Números Complejos en Álgebra Lineal
Cargado por
JuanSiloroNúmeros Complejos en Álgebra Lineal
Cargado por
JuanSiloroSEP DGEST SES
INSTITUTO TECNOLÓGICO DE CD. CUAUHTÉMOC
PERÍODO SABÁTICO
PROGRAMA ACADÉMICO: ELABORACIÓN DE MATERIAL, RECURSOS O
AUXILIARES DIDÁCTICOS
ELABORACIÓN DE UN LIBRO DE TEXTO
“ÁLGEBRA LINEAL”
ELABORADO POR:
ING. HORACIO OLIVAS TORRES
Cd. Cuauhtémoc, Chih., Febrero de 2014
INDICE
UNIDAD . Números Complejos Página
1.1 Definición y origen de los números complejos ----------------------------- 1
Operaciones fundamentales con números complejos -------------------- 7
Potencias de “i”, módulo o valor absoluto de un número complejo---- 9
Forma polar y exponencial de un número complejo -------------------- 10
Teorema de De Moivre, potencias y extracción de raíces de un
número complejo ----------------------------------------------------------------- 15
Ecuaciones polinómicas -------------------------------------------------------- 20
UNIDAD . Matrices y determinantes
Definición de matriz, notación y orden -------------------------------------- 25
Operaciones con matrices ----------------------------------------------------- 26
Clasificación de las matrices -------------------------------------------------- 32
Transformaciones elementales por renglón. Escalonamiento de una
matriz. Rango de una matriz -------------------------------------------------- 36
Cálculo de la inversa de una matriz ----------------------------------------- 39
Definición de determinante de una matriz --------------------------------- 40
Propiedades de los determinantes ------------------------------------------ 42
Inversa de una matriz cuadrada a través de la adjunta ---------------- 43
Aplicación de matrices y determinantes ------------------------------------ 44
UNIDAD Sistemas de ecuaciones lineales
Definición de ecuaciones lineales -------------------------------------------- 53
Clasificación de los sistemas de ecuaciones lineales y tipos de
solución. ---------------------------------------------------------------------------- 54
Interpretación geométrica de las soluciones ----------------------------- 57
Métodos de solución de un sistema de ecuaciones lineales: de
Gauss, Gauss-Jordán, inversa de una matriz y regla de Cramer. --- 58
Aplicaciones ----------------------------------------------------------------------- 72
UNIDAD Espacios vectoriales
Definición de Espacio Vectorial ---------------------------------------------- 79
Definición de subespacio vectorial y sus propiedades ----------------- 83
Combinación lineal, independencia lineal. -------------------------------- 85
Base y dimensión de un espacio vectorial, cambio de base --------- 91
Espacio vectorial con producto interno y sus propiedades ---------- 104
Bases ortonormal, proceso de ortonormalizacion de Graham –
Schmidt ---------------------------------------------------------------------------- 108
UNIDAD Transformaciones lineales
Introducción a las transformaciones lineales ---------------------------- 117
Núcleo e Imagen de una Transformación Lineal. ---------------------- 128
La matriz de una transformación lineal ----------------------------------- 133
Aplicación de las transformaciones lineales: reflexión, dilatación,
contracción y rotación ---------------------------------------------------------- 136
REFERENCIAS BIBLIOGRÁFICAS--------------------------------------------- 139
Números complejos
. Números Complejos
1.1 Definición y origen de los números complejos
Por qué existen los números complejos y cuál es el origen de los mismos.
En las gráficas que a continuación se indican, está representada la función:
Donde puedes ver cambiados los valores de los coeficientes y , y a la vez, ver cómo
ha cambiado la gráfica para los distintos valores de los coeficientes señalados.
Por ejemplo:
Si tenemos la ecuación: , la gráfica resultante es la que se muestra en
la figura .
Figura . Gráfica de la ecuación
Observando la gráfica, vemos que los puntos de intersección con el eje X, cuando
son: y , ya que ; y así tenemos que:
El cálculo algebraico para este tipo de ecuaciones, se realiza aplicando la fórmula
correspondiente para las ecuaciones cuadráticas: .
√ √ √
Ing. Horacio Olivas Torres Página 1
Números complejos
, siendo estos los puntos de intersección con el eje X antes
indicados.
Ahora, si tenemos la ecuación: , la gráfica resultante es la que se
muestra en la figura .
Figura . Gráfica de la ecuación
Donde se observa que el punto de intersección con el eje es , ya que .
El procedimiento para el cálculo es idéntico al del ejercicio anterior, solo que ahora, los
valores de los coeficientes correspondientes a esta ecuación son: y .
De la misma manera, si tenemos la ecuación , con los valores de los
coeficientes: y , la gráfica resultante es la que se muestra en la figura .
Observamos en ella que no existen puntos de intersección con el eje , ya que:
Figura . Gráfica de la ecuación
Ing. Horacio Olivas Torres Página 2
Números complejos
Conclusiones:
Si, de la fórmula general para resolver la ecuación de segundo grado ,
al termino , le llamamos Con los resultados anteriores se
forma la tabla , indicada a continuación.
ECUACIÓN FUNCIÓN
Dos puntos de corte con el eje
Dos soluciones
Una solución Un punto de corte con el eje
Ningún punto de corte con el
Ninguna solución
eje
Tabla .
La solución real sobre el eje , de la ecuación , con relación a los
valores de las incógnitas del = ; Es cuando los valores
resultantes del DISCRIMINANTE son positivos.
Pero habíamos titulado a este punto: Por qué los números complejos y origen de los
mismos.
Aquí tenemos La respuesta:
Hay que dar solución al caso en el que el es negativo; Esto es,
cuando se requiere calcular la raíz cuadrada de un número negativo cuyo resultado no
es ningún número real.
Es así como los números complejos aparecieron, al buscar soluciones para este tipo de
problemas. No existe ningún número real , cuyo cuadrado sea , por lo que los
matemáticos de la antigüedad concluyeron que no tenía solución. Sin embargo, a
mediados del siglo , el filósofo y matemático italiano Gerolamo Cardano y sus
contemporáneos, comenzaron a experimentar con soluciones de ecuaciones en las que
incluían las raíces cuadradas de números negativos. Por ejemplo, Gerolamo Cardano
sugirió que el número real , se puede expresar como:
Ing. Horacio Olivas Torres Página 3
Números complejos
( √ )( √ ) ( √ )( √ √ )
Al número: √ , se le llama unidad imaginaria , y se le da el mismo tratamiento que
a los valores algebráicos, como se indica a continuación:
√ . √ √
Así, al resolver la ecuación con la fórmula general, donde los valores de
y son: , respectivamente, y se tiene que:
√ √
Se observa que los valores de , son: .
Ya que vimos como aparecieron los números complejos, ahora vemos la importancia
que han tenido posteriormente. En física e ingeniería los números complejos se utilizan
entre otros, para describir circuitos eléctricos y ondas electromagnéticas.
En su aplicación en el área electrónica, con la fórmula de la transformada de Fourier
que nació accidentalmente de una fórmula que en uso el científico Francés Jean-
Baptiste Fourier en su teoría sobre cómo se esparce el calor, basada en el movimiento
de ondas, ya que sin dicha fórmula no podríamos escuchar con claridad el sonido
telefónico y el de los discos de vinil entre otros y tampoco tendríamos la compresión de
datos en información digital de gran importancia en la actualidad. Tenemos también la
ecuación inventada por el físico Austriaco Erwin Rudolf Schrodinger con la cual las
computadoras no serian del tamaño como las conocemos sin la aplicación de los
principios en que se funda la ecuación de Schrodinger ya que en un principio ocupaban
mucho espacio y en la actualidad se han reducido de tamaño y a la vez, los chips de
memoria de las computadoras trabajan con los principios de la misma ecuación,
pudiendo construir con ellos circuitos cada vez más pequeños. En ambas dos formulas
se incluye el número imaginario: √ , del cual se forman los números complejos.
Los números complejos los representamos a continuación: en forma cartesiana o
rectangular, en forma gráfica, en forma trigonométrica y en forma polar:
Ing. Horacio Olivas Torres Página 4
Números complejos
Forma cartesiana o rectangular. Los números complejos en la forma cartesiana o
rectangular, son expresiones de la forma , en donde y son números reales e
√ ; Estos se pueden sumar, multiplicar, dividir, elevarse a potencias y extraerse
raíces, así mismo, se pueden representar en forma gráfica y forman una estructura
algebráica de las llamadas cuerpo en matemáticas.
Representación grafica de los números complejos. En 1806, el matemático Jean –
Robert, represento geométricamente los números complejos como puntos del plano,
por lo que la figura 4, es conocida como diagrama de Argand (Plano complejo). De la
misma manera que los números reales se pueden representar como puntos de una
línea, los números complejos se pueden representar como puntos de un plano, de la
misma forma como se representa un vector; Al extremo del vector se le llama AFIJO
del complejo. Por ejemplo; El Afijo del número complejo: , es el punto .
El número complejo , es aquel punto del plano con coordenadas , igual a la
parte real , y con coordenadas igual a la parte imaginaria ; llamándosele al eje ,
eje real y al eje , eje imaginario.
Los números complejos: √ , aparecen en la figura ,
indicada a continuación y corresponden a los puntos:
( √ ) ; En el eje vertical al cual llamamos eje , se
representa la parte imaginaria del número complejo, por eso se le llama eje imaginario.
6
5
4
3
2
1
-6 -5 -4 -3 -2 -1 1 2 3 4 5 6
-1
-2
( √ )
-3
-4
-5
-6
Figura . Representación gráfica de los números complejos:
Ing. Horacio Olivas Torres Página 5
Números complejos
El complejo conjugado:Si es un número complejo cualquiera; El complejo
conjugado de lo conoceremos como: ̅ (̅̅̅̅̅̅̅̅)
Ejemplo; si los números complejos son:
, su conjugado será: ̅̅̅
, su conjugado será: ̅̅̅
El valor absoluto:
El valor absoluto de un número complejo, llamado módulo o magnitud de , es:
| | √
Así, el módulo o valor absoluto del número complejo: es:
| | √ √ √
Una relación fundamental entre un número complejo y su complejo conjugado ̅̅̅, es
que el producto de sus magnitudes es igual al cuadrado de la magnitud de cada uno de
ellos, tal como se indica a continuación:
| | | ̅̅̅| | ̅̅̅ | | |
Ejemplo. Dado el número complejo: ; Comprobar que se cumpla la formula:
| | | ̅̅̅| | ̅̅̅ | | |
̅̅̅
| | | | √ √ √
| ̅̅̅| | | √ √ √
Aplicando estos resultados al lado izquierdo de la formula: | | | ̅̅̅̅| | |, tenemos:
| | | ̅̅̅| √ √ √
Ahora, aplicando el lado derecho de la fórmula tenemos:
| ̅̅̅ | | | | | | | √ √
| | | | | | | | √ √
Y por lo tanto queda comprobado que:
| | | ̅̅̅| | ̅̅̅ | | | √
Ing. Horacio Olivas Torres Página 6
Números complejos
Operaciones fundamentales con números complejos
Operaciones fundamentales con números complejos en la forma cartesiana o forma
rectangular.
Las operaciones con números complejos en la forma cartesiana o forma rectangular
son: de adición, multiplicación y división.
La adición.- La adición de números complejos se realiza sumando las partes reales e
imaginarias por separado. Por ejemplo, para sumar , se suman las
partes reales , y a continuación las partes imaginarias , dando el número
complejo 3+2i, tal como lo señalamos a continuación:
La regla general para la adición es: . Otro
ejemplo será:
Dados los tres números complejos: y ;
Encontrar: .
La multiplicación.- La multiplicación de números complejos se basa en que: ,y
en asumir que esta operación es distributiva respecto de la adición, generándose la
siguiente regla para la multiplicación:
Utilizando esta regla se tiene por ejemplo que: Dados los números complejos:
y ; Encontrar el producto de:
[ – ] [ ]
[ ] [ ]
Ing. Horacio Olivas Torres Página 7
Números complejos
La división.
Para realizar la división de números complejos es necesario hacer uso del complejo
conjugado ya que esta operación se basa en multiplicar el número complejo del
numerador por el producto y división del complejo conjugado del denominador o
también llamado divisor.
Ejemplo.- Sean: Encontrar: ⁄
( )( )
Así, para obtener la forma rectangular ó cartesiana en forma general, la expresión se
escribiría:
Ejemplo.- Dados los dos números complejos: y , encontrar:
Si designamos a: , y utilizando a continuación la formula:
Tenemos que:
[ ] [ – ]
( ) ( )
Ing. Horacio Olivas Torres Página 8
Números complejos
Potencias de “i”, módulo o valor absoluto de un número complejo
Elevación a potencias de la unidad imaginaria .
Como ya tenemos definido que el valor de la unidad imaginaria es √ ; Al elevarlo
a potencias tenemos que;
√ √
Ya conociendo las potencias de i como son: ; Podemos utilizarlas para ver a
continuación algunos ejemplos; Aunque el término ya lo habíamos utilizado en la
multiplicación y división de números complejos, ahora veremos ejemplos aplicando las
tres potencias.
Dados los números complejos:
y :
Encontrar:
Ing. Horacio Olivas Torres Página 9
Números complejos
Módulo o valor absoluto de un número complejo.- El valor absoluto de un número
complejo llamado módulo o magnitud de , se define como: | | √ ; Así, el valor
absoluto del número complejo: , es:
| | √ √ √
Forma polar y exponencial de un número complejo
Forma trigonométrica
Conversión de la forma cartesiana o rectangular a la forma trigonométrica.- Se grafica
en el plano complejo el vector formado con el número complejo , como se
indica en la Figura .
Figura . Gráfica de un número complejo .
Ejemplo.- Dado el número complejo en su forma cartesiana: , vamos a
hacer su transformación en su forma trigonométrica.
Dadas las fórmulas trigonométricas con las cuales nos apoyaremos para resolver el
problema:
Ing. Horacio Olivas Torres Página 10
Números complejos
y el número complejo nos queda como:
( Forma trigonométrica )
Forma polar y exponencial de un número complejo
√ √ √ √
⁄ ⁄
( 53.130 53.130 )
Forma polar.- Haciendo uso de la identidad de Euler, en base a formularios, donde nos
dice que: ; El número complejo en forma cartesiana lo
transformamos en su forma trigonométrica, tal como se indica a continuación:
, y con la introducción de la identidad de Euler, tenemos
que: ; De esa manera hacemos la transformación
del número complejo en forma cartesiana a la forma polar.
( Forma pola r)
Ejemplo.- Dado el número complejo en forma cartesiana:
Para hacer su transformación en su forma polar, nos apoyamos en el ejemplo anterior,
donde nos quedan los valores de:
; Por lo que el resultado final nos queda como:
Ing. Horacio Olivas Torres Página 11
Números complejos
Operaciones con números complejos en la forma trigonométrica.- La forma
trigonométrica de números complejos nos es recomendable para las operaciones:
multiplicación, división, potencias y raíces; No así para las operaciones de adición y
resta, ya que estas últimas son más sencillas en la forma rectangular o cartesiana:
.
Multiplicación o producto.- Sean los números complejos en su forma cartesiana:
; Vamos a encontrar el producto de: , en su forma
trigonométrica.
[ ]
Aplicando las siguientes identidades trigonométricas:
La ecuación del producto queda:
[ ] (Forma trigonométrica).
Ing. Horacio Olivas Torres Página 12
Números complejos
Ejemplo.- Dado los números complejo en forma cartesiana:
Hacer su producto , en forma trigonométrica.
√ √ √ √ √
División o cociente.- Sean los números complejos en la forma cartesiana y a la vez en
su forma trigonometrica:
( forma cartesiana )
( forma trigonométrica )
Encontrar el número complejo: ⁄
La operación se realiza aplicando el artificio matemático del conjugado, ( se multiplica y
divide por el conjugado del divisor ), con el objetivo de convertir el denominador en un
número real y así poder obtener el número complejo :
Ing. Horacio Olivas Torres Página 13
Números complejos
como sabemos, por las funciones trigonométricas que: ; Entonces
nos queda que:
[ ]
Si aplicamos las identidades trigonométricas: ,
y ; El cociente entre dos números complejos
mediante la forma trigonométrica se define como:
[ ]
Ejemplo:
Considerando los números complejo en forma cartesiana: y ;
Vamos a encontrar el número complejo: , en forma trigonométrica, usando la formula:
Con los valores obtenidos en el ejemplo anterior, y haciendo uso de ellos,tenemos que:
[ ]
[ ]
√
[ ]
√
Ing. Horacio Olivas Torres Página 14
Números complejos
Teorema de De Moivre, potencias y extracción de raíces de un número complejo
El teorema de De Moivre afirma que para cualquier número complejo o real , y para
cualquier entero se verifica que:
Elevación a potencias en la forma trigonométrica.- Para realizar esta operación
imaginémonos la operación producto de un número complejo por sí mismo, donde el
ángulo , de la formula de De Moivre, lo conoceremos en lo sucesivo, ya que es como
se le ha venido nombrando en teoría y ejercicios de trigonometría del presente trabajo.
Sean el número complejo: , vamos a elevarlo a la segunda potencia,
haciendo uso de la forma trigonométrica:
( )
( )
Haciendo uso de las dos funciones trigonométricas que son:
y ; Sustituyendo tenemos que;
Por analogía, si: y de conformidad con el teorema de De Moivre:
y de la misma forma: si: , tenemos que:
. ( Forma trigonométrica )
Esta ecuación representa el teorema D’Moivré, al elevar un número complejo a una
potencia entera .
Ing. Horacio Olivas Torres Página 15
Números complejos
Ejemplo.- Dado el número complejo en forma cartesiana: ; Haciendo uso de
el y del teorema de De Moivre, encontrar el número complejo en la forma
trigonométrica.
Primero encontramos los valores de las incógnitas para luego sustituirla en la
fórmula correspondiente.
√ √ √ ⁄
√
(√ )
[ ]
[ ]
Forma polar.- Para realizar esta operación, el producto de un número complejo por sí
mismo.
Ejemplo.- Sean los números complejos los que a continuación se indican:
y ; Efectuar los cálculos necesarios para resolver los siguientes ejercicios;
Haciendo uso de la forma polar:
, , , y
Ing. Horacio Olivas Torres Página 16
Números complejos
( )
( )
Y esta ecuación representa el teorema D’Moivré (forma polar)
Ejemplo.- Dado el número complejo en forma cartesiana, ; Encontrar el
número complejo , haciendo uso del teorema de De Moivre en la forma polar.
√ √ √
√
[ ( )]
(√ )
Extracción de raíces en la forma trigonométrica.- Si la potencia , en el teorema de
D’moivré es un número racional: ⁄ Donde es un número entero que debe
Ing. Horacio Olivas Torres Página 17
Números complejos
cumplir la condición: . Entonces se puede usar el cálculo de raíces de un
número complejo.
Se sabe que la raíz de una cantidad matemática es la operación inversa a la potencia;
por lo que el número de raíces de un número, es igual al valor de la potencia señalada.
Por ejemplo; las raíces cuadradas de son y , porque y ; Así
es que: √
Y si nos preguntamos cuales son las raíces cúbicas de 8, sabemos que una de sus
raíces es , porque ; Pero no es lo mismo con porque .
Entonces es de suponerse que las otras dos raíces están en el cuerpo de los números
imaginarios o complejos.
Para encontrar las raíces de un número complejo, en primer lugar debemos de
entender que la alternativa viable es a través de la forma trigonométrica y en segundo
lugar es conveniente hacer un análisis del ángulo o argumento del número complejo,
que se puede observar mediante su representación gráfica y representarlo mediante su
forma trigonométrica.
Análisis de un ángulo: si se tiene un ángulo ( figura ) y a este ángulo le sumamos
( figura ), el ángulo resultante quedará en la misma posición.
Figura . Gráfica de Figura . Grafica, mostrando la igualdad:
Y si seguimos sumando y y veces , siendo un número
entero; El ángulo siempre será igual y estará en la misma posición.
Ing. Horacio Olivas Torres Página 18
Números complejos
Si este análisis lo aplicamos a la forma trigonométrica del número complejo tenemos
que:
[ ]
Por lo tanto las raíces de un número complejo podrán calcularse aplicando el teorema
D´Moivre, dándole valores a desde cero hasta
⁄ ⁄
[ ]
Ejemplo.- Dado el número complejo en forma cartesiana, , encontrar el
numero complejo ⁄
haciendo uso del teorema de De Moivre en la forma
trigonométrica y tomando el valor de: .
Primero encontramos los valores de las incógnitas de y , para luego sustituirla en la
fórmula correspondiente.
√ √ √
√
(√ )
[ ]
Extracción de raíces en la forma polar.- Aplicando el mismo razonamiento de la forma
trigonométrica respecto a la fórmula D’Moivré, así como a la definición del ángulo en la
misma sección, se obtiene que:
Por lo tanto las raíces de un número complejo podrán calcularse aplicando el teorema
D´Moivré dándole valores a , desde cero hasta
⁄ ⁄ [ ⁄ ]
Para una raíz enésima tenemos:
⁄ ⁄ [ ⁄ ]
Ing. Horacio Olivas Torres Página 19
Números complejos
Ejemplo.- Dado el número complejo en forma cartesiana, , encontrar el
número complejo ⁄
en forma polar, haciendo uso del teorema de De Moivre y
tomando el valor de .
√ √ √
√
( )
√
Ecuaciones polinómicas
Se tienen varios tipos de ecuaciones polinómicas, como son: ecuaciones polinómicas
algebráicas, racionales e irracionales.
una ecuación polinómica algebraica es donde una igualdad separa a dos polinomios.
como un ejemplo tenemos la ecuación:
Si a una ecuación polinómica se le efectúan una serie de transformaciones en ambos
miembros de la ecuación para conseguirse que uno de los lados se reduzca a cero, se
le llama ecuación polinómica canónica.
( Ecuación en la forma polinómica canoníca )
Grado de una ecuación polinómica canoníca.- es el mayor exponente al que se
encuentran elevadas las incógnitas, quedando de tercer grado el ejemplo de la
ecuación canoníca anterior.
los tipos de ecuaciones polinómicas se conocen como de primer grado, segundo grado,
- - -, grados.
Ing. Horacio Olivas Torres Página 20
Números complejos
ecuaciones de primer grado es cualquier ecuación que al simplificarla nos quede de la
forma , donde: ; como ejemplo:
( ecuación polinómica canoníca de primer grado )
Ecuaciones de segundo grado, es cualquier ecuación que al simplificarla nos quede de
la forma ; Donde; , como ejemplo:
Ecuaciones polinómicas
Donde: ( Ecuación Polinómica de segundo grado )
Ecuaciones de grado: Es cualquier ecuación que al simplificarla nos quede como::
( Ecuación polinómica canoníca de tercer grado ).
Ecuacione polinomica canon ica de n grado.- Es una ecuación que al simplificarla
nos quede de la forma: .
Una ecuación polinómica racional es de la forma donde: , son
polinomios.
Una ecuación polinómica irracional son aquellas que tienen por lo menos un
polinomio con el signo radical, como ejemplos:
√
√ y .
√
Ing. Horacio Olivas Torres Página 21
Números complejos
Ejercicios.
La columna de la derecha contiene las respuestas de las operaciones de la izquierda.
Anote en el paréntesis la letra de la respuesta correcta.
(√ )
Ing. Horacio Olivas Torres Página 22
Números complejos
Relacione las dos columnas dadas a continuación, anotando en el paréntesis de
lazquierda la letra que indique la respuesta correcta.
Forma cartesiana Forma polar
( √ ) √
√ √
( √ )
Ing. Horacio Olivas Torres Página 23
Números complejos
Encuentre la respuesta correcta en la columna de la derecha, anotando el número
correspondiente.
( )( ) √
( )( ) √
( ) ( )
Ing. Horacio Olivas Torres Página 24
Matrices y determinantes
. Matrices y determinantes
Definición de matriz, notación y orden
Las matrices aparecen por primera vez hacia el año 1850, introducidas por J.J.
Sylvester. El desarrollo inicial de la teoría se debe al matemático W.R. Hamilton en
. En , A. Cayley introduce la notación matricial como una forma abreviada de
escribir un sistema de m ecuaciones lineales con n incógnitas.
Las matrices se utilizan en el cálculo numérico, en la resolución de: sistemas de
ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas parciales.
Además de su utilidad para el estudio de sistemas de ecuaciones lineales, las matrices
aparecen de forma natural en geometría, estadística, economía, informática, física, ,
etc.
La utilización de matrices constituye actualmente una parte esencial de los lenguajes
de programación, ya que la mayoría de los datos se introducen en los ordenadores
como tablas organizadas en renglones y columnas: hojas de cálculo, bases de datos,
, etc.
Se llama matriz de orden , a todo arreglo rectangular de elementos , dispuestos
en renglones y columnas, de la forma:
( )
Abreviadamente suele expresarse en la forma ( ), con y
Los subíndices indican la posición del elemento dentro de la matriz, el
primero denota la posición del elemento en el renglón y el segundo en la columna
Los subíndices y , representan el último renglón y columna, respectivamente.
Por ejemplo; El elemento , será el elemento del renglón y columna .
Ing. Horacio Olivas Torres Página 25
Matrices y determinantes
Dos matrices son iguales cuando tienen la misma dimensión y a la vez, los elementos
que ocupan el mismo lugar en ambas matrices son iguales.
Operaciones con matrices
Propiamente la definición de operaciones entre matrices es lo que determina la utilidad
de ellas puesto que una matriz es solamente una tabla de números de forma ordenada.
Veremos que aquellas definiciones que intuitivamente parecen obvias para operar con
tablas de números son también las más útiles.
Suma y diferencia de matrices
La suma de dos matrices y , con la misma dimensión, es otra matriz
, de la misma dimensión que los sumandos y con término genérico; = .
Por lo tanto; Para poder sumar dos matrices, estas han de tener la misma dimensión.
La suma de las matrices y se denota por .
Propiedades de la suma de matrices
Propiedad interna
La suma de dos matrices de orden ,.es otra matriz de las mismas dimensiones,
de .
Ejemplo de una suma de matrices:
Dadas las matrices:
( ) y ( ) Encontrar la matriz:
( ) ( )
( )
( )
Ing. Horacio Olivas Torres Página 26
Matrices y determinantes
Propiedad asociativa
Ejemplo de una propiedad asociativa
Dadas las matrices:
( ); ( ) ( ); Aplicar la propiedad asociativa para su
comprobacion:
( ) [( ) ( )] [( ) ( )] ( )
( ) [( )] [( )] ( )
( ) [( )] [( )] ( )
( ) ( )
Propiedad conmutativa
Ejemplo de una propiedad conmutativa
Dadas las matrices: ( ) y ( ); Aplicar la propiedad conmutativa:
( ) ( ) ( ) ( )
( ) ( )
Ing. Horacio Olivas Torres Página 27
Matrices y determinantes
Elemento neutro
; Donde: es la matriz nula; Debiendo ser dicha matriz, de la
misma dimensión que la matriz .
Ejemplo de un elemento neutro.
Dadas las matrices: ( ) y ( ); Aplicar la propiedad del elemento
neutro para su comprobacion:
( ) ( ) ( ) ( ) ( )
( ) ( )
Elemento opuesto
Ejemplo de un elemento opuesto
Dadas la matriz: ( ); Aplicar la propiedad del elemento opuesto:
( ) [ ( )] ( )
( ) ( ) ( )
( ) ( )
La matriz opuesta es aquella en que todos los elementos están cambiados de signo y
recibe el nombre de matriz opuesta de , ya que: .
La diferencia de matrices y , la vamos a representar por , y la definimos
como:
Ing. Horacio Olivas Torres Página 28
Matrices y determinantes
Multiplicación de una matriz por un escalar.- Dada una matriz y un escalar (delta), el
producto de y , escrito Se define por la matriz que a continuación se indica:
( )
Donde los subíndices de los elementos significan, como ya se había
indicado en el subtema anterior , el número de renglón y columna en que se
encuentran, respectivamente.
Cada elemento de se multiplica por el escalar ; El producto es, por consiguiente,
otra matriz con renglones y columnas.
Ejemplo de multiplicación de una matriz por un escalar:
Dados: , y ( ); Encuentre el producto de
( )
( )
( )
Ejercicios para resolver;
De multiplicaciones de una matriz por un escalar.- Resuelva las siguientes operaciones
de multiplicar una matriz por una cantidad escalar:
Dados:
y ( ); Encuentre el producto de: =
Ing. Horacio Olivas Torres Página 29
Matrices y determinantes
y ( ); Encuentre el producto de: ⁄
y ( ); Encuentre el producto de:
y ( ) Encuentre el producto de: ⁄ =
Producto de las matrices.
Definición.
Dadas una matriz de , de y una matriz , de el producto , se define como
la matriz , de , cuyos elementos se obtienen de los elementos de y , de acuerdo
con el producto matricial Al elemento correspondiente de la matriz , se le llama
premúltiplo, y al elemento correspondiente a la matriz , se le llama posmúltiplo.
El producto , está definido sólo cuando el número de columnas en , es igual al
número de renglones en , de tal manera que llegamos a establecer la siguiente regla:
, y , son conformables en la multiplicación para obtener el producto , si y sólo si
el número de columnas de , es igual al número de renglones en .
Ejemplos de productos matriciales:
Los elementos de la matriz , resultante del producto , estarán conformados de
tal manera que el elemento de , es el producto punto del renglón de y la
columna de .
Ejemplos de productos matriciales
Sean: ( ) ( ) ( ); Encuentre los productos matriciales
.
( )( )
Ing. Horacio Olivas Torres Página 30
Matrices y determinantes
( ) ( )
[ ]
( ) ( )
( ) ( )
[ ]; ( )
( ) ( )
( )( )
( )
[ ]
( )
[ ]
[ ] ( )
Elevación a potencias.- Solo podrán elevarse a una potencia entera, debiendo ser estas con el
mismo número de renglones que de columnas (matrices cuadradas)
Ejemplos de elevación a potencia
Sea: ( ); Encuentre una matriz:
( )
( )( )
Ing. Horacio Olivas Torres Página 31
Matrices y determinantes
( ) ( )
[ ]
( ) ( )
( )
( )
Clasificación de las matrices
Vamos a describir algunos tipos de matrices que aparecen con frecuencia debido a su
utilidad y de los que es conveniente recordar su nombre.
Atendiendo a la forma
Matriz renglón. Es una matriz que sólo tiene un renglón, es decir m =1 y por tanto es
de orden 1xn.
Matriz columna. Es una matriz que solo tiene una columna; Es decir: , y por
tanto, es de orden .
( )
Matriz cuadrada. Es aquella que tiene el mismo número de renglones que de
columnas, es decir m = n. En estos casos se dice que la matriz cuadrada es de orden
n.
Ing. Horacio Olivas Torres Página 32
Matrices y determinantes
Ejemplo:
( )
Los elementos , con ; o sea , forman la llamada diagonal principal de la matriz
cuadrada, y los elementos , con , forman las secundarias.
Matriz Triangular. Es una matriz cuadrada que tiene nulos todos los elementos que
están a un mismo lado de la diagonal principal. Las matrices triangulares pueden ser de
dos tipos:
Matriz triangular superior. Una matriz cuadrada se llama triangular superior si todos
sus componentes debajo de la diagonal principal son ceros.
Ejemplo de matriz triangular superior:
( )
Matriz triangular inferior. Es aquella matriz cuadrada en la que todos sus componentes
arriba de la diagonal principal son ceros.
Ejemplo de matriz triangular superior:
( )
Ing. Horacio Olivas Torres Página 33
Matrices y determinantes
Matriz diagonal. Es una matriz cuadrada, en la que todos los elementos no
pertenecientes a la diagonal principal son nulos.
Ejemplo de matriz diagonal:
( )
Matriz escalar. Es una matriz diagonal con todos los elementos de la diagonal iguales.
Ejemplos de matrices escalares:
( ) ( )
Matriz escalar unitaria (identidad).- Es una matriz escalar con los elementos de la
diagonal principal iguales a .
Ejemplo de una matriz escalar unitaria:
( )
Matriz nula.- Es aquella matriz donde todos sus elementos son y se representa por .
Ejemplo de una matriz nula:
( )
Ing. Horacio Olivas Torres Página 34
Matrices y determinantes
Matriz transpuesta.- Dada una matriz ; Se llama transpuesta de , a la matriz que se
obtiene cambiando renglones por columnas y se representa por .
El primer renglón de , es la primera columna de El segundo renglón de A , es la
segunda columna de , etc.
De la definición, se deduce que: si es de orden , entonces: , es de orden
.
Ejemplos de matrices transpuestas.- Los ejemplos que a continuación se indican, son
una matriz cuadrada de y una matriz rectangular de , respectivamente.
( ) ( )
( ) ( )
Matriz simétrica. Una matriz cuadrada es simétrica si: = , es decir, si: .
Ejemplos de matriz simétrica:
( ) ( )
Matriz antisimétrica. Una matriz cuadrada es antisimétrica si: , es decir si:
.
Ejemplo de matriz
antisimétrica:
( ) ( ) , con lo cual vemos que la matriz
es antisimetrica.
Matriz elemental . Es aquella matriz cuadrada que se obtiene de la matriz
identidad, mediante una operación elemental por renglón.
Ing. Horacio Olivas Torres Página 35
Matrices y determinantes
Ejemplos de matrices elementales de: 3 x 3.
Matrices identidad Matrices elementales
( ) → ( )
( ) → ( )
( ) → ( )
Transformaciones elementales por renglón. Escalonamiento de una matriz. Rango
de una matriz
Aunque las transformaciones elementales, se pueden realizar con toda validez, tanto a
renglones como a columnas; nos abocaremos en este libro únicamente a las
correspondientes por renglón
Transformaciones elementales por renglón:
Sobre una matriz , se le pueden realizar operación elemental por renglones en ,
multiplicando la matriz por la izquierda, por una matriz elemental.
Las operaciones elementales a una matriz , por renglones son:
I) Multiplicar el renglón , por un número , diferente de cero:
II) Multiplicar el renglón , por un número , diferente de cero y súmeselo al renglón K:
III) Permutar (intercambiar) los renglones i, y k:
Objetivo.
El Objetivo del uso de las transformaciones elemental es:
Primero. Convertir en uno los elementos de la diagonal principal, mediante la
multiplicación por un escalar.
Ing. Horacio Olivas Torres Página 36
Matrices y determinantes
Segundo. Convertir en cero los elementos fuera de la diagonal principal, suma con
escalar.
Ejemplo de transformaciones elementales: Dada la matriz:
( )
Obtener la matriz identidad por medio de la aplicación de matrices elementales.
( ⁄ )
( )→ ( )→ ( )→ ( )
( )→ ( )
( )
Escalonamiento de una matriz.
Matriz Escalonada.- Esta matriz está definida si se cumplen las condiciones siguientes:
El primer número ( a partir de la izquierda ), diferente de cero, en cualquier
renglón que no contenga solamente ceros, deberá ser un uno, y en la parte
inferior de la columna de dichos unos, deberán de ser ceros.
Si dos renglones sucesivos no contienen solamente ceros, entonces el primer uno
en el renglón inferior ocurre más hacia la derecha que el primer 1 del renglón
Todos los renglones, cuyos elementos en su totalidad sean ceros (si los hay),
aparecen en la parte inferior de la matriz.
Ing. Horacio Olivas Torres Página 37
Matrices y determinantes
Ejemplos de matrices escalonadas:
( ) ( ) ( ) ( ) ( ) ( )
Matriz escalonada reducida.- Esta matriz cumple con las tres condiciones anteriores y
además con la siguiente:
IV.- Cualquier columna que contenga el primer 1 de un renglón tiene ceros en las
demás posiciones, tanto en la parte inferior como en la superior.
Ejemplos de matrices escalonadas reducidas:
( ) ( ) ( ) ( ) ( ) ( )
Rango de una matriz
Definición.- El rango de una matriz , de tamaño , es el mínimo número de
renglones o columnas diferentes a cero, que se pueden obtener de la matriz , al
convertir; Por medio de las operaciones, todos los elementos en cero, del resto de los
renglones.
El rango renglón y el rango columna de una matriz arbitraria , de tamaño , son
iguales, y nos podemos referir a este número común como el rango de la matriz
Ejemplo.
Dada la matriz: ( ); Calcule el rango por medio de operaciones:
( )→ ( )→ ( )
Como son dos renglones en las que queda por lo menos un elemento distinto de cero,
el valor del rango de la matriz es . .
Ing. Horacio Olivas Torres Página 38
Matrices y determinantes
Si queremos hacer que también queden como mínimo dos columnas diferentes a cero;
Entonces hacemos las siguientes operaciones para modificar columnas y no renglones
( )→ ( )
Con estas operaciones logramos que quedaran como mínimo tanto los dos renglones,
como también las dos columnas, ambas distintas de cero; Con la aclaración de que
sólo en esta ocasión usaremos las transformaciones entre columnas, no siendo
conveniente cuando resolvemos sistemas de ecuaciones y solo lo consideré útil para la
explicación dada, para saber cómo encontrar con toda claridad el rango de una matriz
tal como se explicó con anterioridad.
Cálculo de la inversa de una matriz
Si a una matriz le sacamos su inversa, a esta matriz inversa se le conoce con el
símbolo: .
Inversa de una matriz cuadrada
La inversa de una matriz cuadrada la podemos encontrar por dos métodos, uno de
ellos es el de la forma escalonada y el otro que es por el método de la adjunta,
quedando este último método para su estudio, en el punto .
Cálculo de la inversa por la forma escalonada ( gauss-jordan ).
Para este método se van a utilizar tanto la matriz a la cual se requiere obtener su matriz
inversa, como también la matriz identidad; debiendo ser ambas matrices cuadradas del
mismo tamaño.
Con ambas matrices vamos a formar otra matriz, que llamaremos matriz aumentada, tal
como se indica a continuación:
| .
Pasos a seguir para el cálculo de la inversa de una matriz por la forma escalonada:
Paso .- Se escribe la matriz aumentada: | .
Ing. Horacio Olivas Torres Página 39
Matrices y determinantes
Paso .- A la matriz aumentada se le hacen las operaciones necesarias por renglones
hasta lograr que la matriz se convierta en una matriz identidad y debido a eso, la
matriz identidad de la matriz aumentada se convierte en la matriz inversa de la matriz
, que es lo que se buscaba.
Paso .- Se decide si la matriz es invertible, lo cual se logra sólo si la matriz se
transforma en matriz identidad; de lo contrario la matriz no tendría inversa, lo cual nos
conduce a obtener a por lo menos un renglón con todos sus elementos igual a cero,
esto a la izquierda de la barra vertical
Ejemplo del cálculo de la inversa por la forma escalonada.- Encuentre la matriz inversa
de la matriz: ( ).
( ⁄ )
( | )→ ( | ⁄ )→ ( | ⁄ )
( ⁄ ); En ocasiones es más conveniente indicar la matriz inversa, con una
matriz que contenga todos sus elementos con números enteros, y con la cantidad
fraccionaria como un coeficiente de la misma.
( ⁄ ) ( )
Definición de determinante de una matriz
Definición.
El determinante de una matriz de , se definirá de manera inductiva o sea, se
definirá el determinante de una matriz para para y para ; Esto a su
vez se usará para definir finalmente un determinante para .
Ing. Horacio Olivas Torres Página 40
Matrices y determinantes
El determinante de una matriz de primer orden se define como:
| | | |
El determinante de una matriz de segundo orden se define como:
| | | |
El determinante de una matriz de tercer orden se define como:
| | | | | | | | | |
Para el caso correspondiente a la definición del determinante de tercer orden:
El determinante que acompaña al elemento , es el correspondiente a la matriz de
, obtenida al eliminar el primer renglón y la primera columna de la matriz .
El determinante que acompaña al elemento , es el correspondiente a la matriz de
, obtenida al eliminar el primer renglón y la segunda columna de .
El determinante que acompaña al elemento , es el correspondiente a la matriz de
, obtenida al eliminar el primer renglón y la tercera columna de .
A las matrices así conformadas les denominaremos: , respectivamente,
llamadas Menores. y si: ,
denominándoles cofactores a: ; Entonces la ecuación anterior se puede
indicar como:
| |
Como conclusión, haremos las cuatro siguientes definiciones.
Definición .
Menor: Sea una matriz de: , donde: , entonces a la matriz de
, obtenida de la matriz , eliminando el renglón y la columna , se le llama el
menor ( ), de la matriz
Ing. Horacio Olivas Torres Página 41
Matrices y determinantes
Definición .
Para el caso particular de una matriz de , se define al menor:
Definición .
Cofactor: Sea , una matriz de , el cofactor queda definido como:
| |
Definición .
Determinante nxn: Sea una matriz de ; Entonces el determinante de , queda
definido como:
| |
| |
Propiedades de los determinantes
La manera más eficiente para calcular determinantes, es mediante el empleo de la
reducción por renglones.
A continuación se enumeran las propiedades principales a fin de utilizar de manera
eficiente la reducción por renglones
Primero consideremos que , son matrices cuadradas:
.- Si, la matriz tiene un renglón (columna) cero, entonces .
.- Si, la matriz se obtiene al intercambiar dos renglones (columnas) de , entonces
.
.- Si, la matriz tiene dos renglones (columnas) idénticos, entonces .
– Si, la matriz se obtiene de multiplicar un renglón (columna) de por , entonces
– Si, las matrices son idénticas, excepto que el -ésimo renglón (columna) de
, sea la suma de los -ésimos renglones (columnas) de , entonces
.
.- Si, la matriz se obtiene al sumar un múltiplo de un renglón (columna) de la matrz
, a otro renglón (columna), entonces
Ing. Horacio Olivas Torres Página 42
Matrices y determinantes
Inversa de una matriz cuadrada a través de la adjunta
Nota. Si el determinante de una matriz es cero, la matriz no tiene inversa.
a) Método de la adjunta.
Este es uno de los dos métodos que se utilizan para calcular la inversa, habiendo ya
tratado el otro método en el subtema que vimos llamado método de Gauss–Jordan,
y este nuevo método de la adjunta consiste en lo siguiente:
Paso 1. Se saca la matriz de cofactores
Paso 2. Después se saca la adjunta de la matriz , que es la transpuesta de la
matriz de cofactores .
Paso 3. La matriz resultante después de hacer los pasos anteriores, se divide entre el
determinante de la matriz .
Finalmente la fórmula de la matriz inversa por el método de la adjunta será:
| |
| |
Ejemplo de la inversa de una matriz , por el método de adjunta:
Dada la matriz: ( ); Encontrar su inversa por el método de la adjunta.
Primero recordemos de la definición de cofactor que: | |
Siguiendo los pasos anteriores tenemos lo siguiente:
Llamemos a la matriz de cofactores: ( ); Ahora calculemos cada uno de
los cofactores para luego ponerlos en la formula:
| | | |
| | | |
| | | |
| | | |
Ing. Horacio Olivas Torres Página 43
Matrices y determinantes
( )
( )
| | | |
| | | |
( ); quedando como resultado:
( ), que representada en quebrados, tenemos:
⁄ ⁄
( )
⁄ ⁄
⁄ ( )
Aplicación de matrices y determinantes
Cálculo de la matriz inversa por el método de la forma escalonada
Resuelva los siguientes ejercicios en que se dan las matrices cuadradas, calculando la
inversa por el método de la forma escalonada:
( ) ( ) ( )
Respuestas:
( )
⁄
( | )→ ( | )→ ( | ⁄ ⁄ )
Ing. Horacio Olivas Torres Página 44
Matrices y determinantes
⁄ ⁄
→ ( | )
⁄ ⁄
⁄ ⁄
( ) ( )
⁄ ⁄
( )
⁄
( | )→ ( | )→ ( | )
|
→
|
( )
⁄
⁄ ( )
( ⁄ )
( )
( | )→ ( | )
→ ( | )
Ing. Horacio Olivas Torres Página 45
Matrices y determinantes
Como vemos que, por medio de las operaciones realizadas a la matriz aumentada, la
última matriz resultante contiene un renglón con todos sus elementos igual a cero,
indicándonos con ello que la matriz no tiene inversa.
Resuelva los siguientes ejercicios en que se dan las matrices cuadradas, calculando
sus determinantes
( ) ( ) ( )
( ) ( ) ( )
Respuestas:
| | | |
| | | | | | | | | |
| |
| | | | | | | | | | | |
| | [ | | | | | |] [ | | | | | |]
| | [ ] [ ]
| | [ ] [ ]
| |
| | | |
Ing. Horacio Olivas Torres Página 46
Matrices y determinantes
| | | | | | | | | |
| |
| | | | | | | | | |
| |
Cálculo de la matriz inversa por el método de la adjunta.
Resuelva los siguientes ejercicios en que se dan las matrices cuadradas, calculando la
inversa por el método de la adjunta.
( ) ( ) ( )
Respuesta del inciso a):
( )
| | | |
| | | |
| | | |
| | | |
( )
( )
Ing. Horacio Olivas Torres Página 47
Matrices y determinantes
| | | |
| | | |
( ); quedando como resultado:
( ), que representada en quebrados, tenemos:
⁄ ⁄
( )
⁄ ⁄
Respuesta del inciso b):
( )
| | | | [ ]
| | | | [ ]
| | | | [ ]
| | | | [ ]
| | | | [ ] 1
| | | | [ ]
| | | | [ ]
Ing. Horacio Olivas Torres Página 48
Matrices y determinantes
| | | | [ ]
| | | | [ ]
| | | | | | | | | |
| |
( )
( )
( ) ( )
| | | |
Respuesta del inciso c):
( )
| | | |
Primero iniciamos con el cálculo de su determinante | |.
| | | | | | | | | |
Ing. Horacio Olivas Torres Página 49
Matrices y determinantes
Como vemos en la fórmula, donde queda un cero como denominador, por lo que se
llega a la conclusión que la matriz no tiene inversa.
Ing. Horacio Olivas Torres Página 50
Matrices y determinantes
Ejercicios para resolver
Dadas las siguientes matrices, realice las operaciones que se describen.
( ) ( ) ( )
( ) ( ) ( )
De cada una de las matrices dadas en el ejercicio anterior y por medio de las
operaciones correspondientes:
Transfórmelas en matrices escalonadas y escalonadas reducidas
Encuentre los menores, los cofactores y los determinantes de los menores que a
continuación se indican:
| |
| |.
Ing. Horacio Olivas Torres Página 51
Matrices y determinantes
Resuelva los siguientes ejercicios calculando la inversa de las matrices dadas:
a) Haciendo uso del método de Gauss-Jordan
b) Haciendo uso del método de la adjunta
c)
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
Ing. Horacio Olivas Torres Página 52
Sistemas de ecuaciones lineales
Sistemas de ecuaciones lineales
Definición de ecuaciones lineales
Un sistema de ecuaciones lineales es un conjunto de ecuaciones lineales que podemos
describirlas de forma tradicional así:
Muchos problemas de la vida real nos obligan a resolver simultáneamente varias
ecuaciones lineales para hallar las soluciones comunes a todas ellas, resultando muy
útiles también en geometría.
Se estudiará en esta sección los sistemas de ecuaciones lineales, donde vamos a
conocer cada una de sus partes que la conforman de la siguiente manera:
Son los elementos que conforman los coeficientes del sistema
Son los elementos que conforman los términos independientes
Son los elementos que conforman las incógnitas.
Se dice, que un sistema tiene ecuaciones, con incógnitas o simplemente que es de
dimensiones .
En la notación ; Cada una de los subíndices los conoceremos en lo sucesivo de la
siguiente manera: , Se refiere al renglón, y , Se refiere a la columna; En ambos casos
es donde está ubicado el elemento correspondiente, tanto en el renglón , como en la
columna .
Ing. Horacio Olivas Torres Página 53
Sistemas de ecuaciones lineales
Clasificación de los sistemas de ecuaciones lineales y tipos de solución.
Los sistemas de ecuaciones lineales se clasifican, de acuerdo con sus términos
independientes, en ecuaciones lineales homogéneas y ecuaciones lineales no
homogéneas y de acuerdo con su solución, pueden ser compatibles e incompatibles;
los sistemas de ecuaciones compatibles pude ser determinado o indeterminado. Ahora
trataremos de explicar en qué consiste cada uno de ellos
Sistema de ecuaciones lineales homogéneas: En este sistema, todos los términos
independientes son iguales a cero, como se indica a continuación:
Sistema de ecuaciones lineales no homogéneas: En este sistema de ecuaciones
lineales, no todos los términos independientes son iguales a cero o sea que por lo
menos un término es diferente a cero ( ).
De acuerdo con su solución, un sistema de ecuaciones lineales, puede ser compatible
o incompatible
Un sistema de ecuaciones lineales compatible es el que si admite solución, incluyendo
la solución cero, pudiendo ser estas del tipo determinado e indeterminado
Ing. Horacio Olivas Torres Página 54
Sistemas de ecuaciones lineales
Un sistema de ecuaciones compatible determinado es cuando la solución es
única.
Un sistema de ecuaciones compatible indeterminado es cuando la solución no es
única; En este caso se demuestra que existe una infinidad de soluciones.
Un sistema de ecuaciones lineales incompatible, decimos que es el que no admite
alguna solución.
El sistema de ecuaciones lineales, en cuanto a notación matricial, va a tener la forma
siguiente:
( )( ) ( )
Donde en la siguiente relación, les daremos los nombres a las matrices que conforman
los sistemas de ecuaciones lineales, y a otra más formada por la combinación de ellas,
a la que le llamaremos matriz ampliada:
La matriz de dimensión , formada por los coeficientes del sistema, y la
designamos por matriz .
Designamos por , a la matriz columna formada por las incógnitas.
Denotamos por , a la matriz columna formada por los términos independientes
Llamamos matriz ampliada de dimensión , a la que resulta del producto
de las matrices y separada por una línea vertical de la matriz y la
designamos por matriz
A continuación, para su mayor comprensión, se indican en forma matricial cada una de
ellas:
Ing. Horacio Olivas Torres Página 55
Sistemas de ecuaciones lineales
( ) ( )
|
( ) [( ( ) ( ) ( ) ]
)
Un sistema de ecuaciones lineales es compatible si y sólo si, el rango de la matriz de
coeficientes [ ], es igual al rango de la matriz ampliada [ ]; Si estos
rangos son distintos, el sistema es incompatible.
Es decir, la condición necesaria y suficiente para que un sistema de ecuaciones
y incógnitas tenga una o muchas soluciones, es que ; Si el
número de incógnitas n es igual al rango, la solución es única.
Si el número de incógnitas n es mayor que el rango, el sistema lineal tiene infinitas
soluciones.
Si el sistema lineal es compatible, el rango del sistema indica el número de ecuaciones
linealmente independientes.
Para los sistemas indeterminados la solución puede hallarse despejando incógnitas
principales, en función de (nrango) incógnitas, denominadas parámetros y que
pueden tomar cualquier valor (grados de libertad).
Al hallar el rango en matrices que provengan del sistema de ecuaciones lineales, es
preciso tener en cuenta que si se intercambian columnas en la matriz de coeficientes,
ha de hacerse de igual forma el cambio correspondiente de incógnitas, teniendo
especial cuidado con la columna de los términos independientes que conviene no
moverla. En general, es aconsejable realizar todas las operaciones por renglones,
donde las variables cambian de renglones sin presentarnos posteriormente ninguna
dificultad de interpretación del resultado o los resultados obtenidos.
Ing. Horacio Olivas Torres Página 56
Sistemas de ecuaciones lineales
Caso particular: Sistemas Homogéneos.- Como ya vimos, un sistema homogéneo es
aquel que tiene todos sus términos independientes nulos y podemos observar que
para este caso, , Y siempre son compatibles ya que tienen al
menos la solución cero: , que se denomina solución trivial. Puesto que en la
práctica esta solución carece de interés, suele decirse que un sistema homogéneo
posee solución sólo si esta es distinta de la trivial.
Si un sistema homogéneo presenta una solución distinta de la trivial : ,
entonces se cumple que son también solución todas las que son proporcionales a
ella: , para todo número real .
Interpretación geométrica de las soluciones
Habiendo visto los sistemas de ecuaciones lineales y los tipos de solución; Ahora nos
abocamos a su interpretación geométrica.
Un sistema de ecuaciones lineales, que contenga únicamente dos incógnitas, decimos
que es de segundo grado y gráficamente, cada una de las ecuaciones nos representa
una recta en el plano; Si al resolver el sistema de ecuaciones obtenemos un punto,
entonces dicho punto es común para todas las rectas del sistema; Si en vez de un
punto, el resultado nos indica muchos puntos, quiere decir que las ecuaciones son
equivalentes o que es lo mismo decir que cada una ecuación del sistema es la misma
recta; Si obtenemos como resultado que no hay puntos en común, nos indica que no
hay una unión en forma general para todo el sistema de ecuaciones.
Un sistema de ecuaciones lineales que contenga tres incógnitas, decimos que es de
tercer grado y gráficamente nos representa cada una de ellas a un plano en el espacio;
Si al resolver el sistema de ecuaciones obtenemos un punto, entonces dicho punto es
común para todos los planos del sistema; Si en vez de un punto, el resultado nos indica
muchos puntos, quiere decir que las ecuaciones o son equivalentes o tienen una recta
en común, misma que contiene a los puntos obtenidos en el resultado; Si obtenemos
como resultado que no hay puntos en común, nos indica que no hay una unión en
forma general para todo el sistema de ecuaciones.
Ing. Horacio Olivas Torres Página 57
Sistemas de ecuaciones lineales
Tanto el sistema de ecuaciones de segundo como el de tercer grado, los podemos
representar geométricamente; El primero con el uso de los ejes cartesianos y y el
segundo caso, con los ejes cartesianos , y Z.
Un sistema de ecuaciones lineales que contenga cuatro o más incógnitas, decimos que
es de cuarto o más grados y gráficamente ya no los podríamos representar; Pero los
cálculos serian similares a los de segundo y tercer grado.
Métodos de solución de un sistema de ecuaciones lineales: de Gauss, Gauss-
Jordán, inversa de una matriz y regla de Cramer.
Resolver un sistema de ecuaciones es hallar todas sus soluciones; Obviamente, un
sistema se puede resolver cuando es compatible, es decir, lo primero que debemos
hacer es discutir el sistema para averiguar su compatibilidad.
Para resolver un sistema de ecuaciones lineales, hay que hacer transformaciones en
las ecuaciones hasta que todas las incógnitas queden despejadas. Estas
transformaciones por medio de operaciones por renglón, convierten nuestro sistema
inicial en otros sistemas con aspecto distinto y más fáciles de resolver y que tienen las
mismas soluciones (sistemas equivalentes ).
Generalmente las transformaciones más habituales son :
- Intercambiar dos ecuaciones entre sí. (Permuta)
- Suprimir una ecuación que tenga todos sus elementos nulos.
- Suprimir una ecuación que sea proporcional a otra. (Multiplique y sume)
- Suprimir una ecuación que sea combinación lineal de otras. (Multiplique y sume)
- Multiplicar una ecuación por un número distinto de cero.
- Sustituir una ecuación de este modo: (Multiplique y sume)
Método de Gauss
Dado un sistema de m ecuaciones con n incógnitas, se requiere de obtener un sistema
equivalente cuya primera ecuación tenga n incógnitas, la segunda n1, la tercera n 2
y así sucesivamente hasta llegar a la última ecuación, que tendrá una sola incógnita.
Hecho esto, resolvemos la última ecuación, a continuación la penúltima y así hasta
Ing. Horacio Olivas Torres Página 58
Sistemas de ecuaciones lineales
llegar a la primera, es decir, que el método de Gauss consiste en triangular la matriz de
coeficientes.
Ejemplo Resolver los sistemas de ecuaciones dados, haciendo uso del método de
Gauss.
( | )→ ( | )→ ( | )
( ⁄ )
→ ( | )→ ( | )→ ( | )
Ing. Horacio Olivas Torres Página 59
Sistemas de ecuaciones lineales
El sistema de ecuaciones resulto ser del tipo compatible determinado, teniendo como
resultado un punto en común:
P ( 2, 5, 2 ).
( ⁄ )
( | )→ ( | )→ ( | )
→ ( | )
[ ]
Ing. Horacio Olivas Torres Página 60
Sistemas de ecuaciones lineales
El sistema de ecuaciones resulto ser del tipo compatible indeterminado, teniendo como
resultado muchos puntos en común, y las coordenadas están en función de , por así
convenir; Pues en función de o de , habrían quedado estos en quebrados.
Para encontrar cada punto en particular, le damos distintos valores a la incógnita ;
Veamos los casos en que: y
[ ] [ ]
[ ] [ ]
( | )→ ( | )
Por lógica vemos que ; Esto nos indica que el sistema de ecuaciones lineales
resulto ser del tipo incompatible, por lo que obtenemos como resultado, ningún punto
en común.
Método de Gauss-Jordán
Es una variante del método de Gauss, y resulta ser más sencillo al final del proceso;
Sobre todo cuando el resultado es del tipo compatible determinado ya que no es
preciso despejar siempre las variables, pues la solución se obtiene directamente, no
Ing. Horacio Olivas Torres Página 61
Sistemas de ecuaciones lineales
siendo así para el tipo compatible indeterminado donde sí se requiere despejar las
variables, menos una de ellas la cual va a formar parte del resultado general.
El método de Gauss – Jordán se basa en diagonalizar la matriz de coeficientes donde
también se hace uso de las operaciones elementales.
El problema que se resolvió con el método de Gauss; En este caso, en lugar de
quedarnos con la matriz escalonada, se continúa con las operaciones hasta obtener la
matriz escalonada reducida.
Ejemplo Resolver los sistemas de ecuaciones dados, haciendo uso del método de
Gauss – Jordán.
( | )→ ( | )→ ( | )
( ⁄ )
→ ( | )→ ( | )→ ( | )
→ ( | )→ ( | )
Ing. Horacio Olivas Torres Página 62
Sistemas de ecuaciones lineales
El sistema de ecuaciones resulto ser del tipo compatible determinado, teniendo como
resultado un punto en común igual que con el método de Gauss.
( ⁄ )
( | )→ ( | )→ ( | )
→ ( | )→ ( | )
[ ]
El sistema de ecuaciones resulto ser del tipo compatible indeterminado, teniendo como
resultado muchos puntos en común, y nos queda el mismo resultado obtenido que con
el método de Gauss.
Ing. Horacio Olivas Torres Página 63
Sistemas de ecuaciones lineales
( | )→ ( | )→ ( | )
Por lógica vemos que ; Esto nos indica que el sistema de ecuaciones lineales
resulto ser del tipo incompatible, por lo que obtenemos como resultado; Ningún punto
en común.
Método de la matriz inversa.
Para resolver un sistema de ecuaciones por el método de la matriz inversa, tenemos
que la formula por utilizar es:
Donde: , es el resultado que se obtiene del sistema de ecuaciones en cuestión; ,
es la matriz inversa, de la matriz de coeficientes del sistema de ecuaciones y , es la
matriz correspondiente al termino independiente del sistema de ecuaciones.
El método de la matriz inversa, podrá ser aplicable si el sistema tiene igual número de
ecuaciones que de incógnitas , y la inversa de la matriz de coeficientes es
distinto de cero; Es decir, el método de la matriz inversa es por definición compatible
determinado y por lo tanto, tendrá siempre una solución única bien definida, de lo
contrario, no nos está definiendo si el sistema de ecuaciones lineales, o tiene
muchas soluciones o no tiene alguna solución.
Ing. Horacio Olivas Torres Página 64
Sistemas de ecuaciones lineales
En los siguientes ejemplos, referentes a la solución de un sistema de ecuaciones
lineales, veremos con más claridad lo anteriormente dicho.
Ejemplo Resolver los sistemas de ecuaciones lineales dados, haciendo uso del
método de la matriz inversa
( ) ( )
La matriz inversa la podemos calcular ya sea por el método de Gauss – Jordán o por el
método de la adjunta. En esta ocasión utilizaremos el método de la adjunta ya que al
parecer, la inversa va a aparecer en quebrados, resultando más complicado el método
de Gauss – Jordán.
| | | | | | | | | |
| | | | [ ]
| | | | [ ]
| | | | [ ]
| | | | [ ]
Ing. Horacio Olivas Torres Página 65
Sistemas de ecuaciones lineales
| | | | [ ]
| | | | [ ]
| | | | [ ]
| | | | [ ]
| | | | [ ]
( )
( )
( )
| | | |
( )
( )( ) [ ]
Ing. Horacio Olivas Torres Página 66
Sistemas de ecuaciones lineales
( )
( ) ( )
El sistema de ecuaciones resulto ser del tipo compatible determinado, teniendo como
resultado un punto en común igual que con los métodos de Gauss y Gauss - Jordán.
. (Un punto en común)
( ) ( )
| | | | | | | | | |
| | | |
El sistema de ecuaciones no queda definido, pudiendo ser compatible indeterminado
(muchas soluciones) o incompatible (ninguna solución).
Para estos casos, los métodos de Gauss y el de Gauss – Jordán, si nos define a cuál
de los dos corresponde su resultado; O es compatible determinado o es incompatible.
Ing. Horacio Olivas Torres Página 67
Sistemas de ecuaciones lineales
( ) ( )
| | | | | | | | | |
| | | |
El sistema de ecuaciones lineales no queda definido, pudiendo ser compatible
indeterminado (muchas soluciones) o incompatible (ninguna solución).
Para estos casos, los métodos de Gauss y el de Gauss – Jordán, si nos define a cuál
de los dos corresponde su resultado.
Método de la Regla de Cramer.
Es aplicable si el sistema tiene igual número de ecuaciones que de incógnitas,
y el determinante de la matriz de coeficientes es distinto de cero; Es decir, el sistema
de Cramer es por definición compatible determinado y por tanto, tiene siempre una
solución única bien definida, de lo contrario, no nos define si el sistema de ecuaciones
lineales tiene muchas soluciones o en cambio, no tiene ninguna solución.
El valor de cada incógnita , se obtiene de un cociente, siendo el denominador el
determinante de la matriz de coeficientes y cuyo numerador es el determinante que se
obtiene al cambiar la columna , del determinante anterior por la columna de los
términos independientes.
Ing. Horacio Olivas Torres Página 68
Sistemas de ecuaciones lineales
En los dos siguientes ejemplos de la solución de un sistema de ecuaciones lineales,
veremos con más claridad lo anteriormente dicho.
Ejemplo Resolver los sistemas de ecuaciones lineales dados, haciendo uso de la
regla de Cramer
Respuestas:
( ) ( ) ( )
( )
| | | | | | | | | |
| | | | | | | | | |
| | | | | | | | | |
| | | | | | | | | |
Ing. Horacio Olivas Torres Página 69
Sistemas de ecuaciones lineales
| |
| |
| |
El sistema de ecuaciones lineales, resultó ser del tipo compatible determinado,
teniendo como resultado un punto en común; Al igual que con los método de Gauss y
Gauss Jordán
. (Un punto en común)
( ) ( ) ( )
( )
| | | | | | | | | |
| | | | | | | | | |
| | | | | | | | | |
Ing. Horacio Olivas Torres Página 70
Sistemas de ecuaciones lineales
| | | | | | | | | |
| | | | | |
El sistema de ecuaciones no queda definido, pudiendo ser compatible indeterminado
(muchas soluciones) o incompatible (ninguna solución).
Para estos casos, los métodos de Gauss y el de Gauss – Jordán, si nos define a cuál
de los dos corresponde su resultado; O es compatible determinado, o es incompatible.
( ) ( ) ( ) ( )
| | | | | | | | | |
| | | |
| | | |
| | | |
Ing. Horacio Olivas Torres Página 71
Sistemas de ecuaciones lineales
El sistema de ecuaciones no queda muy bien definido, pudiendo ser compatible
indeterminado (muchas soluciones) o incompatible (ninguna solución).
Para estos casos, los métodos de Gauss y el de Gauss – Jordán, si nos define a cuál
de los dos corresponde su resultado; O es compatible determinado o es incompatible.
Aplicaciones
Haremos algunos ejercicios prácticos, en los cuales aplicaremos los sistemas de
ecuaciones lineales para la resolución de los mismos.
En un juego de basquetbol las dos defensas no pudieron anotar para su equipo.
Sin embargo, el centro anotó el doble de puntos que el ala izquierda y cinco puntos
más que ambas alas; pero el jugador central estuvo a puntos de anotar tres veces
tantos puntos como el ala derecha. ¿Cuál fue la puntuación obtenida para este equipo?
Jugador del centro
y ugador del ala izquierda
z Jugador del ala derecha
Ponemos todas las formulas de forma ordenada como un sistema de ecuaciones no
homogéneas:
Podemos escoger cualquiera de los cuatro métodos; Consideramos conveniente, en
esta ocasión, resolver el sistema de ecuaciones por el método de Gauss – Jordán.
Ing. Horacio Olivas Torres Página 72
Sistemas de ecuaciones lineales
( | )→ ( | )→ ( | )
→ ( | )→ ( | )
La puntuación total obtenida para el equipo fue de setenta y nueve puntos.
A una fiesta de estudiantes asistieron estudiantes. El ingreso total por
concepto de boletos fue 7,350 pesos. El precio del boleto fue de pesos por
estudiante o pesos por estudiante y su pareja. ¿Cuántos de ellos asistieron con
su pareja?
40x+75y=7350
( | )→ ( | )→ ( | )→ ( | )
Como resultado obtenemos que:
Fueron estudiantes solos y estudiantes y su pareja.
Un teatro de la Ciudad de México, tiene asientos, divididos en asientos de
orquesta, luneta y de galería. Los asientos de orquesta se venden a pesos, los
de luneta a pesos y los de galería a pesos. Si se venden todos los asientos
el ingreso total es de pesos Si se venden todos los asientos de luneta y de
galería, pero solo la mitad de los de orquesta, el ingreso es de pesos.
¿Cuántos asientos existen de cada tipo?
Ing. Horacio Olivas Torres Página 73
Sistemas de ecuaciones lineales
( )
( )
( | )→ ( | )→ ( | )
( )
→ ( | )→ ( | )→ ( | )
Como resultado tenemos que:
Asientos son de orquesta
Asientos son de galería
Asientos son de luneta
________________________
400 Asientos en total
El dueño de una tienda ha comprado maíz, papa y frijol por importe de
pesos (sin impuestos). El valor del maíz es de de pesos menos que el de la papa
y del frijol conjuntamente. Teniendo en cuenta que el maíz debe pagar un IVA del ,
por la papa del y por el frijol del , lo que hace que la factura total con
impuestos sea de pesos, calcular la cantidad invertida en cada compra.
Ing. Horacio Olivas Torres Página 74
Sistemas de ecuaciones lineales
Pesos en total invertidos en la compra de maíz, papa y frijol:
Importe en pesos del maíz
Importe en pesos de la papa
Importe en pesos del frijol
( | )→ ( | )→ ( | )
( ) ( )
→ ( | )→ ( | )→ ( | )
→ ( | )
La cantidad invertida fue de:
Pesos en maíz
Pesos en papa
Pesos en frijol
Pesos en total, invertidos en la compra del maíz, papa y frijol
Ing. Horacio Olivas Torres Página 75
Sistemas de ecuaciones lineales
Resolver los siguientes sistemas de ecuaciones lineales, haciendo uso del método de
Gauss:
⁄
⁄ ⁄
Resolver los sistemas de ecuaciones lineales dados, haciendo uso del método de
Gauss - Jordán:
Ing. Horacio Olivas Torres Página 76
Sistemas de ecuaciones lineales
Resolver los sistemas de ecuaciones lineales dados, haciendo uso del método de la
matriz inversa:
Resolver los sistemas de ecuaciones lineales dados, haciendo uso del método de la
Regla de Cramer:
Respuestas de algunos de los problemas propuestos:
⁄ ⁄ ⁄
⁄ ⁄ ⁄
⁄ ⁄
⁄ ⁄
⁄ ⁄ ⁄
Ing. Horacio Olivas Torres Página 77
Sistemas de ecuaciones lineales
⁄ ⁄ ⁄
⁄ ⁄
⁄ ⁄ ⁄
Ing. Horacio Olivas Torres Página 78
Espacios vectoriales
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 dirección y
magnitudes, ya sea una fuerza, una velocidad o una distancia. El término vector
también se usa para describir entidades como matrices, funciones o polinomios.
Supongamos, que tenemos un conjunto de objetos en un espacio vectorial ,
llamados vectores; Donde dichos vectores: , y de cantidades escalares
y que tanto los vectores como las cantidades escalares cumplen con las
siguientes propiedades:
Propiedad de cerradura
Cerradura bajo la adición
Cerradura bajo la multiplicación escalar
Propiedad de adición
Conmutatividad
Asociatividad
Propiedad de multiplicación por escalar
Distributividad
Distributividad
Entonces a , se le denomina un espacio vectorial.
Podemos decir por lo anterior que en un espacio vectorial intervienen dos conjuntos,
vectores y escalares; Los escalares corresponden a los coeficientes de los vectores.
Dicho de manera informal, en un espacio vectorial tenemos vectores, los cuales
podemos sumar entre ellos, de manera que se alarguen, se contraigan o cambien de
sentido. Un paso a seguir es encontrar todas las características estructurales de estos
Ing. Horacio Olivas Torres Página 79
Espacios vectoriales
espacios vectoriales; 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 generación de espacios más complejos por medio de productos
cartesianos.
El concepto de vector en un espacio vectorial es completamente abstracto, como lo es
por ejemplo, el campo escalar. Para determinar si un conjunto es un espacio
vectorial se deben especificar el conjunto y el campo escalar y definir la suma
vectorial y el producto escalar en . Entonces si satisface las propiedades
anteriores, es un espacio vectorial sobre el cuerpo .
Si las cantidades escalares se eligen como números complejos en vez de números
reales, se tiene un espacio vectorial tipo complejo, con el que, en forma ocasional
vamos a estar trabajando.
Algunas de las propiedades más útiles de los espacios vectoriales son las que se
indican en el siguiente teorema.
Teorema . Sea , un espacio vectorial, un vector en y un escalar:
Ing. Horacio Olivas Torres Página 80
Espacios vectoriales
Ejemplos.
En los Ejercicios , determine cuales de los conjuntos son cerrados bajo las
operaciones indicadas
El conjunto { }, bajo la multiplicación ordinaria.
EI conjunto de todas las matrices , bajo la multiplicación matricial.
EI conjunto de todas las matrices diagonales , con respecto a la suma de
matrices y la multiplicación por un escalar.
El conjunto de todas las matrices triangulares superiores de , con respecto a
la adición o suma de matrices y a la multiplicación por escalar.
El conjunto de todas las matrices , que son triangulares superiores o
inferiores, ante la suma de matrices y la multiplicación por un escalar.
En los ejercicios , proporcione motivos que justifiquen por que el conjunto dado
por las operaciones indicadas, no es un espacio vectorial, en otras palabras indique
cual o cuales axiomas no se cumplen.
El conjunto de todas las matrices , con componentes central igual a ,
con las operaciones de adición de matrices y multiplicación por escalar.
El conjunto de todas las matrices singulares , con la adición de matrices en la
multiplicación por un escalar.
8. El conjunto de las soluciones de un sistema no homogéneo , con las
operaciones de adición de matrices y multiplicación por un escalar.
9. El conjunto de todas las matrices de , de la forma, tales que , con la
suma de matrices y la multiplicación por un escalar.
En los problemas , determine si el conjunto dado es un espacio vectorial. Si no lo
es, dé una lista de los axiomas que no se cumplen.
EI conjunto de las matrices diagonales de , bajo la suma de las matrices y
multiplicación por un escalar.
EI conjunto de matrices diagonales de , bajo la multiplicación
Ing. Horacio Olivas Torres Página 81
Espacios vectoriales
{ }, con la suma de vectores y multiplicación por un escalar
usuales.
Los vectores en el plano que están en el primer cuadrante.
EI conjunto de vectores en de la forma .
EI conjunto de polinomios de grado , bajo las operaciones del ejemplo .
EI conjunto de matrices simétricas de , bajo la suma y multiplicación por un
escalar.
EI conjunto de matrices de , que tienen la forma ( ) bajo la suma y
multiplicación por un escalar.
EI conjunto de matrices de la forma ( ), con las operaciones de matrices de
suma y multiplicación por un escalar.
EI conjunto, que consiste en un solo vector , bajo todas las operaciones
usuales en R2.
EI conjunto de polinomios de grado , con término constante .
EI conjunto de los polinomios de grado , con término constante , positivo.
EI conjunto de funciones continuas de valores reales definidas en [ ], con
,y , bajo la suma y multiplicación por un escalar.
EI conjunto de puntos en , que están sobre una recta y que pasa por el origen.
EI conjunto de puntos en , que están sobre la recta: , , y
.
, con la suma definida por , y la
multiplicación por un escalar ordinario.
EI conjunto del problema , con la multiplicación por un escalar definida por
.
El conjunto, que consiste en un objeto, con la suma definida por: objeto objeto
objeto, y la multiplicación por un escalar, definida por: .
EI conjunto de funciones diferenciables definidas en [ ], bajo la suma y
multiplicación por un escalar.
Ing. Horacio Olivas Torres Página 82
Espacios vectoriales
El conjunto de números reales de la forma √ ; Donde y , son números
racionales; Bajo la suma de números reales usual y la multiplicación por un escalar,
definida solo para escalares racionales.
Demuestre que, en un espacio vectorial, el elemento idéntico aditivo es único.
Demuestre que, en un espacio vectorial, todo vector tiene un inverso aditivo único.
Si y , son vectores en un espacio vectorial , demuestre que existe un vector
único , tal que: .
Demuestre que el conjunto de números reales positivos forma un espacio vectorial
bajo las operaciones: y .
Definición de subespacio vectorial y sus propiedades
Definición de subespacio vectorial.
Sea , un subconjunto no vació de un espacio vectorial , y suponga que , es en sí
un espacio vectorial con las operaciones de suma y multiplicación por un escalar
definidas en ; se dice entonces que es un subespacio de .
Teorema1. Un subconjunto no vacio , de un espacio vectorial , es un subespacio de
si se cumplen las dos condiciones siguientes:
Si , y , entonces .
Si , y es una cantidad escalar, entonces .
Como vemos, solo se deberán cumplir dos de los diez axiomas correspondientes a un
espacio vectorial, para demostrar que es un subespacio.
Propiedades del subespacio vectorial
Son dos las propiedades de un subespacio vectorial, las cuales quedan indicados en el
siguiente teorema:
Teorema . Sean: vectores, en un espacio vectorial .
Espacio , es un subespacio de .
Espacio , es un subespacio más pequeño de , que contiene
.
Ing. Horacio Olivas Torres Página 83
Espacios vectoriales
En los problemas 1 – 20, determine si el subconjunto dado , del espacio vectorial es
un Subespacio de .
; { }
; { }
; en el plano .
; { }
; { }
{ }
; { }
{ }
{ ( )}
{ ( )}
{ ( )}
{ }
{ }
{ }
{ }
Ing. Horacio Olivas Torres Página 84
Espacios vectoriales
[ ] { [ ] }
[ ] { [ ] }
[ ] { [ ] }
[ ], donde y , son números reales y
{ [ ] ∫ }
[ ] { [ ] ∫ }
Combinación lineal, independencia lineal.
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 el elemento: , es
una combinación lineal de los elementos de ; Es decir:
Para: escalares; Entonces, se dice que es una expansión de .
Si tan solo consideramos el espacio vectorial , con los vectores: ;
Entonces una combinación lineal con esos vectores es de la forma :
Una combinación lineal de dichos vectores, puede ser linealmente dependientes o
independientes
Dependencia lineal de vectores: Sea: , vectores en un espacio
vectorial ; Entonces se dice que los vectores son linealmente dependientes si existe
Ing. Horacio Olivas Torres Página 85
Espacios vectoriales
escalares: ; Debiendo haber al menos un escalar diferente a cero, y la
ecuación a utilizar es la que a continuación se indica:
Independencia lineal de vectores: Si los vectores no son linealmente dependientes,
entonces se dice que son linealmente independientes.
Expresado de otro modo: , son linealmente independientes si la
ecuación dada, solo se satisface si todos los escalares valen cero:
Ejemplo:
Determine si los vectores dados: ( ) ( ) ( ) , son linealmente dependientes o
independientes.
Solución: la ecuación vectorial: ( ) ( ) ( ) ( ), se transforma en un
sistema de ecuaciones lineales homogéneas.
( ) ( ) ( ) ( )
( | )
Ing. Horacio Olivas Torres Página 86
Espacios vectoriales
La matriz ya es escalonada reducida formada con el sistema de ecuaciones lineales
homogéneas, la convertimos nuevamente en ecuaciones para su solución por el
método Gaussiano.
( )
Si
Los vectores son dependientes porque aparte del origen hay más puntos en común.
Ejemplo 2
Determine si los vectores ( ) ( ), son linealmente independientes o no.
( ) ( )
( ) ( ) ( )
Ing. Horacio Olivas Torres Página 87
Espacios vectoriales
( ⁄ )
( | )→ ( | )→ ( | )→ ( | )
La matriz ya es escalonada reducida formada con el sistema equivalente de
ecuaciones lineales homogéneas, la convertimos nuevamente en ecuaciones para su
solución por el método de Gauss - Jordan.
Los vectores son independientes porque todas las cantidades escalares valen cero.
Ejemplo
Determinar si los vectores siguientes son dependientes o independientes
( ) ( ) ( )
( ⁄ )
( | )→ ( | )→ ( ⁄ | )→
⁄ ( ⁄ )
⁄
( ⁄ ) ( ⁄ )
⁄ || → ( ⁄ | )→ ( | )
⁄
( )
La matriz ya es escalonada reducida formada con el sistema equivalente de
ecuaciones lineales homogéneas, la convertimos nuevamente en ecuaciones para su
solución por el método de Gauss - Jordan.
Hay un único punto en el origen, por lo tanto los vectores son independientes.
Ing. Horacio Olivas Torres Página 88
Espacios vectoriales
Ejemplo 4
Determinar si los vectores siguientes son dependientes o independientes
( ) ( )
⁄ ⁄
( ⁄ ) ⁄ ( ⁄ )
( | )→ ( | )→ ⁄ | → ( | )
⁄ ⁄
( )
( ⁄ )
→ ( | )
Son independientes ya que todas las cantidades escalares son igual a cero.
Ejemplos.
En los problemas , determine si el conjunto dado de vectores genera el espacio
vectorial dado.
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
Ing. Horacio Olivas Torres Página 89
Espacios vectoriales
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( )
Demuestre que dos polinomios no pueden generar
Si , genera ; Demuestre que: .
Demuestre que si y están en { }, entonces y están
en { } Como sugerencia; Usando la definición de espacio generado,
escriba y , como combinaciones lineales de: { }
Demuestre que el conjunto infinito { } genera , el espacio
vectorial de polinomios.
Sea un subespacio de que contiene a{ }. Demuestre que
{ } ; Es decir: { }, es el subespacio más
pequeño de que contiene a: { }
Sean y en . Demuestre que si: ,
entonces: { } es una recta que pasa por el origen.
Ing. Horacio Olivas Torres Página 90
Espacios vectoriales
Base y dimensión de un espacio vectorial, cambio de base
Base y dimensión
De acuerdo a lo visto en el paso anterior, si es una expansión de , entonces el
conjunto de vectores linealmente independientes forma una base del espacio
vectorial . 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 define la dimensión del espacio vectorial.
Base de un espacio vectorial:
Se llama base de un espacio vectorial a todo sistema libre, de generadores de
vectores.
En todo espacio vectorial existe al menos una base. (Teorema de la base).
En un espacio vectorial todas las bases tienen el mismo número de vectores.
Llamamos base canónica al conjunto de vectores unitarios que van teniendo en un
elemento y los demás cero, de forma alternativa. Ejemplos de bases canónicas:
para un espacio unidimensional
, para un espacio bidimensional.
, , para un espacio tridimensional.
Dimensión de un espacio vectorial:
Se le llama dimensión de un espacio vectorial, al número de vectores de una de sus
bases, cualquiera que esta sea.
Si es un espacio vectorial de dimensión , entonces tenemos como verdadero lo que
a continuación se indica:
- Todo sistema de generadores de con vectores, es una base de .
- Todo sistema libre de tiene un número de vectores .
- Todo sistema de con más de vectores es ligado; Por lo que el espacio vectorial
así formado es de dimensión .
Un conjunto de vectores { }, forma una base para , si:
{ }, es linealmente independiente.
Ing. Horacio Olivas Torres Página 91
Espacios vectoriales
{ }, genera
Nota.-“Todo conjunto de vectores linealmente independientes en es una base
en ”
Ejemplo
Encontrar una base y la dimensión para el conjunto de vectores en el plano, mismo que
representa un subespacio; y como todo subespacio, es a la vez un espacio vectorial:
{( ) }
Solución: De la condición, la cual es: , despejamos una de las tres
incógnitas y nos queda que: , que sustituyéndola en el conjunto de vectores,
tenemos lo siguiente:
( ) ( ) ( ) ( )
Base: {( ) ( )}
Dimensión
Ejemplo .
Base de un subespacio R3. Determine una base para el conjunto de los vectores que se
encuentran en el plano:
{( ) }
Ing. Horacio Olivas Torres Página 92
Espacios vectoriales
Solución:
, es un espacio vectorial; A fin de hallar una base, se advierte en primer término que
si y , se elijen en forma arbitraria; y si: ( ) , entonces, por la condición:
, tenemos por lo tanto que los vectores del espacio vectorial , tienen la
forma:
( ) ( ) ( ) ( )
Como y son arbitrarios, se escogerán algunos valores que den resultados sencillos.
Eligiendo yy , se obtiene ( ); eligiendo yy , se obtiene
( );
Por tanto { } generan , y como es obvio que son linealmente independientes (ya
que ninguno de ellos es múltiplo del otro), forman una base para ; Esto se puede ver
en forma más directa si se escribe
( ) ( ) ( ) ( ) ( ) ( )
Lo que muestra que{( ) ( )}, generan .
Base: {( ) ( )}
Dimensión
Ing. Horacio Olivas Torres Página 93
Espacios vectoriales
Ejemplo
Encontrar la base y la dimensión para el conjunto de vectores en el espacio vectorial
, con la condición dada:
{( ) }
Solución: Se despeja una incógnita; Despejando tenemos:
( ) ( ) ( ) ( ) ( )
Base={( ) ( ) ( )}
Dimensión: .
Ejemplo
Determine la base y dimensión del espacio vectorial dado:
Solución
Despejamos una de las incógnitas
Sustituimos el valor de z en el vector columna
( ) ( ) ( ) ( ) ( ) ( )
Ing. Horacio Olivas Torres Página 94
Espacios vectoriales
Lo que muestra que:{( )( )}, generan .
Base: {( )( )}
Dimensión
Ejemplo
Determine la base y dimensión del espacio vectorial dado:
Solución
Despejamos
( ) ( ) ( ) ( ) ( )
Base {( )( )( )}
Dimensión=
Cambio de base
Generalmente expresamos los vectores en función de la base canónica por ser muy
práctico trabajar con ellas; pero en algunas ocasiones es más conveniente utilizar otro
tipo de base. Se tiene un número infinito de bases en un espacio vectorial de dimensión
n, ya que cualquier grupo de n vectores independientes forman una base. Ahora se
procederá a hacer el cambio de una base a otra mediante el uso y cálculo de una
matriz llamada matriz de transformación.
Ing. Horacio Olivas Torres Página 95
Espacios vectoriales
Comenzamos con un ejemplo sencillo. Sean ( ) y ( ). Entonces,
{( ) ( )}, es la base canónica en . Sean ( ) y ( ),una nueva base,
{( ) ( )}. Esto es válido ya que son dos vectores independientes que se
encuentran en un espacio bidimensional al igual que la base canónica.
Sea ( ), un vector en R2. Esta notación significa que
( ) ( ) ( )
Es decir, está expresado en términos de los vectores de Ia base . Para hacer
hincapié en este hecho, se escribe ( ).
Como es otra base bidimensional, existen escalares y , tales que
Una vez que se encuentran estos escalares, se puede escribir
( ).
Para indicar que está ahora expresado en términos de los vectores en . Para
encontrar los números y , se escribe la base anterior ( ) en términos de la
nueva base ( ); Es sencillo verificar que:
( ) ⁄ ( ) ⁄ ( ) ⁄ ⁄
( ) ⁄ ( ) ⁄ ( ) ⁄ ⁄
Es decir:
⁄ ⁄
( ). y ( ).
⁄ ⁄
Como se conoce que
Entonces:
( ⁄ ⁄ ) ( ⁄ ⁄ )
Ing. Horacio Olivas Torres Página 96
Espacios vectoriales
( ⁄ ⁄ ) ( ⁄ ⁄ )
( ⁄ ⁄ )
( ⁄ ⁄ )
Por lo que:
⁄ ⁄ ⁄ ⁄
( ) ( ) ( )( )
⁄ ⁄ ⁄ ⁄
⁄ ⁄
La matriz ( ), se llama matriz de transición de la base a la base .
⁄ ⁄
Por ejemplo, si ( )
⁄ ⁄ ⁄ ⁄
( )( ) ( ) ( ) ( )
⁄ ⁄ ⁄ ⁄
Comprobación:
( ) ( ) ( ) ( ) ( )
( ) ( )
Es sencillo generalizar este ejemplo; Pero primero es necesario ampliar la notación.
Ing. Horacio Olivas Torres Página 97
Espacios vectoriales
Sea { } y { }, dos bases para un espacio
vectorial real , de dimensión . Sea: ; Entonces , se puede escribir en términos
de ambas bases:
y
Donde los coeficientes de los vectores , y , son números reales. De donde:
( ), denota la representación de en términos de la base . Esto no se
presenta a confusión porque los coeficientes son únicos por el teorema.
Si: { }, es una base de y si , entonces existe un conjunto único
de escalares , tales que: ; Así mismo,
( ), tiene un significado semejante.
Suponga que y .
Entonces ; De manera que:
.
Es decir, en Ia nueva notación se pueden sumar vectores, igual que como se suman en
. Los coeficientes de la “suma” de vectores son las sumas de los coeficientes de los
dos vectores individuales; Más aún, es sencillo demostrar que:
.
Ahora sabemos que, como es una base; Cada en se puede escribir como una
combinación lineal de las ; Así existe un conjunto único de escalares:
, tales que para:
; o sea:
( ) ( )
Ing. Horacio Olivas Torres Página 98
Espacios vectoriales
Matriz de transición.- Una matriz cuadrada de , cuyas columnas están dadas por
( ) ( ), se le llama matriz de transición de una base , a una base ,
expresada como:
( )
Teorema . Sean las bases y de un espacio vectorial , y sea A la matriz de
transición de a ; Entonces se tiene que para todo vector x :
Teorema Sea la matriz de transición de la base a la base , entonces la
matriz de transición de a es su inversa
Pasos a seguir para encontrar la matriz de transición de la base canónica a la base
{ },
Se forma la matriz , cuyas columnas son los vectores .
Se calcula la matriz inversa de , siendo esta la matriz de transición de la
base canónica a la base .
Ejemplo
Encuentre la matriz de transición para cambiar de la base canónica a una nueva base
, formada por los vectores:
( ) ( ) ( )
Primero se forma la matriz , cuyas columnas son los vectores: .
Ing. Horacio Olivas Torres Página 99
Espacios vectoriales
( )
Como segundo y último paso se procede a calcular la matriz de transición (C -1), que
para ello se utilizara en esta ocasión el método de Gauss-Jordán,
( | )→ ( | )→ ( | )
→ ( | )
Por lo que: ( )
Ejemplo
Expresar el vector: ( ) , a una nueva base: , formada por los vectores:
( ) ( ) ( )
Si: ( )
( )
En el ejemplo anterior se encontró la matriz de transición para esta nueva base,
por lo que para ( )
Ing. Horacio Olivas Torres Página 100
Espacios vectoriales
( )( )
Comprobación
( ) ( ) ( ) ( ) ( )
En los problemas al , determine si el conjunto de vectores dado es una base para
el espacio vectorial a que se refiere.
En
En
En
En
En
En ( ) ( ) ( ) ( )
En ( ) ( ) ( ) ( ), donde:
En ( ) ( ) ( ) ( ) ( )
{ }
{ }
Encuentre una base en para el conjunto de vectores en el pIano:
.
Encuentre una base en para el conjunto de vectores en el pIano:
3 .
Encuentre una base en para el conjunto de vectores en la recta:
⁄ ⁄ ⁄ .
Ing. Horacio Olivas Torres Página 101
Espacios vectoriales
Encuentre una base en para el conjunto de vectores en la recta:
Demuestre que los únicos subespacios propios en son rectas que pasan por el
origen.
En ; Sea: { }, donde: .
Demuestre que es un subespacio de .
b Encuentre una base para .
c Cuanto vale dim ?
En los problemas al encuentre una base para el espacio de solución del sistema
homogéneo dado.
21
Encuentre una base para , el espacio vectorial de matrices diagonales de .
Cuál es la dimensión de
Cuál es la dimensión de , el espacio de matrices diagonales de
Sea , eI espacio vectorial de matrices simétricas de . Demuestre que
[ ]⁄
es un subespacio de y que: dim .
Sean y dos subespacios de tales que y .
Demuestre que .
Sean y dos subespacios de y defina + { }
a. Demuestre que , es un subespacio de .
b. Si { }, demuestre que
Si es un subespacio de un espacio vectorial de dimensión finita , demuestre
que existe un subespacio único de , tal que: { } y .
Ing. Horacio Olivas Torres Página 102
Espacios vectoriales
Demuestre que dos vectores y en , con puntos terminales en el origen son
colineales si y solo si { } .
Demuestre que los tres vectores en , con puntos terminales en el
origen, son coplanares si y solo si: { } .
Demuestre que cualquier vectores que generan un espacio de dimensión
forman una base para . Sugerencia: demuestre que si los vectores no son
linealmente independientes, entonces: .
Demuestre que todo subespacio de un espacio vectorial de dimensión finita tiene
una base.
Encuentre dos bases para , que contengan los vectores dados:
; y que no tengan otros vectores en común.
Defina para que valores del número real , los vectores: , y
, constituyen una base para
Ejercicios de cambio de base.
En los problemas del al escriba ( ) , en términos de la base dada
( )( ) ( )( ) ( )( ) ( )( )
( )( ) ( ) ( ); En donde:
En los problemas del al escriba ( ) , en términos de la base dada
( )( )( ) ( )( )( ) ( )( )( )
( )( )( ) ( ) ( ) ( ); En donde:
Ing. Horacio Olivas Torres Página 103
Espacios vectoriales
En ; Supongamos que: ( ), donde: {( ) ( )}; Escriba , en
términos de la base: {( ) ( )}.
En ; ( ) Donde: {( ) ( )}. Escriba en términos de la base:
{( )( )}.
En ; Supongamos que: ( ); Donde: {( )( ) ( )}. Escriba ,
en términos de la base {( ) ( ) ( )}.
En ; ( ), en donde { }. Escriba en términos de
{ }.
Espacio vectorial con producto interno y sus propiedades
En la unidad , utilizamos el producto escalar real o producto punto de dos vectores:
; Ambos que pertenecen a un espacio vectorial , y lo hemos utilizado sobre todo
en el producto de matrices ya que estas están formadas por vectores en forma de
renglón y en forma de columnas y también los hemos utilizado en la solución de
ecuaciones lineales, en el método de la matriz inversa donde multiplicamos la matriz
inversa por la matriz columna, llamada también vector columna y formada por los
términos independientes lo cual nos da como resultado del producto de estas dos
matrices la solución del sistema de ecuaciones.
Hacemos mención del producto punto de dos vectores porque sus propiedades las
utilizaremos como un medio para definir la noción general de un producto interno en un
espacio vectorial complejo.
Ing. Horacio Olivas Torres Página 104
Espacios vectoriales
La definición que daremos a continuación referente a un espacio vectorial complejo, es
válido para un espacio vectorial real ya que este es un subconjunto del espacio
vectorial complejo
Definición de un espacio vectorial: Un espacio vectorial complejo , se denomina
espacio con producto interno si para cada par ordenado de vectores del espacio
vectorial , existe un numero complejo único , denominado producto interno de
, tal que si los vectores están en el espacio vectorial , y , siendo
otro espacio vectorial complejo de cantidades escalares, entonces tenemos como
condición, que se cumplan las siguientes propiedades:
Si y solo si
̅̅̅̅̅̅̅ , Esto es válido cuando es real y no complejo.
El ángulo entre dos vectores reales, se define por su coseno:
⁄ ⁄
Ing. Horacio Olivas Torres Página 105
Espacios vectoriales
La barra, en los condiciones y , nos indican que son el conjugado complejo de
y de , respectivamente y estas dos condiciones, aunado a la omisión del ángulo son
las únicas diferencias con el espacio vectorial real.
Para hacer algunos ejemplos de la aplicación del producto interno, hagamos un
recordatorio del producto de matrices, donde se multiplicaban el renglón de la primera
matriz por la columna de la segunda matriz. Ahora la relación con el producto interior
de vectores es lo mismo ya que los vectores son matrices especiales que constan de
un solo renglón o una sola columna y que se pueden representar indistintamente de las
dos maneras. Si los vectores los representamos como columnas, el producto de ambos
lo obtenemos multiplicando la matriz transpuesta del primer vector por el segundo, en
cambio si los dos vectores los tenemos representados en forma de renglón, el producto
de ambos se obtiene multiplicando el primer vector por la transpuesta del segundo
vector. Para el caso de tratarse de un espacio vectorial complejo, entonces la matrices
tranpuesta se sustituye por la matriz hermitiana, siendo esta la conjugada de la matriz
transpuesta.
Encontrar el producto interno de los vectores reales dados:
( )
( ) ( )
( )
Encontrar el producto interno de los vectores complejos dados:
Ing. Horacio Olivas Torres Página 106
Espacios vectoriales
( ) ( )
( ) ( )
( ) ( )
Producto interno aplicado en cálculo integral.
Suponga que en los límites para la integral son: [ ] el espacio de las
funciones de los valores reales continúas en el intervalo [ ] y definiendo:
Calcular el producto interno de las dos funciones dadas a continuación en el espacio
vectorial [ ]
∫ ∫ ∫ ⁄ ] ⁄ ]
⁄ ⁄ ⁄ ⁄ ⁄
Ing. Horacio Olivas Torres Página 107
Espacios vectoriales
Para calcular el producto interno de dos polinomios: y
, la formula a usar es:
( )
Ejemplo.- Dados los polinomios: yq , encuentre
su producto interno.
( )
( )
Bases ortonormal, proceso de ortonormalizacion de Graham – Schmidt
Definición
Base ortonormal en . Se dice que un conjunto de vectores linealmente
independientes en es una base ortonormal si el ángulo entre ellos
es de y todos sus vectores de magnitud unitaria debiéndose cumplir los productos
interiores que se indican a continuación:
} si:
Si solo se cumple el producto interior , se dice que la base es ortogonal;
Siendo el ángulo entre ellos de , pero no todos los vectores serian unitarios.
Una base canónica en es ortonormal ya que cumple con todas las ecuaciones.
Ejemplo 1
Comprobar que la base canónica dada a continuación en , es ortonormal.
( ) ( ) ( )
Ing. Horacio Olivas Torres Página 108
Espacios vectoriales
Comprobación:
( )( ) ( )( )
( )( ) ( )( )
( )( ) ( )( )
Con lo cual se comprueba que los vectores base son unitarios y que entre ellos se tiene
un ángulo de , a la cual se le llama base canonica.
Definición .
Magnitud (norma) de un vector. Se dice que cuando un vector: ; Su magnitud
(norma) denotada por | |, estará dada por:
| | √ o que es lo mismo: | |
Ejemplo:
Encontrar la magnitud de cada uno de los vectores dados:
( ) ( ) ( )
| | √ √ √
| | √ √ √
| | √ √ √
Ing. Horacio Olivas Torres Página 109
Espacios vectoriales
Ya visto lo referente a la base ortogonal y ortonormal y la magnitud de un vector, ahora
se verá cómo convertir en una base ortonormal los vectores base cualquiera de un
espacio vectorial
Pasos a seguir para el proceso de ortonormalizacion de Gram-Schmidth. Sea un
subespacio vectorial de dimensión , de un espacio vectorial ; Entonces tiene una
base ortonormal.
Demostración
Sea { }, una base del subespacio ; Se probará el teorema
construyendo una base ortonormal a partir de los vectores en .
Paso . Calcular el primer vector unitario: | |
Entonces:
(| ) (|
| |
) (| |
) (| |
)| |
De manera que: | |
Paso . La figura , nos muestra un vector , ortogonal a un vector , que para
cualquier vector , se cumple que:
| |
En este caso | |
, es la proyección de sobre
v
x
0 Figura
Ing. Horacio Olivas Torres Página 110
Espacios vectoriales
Resulta que el vector dado, es ortogonal a cuando y están en para cualquier
. Observe que como es un vector unitario; | |
para cualquier
vector .
Sea: ; Entonces:
De manera que es ortogonal a . Más aún, los vectores y son linealmente
independientes. ; Porque de otra manera | |
, lo que
contradice la independencia de y .
Paso . Elección de un segundo vector unitario.
Sea | |
Entonces es evidente que { } es un conjunto ortonormal.
Suponga que se han construido los vectores y que forman un
conjunto ortonormal. Se mostrara, como construir: .
Paso 4 . Continuación del proceso
Sea:
Entonces para:
Pero: si y ; Por lo tanto:
Así { } es un conjunto linealmente independiente, ortogonal y
.
Ing. Horacio Olivas Torres Página 111
Espacios vectoriales
Paso 5. sea |
. Entonces es claro que {
|
} es un conjunto
ortonormal y se puede continuar de esta manera hasta que ; Con lo que se
completa la demostración.
Nota. Como cada es una combinación lineal de vectores , { } es
un subespacio de { } y como cada espacio tiene dimensión , los
espacios son iguales.
Ejemplo
Encuentre una base ortonormal en , dada la base formada por los vectores
independientes.
( ) ( )
( ) ( ) ( )
| | √
( ) ( )
√
( ) [( )( )] ( )
( ) [ ]( ) ( ) [ ]( ) ( ) ( )
( )
( ) ( )
( ) ( )
| |
√
Ing. Horacio Olivas Torres Página 112
Espacios vectoriales
Comprobación:
( )( )
( )( )
( )( )
Ejemplo
Encuentre una base ortonormal en , dada la base formada por los vectores
independientes
( ) ( ) ( )
z Vectores
z
Base dada 1
ortogonales y
3/
4 ortonormales
-1
-1 1/
2
U2
3
/4
-3/
V2=(0,0,1) 4
1/
-1/ 2
2
1/
4 1
-1/ /4
V3=(0,1,0)
4
V2’
-1
/4 1/
4
-1
/2 1/
2
V3’ -1/ 3/
-3
/4 4 4
1 1
y
-1/
V1=(3,0,-4) U3
x
2
y -3/ x
U1= (3/5, 0,- 4/5) 4
V2’= (12/25, 0, 9/25)
-1
U2= (4/5, 0, 3/5)
V3’= (0, 1, 0) U1
U3= (0, 1, 0)
Ing. Horacio Olivas Torres Página 113
Espacios vectoriales
( )
| |
( ) ( )
√
( ) ( ) ( ) [ ]
[ ( )] ( ) ( )
( ) ( )
( ) ( ) ( )
( ) ( )
| | √
( ) ( )
√
( ) ( ) ( )
[ ( )] ( ) [ ( )] ( )
( ) [ ] [ ] ( ) ( ) ( )
( ) ( )
( )
( ) ( )
| |
( )
√
Ing. Horacio Olivas Torres Página 114
Espacios vectoriales
Comprobación:
( )( )
( )( )
( )( )
( )( )
( )
( )
( )
( )
Ing. Horacio Olivas Torres Página 115
Espacios vectoriales
En los problemas que se dan a continuación, construya una base ortonormal para el
espacio o subespacio vectorial dado.
En , comenzando con los vectores básicos: {( ) ( )}
{ }
{ }
En , comenzando con {( ) ( )}, donde:
{ }
{ }
{ }
{ }
{ }
{ }, donde: .
{ }, donde:
{ }
es el espacio de soluciones de las ecuaciones lineales homogéneas dadas:
Ing. Horacio Olivas Torres Página 116
Transformaciones lineales
Transformaciones lineales
Introducción a las transformaciones lineales
Las transformaciones lineales de variables en las cuales las nuevas variables son
combinaciones lineales de las variables originales se necesitan frecuentemente al
trabajar con modelos lineales.
Estas transformaciones lineales de variables y la teoría de las matrices están
íntimamente ligadas. Además, las transformaciones lineales son susceptibles de un
razonamiento geométrico al aplicarlas en un plano o en tercera dimensión, la cual a su
vez, contribuye notablemente a nuestra comprensión intuitiva de las propiedades de las
operaciones matriciales y de esta misma forma aplicarlas de manera abstracta y con la
misma validez en otras dimensiones.
ó:
.
El vector puede considerarse como un punto del plano El cambio de
variables sirve para transformar cada punto del plano en un punto del plano .
El vector es aplicado en el vector . El punto se llama la imagen de . La matriz
induce la aplicación.
No hay razón alguna para considerar que el plano sea necesariamente distinto o
diferente del plano . Se puede suponer que ellos son idénticos con los ejes e
iguales respectivamente a los ejes . Entonces puede considerarse que los planos
y son simplemente nombres diferentes de la misma cosa. De acuerdo con
esta interpretación la transformación convierte un punto del plano en otro punto
del plano .
Las transformaciones lineales tienen algunas propiedades interesantes.
Si: y
Entonces:
Ing. Horacio Olivas Torres Página 117
Transformaciones lineales
Si son respectivamente las imágenes de , entonces es la imagen
de , esto es, la transformación conserva la adición. Análogamente, si , es la
imagen de , entonces , es la imagen de , ya que . Al
multiplicar por un escalar se multiplica también la imagen de por el mismo escalar.
La transformación conserva la multiplicación por un escalar.
Si, en la matriz de los coeficientes, es no singular, podemos escribir . Esto
significa que uno y sólo un punto del plano corresponde a cada punto del
plano , uno y sólo un punto del plano corresponde a cada punto del plano
. Una transformación tal se llama biunívoca o uno a uno ya que solamente una
corresponde a una dada solamente una a una dada. Una transformación puede
ser unívoca (esto es, solamente un corresponde a un dado) sin ser , ya que
dos o más pueden ser transformadas en el mismo . Si existe , entonces cada
punto corresponde a un único . Consecuentemente, aplica el plano en todo
el plano . Suponiendo que el plano y el plano son idénticos, vemos que
una transformación lineal no singular aplica sobre (todo y no una sola parte de
) en forma .
En esta unidad se estudia una clase especial de funciones, las cuales son llamadas
transformaciones lineales y que ocurren con mucha frecuencia en el álgebra lineal y en
otras ramas de las matemáticas. Las transformaciones lineales tienen una gran
variedad de aplicaciones importantes.
Antes de definir una transformación lineal, analizaremos un poco las funciones
matriciales representando sistemas de ecuaciones lineales.
La ecuación
Representa un sistema de ecuaciones lineales, donde es una matriz de
transformación de , es una matriz de variables y es una matriz de valores; De
tal forma que conociendo los elementos de las matrices y , calculábamos los valores
de las variables en .
Ing. Horacio Olivas Torres Página 118
Transformaciones lineales
No obstante, la ecuación anterior se puede ver de otra manera: suponga que se
conoce. Entonces en la ecuación primero se proporciona una en y se
calcula en ; Es decir representa una función en , e imagen en .
La función que se acaba de definir tiene las propiedades de que si es
un escalar y Estas propiedades caracterizan a todas las
transformaciones lineales.
Definición de una Transformación lineal.
Sean y espacios vectoriales. Una transformación lineal de en es una
función que asigna a cada vector un único vector y que satisface para
cada y en cada escalar , las siguientes condiciones:
Notación. Escribimos para indicar que transforma en .
Terminología. Las transformaciones lineales se llaman, con frecuencia, operadores
lineales. También, las funciones las cuales satisfacen las condiciones anteriores, se
denominan funciones lineales.
Tipos de transformaciones lineales:
Por reflexión
Por dilatación
Por contracción
Por rotación
Transformaciones lineales por reflexión.
Reflexión respecto al eje . En este caso es como si el eje se comportara como un
espejo donde un vector se refleja de un espacio vectorial a otro espacio vectorial.
En se define una función mediante la fórmula:
( ) ( ).
Ing. Horacio Olivas Torres Página 119
Transformaciones lineales
Geométricamente, como es este caso; toma un vector en y lo refleja respecto al
eje . Esto se ilustra en la siguiente figura. Una vez que se ha dado la definición básica,
se verá que es una transformación lineal de en .
En este caso de la transformación lineal por reflexión, los vectores de ambos espacios
vectoriales tienen la misma magnitud, también llamada norma.
Figura .
El vector es la reflexión respecto al eje del vector .
Podemos hacer más ejemplos en el plano , donde se refleje el vector sobre otro eje
cualquiera tal como se hizo con el eje . De la misma manera lo podemos hacer y
representar geométricamente en el espacio o sea en tercera dimensión, solo que se
reflejaría sobre un plano y no sobre una recta como es en el caso del plano.
Transformaciones lineales por dilatación. Estas se diferencian de las
transformaciones lineales por reflexión en cuanto a que el vector transformado tiene su
magnitud mayor que el vector original.
Transformaciones lineales por contracción. Estas se diferencian de las
transformaciones lineales por reflexión en cuanto a que el vector transformado tiene su
magnitud menor que el vector original.
Transformación lineal por rotación. En este caso, como en el de reflexión, los
vectores tienen la misma magnitud, solo que en este caso la matriz de transformación
Ing. Horacio Olivas Torres Página 120
Transformaciones lineales
es una matriz de funciones trigonométricas donde interviene el ángulo de giro del
vector
Cálculo de la matriz de transformación lineal por rotación.
Suponga que el vector ( ), en el plano , gira un ángulo (medido en grados, o
radianes) en la dirección contraria a las manecillas del reloj, como muestra la figura .
(x´, y´)
( )
θ+δ (x , y)
( ) r
θ ( )
δ
x x
Figura
Sea ( ) el vector girado. Entonces como se muestra en la figura, denota la
longitud del vector (la cual no cambia con la rotación),
Pero:
Por lo que:
Ing. Horacio Olivas Torres Página 121
Transformaciones lineales
Análogamente:
Por lo que:
Entonces, de:
Vemos que: ( ) ( ). La transformación lineal , quedando definida
por
( ) ( )
( ) ( )
( ) ( )( )
( ); (Quedando deducida la matriz de transformación de rotación)
Ejemplo . Sea definida por: ( ) ( ). Por ejemplo:
( ) ( ); Entonces:
[( ) ( )] ( ) ( )
[( ) ( )] ( ) ( )
Ing. Horacio Olivas Torres Página 122
Transformaciones lineales
Pero ( ) ( ) y ( ) ( )
Así: [( ) ( )] ( ) ( )
Análogamente,
[ ( )] ( ) ( ) ( ) ( )
Por lo tanto es una transformación lineal.
Ejemplo .
Sean y espacios vectoriales. Defina por para todo en .
Entonces y . Aquí se llama
transformación cero.
Ejemplo .
Sea: ( ) ( )
Vamos a encontrar
( ) ( ) ( ) ( ) ( ) ( ) ( )
Ing. Horacio Olivas Torres Página 123
Transformaciones lineales
En los problemas del al determine si la transformación dada de en es lineal.
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( )
( )
( )
Ing. Horacio Olivas Torres Página 124
Transformaciones lineales
( ) ( )
( ) ( )
Ahora desarrollaremos algunas de las propiedades básicas de las transformaciones
lineales.
Teorema . Sea una transformación lineal. Entonces para todos los vectores:
en y todos los escalares :
Nota. En la parte del teorema , el cero de la izquierda, es el vector cero en
mientras que el cero del lado derecho, es el vector cero en .
Observación. Note que la parte , es un caso especial de la parte . Un hecho
importante de las transformaciones lineales es que están completamente determinados
por lo que le hacen a los vectores base.
Teorema . Sea un espacio vectorial de dimensión finita con base {
}. Sean: vectores en . Suponga que y son dos
transformaciones lineales de en tales que para .
Entonces para cualquier vector . Es decir: .
El teorema , nos dice que si y es de dimensión finita, entonces
necesitamos conocer únicamente lo que hace al vector base en . Esto determina
completamente. Para ver esto, sea, una base en y sea otro vector
en . Entonces, como en la demostración del teorema ,
De esta manera podemos calcular para cualquier vector si conocemos
T .
Ing. Horacio Olivas Torres Página 125
Transformaciones lineales
Ejemplo .
Sea una transformación lineal de en y suponga que:
T( ) ( ) ( ) ( ) ( ) ( )
Calcule: T( )
Solución: Tenemos que: ( ) ( ) ( ) ( )
De esta manera:
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
Ejemplo .
Encontrar una transformación lineal de , en el plano:
{( ) }
Solución. Sabemos que es un subespacio de dimensión dos de , con
vectores base que puede ser, de acuerdo a la condición dada:
Si le damos valores a:
y
y
Ing. Horacio Olivas Torres Página 126
Transformaciones lineales
( ) y ( ). Usando la base canónica en ( ) y ( ),
Definimos la transformación lineal por ( ) ( ) y ( ) ( ).
Entonces, como nos muestra la discusión que sigue luego del Teorema 2; está
completamente determinada. Por ejemplo:
( ) [ ( ) ( )] ( ) ( ) ( ) ( ) ( ) ( ) ( )
Surge otra pregunta: Si son vectores en , ¿existe una
transformación lineal tal que , para ? La respuesta es sí; Como
se muestra en el siguiente teorema.
Teorema .
Sea un espacio vectorial de dimensión finita con base { }. Sea
también un espacio vectorial que contiene a los vectores: .
Entonces existe una única transformación lineal tal que , para
.
Ejemplo Encontrar una transformación lineal de , en el plano
{( ) }
Solución. Sabemos que es un subespacio de dimensión dos de un espacio ,
donde , con vectores base de :
Despejando de la condición: , y sustituyéndola en el vector ( ),
tenemos:
( ) ( ) ( ) ( ); Siendo los vectores: ( ) ( ) una base del
subespacio
Ing. Horacio Olivas Torres Página 127
Transformaciones lineales
( ) ( ). Usando la base canónica en , ( ) ( )
Definimos la transformación lineal por ( ) ( ) ( ) ( )
Entonces, como muestra la discusión que sigue al Teorema , está completamente
determinada; Por ejemplo:
( ) [ ( ) ( )] ( ) ( ) ( ) ( ) ( ) ( )
( ) ( )
Comprobación:
Núcleo e Imagen de una Transformación Lineal.
Definición .
Núcleo e Imagen de una ransformación Lineal.
Sean y espacios vectoriales y sea una transformación lineal.
Entonces:
. El núcleo (kernel) de , denotado como , está dado por:
Ing. Horacio Olivas Torres Página 128
Transformaciones lineales
{ }
. La imagen de T, denotada como imag T, está dada por:
{ }
Observación . Nota que , es no vació ya que por el Teorema , de
manera que para toda transformación lineal . Será interesante encontrar
otros vectores en que sean "mapeados al cero". De nuevo, nótese que cuando
escribimos , el de la izquierda está en , y el de la derecha está en
Observación . El concepto es simplemente el conjunto de "imágenes" de
vectores en bajo la transformación . De hecho, si , diremos que es
también imagen de bajo .
Antes de dar ejemplos de núcleos o kerneles, e imagines demostraremos un teorema
que será de mucha utilidad.
Teorema . Si es una transformación lineal, entonces:
es un subespacio de .
es un subespacio de
Demostración.
1. Sean y en ; entonces:
; De modo que: y están en
2. Sean y en . Entonces y para dos vectores y en . Esto
significa que y . De esta manera y
están en .
Ing. Horacio Olivas Torres Página 129
Transformaciones lineales
Ejemplo .
Sea para todo . ( es la transformación cero) . Entonces
e .
Ejemplo .
Sea para todo .( es la transformación identidad ). Entonces e
.
Las transformaciones cero e identidad son dos casos extremos. En el primero, todo
está en el núcleo. En el segundo, únicamente el vector cero está en el núcleo o kernel.
Los casos intermedios son más interesantes.
Ejemplo .
Sea definida por: ( ) ( ) Esto es es el operador proyección de en
el plano . Si ( ) ( ) ( ) ( ) entonces . De esta manera:
{ }
{ } .
Note que: y .
Ejemplo .
Sea la transformación:
Se verifica fácilmente que es un operador lineal.
Se propone describir explícitamente su núcleo y su imagen
Por definición
{ }
{ }
Por tanto, el vector pertenece a si, y sólo si:
Ing. Horacio Olivas Torres Página 130
Transformaciones lineales
Este es un sistema homogéneo en las incógnitas cuyo espacio solución es
precisamente .
Resuélvase por el método de eliminación Gaussiana:
( )
( | )→ ( | )→ ( | )
|
→
|
( )
Por lo tanto, el sistema tiene solución si y solo si se cumple la condición obtenida, que
a la vez viene siendo el subespacio vectorial del que procedemos a calcular una base
del mismo ( .
{( ) }
( ) ( ) ( ) ( ); Siendo los vectores: ( ) ( ) una base del
subespacio
( ) ( )
{( ) ( )}
Ing. Horacio Olivas Torres Página 131
Transformaciones lineales
Definición .
Nulidad y Rango de una Transformación Lineal.
Si es una transformación lineal de en , entonces definimos:
Observación. Cada matriz de de , origina una transformación lineal
definida por: ; Evidentemente:
.
Así se observa que las definiciones de kernel, imagen, nulidad y rango de una
transformación lineal, son generalizaciones del mismo concepto aplicado a las
matrices.
Ejemplos:
En los problemas del al obtener el kernel o núcleo, la imagen, el rango y la nulidad
de las transformaciones lineales dadas.
( ) ( )
( ) ( )
( )
( ) ( )
( )
Ing. Horacio Olivas Torres Página 132
Transformaciones lineales
La matriz de una transformación lineal
Transformación lineal. Ahora veremos que para toda transformación lineal de en
, existe una matriz de tal que para toda . Este hecho es
extremadamente útil. Si: , entonces e . Más aún:
y . De esta manera podemos
determinar el núcleo, la imagen, la nulidad y el rango de una transformación lineal de
, determinando el núcleo y el espacio imagen de una matriz correspondiente.
Más aún, cuando se sabe que , podemos evaluar para cualquier en ,
con una simple multiplicación matricial.
Pero esto no es todo. Como veremos, en cualquier transformación lineal entre dos
espacios vectoriales de dimensión finita puede ser representada por una matriz.
Teorema . Sea ,una transformación lineal. Entonces existe una única matriz
de tal que:
; Para toda
Definición . Matriz de Transformación.
La matriz en el Teorema , se llama matriz de transformación correspondiente a .
En los temas anteriores definimos la imagen, el rango, el núcleo y la nulidad de una
transformación lineal. La demostración del siguiente teorema se deriva fácilmente del
Teorema y se deja como ejercicio.
Teorema . Sea la matriz de transformación, que corresponde a la transformación
lineal .
Entonces:
(T)=
Ing. Horacio Olivas Torres Página 133
Transformaciones lineales
Ejemplo .
Encuentre la matriz de transformación correspondiente a la proyección de un vector
en sobre el plano .
Solución. Aquí: ( ) ( ). En particular:
( ) ( ) ( ) ( ) ( ) ( )
De esta manera: ( ); Nótese que ( ) ( )( ) ( )
Ejemplo . Sea , definida por:
( ) ( )
Encuentre:
Solución:
( ) ( ) ( ) ( ) ( ) ( )
De esta manera:
( ) Observese (como una comprobación) que:
Ing. Horacio Olivas Torres Página 134
Transformaciones lineales
( )( ) ( ); Lo siguiente es calcular el kernel o núcleo y la
imagen de la matriz .
Reduciendo por renglón obtenemos:
( )→ ( )→ ( )→ ( )
Ya que:
De esta manera y ; Esto significa que:
{ }
{( )( )( )}
y .
Ejercicios.
Encuentre la representación matricial de la transformación lineal , , ,
, y ; Suponiendo que y son bases canónicas.
( ) ( )
( ) ( )
( ) ( )
Ing. Horacio Olivas Torres Página 135
Transformaciones lineales
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
Encuentre la representación matricial de la transformación lineal , , ,
y .
( ) ( ) {( ) ( )}
( ) ( ) {( ) ( )}
Aplicación de las transformaciones lineales: reflexión, dilatación, contracción y
rotación
A continuación haremos algunos ejercicios donde apliquemos las fórmulas de los
distintos tipos de transformaciones lineales como son los de reflexión, dilatación,
contracción y rotación vistos con anterioridad.
Ing. Horacio Olivas Torres Página 136
Transformaciones lineales
Ejemplo
Transformación de dilatación. Transformación de un vector de producción en un vector
de materia prima.
Un fabricante hace tipos diferentes de productos, cada uno requiere tres tipos de
materiales. Se denota a los cuatro productos por y a los materiales por
. La tabla siguiente da el número de unidades de cada materia prima que
se requiere para fabricar una unidad de cada producto.
Surge una pregunta natural: si se produce cierto número de los cuatro productos,
¿cuántas unidades de cada material se necesitan? Sean el número de
artículos fabricados de los cuatro productos y sean el número de unidades
necesario de los tres materiales. Entonces se define:
( ) ( ) ( )
Aplicación de las transformaciones lineales: reflexión, dilatación, contracción y rotación
Por ejemplo, suponga que ( ) ¿Cuántas unidades de se necesitan para
producir estos números de unidades de los cuatro productos? De la tabla se tiene que:
De manera similar:
En general se ve que:
Ing. Horacio Olivas Torres Página 137
Transformaciones lineales
( )( ) ( ); Correspondiente a la formula: .
Esto se puede ver de otra manera. Si se llama el vector de producción y el vector de
materia prima, se define la función por . Esto es, es la función que
“transforma” el vector de producción en el vector de materia prima. Se define con la
multiplicación de matrices ordinaria. Como se verá, esta función es también una
transformación lineal.
Ing. Horacio Olivas Torres Página 138
Referencias bibliográficas
REFERENCIAS BIBLIOGRÁFICAS
Anton, Howard: Introducción al Algebra Lineal, 38a edición, Editorial Limusa, 1993.
Grossman, Stanley I: Algebra Lineal con Aplicaciones, 4a edición, Mc Graw-Hill, 1991.
Gerber, Harvey: Algebra Lineal, 1a edición, Grupo Librero América, 1992.
Hill Richard: Algebra Lineal Elemental con Aplicaciones, 3a edición, Prentice- Hall
Hispanoamérica, 1997
Johnson E., Richard: Algebra Lineal, 4a edición, 4a edición, Editorial Continental, 1982.
Pita, Ruiz, Claudio: Algebra Lineal, 1a edición, Mc Graw-Hill, 1993.
Swokowski, Earl W: Cole Jeffrey A: Algebra y Trigonometría con Geometría
Analítica, 9a edición, Internacional Thomson Editores, 2000.
Poole David: Algebra Lineal con una introducción moderna, Editorial Thomson
Ing. Horacio Olivas Torres Página 139
También podría gustarte
- 17 Ecuaciones que Transformaron el MundoAún no hay calificaciones17 Ecuaciones que Transformaron el Mundo4 páginas
- Demostración de Identidades TrigonométricasAún no hay calificacionesDemostración de Identidades Trigonométricas15 páginas
- Aproximaciones en Cálculo IntegralAún no hay calificacionesAproximaciones en Cálculo Integral344 páginas
- Elementos de Álgebra Lineal - FACET - Teoría 2017Aún no hay calificacionesElementos de Álgebra Lineal - FACET - Teoría 201790 páginas
- Aplicaciones del Álgebra Lineal en Ingeniería100% (3)Aplicaciones del Álgebra Lineal en Ingeniería6 páginas
- Guía para Resolver Problemas de FísicaAún no hay calificacionesGuía para Resolver Problemas de Física3 páginas
- Guía SAI para Ecuaciones DiferencialesAún no hay calificacionesGuía SAI para Ecuaciones Diferenciales61 páginas
- Mecanismos y Tipos de Corrosión QuímicaAún no hay calificacionesMecanismos y Tipos de Corrosión Química7 páginas
- Estudio del Péndulo Simple en FísicaAún no hay calificacionesEstudio del Péndulo Simple en Física22 páginas
- Horario General Carrera Informática 2023Aún no hay calificacionesHorario General Carrera Informática 202317 páginas
- Cálculo Vectorial en Ingeniería Eléctrica100% (1)Cálculo Vectorial en Ingeniería Eléctrica95 páginas
- Cálculo Diferencial: BibliografíaAún no hay calificacionesCálculo Diferencial: Bibliografía2 páginas
- Lista de Estudiantes y CalificacionesAún no hay calificacionesLista de Estudiantes y Calificaciones13 páginas
- Mapa Curricular Licenciatura en ElectrónicaAún no hay calificacionesMapa Curricular Licenciatura en Electrónica6 páginas
- Vectores en Física: Conceptos y EjerciciosAún no hay calificacionesVectores en Física: Conceptos y Ejercicios41 páginas
- Ejercicios de Ecuaciones DiferencialesAún no hay calificacionesEjercicios de Ecuaciones Diferenciales57 páginas
- Análisis Léxico en JAVA: Tokens y AFDAún no hay calificacionesAnálisis Léxico en JAVA: Tokens y AFD6 páginas
- Ejercicios de Teoremas de Thevenin y NortonAún no hay calificacionesEjercicios de Teoremas de Thevenin y Norton2 páginas
- Guía de Memorias en Circuitos Lógicos IIAún no hay calificacionesGuía de Memorias en Circuitos Lógicos II9 páginas
- Examen Análisis Vectorial - Rodrigo AlmendarezAún no hay calificacionesExamen Análisis Vectorial - Rodrigo Almendarez9 páginas
- Ejemplos de Eliminación GaussianaAún no hay calificacionesEjemplos de Eliminación Gaussiana2 páginas
- Ejercicios Resueltos de Matemática Discreta100% (1)Ejercicios Resueltos de Matemática Discreta7 páginas
- Estructura Cristalina FCC y Celda UnitariaAún no hay calificacionesEstructura Cristalina FCC y Celda Unitaria8 páginas
- Notas de Clase. Probabilidad y Estadística - Wilson Moreno LeónAún no hay calificacionesNotas de Clase. Probabilidad y Estadística - Wilson Moreno León52 páginas
- Vectores: Conceptos y Ejemplos Cotidianos100% (1)Vectores: Conceptos y Ejemplos Cotidianos29 páginas
- Plan de Estudios Ingeniería en Computación UAMAún no hay calificacionesPlan de Estudios Ingeniería en Computación UAM2 páginas
- Catálogo Universitario Matemáticas, Ciencias e IngenieríaAún no hay calificacionesCatálogo Universitario Matemáticas, Ciencias e Ingeniería49 páginas
- Programa de Estudios: Matemáticas UnADMAún no hay calificacionesPrograma de Estudios: Matemáticas UnADM10 páginas
- Introducción al Álgebra Lineal y MatricesAún no hay calificacionesIntroducción al Álgebra Lineal y Matrices43 páginas
- Ingeniería de Pruebas en Software IPNAún no hay calificacionesIngeniería de Pruebas en Software IPN9 páginas
- Inducción Matemática y Buen OrdenAún no hay calificacionesInducción Matemática y Buen Orden32 páginas
- Números Complejos y Ecuaciones PolinómicasAún no hay calificacionesNúmeros Complejos y Ecuaciones Polinómicas139 páginas
- Sanchez Dario - Matematicas para Ingenieria100% (1)Sanchez Dario - Matematicas para Ingenieria160 páginas
- Símbolo y propiedades de números complejosAún no hay calificacionesSímbolo y propiedades de números complejos4 páginas
- Lista de Chequeo para Pulidora 2025Aún no hay calificacionesLista de Chequeo para Pulidora 20251 página
- Acuerdo de Consultoría y Desarrollo de SoftwareAún no hay calificacionesAcuerdo de Consultoría y Desarrollo de Software4 páginas
- Validación de Portabilidad Movistar NIPAún no hay calificacionesValidación de Portabilidad Movistar NIP2 páginas
- Montaje de Pistones y Bielas C27/C32Aún no hay calificacionesMontaje de Pistones y Bielas C27/C327 páginas
- Guía para el Auto Levantamiento de Procesos100% (1)Guía para el Auto Levantamiento de Procesos46 páginas
- PDF Lavadora Xpert System 8wpdf - CompressAún no hay calificacionesPDF Lavadora Xpert System 8wpdf - Compress10 páginas
- Vida escolar y anhelos cotidianosAún no hay calificacionesVida escolar y anhelos cotidianos181 páginas
- Operaciones y Aplicaciones de MatricesAún no hay calificacionesOperaciones y Aplicaciones de Matrices13 páginas
- Taller de Teoría de Grafos en Matemática DiscretaAún no hay calificacionesTaller de Teoría de Grafos en Matemática Discreta7 páginas
- Guía Completa de Jenkins para CI/CDAún no hay calificacionesGuía Completa de Jenkins para CI/CD6 páginas
- Estudio de Campo Centro Digital El ProgresoAún no hay calificacionesEstudio de Campo Centro Digital El Progreso88 páginas
- Introducción a JavaScript y sus EtiquetasAún no hay calificacionesIntroducción a JavaScript y sus Etiquetas5 páginas
- Resumen de ganancias semanales UberAún no hay calificacionesResumen de ganancias semanales Uber9 páginas
- Instrucciones para abrir archivo con MacroAún no hay calificacionesInstrucciones para abrir archivo con Macro10 páginas
- Propuesta de Investigación en IngenieríaAún no hay calificacionesPropuesta de Investigación en Ingeniería11 páginas
- Especificación Técnica y Estimación Económica100% (1)Especificación Técnica y Estimación Económica5 páginas
- Estrategia Digital en UGEL Tarata 2023Aún no hay calificacionesEstrategia Digital en UGEL Tarata 20237 páginas
- Vigilancia Electrónica en Seguridad PrivadaAún no hay calificacionesVigilancia Electrónica en Seguridad Privada39 páginas
- Examen Capa de Aplicación: Protocolos ClaveAún no hay calificacionesExamen Capa de Aplicación: Protocolos Clave5 páginas
- División de Polinomios: Conceptos y EjerciciosAún no hay calificacionesDivisión de Polinomios: Conceptos y Ejercicios9 páginas
- Inteligencia de Negocios y Analítica GlobalAún no hay calificacionesInteligencia de Negocios y Analítica Global44 páginas
- Tipos de Perspectiva y Puntos de FugaAún no hay calificacionesTipos de Perspectiva y Puntos de Fuga5 páginas