Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2012
ÁLGEBRA LINEAL
x a11 x b1
2 a12
1
a12
Es una recta.
Sea la ecuación a11 x1 a12 x2 a13 x3 b1 definida en 3 entonces
a12 a b
x1 x 2 13 x3 1
a11 a11 a11
a11 a b
x2 x1 13 x3 1
a12 a12 a12
a a b
x3 11 x1 12 x2 1
a13 a13 a13
Es un plano.
Para una ecuación lineal donde n 4 se tiene un hiperplano y la solución será semejante a las
encontradas arriba, note que para resolver una ecuación lineal se despeja la primera ó la
segunda ó la tercer incógnita… etcétera.
Sistema de ecuaciones lineales.
Definición. Un sistema de m ecuaciones lineales con n incógnitas se define como.
a11 x1 a12 x 2 a13 x 3 ... a1 n xn b1
a 21 x1 a 22 x 2 a 23 x 3 ... a 2 n xn b2
am 1 x1 am 12 x 2 am 3 x 3 ... amn xn bm
2
ÁLGEBRA LINEAL
Definición. Una matriz aumentada asociada al sistema de ecuaciones lineales, se define como.
a11 a12 a1 n b1
a a 22 a2 n b2
A B 21
am 1 am 2 amn bm
Método de eliminación de Gauss-Jordán.
Este método permite resolver los sistemas de ecuaciones lineales utilizando solamente los
coeficientes del sistema, como “la radiografía del sistema”, desarrollando la siguiente
transformación.
a11 a12 a1 n b1 c11 c12 c1n d 1 1 0 0 e1
a a22 a2 n
b2
0 c22 c2 n d 2 0 1 0 e
21
2
am 1 am 2 amn bm 0 0 cmn d m 0 0 1 e m
Donde la primera matriz aumentada representa el sistema de ecuaciones lineales original, la
segunda matriz representa un sistema equivalente, llamada matriz triangular superior, más
simple, en la cual se conoce el valor de la última de las incógnitas y finalmente en la última
matriz, la matriz de coeficientes se transforma en la matriz identidad, representando el
sistema equivalente.
x1 0 x2 0 x3 ... 0 xn e1
0 x1 x2 0 x3 ... xn e2
0 x1 0 x2 0 x3 ... xn em
La forma de lograr estas transformaciones se hace por medio de las operaciones elementales
por renglón (OPE), que no es más que el método de suma y resta, únicamente usando los
coeficientes numéricos.
1.- multiplicación de un renglón por una constante K diferente de cero.
2.- intercambio de renglones.
3.- suma algebraica de 2 renglones cualesquiera.
El método de eliminación de Gauss-Jordan se puede implementar de la siguiente manera usando
las OPE.
1.- Se divide el primer renglón para hacer igual a 1 el coeficiente de x1 en la primer ecuación.
2.- Se eliminan los términos de x1 de la segunda y tercera ecuaciones.
3.- Se repite la operación de división para hacer igual a 1 el coeficiente de x 2 , usándose como
pivote para eliminar x 2 de la segunda y tercera ecuación
4.- Se divide para hacer igual a 1 el coeficiente de x 3 usándose para eliminar x 3 de la primera
y segunda ecuación.
Deberá notar que el método se explica para un sistema de 3 3, sin embargo se extiende
fácilmente para sistemas de orden superior, también el pivote se usa para eliminar hacia abajo,
escalonando la matriz, y después hacia arriba, el método descrito anteriormente tiene
propósitos computacionales.
3
ÁLGEBRA LINEAL
Álgebra de Matrices
4
ÁLGEBRA LINEAL
Matrices especiales
Ap
A A
A
A
p veces
Matriz Inversa. Si A ( aij ) es una matriz cuadrada entonces existe una matriz A1 llamada
la inversa de A. de tal manera que.
A No es singular y A A1 A1 A I
Matriz triangular superior. Es una matriz cuadrada donde aij 0 para todo i j
Matriz triangular inferior. Es una matriz cuadrada donde aij 0 para todo i j
Matriz diagonal. Es una matriz cuadrada donde aii 0 al menos para algún valor.
Matriz transpuesta. Es una matriz cualquiera en donde A ( aij ) tiene un matriz transpuesta
5
ÁLGEBRA LINEAL
Para la suma
1. A B B A conmutativ a
2. A ( B C ) ( A B ) C Asociativa
3. K ( A B ) KA KB K Distributiva
4. 0 A 0 A Elemento identidad
5. A A ( A ) 0 Elemento simétrico
Para la inversa.
1. ( A1 )1 A
2. ( AB ) 1 B 1 A 1
1 1
3. ( KA ) 1 A K
K
Para la transpuesta.
1. ( AT )T A
2. AT BT ( A B )T
3. ( KA )T KAT K
4. ( AB ) B AT T T
Para la multiplicación.
1. AB BA Anticonmutativa
2. A( BC ) ( AB )C Asociativa
3. A( B C ) AB AC Distributiva
4. ( A B ) A B , ( ) A A B , ( A ) ( ) A ,
Determinantes.
Definición. Un determinante se define como: F : Ann una función con dominio las
matrices cuadradas e imagen un número real, entonces para un determinante de orden 2 ó de
orden 3 se tiene.
a 11 a 12
a 11a 22 a 12 a 21
a 21 a 22
a 11 a 12 a 13
a 21 a 22 a 23 a 11a 22 a 33 a 21a 32 a 13 a 31a 23 a 12 a 13 a 22 a 31 a 23 a 32 a 11 a 33 a 21a 12
a 31 a 32 a 33
6
ÁLGEBRA LINEAL
7
ÁLGEBRA LINEAL
Propiedades de Determinantes.
2.- Si Bn se obtiene de multiplicar por un número real K cada elemento de un renglón o columna
de An entonces
Det Bn K Det An
El determinante de B es K veces el determinante de A.
Nota. Cuando una matriz se diferencia de otra solamente en que un renglón o columna es veces. El valor
del determinante también será veces, dicho valor
8
ÁLGEBRA LINEAL
Ejemplos ilustrativos
2 4 6 2 4 6
Conocido el determinante de la matriz A 4 5
6 det A 4 5 6 6
3 1 2 3 1 2
Cambio de primera y segunda columna.
4 2 6
det B 5 4 6 6
1 3 2
Cambio de primer y tercer renglón.
3 1 2
det B 4 5 6 6
2 4 6
Cambio de primera y tercera columna
6 4 2
det B 6 5 4 6
2 1 3
9
ÁLGEBRA LINEAL
Simplificación de un determinante
2 4 6
2 R1 R2 Det B 0 3 6 6
3 1 2
2 4 6 2 0 2
Det B 4 5 6 2C 1 C 2 Det B 4 3 2 6
3 1 2 3 5 8
2 R1 R2 2 4 6
3 Det B 0 3 6 6
R1 R3
2 0 5 11
2 4 6 0 4 6 2 4 6 2 4 6 2 4 2
0 0 0 0 0 5 6 0 1 2 3 0 3 1 2 0 4 5 4 0
3 1 2 0 1 2 3 1 2 3 1 2 3 1 3
an 1 an 2 ann a1 n a2 n ann C 1 n C 2 n C nn
10
ÁLGEBRA LINEAL
x1
1
C11b1 C 21b2 C n1bn
Det A
x2
1
C12b1 C 22b2 C n 2 bn
Det A
xn
1
C12b1 C 22b2 C n 2 bn
Det A
Las expresiones entre paréntesis es un desarrollo por cofactores del determinante de la
matriz A tomando como pivote a las columnas, es así que de la solución por la matriz inversa
también se tiene la regla de Cramer.
b1 a 12 a 1n
b2 a 22 a2n
bn an2 a nn
x1
Det A
a 11 b1 a 1n
a 21 b2 a2n
a n1 bn a nn
x2
Det A
a 11 a 12 b1
a 21 a 22 b2
a n1 an2 bn
xn
Det A
11
ÁLGEBRA LINEAL
PROBLEMAS RESUELTOS
1
Problema 1.- Para la ecuación lineal x1 4 x2 2 x3 x4 5 determine cuales de los
2
siguientes conjuntos ordenados, son solución.
a) 3 ,1 ,2 ,0
1
b ) 1 ,4 , ,2
2
c ) 3 ,1 ,2 ,0
3
d ) ,1 ,1 ,3
2
e ) 3 ,2 ,1 ,1
Respuesta.
1
Al despejar alguna de las incógnitas, por ejemplo x1 5 4 x2 2 x3 x4 , se tiene que
2
solamente c y d la satisfacen (son soluciones), mientras que a, b y e no son soluciones.
12
ÁLGEBRA LINEAL
13
ÁLGEBRA LINEAL
14
ÁLGEBRA LINEAL
Problema 6. Para cada uno de los siguientes sistemas de ecuaciones lineales, determine para
que valores de K el sistema es:
a) Inconsistente
b) Consistente determinado
c) Consistente indeterminado
2 x y Kz 0
Sistema 6.1 x y 2z 1
x 2y k
Respuesta
Usando el método de eliminación de gauss-jordan
2 1 K 0 1 1 2 1 1 1 2 1
1 1 2 2 R1 R2
1 R1 R2 2 1 K
0
0 1 4K 2
R1 R3
1 2 0 K 1 2 0 K 0 1 2 1 K
1 1 2 1
R2 R3 0 1 4K 2
0 0 K 6 K 3
Por lo tanto si K 6 el sistema es inconsistente. Si K 6 el sistema es consistente
determinado, el sistema seria consistente indeterminado si K 6 K 3 , pero 6 3 por
lo que jamás puede ser indeterminado.
Kx y z 1
Sistema 6.2 x Ky z 1
x y Kz 1
Respuesta
Usando el determinante de la matriz de coeficientes, se tiene.
K 1 1
1 K 1 K 3 1 1 K K K K 3 3K 2
1 1 K
Resolviendo la ecuación de tercer grado, se tiene P( K ) K 3 3 K 2 0
Usando división sintética
1 0 3 2 1 0 3 2 1 1 2
2 2 4 2 1 1 1 2 1 1 2
1 2 1 0 1 1 2 0 1 2 0
K1 1
P ( K ) ( K 1 )2 ( K 2 ) 0 K 2 1
K 2
3
Entonces el sistema tendrá solución única, es decir es consistente determinado cuando
K 1,2 , veamos que sucede para cada valor de K .
15
ÁLGEBRA LINEAL
Con K 1 :
1 1 1 1 1 1 1 1
1 1 1 1 R1 R2 0 0 0 0 Consistente indeterminado, es un plano
R R
1 1 1 1 1 3
0 0 0 0
Con K 2
2 1 1 1 1 2 1 1 1 2 1 1
1 2 1 1 R R 2 2 R1 R2
1 1 1 1 0 3 3 3
R1 R3
2
1 1 2 1 1 1 2 1 0 3 3 0
El
1 2 1 1
R2 R3 0 3 3 3
0 0 0 3
El sistema es inconsistente, no tiene solución.
16
ÁLGEBRA LINEAL
16 14 6 2 4 6 6 0 0 1 0 0
A 1 A 26 22 12 4 5 6 0 6 0 0 1 0
1 1
6 6
11 10 6 3 1 2 0 0 6 0 0 1
Problema 9. Resuelva el siguiente sistema de ecuaciones simultáneas, utilizando la matriz
inversa.
2 x1 4 x2 6 x3 16
4 x1 5 x2 6 x3 20
3 x1 x 2 2 x 3 3
Respuesta.
Tomando en cuenta el resultado anterior, se tiene.
x1 16 14 6 16 256 280 18 6 1
x 1 26 22 12 20 416 440 36 1 12 2
2 6 6
x3 11 10 6 3 176 200 18 6 1
Una ventaja de utilizar la matriz inversa es que se pueden resolver muchos sistemas con
entradas diferentes como:
17
ÁLGEBRA LINEAL
2 x1 4 x2 6 x3 16 0 4 3 1 4 0
4 x1 5 x2 6 x3 20 1 10 2 1 3 1
3 x1 x 2 2 x 3 3 1 2 1 1 2 5
Encontrando el resultado simplemente, realizando la multiplicación entre matrices.
1 2 1
Det A 1 0 1 0 1 4 0 10 6
2 1 0
6 2 1
1 0 0 1 000060 6
0 1 0
1 6 1
2 1 0 1 0 0 12 0 0 0 12
2 0 0
1 2 6
3 1 0 0 0 6 0 0 0 0 6
2 1 0
1 6 2 12 3 6
x1 1 x2 2 x3 1
Det A 6 Det A 6 Det A 6
18
ÁLGEBRA LINEAL
19
ÁLGEBRA LINEAL
x1 2 x 2 4 x 3 0
x2 3 x3 0
x3 0
Se concluye la solución trivial. ( x1 , x2 , x3 ) ( 0 ,0 ,0 )
20
ÁLGEBRA LINEAL
22
ÁLGEBRA LINEAL
Respuesta.
La solución a este problema consiste básicamente en hacer un buen uso del álgebra de
matrices, esencialmente el no cumplimiento de la conmutatitividad y la propiedad distributiva
por el lado derecho o por el lado izquierdo, entonces se presentan los despejes correctos
1
Si BX I
B B 1 I X B 1
BX
B 1
I
1 1 1
Si XA B 2C X ( B 2C ) A X ( B 2C ) A
AA
I
Si XA XB C X ( A B ) C X ( A B ) ( A B ) 1 C ( A B ) 1 X C ( A B ) 1
IZQUIERDA I
1 T
Si 2 X BT C T B 2 2 X C T B 2 BT X
2
C B 2 BT
Si AX B 2 CX AX CX B 2 ( A C ) X B 2 ( A C )1 ( A C ) X ( A C )1 B 2
DERECHA I
1
X ( AC ) B 2
1 0 2 1 0 1 0 2 0 1
X X 1
2 1 2 0 1 2 1 2 2 1
23
ÁLGEBRA LINEAL
Definición.
3.- (Elemento neutro aditivo). Existe un vector tal que Para todo.
24
ÁLGEBRA LINEAL
SUBESPACIO VECTORIAL
Definición.
Sea un subconjunto de un espacio vectorial y supongamos que es un espacio
vectorial con las operaciones de suma y multiplicación por un escalar definidas sobre .
Entonces es un subespacio de .
Para determinar si un subconjunto no vacio es un subespacio de .
1) Si entonces +
2) Si entonces donde
Que en esencia son los dos axiomas de cerradura.
Se tiene también un resultado importante.
Todo sub espacio de un espacio vectorial contiene el vector nulo
Definición.
Sea un conjunto de vectores, entonces se define una combinación
lineal de vectores como.
INDEPENDENCIA LINEAL.
Entonces.
Es decir, si se iguala la combinación lineal con el vector nulo, entonces la única
posibilidad es que todos los números reales sean igual a cero.
A partir de la definición de la independencia lineal, se tiene la definición de dependencia
lineal.
El conjunto de de vectores son linealmente dependiente sí.
25
ÁLGEBRA LINEAL
Entonces.
Es decir, si se iguala la combinación lineal de las funciones con la función nula, entonces
la única posibilidad es que todos los números reales sean igual a cero.
Si existen algunos (que existan números reales diferentes de cero), entonces las
funciones serán linealmente dependientes.
Wronskiano.
Una forma rápida de determinar la independencia lineal de las funciones es por medio del
wronskiano.
Definición.
Considerando que, cada una de las funciones es derivable por lo menos
veces en el intervalo , entonces la ecuación.
.
.
.
26
ÁLGEBRA LINEAL
BASE Y DIMENSIÓN
Definición.
Un conjunto de vectores es una base para un espacio vectorial si.
i) son linealmente independientes.
ii) son generadores del espacio vectorial
Observación. El conjunto será una base cuando cumpla con las dos
condiciones, no será una base si es linealmente independiente pero no generador, tampoco será
una base si es generador pero no es linealmente independiente.
O bien.
i) son linealmente independientes si
ii) son generadores si, cualquier vector se puede escribir como una
combinación lineal del conjunto de vectores .
Definición.
Dimensión finita. Sea el espacio vectorial , si este espacio vectorial tiene una base finita,
entonces la dimensión de , es el número de vectores en todas las bases.
Dimensión infinita. Sea el espacio vectorial , si este espacio vectorial no tiene una base
finita, entonces, se tiene una dimensión infinita.
Dimensión cero. Sea el espacio vectorial entonces la dimensión la dimensión de es
cero.
Observación. La dimensión de una base es el número de vectores linealmente independientes
Sin embargo también puede tener soluciones diferentes de la trivial, en tal caso se dice que se
construye una base para el espacio solución del sistema de ecuaciones.
Se resuelve el sistema de ecuaciones consistente e indeterminado
ii) Una matriz de orden está asociada a un espacio nulo, entonces la base para
el espacio nulo de la matriz será.
iii) Una base para el conjunto de vectores en un hiperplano.
27
ÁLGEBRA LINEAL
Bases canónicas.
1) Base canónica en . Espacio Euclidiano , los vectores.
Cambio de base.
Sean las bases y de un espacio vectorial , donde es
una base canónica y es una base no canónica, para expresar cualquier vector en
términos de la base no canónica se requiere de una transición entre las bases. Esto se logra por
medio de una matriz denominada precisamente matriz de transición.
Para calcular los escalares se escriben los vectores de la base canónica en términos
de la base no canónica, es decir.
28
ÁLGEBRA LINEAL
Núcleo e imagen
Sea una matriz de orden entonces, se tienen
las siguientes definiciones.
Definición 1.
Se define el Núcleo o Kernell de la matriz al conjunto de vectores.
Definición 2.
Se define la imagen de la matriz al conjunto de vectores.
Definición 3.
El número se le llama la nulidad de o bien es el número de vectores
linealmente independientes que tiene .
Definición 4.
El número se le llama el rango de o bien es el número de vectores
linealmente independientes que tiene .
29
ÁLGEBRA LINEAL
PROBLEMAS RESUELTOS
Problema 1.- Muestre que el conjunto es un espacio vectorial.
Solución.
espacio vectorial.
Solución.
30
ÁLGEBRA LINEAL
Problema 3.- Muestre que el conjunto de matrices diagonales con la suma común de matrices y
la multiplicación escalar común es un espacio vectorial, donde.
Solución.
1.- (Axioma de cerradura).
31
ÁLGEBRA LINEAL
Problema 4.- Muestre que el conjunto formado por un único elemento real
no es un espacio vectorial.
Solución.
No es un espacio vectorial porque no cumple el primer axioma.
1.- (Axioma de cerradura). Si
No cumple
Problema 5.- Muestre que el conjunto de rectas en donde
no es un espacio vectorial.
Solución.
No es un espacio vectorial porque no cumple el primer axioma.
1.- (Axioma de cerradura).
Si
No cumple
Problema 6.- Muestre que el conjunto de puntos en el semiplano superior de donde
no es un espacio vectorial.
Solución.
1.- (Axioma de cerradura).
Si
Si cumple Porque
2.- (Ley asociativa).
Si cumple
3.- (Elemento neutro aditivo).
Si cumple
4.- (Inverso aditivo).
Si el vector porque
No cumple.
Problema 7.- Muestre que el conjunto de matrices cuadradas dónde.
No es un espacio vectorial.
Solución.
No es un espacio vectorial porque no cumple el primer axioma.
1.- (Axioma de cerradura).
No cumple
32
ÁLGEBRA LINEAL
No es un espacio vectorial
Solución.
No es un espacio vectorial porque no cumple el primer axioma.
1.- (Axioma de cerradura).
Como
Entonces.
No cumple.
Entonces.
33
ÁLGEBRA LINEAL
Problema 14.- Determinar si son linealmente independientes las funciones del siguiente
conjunto
Entonces.
Por lo que.
34
ÁLGEBRA LINEAL
Problema 15.- Determinar si son linealmente independientes las funciones del siguiente
conjunto
Entonces.
Por lo que.
Problema 16. Determinar si son linealmente independientes las funciones del siguiente
conjunto
Entonces.
Por lo que.
Así que, una función se puede expresar como la combinación lineal de las otras dos funciones.
35
ÁLGEBRA LINEAL
Problema 17. Determinar si son linealmente independientes las funciones del siguiente
conjunto
Entonces.
Así que, una función se puede expresar como la combinación lineal de las otras dos funciones.
Solución.
Entonces.
linealmente dependientes.
36
ÁLGEBRA LINEAL
Solución.
Independencia lineal. Por definición.
Entonces.
Por lo que.
Desarrollando.
Entonces.
37
ÁLGEBRA LINEAL
matriz.
Solución.
Por lo que.
El kernel es , la nulidad es
La imagen es , el rango es
matriz.
Solución.
Por lo que.
El kernel es , la nulidad es
La imagen es Im , el rango es
38
ÁLGEBRA LINEAL
matriz.
Solución.
Por lo que.
El kernel es , la nulidad es
La imagen es Im , el rango es
Solución.
Como.
Entonces.
Obteniéndose un sistema de dos ecuaciones simultáneas lineales con dos incógnitas, así.
Por lo que.
Por lo tanto.
39
ÁLGEBRA LINEAL
Solución.
Como.
Entonces.
Obteniéndose un sistema de tres ecuaciones simultáneas lineales con tres incógnitas, así.
Por lo tanto.
40
ÁLGEBRA LINEAL
Definición.
Transformación vectorial.
Transformación lineal.
Definición.
i)
ii)
Es decir.
41
ÁLGEBRA LINEAL
1) tal que
PROYECCIÒN
x
2) tal que
REFLEJO EJE X
3) tal que
4) tal que
42
ÁLGEBRA LINEAL
5) tal que
6) tal que
REFLEJO EJE Y
7) tal que –
43
ÁLGEBRA LINEAL
MATRIZ DE TRANSFORMACIÓN
Definición.
Sea una transformación lineal , entonces existe una matriz única de orden
tal que.
Observaciones.
i) mientras que
ii) Como la matriz es de orden y el vector es de orden entonces
es de orden
iii) Por notación, se puede escribir la transformación como en cualquier
caso se lee “la transformación del vector ” o bien “ de “
iv) Por notación, se puede escribir la matriz de transformación como
v) Para cualquier transformación lineal se tiene una matriz de
transformación.
44
ÁLGEBRA LINEAL
NUCLEO Y RECORRIDO
Definición 1.
Definición 2.
Definición 3.
Definición 4.
45
ÁLGEBRA LINEAL
ÁLGEBRA DE TRANSFORMACIONES
Igualdad de transformaciones. Sean las transformaciones lineales y
donde las matrices de transformación correspondientes son y entonces, la igualdad de
las transformaciones es.
Cuando
Dos transformaciones son iguales cuando sus matrices de transformación son iguales
Cuando
Cuando
Cuando
46
ÁLGEBRA LINEAL
Será de gran utilidad encontrar algún vector o algunos vectores , tal que, al transformar
dichos vectores se encuentren vectores paralelos. Entonces
Geometría.
En las dos primeras figuras es positiva, en las dos segundas figuras es negativa.
i) En la primer figura
ii) En la segunda figura
iii) En la tercer figura
iv) En la tercer figura
Nomenclatura. A los vectores se les llama vectores propios, a los valores resultantes
se les llama valores propios. También se tiene.
47
ÁLGEBRA LINEAL
Notación.
La matriz resultante se llama matriz característica.
El determinante resultante es un polinomio de grado en función de ,
, se llama polinomio característico, entonces
La ecuación resultante se llama ecuación característica.
Teorema de Cayley-Hamilton
Sea cualquier matriz de orden entonces si es su polinomio
característico, se tiene que .
En otras palabras, este teorema dice que toda matriz cuadrada satisface a su polinomio
característico.
48
ÁLGEBRA LINEAL
Entonces.
Por lo tanto.
Entonces.
Por lo tanto.
49
ÁLGEBRA LINEAL
Entonces.
Por lo tanto.
, tal que.
Por lo tanto.
El kernel es , la nulidad es
La imagen es Im , el rango es
50
ÁLGEBRA LINEAL
Por lo tanto.
El kernel es , la nulidad es
La imagen es Im , el rango es
Obtenga. ,
Solución.
Las matrices de transformación respectivas son.
Entonces.
51
ÁLGEBRA LINEAL
Obtenga. ,
Solución. Como las matrices de transformación respectivas son.
Entonces.
Obtenga
Solución.
Como la matriz de transformación es.
Por lo que.
52
ÁLGEBRA LINEAL
Solución.
Cálculo del polinomio propio.
Por lo que,
Por lo que,
Solución.
Cálculo del polinomio propio.
Por lo que.
Se tienen los mismos vectores propios, porque las raíces son repetidas.
53
ÁLGEBRA LINEAL
Solución.
Por lo que,
Por lo que.
54
ÁLGEBRA LINEAL
Solución.
Como la matriz de transformación es.
Entonces.
Por lo que,
Se tienen los mismos vectores propios, porque las raíces son repetidas.
55