Carrera: UAX Asignatura: Matemticas Fecha: Pgina 1 de 9

lgebra para ingenieros de la Universidad Alfonso X

1-Matrices y sistemas de ecuaciones lineales
Operaciones con matrices:
a 11 a 21 A= M a m1 a 12 a 22 M a m2 L L M L a1n b11 b 21 a 2n B= M M b p1 a mn b12 b 22 M b p2 b 1q L b2q M M L b pq L

Suma: - Las matrices a sumar tienen que tener la misma dimensin (m=p, n=q).
a 11 + b11 a 21 + b 21 A+B = M a + b m1 m1 a 12 + b12 a 22 + b 22 M a m 2 + bm 2 L L M L a 1n + b1 n a 2n + b 2n M a mn + b mn

Producto por un nmero ( ):

a 11 a 21 A=A= M a m1 a 12 a 22 M a m2 a1n a 2 n M a mn

L L M L

Producto de matrices: El producto de matrices no es conmutativo (en ocasiones ABBA). Si multiplicamos AB, A tiene que tener la misma cantidad de columnas que B de filas (n=p). La matriz resultante de la multiplicacin tiene la misma cantidad de filas que A y de columnas que B (dimensin de AB es igual a mq).

DELTA-MASTER

c/ General Ampudia 16, 28003 MADRID

( 915351932 915333842

Carrera: UAX Asignatura: Matemticas Fecha: Pgina 2 de 9 AB=

a 11 b11 + a 12 b 21 + L + a 1n b n 1 a 21 b11 + a 22 b 21 + L + a 2 n b n 1 M a m1 b 11 + a m 2 b 21 + L + a mn b n 1 a 11 b12 + a 12 b 22 + L + a1 n b n 2 a 21 b12 + a 22 b 22 + L + a 2 n b n 2 M a m 1 b12 + a m 2 b 22 + L + a mn b n 2 L L M L a 11 b1 q + a 12 b 2 q + L + a 1n b nq a 21 b1 q + a 22 b 2 q + L + a 2 n b nq M a m 1 b1 q + a m 2 b 2 q + L + a mn b nq

Traza de una matriz: -La matriz a la que se halla la traza tiene que ser cuadrada (n=m). -La traza es la suma de los elementos de la diagonal. traza(A)= a11 + a 22 L a nn

Transposicin de matrices: -La transposicin es el simple cambio de filas por columnas.

a 11 a 12 T A = M a 1n a 21 a 22 M a 2n L L M L a n1 a n2 M a nn

Tipos de matrices
Matriz fila: matriz con una sola columna (m1). Matriz columna: matriz con una sola fila (1n): Matriz cuadrada: matriz con la misma cantidad de filas que de columnas (n=m). Matriz rectangular: matriz con un nmero diferente de filas que de columnas (nm). Matriz nula: Matriz en la que todos sus elementos son ceros. Matriz triangular superior (inferior): matriz cuadrada en la cual todos los elementos que estn por debajo (arriba) de la diagonal son ceros. Matriz diagonal: matriz cuadrada en la cual son nulos los elementos por debajo y por arriba de la diagonal. Matriz regular: matriz que se puede invertir. Matriz identidad: matriz diagonal en la que los elementos de la diagonal son unos. Matriz simtrica: matriz que es igual a su transpuesta (A= AT ). DELTA-MASTER ( 915351932 915333842

c/ General Ampudia 16, 28003 MADRID

Carrera: UAX Asignatura: Matemticas Fecha: Pgina 3 de 9 Matriz antisimtrica: A=- AT . Matriz ortogonal: AT = A 1 . Matriz idempotente: A 2 = A. Matriz nilpotente: si existe un n tal que A n = O (O matriz nula).

Propiedades de los distintos tipos de matrices

-

(A + B )T = A T + BT (AB )T = B T A T
(AB) 1 = B 1 A 1 IA=AI=A (I es la matriz identidad) OA=AO=O (O es la matriz nula)

Determinantes - El determinante solo se le halla a una matriz cuadrada.

Determinantes de matrices de dimensin 2: a b a b A= ,| A |= = ad cb c d c d Determinantes de matrices de dimensin 3:

a1 A= a 2 a 3

b1 b2 b3

c1 c 2 ,|A|= a1b 2 c3 + a 3b1c 2 + a 2 b3 c1 (a 3b 2 c1 + a 2 b1c 3 + a1b3 c 2 ) c3

Determinantes de orden mayor que tres: Menor correspondiente al elemento ai j ,M i j: es el determinate la fila i y la columna j. Adjunto al elemento aij : (-1)i+j M ij . formado al eliminar

Determinante: cogemos cada elemento de una fila o columnas lo multiplicamos por su adjunto y lo sumamos.

DELTA-MASTER

c/ General Ampudia 16, 28003 MADRID

( 915351932 915333842

Carrera: UAX Asignatura: Matemticas Fecha: Pgina 4 de 9 Propiedades de los determinantes: |AT |=|A| |AB|=|BA| |A-1 |=1/|A| |A|=-|B|, siendo B la matriz formada al intercambiar dos filas o columnas |A|=0, si A tiene dos filas o columnas iguales, proporcionales o que una dependa linealmente de las otras. |B|=k|A|, si todos los elementos de B son iguales a los de A menos una fila o columna que se a multiplicado por k.

Matriz inversa
1 La matriz A es la matriz inversa de A si AA -1 = A -1 A = I La matriz A tiene inversa si y slo si su determinante es distinto de cero.

Matrices semejantes - Dos matrices A y B cuadradas de orden n son semejantes si existe una matriz P regular tal que B=PAP -1 . Calculo de la matriz inversa

(adjA)t - A = , donde la matriz adjA es la matriz formada por los elementos adjuntos |A| de A. - Otra manera de calcular la inversa de A es utilizando el mtodo de Gauss- Jordan
-1

Sistemas de ecuaciones lineales Se denomina sistema de ecuaciones lineales de m ecuaciones con n incgnitas a: a11x1 + a12 x1 + ... + a1n x1 = b1 a21x1 + a22 x1 + ... + a2 n x1 = b2 .......................................... am1x1 + am 2 x1 + ... + amn x1 = bm Forma matricial Ax=b, donde

DELTA-MASTER

c/ General Ampudia 16, 28003 MADRID

( 915351932 915333842

Carrera: UAX Asignatura: Matemticas Fecha: Pgina 5 de 9

a11 a12 a a22 A= 21 M .... am1 am 2

.... a1n x1 b1 .... a2 n x2 b , x= , b= 2 M M .... M .... amn xn bm

Clasificacin de los sistemas

Sistema compatible determinado: son los que tienen solucin y es nica. Sistema compatible indeterminado: son los que tienen infinitas soluciones. Sistema incompatible: son los que no tienen ninguna solucin.

Rango de una matriz: orden del mayor determinante no nulo que se puede formar apartir de la matriz. Teorema de Rouch -Frobenius

a11 a12 .... a1n b1 a a .... a b 21 22 2 n 2 %= Sea la matriz ampliada A M .... .... M M a m1 am 2 .... amn bm % entonces el sistema es incompatible. - Si rang A rang A % =n entonces el sistema es compatible determinado. - Si rang A = rang A % < n entonces el sistema es compatible indeterminado. - Si rang A = rang A

Resolucin de sistemas de ecuaciones Sistema de Cramer (compatible determinado) x = A -1b .

Regla de Cramer xi =

a11 a 21 M an1

... a1i 1 b1 a1i +1 ... a2i 1 b2 a2i +1 ... M M M ... ani 1 bn ani+ 1 |A|

... a1n ... a2 n ... M ... ann

Otro mtodo es el de eliminacin de Gauss-Jordan.

DELTA-MASTER

c/ General Ampudia 16, 28003 MADRID

( 915351932 915333842

Carrera: UAX Asignatura: Matemticas Fecha: Pgina 6 de 9

2-Espacios vectoriales
Definicin Diremos que un conjunto V es un espacio vectorial sobre un cuerpo K si hay definidas dos operaciones: 1- una ley interna, V V V, (x , y) x+y, que denominamos suma de vectores 2- una ley externa K V V, ( ,y) y, que denominamos producto por un escalar de manera que verifican las siguientes propiedades:

12345678-

x+y=y+x (conmutativa) (x+y)+z=x+(y+z) (asociativa) 0 V / x+ 0= x , x V (elemento neutro) x V, - x V / x + ( - x ) = 0 (elemento opuesto) ( + )x= x+ x (x+y)= x+ y ( )x= ( x) 1x=x

, , x,y V

Combinacin lineal: Sea {x 1 , x 2 ,..., x n } V y {a 1 , a 2 ,..., a n } K se dice que la operacin 1x 1 + 2 x 2 + ... + n x n forma una combinacin lineal de dichos vectores. Dependencia lineal: Se dice que {x 1 , x 2 ,..., x n } V es un conjunto linealmente dependiente si {a 1 , a 2 ,..., a n } K con al menos i 0 , en el que 1x 1 + 2 x 2 + ... + n x n =0. Independencia lineal: Se dice que {x 1 , x 2 ,..., x n } V es un conjunto linealmente dependiente de V si al ser 1x 1 + 2 x 2 + ... + n x n =0 es necesario que a 1 = a 2 = ... = a n = 0 . Sistema generador: Se dice que {x 1 , x 2 ,..., x n } V , forma un sistema generador de V si x V , {a 1 , a 2 ,..., a n } K /x = 1x 1 + 2 x 2 + ... + n x n . Base de un sistema generador: Se dice que B = {x 1 , x 2 ,..., x n } forma una base de V si se cumple, que es un sistema generador de V y un conjunto linealmente independiente. Coordenadas de un vector en una base dada: Sea B = {x 1 , x 2 ,..., x n } una base de V, y sea x V ; se dice que ( a 1 , a 2 ,..., a n ) K n son las coordenadas de x en la base B si se cumple: x = 1x 1 + 2 x 2 + ... + n x n . Cambio de base: Sean B = {x 1 , x 2 ,..., x n } y B1 = {y 1 , y 2 ,..., y n } dos bases de un espacio vectorial V. Se dice ecuaciones del cambio de base a las que surgen de hacer DELTA-MASTER
c/ General Ampudia 16, 28003 MADRID

( 915351932 915333842

Carrera: UAX Asignatura: Matemticas Fecha: Pgina 7 de 9 1x 1 + 2 x 2 + ... + n x n = 1 y 1 + 2 y 2 + ... + 1n y n siendo ( a 1 , a 2 ,..., a n ) y
1 1

( a 11 , a 12 ,..., a 1n ) las coordenadas de x en las bases B y B1 respectivamente. Dimensin de V: numero de vectores que forman una base V. Subespacio vectorial: Sea S un subconjunto de vectores de V, se dice que forma un subespacio vectorial de V si en l se verifican: x, y S y x + y S (el elemento neutro siempre tiene que pertenecer a S). Operaciones entre subespacio: Sean S1 y S2 dos subespacio de V, se dice: Suma. S1 + S2 = S1 S2 , es un subespacio de V, donde una base de S1 + S2 esta formada por una cantidad maximal de vectores linealmente independiente del conjunto de vectores formado al unir una base de cada uno de los subespacio. Interseccin. S1 S2 , es un subespacio de V en el que si x S1 S2 entonces x S1 y x S2 . Suma directa. S1 S2 , se dice si dim(S1 S2 )=0 dim(S1 + S2 )+dim(S1 S2 )=dim(S1 )+dim(S2 ).

3-Espacios vectoriales eucldeos

Producto interior: a cada par de vectores se le asigna un nmero real <u,v> que satisface: 1- < au1 + bu2 , v >= a < u1 , v > +b < u 2 , v > (linealidad) 2- <u,v>=<v,u>(simetra) 3- <u,v>0, <u,u>=0u=0 (definida positiva)

Espacio euclideo: todo espacio vectorial en el que se le defina un producto escalar. Longitud de un vector u: ||u||= < u, u > . Desigualdad de Cauchy Schawarz: < u , v > || u || || v || . < u,v > Relacin trigonomtrica: cos( ) = , donde es el ngulo entre los vectores. || u || || v || Ortogonalidad: dos vectores son ortogonales si su producto interno es igual a cero. Complemento ortogonal: sea S un conjunto del espacio vectorial V, definimos complemento ortogonal de S a: S = {v V :< u,v >= 0u S} , S es un subespacio vectorial de V. -Si S es un subespacio de V,V =S S . Conjuntos ortogonal: un conjunto es ortogonal si todos los elementos son ortogonales entre si. Conjuntos ortonormal: un conjunto es ortonormal si todos los elementos son ortogonales entre si y la longitud de cada uno de ellos es uno. DELTA-MASTER
c/ General Ampudia 16, 28003 MADRID

( 915351932 915333842

Carrera: UAX Asignatura: Matemticas Fecha: Pgina 8 de 9 -Todo conjunto ortogonal es linealmente independiente. Proyeccin: la proyeccin del vector V en W es cW donde c = coeficiente de Fourier). Proceso de ortonalizacin (Gram-Schmidt): Sea el conjunto de vectores {V1 ,V2 ,...,Vn } que queremos ortogonalizar, el proceso de ortogonalizacin es el siguiente: W1 = V1 < V2 , W1 > W1 || W1 || 2 < V3 , W1 > < V3 , W2 > W3 = V3 W1 W2 2 || W1 || || W2 || 2 .................... ............................................ < Vn , W1 > < Vn , Wn1 > Wn = Vn W1 ... Wn1 2 || W1 || || Wn 1 || 2 W2 = V2 Representacin del producto interno en una base {V1 ,V2 ,....Vn }: < V1 , V1 > < V1 , V2 > ... < V1 ,V n > < V2 , V1 > < V2 , V2 > ... < V 2 ,V n > M M ... M < V , V > < V , V > ... < V ,V > n 1 n 2 n n
< V, W > (c es llamado || W || 2

4-Aplicaciones lineales
Aplicacin lineal: sean V y W dos espacios vectoriales, decimos que la aplicacin f : V W x V, y W tal que y = f ( x) es lineal si f (x + y) = f (x ) + f (y ) f ( x) = f (x ) -A toda aplicacin lineal se le puede asociar una matriz y esta depende de las bases a escoger en los espacios V y W. Endomorfismo: W=V. Ncleo: se dice ncleo o Ker de f a: Ker(f )={ x V : f (x ) = 0 }. Imagen: se dice que imagen de f :Im(f ) {y W : x V / f (x ) = y} . -dim(Ker(f))+dim(Im(f))=dim(V). Inyectiva: Ker(f)=0.(f es un monomorfismo) Sobreyectiva: Im(f)=W . ( f es epimorfismo ) ( 915351932 915333842

DELTA-MASTER

c/ General Ampudia 16, 28003 MADRID

Carrera: UAX Asignatura: Matemticas Fecha: Pgina 9 de 9 Biyectiva: aplicacin inyectiva y sobreyectiva. (f es un isomorfismo)

5-Diagonalizacin
Autovector: Sea f : V V un endomorfismo, se dice que x es un autovector de f si se cumple f (x)=x. Autovalor: es el valor de la definicin de autovector.

Calculo de Autovalores y autovectores

Autovalores: son las soluciones del polinomio det(A- I)=0 (polinomio caracterstico), siendo A una matriz asociada a la aplicacin lineal f . Autovectores: son los vectores que conforman las bases de cada subespacio (subespacio propio) formado por las soluciones de los sistemas (A- i I)x=0, i=1..r, donde i son los autovalores y r es la nmero de valores propios distintos. - Una aplicacin es diagonalizable si la multiplicidad de sus autovalores es igual a la dimensin del subespacio propio.

Matriz diagonal asociada a la aplicacin f , D: es la matriz diagonal en la cual su diagonal est formada por los autovalores de f . Adems D= P 1 AP, donde P es una matriz cuyas columnas estn formada por los autovectores. Propiedades: - A y A tienen los mismos autovalores. - Si es autovalor de A, k es autovalor de kA (los autovectores son los mismos). - Si es autovalor de A, 1 es autovalor de A1 (los autovectores son los mismos). - Si es autovalor de A, n es autovalor de An (los autovectores son los mismos). - Si es autovalor de A, Ker(f )0. - Si p(x) es el polinomio caracterstico de A entonces p(A)=0, Teorema de CyleyHamilton. - Si A es simtrica es siempre diagonalizable y sus autovectores forman un conjunto ortogonal.

DELTA-MASTER

c/ General Ampudia 16, 28003 MADRID

( 915351932 915333842