Matemática 03

SISTEMAS DE ECUACIONES LINEALES

Definición de Sistemas de Ecuaciones Lineales 1
Pasted image 20230506165449.webp
Las operaciones que lo componen son lineales, suma de Inc y producto de escalar por Inc.

Definición de Solución de Sistemas de Ecuaciones Lineales 1: Pasted image 20230506165727.webp

Sistemas Equivalentes: Dos S.E.L son equivalentes si admiten el mismo conjunto solución.

***Clasificación de S.E.L

Los clasificamos según el cardinal del conjunto solución, en
S.C.D, S.C.I y S.I
Pasted image 20230506170048.webp
(En realidad si card(Sol(S)) > 1 entonces existen infinitas soluciones y, estrictamente, el cardinal del conjunto solución no está definido.)

***Sistema escalerizado.

Decimos que un sistema está escalerizado si tiene la siguiente forma:
Pasted image 20230506170340.webp

***Transformaciones Elementales:

Llamamos Transformaciones Elementales a cualquiera de las siguientes operaciones efectuadas sobre un S.E.L
Pasted image 20230506170619.webp
Siempre que solamente se le apliquen T.E a un sistema de ecuaciones, va a resultar en un sistema Equivalente.

Para resolver un S.E.L no importa demasiado cuáles sean las Incógnitas, si no qué lo relevante son los Coeficientes. Por lo que podemos representar a los sistemas como matrices.

***Matrices

Llamamos Matriz a :
Pasted image 20230506171137.webp
m son las filas, n las columnas.

Se pueden representar dos formas de matrices sistema:
Pasted image 20230506171400.webp

***Método de ESCALERIZACIÓN de Gauss Jordan.

1 er Paso: Utilizando la primera entrada de la primera fila como pivot, anulamos las primeras entradas de las filas restantes:
Pasted image 20230506171623.webp
2 do Paso: Utilizando la segunda entrada de la segunda fila como pivot, anulamos la entrada correspondiente de la tercera fila:
Pasted image 20230506171701.webp

Con esto podemos realizar sustitución para hallar las soluciones del sistema

Teniendo la matriz escalerizada podemos definir su número de escalones
(Que más adelante veremos que coincide con el número de filas L.I de la matriz.)

Una matriz escalerizada reducida es aquella en la cuál se continuó escalerizando hasta obtener la solución trivial.

(Toda forma escalerizada de una matriz presenta la misma cantidad de escalones.)

Matriz Identidad:
Pasted image 20230506173043.webp
Si la matriz es invertible su forma escalerizada reducida va a coincidir con la identidad.

Es el neutro del producto de matrices.

***TEOREMA DE ROUCHÉ -FROBENIUS
Pasted image 20230506173338.webp
Si el numero de escalones de la escalerizada es igual al de la escalerizada de la ampliada entonces es compatible.

Y si es compatible y el número de escalones es igual al de columnas, es determinado, pero si es menor es indeterminado.

Pasted image 20230506173744.webp
Pasted image 20230506173818.webp
Pasted image 20230506173854.webp

El número de filas totalmente nulas = cantidad de indeterminaciones = Grados de libertad.

Sistema Homogéneo
Pasted image 20230506174120.webp
Como todos sus bij son 0, siempre son compatibles, porque siempre va a ser posible que todos los coeficientes sean 0. En ellos solo hay que determinar si esa es la Única solución o hay infinitas.

***Algebra matricial.

Sobre ellas podemos definir sus propias operaciones.
Diagonal principal solo para las cuadradas.

Matriz Transpuesta
Pasted image 20230506192331.webp
Se obtiene intercambiando filas por columnas.

Matriz simétrica: Pasted image 20230506192510.webp
Las matrices que son iguales a su transpuesta.
(Siempre son cuadradas).

Matriz Antisimétrica
Pasted image 20230506192735.webp
La transpuesta tiene el valor opuesto en cada posición.
Requiere que su diagonal principal sea 0

***Operaciones con matrices

SUMA DE MATRICES:
Pasted image 20230506192925.webp
Los elementos de la matriz C se obtienen sumando los correspondientes elementos de las matrices A y B.

PRODUCTO DE ESCALAR POR MATRIZ:
Pasted image 20230506193126.webp
Los elementos de B se obtienen multiplicando todos los de A por el escalar.

PROPIEDADES:
Pasted image 20230506193327.webp

Pasted image 20230506193847.webp
Pasted image 20230506193939.webp
Imagen de WhatsApp 2023-05-06 a las 19.42.57.webp

PRODUCTO DE MATRICES:
Pasted image 20230506194931.webp

se deben utilizar los elementos de la fila i de la primera matriz y los elementos de la columna j de la segunda matriz a multiplicar. Lo que se hace es obtener los productos de los respectivos elementos de fila y columna seleccionadas y luego sumar estos productos para obtener el elemento correspondiente en la matriz resultado.

n de A debe ser igual a m de B(son conformables)
Pasted image 20230506195131.webp
Pasted image 20230506195139.webp

NO ES CONMUTATIVA

PROPIEDADES:
Pasted image 20230506195326.webp
Pasted image 20230506195343.webp

***Ecuaciones matriciales

Pasted image 20230506201807.webp

La ecuación matricial es equivalente a un S.E.L
Pasted image 20230506202008.webp

MATRIZ INVERSA
Pasted image 20230506202353.webp
Solo las matrices cuadradas tienen inversa
Además existe una única matriz inversa.

PROPIEDADES
Pasted image 20230506202616.webp

Si una matriz es invertible su transpuesta también lo será.

Notar que en el producto lo cambia de orden

Matrices elementales
Pasted image 20230506203132.webp
Pasted image 20230506203441.webp

Entonces para calcular la inversa reduciremos una matriz invertible hasta su identidad, obteniendo así la inversa.
Pasted image 20230506203738.webp
En definitiva lo que se hace es escalerizar hasta su forma reducida.
Pasted image 20230506204109.webp

Traza
Pasted image 20230507094423.webp
Como depende de la diagonal principal solo se puede obtener la traza para matrices cuadradas.

Rango 1
Pasted image 20230507094927.webp
(También se pude definir como el número de filas Linealmente Independientes de la matriz.)
Por lo tanto el rango máximo es igual al mínimo entre filas y columnas.

Determinante
Es un escalar único asociado a una matriz.
Solo para las matrices cuadradas

Puede ser visto como una Función que conecta las matrices cuadradas con escalares.
Pasted image 20230507095351.webp

Una matriz es invertible si y solo si su determinante es distinto de 0

Matriz Adjunta
Pasted image 20230507095705.webp

El determinante de una matriz 1x1 es la propia matriz.

Expansión de Laplace
Pasted image 20230507095934.webp

Cofactor
Pasted image 20230507100040.webp

Entonces el determinante de una matriz puede calcularse como :
La suma de las multiplicaciones de los elementos de una fila o columna por su cofactor.

Pasted image 20230507100322.webp

Para las matrices de 2x2 existe la Regla de la Mariposa:
Pasted image 20230507100712.webp

Para las de 3x3 existe la Regla de Sarrus
Pasted image 20230507100816.webp
Imagen de WhatsApp 2023-05-07 a las 10.12.43.webp

PROPIEDADES:

1- Linealidad con respecto a una fila:
Pasted image 20230507101925.webp
Determinantes no son asociativos
Pasted image 20230507102004.webp
Pasted image 20230507102307.webp

Pasted image 20230507102251.webp

Pero como no es asociativo, cómo se calcula el determinante de escara por A?
Pasted image 20230507102437.webp

2- Intercambio de filas
Pasted image 20230507102709.webp

3-Determinantes nulos:
a) Si una matriz A tiene una fila nula
b) Si una matriz A tiene dos filas iguales
c) Si una matriz A tiene una fila múltiplo de otra

En definitiva una matriz tiene determinante 0 si alguna fila es combinación lineal de las demás.

4- Combinación lineal de filas.
Pasted image 20230507103152.webp
Pasted image 20230507103243.webp
por propiedad 4a), al simplificar un sistema DEBEMOS MULTIPLICAR SOLO EL QUE SUMAMOS, o cambiará el resultado.

Pasted image 20230507113329.webp

Pasted image 20230507113427.webp

Método de cofactores para el cálculo de inversas.

1- Construir matriz de cofactores.
2- Transponerla
3- Multiplicar el determinante original por el de la de cofacT
Ej:
Pasted image 20230507114137.webp

Teorema de Binet-Cauchy
Pasted image 20230507114304.webp
Pasted image 20230507114314.webp
Si son cuadradas, los determinantes son asociativos y conmutativos en la multiplicación.

REGLA DE CRAMER

Siendo una matriz cuadrada:
Pasted image 20230507115123.webp

Ahora, si para toda columna que remplacemos el determinante es 0, puede ser indeterminado o incompatible.

(Lo más importante de cramer es que: Si el determinante es distinto de 0 entonces es compatible determinado.)

ESPACIOS VECTORIALES.

"Un marco conceptual que define objetos, y las operaciones que realizaremos con esos objetos, dichas operaciones deben cumplir ciertas propiedades de todos los E.V"

Pasted image 20230507133417.webp

Y debe cumplir las siguientes propiedades de Espacios Vectoriales

De la SUMA:
Pasted image 20230507133525.webp
del PRODUCTO por ESCALAR:
Pasted image 20230507133603.webp

Para verificar si algo es espacio vectorial debemos verificar que cumplan estas propiedades en las operaciones.

n-Tuplas
Pasted image 20230507134000.webp
(La K (El cuerpo) solo afecta a los escalares de la multiplicación, no a los propios vectores. )

Hay algunas propiedades adicionales, pero surgen directamente de las anteriores, por lo que no es necesario demostrarlas para probar E.V

  1. Unicidad del neutro de la suma
  2. Unicidad del opuesto de la suma
  3. ) 0u = nulo
  4. alf*neutro=nulo
  5. Si alf*u=neutro entonces alf=o o u=nulo
  6. -alf(u)=-(alfu)=alf(-u)
  7. alfu=betu entonces alf=bet o u=nulo
  8. Si alfu=alfv u=v o alf=0

Subespacios Vectoriales
Pasted image 20230507135445.webp
Entonces un subespacio vectorial es un subconjunto de vectores de un espacio, que cumple con la Clausura de la suma y la Clausura del producto .
Ambas propiedades pueden integrarse en una sola:
Pasted image 20230507135644.webp

Todo subespacio vectorial debe contener al neutro, si no fallaría la propiedad 2

Un S.E.V es finito solamente si su único elemento es el nulo, de lo contrario es infinito.

Combinación Lineal
Pasted image 20230507140042.webp
Basta conque un vector sea multiplo de otro para que sea combinación lineal de todos los demás, porque se puede poner 0

Subespacio Generado
Pasted image 20230507140331.webp
(Para conocer el S(A) igualamos una combinación lineal al genérico y resolvemos.)

Generador
Pasted image 20230507140516.webp
todo conjunto de vectores será generador de su subespacio generado.

Ejemplo:
Pasted image 20230507140719.webp

Independencia Lineal
Pasted image 20230507141442.webp
Un conjunto es L.I si la única combinación lineal que rinda el nulo es la de todo 0s
Si un conjunto de vectores incluye al nulo no es L.I

Dependencia Lineal
Pasted image 20230507141754.webp
Es L.D si al menos uno de los vectores se puede escribir como combinación lineal de los demás.

Para determinar si un conjunto es L.I lo más común es ver a simple vista una relación, o plantear una combinación lineal genérica igualada al nulo y plantear un sistema, siempre va a ser compatible porque va a ser homogéneo.
si es un SCI entonces es L.D
Si es SCD hay que ver si es 0 todas las soluciones

(Para pasar de L.D a L.I hay que eliminar vectores)

Base
Pasted image 20230507152623.webp

Coordenadas
Pasted image 20230507153002.webp
Son los coeficientes de la combinación lineal que rinden el vector.

Podemos considerar a las coordenadas como una función que asocia un vector con una n-tupla del espacio kn, con n la cantidad de vectores de la base. Pasted image 20230507153203.webp

Pasted image 20230507153408.webp
Las coordenadas de un vector en una base son únicas

Bases Canónicas
Pasted image 20230507153551.webp
(En las n-tuplas las bases canónicas son ir moviendo el 1 y los 0 en el número de vectores que tenga la base.(la dimensión del espacio))
Pasted image 20230507153808.webp

En el sentido estricto el concepto de base canónica aplicaría solo a E.V cuyos vectores tengan forma de n-tuplas, pero existen las:
Bases Cuasi-canónicas
Que son bases en las que podremos deducir las coordenadas de un vector con simplemente observar el vector.

Cambiar el orden de la base cambia la base(es otra)

Pasted image 20230507154312.webp
Si un conjunto tiene más elementos que una base es L.D e incluye una base.

Pasted image 20230507154438.webp
Si un conjunto es generador, debe tener al menos la misma cantidad de elementos que una base

Pasted image 20230507155242.webp
Todas las bases tienen el mismo número de elementos

Pasted image 20230507155357.webp
La dimensión de un espacio es el cardinal de una de sus bases.

Si tenemos una base en cuerpo real y con vectores de r3 va a tener 3 elementos.

En cuerpo complejo con elementos de c3 va a tener 3 elementos

Pero en Cuerpo Real con elementos de c3 va a sufrir del efecto de duplicación de base (Va a haber que añadirle las partes imaginarias para que pueda seguir generando c3 con coef reales.)

Pasted image 20230507160158.webp
Si tiene el mismo número de elementos que una base, o es base o no es nada

Suma de subespacios
Pasted image 20230507182312.webp
Todos los vectores del subespacio suma se obtienen tomando 1 y solo 1 vector de cada subespacio a sumar.
(el subespacio suma es subespacio del espacio al cual son subespacios los subespacios a sumar.)

Suma directa

Es suma directa si hay solo 1 forma de obtener cada vector resultado de la suma.
No es otra operación, simplemente es una suma que cumple con la propiedad anterior.

Teoremas para determinar si es Suma directa
La base del subespacio suma (si es directa)va a ser la unión de los subespacios a sumar. Y:
Si la dimensión del subespacio suma es = a la suma de las dimensiones de los subespacios sumando, entonces es suma directa.
(La dimensión de un subespacio es la dimensión de un espacio- su número de restricciones L.I (Cuando son reales sobre cuerpo real))

Pasted image 20230507185828.webp
Si sumamos solo 2 subespacios, podemos determinar si es suma directa, calculando la intersección entre los dos subespacios.
Si es el nulo, es Suma directa.
Pasted image 20230507190105.webp