Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TA L L E R 0 1
diego fernando corts villa*
11 de mayo de 2017
contents
1 Introduccin 3
2 Caso 1. Polinomios 3
2.1 Ejercicio 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2 Ejercicio 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3 Ejercicio 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.4 Ejercicio 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.5 Ejercicio 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.6 Ejercicio 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.7 Ejercicio 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3 Caso. 2 Series y sucesiones 12
3.1 Ejercicio 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.2 Ejercicio 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.3 Ejercicio 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.4 Ejercicio 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.5 Ejercicio 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.6 Ejercicio 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.7 Ejercicio 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4 Caso 3. Algebra Lineal 26
4.1 Ejercicio 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.2 Ejercicio 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.3 Ejercicio 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.4 Ejercicio 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.5 Ejercicio 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.6 Ejercicio 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.7 Ejercicio 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.8 Ejercicio 8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.9 Ejercicio 9 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.10 Ejercicio 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
list of figures
Figure 1 Polinomios de Chebyshev 1-5 . . . . . . . . . . . . . . . . . . . 8
Figure 2 Polinomios de Chebyshev 6-11 . . . . . . . . . . . . . . . . . . 9
Figure 3 Polinomios de Chebyshev 12-15 . . . . . . . . . . . . . . . . . . 9
Figure 4 Polinomios de Legendre 1-5 . . . . . . . . . . . . . . . . . . . . 10
Figure 5 Polinomios de Legendre 6-11 . . . . . . . . . . . . . . . . . . . 10
Figure 6 Polinomios de Legendre 12-15 . . . . . . . . . . . . . . . . . . . 11
1
List of Figures 2
1 introduccin
La necesidad de dominar las matemticas con el fin de realizar investigaciones
cientficas es indiscutible en la actualidad. En este taller se busca afianzar los
conocimientos y la tcnica apra las herramientas presentadas en el curso.
2 caso 1. polinomios
2.1 Ejercicio 1
Construya un polinomio que tenga tres (3) races repetidas en x=4 y dos (2) races
repetidas en x=0. Verifique las races de la derivada de este polinomio de forma
terica y usando el comando derivat de Scilab.
Solucin:
Segn el teorema de Rolle [1] si f(x) tiene valores iguales en dos valores diferentes
de x, entonces en algn punto entre estos dos valores su derivada es igual a cero.
Con esto presente podemos definir el polinomio de la siguiente manera:
bn1 = an ,
bn2 bn1 = an1 ,
bn3 bn2 = an2 ,
..
.
b0 b1 = a1 ,
b0 = a0 .
con igual a la raz encontrada
una de las races evidentes del polinomio 3 es x=0 lo que nos deja un polinomio
de tercer grado:
5 48 144 128
4 20 112 128
5 28 32 0
encotnrando:
y de nuevo por divisin sinttica tenemos que hay una raz repetida en x=4.
5 28 32
4 20 32
5 8 0
x=0
x=4
8
x=
5
1 clear
2 clc
3 f=poly ([0 0 4 4 4],"x","r");
4 df=derivat(f);
5 r1=roots(f);
6 r2=roots(df);
7 for i=1:5
8 if isreal(r1(i),0.0001)
9 r1(i)=real(r1(i));
10 end
11 end
12 disp(el polinomio f(x) es: )
13 disp(f)
14 disp(las raices del polinomio son: )
15 disp(r1)
16 disp(La derivada del polinomio es: )
17 disp(df)
18 disp(con las raices: )
19 disp(r2)
3 2 3 4 5
4 -64x +48x -12x +x
5
8 4.0000264
9 3.9999868
10 3.9999868
11 0.
12 0.
13
16 2 3 4
17 -128x +144x -48x +5x
18
21 4.0000002
22 3.9999998
23 1.6
24 0.
2.2 Ejercicio 2
Escriba una funcin en Scilab que tome como argumento un polinomio y propor-
cione como salida nicamente las races reales del mismo. Considere el uso de las
siguientes funciones de Scilab: poly, roots, isreal
Solucin:
s crea el polinomio con el smbolo "x" y con los coeficientes como entradas
de v (v(1) es el termino constante del polinomio). (Aqu poly y coeff son
funciones inversas).
1 x=roots(p)
2 x=roots(p,algo)
caso 1. polinomios 6
1 t=isreal(x)
2 t=isreal(x,eps)
1 clear
2 clc
3 p=[-52 -10 4 11 -4 1]; //coeficientes del polinomio
4 f=poly (p,"x","coeff");//define el polinomio
5 r=roots(f);//calcula las raicse del polinomio
6 rr=0;//vector de almacenamiento raices reales
7 j=1;
8 for i=1:6
9 if isreal(r(i),0.00001)
10 rr(j)=real(r(i));//almacena las raices reales
11 j=j+1;
12 end
13 end
14 disp(el polinomio f(x) es: )
15 disp(f)
16 disp(Las raices de f(x) son: )
17 disp(r)
18 disp(las raices del reales son: )
19 disp(rr)
7 2. + 3.i
8 2. - 3.i
9 2.
10 -1. + 1.i
11 -1. - 1.i
12
15 2.
7 -3.
8 -2.0000001
9 -1.9999999
10 -1.
11
14 -3.
15 -2.0000001
16 -1.9999999
17 -1.
2.3 Ejercicio 3
T0 (x) = 1
T1 (x) = x
Tn+1 (x) = 2xTn (x) Tn1 (x)
Solucin:
2.4 Ejercicio 4
Solucin:
1 function T=chebyshev(n,x)
2 m=length(x);
3 T=zeros(1,m);
4 T1=ones(1,m);
5 T2=x;
6 if n==1 then
caso 1. polinomios 8
7 T=T1;
8 else
9 if n==2 then
10 T=x;
11 else
12 for j=2:n
13 T=2*x.*T2-T1;
14 T1=T2;
15 T2=T;
16 end
17 end
18 end
19 endfunction
1 clf();
2 clear
3 clc
4 x=[-1:0.01:1];
5 exec(chebyshev.sci,-1)
6 for i=1:5
7 plot2d(x,chebyshev(i,x),i);
8 end
9 legend(P1,P2,P3,P4,P5)
10 title(Polinomios Chebyshev)
2.5 Ejercicio 5
2.6 Ejercicio 6
1 l = nearfloat("pred",1);
2 x = linspace(-l,l,200);
3 y = legendre(0:5, 0,x);
caso 1. polinomios 10
4 clf()
5 plot2d(x,y, leg="P0@P1@P2@P3@P4@P5")
6 xtitle("Polinomios de Legendre")
2.7 Ejercicio 7
Escriba una funcin de Scilab que tome como argumento un polinomio y propor-
cione como salida otro polinomio cuyas races sean los inversos algebraicos de TO-
DAS las races del polinomio original.
Nota: este tipo de polinomios si existen, suelen denominarse polinomios inversos.
Ayuda: Verifique que ninguna de las races es cero, de lo contrario use un mensaje de error
y salga de la funcin.
Solucin:
1 clear
2 clc
3 p=[12 28 23 8 1]; //coeficientes del polinomio
4 f=poly (p,"x","coeff");//define el polinomio
5 r=roots(f);//calcula las raices del polinomio
6 disp(El polinomio original es f(x): )
7 disp(f)
8 for m=1:length(r)
9 if r(m)==0
10 disp(Error: el polinomio tiene raices iguales a cero.)
11 abort
12 else
13 r_inv(m)=r(m).^-1;
14 end
15 end
16 p_inv=poly(r_inv,"y","coeff")
17 ra=roots(p_inv)
18 disp(Sus raices son: )
19 disp(r)
20 disp(el polinomio con las raices inversas es g(y): )
21 disp(p_inv)
22 disp(las raices del polinomio inverso son: )
23 disp(ra)
3 2 3 4
4 12 +28x +23x +8x +x
5
8 -3.
9 -2.0000001
10 -1.9999999
caso. 2 series y sucesiones 12
11 -1.
12
15 2 3
16 -0.3333333 -0.5y -0.5y -1y
17
20 0.0486345 - 0.7454733i
21 0.0486345 + 0.7454733i
22 -0.5972691
Para verificar que el control de las races igual a cero funciona tenemos que:
3 2 3 4
4 28x +23x +8x +x
5
(n3 + 1)
an = (1)n (7)
(n + 1)3
bn = sin n3 (8)
Solucin:
En los siguientes scripts se evidencia las dos metodologas para encontrar la suce-
sin, las variables an y bn se identifican como arreglos automticos, mientras que
An y Bn se basan en condicionales tipo for:
1 clf()
2 clear
3 clc
4 n=1:200;
5 a_n=(-1).^n.*(n.^3+1)./(n+1).^3;
6 for j=1:200
7 A_n(j)=(-1)^j*(j^3+1)/(j+1)^3;
8 end
9 subplot(121)
10 plot2d(a_n)
11 xtitle("Sucesion a_n usando arreglos automaticos")
12 subplot(122)
13 plot2d(A_n)
14 xtitle("Sucesion a_n usando condicionales for")
Para los arreglos automticos se usan las operaciones trmino a termino an-
teponiendo el punto antes del operador.
caso. 2 series y sucesiones 13
1 clf()
2 clear
3 clc
4 n=1:200;
5 x=[0:0.1:2*%pi];
6 b_n=sin(n.^3)
7 for i=1:200
8 B_n(i)=sin(i^3)
9 end
10 subplot(121)
11 plot2d(b_n)
12 xtitle("Sucesion b_n usando arreglos automaticos")
13 subplot(122)
14 plot2d(B_n)
15 xtitle("Sucesion b_n usando condicionales for")
3.2 Ejercicio 2
Solucin:
3.3 Ejercicio 3
Muestre de forma analtica si las sucesiones mostradas en ecuaciones (1) y (2) tienen
lmite y en caso afirmativo, indique cul es dicho lmite.
Solucin:
Tenemos el lmite:
(x3 + 1)
lim (1)x
x (x + 1)3
Usando la propiedad,
(x3 + 1)
= limx (1x )
(x + 1)3
1x
= limx
1
(x3 + 1)
(x + 1)3
limx (1x )
=
1
limx 3
(x + 1)
(x + 1)3
Encontramos el lmite del numerador de manera sencilla,
limx (1x ) = 1
(x + 1)3
1 (x + 1)3 x3 1
limx = limx 3 = limx = =1
(x3 + 1) (x + 1)
1+ 3
1 1
(x + 1)3 x
Luego tenemos que el lmite para (a) es,
(x3 + 1)
lim (1)x = 1
x (x + 1)3
Aunque podemos observar que cuando x es un valor par el lmite es igual a 1, lo
que nos verifica lo encontrado en la figura 7 en donde vemos que los valores oscilan
al rededor de 1 y-1. De la misma manera el lmite para sin(x3 ) cuanto x tiende a
infinito no tiene una solucin pues es de tipo oscilante tal y como observamos en la
figura 8.
3.4 Ejercicio 4
sin(n)
an = (9)
(n + cos(n))
caso. 2 series y sucesiones 15
1
bn = (10)
np
para p=1
1
cn = (11)
np
para p<1
n!
du = (12)
nn
Solucin:
Para el desarrollo de la ecuacin 9 tenemos que las funciones seno y coseno son
oscilantes al rededor de 1 y -1,
1 6 sin(n) 6 1
1 6 cos(n) 6 1
Luego podemos acomodar la inecuacin de la siguiente manera:
1 sin(n) 1
6 6
n1 (n + cos(n)) n+1
1
lim =0
x n 1
1
lim =0
x n + 1
Luego,
sin(n)
lim =0
x (n + cos(n))
Tenemos como definicin de un lmite segn [3] como:
Una sucesin tiene limite L, s y slo s, para cualquier vecindad , por pequea que
sea,existe un termino de dicha sucesin, a partir del cual, los trminos que siguen pertenecen
a dicho .
1 clear
2 clc
3 lim=10000;
4 e=0.00001;
5 dif(1,1)=1;
6 an(1,1)=sin(1)/(1+cos(1));
7 i=2;
8 while dif(1,i-1)>e
9 an(1,i)=sin(i)/(i+cos(i));
10 dif(1,i)=abs(an(1,i)-an(1,i-1));
11 i=i+1;
12 if(i==lim)
caso. 2 series y sucesiones 16
13 an(1,i)=lim;
14 dif(1,i-1)=-1;
15 end
16 end
17
18 if i==lim then
19 disp(La sucesion no converge)
20 else
21 disp("iteraciones", i, "La sucesion converge en ")
22 end
1
bn =
np
Como p=1 entonces hacemos el anlisis cuando n crece la serie tiende a disminuir
hasta acercarse a 0.
luego,
1
lim =0
n n
el script usado es una modificacin del punto anterior:
1 clear
2 clc
3 lim=10000;
4 e=0.00001;
5 dif(1,1)=1;
6 i=2;
7 p=1;
8 bn(1,1)=1/1^p;
9
10 while dif(1,i-1)>e
11 bn(1,i)=1/i^p;
12 dif(1,i)=abs(bn(1,i)-bn(1,i-1));
13 i=i+1;
14 if(i==lim)
15 bn(1,i)=lim;
16 dif(1,i-1)=-1;
17 end
18 end
19
20 if i==lim then
21 disp(La sucesion no converge)
22 else
23 disp("iteraciones", i, "La sucesion converge en ")
24 end
3.5 Ejercicio 5
3.6 Ejercicio 6
Muestre de forma numrica y analtica (de ser posible) si existe el lmite para las se-
ries indicadas a continuacin en ecuaciones 13 a 14. Tales series se indican tambin
a continuacin:
X sin(n)
(13)
a
(n + cos(n))
X 1
(14)
a
np
para p<1
X n!
(15)
a
nn
Solucin:
Para definir la convergencia de una serie usamos dos pruebas que nos permiten
determinar s la serie tiene un valor finito cuando los trminos tienden a infinito.
caso. 2 series y sucesiones 18
PRUEBA DE LA RAZN
r 0 > 1 convergente
an+1 r0
: 1 r 0 < 1 divergente
an n
r 0 = 1 lapruebanodecide
PRUEBA DE LA INTEGRAL
P RL
f(n) con f disminuyendo monotnicamente converge o diverge si f(x)dx
converge o diverge cuando L .
rea de rectngulos:
X ZL
f(n) < lim f(x)dx
L 1
2
R
si 1 f(x)dx converge la serie converge.
X Z
f(n)dx > f(x)dx
1 1
1
= f(t)
np
1
f(t) = p
t
X Z
1
= dp
np tp
n=1
por lo tanto:
Z Zb
tp+1 b
p+1
1p+1
1 b
dt = lim tp dt = lim |1 = lim
1 tp b 1 b p + 1 b p + 1 p + 1
ya que tenemos a p < 1 podemos decir que p > 1 p + 1 > 0 lo que nos
indica que el lmite es igual a infinito. Finalmente la serie es divergente para valores
de p < 1.
caso. 2 series y sucesiones 19
Usando el script mostrado a continuacin vemos como a medida que los trminos
avanzan en el eje positivo de la funcin los valores divergen, se hace un barrido de
los valores de p menos a uno en la figura 11.
1 clear
2 clc
3 clf()
4 m=500;
5 for j=-0.5:0.1:0.9
6 ser2(1,1)=1/1^j;
7 for i=2:m
8 ser2(1,i)=1/i^j+ser2(1,i-1)
9 end
10 n=1:1:size(ser2,2);
11 plot2d(n,ser2)
12 xtitle("Serie 1/n^p")
13 end
an+1 (n + 1)!(nn )
lim = lim
n an n n!(n + 1)n+1
(n + 1)(nn ) nn
lim = lim
n (n + 1) n+1 n (n + 1)n
n
n 1
lim =
n n + 1 e
Teniendo en cuenta que,
1
<1
0<
e
Se evidencia converge. Numricamente vemos que la convergencia se da al redor
del punto 1.9.
1 clear
2 clc
3 clf()
4 m=100;
caso. 2 series y sucesiones 20
5 for j=-0.5:0.1:0.9
6 ser3(1,1)=factorial(1)/1^1;
7 for i=2:m
8 ser3(1,i)=factorial(i)/(i^i)+ser3(1,i-1)
9 end
10 n=1:1:size(ser3,2);
11 plot2d(n,ser3)
12 xtitle("Serie n!/n^n")
13 end
3.7 Ejercicio 7
Obtenga curvas de error absoluto y error relativo para la Serie de Taylor alrededor
de x = 0 de las siguientes relaciones matemticas, en funcin de las posicin (-1 < x
< 1). Obtenga curvas usando 2, 7, 11 y 21 trminos de la serie.
X
n
f(i) (x0 )
Tn [f(x), x0 ] = (x x0 )i
i!
i=0
caso. 2 series y sucesiones 21
x3 x5 (1)n x2n+1 X
+
(1)k x2k+1
sin(x) = x + + + = (x <)
3! 5! (2n + 1)! (2k + 1)!
k=0
x2 x4 (1)n x2n X
+
(1)k x2k
sin(x) = 1 + + + = (x <)
2! 4! (2n)! (2k)!
k=0
x x2 x3 xn X
n
xk
ex = 1 + + + ++ = (x <)
1! 2! 3! n! k!
k=0
Buscamos las derivadas de sin(x) de modo que,
1 clear
2 clf()
3 clc
4 function r=seno(x,n)
5 t=size(x,2);
6 r=zeros(1,t);
7 der= [0 1 0 -1];
8 nums=[0:1:(n-1)];
9 facts=factorial(nums);
10 exec(cshift.sci,-1);
11 for i=1:t
12 der= [0 1 0 -1];
13 mac=zeros(1,n);
14 for j=1:n
15 mac(j)=(der(1)*x(i)^(nums(j)))/(facts(j));
16 der=cshift(der, [1 -1]);
17 end
18 r(1,i)=sum(mac);
19 end
20 endfunction
21 x=linspace(-1,1,200);
22
23 p3 = seno(x,3);
24 p7 = seno(x,7);
25 p11 =seno(x,11);
26 p21 = seno(x,21);
27
28 z=sin(x);
caso. 2 series y sucesiones 22
29 e_abs3=abs(z-p3);
30 e_abs7=abs(z-p7);
31 e_abs11=abs(z-p11);
32 e_abs21=abs(z-p21);
33 e_rel3=e_abs3./abs(z);
34 e_rel7=e_abs7./abs(z);
35 e_rel11=e_abs11./abs(z);
36 e_rel21=e_abs21./abs(z);
37 subplot (221)
38 plot(x,e_abs3)
39 xtitle("Tres Terminos")
40 subplot (222)
41 plot(x,e_abs7)
42 xtitle("Siete Terminos")
43 subplot (223)
44 plot(x,e_abs11)
45 xtitle("Once Terminos")
46 subplot (224)
47 plot(x,e_abs21)
48 xtitle("Veintiun Terminos")
donde usamos el vector der=[0 1 0 -1] para definir los signos de la serie de acuerdo
a las derivadas hallas anteriormente, dentro de la funcin se usa cshift para mover
los valores de posicin y de esta manera paso a paso encontrar cada trmino.
1 clear
2 clf()
3 clc
4 function r=coseno(x,n)
5 t=size(x,2);
6 r=zeros(1,t);
7 der= [1 0 -1 0];
8 nums=[0:1:(n-1)];
9 facts=factorial(nums);
10 exec(cshift.sci,-1);
11 for i=1:t
12 der= [1 0 -1 0];
13 mac=zeros(1,n);
14 for j=1:n
15 mac(j)=(der(1)*x(i)^(nums(j)))/(facts(j));
16 der=cshift(der, [1 -1]);
17 end
18 r(1,i)=sum(mac);
19 end
20 endfunction
21 x=linspace(-1,1,200);
22
23 p3 = coseno(x,3);
24 p7 = coseno(x,7);
25 p11 =coseno(x,11);
26 p21 = coseno(x,21);
27
28 z=cos(x);
1 function r=expo(x,n)
2 t=size(x,2);
3 r=zeros(1,t);
4 nums=[0:1:(n-1)];
5 facts=factorial(nums);
6 for i=1:t
7 r(1,i)=sum(x(1,i)^nums./facts);
8 end
9 endfunction
10 x=linspace(-1,1,200);
11
12 p3 = expo(x,3);
caso. 2 series y sucesiones 25
13 p7 = expo(x,7);
14 p11 = expo(x,11);
15 p21 = expo(x,21);
16
17 z=exp(x);
Muestre que si una lista de vectores (v1 , ..., vn ) genera un espacio vectorial V (spans
V), entonces la lista dada por:
Solucin:
v = a1 v1 + a2 v2 + a3 v3 + + an1 vn1 + an vn
Luego podemos sumar y restar sin afectar de modo que:
v = a1 v1 (a1 v2 + a1 v3 + + a1 vn ) + (a1 v2 + a1 v3 + + a1 vn ) + a2 v2
(a2 v3 + a2 v4 + + a2 vn ) + (a2 v3 + a2 v4 + + a2 vn ) + + an vn
y finalmente asociar,
4.2 Ejercicio 2
vj span(v1 , , vj1 )
0 = a1 v1 + a2 v2 + + an vn
S y solo s a1 = a2 = = an = 0
4.3 Ejercicio 3
x1 3 0 0
x2
1
0
0
x3 =
0 +
7 +
0
x4 0 1 0
x5 0 0 1
Como los vectores no son proporcionales, se dice que una base del subespecie U
es:
4.4 Ejercicio 4
4 5/4 9/4
C= (23)
1 2 3
Solucin:
T L(F2 , F3 )
Debido al nmero de columnas (dos) y el nmero de filas (tres) descrita por,
1 1/2 1 1/2
1/3 1/4 1 0
= 1/3 1/4
0 1
1/5 1/6 1/5 1/6
Luego los dos vectores mencionados son:
T L(F2 , F1 )
1 0
( 5 2 ) =( 5 2 )
0 1
En donde tenemos que,
T (1, 0) = 5 y T (0, 1) = 2
Para la matriz 23 tenemos una transformacin lineal:
T L(F3 , F2 )
T (x, y, z) = (4x + 5/4y + 9/4z, x + 2y + 3z)
caso 3. algebra lineal 29
Aqu el espacio de origen es F3 luego la base cannica es F3 = {(1, 0, 0)i, (0, 1, 0)j, (0, 0, 1)k}
con la que encontramos que:
1 0 0
4 5/4 9/4 4 5/4 9/4
0 1 0 =
1 2 3 1 2 3
0 0 1
Encontrando que:
4.5 Ejercicio 5
Solucin:
Como definicin de la traspuesta de una matriz tenemos que, sea A = (aij ) una
matriz en Mmn (<), la traspuesta de A, denota AT , es la matriz AT = (aji ) Mmn (<)
[4], adems el tamao de las matrices debe ser igual para operar la suma,luego ten-
emos que:
A32 y C23 hallando la traspuesta tenemos que CT32 luego es posible realizar la
operacin (c).
Segn vemos A32 y C23 luego las dos operaciones de producto son posi-
bles pero el resultado de estas son de diferente tamao A32 C23 = E133
y C23 A32 = E222 luego la operacin (e) no es posible.
A32 y AT23 con esto podemos ver que es posible y su resultado para el pro-
ducto es una matriz F133 , ahora CT32 y C23 de igual manera vemos que la
matriz resultante del este producto es F233 , como F1 y F2 tienen el mismo tamao
la operacin (f) es posible.
Finalmente tenemos que 2C23 y 6AT23 tienen el mismo tamao luego esa op-
eracin de resta es posible pero B12 as mismo BT21 y no es posible el producto
caso 3. algebra lineal 30
debido a que las columnas del resultado anterior no son iguales a las filas de la
traspuesta de B, por lo que la operacin (g) no es posible.
A continuacin est e cdigo con la implementacin de las operaciones posibles:
1 clear
2 clc
3 A=[1,1/2;1/3,1/4;1/5,1/6];
4 B=[5,-2];
5 C=[4,5/4,9/4;1,2,3]
6 a=A*C
7 c=A+C
8 f=A*A+C*C
9 disp(a,a=)
10 disp(c,c=)
11 disp(f,f=)
1 a=
2
7 c=
8
9 5. 1.5
10 1.5833333 2.25
11 2.45 3.1666667
12
13 f=
14
4.6 Ejercicio 6
Indique una secuencia adecuada de operaciones fila para llevar la matriz indicada
a continuacin a una forma escalonada por filas cannica
4 1 0
A = 2 3 1
4 1 5
Solucin:
4 1 0 1 1 0
A = 2 3 1 R2 R2 2R1 R3 R3 4R1 = 0 5 1
4 1 5 0 5 5
1 1 0
R3 R3 R2 R2 R2 1/4R3 = 0 5 0
0 0 4
1 0 0
R1 R1 + 1/5R2 R2 R2 /5 R3 R3 /4 = 0 1 0
0 0 1
caso 3. algebra lineal 31
4.7 Ejercicio 7
x + y + 2z w = 3
2x + 5y z 9w = 3
2x + y z + 3w = 11
x 3y + 2z + 7w = 5
Solucin:
|
1 1 2 1 3
2 5 1 9 | 3
| 11
2 1 1 3
1 3 2 7 | 5
de la segunda lnea sustraemos la primera lnea, multiplicamos por 2; de la tercera
lnea sustraemos la primera lnea, multiplicamos por 2; de la cuarta lnea sustrae-
mos la primera lnea, multiplicamos por 1:
|
1 1 2 1 3
0 5 5 7 | 9
| 17
0 1 5 5
0 4 0 8 | 8
la segunda lnea la dividimos por 3, de la primera lnea sustraemos la segunda y
multiplicamos por 1; a la tercera lnea sumamos la segunda lnea,multiplicada por
1; y a la cuarta lnea sumamos la segunda lnea multiplicada por 4.
|
1 0 11/3 4/3 6
0 1 5/3 7/3 | 3
| 20
0 0 20/3 8/3
0 0 20/3 4/3 | 20
de la primera lnea sustraemos la tercera lnea y multiplicamos por 11/3 ; a la
segunda lnea sumamos la tercera lnea multiplicada por 5/3 y a la cuarta lnea le
sumamos la tercera lnea multiplicada por 20/3.
| 5
1 0 0 2.8
0 1 0 3 | 2
| 3
0 0 1 0.4
0 0 0 4 | 0
la cuarta lnea la dividimos en -4, de la primera lnea restamos la cuarta lnea y
multiplicamos por 2.8; a la segunda lnea sumamos la cuarta lnea multiplicada por
3 y a la tercera lnea le sumamos la cuarta lnea multiplicada por 0.4.
| 5
1 0 0 0
0 1 0 0 | 2
| 3
0 0 1 0
0 0 0 1 | 0
Luego la solucin al sistema de ecuaciones es:
caso 3. algebra lineal 32
x = 5, y = 2, z = 3 y w = 0
Verificamos,
(5) + 2 + 2 3 0 = 5 + 2 + 6 + 0 = 3
2(5) + 5 2 3 9 0 = 10 + 10 3 + 0 = 3
2(5) + 2 3 + 3 0 = 10 + 2 3 0 = 11
(5) 3 2 + 2 3 + 7 0 = 5 6 + 6 0 = 5
4.8 Ejercicio 8
1 1 2 1
5
2 1 9 2 1 9
5 1 9
= 1 1
1 2
det
2 1 3 1 3
1 1 3
3
2 7 1 2 7
1 3 2 7
2 5 9 2 5 1
+2 2 1
3 + 1
2 1 1 = 80
1 3 7 1 3 2
1 1 2 1 1 1 2 1 6 11 3 11
2 5 1 9 2
5 1 9 1
53 18 113
2 =
1 1 3 2 1 1 3 5 3 10 7
1 3 2 7 1 3 2 7 6 33 17 81
Luego tenemos que,
6 11 3 11 1 1 2 1 11 91 18 191
1 53 18 113 2 5 1 9 42 587 259 1323
=
5 3 10 7 2 1 1 3 26 21 17 101
6 33 17 81 1 3 2 7 55 385 190 909
Dada una matriz cuadrada A de orden 3 se dice que el nmero 0 es un valor
propio de A si existe un vector columna tridimensional c no nulo, tal que [5]
A c = 0 c
El vector c se llama vector propio de A asociado al valor propio 0 .
1 1 2 1 1 0 0 0 1 1 2 1
2 5 1 9 0 1 0 0 2 5 1 9
det
2
= det
1 1 3 0 0 1 0 2 1 1 3
1 3 2 7 0 0 0 1 1 3 2 7
caso 3. algebra lineal 33
1 1 2 1 1 0 0 0 1.81723 1 2 1
2 5 1 9 0 1 0 0 2 5.81723 1 9
(0.81723) =
2 1 1 3 0 0 1 0 2 1 0.18277 3
1 3 2 7 0 0 0 1 1 3 2 7.81273
2 5.81723 1 9 1 0 0 2.73501
0 5 0 1 0 2.76309
5.90862 2 12.31723 =
0 0 1.22099 1.95789 0 0 1 1.60353
0 0 0 3.0E 15 0 0 0 3.0E 15
Ahora con la matriz escalonada encontramos el vector:
2.73501
2.76309
1.60353
1
de las miasma manera se encuentran los vectores respecto a los otros valores pro-
pios luego tenemos qu los vectores propios son:
2.73501 12.45706 3.30028 0.22234
2.76309 4.61315 4.13686 1.48680
1.60353 , 17.80268 , 2.91305 ,
0.08610
1 1 1 1
4.9 Ejercicio 9
Solucin:
a11 a12 a1n a1
a21 a22 a2n a2
A= x =
.. .. .. ..
. . . .
an1 an2 ann an
Matriz Auto-Adjunta
Si se tiene A y B es la matriz de cofactores de B, entonces la adjunta de A es
la traspuesta de B:
a11 a12 a1n
a21 a22 a2n
A=
.. .. ..
. . .
an1 an2 ann
A11 A12 A1n
A21 A22 A2n
B=
.. .. ..
. . .
An1 An2 Ann
A11 A21 An1
A12 A22 An2
adjA =
.. .. ..
. . .
A1n A2n Ann
Con la matriz adjunta se puede calcular la inversa de una matriz, definicin
de bases ortonormales, definicin de la derivada de un determinante, la ma-
triz adjunta como la funcin resulta ser continua. Y cumple las siguientes
propiedades:
adj(AT ) = adj(A)T
adj(AB) = adj(B)adj(A)
adj(I) = I
A adj(A) = adj(A)A = det(A)I para matrices cuadradas
adj(A) = n+1 adj(A) para matrices cuadrdas n n
det(adj(A)) = det = (A)n1 para matrices cuadrdas n n
caso 3. algebra lineal 35
Matriz Hermitiana
Si A es una matriz compleja y A es la matriz traspuesta conjugada entonces
si A = A es una matriz Hermitiana. La matriz Hermitiana es la equivalente
a la simtrica en los reales, y cumple las mismas propiedades.
a11 a12 a1n
a21 a22 a2n
A=
.. .. ..
. . .
an1 an2 ann
a11
a12
a1n
a21
a22
a2n
A =
.. .. ..
. . .
an1
an2
ann
Al igual que las matrices simtricas, se puede diagonalizar unitariamante. Es
decir que se pueden obtener valores propios y cada uno de ellos estar ligado
a un vector propio, los autovalores sern reales. Algunas propiedades de estas
matrices son:
AA = A A
AA = I
A = B + iC entonces B es una matriz simtrica y C antisimtrica.
A1 tambin es una matriz Hermitiana.
Los elementos de la diagonal son reales.
El determinante es un nmero real.
Matriz Toeplitz
La matriz A que pertenece al espacio de los complejos de n n se llamaba
Matriz Toeplitz si cada diagonal paralela a la principal es constante:
a11 a12 a1n
a21 a11 a1(n1)
a31 a21 a1(n2)
A= .. .. .. ..
. . . .
a(n1)1 a(n2)2 a1(n1)
an1 a(n1)2 a11
Si la matriz Toeplitz tiene tres diagonales no nulas con coeficientes a0, a1 y a2
los valores y vectores propios respectivamente son:
k
val = a0 + 2 a1 a2 cos
n+1
Con 1 6 k 6 n.
s !n
a2 j kjp
vect = sin
a1 n+1
j=1
Matriz Unitaria
Se dice que una matriz es unitaria si AA = I y A A = I. A es una matriz
que pertenece al espacio vectorial complejo y A es la matriz traspuesta con-
jugada.
Algunas de sus propiedades son:
A y A* son unitarias.
Si A y B son unitarias entonces AB tambin es unitaria.
A1 es unitaria.
El espacio generado por A es un subconjunto de la esfera unitaria.
Las filas de A forman una base ortonormal de Cn
Las columnas de A forman una base ortonormal de Cn
det(A) = 1.
Matriz Ortogonal
Se dice que una matriz es ortogonal si AAT = I y AT A = I. A es una matriz
que pertenece al espacio vectorial real.
Algunas de sus propiedades son:
Matriz Singular
Una matriz singular es una matriz cuadrada que no es invertible.
Si A es singular entonces det(A) = 0;
El sistema de ecuaciones que representa A no tiene una nica solucin.
La matriz A no se puede llevar a su forma cannica por filas.
4.10 Ejercicio 10
Solucin:
u1 = v1
v u
u2 = v2 2 1 u 1
u1 u1
..
.
vm u1 vm u 2 vm um1
um = vm u1 u2 um1
u1 u1 u2 u2 um1 um1
Los vectores ortonormales genera el mismo espacio que (v1 , v2 , v3 , , vn ) [7]
son:
u1
un1 =
k u1 k
caso 3. algebra lineal 37
u2
un2 =
k u2 k
um
unm =
k um k
Ejemplo:
2 8 4
Usando la matriz de Gram compruebe que la lista de vectores b1 , b2 , b3 que se
obtiene al final es ortogonal.
k b1 k2 = 16 + 4 + 1 + 4, k b1 k= 5
hb1 , a2 i 24 6 4 16
2,1 = = =2
k b1 k2 25
De aqu que:
6 8 2
3 4 1
b2 = a2 2,1 b1 = a2 + 2b1 =
4 + 2
=
2
8 4 4
Calculamos la norma de b2:
k b2 k2 = 4 + 1 + 4 + 16 = 25, k b2 k= 5
hb1 , a3 i 20 + 10 + 3 8 hb , a i 10 + 5 6 + 16
3,1 = 2
= = 1, 3,2 = 2 32 = =1
k b1 k 25 k b2 k 25
De aqu que,
5 4 2 1
5 2 1 2
b3 = a3 3,1 b1 3,2 b2 =
3 + 1
+
2 = 4
4 2 4 2
Calculamos la norma de b3:
k b3 k2 = 1 + 4 + 16 + 4 = 25, k b3 k= 5
Para comprobar que los vectores b1, b2, b3 son ortogonales calculamos su matriz
de Gram:
4 2 1
4 2 1 2 2 25 0 0
1 2
G(b1 , b2 , b3 ) = 2 1 2 4
1
= 0 25 0
2 4
1 2 4 2 0 0 25
2 4 2
references 38
Podemos normalizar los vectores b1, b2, b3 (dividirlos entre sus normas) y obtener
una lista ortonormal:
4/5 2/5 1/5
2/5 1/5
, c3 = 2/5
1/5 , c2 = 2/5
c1 =
4/5
2/5 4/5 2/5
references
[1] Crlos Duque-daza and Diego Garzn. Introduccin y Algebra preliminar, 2017.
[4] Carlos Duque and Diego Garzn. Algebra Lineal : Conceptos bsicos y aplica-
ciones, 2017.
[5] Juan M. Garca. Valores y vectores propios de una matriz. Universidad del Pas
Vasco, nf.
[6] Steven Chapra and Raymond Canale. Mtodos numricos para ingenieros. McGraw
Hill, 2007.