Professional Documents
Culture Documents
OBJETIVO GENERAL
Conocer el concepto del nmero complejo as como sus propiedades y diferencias representaciones y los aplicara a la resolucin de problemas.
Matemticas IV
Pgina 1
El sistema numrico es el resultado de una evolucin gradual, tal como lo indica la Sig. Descripcin:
1.- Nmeros Naturales 1, 2,3, 2.- Los enteros Negativos y el Cero 0,-1,-2,-3,. 3.- Los Nmeros Racionales. , ,11/6, 1/9,-3/2, 4.- Los Nmeros Racionales.. , ,e
No existen un numero real X que satisfaga la ecuacin poli nmica + 1=0. Para resolver este tipo de ecuacin, es necesaria introducir los nmeros complejos.
Podemos considerar un numero complejo como una expresin de la forma a + bi, donde a y b son nmeros R, ei denominada la unidad imaginaria, con la propiedad de que . Si Z=a+bi, a se llama la parte real de Z y b la parte imaginaria de Z y se denota x Re {Z} y Tm {Z}.
El conjugado complejo o conjugado simple de un numero complejo + es . El conjugado complejo de un numero complejo Z se indica frecuentemente Z o Z
Matemticas IV
Pgina 2
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )( ) ( ) ( )
( ( ( ) ) ) ( ) ( )
( )
Matemticas IV
Pgina 3
)( ) (
) ) ) ( (
( ( )
) ) ( )
) ( ( )
) ( ) (
)( ( )( )
) ( ) ) ( ) ) ( )(
) ( )(
)( ( )(
( (
( (
) ) ) ) ( (
) )
Matemticas IV
Pgina 4
) ( ( ( ) ) )
( )
( )
( )
Matemticas IV
Pgina 5
) ( ( ( )( )( (
)*( )( ( )(
)( ) )
)+ ) ( )
) ( ( (
)*( )(
) )( ( (
( ) ) ) )
)+
( ) )
( )
( ) (
Matemticas IV
Pgina 6
VALOR ABSOLUTO El valor absoluto con modulo de un numero complejo | | como que est definida
( )
( )
) |
) ( ) (
Matemticas IV
Pgina 7
REPRESENTACIN DE NMEROS COMPLEJOS Efectuar las operaciones indicadas en forma analtica y grficamente
)(
Matemticas IV
Pgina 8
)(
)(
Matemticas IV
Pgina 9
FORMA POLAR Si P es un punto en el plano complejo correspondiente al nmero complejo ( ) , entonces , . Entonces: | |.
se llaman coordenadas
( )
( )
Argumento
( (
) )
Matemticas IV
Pgina 10
b) | ( .
| /
( )
/ ) ( )
c) | (
| ( ) ) . (
/ )
Matemticas IV
Pgina 11
b) | | ( ) ( )
Matemticas IV
Pgina 12
Un hombre viajas 12 km en direccin noreste, 20 km en direccin 30 al noroeste y luego, 18 km en direccin 60 al sureste. Determinar: a) Analticamente b) Grficamente a que distancia y en que direccin esta el de su punto de partida. ( ( ( ( ( ( ) ) ) ) ( ( )) )) ) (
( .
) /
) . /
Matemticas IV
Pgina 13
3)
)+
Ejemplo: hallar el valor numrico de cada una de las siguientes expresiones. a) , ( ( )( ), , ( ( ) ) ( )-, ( ( ) ))-
b)
( (
) )
( (
) )
(
, ( )
) ( )-
Matemticas IV
Pgina 14
c) .
/ | ( ) ( . / ) )
Modulo: | | |
( ) ( )
( )
. /
Matemticas IV
Pgina 15
, * , , (
( ) ( )
( (
)) )-+ (
))-
( )
))-
Matemticas IV
Pgina 16
Donde:
Son nmeros complejos dados y es un entero positivo llamado el grado de la ecuacin. Tales soluciones se llaman ceros del polinomio de la izquierda de (9) o races de la ecuacin. Un teorema muy importante llamado el teorema fundamental del algebra (que ser probado en el capitulo 5) establece que cada ecuacin polinmica de la forma (9) tiene por lo menos una raz compleja. Segn esto podemos demostrar que tienen realidad races complejas, algunas de las cuales o todas podran ser idnticas. Si son las races, (9)
I
Matemticas IV Pgina 17
INSTITUTO TECNOLGICO SUPERIOR DE TAMAZUNCHALE S.L.P Objetivo: conocer y aplicara mtodos ms generales para resolver sistemas de ecuaciones lineales.
Se considera un sistema de ecuaciones lineales con dos incgnitas x, y. { Donde: Son nmeros dados. }
Cada una de estas expresiones es la ecuacin de una lnea recta. Una solucin al sistema es un par de nmeros, denotados por (x, y). Hecho A si a=b y c=d, entonces a+c=b+d Hecho B si a=b y ces cualquier nmero real entonces ca = cb El hecho A establece que si se suman dos ecuaciones se obtiene una tercera ecuacin correcta. El hecho B establece que si se multiplican ambos lados de una ecuacin por una constante se obtiene una segunda ecuacin valida.
Matemticas IV
Pgina 18
INSTITUTO TECNOLGICO SUPERIOR DE TAMAZUNCHALE S.L.P Ejemplo: Sistema con una nica solucin: Considere el sistema: X - Y=7 X+Y=5 2x =12 X= X+Y=5 Y=5-X=5-6=-1
Ejemplo 2: Sistema con un nmero infinito de soluciones. 2(X-Y=7) 2X-2Y=14 2X-2Y +14 2X-2Y=14
Es claro que estas dos ecuaciones son equivalentes esto es. Cualesquiera dos nmeros x, y que satisfacen la primera ecuacin tambin satisfacen la segunda y viceversa. Ejemplo 3: Un sistema sin solucin. Considere el siguiente sistema: Y=mx+b X-Y=7 2X-2Y=13 Sus pendientes deben ser iguales
Matemticas IV
Pgina 19
INSTITUTO TECNOLGICO SUPERIOR DE TAMAZUNCHALE S.L.P Un sistema que no tiene solucin se dice que es inconsistente.
Solucin nica
Sin solucin
Matemticas IV
Pgina 20
Mtodo de ecuaciones con n incgnitas. Eliminacin de Gauss Jordn y gaussiana. Ejemplo. Solucin de un sistema de ecuacin con 3 incgnitas; solucin nica.
Se multiplica ecu. 1 x (-4) y se suma ecu.2 Se multiplica ecu. 2 x (-2) y se suma con ecu 1.
Se multiplica la ecu. 2x . ( )(
/ )
Matemticas IV
Pgina 21
Matemticas IV
Pgina 22
Matriz acumulada [ ]
Resuelva el sistema
Se despeja
Se despeja
(4,-2,3)
( Resuelva el sistema
Matemticas IV
Pgina 23
Matemticas IV
Pgina 24
INSTITUTO TECNOLGICO SUPERIOR DE TAMAZUNCHALE S.L.P Use el metodo de Gauss Jordn para encontrar todas las soluciones si existen para los sistemas dadas
] [
2 (2,-3,1)
Matemticas IV
Pgina 25
Las matrices 1 y 2 tienen 3 pivotes; las otras tres matrices tienen 2 pivotes. Ejemplo: solucin de un sistema mediante eliminacin gaussiana [ ] [ [ ] ]
( ( )
( )
Matemticas IV
Pgina 26
APLICACIONES Un departamento de pesca caza del estado proporciona 3 tipos de comida a un lago que alberga a 3 especies de pesca. Cada vez que la especie consume un promedio de 1 unidad de alimento tipo 1, 1 unidad de alimento tipo 2 y 2 unidades del alimento tipo 3. Cada pez de la especie consume cada semana un promedio de 3 unidades del alimento tipo 1, 4 unidades del alimento tipo 2 y 5 unidades del alimento tipo 3. Cada pez de la especie el promedio semanal es de 2 unidades del alimento tipo 1, 1 unidad del alimento tipo 2 y 5 unidades del alimento tipo 3. Cada semana se proporcionan al lago: 25,000 unidades de alimento tipo 1 20,000 unidades de alimento tipo 2 55,000 unidades de alimento tipo 3 Si se supone que los peces comen todo el alimento Cuntos peces de cada especie pueden coexistir en el lago? [ | ]
Matemticas IV
Pgina 27
Un viajero que acaba de regresar de Europa gasto $30.00 diarios en Inglaterra, $20.00 diarios en Francia y $20.00 en Espaa por concepto de hospedaje. En comida gasto $20.00 en Inglaterra, $30.00 diarios en Francia y $20.00 diarios en Espaa. Sus gastos adicionales fueron de $10.00 diarios en cada pas. Los registros del viajero indican que gasto un total de $340.00 en hospedaje, $320.00 en comida y $140.00 en gastos adicionales durante un viaje por esos 3 pases. Calcule el numero de das que paso el viajero en cada pas o muestra que los registros deben estar incorrectos debido a que las cantidades gastadas no son compatibles unos con los otros.
Matemticas IV
Pgina 28
Por lo tanto representa Inglaterra el calculo indica que el viajero paso 6 dias ah, representa a Francia y el viajero paso 4 dias ah y por ultimo representa a Espaa donde paso 4 dias. No existi inconsistencia debido a las cantidades gastadas. Son compatibles.
Matemticas IV
Pgina 29
[ El smbolo se lee .
Y el vector columna [
] se llama columna .
La componente o elemento de , denotado por , es el numero que aparece en el regln y la columna de . En ocasiones se escribir la matriz como ( ) Por lo general, las matrices se denotarn con letras maysculas. Si es una matriz con , entonces se llama matriz cuadrada. Una matriz con todos los elementos iguales a cero se llama matriz cero de . Se dice que una matriz tiene tamao .
Matemticas IV
Pgina 30
IGUALDAD DE MATRICES Dos matrices ( ) y ( ) son iguales si son del mismo tamao y las componentes correspondientes son iguales: 1) 0 2) 0 1 1 y 0 0 1 no 1 si
3) 0
SUMA DE MATRICES Sean () y es la matriz de () dos matrices , dada por. . Entonces la suma de
Es decir, es la matriz que se obtiene al sumarlas componentes correspondientes de . la suma de dos matrices esta definida solo cuando las matrices son del mismo tamao.
Matemticas IV
Pgina 31
MULTIPLICACIN DE UNA MATRIZ POR UN ESCALAR: =Escalar o nmero. Si () es una matriz de , esta dada por: y si es un escalar, entonces la matriz
( )
En otras palabras componente de A por
] [ ]
Matemticas IV
Pgina 32
[ ]
[ ]
[ ] [ ] [ ] [ ]
y sean
) ) )
NOTA: El cero en la parte 1) del teorema es la matriz cero de En la parte 2) el cero a la izquierda es un escalar mientras que el cero a la derecha es la matriz cero de
Matemticas IV
Pgina 33
.0 0
1 1
0 0
1/ 1 0
0 1
0 0
1 1
.0 0
1 1
0 0
1/ 1
PRODUCTOS VECTORIALES Y MATRICIAL Ejemplo: Producto de un escalar de demanda y un vector de precios. Supngase que un fabricante produce 4 artculos. Su demanda est dada por - (una matriz de el vector de demanda , ) El precio por unidad que recibe el fabricante por los artculos est dada por el vector de precios
)(
)(
)(
)(
Matemticas IV
Pgina 34
)(
Es decir el elemento es el producto punto del rengln columna si esto se extiende se obtiene:
y la
Si el numero de columnas de A= al nmero de renglones de B, entonces se dice que A y B son compatibles bajo la multiplicacin. Ejemplo:
Si
1, calcule
10
( )( ) ( )( ( ( )
( )( ) ( )( ) ( )( ) ) ( )( )
)( ) )(
10
Matemticas IV
Pgina 35
(2x7) + (0x2) + (-3x3) = 23 (2x-1) + (0x5) + (-3x1) = -5 (2x4) + (0x0) + (-3x2) = 2 (2x7) + (0x-4) + (-3x3) = 5 (4x7) + (1x2) + (5x-3) = 15 (4x-1) + (1x5) + (5x1) = 6 (4x4) + (1x0) + (5x2) =26 (4x7) + (1x-4) + (5x3) =39
Ejercicio 0 10 1 0 1
-[
Matemticas IV
Pgina 36
1 tal que:
10
Matemticas IV
Pgina 37
INVERSA DE UNA MATRIZ Sea A una matriz de n x n si se puede encontrar una matriz B tal que AB=BA=In entonces se dice que A es invertible, y AB se le llama la inversa de A. si no existe esta matriz B entonces A no tiene inversa. Ejemplo demuestre que la matriz 0 1 tiene como inversa la matriz * +
1[
]0
Sea A una matriz invertible su inversa esta denotada por A -1 Eliminacin de gauss-Jordn para encontrar una inversa de una matriz. Sea A una matriz de n x n: 1.- se adjunta a A la matriz de identidad de n x n, para formar la matriz [A: In]. 2.- se calcula de forma escalonada reducida de [A: In]. - si la forma escalonada reducida es de la forma [In: B] entonces B es la forma inversa de A. - si la forma escalonada reducida no es de la forma [In: B], debido a que la primera submatriz de n x n no es In, entonces A no tiene inversa.
Matemticas IV
Pgina 38
( (
) )
( (
) )
( (
) )
A-1=[
][
Matemticas IV
Pgina 39
TEOREMA Una matriz de A de n x n invertible si y solo si su forma escalonada reducido es In TEOREMA Sea AX=B un sistema de n ecuaciones lineales con n variables. Si A -1 existe, la solucin es nica y esta dado por X=A-1B. Demostracin: primero se prueba que X=A-1B es una solucin. Sustituyo X=A-1B en la ecuacin matricial. Al usar las propiedades de las matrices se obtiene. AX = A (A-1 B) = (AA-1) B = InB = B X=A-1B satisface la ecuacin, por lo que es una solucin. Ahora se prueba la unidad de la solucin. Sea X, una solucin. Por lo tanto AX1=B multiplicando ambos lados de esta ecuacin por A-1 se obtiene A-1AX1=A-1B InX1=A-1B X1=A-1B De manera que hay una nica solucin X1=A-1B Resuelva el sistema de ecuaciones X1 -X2 +2X3=1 2X1 -3X2 -5X3=3 -X1 +3X2+5X3=-2 [ ][ ] [ ]
][
][
][
][
][
Matemticas IV
Pgina 40
][
COMPROBACION:
( )
Matemticas IV
Pgina 41
TEOREMA DE CRAMER Es un teorema en lgebra lineal, que da la solucin de un sistema lineal de ecuaciones en trminos de determinantes. La regla de Cramer es de importancia terica porque da una expresin explcita para la solucin del sistema. Sin embargo, para sistemas de ecuaciones lineales de ms de tres ecuaciones su aplicacin para la resolucin del mismo resulta excesivamente costosa: computacionalmente, es ineficiente para grandes matrices y por ello no es usado en aplicaciones prcticas que pueden implicar muchas ecuaciones. Sin embargo, como no es necesario pivotar matrices, es ms eficiente que la eliminacin Gasussiana para matrices pequeas, particularmente cuando son usadas operaciones SIMD. Si es un sistema de ecuaciones. A es la matriz de coeficientes del sistema, ( ) es el vector columna de las incgnitas y es el vector columna de los trminos independientes. Entonces la solucin al sistema se presenta as: ( ) ( )
Donde es la matriz resultante de reemplazar la j-sima columna de A por el vector columna b. Hgase notar que para que el sistema sea compatible determinado, el determinante de la matriz A ha de ser no nulo.
Matemticas IV
Pgina 42
EJEMPLO: Solucin de un sistema de 3x3 usando la regla de cramer. Resuelva el siguiente sistema usando la regla de cramer.
AUTOEVALUACION 1.- Cul de las siguientes aseveraciones es cierta para la matriz . ? a) es una matriz cuadrada. b) Si se multiplica por el escalar -1, el producto es. .
Matemticas IV
/
Pgina 43
3.- Cul de las siguientes afirmaciones es cierta cuando se encuentra la diferencia de dos matrices? a) b) c) d) Las matrices deben ser del mismo tamao Las matrices deben ser cuadradas. Las matrices deben ser ambas vectores regln o vectores columna. Una matriz debe ser un vector regln y la otra un vector columna. si.
5.- Cul de las siguientes debe ser el segundo regln de la matriz para a) b) c) d) ( ) ( )?
Matemticas IV
Pgina 44
UNIDAD IV
ESPACIOS VECTORIALES.
Objetivo: Conocer y aplicara las definiciones de espacio y subes paci vectorial en la solucin de problemas. Definicin: Un espacio vectorial es un conjunto V de elementos llamados vectores, cuyas operaciones de adicin y multiplicacin por un escalar se encuentran definidas ) son elementos en l y satisfacen las siguientes condiciones:( cualesquiera de son escalares. Axiomas de cerradura. 1.-La suma 2.existe y es un elemento ( es cerrado bajo la adicion).
es un elemento de
3.4.( )
(propiedad conmutativa). ( ) (propiedad asociativa). , denominado vector cero, que se denota cero, tal
6.-Para todo elemento de existe un elemento llamado el negativo de ( ) que se denota tal que . 7.- ( 8.-( ) () )
9.-( ) 10.-
Matemticas IV
Pgina 45
Axiomas de cerradura. Considere el conjunto de matrices reales de . Denote que este conjunto con . Este conjunto forma un espacio vectorial. 0 1 [ ] [ ]
Es una matriz de 0 0 1 1 0 0 1
por consiguiente 0 1 ( )
El conjunto de matrices de de constituye un espacio vectorial. Las propiedades algebraicas de son similares a la . Asimismo se tiene que , el conjunto de matrices de es un conjunto espacio vectorial. TEOREMA Sea es un espacio vectorial 0 es un escalar 0, entonces. a) b) c) ( ) d) Si es u vector , 0 el vector 0 de , un escalar y
, entonces
Matemticas IV
Pgina 46
Sume el negativo de b) ( ,( ) ( (
, es decir ) ))(
c) (
) ,( )
Por lo tanto, (
(axioma 6)
Matemticas IV
Pgina 47
SUBESPACIOS
Ciertos subconjuntos de espacios vectoriales forman espacios vectoriales ellos mismos. Para motivar los conceptos, observe de nuevo el espacio vectorial El espacio es un conjunto de vectores en el que se han definido las es cerrado bajo .
operaciones de adicion y multiplicacin por un escalar estas operaciones. Si se suma dos vectores en por un escalar obtiene un elemento de
obtiene un elemento de
, por ejemplo en
Elemento de
Elemento de
Elemento de
Elemento de
Elemento de
que consta de los vectores de la forma (a, a, b).V consta de todos los elementos de
que tienen las primeras dos componentes iguales. Por ejemplo(2,2,3) y (1,2,3) no pertenece a V observe que si multiplica un elemento de V por un escalar , obtiene un elemento de V. sean (a,a,b) y (c,c,d) elementos de V y sea K un escalar. As ( ) ( ) ( )
Matemticas IV
Pgina 48
En V se definen las operaciones de adiccin y multiplicacin por un escalar V tambin es cerrado bajo estas operaciones y posee las caractersticas algebraicas del espacio vectorial
Matemticas IV
Pgina 49
BASES Y DIMENSIONES
+ recibe el nombre de bases de un DEFINICION: UN Conjunto finito de vectores * espacio vectorial V si el conjunto genera V y es linealmente independiente. Una base es un conjunto eficiente para representar un espacio vectorial, en el sentido de cualquier vector se puede expresar como una combinacin lineal de los vectores de la base; adems los vectores de la base son independientes unos de otros. )( Definicin: el conjunto de n vectores *( esta base recibe el nombre de base canonica para Se tiene que demostrar que el conjunto genera a Sea ( ( ) ) un elemento cualquiera de
( ) ( )
Entonces el conjunto genera a adems, cuando se analiza este conjunto para establecer la independencia lineal se obtiene que (( ( )) ) ( (( )) ) ( Por lo que ( ) (( ) ) )( ( ) )
)( ) ( Por lo tanto, el conjunto *( )+ es una base para encontara que hay muchas bases para sin embargo, la base canonica es la mas importante.
Matemticas IV
Pgina 50
)(
)(
Matemticas IV
Pgina 51
) *( | | (
)( )
)( ( )
)+
Matemticas IV
Pgina 52
DEMOGRAFIA Y PREDICCION
DEL TIEMPO
La poblacin que podra describir mediante una sucesin de vectores ( ) ( ) ( ) es la matriz de probabilidad de transicin
que nos lleva de un vector a otro de la sucesin. A estas sucesiones (o cadenas) de vectores se les llama cadena de Markov. Las cadenas de Markov son de inters especial en las que la sucesin vector fijo Para el que converge algn
estado estable en el que segn esto las poblaciones de la ciudad y de los alrededores permaneceran constantes. Se escribe vector satisface esta seria un vector propio de como este correspondiente al
valor propio 1.
DEFINICIN Se dice que la matriz de transicin P y una cadena de Markov es regular si existe alguna potencia de P en la que todos sus componentes son positivos. En este caso se dice que la cadena de Markov es una cadena de Markov regular.
Matemticas IV
Pgina 53
0 0
1 1
0 0
1 1
0 0
10 1 0
1 10
0 1
Matemticas IV
Pgina 54
Teorema Considere con una cadena de Markov regular que tiene vector inicial matriz de transicin P entonces. y una
Determine la tendencia, a largo plazo en los movimientos de poblacin que hay entre las ciudades y los alrededores en estados unidos. Se estima que el nmero de personas que vivan en las ciudades de estados unidos en el ao 2000 era 58 millones y el nmero de personas que vivan en los alrededores de las ciudades era 142 millones. Durante el ao 2000, la probabilidad de que una persona se quedara en la cuidad era 0.96, por lo que la probabilidad de quede se desplazara en los alrededores era 0.04 la probabilidad de que una persona se cambiara a la cuidad era de 0.01, la probabilidad de que se quedara a los alrededores 0.99.
( (
( ) (
) )
Cuidad alrededores 0 1
Matemticas IV
Pgina 55
10 0 ( ( ) 0 )
0 1
1 1 0 ) ( 1 )
0 ( ) (
10
0 0 10
1 1[ ]
Matemticas IV
Pgina 56
0 1
Matemticas IV
Pgina 57
UNIDAD V
5.1 DEFINICIN DE TRANSFORMACIN LINEAL Y SUS PROPIEDADES. Transformaciones lineales. OBJETIVO DE LA UNIDAD Conocer el concepto de la transformacin lineal para aplicarlo en problemas geomtricos y de fsica.
En un espacio vectorial se definen dos operaciones: la adiccin y la multiplicacin con un escalar las transformaciones lineales entre espacios vectoriales observase estas estructuras lineales. Definicin Sea U, V espacios vectoriales. Sean U, V vectores en U y sea C un escalar. Una transformacin T: U V es lineal si, ( ( ) ) ( ) ( ) ( )
La primera condicin implica que T convierte la suma de los vectores en la suma de los imgenes de los vectores la segunda condicin implica que T convierte el mltiplo escalar de un vector en el mltiplo escalar de la imagen. De esta manera, las operaciones de la adicin y multiplicacin por un escalar se conserva bajo una transformacin lineal.
Matemticas IV
Pgina 58
TRANSFORMACIN DE UN VECTOR DE PRODUCCIN DE UN VECTOR DE MATERIA PRIMA Un fabricante hace 4 tipos diferente de productos, cada uno requiere 3 tipos de materiales. Se denota los 4 productos por ya los materiales por
. En la tabla siguiente da el nmero de unidades de cada materia prima para fabricar una unidad de cada producto.
Necesarios para producir 1 unidad de
1 4 3 2 3
3 2 1
4 1 2
Si se produce cierto nmero de los 4 productos Cuntas unidades de cad material se necesitan? Sean los 4 productos sean artculos. el nmero de artculos fabricados de el nmero de unidades del usuario de los 3
[ ]
* +
Matemticas IV
Pgina 59
Definicin. Una transformacin lineal de un espacio vectorial V en un espacio vectorial W es una funcin de V en W, T: V W, que es lineal, esto es para todo u, v V y todo a, b R verifica: T (a u + b v) = a Tu + b T v. Es claro que esa condicin es equivalente a que se verifiquen, para todo a R y todo u, v V, las dos condiciones: T (a u) = a Tu y T (u + v) = Tu + T v. En algunos textos se llaman transformaciones lineales las funciones lineales de un espacio vectorial V en s mismo. Para distinguir el vector cero de V del vector cero de W y del nmero 0, se indicar con 0V el vector cero de V, y con 0W el vector cero de W. Se observa que para toda transformacin lineal de V en W, la imagen de 0V es 0W, pues: T0V = T (00V) = 0T0V = 0W. Para todo espacio V, la funcin identidad, I: V V, que a todo vector v V le asocia el mismo vector v, es una transformacin lineal de V en V. Se indicar esta transformacin con la notacin IV cuando sea necesario distinguirla de la funcin identidad en otro espacio vectorial. Dados dos espacios V y W, la funcin cero, 0: V W, en la que todo vector v V tiene por imagen el vector 0W, tambin es lineal.
Matemticas IV
Pgina 60
2. Usando la misma notacin del ejemplo anterior, la funcin definida por: T(a1v1 +...+ amvm) = (a1,...,am), es lineal. 3. La derivacin de polinomios, D: R [X] R [ X], es lineal.
T: V Rm
4. Sea V el espacio de los vectores de un plano y sea w V un vector de norma 1. La funcin T: V V que a cada v V le asocia la proyeccin ortogonal de v sobre w es lineal, porque la proyeccin de v es Tv = (v.w)w y T(au + b v) = [(au + b v). w] w = a (u. w) w + b(v. w) w = a Tu +b Tv. 5. Si V = V1 V2, todo v V se escribe en la forma v = v1 + v2, con v1 V1
y v2 V2 nicos. Se define entonces la proyeccin de V sobre V1 segn V2, como la funcin T: V V dada por Tv = v1 para todo v V. Es simple verificar que con estas operaciones de suma de transformaciones y producto de nmeros por transformaciones el conjunto de todas las
Matemticas IV
Pgina 61
INSTITUTO TECNOLGICO SUPERIOR DE TAMAZUNCHALE S.L.P Dadas dos transformaciones lineales, S: V U y T: U W, tales que el conjunto de llegada de S coincide con el conjunto de partida de T, est definida la composicin de las transformaciones, que est dada por (TS) v = T (Sv) para todo v V. Es fcil demostrar que si S y T son lineales, la composicin de S con T tambin es lineal. En particular, est definida la composicin de cualquier par de
transformaciones lineales de un espacio vectorial V en s mismo. La composicin es en este caso una operacin en el espacio vectorial de todas las transformaciones lineales de V en V. Este es un producto asociativo porque la composicin de funciones siempre lo es. Un espacio vectorial con un producto asociativo con estas propiedades, se dice que es un lgebra sobre R. En la prxima seccin se introducir el lgebra Mn(R) de las matrices de n filas y n columnas de nmeros reales. A toda transformacin lineal T: V W, se le asocian un subespacio del dominio V y un subespacio del con dominio W. Definicin. Sean V y W espacios vectoriales sobre el mismo campo k. Una transformacin lineal tal que: de V en W, es una funcin
i)
ii)
En otras palabras, una transformacin lineal es una funcin que respeta las operaciones definidas en los espacios vectoriales: abre sumas y saca escalares.
Matemticas IV
Pgina 62
INSTITUTO TECNOLGICO SUPERIOR DE TAMAZUNCHALE S.L.P Transformaciones lineales: Notacin standard de la transformada lineal es: V se denomina de T. Si v pertenece a V y w esta en W, T (v) = w donde w ser la imagen de v bajo T, el conjunto de todas las imgenes se llama contra dominio de T y el conjunto de v de V tales que T (v) = w se llama pre imagen de w. La definicin de transformacin lineal es que todo espacio vectorial en V y W se puede hacer transformacin lineal si cumplen con los axiomas de la distribucin bajo la suma (T(U + V) = T( U ) + T ( v )) y la multiplicacin por un escalar (T(c U)= c T(u)). Cumpliendo con lo anterior la transformada lineal tiene sus propiedades que son : T(0) = 0 T(-v) = - T(v) T(v-u) = T(v)-T(u) S v = c1v1 + c2v2 + .. + cnvn entonces v = c1 T(v1)+ c2 T(v2)+ ... + cn T(vn). Para definir una transformacin lineal por una matriz esta se notara as: siendo a la matriz m x n la funcin T se definir T(v) = Av que suma transformacin lineal de Rn en Rm. El ncleo se puede encontrar definiendo la transformada as. T(v) = 0 esto tambin se denomina como Kernel de T y se denota Ker (T) para que sea ncleo esta debe cumplir que Ax = 0. La dimensin del ncleo se llama nulidad y la dimensin del contradominio de T se llama rango (si A = matriz entonces el rango de T va ser = rango de A). Dimensin del dominio = dimensin del rango + dimensin del ncleo. Las transformaciones lineales puede ser uno a uno que son aquellas que la preimagen de W consta de un solo vector, o sea, ser uno a uno para toda u y v en V, T (u) = T (v), tambin hay que tomar en cuenta que kernel (T) = 0.
Matemticas IV
Pgina 63
INSTITUTO TECNOLGICO SUPERIOR DE TAMAZUNCHALE S.L.P Tambin las transformadas lineales puede ser sobre si y solo si el rango de T es igual a la dimensin de W. Y un transformacin lineal es directa si es uno a uno y sobre. Existencia de una transformacin inversa: Sea T: Rn! Rn una transformada de una matriz standard. Debe cumplir las siguientes condiciones: T es invertible T es un isomorfismo A es invertible Si T es invertible con matriz standard A, entonces la matriz standard de T-1 es A-1. Un caso especial seria cuando V 0 W y B = B', don de la matriz A que se denomina matriz de T con respecto a la base B. En este caso la matriz de la transformacin identidad es simplemente In.
Matemticas IV
Pgina 64
Definicin Sea
de
tales que:
Evaluado Es decir (
0 Por lo tanto (
( )
Matemticas IV
Pgina 65
6.4 LA MATRIZ DE UNA TRANSFORMACIN LINEAL Y REPRESENTACIN MATRICIAL DE UNA TRANSFORMACIN LINEAL Representacin matricial de una transformacin lineal. Sea T :V !"! W una T.L con dim V = n, dim W = m si {e1,...,en} es una base de V y {w1,...,wm} es una base de W, cada elemento t (ek) puede expresarse con unicidad, como una combinacin lineal de los elementos de la base es decir T(ek) =m"i=1tikwi donde tik ,...,t mk son los componentes de t (ek) respecto a la base ordenada {w1,... ,wm}.
Los tik forman un vector columna o matriz columna. Tenemos una columna para cada uno de los n-elementos t(e1),..., t(en), formando as una matriz de orden m n.
As toda T.L de un espacio n-dimensional V, en un espacio m dimensional W da origen a una matriz m n t(eik), cuyas columnas son los componentes de t(ei),...,t(en), relativos a la base (w1,...,wn), la llamamos representacin matricial de T relativa a unas bases ordenadas {e1,...,en}, de V y {w1,...,wm}, para w.
Definicin Sean U,V dos espacios vectoriales sobre , adems
+
bases ordenadas de U,V respectivamente y Tuna transformacin lineal de U en
Matemticas IV
Pgina 66
Denotada por
Donde Adems si la base C del espacio de partida es igual al del espacio de llegada, la matriz asociada a la transformacin lineal se denota por
6.5 TRANSFORMACIONES Y SISTEMAS DE ECUACIONES LINEALES Teorema sobre transformaciones de renglones de matrices. Dada una matriz de un sistema de ecuaciones lineales, resulta una matriz de un sistema equivalente si: Se intercambian dos renglones. Smbolo Ri Rj. Se multiplica o divide un rengln por una constante diferente de cero. Smbolo: kRiRi. Un mltiplo constante de un rengln se suma a otro rengln. Smbolo: kRi+Ri Uso de matrices para resolver un sistema de ecuaciones lineales. Ejemplo. Resuelve el sistema: x + 2y + 3z = 9 4x + 5y + 6z = 24 3x + y - 2z = 4
Matemticas IV Pgina 67
INSTITUTO TECNOLGICO SUPERIOR DE TAMAZUNCHALE S.L.P Comenzaremos con la matriz del sistema, es decir, la matriz aumentada:
Luego aplicamos transformaciones elementales de rengln a fin de obtener otra matriz (ms sencilla) de un sistema de ecuaciones equivalentes. Pondremos smbolos adecuados entre matrices equivalentes.
Con
la
matriz
final
regresamos
al
sistema
de
ecuaciones:
Que equivale al sistema original. La solucin x = 4, y = -2, z = 3 se puede encontrar ahora por sustitucin. La matriz final de la solucin es una forma escalonada. En general, una matriz esta en forma escalonada si satisface estas condiciones: El primer nmero diferente de cero de cada rengln, leyendo de izquierda a derecha, es 1. La columna que contenga el primer nmero diferente de cero en cualquier rengln est a la izquierda de la columna con el primer nmero distinto de cero del rengln de abajo. Los renglones formados enteramente de ceros pueden aparecer en la parte inferior de la matriz
Matemticas IV
Pgina 68
es "una matriz escalonada" Guas para hallar la forma escalonada de una matriz. Localizar la primera columna que contenga elementos diferentes de cero y aplicar transformaciones elementales de rengln a fin de obtener 1 en el primer regln de esa columna. Aplicar transformaciones elementales de rengln del tipo kR1 + Rj Rj. para j > 1 y obtener 0 bajo el nmero 1 obtenido en la gua (a) en cada uno de los reglones restantes .
Hacer caso omiso del primer rengln. Localizar la prxima columna que contenga elementos diferentes de cero y aplicar transformaciones elementales de rengln con objeto de obtener el nmero 1 en el segundo rengln de esa columna. Aplicar transformaciones elementales del tipo kR2 + Rj
Rj. para j >2 y obtener 0 bajo el nmero 1 obtenido en la gua (c) en cada uno de los renglones restantes. Hacer caso omiso del primer y segundo renglones. Localizar la siguiente columna que contenga elementos diferentes de cero y repetir el procedimiento . Continuar el proceso hasta alcanzar la forma escalonada. Uso de la forma escalonada para resolver un sistema de ecuaciones lineales.
Matemticas IV
Pgina 69
Ahora usamos sustitucin a fin de hallar la solucin. De la ltima ecuacin vemos que w = -1; de la tercera ecuacin vemos que z = -2 . Sustituimos en la segunda ecuacin, y obtenemos: y - 2z - w = 6
Matemticas IV
Pgina 70
INSTITUTO TECNOLGICO SUPERIOR DE TAMAZUNCHALE S.L.P y - 2(-2) - (-1) = 6 y+4+1=6 y=1 Sustituimos los valores encontrados en la primera ecuacin: x + z + 2w = -3 x + (-2) + 2(-1) = -3
Matemticas IV
Pgina 71
INSTITUTO TECNOLGICO SUPERIOR DE TAMAZUNCHALE S.L.P 5.6 ALGEBRA DE LAS TRANSFORMACIONES LINEALES Sean dada por: ( ) podemos definir la suma de transformaciones lineales,
Tambin podemos definir la multiplicacin por escalar. Sean ( ) definamos la multiplicacin por escalar de una
Definicin. Un lgebra A sobre un campo F es un espacio vectorial sobre F en el que se tiene definida una operacin producto que satisface para todos los elementos T1, T2, T3 A y F: T1 (T2+T3)=T1T2+T1T3 (T2+T3)T1=T2T1+T3T1 (T1T2)= (T1) T2=T1(T2) Si adems se cumple que (T1T2)T3=T1 (T2T3) entonces A es un lgebra asociativa Definicin. Sean V, U y W espacios vectoriales sobre el mismo campo F. Sean T1: VU y T2: UW dos transformaciones lineales. Se define la composicin de T2 seguida de T1 T2T1 como la funcin de V a W (T2T1) : VW tal que (T2T1)(v)=T2(T1(v))
Matemticas IV
Pgina 72
INSTITUTO TECNOLGICO SUPERIOR DE TAMAZUNCHALE S.L.P 5.7 APLICACIN DE LAS TRANSFORMACIONES LINEALES. Se aplican en sistemas de ecuaciones lineales, en matrices y en un sin nmero de problemas, gracias a las transformaciones lineales sabemos el dominio e imagen y teniendo esto saber si es un espacio vectorial. Ejemplo Dada la transformacin lineal
Determinar todos los espacios propios asociados a F, sabiendo que 2,-2 son los nicos valores propios. Solucin: Determinemos el espacio propio asociado al valor propio 2. V2 = {(x; y) / T(x; y)=2(x; y)} = {(x; y) / (x+y;3x- y)=2(x; y)} = {(x; y) / (-x+y;3x-3y)=(0;0)} = {(x; y) /-x+ y=0 = < (1;1) > Para el otro valor propio procedemos de manera similar V-2 = {(x; y) /T(x; y)=-2(x; y)} = {(x; y) / (x+ y; 3x- y)=-2(x; y)} = {(x; y) / (3x+y; 3x+y)=(0;0)} = {(x; y) / 3x+ y= 0} = < (1;-3) >
Matemticas IV
Pgina 73
INSTITUTO TECNOLGICO SUPERIOR DE TAMAZUNCHALE S.L.P Ejemplos de Aplicaciones de las Transformaciones Lineales 1. Una casa editora publica un libro en tres ediciones diferentes: cubierta dura, cubierta blanda y cubierta de lujo. Cada libro requiere cierta
cantidad de papel y de material para la cubierta. Los requisitos estn dados en gramos por la siguiente matriz:
Cubierta dura
Cubierta blanda
Cubierta de Lujo
Papel
300
500
800
40
50
60
Deja que
el nmero de libros con cubierta dura, cubierta blanda y cubierta de lujo respectivamente, que se publican. La transformacin lineal T: R 3 R2 definida
, Entonces
Matemticas IV
Pgina 74
Por lo que se requiere 810,000 gramos en papel y 87,000 gramos en material para la cubierta.
2. Puede una transformacin lineal cambiar un dibujo por otro? Observa como la transformacin T; R2 R2 definida por T(x, y) = (x, x+ y) cambia los siguientes dibujos:
Matemticas IV
Pgina 75
UNIDAD VI
6.1.- DEFINICIN DE VALORES Y VECTORES CARACTERSTICOS DE UNA MATRZ CUADRADA. Sea t: v v una transformacin lineal. en una gran variedad de aplicaciones, resulta til encontrar un vector v en v tal que tv y v sean paralelos. esto es, buscamos un vector v y un escalar tal que T v = v (1) Si v 0 y satisface (1) entonces se denomina valor caracterstico de t y v se llama vector caracterstico de t correspondiente al valor caracterstico de . si v es de dimensin finita, entonces t puede representarse por una matriz at. Por esta razn discutiremos valores y vectores caractersticos de matrices de n x n. Definicin. Valor caracterstico y vector caracterstico. Sea a una matriz de n x n con componentes reales. El nmero (real o complejo) se llama valor caracterstico de a si hay un vector v distinto de cero en c n tal que A v = v (2) El vector v 0 se llama vector caracterstico de a correspondiente al valor caracterstico . Nota la palabra eigen significa "propio" o "apropiado" en alemn. Los valores caractersticos se llaman tambin valores propios o auto valores, y los vectores caractersticos, vectores propios o auto vectores. Teorema 1. Sea a una matriz de n x n. entonces es un valor caracterstico de a si y slo si P () = det (a - i) = 0
Matemticas IV
Pgina 76
INSTITUTO TECNOLGICO SUPERIOR DE TAMAZUNCHALE S.L.P Definicin. Ecuacin caracterstica y polinomio caracterstico. La ecuacin p () = det (a - i) = 0 se conoce como la ecuacin caracterstica de a; p() se conoce como el polinomio caracterstico de a. p() es un polinomio de grado n en . Por el teorema fundamental del lgebra, todo polinomio de grado n con coeficientes reales o complejos tiene n races exactamente (contando multiplicidades).con esto queremos decir que, por ejemplo el polinomio ( -1)5 tiene cinco races, todas iguales al nmero 1. Puesto que todo valor caracterstico de a es una raz de la ecuacin caracterstica de a, concluimos que: Si se consideran multiplicidades, cada matriz de n x n tiene exactamente n valores caractersticos. Teorema 1 sea un valor caracterstico de la matriz de a de n x n y sea e = {v:av = v}. Entonces e es un subespacio de cn Teorema 2 sea a una matriz de n x n y sean 1, 2,...,m valores caractersticos diferentes de a con sus correspondientes vectores caractersticos de v1, v2, ..., vm. Entonces v1, v2,..., vm son linealmente independientes. Esto es: los vectores caractersticos correspondientes a valores caractersticos diferentes son linealmente independientes.
Matemticas IV
Pgina 77
INSTITUTO TECNOLGICO SUPERIOR DE TAMAZUNCHALE S.L.P 6.3 DETERMINACIN DE LOS VALORES DE LOS VECTORES DE UNA MATRIZ Los valores y vectores caractersticos tambin son conocidos como valores y vectores propios, son valores especiales que se calculan a una matriz en el que intervine los trminos como determinante, polinomio caracterstico y
ecuaciones de infinitas soluciones. La definicin implica que para un vector propio transformacin lineal el efecto de aplicarle la . esto implica que un
vector y el vector transformado son colineales o paralelos y por lo tanto linealmente dependientes. Procedimiento para calcular propios y vectores propios Halle p() = det (a - i). Halle las races 1, 2, ..., m de p() = 0. Resuelva el sistema homogneo (a -i i) v = 0 correspondiente a cada valor caracterstico de i. Ejemplo.
Matemticas IV
Pgina 78
INSTITUTO TECNOLGICO SUPERIOR DE TAMAZUNCHALE S.L.P Si resolvemos reduciendo por renglones, obtenemos, sucesivamente,
Matemticas IV
Pgina 79
Matemticas IV
Pgina 80
INSTITUTO TECNOLGICO SUPERIOR DE TAMAZUNCHALE S.L.P 6.4 DIAGONALIZACIN DE MATRICES, POTENCIAS Y RACES DE
MATRICES. Potencia de una matriz Si a es una matriz de n x n y si k es un entero positivo, entonces ak denota el producto de k copias de a: ak= aaa Ejemplo: a=
k= 2. Multiplicacin de matrices.
a2 =
Diagonalizar una matriz a es precisamente eso: escribirla de manera simple encontrando una matriz invertible p y una diagonal d (si se puede) tales que a = p d p-1 La matriz p se llama matriz de paso. Puede que esto, al principio, no parezca ms simple de lo que ya era a directamente. Sin embargo, lo es desde muchos puntos de vista. dado que las matrices suelen usarse para representar aplicaciones lineales, la expresin anterior puede verse como un cambio de base de la aplicacin representada por a; entonces, esta forma de escribirlo dice: hay una base en la que la aplicacin lineal a tiene una forma muy simple (diagonal).
Matemticas IV Pgina 81
INSTITUTO TECNOLGICO SUPERIOR DE TAMAZUNCHALE S.L.P Esto es til, por ejemplo, para clasificar una aplicacin lineal y estudiar sus propiedades. Las matrices se usan para representar otras cosas como cnicas, cuadrticas o formas bilineales, y en estos casos tambin resulta til esta forma de expresarlas. La relacin anterior entre las matrices a y d es importante y aparece en muchos contextos, as que tiene nombre propio: Cuando dos matrices cuadradas a y b verifican que a = p b p-1 para cierta matriz cuadrada p (invertible, claro) decimos que a y b son semejantes. Una matriz es diagonalizable cuando se puede diagonalizar; es decir, cuando podemos encontrar una matriz diagonal y una invertible de forma que la matriz se escriba como dijimos antes. Dicho de otra forma: una matriz es diagonalizable cuando es semejante a una matriz diagonal. Entonces, ms exactamente: una matriz es diagonalizable cuando es semejante a una matriz diagonal real. Cundo y cmo podemos diagonalizar una matriz? Si conseguimos escribir una matriz a como a = p d p-1 entonces podemos poner tambin a p = p d. si d es diagonal y nos fijamos en la columna i de esta ltima igualdad lo que tenemos es que a xi = i xi (donde xi es la columna i de a y i es el nmero en el lugar i de la diagonal de d). Esto nos dice que para diagonalizar una matriz nos hace falta conocer los vectores a los que les pase algo as. Estos vectores tambin tienen nombre: Si un nmero y un vector no nulo x verifican la relacin a x = x diremos que es un valor propio o autovalor de la matriz a y que x es un vector propio o autovector de a asociado al valor propio . Es fcil ver que diagonalizar una matriz a de tamao n n es lo mismo que encontrar n vectores propios linealmente independientes asociados a valores propios reales, ya que entonces podemos ponerlos por columnas y conseguir as la matriz p (puedes comprobar que entonces se cumple la relacin que buscamos).
Matemticas IV Pgina 82
INSTITUTO TECNOLGICO SUPERIOR DE TAMAZUNCHALE S.L.P Entonces, para diagonalizar una matriz lo que tenemos que hacer es buscar n vectores propios suyos linealmente independientes asociados a valores propios reales. Cmo encontrar valores y vectores propios de una matriz? Es fundamental, pues, hallar los valores propios de a y los vectores propios asociados. Como un vector propio l hace que el sistema ax = x tenga solucin x distinta de cero, la matriz de coeficientes a i (donde i denota la matriz identidad de orden n) debe tener determinante no nulo. Este determinante det (ai) es un polinomio en de grado n y se denomina polinomio caracterstico de a. Por otro lado, el conjunto de vectores propios de a asociados a un mismo valor propio forman un subespacio vectorial de rn que se llama subespacio propio asociado al valor propio , y es el ncleo de la matriz a i. Para concluir si una matriz a es o no diagonalizable bastar pues averiguar si hay "suficientes" valores propios reales para construir d y si hay suficientes" vectores propios linealmente independientes asociados; esta informacin nos la dar la dimensin de los subespacios propios y queda recogida en el siguiente resultado: Una matriz real cuadrada de orden n es diagonalizable si y slo si tiene n vectores propios linealmente independientes asociados a valores propios reales. Adems, el teorema espectral nos confirma un caso en el que siempre es posible diagonalizar: Toda matriz real simtrica es diagonalizable. En este caso, se puede conseguir adems que las columnas de la matriz de paso p sean una base orto normal y por lo tanto que p sea una matriz ortogonal.
Matemticas IV
Pgina 83
INSTITUTO TECNOLGICO SUPERIOR DE TAMAZUNCHALE S.L.P 6.5 DIAGONALIZACIN DE MATRICES SIMTRICAS, DIAGONALIZACIN ORTOGONAL Teorema 1. Sea a una matriz simtrica real de n x n. entonces los valores caractersticos de a son reales. Teorema 2. Sea a una matriz simtrica real de n x n. si 1 y 2 son valores caractersticos distintos con correspondientes vectores caractersticos reales v1 y v2, entonces v1 y v2 son ortogonales. Teorema 3. Sea a una matriz simtrica real de n x n. resulta entonces que a tiene n vectores caractersticos reales ortonormales. Observacin. Se concluye de este teorema que la multiplicidad geomtrica de cada valor caracterstico de a es igual a su multiplicidad algebraica. El teorema 3 nos dice que si a es simtrica entonces rn tiene una base b = {u1, u2, ... un} que consiste de vectores caractersticos ortonormales de a. sea q la matriz cuyas columnas u1, u2, ... un. Entonces q es una matriz ortogonal. Esto nos conduce hacia la siguiente definicin. Definicin. Matriz ortogonalmente diagonizable. Una matriz a de n x n se dice que es diagonalizable ortogonalmente si existe una matriz ortogonal q tal que q'aq = d (1) Donde d = diag. (1, 2,..., n) y 1, 2,..., n son los valores caractersticos de a. Nota. Recuerde que q es ortogonal si q' = q-1; por lo tanto (1) podra ser escrita como q-1aq = d. Teorema 4. Sea a una matriz real de n x n. entonces a es diagonalizable ortogonalmente si y slo si a es simtrica.
Matemticas IV
Pgina 84
INSTITUTO TECNOLGICO SUPERIOR DE TAMAZUNCHALE S.L.P Procedimiento para encontrar una matriz diagonalizante q: Encuentre una base para cada espacio caracterstico de a. Encuentre una base ortonormal para cada espacio caracterstico de a, usando el procedimiento gram- schmidt. Establezca a q como la matriz cuyas columnas son los vectores caractersticos ortonormales obtenidos en el paso (ii). Ejemplo
Matemticas IV
Pgina 85
INSTITUTO TECNOLGICO SUPERIOR DE TAMAZUNCHALE S.L.P 6.6 FORMAS CUADRTICAS La expresin algebraica ax2 + bxy + cy2 En donde a, b y c son constantes es una forma cuadrtica. Las formas cuadrticas juegan un papel importante en la geometra. Mediante la multiplicacin de las matrices siguientes, esta forma cuadrtica se escribe como
A la matriz simtrica A asociada a esta forma cuadrtica se le llama matriz de la forma cuadrtica. Ejemplo Escriba la siguiente forma cuadrtica en trminos de matrices. 5x2 + 6xy - 4y2 Solucin. Por comparacin con la forma estndar ax2 + bxy + cy2, se tiene a = 5, b = 6, c = -4 Entonces, la forma matricial de la forma cuadrtica es
Matemticas IV
Pgina 86
INSTITUTO TECNOLGICO SUPERIOR DE TAMAZUNCHALE S.L.P 6.7.- TEOREMA DE CAYLEY-HAMILTON En lgebra lineal, el teorema de Cayley-Hamilton (que lleva los nombres de los matemticos Arthur Cayley y William Hamilton) asegura que todo endomorfismo de un espacio vectorial de dimensin finita sobre un cuerpo cualquiera anula su propio polinomio caracterstico. En trminos matriciales, eso significa que : Si A es una matriz cuadrada de orden n y si
Es su polinomio caracterstico (polinomio de indeterminada X), entonces al sustituir formalmente X por la matriz A en el polinomio, el resultado es la matriz nula:
El teorema de Cayley-Hamilton se aplica tambin a matrices cuadradas de coeficientes en un anillo conmutativo cualquiera. Un corolario importante del teorema de Cayley-Hamilton afirma que el polinomio mnimo de una matriz dada es un divisor de su polinomio caracterstico, y no solo eso, el polinomio mnimo tiene los mismos factores irreducibles que el polinomio caracterstico. Demostracin. Efectuamos la demostracin sobre la matriz A. Definamos la matriz B(X) =
t
Podemos interpretar los miembros y factores de esta igualdad como polinomios en X con coeficientes en el anillo de las matrices cuadradas n x n con coeficientes en K y esa igualdad implica que P(X).
Matemticas IV Pgina 87
INSTITUTO TECNOLGICO SUPERIOR DE TAMAZUNCHALE S.L.P I es divisible por la izquierda por XI A. Esto implica entonces que el valor a la derecha (igual en realidad aqu tambin a su valor a la izquierda, ya que se obtiene B(X).(XI A) = det(XI A). I) del polinomio P(X).I para X = A es nula. Este valor slo es P(A), lo que termina la demostracin.
El teorema de Cayley-Hamilton afirma que A2 5A 2I2 = 0 Y esta relacin puede verificarse inmediatamente en ese caso. Adems el teorema de Cayley-Hamilton permite calcular las potencias de una matriz de modo ms sencillo que por un clculo directo. Tomemos la relacin anterior A2 5A 2I2 = 0 A2 = 5A + 2I2 As, por ejemplo, para calcular A4, podemos escribir A3 = (5A + 2I2)A = 5A2 + 2A = 5(5A + 2I2) + 2A = 27A + 10I2
Matemticas IV
Pgina 88
INSTITUTO TECNOLGICO SUPERIOR DE TAMAZUNCHALE S.L.P y llegamos a A4 = A3A = (27A + 10I2)A = 27A2 + 10A = 27(5A + 2I2) + 10A A4 = 145A + 54I2. Podemos utilizar tambin la relacin polinomio inicial A2 5A 2I2 = 0 para probar la invisibilidad de A y calcular su inverso. En efecto, basta con factorizar una potencia de A donde sea posible y A(A 5I) = 2I2 Lo que demuestra que A admite como inverso
Matemticas IV
Pgina 89
INSTITUTO TECNOLGICO SUPERIOR DE TAMAZUNCHALE S.L.P 6.8 APLICACIONES En este captulo se mostrar cmo se pueden usar la teora de los valores y vectores caractersticos para analizar ciertos modelos de crecimiento de poblacin. Supngase que para cierta especie, la poblacin en un periodo (que puede ser de una hora, una semana, un ao, etc.) es un mltiplo constante de la poblacin en el periodo anterior. Esto podra suceder, por ejemplo, si las generaciones son distintas y cada organismo produce descendientes y despus muere. Un ejemplo son las bacterias, que se dividen en dos a intervalos regulares. Entonces = 2. Sea pn la poblacin al final del periodo n-simo. Entonces, bajo las suposiciones anteriores, tenemos que pn = pn-1. As, si p0 denota la poblacin inicial, se tiene que p1= p0, p2= p1 = (p0) = 2p0, etctera, por lo que pn = np0. (1) Si = 1, la poblacin permanece constante. Si < 1, la poblacin disminuye, y si > 1, aumenta.
Este modelo es obviamente demasiado simplista para que sea de mucha utilidad. El nmero de descendientes producidos no es slo funcin del nmero de adultos sino tambin de la edad de los adultos. Por ejemplo, una poblacin humana en la que todas las mujeres tuvieran ms de 50 aos de edad, tendra una tasa de multiplicacin muy distinta que otra poblacin en la que las mujeres tuvieran todas edades entre 20 y 30 aos. Para desarrollar una descripcin ms exacta de la realidad, usamos un modelo matricial que permite aplicar distintas tasas de multiplicacin a los grupos de distintas edades.
Matemticas IV
Pgina 90
INSTITUTO TECNOLGICO SUPERIOR DE TAMAZUNCHALE S.L.P Observamos ahora un modelo de crecimiento de la poblacin para una cierta especie de aves. En esta poblacin de aves, suponemos que el nmero de hembras es igual al nmero de machos. Sea pj,n-1 la poblacin de hembras jvenes (inmaduras) en el ao n -1, y sea pa,n-1 el nmero de hembras adultas en el ao n-1. Algunos de los pjaros jvenes sobreviven para llegar a ser adultos en la primavera del ao n. Cada pjaro hembra sobreviviente produce huevos ms tarde en la primavera, que empollados, producen en promedio, k hembras jvenes en la siguiente estacin primaveral. Los adultos tambin mueren, y la proporcin de adultos que sobreviven de una primavera a la otra es . Es un hecho interesante y notable que no resulta demasiado simplista suponer que la proporcin de los animales que sobreviven es constante. Esto se observa como el caso ms natural en las poblaciones naturales de las aves que han sido estudiadas. La tasa de supervivencia de los adultos de muchas especies de aves es independiente de la edad. Tal vez pocos pjaros en libertad sobrevivan lo suficiente como para exhibir los efectos de la vejez. Adems, para muchas de las especies, el nmero de descendientes parece que no recibe la influencia de la edad de la madre. En la notacin introducida anteriormente, pj,n-1 y pa,n-1 representan,
respectivamente, las poblaciones de hembras jvenes y adultas en el ao n. Juntando toda la informacin dada, llegamos al siguiente sistema 2 x 2: pj,n = kpa,n-1 (2) pa,n = pj,n-1 + pa,n-1 o pn = Apn-1 (3) Donde
Matemticas IV
Pgina 91
INSTITUTO TECNOLGICO SUPERIOR DE TAMAZUNCHALE S.L.P Est claro de (3) que p1 = Ap0, p2 = Ap1 = A(Ap0) = A2p0, ..., y as sucesivamente, por lo que pn = Anp0 (4)
Donde p0 es el vector de las poblaciones iniciales de hembras jvenes y adultas La Ecuacin (4) es como la Ecuacin (1), excepto que se ha podido distinguir entre las tasas de supervivencia de los pjaros jvenes y adultos.
Matemticas IV
Pgina 92