TESOEM CUADERNILLO DE APUNTES DE · PDF filem. en c. luis ignacio sandoval paèz 1 tesoem cuadernillo de apuntes de matemÁticas iii (Àlgebra lineal) elaborado por: luis ignacio sandoval

M. en C. Luis Ignacio Sandoval Paèz 1

TESOEM

CUADERNILLO DE APUNTES DE

MATEMÁTICAS III (ÀLGEBRA LINEAL)

ELABORADO POR: LUIS IGNACIO SANDOVAL PAÈZ


ÌNDICE Números complejos. …………………3

Introducción……………………………3

Números complejos…………………..4

Matrices…………………………………9 Introducción……………………………9 Concepto de matriz…………………..11 Matrices iguales………………………13 Matrices especiales………………….14 Matriz traspuesta……………………..21 Suma de matrices…………………….25 Multiplicación de matrices………….39 Sistemas de ecuaciones…………….54 Determinantes…………………………75 Matriz inversa………………………….93 Regla de cramer………………………103 Espacios vctoriales……………………...108 Introducción…………………………….108 Valores propios y vecrtores propios…..119 Introducción……………………………119 Bibliografía……………………………..121


Números complejos.

INTRODUCCIÒN

La primera referencia conocida a raíces cuadradas de números negativos proviene del trabajo de los matemáticos griegos, como Heron de Alejandría en el siglo I antes de Cristo, como resultado de una imposible sección de una pirámide. Los complejos se hicieron más patentes en el Siglo XVI, cuando la búsqueda de fórmulas que dieran las raíces exactas de los polinomios de grados 2 y 3 fueron encontradas por matemáticos italianos como Tartaglia, Cardano. Aunque sólo estaban interesados en las raíces reales de este tipo de ecuaciones, se encontraban con la necesidad de lidiar con raíces de números negativos. El término imaginario para estas cantidades fue acuñado por Descartes en el Siglo XVII y está en desuso. La existencia de números complejos no fue completamente aceptada hasta la más abajo mencionada interpretación geométrica que fue descrita por Wessel en 1799, redescubierta algunos años después y popularizada por Gauss. La implementación más formal, con pares de números reales fue dada en el Siglo XIX.

Los números complejos se usan en ingeniería electrónica y en otros campos para una descripción adecuada de las señales periódicas variables (ver Análisis de Fourier). En una expresión del tipo z = r eiφ

f(t) = z e

podemos pensar en r como la amplitud y en φ como la fase de una onda sinusoidal de una frecuencia dada. Cuando representamos una corriente o un voltaje de corriente alterna (y por tanto con comportamiento sinusoidal) como la parte real de una función de variable compleja de la forma

iωt

donde ω representa la frecuencia angular y el número complejo z nos da la fase y la amplitud, el tratamiento de todas las fórmulas que rigen las resistencias, capacidades e inductores pueden ser unificadas introduciendo resistencias imaginarias para las dos últimas (ver redes eléctricas). Ingenieros eléctricos y físicos usan la letra j para la unidad imaginaria en vez de i que está típicamente destinada a la intensidad de corriente.

El campo complejo es igualmente importante en mecánica cuántica cuya matemática subyacente utiliza Espacios de Hilbert de dimensión infinita sobre C (ℂ).

En la relatividad especial y la relatividad general, algunas fórmulas para la métrica del espacio-tiempo son mucho más simples si tomamos el tiempo como una variable imaginaria.


En ecuaciones diferenciales, es habitual encontrar primero las raíces complejas r de la ecuación característica de la ecuación diferencial de primer grado y luego intentar resolver el sistema en términos de las funciones base de la forma: f(t) = ert

.

NÙMEROS CONPLEJOS

Los Números Complejos son una extensión de los números reales, cumpliéndose que . Los números complejos tienen la capacidad de representar todas las raíces de los polinomios cosa que con los reales no era posible. Esto se consigue gracias a que los complejos hacen uso de una unidad imaginaria llamada número i. Donde . Cada complejo se representa en forma binomial como a + i·b donde a es la parte real i b es la parte imaginaria. Desde un punto de vista geométrico la recta real (recta que representa el total de números reales) puede ser vista como un subconjunto del plano de los números complejos. Cada número complejo sería un punto en ese plano. Usando las definiciones que siguen, se hacen posibles la suma, la resta, la multiplicación y la división entre estos puntos.

Definiremos cada complejo como un par ordenado de números reales (a, b), que verifican las siguientes propiedades:

• (a, b) + (c, d) = (a + c, b + d) • (a, b) · (c, d) = (ac - bd, bc + ad).

Tal como los hemos definido, los números complejos forman un cuerpo el cuerpo complejo, denotado por C (o más apropiadamente por el carácter único de ℂ ). Si identificamos el número real a con el complejo (a, 0), el cuerpo de los números reales R aparece como un subcuerpo de C. Más aún, C forma un espacio vectorial de dimensión 2 sobre los reales. Los complejos no pueden ser ordenados como, por ejemplo, los números reales: C no puede ser convertido de ninguna manera en un cuerpo ordenado.

http://es.wikipedia.org/wiki/Ra%C3%ADz�


Definición y propiedades principales de los números complejos

Un número complejo es un par ordenado de números reales , es

decir , donde se denomina parte real de e se denomina

parte imaginaria y se denotan por , . El conjunto de todos los números complejos lo denotaremos por . Para los números

complejos cualesquiera y , se define la operación

suma `` '' y multiplicación `` '' de la siguiente forma:

Es fácil comprobar que si y son números tales que , las operaciones anteriores coinciden con las de los números reales, de forma que los números reales son un subconjunto de los complejos,

concretamente son los números complejos de la forma .

Utilizando el conjunto de los números complejos descubrimos que es posible resolver ecuaciones algebraicas que no eran resolubles para los reales, por ejemplo

La expresión más común para representar un número complejo es la forma binómica:

Antes de pasar al segundo punto de este apartado debemos destacar que los números complejos también satisfacen los axiomas de cuerpo, no así los de orden.

En efecto, probemos que para los complejos es imposible que se cumplan los axiomas (propiedades) de la definición orden:

Un conjunto de elementos es un conjunto ordenado si existe una

relación de orden tal que cuales quiera sean y elementos de se

cumple que o no se cumple y además tienen lugar los siguientes axiomas:


1.

Para todo , 2.

Si y entonces . 3.

Si y entonces . 4.

Para todos , o o .

Si además, es un cuerpo, entonces para cuales quiera sean y de se tiene que

5.

Si entonces . 6.

Si y entonces .

Supongamos por ejemplo que . Entonces o o . Si ,

entonces por el axioma 6. , luego , o equivalentemente,

(lo cual pudiera ser cierto en pues no hemos decidido todavía que

criterio vamos a utilizar para ordenarlos). Ahora bien, si , entonces

, de donde , lo cual es imposible por el axioma 4. Es

decir es imposible que . Un razonamiento análogo demuestra que no puede ser menor que cero (probar esto último como ejercicio). Luego no hay forma alguna que nos permita ordenar los complejos.

Operaciones elementales. Sean y dos números complejos cualesquiera, entonces

Se llama complejo conjugado de un número al número

. Para se cumple que:


Además

de donde deducimos que si y sólo si .

Forma trigonométrica y exponencial de un número complejo. Sea

. Se define el módulo de al número y al argumento de

al ángulo tal que , . Entonces,

El módulo y el argumento de cumplen con las siguientes propiedades.

1. .

2.

3. .

4. .

5. .

6. Si y , entonces

Dado , se define la exponencial compleja de , como

(1)


Por tanto, cualquier número complejo se puede escribir de la forma:

La ecuación (1) se conoce como fórmula de Euler

Definiremos la función

.

mediante la expresión

La función exponencial tiene las siguientes propiedades:

1. .

2. .

3.

4. .

5.

6.

Potencias enteras y raíces enteras de un número complejo. Sea . Entonces

La fórmula anterior se conoce como fórmula de Moivre

Tomemos ahora un número complejo

.

. Entonces la ecuación

tiene soluciones y dichas soluciones, que son

las raíces ésimas complejas de un número complejo están dadas por la fórmula:

MATRICES

http://euler.us.es/~renato/clases/programa/node2.html#euler�


Introducción Las matrices y los determinantes comenzaron a desarrollarse con mayor fuerza a fines del siglo XVII. En sus comienzos, su desarrollo estaba dirigido a transformaciones de objetos geométricos y a la resolución de Sistemas de Ecuaciones Lineales.

Aunque en nuestros tiempos se consideran primero las matrices antes que los determinantes, en sus inicios no fue así. Se le daba más énfasis al estudio de los determinantes que a las matrices.

Actualmente, las matrices son de mucha utilidad en problemas prácticos de la vida diaria. Sobre todo en aquellos que involucran Sistemas de Ecuaciones Lineales. Por ejemplo, considera lo siguiente:

La siguiente información corresponde a la cantidad de energía (calorías) y proteínas (gramos) que aportan a nuestro organismo una porción de leche en polvo con una porción de alimento fortificante.

¿Cuántas porciones de leche en polvo y alimento fortificante se requiere para ingerir 1800 calorías y 70 gramos de proteínas?

Sea x la cantidad de porciones de alimento fortificante y sea y la cantidad de porciones de leche. De acuerdo a esto, podemos formar la siguiente ecuación:


Problemas como este, tan propios de tu vida, se pueden solucionar utilizando la Teoría de Matrices.

Algunos de los principales exponentes que de alguna u otra forma aportaron con sus cocimientos en el desarrollo de la Teoría de Matrices son Gauss, Cramer, Laplace, Leibniz, De l’hospital, Cardan y muchos otros más.

Si deseas investigar más al respecto y te gusta mucho navegar por Internet, al final de todos los módulos encontrarás algunos sitios que pueden enriquecer aún más tus conocimientos. También encontrarás bibliografía por si deseas consultar libros al respecto. Concepto de matriz

Llamaremos matriz de orden (nxm) sobre el cuerpo de los números reales a un conjunto de números reales dispuestos en n filas y m columnas de la siguiente forma:


Consideraciones

1. Las matrices se designan con una letra mayúscula, como A, B, C , D , etc.

Ejemplo:

2. La dimensión u orden de una matriz, está dado por la cantidad de filas (n) y la cantidad de columnas (m) que esta tenga y se denota por (nxm).

Ejemplo:


3. Cada elemento de la matriz corresponde a un número real representado de la forma (aij) donde i corresponde a la posición de fila y j corresponde a la posición de la columna dentro de la matriz.

Ejemplo:

Donde:

4. La cantidad de elementos de la matriz se determina multiplicando la cantidad de filas por la cantidad de columnas.


Ejemplo:

De ahora en adelante, denotaremos por A(nxm) o simplemente A, a una matriz cualquiera de orden (nxm) con elementos pertenecientes a los números reales.

MATRICES IGUALES

Diremos que dos matrices son iguales, si tienen el mismo orden o dimensión y los elementos que se encuentran en la misma posición, son iguales. Esto es:

La idea es que dos matrices son diferentes si difieren en al menos un elemento.

Ejemplo:

Luego, A = B.

ESCALAR


En los capítulos siguientes, muchas veces nos referiremos al término "escalar". Llamaremos escalar a cualquier constante numérica perteneciente a los números reales.

Matrices Especiales

Como te podrás ir dando cuenta, existen infinitas matrices de distinto orden con elementos pertenecientes a los números Reales.

Tenemos un grupo de matrices que, debido a los elementos que las componen y a la forma en que están ubicados, cumplen con propiedades especiales. Lo que facilita mucho las cosas cuando se trata de resolver algún problema práctico (que verás más adelante).

Sea A(nxm) una matriz con elementos pertenecientes a los números reales.

1. A será llamada matriz fila si n=1.

Ejemplo:

2. A será llamada matriz columna si m=1.

Ejemplo:

3. A será llamada matriz nula si aij =0 ∀i 1 <= i <= n; ∀j 1 <= j <= m.


Ejemplo:

En los próximos capítulos, a la matriz nula la denotaremos simplemente como 0.

4. A será llamada matriz cuadrada si n=m.

Ejemplo:

5. A será llamada matriz diagonal si:

a) n = m

b) aij=0 si i ≠ j

Ejemplo:

6. A será llamada matriz identidad si:

a) n = m


b) aij=0 si i ≠ j y aij = 1 si i =j

Ejemplo:

7. A será llamada matriz triangular superior si:

a) n = m

b) aij = 0 si i >= j

Ejemplo:

8. A será llamada matriz triangular inferior si:

a) n = m

b) aij = 0 si i <= j

Ejemplo:


9. A será llamada matriz simétrica si

a) n = m

b) aij = aji

Ejemplo:

Ejercicios de Matrices Especiales

1. Dada la siguiente matriz A = (aij), completa con el elemento o con la posición del elemento (ejemplo a11 = -1, -2 = a13 ).

a32 =

1.5 =

a34 =

-3 =

a24 =


1/5 =

2. Solo una de las siguientes afirmaciones es siempre verdadera ¿Cuál es?

a) Las matrices se designan siempre con letras minúsculas.

b) El orden de una matriz está dado por la cantidad de filas que esta tenga.

c) La cantidad de elementos de una matriz se determina sumando la cantidad de filas columnas.

d) Para que dos matrices sean iguales, basta que tengan la misma dimensión u orden.

e) Un elemento en una matriz corresponde a la intersección entre una fila y una columna.

3. Dadas las siguientes matrices:


Marca el cuadro que aparece a la derecha de la letra correspondiente a la matriz(ces) que consideres correcta.

a) ¿Cuál(es) matriz es cuadrada?

A B C D E F G H

b) ¿Cuál(es) matriz es simétrica?

A B C D E F G H

c) ¿Cuál(es) matriz es triangular superior?

A B C D E F G H

d) ¿Cuál(es) matriz es triangular inferior?

A B C D E F G H


e) ¿Cuál(es) matriz es una matriz columna?

A B C D E F G H

f) ¿Cuál(es) matriz es una matriz fila?

A B C D E F G H

g) ¿Cuál(es) matriz es igual a la matriz C?

A B C D E F G H

h) ¿Cuál(es) matriz es nula?

A B C D E F G H

i) ¿Cuál(es) es una matriz diagonal?

A B C D E F G H

j) ¿Cuál es una matriz identidad?

A B C D E F G H

4. Representa la información del ítem a y b por medio de una matriz y luego concluye en el ítem c.

a) La producción en granos de trigo, arroz, maíz y cebada en miles de toneladas durante el año 2000 en la región A fue respectivamente 3000, 200, 400 y 600. En la región B fue 700, 350, 700, 100. En la región C fue 1000, 100, 500, 800.

b) La producción en granos de trigo, arroz, maíz y cebada en miles de toneladas durante el año 2001 en la región A fue respectivamente 5000, 50, 200 y 0. En la región B fue 2000, 100, 300, 300. En la región C fue 2000, 100, 600, 600.

c) ¿Qué puedes concluir respecto a la producción de granos en las regiones A, B y C durante los años 2000 y 2001?

Matriz Transpuesta


¿Qué relación existe entre los siguientes pares de matrices A y B?

La relación que existe entre cada par de matrices, es que las filas de la matriz A se convierten en las columnas de la matriz B. A la matriz B la llamaremos matriz transpuesta de A y la denotaremos como:

Luego, sea A = (aij) una matriz de orden (nxm) con elementos pertenecientes a los número reales. Llamaremos matriz transpuesta de A a la matriz:

Ejemplo:


EJERCICIOS MATRIZ TRASPUESTA

Dadas las siguientes matrices:

1. Escribe en el recuadro la letra de la matriz transpuesta correspondiente.



2. Para cada una de las matrices, determina la traspuesta de la matriz transpuesta.

De esta actividad podemos concluir que:

a) La traspuesta de la matriz traspuesta es siempre una matriz cuadrada.

b) La traspuesta de la matriz traspuesta es siempre una matriz columna.

c) La transpuesta de la matriz traspuesta es siempre una matriz simétrica.

d) La traspuesta de la matriz traspuesta es la misma matriz.

e) La traspuesta de la matriz traspuesta es siempre una matriz fila.

3. Multiplica cada matriz por un escalar y determina la matriz transpuesta.

4. Multiplica la traspuesta de cada matriz por el mismo escalar del ejercicio anterior.

5. De los ejercicios 3 y 4 podemos concluir que:

6. La siguiente matriz es la traspuesta de la matriz F indicada al inicio de esta página ¿Cuál es el valor de x?


SUMA DE MATRICES

Vamos a comenzar esta unidad resolviendo un problema práctico.

La siguiente información, corresponde a la producción en granos en miles de toneladas, en dos años consecutivos:

¿Cuál es la producción de granos en miles de toneladas durante los dos años consecutivos?

Para resolver este problema, debemos sumar la producción del primer año, con la producción del segundo año. Esto equivale a sumar los elementos de la primera matriz con los elementos correspondientes de la segunda matriz:


Lo que respondería nuestra pregunta.

Supongamos ahora que existen muchos incentivos para incrementar la producción, condiciones climáticas favorables, etc. De tal forma que se estima que la producción para el tercer año será el triple de la producción del primero ¿Cuál será entonces, la producción estimada de este último año?

En este caso, debemos multiplicar la producción del primer año por tres (recuerda que es el triple).


Luego tenemos:

Para solucionar los problemas anteriores, acabamos de utilizar dos operaciones muy importantes con matrices: la suma y la multiplicación por un escalar (un número Real).

La suma de dos matrices, sean A =(aij) y B = (bij), solo es posible cuando ambas matrices tienen la misma dimensión u orden. Esto es, sean A = (aij) y B = (bij) matrices de orden (nxm) con elementos pertenecientes a los números reales.

Si sumamos A + B obtendremos una matriz C = (cij) con elementos también pertenecientes a los números reales y del mismo orden:


Donde los elementos de la matriz C son de la forma:

Veamos un ejemplo:

Tenemos que A + B = B + A ¿Será conmutativa la suma de matrices?

Por supuesto que es conmutativa, puedes ver la demostración: CLICK AQUI

Ahora si que podemos afirmar que la suma de matrices es conmutativa. O sea:

Consideremos lo siguiente:

http://palillo.usach.cl/Pamela/consuma.htm�

http://palillo.usach.cl/Pamela/consuma.htm�


Tenemos que A+ ( B + C ) = ( A + B ) + C

Como en el caso anterior, veamos si la suma de matrices es asociativa:

De acuerdo a la demostración, podemos afirmar que la suma de matrices es asociativa:

Veamos si la matriz nula es un elemento neutro en la suma de matrices:

Luego, cualquier matriz sumada a la matriz nula, da como resultado la misma matriz. O sea, la matriz nula es un elemento neutro en la suma de matrices.

Listo, ahora ya sabemos sumar matrices. Pero aún nos falta analizar la multiplicación de una matriz por un escalar.

Como nos pudimos dar cuenta en el problema planteado al comienzo de este capítulo, para multiplicar una matriz por un número escalar, basta multiplicar cada uno de los elementos de la matriz por este número. Esto es, sea A una matriz de orden (nxm) con elementos pertenecientes a los números reales. Y sea k un número real (el escalar).


Veamos dos ejemplos:

Sean


Matrices de orden (nxm) con elementos pertenecientes a los números reales. Y sea k un escalar Real.

Como lo vimos anteriormente, trata de demostrar que:

EJERCICIOS DE SUMA DE MATRICES

EJERCICIOS SUMA DE MATRICES

1. Dadas las siguiente matrices:

¿Cuál de los siguientes pares de matrices se pueden sumar?

a) La matriz C con la matriz E.

b) La matriz B con la matriz A.

c) La matriz E con la matriz F.

d) La matriz A con la matriz C.

e) La matriz D con la matriz F.


2. Sean A, B y C matrices de orden (nxn) con elementos pertenecientes a los números reales. Si B es la matriz nula ¿Cuál de las siguientes expresiones es siempre correcta?.

a) (D + C) + A + B = C + ( D + B)

b) C + ( D + A) = (C + D) + B

c) (A + D) + B + C = C + (D + A)

d) (B + D) + A + C = D + B - (C + A)

e) Ninguna de las anteriores.

3. Si C es la matriz nula ¿Cuál matriz corresponde a la matriz X?



Calcular:

A + B A + C C + B

5. ¿Cuál es el valor de x , y , z?

x = y = z =

6. Si la matriz resultado es una matriz triangular inferior ¿Cuál es el valor de x, y, z?

x = y = z =


7. Si la segunda matriz de la expresión, es una matriz diagonal ¿Cuál es el valor de x, y, z?

x = y = z =

8. Si la matriz resultado es la matriz simétrica de la primera matriz de la expresión ¿Cuál es el valor de x, y, z?

x = y = z =

9. La siguiente información corresponde a la cantidad de libros de la editorial A, B y C ordenados por tipo y empaste, que una librería tiene a la venta.


a) ¿Cuál matriz representa la cantidad total de libros que la librería tiene a la venta, por tipo y empaste.?


b) El dueño de la librería decide abrir una nueva sucursal. Para comenzar, se lleva la décima parte de los libros de la editorial A, la quinta parte de la editorial B y la cuarta parte de la editorial C. ¿Cuál es la cantidad total de libros por tipo y empaste de esta nueva sucursal?

c) Si en la nueva sucursal se vendieron todos los libros ¿Cuántos libros por tipo y empaste quedan por vender?


10. La siguiente información corresponde a los estilos de casa que diseña un arquitecto y la cantidad de material que se requiere para su construcción.

Si le piden construir tres casas de cada tipo ¿Cual es la cantidad de material que se va a gastar en ello?

Fierro Madera Vidrio Pintura Tejas

11. La siguiente información corresponde a la distancia en kilómetros entre ciudades.


Si la ciudad G está entre la ciudad A y la ciudad D. La ciudad H está entre la ciudad A y la ciudad E. La ciudad I está entre la ciudad A y la ciudad F. ¿Que distancia hay entre la ciudad G y la ciudad D, la ciudad H y la ciudad E, la ciudad I y la ciudad F?

Entre G y D Entre H y E Entre I y F

12. La siguiente información corresponde a la cantidad de productos que producen las plantas 1, 2, 3 y 4 en un día.

¿Cuál es la cantidad de producto1, producto2 y producto3 que se producen en ocho días?

Producto1 Producto2 Producto3

13. Un fabricante de cierto producto realiza tres modelos A, B y C. Partes de cada uno se elaboran en la fábrica F1 de Taiwán y después se terminan en la fábrica F2 de Estados Unidos. El costo total de cada producto consta de los costos de manufactura y de embarque.


¿Cuál es el costo total de manufactura y embarque?

Costo Manufactura Costo Embarque

MULTIPLICACIÒN DE MATRICES

La siguiente información corresponde a la cantidad de vitaminas A, B y C contenidas en cada unidad de los alimentos I y II.

Si ingerimos cinco unidades del alimento I y dos unidades del alimento II ¿Cuánto consumiremos de cada tipo de vitamina?


Para resolver este problema, representemos el consumo de los alimentos I y II (en este orden) en la siguiente matriz:

La operación que nos va a permitir obtener la cantidad ingerida de cada vitamina es la siguiente:

Esto quiere decir que serán ingeridas 30 unidades de vitamina A, 15 unidades de vitamina B y 2 unidades de vitamina C. Lo que respondería nuestra interrogante.

Supongamos ahora que el costo de los alimentos depende solamente de su contenido vitamínico y sabemos que los precios por unidad de vitamina A, B y C son respectivamente $5, $3 y $5. Entonces ¿Cuánto pagaremos por la porción de alimentos indicada anteriormente?

Esto lo podemos resolver de la siguiente forma:


Esto quiere decir que pagaríamos $205.

Las dos operaciones que acabamos de realizar las llamaremos producto o multiplicación de matrices. La matriz resultado o matriz producto es obtenida a partir de una fila de la primera matriz y una columna de la segunda. Veámoslo para un caso genérico:


Para poder multiplicar dos matrices, es necesario que la cantidad de columnas de la primera matriz, sea igual a la cantidad de filas de la segunda.

Luego, si A es una matriz de orden (nxm) y B es una matriz de orden (mxp), entonces la matriz resultado será una matriz de orden (nxp). Veamos un ejemplo:

Aquí sucede algo muy importante, fíjate que AB es distinto de BA, esto quiere decir que el producto de matrices no es conmutativo.


EJERCICIOS MULTIPLICACIÓN DE MATRICES


a) ¿Cuál(es) de los siguientes pares de matrices se pueden multiplicar?

A por E C por E D por A B por E D por C

b) Calcula:

A B A C

¿Que puedes concluir de ambos resultados?

c) Calcula:

t t t

(A B) B A



d) Calcula:

A(B + C) AB + AC


e) Calcula:

(AB)E A(BE)

¿Que puedes concluir de los resultados?

f) Calcula:

DE

¿Que puedes concluir del resultado?


g) Multiplica cada matriz por la matriz identidad ¿Que puedes concluir del resultado?

h) Demuestra las siguientes propiedades del producto de matrices:

Recomendación: Empieza probando la propiedad distributiva. Puedes trabajar con estas tres matrices:

Sigue desarrollando hasta llegar a AB + AC. Si no deseas escribir tanto, puedes resumir utilizando sumatorias.

2. La siguiente matriz nos muestra la cantidad de alumnos del tercer año A y tercer año B de un Liceo, separados por sexo:


Como regalo de fin de año, se dispone de $7000 para el regalo de las niñas y $6900 para el regalo de los hombres ¿Cuánto se gastará por curso?

Gasto por Curso

3ºA 3ºB

3. La siguiente matriz nos muestra la cantidad de rifas y talonarios que se vendieron, desde el primer año medio al cuarto año medio para el aniversario del Liceo.

Si por la venta de una rifa se asignan cinco puntos y por la venta de un talonario se asignan 10 puntos ¿Qué curso sacó más puntaje?

º Medio con puntos


4. Un corredor de la bolsa decide comprar acciones de una determinada empresa de la siguiente forma: 400 acciones del tipo A, 500 acciones del tipo B y 600 acciones del tipo C. Si cada acción de tipo A, B y C cuesta respectivamente $500, $400 y $300 respectivamente ¿Cual es el costo total de las acciones?

Costo total =

5. Un constructor tiene contrato para construir tres tipos de casa: moderno, mediterráneo y colonial. La cantidad de material que se utiliza en la construcción de cada tipo de casa está dado por la siguiente matriz:

a) Supongamos que los precios por unidad de fierro, madera, vidrio, pintura y tejas sean respectivamente 15, 8, 5 , 1 y 10 ¿Cual es el precio unitario por cada tipo de casa?

Moderno Mediterráneo Colonial

b) Si se van a construir 5, 7 y 12 casas tipo moderno, mediterráneo y colonial respectivamente ¿Cuántas unidades de cada material se va a utilizar?

Fierro Madera Vidrio Pintura Tejas


c) Si se van a construir 5, 7 y 12 casas tipo moderno, mediterráneo y colonial respectivamente y el valor de la UF equivale a $15558 ¿Cual es el costo total del material utilizado en pesos?

Valor total en pesos =

6. Las plantas se rocían con pesticida para eliminar insectos dañinos; sin embargo, absorben parte de las sustancias. Luego, los herbívoros comen las plantas contaminadas. En base a la información proporcionada a continuación:

¿Cual es la cantidad de pesticida 1, 2, 3 absorbida por cada uno de los herbívoros?

Herb. 1: Cant. Pest. 1 Cant. Pest. 2 Cant. Pest. 3




7. Un fabricante de muebles fabrica sillas y mesas que deben pasar por un proceso de armado y uno de acabado. Los tiempos necesarios para estos procesos están dados (en horas) por la siguiente matriz:

El fabricante tiene una planta en la ciudad A y otra en la ciudad B. Las tarifas por hora de cada proceso están dadas (en dólares) por la matriz:

¿Que le dicen al fabricante el producto de matrices AB?

a) Cuantas sillas y mesas se pueden construir en la Ciudad A y en la Ciudad B, tomando en cuenta el proceso de armado y acabado.

b) Cuantas horas tarda el proceso de armado y acabado de sillas y mesas en la Ciudad A y la Ciudad B.

c) El costo (en dólares) en hacer sillas y mesas en la Ciudad A y en la Ciudad B por hora.

d) El que ciudad es más conveniente construir sillas y mesas en cfont>


e) El tiempo de proceso (horas) en construir sillas y mesas en la Ciudad A y en la Ciudad B, sin considerar el proceso de armado.

Si el proceso de acabado de una silla aumenta en 90 minutos. ¿En cuál ciudad es más conveniente construir los muebles?

Ciudad A Ciudad B

¿Cuál es el costo de producir los muebles en la planta de la ciudad B?

US$

8. Un fabricante elabora productos P y Q en dos plantas X e Y. Durante la fabricación se producen los contaminantes bióxido de azufre, óxido nítrico y partículas suspendidas. Las cantidades de cada contaminante están dadas (en kilogramos) por la matriz:

Los reglamentos municipales exigen la eliminación de estos contaminantes. El costo diario por deshacerse de cada kilogramo de contaminante está dado (en dólares) por la matriz:


¿Que le dicen al fabricante el producto de matrices AB?

a) La cantidad de contaminantes mímanos que deben producir los productos P y Q en las Plantas X e Y respectivamente.

b) El costo (en dólares) por hacer los contaminantes P y Q en las Plantas X e Y diariamente.

c) De acuerdo las leyes federales, la cantidad máxima de contaminantes que están permitidos producir en las Plantas X e Y.

d) La cantidad de contaminantes que producen los productos P y Q en las Plantas X e Y respectivamente.

e) El costo diario (en dólares) por deshacerse de los contaminates de los productos P y Q en las Plantas X e Y.

Si en ambas plantas, el costo por deshacerse de las partículas suspendidas disminuye a la quinta parte ¿En cuánto disminuye el costo del producto Q en la Planta X?

US$

9. Una empresa de fotografía tiene una tienda en la ciudad A, B y C. Cierta marca de cámara está disponible en los modelos automático y manual. Además, cada una tiene una unidad de flash correspondiente, la cual se vende por lo general junto con la cámara. Los precios de venta de las cámaras y de las unidades de flash están dados (en dólares) por la matriz:


El número de equipos (cámara y unidad de flash) disponibles en cada tienda está dado por la matriz:

¿Que indica el producto de matrices AB?

a) El número de cámaras y unidades de flash que se encuentran disponibles en las ciudades A, B y C respectivamente.

b) El costo (en dólares) que sale producir cámaras y unidades de flash en las ciudades A, B y C.

c) La cantidad de equipos que se encuentran disponibles y su valor (en dólares) en las ciudades A, B y C.

d) El monto invertido (en dólares) en cámaras y unidades de flash en las ciudades A, B y C.

e) La cantidad de cámaras y unidades de flash que se venderán en las ciudades A, B y C respectivamente.


10. Un proyecto de investigación nutricional comprende adultos y niños de ambos sexos. La composición de los participantes está dada por la matriz:

El número de gramos diarios de proteínas, grasa y carbohidratos que consume cada niño y adulto, está dado por la matriz:

a) ¿Cuantos gramos de proteínas ingieren diariamente todos los hombres del proyecto?

b) ¿Cuantos gramos de grasa consumen a diario todas las mujeres?

c) ¿Cuantos gramos de grasa y carbohidratos consumen diariamente todos los hombres?


SISTEMAS DE ECUACIONES

Si se busca la palabra "lineal" en un diccionario, se encontrará algo parecido a lo siguiente:

LINEAL: (Del latín linealis.) adj. Perteneciente a la línea (Tomado del diccionario de la lengua española, Real academia española, 1984.).

En matemáticas, la palabra "lineal" tiene un significado mucho más amplio. De cualquier manera, una gran parte de la teoría de álgebra lineal elemental es de hecho una generalización de las propiedades de la línea recta.

Los sistemas de ecuaciones lineales los podemos encontrar en problemas tan prácticos de la vida diaria como el siguiente ejemplo:

La siguiente matriz, nos muestra la cantidad de calorías y proteínas que aportan a nuestra nutrición un huevo, un vaso de leche y un jugo de naranja:

¿Qué cantidad de huevos, leche y jugo de naranja necesitamos consumir para aportar a nuestro organismo 470 calorías y 19 gramos de proteínas?

Analicemos el problema:

Sea x1 = Cantidad de huevos

x2 = Cantidad de vasos de leche

x3 = Cantidad de vasos de jugo de naranja

Se nos está pidiendo que:


Por lo tanto, nuestro principal problema consiste en resolver este sistema de ecuaciones con dos ecuaciones y tres incógnitas o variables. O sea, determinar el valor de x1, x2 y x3.

Generalizando lo anterior, tenemos que un sistema de n ecuaciones lineales y m incógnitas es un conjunto de ecuaciones del tipo:

Una solución al sistema anterior es un conjunto de m de números reales (x1,...,xm) que satisfaga simultáneamente estas n ecuaciones.

Escribamos el sistema anterior en forma matricial:

O bien


Donde

Donde la matriz A es la matriz de coeficientes, la matriz X es la matriz de las incógnitas y la matriz B es la matriz de los términos independientes.

La otra matriz que podemos asociar al sistema es la matriz ampliada.

Por ejemplo, si representamos en forma matricial el siguiente sistema:

Tenemos:


En términos de matrices ampliadas, en la resolución del sistema tenemos:

ELIMINACIÒN DE GAUSS-JORDAN Y GAUSIANA

En esta sección se describe un método para encontrar todas las soluciones (si existen) de un sistema de n ecuaciones con m incógnitas.

Imagina que estás en consejo de curso y ocurre la siguiente problemática. Se decide comprar 2 destacadores, 5 lápices y 3 cuadernos. Para determinar el costo de los útiles, se sabe que el año pasado se gastó en 1 destacador más 4 cuadernos más 3 lápices $ 2600; 2 destacadores más 5 cuadernos más 4 lápices se gastó $ 3500 y 1 destacador más 3 cuadernos más 2 lápices se gastó $ 2000. ¿Cuál es el costo total de los útiles?

Para resolver este problema, vamos a determinar el costo por unidad de cada uno de los útiles: destacador, cuaderno y lápiz.

De acuerdo a los datos proporcionados, podemos construir el siguiente sistema de ecuaciones:


Donde

x1 = Precio de un destacador

x2 = Precio de un cuaderno

x3 = Precio de un lápiz

Para comenzar, vamos a enumerar las ecuaciones del sistema de 1 a 3 y vamos a asociar el sistema anterior a la matriz de coeficientes como sigue:

Primer paso: Eliminemos x1 de las ecuaciones (2) y (3). Para esto, multipliquemos la ecuación (1) por –2 y sumemos la ecuación obtenida a la ecuación (2), obteniendo una nueva ecuación (2’).

Multipliquemos la ecuación (1) por –1 y sumémosla a la ecuación (3), obteniendo la ecuación (3’). Esto nos da como resultado el siguiente sistema de ecuaciones:

Segundo paso : Eliminemos x2 de la ecuación (1’). Para esto, multipliquemos la ecuación (3’) por 4 y luego sumémosla a la ecuación (1’), obteniendo la ecuación (1’’).


Tercer paso: Multipliquemos la ecuación (3’’) por –3. El sistema queda así:

Cuarto paso: Eliminemos x2 de la ecuación (3’’’). Sumemos la ecuación (2’’’) a la ecuación (3’’’), obteniendo la ecuación (3iv).

El sistema quedaría así:

Quinto paso: Eliminemos x3 de la ecuación (1iv) y (2iv). Para esto, sumemos la ecuación (3iv) a la ecuación (1iv), obteniendo la nueva ecuación (1v).

Multipliquemos la ecuación (3iv) por 2 y luego sumémosla a la ecuación (2iv), obteniendo la nueva ecuación (2v).


Sexto paso: Multipliquemos la ecuación (2v) por –1/3, obteniendo la ecuación (2vi).

O sea:

Del sistema anterior, podemos desprender que:

x1 = 300; x2 = 500; x3 = 100

Esto quiere decir que el precio de un destacador, un cuaderno y un lápiz es respectivamente: $100, $500 y $100.

Resolviendo el problema que teníamos en un comienzo, tenemos que el costo total de los útiles es $2600. Pues:

2 (300) + 5 (100) + 3 (500) = 600 + 500 + 1500 = 2600

¿Qué te parece?, con esto resolvimos el problema. Este método que acabamos de utilizar es conocido como Eliminación de Gauss-Jordan. Ahora, analicemos lo que hicimos.

Si representamos en forma matricial el sistema del problema anterior tenemos:


La matriz ampliada asociada al sistema es:

Con todas las operaciones que realizamos llegamos a:

que es la matriz ampliada resultante del sistema:

Ahora, vamos a definir las tres operaciones que anteriormente realizamos.


OPERACIONES ELEMENTALES SOBRE LAS FILAS DE UNA MATRIZ

1. Permutación de la i-ésima y j-ésima fila.

2. Multiplicación de la i-ésima fila por un escalar no nulo k.

3. Sustitución de la i-ésima fila por la i-ésima fila más k veces la j-ésima fila.

El proceso de aplicar las operaciones elementales con filas para simplificar una matriz aumentada se llama reducción por filas.

Siendo consecuentes con lo anterior, si A y B son matrices de orden nxm, diremos que B es equivalente (por filas) a la matriz A si B fue obtenida de A a través de un número finito de operaciones elementales sobre las filas de A. Esto lo denotaremos como:


Por ejemplo:

pues

Otro ejemplo

De nuevo se puede "ver" de inmediato que la solución es:

x1 = 4, x2 = -2, x3 = 3


SOLUCIÓN DE UN SISTEMA CON UN NÚMERO INFINITO DE SOLUCIONES

Resolvamos el sistema:

Escribamos el sistema como una matriz ampliada:

Después, se obtiene sucesivamente,

Esto es equivalente al sistema de ecuaciones

Hasta aquí se puede llegar. Se tienen solo dos ecuaciones para las tres incógnitas x1, x2, x3 y existe un número infinito de soluciones. Para ver esto, se elige un valor de x3. Entonces

x2 = 4 - 2x3


x1 = 1 + x3

Esta será una solución para cualquier número x3. Por ejemplo, si x3 =0 se obtiene x1 = 1 y x2 = 4. Si x3 = 10 se obtiene x1 =11 y x2 = -16.

UN SISTEMA INCONSISTENTE

Resuelve el sistema

La matriz ampliada para este sistema es

Tratemos de resolver este sistema

Hagamos una pausa aquí; las últimas dos ecuaciones son


Lo que es imposible, ( si -2x2 - 3x3 = -5, entonces 2x2 + 3x3 =5, no 4 ). Así no hay una solución. Se puede proceder de otra forma para obtener una forma más estándar:

Ahora la última ecuación es 0x1 + 0x2 + 0x3 = -1, lo que es imposible ya que 0 es distinto de -1. Así, el sistema anterior no tiene solución en los reales. En este caso se dice que el sistema es inconsistente.

Luego

EJERCICIOS GAUSS-JORDAN, ELIMINACIÓN GAUSSIANA

1. ¿Cuál de los siguientes sistemas tiene la matriz de coeficientes dada?


2. ¿Cuál de las siguientes es una operación elemental con filas?

a) Remplazar una fila con un múltiplo diferente de cero de esa fila.

b) Sumar una constante diferente de cero a cada elemento en una fila.

c) Intercambiar dos columnas.

d) Remplazar una fila por una suma de filas y una constante distinta de cero.

3. ¿Cuál de las siguientes afirmaciones es cierta sobre la matriz dada?

a) Está en la forma escalonada por fila.

b) No está en la forma escalonada por fila porque el cuarto número en la fila 1 no es 1.


c) No está en la forma escalonada por fila porque el primer elemento diferente de cero en la fila 3 es 3.

d) No está en la forma escalonada por fila porque la última columna contiene un cero.

4. ¿Cuál de las siguientes afirmaciones es cierta sobre el sistema dado?

a) Tiene una solución única x = 1; y = 1; z = 1

b) Es inconsistente.

c) Tiene un número infinito de soluciones.

5. Utiliza la eliminación de Gauss-Jordan para encontrar todas las soluciones (si existen) para los sistemas dados:


a) ¿Cuál(es) sistema(s) tiene(n) una única solución?

a) b) c) d) e) f) g) h) i)

b) ¿Cuál(es) sistema(s) no tiene(n) solución?

a) b) c) d) e) f) g) h) i)

c) ¿Cuál(es) sistema(s) tiene(n) infinitas soluciones?

a) b) c) d) e) f) g) h) i)



a) ¿Cuál(es) matriz(ces) se encuentra(n) en la forma escalonada por filas, pero no en la forma escalonada reducida por filas?

A B C D E

b) ¿Cuál(es) matriz(ces) se encuentra(n) en la forma escalonada reducida por filas?

A B C D E

c) ¿Cual(es) matriz(ces) no se encuentra(n) en ninguno de los dos casos anteriores?

A B C D E

7. Dadas la siguientes matrices.


¿Cuál de las siguientes afirmaciones es verdadera?

a) La matriz L es la forma escalonada por filas de la matriz A.

b) La matriz I es la forma escalonada por filas de la matriz C.

c) La matriz E es la forma escalonada reducida por filas de la matriz B.

d) La matriz H es la forma escalonada reducida por filas de la matriz A.

e) La matriz E es la forma escalonada por filas de la matriz B.

f) La matriz K es la forma escalonada reducida por filas de la matriz B.

g) La matriz D es la forma escalonada por filas de la matriz C.

h) La matriz J es la forma escalonada reducida por filas de la matriz C.

i) La matriz F es la forma escalonada por filas de la matriz A.

a) b) c) d) e) f) g) h) i)

8. Solucionar:


x = y = z =

9. Solucionar:

x = y = z =

10. Solucionar:

x = y = z =

11. Solucionar:


x = y = z = w =

12. La siguiente información corresponde a la cantidad de energía (calorías) y proteínas que aportan a nuestro organismo una porción de leche en polvo con una porción de alimento fortificante.

¿Cuántas porciones de leche en polvo y alimento fortificante se requiere para ingerir 1800 calorías y 70 gramos de proteínas?

Porciones de leche Porciones de alimento

13. Sean 3 números tal que cuatro veces el primero, más el triple del segundo, más el triple del tercero es 19. Veinte veces el primer número, más 20 veces el segundo, más 10 veces el tercero es 90. Cuatro veces el primer número, más dos veces el segundo y más 5 veces el tercero es 29 .

Sean x, y, z los tres números respectivamente, entonces:

x = y = z =

14. Un muéblelo fabrica sillas, mesas para café y mesas para comedor. Se necesitan 10 minutos para lijar una silla, 6 para pintarla y 12 para barnizarla. Se necesitan 12 minutos para lijar una mesa para café, ocho para pintarla y 12 para barnizarla. Se necesitan 15 minutos para lijar una mesa para comedor, 12 para pintarla y 18 para barnizarla. La mesa de


lijado está disponible 16 horas a la semana, la mesa de pintura 11 horas a la semana y la mesa de barnizado 18 horas ¿Cuántas unidades de cada mueble deben fabricarse por semana de modo que las mesas de trabajo se ocupen todo el tiempo disponible?

Cant. sillas Cant. mesas café Cant. mesas comedor

15. Un editor publica un posible éxito de librería en tres presentaciones distintas: libro de bolsillo, club de lectores y edición de lujo. Cada libro de bolsillo necesita un minuto para el cosido, dos para el pegado y 3 para el secado. Cada libro para el club de lectores necesita dos minutos para el cosido, cuatro para el pegado y 5 para el secado. Cada libro en edición de lujo necesita tres minutos para el cosido, cinco para el pegado y 7 para el secado. Si la planta de cosido está disponible seis horas diarias, la planta de pegado 11 horas diarias y la planta para secado 15 horas diarias ¿Cuántos libros de cada presentación se pueden producir por día de modo que las plantas se aprovechen a toda su capacidad?

Cant. Libros bolsillo Cant.libros club de lectores Cant. libros edición de lujo

16. Un viajero que acaba de regresar de Europa gastó $30 diarios en Inglaterra, $20 en Francia y $20 diarios en España por concepto de hospedaje. En comida gastó $20 diarios en Inglaterra, $30 diarios en Francia y $20 diarios en España. Sus gastos adicionales fueron de $10 diarios en cada país. Los registro del viajero indican que gastó un total de $250 en hospedaje, $230 en comida y $200 en gastos adicionales durante


su viaje por estos tres países. ¿Cuántos días que pasó el viajero en cada país?

Cant. días en Inglaterra Cant.días en Francia Cant. días en España

DETERMINANTES

Consideremos el sistema

La solución a este sistema es:

Asociemos el denominador a la matriz A = (aij)

En un sistema de dos ecuaciones:


La solución es:

Nuevamente asociemos el denominador a la matriz:

En un sistema de tres ecuaciones:

Si resolvemos este sistema, llegaremos a que los denominadores de x1, x2, x3 son iguales a:


Que también podemos asociar a la matriz

A estos números que aparecen en los denominadores y que asociamos a la matriz cuadrada A de orden (nxn) con elementos pertenecientes a los números reales, los llamaremos el determinante de la matriz A y lo denotaremos como:

Así,


Y así sucesivamente....

Como te puedes dar cuenta, el cálculo del determinante de una matriz puede ser muy engorroso. Sobre todo si se trata de matrices de orden superior a 3.

A continuación estudiaremos un método que nos facilitará en gran manera el cálculo de los determinantes. Este método es conocido como:


MÉTODO DE LAPLACE

Si seguimos desarrollando el determinante de la matriz de orden (3x3) anterior, tenemos:

Donde Aij es una submatriz de la matriz A en donde se quitan la i-esima fila y la j-esima columna.

Con esto tenemos

Si generalizamos esto para matrices cuadradas de orden (nxn) con elementos pertenecientes a los números reales, tenemos


Aclaremos un poco más.


Veamos algunos ejemplos:

1. Vamos a resolverlo fijando la fila 1:


2. Ahora lo vamos a resolver fijando la fila 2:


3. Ahora lo vamos a resolver fijando la fila 3:


Como puedes ver, fijando la fila 1, 2 o 3 obtuvimos el mismo resultado. Ahora está en tí que te fijes cuál de las filas es la que te conviene tomar para resolver el ejercicio.

Veamos que pasa si lo resolvemos fijando las columnas.

4. Ahora lo vamos a resolver fijando la columna 1:


5. Resolvamos fijando la columna 2:


6. Finalmente lo vamos a resolver fijando la columna 3:


Al igual que en las filas, fijando la columna 1, 2 o 3 obtuvimos el mismo resultado. O sea, fijando cualquier fila o cualquier columna, obtendremos el mismo resultado. Pero usa tu ingenio para saber cual es más conveniente elegir.

Otro ejemplo:

Resolvamos fijando la columna 4:


¿Ahora entiendes por qué es necesario saber elegir?

EJERCICIOS DETERMINANTES


a) Calcular el determinante de A, B, C y D respectivamente:


Calcular el determinante de la transpuesta de A, B, C y D respectivamente:

De acuerdo a esta actividad ¿Cuál(es) de las siguientes afirmaciones es verdadera?

El determinante de una matriz cuadrada ...

Es siempre igual al determinante de la matriz identidad.

Es igual al determinante de la matriz traspuesta menos uno.

Es igual al doble del determinante de su matriz traspuesta.

Es igual al determinante de su matriz traspuesta.

Es distinto al determinante de su matriz traspuesta.

b) Intercambia dos filas en cada una de las matrices y vuelve a calcular el determinante a esta nueva matriz.

Ejemplo:


El determinante de la nueva matriz es ...

Cero.

Igual al determinante de la matriz original.

Igual al determinante de la matriz original multiplicada por -1.


Igual al doble del determinante de la matriz original.

Siempre positivo.

c) Multiplica una fila por una constante cualquiera perteneciente a los números Reales y vuelve a calcular el determinante a esta nueva matriz.

Ejemplo:



Cero.

Igual al determinante de la matriz original multiplicada por la constante.



Siempre positivo.

d) Multiplica una fila por una constante cualquiera (perteneciente a los números Reales) y luego suma esta fila a otra fila cualquiera de la matriz. Calcula el determinante a la nueva matriz.

Ejemplo:




Cero.



Igual al determinante de la matriz original menos la constante.

Siempre positivo.

2. Calcula el determinante de las siguientes matrices triangulares.


El determinante de una matriz triangular es ...

Siempre cero.


Siempre positivo.

Siempre negativo.

Igual al producto de los elementos de su diagonal.

Siempre un número impar.

3. Calcular:

det(A) = det(B) = det(AB) =

det(C) = det(D) = det(CD) =

det(E) = det(F) = det(EF) =


det(G) = det(H) = det(GH) =

det(I) = det(J) = det(IJ) =


El determinante de AB es ...

Siempre cero.

Siempre positivo.

Siempre negativo.

Igual al determinante de la matriz A por el determinante de la matriz B

Siempre un número impar.

MATRIZ INVERSA

Consideremos nuevamente el siguiente problema. En consejo de curso se decide comprar 2 destacadores, 5 lápices y 3 cuadernos.

Para determinar el costo de los útiles, se sabe que 1 destacador más 4 cuadernos más 3 lápices se valen $ 2600, 2 destacadores más 5 cuadernos más 4 lápices valen $ 3500 y 1 destacador más 3 cuadernos más 2 lápices valen $ 2000.

¿Cuál es el costo total de los útiles?


Para resolver este problema, vamos a determinar el costo por unidad de cada uno de los útiles: destacador, cuaderno y lápiz.

De acuerdo a los datos proporcionados, podemos construir el siguiente sistema de ecuaciones:

Donde

x1 = Precio de un destacador

x2 = Precio de un cuaderno

x3 = Precio de un lápiz

Podríamos resolver este problema en forma matricial. Esto es:

O bien:

Donde


La matriz A es la matriz de coeficientes, la matriz X es la matriz de las incógnitas y por último, la matriz B es la matriz de los términos independientes.

Para solucionar la ecuación matricial AX=B, vamos a despejar la incógnita, que en este caso corresponde a la matriz X.

Lo que nosotros necesitamos es una matriz tal que, al multiplicarla por la matriz A, nos de cómo resultado la matriz identidad. Llamemos a esa matriz la matriz inversa de A y denotémosla como:

De esta forma, podríamos resolver nuestra ecuación matricial:

Y solucionado el problema.

Siguiendo con nuestro problema planteado, tenemos que la matriz inversa de A es:

Entonces


Esto nos indica que x1= 300, x2= 500 y x3=100. Por lo tanto, el precio de un destacador, un cuaderno y un lapiz es respectivamente $300, $500 y $100.

Pero ¿Cómo se obtuvo la matriz inversa de A?

Como te puedes dar cuenta, el cálculo de la matriz inversa nos puede ser muy útil para la resolución de sistemas de ecuaciones lineales. Ahora, el gran problema se traduce en como obtenerla.

Es muy importante que te fijes que el sistema de ecuaciones anterior tiene la misma cantidad de ecuaciones e incógnitas, lo que significa que nuestra matriz de coeficientes es una matriz cuadrada. Por lo tanto, para calcular la inversa de una matriz, se requiere que la matriz sea cuadrada.

Ejemplo 1:

Ejemplo2:

Supongamos que B es la matriz inversa de A. O sea, se tiene que cumplir que:

a) AB =I2 y

b) BA =I2


Revisemos a)

O sea, AB = I2

Revisemos b)

O sea, BA=I2

Por lo tanto,


Ahora, nuestro principal problema se traduce en obtener la inversa de una matriz cuadrada, si es que realmente existe una.

Antes de lanzarnos en esta búsqueda, consideremos las siguientes propiedades respecto a la matriz inversa:

PROPIEDADES DE LA MATRIZ INVERSA

1. Si A y B son matrices cuadradas del mismo orden, ambas inversibles, entonces:

Demostremos esta propiedad:

2. Si la matriz A tiene inversa, esta es única.

3. No toda matriz tiene inversa.

En efecto:

La cual no tiene inversa ya que la siguiente ecuación matricial no tiene solución.


Tenemos que 2c =1 y c=0. En los números reales no podemos tener estas igualdades simultáneamente.

Ahora que ya conoces estas tres propiedades de la matriz inversa, vamos a conocer una matriz especial que nos va a ayudar a encontrar la inversa de una matriz cuadrada. Esta es la matriz adjunta.

Dada una matriz A, el cofactor del elemento aij de la matriz es:

Donde Aij es una submatriz de A obtenida extrayendo la i-ésima fila y la j-ésima columna. Con estos elementos podemos formar una nueva matriz de cofactores de A. denotada como cof(A).

Ejemplo:


Entonces

Así, dada una matriz cuadrada A, llamaremos matriz adjunta de A a la traspuesta de la matriz de cofactores de A.

De acuerdo al ejemplo anterior, tenemos:

Veamos que pasa si multiplicamos A con adj(A)


Si calculamos el determinante de la matriz A llegaremos a que det (A) = -19. Luego, en este caso tenemos que:

Vamos a suponer esta propiedad válida para toda matriz cuadrada de orden n.

Supongamos ahora que A(nxn) tiene inversa. Usando una de las propiedades de los determinantes tenemos:

Del producto anterior podemos concluir que si A tiene inversa:

O sea, det A distinto de cero, es una condición necesaria para que A tenga una inversa. Verifiquemos que también es suficiente (o sea, que si el determinante de una matriz es distinto de cero, entonces la matriz es inversible).

Ya sabemos que:


Ahora si que podemos afirmar que:

En este caso:

Este resultado nos ofrece un nuevo método para calcular la inversa de una matriz.

Ejemplo 1:

Calculemos la inversa:


Ejemplo2:

REGLA DE CRAMER

Sea el siguiente sistema de ecuaciones:

Podemos expresar este sistema en forma matricial


O bien

Donde

Donde la matriz A es la matriz de coeficientes, la matriz X es la matriz de las incógnitas y por último, la matriz B es la matriz de los términos independientes.

Para la ecuación A X = B supongamos que det(A) ≠ 0, por lo tanto A tiene inversa. Entonces:


En forma matricial:

Usando la relación

Tenemos:

Fíjate que el numerador de esta fracción es igual al determinante de la matriz que obtenemos de A, pero sustituyendo los coeficientes (a1i ... a1n) por la matriz de los términos independientes (b1 ... bn). De echo, usando el desenvolvimiento de Laplace, tenemos:


Generalizando:


Este método de resolución de Sistemas de Ecuaciones es conocido como Regla de Cramer y es aplicable en sistemas donde la cantidad de ecuaciones es igual a la cantidad de incógnitas.

Importante es recordar siempre que la Regla de Cramer en la resolución de un sistema lineal de n ecuaciones con n incógnitas sólo se puede aplicar cuando el determinante de la matriz de los coeficientes es distinto de cero.

Ejemplo:

Dado el sistema de 3 ecuaciones y 3 incógnitas:

Por lo tanto, podemos usar la Regla de Cramer.

Luego:


ESPACIOS VECTORIALES

Definición de Espacio Vectorial En el estudio de las matemáticas o de la física, el término vector se aplica a una amplia variedad de objetos, principalmente a cantidades que representan magnitudes y dirección, ya sea una fuerza, una velocidad o una distancia. El término vector también se usa para describir entidades como matrices, polinomios o funciones.

Supongamos que tenemos un conjunto donde para y escalares cumplen con las siguientes propiedades:

Propiedad de cerradura

.

.


Propiedad de adición

.

.

contiene al elemento 0 con . Propiedad de multiplicación por un escalar

.

.

.

Entonces se denomina un espacio vectorial. Podemos decir por lo anterior que en un espacio vectorial intervienen dos conjuntos, vectores y escalares, los segundos como coeficientes de los primeros. Los vectores forman un grupo abeliano con respecto a la adición (la suma es cerrada, asociativa, conmutativa, existe el elemento 0 y los negativos) y los escalares forman un campo con la inclusión del 0 y del .

Dicho de manera informal, en un espacio vectorial tenemos elementos los cuales podemos sumar entre ellos, alargarlos o contraerlos; un paso a seguir es encontrar todas las características estructurales de estos espacios. Para esto recurriremos a ideas provenientes del Álgebra Universal, tales como relaciones de orden, relaciones de equivalencia, mapeos de un conjunto a otro y la gene-ración de espacios más complejos por medio de productos cartesianos.

Subespacios Vectoriales

Para un espacio vectorial , si existe un subconjunto tal que:

• El elemento está también en .

• .

• y cualquier escalar.

Entonces es un subespacio vectorial en , es decir, cualquier subconjunto de un espacio vectorial que mantiene las mismas propiedades por sí mismo conforma un subespacio.


Relaciones de Orden

En un espacio vectorial, podemos ordenar los subes-pacios por su contención, por ejemplo, el subespacio más pequeño consistente del elemento 0 está contenido en cualquier otro subespacio, o el espacio completo es el subespacio más grande que contiene a cualquier otro.

Par dos subespacios , definiremos el subes-pacio más grande común a ambos como , por otra parte, el subespacio más pequeño que contiene tanto a como a consiste en todas las combinaciones lineales de vectores posibles con los dos subconjuntos y no sólo en .

Con esto, los subconjuntos de un espacio vectorial pueden ser organizados en una jerarquía, en donde para cada subconjunto se obtiene el mínimo subespacio que lo contiene o el máximo subespacio que éste contenga, esto nos lleva a una noción fundamental en el estudio de espacios vectoriales, la de base.

Base de un Espacio Vectorial

Hasta el momento, hemos visto que las relaciones de orden nos ofrecen una forma de organizar los subespacios de un espacio vectorial según su contención, en especial, todos los múltiplos escalares de un subespacio

forman el menor conjunto que incluye a .

Supongamos que para , con , todo

elemento es una combinación lineal de los elementos de , es decir:

(1)

entonces se dice que es una expansión de .

Para , decimos que es linealmente

dependiente si existen escalares no todos iguales a 0 tal que:


(2)

Esto indica que alguno de los elementos de es múltiplo de otro; en caso contrario, si la ecuación 2 no se cumple más que para

, entonces los elementos de son linealmente independientes.

De aquí, si es una expansión de , entonces el conjunto de vectores

linealmente independientes forma una base de . Con las relaciones de orden sobre , podemos encontrar como el conjunto de elementos linealmente independientes que generan a por medio de todas las posibles combinaciones lineales, así, el número de vectores

linealmente independiente en dado por define la dimensión del espacio.

Relaciones de Equivalencia

Una vez definida la estructura de un espacio vectorial, es interesante analizar los mapeos que pueden existir entre los elementos de varios espacios, en este caso, el uso de relaciones de equivalencia ayuda a hacer más clara la interacción entre dos espacios conectados por una función.

Una función debe cumplir que para cada elemento , sea única; de este modo, para espacios vectoriales se requiere que las funciones cumplan con ser lineales, esto es:

(3)

Funciones lineales entre espacios vectoriales forma otro espacio vectorial; los valores que tome la función dependen de los valores que asigne a la base del espacio, pues de ahí todos los demás elementos se generan como combinaciones lineales.

Para un subconjunto de un espacio vectorial donde una función toma el mismo valor en cada elemento del subconjunto, se define una clase de equivalencia; las contraimágenes de esta función dependen de la

http://delta.cs.cinvestav.mx/~mcintosh/comun/summer99/seck/node14.html#comb�


contraimagen de 0 pues dos elementos de la misma clase de equivalencia tienen las mismas imágenes; por esto, la contaimagen de 0 constituye el kernel del mapeo. Las imágenes y contraimágenes de un espacio vectorial son también espacios vectoriales.

Producto Cartesiano

Sea una familia de espacios vectoriales para donde es

un conjunto que indexa a la familia , entonces:

(4)

denota el conjunto de todos los mapeos tal que

para cada .

Bajo esta construcción, se denota como el producto directo o producto

cartesiano de los espacios . El producto cartesiano es una de las maneras más sencillas de fomar un espacio vectorial complicado utilizando espacios más simples. Las funciones que vayan desde las bases a los elementos del producto se denominan proyecciones y sirven para recobrar los factores originales del producto cartesiano.

)


2)

3)



4)

5)



6)


8)

9)


Valores propios y vectores propios Introducción:

El cálculo de los valores propios y de los vectores propios de una matriz simétrica tiene gran importancia en las matemáticas y en la ingeniería, entre los que cabe destacar, el problema de la diagonalización de una matriz, el cálculo de los momentos de inercia y de los ejes principales de inercia de un sólido rígido, o de las frecuencias propias de oscilación de un sistema oscilante.

Muchos problemas prácticos de determinación de vectores y valores propios de una matriz de orden n solo requieren el conocimiento de un número limitado de dichos pares; por ejemplo, aquellos cuyos p valores propios (p < n) son los de mayor módulo. Cuando p = 1 y se trata de obtener el valor propio de mayor módulo o valor propio dominante de una matriz general y su vector propio asociado, puede citarse como más adecuado el método de la potencia, atribuido a Von Misses [1], el cual, a partir de una aproximación arbitraria del vector propio buscado, obtiene iterativamente la aproximación deseada en función de la precisión requerida. La localización de otros valores propios se puede realizar utilizando técnicas de deflacción [2], pudiéndose obtener de esta forma los valores propios dominantes y sus correspondientes vectores propios. Otros métodos de obtención del valor propio dominante de una matriz se basan en el concepto de "Cociente de Rayleigh" [3] por el cual pueden construirse algoritmos iterativos que convergen cuadraticamente al valor propio dominante. Los métodos de Iteración Simultánea constituyen una generalización del método de la potencia. Se basan en el procesamiento simultáneo de un subconjunto inicial de p vectores ortogonales a los que se trata de modo que en cada paso del proceso iterativo se mantenga entre ellos la relación de ortogonalidad y no converjan al mismo vector propio. Estos procedimientos son más eficaces que las técnicas de deflación. Entre ellos se pueden señalar el método desarrollado por Rutishauser [4] en 1969, de aplicación a matrices simétricas definido-positivas. En 1970, Clint y Jennings [5] publican su aportación para matrices simétricas. En 1975, Jennings y W.J. Steward [6] desarrollan un algoritmo para matrices reales simétricas y no simétricas. El método que presentamos en estas notas es general, válido para matrices finitas de cualquier tipo. Si bien constituye una generalización del método de la potencia, difiere de los métodos de iteración simultánea en los siguientes aspectos:

• Se basa en las propiedades de las matrices sigma [7] y en el concepto de matriz propia.


• Desde un punto de vista computacional, no es necesario ortogonalizar los vectores de iteración según las técnicas descritas en Wilkinson [8] ni resolver en cada ciclo el problema de valores y vectores propios, como ocurre en los métodos de Iteración Simultánea o los de Arnoldi y Lanczos [9]. Este hecho es debido a que la convergencia del método no se estudia en los valores propios si no en las matrices sigma.

Se denominan valores propios o raíces características de una matriz cuadrada A, a los valores de tales que.

Desarrollando el determinante tenemos un polinomio de grado n. Trataremos de encontrar los coeficientes del polinomio, y luego aplicaremos un método de hallar las raíces del polinomio. Este procedimiento es apropiado cuando se presentan valores propios que no son reales sino complejos.

Una vez hallados los valores propios, para hallar el vector propio X correspondiente al valor propio e s n e c e s a rio re s o lve r e l s is te m a homogéneo

donde el vector X es Siempre podemos tomar x0 como 1, y hallar las otras n-1 incógnitas. De las n ecuaciones podemos tomar n-1, y resolver el sistema lineal.

El método de Leverrier Dada una matriz cuadrada A de dimensión n. El polinomio característico de la matriz es


Los coeficientes se hallan mediante las siguientes relaciones

(1)

Los valores s1, s2, ... sn son las trazas de las potencias de la matriz cuadrada A.

La traza de una matriz es la suma de los elementos de su diagonal principal.

La codificación en términos de la clase Matriz no reviste dificultad, y tiene dos partes, en la primera se calcula las potencias de la matriz A, y la traza de cada una de ellas, en segundo lugar se calculan los coeficientes pi

del polinomio característico. Para hallar las potencias de la matriz A se emplea un código similar al que empleamos para hallar las potencias de un número. En aquella ocasión la potencia de orden cero de un número es la unidad, en este caso es la matriz unidad de la misma dimensión que A.

Bibliografía Boy93

Mike Boyle, Symbolic Dynamics and Matrices, IMA Volumes in Mathematics and Its Applications, vol. 50, 1-38, IMA Volumes in Mathematics and Its Applications, Academic Press, New York, 1993, pp. 1-38.


CR41 Richard Courant and Hebert Robbins, What is mathematics?, Oxford University Press, New York, 1941.

Haj68 Otomar Hajek, Dynamical systems in the plane, Academic Press, London, 1968.

Hal50 Paul R. Halmos, Measure theory, D. Van Nostrand, New York, 1950.

Hed69 Gustav A. Hedlund, Endomorphisms and automorphisms of the shift dynamical system, Mathematical Systems Theory 3 (1969), 320-375.

Hus66 Taqdir Husain, Introduction to topological groups, W. B. Saunders Company, Philadelphia and London, 1966.

Jan84 Klaus Janich, Topology, Springer-Verlag, New York, 1984.

Lie65 W. Lietzmann, Visual topology, Chatto & Windus, London, 1965, Traducido del alemán por M. Bruckheimer.

LM95 Douglas Lind and Brian Marcus, An introduction to symbolic dynamics and coding, Cambridge University Press, New York, 1995.

LWJ98 Jimmy T. Arnold Lee W. Johnson, R. Dean Riess, Introduction to linear algebra, Addison-Wesley, New York, 1998.

McI87 Harold V. McIntosh, Linear cellular automata, Universidad Autónoma de Puebla, Puebla, México, 1987.

McI91 Harold V. McIntosh, Linear cellular automata via de bruijn diagrams, http:// www. cs. cinvestav. mx/ ~mcintosh (1991).

McI99 Harold V. McIntosh, Linear algebra, Notas del curso de Algebra Lineal impartido en el Departamento de Aplicación de Microcomputadoras, Instituto de Ciencias, Universidad Autónoma de Puebla, 1999.

TM90 T. Toffoli and N. Margolus, Invertible cellular automata: a review, Physica D 45 (1990), 229-253.

vN66 John von Neumann, Theory of self-reproducing automata, University of Illinois Press, 1966, Editado y completado por A. W. Burks.

Documents

TESOEM CUADERNILLO DE APUNTES DE · PDF filem. en c. luis ignacio sandoval paèz 1 tesoem cuadernillo de apuntes de matemÁticas iii (Àlgebra lineal) elaborado por: luis ignacio sandoval