Académique Documents
Professionnel Documents
Culture Documents
ndice
1. Introduccin 1
3. Matrices 6
3.1. Definicin de matriz . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.2. Operaciones con matrices . . . . . . . . . . . . . . . . . . . . . . 6
3.3. Matrices Especiales . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4. Integrales 10
4.1. Antiderivada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
4.2. Sumatorias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
4.3. rea . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
4.4. Suma superior e inferior . . . . . . . . . . . . . . . . . . . . . . . 13
1. Introduccin
El siguiente documento rene un conjunto de conceptos fundamentales para
el estudio del lgebra lineal. Entre ellos se encuentran las ecuaciones lineales,
los sistemas de ecuaciones lineales, las matrices junto con las distintas opera-
ciones que admiten y finalmente los vectores en espacios bi- y tridimensional.
Se analizan tambin conceptos de clculo, y finalmente cmo los conceptos de
ambas disciplinas pueden utilizarse para simplificar conceptos de fsica.
1
2. Sistemas de ecuaciones lineales
2.1. Ecuacin lineal
Una ecuacin lineal en las n variables x1 , x2 , ..., xn es una ecuacin que se
puede expresar en la forma:
a1 x1 + a2 x2 + ... + an xn
2. Tiene solucin
3. Tiene infinitas soluciones
2
Es importante que las incgnitas estn ordenadas, para que cada columna de la
matriz le corresponda a una incgnita determinada. Para encontrar el conjunto
solucin de un sistema de ecuaciones lineales, se puede escalonar y reducir la
matriz aumentada del mismo. Una Matriz escalonada reducida debe cumplir
con los siguientes requisitos:
Si una matriz slo cumple con los requisitos 1,2 y 3 entonces se denomina
matriz escalonada (sin reducir)
3
caso la posicin 1.1 est ocupada por un 2, por lo tanto eso tampoco representa
un problema.
Luego hay que convertir el nmero en la posicin 1.1 en un 1 principal,
entonces multiplicamos a toda la fila por 21 Al hacerlo obtenemos la siguiente
matriz:
3 1
. 12
1 2 2
A= 3 2 4 . 3
5 1 1 . 4
Ahora sumamos mltiplos adecuados a renglones inferiores para convertirlos en
0
3 E1 + E2 E2
5 E1 + E3 E3
3 1 1 3 1 1
1 2 2 . 2 1 2 2 . 2
3
A= 2 4 . 3 A =
0 13
2 11
2 . 29
5 1 1 . 4 0 17
2 72 . 3
2
Ahora procedemos a hacer lo mismo para las otras columnas pero ignorando las
filas superiores, necesitamos obtener el 1 de la 2a fila, y procedemos de igual
forma que antes, es decir multiplicamos toda la fila por el inverso del numero
que deseamos transformar en 1, en este caso 13 2
2 , cuyo inverso es 13
2
13 E2 E2
2 E3 E3
3 1 1 3 1 1
1 2 2 . 2 1 2 2 . 2
0
A= 13
2 11
2 . 92
A = 0
1 11
13 . 9
13
0 17
2 72 . 3
2 0 17 7 . 3
4
3 1 1 3 1 1
1 2 2 . 2 1 2 2 . 2
11 9
11 9
A= . A = 0 1 .
0 1
13 13 13 13
96 192
0 17 7 . 3 0 0 13 . 13
3 1 1 3 1 1
1 2 2 . 2 1 2 2 . 2
11 9
11 9
. A = 0 .
0
A= 1 1
13 13 13 13
96 192
0 0 13 . 13 0 0 1 . 2
11
13 E3 + E2 E2
3 1 1 3
. 21
1 2 2 . 2 1 2 0
11 9
0
A= 1 13 . 13
A = 0
1 0 . 1
0 0 1 . 2 0 0 1 . 2
Ahora para completar la reduccin slo falta anular el elemento 1.2 para ha-
cer esto buscamos el opuesto del numero que se ubica en la 1a columna, 2a fila
de la matriz con la que estamos operando, en este caso es 23 , cuyo opuesto ser
5
23 , lo que hacemos ahora es multiplicar este nmero por todos los elementos de
la 2a fila y sumar esos resultados con el nmero que le corresponde en columna
de la 1a fila. 32 E2 + E1 E1
3
. 12 . 12
1 2 0 1 0 0
0
A= 1 0 . 1 A =
0 1 0 . 1
0 0 1 . 2 0 0 1 . 2
A esta matriz se le asocia finalmente el sistema:
x + 0y + 0z = 1
S0 = 0x + y + 0z = 1
0x + 0y + z = 2
3. Matrices
3.1. Definicin de matriz
Podemos definir una matriz como un arreglo rectangular de nmeros, a los
cuales se denomina elementos
Formalmente,
sean m, n N, una matriz de nmeros R de tamao mxn es un arreglo rec-
tangular de nmeros R dispuestos en m filas y n columnas Se puede escribir de
forma condenada como [Aij ]mxn
Decimos que dos matrices son iguales si y slo si tienen el mismo tamao y
adems sus elementos correspondientes son iguales.
1 2 4 . 8 0 5 2 . 1
6
A= 7 1 . 0 yB =
1 6 4 . 3
4 5 7 . 2 8 2 3 . 1
6
Entonces, A+B ser igual a:
1 7 6 . 9
7
A+B = 8 5 . 3
12 7 10 . 3
Mientras que A-B ser igual a:
1 3 2 . 7
AB =
5 1 3 . 3
4 3 4 . 1
Producto de matrices por un escalar: Si A es una matriz cualquiera tal que
A Rmxn , y c un escalar cualquiera tal que c R, entonces c A es la matriz
obtenida al multiplicar cada elemento de A por C, en el caso de la matriz A del
ejemplo anterior:
1 2 4 . 8 3 6 12 . 24
6
A= 7 1 . 0
3 A = 18
21 3 . 0
4 5 7 . 2 12 15 21 . 6
r
X
Aik Bkj = (AB)ij
k=1
i {1, 2, ..., m}
j 1, 2, ..., n
Aun cuando muchas de las reglas de la aritmtica para los nmeros reales
tambin se cumplen para las matrices, hay algunas excepciones; una de las
excepciones ms importantes se presenta en la multiplicacin de matrices. Para
los nmeros reales a y b, siempre se tiene ab = ba Esta propiedad a menudo se
denomina ley conmutativa para la multiplicacin. Sin embargo, en el caso de las
7
mtrices, AB y BA no necesariamente son iguales. Es posible que la igualdad no
se cumpla por tres razones. Puede suceder, por ejemplo , que AB est definido
, pero BA no. Este es el caso si A es una matriz de 2 X 3 Y B una de 3X4.
Tambin puede suceder que tanto AB como BA estn definidos, pero tengan
tamaos diferentes. Esta es la situacin si A es una matriz de 2 X 3 Y B una de
3 X 2 . Por ltimo, como se muestra en el ejemplo que sigue , se puede tener AB
6= BA, incluso si AB y BA estn ambos definidos y tienen el mismo tamao.
Aunque la ley conmutativa para la multiplicacin no es vlida en la arit-
mtica matricial, muchas leyes conocidas de la aritmtica se cumplen para las
matrices. En el teorema que sigue se resumen algunas de las ms importan-
tes,junto con sus denominaciones.
Teorema 2 (Propiedades de las matrices) : Suponiendo que los tamaos
de las matrices son tales que es posible efectuar las operaciones indicadas, son
vlidas las reglas que siguen de la aritmtica matricial:
1. A + B = B + A
2. A + (B + C) = (A + B) + C
3. A(BC) = (AB)C
4. A(B + C) = AB + AC
5. (B + C)A = BA -lCA
6. A(B - C) = AB - AC
7. (B - C)A = BA - CA
8. a(B + C) = aB + aC
9. a(B - C) = aB - aC
10. (a + b)C = aC -t-bC
11. (a - b)C = aC - bC
12. (ab)C = a(bC)
13. a(BC) = (aB)C = B(aC)
8
2. A - A = O
3. O-A=-A
4. AO = O: OA = O
Matriz identidad: sean m, n N, la matriz identidad es una matriz cuadrada
con 1 en su diagonal principal, sus elementos se definen como:
1 sii i = j
(In )ij =
0 sii i 6= j
Por ejemplo I4 se escribe como:
1 0 0 0
0 1 0 0
A=
0 0 1 0
0 0 0 1
Matriz inversa: Si A es una matriz cuadrada y si se puede encontrar B del mismo
tamao tal que AB=BA=I entonces decimos que A es INVERTIBLE y B es
la inversa de A, denotada como A1
Teorema 4 (Producto de inversibles) : Si A y B son inversibles y del mis-
mo tamao AB es invertible y adems (AB)1 = B 1 A1
Matriz inversa: Si A es una matriz mxn, entonces la transpuesta de A deno-
tada At , es la matriz nxm que se obtiene al intercambiar renglones y columnas
de A.
(At )ij = Aji
1. (At )t = A
2. (A + B)t = At + B t
3. (kA)= kA, .en donde k es cualquier escalar
4. (AB)= B
El estudio de la resolucin de sistemas utilizando matrices, ser de suma
importancia para encontrar el valor de distintas incgnitas en clculo y fsica.
9
4. Integrales
4.1. Antiderivada
Definicin de antiderivada: Se dice que una funcin F es una antiderivada
de f, tambin llamada una primitiva de f en un intervalo I si:
F 0 (x) = f (x) x I
Una funcin puede tener infinitas antiderivadas que difieran en una constante,
lo que da lugar al teorema que sigue:
Teorema 6 (Representacin de antiderivada general) : Si F es una an-
tiderivada de f en un intervalo I, entonces G es una antiderivada de f en el
mismo intervalo si y slo si G es de la forma G(x) = F (x) + C, donde C es una
constante
Demostracin
Primero demostramos la ida:
Sabemos que G(x) es de la forma G(x) = F (x) + C, que f 0 (x) = F (x) y
que C es una constante. Queremos probar que G es una antiderivada de f.
G(x) = F (x) + C G0 (x) = dx
d
(F (x) + C) = F 0 (x) + 0 = f (x)
Luego es necesario demostrar la vuelta: Sabemos que G es una antideri-
vada de f que f 0 (x) = F (x) y que C es una constante. y queremos probar
que G(x) es de la forma G(x) = F (x) + C
Definimos H(x) = G(x) F (X) Como H es continua y derivable, por el
teorema del valor medio sabemos que existe c tal que:
H 0 (c) = H(b)H(A)
ba
Adems sabemos que:
H 0 (c) = 0 ya que H 0 (x) = G0 (x) F 0 (X) H 0 (x) = f (x) f (x)
H 0 (c) = 0
Por lo tanto, H(b) H(A) = 0. Esto nos indica que la funcin H(x) es una
funcin constante ya que a y b son valores genricos. Entonces podemos
afirmar que:
10
4.2. Sumatorias
Para esta seccin definimos la sumatoria a travs de la notacin sigma, de-
cimos que:
La suma de n trminos a1 , a2 , ...., an se escribe como:
n
X
ai = a1 + a2 + .... + an
i=1
donde:
i es el ndice de suma
ai es el i-simo trmino de la suma
n y l son los lmites superior e inferior de la suma
Algunas propiedades tiles de la suma son:
1.
n
X n
X
k ai = k ai
i=1 i=1
2.
n
X n
X n
X
ai bi = ai bi
i=1 i=1 i=1
1.
n
X
c=cn
i=1
2.
n
X n(n + 1)
i=
i=1
2
3.
n
X n(n + 1)(2n + 1)
i2 =
i=1
6
4.
n
X n2 (n + 1)(n + 1)2
i3 =
i=1
4
11
Ahora demostraremos cada una de estas propiedades,
1. La demostracin de la propiedad uno es inmediata, al sumar n veces el
nmero c, se obtiene la suma cn
2. Para demostrar la propiedad 2, se escribe la suma en orden creciente y en
orden decreciente, y se suman los trminos correspondientes de la siguiente
manera
n
X
i = 1 + 2 + 3 + ... + (n 1) + n
i=1
n
X
i = n + (n 1) + (n 2) + ... + 3 + 2 + 1
i=1
Por tanto:
n
X n(n + 1)
i=
i=1
2
k(k+1)(2k+1)
6 + (k + 1)2 =
k+1
6 (2k 2 + k + 6k + 6) =
(k+1)(k+2)[2(k+1)+1]
6 se cumple la propiedad 3
4. El procedimiento para demostrar la ltima propiedad utiliza tambin la
induccin matemtica, y es similar.
12
4.3. rea
En la geometra euclideana, el tipo ms simple de regin plana es un rec-
tngulo. Aunque la gente a menudo afirma que la frmula para el rea de un
rectngulo, resulta ms apropiado decir que sta es la definicn del rea de un
rectngulo. De esta definicn, se pueden deducir frmulas para reas de muchas
otras regiones planas.
13
Figura 3: Subintervalos
extremo garantiza la existencia de un valor mnimo y
uno mximo de f(x) en cada subintervalo.
f(mi) = valor mnimo de f(x) en el i-simo subin-
tervalo
Suma superior=
n
X
F (mi ) x
i=1
14