UNIVERSIDAD DE ORIENTE NCLEO DE SUCRE ESCUELA DE CIENCIAS DEPARTAMENTO DE MATEMTICAS MATEMTICAS III PARA QUMICOS

PROFESORA: INGRID GUERRA

ELABORADO POR: HERNNDEZ, CYNTHIA CI:22628379 PLCERES, LEIDYS CI:25100493

CUMAN, SEPTIEMBRE DE 2013.

INTRODUCCIN

Uno de los mtodos, ms recientes, de gran utilidad prctica en matemtica aplicada son los mtodos matriciales. en diversas areas de la ciencia (Economa, ingeniera, sicologa, sociologa, administracin, etc.); as como en ramas de la matemtica como los conjuntos, la lgica proposicional y las estructural algebraicas, nos encontramos con una serie de operaciones las cuales requieren ser formuladas en trminos de matrices mediante mtodos matemticos.

Independientemente de la disciplina donde se utilicen, las matrices nos proporcionan una serie de ventajas prcticas y de representacin notacional para permitir formular problemas y captar anlisis, los cuales quedaran fuera de nuestro alcance debido a la complejidad natural de la notacin algebraica convencional con la cual son presentados.

La introduccin a las matrices al conocimiento matemtico es un merito el cual recae en la personalidad de tres grandes pensadores: William R. Hamilton, irlands (1805-1865), James J. Sylvester, ingls (1814-1897) quien inventa las matrices, Arthur Cayley, ingls (1821-1895), quien utilizo el termino matriz por primera vez, para designar un arreglo rectangular de nmeros, y desarrollo el calculo con matrices a partir de las cuales se pueden formar determinantes. Igualmente desarrollo la teora de matrices para expresar de modo conveniente los sistemas de ecuaciones lineales.

Las matrices y los determinantes corresponde a dos categoras matemticas distintas: el determinante es un nmero y la matriz es un conjunto de nmeros, lo cual indica que entre los elementos de una matriz dada, no se debe realizar ninguna operacin algebraica.

En este material tambin haremos referencia a las operaciones con vectores, determinantes de una matriz y algunas de sus propiedades, definicin de espacio vectorial, combinacin lineal de vectores y funciones vectoriales.

VECTORES

Un vector es un segmento de recta orientado en el espacio el cual se caracteriza por: Su origen o punto de aplicacin O y su extremo A. Su direccin, la de la recta que lo contiene. Su sentido, el que indica la flecha. Su mdulo, la longitud del segmento OA.

La palabra vectores se refiere a los elementos de cualquier Rn. En el vector es un punto, que llamamos escalar. En el vector es de la forma (x1, x2) y en el vector es de la forma (x1, x2, x3).

VECTORES EN Los vectores en ejes X e Y.

son aquellos que estn ubicados en un plano cartesiano de

Todos los vectores poseen propiedades matemticas, por medio de las cuales se realizan operaciones. Los vectores en poseen las siguientes propiedades: a.) Suma de dos vectores que se define por: Sean a y b vectores en entonces a + b = (a1, a2) + (b1, b2) = (a1 + b1, a2 + b2). Ejemplo: sea U= (1,2) y V= (3, -4). Entonces U + V= (1+3.2+ (-4))= (4,-2). ,

Podemos interpretar de manera geomtrica la suma de vectores como sigue. El vector de ( X1, Y1) a ( X1 + X2, Y1+ Y2) tambin es V. por lo tanto, el vector con cola O y cabeza ( X1 + X2, Y1+ Y2) es U+V. b.) El producto escalar se define por: Sea R y a un vector en entonces a = (a1, a2) = ( a1, a2). Ejemplo: Si C= 2, d= -3 y U= ( 1, -2), entonces CU= 2(1, -2)= (2,-4) y DU= -3( 1, -2)= ( -3,6) El vector (0,0) se denomina vector cero, y se denota mediante 0. Si u es cualquier vector U + 0. = u. Tambin podemos mostrar que U + ( -1) u= 0, Escribimos (-1) U como U y le llamamos el negativo de U. Adems, escribimos U + (-1) v como U V, le llamamos la diferencia de U y V. El significado geomtrico de la suma de vectores y el producto escalar en . ,

Observa que si a = (a1, a2) y b = (b1, b2), entonces la suma de los vectores a + b = (a1, a2) + (b1, b2) = (a1 + b1, a2 + b2). El cual se obtiene trasladando la representacin de los vectores a y b. De manera, que se puede obtener a + b dibujando un paralelogramo. A esta regla de suma se le llama la regla del paralelogramo.

Para el producto escalar a, se puede observar que si > 0 se alarga o se acorta el vector a por un factor . Si < 0 se invierte la direccin del vector a. VECTORES EN Un vector en siguiente manera:

:
es una terna ordenada de nmeros reales. Denotada de la

Un sistema de coordenadas tridimensional se construye trazando un eje Z, perpendicular en el origen de coordenadas a los ejes X e Y.

Los ejes de coordenadas determinan tres planos coordenados: XY, XZ e YZ. Estos planos coordenados dividen al espacio en ocho regiones llamadas octantes, en el primer octante las tres coordenadas son positivas. Los vectores en poseen las siguientes propiedades:

a) La suma de vectores: se define por sean a, b , entonces a + b = (a1, a2, a3) + (b1, b2, b3) = (a1 + b1, a2 + b2, a3 + b3). Ejemplo: dado los siguientes vectores a=(2,3); b=(-2,-2); c=(3,0) efectue la suma a + b + c a + b + c = (2,3)+(-2,-2)+(3,0) = (3,1) b) El producto escalar: Se define por sea R y a un vector en , entonces a = (a1, a2, a3) = ( a1, a2, a3). Definicin: Sean a y b vectores en Rn, tal que a = (a1, a2, a3, , an) y b = (b1, b2, b3, , bn). El producto interno de a y b representado por a b <a, b>, es el escalar que se obtiene multiplicando los componentes correspondientes de los vectores y sumando luego los productos resultantes, esto es: a b = <a b> = (a1 b1 + a2 b2 + a3 b3 + + an bn).

Los vectores a y b se llaman ortogonales si su producto interno es igual a cero. Geomtricamente a un vector un segmento de recta dirigido. de se lo representa en el espacio como

Suponga que se tienen los puntos P1=(x1, y1,z1) y P2=(x2, y2,z2). Si trazamos un segmento de recta dirigido desde P1 hacia P2 tenemos una representacion del vector

z
P2=(x2, y2,z2)

P1=(x1, y1,z1)

Este vector puede tener muchas otras representaciones equivalentes en el espacio. Una representacion equivalente til es aquella que se realiza ubicanco al vector con el origen como punto de partida.
z

P(x, y,z)

MULTIPLICACIN POR UN ESCALAR El producto de un escalar por un vector da por resultado otro vector, con la misma direccin que el primero. Al hacer la multiplicacin, el escalar cambia el mdulo del vector (grficamente el largo) y en caso de ser negativo cambia tambin el sentido. La direccin del vector resultado es siempre la misma que la del vector original. Matemticamente se realiza multiplicando al escalar por cada una de las componentes del vector. El escalar es cualquier nmero real. Si por ejemplo el vector V tiene 2 coordenadas: V = (x, y) k V = k (x, y) = (kx, ky) Ejemplo: V = (2,1) k=2 k V = 2 (2, 1) = (4, 2)

MDULO DE UN VECTOR Sea a = (a1, a2, a3, , an) un vector en Rn, la norma (mdulo, magnitud, o longitud) del vector , representada de la forma a a , se define como la raz cuadrada no negativa de a a = <a, a>. Esto es:

Notas: 1. El vector cero tiene magnitud cero. Como el punto inicial y el punto terminal coinciden, se dice que el vector no tiene direccin. 2. Como la lnea recta es la distancia ms corta entre dos puntos, se dice que: a + b a + b. 3. Ejemplo para discusin: Sean a = (1, 5) y b = (3, 1). Compara a + b y a + b. Ejemplo: Sean U= ( 2,3 ; 2,-1) y V= ( 4,2 ; 1,3). Entonces,

U= V= =

= .

DISTANCIA DE UN VECTOR Sean a y b vectores en Rn, donde a = (a1, a2, a3, , an) y b = (b1, b2, b3, , bn). La distancia entre a y b representada por d(a, b) est definida por:

Ejemplo: Sean U= ( 2,3 ; 2,-1) y V= ( 4,2 ; 1,3). Entonces; La distancia entre los puntos (2,3 ; 2, -1) y ( 4,2,1,3) es la longitud del vector U-V. U- V= =

VECTOR UNITARIO Un vector unitario a es un vector cuya norma (longitud o magnitud) es 1. Ejemplo: Sea V= (-3,4). Entonces, V= =5 ) es un vector unitario, ya que | |

Por lo tanto, el vector U= (-3,4) = ( U= ( ) ( ) =

= 1.

CONDICIN DE PARALELISMO: Dos vectores son paralelos si, y solo si, uno de ellos es mltiplo escalar del otro En smbolos: Si u y v son dos vectores distintos del vector nulo

u // v u = k.v para k 0 Sean u= (u1, u2, u3) y v= (v1, v2, v3) De acuerdo a lo anterior: Si u // v (u1, u2, u3) = k. (v1, v2, v3) Es decir (u1, u2, u3) = (kv1, kv2, kv3) Por igualdad de vectores: u1= kv1 u2= kv2 u3= kv3 de donde:

MATRICES: Una matriz es un arreglo rectangular de nmeros reales distribuidos en m filas y n columnas el cual estn encerrados en parntesis o corchetes.

a11

a12
. .

a1n a2n
. Filas de matriz A

a21 a22
A= . .

am1 am2

amn

Columnas de la matriz A. Abreviadamente se puede Expresar A= (aij) para indicar que A es la matriz de orden n x m que tiene elementos

aij.

Las matrices se denotan con las letras

maysculas y sus elementos con la misma letra minscula acompaada de dos subndices que indican su posicin en la matriz; el primer subndice indica la fila y el segundo la columna. Es decir el elemento fila i y la columna en j de la matriz A.

aij

es aquel que se encuentra en la

TIPOS DE MATRICES: a. MATRIZ FILA: Est constituida por una sola fila. Su dimensin es 1xn

b. MATRIZ COLUMNA : La matriz columna tiene una sola columna. Su dimensin es mx1

c. MATRIZ RECTNGULAR : La matriz rectangular tiene distinto nmero de filas que de columnas, siendo su dimensin mxn.

d. MATRIZ CUADRADA : sta tiene el mismo nmero de filas que de columnas ( m= n). Los elementos de la forma a ii constituyen la diagonal principal. La diagonal secundaria la forman los elementos con i+j = n+1 A ( ) Orden A= 3x3 u Orden A= 3

Diagonal secundaria

Diagonal principal

e. MATRIZ NULA : Es aqulla matriz en la que todos los elementos son ceros.

f. MATRIZ TRINGULO SUPERIOR : En una matriz triangular superior los elementos situados por debajo de la diagonal principal son ceros.

g. MATRIZ TRINGULAR INFERIOR : En una matriz triangular inferior los elementos situados por encima de la diagonal principal son ceros.

h. MATRIZ DIAGIONAL : En una matriz diagonal todos los elementos situados por encima y por debajo de la diagonal principal son nulos.

i. MATRIZ ESCALAR: Una matriz escalar es una matriz diagonal en la que los elementos de la diagonal principal son iguales.

j. MATRIZ IDENTIDAD O UNIDAD : Una matriz identidad es una matriz diagonal en la que los elementos de la diagonal principal son iguales a 1.

k. MATRIZ TRASPUESTA: Dada una matriz A, se llama matriz traspuesta de A a la matriz que se obtiene cambiando ordenadamente las filas por las columnas.

(A t ) t = A (A + B) t = A t + B t ( A) t = A t (A B) t = B t A t

OPERACIONES DE LAS MATRICES:

ADICIN: Para sumar dos matrices la condicin es que sea del mismo orden puesto que se sumaran algebraicamente los elementos que ocupan la misma posicin en ambas matrices. Es decir, sea A+ B dos matrices del mismo orden se define A+B como la suma de los elementos de A con los elementos de posicin de B. ( A)m x n y (B)m x n Ejemplo: Dadas la matriz. Hallar si es posible: 1. A + B ; b) B + C.

A=

-1 0

4 2

B=

5 1/ 4

i -1

C=

a) A+ B=

-1 0

4
2 2x 2

5 1/ 4

i 1 =
2x 2

-1+5 0+

4+i 2 + ( -1)

A + B= 4

4+i 1 2x 2

Obs: La matriz suma resultante es de igual orden que las matrices dadas.

b) B +C =

5
1/ 4

i
-1 2x2

3
2x 1

No es posible porque (2x 2) = (2 x1). No tienen igual nmero de columnas. MULTIPLICACIN POR UN ESCALAR: Al multiplicar un nmero real por una matriz A, se obtiene una matriz que resulta de multiplicar todos los elementos de A por dicho nmero. Es decir si multiplicamos una matriz por una escalar, multiplicamos cada elemento de la matriz por ese escalar. Ejemplo: Hallar K.A (A) mxn ; Escalar k. (A) mxn Sea A= 2 3 5 0 0 1 1 0 1 y K= 2

 PRODUCTO DE MATRICES: Para multiplicar dos matrices ( A.B) es necesario que el nmero de columnas de la matriz A sea igual al nmero de filas de la matriz B. Ejemplo:

A=

B=

A.B= 1.1 + 2.0 3.1 + 4.0

1.1 + 2.2 3.1 + 4.2

1 3

5 11

PROPIEDADES DE LAS MATRICES:

SUMA DE MATRICES Conmutativa: A + B = B + A Asociativa: ( A + B ) + C = A + ( B + C ) Elemento neutro: 0 (matriz cero o matriz nula). 0+A=A+0=0 Elemento simtrico: - A (matriz opuesta de A ). A + (-A ) = ( -A ) + A = 0 La opuesta de la matriz A se obtiene cambiando de signo todos los elementos de la matriz A: - (aij) = (-aij).

MULTIPLICACIN DE UNA MATRIZ POR UN ESCALAR: Sean A y B matrices de la misma dimensin y k y h nmeros reales. Se verifica:

 Distributiva respecto de la suma de matrices: k. (A + B) = k. A + k. B Distributiva respecto de la suma de nmeros reales: (k + h). A = K. A + h. A Asociativa mixta (entre nmeros y matrices): (k. h). A = k. (h. A ) Elemento neutro: 1 (nmero real 1) 1. A = A

PRODUCTO DE MATRICES: Sean A, B Y C matrices. Siempre que sea posible efectuar los productos indicados, de acuerdo con la condicin anterior, se verifica: Asociativa: (A. B). C = A. (B .C) Elemento neutro: I (matriz identidad o unidad) A. I = I. A = A Distributiva respecto de la suma de matrices: A. (B + C) = A. B + A. C El producto de matrices no es, en general, conmutativo: A. B B. A Matriz Inversa: Dada una matriz cuadrada A, si existe otra matriz B que verifique A. B = B. A = I (matriz identidad), entonces se dice que B es la matriz inversa de A y se representa por A-1. (A. A-1 = A-1. A = I )

DETERMINANTES: Un determinante es un nmero real o escalar asociado a una matriz, y su clculo depende del orden de la matriz cuadrada en anlisis. El determinante de una matriz cuadrada es la suma algebraica del producto de cada uno de los elementos de una fila (o columna), cuyo signo es determinado por la expresin (-1)i+j, por el determinante de su menor complementario. ( Matriz ) | | | |

Determinante

Los determinantes se emplean en el estudio del rango de una matriz, en la solucin de sistemas de ecuaciones lineales, as como en la definicin del polinomio caracterstico de una matriz. Por ejemplo: Dada la matriz elemento es * ( ) , el menor complementario del

+, el cual se obtiene de eliminar la fila y la columna a la , esto es, la primera fila y la primera columna de .

cual pertenece el elemento

DETERMINANTES DE ORDEN 2: El determinante de una matriz cuadrada de orden dos es un nmero que se obtiene del siguiente modo: ( Ejemplo: | | ) | | | |

DETERMINANTES DE ORDEN 3: El determinante de una matriz cuadrada de orden tres es un nmero que se obtiene del siguiente modo: (REGLA DE SARRUS)
( [ ) ] [ | | | | ]

Ejemplo: ] [

| ]

| [

[ ]

MATRIZ ADJUNTA: La matriz adjunta se calcula hallando para cada uno de sus elementos el determinante de su menor complementario multiplicando por (-1)i+j

Por ejemplo, si: | ( ); entonces ( | As, como

| |

| | | ( | |

| | |

| |

| | | ) al aplicar la formula ( )

| ),

y tenemos que:

) ( )

MATRIZ INVERSA: La matriz inversa o invertible de una matriz cuadrada , es otra matriz cuadrada del mismo orden tal que se cumple:

Para matrices 2x2 se puede calcular la inversa a partir de la definicin. Por ejemplo; dada la matriz efectuando su producto: ( )( ) ( ) ( ), su inversa con ( ) y ahora

Aqu se iguala a la matriz identidad pues la matriz inversa de A debe verificar que . Es decir, ( ) ( )

Por lo que se tienen 4 ecuaciones con 4 incgnitas, que podemos agruparlas en dos sistemas de dos ecuaciones con dos incgnitas:

;{

Las soluciones son:

Por tanto:

Para matrices de orden superior existen otros mtodos. A continuacin se muestra el clculo de la matriz inversa por determinantes:

| | | |: es el determinante de la matriz A : es la matriz traspuesta : es la matriz adjunta

PROPIEDADES DE LOS DETERMINANTES:

1. El determinante de una matriz coincide con el de su traspuesta: |A| = |At|

| | | |
| | | |

2. Si un determinante tiene una lnea (fila o columna) de ceros, entonces su

determinante es cero. | | | |

3. Si permutamos dos filas (o dos columnas) de una matriz, su determinante cambia de signo. | | | | [ ] [ ]

| |

] | |

Los sumandos son el mismo pero con el signo cambiado | |

4. Si una matriz tiene dos filas (o dos columnas) iguales, su determinante es cero.
| | | |

5. Si multiplicamos cada elemento de una fila (o de una columna) de una matriz por un nmero, el determinante de esa matriz queda multiplicado por ese nmero. | | Por tanto | | | | | | | | siendo n el orden de la matriz A. (Un de cada fila)

6. Si una matriz tiene dos filas (o dos columnas) proporcionales, su determinante es cero. | | | |

7. Si una fila (o columna) de una matriz es suma de dos, su determinante puede descomponerse en suma de los determinantes de dos matrices, del siguiente modo: | | | | | | | | por tanto | | | | | |

8. Si una fila (o una columna) de una matriz se le suma una combinacin lineal de lneas paralelas, el determinante no vara. | | | | | | | | | | | |

9. Si una matriz tiene una lnea que es combinacin lineal de las dems paralelas, entonces su determinante es cero (y recprocamente). | | [ ] [ ]

10. El determinante del producto de dos matrices es igual al producto de sus | | || | determinantes: | Por ejemplo: ( ( | | | | ) ( ) )| | | | | |

11. El determinante de una matriz triangular es el producto de los elementos de la diagonal principal. | | | |

ESPACIO VECTORIAL REAL:

Un espacio vectorial real V (real se refiere a que los escalares son nmeros reales en vez de complejos) es un conjunto de objetos, llamados vectores, con dos operaciones definidas: la suma vectorial y la multiplicacin escalar, que satisface las siguientes condiciones:

1. Si x,y V, entonces x + y V (Clausura bajo la adicin o suma). 2. Para todo x, y, z V tenemos que (x + y) + z = x + (y + z) (Asociativa bajo la suma). 3. Existe un vector cero, 0 V tal que para todo x V tenemos que x + 0 = 0 + x = x (Existencia del vector cero). 4. Si x V existe un vector x en V tal que x + (-x) = 0 (Existencia del inverso aditivo). 5. Si x,y V entonces x + y = y + x (Conmutativa de la suma). 6. Si x V y a es un escalar, entonces a x V (Clausura para el producto por un escalar). 7. Si x,y V y a es un escalar, entonces a (x + y) = a x + a y (Primera propiedad distributiva: suma de vectores). 8. Si x V y a, b son escalares, entonces (a + b) x = a x + bx (Segunda propiedad distributiva: suma de escalares). 9. Si x V y a,b son escalares, entonces a (b x) = (ab) x (Asociativa de la multiplicacin escalar). 10. Para todo vector x V, tenemos que 1x = x (El escalar 1 se llama el elemento identidad de la multiplicacin). Esta definicin tiene muchos detalles que debe leer con cuidado. Fjese que hay dos conjuntos {V, escalares} con dos ceros {0, 0} que No son iguales. Hay dos operaciones de suma que debes distinguir: suma entre vectores (+) y entre escalares (+). Igualmente con la multiplicacin de vector por un escalar () y la multiplicacin entre escalares. Como las operaciones de Suma +, y

multiplicacin por un escalar en el espacio V se definen de forma diferente en cada espacio vectorial a menudo estas generalizaciones (o abstraccin) de las operaciones se denotan usando otros smbolos para No confundirles con la suma y multiplicacin de nmeros reales, matrices u otros. Por ejemplo en el texto se denota: a) b) suma producto escalar

Estas 10 propiedades nos dicen que V es una generalizacin del espacio euclidieano que hemos estudiado hasta ahora: n

Ejemplos: 1. Sea V = {u= (x, y)x, y }, con las operaciones: a) Suma de vectores: para u = (x1,y1), v= (x2,y2) entonces u + v = (x1 + x2,y1+ y2) b) producto por un escalar: para a , u = (x1,y1) V, a u= (a x1, a y1). Entonces V es un espacio vectorial, es decir satisface las 10 propiedades anteriores que definen al espacio vectorial.

2. Sea V = {u =(x, y) y 0}, con las operaciones definidas como en el ejemplo anterior. V consiste de los pares ordenados en 2 que estn en los Cuadrantes I y II. V no es un espacio vectorial porque para el vector (1, 1) no existe el inverso (-1, -1) ya que (-1, -1) no es elemento de V. Adems si a < 0 entonces au= ( ax, ay) no es elemento de V. 3. Sea V = n = {u =(x1, x2, x3, , xn)xi para i = 1, 2, 3, , n}, con la suma de vectores y multiplicacin por un escalar tpicas, entonces V es un espacio vectorial. 4. Sea V = {0}, con suma y multiplicacin tpicas, satisface las diez propiedades. Es un espacio vectorial. Usualmente se conoce como el espacio vectorial trivial. 5. Sea V = {1}, con suma y multiplicacin tpicas. No es un espacio vectorial pues 1 + 1 = 2. 2 no es elemento de V (no satisface la propiedad de la clausura en la adicin ni tampoco otras propiedades cuando a < 0).

6. Sea V = {(x, y)y = mx, donde m constante, x arbitrario}, con la suma entre puntos y producto por un escalar igual al primer ejemplo. Vemos que V consiste de todos los puntos en la recta y = mx que pasa por el origen con pendiente m. V es un espacio vectorial. 7. Sea V = {(x, y)y = 2x + 1, x }, con la suma y producto del primer ejemplo. Vemos que V es el conjunto de todos los puntos en la recta y = 2x + 1. V no es un espacio vectorial, pues no satisface la propiedad de clausura: sean (x1, y1), (x2, y2) V, entonces: (x1, y1) + (x2, y2) = (x1 + x2, y1 + y2) = (x1 + x2, 2x1 + 1 + 2x2 + 1) = (x1 + x2, 2(x1+x2)+ 2) lo cual no es elemento de V 8. Sea V = Pn, el conjunto de polinomios con coeficientes reales de grado n 1, con la suma y multiplicacin por un escalar tpica de polinomios. Si p Pn, entonces p = p(x) = anxn + an-1xn-1 + + a1x + a0, donde ai es real. Pn es un espacio vectorial. 9. Sea V = M23, el conjunto de matrices de orden 2 x 3 con elementos reales, con la suma y producto por un escalar de matrices. M23 es un espacio vectorial. 10. Sea V = Mmn, el conjunto de matrices de orden m x n con elementos reales, entonces es un espacio vectorial. 11. Sea V = C[0, 1], el conjunto de funciones continuas con valores reales definidos en el intervalo cerrado [0, 1], con la suma y multiplicacin por un escalar tpica entre funciones. Entonces C[0, 1] es un espacio vectorial.

COMBINACIN LINEAL DE VECTORES: Dados dos vectores: y , y dos nmeros: a y b, el vector y . se

dice que es una combinacin lineal de

Una combinacin lineal de dos o ms vectores es el vector que se obtiene al sumar esos vectores multiplicados por sendos escalares.

Cualquier vector se puede poner como combinacin lineal de otros dos que tengan distinta direccin. (O que sean linealmente independientes)

Ejemplo 1: Dados los vectores combinacin lineal

, hallar el vector

Ejemplo 2: El vector los vectores

, se puede expresar como combinacin lineal de ?

DEPENDENCIA E INDEPENDENCIA LINEAL Vectores linealmente dependientes Varios vectores libres del plano se dice que son linealmente dependientes si hay una combinacin lineal de ellos que es igual al vector cero, sin que sean cero todos los coeficientes de la combinacin lineal.

Propiedades 1. Si varios vectores son linealmente dependientes, entonces al menos uno de ellos se puede expresar como combinacin lineal de los dems.

Tambin se cumple el reciproco: si un vector es combinacin lineal de otros, entonces todos los vectores son linealmente dependientes. 2. Dos vectores del plano son linealmente dependientes si, y slo si, son tienen la misma direccin. 3. Dos vectores libres del plano = (u1, u2) y = (v1, v2) son linealmente dependientes si sus componentes son proporcionales.

Vectores linealmente independientes Varios vectores libres son linealmente independientes si no son linealmente dependientes. Por tanto

a1 = a2 = = an = 0 Los vectores linealmente independientes tienen distinta direccin y sus componentes no son proporcionales.

Ejemplo Determinar si son linealmente dependientes o independientes los vectores.: = (3, 1) y = (2, 3)

Linealmente independientes

BASE Y DIMENSIN: BASE:Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente.

PROPIEDADES DE LA BASE 1. Una base de S es un sistema generador minimal de S (lo ms pequeo posible). 2. Adems es un conjunto independiente maximal dentro de S (lo ms grande posible). 3. Una base de S permite expresar todos los vectores de S como combinacin lineal de ella, de manera nica para cada vector. Ejemplos de bases 1. La base cannica (o base natural, o base estndar) de n: e1 = (1,0,. . . ,0) e2 = (0,1,. . . ,0) ........

en = (0,0,. . . ,1) - Son linealmente independientes porque forman un determinante no nulo. - Son sistema generador de n porque todo vector (a1,a2,. . . ,an) expresar como combinacin lineal de ellos: (a1,a2,. . . ,an)= a1(1,0,. . . ,0)+ a2(0,1,. . . ,0)+ . . . + an(0,0,. . . ,1) 2. Otra base de 3 distinta de la cannica: (1,0,0), (1,1,0), (0,2,-3). - Son linealmente independientes porque forman un determinante no nulo. - Son sistema generador de 3 porque cualquier vector (a,b,c) se puede poner como combinacin lineal de ellos. En efecto, dado (a,b,c), buscamos , , que satisfagan (a,b,c)= (1,0,0)+ (1,1,0)+ (0,2,-3) Se obtiene un sistema: + = a +2 =b -3 = c en las incgnitas , , que es compatible determinado para cualesquiera a,b,c. 3. (1,2,3), (4,5,6), (7,8,9) en 3 no forman base porque no son linealmente independientes (su determinante es nulo). 4. Base de un subespacio. En 3, consideremos el subespacio S= plano XY. Veamos que los vectores (3,2,0) , (1,1,0) forman una base de S. - Son linealmente independientes, porque uno no es mltiplo del otro. - Son un sistema generador de S: Dado un vector genrico de S, de la forma (a,b,0), lo podemos poner como combinacin lineal de (3,2,0), (1,1,0). Para ello, buscamos , b que cumplan: n se puede

(a,b,0)= (3,2,0)+ (1,1,0)

3+ = a 2 = b S. C. D. para cualesquiera a, b.

DIMENSIN: Todas las bases de un mismo espacio o subespacio tienen el mismo nmero de vectores. Se llama dimensin de dicho espacio o subespacio.. Por tanto, la dimensin es el mximo nmero de vectores independientes que podemos tener en el espacio o subespacio. En otras palabras, es el mximo rango que puede tener un conjunto de vectores de dicho espacio. Es tambin el rango de cualquier sistema generador de dicho espacio. Ejemplos de dimensin 1. n tiene dimensin n, pues tiene una base de n elementos (p.ej. la cannica). 2. M2x2= {matrices 2x2 con trminos reales} tiene dimensin 4. Una base de M2x2 es: ( ) ( ) ( ) ( )

3. P2= {polinomios de grado2 con coeficientes reales} tiene dimensin 3. Una base de P2 es, por ejemplo, la formada por los tres polinomios siguientes: 1+0x+0x2, 0+X+0x2, 0+0x+x2 (Es decir, los polinomios 1, x, x2). Otra base: 1+2x+3x2, 4+x2, 3x5x2.

PROPIEDADES DE LA DIMENSIN 1. Significado fsico de la dimensin: el espacio tiene dimensin 3, los planos dimensin 2, las rectas dimensin 1, el punto dimensin 0. El subespacio {0} es el nico de dimensin 0. 2. La dimensin de un subespacio en n, coincide con el nmero de parmetros libres en su forma paramtrica. (1 parmetro=recta, 2 parmetros= plano...) 3. Si S y T son subespacios y S est contenido en T, entonces dim S dim T.

Adems, si se da la igualdad, dim S = dim T, entonces ambos espacios han de coincidir. 4. El rango de una familia de vectores, es igual a la dimensin del subespacio que generan. Es decir: si v1, v2,. . . vn generan un cierto subespacio S, y si el rango de dicho conjunto es r, entonces dim S = r. (Si un cierto conjunto de vectores tienen rango 2, entonces generan un plano; etc.) Ejemplo En 3, sea S el subespacio generado por: (1,0,2), (0,1,2), (3,3,3), (2,2,0). Observamos que el rango de este conjunto (= rango de la matriz que forman, por filas o por columnas) es 3. As por la propiedad 4, tenemos que dim S = 3. Pero como estamos en 3, por la propiedad 3 ha de ser S=3. Teorema: Sea S un espacio o subespacio de dimensin m. Entonces, Si tenemos m vectores linealmente indep. en S, tambin sern sistema generador de S. Si tenemos m vectores que generan S, tambin sern linealmente independientes. Por tanto, si tenemos un conjunto formado por tantos vectores como indica la dimensin, dichos vectores sern a la vez linealmente independientes y sistema generador, o bien ninguna de las dos cosas. As pues, para probar que son base, bastara probar solamente una de las dos cosas: que son linealmente independientes, o que son sistema generador. Esto solamente se puede aplicar cuando conocemos la dimensin del espacio y cuando tenemos tantos vectores como indica la dimensin.

Teorema: En un espacio o subespacio de dimensin m, un conjunto de ms de m vectores nunca puede ser linealmente independiente. un conjunto de menos de m vectores nunca puede ser sistema gene rador. As pues, por ejemplo, 3 vectores en 2 podrn ser o no sistema generador de 2, pero nunca podrn ser linealmente independientes. Del mismo modo, 2 vectores en 3 podrn ser linealmente independientes o no, pero nunca sern sistema generador de 3 (aunque s podrn serlo de un subespacio ms pequeo).

FUNCIONES VECTORIALES Y MATRICIALES: Se dice que una magnitud o cantidad es funcin de otra si el valor de la primera depende exclusivamente del valor de la segunda. En matemticas se presentan diversos casos de funciones de acuerdo con su variable, como es el caso de las funciones vectoriales y las funciones matriciales, que se explicaran a continuacin.

FUNCIONES VECTORIALES: Una aplicacin F: IRn, donde I es un subconjunto de R se llama una funcin vectorial. Puesto que para cada t I, F( t ) Rn, entonces

F( t ) = ( f 1( t ), f 2( t ), ..., f n( t ) )

Las funciones f i: IR, i = 1, 2, ...n son las funciones componentes de F. Es por ello que todas las propiedades de F, como veremos, reposan en las propiedades de las funciones componentes. Ejemplos: 1. F( t ) = P + tA, t R, P y A vectores fijos de Rn es una funcin vectorial que representa una recta en Rn.

2. F( t ) = ( cos t, sent ), t R es una funcin vectorial que representa una circunferencia de centro cero y radio uno en R2. 3. F( t ) = ( t, t2 ), t R es una funcin vectorial que representa una parbola. La imagen F( I ) es un subconjunto de Rn y determina una curva en l. Es claro que una curva en Rn puede estar determinada por diferentes funciones vectoriales, por ejemplo: a( t ) = ( t, t 2 ), t 0 y b( t ) = ( t2, t 4 ), definen la misma curva en R2. No obstante, aunque es un abuso, para simplificar la escritura, identificaremos la curva con la funcin que la define.

FUNCIONES DE VARIABLE MATRICIAL: Denotamos por al espacio vectorial sobre todas las matrices de elementos de Consideramos una funcin de dimensin de

( DERIVACIN E VECTORIALES: INTEGRACIN

) DE LAS FUNCIONES

DERIVABILIDAD DE FUNCIONES VECTORIALES: La derivada de funciones vectoriales se define de la misma manera como la conocemos para funciones de variable y valor real. As:

La derivacin de funciones vectoriales satisface las siguientes propiedades: 1. 2. 3. 4. 5.

Como consecuencia de la propiedad 3. Anterior tenemos el siguiente

Teorema: Sea F una funcin vectorial definida en algn intervalo I. Si F( t ) = c, para todo t, entonces

El Teorema nos dice que el vector posicin de la curva y su vector tangente son perpendiculares para todo valor t.

INTEGRACIN: La integracin de funciones vectoriales la definimos as:

Teorema (Primer Teorema Fundamental del Clculo). Sea F : [a, b] Rn continua y sea c a, b] . Entonces la funcin

Teorema (Segundo Teorema Fundamental del Clculo). Supongamos que F es continua en (a, b). Entonces para cada c, x (a, b) tenemos que

CONCLUSIONES

Un vector es una herramienta geomtrica utilizada para representar una magnitud fsica definida por su mdulo , su direccin y su sentido. Los vectores se pueden representar geomtricamente como segmentos de recta dirigidos en el plano o en el espacio . Los vectores son importantes porque mediante las reglas del algebra vectorial (suma, resta y multiplicacin de vectores) se pueden solucionar problemas en la ingeniera, la mecnica y la fsica.

Todo conjunto de nmeros o expresiones dispuestos en forma rectangular, formando filas y columnas se le denomina matriz.

Las matrices se utilizan para mltiples aplicaciones y sirven, en particular, para representar los coeficientes de los sistemas de ecuaciones lineales o para representar las aplicaciones lineales; en este ltimo caso las matrices desempean el mismo papel que los datos de un vector para las aplicaciones lineales.

BIBLIOGRAFA:

http://www.rena.edu.ve/cuartaEtapa/matematica/tema3/Tema3d.html http://www.fisicapractica.com/producto-escalar-vector.php http://www.geoan.com/vectores/multiplicacion.html 02_01.pdf http://www.euroschool.lu/esmaths/ficheros/.../espacios%20vectoriales2.doc http://personales.unican.es/camposn/espacios_vectoriales2.pdf http://tutorial.math.lamar.edu/Classes/LinAlg/VectorSpaces.aspx http://facultad.bayamon.inter.edu/ntoro/Vectores%20en%20R2%20y%20R3. htm

http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap02/02_