Universidad Nacional Abierta y a Distancia UNAD CEAD Jos Acevedo y Gmez Escuela de Ciencias Bsicas, Tecnologa e Ingeniera 10/09/2014
INTRODUCCIN
El siguiente trabajo colaborativo pretende lograr la apropiacin de conocimientos de los contenidos temticos de la unidad 1,2,3 del curso de Algebra lineal, mediante la elaboracin de un glosario que esboza conceptos del algebra lineal que aplicaremos para la solucin prctica de ejercicios y problemas sobre vectores, matrices y determinantes y de esta forma se pretende lograr el desarrollo de competencias en los contenidos y conceptos estudiados en los captulos de la primera unidad, para alcanzar la transferencia de conocimientos mediante el aprendizaje significativo.
OBJETIVOS
Lograr la transferencia de conocimientos y competencias relativas a los conceptos bsicos terico-prctico de los vectores, matrices y determinantes a travs del estudio, anlisis y solucin de problemas y ejercicios propuestos.
Realizar la apropiacin y comprensin grupal de los fundamentos conceptuales de los determinantes y los principios de espacio vectorial y su aplicabilidad a un problema real en el entorno profesional, mediante la investigacin, anlisis y estudio de fuentes bibliogrficas textuales y recursos multimedia relacionados con los temas contenidos en la unidad1,2,3 y su aplicacin en diferentes reas del conocimiento.
Reconocer la importancia del dominio bsico del Algebra lineal, como disciplina imprescindible para nuestra formacin en cualquier rea cientfica, ya que nos permite desarrollar competencias en el campo de la investigacin y desarrollo motriz.
Glosario. Factorizacin LU (descomposicin LU): una factorizacin LU de una matriz cuadrada de A, expresa A como el producto de una matriz inferior, L y una matriz triangular superior U: esto es A=LU. Es una forma de factorizacin de una matriz como el producto de una matriz triangular inferior y una superior. Debido a la inestabilidad de este mtodo, deben tenerse en cuenta algunos casos especiales, por ejemplo, si uno o varios elemento de la diagonal principal de la matriz a factorizar es cero, es necesario pre multiplicar la matriz por una o varias matrices elementales de permutacin. Mtodo llamado factorizacin o con pivote. Esta descomposicin se usa en el anlisis numrico para resolver sistemas de ecuaciones (ms eficientemente) o encontrar las matrices inversas. Matriz escalonada: Decimos que una matriz es escalonada si posee las siguientes caractersticas: 1. Cualquier la cuyas componentes sean todas cero, se encuentra en la parte inferior de la matriz. 2. En cada la, cuyas componentes no sean todas cero, la primera componente diferente de cero (pivote), se encuentra en una columna que este a la derecha de cualquier otro pivote por encima de l (equivalentemente, podemos decir que cada pivote est a la izquierda de cualquier otro pivote por debajo de l). Observemos que, en una matriz escalonada, ninguna columna tiene ms de un pivote. Este hecho nos permite clasicar sus columnas como pivotales y no pivotales, segn tengan o no pivote, respectivamente.
Mtodo de Eliminacin de Gauss: Escalonar una matriz; es decir, dada una matriz, encontrar una matriz escalonada equivalente a la matriz dada 1. Identique la primera columna, de izquierda a derecha, que no sea de slo ceros. 2. Si la primera componente de esta columna es un cero, intercambie la primera la con una que tenga una componente no cero en esta columna. Esta componente no cero ser el pivote de esta columna. 3. Aplique sucesivamente operaciones elementales adecuadas del Tipo Eliminacin, para obtener ceros debajo del pivote de esta columna. 4. Reptale este procedimiento, comenzando con el Paso 1, al conjunto de las de la matriz resultante del paso anterior que estn por debajo de la la donde est el pivote anterior, hasta agotar las las o hasta que las las restantes sean de slo ceros.
Mtodo de sustitucin haca atrs: Dado un sistema de ecuaciones lineales consistente con "patrn escalonado", encontrar su(s) solucin(es). 1. Escriba la matriz aumentada del sistema de ecuaciones lineales. 2. Identique la columna del primer pivote, de derecha a izquierda ( la del ltimo pivote, de izquierda a derecha). 3. Aplique la operacin elemental adecuada de Tipo Escalamiento para obtener uno (1) como pivote en esta columna. 4. Aplique sucesivamente operaciones elementales adecuadas del Tipo Eliminacin para obtener ceros encima del pivote de esta columna. 5. Reptale este procedimiento, comenzando con el Paso 2, al conjunto de las de la matriz resultante en el paso anterior que estn por encima de la la donde estaba el pivote anterior, hasta agotar las las. 6. Al nal, si todas las columnas de la matriz de coecientes tienen pivote, la solucin es nica y sta aparecer en las primeras las de la columna de trminos independientes correspondientes a las las que tienen pivotes; en caso contrario (hay al menos una variable libre), el sistema tiene innitas soluciones y se obtendr despejando las variables pivotales en trminos de las variables libres, lo cual ser relativamente fcil. Mtodo de solucin de un Sistema de Ecuaciones Lineales (Gauss-Jordan): Dado un sistema de ecuaciones lineales, determinar si tiene solucin y, en caso de tenerla, hallar su(s) solucin(es) 1. Escriba la matriz aumentada del sistema de ecuaciones lineales. 2. Identique la primera columna, de izquierda a derecha, que no sea de slo ceros. 3. Si el primer elemento de esta columna es un cero, intercambie la primera la con una que tenga un elemento no cero en esta columna. Este elemento no cero ser el pivote de esta columna. 4. Aplique la operacin elemental adecuada de Tipo Escalamiento para obtener 1 como pivote. 5. Aplique sucesivamente operaciones elementales adecuadas de Tipo Eliminacin, para obtener ceros debajo del pivote de esta columna. 6. Aplique sucesivamente operaciones elementales adecuadas de Tipo Eliminacin para obtener ceros encima del pivote de esta columna. 7. Reptale los Pasos 2, 3 y 4, a las las por debajo de la la donde estaba el pivote anterior, y el Paso 5 a las las por encima del nuevo pivote, hasta agotar las las o hasta que las las restantes sean de slo ceros. 8. Si la columna de trminos independientes es pivotal, el Sistema de Ecuaciones no tiene solucin. Si no, el Sistema de Ecuaciones Lineales tiene solucin. Si todas las columnas de la matriz de coecientes tienen pivote, la solucin es nica y aparecer en las primeras las de la columna de trminos independientes correspondientes a las las que tienen pivotes; en caso contrario (hay al menos una variable libre), el sistema tiene innitas soluciones y se obtendr despejando las variables pivotales en trminos de las variables libres, lo cual ser relativamente fcil. Matriz: Una matriz es un arreglo rectangular de nmeros reales1, llamados componentes o elementos de la matriz, de la forma
La i-sima la y la j-sima columna de la matriz A son | Respectivamente. El orden o tamao de la matriz lo determinamos por el nmero de las seguido del nmero de columnas. As, decimos que el tamao de una matriz es mn, si tiene m las y n columnas; por simplicidad, cuando m = n, decimos que la matriz es de orden n. Suma de matrices: Denimos la suma entre dos matrices de igual tamao A y B, como la matriz A + B, cuyas componentes son la suma de las componentes respectivas de las matrices A y B. En otras palabras, dadas las matrices
Se dene la suma de A y B por
Producto por escalar de matrices: Denimos el producto de una matriz A por un nmero real (escalar), como la matriz A, cuyas componentes son el producto de por las componentes respectivas de A. En otras palabras, dado el escalar R y la matriz
denimos el producto de A por el escalar por
Espacio vectorial: Sea V un conjunto no vaco en el cual se han denido dos operaciones, llamadas suma y multiplicacin por escalar (dados los elementos u y v de V y un escalar de R, la suma de u y v la denotamos u + v y la multiplicacin por escalar de por u la denotamos u). Si las siguientes propiedades o axiomas se satisfacen para todo u, v y w de V y para todo par de escalares y de R, entonces se dice que V es un espacio vectorial real y sus elementos son llamados vectores. 1. u + v V . Propiedad clausurativa para la suma. 2. u + v = v + u. Propiedad conmutativa para la suma. 3. (u + v) + w = u + (v + w). Propiedad asociativa para la suma. 4. Existe un nico elemento 0 V, tal que u + 0 = u, para todo u V . Propiedad modulativa para la suma. 5. Para cada u V , existe un nico elemento u V , tal que u+(u) = 0. Existencia del opuesto para la suma. 6. u V . Propiedad clausurativa para la multiplicacin por escalar. 7. (u + v) = u + v. Propiedad distributiva respecto la suma de vectores. 8. ( + )u = u + u. Propiedad distributiva respecto la suma de escalares. 9. (u) = ()u. 10. 1u = u Recta: Dado un punto P Rn y un vector d no nulo de Rn, diremos que la recta L que contiene a P y tiene direccin d es el conjunto formado por P y todos los puntos X que determinan vectores PX paralelos a d. Al vector d lo llamamos vector direccin o vector director de la recta. Rectas paralelas: Sean L1 y L2 dos rectas en Rn, con vectores directores d1 y d2, respectivamente. Diremos que las rectas L1 y L2 son paralelas, si y solo si, los vectores d1 y d2 lo son.
Rectas iguales: Dos rectas son iguales, si y solo si, las dos rectas son paralelas y tienen al menos un punto en comn. Rectas ortogonales: SeanL1 yL2 dos rectas con vectores directores d1 y d2, respectivamente. Diremos que las rectas L1 y L2 son ortogonales, si y solo si, los vectores d1 y d2 lo son; es decir, si y solo si, d1 d2 = 0 Plano: Dado un punto P Rn y dos vectores c y d Rn diferentes de cero y no paralelos, diremos que el conjunto de puntos X que determinan vectores PX que son combinacin lineal de los vectores c y d, es el plano P que pasa por el punto P y tiene direcciones c y d. A los vectores c y d los llamamos vectores directores o vectores direccin del plano.
Matriz invertible: Se dice que la matriz A de tamao nn es invertible, si y solo si, existe una matriz B tal que AB = BA = I. A esta matriz B, la llamamos inversa de A.
Ecuaciones simtricas de una recta: Con respecto a las ecuaciones paramtricas obtenidas en (2), si suponemos que y entonces se tiene que
Como en las ecuaciones y el lado izquierdo est igualado a , entonces se cumple que
Las ecuaciones anteriores reciben el nombre de ecuaciones simtricas de la recta que pasa por (a1, a2 ,a3 ) y tiene como vector director a (b1, b2, b3). Ecuaciones paramtricas de una recta:
, de donde realizando las correspondientes operaciones se tiene que
Las ecuaciones anteriores reciben el nombre de ecuaciones paramtricas de la recta que pasa por (a1, a2 ,a3 ) y cuyo vector director es (b1, b2, b3)
Bibliografa. 1. GROSSMAN STANLEY I. LGEBRA LINEAL. MC GRAWHIL, 2007. 2. ANFOSSI AGUSTN. LGEBRA. PROGRESO, 1988. 3. BALDOR AURELIO. LGEBRA. PUBLICACIONES CULTURAL. 2006. 4. ANTON HOWARD. INTRODUCCIN AL LGEBRA LINEAL LIMUSA NORIEGA EDITORES, 1999. 5. LIPSCHUTZ SEYMOUR, LGEBRA LINEAL. MC GRAWHIL, 1992. 6. SOLAR GONZLEZ EDUARDO. LGEBRA 1. LIMUSA NORIEGA EDITORES, 2006. 7. REES PAULK. LGEBRA. MC GRAWHIL, 1991. 8. BARNETT RAYMOND A. LGEBRA. MC GRAWHIL, 2000. 9. SILVA JUAN MANUEL. FUNDAMENTOS DE MATEMTICAS LIMUSA NORIEGA EDITORES, 2002. 10. CHAPRA STEVEN C. MTODOS NUMRICOS PARA INGENIEROS MC GRAWHIL, 2003. Cibergrafia. http://descartes.cnice.mec.es/materiales_didacticos/determinantes_api/in versa_de_una_matriz_con_determinantes.htm http://www.sc.ehu.es/sbweb/fisica/cursoJava/numerico/complejo/complej o.htm http://www.matematicas.unal.edu.co/cursos/algebra/ http://docentes.uacj.mx/gtapia/ALgebra/ http://thales.cica.es/rd/Recursos/rd99/ed99-0289-02/ed99-0289-02.html http://fresno.pntic.mec.es/~jvaamond/ http://mit.ocw.universia.net/18.06/f02/related-resources/matlab.pdf http://cnx.org/content/m12862/latest/ http://ma1.eii.us.es/miembros/silva/AL/2005-06/Apuntes.pdf http://www.matematicasbachiller.com/temario/algebra/index.html http://www.elprisma.com/apuntes/curso.asp?id=9538