Descripción
Libro digital para leer en línea o en app móvil
Descripción:
Anteriormente el estudio del álgebra lineal era parte de los planes de estudios de los alumnos
de matemáticas y física, principalmente, y también recurrían a ella aquellos que necesitaban
conocimientos de la teoría de matrices para trabajar en áreas técnicas como la estadística multivariable.
Hoy en día, el álgebra lineal se estudia en diversas disciplinas gracias al uso de las
computadoras y al aumento general en las aplicaciones de las matemáticas en áreas que, por
tradición, no son técnicas.
Tabla de contenidos:
Front Matter
Dedicatoria
Prefacio
Prerrequisitos
Aplicaciones
Teoría
Características
Examen diagnóstico
Ejemplos
Ejercicios
Teorema de resumen
Autoevaluación
Manejo de calculadora
Resúmenes de secciones
Geometría
Semblanzas históricas
Características nuevas de la séptima edición
MATLAB®
Numeración
Organización
Materiales de apoyo
Agradecimientos
Agradecimientos
Examen diagnóstico
Capítulo 1: Sistemas de ecuaciones lineales
Objetivos del capítulo
Figura 1.1
1.1: Dos ecuaciones lineales con dos incógnitas
Nota
EJEMPLO 1.1.1: Sistema con una solución única
EJEMPLO 1.1.2: Sistema con un número infinito de soluciones
EJEMPLO 1.1.3: Sistema sin solución
Figura 1.2
Teorema 1.1.1: Teorema de resumen (punto de vista 1)
AutoevaluaciÓn 1.1
Respuestas a la autoevaluación
Problemas 1.1
Figura 1.3
1.2: m ecuaciones con n incógnitas: eliminación de Gauss-Jordan y gaussiana
EJEMPLO 1.2.1: Solución de un sistema de tres ecuaciones con tres incógnitas: solución única
Nota
Operaciones elementales por renglones
Operaciones elementales por renglones
Notación
Matrices aumentadas equivalentes
EJEMPLO 1.2.2: Solución de un sistema de tres ecuaciones con tres incógnitas: número infinito de soluciones
EJEMPLO 1.2.3: Sistema inconsistente
Definición 1.2.1: Sistemas inconsistentes y consistentes
Definición 1.2.2: Forma escalonada reducida por renglones y pivote
Nota
EJEMPLO 1.2.4: Cinco matrices en la forma escalonada reducida por renglones
Definición 1.2.3: Forma escalonada por renglones
EJEMPLO 1.2.5: Cinco matrices en la forma escalonada por renglones
Nota
Observación 1
Observación 2
EJEMPLO 1.2.6: Solución de un sistema mediante eliminación gaussiana
EJEMPLO 1.2.7: Solución de un sistema de dos ecuaciones con cuatro incógnitas
EJEMPLO 1.2.8: Un problema de administración de recursos
Nota
Análisis de insumo y producto (opcional)
EJEMPLO 1.2.9: El modelo de insumo-producto de Leontief
EJEMPLO 1.2.10: El modelo de Leontief aplicado a un sistema económico con tres industrias
La geometría de un sistema de tres ecuaciones con tres incógnitas (opcional)
Figura 1.4
Figura 1.5
Figura 1.6
Figura 1.7
Figura 1.8
Semblanza de Carl Friedrich Gauss, 1777-1855
Resumen 1.2
AutoevaluaciÓn 1.2
Respuestas a la autoevaluación
MANEJO DE LA CALCULADORA 1.2
Problemas 1.2
1.3: Introducción a MATLAB
Ejemplos de comandos básicos de MATLAB
Otras características usuales
EJEMPLO 1.3.1
EJEMPLO 1.3.2:
Tutoría de MATLAB
Ejercicios con MATLAB 1.3
Nota
EJEMPLO 1.3.3
1.4: Sistemas homogéneos de ecuaciones
EJEMPLO 1.4.1: Sistema homogéneo que tiene únicamente la solución trivial
EJEMPLO 1.4.2: Un sistema homogéneo con un número infinito de soluciones
EJEMPLO 1.4.3: Un sistema homogéneo con más incógnitas que ecuaciones tiene un número infinito de soluciones
Teorema 1.4.1: Sistemas homogéneos: condición para tener un número infinito de soluciones
Resumen 1.4
AutoevaluaciÓn 1.4
Respuestas a la autoevaluación
Problemas 1.4
Ejercicios con MATLAB 1.4
Capítulo 2: Vectores y matrices
Objetivos del capítulo
2.1: Definiciones generales
Definición 2.1.1: Vector renglón de n componentes
Definición 2.1.2: Vector columna de n componentes
EJEMPLO 2.1.1: Cuatro vectores
Advertencia
Observación
Definición 2.1.3: El símbolo ℝn
Definición 2.1.4: El símbolo ℂn
Definición 2.1.5: Matriz
EJEMPLO 2.1.2: Cinco matrices
Nota histórica
EJEMPLO 2.1.3: Localización de las componentes de una matriz
Definición 2.1.6: Igualdad de matrices
EJEMPLO 2.1.4: Matrices iguales y matrices distintas
Nota
Definición 2.1.7: Suma de matrices
Advertencia
EJEMPLO 2.1.5: Suma de dos matrices
Definición 2.1.8: Multiplicación de una matriz por un escalar
Nota histórica
EJEMPLO 2.1.6: Múltiplos escalares de matrices
EJEMPLO 2.1.7: Suma de múltiplos escalares de dos vectores
Teorema 2.1.1
Nota
EJEMPLO 2.1.8: Ilustración de la ley asociativa para la suma de matrices
Semblanza de… Sir William Rowan Hamilton, 1805-1865
Resumen 2.1
AutoevaluaciÓn 2.1
Respuestas a la autoevaluación
MANEJO DE LA CALCULADORA 2.1
Problemas 2.1
Figura 2.1
Figura 2.2
Ejercicios con MATLAB 2.1
2.2: Productos vectorial y matricial
EJEMPLO 2.2.1: Producto de un vector de demanda y un vector de precios
Nota
Definición 2.2.1: Producto escalar
Advertencia
EJEMPLO 2.2.2: Producto escalar de dos vectores
EJEMPLO 2.2.3: Producto escalar de dos vectores
Teorema 2.2.1
Definición 2.2.2: Producto de dos matrices
Advertencia
EJEMPLO 2.2.4: Producto de dos matrices de 2 × 2
Observación
EJEMPLO 2.2.5: El producto de una matriz de 2 × 3 y una de 3 × 4 está definido pero el producto de una matriz 3 × 4 y una de 2 × 3 no lo está
EJEMPLO 2.2.6: Contacto directo e indirecto con una enfermedad contagiosa
Teorema 2.2.2: Ley asociativa de la multiplicación de matrices
Teorema 2.2.3: Leyes distributivas de la multiplicación de matrices
Multiplicación de matrices como una combinación lineal de las columnas de A
Nota
EJEMPLO 2.2.7: Cómo escribir las columnas de AB como combinación lineal de las columnas de A
Multiplicación de matrices por bloques
EJEMPLO 2.2.8: Multiplicación por bloques
EJEMPLO 2.2.9: Dos matrices que son conmutativas
Aplicación: cadena de Markov
Nota
La notación con Σ
EJEMPLO 2.2.10: Interpretación de la notación de sumatoria
EJEMPLO 2.2.11: Interpretación de la notación de sumatoria
EJEMPLO 2.2.12: Interpretación de la notación de sumatoria
Nota
EJEMPLO 2.2.13: Cómo escribir una suma usando la notación de sumatoria
EJEMPLO 2.2.14: Cómo escribir el producto escalar haciendo uso de la notación de sumatoria
Teorema 2.2.4: Propiedades de la notación de sumatoria
Demostración: Ley asociativa del teorema 2.2.2
Semblanza de… Arthur Cayley y el álgebra de matrices
Demostración: Leyes distributivas del teorema 2.2.3
Resumen 2.2
AutoevaluaciÓn 2.2
Respuestas a la autoevaluación
MANEJO DE LA CALCULADORA 2.2
Problemas 2.2
Ejercicios con MATLAB 2.2
Información de MATLAB
2.3: Matrices y sistemas de ecuaciones lineales
EJEMPLO 2.3.1: Cómo escribir un sistema mediante su representación matricial
Nota
Teorema 2.3.1
Corolario
Observación
EJEMPLO 2.3.2: Cómo escribir un número infinito de soluciones como una solución particular a un sistema no homogéneo más las soluciones al sistema homogéneo
Resumen 2.3
AutoevaluaciÓn 2.3
Respuesta a la autoevaluación
MANEJO DE LA CALCULADORA 2.3
Problemas 2.3
Ejercicios con MATLAB 2.3
Nota
2.4: Inversa de una matriz cuadrada
Definición 2.4.1: Matriz identidad
Nota
EJEMPLO 2.4.1: Dos matrices identidad
Teorema 2.4.1
Nota
Definición 2.4.2: La inversa de una matriz
Observación 1
Observación 2
Teorema 2.4.2
Teorema 2.4.3
Nota
Teorema 2.4.4: Solución de sistemas de ecuaciones lineales en términos de su matriz inversa
EJEMPLO 2.4.2: Cálculo de la inversa de una matriz de 2 × 2
EJEMPLO 2.4.3: Una matriz de 2 × 2 que no es invertible
Procedimiento para encontrar la inversa de una matriz cuadrada A
Observación
Nota
Teorema 2.4.5
EJEMPLO 2.4.4: Cálculo de la inversa de una matriz de 2 × 2
EJEMPLO 2.4.5: Una matriz de 2 × 2 que no es invertible
EJEMPLO 2.4.6: Cálculo de la inversa de una matriz de 3 × 3
Advertencia
EJEMPLO 2.4.7: Una matriz de 3 × 3 que no es invertible
Observación
Definición 2.4.3: Matrices equivalentes por renglones
Teorema 2.4.6
EJEMPLO 2.4.8: Uso de la inversa de una matriz para resolver un sistema de ecuaciones
EJEMPLO 2.4.9: La tecnología y las matrices de Leontief: modelo de la economía estadounidense en 1958
Tabla 2.1: Clasificación de la economía por vectores
Tabla 2.2: Demandas internas en 1958 en la economía de Estados Unidos
Tabla 2.3: Demandas externas sobre la economía de Estados Unidos en 1958 (en millones de dólares)
Teorema 2.4.7: Teorema de resumen (punto de vista 2)
Teorema 2.4.8
Resumen 2.4
AutoevaluaciÓn 2.4
Respuestas a la autoevaluación
MANEJO DE LA CALCULADORA 2.4
Problemas 2.4
Ejercicios con MATLAB 2.4
Información de MATLAB.
2.5: Transpuesta de una matriz
Definición 2.5.1: Transpuesta
EJEMPLO 2.5.1: Obtención de las transpuestas de tres matrices
Teorema 2.5.1
Definición 2.5.2: Matriz simétrica
EJEMPLO 2.5.2: Cuatro matrices simétricas
Otra forma de escribir el producto escalar
Resumen 2.5
AutoevaluaciÓn 2.5
Respuestas a la autoevaluación
MANEJO DE LA CALCULADORA 2.5
Problemas 2.5
Ejercicios con MATLAB 2.5
Información de MATLAB.
2.6: Matrices elementales y matrices inversas
Definición 2.6.1: Matriz elemental
Notación.
EJEMPLO 2.6.1: Tres matrices elementales
Teorema 2.6.1
EJEMPLO 2.6.2: Operaciones elementales mediante la multiplicación por matrices elementales
Tabla 2.4: Matrices elementales y sus inversas
Teorema 2.6.2
Nota
Teorema 2.6.3
EJEMPLO 2.6.3: Cómo escribir una matriz invertible como el producto de matrices elementales
Teorema 2.6.4: Teorema de resumen (punto de vista 3)
Definición 2.6.2: Matriz triangular superior y matriz triangular inferior
EJEMPLO 2.6.4: Dos matrices triangulares superiores y dos matrices triangulares inferiores
Nota
Teorema 2.6.5
EJEMPLO 2.6.5: Cómo escribir una matriz como el producto de matrices elementales y una matriz triangular superior
Resumen 2.6
AutoevaluaciÓn 2.6
Respuestas a la autoevaluación
Problemas 2.6
Ejercicios con MATLAB 2.6
2.7: Factorizaciones LU de una matriz
EJEMPLO 2.7.1: Encuentre una factorización LU de una matriz A
Teorema 2.7.1: Propiedades de multiplicación de matrices triangulares
Teorema 2.7.2: Teorema de la factorización LU
Uso de la factorización LU para resolver un sistema de ecuaciones
EJEMPLO 2.7.2: Uso de la factorización LU para resolver un sistema
La factorización PA = LU
EJEMPLO 2.7.3: Una factorización PA = LU
Teorema 2.7.3: Factorización LUP
Nota
Solución de un sistema usando la factorización PA = LU
EJEMPLO 2.7.4: Solución de un sistema usando la factorización PA = LU
Teorema 2.7.4: Teorema de resumen (punto de vista 4)
Una forma sencilla para encontrar la factorización LU de una matriz
EJEMPLO 2.7.5: Un camino más sencillo para obtener la factorización LU
Observación
Advertencia
Factorización LU para matrices singulares
EJEMPLO 2.7.6: Cuando A no es invertible, la factorización LU puede no ser única
Nota
Factorización LU para matrices no cuadradas
Teorema 2.7.5: Factorización LU para matrices no cuadradas
EJEMPLO 2.7.7: Factorización LU de una matriz 4 × 3
EJEMPLO 2.7.8: Factorización LU de una matriz 3 × 4
Nota
Una observación sobre las computadoras y la factorización LU
Nota
Resumen 2.7
AutoevaluaciÓn 2.7
Respuestas a la autoevaluación
MANEJO DE LA CALCULADORA 2.7
Problemas 2.7
Ejercicios con MATLAB 2.7
2.8: Teoría de gráficas: una aplicación de matrices
EJEMPLO 2.8.1: Representación de un sistema de comunicación mediante una gráfica
Figura 2.3
EJEMPLO 2.8.2: Representación matricial de una gráfica dirigida
EJEMPLO 2.8.3: Representación matricial de dos gráficas dirigidas
Figura 2.4
EJEMPLO 2.8.4: Obtención de una gráfica a partir de su representación matricial
Figura 2.5
Observación
EJEMPLO 2.8.5: Una gráfica dirigida que describe el dominio de un grupo
Figura 2.6
Figura 2.7
Teorema 2.8.1
Teorema 2.8.2
EJEMPLO 2.8.6: Cálculo de cadenas mediante las potencias de la matriz de incidencia
Nota
Nota
EJEMPLO 2.8.7: Dominio indirecto de un grupo
Problemas 2.8
Figura 2.8
Ejercicios de repaso
Capítulo 3: Determinantes
Objetivos del capítulo
3.1: Definiciones
Observación
Definición 3.1.1: Determinante de 3 × 3
Nota
EJEMPLO 3.1.1: Cálculo de un determinante de 3 × 3
EJEMPLO 3.1.2: Cálculo de un determinante de 3 × 3
EJEMPLO 3.1.3: Cálculo de un determinante de 3 × 3 usando el nuevo método
Advertencia
Definición 3.1.2: Menor
EJEMPLO 3.1.4: Cálculo de dos menores de una matriz de 3 × 3
EJEMPLO 3.1.5: Cálculo de dos menores de una matriz de 4 × 4
Definición 3.1.3: Cofactor
EJEMPLO 3.1.6: Cálculo de dos cofactores de una matriz de 4 × 4
Observación
Definición 3.1.4: Determinante n × n
Observación
EJEMPLO 3.1.7: Cálculo del determinante de una matriz de 4 × 4
Definición 3.1.5: Matriz triangular
EJEMPLO 3.1.8: Seis matrices triangulares
EJEMPLO 3.1.9: El determinante de una matriz triangular inferior
Teorema 3.1.1
EJEMPLO 3.1.10: Determinantes de seis matrices triangulares
Teorema 3.1.2
Interpretación geométrica del determinante de 2 × 2
Figura 3.1
Teorema 3.1.3
Resumen 3.1
AutoevaluaciÓn 3.1
Respuestas a la autoevaluación
MANEJO DE LA CALCULADORA 3.1
Problemas 3.1
Ejercicios con MATLAB 3.1
Información de MATLAB
3.2: Propiedades de los determinantes
Teorema 3.2.1
Observación
EJEMPLO 3.2.1: Ilustración de la propiedad det AB = det A det B
Advertencia
Teorema 3.2.2
EJEMPLO 3.2.2: Uso de la factorización LU para calcular el determinante de una matriz de 4 × 4
Teorema 3.2.3
EJEMPLO 3.2.3: Uso de la factorización PA = LU para calcular el determinante de una matriz de 3 × 3
Teorema 3.2.4: det A = det A
EJEMPLO 3.2.4: Una matriz y su transpuesta tienen el mismo determinante
Observación
Teorema 3.2.5: Teorema básico
EJEMPLO 3.2.5: Obtención del determinante expandiendo en el segundo renglón o la tercera columna
Propiedad 3.2.1
EJEMPLO 3.2.6: Si A tiene un renglón o columna de ceros, entonces det A = 0
Propiedad 3.2.2
EJEMPLO 3.2.7: Ilustración de la propiedad 3.2.2
Observación
Propiedad 3.2.3
EJEMPLO 3.2.8: Ilustración de la propiedad 3.2.3
Propiedad 3.2.4
EJEMPLO 3.2.9: Ilustración de la propiedad 3.2.4
Propiedad 3.2.5
EJEMPLO 3.2.10: Ilustración de la propiedad 3.2.5
Propiedad 3.2.6
EJEMPLO 3.2.11: Ilustración de la propiedad 3.2.6
EJEMPLO 3.2.12: Otra ilustración de la propiedad 3.2.6
Propiedad 3.2.7
EJEMPLO 3.2.13: Ilustración de la propiedad 3.2.7
EJEMPLO 3.2.14: Utilice las propiedades de los determinantes para calcular un determinante de 4 × 4
EJEMPLO 3.2.15: Uso de las propiedades para calcular un determinante de 4 × 4
EJEMPLO 3.2.16: Uso de las propiedades para calcular un determinante de 5 × 5
Teorema 3.2.6
Resumen 3.2
AutoevaluaciÓn 3.2
Respuestas a la autoevaluación
Problemas 3.2
Ejercicios con MATLAB 3.2
3.3: Determinantes e inversas
Teorema 3.3.1
Definición 3.3.1: La adjunta
Observación
EJEMPLO 3.3.1: Cálculo de la adjunta de una matriz de 3 × 3
EJEMPLO 3.3.2: Cálculo de la adjunta de una matriz de 4 × 4
EJEMPLO 3.3.3: La adjunta de una matriz de 2 × 2
Advertencia
Teorema 3.3.2
Teorema 3.3.3
Nota
EJEMPLO 3.3.4: Uso del determinante y la adjunta para calcular la inversa
EJEMPLO 3.3.5: Cálculo de la inversa de una matriz de 4 × 4 usando el determinante y la adjunta
Teorema 3.3.4: Teorema de resumen (punto de vista 5)
Resumen 3.3
AutoevaluaciÓn 3.3
Respuestas a la autoevaluación
Problemas 3.3
Ejercicios con MATLAB 3.3
3.4: Regla de Cramer
Teorema 3.4.1: Regla de Cramer
Nota histórica
EJEMPLO 3.4.1: Solución de un sistema de 3 × 3 utilizando la regla de Cramer
EJEMPLO 3.4.2: Solución de un sistema de 4 × 4 usando la regla de Cramer
Resumen 3.4
AutoevaluaciÓn 3.4
Respuesta a la autoevaluación
Problemas 3.4
Figura 3.2
Ejercicios con MATLAB 3.4
3.5: Demostración de tres teoremas importantes y algo de historia
Teorema 3.5.1: Teorema básico
Lema 3.5.1
Lema 3.5.2
Teorema 3.5.2
Semblanza de… Breve historia de los determinantes
Teorema 3.5.3
Problemas 3.5
Ejercicios de repaso
Capítulo 4: Vectores en ℝ2 y ℝ3
Objetivos del capítulo
4.1: Vectores en el plano
Figura 4.1
Figura 4.2
Observación
Definición 4.1.1: Definición geométrica de un vector
Figura 4.3
Nota
Observación
Observación
Observación
Definición 4.1.2: Definición algebraica de un vector
Figura 4.4
EJEMPLO 4.1.1: Cálculo de la magnitud de seis vectores
Nota
EJEMPLO 4.1.2: Cálculo de las direcciones de seis vectores
Figura 4.5
Magnitud de av
EJEMPLO 4.1.3: Multiplicación de un vector por un escalar
Figura 4.6
Figura 4.7
Figura 4.8
Figura 4.9
Nota histórica
Definición 4.1.3: Vector unitario
EJEMPLO 4.1.4: Un vector unitario
Figura 4.10
EJEMPLO 4.1.5: Cóm escribir un vector unitario como (cos θ)i + (sen θ)j
EJEMPLO 4.1.6: Cómo encontrar un vector unitario con la misma dirección que un vector dado diferente de cero
Tabla 4.1
Resumen 4.1
AutoevaluaciÓn 4.1
Respuestas a la autoevaluación
MANEJO DE LA CALCULADORA 4.1
Problemas 4.1
Ejercicios con MATLAB 4.1
Información de MATLAB
4.2: El producto escalar y las proyecciones en ℝ2
Definición 4.2.1: Ángulo entre vectores
Figura 4.11
Teorema 4.2.1: La magnitud de un vector en términos del producto escalar
Teorema 4.2.2
Figura 4.12
Figura 4.13
EJEMPLO 4.2.1: Cálculo del ángulo entre dos vectores
Definición 4.2.2: Vectores paralelos
EJEMPLO 4.2.2: Dos vectores paralelos
Teorema 4.2.3
Definición 4.2.3: Vectores ortogonales
EJEMPLO 4.2.3: Dos vectores ortogonales
Teorema 4.2.4
Teorema 4.2.5
Figura 4.14
Definición 4.2.4: Proyección
Figura 4.15
EJEMPLO 4.2.4: Cálculo de una proyección
Figura 4.16
EJEMPLO 4.2.5: Cálculo de una proyección
Figura 4.17
Resumen 4.2
AutoevaluaciÓn 4.2
Respuestas a la autoevaluación
MANEJO DE LA CALCULADORA 4.2
Problemas 4.2
Ejercicios con MATLAB 4.2
4.3: Vectores en el espacio
Figura 4.18
Figura 4.19
Teorema 4.3.1
EJEMPLO 4.3.1: Cálculo de la distancia entre dos puntos en ℝ3
EJEMPLO 4.3.2: Cálculo de la magnitud de un vector en ℝ3
Definición 4.3.1
Figura 4.20
EJEMPLO 4.3.3: Cálculo de un vector unitario en ℝ3
Figura 4.21
Definición 4.3.2: Dirección en ℝ3
Observación
Figura 4.22
EJEMPLO 4.3.4: Cálculo de los cosenos directores de un vector en ℝ3
Figura 4.23
EJEMPLO 4.3.5: Cálculo de un vector en ℝ3 dados su magnitud y cosenos directores
Figura 4.24
Figura 4.25
Teorema 4.3.2
EJEMPLO 4.3.6: Cálculo del coseno del ángulo entre dos vectores en ℝ3
Definición 4.3.3: Vectores paralelos y ortogonales
Teorema 4.3.3
Teorema 4.3.4
Definición 4.3.4: Proyección
EJEMPLO 4.3.7: Cálculo de una proyección en ℝ3
Resumen 4.3
AutoevaluaciÓn 4.3
Respuestas a la autoevaluación
MANEJO DE LA CALCULADORA 4.3
Problemas 4.3
Figura 4.26
4.4: El producto cruz de dos vectores
Nota histórica
Definición 4.4.1: Producto cruz
Nota
EJEMPLO 4.4.1: Cálculo del producto cruz de dos vectores
Teorema 4.4.1
Nota
EJEMPLO 4.4.2: Uso del teorema 4.4.1 para calcular un producto cruz
Teorema 4.4.2
Figura 4.27
Figura 4.28
Teorema 4.4.3
Figura 4.29
EJEMPLO 4.4.3: Cálculo del área de un paralelogramo en ℝ3
Figura 4.30
Interpretación geométrica de los determinantes de 2 × 2 (otra vez)
Figura 4.31
Interpretación geométrica del triple producto escalar
Figura 4.32
Semblanza de… Josiah Willard Gibbs y los orígenes del análisis vectorial (1839-1903)
Figura 4.33
Figura 4.34
Resumen 4.4
AutoevaluaciÓn 4.4
Respuestas a la autoevaluación
MANEJO DE LA CALCULADORA 4.4
Problemas 4.4
Ejercicios con MATLAB 4.4
4.5: Rectas y planos en el espacio
Figura 4.35
EJEMPLO 4.5.1: Determinación de las ecuaciones de una recta
EJEMPLO 4.5.2: Obtención de las ecuaciones simétricas de una recta
EJEMPLO 4.5.3: Determinación de las ecuaciones simétricas de una recta cuando un número director es cero
EJEMPLO 4.5.4: Determinación de las ecuaciones simétricas de una recta cuando dos números directores son cero
Advertencia
EJEMPLO 4.5.5: Ilustración de la falta de unicidad en las ecuaciones simétricas de una recta
Figura 4.36
Definición 4.5.1: Plano
EJEMPLO 4.5.6: Determinación de la ecuación de un plano que pasa por un punto dado y tiene un vector normal dado
El dibujo de un plano
Figura 4.37
Figura 4.38
Figura 4.39
EJEMPLO 4.5.7: Determinación de la ecuación de un plano que pasa por tres puntos dados
Figura 4.40
Definición 4.5.2: Planos paralelos
Figura 4.41
Nota
EJEMPLO 4.5.8: Dos planos paralelos
EJEMPLO 4.5.9: Puntos de intersección de planos
Resumen 4.5
AutoevaluaciÓn 4.5
Respuestas a la autoevaluación
Problemas 4.5
Figura 4.42
Ejercicios de repaso
Capítulo 5: Espacios vectoriales
Objetivos del capítulo
5.1: Definición y propiedades básicas
Definición 5.1.1: Espacio vectorial real
Axiomas de un espacio vectorial
Nota
EJEMPLO 5.1.1: El espacio ℝn
Nota
EJEMPLO 5.1.2: Espacio vectorial trivial
EJEMPLO 5.1.3: Conjunto que no es un espacio vectorial
Nota
EJEMPLO 5.1.4: El conjunto de puntos en ℝ2 que se encuentran en una recta que pasa por el origen constituye un espacio vectorial
EJEMPLO 5.1.5: El conjunto de puntos en ℝ2 que se encuentran sobre una recta que no pasa por el origen no constituye un espacio vectorial
EJEMPLO 5.1.6: El conjunto de puntos en ℝ3 que se encuentran en un plano que pasa por el origen constituye un espacio vectorial
EJEMPLO 5.1.7: El espacio vectorial Pn
Nota
EJEMPLO 5.1.8: Los espacios vectoriales C[0, 1] y C[a, b]
EJEMPLO 5.1.9: El espacio vectorial Mmn
EJEMPLO 5.1.10: Un conjunto de matrices invertibles puede no formar un espacio vectorial
Nota
EJEMPLO 5.1.11: Un conjunto de puntos en un semiplano puede no formar un espacio vectorial
EJEMPLO 5.1.12: El espacio ℂn
Teorema 5.1.1
Resumen 5.1
AutoevaluaciÓn 5.1: De las siguientes afirmaciones, indique si son falsas o verdaderas:
Respuestas a la autoevaluación
Problemas 5.1
Ejercicios con MATLAB 5.1
5.2: Subespacios vectoriales
Definición 5.2.1: Subespacios vectoriales
Teorema 5.2.1: Subespacio vectorial
Reglas de cerradura para ver si un subconjunto no vacío es un subespacio
EJEMPLO 5.2.1: El subespacio trivial
EJEMPLO 5.2.2: Un espacio vectorial es un subespacio en sí mismo
EJEMPLO 5.2.3: Un subespacio propio de ℝ2
EJEMPLO 5.2.4: Un subespacio propio de ℝ3
EJEMPLO 5.2.5: Otro subespacio propio de ℝ3
Nota
EJEMPLO 5.2.6: ℝ no tiene subespacios propios
EJEMPLO 5.2.7: Algunos subespacios propios de Pn
EJEMPLO 5.2.8: Un subespacio propio de Mmn
EJEMPLO 5.2.9: Un subconjunto que no es un subespacio propio de Mnn
EJEMPLO 5.2.10: Un subespacio propio de C[0, 1]
Nota
EJEMPLO 5.2.11: C1[0, 1] es un subespacio propio de C[0, 1]
EJEMPLO 5.2.12: Otro subespacio propio de C[0, 1]
Teorema 5.2.2
EJEMPLO 5.2.13: La intersección de dos subespacios de ℝ3 es un subespacio
Resumen 5.2
AutoevaluaciÓn 5.2: De las siguientes aseveraciones, evalúe si son falsas o verdaderas.
Respuestas a la autoevaluación
Problemas 5.2
Ejercicios con MATLAB 5.2
5.3: Combinación lineal y espacio generado
Definición 5.3.1: Combinación lineal
EJEMPLO 5.3.1: Una combinación lineal en ℝ3
EJEMPLO 5.3.2: Una combinación lineal en M23
EJEMPLO 5.3.3: Combinaciones lineales en Pn
Definición 5.3.2: Conjunto generador
EJEMPLO 5.3.4: Conjunto de vectores que generan ℝ2 y ℝ3
EJEMPLO 5.3.5: n + 1 vectores que generan a Pn
EJEMPLO 5.3.6: Cuatro vectores que generan a M22
EJEMPLO 5.3.7: Ningún conjunto finito de polinomios generan a P
Definición 5.3.3: Espacio generado por un conjunto de vectores
Teorema 5.3.1: El espacio generado por vectores es un subespacio vectorial
EJEMPLO 5.3.8: El espacio generado por dos vectores en ℝ3
Figura 5.1
Figura 5.2
Teorema 5.3.2
Resumen 5.3
AutoevaluaciÓn 5.3
Respuestas a la autoevaluación
Problemas 5.3
Ejercicios con MATLAB 5.3
5.4: Independencia lineal
Definición 5.4.1: Dependencia e independencia lineal
Nota
Teorema 5.4.1: Dependencia e independencia lineal
EJEMPLO 5.4.1: Dos vectores linealmente dependientes en ℝ4
EJEMPLO 5.4.2: Dos vectores linealmente dependientes en ℝ3
EJEMPLO 5.4.3: Determinación de la dependencia o independencia lineal de tres vectores en ℝ3
EJEMPLO 5.4.4: Determinación de la dependencia lineal de tres vectores en ℝ3
Interpretación geométrica de la dependencia lineal en ℝ3
Figura 5.3
Teorema 5.4.2
EJEMPLO 5.4.5: Cuatro vectores en ℝ3 que son linealmente dependientes
Corolario 5.4.1
Nota
Teorema 5.4.3
EJEMPLO 5.4.6: Soluciones a un sistema homogéneo escritas como combinaciones lineales de vectores solución linealmente independientes
Teorema 5.4.4
Teorema 5.4.5
Teorema 5.4.6: Teorema de resumen (punto de vista 6)
Teorema 5.4.7
EJEMPLO 5.4.7: Tres vectores en ℝ3 generan ℝ3 si su determinante es diferente de cero
EJEMPLO 5.4.8: Tres matrices linealmente independientes en M23
EJEMPLO 5.4.9: Cuatro polinomios linealmente independientes en P3
EJEMPLO 5.4.10: Tres polinomios linealmente independientes en P2
Resumen 5.4
AutoevaluaciÓn 5.4
Respuestas a la autoevaluación
Problemas 5.4
Ejercicios con MATLAB 5.4
Nota
5.5: Bases y dimensión
Definición 5.5.1: Base
EJEMPLO 5.5.1: Base canónica para Pn
EJEMPLO 5.5.2: Base canónica para M22
EJEMPLO 5.5.3: Una base para un subespacio de ℝ3
Teorema 5.5.1
Teorema 5.5.2
Definición 5.5.2: Dimensión
EJEMPLO 5.5.4: La dimensión de ℝn
EJEMPLO 5.5.5: La dimensión de Pn
EJEMPLO 5.5.6: La dimensión de Mmn
EJEMPLO 5.5.7: P tiene dimensión infinita
Teorema 5.5.3
Teorema 5.5.4
EJEMPLO 5.5.8: C[0, 1] y C1[0, 1] tienen dimensión infinita
EJEMPLO 5.5.9: Los subespacios de ℝ3
EJEMPLO 5.5.10: Espacios de solución y espacio nulo
EJEMPLO 5.5.11: Una base para el espacio de solución de un sistema homogéneo
EJEMPLO 5.5.12: Una base para el espacio de solución de un sistema homogéneo
Teorema 5.5.5
Resumen 5.5
AutoevaluaciÓn 5.5: Indique cuáles de los siguientes enunciados son verdaderos.
Respuestas a la autoevaluación
Problemas 5.5
Ejercicios con MATLAB 5.5
5.6: Cambio de bases
Figura 5.4
Definición 5.6.1: Matriz de transición
Nota
Teorema 5.6.1
Teorema 5.6.2
Procedimiento para encontrar la matriz de transición de la base canónica a la base B2 = {v1, v2, …, vn}
Nota
EJEMPLO 5.6.1: Expresión de vectores en ℝ3 en términos de una nueva base
EJEMPLO 5.6.2: Expresión de polinomios en P2 en términos de una nueva base
EJEMPLO 5.6.3: Conversión de una base a otra en ℝ2
EJEMPLO 5.6.4: Obtención de la matriz de transición entre dos bases a través de la base canónica
Teorema 5.6.3
EJEMPLO 5.6.5: Determinación de si tres polinomios en P2 son linealmente dependientes o independientes
EJEMPLO 5.6.6: Determinación de si cuatro matrices de 2 × 2 son linealmente dependientes o independientes
Resumen 5.6
AutoevaluaciÓn 5.6
Respuestas a la autoevaluación
Problemas 5.6
Ejercicios con MATLAB 5.6
5.7: Rango, nulidad, espacio renglón y espacio columna
Definición 5.7.1: Espacio nulo y nulidad de una matriz
Nota
EJEMPLO 5.7.1: Espacio nulo y nulidad de una matriz de 2 × 3
EJEMPLO 5.7.2: Espacio nulo y nulidad de una matriz de 3 × 3
Teorema 5.7.1
Definición 5.7.2: Imagen de una matriz
Teorema 5.7.2
Definición 5.7.3: Rango de una matriz
Definición 5.7.4: Espacio de los renglones y espacio de las columnas de una matriz
Nota
Teorema 5.7.3
EJEMPLO 5.7.3: Cálculo de NA, ν(A), im A, ρ(A), RA y CA para una matriz de – 3 3
Teorema 5.7.4
EJEMPLO 5.7.4: Cálculo de im A y ρ(A) para una matriz de 3 × 3
Teorema 5.7.5
Teorema 5.7.6
EJEMPLO 5.7.5: Cálculo de ρ(A) y RA para una matriz de 3 × 3
EJEMPLO 5.7.6: Determinación de una base para el espacio generado por cuatro vectores en ℝ3
EJEMPLO 5.7.7: Cálculo del espacio nulo de una matriz de 4 × 4
Teorema 5.7.7
EJEMPLO 5.7.8: Ilustración de que ρ(A) + ν(A) = n
EJEMPLO 5.7.9: Ilustración de que ρ(A) + ν(A) = n
Teorema 5.7.8
Teorema 5.7.9
EJEMPLO 5.7.10: Uso del teorema 5.7.9 para determinar si un sistema tiene soluciones
EJEMPLO 5.7.11: Uso del teorema 5.7.9 para determinar si un sistema tiene soluciones
Teorema 5.7.10: Teorema de resumen (punto de vista 7)
Resumen 5.7
AutoevaluaciÓn 5.7
Respuestas a la autoevaluación
MANEJO DE LA CALCULADORA 5.7
Problemas 5.7
Ejercicios con MATLAB 5.7
5.8: Fundamentos de la teoría de espacios vectoriales: existencia de una base (opcional)
Definición 5.8.1: Orden parcial
Notación
EJEMPLO 5.8.1: Un orden parcial en ℝ
EJEMPLO 5.8.2: Un orden parcial en un conjunto de subconjuntos
Figura 5.13
Definición 5.8.2: Cadena, cota superior y elemento maximal
EJEMPLO 5.8.3: Una cadena de subconjuntos de ℝ2
Definición 5.8.3: Combinación lineal, conjunto generador, independencia lineal y base
Teorema 5.8.1
Lema de Zorn‡
Teorema 5.8.2
Problemas 5.8
Ejercicios de repaso
Capítulo 6: Espacios vectoriales con producto interno
Objetivos del capítulo
6.1: Bases ortonormales y proyecciones en ℝn
Definición 6.1.1: Conjunto ortonormal en ℝn
Definición 6.1.2: Longitud o norma de un vector
EJEMPLO 6.1.1: La norma de un vector en ℝ2
EJEMPLO 6.1.2: La norma de un vector en ℝ3
EJEMPLO 6.1.3: La norma de un vector en ℝ5
Teorema 6.1.1
Nota
Teorema 6.1.2: Proceso de ortonormalización de Gram-Schmidt
Nota
Figura 6.1
EJEMPLO 6.1.4: Construcción de una base ortonormal en ℝ3
EJEMPLO 6.1.5: Una base ortonormal para un subespacio de ℝ3
Figura 6.2
Definición 6.1.3: Matriz ortogonal
Teorema 6.1.3
EJEMPLO 6.1.6: Una matriz ortogonal
Definición 6.1.4: Proyección ortogonal
EJEMPLO 6.1.7: Proyección ortogonal de un vector sobre un plano
Teorema 6.1.4
EJEMPLO 6.1.8: Expresión de un vector en términos de una base ortonormal
Teorema 6.1.5
Definición 6.1.5: Complemento ortogonal
Teorema 6.1.6
Teorema 6.1.7: Teorema de proyección
EJEMPLO 6.1.9: Descomposición de un vector en ℝ3
Teorema 6.1.8: Teorema de aproximación de la norma
Bases ortogonales en ℝ3 con coeficientes enteros y normas enteras
Teorema 6.1.9: Desigualdad de Cauchy-Schwarz en ℝn
Resumen 6.1
AutoevaluaciÓn 6.1: Indique si las siguientes aseveraciones son falsas o verdaderas
Respuestas a la autoevaluación
MANEJO DE LA CALCULADORA 6.1
Problemas 6.1
Ejercicios con MATLAB 6.1: Recordatorio de MATLAB
6.2: Aproximaciones por mínimos cuadrados
Figura 6.3
Aproximación por una recta
Figura 6.4
Figura 6.5
EJEMPLO 6.2.1: La recta que mejor se ajusta para cuatro datos
Figura 6.6
Aproximación cuadrática
EJEMPLO 6.2.2: El mejor ajuste cuadrático para cuatro puntos
Figura 6.7
EJEMPLO 6.2.3: El mejor ajuste cuadrático para cinco puntos puede proporcionar una estimación para g
Teorema 6.2.1
Resumen 6.2
AutoevaluaciÓn 6.2
Respuesta a la autoevaluación
MANEJO DE LA CALCULADORA 6.2
Problemas 6.2
Ejercicios con MATLAB 6.2
6.3: Espacios con producto interno y proyecciones
Definición 6.3.1: Espacio con producto interno
Nota
EJEMPLO 6.3.1: Un producto interno en ℝn
EJEMPLO 6.3.2: Un producto interno en ℂn
EJEMPLO 6.3.3: Producto interno de dos vectores en ℂ3
EJEMPLO 6.3.4: Un producto interno en C[a, b]
Nota
EJEMPLO 6.3.5: El producto interno de dos funciones en C[0, 1]
Definición 6.3.2
Nota
EJEMPLO 6.3.6: Dos vectores ortogonales en ℂ2
Nota
EJEMPLO 6.3.7: Dos funciones ortogonales en C[0, 2φ]
Definición 6.3.3: Conjunto ortonormal
Teorema 6.3.1
Teorema 6.3.2
EJEMPLO 6.3.8: Una base ortonormal P2[0, 1]
EJEMPLO 6.3.9: Un conjunto ortonormal infinito C[0, 2φ]
Definición 6.3.4: Proyección ortogonal
Teorema 6.3.3
Definición 6.3.5: Complemento ortogonal
Teorema 6.3.4
Teorema 6.3.5: Teorema de proyección
Teorema 6.3.6: Teorema de aproximación de la norma
EJEMPLO 6.3.10: Cálculo de una proyección sobre P2[0, 1]
Aproximación por mínimos cuadrados a una función continua
EJEMPLO 6.3.11: Cálculo de errores
Figura 6.8
EJEMPLO 6.3.12: La mejor aproximación cuadrática media a ex
Resumen 6.3
AutoevaluaciÓn 6.3: Complete las siguientes afirmaciones con el inciso correcto.
Respuestas a la autoevaluación
MANEJO DE LA CALCULADORA 6.3
Problemas 6.3
Ejercicios con MATLAB 6.3
Ejercicios de repaso
Capítulo 7: Transformaciones lineales
Objetivos del capítulo
7.1: Definición y ejemplos
EJEMPLO 7.1.1: Reflexión respecto al eje x
Figura 7.1
EJEMPLO 7.1.2: Transformación de un vector de producción en un vector de materia prima
Definición 7.1.1: Transformación lineal
Tres observaciones sobre notación
EJEMPLO 7.1.3: Una transformación lineal de ℝ2 en ℝ3
EJEMPLO 7.1.4: La transformación cero
EJEMPLO 7.1.5: La transformación identidad
EJEMPLO 7.1.6: Transformación de reflexión
Figura 7.2
EJEMPLO 7.1.7: Transformación de ℝn → ℝm dada por la multiplicación por una matriz de m × n
EJEMPLO 7.1.8: Transformación de rotación
Figura 7.3
Nota
EJEMPLO 7.1.9: Transformación de proyección ortogonal
EJEMPLO 7.1.10: Dos operadores de proyección
Figura 7.4
EJEMPLO 7.1.11: Operador de transposición
EJEMPLO 7.1.12: Operador integral
EJEMPLO 7.1.13: Operador diferencial
EJEMPLO 7.1.14: Una transformación que no es lineal
Advertencia
Resumen 7.1
Autoevaluación 7.1: Falso-verdadero.
Respuestas a la autoevaluación
Problemas 7.1
Ejercicios con MATLAB 7.1: Información de MATLAB: impresión de gráficas
Precaución.
7.2: Propiedades de las transformaciones lineales: imagen y núcleo
Teorema 7.2.1
Observación
Teorema 7.2.2
EJEMPLO 7.2.1: Si se conoce el efecto de una transformación lineal sobre los vectores de la base, se conoce el efecto sobre cualquier otro vector
Teorema 7.2.3
Observación.
EJEMPLO 7.2.2: Definición de una transformación lineal de ℝ2 en un subespacio de ℝ3
Definición 7.2.1: Núcleo e imagen de una transformación líneal
Observación 1.
Observación 2.
Teorema 7.2.4
EJEMPLO 7.2.3: Núcleo e imagen de la transformación cero
EJEMPLO 7.2.4: Núcleo e imagen de la transformación identidad
EJEMPLO 7.2.5: Núcleo e imagen de un operador de proyección
Definición 7.2.2: Nulidad y rango de una transformación lineal
Observación.
EJEMPLO 7.2.6: Núcleo y nulidad de un operador de proyección
EJEMPLO 7.2.7: Núcleo e imagen de un operador transpuesto
EJEMPLO 7.2.8: Núcleo e imagen de una transformación de P3 en P2
EJEMPLO 7.2.9: Núcleo e imagen de un operador integral
Resumen 7.2
Autoevaluación 7.2: De los siguientes enunciados, indique si son verdaderos o falsos.
Respuestas a la autoevaluación
Problemas 7.2
7.3: Representación matricial de una transformación lineal
Teorema 7.3.1
Nota
Observación 1.
Observación 2.
Definición 7.3.1: Matriz de transformación
Teorema 7.3.2
EJEMPLO 7.3.1: Representación matricial de una transformación de proyección
EJEMPLO 7.3.2: Representación matricial de una transformación de ℝ3 en ℝ4
EJEMPLO 7.3.3: Representación matricial de una transformación de ℝ3 en ℝ3
EJEMPLO 7.3.4: Representación matricial de una transformación cero
EJEMPLO 7.3.5: Representación matricial de una transformación cero
Teorema 7.3.3
Observación 1.
Observación 2.
Teorema 7.3.4
EJEMPLO 7.3.6: Representación matricial de una transformación de P2 en P3
EJEMPLO 7.3.7: Representación matricial de una transformación de P3 en P2
EJEMPLO 7.3.8: Representación matricial relativa a dos bases no estándar en ℝ2
EJEMPLO 7.3.9: La representación matricial de una transformación lineal respecto a dos bases no estándar en ℝ2 puede ser diagonal
Figura 7.5
Teorema 7.3.5
Geometría de las transformaciones lineales de ℝ2 en ℝ2
Expansiones a lo largo de los ejes x o y
Figura 7.6
Compresión a lo largo de los ejes x o y
Figura 7.7
Reflexiones
Figura 7.8
Cortes
Figura 7.9
Figura 7.10
Tabla 7.1: Transformaciones lineales especiales de ℝ2 en ℝ2
Tabla 7.2: Matrices elementales en ℝ2
Teorema 7.3.6
Teorema 7.3.7
EJEMPLO 7.3.10: Descomposición de una transformación lineal en ℝ2 en una sucesión de expansiones, compresiones, cortes y reflexiones
Figura 7.11
Resumen 7.3
AutoevaluaciÓn 7.3
Respuestas a la autoevaluación
Problemas 7.3
Ejercicios con MATLAB 7.3
7.4: Isomorfismos
Definición 7.4.1: Transformación uno a uno
Nota
Teorema 7.4.1
EJEMPLO 7.4.1: Una transformación 1-1 de ℝ2 en ℝ2
EJEMPLO 7.4.2: Una transformación de ℝ2 en ℝ2 que no es 1-1
Nota
Definición 7.4.2: Transformación sobre
EJEMPLO 7.4.3: Cómo determinar si una transformación es sobre
Teorema 7.4.2
Teorema 7.4.3
EJEMPLO 7.4.4: Una transformación de ℝ3 en ℝ2 no es 1-1
EJEMPLO 7.4.5: Una transformación lineal de ℝ2 en ℝ3 no es sobre
Observación
Definición 7.4.3: Isomorfismo
Definición 7.4.4: Espacios vectoriales isomorfos
Teorema 7.4.4: Teorema de resumen (punto de vista 8)
EJEMPLO 7.4.6: Un isomorfismo entre ℝ3 y P2
EJEMPLO 7.4.7: Un isomorfismo entre dos espacios vectoriales de dimensión infinita
Teorema 7.4.5
Teorema 7.4.6
Resumen 7.4
AutoevaluaciÓn 7.4: Indique si los enunciados siguientes son verdaderos o falsos.
Respuestas a la autoevaluación
Problemas 7.4
Ejercicios con MATLAB 7.4
7.5: Isometrías
Teorema 7.5.1
Definición 7.5.1: Isometría
Teorema 7.5.2
Teorema 7.5.3
Isometrías de ℝ2
Teorema 7.5.4
Teorema 7.5.5
Definición 7.5.2: Isometría
Teorema 7.5.6
Definición 7.5.3: Espacios vectoriales isométricamente isomorfos
Teorema 7.5.7
EJEMPLO 7.5.1: Una isometría entre ℝ3 y P2[0, 1]
Resumen 7.5
AutoevaluaciÓn 7.5: Indique si los enunciados siguientes son falsos o verdaderos.
Respuestas a la autoevaluación
Problemas 7.5
Ejercicios con MATLAB 7.5
Ejercicios de repaso
Capítulo 8: Valores característicos, vectores característicos y formas canónicas
Objetivos del capítulo
8.1: Valores característicos y vectores característicos
Definición 8.1.1: Valor característico y vector característico
Nota
EJEMPLO 8.1.1: Valores característicos y vectores característicos de una matriz de 2×2
EJEMPLO 8.1.2: Valores característicos y vectores característicos de la matriz identidad
Teorema 8.1.1
Definición 8.1.2: Ecuación y polinomio característicos
Teorema 8.1.2
Definición 8.1.3: Espacio característico
Teorema 8.1.3
EJEMPLO 8.1.3: Cálculo de valores y vectores característicos
EJEMPLO 8.1.4: Una matriz de 3 × 3 con valores característicos distintos
EJEMPLO 8.1.5: Una matriz de 2 × 2 con uno de sus valores característicos iguales a cero
EJEMPLO 8.1.6: Una matriz de 2 × 2 con valores característicos conjugados complejos
Teorema 8.1.4
EJEMPLO 8.1.7: Valores característicos de una matriz triangular
EJEMPLO 8.1.8: Una matriz de 2 × 2 con un valor característico y dos vectores característicos linealmente independientes
EJEMPLO 8.1.9: Una matriz de 2 × 2 con un valor característico y sólo un vector característico independiente
EJEMPLO 8.1.10: Una matriz de 3 × 3 con dos valores característicos y tres vectores característicos linealmente independientes
Nota
EJEMPLO 8.1.11: Una matriz de 3 × 3 con un valor característico y sólo un vector característico linealmente independiente
EJEMPLO 8.1.12: Una matriz de 3 × 3 con un valor característico y dos vectores característicos linealmente independientes
Definición 8.1.4: Multiplicidad geométrica
Teorema 8.1.5
Nota
Teorema 8.1.6
Teorema 8.1.7: Teorema de resumen (punto de vista 9)
Resumen 8.1
AutoevaluaciÓn 8.1: Indique si los enunciados siguientes son falsos o verdaderos.
Respuestas a la autoevaluación
MANEJO DE LA CALCULADORA 8.1
Problemas 8.1
Ejercicios con MATLAB 8.1
8.2: Un modelo de crecimiento de población (opcional)
EJEMPLO 8.2.1: Una ilustración del modelo aplicado durante −0 generaciones
Tabla 8.1
Figura 8.1
EJEMPLO 8.2.2: Los valores y vectores característicos de A determinan el comportamiento de generaciones futuras
Problemas 8.2
Ejercicios con MATLAB 8.2
8.3: Matrices semejantes y diagonalización
Definición 8.3.1: Matrices semejantes
Definición alternativa de semejanza
EJEMPLO 8.3.1: Dos matrices semejantes
EJEMPLO 8.3.2: Una matriz semejante a una matriz diagonal
Teorema 8.3.1
EJEMPLO 8.3.3: Los valores característicos de matrices semejantes son los mismos
Definición 8.3.2: Matriz diagonalizable
Teorema 8.3.2
Corolario 8. 3.1
EJEMPLO 8.3.4: Diagonalización de una matriz de 2 × 2
EJEMPLO 8.3.5: Diagonalización de una matriz de 3 × 3 con tres valores característicos distintos
EJEMPLO 8.3.6: Diagonalización de una matriz de 3 × 3 con dos valores característicos distintos y tres vectores característicos linealmente independientes
EJEMPLO 8.3.7: Una matriz de 2 × 2 con sólo un vector característico linealmente independiente que no se puede diagonalizar
Teorema 8.3.3
Resumen 8.3
AutoevaluaciÓn 8.3
Respuestas a la autoevaluación
MANEJO DE LA CALCULADORA 8.3
Problemas 8.3
Ejercicios con MATLAB 8.3
8.4: Matrices simétricas y diagonalización ortogonal
Nota
Teorema 8.4.1
Nota
Teorema 8.4.2
Teorema 8.4.3
Definición 8.4.1: Matriz diagonalizable ortogonalmente
Teorema 8.4.4
Procedimiento para encontrar una matriz diagonalizante Q
EJEMPLO 8.4.1: Diagonalización de una matriz simétrica de 2 × 2 usando una matriz ortogonal
EJEMPLO 8.4.2: Diagonalización de una matriz simétrica de 3 × 3 usando una matriz ortogonal
Resumen 8.4
AutoevaluaciÓn 8.4: Indique si los siguientes enunciados son verdaderos o falsos.
Respuestas a la autoevaluación
Problemas 8.4
Ejercicios con MATLAB 8.4
8.5: Formas cuadráticas y secciones cónicas
Definición 8.5.1: Ecuación cuadrática y forma cuadrática
EJEMPLO 8.5.1: Expresión de una forma cuadrática en las nuevas variables x′ y y′ sin el término x′y′
Teorema 8.5.1: Teorema de los ejes principales en ℝ2
EJEMPLO 8.5.2: Identificación de una hipérbola
Figura 8.1
EJEMPLO 8.5.3: Una elipse
EJEMPLO 8.5.4: Una sección cónica degenerada
Figura 8.2
Teorema 8.5.2
EJEMPLO 8.5.5: Una elipsoide
Definición 8.5.2: Forma cuadrática
Superficies cuadráticas
Figura 8.3
EJEMPLO 8.5.6: a forma cuadrática en cuatro variables
EJEMPLO 8.5.7: Una matriz simétrica que corresponde a una forma cuadrática en cuatro variables
Resumen 8.5
AutoevaluaciÓn 8.5: Elija el inciso que mejor responda a lo planteado en el enunciado.
Respuestas a la autoevaluación
Problemas 8.5
Ejercicios con MATLAB 8.5
8.6: Forma canónica de Jordan
Nota
EJEMPLO 8.6.1: Tres matrices de Jordan
EJEMPLO 8.6.2: Matrices de Jordan de 2 × 2
EJEMPLO 8.6.3: Matrices de Jordan de 3 × 3
Teorema 8.6.1
Definición 8.6.1: Forma canónica de Jordan
Observación
Teorema 8.6.2
Definición 8.6.2: Vector característico generalizado
EJEMPLO 8.6.4: Vector característico generalizado
Teorema 8.6.3
EJEMPLO 8.6.5: Forma canónica de Jordan de una matriz de 2 × 2
EJEMPLO 8.6.6: Determinación de las posibles formas canónicas de Jordan de una matriz de 4 × 4 con ecuación característica dada
Resumen 8.6
AutoevaluaciÓn 8.6
Respuestas a la autoevaluación
Problemas 8.6
Ejercicios con MATLAB 8.6
8.7: Una aplicación importante: forma matricial de ecuaciones diferenciales
Definición 8.7.1: La matriz eA
Teorema 8.7.1
Definición 8.7.2: Matriz solución principal
EJEMPLO 8.7.1: Cálculo de eAt cuando A es una matriz diagonal
EJEMPLO 8.7.2: Cálculo de eAt cuando A es una matriz de 2 × 2 que no es diagonalizable
Teorema 8.7.2
EJEMPLO 8.7.3: Un modelo competitivo
EJEMPLO 8.7.4: Un modelo depredador-presa
EJEMPLO 8.7.5: Otro modelo depredador-presa
EJEMPLO 8.7.6: Modelo de cooperación de especies (simbiosis)
Resumen 8.7
AutoevaluaciÓn 8.7
Respuestas a la autoevaluación
Problemas 8.7
8.8: Una perspectiva diferente: los teoremas de Cayley-Hamilton y Gershgorin
EJEMPLO 8.8.1: Evaluación de p (A)
Teorema 8.8.1
Observación.
Teorema 8.8.2: Teorema de Cayley-Hamilton
Nota
EJEMPLO 8.8.2: Ilustración del teorema de Cayley-Hamilton
EJEMPLO 8.8.3: Aplicación del teorema de Cayley-Hamilton para calcular A−1
Teorema de las circunferencias de Gershgorin
Figura 8.4
Teorema 8.8.3: Teorema de las circunferencias de Gershgorin
Nota
Figura 8.5
EJEMPLO 8.8.4: Uso del teorema de Gershgorin
Figura 8.6
Resumen 8.8
AutoevaluaciÓn 8.8
Respuestas a la autoevaluación
Problemas 8.8
Ejercicios con MATLAB 8.8
Ejercicios de repaso
Back Matter
Apéndice A: Inducción matemática
EJEMPLO A.1
EJEMPLO A.2
¿En dónde está la dificultad?
Suposición
Para demostrar
La demostración en sí
EJEMPLO A.3
EJEMPLO A.4
Semblanza: Inducción matemática
EJEMPLO A.5
EJEMPLO A.6
Problemas A.1
Apéndice B: Números complejos
EJEMPLO B.1
Definición B.1
EJEMPLO B.2
Definición B.2
EJEMPLO B.3
Figura B.1
Figura B.2
EJEMPLO B.4
Nota
Figura B.3
Figura B.4
EJEMPLO B.5
Figura B.5
EJEMPLO B.6
EJEMPLO B.7
Problemas B.1
Apéndice C: El error numérico en los cálculos y la complejidad computacional
EJEMPLO C.1: Forma de punto flotante de cuatro números
EJEMPLO C.2: Ilustración de truncado y redondeo
EJEMPLO C.3: Ilustración del error relativo
Complejidad computacional
EJEMPLO C.4: Cuenta de sumas y multiplicaciones en la eliminación de Gauss-Jordan
Una modificación de la eliminación de Gauss-Jordan
Tabla C.1: Número de aproximaciones aritméticas para una matriz invertible A de n × n
Problemas C.1
Apéndice D: Eliminación gaussiana con pivoteo
EJEMPLO D.1: Solución de un sistema por eliminación gaussiana con pivoteo parcial
EJEMPLO D.2: Solución de un sistema por eliminación gaussiana con pivoteo parcial
EJEMPLO D.3: El pivoteo parcial puede dar mejores resultados
EJEMPLO D.4: Un sistema mal condicionado
Problemas D.1
Apéndice E: Uso de MATLAB
Herramientas de álgebra lineal elemental
MATLAB Primer
Obtención de un registro de trabajo y resultados
Consideraciones gráficas
Nombres de variables especiales
Respuestas R: Problemas impares
Capítulo 1
Problemas 1.1
Problemas 1.2
Problemas 1.4
Capítulo 2
Problemas 2.1
Problemas 2.2
Problemas 2.3
Problemas 2.4
Problemas 2.5
Problemas 2.6
Problemas 2.7
Problemas 2.8
Ejercicios de repaso capítulo 2
Capítulo 3
Problemas 3.1
Problemas 3.2
Problemas 3.3
Problemas 3.4
Problemas 3.5
Ejercicios de repaso capítulo 3
Capítulo 4
Problemas 4.1
Problemas 4.2
Problemas 4.3
Problemas 4.4
Problemas 4.5
Ejercicios de repaso capítulo 4
Capítulo 5
Problemas 5.1
Problemas 5.2
Problemas 5.3
Problemas 5.4
Problemas 5.5
Problemas 5.6
Problemas 5.7
Problemas 5.8
Ejercicios de repaso capítulo 5
Capítulo 6
Problemas 6.1
Problemas 6.2
Problemas 6.3
Ejercicios de repaso capítulo 6
Capítulo 7
Problemas 7.1
Problemas 7.2
Problemas 7.3
Problemas 7.4
Problemas 7.5
Ejercicios de repaso capítulo 7
Capítulo 8
Problemas 8.1
Problemas 8.2
Problemas 8.3
Problemas 8.4
Problemas 8.5
Problemas 8.6
Problemas 8.7
Problemas 8.8
Ejercicios de repaso capítulo 8
Apéndices Problemas A.1
Problemas B.1
Problemas C.1
Problemas D.1
Índice onomástico
Índice analítico
Ejercicios de repaso del capítulo 1
Respuestas R: Problemas impares
Ejercicios de repaso del capítulo 1
Valoraciones
No hay valoraciones aún.