3:
Matriz que no tiene inversa:
EJERCICIOS PROPUESTOS Calcular la inversa de las siguientes matrices: 1)
2)
3)
21
2.6 Determinante de una matriz.

Se definir el determinante de una matriz n x n como una funcin que le asigna a una matriz de orden n, un nmero real llamado el determinante de la matriz. Si A es una matriz de orden n, el determinante de la matriz A lo denotaremos por det(A) o tambin por A (las barras no significan valor absoluto). y para su
El determinante de una matriz de orden 2 esta dado por
calculo es el producto de los elementos de la diagonal principal menos el producto de la diagonal secunadaria, esto es
EJEMPLO 21.-Hallar el valor de:
EJEMPLO USANDO MATEMATICA Hallar el determinante de la matriz
EJERCICIOS PROPUESTOS Hallar el valor de: 1)
2)
3)
22
2.7 Evaluacin de una determinante 3 x 3 (regla de Sarrus).

La regla de Sarrus permite calcular determinantes de orden 3 de una manera bastante fcil y sencilla recibe su nombre del matemtico francs Pierre Frdric Sarrus. Paso 1: Escriba la matriz A y enseguida las primeras dos columnas de A como se muestra a continuacin.
Paso 2: Calcule los productos indicados por las flechas. Los productos correspondientes a las flechas que se dirigen hacia abajo se toman con signo positivo, mientras los productos correspondientes a las flechas que se dirigen hacia arriba se toman con signo negativo. EJEMPLO 22.- Calcular el siguiente de terminante de orden 3.
1)
2)
Nota: Esta regla solo aplica a determinantes de orden 3x3
23
EJEMPLO USANDO MATEMATICA
Hallar el determinante de la matriz
EJERCICIOS PROPUESTOS Encontrar el valor de los siguientes determinantes: 1)
2)
3)
2.8 Obtencin de un determinante por Mtodo de Cofactores.

Cuando se requiere obtener el valor de un determinante de orden mayor a 3 se recomienda utilizar el mtodo de cofactores o de propiedades de determinantes. Mtodo de cofactores Para aplicar este mtodo primero se definirn algunos conceptos previos: Una Submatriz aij es la que se obtiene al eliminar la fila i y columna j de la matriz .
24
Por ejemplo dada la matriz . El cofactor est dado por esta dado por
su submatriz
est dada por
Por ejemplo el cofactor .
Para obtener el valor de un determinante por el mtodo de cofactores se utiliza una expansin que puede ser por filas o por columnas y que consiste en la suma de los productos de los elementos de la fila o columna por sus correspondientes cofactores. EJEMPLO 23.- Hallar el determinante de de cofactores. Resolviendo por expansin en la primera fila: Donde utilizando el mtodo
Sustituyendo se tiene que
EJEMPLO 24.- Hallar el determinante de la siguiente matriz, utilizando cofactores.
Por expansin fila 4
25
Nota: para mayor facilidad en la aplicacin de este mtodo utilizar aquella fila o columna que tenga ms elementos nulos.
Ejemplo 25.- Hallar el determinante de la siguiente matriz
Por expansin en columna 1
Donde
El cual al ser calculado por expansin en fila 4 nos queda
26
Entonces
EJEMPLOS USANDO MATEMATICA
Calcular el determinante de
Calcular el determinante de
EJERCICIOS PROPUESTOS Hallar el determinante de las siguientes matrices:
1)
27
2)
3)
2.9 Propiedades de los determinantes.

Algunas propiedades importantes que tienen los determinantes, y que se enuncian sin demostracin, son: 1. Si una matriz tiene una lnea (fila) o columna de ceros, el determinante vale cero. Esta propiedad es evidente, puesto que por definicin de determinante, basta elegir dicha lnea para desarrollar y el determinante ser 0. 2. Si una matriz tiene dos filas (o columnas) iguales o proporcionales, su determinante es nulo. 3. Si intercambiamos dos filas (o columnas) de una matriz cuadrada, su determinante cambia de signo, por ejemplo:
intercambiando la fila 3 con la 4 se tiene
4. Si multiplicamos todos los elementos de una fila (o columna) de un determinante por un nmero, el determinante queda multiplicado por ese nmero. Por ejemplo:
28
Sabemos que entonces
si multiplicamos la fila dos
por 2
5. El determinante de una matriz es igual al de su traspuesta,
6. El determinante de una matriz triangular superior es igual al producto de los elementos situados en la diagonal principal.
7. Si a una fila (o columna) de una matriz se le suma otra fila (o columna) multiplicada por un nmero, el determinante no cambia. Esta propiedad permite utilizar un mtodo ms sencillo para calcular determinantes de orden mayor que 3. Una estrategia a tener en cuenta en este caso de determinantes de orden 4 o superior, o incluso de orden 3 si la matriz es compleja, es el mtodo de hacer ceros, puesto que el valor del determinante no vara al realizar a la matriz ciertas transformaciones elementales en filas (o columnas), como indica la propiedad 6 anterior, si bien hemos de ser cuidadosos al aplicar dicha propiedad. As pues la mejor forma de calcular un determinante es hacer ceros en una fila o columna y desarrollar por dicha fila o columna, porque entonces slo tendremos que calcular un cofactor. EJEMPLO 26.- Obtener el valor del determinante propiedades. Utilizando al 1 (de la posicin ) como elemento pivote se tiene que: utilizando
Multiplicando la fila 2 por -2 y sumndoselo a la fila 3 y que el cambio vaya a parar a la fila 3, al mismo tiempo multiplicando la fila 2 por -3 y sumrselo a la fila 4 y que el cambio valla a la fila 4, se obtiene 29
El cual se puede resolver por cofactores por expansin en la columna 1, resultando
Donde
Con lo que Como hemos dicho, hemos de tener especial cuidado al aplicar esta regla con determinantes, puesto que no podemos hacer las mismas operaciones que con las matrices, lo que puede confundir.
EJEMPLO 27.- Si queremos calcular el determinante de
Mediante la regla de Sarrus es:
O bien haciendo ceros en la primera columna, multiplicando por -4 la fila uno y sumndole este resultado a la fila 3 se tiene
Utilizando cofactores por expansin en la columna 1 se llega a
Lo que es correcto. Sin embargo, si queremos hacer cero el 1 de la primera columna sera un error hacer -1 por la fila 3 y sumrselo a 4 por la fila 1, quedando 30
que al ser resultado por cofactores por expansin en la columna 1 queda como No obtenemos lo mismo, porque hemos multiplicado la fila sustituida por un nmero y eso altera el valor del determinante. Luego la fila a sustituir conviene no multiplicarla, como en el primer ejemplo, puesto que si no nos damos cuenta, podemos variar el valor del determinante. EJERCICIOS PROPUESTOS Utiliza propiedades de determinantes para encontrar el valor de:
1)
2)
3)
2.10 La inversa por determinantes

Hay una estrecha relacin entre la inversa de una matriz cuadrada y su determinante. De hecho se verifica que: Propiedad: Una matriz cuadrada A tiene inversa s y solo s |A| 0.
31
Adems, en este caso, la matriz inversa de de la manera:
, denotada como
se calcula
Donde denota la matriz adjunta de A, es decir, aquella que se obtiene al trasponer la matriz de cofactores.
EJEMPLO 28.- Calcular, si es posible, la inversa de la matriz
En primer lugar,
y por tanto
tiene inversa.
Calculando ahora la matriz de cofactores
Donde
Con lo que
y por lo tanto
De donde
32
EJEMPLO 29.- Calcula la inversa de la matriz
En primer lugar,
y por lo tanto A tiene inversa.
Calculando ahora la matriz del cofactores
Donde
Con lo que
y por lo tanto
De donde
33
EJEMPLO USANDO MATEMATICA
EJERCICIOS PROPUESTOS Calcula si es posible la inversa de las siguientes matrices: 1)
2)
3)
CAPITULO III. SISTEMAS DE ECUACIONES LINEALES
3.1 Introduccin A Sistemas De Ecuaciones Lineales

La mayora de las preguntas que se presentan en ingeniera, fsica, matematicas, economa y otras ciencias se reducen al problema de resolver un problema lineal. Se denomina sistema de de ecuaciones de la forma: -ecuaciones lineales con -incognitas a un sistema
34
Los nmeros sistema, y
son los coeficientes del son los trminos constantes. Si todos los trminos
constantes son cero, el sistema se llama homogneo. Los sistemas lineales admiten una sencilla representacin matricial. As, podemos denotar siendo:
Una solucin (particular) de una ecuacin es una sucesin de nmeros que, cuando se sustituyen en las variables, produce una ecuacin que es una identidad. El conjunto de todas las soluciones particulares se llama conjunto solucin. Para describir todo el conjunto solucin de una ecuacin lineal, a menudo se utiliza una representacin paramtrica. Un sistema de ecuaciones puede clasificarse segn el nmero de soluciones de la siguiente manera:
35
Solucion De Un Sistema De Ecuaciones Lineales
Tiene Una O Mas Soluciones
No Tiene Solucion
COMPATIBLE
INCOMPATIBLE
Solucion Unica
Infinitas Soluciones
DETERMINADO
INDETERMINADO
A manera de introduccin examinaremos un sistema
de la forma
Cada ecuacin puede representarse de forma grafica como una recta en el plano. La pareja ordenada ser una solucin del sistema si y solo si
yace en ambas rectas. Por ejemplo, considrense los sistemas
Soluciones: a) Este sistema tiene exactamente una solucin, y . Esto se
puede interpretar que en el punto (1,0) las rectas se intersecan. El punto verde en la grafica es el punto de interseccin.
36
b) Este sistema no tiene solucin ya que es imposible que la uma de dos nmeros sea 2 y 1 a la vez, esto quiere decir que se trata de 2 rectas paralelas, o sea, nunca habr punto de interseccin. c) Este sistema tiene infinitas soluciones, o sea que se trata de dos rectas que estn una sobre otra (coincidentes), es por eso que se encuentran infinitos puntos de unin. Por esta misma razn solo se ve una recta en lugar de dos. A continuacin se presentan las 3 soluciones graficas de los incisos anteriores.
a)
b)
c)
Ya con una introduccin de los sistemas de ecuaciones lineales, se profundiza en sus mtodos de resolucin. A continuacin se explicara cada mtodo y se vern algunos ejemplos para reforzar el entendimiento.
37
A excepcin de los problemas que se vern en las aplicaciones, cada ejemplo se resolver de dos formas: manual y por software.
4.2 Eliminacin Gaussiana

Este mtodo de resolucin de sistemas de ecuaciones admite una fcil programacin, lo que permite resolver un sistema con la ayuda de la computadora. La idea del mtodo consiste en aplicar a la matriz ampliada del sistema transformaciones elementales sobre las filas (no pueden realizarse
transformaciones columna) obteniendo, de esta forma, sistemas equivalentes al dado pero cada vez ms manejables. Mediante transformaciones, se consigue obtener un sistema equivalente al dado que tiene por matriz de los coeficientes una matriz escalonada. La notacin quedara simplificada empleando matrices ampliadas para representar en todo momento a los sistemas lineales equivalentes que resultan tras las transformaciones. El algoritmo sera el siguiente:
Sistema
Matriz Ampliada
Transformaciones Elementales
Solucin
Sistema Equivalente
Matriz Triangular Superior
El funcionamiento del mtodo se ilustra con los siguientes ejemplos:
38
EJEMPLO 27.- Resolver el sistema.
Y nuestro problema es encontrar los valores de Primero construimos nuestra matriz de coeficientes.
Este mtodo, tambin conocido como de eliminaciones sucesivas o mtodo de escalonamiento comienza restando mltiplos de la primera ecuacin (fila) a las restantes, con el fin de eliminar una incgnita, en este caso, la ultimas ecuaciones. Para ello: El coeficiente de 2). En la mayora de los casos es conveniente, por razones de clculo, multiplicar nuestra primera ecuacin por un numero que convierta a nuestro pivote en 1 tambin podemos cambiar nuestra fila por otra en la cual el primer nmero sea 1 (en este ejemplo lo dejaremos as). Para resolver nuestro sistema realizamos las siguientes operaciones (transformaciones elementales sobre filas): Sumamos a la segunda ecuacin la primera multiplicada por -2. en la primera ecuacin se le llama pivote (en este caso el de las
Sumamos a la tercera ecuacin la primera multiplicada por 1.
En el segundo paso, ignoramos la primera ecuacin y aplicamos el proceso a las dos ecuaciones restantes, donde las incgnitas son En este caso, el pivote es -1 (coeficiente de y .
en la segunda ecuacin).
Sumamos a la tercera ecuacin la segunda multiplicada por 3.
39
Y llegamos al sistema equivalente:
Ahora el proceso de eliminacin esta completo. Hay un orden evidente para resolver este sistema: de la ltima ecuacin obtenemos:
Sustituyendo este resultado en la segunda ecuacin obtenemos:
Y por ltimo, sustituyendo ambos resultados en la primera ecuacin, se obtiene
Resolviendo mediante software:
Los resultados de la resolucin manual y por software son iguales, p queda comprobado. Este proceso para obtener los valores de las incgnitas, se conoce con el nombre de sustitucin regresiva. Es fcil entender cmo podemos extender la idea de la eliminacin gaussiana a un sistema de incgnitas: -ecuaciones con -
40
I.
En un primer paso, utilizamos mltiplos de la primera ecuacin para anular todos los coeficientes bajo el primer pivote.
II.
A continuacin, se anula la segunda columna bajo el segundo pivote, etc.
III. IV.
La ltima columna contiene solo a la ltima de las incgnitas. La sustitucin regresiva conduce a la solucin en sentido contrario, es decir, comenzando por la ltima incgnita hasta llegar a la primera.
Veamos dos ejemplos ms.
EJEMPLO 28.- Resolver el sistema:
Primero obtenemos matriz de coeficientes y la matriz ampliada del sistema.
Procedemos a escalonar la matriz ampliada del sistema como lo hicimos en el ejercicio anterior: Sumamos a la segunda ecuacin la primera multiplicada por -2.
Sumamos a la tercera ecuacin la primera multiplicada por -1.
As como lo hicimos en el ejemplo anterior, al terminar de convertir en ceros las posiciones debajo de nuestro pivote procedemos a cambiar ste, es decir, ignoramos a la primera ecuacin y ocupamos como pivote a la segunda ecuacin, en este caso el nuevo pivote es -1 (coeficiente de ecuacin). Continuamos con el ltimo paso: Sumamos a la tercera ecuacin la segunda multiplicada por -1. 41 en la segunda
La presencia de la ltima fila de ceros indica que existan dos ecuaciones proporcionales en el ltimo paso (la segunda y tercera ecuaciones son idnticas) por lo que puede ser eliminada del sistema equivalente:
La sustitucin regresiva, proporciona los valores:
En este ejemplo existe una relacin de dependencia entre las variables
e .
Si tomamos un valor cualquiera para , este determina otro para la . Existen infinitas soluciones en este caso, que podemos expresar de forma paramtrica como:
Se dice que
acta como variable independiente y
son variables
dependientes. Estamos ante un sistema compatible indeterminado. Ahora se comprobara el resultado por el software:
42
Por lo tanto queda comprobado.
EJEMPLO 29.- Resolver el sistema:
Primero obtenemos la matriz de coeficientes y la matriz ampliada del sistema.
Procedemos a escalonar la matriz ampliada del sistema como lo hicimos en los ejercicios anteriores: Sumamos a la segunda ecuacin la primera multiplicada por -3.
43
As como lo hicimos en el ejemplo anterior, al terminar de convertir en ceros las posiciones debajo de nuestro pivote procedemos a cambiar ste, es decir, ignoramos a la primera ecuacin y ocupamos como pivote a la segunda ecuacin, en este caso el nuevo pivote es 1 (coeficiente de ecuacin). Continuamos con el ltimo paso: Sumamos a la tercera ecuacin la segunda multiplicada por -1. en la segunda
La ltima fila representa la ecuacin:
Lo que produce un sistema incompatible ya que:
Por tanto no hay soluciones para nuestro sistema original.
Comprobando por software que el sistema es incompatible:
44
A continuacin se proponen algunos ejercicios para su resolucin. Resuelva los sistemas dados por el mtodo de eliminacin Gaussiana y comprobar los resultados mediante el software. Ejercicio 1.-
Ejercicio 2.-
Ejercicio 3.-
45
3.3 Mtodo de Gauss Jordan

La eliminacin de Gauss-Jordan o Mtodo de Gauss-Jordan para resolver un sistema de ecuaciones lineales consiste en convertir la matriz aumentada en una matriz reducida por renglones y a partir de sta interpretar directamente la solucin del sistema. Este mtodo utiliza las mismas tcnicas de eliminacin Gaussiana (incluyendo el pivoteo), pero con el objetivo de finalizar con una matriz de la siguiente forma:
Para lograr esto, se usa la tcnica del pivoteo con la nica diferencia que el pivote se usa para hacer ceros hacia abajo y hacia arriba. Resolveremos el siguiente sistema lineal: EJEMPLO 30.- Resolver mediante el sistema de Gauss Jordan.
Primero construimos nuestra matriz de coeficientes y nuestra matriz ampliada del sistema.
Habitualmente, cuando los clculos se realizan a mano, con objeto de reducir la cantidad de anotaciones, se realizan transformaciones elementales
paralelamente a varias filas a la vez. Por otra parte, tambin es deseable evitar, en la medida de lo posible, la manipulacin de fracciones. Haciendo las transformaciones de fila correspondientes:
46
As, obtenemos nuestro sistema equivalente como sigue:
Por tanto la solucin del sistema es:
Comprobando los resultados obtenidos:
Por lo tanto, se han comprobado los resultados. EJEMPLO 31.- Resolver por el mtodo de Gauss Jordan.
Primero construimos nuestra matriz de coeficientes y nuestra matriz ampliada del sistema.
47
Haciendo las transformaciones de fila correspondientes: Sumamos a la segunda ecuacin la primera multiplicada por -2.
Sumamos a la cuarta ecuacin la primera multiplicada por -1.
Sumamos a la tercera ecuacin la segunda multiplicada por .
Sumamos a la cuarta ecuacin la segunda multiplicada por .
Sumamos a la cuarta ecuacin la tercera multiplicada por -1.
48
Al contener solo ceros, ignoramos la ltima ecuacin y utilizamos como nuevo pivote a la tercera. Multiplicamos a la ecuacin 3 por .
Sumamos a la segunda la tercera multiplicada por 5.
Sumamos a la primera ecuacin la tercera multiplicada por -2.
Multiplicamos a la segunda ecuacin por .
Sumamos a la primera la segunda ecuacin multiplicada por -1.
El sistema equivalente es el siguiente
Hemos ignorado el ltimo rengln que consta totalmente de ceros. Al despejar en cada ecuacin la incgnita correspondiente a la entrada principal de cada rengln del sistema equivalente, obtenemos:
Lo cual se puede expresar en forma paramtrica como:
49
Comprobando la solucin:
Por lo tanto, queda demostrado. A continuacin se presentan algunos ejercicios para su resolucin. Resolver los sistemas de ecuaciones lineales por el mtodo de Gauss-Jordan y comprobar los resultados mediante el software. Ejercicio 1.-
Ejercicio 2.-
Ejercicio 3.-
50
3.4 Sistemas homogneos

Un sistema de ecuaciones lineales se dice que es homogneo cuando todos sus trminos independientes son nulos, es decir, es un sistema del tipo:
Tambin podemos escribir en forma matricial como:
Un sistema como este (homogneo) siempre tiene al menos una solucin, a saber, . Generalmente esta solucin cero se le llama solucin trivial.
Vemos que un sistema homogneo es siempre consistente, pues siempre tiene la solucin trivial. Como siempre es una solucin, solamente hay dos
posibilidades: la solucin cero es la nica solucin hay un nmero infinito de soluciones adems de la solucin cero (las soluciones distintas de la solucin cero se conocen como las soluciones no triviales).
EJEMPLO 32.- Resolver el siguiente sistema, por el mtodo de Gauss Jordan:
Primero construimos la matriz de coeficientes y la matriz ampliada del sistema.
Ahora empezamos con las transformaciones:
Sumamos a la segunda ecuacin la primera multiplicada por 1.
51
Multiplicamos a la ecuacin 2 por .
Sumamos a la tercera ecuacin la primera multiplicada por 3.
Multiplicamos a la tercera ecuacin por
Sumamos a la segunda ecuacin la tercera multiplicada por -1.
Sumamos a la primera ecuacin la tercera multiplicada por -3.
Sumamos a la primera ecuacin la segunda multiplicada por -2.
Por lo tanto, la solucin del sistema es
Lo cual significa que el sistema homogneo dado solo tiene la solucin trivial. Comprobando con el software
52
La cual concuerda con nuestros resultados anteriores.
EJEMPLO 33.- Resolver el siguiente sistema por el mtodo de eliminacin Gaussiana:
Primero construimos la matriz de coeficientes y la matriz ampliada del sistema.
Resolviendo: Intercambiamos la ecuacin 1 y la ecuacin 2.
53
Sumamos a la segunda ecuacin la primera multiplicada por -2.
Multiplicamos a la segunda ecuacin por
Sumamos a la tercera ecuacin la segunda multiplicada por 7.
Multiplicamos a la tercera ecuacin por .
Con lo que resulta el sistema equivalente:
Los pivotes se encuentran sobre las tres primeras columnas por lo que tomaremos como variables dependientes , resultando la nica variable
independiente. El sistema homogneo es compatible; presenta infinitas soluciones (aparte de la solucin cero) que podemos expresar,
paramtricamente, como:
Comprobando los resultados:
54
Por lo tanto queda comprobado. A continuacin se presentan algunos ejercicios para su resolucin. Resolver los sistemas de ecuaciones lineales homogeneos por el mtodo de Gauss-Jordan o eliminacin Gaussiana y comprobar los resultados mediante el software.
Ejercicio 1.-
Ejercicio 2.-
Ejercicio 3.-
55
3.5 Matriz inversa

La teora general de matrices encuentra una de sus aplicaciones ms inmediatas en la resolucin de sistemas de ecuaciones lineales con mltiples incgnitas. Aunque posteriormente fue objeto de un extenso desarrollo terico, este campo de las matemticas surgi en realidad como un instrumento de clculo para facilitar las operaciones algebraicas complejas. Un procedimiento rpido para la resolucin de sistemas de ecuaciones lineales mediante matrices es el llamado mtodo de la matriz inversa. Esta tcnica consiste en multiplicar por la izquierda los dos miembros de la expresin matricial del sistema de ecuaciones por la matriz inversa de la de los coeficientes (si existe). De este modo:
Cuando la matriz de los coeficientes no es invertible, el sistema no tiene solucin (es incompatible). Consideremos un sistema de ecuaciones lineales con n incgnitas, cuya
expresin general es la siguiente:
Este sistema se puede escribir en forma matricial del siguiente modo: La matriz se llama matriz del sistema, es de dimensin
. y sus
elementos son los coeficientes de las incgnitas. La matriz columna, de dimensin ltimo, la matriz ,
es una matriz
formada por las incgnitas del sistema. Por , formada por los
es otra matriz columna, de dimensin
trminos independientes. Es decir:
Si el determinante de la matriz tiene inversa (
es distinto de cero
, la matriz A
). Por lo tanto, podemos calcular la matriz de las incgnitas
del siguiente modo:
56
Es decir, para calcular la matriz columna de las incgnitas ( ), multiplicamos la inversa de la matriz ( ) por la matriz columna de los trminos
independientes, obtenindose otra matriz columna de la misma dimensin que . A continuacin veremos el primer ejemplo:
EJEMPLO 34.- Resuelve el siguiente sistema de ecuaciones mediante matriz inversa.
Solucin.
Comprobamos en primer lugar, si la matriz A es invertible, es decir, si su determinante es distinto de cero y, en este caso calculamos su inversa. Calculando la determinante de A. Entonces la matriz es invertible Al comprobar que nuestra matriz es invertible, entonces se puede resolver por el mtodo de la matriz inversa como sigue: Se junta la matriz con la matriz identidad para formar la matriz:
Ahora aplicando operaciones elementales en los renglones, se intenta escribir esta matriz en la forma como sigue, este proceso se lleva a cabo con
el mtodo de Gauss - Jordan que vimos anteriormente: Se suma -2 veces la primera fila a la segunda fila.
Se suma -3 veces la primera fila a la segunda fila.
57
Se multiplica
veces la segunda fila.
Se suma 3 veces la segunda fila a la tercera.
Se multiplica
veces la tercera fila.
Se suma
veces la tercera fila a la segunda.
Se suma -5 veces la tercera fila a la primera.
Se suma -2 veces la segunda fila a la primera.
58
Por consiguiente, la matriz
Finalmente, tenemos que
, entonces:
Para obtener a .
multiplicamos la matriz
por la primer fila de la matriz
Para obtener a matriz .
por la segunda fila de la
Para obtener a .
por la tercera fila de la matriz
Comprobamos los resultados con el software
59
EJEMPLO 34.- Resuelve el siguiente sistema de ecuaciones mediante matriz inversa.
Solucin.
Comprobamos en primer lugar, si la matriz A es invertible, es decir, si su determinante es distinto de cero y, en este caso calculamos su inversa. Calculando la determinante de A. Entonces la matriz es invertible Al comprobar que nuestra matriz es invertible, entonces se puede resolver por el mtodo de la matriz inversa como sigue: Se junta la matriz con la matriz identidad para formar la matriz:
60
Ahora aplicando operaciones elementales en los renglones, se intenta escribir esta matriz en la forma como sigue:
Se suma la primera fila a la segunda:
Se suma -2 veces la primera fila a la tercera:
Se suma la segunda fila a la tercera:
Se multiplica por a la tercera fila:
Se suma -3 veces la tercera fila a la segunda:
Se suma -3 veces la tercera fila a la primera:
Se suma 2 veces la segunda fila a la primera:
61
Por consiguiente, la matriz
Finalmente, tenemos que
, entonces:
Para resolver este producto haremos los siguientes pasos: Para obtener a . multiplicamos la matriz por la primer fila de la matriz
Para obtener a matriz .
por la segunda fila de la
Para obtener a .
por la tercera fila de la matriz
Comprobando los resultados obtenidos:
62
Por lo tanto se han comprobado los resultados.
Este mtodo es importante, pero no es muy prctico para resolver un sistema de ecuaciones lineales. Es decir, representa ms trabajo intentar determinar y luego multiplicar por que simplemente resolver el sistema por medio
de eliminacin Gaussiana con sustitucin hacia atrs como lo vimos anteriormente. Sin embargo, una situacin en la que se podra considerar una aplicacin de este mtodo seria como mtodo de cmputo, cuando hubiera muchos sistemas de ecuaciones lineales, todos con la misma matriz de coeficientes. En este caso, podra determinarse una sola vez la matriz inversa y resolver luego cada sistema al calcular el producto .
A continuacin se demuestra esto con un ejemplo:
63
EJEMPLO 34.- Utilice una matriz inversa para resolver los siguientes sistemas:
Solucin: Como podemos ver los tres sistemas tienen la misma matriz de coeficientes y es la siguiente.
Comprobamos en primer lugar, si la matriz
es invertible, es decir, si su
determinante es distinto de cero y, en este caso calculamos su inversa. Calculando la determinante de A. Entonces la matriz es invertible A continuacin seguimos el proceso para obtener la matriz inversa como en los ejemplos anteriores. Se junta la matriz con la matriz identidad para formar la matriz:
Ahora aplicando operaciones elementales en los renglones, se intenta escribir esta matriz en la forma como sigue:
Se multiplica por a la primera fila.
Se suma -3 veces la primera fila a la segunda.
Se suma -2 veces la primera fila a la tercera.
64
Se multiplica
veces la segunda fila.
Se suma -1 veces la segunda fila a la tercera.
Se multiplica -3 veces la tercera fila.
Se suma
veces la tercera fila a la segunda.
Se suma
veces la tercera fila a la primera.
Se suma
veces la segunda fila a la primera.
65
Por consiguiente, la matriz Una vez que calculamos la matriz inversa por el mtodo de Gauss Jordan, tenemos que para resolver cada sistema se usa la multiplicacin matricial como se muestra a continuacin: a)
La solucin del primer sistema es: b)
La solucin del segundo sistema es:
c)
La solucin del tercer sistema es:
Comprobando los resultados de los 3 sistemas a)
66
El primer sistema ha sido comprobado.
b)
67
c)
Y es en este tipo de situaciones en donde el mtodo de la matriz inversa demuestra su utilidad y efectividad.
68
A continuacin se presentan algunos ejercicios para su resolucin. Resolver los sistemas de ecuaciones lineales por el mtodo de matriz inversa y comprobar los resultados mediante el software. Ejercicio 1.
Ejercicio 2.
Ejercicio 3. Use una matriz inversa para resolver los sistemas de ecuaciones lineales dados.
3.6 Mtodo de Cramer

El mtodo de Cramer sirve para resolver sistemas de ecuaciones lineales. Se aplica a sistemas que cumplan las dos condiciones siguientes: El nmero de ecuaciones es igual al nmero de incgnitas. El determinante de la matriz de los coeficientes es distinto de cero. Los pasos a seguir para calcular los sistemas de ecuaciones segn la regla de Cramer son los siguientes: 1. Hallar la matriz ampliada asociada al sistema de ecuaciones, esto
es (como ya lo habamos visto): que la primera columna est formada por las entradas de los coeficientes de la primera incgnita de las ecuaciones; que la segunda columna la formen las de la segunda incgnita, y as hasta llegar a la ltima columna, que estar constituida por las entradas de los trminos independientes de las ecuaciones.
2. Calcular el determinante de A (
).
3. Aplicar la regla de Cramer, que consiste en: 69
a. Ir sustituyendo la primera columna del independientes;
por los trminos
b. Dividir el resultado de este determinante entre el hallar el valor de la primera incgnita;
para
c. Continuar sustituyendo los trminos independientes en las distintas columnas para hallar el resto de las incgnitas. Considere el sistema de n ecuaciones en n incognitas:
El cual puede ser escrito en la forma
Supongamos que dada por
. Entonces el sistema tiene una nica solucin . Podemos desarrollar un mtodo para encontrar esta , estamos hablando
solucin sin reduccin de renglones y sin el clculo de de la regla de Cramer.
A continuacin veremos unos ejemplos explicados paso por paso.
EJEMPLO 35.- Resolver el sistema lineal por la regla de Cramer.
Construimos nuestra matriz de coeficientes.
Obtenemos el valor del determinante de A (este tiene que ser diferente de 0 para continuar en caso contrario no se puede resolver por este mtodo).
70
Ahora para resolver
sustituimos la primera columna de la matriz de
coeficientes por los valores de los trminos independientes y obtenemos el valor del nuevo determinante:
Para obtener el valor de
dividimos el valor el determinante de
entre el
determinante de , esto es:
Lo mismo se hace para obtener :
Y as mismo para obtener :
71
Entonces la solucin del sistema lineal es:
Comprobando por software
Con lo cual queda comprobado.
EJEMPLO 36.- Resolver el siguiente sistema por la regla de Sarrus.
Construimos nuestra matriz de coeficientes:
72
Obtenemos el valor del determinante de A (este tiene que ser diferente de 0 para continuar en caso contrario no se puede resolver por este mtodo). La resolucin de determinantes de 4x4 se vio en el captulo 1.
Ahora para resolver
sustituimos la primera columna de la matriz de
coeficientes por los valores de los trminos independientes y obtenemos el valor del nuevo determinante:
Para obtener el valor de
dividimos el valor el determinante de
entre el
determinante de , esto es:
Lo mismo se hace para obtener :
73
Igualmente para obtener :
De la misma manera calculamos a
Finalmente las soluciones de nuestro sistema de ecuaciones son:
Comprobando resultados:
74
As queda comprobado.
75
3.7 Aplicaciones
Las aplicaciones de los sistemas de ecuaciones lineales son muy diversas, por ejemplo podemos utilizarlos en el anlisis de una red elctrica, en un ajuste polinomial de curvas, en la qumica, en la economa y hasta en casos de nuestra vida cotidiana. Adems de ser una herramienta de apoyo en el
desarrollo de varias Experiencias Educativas del programa. A continuacin se describirn las aplicaciones mencionadas en el prrafo anterior. Nota: todos los sistemas de los ejemplos de aplicaciones se resolvern por medio del software Matemticas de Microsoft.
***Anlisis de redes***
Las redes compuestas de ramificaciones y nodos se usan como modelos en campos tan variados como economa, anlisis de trnsito vehicular e ingeniera elctrica. En estos modelos se asume que el flujo total hacia un nodo es igual al flujo que sale de l. Dado que cada nodo en una red origina una ecuacin lineal, el flujo se puede analizar a travs de una red compuesta por varios nodos al resolver un sistema de ecuaciones lineales. Es posible observar como el tipo de anlisis de redes presentado en los siguientes ejemplos puede usarse en problemas relacionados con el flujo de vehculos por las calles de una ciudad o con el flujo de agua a travs de un sistema de irrigacin. Esto se ejemplificara con los siguientes ejercicios.
Ejemplo1. Establezca un sistema de ecuaciones lineales para representar la red mostrada en la siguiente figura y resuelva.
76
Cada una de los 5 nodos origina una ecuacin lineal como se muestra a continuacin:
Reacomodando nuestro sistema, se tiene que:
Analizando nuestro sistema vemos que est compuesto por 5 ecuaciones y 5 incognitas.
A continuacin se resuelve este sistema mediante el software:
77
La solucin es paramtrica, en otras palabras, tiene infinitas soluciones. Dando un valor parametrico a , se tiene que
As dndole un valor a
se pueden saber los valores de las otras incgnitas.
Ejemplo 2.- En la siguiente figura se muestra el flujo de trfico (en vehculos por hora) que circula por una red de calles.
a) Resuelva el sistema para b) Encuentre el flujo vehicular cuando c) Encuentre el flujo vehicular cuando . . 78
Solucin. Resolviendo el inciso (a). El primer paso es armar el sistema de ecuaciones lineales a partir de la figura, recordando que es una ecuacin por nodo, este quedara como sigue:
Analizando nuestro sistema vemos que posee 4 ecuaciones y 4 incognitas, reacomodando trminos se tiene que:
Aplicando el software, se tiene
79
Soluciones:
Nuevamente tenemos un sistema parametrico, el cual tiene a independiente y a y
como variable
como variables dependientes. Solo queda
expresar la solucin en forma parametrica, as que:
Resolviendo el inciso (b). 80
En este inciso nos dan el valor
de la variable independiente que en este caso
es 0, al sustituirla en nuestras soluciones, tenemos que:
La interpretacin que le debemos dar al sigo negativo del resultado de
es
que la direccin de la flecha es en sentido opuesto, es decir, el flujo de carros es 100 pero en direccin inversa a la que tiene la flecha de Resolviendo el inciso (c). Repitiendo lo que se hizo en el ejercicio anterior pero con un valor tiene que: , se .
***Anlisis de una red elctrica***

Otro tipo de red a la cual suele aplicarse el anlisis de redes es la red elctrica. En un anlisis de este sistema se usan dos propiedades de las redes elctricas conocidas como leyes de Kirchhoff. 1. Toda la corriente que fluye hacia un nodo debe fluir hacia fuera de el. 2. La suma de los productos ( es la corriente y es la resistencia)
alrededor de una trayectoria cerrada es igual a la tensin total en la trayectoria. En una red elctrica, la corriente se mide en unidades Amperes, la resistencia en ohms y el producto de la corriente y la resistencia en unidades volt. En las bateras la corriente fluye hacia afuera de la terminal denotada por la lnea ms larga o del signo positivo al negativo. Ejemplo 1.- determine las corrientes siguiente figura. e de la red elctrica mostrada en la
81
Trayectoria 1 Nodo 1 Trayectoria 2 Nodo 2
Solucin. Al aplicar la primera ley de kirchhoff en el nodo 1 se tiene (la cual es la misma ecuacin del nodo 2, as que se ocupa solo una).
Al aplicar la segunda ley de kirchhoff a las 2 trayectorias se tiene que
Por lo tanto, al juntar las ecuaciones de la primera y la segunda ley se tiene el siguiente sistema de tres ecuaciones con tres incognitas:
A continuacin se resuelve:
82
Las corrientes entonces son
ampere,
amperes e
ampere.
Ejemplo 2.- determine las corrientes figura. Solucin.
para la red de la siguiente
Al aplicar la primera ley de Kirchhoff a los cuatro nodos se tiene que
Al aplicar la segunda ley de Kirchhoff a las tres trayectorias se tiene que
Al juntar las ecuaciones obtenidas en la primera y segunda ley de Kirchhoff se obtiene un sistema de 7 ecuaciones y 6 incognitas. Se arma la matriz ampliada y se resuelve.
83
Resolviendo el sistema.
***Ajuste polinomial de curvas***

Ejemplo.- Determine el polinomio los puntos (1,4), (2,0) y (3,12). Solucin: al sustituir y en e igualar los resultados con los valores cuya grafica pasa por
respectivos de , se obtiene el siguiente sistema de ecuaciones lineales en las variables y .
As, se obtiene el sistema de tres ecuaciones con tres incgnitas como sigue
A continuacin se resuelve el sistema
84
Lo cual significa que el polinomio es:
Graficando el polinomio en el mismo software tenemos:
Ejemplo.- Encuentre un polinomio que se ajuste a los puntos (-2,3), (-1,5), (0,1), (1,4) y (2,10). Primero se construyen el polinomio con los datos dados, como se puede ver son cuatro puntos, entonces nuestro polinomio quedara como sigue:
85
Y el sistema de ecuaciones correspondiente se obtendr al sustituir cada pareja de datos, y es el siguiente:
Igualando cada ecuacin con su valor en y, se obtiene el sistema de 5 ecuaciones con 5 incgnitas como sigue.
Insertamos el sistema en nuestro software.
86
Por lo tanto se obtiene los valores de los coeficientes del polinomio de cuarto grado se sustituye estos valores en la ecuacin del polinomio y quedara como sigue:
Sacando
como factor comn para simplificar el polinomio:
Obteniendo la grafica:
87
***Procesos qumicos***
Ejemplo.- Se necesitan tres ingredientes distintos y para producir una
determinada sustancia. Pero deben disolverse primero en agua, antes de ponerlos a reaccionar para producir la sustancia. La solucin que contiene con 1.5 gramos por centmetro cubico cuya concentracin es de 3.6 , combinada con la solucin con 5.3 y , forman en esas
y con la solucin
25.07 gramos de la sustancia. Si las proporciones de soluciones se cambian a 2.5, 4.3 y 2.4
respectivamente
(permaneciendo iguales los volmenes), se obtienen 22.36 gramos de la sustancia. Por ltimo, si las proporciones se cambian a 2.7, 5.5 y 3.2 ,
respectivamente, se producen 28.14 gramos de la sustancia. Cules son los volmenes, en centmetros cbicos, de las soluciones que contienen Solucin. Sean contienen masa de y y los centmetros cbicos de volumen de las soluciones que y . Entonces, en el primer caso es la masa de es la masa de , es la y ?
. Al sumarlas deben dar 25.07. As,
. Este razonamiento se aplica para los dems casos. Entonces se tiene un sistema de 3 ecuaciones lineales y 3 incgnitas que se muestra a continuacin.
Se introduce el sistema al software
88
Por consiguiente, los volmenes de correspondientes de las 3 soluciones que contienen y , son y .
***Balanceo de reacciones qumicas***

Otra aplicacin de los sistemas de ecuaciones lineales en qumica es el balanceo de reacciones qumicas. Es preciso introducir coeficientes enteros frente a cada uno de los reactivos, para que la cantidad de tomos de cada elemento sea igual en ambos lados de la ecuacin.
Ejemplo 1. Balancea la siguiente reaccin qumica.
Se calcularan los coeficientes de Solucin.
que balanceen la ecuacin
El nmero de tomos de un elemento debe ser el mismo en los dos lados de la expresin. Por ejemplo, en el caso del carbono vemos que del lado izquierdo existe 1 tomo de este elemento mientras que del lado derecho el nmero de tomos de carbono es solo 1, entonces se llega a la conclusin de que .
Con este mismo razonamiento aplicado a todos los elementos, se llega al siguiente sistema de ecuaciones:
89
Reacomodando los trminos tenemos que:
Como se puede ver este sistema es un sistema homogneo y las soluciones de este pueden ser la trivial o soluciones infinitas.
Resolviendo el sistema con Matemticas de Microsoft, se tiene que:
Como se puede apreciar la solucin del sistema es paramtrica (infinitas soluciones). La variable independiente es . Poniendo los resultados en forma paramtrica: y las variables dependientes son
Ahora solo por ejemplificar supngase que soluciones se obtiene que:
, sustituyendo en las
Reduciendo
90
Y nuestra reaccin quedara de la siguiente forma:
Ejemplo 2.- Balancear la siguiente reaccin qumica
Quitamos los parntesis haciendo el producto y asignamos un coeficiente entero a cada uno de los reactivos
Obteniendo ecuacin por elemento Para el Para el Para el (calcio): (fosforo): (oxigeno): Para el Para el (silicio): (carbono):
La unin de todas las ecuaciones forma un sistema de 5 ecuaciones con 6 incognitas, el cual es el siguiente:
Introduciendo el sistema al software tenemos que:
91
La solucin es parametrica, el nmero de soluciones es infinito. variable independiente y y ( y
( ) es la
respectivamente)son las
variables dependientes. Hacemos que
y tenemos que:
Ahora damos un valor a
el cual sea entero y de cmo resultados enteros en
cada uno de nuestros coeficientes ya que no se pueden tener exponentes fraccionarios en una reaccin, a razn de que no existen fracciones de tomos. En este caso seria cualquier mltiplo de 10.
Al sustituir nuestros coeficientes en la reaccin, quedara como sigue:
92
***Esttica y equilibrio de pesos***

Calcule los pesos y para balancear las palancas de la figura.
Solucin. Para la solucin de este problema recordaremos la ley de palanca de Arqumedes que nos dice: dos masas en una palanca se equilibran cuando sus pesos son inversamente proporcionales a sus distancias al punto de apoyo. Partiendo de este principio se tiene que: Para balancear las 2 palancas pequeas, apegndose a la ley de arquimedes tenemos que para la palanca de la izquierda, y para la
derecha. Para equilibrar la palanca principal, se necesita que . De este modo se llegara al siguiente sistema homogneo de tres ecuaciones con cuatro incongnitas:
Resolviendo el sistema por software se tiene:
93
Como se puede apreciar el sistema tiene infinitas soluciones (en forma paramtrica), esto quiere decir que hay infinidad de pesos que pueden equilibrar este sistema. Basndonos en un parmetro se tiene que:
Igual que en el ejemplo anterior se le dar un valor a entonces:
solo para ejemplificar,
Ejemplo.- un cuadro de 2 kg de masa cuelga de dos cables que forman los ngulos que se muestran en la figura. Calcule los valores de las tensiones . y
94
Solucin. Para resolver este problema debemos tomar en cuenta la 1era ley de equilibrio la cual nos dice: La suma algebraica de las fuerzas aplicadas a un cuerpo en una direccin cualquiera es igual a cero. Tambin debemos tener en cuenta que cada fuerza tiene sus componentes una en y otra en .
Dibujando los diagramas de cuerpo libre:
Diagrama del cuadro
Diagrama de las tensiones
Para ocupar el valor del cuadro se tiene que convertir a fuerza, entonces:
Haciendo la sumatoria de fuerzas del cuadro
Descomponiendo las fuerzas de las tensiones en sus componentes.
Haciendo la sumatoria de fuerzas del nodo de las tensiones en el eje x: 95
Haciendo la sumatoria de fuerzas del nodo de las tensiones en el eje y:
Al juntar las dos ecuaciones obtenemos el sistema requerido.
A continuacin se resuelve el sistema con el software:
***Fracciones parciales***
Calcule las constantes y , tal que
Solucin. Se debe cumplir que
Desarrollando 96
Agrupando
Igualando trminos Como no tenemos coeficientes de obtiene que otro lado tenemos ecuaciones con 2 incognitas: en el trmino de la izquierda entonces se
, luego vemos que para el termino independiente 1 del . Por consiguiente se obtiene un sistema de 2
Al resolverlo se tiene
Con este resultado nuestra fraccin quedara como
Ejercicio.- Determinar la descomposicin en fracciones parciales de
Solucin. Factorizamos el denominador 97
Colocamos cada factor obtenido de la siguiente forma
Desarrollo el miembro de la izquierda
Factorizando
Igualando
Resolviendo el sistema
98
Con este resultado nuestra fraccin quedara como:
***Igualdad de polinomios***
Ejemplo.- Calcule y Solucin. Los coeficientes de las potencias correspondientes de que: deben ser iguales, as y tales que los polinomios sean iguales.
Igualando trminos tenemos el siguiente sistema:
Reacomodando el sistema, podemos ver que es un sistema de 3 ecuaciones con tres incognitas, como sigue
Resolviendo el sistema por software se tiene 99
Estos serian los valores para que los dos polinomios fueran iguales.
A continuacin se proponen una serie de ejercicios para ser resueltos manualmente por cualquier mtodo antes visto y comprobados mediante el software Matematicas de Microsoft. Ejercicio 1.- por un acueducto fluye agua (en miles de metros cubicos por hora) como se muestra en la siguiente figura.
a) Resuelva este sistema para el caudal de agua representado por . b) Encuentre el patrn de flujo de la red cuando c) Encuentre el patrn de flujo de la red cuando . y .
Ejercicio 2.- El flujo de trfico (en vehculos por hora) que circula por una red de calles se muestra en la figura siguiente. 100
a) Resuelva este sistema para
. y y . .
b) Encuentre el patrn de flujo vehicular cuando c) Encuentre el patrn de flujo vehicular cuando
Ejercicio 3.- Determine el polinomio cuya grafica pasa por los puntos (2,5), (3,2) y (4,5) y bosqueje la grafica del polinomio. Ejercicio 4.- Determine el polinomio cuya grafica pasa por los puntos (2,4), (3,6) y (5,10) y bosqueje la grafica del polinomio. Ejercicio 5.- Determine el polinomio cuya grafica pasa por los puntos (2,5), (3,0) y (4,20) y bosqueje la grafica del polinomio. Ejercicio 6.- Determine las corrientes e .
Trayectoria 1 Nodo 1 Trayectoria 2 Nodo 2
Ejercicio 7.- Determine las corrientes y
. Los valores de
101
Ejercicio 8.- Determine las corrientes y
. Los valores de
Ejercicio 9.- un cuadro de 10 kg de masa cuelga de dos cables que forman los ngulos que se muestran en la figura. Calcule los valores de las tensiones . y
Ejercicio 10.- Calcule los pesos la figura.
para balancear las palancas de
102
Ejercicio.- Calcule los pesos figura.
para balancear las palancas de la
Ejercicio.- Calcule las constantes
de modo que
A continuacin unos ejercicios variados que necesitan la aplicacin de sistemas. Ejercicio 11.- Una compaa de electrnica fabrica tres tipos de computadoras: Terio, Xtra y Cian. Para armar una Terio se necesitan 10 horas, otras 2 para probar sus componentes y dos horas mas para instalar sus programas. El tiempo requerido para la Xtra es 12 horas en su ensamblado, 2.5 para probarla y 2 horas para instalarla. La Cian, la mas sencilla de la lnea, necesita 6 horas de armado, 1.5 horas de prueba y 1.5 horas de instlacion. Si la fabrica de esta compaa dispone de 1560 horas de trabajo por mes para armar, 340 horas 103
para probar y 320 horas para instalar. Cuntas PC de cada tipo puede producir en un mes? Ejercicio 12.- Una empresa internacional necesita, en promedio, cantidades fijas de yenes japoneses, libras inglesas y marcos alemanes durante cada viaje de negocios. Este ao viajo 3 veces. La primera vez cambio un total de $2550 con las siguientes tasas: 100 yenes por dlar, 0.6 libras por dlar y 1.6 marcos por dlar. La segunda vez cambio $2840 en total con las tasas de 125 yenes, 0.5 libras y 1.2 marcos por dlar. La tercera vez, cambio un total de $2800 a 100 yenes, 0.6 libras y 1.2 marcos por dlar. Cuntos yenes, libras y marcos compro cada vez? Ejercicio 13.- Un padre desea distribuir sus bienes races, cuyo valor es $234000, entre sus cuatro hijas de la siguiente manera: de las propiedades
deben dividirse por igual entre las hijas. Para el resto, cada hija debe recibir $3000 cada ao hasta su vigsimo primer cumpleaos. Como entre ellas se llevan tres aos, Cuntos recibira cada una de los bienes de su padre? Qu edad tienen ahora esas hijas? Ejercicio 14.- El promedio de las temperaturas en las ciudades de Veracruz, Poza Rica y Xalapa, fue durante cierto dia de verano 30C. En Poza Rica fue 6 grados mayor que el promedio de las temperaturas de las otras dos ciudades. En Xalapa fue 6 grados menos que la temperatura promedio en las otras 2 ciudades. Cul fue la temperatura en cada ciudad?
104
CAPITULO IV. ESPACIOS VECTORIALES 4.1 Espacios Vectoriales

Un espacio vectorial (o espacio lineal) es el objeto bsico de estudio en el Algebra Lineal. A los elementos de los espacios vectoriales se les llama vectores. Sobre los vectores pueden realizarse dos operaciones: escalarse (multiplicarlos por un escalar) y sumarse. Estas dos operaciones se tienen que ceir a un conjunto de axiomas que generalizan las propiedades comunes de las duplas de nmeros reales as como de los vectores en el espacio Eucldeo. Un concepto importante es el de dimensin.
Un espacio vectorial es un conjunto de objetos (llamados vectores) que pueden escalarse y sumarse. Histricamente, las primeras ideas que condujeron a los espacios vectoriales modernos se remontan al siglo XVII: geometra analtica, matrices y sistemas de ecuaciones lineales. La primera formulacin moderna y axiomtica se debe a Giuseppe Peano, a finales del siglo XIX. Los siguientes avances en la teora de espacios vectoriales provienen del anlisis funcional, principalmente de los espacios de funciones.
4.1.1 Historia de los espacios vectoriales

Los espacios vectoriales se derivan de la geometra afn, a travs de la introduccin de coordenadas en el plano o el espacio tridimensional.
105
Los vectores se reconsideraron con la presentacin de los nmeros complejos de Argand y Hamilton y la creacin de los cuaterniones por este ltimo (Hamilton fue adems el que invent el nombre de vector). Son elementos de y ; el tratamiento mediante combinaciones lineales se
remonta a Laguerre en 1867, quien tambin defini los sistemas de ecuaciones lineales. En 1857, Cayley introdujo la notacin matricial, que permite una armonizacin y simplificacin de las aplicaciones lineales. Casi al mismo tiempo, Grassmann estudi el clculo baricntrico iniciado por Mbius. Previ conjuntos de objetos abstractos dotados de operaciones. En su trabajo, los conceptos de independencia lineal y dimensin, as como de producto escalar estn presentes. En realidad el trabajo de Grassmann de 1844 supera el marco de los espacios vectoriales, ya que teniendo en cuenta la multiplicacin, tambin, lo llev a lo que hoy en da se llaman lgebras. El matemtico italiano Peano dio la primera definicin moderna de espacios vectoriales y aplicaciones lineales en 1888. Un desarrollo importante de los espacios vectoriales se debe a la construccin de los espacios de funciones por Henri Lebesgue. Esto ms tarde fue formalizado por Banach en su tesis doctoral de 1920 y por Hilbert.
4.1.2 Aplicaciones
Los espacios vectoriales tienen aplicaciones en otras ramas de la matemtica, la ciencia y la ingeniera. Se utilizan en mtodos como las series de Fourier, que se utiliza en las rutinas modernas de compresin de imgenes y sonido, o proporcionan el marco para resolver ecuaciones en derivadas parciales. Adems, los espacios vectoriales proporcionan una forma abstracta libre de coordenadas de tratar con objetos geomtricos y fsicos, tales como tensores, que a su vez permiten estudiar las propiedades locales de variedades mediante tcnicas de linealizacin.
106
4.1.3 Definicin
La definicin de un espacio vectorial requiere de un cuerpo de escalares K (como el cuerpo de los nmeros reales o el cuerpo de los nmeros complejos). Un espacio vectorial es un conjunto V (no vaco) a cuyos elementos se llaman vectores, dotado de dos operaciones: 1. Suma de vectores: cualquiera dos vectores v y w pueden sumarse para obtener un tercer vector v + w.
2. Producto de un vector por un escalar: cualquier vector v puede multiplicarse por un escalar como . son que pertenece a . El producto se denota
Que satisfacen las siguientes propiedades o axiomas ( vectores arbitrarios de y son escalares, respectivamente):
PROPIEDAD Propiedades De La Suma 1.- Propiedad de cerradura 2.- Propiedad conmutativa 3.- Propiedad asociativa 4.- Propiedad del elemento neutro aditivo 5.- Propiedad del inverso aditivo
SIGNIFICADO
es un elemento nico de
Propiedades De La Multiplicacin Por Escalar 6.- Propiedad de cerradura 7.- Propiedad conmutativa para el producto por escalar 8.- Propiedad distributiva bajo la suma escalar 9.- Propiedad distributiva bajo la suma vectorial 10.- Propiedad del elemento identidad
A continuacin veremos algunos ejemplos: Ejemplo 53.- En el siguiente ejercicio demuestre que si definida como , la suma
, y la multiplicacin por escalar como 107
, es un espacio vectorial. Si no es un espacio vectorial di que propiedades no se cumplen. Probando propiedades de la suma. 1.- Propiedad de cerradura Sean y , entonces
2.- Propiedad conmutativa:
3.- Propiedad asociativa:
4.- Elemento neutro aditivo: Sea , entonces
5.- Elemento inverso aditivo:
108
Probando propiedades de la multiplicacin escalar. 6.- Propiedad de cerradura
7.- Propiedad
8.- Propiedad distributiva bajo la suma escalar:
9.- Propiedad distributiva bajo la suma vectorial:
10.- Elemento identidad:
, donde 1 es el nmero real 1.
En conclusin el conjunto dado no es espacio vectorial ya que no cumpli con las propiedades 2, 4, 5 y 8.
109
Ejemplo 54.-
es el conjunto de todos los pares ordenados
de nmeros , y la
reales. La suma se define como multiplicacin escalar como vectorial. . Determina si
es un espacio
Probando propiedades de la suma 1.- Propiedad de cerradura Sean y , entonces
110
Probando propiedades de la multiplicacin escalar. 6.- Propiedad de cerradura
7.- Propiedad
, donde 1 es el nmero real 1.
En conclusin el conjunto dado no es espacio vectorial ya que no cumpli con las propiedades 2, 3, 4, 5 y 8.
111
Ejemplo 55.-
es el conjunto de todas las matrices
con componentes
reales. La suma es la suma habitual de matrices y la multiplicacin escalar est definida por .
Probando propiedades de la suma 1.- Propiedad de cerradura Sean y , entonces
112
Probando propiedades de la multiplicacin escalar.
6.- Propiedad de cerradura
7.- Propiedad
, donde 1 es el nmero real 1. 113
En conclusin el conjunto dado es espacio vectorial ya que cumpli con las 10 propiedades.
Ejercicios propuestos.
Comprobar si son espacios vectoriales. es el conjunto de todas las matrices definida por definida por . con componentes reales. La suma y la multiplicacin escalar est
es el conjunto de todas las matrices definida por por .
con componentes reales. La suma y la multiplicacin escalar est definida
es el conjunto de todos los pares ordenador suma definida por definida por .
de nmeros reales. La
y la multiplicacin escalar est
4.2 Subespacios Vectoriales

En muchos problemas, un espacio vectorial consta de un subconjunto adecuado de vectores de algn espacio vectorial mayor. En este caso, necesitaremos verificar solo dos de los diez axiomas de espacios vectoriales. El resto que darn satisfechos automticamente. Un subespacio de un espacio vectorial propiedades: 1. Es cerrado bajo la suma. 2. Es cerrado bajo el producto por escalar. es un subconjunto de que tiene 2
114
Las propiedades 1 y 2 garantizan que un subespacio
de
es en si mismo un .
espacio vectorial, bajo las operaciones de espacio vectorial ya definidas en
Asi, todo subespacio es un espacio vectorial. Recprocamente, todo espacio vectorial es un subespacio. A continuacin veremos algunos ejemplos:
Ejemplo 56.- Determina si los siguientes conjuntos son Subespacios de los espacios dados. y de
Nota: Para resolver este tipo de ejercicios primeramente se va a resolver para valores particulares (nmeros), si se cumple se generaliza y si no, se concluye que no es un subconjunto. Esto se aplicara en el primer ejemplo. 1.- Por demostrar que es cerrado bajo la suma Sean y
2.- Por demostrar que es cerrado bajo el producto por escalar Sean y
Como se cumplieron las dos condiciones diremos que de , pero se debe demostrar para cualquier vector. 1.- Por demostrar que es cerrado bajo la suma Sean y
si es un subespacio
2.- Por demostrar que es cerrado bajo el producto por escalar Sean y
Por lo tanto
si es un subespacio vectorial de
Ejemplo 57.- Demostrar que el siguiente conjunto es un subespacio vectorial 115
de 1.- Por demostrar que es cerrado bajo la suma Sean y
Nota 1: Observa que
, entonces para generar
,a
se le da
cualquier valor y el valor resultante ser el que tome . De esta misma forma se comprueba si y pertenecen a .
Nota 2: Con una condicin que falle el conjunto deja de ser un subespacio. As que se detiene el proceso y queda de ms demostrar la segunda propiedad.
Ejemplo 58.- Determine si el siguiente subconjunto de de .
es un subespacio
Dndole valores cualquiera a las variables: Sean primera matriz: nuestra primera pareja de valores, obtenemos nuestra
la segunda (valores tomados al azar), tenemos que:
1.- por demostrar que es cerrado bajo la suma
2.- Por demostrar que es cerrado bajo el producto por escalar Tomamos a y un valor de escalar cualquiera en este caso , entonces:
116
Por lo tanto el subconjunto del ejercicio anterior si es un subespacio de
Demostrar que el siguiente conjunto es un subespacio vectorial de
Demostrar que el siguiente conjunto es un subespacio vectorial de
Determine si el siguiente subconjunto de
es subespacio de
4.3 Combinacin Lineal

Un vector de se dice que es combinacin lineal de un conjunto de vectores
si y solo si: , para algunos escalares, no todos cero.
Ejemplo 59.- Determina si .
es combinacin lineal de
Nota: Para que dos vectores sean iguales deben tener el mismo nmero de componentes y estas deben ser iguales, por lo tanto: Sistema de ecuaciones
Como la variable
en la segunda ecuacin esta despejada y tiene un valor
numrico solo sustituimos su valor en cualquiera de las otras ecuaciones, esto es:
117
Entonces:
Y como se encontraron valores para
podemos decir que
si es
combinacin lineal de los dos vectores dados.
Ejemplo 60.- Determina si y .
Igualando coeficientes
De donde
Como se encontraron valores para combinacin lineal de .
entonces
si es
Ejemplo 61- Si
y y .
. Escriba
como combinacin lineal de los vectores
Sistema de ecuaciones Resolviendo el sistema mediante el software:
118
Entonces
Escribiendo al vector
como una combinacin lineal de los vectores
Determinar si . Determinar si . Determinar si y Determinar cules vectores lineales de los vectores en . es combinacin lineal de los vectores . y pueden expresarse como combinaciones , es combinacin lineal de los vectores , y es combinacin lineal de los vectores , y
1) 2) 119
3)
4.4 Conjunto Generador

Un conjunto de vectores de un espacio vectorial se dice que es generador si todo vector se puede escribir como la combinacin lineal de ellos.
Ejemplo 62.- Demuestre que los vectores espacio .
generan el
Por demostrar que todo vector de de y .
se puede escribir como combinacin lineal
Entonces como se encontraron valores para lineal de y y si genera a .
si es combinacin
Ejemplo 63.- Determina si Por demostrar que todo vector de lineal de Sea y . con y .
generan a
se puede escribir como combinacin
Por lo tanto generan a .
no es combinacin lineal de
, por consecuente no
120
Ejemplo 64.- Demuestre que los vectores generan a .
Por demostrar que todo vector de de Sea y . con y .
se puede escribir como combinacin lineal
Sistema de ecuaciones Resolviendo el sistema
En este caso para que se cumpla la tercera fila los tres escalares deberan ser 0. Pero anteriormente vimos que para que se d la combinacin lineal no todos los valores son cero. Por lo tanto generan a . no es combinacin lineal de y por consecuente no
Problemas propuestos.
Determine si los siguientes conjuntos generan a .
Determine si los siguientes conjuntos generan a
121
4.5 Independencia Y Dependencia Lineal

Un conjunto no vacio vectorial de vectores (diferentes) de un espacio es linealmente dependiente (L.D.) si y solo si el vector 0 es una
combinacin lineal de ellos, esto es:
La negacin de la dependencia lineal es independencia lineal (L.I.).
Ejemplo 65.- Determine si los siguientes conjuntos de vectores son L.I. L.D.
Resolviendo el sistema por el software:
122
Nota: Cuando el sistema homogneo tenga solucin nica los vectores sern L.I. y para la solucin mltiple sern L.D.
Ejemplo 66.- Determina si el siguiente conjunto de vectores es L.I. L.D.
123
Como se aprecia a simple vista en el sistema, la variable
vale 0. a un
Entonces podemos reducir nuestro sistema de ecuaciones de un sistema y quedara como sigue: Sistema de ecuaciones
De este sistema de ecuaciones apreciamos que una recta es paralela a la otra ya que sus coeficientes son mltiplos entre si. De la nota anterior concluimos que el conjunto de vectores es Linealmente Dependiente. Ejemplo 67.- Determina si el siguiente conjunto de vectores es L.I. L.D.
De las ecuaciones anteriores obtenemos que Entonces nuestros vectores son Linealmente Independiente.
Ejercicios propuestos
Determine cuales conjuntos de vectores son L.D L.I.
124
4.6 Base y dimensin

***Base***
Si es un conjunto de vectores de un espacio vectorial , entonces si y solo si es generado por . es una
base para
El espacio
es un conjunto linealmente independiente.
Ejemplo 68.- Demuestre que el conjuntos . Resolviendo para . es generado por .
es una base para
Por comprobar que el espacio
De la cual nuestro sistema quedara de la siguiente forma
Los valores de nuestras incgnitas son:
125
Por lo tanto .
, por consecuente genera a
Por comprobar que
De la cual nuestro sistema quedara de la siguiente forma
Ya que se cumplieron las 2 condiciones llegamos a la conclusin de que una base de .
es
Ejemplo 69.- Demuestre que el conjunto base para . . es generado por .
es una
Resolviendo para Por comprobar que el espacio
Por lo tanto genera a .
, por consecuente
126
Por comprobar que
Nota: Cuando el sistema homogneo tenga solucin nica los vectores sern L.I. y para la solucin mltiple sern L.D.
es
Ejemplo 70.- Demuestre que el siguiente conjunto es una base para
Por comprobar que el espacio
es generado por .
Por lo tanto genera a .
, por consecuente
Por comprobar que
127
es
Demuestre que cada uno de los conjuntos y una base para . , son
Demuestre que cada uno de los conjuntos y es una base para (polinomios de segundo grado). .
Demuestre que cada uno de los conjuntos y son una base para
***Dimensin***
Si un espacio vectorial nmero tiene una base que consta de vectores, entonces el . Si se define como
se denomina dimensin de
y se denota por
consta solamente del vector cero, entonces la dimensin de cero. Algunos ejemplos de esta definicin son La dimensin de La dimensin de con las operaciones normales es . con las operaciones normales es .
128
La dimensin de Si
con las operaciones normales es
es un subespacio de un espacio vectorial
-dimensional, entonces se es
puede demostrar que la dimensin de menor o igual que .
es finita y que la dimensin de
Bsicamente la dimensin se determina al hallar un conjunto de vectores linealmente independientes que genere el subespacio. Este conjunto es una base del subespacio; la dimensin del subespacio es el numero de vectores que hay en la base.
Ejemplo 71.- Determine las dimensiones de los siguientes subespacios de a) b) Solucin: y son nmeros reales}
es un numero real}
El objetivo es encontrar un conjunto de vectores linealmente independientes que genere el subespacio. a) Al escribir el vector representativo como:
Se observa que
es generado por el conjunto
Por los temas anteriormente vistos se puede demostrar que este conjunto es linealmente independiente.
Sistema de ecuaciones Resolviendo directamente el sistema
129
Por tanto, es una base de bidimensional de .
y se concluye que
es un subespacio
b) Al escribir el vector representativo
como:
Se observa que
. No existe otro .
vector para compararlo, as que,
es un espacio unidimensional de
Ejemplo 72.- Encuentre la dimensin del subespacio de
generado por:
Solucin. Aunque es generado por el conjunto , este no es una base de porque es
un conjunto linealmente dependiente. En particular una combinacin lineal de y
puede expresarse como
en la siguiente forma:
Esto significa que
. Adems
es
linealmente independiente, ya que ningn vector es un mltiplo escalar de otro, as se concluye que la dimensin de es 2.
En los siguientes ejercicios determine la dimensin del espacio vectorial dado. a) b)
En los siguientes ejercicios encuentre una base y determine la dimensin de . a) b) es un nmero real} es un nmero real}
En los siguientes ejercicios encuentre una base y determine la dimensin de . a) es un nmero real}
130
b)
son nmero reales}
4.7 Rango de una matriz y sistemas de ecuaciones lineales.

En este tema se ver el espacio vectorial generado por los vectores rengln o por los vectores columna de una matriz. Despus se demuestra cmo se relacionan estos espacios con las soluciones de sistemas de ecuaciones lineales. Para una matriz , las -adas correspondientes a los renglones de Renglones vectores de A se
denominan vectores rengln de .
De manera similar, las
-adas correspondientes a las columnas de
se
denominan vectores rengln de .
Ejemplo 73.- Determinar los vectores columna y los vectores rengln de la matriz .
Los vectores rengln son: (1,2,3) y (4,5,6) Los vectores columna son: (1,4), (2,5) y (3,6)
Ejemplo 74.- Determinar los vectores columna y los vectores rengln de la matriz .
131
Los vectores rengln son: (1,2,3), (4,5,6) y (7,8,9) Los vectores columna son: (1,4,7), (2,5,8) y (3,6,9) Ahora se tiene otra definicin respecto al tema: a) El espacio rengln de vectores del rengln de . b) El espacio columna de vectores columna de . Si una matriz es equivalente por renglones a una matriz es igual al espacio rengln de . , es el subespacio de generado por los es el subespacio de generado por los
entonces el espacio rengln de
Ahora se ver cmo se obtiene una base para el espacio rengln de una matriz. Teorema.- Si una matriz es equivalente por renglones a una matriz que
esta en forma escalonada, entonces los vectores rengln de forman una base del espacio rengln de .
diferentes de 0
A continuacin se resolver un ejemplo para aclarar el teorema anterior.
Ejemplo 75.- Encuentre una base para el espacio rengln de
Solucin. Mediante las operaciones elementales en los renglones, en forma escalonada como se muestra a continuacin: vuelve a escribirse
132
Aplicando el teorema que se vio anteriormente se concluye que los vectores rengln diferentes de cero, y ,
forman una base del espacio rengln de . Ahora se ver una aplicacin de este mtodo.
Ejemplo 76.- Encuentre una base del espacio de
generado por
Solucin. El primer paso es usar los tres vectores para construir los renglones de una matriz .
Despus
se escribe en forma escalonada como en el ejemplo anterior.
Por lo tanto, los vectores rengln de
diferentes de cero,
, forman una base del espacio rengln de forman una base del subespacio generado por
. En otras palabras, . solo aplicamos
Para encontrar una base del espacio columna de una matriz el mtodo anterior a la transpuesta de filas. Para ejemplificar este caso tomaremos la matriz
( ), en la cual la columnas se hacen
del ejemplo anterior.
133
Se escribe
en forma escalonada.
Entonces la base del espacio rengln de
seria:
, lo que equivale a afirmar que forman una base del espacio columna de . Con lo cual se presenta el siguiente teorema: Teorema.- Si es una matriz , entonces el espacio rengln y el espacio
de la columna de
tienen la misma dimensin.
La dimensin del espacio rengln (o columna) de una matriz tiene el siguiente nombre especial. Definicin.- La dimensin del espacio rengln (o columna) de una matriz llama rango de y se denota por . se
Ejemplo 77.- Encuentre el rango de la matriz
Solucin. La matriz se convierte a la forma escalonada:
Como
tiene tres renglones diferentes de cero, entonces el rango de
es 3.
Ahora veremos cmo se relaciona todo esto con los sistemas de ecuaciones lineales tanto en los sistemas homogneos como en los que no son homogneos.
134
***Soluciones de sistemas de ecuaciones lineales***

Los conceptos de espacios, rengln, columna y rango algunas veces tienen aplicaciones interesantes a sistemas de ecuaciones lineales. La notacin subconjunto de permite concebir el conjunto solucin del sistema como un . Las soluciones de estos sistemas se escriben como -adas
y se denominan vectores solucin. En primer lugar se hablara de los sistemas homogneos para luego dar paso al anlisis de los sistemas no homogneos. A continuacin se enuncia un teorema en el cual habla de las soluciones del sistema homogneo. Teorema.- Si es una matriz de , entonces el conjunto de todas las
soluciones del sistema homogneo de ecuaciones lineales
Es un subespacio de sistema.
, este subespacio se denomina espacio solucin del
Ejemplo 78.- determine el espacio solucin del sistema siguiente matriz.
para la
Solucin. Comenzamos por hacer transformaciones elementales en los renglones de la matriz aumentada escalonada. . El objetivo es dejar la matriz aumentada en su forma
El sistema de ecuaciones que da esta matriz escalonada es
La solucin de este sistema es paramtrica, ocupando a
como variables
independientes y asignndoles un parmetro a cada una, se tiene que: 135
Esto significa que el espacio solucin de solucin de la forma:
consta de todos los vectores
Po lo tanto
forman una base y se puede es un subespacio de dos
concluir que el espacio solucin de dimensiones de .
En el ejemplo anterior el rango de la matriz y la dimensin del espacio solucin estn relacionados. A continuacin se generaliza esta situacin. Teorema.- Si es una matriz es con rango , entonces la dimensio del . En donde es el nmero de variables.
espacio solucin de
Ejemplo 79.- Determine la dimensin del espacio solucin del siguiente sistema homogneo de ecuaciones lineales.
Solucin. Se obtiene la matriz en forma escalonada reducida de este sistema.
Comprobaremos si la reduccin de esta matriz a la escalonada es correcta con el software:
136
Por lo tanto, la matriz de coeficientes
tiene un rango igual a 3 y, por el .
teorema anterior, se sabe que la dimensin del espacio solucin es
***Soluciones de un sistema lineal no homogneo***

El siguiente teorema describe como se puede usar el rango de una matriz para determinar el nmero de soluciones de un sistema de ecuaciones lineales. Teorema.- Sea 1) Si nica. 2) Si de soluciones. 3) Si , entonces el sistema no tiene solucin. , entonces el sistema tiene infinidad un sistema de ecuaciones lineales en variables.
, entonces el sistema tiene solucin
Ejemplo 80.- Determine cuantas soluciones tiene cada uno de los siguientes sistemas de ecuaciones lineales.
Solucin. Resolviendo para el inciso (a). Construyendo la matriz de coeficientes del sistema y convirtindola a su forma escalonada:
137
Construyendo la matriz aumentada del sistema y convirtindola a su forma escalonada:
Entonces:
Por lo tanto: Este sistema es consistente, ya que el rango de la matriz de coeficientes es igual al rango de su matriz aumentada. Adems, este sistema tiene solucin nica por que el rango de es igual al nmero de variables.
Resolviendo para el inciso (b). Construyendo la matriz de coeficientes del sistema y convirtindola a su forma escalonada:
Entonces:
Por lo tanto:
138
Este sistema es consistente, ya que el rango de la matriz de coeficientes es igual al rango de su matriz aumentada. Adems, este sistema tiene infinidad de soluciones porque el rango de Resolviendo para el inciso (c). Construyendo la matriz de coeficientes del sistema y convirtindola a su forma escalonada: es menor que el nmero de variables.
Entonces:
Por lo tanto: Este sistema es inconsistente (no tiene soluciones), ya que el rango de la matriz de coeficientes es menor al rango de su matriz aumentada.
En los siguientes ejercicios, determine (a) el rango de la matriz, (b) una base del espacio rengln y (c) una base del espacio columna.
139
En los siguientes ejercicios, determine una base del subespacio de generado por .
En los siguientes ejercicios, encuentre una base y la dimensin de las siguientes matrices.
En los siguientes ejercicios encuentre, (a) una base, (b) la dimensin del espacio solucin del sistema homogneo de ecuaciones lineales dado.
En los siguientes ejercicios encuentre, (a) una base, (b) la dimensin del espacio solucin del sistema homogneo de ecuaciones lineales dado.
140
4.8 Coordenadas y cambios de base

***Coordenadas***
Si es una base de un espacio vectorial , entonces todo vector puede
expresarse en una y solo una forma como una combinacin lineal de vectores en . Los coeficientes de la combinacin lineal son las coordenadas de con
respecto a . A continuacin se concreta el prrafo anterior en la siguiente definicin: Definicin.- Sean vector en tales que una base de un espacio vectorial y un
Entonces los escalares respecto a la base vector en
se denominan coordenadas de con respecto a
con es el
. El vector de coordenadas de
denotado por
En
, la notacin de los vectores de coordenadas se conforma con la notacin se
usual para las componentes. En otras palabras, cuando un vector en escribe como con respecto a la base normal As, se tiene significa que las de .
son las coordenadas de
Donde
es la base normal de
Ejemplo 81.- Determine el vector de coordenadas de respecto a la base normal Solucin. Como puede expresarse como .
en
con
Entonces se observa que el vector de coordenadas de normal es simplemente:
con respecto a la base
141
As, las componentes de a la base normal.
son las mismas que sus coordenadas con respecto
Ejemplo 82.- El vector de coordenadas de normal)
en
con respecto a la base (no
Es (normal)
. Determine las coordenadas de
con respecto a la base
Solucin. Dado que , se puede escribir
Adems, como con respecto a estn dadas por
, se concluye que las coordenadas de
Ejemplo 83.- Encuentre el vector de coordenadas de respecto a la base (no normal)
en
con
Solucin. Se escribe como una combinacin lineal de y .
Igualando las componentes, se tiene el siguiente sistema de ecuaciones lineales
Resolveremos este sistema mediante el software:
142
Por lo tanto, de con respecto a es:
, y el vector de coordenadas
***Cambio de base***
Lo que se hizo en los 2 ejemplos anteriores se denomina cambio de base. Es decir, se tenan las coordenadas de un vector con respecto a una base solicito encontrar las coordenadas con respecto a otra base y se
Ejemplo 84.- Halle la matriz de transicin de de . Y Solucin.
para las siguientes bases
Primero se usan los vectores en las dos bases para formar las matrices
Despus, se junta
con
para formar la matriz como
y se usa la .
eliminacin de Gauss-Jordan para volver a escribir
143
Ahora se tiene que calcular la inversa de software:
la cual calcularemos con el
Entonces se concluye que la matriz de transicin de
es:
Una observacin importante es si
es la base normal en
, entonces la
matriz de transicin est definida por: Caso 1: Pero si es la base normal, entonces Caso 2:
Ejemplo 85.- Encuentre la matriz de transicin de bases de . y Solucin. Se empieza por formar la matriz
para las siguientes
Despus usamos la eliminacin de Gauss-Jordan para obtener
As, se obtiene que
144
En los siguientes ejercicios se da el vector de coordenadas de una base (no normal) de respecto a la base normal de 1) 2) 3) 4) 5) Determine el vector de coordenadas de 1) 2) 3) 4) 5) Determinar la matriz de transicin de 1) 2) 3) 4) 5) 6) 7) 8) 9) 10) a . en con respecto a la base . con respecto a con . Determine el vector de coordenadas de .
145
CAPITULO V. ESPACIOS CON PRODUCTO INTERNO

En matemticas, un espacio con producto interior es un espacio vectorial con una operacin adicional, el producto interno (tambin llamada producto escalar o producto punto). Los espacios vectoriales con producto interno generalizan el concepto de Espacio Euclidiano (el cual posee el producto escalar como producto interno) y se estudian en anlisis funcional.
5.1 Longitud y producto punto en Rn

Producto Escalar o Producto Punto Definicin Sean Rn. El producto punto, o producto escalar, de dos vectores cualesquiera en se define como
Nota: Cuando se habla del vector u v se pondr en negro, para distinguir de una letra normal. Ejemplo 45.- Determine el producto punto entre los vectores:
De la propia definicin del producto punto entre los vectores:
Nota: Es importante observar que el producto punto es slo entre vectores de las misma dimensin: no entre un escalar y un vector; no entre dos vectores de diferentes dimensines. Tambin debe observarse que el resultado del producto punto es un escalar, no un vector. Ejemplo 46.- Determine el producto punto entre los vectores:
EJEMPLO 47.- Indique cuales opciones contienen operaciones indefinidas: 1. 5. 2. 6. 3. 7. 4. 146
1. Indefinida porque
es un escalar.
2. Definida porque es una suma entre escalares. 3. Definida porque es un escalar por un vector. 4. Definida. 5. Definida: es un escalar al cubo. 6. Indefinida: lo que falla es la suma de escalar con vector. 7. Definida: es un producto entre escalares Propiedades del Producto Punto Si u, v, y w son vectores en Rn y c es un escalar, entonces se cumple las propiedades siguientes. 1. 2. 3. 4. 5. EJEMPLO USANDO MATEMATICA Determine el producto punto entre los vectores
Ortogonalidad Definicin Dos vectores y , se dice que son vectores ortogonales, si
Nota: Ortogonalidad es sinnimo de perpendicularidad, esto es, el que dos vectores sean ortogonales significa que el ngulo entre ellos es de . Ejemplo 48.Diga si las siguientes parejas de vectores son o no ortogonales:
Los vectores
no son ortogonales debido a que
Los vectores
s son ortogonales debido a que: 147
Longitud o norma Definicin La norma de un vector se define como
Donde EJEMPLO 49.- Determinar la norma del vector: Directamente de la definicin:
EJEMPLO 50.- Determine la norma del vector:
Distancia entre vectores Definicin La distancia euclidiana entre los vectores
, se define como y el punto
EJEMPLO 51.- Determine la distancia entre el punto Directamente de la definicin tenemos:
EJEMPLO 52.- Determine la distancia entre el punto .
y el punto
Vector unitario Definicin Un vector se dice vector unitario o simplemente unitario, si EJEMPLO 53.- Diga si los siguientes vectores son unitarios:
148
El vector
no es unitario debido a que: s es unitario porque:
Mientras que el vector
EJEMPLO 54.- Diga si los siguientes vectores son unitarios: Mientras que el vector s es unitario porque:
Mientras que el vector
no es unitario porque:
ngulo entre vectores Definicin El ngulo entre vectores que cumple
, se define como el nico nmero
EJEMPLO 55.- Determine el ngulo entre los vectores Como
De donde:
de donde
EJEMPLO 56.- Determine el ngulo entre los vectores Como
De donde:
de donde 149
Desigualdad de Cauchy-Schwarz La desigualdad de Cauchy-Schwarz establece que para cualquier dos vectores en se cumple son mltiplos
Adems, la igualdad se cumple si y slo si los vectores escalares entre s.
EJEMPLO 57.- Verifique la desigualdad de Cauchy-Schwarz para Se tiene que y y como 1 < Por tanto, la desigualdad se cumple y se tiene EJEMPLO 58.Se tiene y Verifica la desigualdad de Cauchy-Schwarz para :
Por tanto, la desigualdad se cumple y se tiene Desigualdad del Triangulo Para cualesquiera dos vectores en Rn se cumple
EJEMPLO 59.- Verificar la desigualdad del tringulo para
150
Por tanto, la desigualdad si se cumple y se tiene EJEMPLO 60.- Verificar la desigualdad del tringulo para
Por tanto, la desigualdad si se cumple y se tiene EJERCICIOS PROPUESTOS: 1. Determine el producto punto entre los vectores:
2. Determine la norma de los vectores: 3. Determine la distancia entre el punto 4. Determinar la distancia entre el punto y el punto y el punto
5. Diga si los siguientes vectores son unitarios: 6. Determine el ngulo entre los vectores 7. Determine el ngulo entre los vectores 8. Verifique la desigualdad de Cauchy-Schwarz y la desigualdad del triangulo para
9. Verificar la desigualdad de Cauchy-Schwarz
151
5.2 Espacios con producto interno

En las secciones anteriores se ampliaron de a los conceptos de longitud, distancia y ngulo. En esta seccin se extendern los conceptos mencionados a espacios vectoriales en general. Esto se lleva a cabo por medio del concepto de producto interior de dos vectores. Ya se tiene un ejemplo de esto, el producto punto en . Este producto,
llamado producto interior euclidiano, es slo uno de muchos productos internos que es posible definir en . Para distinguir entre los productos
interno normal y otros posibles productos internos se usa la siguiente notacin. producto punto (producto interno euclideano para producto interno general para el espacio vectorial V. Para definir un producto interno se procede de la misma manera como se defini un espacio vectorial general. Es decir, se enumera una serie de axiomas que deben satisfacer para que una funcin pueda calificarse como un producto punto o interno. )
Definicin del Producto Interno Sea u, v y w vectores en un espacio vectorial V y sea c cualquier escalar. Un producto interno sobre V es una funcin que asocia un nmero real cada par de vectores u y v cumple los siguientes axiomas. 1. 2. 3. 4. EJEMPLO 61.- Un Producto interno Diferente en R2 Demuestre que la siguiente funcin define un producto interno en R2. donde 1. Como el producto de nmeros reales es conmutativo, se tiene 2. Sea Entonces con
152
3. Si c es cualquier escalar, entonces 4. Como el cuadrado de un nmero real es no negativo, se tiene Adems, esta expresin es igual a cero s y slo si ). (es decir, s y solo si
EJEMPLO 62.- Un producto interior definido por un integral definida. Sean f y g funciones continuas de valores reales en el espacio vectorial
Demuestre que
Define un producto interior sobre
1. 2.
3.
4. Dado que
para toda x, se tiene
Con
S y slo si f es la funcin cero en Definicin de norma, distancia y ngulo. Sean y vectores en espacio V con producto interior. es
1. La norma (o longitud) de
153
2. La distancia entre
es diferentes ceros est dada por
3. El ngulo entre dos vectores
4.
son ortogonales si
EJEMPLO 63.- Determinacin de productos interiores Sean interior para determinar lo siguiente. a) b) c) en notacin de vector polinomios en Use el producto
Nota: Para mayor facilidad el polinomio queda como Como Entonces a) b) La norma de q est dado por y el polinomio
. c) La distancia entre p y q est dada por
EJEMPLO 64.- Aplicacin del producto interior del producto interior (Calculo) Como
Aplique el producto interior definido y las funciones para determinar lo siguiente a) a) Como se tiene b)
en
154
Por lo tanto, b) Para determinar
. se escribe
Por consiguiente, EJERCICIOS PROPUESTOS
1. Para los siguientes vectores determine producto interior definido en
para
2. Use las funciones f y g dadas en para el producto interior dado por y 3. Use el producto interior entre polinomios en Para determinar
para encontrar , con
para los polinomios.
155
5.3 Bases ortonormales: proceso de ortogonalizacin de GramSchmidt.

Definicin Un conjunto S de vectores en un espacio V con producto interior se llama ortogonal si todo par de vectores en S es ortogonal. Si, adems, cada vector en este conjunto es unitario, entonces S se denomina ortonormal. Para , la definicin anterior es de la forma Ortogonal Ortonormal
Si S es una base, entonces se denomina base ortogonal o base ortonormal, respectivamente. Proceso de Ortonormalizacin de Gram-Schmidt Este procedimiento se denomina proceso de ortonormalizacin de GramSchmidt, en honor del matemtico dans Jorgen Pederson Gram (1850-1916) y del matemtico alemn Erhardt Schmidt (1876-1959). Consta de tres pasos. 1. Empezar con una base del espacio con producto interno. No se requiere, que sea una base ortogonal ni que consta de vectores unitarios. 2. Convertir la base dada a una base ortogonal. 3. Normalizar cada uno de los vectores de la base ortogonal a fin de obtener una base ortonormal. Teorema 5.1 Proceso de Ortonormalizacin de Gram-schmidt 1. Sea 2. Sea una base de un espacio V con producto interno. donde wi est dado por
156
Entonces,
es una base ortogonal de V.
3. Sea
Entonces el conjunto
es una base
ortonormal de V.
EJEMPLO 65.- Aplique el proceso de ortonormalizacin de Gram-Schmidt a la siguiente base de R2.
Al aplicar el proceso mencionado se obtiene
donde
Con lo que
El conjunto de se obtiene
es una base ortogonal de R2. Al normalizar cada vector
157
Por tanto
es una base ortonormal de
EJEMPLO 66.- Aplicar el proceso de ortonormalizacin de Gram-Schmidt a la siguiente base de R3.
Al aplicar el proceso mencionado se obtiene
donde
Con lo que
donde
Con loque
El conjunto de los vectores de
es una base ortogonal de R3. Al normalizar cada uno se obtiene
158
As,
es una base ortonormal de R3.
EJERCICIOS PROPUESTOS Aplicar el proceso de ortonormalizacin de Gram-Schmidt a la siguiente base de Rn. 1. 2. 3.
5.4 Modelos matemticos y anlisis de mnimos cuadrados.

Aproximaciones por Mnimos Cuadrados Muchos problemas de ciencias fsicas e ingeniera implican una aproximacin de una funcin f mediante otra funcin g. Si f est en producto interno de todas las funciones definidas sobre suele elegirse de un subespacio w dado de (el espacio con , entonces g Por ejemplo para
aproximar la funcin
Podra elegirse una de las formas siguientes para g. 1. 2. 3. Antes de analizar mtodos para determinar la funcin g es necesario definir cmo una funcin puede aproximar mejor otra funcin. Una forma natural sera requerir que el rea acotado por las grficas de f y g sobre el intervalo ,
159
sea mnima con respecto a otras funciones en el subespacio W, como se observa en la figura 5.1. Sin embargo, como los integrados que implican valores absolutos a menudo son difciles de evaluar, es ms comn elevar al cuadrado el integrado para obtener
Figura 5.1. rea acotada por la funcin f y g.
Definicin de la Aproximacin por Mnimos Cuadrados Sea f continua sobre y sea w un subespacio de . Una funcin g
en w se denomina aproximacin por mnimos cuadrados de f con respecto a w si el valor de
es mnimo con respecto a todos los dems funciones en W.
160
EJEMPLO 67.- Encuentre la aproximacin por mininos cuadrados para
Para esta aproximacin es necesario determinar las constantes minimizan el valor de
que
Al evaluar esta integral, se tiene
Ahora, considerando que
es una funcin de las variables de
, por medio .
del clculo se determinan los valores
que minimizar a
Especficamente, igualando a cero las derivadas parciales
se obtiene las dos ecuaciones lineales siguientes en
161
La solucin de este sistema con el software matemtica.
De donde
Por consiguiente, la mejor aproximacin lineal intervalo est dada por
para
sobre
el
En la figura 5.2 se observa cmo queda la grafica de f y g sobre
162
Figura 5.2 Comportamiento de las graficas de f y g en
EJEMPLO 68.-
Determine la aproximacin por mnimos cuadrados para que
Para esta aproximacin es necesario encontrar los valores de minimizan el valor de
Al evaluar esta integral, se tiene
163
Ahora, considerando que
es una funcin de las variables
por
medio del clculo se determinan los valores de Especficamente, igualando a cero las derivadas parciales
que minimizar a .
se obtiene las tres ecuaciones lineales siguientes en
La solucin de este sistema con el software matemtica es
Con lo que
Por tanto, la funcin aproximacin g es
En la figura 5.3 se comparan las grficas de f y g.
164
Figura 5.3 Comportamiento de las graficas de f y g.
EJERCICIOS PROPUESTOS Encuentre la funcin de aproximacin por mnimos cuadrados lineal g para funcin dada. 1. 2.
Encuentre la funcin de aproximacin por mnimos cuadrados cuadrtica g para funcin dada. 3. 4.
165
CAPITULO 6. APORTACIONES O CONTRIBUCIONES AL DESARROLLO DEL TRABAJO

Hasta ahora la enseanza en el MEIF ha seguido siendo tradicionalista (enfocada en el conocimiento que el maestro vierte sobre los alumnos) sin embargo esto no debe ser as, ya que el mismo modelo educativo exige que se ensee con un sistema basado en las competencias que el estudiante posee para aprender (conocimientos previos, habilidades y actitudes).
Es de todos conocido que nuestros actuales estudiantes llegan a nuestra Universidad con un pleno dominio de la computacin y que no es nada difcil para ellos el manejo de un software que les ayude a resolver sus problemas.
As la aportacin de esta Gua Prctica de Ejercicios a los estudiantes es la de servirles como un complemento a los conocimientos vistos en el aula, un apoyo para comprender mejor los temas, proporcionando definiciones redactadas en un lenguaje claro y sencillo, contar con una serie de ejercicios que les sirva de retroalimentacin y un software libre que les ayude a resolver problemas propios de la experiencia.
La recomendacin es que los maestros que impartan esta experiencia educativa utilicen esta Gua Prctica de Ejercicios como un complemento a la bibliografa que utilizan y ver el impacto que est tiene en los resultados obtenidos a final de semestre (numero de estudiantes aprobados en examen ordinario).
166
Bibliografa
Bernard Kolman (1999). Algebra lineal: con aplicaciones y MatLab. Mxico: Prentice Hall.
David C. Lay (2001). Algebra lineal y sus aplicaciones. Mxico: Pearson Education.
Francis G. Florey (1993). Fundamentos de algebra lineal y aplicaciones. Mxico: Prentice Hall.
George Nakos (1999): Algebra lineal con aplicaciones. Mexico: Thomson.
Howard Anton (1997). Introduccin al algebra lineal. Mxico: Limusa.
Poole David (2004). Algebra lineal: una introduccin moderna. Mxico: Thomson.
Roland E. Larson y Bruce H. Edwards (1998). Introduccin al algebra lineal. Mxico: Limusa.
Rosa Barbolla y Paloma Sanz (1998). Algebra lineal y teora de matrices. Mexico: Prentice Hall.
Stanley I. Grossman (1993). Algebra lineal con aplicaciones. Mxico: Tercera edicin en espaol: mc graw hill.
Steven J. Leon C.E.C.S.A.
(1993). Algebra lineal con aplicaciones. Mxico:
167
Referencias de Internet
Alonso Razo, Santiango (2008). Matrices. Consultado el 05,12,2008 en http://www.vitutor.com/algebra/matrices/matrices.html.
Salazar Prez, Juan Antonio (2004). La regla de sarrus. Consultado el 07, 22,2008 en http://www.omerique.net/calcumat/matrices10.htm.
Aurelio Conde (2002). Operaciones con matrices. Consultado el 05,12,2008 en http://thales.cica.es/rd/Recursos/rd99/ed99-0289-02/mat031.html.
Annimo (1999). Determinante de una matriz. Consultado el 05,12,2008 en http://www.psico.uniovi.es/Dpto_Psicologia/metodos/tutor.3/mat2.html.
Annimo Consultado
(1997). Determinante de una matriz: definicin y propiedades. el 12, 12,2008 en
http://www.el.bqto.unexpo.edu.ve/etperez/apuntes/determinante.htm.
Arturo Gabriel Soto (2000). Captulo III, propiedades de los determinantes. Consultado el 23, 12, 2008 en
http://www.uam.es/personal_pdi/economicas/portega/web-algebra/capitulo 3/teoria-3-3/3-3-propiedades.htm
Barajas Gonzlez, Emanuel (2004). Determinante por cofactor. Consultado el 23,12, 2008 en http://www.geocities.com/halen_shezar/matrices/cofactor.html.
Francisco Javier Cobos Gavala (2005). Apuntes de algebra lineal. Consultado el 28/12/2008 en http://ma1.eii.us.es/Material/Alg_Lin_itig_Ap.pdf.
Peter Roberto Salaz (2003). Calculo de la matriz inversa. Consultado el 25, 12, 2008 en http://www.vitutor.com/algebra/determinantes/inversa.html.
168
Sara Snchez Jimnez (2008). Producto punto. Consultado en 26/12/2008 en http://www.scribd.com/doc/4808660/clase-semana1.
Alonso Pea Santiago (1998). Producto Interno. Consultado en 25/12/2008 en http://cnx.org/content/m12876/latest/.
Sols Harten Bravo (2003). Algebra lineal para todos. Consultado en 25/12/2008 en http://www.geocities.com/josearturobarreto/vectorn.htm
Patricia Prez Salaz (2007). Mnimos Cuadrados. Consultado en 25/12/2008 en http://www.scribd.com/doc/5707214/Minimos-Cuadrados.
169

Guía de Ejercicios Prácticos de ALGEBRA LINEAL

Cargado por

Copyright:

Formatos disponibles

Guía de Ejercicios Prácticos de ALGEBRA LINEAL

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Guía de Ejercicios Prácticos de ALGEBRA LINEAL

Cargado por

Copyright:

Formatos disponibles

Gua prctica de Algebra Lineal

Gua prctica de Algebra Lineal

Gua prctica de Algebra Lineal

Gua prctica de Algebra Lineal

CAPITULO II. MATRICES Y DETERMINANTES

Gua prctica de Algebra Lineal

2.2 Operaciones con matrices y sus propiedades Igualdad de Matrices

2) Encuentre los valores de x, y, z y w para que las siguientes matrices

Gua prctica de Algebra Lineal

Son iguales si y solo si x + 3 = 0; y 2 = -10; z = -8; w -1 = 1 de donde x = -3; y = -8; z= -8; y w = 2.

4) L a suma de son del mismo orden.

no est definida, porque no

representaciones de graficas tanto en 2D como 3D y resolucin de ecuaciones, entre otras cosas.

Gua prctica de Algebra Lineal

EJEMPLO USANDO MATEMATICA Suma de matrices:

Gua prctica de Algebra Lineal

Multiplicacin por Escalar

Gua prctica de Algebra Lineal

EJEMPLO USANDO MATEMATICA Multiplicacin por escalar:

A + B M mxn A+ B = B + A A + (B + C) = (A + B) + C A+0=0+A=A A + (-A) = -A + A = 0

Gua prctica de Algebra Lineal

Gua prctica de Algebra Lineal

Entonces matriz producto EJEMPLO 6.- Multiplicacin de Matrices. 1)

Gua prctica de Algebra Lineal

Multiplicacin de dos matrices que tiene diferente orden.

Gua prctica de Algebra Lineal

2.3 Aplicaciones de Matrices

El costo total est dado por el producto

Gua prctica de Algebra Lineal

EJERCICIOS PROPUESTOS 1) Calcule 2) Calcule 3) Calcule donde , donde , donde . . .

2.4 Tipos de Matrices.

Gua prctica de Algebra Lineal

Gua prctica de Algebra Lineal

A = -At, aij = -aji Necesariamente aii = 0. EJEMPLO 14.-

Gua prctica de Algebra Lineal

EJEMPLO USANDO MATEMATICA Obtencin de la transpuesta de una matriz de 3 x 2:

EJERCICIOS PROPUESTOS Encuentre la transpuesta de las siguientes matrices: 1)

3) Determine los nmeros

Gua prctica de Algebra Lineal

4) Llena los espacios faltantes para que la matriz antisimtrica.

2.5 Inversa de una matriz

Gua prctica de Algebra Lineal

Primero se escribe la matriz aumentada.

Y luego se efecta la reduccin por renglones:

Como A se ha reducido a I, se tiene

a fin de facilitar los clculos.

Gua prctica de Algebra Lineal

Gua prctica de Algebra Lineal

Matriz que no tiene inversa:

EJERCICIOS PROPUESTOS Calcular la inversa de las siguientes matrices: 1)

Gua prctica de Algebra Lineal

2.6 Determinante de una matriz.

El determinante de una matriz de orden 2 esta dado por

EJEMPLO 21.-Hallar el valor de:

EJEMPLO USANDO MATEMATICA Hallar el determinante de la matriz

EJERCICIOS PROPUESTOS Hallar el valor de: 1)

Gua prctica de Algebra Lineal

2.7 Evaluacin de una determinante 3 x 3 (regla de Sarrus).

Nota: Esta regla solo aplica a determinantes de orden 3x3