1 Primera clase Martes 14 de septiembre del 2010 De 12:00 a 13:30 horas
2
3 Linear algebra with applications. Third Edition W. Keith Nicholson PWS Publishing company
4 Linear algebra. Lang Linear algebra. Jim Hefferon Linear algebra. Hoffman y Kunze Calculus. Apostol Applied mathematics. Olver y Shakiban Calculus of vector functions. Williamson, Crowell y Trotter Mathematics for physicists. Dennery y Krzywicki Mathematical methods in physics and engineering. Dettman Mathematical methods for physicists. Arfken
5 1.Sistemas de ecuaciones lineales 2.Álgebra de matrices 3.Determinantes 4.Geometría de los vectores 5.Espacios vectoriales 6.Valores propios y diagonalización 7.Transformaciones lineales 8.Espacios euclidianos
6 El Álgebra lineal es la rama de las matemáticas que estudia los sistemas de ecuaciones lineales, los vectores, los espacios vectoriales, y las transformaciones lineales entre los espacios vectoriales.
7 Los espacios vectoriales son fundamentales en las matemáticas modernas; el Álgebra lineal es ampliamente utilizada tanto en el álgebra abstracta como en el análisis funcional. El Álgebra lineal tiene una representación concreta en la Geometría Analítica. Tiene aplicaciones importantes y vastas en las ciencias naturales y en las ciencias sociales, ya que muchos modelos no lineales pueden ser aproximados por modelos lineales.
8 La historia del Álgebra lineal moderna se remonta a los años de 1843 y 1844. En 1843, William Rowan Hamilton (quien inventó el nombre “Vector”) descubrió los cuaterniones. En 1844, Hermann Grassman publicó su libro Die lineale Ausdehnungslehre. Arthur Cayley en 1857, introdujo las matrices (2x2), una de las ideas fundamentales del Álgebra Lineal.
9 1.Soluciones y operaciones elementales 2.Eliminación gaussiana 3.Ecuaciones homogéneas
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34 Discusión
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126 Hasta aquí llegue el martes 14 de septiembre del 2010 después de una clase de 1:30 horas
127 Segunda clase martes 21 de septiembre del 2010 de 12:30 a 14:00
128
129 1.Sistemas de ecuaciones lineales 2.Álgebra de matrices 3.Determinantes 4.Geometría de los vectores 5.Espacios vectoriales 6.Valores propios y diagonalización 7.Transformaciones lineales 8.Espacios euclidianos
130 1.Suma, multiplicación por un escalar y transposición 2.Multiplicación de matrices 3.Matrices inversas 4.Matrices elementales
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163 La suma de dos matrices Multiplicación de una matriz por un escalar Multiplicación de dos matrices
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198 ¡La multiplicación de matrices no es conmutativa!
199
200
201
202 No se pueden multiplicar El número de columnas del primer factor debe ser igual al número de renglones del segundo factor
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231 Gráfica
232
233
234
235
236
237
238
239
240
241 Hasta aquí llegue el martes 21 de septiembre del 2010 después de dos clases de 1:30 horas
242 Tercera clase martes 28 de septiembre del 2010 de 12:30 a 14:00
243
244 1.Sistemas de ecuaciones lineales 2.Álgebra de matrices 3.Determinantes 4.Geometría de los vectores 5.Espacios vectoriales 6.Valores propios y diagonalización 7.Transformaciones lineales 8.Espacios euclidianos
245
246
247
248
249
250
251
252 1.Suma, multiplicación por un escalar y transposición 2.Multiplicación de matrices 3.Matrices inversas 4.Matrices elementales
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267 1.Sistemas de ecuaciones lineales 2.Álgebra de matrices 3.Determinantes 4.Geometría de los vectores 5.Espacios vectoriales 6.Valores propios y diagonalización 7.Transformaciones lineales 8.Espacios euclidianos
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313 1.Sistemas de ecuaciones lineales 2.Álgebra de matrices 3.Determinantes 4.Geometría de los vectores 5.Espacios vectoriales 6.Valores propios y diagonalización 7.Transformaciones lineales 8.Espacios euclidianos
314
315
316
317
318
319
320
321
322
323
324
325
326 Espacios vectoriales reales Espacio vectoriales complejos A los números utilizados como multiplicadores se les denomina escalares. A los escalares los denotaremos por letras itálicas A los elementos del espacio vectorial les llamaremos genéricamente vectores. A los vectores los denotaremos por letras itálicas con flecha arriba
327
328
329
330
331
332
333
334
335 Hasta aquí llegue el martes 28 de septiembre del 2010 después de tres clases de 1:30 horas
336 Cuarta clase martes 5 de octubre del 2010 de 12:30 a 14:00
337
338 1.Sistemas de ecuaciones lineales 2.Álgebra de matrices 3.Determinantes 4.Geometría de los vectores 5.Espacios vectoriales 6.Valores propios y diagonalización 7.Transformaciones lineales 8.Espacios euclidianos
339 Repaso de la cuarta clase martes 5 de octubre del 2010 de 12:30 a 14:00
340
341
342
343
344
345
346
347
348
349
350
351
352 Espacios vectoriales reales Espacio vectoriales complejos A los números utilizados como multiplicadores se les denomina escalares. A los escalares los denotaremos por letras itálicas A los elementos del espacio vectorial les llamaremos genéricamente vectores. A los vectores los denotaremos por letras itálicas con flecha arriba
353 Fin del repaso de la cuarta clase martes 5 de octubre del 2010 de 12:30 a 14:00
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370 No hay forma de que una combinación lineal de ellos de cero
371
372
373
374
375
376 No hay forma, sin hacerlos cero, que una combinación lineal de ellos se anule
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426 Un espacio vectorial real que tiene definido un producto escalar es llamado ESPACIO EUCLIDIANO REAL
427 Un espacio vectorial complejo que tiene definido un producto escalar es llamado ESPACIO EUCLIDIANO COMPLEJO O ESPACIO UNITARIO
428 Normalmente se dice ESPACIO EUCLIDIANO y punto, independientemente del campo sobre el cual esté definido.
429
430
431
432
433 Hasta aquí llegue el martes 5 de octubre del 2010 después de CUATRO clases de 1:30 horas
434 Quinta clase martes 12 de octubre del 2010 de 12:30 a 14:00
435
436 1.Sistemas de ecuaciones lineales 2.Álgebra de matrices 3.Determinantes 4.Geometría de los vectores 5.Espacios vectoriales 6.Valores propios y diagonalización 7.Transformaciones lineales 8.Espacios euclidianos
437 Repaso de la quinta clase martes 12 de octubre del 2010 de 12:30 a 14:00
438
439
440
441 FIN del repaso de la quinta clase martes 12 de octubre del 2010 de 12:30 a 14:00
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474 Una base ortonormal de un espacio vectorial es un conjunto de vectores ortonormales, que genera el espacio.
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495 Hasta aquí llegue el martes 12 de octubre del 2010 después de CINCO clases de 1:30 horas
496 Sexta clase martes 26 de octubre del 2010 de 12:30 a 14:00
497
498 1.Sistemas de ecuaciones lineales 2.Álgebra de matrices 3.Determinantes 4.Geometría de los vectores 5.Espacios vectoriales 6.Valores propios y diagonalización 7.Transformaciones lineales 8.Espacios euclidianos
499 Repaso de la sexta clase martes 26 de octubre del 2010 de 12:30 a 14:00
500
501
502
503
504
505 FIN del Repaso de la sexta clase martes 26 de octubre del 2010 de 12:30 a 14:00
506
507
508
509
510
511
512 De manera intuitiva podemos decir que una función es una relación entre dos magnitudes, de tal manera que a cada valor de la primera le corresponde un único valor de la segunda.
513 Conjunto de seres humanos
514
515 A cada ser humano se le asocia su padre biológico Conjunto de seres humanos
516 A cada ser humano se le asocia su padre biológico Todo elemento del dominio tiene asociado un único elemento del contradominio. Todo ser humano tiene un único padre biológico No todo elemento del contradominio tiene asociado un elemento del dominio. No todo ser humano es un padre biológico Conjunto de seres humanos
517
518 Todos los elementos del dominio tiene que tener asociado un elemento del contradominio A un elemento del dominio se le asociara un único elemento del contradominio Elementos del contradominio pueden tener asociados más de un elemento del dominio
519
520 a b c d e
521 a b c d e Dominio
522 a b c d e Codominio
523 a b c d e Dominio Codominio Rango
524
525 A la calabaza se le asocian dos elementos en el contradominio
526 A parcial nabla raiz existe B
527 A parcial nabla raiz existe B
528 Definimos una función de x en y como toda aplicación (regla, criterio perfectamente definido), que a un número x (variable independiente), le hace corresponder un número y (y solo uno llamado variable dependiente).
529 Se llama función real de variable real a toda aplicación f de un subconjunto no vacío D de R en R Una función real está definida, en general, por una ley o criterio que se puede expresar por una fórmula matemática. La variable x recibe el nombre de variable independiente y la y ó f(x) variable dependiente o imagen.
530
531 Una función real de una variable real es una función cuyo dominio es un subconjunto de los números reales y su contradominio son los números reales. Su rango es también un subconjunto de los reales.
532 El subconjunto D de números reales que tienen imagen se llama Dominio de definición de la función f y se representa D(f). Nota El dominio de una función puede estar limitado por: 1.- Por el propio significado y naturaleza del problema que representa. 2.- Por la expresión algebraica que define el criterio.
533
534 xf(x) 02 15 28 -2-4 311 -3-7 414 -4-10 517 -5-13 xf(x) 0.102.30 1.767.28 -3.45-8.35 8.9728.91 2.349.02 13.3341.99 1.416.23 16.7752.31 -44.44-131.32 0.012.03 -123.00-367.00
535
536 xf(x) 0.101.1051709 11.88144,350.5506832 -3.450.0317456 8.977,863.6016055 2.3410.3812366 13.33615,382.9278900 6.991,085.7214762 -91.230.0000000 2.229.2073309 0.501.6487213 -12.450.0000039 xf(x) 0.001.000 1.002.718 0.368 2.007.389 -2.000.135 3.0020.086 -3.000.050 4.0054.598 -4.000.018 5.00148.413 -5.000.007
537
538 xln(x)x 0.10-2.3030.01-4.605 0.20-1.6090.02-3.912 0.30-1.2040.03-3.507 0.40-0.9160.04-3.219 0.50-0.6930.05-2.996 0.60-0.5110.06-2.813 0.70-0.3570.07-2.659 0.80-0.2230.08-2.526 0.90-0.1050.09-2.408 1.000.0000.10-2.303
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561 Dominio
562 Contradominio
563 Imagen o rango de S
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599 Transformaciones lineales Matrices
600 Toda matriz tiene asociada un mapeo lineal
601
602
603
604
605
606
607
608
609
610
611 Hasta aquí llegue el martes 26 de octubre del 2010 después de SEIS clases de 1:30 horas
612 Septima clase martes 9 de noviembre del 2010 de 12:30 a 14:00
613
614 1.Sistemas de ecuaciones lineales 2.Álgebra de matrices 3.Determinantes 4.Geometría de los vectores 5.Espacios vectoriales 6.Valores propios y diagonalización 7.Transformaciones lineales 8.Espacios euclidianos
615 Repaso de la séptima clase martes 9 de noviembre del 2010 de 12:30 a 14:00
616
617
618
619 Transformaciones lineales Matrices
620 Toda matriz tiene asociada un mapeo lineal
621 Repaso de la séptima clase martes 9 de noviembre del 2010 de 12:30 a 14:00
622 Transformaciones lineales Matrices
623 A todo mapeo lineal se le puede asociar una matriz
624
625
626
627
628
629
630
631
632
633
634
635
636
637 Se llaman propiedades intrínsecas a las que no dependen del sistema de coordenadas. Si la matriz asociada a la transformación lineal es diagonal, muchas de estas propiedades pueden ser descubiertas fácilmente.
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694 La traza de una matriz cuadrada es la suma de los elementos diagonales
695
696
697
698
699
700
701
702
703
704
705
706
707
708 Las matrices similares tienen El mismo determinante La misma traza Los mismo valores propios El mismo polinomio característico El mismo polinomio minimal El mismo rango
709
710
711
712
713 Calcular todos los valores propios Calcular los vectores propios correspondientes Formar la matriz C con los vectores propios Aplicar C -1 AC
714 Ejemplo 1 Ejemplo 2 Ejemplo 3
715
716 Ejemplo 1 Ejemplo 2
717