Professional Documents
Culture Documents
NDICE
Nmeros complejos. 3 Introduccin3 Nmeros complejos..4 Matrices9 Introduccin9 Concepto de matriz..11 Matrices iguales13 Matrices especiales.14 Matriz traspuesta..21 Suma de matrices.25 Multiplicacin de matrices.39 Sistemas de ecuaciones.54 Determinantes75 Matriz inversa.93 Regla de cramer103 Espacios vctoriales...108 Introduccin.108 Valores propios y vecrtores propios..119 Introduccin119 Bibliografa..121
En ecuaciones diferenciales, es habitual encontrar primero las races complejas r de la ecuacin caracterstica de la ecuacin diferencial de primer grado y luego intentar resolver el sistema en trminos de las funciones base de la forma: f(t) = ert.
NMEROS CONPLEJOS Los Nmeros Complejos son una extensin de los nmeros reales, cumplindose que . Los nmeros complejos tienen la capacidad de representar todas las races de los polinomios cosa que con los reales no era posible. Esto se consigue gracias a que los complejos hacen uso de una unidad imaginaria llamada nmero i. Donde . Cada complejo se representa en forma binomial como a + ib donde a es la parte real i b es la parte imaginaria. Desde un punto de vista geomtrico la recta real (recta que representa el total de nmeros reales) puede ser vista como un subconjunto del plano de los nmeros complejos. Cada nmero complejo sera un punto en ese plano. Usando las definiciones que siguen, se hacen posibles la suma, la resta, la multiplicacin y la divisin entre estos puntos.
Definiremos cada complejo como un par ordenado de nmeros reales (a, b), que verifican las siguientes propiedades:
Tal como los hemos definido, los nmeros complejos forman un cuerpo el cuerpo complejo, denotado por C (o ms apropiadamente por el carcter nico de ). Si identificamos el nmero real a con el complejo (a, 0), el cuerpo de los nmeros reales R aparece como un subcuerpo de C. Ms an, C forma un espacio vectorial de dimensin 2 sobre los reales. Los complejos no pueden ser ordenados como, por ejemplo, los nmeros reales: C no puede ser convertido de ninguna manera en un cuerpo ordenado.
Definicin y propiedades principales de los nmeros complejos Un nmero complejo decir , donde es un par ordenado de nmeros reales se denomina parte real de e , es
se denomina
parte imaginaria y se denotan por , los nmeros complejos lo denotaremos por complejos cualesquiera y
Es fcil comprobar que si y son nmeros tales que , las operaciones anteriores coinciden con las de los nmeros reales, de forma que los nmeros reales son un subconjunto de los complejos, concretamente son los nmeros complejos de la forma .
Utilizando el conjunto de los nmeros complejos descubrimos que es posible resolver ecuaciones algebraicas que no eran resolubles para los reales, por ejemplo
Antes de pasar al segundo punto de este apartado debemos destacar que los nmeros complejos tambin satisfacen los axiomas de cuerpo, no as los de orden. En efecto, probemos que para los complejos es imposible que se cumplan los axiomas (propiedades) de la definicin orden: Un conjunto de elementos relacin de orden cumple que axiomas: es un conjunto ordenado si existe una y elementos de se
Si adems, es un cuerpo, entonces para cuales quiera sean se tiene que 5. Si 6. Si y entonces . . Entonces o , luego o . Si entonces .
, o equivalentemente,
. Un razonamiento anlogo demuestra que decir es imposible que no puede ser menor que cero (probar esto ltimo como ejercicio). Luego no hay forma alguna que nos permita ordenar los complejos. Operaciones elementales. Sean nmeros complejos cualesquiera, entonces y dos
al nmero
Adems
si y slo si
. Sea
Forma trigonomtrica y exponencial de un nmero complejo. . Se define el mdulo de al ngulo tal que al nmero , . Entonces,
y al argumento de
El mdulo propiedades. 1. 2. 3. 4. 5. 6. Si
y el argumento de
. . . y , entonces
Dado
como (1)
La ecuacin (1) se conoce como frmula de Euler. Definiremos la funcin mediante la expresin
La funcin exponencial tiene las siguientes propiedades: 1. 2. 3. 4. 5. 6. Potencias enteras y races enteras de un nmero complejo. Entonces Sea . . . .
La frmula anterior se conoce como frmula de Moivre. Tomemos ahora un nmero complejo tiene soluciones . Entonces la ecuacin y dichas soluciones, que son
MATRICES
Introduccin Las matrices y los determinantes comenzaron a desarrollarse con mayor fuerza a fines del siglo XVII. En sus comienzos, su desarrollo estaba dirigido a transformaciones de objetos geomtricos y a la resolucin de Sistemas de Ecuaciones Lineales.
Aunque en nuestros tiempos se consideran primero las matrices antes que los determinantes, en sus inicios no fue as. Se le daba ms nfasis al estudio de los determinantes que a las matrices. Actualmente, las matrices son de mucha utilidad en problemas prcticos de la vida diaria. Sobre todo en aquellos que involucran Sistemas de Ecuaciones Lineales. Por ejemplo, considera lo siguiente:
La siguiente informacin corresponde a la cantidad de energa (caloras) y protenas (gramos) que aportan a nuestro organismo una porcin de leche en polvo con una porcin de alimento fortificante.
Cuntas porciones de leche en polvo y alimento fortificante se requiere para ingerir 1800 caloras y 70 gramos de protenas? Sea x la cantidad de porciones de alimento fortificante y sea y la cantidad de porciones de leche. De acuerdo a esto, podemos formar la siguiente ecuacin:
Problemas como este, tan propios de tu vida, se pueden solucionar utilizando la Teora de Matrices. Algunos de los principales exponentes que de alguna u otra forma aportaron con sus cocimientos en el desarrollo de la Teora de Matrices son Gauss, Cramer, Laplace, Leibniz, De lhospital, Cardan y muchos otros ms.
Si deseas investigar ms al respecto y te gusta mucho navegar por Internet, al final de todos los mdulos encontrars algunos sitios que pueden enriquecer an ms tus conocimientos. Tambin encontrars bibliografa por si deseas consultar libros al respecto.
Concepto de matriz
Llamaremos matriz de orden (nxm) sobre el cuerpo de los nmeros reales a un conjunto de nmeros reales dispuestos en n filas y m columnas de la siguiente forma:
10
Consideraciones 1. Las matrices se designan con una letra mayscula, como A, B, C , D , etc. Ejemplo:
2. La dimensin u orden de una matriz, est dado por la cantidad de filas (n) y la cantidad de columnas (m) que esta tenga y se denota por (nxm). Ejemplo:
11
3. Cada elemento de la matriz corresponde a un nmero real representado de la forma (aij) donde i corresponde a la posicin de fila y j corresponde a la posicin de la columna dentro de la matriz.
Ejemplo:
Donde:
4. La cantidad de elementos de la matriz se determina multiplicando la cantidad de filas por la cantidad de columnas.
12
Ejemplo:
De ahora en adelante, denotaremos por A(nxm) o simplemente A, a una matriz cualquiera de orden (nxm) con elementos pertenecientes a los nmeros reales.
MATRICES IGUALES Diremos que dos matrices son iguales, si tienen el mismo orden o dimensin y los elementos que se encuentran en la misma posicin, son iguales. Esto es:
La idea es que dos matrices son diferentes si difieren en al menos un elemento. Ejemplo:
Luego, A = B.
En los captulos siguientes, muchas veces nos referiremos al trmino "escalar". Llamaremos escalar a cualquier constante numrica perteneciente a los nmeros reales.
Matrices Especiales
Como te podrs ir dando cuenta, existen infinitas matrices de distinto orden con elementos pertenecientes a los nmeros Reales. Tenemos un grupo de matrices que, debido a los elementos que las componen y a la forma en que estn ubicados, cumplen con propiedades especiales. Lo que facilita mucho las cosas cuando se trata de resolver algn problema prctico (que vers ms adelante). Sea A(nxm) una matriz con elementos pertenecientes a los nmeros reales. 1. A ser llamada matriz fila si n=1. Ejemplo:
14
Ejemplo:
En los prximos captulos, a la matriz nula la denotaremos simplemente como 0. 4. A ser llamada matriz cuadrada si n=m. Ejemplo:
15
16
9.
1. Dada la siguiente matriz A = (aij), completa con el elemento o con la posicin del elemento (ejemplo a11 = -1, -2 = a13 ).
17
1/5 =
2. Solo una de las siguientes afirmaciones es siempre verdadera Cul es? a) Las matrices se designan siempre con letras minsculas. b) El orden de una matriz est dado por la cantidad de filas que esta tenga. c) La cantidad de elementos de una matriz se determina sumando la cantidad de filas columnas. d) Para que dos matrices sean iguales, basta que tengan la misma dimensin u orden. e) Un elemento en una matriz corresponde a la interseccin entre una fila y una columna.
18
Marca el cuadro que aparece a la derecha de la letra correspondiente a la matriz(ces) que consideres correcta.
19
4. Representa la informacin del tem a y b por medio de una matriz y luego concluye en el tem c. a) La produccin en granos de trigo, arroz, maz y cebada en miles de toneladas durante el ao 2000 en la regin A fue respectivamente 3000, 200, 400 y 600. En la regin B fue 700, 350, 700, 100. En la regin C fue 1000, 100, 500, 800. b) La produccin en granos de trigo, arroz, maz y cebada en miles de toneladas durante el ao 2001 en la regin A fue respectivamente 5000, 50, 200 y 0. En la regin B fue 2000, 100, 300, 300. En la regin C fue 2000, 100, 600, 600. c) Qu puedes concluir respecto a la produccin de granos en las regiones A, B y C durante los aos 2000 y 2001?
Matriz Transpuesta
20
La relacin que existe entre cada par de matrices, es que las filas de la matriz A se convierten en las columnas de la matriz B. A la matriz B la llamaremos matriz transpuesta de A y la denotaremos como:
Luego, sea A = (aij) una matriz de orden (nxm) con elementos pertenecientes a los nmero reales. Llamaremos matriz transpuesta de A a la matriz:
Ejemplo:
21
22
23
2. Para cada una de las matrices, determina la traspuesta de la matriz transpuesta. De esta actividad podemos concluir que: a) La traspuesta de la matriz traspuesta es siempre una matriz cuadrada. b) La traspuesta de la matriz traspuesta es siempre una matriz columna. c) La transpuesta de la matriz traspuesta es siempre una matriz simtrica. d) La traspuesta de la matriz traspuesta es la misma matriz. e) La traspuesta de la matriz traspuesta es siempre una matriz fila.
3. Multiplica cada matriz por un escalar y determina la matriz transpuesta. 4. Multiplica la traspuesta de cada matriz por el mismo escalar del ejercicio anterior. 5. De los ejercicios 3 y 4 podemos concluir que:
6. La siguiente matriz es la traspuesta de la matriz F indicada al inicio de esta pgina Cul es el valor de x?
24
SUMA DE MATRICES Vamos a comenzar esta unidad resolviendo un problema prctico. La siguiente informacin, corresponde a la produccin en granos en miles de toneladas, en dos aos consecutivos:
Cul es la produccin de granos en miles de toneladas durante los dos aos consecutivos? Para resolver este problema, debemos sumar la produccin del primer ao, con la produccin del segundo ao. Esto equivale a sumar los elementos de la primera matriz con los elementos correspondientes de la segunda matriz:
25
Supongamos ahora que existen muchos incentivos para incrementar la produccin, condiciones climticas favorables, etc. De tal forma que se estima que la produccin para el tercer ao ser el triple de la produccin del primero Cul ser entonces, la produccin estimada de este ltimo ao? En este caso, debemos multiplicar la produccin del primer ao por tres (recuerda que es el triple).
26
Luego tenemos:
Para solucionar los problemas anteriores, acabamos de utilizar dos operaciones muy importantes con matrices: la suma y la multiplicacin por un escalar (un nmero Real). La suma de dos matrices, sean A =(aij) y B = (bij), solo es posible cuando ambas matrices tienen la misma dimensin u orden. Esto es, sean A = (aij) y B = (bij) matrices de orden (nxm) con elementos pertenecientes a los nmeros reales.
Si sumamos A + B obtendremos una matriz C = (cij) con elementos tambin pertenecientes a los nmeros reales y del mismo orden:
27
Veamos un ejemplo:
Tenemos que A + B = B + A Ser conmutativa la suma de matrices? Por supuesto que es conmutativa, puedes ver la demostracin: CLICK AQUI Ahora si que podemos afirmar que la suma de matrices es conmutativa. O sea:
Consideremos lo siguiente:
28
Tenemos que A+ ( B + C ) = ( A + B ) + C Como en el caso anterior, veamos si la suma de matrices es asociativa: De acuerdo a la demostracin, podemos afirmar que la suma de matrices es asociativa:
Veamos si la matriz nula es un elemento neutro en la suma de matrices: Luego, cualquier matriz sumada a la matriz nula, da como resultado la misma matriz. O sea, la matriz nula es un elemento neutro en la suma de matrices.
Listo, ahora ya sabemos sumar matrices. Pero an nos falta analizar la multiplicacin de una matriz por un escalar. Como nos pudimos dar cuenta en el problema planteado al comienzo de este captulo, para multiplicar una matriz por un nmero escalar, basta multiplicar cada uno de los elementos de la matriz por este nmero. Esto es, sea A una matriz de orden (nxm) con elementos pertenecientes a los nmeros reales. Y sea k un nmero real (el escalar).
29
Sean
30
Matrices de orden (nxm) con elementos pertenecientes a los nmeros reales. Y sea k un escalar Real. Como lo vimos anteriormente, trata de demostrar que:
Cul de los siguientes pares de matrices se pueden sumar? a) La matriz C con la matriz E. b) La matriz B con la matriz A. c) La matriz E con la matriz F. d) La matriz A con la matriz C. e) La matriz D con la matriz F.
31
2. Sean A, B y C matrices de orden (nxn) con elementos pertenecientes a los nmeros reales. Si B es la matriz nula Cul de las siguientes expresiones es siempre correcta?.
32
5. Cul es el valor de x , y , z?
x=
y=
z=
x=
y=
z=
33
x=
y=
z=
x=
y=
z=
9. La siguiente informacin corresponde a la cantidad de libros de la editorial A, B y C ordenados por tipo y empaste, que una librera tiene a la venta.
34
a) Cul matriz representa la cantidad total de libros que la librera tiene a la venta, por tipo y empaste.?
35
b) El dueo de la librera decide abrir una nueva sucursal. Para comenzar, se lleva la dcima parte de los libros de la editorial A, la quinta parte de la editorial B y la cuarta parte de la editorial C. Cul es la cantidad total de libros por tipo y empaste de esta nueva sucursal?
c) Si en la nueva sucursal se vendieron todos los libros Cuntos libros por tipo y empaste quedan por vender?
36
10. La siguiente informacin corresponde a los estilos de casa que disea un arquitecto y la cantidad de material que se requiere para su construccin.
Si le piden construir tres casas de cada tipo Cual es la cantidad de material que se va a gastar en ello? Fierro Madera Vidrio Pintura Tejas
37
Si la ciudad G est entre la ciudad A y la ciudad D. La ciudad H est entre la ciudad A y la ciudad E. La ciudad I est entre la ciudad A y la ciudad F. Que distancia hay entre la ciudad G y la ciudad D, la ciudad H y la ciudad E, la ciudad I y la ciudad F? Entre G y D Entre H y E Entre I y F
12. La siguiente informacin corresponde a la cantidad de productos que producen las plantas 1, 2, 3 y 4 en un da.
Cul es la cantidad de producto1, producto2 y producto3 que se producen en ocho das? Producto1 Producto2 Producto3
13. Un fabricante de cierto producto realiza tres modelos A, B y C. Partes de cada uno se elaboran en la fbrica F1 de Taiwn y despus se terminan en la fbrica F2 de Estados Unidos. El costo total de cada producto consta de los costos de manufactura y de embarque.
38
Costo Manufactura
Costo Embarque
MULTIPLICACIN DE MATRICES
La siguiente informacin corresponde a la cantidad de vitaminas A, B y C contenidas en cada unidad de los alimentos I y II.
Si ingerimos cinco unidades del alimento I y dos unidades del alimento II Cunto consumiremos de cada tipo de vitamina?
39
Para resolver este problema, representemos el consumo de los alimentos I y II (en este orden) en la siguiente matriz:
La operacin que nos va a permitir obtener la cantidad ingerida de cada vitamina es la siguiente:
Esto quiere decir que sern ingeridas 30 unidades de vitamina A, 15 unidades de vitamina B y 2 unidades de vitamina C. Lo que respondera nuestra interrogante. Supongamos ahora que el costo de los alimentos depende solamente de su contenido vitamnico y sabemos que los precios por unidad de vitamina A, B y C son respectivamente $5, $3 y $5. Entonces Cunto pagaremos por la porcin de alimentos indicada anteriormente? Esto lo podemos resolver de la siguiente forma:
40
Esto quiere decir que pagaramos $205. Las dos operaciones que acabamos de realizar las llamaremos producto o multiplicacin de matrices. La matriz resultado o matriz producto es obtenida a partir de una fila de la primera matriz y una columna de la segunda. Vemoslo para un caso genrico:
41
Para poder multiplicar dos matrices, es necesario que la cantidad de columnas de la primera matriz, sea igual a la cantidad de filas de la segunda. Luego, si A es una matriz de orden (nxm) y B es una matriz de orden (mxp), entonces la matriz resultado ser una matriz de orden (nxp). Veamos un ejemplo:
Aqu sucede algo muy importante, fjate que AB es distinto de BA, esto quiere decir que el producto de matrices no es conmutativo.
42
a) Cul(es) de los siguientes pares de matrices se pueden multiplicar? A por E C por E D por A B por E D por C
b) Calcula: AB AC
t (A B)
t B A
43
A(B + C)
AB + AC
44
g) Multiplica cada matriz por la matriz identidad Que puedes concluir del resultado? h) Demuestra las siguientes propiedades del producto de matrices:
Recomendacin: Empieza probando la propiedad distributiva. Puedes trabajar con estas tres matrices:
Sigue desarrollando hasta llegar a AB + AC. Si no deseas escribir tanto, puedes resumir utilizando sumatorias. 2. La siguiente matriz nos muestra la cantidad de alumnos del tercer ao A y tercer ao B de un Liceo, separados por sexo:
45
Como regalo de fin de ao, se dispone de $7000 para el regalo de las nias y $6900 para el regalo de los hombres Cunto se gastar por curso?
3. La siguiente matriz nos muestra la cantidad de rifas y talonarios que se vendieron, desde el primer ao medio al cuarto ao medio para el aniversario del Liceo.
Si por la venta de una rifa se asignan cinco puntos y por la venta de un talonario se asignan 10 puntos Qu curso sac ms puntaje?
Medio con
puntos
46
4. Un corredor de la bolsa decide comprar acciones de una determinada empresa de la siguiente forma: 400 acciones del tipo A, 500 acciones del tipo B y 600 acciones del tipo C. Si cada accin de tipo A, B y C cuesta respectivamente $500, $400 y $300 respectivamente Cual es el costo total de las acciones?
Costo total =
5. Un constructor tiene contrato para construir tres tipos de casa: moderno, mediterrneo y colonial. La cantidad de material que se utiliza en la construccin de cada tipo de casa est dado por la siguiente matriz:
a) Supongamos que los precios por unidad de fierro, madera, vidrio, pintura y tejas sean respectivamente 15, 8, 5 , 1 y 10 Cual es el precio unitario por cada tipo de casa?
Moderno
Mediterrneo
Colonial
b) Si se van a construir 5, 7 y 12 casas tipo moderno, mediterrneo y colonial respectivamente Cuntas unidades de cada material se va a utilizar?
Fierro
Madera
Vidrio
Pintura
Tejas
47
c) Si se van a construir 5, 7 y 12 casas tipo moderno, mediterrneo y colonial respectivamente y el valor de la UF equivale a $15558 Cual es el costo total del material utilizado en pesos?
6. Las plantas se rocan con pesticida para eliminar insectos dainos; sin embargo, absorben parte de las sustancias. Luego, los herbvoros comen las plantas contaminadas. En base a la informacin proporcionada a continuacin:
Cual es la cantidad de pesticida 1, 2, 3 absorbida por cada uno de los herbvoros? Herb. 1: Cant. Pest. 1 Herb. 2: Cant. Pest. 1 Cant. Pest. 2 Cant. Pest. 2 Cant. Pest. 3 Cant. Pest. 3
48
Cant. Pest. 2
Cant. Pest. 3
7. Un fabricante de muebles fabrica sillas y mesas que deben pasar por un proceso de armado y uno de acabado. Los tiempos necesarios para estos procesos estn dados (en horas) por la siguiente matriz:
El fabricante tiene una planta en la ciudad A y otra en la ciudad B. Las tarifas por hora de cada proceso estn dadas (en dlares) por la matriz:
Que le dicen al fabricante el producto de matrices AB? a) Cuantas sillas y mesas se pueden construir en la Ciudad A y en la Ciudad B, tomando en cuenta el proceso de armado y acabado. b) Cuantas horas tarda el proceso de armado y acabado de sillas y mesas en la Ciudad A y la Ciudad B. c) El costo (en dlares) en hacer sillas y mesas en la Ciudad A y en la Ciudad B por hora. d) El que ciudad es ms conveniente construir sillas y mesas en cfont>
49
e) El tiempo de proceso (horas) en construir sillas y mesas en la Ciudad A y en la Ciudad B, sin considerar el proceso de armado.
Si el proceso de acabado de una silla aumenta en 90 minutos. En cul ciudad es ms conveniente construir los muebles? Ciudad A Ciudad B
8. Un fabricante elabora productos P y Q en dos plantas X e Y. Durante la fabricacin se producen los contaminantes bixido de azufre, xido ntrico y partculas suspendidas. Las cantidades de cada contaminante estn dadas (en kilogramos) por la matriz:
Los reglamentos municipales exigen la eliminacin de estos contaminantes. El costo diario por deshacerse de cada kilogramo de contaminante est dado (en dlares) por la matriz:
50
Que le dicen al fabricante el producto de matrices AB? a) La cantidad de contaminantes mmanos que deben producir los productos P y Q en las Plantas X e Y respectivamente. b) El costo (en dlares) por hacer los contaminantes P y Q en las Plantas X e Y diariamente. c) De acuerdo las leyes federales, la cantidad mxima de contaminantes que estn permitidos producir en las Plantas X e Y. d) La cantidad de contaminantes que producen los productos P y Q en las Plantas X e Y respectivamente. e) El costo diario (en dlares) por deshacerse de los contaminates de los productos P y Q en las Plantas X e Y.
Si en ambas plantas, el costo por deshacerse de las partculas suspendidas disminuye a la quinta parte En cunto disminuye el costo del producto Q en la Planta X? US$
9. Una empresa de fotografa tiene una tienda en la ciudad A, B y C. Cierta marca de cmara est disponible en los modelos automtico y manual. Adems, cada una tiene una unidad de flash correspondiente, la cual se vende por lo general junto con la cmara. Los precios de venta de las cmaras y de las unidades de flash estn dados (en dlares) por la matriz:
51
El nmero de equipos (cmara y unidad de flash) disponibles en cada tienda est dado por la matriz:
Que indica el producto de matrices AB? a) El nmero de cmaras y unidades de flash que se encuentran disponibles en las ciudades A, B y C respectivamente. b) El costo (en dlares) que sale producir cmaras y unidades de flash en las ciudades A, B y C. c) La cantidad de equipos que se encuentran disponibles y su valor (en dlares) en las ciudades A, B y C. d) El monto invertido (en dlares) en cmaras y unidades de flash en las ciudades A, B y C. e) La cantidad de cmaras y unidades de flash que se vendern en las ciudades A, B y C respectivamente.
52
10. Un proyecto de investigacin nutricional comprende adultos y nios de ambos sexos. La composicin de los participantes est dada por la matriz:
El nmero de gramos diarios de protenas, grasa y carbohidratos que consume cada nio y adulto, est dado por la matriz:
a) Cuantos gramos de protenas ingieren diariamente todos los hombres del proyecto?
53
SISTEMAS DE ECUACIONES Si se busca la palabra "lineal" en un diccionario, se encontrar algo parecido a lo siguiente: LINEAL: (Del latn linealis.) adj. Perteneciente a la lnea (Tomado del diccionario de la lengua espaola, Real academia espaola, 1984.). En matemticas, la palabra "lineal" tiene un significado mucho ms amplio. De cualquier manera, una gran parte de la teora de lgebra lineal elemental es de hecho una generalizacin de las propiedades de la lnea recta. Los sistemas de ecuaciones lineales los podemos encontrar en problemas tan prcticos de la vida diaria como el siguiente ejemplo: La siguiente matriz, nos muestra la cantidad de caloras y protenas que aportan a nuestra nutricin un huevo, un vaso de leche y un jugo de naranja:
Qu cantidad de huevos, leche y jugo de naranja necesitamos consumir para aportar a nuestro organismo 470 caloras y 19 gramos de protenas? Analicemos el problema: Sea x1 = Cantidad de huevos x2 = Cantidad de vasos de leche x3 = Cantidad de vasos de jugo de naranja Se nos est pidiendo que:
54
Por lo tanto, nuestro principal problema consiste en resolver este sistema de ecuaciones con dos ecuaciones y tres incgnitas o variables. O sea, determinar el valor de x1, x2 y x3. Generalizando lo anterior, tenemos que un sistema de n ecuaciones lineales y m incgnitas es un conjunto de ecuaciones del tipo:
Una solucin al sistema anterior es un conjunto de m de nmeros reales (x1,...,xm) que satisfaga simultneamente estas n ecuaciones. Escribamos el sistema anterior en forma matricial:
O bien
55
Donde
Donde la matriz A es la matriz de coeficientes, la matriz X es la matriz de las incgnitas y la matriz B es la matriz de los trminos independientes. La otra matriz que podemos asociar al sistema es la matriz ampliada.
Tenemos:
56
ELIMINACIN DE GAUSS-JORDAN Y GAUSIANA En esta seccin se describe un mtodo para encontrar todas las soluciones (si existen) de un sistema de n ecuaciones con m incgnitas. Imagina que ests en consejo de curso y ocurre la siguiente problemtica. Se decide comprar 2 destacadores, 5 lpices y 3 cuadernos. Para determinar el costo de los tiles, se sabe que el ao pasado se gast en 1 destacador ms 4 cuadernos ms 3 lpices $ 2600; 2 destacadores ms 5 cuadernos ms 4 lpices se gast $ 3500 y 1 destacador ms 3 cuadernos ms 2 lpices se gast $ 2000. Cul es el costo total de los tiles? Para resolver este problema, vamos a determinar el costo por unidad de cada uno de los tiles: destacador, cuaderno y lpiz. De acuerdo a los datos proporcionados, podemos construir el siguiente sistema de ecuaciones:
57
Para comenzar, vamos a enumerar las ecuaciones del sistema de 1 a 3 y vamos a asociar el sistema anterior a la matriz de coeficientes como sigue:
Primer paso: Eliminemos x1 de las ecuaciones (2) y (3). Para esto, multipliquemos la ecuacin (1) por 2 y sumemos la ecuacin obtenida a la ecuacin (2), obteniendo una nueva ecuacin (2). Multipliquemos la ecuacin (1) por 1 y summosla a la ecuacin (3), obteniendo la ecuacin (3). Esto nos da como resultado el siguiente sistema de ecuaciones:
Segundo paso : Eliminemos x2 de la ecuacin (1). Para esto, multipliquemos la ecuacin (3) por 4 y luego summosla a la ecuacin (1), obteniendo la ecuacin (1).
58
Cuarto paso: Eliminemos x2 de la ecuacin (3). Sumemos la ecuacin (2) a la ecuacin (3), obteniendo la ecuacin (3iv). El sistema quedara as:
Quinto paso: Eliminemos x3 de la ecuacin (1iv) y (2iv). Para esto, sumemos la ecuacin (3iv) a la ecuacin (1iv), obteniendo la nueva ecuacin (1v). Multipliquemos la ecuacin (3iv) por 2 y luego summosla a la ecuacin (2iv), obteniendo la nueva ecuacin (2v).
59
Sexto paso: Multipliquemos la ecuacin (2v) por 1/3, obteniendo la ecuacin (2vi).
O sea:
Del sistema anterior, podemos desprender que: x1 = 300; x2 = 500; x3 = 100 Esto quiere decir que el precio de un destacador, un cuaderno y un lpiz es respectivamente: $100, $500 y $100. Resolviendo el problema que tenamos en un comienzo, tenemos que el costo total de los tiles es $2600. Pues: 2 (300) + 5 (100) + 3 (500) = 600 + 500 + 1500 = 2600 Qu te parece?, con esto resolvimos el problema. Este mtodo que acabamos de utilizar es conocido como Eliminacin de Gauss-Jordan. Ahora, analicemos lo que hicimos. Si representamos en forma matricial el sistema del problema anterior tenemos:
60
61
OPERACIONES ELEMENTALES SOBRE LAS FILAS DE UNA MATRIZ 1. Permutacin de la i-sima y j-sima fila.
El proceso de aplicar las operaciones elementales con filas para simplificar una matriz aumentada se llama reduccin por filas. Siendo consecuentes con lo anterior, si A y B son matrices de orden nxm, diremos que B es equivalente (por filas) a la matriz A si B fue obtenida de A a travs de un nmero finito de operaciones elementales sobre las filas de A. Esto lo denotaremos como:
62
Por ejemplo:
pues
Otro ejemplo
63
Hasta aqu se puede llegar. Se tienen solo dos ecuaciones para las tres incgnitas x1, x2, x3 y existe un nmero infinito de soluciones. Para ver esto, se elige un valor de x3. Entonces x2 = 4 - 2x3 M. en C. Luis Ignacio Sandoval Paz 64
x1 = 1 + x3 Esta ser una solucin para cualquier nmero x3. Por ejemplo, si x3 =0 se obtiene x1 = 1 y x2 = 4. Si x3 = 10 se obtiene x1 =11 y x2 = -16.
65
Lo que es imposible, ( si -2x2 - 3x3 = -5, entonces 2x2 + 3x3 =5, no 4 ). As no hay una solucin. Se puede proceder de otra forma para obtener una forma ms estndar:
Ahora la ltima ecuacin es 0x1 + 0x2 + 0x3 = -1, lo que es imposible ya que 0 es distinto de -1. As, el sistema anterior no tiene solucin en los reales. En este caso se dice que el sistema es inconsistente. Luego
66
2. Cul de las siguientes es una operacin elemental con filas? a) Remplazar una fila con un mltiplo diferente de cero de esa fila. b) Sumar una constante diferente de cero a cada elemento en una fila. c) Intercambiar dos columnas. d) Remplazar una fila por una suma de filas y una constante distinta de cero.
a) Est en la forma escalonada por fila. b) No est en la forma escalonada por fila porque el cuarto nmero en la fila 1 no es 1.
67
c) No est en la forma escalonada por fila porque el primer elemento diferente de cero en la fila 3 es 3. d) No est en la forma escalonada por fila porque la ltima columna contiene un cero.
5. Utiliza la eliminacin de Gauss-Jordan para encontrar todas las soluciones (si existen) para los sistemas dados:
68
a)
b)
c)
d)
e)
f)
g)
h)
i)
a)
b)
c)
d)
e)
f)
g)
h)
i)
a)
b)
c)
d)
e)
f)
g)
h)
i)
69
a) Cul(es) matriz(ces) se encuentra(n) en la forma escalonada por filas, pero no en la forma escalonada reducida por filas?
70
Cul de las siguientes afirmaciones es verdadera? a) La matriz L es la forma escalonada por filas de la matriz A. b) La matriz I es la forma escalonada por filas de la matriz C. c) La matriz E es la forma escalonada reducida por filas de la matriz B. d) La matriz H es la forma escalonada reducida por filas de la matriz A. e) La matriz E es la forma escalonada por filas de la matriz B. f) La matriz K es la forma escalonada reducida por filas de la matriz B. g) La matriz D es la forma escalonada por filas de la matriz C. h) La matriz J es la forma escalonada reducida por filas de la matriz C. i) La matriz F es la forma escalonada por filas de la matriz A.
a)
b)
c)
d)
e)
f)
g)
h)
i)
8. Solucionar:
71
x=
y=
z=
9. Solucionar:
x=
y=
z=
10. Solucionar:
x=
y=
z=
11. Solucionar:
72
x=
y=
z=
w=
12. La siguiente informacin corresponde a la cantidad de energa (caloras) y protenas que aportan a nuestro organismo una porcin de leche en polvo con una porcin de alimento fortificante.
Cuntas porciones de leche en polvo y alimento fortificante se requiere para ingerir 1800 caloras y 70 gramos de protenas?
Porciones de leche
Porciones de alimento
13. Sean 3 nmeros tal que cuatro veces el primero, ms el triple del segundo, ms el triple del tercero es 19. Veinte veces el primer nmero, ms 20 veces el segundo, ms 10 veces el tercero es 90. Cuatro veces el primer nmero, ms dos veces el segundo y ms 5 veces el tercero es 29 .
x=
y=
z=
14. Un mublelo fabrica sillas, mesas para caf y mesas para comedor. Se necesitan 10 minutos para lijar una silla, 6 para pintarla y 12 para barnizarla. Se necesitan 12 minutos para lijar una mesa para caf, ocho para pintarla y 12 para barnizarla. Se necesitan 15 minutos para lijar una mesa para comedor, 12 para pintarla y 18 para barnizarla. La mesa de
73
lijado est disponible 16 horas a la semana, la mesa de pintura 11 horas a la semana y la mesa de barnizado 18 horas Cuntas unidades de cada mueble deben fabricarse por semana de modo que las mesas de trabajo se ocupen todo el tiempo disponible?
15. Un editor publica un posible xito de librera en tres presentaciones distintas: libro de bolsillo, club de lectores y edicin de lujo. Cada libro de bolsillo necesita un minuto para el cosido, dos para el pegado y 3 para el secado. Cada libro para el club de lectores necesita dos minutos para el cosido, cuatro para el pegado y 5 para el secado. Cada libro en edicin de lujo necesita tres minutos para el cosido, cinco para el pegado y 7 para el secado. Si la planta de cosido est disponible seis horas diarias, la planta de pegado 11 horas diarias y la planta para secado 15 horas diarias Cuntos libros de cada presentacin se pueden producir por da de modo que las plantas se aprovechen a toda su capacidad?
Cant. Libros bolsillo Cant.libros club de lectores Cant. libros edicin de lujo
16. Un viajero que acaba de regresar de Europa gast $30 diarios en Inglaterra, $20 en Francia y $20 diarios en Espaa por concepto de hospedaje. En comida gast $20 diarios en Inglaterra, $30 diarios en Francia y $20 diarios en Espaa. Sus gastos adicionales fueron de $10 diarios en cada pas. Los registro del viajero indican que gast un total de $250 en hospedaje, $230 en comida y $200 en gastos adicionales durante M. en C. Luis Ignacio Sandoval Paz 74
su viaje por estos tres pases. Cuntos das que pas el viajero en cada pas?
75
La solucin es:
Si resolvemos este sistema, llegaremos a que los denominadores de x1, x2, x3 son iguales a:
76
A estos nmeros que aparecen en los denominadores y que asociamos a la matriz cuadrada A de orden (nxn) con elementos pertenecientes a los nmeros reales, los llamaremos el determinante de la matriz A y lo denotaremos como:
As,
77
Y as sucesivamente.... Como te puedes dar cuenta, el clculo del determinante de una matriz puede ser muy engorroso. Sobre todo si se trata de matrices de orden superior a 3. A continuacin estudiaremos un mtodo que nos facilitar en gran manera el clculo de los determinantes. Este mtodo es conocido como:
78
MTODO DE LAPLACE Si seguimos desarrollando el determinante de la matriz de orden (3x3) anterior, tenemos:
Donde Aij es una submatriz de la matriz A en donde se quitan la i-esima fila y la j-esima columna.
Si generalizamos esto para matrices cuadradas de orden (nxn) con elementos pertenecientes a los nmeros reales, tenemos
79
80
1.
81
2.
82
3.
83
Como puedes ver, fijando la fila 1, 2 o 3 obtuvimos el mismo resultado. Ahora est en t que te fijes cul de las filas es la que te conviene tomar para resolver el ejercicio. Veamos que pasa si lo resolvemos fijando las columnas.
4.
84
5.
85
6.
86
Al igual que en las filas, fijando la columna 1, 2 o 3 obtuvimos el mismo resultado. O sea, fijando cualquier fila o cualquier columna, obtendremos el mismo resultado. Pero usa tu ingenio para saber cual es ms conveniente elegir. Otro ejemplo:
87
EJERCICIOS DETERMINANTES
88
De acuerdo a esta actividad Cul(es) de las siguientes afirmaciones es verdadera? El determinante de una matriz cuadrada ... Es siempre igual al determinante de la matriz identidad. Es igual al determinante de la matriz traspuesta menos uno. Es igual al doble del determinante de su matriz traspuesta. Es igual al determinante de su matriz traspuesta. Es distinto al determinante de su matriz traspuesta. b) Intercambia dos filas en cada una de las matrices y vuelve a calcular el determinante a esta nueva matriz. Ejemplo:
De acuerdo a esta actividad Cul(es) de las siguientes afirmaciones es verdadera? El determinante de la nueva matriz es ... Cero. Igual al determinante de la matriz original. Igual al determinante de la matriz original multiplicada por -1.
89
c) Multiplica una fila por una constante cualquiera perteneciente a los nmeros Reales y vuelve a calcular el determinante a esta nueva matriz. Ejemplo:
De acuerdo a esta actividad Cul(es) de las siguientes afirmaciones es verdadera? El determinante de la nueva matriz es ... Cero. Igual al determinante de la matriz original multiplicada por la constante. Igual al determinante de la matriz original. Igual al doble del determinante de la matriz original. Siempre positivo.
d) Multiplica una fila por una constante cualquiera (perteneciente a los nmeros Reales) y luego suma esta fila a otra fila cualquiera de la matriz. Calcula el determinante a la nueva matriz. Ejemplo:
90
De acuerdo a esta actividad Cul(es) de las siguientes afirmaciones es verdadera? El determinante de la nueva matriz es ... Cero. Igual al determinante de la matriz original. Igual al doble del determinante de la matriz original. Igual al determinante de la matriz original menos la constante. Siempre positivo.
De acuerdo a esta actividad Cul(es) de las siguientes afirmaciones es verdadera? El determinante de una matriz triangular es ... Siempre cero.
91
Siempre positivo. Siempre negativo. Igual al producto de los elementos de su diagonal. Siempre un nmero impar.
3. Calcular:
det(A) =
det(B) =
det(AB) =
det(C) =
det(D) =
det(CD) =
det(E) =
det(F) =
det(EF) =
92
det(G) =
det(H) =
det(GH) =
det(I) =
det(J) =
det(IJ) =
De acuerdo a esta actividad Cul(es) de las siguientes afirmaciones es verdadera? El determinante de AB es ... Siempre cero. Siempre positivo. Siempre negativo. Igual al determinante de la matriz A por el determinante de la matriz B Siempre un nmero impar.
MATRIZ INVERSA Consideremos nuevamente el siguiente problema. En consejo de curso se decide comprar 2 destacadores, 5 lpices y 3 cuadernos. Para determinar el costo de los tiles, se sabe que 1 destacador ms 4 cuadernos ms 3 lpices se valen $ 2600, 2 destacadores ms 5 cuadernos ms 4 lpices valen $ 3500 y 1 destacador ms 3 cuadernos ms 2 lpices valen $ 2000. Cul es el costo total de los tiles?
93
Para resolver este problema, vamos a determinar el costo por unidad de cada uno de los tiles: destacador, cuaderno y lpiz. De acuerdo a los datos proporcionados, podemos construir el siguiente sistema de ecuaciones:
Donde x1 = Precio de un destacador x2 = Precio de un cuaderno x3 = Precio de un lpiz Podramos resolver este problema en forma matricial. Esto es:
O bien:
Donde
94
La matriz A es la matriz de coeficientes, la matriz X es la matriz de las incgnitas y por ltimo, la matriz B es la matriz de los trminos independientes. Para solucionar la ecuacin matricial AX=B, vamos a despejar la incgnita, que en este caso corresponde a la matriz X. Lo que nosotros necesitamos es una matriz tal que, al multiplicarla por la matriz A, nos de cmo resultado la matriz identidad. Llamemos a esa matriz la matriz inversa de A y denotmosla como:
Y solucionado el problema. Siguiendo con nuestro problema planteado, tenemos que la matriz inversa de A es:
Entonces
95
Esto nos indica que x1= 300, x2= 500 y x3=100. Por lo tanto, el precio de un destacador, un cuaderno y un lapiz es respectivamente $300, $500 y $100. Pero Cmo se obtuvo la matriz inversa de A? Como te puedes dar cuenta, el clculo de la matriz inversa nos puede ser muy til para la resolucin de sistemas de ecuaciones lineales. Ahora, el gran problema se traduce en como obtenerla. Es muy importante que te fijes que el sistema de ecuaciones anterior tiene la misma cantidad de ecuaciones e incgnitas, lo que significa que nuestra matriz de coeficientes es una matriz cuadrada. Por lo tanto, para calcular la inversa de una matriz, se requiere que la matriz sea cuadrada. Ejemplo 1:
Ejemplo2:
Supongamos que B es la matriz inversa de A. O sea, se tiene que cumplir que: a) AB =I2 b) BA =I2 y
96
Revisemos a)
O sea, AB = I2
Revisemos b)
97
Ahora, nuestro principal problema se traduce en obtener la inversa de una matriz cuadrada, si es que realmente existe una. Antes de lanzarnos en esta bsqueda, consideremos las siguientes propiedades respecto a la matriz inversa:
PROPIEDADES DE LA MATRIZ INVERSA 1. Si A y B son matrices cuadradas del mismo orden, ambas inversibles, entonces:
2. Si la matriz A tiene inversa, esta es nica. 3. No toda matriz tiene inversa. En efecto:
98
Tenemos que 2c =1 y c=0. En los nmeros reales no podemos tener estas igualdades simultneamente. Ahora que ya conoces estas tres propiedades de la matriz inversa, vamos a conocer una matriz especial que nos va a ayudar a encontrar la inversa de una matriz cuadrada. Esta es la matriz adjunta. Dada una matriz A, el cofactor del elemento aij de la matriz es:
Donde Aij es una submatriz de A obtenida extrayendo la i-sima fila y la jsima columna. Con estos elementos podemos formar una nueva matriz de cofactores de A. denotada como cof(A).
Ejemplo:
99
Entonces
As, dada una matriz cuadrada A, llamaremos matriz adjunta de A a la traspuesta de la matriz de cofactores de A.
100
Si calculamos el determinante de la matriz A llegaremos a que det (A) = 19. Luego, en este caso tenemos que:
Vamos a suponer esta propiedad vlida para toda matriz cuadrada de orden n. Supongamos ahora que A(nxn) tiene inversa. Usando una de las propiedades de los determinantes tenemos:
O sea, det A distinto de cero, es una condicin necesaria para que A tenga una inversa. Verifiquemos que tambin es suficiente (o sea, que si el determinante de una matriz es distinto de cero, entonces la matriz es inversible). Ya sabemos que:
101
En este caso:
Este resultado nos ofrece un nuevo mtodo para calcular la inversa de una matriz. Ejemplo 1:
Calculemos la inversa:
102
Ejemplo2:
REGLA DE CRAMER
103
O bien
Donde
Donde la matriz A es la matriz de coeficientes, la matriz X es la matriz de las incgnitas y por ltimo, la matriz B es la matriz de los trminos independientes. Para la ecuacin A X = B supongamos que det(A) 0, por lo tanto A tiene inversa. Entonces:
104
En forma matricial:
Usando la relacin
Tenemos:
Fjate que el numerador de esta fraccin es igual al determinante de la matriz que obtenemos de A, pero sustituyendo los coeficientes (a1i ... a1n) por la matriz de los trminos independientes (b1 ... bn). De echo, usando el desenvolvimiento de Laplace, tenemos:
105
Generalizando:
106
Este mtodo de resolucin de Sistemas de Ecuaciones es conocido como Regla de Cramer y es aplicable en sistemas donde la cantidad de ecuaciones es igual a la cantidad de incgnitas. Importante es recordar siempre que la Regla de Cramer en la resolucin de un sistema lineal de n ecuaciones con n incgnitas slo se puede aplicar cuando el determinante de la matriz de los coeficientes es distinto de cero. Ejemplo: Dado el sistema de 3 ecuaciones y 3 incgnitas:
107
ESPACIOS VECTORIALES
Supongamos que tenemos un conjunto donde para escalares cumplen con las siguientes propiedades: Propiedad de cerradura . .
108
Propiedad de adicin . . contiene al elemento 0 con Propiedad de multiplicacin por un escalar . . . Entonces se denomina un espacio vectorial. Podemos decir por lo anterior que en un espacio vectorial intervienen dos conjuntos, vectores y escalares, los segundos como coeficientes de los primeros. Los vectores forman un grupo abeliano con respecto a la adicin (la suma es cerrada, asociativa, conmutativa, existe el elemento 0 y los negativos) y los escalares forman un campo con la inclusin del 0 y del . Dicho de manera informal, en un espacio vectorial tenemos elementos los cuales podemos sumar entre ellos, alargarlos o contraerlos; un paso a seguir es encontrar todas las caractersticas estructurales de estos espacios. Para esto recurriremos a ideas provenientes del lgebra Universal, tales como relaciones de orden, relaciones de equivalencia, mapeos de un conjunto a otro y la gene-racin de espacios ms complejos por medio de productos cartesianos. .
Subespacios Vectoriales
Para un espacio vectorial
, si existe un subconjunto
tal que:
El elemento
est tambin en . y
cualquier escalar.
Entonces es un subespacio vectorial en , es decir, cualquier subconjunto de un espacio vectorial que mantiene las mismas propiedades por s mismo conforma un subespacio.
109
Relaciones de Orden
En un espacio vectorial, podemos ordenar los subes-pacios por su contencin, por ejemplo, el subespacio ms pequeo consistente del elemento 0 est contenido en cualquier otro subespacio, o el espacio completo es el subespacio ms grande que contiene a cualquier otro.
Par dos subespacios , definiremos el subes-pacio ms grande , por otra parte, el subespacio ms comn a ambos como consiste en todas las pequeo que contiene tanto a como a combinaciones lineales de vectores posibles con los dos subconjuntos y no slo en . Con esto, los subconjuntos de un espacio vectorial pueden ser organizados en una jerarqua, en donde para cada subconjunto se obtiene el mnimo subespacio que lo contiene o el mximo subespacio que ste contenga, esto nos lleva a una nocin fundamental en el estudio de espacios vectoriales, la de base.
, con
, todo , es
(1)
es una expansin de
, decimos que
es linealmente
110
(2)
Esto indica que alguno de los elementos de es mltiplo de otro; en caso contrario, si la ecuacin 2 no se cumple ms que para , entonces los elementos de independientes. De aqu, si es una expansin de , entonces el conjunto de vectores son linealmente
linealmente independientes forma una base de . Con las relaciones de orden sobre , podemos encontrar como el conjunto de elementos linealmente independientes que generan a por medio de todas las posibles combinaciones lineales, as, el nmero de vectores linealmente independiente en espacio. dado por define la dimensin del
Relaciones de Equivalencia
Una vez definida la estructura de un espacio vectorial, es interesante analizar los mapeos que pueden existir entre los elementos de varios espacios, en este caso, el uso de relaciones de equivalencia ayuda a hacer ms clara la interaccin entre dos espacios conectados por una funcin.
Una funcin debe cumplir que para cada elemento , sea nica; de este modo, para espacios vectoriales se requiere que las funciones cumplan con ser lineales, esto es: (3)
Funciones lineales entre espacios vectoriales forma otro espacio vectorial; los valores que tome la funcin dependen de los valores que asigne a la base del espacio, pues de ah todos los dems elementos se generan como combinaciones lineales. Para un subconjunto de un espacio vectorial donde una funcin toma el mismo valor en cada elemento del subconjunto, se define una clase de equivalencia; las contraimgenes de esta funcin dependen de la M. en C. Luis Ignacio Sandoval Paz 111
contraimagen de 0 pues dos elementos de la misma clase de equivalencia tienen las mismas imgenes; por esto, la contaimagen de 0 constituye el kernel del mapeo. Las imgenes y contraimgenes de un espacio vectorial son tambin espacios vectoriales.
Producto Cartesiano
Sea una familia de espacios vectoriales para , entonces: (4) donde es
tal que
cartesiano de los espacios . El producto cartesiano es una de las maneras ms sencillas de fomar un espacio vectorial complicado utilizando espacios ms simples. Las funciones que vayan desde las bases a los elementos del producto se denominan proyecciones y sirven para recobrar los factores originales del producto cartesiano.
112
2)
3)
113
114
4)
5)
115
116
6)
117
8)
9)
118
Se basa en las propiedades de las matrices sigma [7] y en el concepto de matriz propia. 119
Desde un punto de vista computacional, no es necesario ortogonalizar los vectores de iteracin segn las tcnicas descritas en Wilkinson [8] ni resolver en cada ciclo el problema de valores y vectores propios, como ocurre en los mtodos de Iteracin Simultnea o los de Arnoldi y Lanczos [9]. Este hecho es debido a que la convergencia del mtodo no se estudia en los valores propios si no en las matrices sigma.
Se denominan valores propios o races caractersticas de una matriz cuadrada A, a los valores de tales que.
Desarrollando el determinante tenemos un polinomio de grado n. Trataremos de encontrar los coeficientes del polinomio, y luego aplicaremos un mtodo de hallar las races del polinomio. Este procedimiento es apropiado cuando se presentan valores propios que no son reales sino complejos. Una vez hallados los valores propios, para hallar el vector propio X correspondiente al valor propio e s n e c e s a rio re s o lve r e l s is te m a homogneo
donde el vector X es Siempre podemos tomar x 0 como 1, y hallar las otras n-1 incgnitas. De las n ecuaciones podemos tomar n-1, y resolver el sistema lineal.
El mtodo de Leverrier
Dada una matriz cuadrada A de dimensin n. El polinomio caracterstico de la matriz es
120
(1)
Los valores s 1 , s 2 , ... s n son las trazas de las potencias de la matriz cuadrada A.
La codificacin en trminos de la clase Matriz no reviste dificultad, y tiene dos partes, en la primera se calcula las potencias de la matriz A, y la traza de cada una de ellas, en segundo lugar se calculan los coeficientes p i del polinomio caracterstico. Para hallar las potencias de la matriz A se emplea un cdigo similar al que empleamos para hallar las potencias de un nmero. En aquella ocasin la potencia de orden cero de un nmero es la unidad, en este caso es la matriz unidad de la misma dimensin que A.
Bibliografa
Boy93 Mike Boyle, Symbolic Dynamics and Matrices, IMA Volumes in Mathematics and Its Applications, vol. 50, 1-38, IMA Volumes in Mathematics and Its Applications, Academic Press, New York, 1993, pp. 1-38.
121
CR41 Richard Courant and Hebert Robbins, What is mathematics?, Oxford University Press, New York, 1941. Haj68 Otomar Hajek, Dynamical systems in the plane, Academic Press, London, 1968. Hal50 Paul R. Halmos, Measure theory, D. Van Nostrand, New York, 1950. Hed69 Gustav A. Hedlund, Endomorphisms and automorphisms of the shift dynamical system, Mathematical Systems Theory 3 (1969), 320-375. Hus66 Taqdir Husain, Introduction to topological groups, W. B. Saunders Company, Philadelphia and London, 1966. Jan84 Klaus Janich, Topology, Springer-Verlag, New York, 1984. Lie65 W. Lietzmann, Visual topology, Chatto & Windus, London, 1965, Traducido del alemn por M. Bruckheimer. LM95 Douglas Lind and Brian Marcus, An introduction to symbolic dynamics and coding, Cambridge University Press, New York, 1995. LWJ98 Jimmy T. Arnold Lee W. Johnson, R. Dean Riess, Introduction to linear algebra, Addison-Wesley, New York, 1998. McI87 Harold V. McIntosh, Linear cellular automata, Universidad Autnoma de Puebla, Puebla, Mxico, 1987. McI91 Harold V. McIntosh, Linear cellular automata via de bruijn diagrams, http:// www. cs. cinvestav. mx/ ~mcintosh (1991). McI99 Harold V. McIntosh, Linear algebra, Notas del curso de Algebra Lineal impartido en el Departamento de Aplicacin de Microcomputadoras, Instituto de Ciencias, Universidad Autnoma de Puebla, 1999. TM90 T. Toffoli and N. Margolus, Invertible cellular automata: a review, Physica D 45 (1990), 229-253. vN66 John von Neumann, Theory of self-reproducing automata, University of Illinois Press, 1966, Editado y completado por A. W. Burks.
122