Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1) a + bi = c + di si y solo si a= c y b = d
5) ”[1].
Conjugado:
Ejemplo:
Suma y resta :
La suma y resta con números complejos se realiza de la misma manera que con números reales.
Ejemplos:
(7 - 2i) + (3 - 3i) = 10 - 5i
(3 - i) + (2 + 3i) = 5 + 2i
2i + (-4 – 2i) = -4
En la multiplicación se siguen las mismas reglas algebraicas que con números reales solo que con
números complejos, llegamos a un resultado donde encontramos i2, donde i2 = -1.
Ejemplos:
Ejemplo:
Potencias de i:
i3 = i2i = (-1)i = -i
i4 = i2i2 = (-1)(-1) = 1
i5 = i4i = (1)i = i
i6 = i5i = (i)(i) = -1
“Se define el módulo de un número complejo como el módulo del vector que lo
representa, es decir si z = x + yi, el módulo de z es
”[3].
Ejemplo:
Z = 3 – 4i
1.4 Forma polar y exponencial de un número complejo
Forma polar:
z = r(cosθ + i senθ).
r cosθ = x
r senθ = y
z = 5 – 5i
Forma exponencial:
“La ecuación eiθ = cos θ + i sen θ que define el simbolo eiθ, o exp (iθ), para
todo valor real de θ, se conoce como fórmula de Euler. Si escribimos un número
complejo no nulo en forma polar.
z = reiθ”[1].
Expresión rectangular: Z = x + yi
Z = 5 - 5i
”[3].
Uso
Pregunta:
, ¿cuánto es "n"?
Multiplicación y división
Ejemplo:
Suma y restas
Ejercicio:
Z=1 n=4
Para calcular las raíces hacemos uso de la fórmula del teorema de moivre.
K=0
Entonces nuestras raíces serian: 1, i, -1, -i
Sin embargo, ecuaciones incluso tan sencillas como x2 + 1 = 0 desafían esta regla,
ya que su solución, que teóricamente vendría dada por:
Que no existe en el campo de los reales ya que la raíz cuadrada no está definida
para argumentos negativos.
Los números complejos sin embargo permiten ampliar aún más el concepto de
"número", definiendo la unidad imaginaria o i como i = raíz de -1, lo que significaría
que la ecuación anterior sí tendría dos soluciones, que serían x1= i y x2= - i.
Con los números complejos se opera como se operaría con productos de sumas
ordinarios, teniendo en cuenta siempre que i2 = -1: (a + bi)(c + di) = ac +adi +bci +
bdi2 = (ac - bd) + (ad+bc)i.
(X2- 5) (X2+4)=0
UNIDAD 2: Matrices y Determinantes
Las matrices y los determinantes son herramientas del álgebra que facilitan el
ordenamiento de datos, así como su manejo. Los conceptos de matriz y todos los
relacionados fueron desarrollados básicamente en el siglo XIX por matemáticos
como los ingleses J.J. Sylvester y Arthur Cayley y el irlandés William Hamilton.
Las matrices se encuentran en aquellos ámbitos en los que se trabaja con datos
regularmente ordenados y aparecen en situaciones propias de las Ciencias
Sociales, Económicas y Biológicas.
Esto es fácil probarlo puesto que sabemos que la suma de los productos de los
elementos de una fila por sus adjuntos es el valor del determinante, y que la suma
de los productos de los elementos de una fila por los adjuntos de otra fila diferente
es 0 (esto sería el desarrollo de un determinante que tiene dos filas iguales por los
adjuntos de una de ellas).
En un sistema mal condicionado es difícil identificar el punto exacto en que las líneas
de las ecuaciones se interceptan.
2.7.- Propiedades de los determinantes
Los determinantes tienen muchas propiedades que pueden facilitar los cálculos.
Empezaremos a describir estas propiedades estableciendo un teorema, del cual
deduciremos lo demás. La demostración de este teorema es difícil y se pospondrá
para la próxima sección:
ax +by=c
ax+by+cz=d
3x-2y=1
2x+5y+4z=24
X1, X2,. . . . . . . . .
Xn
Esto se conoce como Matriz Aumentada del sistema. (El término matriz
se emplea en matemáticas para denotar un arreglo rectangular de
números, las matrices aparecen en varios contextos).
Sistemas equivalentes.
Definición
Diremos que dos sistemas de ecuaciones son equivalentes si tienen las mismas
soluciones.(Observese que no necesariamente han de tener el mismo número de
ecuaciones.)
Sabemos que una ecuación lineal o de primer grado es aquella que involucra
solamente sumas y restas de variables elevadas a la primera potencia
(elevadas a uno, que no se escribe). Son llamadas lineales por que se
pueden representar como rectas en el sistema cartesiano.
Se pueden presentar tres tipos de ecuaciones lineales:
Ejemplo:
4x – 2(6x – 5) = 3x + 12(2x + 16)
4x – 12x + 10 = 3x + 24x + 192
4x – 12x – 3x – 24x = 192 – 10
–35x = 182
b) Ecuaciones fraccionarias
En este tipo de ecuación lineal el denominador de a lo menos una de las
expresiones algebraicas es diferente de 1 (es una fracción).
Para proceder a la resolución se debe:
Llevar a ecuación lineal (eliminar la fracción) multiplicando la ecuación por el
mínimo común múltiplo de los denominadores (m.c.m.)
Ejemplo:
c) Ecuaciones literales:
Pueden ser lineales o fraccionarias. Si son fraccionarias, se llevan al tipo
lineal, pero en el paso de reducir términos semejantes se factoriza por "x"
para despejarla.
Ejemplo:
y = 3x – 2 y = -x – 6
Ya sabemos que en el caso de una sola recta, todos los puntos que
intersecten con esa recta son llamados solución de la ecuación, sin embargo
al tratar con un sistema de ecuaciones, la situación es diferente. En tal
situación para que un punto sea la solución del sistema de ecuación dado,
necesita estar sobre cada recta definida en el sistema de ecuación dado. Por
lo tanto, si nos fijamos en el diagrama siguiente:
El punto resaltado con color rojo no puede considerarse como una solución, ya
que no se encuentra en ninguna de las rectas definidas en el sistema de
ecuaciones.
Tampoco podemos considerar el punto resaltado en color azul como la
solución, ya que se encuentra en una sola recta y no en la otra, por lo tanto,
puede considerarse como la solución para la recta y =-x - 6, pero no la del
sistema dado.
Paso 1
Paso 2
Paso 3
Paso 4
Paso 5
Paso 6
X + 2Y + 3Z = 18 Y + 2Z = 17 Z = -7.8
Paso 1
Paso 2
Paso 3
Matriz Identidad
4. Calculamos X, Y y Z
Matriz Inversa:
Una matriz inversa es una matriz que multiplicado por la matriz original
obtiene la matriz de identidad. El inverso de un cuadrado n x n matriz, es
otro n x n matriz denotado por A-1 :
Donde es la n x n matriz identidad. Es decir, multiplicando su inversa una
matriz produce una matriz de identidad. No todas las matrices tiene una
matriz inversa. Si el determinante de la matriz es cero, entonces no tendrá
una inversa y la matriz se dice que es singular. Sólo no singular matrices
tienen inversas.
3.5 APLICACIONES
UNIDAD 3
Sistemas De Ecuaciones Lineales
ax +by=c
ax+by+cz=d
3x-2y=1
2x+5y+4z=24
X1, X2,. . . . . . . . .
Xn
Esto se conoce como Matriz Aumentada del sistema. (El término matriz
se emplea en matemáticas para denotar un arreglo rectangular de
números, las matrices aparecen en varios contextos).
• Coeficientes: aij para i = 1, 2, ....., m j = 1, 2, ..... n
• Términos independientes: bi para i = 1, 2, ....., m
• Incógnitas del sistema: x1, x2,.... xn
Sistemas equivalentes.
Definición
Diremos que dos sistemas de ecuaciones son equivalentes si tienen las mismas
soluciones.(Observese que no necesariamente han de tener el mismo número de
ecuaciones.)
Sabemos que una ecuación lineal o de primer grado es aquella que involucra
solamente sumas y restas de variables elevadas a la primera potencia
(elevadas a uno, que no se escribe). Son llamadas lineales por que se
pueden representar como rectas en el sistema cartesiano.
Se pueden presentar tres tipos de ecuaciones lineales:
• Eliminar paréntesis.
• Dejar todos los términos que contengan a "x" en un miembro y los
números en el otro.
Ejemplo:
4x – 2(6x – 5) = 3x + 12(2x + 16)
4x – 12x + 10 = 3x + 24x + 192
4x – 12x – 3x – 24x = 192 – 10
–35x = 182
b) Ecuaciones fraccionarias
En este tipo de ecuación lineal el denominador de a lo menos una de las
expresiones algebraicas es diferente de 1 (es una fracción).
Para proceder a la resolución se debe:
Llevar a ecuación lineal (eliminar la fracción) multiplicando la ecuación por el
mínimo común múltiplo de los denominadores (m.c.m.)
Ejemplo:
c) Ecuaciones literales:
Pueden ser lineales o fraccionarias. Si son fraccionarias, se llevan al tipo
lineal, pero en el paso de reducir términos semejantes se factoriza por "x"
para despejarla.
Ejemplo:
3.3 INTERPRETACION GEOMETRICA DE LAS
SOLUCIONES
y = 3x – 2 y = -x – 6
Ya sabemos que en el caso de una sola recta, todos los puntos que
intersecten con esa recta son llamados solución de la ecuación, sin embargo
al tratar con un sistema de ecuaciones, la situación es diferente. En tal
situación para que un punto sea la solución del sistema de ecuación dado,
necesita estar sobre cada recta definida en el sistema de ecuación dado. Por
lo tanto, si nos fijamos en el diagrama siguiente:
El punto resaltado con color rojo no puede considerarse como una solución, ya
que no se encuentra en ninguna de las rectas definidas en el sistema de
ecuaciones.
Paso 1
Paso 2
Paso 3
Paso 4
Paso 5
Paso 6
X + 2Y + 3Z = 18 Y + 2Z = 17 Z = -7.8
Paso 1
Paso 2
Paso 3
Matriz Identidad
El sistema de ecuaciones correspondientes es:
4. Calculamos X, Y y Z
Matriz Inversa:
Una matriz inversa es una matriz que multiplicado por la matriz original
obtiene la matriz de identidad. El inverso de un cuadrado n x n matriz, es
otro n x n matriz denotado por A-1 :
Donde es la n x n matriz identidad. Es decir, multiplicando su inversa una
matriz produce una matriz de identidad. No todas las matrices tiene una
matriz inversa. Si el determinante de la matriz es cero, entonces no tendrá
una inversa y la matriz se dice que es singular. Sólo no singular matrices
tienen inversas.
3.5 APLICACIONES
V = 12(20,000) = 240,000.
Al terminar nos damos cuenta que por este método de sustitución e igualación se
puede llegar al resultado.
Solución
En esta ocasión se resolverá por Cramer, pero se puede utilizar cualquiera de los
métodos (Gauss, Gauss Jordán, Usando la inversa), el resultado debe ser el
mismo.
• X = |Δ1|/|A| = -51/-1.5 = 34
• Y = |Δ2|/|A| = -6/-1.5 = 4
• Z = |Δ3|/|A| = -27/-1.5 = 18
X = 34, Y = 4, Z = 18
34 computadoras Cañón.
4 computadoras Clones.
18 computadoras lentas pero seguras.
4.1 DEFINICIÓN DE ESPACIO VECTORIAL
Un espacio vectorial real V es un conjunto de objetos, denominados vectores,
junto con dos operaciones binarias llamadas suma y multiplicación por un
escalar y que satisfacen los diez axiomas enumerados a continuación.
Teorema de subespacio
i) Si x € H y y € H, entonces x + y € H.
3). H es cerrado bajo la multiplicación por escalares. Esto es, para cada
u en H y cada escalar c, el vector cu está en H.
4.3 COMBINACIÓN LINEAL
Una combinación lineal de dos o más vectores es el vector que se obtiene al sumar
esos vectores multiplicados por escalares.
Cualquier vector se puede poner como combinación lineal de otros que tengan
distinta dirección.
α1v1+α2v2+…+αnvn
* S genera a V.
* S es linealmente independiente
Una base posee 2 características que se acaban de ver, debe tener suficientes
valores para generar a V, pero no tantos de modo que uno de ellos pueda escribirse
como una combinación lineal de los demás vectores en S. Si un espacio vectorial
consta de un número finito de vectores, entonces V es de dimensión finita. En caso
contrario, V es de dimensión infinita.
La base es natural, estándar o canónica si los vectores v1, v2,…, vn forman base
para Rn.
Si S={v1, v2,…, vn} es una base para un espacio vectorial V entonces todo vector v
en V se puede expresar como:
Restar 2-1
Ejemplo:
demostrar si S = {v1, v2,…, v3} es base de R3, v1 = (1,2,1); v2 = (2,9,0); v3 = (3,3,4)
Producto Interno:
Un producto interno sobre un espacio vectorial V es una operación que asigna a
cada par de vectores u y v en V un número real <u, v>.
Un producto interior sobre V es una función que asocia un número real ‹u, v› con
cada par de vectores u y v cumple los siguientes axiomas:
Propiedades:
i. (v, v) ≥ 0
ii. (v, v) = 0 si y sólo si v = 0.
iii, (u, v +w) = (u, v)+ (u, w)
iv. (u + v, w) = (u, w)+(v, w)
v. (u, v) = (v, u)
vi. (αu, v) = α(u, v)
vii. (u, αv) = α(u, v)
Espacios con producto interior:
El producto interior euclidiano es solo uno más de los productos internos que se
tiene que definir en Rn Para distinguir entre el producto interno normal y otros
posibles productos internos se usa la siguiente notación.
u ●v = producto punto (producto interior euclidiano para Rn)
‹u, v› = producto interno general para espacio vectorial V.
Propiedades de los productos interiores:
1. ‹0, v› = ‹v, 0› = 0
2. ‹u + v, w› = ‹u, w› + ‹v, w›
3. ‹u, cv› = c‹u, v›.
Un espacio vectorial con producto interno se denomina espacio con producto
interno.
4.6 BASE ORTONORMAL
1. Sea B = {v1, v2, . . ., vn} una base de un espacio V con producto interno
2. Sea B´= {w1, w2, . . ., wn} donde wi está dado por: w1= v1
3. Sea ui= wi ││w1││ entonces el conjunto B´´={ u1, u2, . . ., un} es una base
ortonormal de V
Determine una base ortonormal del espacio solución del siguiente sistema
homogéneo de ecuaciones lineales
w+ x + z= 0
Para hallar una base ortonormal B´= {u1, u2}, se usa la forma alternativa del proceso
de ortonormalización de Gram- Schmidt como sigue.
5.1 Definición de transformación lineal
Definición: Las transformaciones lineales son las funciones y tratan sobre K-espacios vectoriales
que son compatibles con la estructura (es
decir, con la operación y la acción) de estos espacios.
Aquí se presentan las funciones entre espacios vectoriales que preservan las cualidades de los
espacios vectoriales. Es decir, de funciones que preservan la suma y la multiplicación por
escalares.
b) T (c u) = c T (u)
Solución:
𝑥1 𝑥2
𝑆𝑒𝑎𝑛 𝒖 = [𝑦 ] 𝑦 𝒗 = [ 𝑦 ]
1 2
Entonces:
Por otro lado, para todo escalar c,
T es lineal.
Una transformación lineal preserva combinaciones lineales. Veremos que, debido a esto, una
transformación lineal queda unívoca-mente determinada por los valores que toma en los
elementos de una base cualquiera de su dominio.
Teniendo en cuenta que las transformaciones lineales son funciones entre conjuntos, tiene
sentido estudiar la validez de las propiedades usuales de funciones: inyectividad, suryectividad y
biyectividad.
Las transformaciones lineales que verifican alguna de estas propiedades reciben nombres
particulares:
Definición 3.6 Sean V y W dos K-espacios vectoriales, y sea f : V → W una transformación lineal. Se
dice que:
1. f es un monomorfismo si f es inyectiva.
2. f es un epimorfismo si f es suryectiva.
3. f es un isomorfismo si f es biyectiva.
Teorema 1
Sea T: V S W una transformación lineal. Entonces para todos los vectores u, v, v1,
i. T(0) = 0
ii. T(u - v) = Tu - Tv
Teorema 2
Sea V un espacio vectorial de dimensión finita con base B = {v1, v2, . . ., vn}. Sean w1, w2, . .
., wn vectores en W. Suponga que T1 y T2 son dos transformaciones lineales de V en W tales
que T1vi = T2vi = wi para i = 1, 2, . . ., n. Entonces para cualquier vector v ∈ V, T1v = T2v; es
decir T1 = T2.
Ejemplo
Sean V y W dos espacios vectoriales y sea T:V W una transformación lineal. Entonces
Teorema 4
i.Un T es un subespacio de V.
ii.Im T es un subespacio de W.
Demostración
ii. Sean w y x en Im T. Entonces w = Tu y x = Tv para dos vectores u y v en V. Esto significa que T(u +
v)= Tu + Tv = w + x y T(∝u) = ∝Tu =∝w. Por lo tanto, w + x y ∝w están en Im T.
Toda matriz A de m*n da lugar a una transformación lineal T:R´´ R´´´ definida por Tx = Ax. Es
evidente que un T = NA, Im T = Im A = CA, v(T) = v(A) y p(T) = p(A). Entonces se ve que las
definiciones de núcleo, imagen, nulidad y rango de una transformación lineal son extensiones del
espacio nulo, la imagen, la nulidad y el rango de una matriz.
5.4 Aplicación de las transformaciones lineales.
Aplicación de las transformaciones lineales: reflexión, expansión, contracción y rotación
Rm.◊Graficar un conjunto de puntos en otro es lo que se conoce como transformación lineal de un
conjunto de puntos. Existen ciertas propiedades básicas de las transformaciones lineales, las
cuales si son tomadas en cuenta y aplicadas al momento de resolver un problema, pueden
reducirlo un problema simple. La notación general utilizada para una transformación lineal es T:
Rn
Transformaciones lineales
Las transformaciones lineales forman un “hilo” que se entreteje en la tela de este texto. Su
utilización mejora el sentido geométrico de lo escrito. Por ejemplo, en el capítulo 1, las
transformaciones lineales proporcionan una visión dinámica y gráfi ca de la multiplicación matriz-
vector.
2. Expansión: Al igual que en la reflexión, también es posible expandir los puntos dados en una
dirección particular. La expansión se realiza habitualmente para un cierto grado. Es como realizar
una operación de multiplicación de los elementos del conjunto de puntos dados con un término
escalar hacia la dirección donde tiene que ser expandido. Sea para un punto (2, 3) si el grado de
expansión 2 es la dirección de y, entonces el nuevo punto obtenido es (2, 6).
4. Rotación: El término rotación tiene dos significados, ya la rotación de un objeto puede ser
realizada con respecto al eje dado o al eje mismo. La rotación se realiza para un cierto grado el
cual es expresado en forma de un ángulo. Asimismo, la rotación puede realizarse en la dirección
de las manecillas del reloj, o inverso a las manecillas del reloj.
La imagen de la matriz base determina la imagen de cualquier elemento. Por lo tanto la imagen de
a través de y = (−2x/ 3) es determinada mediante la obtención de una recta que pasa por (1, 0) y es
que es ortogonal a . Esto está dado por y = (3x/ 2) – (3/ 2).
El punto donde las dos rectas, esto es, y = (3x/ 2) – (3/ 2) e y = (−2x/ 3) se intersectan se dado
como (9/13, −6/13). Tomamos p¬1¬ para ser el punto de reflexión de a través de la recta dada.
Este punto es simétrico respecto a (9/13, −6/13) por lo tanto, podemos escribir que,
Esto produce,