1.2 Operaciones fundamentales con nmeros complejos. =Adiccin = Dados los complejos Z1 = (a;b) y Z2 = (c ;d).

Se define Z1 + Z2 = (a; b) + (c; d) = (a +c; b+ d)

=Sustraccin= Se obtiene sumando al minuendo el opuesto del sustraendo: Z1 + (-22) = (a; b) + (-c ; d) = (a c ; b-d)

=Multiplicacin= Dados los complejos Z1 = (a ; b) y Z2 = (c ; d), se define Z1 * Z2 = (a*c-b*d; a*d + b*c)

=Potenciacin= La potenciacin de un numero complejo con potencia natural, se resuelve como una multiplicacin reiterada: Zn = (a ; b)n = (a ;b)1.(a ; b)2(a ; b)n asociado de a dos pares los pares ordenados.

=Forma Binomica= La forma Binomica de un numero complejo es: Z = a + bi

Operaciones de nmeros complejos en su forma Binomica: La suma y diferencia de nmeros complejos se realiza sumando y restando partes reales entre si y partes imaginarias entre si. +(a +bi) + (c + di) = (a+c) + (b+d) i -(a +bi) - (c + di) = (a-c) + (b-d) i =Multiplicacin con nmeros complejos=

El producto de los nmeros complejos se realiza aplicando la propiedad distributiva del producto respecto de la suma y teniendo en cuenta que i2 = -1 (a + bi) (c + di) = (ac-bd) + (ad + bc) i

=Divisin con nmeros complejos= El cociente de nmeros complejos se hace racionalizando el denominador; esto es, multiplicando numerador y denominador por el conjugado de este.

=Ejemplo= (3 + 2i) + 8-7-i) = (3-7) + (2i i) = -4 + i

= (5 + 3i) + {(-1 + 2i) + (7-5i)}

=(5 + 3i) + {(-1 + 7) + (2i 5i)}

= (5 + 3i) + (6 3i)

= (5 + 6) + (3i 3i)

= 11

1.3 Potencias De i, mdulo o valor absoluto de un nmero complejo

29ENE Valor absoluto. El valor absoluto, mdulo o magnitud de un nmero complejo z viene dado por la siguiente expresin: Si pensamos en z como un punto en el plano; podemos ver, por el teorema de Pitgoras, que el valor absoluto de un nmero complejo coincide con la distancia eucldea desde el origen del plano. Si el complejo est escrito en forma polar z = r e i, entonces |z| = r. Podemos comprobar con facilidad estas tres importantes propiedades del valor absoluto para cualquier complejo z y w. Por definicin, la funcin distancia queda como sigue d(z, w) = |z w| y nos provee de un espacio mtrico con los complejos gracias al que se puede hablar de lmites y continuidad. La suma, la resta, la multiplicacin y la divisin de complejos son operaciones continuas. Si no se dice lo contrario, se asume que sta es la mtrica usada en los nmeros complejos. Mdulo de un vector

Se llama mdulo de un complejo a la longitud del vector que lo representa, lo designaremos por Z o simplemente por r. Su valor se obtiene por la conocida relacin: Z1 = r = Que es la relacin que nos permite determinar la longitud de un vector. Sea Z un nmero complejo. Explique cmo determinar Sea Z= a +bi. La raz cuadrada del complejo a + bi ser otro complejo que llamaremos x + yi: = x + yi = x + yi (]) Elevando ambos miembros al cuadrado y reduciendo trminos: a + bi = x2 + 2xyi + y2i2 a + bi = x2 + 2xyi + y2 (1) a + bi = (x2 y2) + 2xyi Igualando partes reales y partes imaginarias se forma el siguiente sistema: Despejando y en ( ]]] ): Sustituyendo este valor en ( ]] ): Expresando en trminos de X2: Tomamos nicamente el valor positivo, pues es mayor que a y x2 no puede ser negativo. Adems = S

En la ecuacin ( ]]] ) podemos observar que b tiene el mismo signo que el producto xy. Por lo tanto, si b es positivo x e y sern de igual signo y tendremos que: Para b > 0 Para b < 0 Como los signos que deben tomarse para X e Y deben satisfacer la ecuacin 2XY= b, hay que hacer las siguientes consideraciones: Para b > 0: Las races deben ser; ambas del mismo signo: positivas o negativas (+,+), (- , -) Para b < 0: Las races, se toman con signos opuestos +,-),(-, +)

1.4 Forma polar y exponencial de un nmero complejo. Nm e ros c omple jos e n forma pola r

Mdul o de un nme ro c omple jo E l mdul o de un nme ro c ompl e jo e s e l mdul o de l ve c tor de te rmi na do por e l ori ge n de c oorde na das y s u a fi jo . S e d e sign a p o r |z| .

Ar gume nto de un nme ro c ompl e jo E l a rgume nto de un nme ro c ompl e jo e s e l ngul o que for ma e l ve c tor con e l e je rea l . S e d e sign a po r a rg(z) .

E x pre si n de un nme ro c ompl e jo e n forma pol a r. z = r |z| = r r e s e l mdul o . a rg(z) = e s e l a rgume nto .

E je mpl os P a s ar a l a forma pol a r :

z = 260

z = 2120

z = 2240

z = 2300

z = 2

z = 20

z = 2

z = 2180

z = 2i

z = 290

z = 2 i

z = 2270

P a s ar a l a forma bi nmi c a : z = 2120 P a ra p a sa r d e la f o rm a po la r a la b in m ica , t en em o s qu e p a sa r en p rim e r luga r a la f o rm a t rigo n om t rica : r = r (c os + i se n ) z = 2 (c os 12 0 + i s e n 1 20 )

z =1 0 = 1 z =1 1 8 0 = 1 z =1 9 0 = i z =1 2 7 0 = i

Forma polar o mdulo-argumento

Otra forma de expresar un nmero complejo es la forma polar o forma mduloargumento,

donde es el mdulo de ngulo tal que

, y donde

es un argumento de

, esto es,

es un

NOTA: Un nmero complejo tiene infinitos argumentos distintos. De hecho se puede definir el argumento de un nmero complejo no nulo como el conjunto de todos los posibles valores que verifican lo anterior, es decir,

Es claro, por tanto, que si

es un valor particular del argumento de

, entonces

Se denomina argumento principal al nico valor y se denota Se verifica entonces que .

tal que

Dos nmeros complejos y , representados en forma polar son iguales si y slo si sus mdulos son iguales , y sus argumentos se diferencian en un nmero entero de vueltas, es decir, , con .

La forma polar de un nmero complejo es especialmente cmoda a la hora de multiplicar, ya que basta con multiplicar los mdulos y sumar los argumentos, es decir, si ,y , entonces

Del mismo modo se puede calcular el cociente de un complejo por otro no nulo sin ms que dividir los mdulos y restar los argumentos:

, siempre que .

Forma exponencial Una variante de la forma polar se obtiene al tener en cuenta la conocida como frmula de Euler:

para

Esto nos permite escribir un nmero complejo en la forma siguiente, denominada forma exponencial:

Esta nueva forma es especialmente cmoda para expresar productos y cocientes ya que slo hay que tener en cuenta las propiedades de la funcin exponencial (para multiplicar se suman exponentes y para dividir se restan). En particular, para potencias con exponentes enteros se tiene .

Esto nos permite dar una nueva expresin para el inverso de un complejo no nulo en la forma .

Forma polar y exponencial de un nmero complejo.

Forma polar Forma euler

z r (cos isen )

z rei

Producto. Sean z1 = r1(cos x + isen x) y z2 = r2(cos y + isen y) dos nmeros complejos en forma trigonomtrica. Es: z1z2 = [r1(cos x + isen x)][r2(cos y + isen y)] = r1r2(cos x + isen x)(cos y + isen y) = r1r2(cos x cos y + icos x sen y + isen x cos y + i2sen x sen y) = r1r2[(cos x cos y - sen x sen y) + i(cos x sen y + sen x cos y)] = r1r2[cos(x + y) + isen(x + y)] Es decir; z1z2 = r1r2[cos(x + y) + isen(x + y)] En forma polar sera: rxry = (rr)x + y

Cociente. Veamos en primer lugar cmo se calcula el inverso de un nmero complejo en forma polar. Sea z = r(cos x + isen x) = a + b:i , donde a = rcos x y b = rsen x Tenemos: 1/z = a/(a2 + b2) - [b/(a2 + b2)]i = (rcos x)/(r2cos2x + r2sen2x) - [(rsen x)/(r2cos2x + r2sen2x)]i = (cos x)/[r(cos2x + sen2x)] - i(sen x)/[r(cos2x + sen2x)] = (1/r)cos x (1/r)isen x = (1/r)(cos x - isen x) = (1/r)[cos(-x) + isen(-x)] Es decir, 1/rx = (1/r)-x Por lo tanto, la expresin del cociente de nmeros complejos vendr dada por: rx /ry = (r/r)x - y Resolver los siguientes reactivos 1) Pasar a forma euler la siguiente expresin 4(cos45 + i sen45)

i
a)

4e 4
6e 7 8e 9
i

b)

c)

d)

10 e

i 10

e)

4e 4

2) Pasar a forma euler la siguiente expresin

3(cos135 + i sen135)
3i 4

a)

3e
5e

6 i 7

b)

c)

7e
9e

9 i 11

11i 13

d)

e)

13 e

3 i 9

3) Pasar a forma euler la siguiente expresin 8(cos270 + i sen 270)

a)

8e

3i 2
5 i 2 7 i 2

b)

10 e
12 e

c)

d)

14 e

9 i 2 3 i 2

e)

8e
5 i 36 5 i 30

4) Pasar a forma euler la siguiente expresin (cos25 + isen 25)

a)

b)

c)

4e

5 i 3 7 i 36

d)

5e

e) 5) Pasar a forma euler la siguiente expresin (cos180 +i sen 180)

3e

5 i 6

a)

e i
3e
i

b)

c)

2ei
7e
i

d)

e)

Bibliografa propuesta Grossman Stanley J. lgebra Lineal Mc. Graw-Hill Murria R. Spiegel Variables Complejas (Series Schaum) Mc. Graw-Hill

1.5 Teorema de De Moivre, potencias y extraccin de races de un nmero complejo. Teorema de DeMoivre y Potencias

De la figura 1.1. tenemos dada la representacin polar de un nmero complejo

Donde la formula se usa cuando en este caso

En general, para cualquier entero positivo k. a esto se le conoce como Teorema de De Moivre aplicable as mismo a las potencias de nmeros complejos

Races de un nmero complejo

Dado un nmero complejo que se define tal que i2=-1. Utilizando esta notacin podemos pensar en i como la raz cuadrada de 1, pero notamos que tambin tenemos (-i2)2=i2=-1, as que (i) es tambin una raz cuadrada de 1. Semejantemente a los nmeros reales, decimos que la raz cuadrada principal de 1 es i, o, en general, si x es cualquier nmero real positivo, entonces en la raz cuadrada principal de x se cumple la siguiente igualdad:

es decir, la raz cuadrada de un nmero negativo es necesariamente imaginario. Eso es debido a que i2=-1, por lo que entonces:

Si se desea encontrar la raz de un nmero imaginario es posible demostrar la igualdad

Por los argumentos dados, i no puede ser ni positivo ni negativo. Esto crea un problema: para el nmero complejo z, no podemos definir para ser la raz cuadrada positiva de Z.

Para cada nmero complejo diferente a cero z existen exacto dos nmeros W tales que w2=Z . Por ejemplo, las races cuadradas de i son: y

La definicin general de est introduciendo el siguiente punto de rama: si z = rei es representado en coordenadas polares con < , despus fijamos el valor principal a:

As definido, la funcin de la raz es holomorfa en todas partes excepto en los nmeros reales no positivos, donde no es incluso continua. La antedicha serie de Taylor para sigue siendo vlida para el resto de los nmeros complejos x con |x| < 1.

En general, para un nmero complejo expresado en forma rectangular, se obtiene:

Donde (el valor absoluto o mdulo del nmero complejo), y el signo de la parte imaginaria de la raz coincide con el signo de la parte imaginaria del radicando.

1.6 Ecuaciones polinmicas.

Podemos definir a las ecuaciones como una igualdad entre expresiones algebraicas (sucesin de trminos constituidos de nmeros y letras, cada trmino es separado del otro por un signo "+" o ms letras, llamadas incgnita (cuyo valor hay que averiguar). Las expresiones que estn a ambos lados del signo igual son los miembros de la ecuacin: primer miembro el de la izquierda, segundo miembro el de la derecha. Se denomina solucin de una ecuacin a un valor o conjunto de valores de la incgnita (x), para los cuales se verifica la igualdad. Una ecuacin puede tener ninguna, una o varias soluciones. Por ejemplo: 5x 9 = 1 es una ecuacin con una incgnita con una solucin, x = 2 x 2 + y 2 + 5 = 0 es una ecuacin con dos incgnitas sin solucin, pues la suma de dos cuadrados es un nmero positivo, a partir del cual no se puede obtener 0 sumndole 5. 2x + 3y = 15 es una ecuacin con dos incgnitas que tiene infinitas soluciones, algunas de las cuales son x = 0, y = 5; x = 3, y = 3; x = 30, y = Dos ecuaciones se llaman equivalentes si tienen las mismas soluciones o ambas carecen de solucin. As, la ecuacin 3x 7 = x + 1 es equivalente a 2x 8 = 0 porque ambas tienen como solucin nica x = 4. Tipos de Ecuaciones Las ecuaciones con una incgnita suelen tener un nmero finito de soluciones, mientras que en las ecuaciones con varias incgnitas encontramos infinitas soluciones, las que suelen ser estudiadas cuando forman sistemas de ecuaciones. Podemos encontrar distintos tipos de ecuaciones con una incgnita: polinmica, racionales, exponenciales, trigonomtricas Las ecuaciones polinmicas son de la forma P(x) = 0, donde P(x) es un polinomio en x, que al trasponer trminos y simplificar adoptan esa expresin. 3x3 x2 + 3x + 2 = 0 es una ecuacin polinmica.

Las ecuaciones polinmicas de primer grado, ax + b = 0, se llama ecuacin lineal. 5x + 7 = 3 (es lineal). (x 5)2 + 3 = x2 1 (No hay que dejarse engaar por las apariencias, esta ecuacin tambin es lineal. Al desarrollar y simplificar se obtiene: 10x + 29 = 0). Las ecuaciones polinmicas de segundo grado que responden a la estructura: ax2 + bx + c = 0, se las denomina cuadrticas. Son ecuaciones de este tipo: x2 x + 3 = 0, (x 2)2 + 7x =5 + x. (En este caso, se despeja x de manera que al final queda una ecuacin cuadrtica, o sea, un polinomio de grado dos. Las ecuaciones radicales son aquellas en las que la incgnita est bajo un signo radical, como Las ecuaciones racionales son ecuaciones en las que aparecen cocientes de polinomios; por ejemplo:

En las ecuaciones exponenciales la incgnita est en un exponente: 2 x = 8 En las ecuaciones logartmica (inversa de las de tipo exponencial) la incgnita se encuentra afectada por el logaritmo, acordarse que la solucin debe estar de acuerdo con el dominio de la funcin logartmica): log (x + 1) = 10. En las ecuaciones trigonomtricas la incgnita est afectada por alguna funcin trigonomtrica; por ejemplo: sen ( /4 + x) cos x = 1 Resolucin de Ecuaciones Resolver una ecuacin es hallar su solucin (soluciones), o podemos llegar a la conclusin que no tiene solucin. Para resolver una ecuacin, se pasa a otra equivalente cuya apariencia sea ms sencilla. Para averiguar el valor de x debe despejarse la letra incgnita. Para ello nos valemos de una propiedad matemtica (propiedad uniforme) que nos permite poner un mismo nmero en

ambos miembros de la expresin algebraica, siempre y cuando se mantenga la igualdad. 4x 7 = 1 (tenemos esta ecuacin) 4x 7 + 7 = 1 + 7 (Para que el 7 se anule le sumamos 7, por eso se dice que un nmero que est restando "pasa" sumando). 4x = 1 + 7 4x = 8 4x : 4 = 8 : 4 (Para anular el cuatro que est multiplicando dividimos ambos miembros por 4, por eso se dice que un nmero que est multiplicando "pasa" dividiendo) Tiene una nica solucin: x = 2. Sin embargo, hay tipos de ecuaciones para cuya resolucin se requieren tcnicas especiales. Es el caso, por ejemplo, de las ecuaciones cuadrticas y bicuadradas. Resolucin de ecuaciones cuadrticas No existe una nica forma de escribir la ecuacin cuadrtica. Generalmente las ecuaciones cuadrticas se presentan de la forma polinmicas: f(x) = ax2 + bx + c la que se resuelve mediante la ecuacin

cuadrtica Por ejemplo, la ecuacin 2x2 + 5x + 3 = 0 de coeficientes a = 2, b = 5, c = 3, se resuelve as:

Casos especiales Las ecuaciones de segundo grado de los tipos siguientes se llaman incompletas porque les falta uno de los trminos: ax2 + bx = 0

ax2 + c = 0 Se pueden resolver aplicando la frmula general, pero es ms cmodo resolverlas despejando directamente la x. En el primer caso, ax2 + bx = 0 (ax + b)x = 0 Una solucin es x = 0 y la otra se obtiene resolviendo la ecuacin lineal ax + b = 0. Por ejemplo: 3x2 + 5x = 0 (3x + 5)x = 0 3x + 5 = 0 x = 0, despejando x concluimos que las soluciones son) x = 0 y x = 5/3.

En el segundo caso, ax2 + c = 0 ax2 = c x2 = c/a

Por ejemplo: 3x2 - 17 = 0 3x2 = 17 Resolucin de ecuaciones bicuadradas Se llama bicuadrada a una ecuacin polinmicas de cuarto grado que no tiene trminos de grado impar: ax4 + bx2 + c = 0 (1) Si se realiza el cambio de variable x2 = z, con lo cual x4 = z2, entonces se transforma en una ecuacin de segundo grado: az2 + bz + c = 0 (2) Cada una de sus soluciones puede dar lugar a dos, una o ninguna solucin de la ecuacin inicial. As, si z es solucin de la ecuacin (2), se verifica que: si z1 > 0 , entonces x1 = , x2 = son races de (1);

si z1 = 0 , tambin x1 = 0 es raz de (1); si z1 < 0 , x2 = z1 no da lugar a ninguna solucin real de x. Por ejemplo, la ecuacin bicuadrada: x4 - x2 12 = 0 se transforma, mediante el cambio de variable x2 = z, en la ecuacin de segundo grado: z2 z 12 = 0

Cuyas soluciones son Por tanto, las nicas races reales de la ecuacin son x1 = 2, x2 = 2. Resumiendo: las ecuaciones bicuadrticas cuya expresin es: ax4 + bx2 + c =

0 , se pueden obtener hasta cuatro resultados aplicando: Sistema de ecuaciones: Conjunto de ecuaciones cuyas soluciones comunes se pretende hallar. Para indicar que varias ecuaciones forman un sistema, se abarca el conjunto de todas ellas con una llave. Las ecuaciones de un sistema suelen tener dos o ms incgnitas, por lo que cada una de ellas puede tener infinitas soluciones. Se llama solucin del sistema a una solucin comn a todas las ecuaciones que lo forman. Resolver un sistema de ecuaciones es hallar todas sus soluciones o concluir que no tiene solucin. Si dos sistemas de ecuaciones tienen las mismas soluciones o ambos carecen de solucin, se dice que son equivalentes. Los sistemas de ecuaciones sin solucin se llaman incompatibles y los que tienen solucin, compatibles. Por ejemplo, el sistema formado por las ecuaciones 2 x = 10 se expresa as y = 16 y 4x + y

La solucin de este sistema es x = 3, y = ecuaciones. Es, por tanto, un sistema compatible.

solucin de ambas

El sistema

es incompatible, pues no tiene solucin.

Los sistemas de ecuaciones lineales son especialmente interesantes por las

mltiples aplicaciones que tienen en diversas ciencias. Sistemas de Ecuaciones Lineales: Una ecuacin con varias incgnitas es lineal si es de la forma ax + by = c, ax + by + cz = d,, es decir, si las incgnitas aparecen sin exponentes (elevadas a 1). Un sistema de ecuaciones lineales compatible, o bien tiene solucin nica (es determinado), o tiene infinitas soluciones (es indeterminado). Existen varios mtodos elementales para resolver sistemas de ecuaciones: el mtodo de sustitucin, el mtodo de igualacin y el mtodo de reduccin. A continuacin se aplican en la resolucin de sistemas de dos ecuaciones con dos incgnitas. El mtodo de sustitucin consiste en despejar una de las incgnitas en una de las ecuaciones y sustituir su expresin en la otra, la cual se transformar en una ecuacin con una incgnita que se puede resolver. Una vez conocido el valor de dicha incgnita se obtiene, de inmediato, el valor de la otra.

Para resolver el sistema por el mtodo de sustitucin conviene despejar la y de la segunda ecuacin: y = 10 4x (ahora se sustituye su val x 4x) = 16

Se resuelve la ecuacin resultante, pues slo tiene una incgnita: 2x 50 + 20x x x = 66 : 22 = 3

Ahora el valor de x se sustituye en la expresin de y obtenida antes: y = 10 4x = 10 4 3 = 10 12 = 2 Se ha obtenido as la solucin x = 3, y = 2. El mtodo de igualacin consiste en despejar la misma incgnita en las dos ecuaciones e igualar sus expresiones, obteniendo as una ecuacin con una incgnita. Una vez resuelta se obtiene fcilmente el valor de la otra incgnita.

Para resolver por igualacin el sistema anterior, se puede despejar la x en ambas ecuaciones e igualar sus expresiones:

(despejamos x en cada una de las expresiones para igualarlas y, de esa manera, poder hallar el valor de y)

Por ltimo, se sustituye el valor de y en alguna de las expresiones de x:

Se ha obtenido la solucin x = 3, y = 2. El mtodo de reduccin consiste en procurar que una de las incgnitas tenga el mismo coeficiente en las dos ecuaciones para que, al restarlas miembro a miembro, se elimine dicha incgnita, dando lugar a una ecuacin con slo la otra incgnita. Se resuelve dicha ecuacin y el valor de la incgnita se sustituye en una de las ecuaciones primitivas, y con ello se puede obtener el valor de la otra incgnita. Para resolver por reduccin el mismo sistema:

se multiplican los dos miembros de la primera ecuacin por 2 con el fin de que el coeficiente de la x sea el mismo en ambas ecuaciones: 4x 10y = 32 y 4x + y = 10 Ahora, restando miembro a miembro se obtiene la ecuacin siguiente: 11y y = 22 : ( y = 2.

Y se sustituye en una de las ecuaciones iniciales: 2x 5( x x x=3

La solucin es x = 3, y = -2. Representacin grfica: La representacin de un sistema de dos ecuaciones lineales con dos incgnitas consiste en un par de rectas, si stas se cortan, el sistema es compatible determinado y las coordenadas del punto de corte son la solucin del sistema. Si las rectas son paralelas, el sistema es incompatible. Si las rectas son coincidentes (son la misma recta), el sistema es compatible indeterminado: sus soluciones son todos los puntos de la recta. Por ejemplo, el sistema de ecuaciones

Se trazan ambas rectas y el punto donde se cortan es la solucin del sistema.

El punto en que se cortan las rectas, (2,1), es la solucin del sistema: x = 2, y = 1. Una ecuacin lineal con tres incgnitas, ax + by + cz = d, se representa generalmente mediante un plano en un sistema de R 3. La representacin de un sistema de tres ecuaciones lineales con tres incgnitas consiste en tres planos cuya posicin relativa determina que el sistema sea compatible o incompatible. Si los tres planos se cortan en una recta, el sistema es compatible indeterminado, pues tiene infinitas soluciones. Si no se cortan (no existe ningn valor para x, y, z) el sistema es incompatible.

Si el sistema de ecuaciones con tres incgnitas puede ser representado por rectas en un espacio (por lo menos cuatro dimensiones), en ese caso si las tres se cortan en un punto el sistema es compatible determinado. (ver rectas paramtricas) Resolucin de ecuaciones racionales En este caso tenemos "fracciones" con polinomios. Se recomienda factoriar siempre el denominador para poder buscar el denominador comn y reducir la operacin a un polinomio (generalmente de primer o segundo grado) al que se lo resuelve como una ecuacin comn.

Pongamos un ejemplo:

Factoriamos lo que sea factoriable Como no se repite ningn binomio en la suma, tomamos ambos como "comn denominador". Se opera igual que una suma de fracciones, se divide (x x + 1) por cada uno de los denominadores y el resultado se lo multiplica por el numerador. Se simplifican los denominadores quedando una ecuacin lineal. Se despeja x.

Resolucin logartmicas

de

ecuaciones

exponenciales

En este tipo de ecuaciones se debe tener presentes las propiedades de logaritmos ya que las funciones exponenciales y logartmicas son inversas una de otras. Ecuacin exponencial: Aplicamos logaritmo a ambos miembros de la ecuacin. Al resolverse el logaritmo queda una ecuacin la que puede ser lineal o cuadrtica. De ser cuadrtica se aplica la ecuacin para resolverla. En este caso es lineal as que se despeja x. Ecuacin logartmica: Aplicamos definicin de logaritmo. Como no hay ningn nmero que indique la base del logaritmo, la base es 10. Por definicin, el resultado del logaritmo es la potencia, as que queda 102. Al quedar una ecuacin se despeja x.

Resolver los siguientes reactivos

1) resolver el siguiente producto (x+1)(x+2)

a)

x 2 3x 2 x 2 3x 2 3x 2 3x 2 x 2 3x 2 x 2 3x 2 4 x 2 3x 2

b)

c)

d)

e)

e)

2) resolver el siguiente producto

(x+1)(x+3)

a)

x 2 3x 2 3x 2 3x 6
4x2 4x 8 x 2 3x 2 x 2 3x 2

b)

c)

d)

e)

3) resolver el siguiente producto

(x+1)(x+4)

a)

x2 4x 3

b)

4x2 6x 3 5x 2 4 x 5 x2 4x 3 x2 4x 3

c)

d)

e)

4) resolver el siguiente producto

(x+1)(x+5)

a)

x2 6x 5 2x2 4x 3

b)

c)

3x 2 8x 15 x2 6x 5 x2 6x 5

d)

e)

5) Resolver el siguiente producto

(x+1)(x+6)

a)

x2 7x 6 2 x 2 8x 9
3x 2 10x 5 x2 7x 5 x2 7x 6

b)

c)

d)

e)

UNIDAD II. MATRICES Y DETERMINANTES.

2.1 Definicin de matriz, notacin y orden. DEFINICION: Se llama MATRIZ a todo cuadro de nmeros distribuidos en filas y columnas. Las matrices aparecen por primera vez hacia el ao 1850, introducidas por J.J. Sylvester. El desarrollo inicial de la teora se debe al matemtico W.R. Hamilton en 1853. En 1858, A. Cayley introduce la notacin matricial como una forma abreviada de escribir un sistema de m ecuaciones lineales con n incgnitas. Los trminos horizontales son las filas de la matriz y los verticales son sus columnas. Una matriz con m filas y n columnas se denomina matriz m por n, o matriz m n. Las matrices se denotarn usualmente por letras maysculas, A, B,..., y los elementos de las mismas por minsculas, a, b, ... Ejemplo: donde sus filas son (1, -3, 4) y (0, 5, -2) y sus

CLASES DE MATRICES Segn el aspecto de las matrices, stas pueden clasificarse en: =Matrices cuadradas = Una matriz cuadrada es la que tiene el mismo nmero de filas que de columnas. Se dice que una matriz cuadrada n n es de orden n y se denomina matriz ncuadrada. Ejemplo: Sean las matrices Entonces, A y B son matrices cuadradas de orden 3 y 2 respectivamente. =Matriz identidad=

Sea A = (ai j ) una matriz n-cuadrada. La diagonal (o diagonal principal) de A consiste en los elementos a11, a22,..., ann. La traza de A, escrito trA, es la suma de los elementos diagonales. La matriz n-cuadrada con unos en la diagonal principal y ceros en cualquier otra posicin, denotada por I, se conoce como matriz identidad (o unidad). Para cualquier matriz A, A I = I A = A.

=Matrices triangulares= Una matriz cuadrada A = (ai j ) es una matriz triangular superior o simplemente una matriz triangular, si todas las entradas bajo la diagonal principal son iguales a cero. As pues, las matrices son matrices triangulares superiores de rdenes 2, 3 y 4. =Matrices diagonales= Una matriz cuadrada es diagonal, si todas sus entradas no diagonales son cero o nulas. Se denota por D = diag (d11, d22, ..., dnn ). Por ejemplo, son matrices diagonales que pueden representarse, respectivamente, por diag(3,-1,7) diag(4,-3) y diag(2,6,0,-1). =Traspuesta de una matriz= La traspuesta de una matriz A consiste en intercambiar las filas por las columnas y se denota por AT. As, la traspuesta de

En otras palabras, si A = (ai j ) es una matriz m n, entonces AT = (aTij) es la matriz n m. La trasposicin de una matriz cumple las siguientes propiedades: (A + B)T = AT + BT. (AT)T = A. (kA)T = kAT (si k es un escalar). (AB)T = BTAT. =Matrices simtricas=

Se dice que una matriz real es simtrica, si AT = A; y que es antisimtrica, si AT = -A. Ejemplo: Consideremos las siguientes matrices: Podemos observar que los elementos simtricos de A son iguales, o que AT = A. Siendo as, A es simtrica. Para B los elementos simtricos son opuestos entre s, de este modo B es antisimtrica. A simple vista, C no es cuadrada; en consecuencia, no es ni simtrica ni antisimtrica. =Matrices ortogonales= Se dice que una matriz real A es ortogonal, si AAT = AT A = I. Se observa que una matriz ortogonal A es necesariamente cuadrada e invertible, con inversa A-1 = AT. Consideremos una matriz 3x3 arbitraria:

Si A es ortogonal, entonces:

=Matrices normales= Una matriz es normal si conmuta con su traspuesta, esto es, si AAT = ATA. Obviamente, si A es simtrica, antisimtrica u ortogonal, es necesariamente normal. Ejemplo:

=Matriz numrica= Conjunto de nmeros colocados en filas y en columnas.

=Matriz de orden (m,n)= Conjunto de nmeros reales, dispuestos en filas m, i en columnas n. Cada uno de los nmeros que consta la matriz es un elemento, que se distingue entre los otros, por su posicin. =Subndices= Cada elemento tiene unos subndices que sirven para indicar su posicin dentro de la matriz. El primer indica la fila, y el segunda indica la columna. =Orden de la matriz= El nmero de filas y columnas de una matriz determina el orden de la matriz. El orden de la matriz est determinado por un par de nmeros naturales; m y n. Las filas son los nmeros dispuestos en m horizontales. En el ejemplo, la primera fila estara formada por los nmeros [1 2 3]. Las columnas son los nmeros dispuestos en n verticales. En el ejemplo, la primera columna estara formada por los nmeros [1 1 4 6]. Una matriz de orden (m,n) es el conjunto de nmeros dispuestos en m filas y n columnas. Siguiendo el mismo ejemplo, vemos que es una matriz 4x3. Se clasifica as porque la matriz contiene 4 filas y 3 columnas. Si queremos sealar un elemento de la matriz, estos se distinguen por su posicin, la cual queda definida por su fila y su columna. Por ejemplo, si queremos dar la posicin del nmero 7 (figura 1.1), sera de la siguiente forma: am,n es a2,3; m indica la fila en la cual se encuentra el nmero. Pasa exactamente lo mismo n, que indica la columna en la que se encuentra.

2.2 Operaciones con matrices.

=Suma= Las matrices se pueden sumar y restar entre s, con la condicin que sean del mismo orden. La suma se obtiene sumando los elementos de dos matrices que pertenecen a la misma fila y a la misma columna. Dada las matrices A y B del mismo orden, la matriz sumante se obtiene sumando cada trmino de A correspondiente en B: =Propiedades de la suma= Asociativa: (A+B)+C = A + (B+C) Conmutativa: A + B= B + A Elemento neutro: A + 0 = A Elemento simtrico: A - B = A + ( - B ) =Producto por un escalar= Con un nombre real k y la matriz A de orden (m,n), definimos el producto de K por A el producto de cada elemento que les forma cada uno. Igual que la siguiente forma: cuando K=2 =Propiedades del producto escalar= K (A + B) = kA + kB (k + h)A = kA + hA K (hA) = (kh) A 1A = A

2.3 Clasificacin de las matrices. =Triangular superior= En una matriz triangular superior los elementos situados por debajo de la diagonal principal son ceros. =Triangular inferior= En una matriz triangular inferior los elementos situados por encima de la diagonal principal son ceros. =Diagonal= En una matriz diagonal todos los elementos situados por encima y por debajo de la diagonal principal son nulos. =Escalar= Una matriz escalar es una matriz diagonal en la que los elementos de la diagonal principal son iguales. =Identidad= Una matriz identidad es una matriz diagonal en la que los elementos de la diagonal principal son iguales a 1. =Potencia= Se llama potencia k-sima de una matriz cuadrada A, donde k OE , un entero positivo, al producto de A por s misma, repetido k veces. Ak =AAA......k veces...... A Se conviene en que: A- k = (A- 1) k " k OE A0 = I =Traspuesta= Dada una matriz A, se llama matriz traspuesta de A a la matriz que se obtiene cambiando ordenadamente las filas por las columnas (At)t = A (A + B)t = At + Bt

( A)t = At (A B)t = Bt At =Simtrica= Una matriz simtrica es una matriz cuadrada que verifica: A = At. =Anti simtrica= Una matriz anti simtrica o hemisimtrica es una matriz cuadrada que verifica: A = -At. =Compleja= Sus elementos son nmeros complejos aij e =Conjugada= Matriz conjugada de una matriz A Aquella que se obtiene sustituyendo cada elemento por su complejo conjugado (igual parte real, pero la parte imaginaria cambiada de signo). =Hermitiana o hermitica= Una matriz Hermitiana (o hermitica) es una matriz cuadrada de elementos complejos que tiene la caracterstica de ser igual a su propia traspuesta conjugada. Es decir, el elemento en la i-sima fila y j-sima columna es igual al conjugado del elemento en la j-sima fila e i-sima columna, para todos los ndices i y j: o, escrita con la traspuesta conjugada A*: Por ejemplo,

es una matriz hermitica. =Antihermitiana= una Matriz Antihermitiana es una matriz cuadrada cuya traspuesta conjugada es menos la matriz. Esto es si satisface a la relacin: A * = -A o en su forma componente, si (A = ai,j): Para toda la i y la j. =Ortogonal=

Una matriz ortogonal es necesariamente cuadrada e invertible: A-1 = AT La inversa de una matriz ortogonal es una matriz ortogonal. El producto de dos matrices ortogonales es una matriz ortogonal. El determinante de una matriz ortogonal vale +1 -1.

2.4 Transformaciones elementales por rengln. Escalonamiento de una matriz. Rango de una matriz. La idea que se persigue con las transformaciones elementales es convertir una matriz concreta en otra matriz ms fcil de estudiar. En concreto, siempre ser posible conseguir una matriz escalonada, en el sentido que definimos a continuacin. Sea A una matriz y F una fila de A. Diremos que F es nula si todos los numeros de F coinciden con el cero. Si F es no nula, llamamos PIVOTE de F al primer numero distinto de cero de F contando de izquierda a derecha. Una MATRIZ ESCALONADA es aquella que verifica las siguientes propiedades: Todas las filas nulas (caso de existir) se encuentran en la parte inferior de la matriz. El pivote de cada fila no nula se encuentra estrictamente mas a la derecha que el pivote de la fila de encima. Por ejemplo, entre las matrices: A no es escalonada, mientras que B y C si lo son. Dada una matriz escalonada E se define el RANGO de E, que representamos por rg (E), como el numero de filas no nulas de E. En los ejemplos B y C de arriba se tiene rg (B) = rg(C) = 2, sin embargo no podemos decir que rg(A) = 3 ya que A no est escalonada. Otro ejemplo, las matrices nulas tienen rango cero y la matriz identidad de orden n cumple rg (In) = n. La siguiente cuestin que abordaremos es la definicin de rango para una matriz cualquiera que no est escalonada. La idea ser la de transformar la matriz dada en otra que sea escalonada mediante las llamadas transformaciones elementales por filas que describimos a continuacin. Dada una matriz A cualquiera, las TRANSFORMACIONES ELEMENTALES por filas de A son tres: Intercambiar la posicin de dos filas. Multiplicar una fila por un nmero real distinto de cero.

Sustituir una fila por el resultado de sumarle a dicha fila otra fila que ha sido previamente multiplicada por un nmero cualquiera. Nota: Anlogamente podramos hacerlo todo por columnas; sin embargo, son las transformaciones por filas las que son importantes en los sistemas de ecuaciones lineales que estudiaremos despus. El siguiente resultado nos garantiza que siempre podemos transformar una matriz cualquiera en otra escalonada. =Teorema= A partir de cualquier matriz A se puede llegar, mediante una cantidad finita de transformaciones elementales, a una matriz escalonada E. Veamos en un ejemplo cmo se hace. Obsrvese que, primero, hacemos que la componente (1,1) de la matriz de partida sea igual a uno. Luego, se hace que el resto de componentes de la primera columna sean cero. Despus se pasa a la componente (2,2), y as sucesivamente. El teorema anterior nos permite hacer una definicin importante: Dada una matriz A cualquiera se define el RANGO de A y lo denotamos rg(A) como el rango de cualquier matriz escalonada E equivalente con A (se demuestra que este nmero no depende de la matriz escalonada E a la que se llegue). El rango siempre es un nmero menor o igual que el nmero de filas y el nmero de columnas de A. Adems, el rango es cero si y slo si A = 0. En nuestro ejemplo de antes, el rango es 3. EJEMPLO

Ra ngo de una matri z

Ra ngo de una ma tri z : e s e l n m ero d e ln e a s de esa m a t riz (f ila s o co lum n a s) qu e so n line a lme n te in de p en die n t e s. Un a ln e a e s l i nea l me nte de pe ndie nte d e o t ra u otra s cu a nd o se p ue d e e st a b le ce r u na co m b in a cin lin e al e n t re e lla s.

Un a ln e a e s l i ne al me nte i nde pe ndie nte d e o t r a u o t ra s cu a nd o n o se p u ed e e st ab le ce r u n a co mb in a ci n linea l e nt re e lla s. E l ra n go d e u na ma t riz A se sim bo liza : ra ng( A) o r( A ). T am b i n po de mo s d e cir qu e e l ran go e s: e l orde n de l a m a yor s ubma tri z c ua dra da no nul a . Ut ili za n d o e sta d ef in ici n se p u ede ca lcu la r e l ra n go u sa nd o d e te rm inan t e s. S e p u ed e ca lcu la r e l ra n go d e u n a ma t riz p o r d o s m to d o s:

C l c ul o del ra ngo de una ma tri z por e l m todo de G aus s P o d emo s d e sca rt ar u n a ln e a si: T od o s su s coef icien t e s so n ce ro s. Ha y d o s ln e a s igu a le s. Un a ln e a e s p ropo rcio n a l a o t ra . Un a ln e a e s com bin a ci n line a l de ot ra s.

F3 = 2F1 F 4 e s n u la F5 = 2F2 + F1 r ( A) = 2 .

E n ge ne ra l c ons is te e n ha ce r nul as e l mx i mo nme ro de l ne a s pos i bl e, y e l ra ngo s e r e l nme ro de fi l a s no nul a s .

F2 = F2 - 3F1 F3 = F3 - 2F1

P o r t an t o r( A) = 3 . Ra ngo de una matri z

E s e l nme ro de fi l as o c olumna s li ne a lmente i nde pe ndi e nte s , u t iliza n d o e st a def in ici n se p ue d e ca lcu la r u sa nd o e l m t od o d e Ga u ss. T am b i n po de mo s d e cir qu e e l ran go e s: e l orde n de l a m a yor s ubma tri z c ua dra da no nul a . Ut ili za n d o e sta d ef in ici n se p u ede ca lcu la r e l ra n go u sa nd o d e te rm inan t e s. C l c ul o del ra ngo de una ma tri z por de te rmi na ntes

1 . P ode mos des ca rta r una l ne a s i: Todos s us c oe fi c ie nte s s on c e ros . Ha y dos l ne a s i gua l e s . Una l ne a e s proporc i ona l a otra . Una l ne a e s c ombi na c i n l i ne a l de otra s .

S u p rim im o s la t erce ra co lu m na po rqu e e s co m b ina ci n lin e a l d e la s do s prim e ra s: c 3 = c 1 + c 2

2 . Comproba mos s i ti e ne ra ngo 1 , pa ra e l l o s e tie ne que c um pl i r que a l me nos un e l e me nto de l a ma tri z no s e a c e ro y por ta nto s u de termi na nte no se r nul o. |2 |=2 0 3 . Te ndr ra ngo 2 s i ex i s te a l guna s ubma tri z c ua dra da de orde n 2, ta l que s u de termi na nte no s ea nul o.

4 . Te ndr ra ngo 3 s i ex i s te a l guna s ubma tri z c ua dra da de orde n 3, ta l que s u de termi na nte no s ea nul o.

Co m o t o do s lo s d e t e rm in an t e s d e la s su b m at rice s son n u lo s n o t ien e ra ngo 3 , po r t a nt o r (B) = 2 . 5 . S i ti e ne ra ngo 3 y e x i s te a l guna s ub ma tri z de orde n 4 , c u yo de te rmi na nte no s e a nul o, te ndr ra ngo 4 . De e ste m ismo m od o se t ra b a ja pa ra com p rob a r si t ie n e ra n go su p e rio r a 4.

2.5 Clculo de la inversa de una matriz. Sabemos ya multiplicar matrices y hemos visto algunas de las propiedades de esta operacin. Recordemos, en primer lugar, que no siempre es posible efectuar la multiplicacin de dos matrices, y en segundo lugar, que aunque sea posible hacer esta multiplicacin, en general no es conmutativo, es decir AB es distinto de B*A. En el caso particular de que tratemos con matrices cuadradas del mismo orden A y B, es claro que podemos efectuar los productos AB y BA, que darn como resultado otra matriz del mismo orden, aunque, como ya se ha dicho, las matrices resultantes sern, en general, distintas. Sabemos tambin que el elemento neutro del producto de matrices es la matriz identidad In. Por analoga con el caso de los nmeros reales, podemos plantearnos la siguiente cuestin: Si tenemos un nmero real, por ejemplo el 2, podemos interesarnos en buscar el inverso del 2 para el producto, es decir un nmero real x tal que 2x = 1, el producto de 2 por x sea igual al elemento neutro, el 1. Evidentemente, en el caso de los nmeros reales es bien fcil despejar x para obtener, en nuestro caso, que x =12, es decir, el inverso de un nmero real es otro nmero que multiplicado por el da el elemento neutro, el 1. Todo nmero real, salvo el 0, tiene inverso. Trasladando esto a las matrices, nos podemos plantear si dada una matriz cuadrada A de orden n, cualquiera, existe su inversa X para el producto de matrices, tal que A X = In es decir, el producto de A por su inversa produce el

elemento neutro matricial, la matriz identidad In. Sin embargo, hay algunas diferencias con respecto al caso de los nmeros reales: No podemos despejar la matriz X del modo X = In A, porque no hemos definido la divisin de matrices. No todas las matrices cuadradas no nulas tienen matriz inversa (sea lo que sea, por analoga con los nmeros). Definamos, en primer lugar, el trmino de matriz inversa: Dada una matriz cuadrada de orden n , A, se dice que A es invertible (o que posee inversa o que es no singular o que es regular ), si existe otra matriz del mismo orden, denominada matriz inversa de A y representada por A1 y tal que: A * A1 = In y A1 * A = In Si A no tiene inversa, se dice que es singular o no invertible. Si una matriz tiene inversa, dicha matriz inversa es nica (slo hay una).

2.6 Definicin de determinante de una matriz.

El determinante de una matriz cuadrada es un nmero real cuya definicin exacta es bastante complicada. Por ello, definiremos primero el determinante de matrices pequeas, y estudiaremos mtodos y tcnicas para calcular determinantes en general. Solamente se puede calcular el determinante a matrices cuadradas.

En cuanto a la notacin, a veces el determinante se escribe con la palabra det, y otras veces se indica sustituyendo los parntesis de la matriz por barras verticales.

El determinante de una matriz determina si los sistemas son singulares o mal condicionados. En otras palabras, sirve para determinar la existencia y la unicidad de los resultados de los sistemas de ecuaciones lineales.

El determinante de una matriz es un nmero. Un determinante con valor de cero indica que se tiene un sistema singular. Un determinante con valor cercano a cero indica que se tiene un sistema mal condicionado.

Un sistema singular es cuando en el sistema de ecuaciones se tiene a ms de una ecuacin con el mismo valor de la pendiente. Por ejemplo ecuaciones que representan lneas paralelas o ecuaciones que coinciden en los mismos puntos de graficacin.

En un sistema mal condicionado es difcil identificar el punto exacto en que las lneas de las ecuaciones se interceptan.

2.7 Propiedades de los determinantes.

1.- |At|= |A| El determinante de una matriz A y el de su traspuesta At son iguales.

2.-|A|=0 Si: Posee dos lneas iguales

Todos los elementos de una lnea son nulos.

Los elementos de una lnea son combinacin lineal de las otras.

F3 = F1 + F2 3.-Un determinante triangular es igual al producto de los elementos de la diagonal principal

4.-Si en un determinante se cambian entre s dos lneas paralelas su determinante cambia de signo.

5.-Si a los elementos de una lnea se le suman los elementos de otra paralela multiplicados previamente por un n real el valor del determinante no vara.

6.-Si se multiplica un determinante por un nmero real, queda multiplicado por dicho nmero cualquier lnea, pero slo una.

7.-Si todos los elementos de una fila o columna estn formados por dos sumandos, dicho determinante se descompone en la suma de dos determinantes.

8.-|AB| =|A||B| El determinante de un producto es igual al producto de los determinantes.

2.8 Inversa de una matriz cuadrada a travs de la adjunta. Sea A una matriz de nxn. Entonces A es invertible si y solo si detA0. Si detA0, entonces

Si detA0, entonces se demuestra que (1/detA)(adjA) es la inversa de A multiplicndola por A y obteniendo la matriz identidad:

Si AB=I, entonces B=A-1. As, (1/detA)adjA=A-1

2.9 Aplicacin de matrices y determinantes. Las matrices se utilizan en el contexto de las ciencias como elementos que sirven para clasicar valores numricos atendiendo a dos criterios o variables.

Ejemplo: Un importador de globos los importa de dos colores, naranja (N) y fresa (F). Todos ellos se envasan en paquetes de 2, 5 y 10 unidades, que se venden al precio (en euros) indicado por la tabla siguiente:

Sabiendo que en un ao se venden el siguiente nmero de paquetes:

Resumir la informacion anterior en 2 matrices A y B, de tamao respectivo 2x3 y 3x2 que recojan las ventas en un ao (A) y los precios (B). Nos piden que organicemos la informacin anterior en dos matrices de tamao concreto. Si nos jamos en las tablas, es sencillo obtener las matrices:

Estas matrices se denominan matrices de informacin, y simplemente recogen los datos numricos del problema en cuestin. Otras matrices son las llamadas matrices de relacin, que indican si ciertos elementos estn o no relacionados entre s. En general, la existencia de relacin se expresa con un 1 en la matriz y la ausencia de dicha relacion de expresa con un 0. Estas matrices se utilizan cuando queremos trasladar la informacin dada por un grafo y expresarla numricamente.

En Matemticas, un grafo es una coleccin cualquiera de puntos conectados por lneas. Existen muchos tipos de grafos. Entre ellos, podemos destacar: Grafo simple: Es el grafo que no contiene ciclos, es decir, lneas que unan un punto consigo mismo, ni lneas paralelas, es decir, lneas que conectan el mismo par de puntos. Grafo dirigido: Es el grafo que indica un sentido de recorrido de cada lnea, mediante una echa. Estos tipos de grafo pueden verse en la gura:

Relacionadas con los grafos se pueden denir algunas matrices. Entre todas ellas, nosotros nos jaremos en la llamada matriz de adyacencia, que es aquella formada por ceros y unos exclusivamente, de tal forma que: un 1 en el lugar (i,j) expresa la posibilidad de ir desde el punto de la la i hasta el punto de la columna j mediante una linea que los una directamente. un 0 en el lugar (i,j) expresa la imposibilidad de ir del primer punto al segundo mediante una linea que los una directamente. La matriz de adyacencia del grafo dirigido de la gura a nterior ser:

UNIDAD III.SISTEMAS DE ECUACIONES LINEALES 3.1 Definicin de sistemas de ecuaciones lineales. En matemticas y lgebra lineal, un sistema de ecuaciones lineales, tambin conocido como sistema lineal de ecuaciones o simplemente sistema lineal, es un conjunto de ecuaciones lineales (es decir, un sistema de ecuaciones en donde cada ecuacin es de primer grado), definidas sobre un cuerpo o un anillo conmutativo. Un ejemplo de sistema lineal de ecuaciones sera el siguiente:

El problema consiste en encontrar los valores desconocidos de las variables x1, x2 y x3 que satisfacen las tres ecuaciones. El problema de los sistemas lineales de ecuaciones es uno de los ms antiguos de la matemtica y tiene una infinidad de aplicaciones, como en procesamiento digital de seales, anlisis estructural, estimacin, prediccin y ms generalmente en programacin lineal as como en la aproximacin de problemas no lineales de anlisis numrico. En general, un sistema con m ecuaciones lineales y n incgnitas puede ser escrito en forma normal como:

Donde

son las incgnitas y los nmeros

son los coeficientes

del sistema sobre el cuerpo . Es posible reescribir el sistema separando con coeficientes con notacin matricial:

Si representamos cada matriz con una nica letra obtenemos: Donde A es una matriz m por n, x es un vector columna de longitud n y b es otro vector columna de longitud m. El sistema de eliminacin de Gauss-Jordan se aplica a este tipo de sistemas, sea cual sea el cuerpo del que provengan los coeficientes. 3.2 Clasificacin de los sistemas de ecuaciones lineales y tipos de solucin. = Clasificacin = Podemos clasificar los sistemas de ecuaciones lineales segn su nmero de soluciones de la siguiente forma: Sistemas con una solucin: Las ecuaciones del sistema son rectas secantes. Se cortan en un punto (x, y) que es la solucin del sistema Sistemas sin solucin: Las ecuaciones del sistema son rectas paralelas. No tienen ningn punto en comn, y por tanto no hay solucin Sistemas con infinitas soluciones: Las ecuaciones del sistema son rectas coincidentes. Tienen todos los puntos en comn, y por tanto todos ellos son solucin Condiciones que deben cumplir las ecuaciones para que el sistema tenga una, ninguna o infinitas soluciones: Una solucin: Los coeficientes de x e y de las dos ecuaciones no son proporcionales. Ejemplo: Ninguna solucin: Los coeficientes de x e y de una ecuacin son proporcionales a los de la otra, mientras que los trminos independientes no lo son. Ejemplo: Infinitas soluciones: Los coeficientes de x e y, y el trmino independiente de una ecuacin, son proporcionales a los de la otra. Ejemplo:

=Tipos de Solucin= =Sustitucin= El mtodo de sustitucin consiste en despejar en una de las ecuaciones cualquier incgnita, preferiblemente la que tenga menor coeficiente, para, a continuacin, sustituirla en otra ecuacin por su valor. En caso de sistemas con ms de dos incgnitas, la seleccionada debe ser sustituida por su valor equivalente en todas las ecuaciones excepto en la que la hemos despejado. En ese instante, tendremos un sistema con una ecuacin y una incgnita menos que el inicial, en el que podemos seguir aplicando este mtodo reiteradamente. Por ejemplo, supongamos que queremos resolver por sustitucin este sistema:

En la primera ecuacin, seleccionamos la incgnita y por ser la de menor coeficiente y que posiblemente nos facilite ms las operaciones, y la despejamos, obteniendo la siguiente ecuacin.

El siguiente paso ser sustituir cada ocurrencia de la incgnita y en la otra ecuacin, para as obtener una ecuacin donde la nica incgnita sea la x. Al resolver la ecuacin obtenemos el resultado x=5, y si ahora sustituimos esta incgnita por su valor en alguna de las ecuaciones originales obtendremos y=7, con lo que el sistema queda ya resuelto. =Igualacin= El mtodo de igualacin se puede entender como un caso particular del mtodo de sustitucin en el que se despeja la misma incgnita en dos ecuaciones y a continuacin se igualan entre s la parte derecha de ambas ecuaciones. Tomando el mismo sistema utilizado como ejemplo para el mtodo de sustitucin, si despejamos la incgnita en ambas ecuaciones nos queda de la siguiente manera:

Como se puede observar, ambas ecuaciones comparten la misma parte izquierda, por lo que podemos afirmar que las partes derechas tambin son iguales entre s.

Una vez obtenido el valor de la incgnita x, se substituye su valor en una de las ecuaciones originales, y se obtiene el valor de la y. La forma ms fcil de tener el mtodo de sustitucin es realizando un cambio para despejar x despus de averiguar el valor de la y. =Reduccin= Este mtodo suele emplearse mayoritariamente en los sistemas lineales, siendo pocos los casos en que se utiliza para resolver sistemas no lineales. El procedimiento, diseado para sistemas con dos ecuaciones e incgnitas, consiste en transformar una de las ecuaciones (generalmente, mediante productos), de manera que obtengamos dos ecuaciones en la que una misma incgnita aparezca con el mismo coeficiente y distinto signo. A continuacin, se suman ambas ecuaciones producindose as la reduccin o cancelacin de dicha incgnita, obteniendo as una ecuacin con una sola incgnita, donde el mtodo de resolucin es simple. Por ejemplo, en el sistema:

no tenemos ms que multiplicar la primera ecuacin por -2 para poder cancelar la incgnita y. Al multiplicar, dicha ecuacin nos queda as:

Si sumamos esta ecuacin a la segunda del sistema original, obtenemos una nueva ecuacin donde la incgnita y ha sido reducida y que, en este caso, nos da directamente el valor de la incgnita x:

El siguiente paso consiste nicamente en sustituir el valor de la incgnita x en cualquiera de las ecuaciones donde aparecan ambas incgnitas, y obtener as que el valor de y es igual a:

=Mtodo Grfico= Consiste en construir la grfica de cada una de las ecuaciones del sistema. El mtodo (manualmente aplicado) solo resulta eficiente en el plano cartesiano, es decir para un espacio de dimensin 2. El proceso de resolucin de un sistema de ecuaciones mediante el mtodo grfico se resuelve en los siguientes pasos: Se despeja la incgnita (y) en ambas ecuaciones. Se construye para cada una de las dos ecuaciones de primer grado obteniendo la tabla de valores correspondientes. Se representan grficamente ambas rectas en los ejes coordenados. En este ltimo paso hay tres posibilidades: Si ambas rectas se cortan, las coordenadas del punto de corte son los nicos valores de las incgnitas (x,y). "Sistema compatible determinado". Si ambas rectas son coincidentes, el sistema tiene infinitas soluciones que son las respectivas coordenadas de todos los puntos de esa recta en la que coinciden ambas. Sistema compatible indeterminado. Si ambas rectas son paralelas, el sistema no tiene solucin. =Mtodo de Gauss= La eliminacin de Gauss-Jordan, ms conocida como mtodo de Gauss, es un mtodo aplicable nicamente a los sistemas lineales de ecuaciones, y consistente en triangular la matriz aumentada del sistema mediante transformaciones elementales, hasta obtener ecuaciones de una sola incgnita, cuyo valor ser igual al coeficiente situado en la misma fila de la matriz. Este procedimiento es similar al anterior de reduccin, pero ejecutado de manera reiterada y siguiendo un cierto orden algortmico. El Mtodo de Gauss consiste en convertir un sistema normal de 3 ecuaciones con 3 incognitas en uno escalonado, en la que la primera ecuacin tiene 3 incgnitas, la segunda ecuacin tiene 2 incgnitas, y la tercera ecuacin tiene 1 incgnita. De

esta forma ser fcil a partir de la ltima ecuacin y subiendo, calcular el valor de las tres incgnitas. En primer lugar, reducimos la incgnita x, sumando a la segunda fila, la primera multiplicada por 2/3, y a la tercera, la primera fila. La matriz queda as:

El siguiente paso consiste en eliminar la incgnita y en la primera y tercera fila, para lo cual les sumamos la segunda multiplicada por -2 y por -4, respectivamente.

Por ltimo, eliminamos la z, tanto de la primera como de la segunda fila, sumndoles la tercera multiplicada por -2 y por 1/2, respectivamente:

Llegados a este punto podemos resolver directamente las ecuaciones que se nos plantean:

O, si lo preferimos, podemos multiplicar las tres filas de la matriz por: 1/2, 2 y 1 respectivamente, y obtener as automticamente los valores de las incgnitas en la ltima columna.

Pongamos un ejemplo del clculo de un sistema de ecuaciones por el mtodo de Gauss: Se renen 30 personas entre hombres, mujeres y nios. Se sabe que entre los hombres y el triple de mujeres exceden en 20 el doble de los nios. Tambin se sabe que entre hombres y mujeres se duplican al nmero de nios. Plantear y resolver el sistema de ecuaciones .x=nmero de hombres; y=nmero de mujeres; y z=nmero de nios. Se renen 30 personas entre hombres, mujeres y nios: x + y + z=30. Se sabe que entre los hombres y el triple de mujeres

exceden en 20 el doble de los nios: x+3y=2z+20. Tambin se sabe que entre hombres y mujeres se duplican al nmero de nios: x+y=2z. Agrupando las tres ecuaciones tenemos el sistema, que ordenado resulta:

Aplicamos Gauss, restando la primera ecuacin a las dos siguientes:

En este caso en la tercera ecuacin se ha eliminado la y, por lo que no es necesario hacer ms operaciones. Por lo tanto obtenemos que z = 10 de la tercera ecuacin:

Sustituyendo z en la segunda ecuacin obtenemos que y = 10:

Sustituyendo z y en la primera ecuacin obtenemos x = 10.

Con lo que hemos obtenido el resultado del sistema:

=Mtodo de Cramer= La regla de Cramer da una solucin para sistemas compatibles determinados en trminos de determinantes y adjuntos dada por:

Donde Aj es la matriz resultante de remplazar la j-sima columna de A por el vector columna b. Para un sistema de dos ecuaciones y dos incgnitas:

La regla de Cramer da la siguiente solucin:

Nota: Cuando en la determinante original det(A) el resultado es 0, el sistema indica mltiples o sin coincidencia. 3.3 Interpretacin geomtrica de las soluciones. Cada ecuacin representa un plano en el espacio tridimensional. Luego se trata de estudiar la posicin relativa de tres planos en el espacio. Las soluciones del sistema son geomtricamente los puntos de interseccin de los tres planos, los casos son: =Un punto nico. Sistema compatible determinado.. Los tres planos se cortan en P.

=Una recta. Son soluciones todos los puntos representativos de la recta comn. Sistema compatible indeterminado con un grado de libertad. Los planos se cortan en r.

=Un plano. Los planos son coincidentes. El sistema es compatible indeterminado con dos grados de libertad. =Ningn punto. El sistema es incompatible. Esta situacin se presenta geomtricamente de distintas maneras. Para estudiar las posiciones relativas de los planos hay que tomarlos de dos en dos. =Se pueden presentar varios casos: Que los planos sean paralelos:

3.4 Mtodos de solucin de un sistema de ecuaciones lineales: Gauss, Gauss-Jordan, inversa de una matriz y regla de Cramer. MTODO DE RESOLUCIN DE GAUSS-JORDAN Es el mtodo de resolucin de sistemas de ecuaciones lineales, que consiste en llegar a un sistema "escalonado" transformando la matriz ampliada en una matriz escalonada por filas. El mtodo de Gauss es una generalizacin del mtodo de reduccin, que utilizamos para eliminar una incgnita en los sistemas de dos ecuaciones con dos incgnitas. Consiste en la aplicacin sucesiva del mtodo de reduccin, utilizando los criterios de equivalencia de sistemas, para transformar la matriz ampliada con los trminos independientes ( A* ) en una matriz triangular, de modo que cada fila (ecuacin) tenga una incgnita menos que la inmediatamente anterior. Se obtiene as un sistema, que llamaremos escalonado, tal que la ltima ecuacin tiene una nica incgnita, la penltima dos incgnitas, la antepenltima tres incgnitas, ..., y la primera todas las incgnitas. El siguiente esquema muestra cmo podemos resolver un sistema de ecuaciones lineales aplicando este mtodo.

Partimos, inicialmente, de un sistema de n ecuaciones lineales con n incgnitas, compatible determinado:

En primer lugar, aplicando sucesivamente el mtodo de reduccin, eliminamos en todas las ecuaciones, excepto en la primera, la incgnita x1, obtenindose un sistema equivalente:

En segundo lugar, aplicando nuevamente el mtodo de reduccin de forma sucesiva, eliminamos en todas las ecuaciones, excepto en las dos primeras, la incgnita x2, obtenindose un sistema equivalente:

Para resolverlo despejamos, en primer lugar, la nica incgnita de la ltima ecuacin. Luego sustituimos sta en la penltima ecuacin y despejamos la otra incgnita. Posteriormente, sustituimos dos de las tres incgnitas de la antepenltima ecuacin por sus valores y despejamos la que queda, y as sucesivamente hasta llegar a la primera ecuacin. Las transformaciones que podemos realizar en dicha matriz para transformar el sistema inicial en otro equivalente son las siguientes: Multiplicar o dividir una fila por un nmero real distinto de cero. Sumarle o restarle a una fila otra fila. Sumarle a una fila otra fila multiplicada por un nmero distinto de cero. Cambiar el orden de las filas. Cambiar el orden de las columnas que corresponden a las incgnitas del sistema, teniendo en cuenta los cambios realizados a la hora de escribir el nuevo sistema equivalente. Es decir: si, por ejemplo, la 2 columna

corresponde a la incgnita y y la tercera a la incgnita z, y cambiamos el orden de las columnas, ahora la 2 columna corresponde a la incgnita z y la tercera a la incgnita y. Eliminar filas proporcionales o que sean combinacin lineal de otras. Eliminar filas nulas (0 0 0... 0). Despus de realizar las transformaciones que se consideren pertinentes, se obtendr un sistema escalonado. Suponiendo que hubisemos eliminado, si las hubiera, las filas nulas (0 0 0... 0), que corresponden a ecuaciones del tipo 0 = 0, el sistema equivalente tendra ahora k ecuaciones lineales con n incgnitas. Analizando el sistema resultante, podemos efectuar su discusin del siguiente modo: Si alguna de las ecuaciones es del tipo 0 = b (siendo b distinto de cero), el sistema es incompatible y no tiene solucin. Si no hay ecuaciones del tipo 0 = b, y adems k = n, es decir, el nmero de ecuaciones del sistema equivalente es igual al nmero de incgnitas, el sistema es compatible determinado y, por lo tanto, tiene una nica solucin. Si no hay ecuaciones del tipo 0 = b y k < n, es decir, el nmero de ecuaciones es menor que el nmero de incgnitas, el sistema es compatible indeterminado y, en consecuencia, tiene infinitas soluciones. En este caso, tenemos que separar las incgnitas principales de las no principales. Pero, cules son las incgnitas principales? Se puede dar el siguiente criterio: Si el sistema es escalonado y tiene k ecuaciones, las k primeras incgnitas sern las principales y las n - k restantes sern las no principales que pasaremos al segundo miembro como parmetros.

MTODO DE RESOLUCIN DE CRAMER. REGLA DE CRAMER La regla de Cramer utiliza las propiedades de las matrices y sus determinantes para despejar, por separado, una cualquiera de las incgnitas de un sistema de ecuaciones lineales. REGLA DE CRAMER Un sistema de ecuaciones lineales recibe el nombre de sistema de Cramer cuando se cumplen las dos condiciones siguientes: El nmero de ecuaciones es igual al nmero de incgnitas. El determinante de la matriz de los coeficientes (matriz del sistema) es distinto de cero (det ( A ) 0)

Un sistema de Cramer es, por definicin, compatible determinado, puesto que se cumple que rango (A) = rango (A*) = n (n de incgnitas). Consideremos un sistema de Cramer, es decir, un sistema de n ecuaciones lineales con n incgnitas, cuya expresin general es la siguiente:

Sean A la matriz del sistema , entonces det (A) 0. Llamaremos matriz asociada a la incgnita xi y la designaremos por Ai a la matriz que se obtiene al sustituir en la matriz del sistema la columna i por la matriz columna de los trminos independientes. Es decir:

Todos los sistemas de Cramer son compatibles determinados. El valor de cada incgnita se obtiene dividiendo el determinante de la matriz asociada a dicha incgnita por la matriz del sistema (matriz de los coeficientes de las incgnitas).

Se puede aplicar la regla de Cramer para resolver sistemas de ecuaciones lineales compatibles que tengan ms ecuaciones que incgnitas? La respuesta es afirmativa. Basta con obtener un sistema equivalente al inicial eliminando las ecuaciones superfluas o dependientes (proporcionales, nulas o que sean combinacin lineal de otras).

El procedimiento a seguir es el siguiente: Supongamos que tenemos un sistema de m ecuaciones lineales con n incgnitas, siendo m > n y tal que: rango (A) = rango (A*) = n. Por lo tanto, sobran m - n ecuaciones. Para averiguar cules son las ecuaciones de las que podemos prescindir, basta encontrar en la matriz de los coeficientes (A) un menor de orden n distinto de cero, por ejemplo, el que utilizamos para averiguar el rango de la matriz A.

Las filas que intervienen en este menor son las que corresponden a las ecuaciones principales. Las restantes ecuaciones las podemos suprimir.

Ejemplo: Sea el sistema de ecuaciones lineales formado por dos ecuaciones con dos incgnitas:

Encontrar el valor de x e y mediante la regla de Cramer. Empezaremos con el primer paso, que consiste en hallar la matriz ampliada A b asociada al sistema de ecuaciones lineales:

El segundo paso es calcular el determinante de A. As pues:

Y el tercero y ltimo paso consiste en calcular las incgnitas:

MTODO DE LA MATRIZ INVERSA Consideremos un sistema de n ecuaciones lineales con n incgnitas, cuya expresin general es la siguiente:

Hemos visto que este sistema se puede escribir en forma matricial del siguiente modo: A X = B. La matriz A se llama matriz del sistema, es de dimensin n x n y sus elementos son los coeficientes de las incgnitas. La matriz X es una matriz columna, de dimensin n x 1, formada por las incgnitas del sistema. Por ltimo, la matriz B es otra matriz columna, de dimensin n x 1, formada por los trminos independientes. Es decir:

Si el determinante de la matriz A es distinto de cero (det (A) 0 ), la matriz A tiene inversa ( A-1 ). Por lo tanto, podemos calcular la matriz de las incgnitas X del siguiente modo:

Es decir, para calcular la matriz columna de las incgnitas ( X ), multiplicamos la inversa de la matriz A ( A-1 ) por la matriz columna de los trminos independientes, obtenindose otra matriz columna de la misma dimensin que X. Se puede aplicar el mtodo de la matriz inversa para resolver sistemas de ecuaciones lineales compatibles que tengan ms ecuaciones que incgnitas? La respuesta es afirmativa. Basta con obtener un sistema equivalente al inicial eliminando las ecuaciones superfluas o dependientes (proporcionales, nulas o que sean combinacin lineal de otras).

El procedimiento a seguir es el siguiente: Supongamos que tenemos un sistema de m ecuaciones lineales con n incgnitas, siendo m > n y tal que: rango (A) = rango (A*) = n. Por lo tanto, sobran m - n ecuaciones. Para averiguar cules son las ecuaciones de las que podemos prescindir, basta encontrar en la matriz de los coeficientes ( A ) un menor de orden n distinto de cero, por ejemplo, el que utilizamos para averiguar el rango de la matriz A. Las filas que intervienen en este menor son las que corresponden a las ecuaciones principales. Las restantes ecuaciones las podemos suprimir. Se puede aplicar el mtodo de la matriz inversa para resolver sistemas de ecuaciones lineales compatibles indeterminados? La respuesta es tambin afirmativa. El procedimiento a seguir es el siguiente: Supongamos que tenemos un sistema de m ecuaciones lineales con n incgnitas, tal que: rango (A) = rango (A*) = k < n. Por lo tanto, sobran m - k ecuaciones y, adems, hay n - k incgnitas no principales. Para averiguar cules son las ecuaciones de las que podemos prescindir, y cules son las incgnitas no principales, basta encontrar en la matriz de los coeficientes ( A ) un menor de orden k distinto de cero, por ejemplo, el que utilizamos para averiguar el rango de la matriz A. Las filas que intervienen en este menor son las que corresponden a las ecuaciones principales o independientes. Las restantes ecuaciones las podemos suprimir. Las columnas que figuran en dicho menor corresponden a las incgnitas principales. Las incgnitas no principales las pasamos al otro miembro y pasan a formar un nico trmino junto con el trmino independiente. Se obtiene, de este modo, un sistema de k ecuaciones lineales con k incgnitas, cuyas soluciones van a depender de n - k parmetros (correspondientes a las incgnitas no principales). 3.5 Aplicaciones. =Fracciones parciales = Una tcnica muy conveniente utilizada en algunas tareas matemticas es aquella conocida como fracciones idea principal consiste en cambiar la forma que puede ser expresado un cociente entre polinomios a otra forma ms conveniente para cierto tipo de clculo. Ejemplo 4.1 Determine los valores de las constantes a y b para que satisfagan:

SOLUCIN

Ejemplo: (Forma dudosa) Determine los valores de las constantes a y b para que satisfagan:

SOLUCIN

= Determinacin de curvas = Un problema comn en diferentes reas es la determinacin de curvas. es decir el problema de encontrar la funcin que pasa por un conjunto de puntos. Usualmente se conoce la naturaleza de la funcin, es decir, se conoce la forma que debe tener la funcin. Por ejemplo, lnea recta, parbola o exponencial etc. Lo que se hace para resolver este tipo de problemas es describir la forma ms general de la funcin mediante parmetros constantes. Y posteriormente se determinan estos parmetros haciendo pasar la funcin por los puntos conocidos. Ejemplo: Determine la funcin cuadrtica que pasa por los puntos P (1, 4), Q(1, 2), y R(2, 3). Solucin La forma ms general de una cuadrtica es: f (x) = a x2 + b x + c donde los crecientes a, b, y c son constantes numricas. El problema consiste en determinar estos coecientes. As pues los parmetros a, b, y c se vuelven ahora las incgnitas. Y para poderlas determinar requerimos de ecuaciones o igualdades que deben satisfacer. Para determinar estas ecuaciones debemos usar los puntos.

Para que la funcin pase por el punto P (1, 4) se debe cumplir que f (x = 1) = 4, es decir, se debe cumplir: a (1)2 + b (1) + c = 4 es decir, se debe cumplir: a + b + c =4 Procediendo de igual manera con el punto Q(1, 2): formulamos la ecuacin: a b + c =2 y para R(2, 3): 4a + 2b + c = 3. Resumiendo para que la funcin f (x) = a x2 + b x + c pase por los puntos P , Q, y R deben cumplirse las ecuaciones: a+b+c=4 ab+c=2 4a + 2b + c = 3 La solucin a este sistema es: a = 2/3, b = 1, y c =11/3 La misma situacin presentada en el problema de las fracciones parciales que originaba un sistema inconsistente, se puede presentar en la determinacin de funciones. Y la conclusin es similar: si el sistema originado es inconsistente lo que se concluye es que no existe una funcin con esa forma general que pase exactamente por los puntos dados. =Balanceo de Reacciones Qumicas= Una aplicacin sencilla de los sistemas de ecuaciones se da en el balanceo de reacciones qumicas. La problemtica consiste en determinar el nmero entero de molculas que intervienen en una reaccin qumica cuidando siempre que el nmero de tomos de cada sustancia se preserve. Ejemplo Balancee la reaccin qumica: aCH4 + bO2=cCO2 + dH2O Solucin: Para determinar los coeficientes a, b, c, y d que representan el nmero de molculas de las sustancias en la reaccin debemos igualar el nmero de tomos en cada miembro: Por los tomos de carbono: a = c. Por los tomos de oxigeno: 2 b = 2 c + d. Por los tomos de hidrgeno: 4 a = 2 d Este sistema es consistente y origina infinitas soluciones. La frmula general para las soluciones queda: a = 1/2 d b=d c = 1/2 d

El valor ms pequeo de d que hace que los nmeros de molculas sean enteros positivos es d = 2: a = 1, b = 2, c = 1, y d = 2 =Aplicaciones a Manufactura= Ejemplo: Patito computers fabrica tres modelos de computadoras personales: can, clon, y lenta-pero-segura. Para armar una computadora modelo can necesita 12 horas de ensamblado, 2.5 para probarla, y 2 ms para instalar sus programas. Para una clon requiere 10 horas de ensamblado, 2 para probarla, y 2 para instalar programas. Y por ultimo, para una lenta-pero-segura requiere 6 para ensamblado, 1.5 para probarla, y 1.5 para instalar programas. Si la fbrica dispone en horas por mes de 556 para ensamble, 120 para pruebas, y 103 horas para instalacin de programas, cuntas computadoras se pueden producir por mes? Solucin En nuestro caso las incgnitas el nmero de cada tipo de computadora a producir: x = nmero de computadoras can y = nmero de computadoras clon z = nmero de computadoras lenta-pero-segura Para determinar las ecuaciones debemos utilizar los tiempos de ensamblado, pruebas, e instalacin de programas. Ensamblado: 556(total) = 12 x (can) + 10 y(clon) + 6 z(lenta) Pruebas: 120(total) = 2.5 x (can) + 2 y(clon) + 1.5 z(lenta) Instalacin de programas: 103(total) = 2 x(can) + 2 y(clon) + 1.5 z(lenta) Al resolver este sistema obtenemos: x = 34, y = 4, z = 18 Dado lo comn de las aplicaciones hacia el rea de manufactura, existe una forma simple de construir la matriz del sistema de ecuaciones que en general se trabaja como una tabla: En la ltima columna aparecen los recursos: un rengln para cada tipo de recursos y en cuya posicin final se pone el total de recursos disponibles. En las primeras columnas se colocan los objetos o modelos a ser ensamblados o construidos: en cada posicin se coloca el total de recursos que consume en forma unitaria cada tipo de objeto.

UNIDAD IV. ESPACIOS VECTORIALES 4.1 Definicin de espacio vectorial. Sean K un cuerpo dado y V un conjunto no vaco, con reglas de suma y producto por escalar que asigna a cada par u, vV una suma u+vV y a cada par uV, kK un producto kuV. V recibe el nombre de espacio vectorial sobre K (y los elementos de V se llaman vectores) si satisfacen los siguientes axiomas. [A1] para toda terna de vectores u, v, wV, (u+v)+w=u+(v+w). [A2] existe un vector en V, denotado por 0 y denominado el vector cero, tal que u+0=u para todo vector uV. [A3] para todo vector uV existe un nico vector en V, denotado por u, tal que u+(-u)=0. [A4] para todo par de vectores u, vV, u+v=v+u. [M1] para todo escalar kK y todo par de vectores u, vV, k(u+v)=ku+kv. [M2] para todo par de escalares a, bK y todo vector uV, (a+b)u=au+bu. [M3] para todo par de escalares a, bK y todo vector uV, (ab)u=a(bu). [M4] el escalar unidad 1K cumple 1u=u para todo vector uV. Los axiomas precedentes se desdoblan de forma natural en dos categoras. Los cuatro primeros ataen nicamente a la estructura aditiva de V y pueden resumirse diciendo que V es un grupo conmutativo bajo la suma. De ello se deriva que cualquier suma de vectores de la forma v1+v2++vm no requieren parntesis y no depende del orden de los sumandos, que el vector cero, 0, es nico, que el opuesto u de u es nico y que se verifica la ley de cancelacin; esto es, para tres vectores cualesquiera u, v, wV. U+w=v+w implica u=v. Asimismo, la resta se define segn u-v=u+(-v). Por otra parte, los cuatro axiomas restantes se refieren a la <<accin>> del cuerpo K sobre V. observece que la rotulacin de los axiomas refleja este desdoblamiento. Empleando estos axiomas adicionales probaremos las siguientes propiedades elementales de un espacio vectorial.

Teorema: sea V un espacio vectorial sobre un cuerpo K. 1. Para todo escalar kK y 0V, k0-0. 2. Para 0K y todo vector uV, 0u=0. 3. Si ku=0, donde kK y uV, entonces k=0 o u=0. 4. Para todo kK y todo uV, (-k)u=-ku.

4.2 Definicin de sub espacio vectorial y sus propiedades. Sea W un subconjunto de un espacio vectorial V sobre un cuerpo K. W se denomina un subespacio de V si es a su vez un espacio vectorial sobre K con respecto a las operaciones de V, suma vectorial y producto por un escalar. Un criterio simple para identificar subespacios es el siguiente. Teorema: supongamos que W es un subconjunto de un espacio vectorial V. entonces W es un subespacio de V si y solo si se cumple: 1. 0W 2. W es cerrado bajo la suma de vectores, es decir: para todo par de vectores u, vW, la suma u+vW. 3. W es cerrado bajo el producto por un escalar, esto es: para todo uW y para todo kK el mltiplo kuW.

Corolario: W es un subespacio de V si y solo si: 1. 0W. 2. au+bvW para todos los u, vW y a, bK.

Ejemplo: sean U y W sub espacios de un espacio vectorial V. probemos que la interseccin UW es tambin sub espacio de V. claramente, 0U y 0W, porque U y W son sub espacios, de donde 0UW. Supongamos ahora que u, vUW. entonces u, vU y u, vE y, dado que U y W son subespacios, u+v, kuU y u+v, kuW para cualquier escalar k. as u+v, kuUW y por consiguiente UW es un sub espacio de V. El resultado del ejemplo precedente se generaliza como sigue. Teorema: la interseccin de cualquier nmero de subespacios de un espacio vectorial V es un sub espacio de V. Recurdese que toda solucin de un sistema de ecuaciones lineales con n incgnitas AX=B puede verse como un punto en Kn y por tanto el conjunto solucin de tal sistema es un subconjunto de Kn. Supongamos que el sistema

homogneo, es decir, supongamos que el sistema tiene la forma AX=0. Denotemos por W su conjunto solucin. Como A0=0, el vector cero 0W adems, si u y v pertenecen a W, esto es, si u y v son soluciones de AX=0, necesariamente Au=0 y Av=0. Por esta razn, para todo par de escalares a y b en K, tendremos A (au+bv)=a Au + bAv=a0+b0=0+0=0. De esta manera, au + bv es tambin una solucin de AX=0 o, dicho de otro modo, au+bvW. En consecuencia, segn el corolario, hemos demostrado: Teorema: el conjunto solucin W de un sistema homogneo con n incgnitas AX=0 es un sub espacio de kn. Hacemos nfasis en que el conjunto solucin de un sistema inhomogneo AX=B no es sub espacio de Kn. De hecho, el vector cero, 0, no pertenece a dicho conjunto solucin.

4.3 Combinacin lineal. Independencia lineal. COMBINACIN LINEAL

Sean v1, v2, , vn, vectores en un espacio vectorial V. entonces cualquier vector de la forma: a1v1+a2v2++anvn, donde a1,a2,,an son escalares se denomina una combinacin lineal de v1, v2,,vn.

Una combinacin lineal en M23

Conjunto generador.

Se dice que los vectores v1, v2,, vn de un espacio vectorial V generan a V si todo vector en V se puede escribir como una combinacin lineal de los mismos. Es decir, para todo vV, existen escalares a1, a2,, an tales que

v=a1v1+a2v2++anvn Cuatro vectores que generan a M22

Espacio generado por un conjunto de vectores.

Sean v, v2, , vk, k vectores de un espacio vectorial V. el espacio generado por {v1, v2, , vk} es el conjunto de combinaciones lineales v1, v2, , vk. Es decir donde a1, a2,, ak, son escalares arbitrarios.

Teorema: si v1, v2, , vk son vectores en un espacio vectorial V, entonces gen{v1, v2, , vk} es un sub espacio de V.

Ejemplo: el espacio generado por dos vectores en R3

Sea v1=(2,-1,4) y v2=(4,1,6). Entonces H=gen{v1, v2}={v:v=a1(2,-1,4)+a2(4,1,6)}. Cul es la apariencia de H? si v=(x, y,z)H, entonces tiene x=2a1+4a 2, y=-a1+a2 y z=4a 1+6 2. Si se piensa que (x, y, z) esta fijo, entonces estas ecuaciones se pueden ver como un sistema de tres ecuaciones con tres incgnitas a1, a2. Este sistema se resuelve en la forma usual:

INDEPENDENCIA LINEAL En el estudio del algebra lineal, una de las ideas centrales es la de dependencia o independencia lineal de los vectores. En esta seccin se define el significado de independencia lineal y se muestra su relacin con la teora de sistemas homogneos de ecuaciones y determinantes.

Existe una relacin espacial entre los vectores , se puede apreciar que v2=2v1; o si se escribe esta ecuacin de otra manera. 2v1v2=0. En otras palabras, el vector cero se puede escribir como una combinacin no trivial de v1 y v2 (es decir, donde los coeficientes en la combinacin lineal no son ambos cero). Qu tienen de especial los

vectores ? La respuesta a esta pregunta es ms difcil a simple vista. Sin embargo, es sencillo verificar que v3=3v1+2v2; rescribiendo esto se obtiene .

Se ha escrito el vector cero como una combinacin lineal de v1, v2, y v3. Parece que los dos vectores de la ecuacin y los tres vectores de la otra ecuacin tienen

una relacin ms cercana que un par arbitrario de 2-vectores a una terna arbitraria de 3-vectores. En cada caso, se dice que los vectores son linealmente dependientes. En trminos generales, se tiene la importante definicin a continuacin presentada.

Definicin: sean v1, v2, , vn vectores en un espacio vectorial V. entonces se dice que lois vectores son linealmente dependientes si existen n escalares c1, c2, , cn no todos ceros tales que .

Si los vectores no son linealmente dependientes, se dice que son linealmente independientes. Para decirlo de otra forma, v1, v2,.., vn son linealmente independientes si la ecuacin c1v1+c2v2++cnvn=0 se cumple nicamente para c1=c2==cn=0. Son linealmente dependientes si el vector cero en V se puede expresar como una combinacin lienal de v1, v2,,vn con coeficientes no todos iguales a cero. Nota. Se dice que los vectores v1, v2,, vn son linealmente independientes (o dependientes), o que el conjunto de vectores {v1, v2 ,, vn} es linealmente independiente (o pendiente). Esto es, se usan las dos frases indistintivamente. Teorema: dependencia e independencia lineal

Dos vectores en un espacio vectorial son linealmente dependientes si y solo si uno de ellos es un mltiplo escalar del otro.

Demostracin: primero suponga que v2=cv1 para elgun escalar c0. Entonces cv1-v2=0 y v1 y v2 son linealmente dependientes. Por otro parte, suponga que v1 y v2 son linealmente dependientes. Entonces existen constantes c1 y c2 al menos uno distinto a cero, tales que c1v1+c2v2=0. Si c10, entonces dividiendo entre c1

se

obtiene

v1+(c2/c1)v2=0,

sea,

Es decir, v1 es un mltiplo escalar de v2. Si c1=0, entonces c20 y, por lo tanto, v2=0=0v1.

4.4 Base y dimensin de un espacio vectorial, cambio de base. Se ha visto en R2 conviene escribir vectores como una combinacin lineal de los

vectores

. En R3 se escribieron los vectores en trminos

de

Ahora

se

generalizara

esta

idea.

BASEUn conjunto finito de vectores

es una base para un

espacio vectorial V si Todo conjunto de n vectores linealmente independiente en Rn es una base en Rn.

En Rn se define Puesto que los vectores e, son las columnas d una matriz identidad (que tiene determinante 1), es un conjunto linealmente independiente y, por lo tanto, constituye una base en Rn. Esta base especial se denomina base canonica en Rn. Ahora se encontraran bases para otros espacios. EJEMPLO: base canonica para M22

Se a

vio

que

generan

, entonces es evidentemente que . As, estas cuatro matrices son linealmente independientes y forman una base para M 22, lo que se denomina base cononica para M22. TEOREMA: si conjunto nico de escalares es una base para V y si vV, entonces existe un tales que

Existe cuando menos un conjunto de dichos escalares porque genera a V. suponga entonces que v se puede escribir e dos maneras como una combinacin lineal de los vectores de la base. Es decir, suponga que

Sea dos bases para V. debe demostrarse que m=n. esto se prueba mostrando que si m>n, entonces S es un conjunto literalmente independiente, lo que contradice la hiptesis de que S es una bse. Esto demostrara que mn. la misma prueba demostrara que m y esto prueba el teorema. As, basta demostrar que si m>n, entonces S es independiente. Como S constituye una base, todo u se puede expresar como una combinacin lineal de las v. se tiene

TEOREMA: suponga que dimV=n. si Entonces, independientes, restando esta se ecuacin obtiene la ecuacin

pero como los v son linealmente se cumple si y solo si

As,

y el teorema queda demostrado.

TEOREMA: si son bases en un espacio vectorial V, entonces m=n; es decir, cualesquiera dos bases en un espacio vectorial V tienen el mismo numero de vectores.

Para demostrar que S es dependiente, deben encontrarse escalares

no todos cero, tales que (2) Sustituyendo (1) en (2) se obtiene (3)

La ecuacin (3) se puede reescribir como

Pero como

son linealmente independientes, se debe tener (5)

El sistema (5) es un sistema homogneo de n ecuaciones con las m incgnitas y como m>n, el teorema dice que el sistema tiene un nmero infinito de soluciones. De esta forma, existen escalares no todos cero, tales que (2) se satisface y, por lo tanto, S es un conjunto linealmente dependiente. Esta contradiccin prueba que mn si se cambian los papeles de S1 y S2, se demuestra que nm y la prueba queda completa. Por este teorema se puede definir uno de los conceptos centrales en el lgebra lineal.

DIMENSIN Si el espacio vectorial V tiene una base con un numero finito de elementos, entonces la dimensin de V es el nmero de vectores en todas las bases y V se denomina espacio vectorial de dimensin finita. De otra manera, V se denomina espacio vectorial de dimensin infinita. Si V={0}, entonces se dice que V tiene dimensin cero. Notacin. La dimensin V se denota por dimV. EJEMPLO: la dimensin de Mmn En Mmn sea A la matriz de mxn con un uno en la posicin ij y cero en otra parte. Es sencillo demostrar que las matrices a para i=1,2,,m y j=1,2,,n forman una base para Mmn. As, dimMmn=mn. TEOREMA: suponga que dimV=n. si es un conjunto de m vectores linealmente independientes en V, entonces mn.

Sea

entonces, igual que la prueba del teorema, se pueden

encontrar constantes no todas cero, tales que la ecuacin (2) se satisface. Esto contradice la independencia lineal de los vectores u. as, mn. TEOREMA: sea H un subespacio de un espacio vectorial de dimensin finita V. entonces H tiene dimensin finita y (6) Sea dimV=n. cualquier conjunto de vectores linealmente independientes en H es tambin linealmente independiente en V. por el teorema anterior, cualquier conjunto linealmente independiente en H puede contener a lis ms n vectores. Si H={0}, entonces dimH=0. Si dimH{0}, sea v0 un vector en H y H=gen{v}. si H=H, dimH=1 y la prueba queda completa. De lo contrario, elija a vH tal que vH y sea H=gen{v1,v2}, y as sucesivamente. Continuamos hasta encontrar vectores linealmente independientes tales que H=gen{ }. El proceso tiene que terminar porque se pueden encontrar a lo ms n vectores linealmente independientes en H. entonces H-kn. EJEMPLO: una base para el espacio de solucin de un sistema homogneo

Encuentre una base (y la dimensin) para el espacio de solucin S del sistema

homogneo

SOLUCIN: aqu . Como A es una matriz de 2x3, S es un subespacio de R3. Reduciendo por renglones, se encuentra, sucesivamente,

Entonces y=z y x=-z de manera que todas las soluciones son de la forma

.As, es una base para S y dimS=1. Obsrvese que S es el conjunto de vectores que se encuentran en la recta x=-t, y=t, z=t. TEOREMA: cualquier conjunto de n vectores linealmente independientes en e un espacio vectorial V de dimensin n constituyen una base apara V. Sean , n vectores. Si generan el espacio V, entonces constituyen una base. De lo contrario, existe un vector uV tal que ugen donde (8) . Esto significa que los n+1 vectores independientes. Para ver esto observe ,u que si

linealmente

Entonces

porque de lo contrario podramos escribir u como una dividiendo la ecuacin (8) entre y

combinacin lineal de

poniendo todos los trminos, excepto u, en el lado derecho. Pero si entonces (8) es

Lo que significa que independientes. Ahora sea W=gen{

ya que los v son linealmente ,u}. como todos los vectores

entre las llaves estn en V, W es un subespacio de V. como ,u son linealmente independientes, forman una base para W, y dimW=n+1. Pero por el teorema, dimWn. esta contradiccin muestra que no existe el vector uV tal que ugen{ una base para V. }. As, genera a V y, por lo tanto, constituye

CAMBIO DE BASE En R2 se expresaron

vectores

en

trminos

de

la

base cannica

. En Rn se defini la base cannica

. En Pn se defini la

base estndar como . Estas bases se usan ampliamente por la sencillez que ofrecen a la hora de trabajar con ellas. Pero en ocasiones ocurre que es ms conveniente alguna otra base. Existe un nmero infinito de bases para elegir, ya que en un espacio vectorial de dimensin n, cualesquiera n vectores, linealmente independientes, forman una base. En esta seccin se ver como cambiar de una base a otra mediante el clculo de cierta matriz. Iniciaremos por

un ejemplo sencillo. Sean u

. entonces,

es la

base cannica en R2. Sean linealmente independientes (porque

v1

no

es

Como v1 y v2 son un mltiplo de v2),

es una segunda base en R2. Sea

un vector en R2.

Esta notacin significa que Es decir, x est expresando en trminos de los vectores de la base B. para hacer

hincapi en este hecho, se escribe existen escalares c1 y c2 tales que (1)

Como B es otra base en R2, Una vez que se

encuentran estos escalares. Se puede escribir para indicar que x esta ahora expresado en trminos de los vectores en B. para encontrar los nmeros c1 y c2, se escribe la base anterior en trminos de la nueva base. Es

sencillo

verificar

que

(2)

es

decir,

Entonces,

As, de (1),

Por ejemplo, si

Entonces

4.5 Espacio vectorial con producto interno y sus propiedades. Un espacio vectorial complejo V se denomina espacio con producto interno si para cada par ordenado de vectores u y v en V, existe un numero complejo nico (u,v), denominado producto interno de u y v, tal que si u, v y w estn en V y C, entonces

La barra es las condiciones v) y vii) denota el conjugado complejo. Nota. Si (u,v) es real, entonces (u,v)=(u,v) y se puede eliminar la barra en v). EJEMPLO: producto interno de dos vectores en C3 En C3 sean x=(1+i, -3, 4-3i) y y=(2-i, -i, 2+i). entonces

Sea V un espacio con producto interno y suponga que u y v estn en V. entonces

Nota 1. Aqu se usa la doble barra en lugar de una sola para evitar confusin con el valor absoluto. Por ejemplo sen t denota la norma de sen t como un vector en C[0, 2] mientras que |sen t| denota el valor absoluto de la funcin sen t. Nota 2. La ecuacin anterior tiene sentido ya que (u, u)0.

EJEMPLO: dos vectores ortogonales en C2 En C2 los vectores (3,-i) y (2,6i)

son

ortogonales

porque

Conjunto orto normal El conjunto de vectores es un conjunto orto normal en V si

y Si solo el primero se cumple, se dice que el conjunto es orto normal. TEOREMA: cualquier conjunto finito de vectores orto normales diferentes de cero en un espacio con producto interno es linealmente independiente. TEOREMA: cualquier conjunto finito linealmente independiente en un espacio con producto interno se puede convertir en un conjunto orto normal mediante el proceso de Gram-Schmidt. En particular, cualquier espacio con producto interno tiene una base orto normal.

Proyeccin ortogonal Sea H un subespacio del espacio con producto interno V con base ortonormal Si vV, entonces la proyeccin ortonormal de v sobre H denotada por proy Hv esta dada por (6) Las demostraciones de los siguientes teoremas son idnticas a sus contrapartes en Rn. TEOREMA: sea H un subespacio de dimensin finita con producto interno V. suponga que H tiene dos bases ortonormales

Sea

vV.

entonces

Complemento ortogonal Sea H un subespacio del espacio con producto interno V. entonces el complemento ortogonal de H, denotado por H, esta dado por (7)

TEOREMA: si H es un subespacio del espacio con producto interno V, entonces

TEOREMA DE PROYECCIN: Sea H un subespacio de dimensin finita del espacio con producto interno V y suponga que vV. entonces existe un par nico de vectores h y p tales que hH, pH, y (8) v=h+p donde h=proyHv.

Si V tiene dimensin finita, entonces p=proyHv.

TEOREMA: Sea A una matriz de nxn; entonces A tiene vectores propios linealmente independientes si y solo si multiplicidad geomtrica de cada valor propio es igual a su multiplicidades algebraica. En particular, A tiene n vectores propios linealmente independientes si todos los valores propios son distintos (ya que entonces la multiplicidad algebraica de cada valor propio es 1).

4.6 Base ortonormal, proceso de ortonormalizacin de Gram-Schmidt. Conjunto orto normal en Rn Se dice que un conjunto de vectores S={u1, u2, , uk} en Rn es un conjunto orto normal si (1) (2)

Si solo satisface la ecuacin (1), se dice que el conjunto es ortogonal. Si u, v y w en Rn y es un numero real, entonces (3) (4) (5) (6)(7)

Ahora se presenta otra definicin til Si vRn, entonces la longitud o norma de v, denotada por |v|, esta dada por (8)

Nota.

Si

entonces

v*v=

Esto

significa que (9) De esta forma se puede obtener la raz cuadrada en (8), y se tiene (10)(11)

TEOREMA: Si S= es un conjunto ortogonal de vectores diferentes de cero, entonces S es linealmente independiente. Suponga que Entonces, para cualquier i=1,2,,k

Como v0 por hiptesis |v|2>0 y se dice que c=0. Esto es cierto para i=1,2,,k, lo que completa la prueba.

Proceso de orto normalizacin de Gram-Schmidt

Sea H un subespacio de dimensin m de Rn. Entonces H tiene una base orto normal.

Sea S= una base de H. se probara el teorema construyendo una base orto normal a partir de vectores en S. antes de dar los pasios para esta construccin, se observa el hecho sencillo de que un conjunto de vectores linealmente independiente no contiene al vector cero. Paso 1. Eleccin del primer vector unitario

Sea (12)

Entonces De manera que |u|=1.

Paso 2. Eleccin de un segundo vector ortogonal a u

Como anteriormente se ha visto que, en R2, el vector

es la

ortogonal a v. en este caso en la siguiente figura.

es la proyeccion de u sobre v. esto se ilustra

Resulta que el vector w dado es ortogonal a v cuando w y v estn en Rn para cualquier n2. Obsrvese que como u es un vector unitario,

para cualquier vector v.

Sea

(13)

entonces de manera que v es ortogonal a u. mas aun, por el teorema, u y vson linealmente independientes. v0 porque de otra

manera de v1 y v2.

lo que contradice la independencia

Paso 3. Eleccin de un segundo vector unitario

Sea (14) entonces es evidente que {u1,u2} es un conjunto orto normal. Suponga que se han construido los vectores u1, u2,,uk(k<m) y que forman un conjunto orto normal. Se mostrara como construir uk+1. Paso 4. Continuacin del proceso Sea (15) i=1,2,,k Pero tanto, Por lo entonces para

As, y vk+10. Paso 5 Sea

es un conjunto linealmente independiente, ortogonal

Entonces es claro que es un conjunto orto normal y se puede continuar de esta manera hasta que k+1=m con lo que se completa la prueba. Nota. Como cada u es una combinacin lineal de vectores v,

gen es un subespacio de gen espacio tiene dimensin k, los espacio son iguales.

y como cada

UNIDAD V. TRANSFORMACIONES LINEALES 5.1 Introduccin a las transformaciones lineales. El presente capitulo aborda una clase especial de funciones denominadas transformaciones lineales que ocurren con mucha frecuencia en el algebra lineal y otras ramas de las matematicas. Estas tienen una gran variedad de aplicaciones importantes. Antes de definirlas, se estudiaran dos ejemplos sencillos para ver lo que es posible realizar. Ejemplo 1: reflexin respecto al eje x En R2 se define una funcin T mediante la formula T(x;y)=(x;-y). 2 Geomtricamente, T toma un vector en R y lo refleja respecto al eje x. esto se ilustra en la figura. Una vez que se ha dado la definicin bsica, se vera que T es una transformacin lineal de R2 en R2. Ejemplo 2: transformacin de un vector de produccin en un vector de materia prima. Un fabricante elabora cuatro tipos de productos distintos, de los cuales cada uno requiere tres tipos de materiales. Se identifican los cuatro productos como P1, P2, P3, y P4 y a los materiales por R1, R2 y R3. La tabla siguiente muestra el numero de unidades de cada materia prima que se requieren para fabricar 1 unidad de cada producto. Ejemplo 2: transformacin de un vector de produccin en un vector de materia prima. Un fabricante elabora cuatro tipos de productos distintos, de los cuales cada uno requiere tres tipos de materiales. Se identifican los cuatro productos como P1, P2, P3, y P4 y a los materiales por R1, R2 y R3. La tabla siguiente muestra el numero de unidades de cada materia prima que se requieren para fabricar 1 unidad de cada producto.

Surge una pregunta natural: si se produce cierto nmero de los cuatro productos, Cuntas unidades de cada material se necesitan? Sean p1, p2, p3 y p4 el nmero de artculos fabricados en los cuatro productos y sean r1, r2, y r3 el nmero de unidades necesarios de los tres materiales. Entonces se define

Por ejemplo, suponga que P=(10,30,20,50). Cuntas unidades de R1 se necesitan para producir estos nmeros de unidades de los cuatro productos? De la tabla se tiene que r=p1*2+p2*1+p3*3+p4*4=10*2+30*1+20*3+50*4=310 unidades de manera similar r2=10*4+30*2+20*2+50*1=190 unidades y r3=10*3+30*3+20*1+50*2=240 unidades en general se ve que

o Ap= r. Esto se puede ver de otra manera. Si a p se le conoce como le vector de produccin y a r como el vector de materia prima, se define la funcin T por = T(p) = Ap. Esto es, T es la funcin que transforma el vector de produccin en el vector

de materia prima y se hace mediante la multiplicacin de matrices ordinaria. Como se ver, esta funcin es tambin una transformacin lineal. Antes de definir una transformacin lineal, hablaremos un poco sobre las funciones. En la seccin 1.7 se escribi un sistema de ecuaciones como Ax=b Donde A es una matriz de m*n, x R y b R. Se pidi encontrar x cuando A y b se conocan. No obstante, esta ecuacin se puede ver de otra forma: suponga que A se conoce. Entonces la ecuacin Ax=b dice : proporcione una x en R y yo le dar una b en R; es decir , A representa una funcin con dominio R e imagen en R. La funcin que se acaba de definir tiene las propiedades de que A ( si es un escalar y A(x + y) = Ax + Ay. Esta propiedad caracteriza las transformaciones lineales. Definicin 1 transformacin lineal Sean V y W espacios vectoriales reales. Una transformacin lineal T de V en W es una funcin que asigna a cada vector v V un vector nico Tv W y que satisface, para cada u y v en V y cada escalar . T(u + v) = Tu + Tv Y T(av)=aTv TRES OBSERVACIONES SOBRE NOTACIN 1. Se escribe T: v W para indicar que T toma el espacio vectorial real V y lo lleva al espacio vectorial real W; esto es, T es una funcin con V como su dominio y un subconjunto de W como su imagen. 2. Se escriben indistintamente Tv y T(v). Denotan lo mismo; las dos se leen T de v. Esto es anlogo a la notacin funcional (x), que se lee de x. 3. Gran parte de las definiciones y teoremas en este captulo tambin se cumplen para los espacios vectoriales complejos (espacios vectoriales en donde los escalares son nmeros complejos).

Ejemplo 5 La transformacin identidad Sea V un espacio vectorial y definida I: V V por Iv = v para todo v en V. Aqu es obvio que es I es una transformacin lineal, la cual se denomina transformacin identidad u operador identidad. Ejemplo 6 Transformacin de reflexin Sea T:R2 R2 definida por T(x;y)=(x;-y). Es fcil verificar que T es lineal. En trminos geomtricos, T toma un vector en R2 y lo refleja respecto al eje y (vea la figura 5.2)

Ejemplo 7 Transformaciones de Rn Rm dada por la multiplicacin por una matriz de m*n.

Sea A una matriz de m*n y definida T:R R por Tx = Ax. Como A(x + y) = Ax + Ay y A( si x y y estn en R, se observa que T es una transformacin lineal. Entonces: toda matriz A de m*n se puede utilizar para definir una transformacin lineal de R en R.

5.2 Ncleo e imagen de una transformacin lineal. En esta seccin se desarrollan algunas propiedades bsicas de las transformaciones lineales. Teorema 1. Sea T: V W una transformacin lineal. Entonces para todos los vectores u, v, v1, v2,.vn en V y todos los escalares

Nota en la parte i el 0 de la izquierda es el vector cero en v; mientras que el cero de la derecha es el vector cero en W. i. T(0) = T(0 + 0)= T(0) + T(0). As 0= T(0) T(0) = T(0) + t(0) T(0) = T(0) ii.T(u-v) = T[u + (-1)v] = Tu + T[(-1)v] = Tu + (-1)Tv = Tu Tv. iii.Esta parte se prueba por induccin (vea el apndice 1). Para n = 2 se tiene T(1v1 + 2v2) = T (1v1) + T(2v2) = 1Tv1 + 2Tv2. As, la ecuacin (1) se cumple para n = 2. Se supone que se cumple para n = k y se prueba para n=k + 1: T(1v1 + 2v2+ .+ kvk+k+1vk-1 ) = T(1v1 + 2v2+.+kvk) + T(k+1vk+1), y usando la ecuacin en la parte iii para n= k, esto es igual a ( 1Tv1 + 2Tv2+.kTvk) + k+1Tvk+1, que es lo que se quera demostrar. Esto completa la prueba. Observacin. Los incisos i) y ii) del teorema 1 son casos especiales del inciso iii). Un dato importante sobre las transformaciones lineales es que estn completamente determinadas por el efecto sobre los vectores de la base. Teorema 2 Sea v un espacio vectorial de dimensin finita con base B= {v1,v2,.vn}. Sean w1,w2,.wn vectores en W. Suponga que T1 y T2 son dos transformaciones lineales de V en W tales que T 1vi = T2vi = wi para i = 1, 2,,n. Entonces para cualquier vector v v, T 1v = T2v; es decir T1 = T2. Como B es una base para V, existe un conjunto nico de escalares 1, 2,., n. Tales que v = 1v1 + 2v2 + + n vn.

Entonces, del inciso iii) del teorema 1, T1v = T1(1 v1 + 2v2 + + nvn) = 1T2v1 + 2T2v2 + + nTnvn= 1w1 + 2w2 ++ nTnvn De manera similar T2v + nvn) = 1T2v1 + 2T2v2 ++ nTnvn 2w2 ++ nvn Por lo tanto, T1v =T2v. El teorema 2 indica que si T:v W y V tiene dimensin finita, entonces slo es necesario conocer el efecto que tiene T sobre los vectores de la base en V. Esto es, si se conoce la imagen de cada vector bsico, se puede determinar la imagen de cualquier vector en V. Esto determina T por completo. Para ver esto, sean v 1, v2,.vn una base en V y sea v otro vector en V. Entonces, igual que en l aprueba del teorema 2, Tv = 1Tv1 + 2Tv2 ++ nTvn As, se puede calcular Tv para cualquier vector v V si se conocen Tv1,Tv2,.Tvn Ejemplo 1 Si se conoce el efecto de una transformacin lineal sobre los vectores de la base, se conoce el efecto sobre cualquier otro vector. Sea T una transformacin lineal de R3 en R2 y suponga que = T2(1v1 + 2v2 + = 1w1 +

Solucin. Se tiene

Entonces

Surge otra pregunta; si w1,w2,.,wn son n vectores en W, existe una transformacin lineal T tal que Tv1 = w1 para i = 1,2,,n? La respuesta es s. Como lo muestra el siguiente teorema. Definicin 1 Ncleo e imagen de una transformacin lineal Sean V y W dos espacios vectoriales y sea T:V W una transformacin lineal. Entonces i . El ncleo de T, denotado por un, est dado por

ii. La

imagen

de

T,

denotado

por

Im

T,

esta

dado

por

Observacion 1. Observe que un T es no vacio porque, de acuerdo al teorema 1, T(0) = 0 de manera que 0 un T para cualquier transformacin lineal T. Se tiene inters en encontrar otros vectores en V que se transformen en 0. De nuevo, observe que cuando escribimos T(0) = 0, el 0 de la izquierda est en V y el de la derecha en W. Observacin 2. La imagen de T es simplemente el conjunto de imajenes de los vectores en V bajo la transformacin T. De hecho, si w = Tv, se dice que w es la imagen de v bajo T. Antes de dar ejemplos de ncleos e imgenes , se demostrar un teorema de gran utilidad.

Teorema 4 Si T:V W es una transformacin lineal, entonces i.Un T es un subespacio de V. ii.Im T es un subespacio de W. Demostracion i.Sean u y v en un T; Entonces T(u + v) = Tu + Tv =0 + 0 =0 y T( ) = = 0 = 0 de forma que u + v y u estn en un T. ii. Sean w y x en Im T. Entonces w = Tu y x = Tv para dos vestores u y v en V. Esto significa que T(u + v)= Tu + Tv = w + x y T(u) = Tu =w. Por lo tanto, w + x y w estn en Im T. Ejemplo 3. Ncleo e imagen de la transformacin cero Sea Tv = 0 para todo v V(T es la transformacin cero). Entonces un T = v e Im T = {0}. Ejemplo 4 Ncleo e imagen de la transformacin identidad Sea Tv = v para v V(T es la transformacin identidad). Entonces un T= {0} e Im T = V. Las transformaciones cero e identidad proporcionan dos extremos. En la primera todo se encuentra en el ncleo. En la segunda slo el vector cero se encuentra en el ncleo. Los casos intermedios son ms interesantes. Ejemplo 5 Ncleo e imagen de un operador de proyeccin

Sea T:R3 R3 definida por T es el operador de proyeccin de R3 en el plano xy.

Entonces x = y = 0. As, nu T = {(x,y,z):x = y = 0, zR}, es decir, el eje z, e Im T = {(x,y,z): z = 0}, es decir el plano xy. Observe que dim un T = 1 y dim Im T = 2. Definicin 2 Nulidad y rango de una transformacin lineal Si T es una transformacin lineal de v en w, entonces se define.

Observacin. En la seccin 4.7 se definieron el rango, la imagen, el espacio nulo y la nulidad de una matriz. Segn el ejemplo 5.1.7, Toda matriz A de m*n da lugar a una transformacin lineal T:R R definida por Tx = Ax. Es evidente que un T = NA, Im T = Im A = CA, v(T) = v(A) y p(T) = p(A). Entonces se ve que las definiciones de ncleo, imagen, nulidad y rango de una transformacin lineal son extensiones del espacio nulo, la imagen, la nulidad y el rango de una matriz. Ejemplo 6. Ncleo y nulidad de un operador de proyeccin Sea H un subespacio de R y sea Tv = proyH v. Es obvio que la Im T = H. Se tiene que toda v V si v=h + proyH v + proyHv. Si Tv = 0, entonces h=0, lo que significa498

5.3 La matriz de una transformacin lineal. Si A es una matriz de m*n y T: Rn-Rm est definida por Tx = Ax, entonces, T es una transformacin lineal. Ahora se ver que para toda transformacin lineal de R n en Rm existe una matriz A de m*n tal que Tx = Ax para todo x Rn. Este hecho es de gran utilidad. Si Tx = Ax. Entonces un T = NA e Im T = RA. ms aun, v(T) = dim un T = v(A) y p(T) = dim Im T = p(A). As se puede determinar el ncleo, la imagen, la nulidad y el rango de una transformacin lineal de Rn-Rm determinando el espacio nulo y la imagen de la matriz correspondiente. Adicionalmente, una vez que se sabe que Tx = Ax. Se puede evaluar Tx para cualquier x en R n mediante una simple multiplicacin de matrices. Pero esto no es todo. Como se ver, cualquier transformacin lineal entre espacios vectoriales de dimensin finita se puede representar mediante una matriz. Teorema 1 Sea T:Rn -Rm una transformacin lineal. Existe entonces una matriz nica de m*n, AT tal que

Demostracin

Sea w1 = Te1,w2 = Te2,.,wn = Ten. Sea AT la matriz cuyas columnas son w1, w2,., wn y hagamos que AT denote tambin ala transformacin de Rn-Rm, que multiplica un vector en Rn por AT. si

Entonces

De esta forma, ATei = wi para i = 1,2,.n., T y la transformacin AT son las mismas porque coinciden en los vectores bsicos. Ahora se puede demostrar que AT es nica. Suponga que Tx = ATx y que Tx = BTx para todo x Rn. Entonces ATx = BTx, o estableciendo CT= AT BT, se tiene que CTx = 0 para todo x Rn. En particular, CTei es la columna i de CT. As, cada una de las n columnas de CT es el m-vector cero, la matriz cero de m*n. Esto muestra que AT = BT y el teorema queda demostrado. Definicin 1 Matriz de transformacin La matriz AT en el teorema 1 se denomina matriz de transformacin correspondiente a T o representacin matricial de T.

NOTA. La matriz de transformacin AT est definida usando las bases estndar tanto en Rn como en R3. Si se utilizan otras bases, se obtendr una matriz de transformacin diferente. TEOREMA 2 sea AT la matriz de transformacin correspondiente a laa transformacin lineal T. entonces. i. Im T = Im A = CAT ii. P(T) = p(AT) iii. Un T = NAT iv. v(T) = v(AT Ejemplo 1 Representacin matricial de una transformacin de proyeccin Encuentre la matriz de transformacin AT correspondiente ala proyeccin de un vector en R3 sobre el plano xy. Solucin

Teorema 4 Sean V y W espacios vectoriales de dimensin finita con dim V = n. sea T:V-W una transformacin lineal y sea AT una representacin matricial de T respecto a las bases B1 en V y B2 en W. entonces i. p(T) =p(AT) ii. V(A) = v(AT) iii. V(a) + p(T) = n Teorema 5 Sea T:Rn-Rm una transformacin lineal. Suponga que C es la matriz de transformacin de T respecto a las bases estndar S n y Sm en Rn y Rm, respectivamente. Sea A1 la matriz de transicin de B2 a base Sm en Rm. Si AT denota la matriz de transformacin de T respecto a las bases B 1 y B2, entonces.

Geometra de las transformaciones lineales de R2 en R2.

Sea T:R2-R2 una transformacin lineal con representacin matricial A T Ahora de demostrar que si AT es invertible, entonces T se puede escribir como una sucesin de una o ms transformaciones especiales, denominadas expansiones, compresiones, reflexiones y cortes. Expansiones a lo largo de los ejes x o y Una expansin a lo largo del eje x es una transformacin lineal que multiplica a la coordenada x de un vector en R2 por una constante C >1. Esto es

De manera similar, una expansin a lo largo del eje y es una transformacin lineal que multiplica la coordenada y de todo vector en R2 por una constante C>1. Como

antes ,

entonces la representacin matricial de T es

de manera que

a) b) c)

se comienza con este rectngulo. Expansin en la direccin de x c = 2. Expansin en la direccin de y con c = 4.

Compresin a lo largo de los ejes x o y. Una compresin a lo largo de los ejes x o y es una transformacin lineal que multiplica ala coordenada x o y de un vector en R2 por una constante positiva 0<c<1, mientras que para la expansin c<1.

a) b) c)

se comienza con este rectngulo. Compresin a lo largo del eje x con c =1/3. Compresin a lo largo del eje x con c=1/2.

5.4 Aplicacin de las transformaciones lineales: reflexin, dilatacin, contraccin y rotacin. Reflexin sobre el eje x En este caso, queremos averiguar como est definida la transformacin T de R2

en R2 que cada vector

lo refleja sobre el eje x,

para obtener un vector En una grfica, vemos la situacin como sigue:

En este caso, la situacin es ms sencilla ya que claramente tenemos dos tringulos rectngulos que son congruentes, de donde T queda definida como sigue:

Esta transformacin se llama la reflexin sobre el eje x, y es lineal, ya que:

Ejemplo dilatacin o expansin Una dilatacin es una transformacin que incrementa distancias. Sea V= (2 4) encontrara la expansin vertical cuando K=2 Expansin horizontal (k71) o contraccin (0<k<1) Expansin vertical (k71) o contraccin (0<k<1)

Ejemplo contraccin

Una contraccin es una transformacin que decrece distancias. Bajo una contraccin, cualquier par de puntos es enviado a otro par a distancia estrictamente menor que la original.

Sea V= (2 4) encontrara la contraccin horizontal cuando K=1/2 Haciendo la grafica el punto disminuye en el eje horizontal.

Rotacin por un ngulo

Sea averiguar

un ngulo medido en radianes. Queremos cual es la transformacin T de R2 en R2 que gira cada

vector

un angulo

, para obtener un vector

En una grfica, vemos la situacin como sigue: Si usamos las funciones trigonomtricas, tenemos que:

Distribuyendo

usando

el

hecho

de

que que:

tenemos

Por

lo

tanto,

ya

descubrimos

cmo

debe tal

estar

definida

la

transformacin

que

Esta transformacin se llama la rotacin por un ngulo

y es lineal, ya que: