Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
NDICE
Unidad 1-INTRODUCCION
1.1-INTRODUCCION
1.2-SISTEMAS HOMOGENEOS
1.3-MATRICES
1.3.1- PROPIEDADES DISTRIBUTIVAS:
Aplicaciones en MATLAB
Unidad 2- ESPACIOS VECTORIALES
2.1-DEFINICION
2.4.1-INTERSECCION DE SUBESPACIOS
2.5-COMBINACIONES LINEALES
2.6- SUBESPACIO GENERADO
2.6.1-CONJUNTOS EQUIVALENTES DE VECTORES
2.6.2-INDEPENDENCIA Y DEPENDENCIA LINEAL
2.6.3-PROPIEDADES DE LA INDEPENDENCIA Y
DEPENDENCIA LINEAL
2.7-CARDINAL DE LAS BASES DE UN ESPACIO VECTORIAL
2.8-DIMENSION DE UN ESPACIO VECTORIAL
2.8.1- COORDENADAS DE UN VECTOR
2.9-PRODUCTO INTERIOR
2.9.1-PROPIEDADES DEL PRODUCTO INTERNO
2.10- ESPACIO VECTORIAL NORMADO
Aplicaciones en MATLAB
Unidad 3- APLICACIONES LINEALES
3.1- DEFINICION
3.2-CONDICION NECESARIA Y SUFICIENTE PARA LA
EXISTENCIA DE UNA APLICACION LINEAL
3.3-PROPIEDADES DE LAS APLICACIONES LINEALES
3.4-NUCLEO DE UNA APLICACION LINEAL
3.5- IMAGEN DE UNA APLICACION LINEAL
E IMAGEN
LINEALES
3.10-SUMA DE MATRICES
3.11-MULTIPLICACION DE UN ESCALAR POR UNA MATRIZ
3.18-CAMBIO DE BASE
Aplicaciones en MATLAB
Unidad 4-EL SISTEMA COMO APLICACION LINEAL
4.1- DEFINICION
4.2-NOTACIN MATRICIAL
4.3-REDUCCION POR FILAS A FORMAS ESCALONADAS
4.4-ALGORITMO PARA OBTENER UNA MATRIZ TRIANGULAR
Y TRIANGULAR REDUCIDA
4.5-CONJUNTO SOLUCION DE UN SISTEMA LINEAL
4.6-EL SISTEMA COMO UNA APLICACION LINEAL
4.7-CONJUNTO SOLUCION DE UN SISTEMA LINEAL
Aplicaciones en MATLAB
5.1-APLICACIONES BILINEALES
6.1-ORTOGONALIDAD DE VECTORES
6.2-MULTIPLICIDAD ALGEBRAICA Y GEOMETRICA
6.3-SEMEJANZA DE MATRICES
6.4-DIAGONALIZACION
6.5-DIAGONALIZACION ORTOGONAL
6.6-TEOREMA DE CAYLEY HAMILTON
Aplicaciones en MATLAB
Unidad 7-DESCOMPOSICION EN VALORES SINGULARES.
FORMAS CUADRTICAS
7.1-PROYECCION ORTOGONAL
7.2-FORMAS CUADRATICAS
10
INTRODUCCION
Tipos de vectores
Representacin
Grficamente
Operaciones fundamentales; suma y diferencia de vectores
Forma trinmica y vectores unitarios
Aplicaciones en MATLAB
Anexo 1 - Introduccin bsica sobre MATLAB
QUE ES MATLAB?
POR QUE ELEGIR MATLAB?
Elementos de Algebra Lineal - 2013
11
Anexo 2
consec.m
homsoln.m
lincomb.m
Elementos de Algebra Lineal - 2013
12
lisub.m
rowcomb.m
rowscale.n
rowswap.m
solucion.m
utristep.m
rrefstep.m
dependencia.m
span.m
spanview.m
angulo.m
plano.m
Elementos de Algebra Lineal - 2013
13
vector.m
vector3.m
dist.m
drawec.m
plotangle
BIBLIOGRAFA FUNDAMENTAL CONSULTADA
MAS... BIBLIOGRAFA DE INTERES
14
INTRODUCCION
El Algebra Lineal es una herramienta bsica para casi todas las ramas de la
matemtica as como para disciplinas afines tales como la fsica, la ingeniera y la
computacin entre otras, comnmente esta denominacin de Algebra Lineal,
simplifica en realidad lo lineal, que es el concepto central, presente en el
coloquio y actividades ms sencillas de la vida diaria, ligado a lo proporcional.
Existen muchsimos buenos textos de Algebra Lineal ,esta presentacin es
slo una introduccin bsica al tema, pensada en los contenidos curriculares de
cursos del tema y, al mismo tiempo, una gua de estudios para los interesados.
En el objetivo de Algebra + Lineal, se propone, iniciar con una secuencia
preliminar de ecuaciones lineales y elementos del clculo matricial, empleando el
concepto familiar de una columna y una fila, para posteriormente entrar en la
antiptica abstraccin (estructuras y espacios).
Tambin incluimos la herramienta del software como ayuda complemento
del conjunto de operaciones, en su versin elemental.
Elementos de Algebra Lineal - 2013
15
1.1-INTRODUCCION
Una ecuacin lineal en las variables (o incgnitas) 1; ; es una expresin
de la forma 11 + + =
A 1; ; se les denomina coeficientes de la ecuacin, y
trmino independiente.
Muchas veces los coeficientes 1; ; y el trmino independiente b sern
elementos de un cuerpo (con = ). En tal caso se dice que la ecuacin
anterior es una ecuacin lineal con coeficientes en :
Ejemplo
Si = 2 y 1; 2 , la ecuacin lineal 1 + 2 = (I) representa una
recta en el plano 2; es decir, el conjunto de pares (; ) que satisfacen la
ecuacin () constituyen una recta.
17
Por ejemplo
La ecuacin = 2 + 2 representa la recta que pasa por el punto (0,2) de
pendiente dos
(0,2)
18
Es importante observar que las operaciones que afectan a las variables que
intervienen en las ecuaciones lineales se reducen a multiplicarlas por los
coeficientes y sumarlas.
As por ejemplo,
3 + 4 = 16
1 2 + 4 = 1
son expresiones lineales
Se dice que (1; ; ) es solucin de la ecuacin
11 + + =
11 + + =
19
111 + + 1 = 1
.
.
.
11 + + =
20
Ejemplo: el sistema
2 + 3 = 1
21 3 = 2
2 + 3 = 4
es un sistema de 3 ecuaciones con 3 incgnitas.
Se dice que (1; ; ) es solucin del sistema de ecuaciones
111 + + 1 = 1
.
.
.
11 + + =
si
11 1 + + 1 = 1
.
.
.
1 1 + + =
Elementos de Algebra Lineal - 2013
21
Los que tienen al menos una solucin, esto es, los sistemas compatibles,
pueden tener una nica solucin, en cuyo caso se denominan compatibles
determinados, o ms de una solucin, en cuyo caso, si los coeficientes del sistema
son nmeros reales o complejos, el sistema tiene infinitas soluciones y los sistemas
correspondientes se denominan compatibles indeterminados.
22
Sistemas con una solucin: Las ecuaciones del sistema son rectas secantes. Se
cortan en un punto (, ) que es la solucin del sistema
Sistemas sin solucin: Las ecuaciones del sistema son rectas paralelas. No
tienen ningn punto en comn, y por tanto no hay solucin
Sistemas con infinitas soluciones: Las ecuaciones del sistema son rectas
coincidentes. Tienen todos los puntos en comn, y por tanto todos ellos son
soluciones.
23
1.2-SISTEMAS HOMOGENEOS
Definicin: se dice que un sistema de ecuaciones lineales es homogneo si los
trminos independientes de todas las ecuaciones que lo constituyen son iguales a
0.
Ejemplo
1 + 3 = 0
21 2 + 3 = 0
es un sistema homogneo de 2 ecuaciones con 3 incgnitas.
Observacin : Cualquier sistema de ecuaciones lineales homogneo
111 + + 1 = 0
.
.
.
11 + + = 0
es compatible, puesto que (0; ; 0) es siempre una solucin de dicho
sistema. A esta solucin se la conoce como solucin trivial. Si un sistema
homogneo tiene soluciones distintas de la trivial, a cualquiera de dichas
soluciones la denominaremos solucin no trivial.
Elementos de Algebra Lineal - 2013
24
25
26
TRAFORMACION
TRANSFORMACION INVERSA
= +
= ( 0)
1
=
27
1.3-MATRICES
Introducimos algunos conceptos, a costa de aparecer con cierto desorden,
sobre las matrices, para valernos de ellas en esta introduccin de resolucin de
sistemas de ecuaciones lineales, volviendo a una presentacin ms rigurosa en
secciones posteriores.
11
, 1 , 1 :
28
1 si i=k,j=l
0 si no
. : ,
= + 1 1 , 1
= . 1 1 , 1
29
, 1 1 , 1
=1
1.
2.
1 =
0
Entonces, si , se verifica: . = . =
La matriz se denomina matriz identidad de .
Elementos de Algebra Lineal - 2013
30
() , , entonces ( + ). = . + .
Observemos que, en particular, el producto de matrices est definido para
cualquier par de matrices en . y, por lo tanto, se tiene una operacin
producto" en . para cada , pudiendo entonces inferir que (, +, .) es
un anillo.
Propiedades que difieren , en el producto matricial, de las usuales de nmeros reales,
como ser: El producto de matrices no es conmutativo, incluso en el caso de matrices
cuadradas; el hecho que . = 0 no implica que = 0 = 0.
31
=1
32
=
x = y b=
1
33
Adems, se llama matriz ampliada del sistema, que representaremos por A*, a
la matriz de dimensin ( + 1)
que se obtiene a partir de la
matriz A, aadindole la columna formada por los trminos independientes
Lema: Si dos sistemas de ecuaciones son equivalentes, entonces tienen
exactamente las mismas soluciones. En otras palabras, si S y S son equivalentes,
(1; ; ) es solucin de , (1; ; ) es solucin de S
34
Aplicaciones
en MATLAB
Elementos de Algebra Lineal
VARIABLES MATRICIALES
GENERALIDADES
La matriz, conceptualmente, como conjunto de vectores
Por ejemplo:
>> A=[1 2 3; 1 3 4;-1 2 3] o mat=[1 2 3; 1 3 4;-1 2 3]
A=
1
1
-1
mat=
2
3
2
3
4
3
1
1
-1
2
3
2
3
4
3
36
37
ans =
100
050
009
>>diag(ones(1,4),1)+diag(ones(1,4),-1) % Matriz tridiagonal 5x5 con 0 en la
diagonal principal y 1 en la sub y superdiagonal
ans =
01000
10100
01010
00101
00010
>>tril(M) % Matriz formada por la parte triangular inferior de M
Elementos de Algebra Lineal - 2013
38
39
40
41
42
43
A([a b c...],:)
A(a;: )
A(:;b)
A(: )
[A,B,C,...]
SA
diag(v)
diag(A)
eye(m,n)
zeros(m,n)
ones(mn,n)
size(A)
tril(A)
triu(A)
44
7
9
0
1
0
0
0
1
0
0
0
1
o >> B(1,:)
ans =
1 7 1
45
Otros ejemplos:
Dadas las matrices A,B,C, hallar:
a)AB BA
b)A2+B2+C2
c)ABC d) sqrt(A)+sqrt(B)-sqrt(C)
e) eA(eB+eC)
a)
46
b) A^2+B^2+C^2
>>A^2+B^2+C^2
ans =
2.0000
2.0000 + 3.4142i
0 - 1.4142i - 0.0000 + 1.4142i
0
2.0000 - 1.4142i
3.0000 - 5.4142i
0.0000 - 0.5858i
2.0000 + 1.4142i
47
c) A*B*C
>>A*B*C
ans =
5.0000 + 1.0000i - 3.5858 + 1.0000i - 6.4142 + 1.0000i
3.0000 - 2.0000i - 3.0000 + 0.5858i - 3.0000 + 3.4142i
0
- 1.0000i
0
+ 1.0000i
0
+ 1.0000i
48
d) sqrt(A)+sqrt(B)-sqrt(C)
>>sqrt(A)+sqrt(B)-sqrt(C)
ans =
0.7071 + 0.7071i 1.0987 - 0.4551i
0.4553 + 0.3436i
0
0.1591 + 0.1591i
1.9144 + 0.5560i
-1.0000
0 - 1.0000i
1.7071 - 1.7071i
49
e) expm(A)*(expm(B)+expm(C))
(expm: eleva la cte. e a la potencia matriz)
>> expm(A)*(expm(B)+expm(C))
ans =
14.1906 - 0.0822i 5.4400 + 4.2724i 17.9169 - 9.5842i
4.5854 - 1.4972i 0.6830 + 2.1575i 8.5597 - 7.6573i
3.5528 + 0.3560i 0.1008 - 0.7488i 3.2433 - 1.8406i
50
51
>> R(1,:)=R(1,:)-2*R(2,:);R(3,:)=R(3,:)+3*R(2,:)
R=
1 0 7 5 -2 0
0 1 -2 -2 1 0
0 0 1 -7 3 1
>> R(1,:)=R(1,:)-7*R(3,:);R(2,:)=R(2,:)+2*R(3,:)
R=
1 0 0 54 -23 -7
0 1 0 -16 7 2
0 0 1 -7 3 1
Si queremos verificar
>>B=[ 54 -23 -7;-16 7 2;-7 3 1];A*B
ans =
1 0 0
0 0 1
0 1 0
Para llevar a forma escalonada un sistema lineal procedemos de misma forma
Elementos de Algebra Lineal - 2013
52
syms x,solve(ecu(x),x)
53
>>A\B % o sencillamente
ans = 1.1429
-0.4286
0.2857
Elementos de Algebra Lineal - 2013
54
61
61
1
32
32
92
2
43
43
+ 43
+ 3
=
=
=
=
0
0
o
0
1
6
6
3
3
9
4
4
+ 4
+
=
=
=
=
0
0
0
1
55
-2
-4
5
6
4
2
0
-5
-2
-4
56
>> hold on
>> z = (6*x - 3*y)/4;
>> surf(x,y,z)
Se obtienen los planos de la figura 2 interceptados en una lnea recta
15
10
5
0
-5
-10
5
6
4
2
0
-5
-2
-4
57
20
10
-10
-20
5
6
4
2
0
-5
-2
-4
58
>> z = 1- x - y;
>> surf(x,y,z)
Se obtienen los cuatro planos de la figura 4 interceptados en el punto
(4/11, 4/11,4/11,3/11) de R3
20
10
-10
-20
5
6
4
2
0
-5
-2
-4
59
Comparando
>>A = [0 3 -4; 6 -3 -4; 6 -9 4; 1 1 1]; B = [0; 0; 0; 1]
>>X = A\B
X =0.3636
0.3636
0.2727
Uso de la forma escalonada
Sea por ejemplo
>> R=[2 4 6 18;4 5 6 24;3 1 -2 4];
>> R(1,:)=0.5*R(1,:)
R=
1
4
3
2 3
5 6
1 -2
9
24
4
60
>> R(2,:)=R(2,:)-4*R(1,:);R(3,:)=R(3,:)-3*R(1,:)
R=
1 2 3 9
0 -3 -6 -12
0 -5 -11 -23
>>R(2,:)=(-1/3)*R(2,:)
R=
1 2 3 9
0 1 2 4
0 -5 -11 -23
>>R(3,:)=R(3,:)+5*R(2,:)
R=
1 2 3 9
0 1 2 4
0 0 -1 -3
X3=3;x2=-2;x3=4
Elementos de Algebra Lineal - 2013
61
function C=creador(n)
% El comando C=creador(n) genera una matriz C nxn,
%cuyas entradas alternan entre 1 y 0.
%
%Particularmente C(i,j)=1 si i+j es par, sino C(i,j)=0.
%
%Asi creador(4) generar la matriz
%
%
1 0 1 0
%
0 1 0 1
%
1 0 1 0
%
0 1 0 1
C=ones(5,1)*[1:5]
C=rem(C+C'+1,2)
62
C=ones(n,1)*[1:n];
C=rem(C+C'+1,2);
>>creador(6)
ans =
1
0
1
0
1
0
0
1
0
1
0
1
1
0
1
0
1
0
0
1
0
1
0
1
1
0
1
0
1
0
0
1
0
1
0
1
63
2.1-DEFINICION
Tomemos un cuerpo conmutativo . Llamaremos espacio vectorial sobre el
cuerpo al objeto formado por un conjunto , una ley interna en llamada
suma, denotada por (, ) + , y una ley de composicin externa de .
en llamada producto y denotada (, )
. Estas leyes deben cumplir los
siguientes axiomas:
65
1 2 e 1 2
dos elementos del conjunto 2 .
2.
1
1
1 +
+
=
2
2
2 +
1
1
2
=
2
1
66
0
0
67
1
2 =
1
1
1
+ 1
+ 1
+ =
= 1
= + 1 = +
2 + 2
2
+ 2
2
2
2
2
1
3.
1
= 1 =
=
2
2
2
2
4.
1
1
11
1 =
=
12
2
2
68
Muchas veces nos convendr utilizar al vector como una matriz fila para lo
cual nos bastar utilizar la transposicin de matrices que hemos definido.
Algunas veces, por conveniencia, consideramos a como el par ordenado
(1 ,2 ), lo cual es absolutamente lcito; por supuesto que u , porque las
matrices, aunque tengan los mismos elementos, tienen formas distintas.
69
={(1 , 2 , , )/
, = 1,2, , +
(u, v) u + v
70
71
(f )(x) = f (x), x A
72
73
= 0,
En efecto, si (, ), tendremos:
( + )() = () + () = () + 0 = ()
Es fcil probar que la funcin es tambin un elemento neutro por la
izquierda.
Cada funcin
(, ) tiene un opuesto, que es la funcin
(, ) definida por:
( )() = ()
En efecto:
( + ( ))() = () + ( )() = 0 = ()
Elementos de Algebra Lineal - 2013
74
( + )() = () + () = () + () = +
75
un
de
vez
las
0 =
2.
= 0
3.
= = 0 =
4.
() = ()
76
77
S V
)
)
, +
^
78
) , +
) ^
1)
2)
3) , +
4) , ;
=
5) , , ; + = +
6) , , ; + = +
7) , , ; =
8) ; 1 =
79
En efecto
1) S V, por hiptesis
2) S , por hiptesis
3) (, +) es grupo abeliano. En efecto
80
(1) u .
+ es conmutativa en S. Se verifica por herencia, pues S V.
4),5),6),7) y 8) se verifican por herencia, pues S V.
81
Solucin
Debemos demostrar, en este problema, que:
, , , + (, )
El hecho de que + (, ) implica el cumplimiento de la
condicin:
+ = + ,
de acuerdo a la definicin de funcin par. Tomemos entonces dos funciones y
g de P(A,R); las mismas deben cumplir:
() = () () = ()
Elementos de Algebra Lineal - 2013
82
() + () = () + ()
o sea:
( + )() = ( + )()
Por lo tanto, queda probado que + (, ) y, por consiguiente,
(, ) es un subespacio de (, ).
83
84
2.4.1-INTERSECCION DE SUBESPACIOS
TEOREMA: Una interseccin cualquiera de subespacios de un espacio
vectorial tambin es un subespacio de . La suma de subespacios tambin es
un subespacio
La unin de subespacios , en general, no es un subespacio
85
2 =
, 2 / = 0 ,
1 2 2 , por definicin de 1 2
1 2 , pues (0,0) 1 2
Pero 1 2 no es cerrado para la suma de vectores, ya que
(1,1) 1 2 ^ (1,0) 1 2 sin embargo (1,1)+(1,0) = (2,1)
1 2
Por lo tanto 1 2 no es un subespacio vectorial de 2
86
2.5-COMBINACIONES LINEALES
Definicin: Sean un espacio vectorial (, +, , . ) y un subconjunto finito
= 1 , 2 , , de . Un vector de es combinacin lineal de los
vectores de A si existen escalares 1 , 2 , tales que:
v = 1 1 + 2 2 + +
A los escalares 1 , 2 , , los llamaremos coeficientes de la combinacin
lineal.
87
Gen(A) = *
=1 ,i
88
A es
(, ) = (1,1) con a
(, ) = (, )
Luego,
(, ) =
(1,1)
es decir ={(, ) 2 / = +
89
1
y
+1
() =
1
1
90
Solucin
Por definicin, si 1 y 2 son elementos de , tendremos:
( ) = * (, ) / = 1 + 2 +
Por lo tanto:
() = 1
1
+1
+ 2
1
1
1 1 +2 +1
+1 1
1 +2 +2 1
2 1
+
, x
2 1
A, , R
91
92
A=
2
0
1
,
,
0 1 2
2
0
0
1
+ 2
+ 3
=
0
1
2
0
93
y, por lo tanto:
21
+
32 +
3 = 0
23 = 0
94
95
96
97
98
la
99
i) + = +
) =
y, adems, es biyectiva.
Ejemplo: Obtener una base del subespacio de 4 , siendo:
S=
1
2
4 / + = 0
4
1
2
3
3
4
100
Solucin
Si 1 2 3 4 S entonces 1 = 2 + 3 4 y, por lo tanto:
1
2
2
3 =
4
4
2
+ 3 4
3
2
2
0 + 0 =
=
+
2
3
0
3
0
4
0
4
0
1
1 +
3
0
0
1
1
0 + 0
4 0
1
0
1
A=
1 1
1
1 , 0 , 0
0
1
0
0
0
1
101
102
De la misma surge:
1
21 +
31
22
42
62
+ 3
+ 3
=
=
=
1
2
3
G en (A)=
1
2 3 / 3 =51 + 2
3
103
104
105
2.9-PRODUCTO INTERIOR
Definicin
Sea espacio vectorial real y sea la funcin . que a cada par ordenado de
vectores de le hace corresponder un nico escalar real, esto es
:
(. )
La funcin es un producto interior si y slo si se verifican los siguientes
axiomas:
Ax.1. , ; =
Ax.2. , , ; + = +
Ax.3. , , ; = ( )
Ax.4. ; 0 ^
= 0 = 0
Definicin
Se llamar espacio euclideo a todo espacio vectorial real de dimensin
finita dotado de un producto interior.
Elementos de Algebra Lineal - 2013
106
=1
107
, ; = ( )
108
. 1. ; 0 ^
=0u=0
. 2. , ; =
. 3. , ; + +
109
es una norma.
Elementos de Algebra Lineal - 2013
110
Aplicaciones
en MATLAB
Elementos de Algebra Lineal
112
113
Sern generadores de W?
Si formamos las ecuaciones para la definicin de W
x[-1 1 0]+y[-1 0 1]=[0 0 0], o sea
-x-y=0;x=0;y=0
Con
>>[x,y]=solve('-x-y=0', 'x=0', 'y=0','x','y')
x=0,y=0
para G2
x[-1 1 0]+y[-1 0 1]+z[-2 1 1]=[0 0 0]
-x-y-2z=0;x+z=0;y+z=0
>>[x,y,z]f=inline ('-x-y-2z=0,x+z=0, y+z=0', 'x', 'y', 'z')
es linealmente dependiente
Elementos de Algebra Lineal - 2013
114
Sea W={(x,y,z)/x+y+z=0}
Al ser dos sistemas de generadores, cualquier vector del subespacio se podr
expresar como combinacin lineal de cada uno de los vectores del conjunto.
G1?
-x-y-2z=3;x+z=0;y+z=-3
Elementos de Algebra Lineal - 2013
115
116
Otra manera
>> clear, syms x y
>> eq1='0.5=(200+3*x+4*y)^2/(20+2*x+3*y)^2/x'
>> eq2='10=(20+2*x+3*y)*y/x'
>> [x y]=solve(eq1,eq2,x,y)
117
118
0
1
0
0
3
0
0
1
0
0
0
0
0
1
-1
119
120
Ejemplo:
2
4
Demostrar que el vector b=
se encuentra en el subespacio generado
3
4
por los vectores
2
2
0
1
y
1
0
4
2
Si b esta en el subespacio generado por los dos vectores dados entonces b es
una combinacin lineal de tales vectores, es decir, existen escalares 1 y 2 tales
que
2
2
2
0
1
4
1
+ 2
=
1
0
3
4
2
4
Elementos de Algebra Lineal - 2013
121
2
2
2
0 1 1
4
=
1 0 2
3
4
2
4
Mediante MATLAB sean A = 2 2; 0 1; 1 0; 4 2 = 2; 4; 3; 4
y c = , . Usando el comando U=rref(C) obtenemos la forma escalonada
reducida de la matriz C.
122
U=
1 0 3
0 1 -4
0 0 0
0 0 0
123
Sea a1=[1 -2 3]t , a2=[5 -13 -3]t y b=[-3 8-1], estar b en el plano generado por
a1 y a2? Desde la geometra Gen[a1,a2] es un plano que pasa por el origen en
R3, entonces estudiamos la solucin de x1a1+ x2a2 =b, generando la matriz
ampliada [a1 a2 b].
Con MATLAB
>> A=[1 5 -3;-2 -13 8;3 -3 -1];
>> rrefstep(A)
Llegamos a
Upper Triangular Form STEP-BY-STEP <><><><>
The current matrix is:
1 5 -3
0 -3 2
0 0 -2
Elimination complete in column 2.
De este resultado vemos que 0x2=-2, sistema sin solucin, entonces b no
est en Gen[a1,a2]
Elementos de Algebra Lineal - 2013
124
126
3.1- DEFINICION
Sean y dos espacios vectoriales sobre el mismo cuerpo K. Se llama
aplicacin lineal a toda funcin de en que cumple con las siguientes
condiciones:
(, ; )
) ( + ) = () + ()
) ( ) = ()
Las aplicaciones lineales tambin se llaman homomorfismos, y, como surge
de la definicin, estas funciones asocian dos espacios vectoriales y
transformando una suma de elementos de en una suma de sus imgenes en
y el producto de un escalar por un elemento de en el producto del escalar
por la imagen de dicho elemento en .
127
(, K; x, y E)
f (x + y) = f (x) + f (y)
Ejemplo: Sea el espacio (R2,+,R,.). Demostrar que la funcin en R2
definida por
1
2
2
=
1
128
Solucin
La condicin necesaria y suficiente, traducida a la situacin dada en el
ejemplo, dice:
1
1
+
2
2
1
1
= +
2
2
1 + 1
2 + 2
2 + 2
1 + 1
129
1
1
2 + 2
2
2
= +
1
1
130
131
132
133
134
1. es inyectiva () = *0+;
2.
es sobreyectiva , () =
135
136
1
(1 ;...; )
e
1xn ()
( ) ( ;; )
son isomorfismos. A IC le denominaremos isomorfismo columna y a
isomorfismo fila.
137
(, ) = * / +
138
139
140
141
142
( )() = ( ())
es una aplicacin lineal.
143
( )( + ) = ( )() + ( )()
Veamos:
( )( + ) = ( ( + )) = ( () + ())
= ( ()) + ( ()) = ( )() + ( )()
144
145
a-Existencia
Cada se escribe como combinacin lineal de la base =1 1 + +
Como es
buscamos
lineal () =1 (1 )++ ( )
y considerando que
= ( ), = 1, , ,
Se tendr: () =1 1 ++
b-Unicidad
Supongamos existe otra aplicacin : /( ) = , = 1, ,
Entonces de = , c/ , =1 1 + +
() =1 (1 )++
() =1 (1 )++ ( ) = 1 1 + + = ( )
De donde =
146
3.9.1-VECTOR DE COORDENADAS
que se cumpla =1 1 + +
O sea, el vector de coordenadas de es la n-ada que se forma con los
coeficientes de los vectores de la base, al escribir a como combinacin lineal
de stas.
147
= 1 1 + + , = 1, . . ,
11
= 21
1
1
2
148
149
150
Solucin
Obtenemos las imgenes de las vectores de la base y las expresamos como
combinacin lineal de los vectores de la base :
1
1
1
2
2
0
=1
+0
0
0
1
1
1
0
2
2
0
=1
+1
1
0
1
1 1
0 1
1/2
0
151
3.10-SUMA DE MATRICES
DEFINICIN: La suma de matrices es una funcin que asocia a todo par
,- ,- , (), otra matriz ,- + ,- del mismo conjunto, y que
est definida como sigue:
,- + ,- = , + -
152
153
154
,- = , - ,- =
=1
155
=
.
= 1 , , , = 1 , , , = 1 , ,
156
Entonces
= 1 1 + + , = 1, . . ,
= 1 1 + + , = 1, . . ,
= 1, . .
=
= 1 1 + + 1 (1 ) + + ( )
= 1 (1 1 + + ) + + (1 1 + + )
= (1 11 + + 1 )1 + + (1 1 + + ) )
157
Utilizando sumatorias
= (
asociada como
=1 1
)1 +(
=1
1 1
=1
) , quedando la matriz
1
=1
=1
=1
11
11
()
()
158
159
Kronecker".
160
161
1
0
0
2
0
0
162
0
0
el mismo razonamiento para la triangular superior si = 0 siempre que
<
163
3.17-MATRIZ INVERSIBLE
Se dice que una matriz de () es inversible si existe una matriz
tal que:
3.18-CAMBIO DE BASE
La matriz de (), cuyas columnas son las coordenadas de los vectores
de la base en la base , o sea:
11
21
=
1
12
22
1
2
164
1
0 ,
0
0
1 ,
0
0
0
1
y =
1
0 ,
2
3
1 ,
0
0
1
2
165
Solucin
Estudiando el problema, surge inmediatamente que la matriz de paso de B
a A, es:
1
= 0
2
3
0
1 1
0 2
,- =
,-
166
1
;
1 = 1 4 1 4
3
1
4
4
Entonces, si por ejemplo, ,- = ,1
1
1
1
8
8
8
2 4- , entonces:
8
4
1
= 1 4 1 4 1 8 2 = 1 4
4
7
3
1
1
4
4
4
8
167
Todo lo que hemos explicado acerca del cambio de base para un dado
espacio vectorial, se comprender mejor a partir del diagrama que sigue:
v(en E)
( )
( )
168
Aplicaciones
en MATLAB
Elementos de Algebra Lineal
En todos los casos los vectores deben ser ingresados como una matriz fila
Ingrese el 1er vector de la 1er base en R3: [0 -3 3]
Ingrese el 2do vector de la 1er base en R3: [-3 3 0]
Ingrese el 3ro vector de la 1er base en R3: [-2 2 3]
B=
0 -3 -2
-3 3 2
3 0 3
Elementos de Algebra Lineal - 2013
170
171
1
1
0
1
0
0
172
Dados los vectores B1 = {u1, u2, u3} y B2 = {v1, v2} hallar la trasformacin lineal
para R3en R2: T(x, y, z)=(x+y, x-z)
0
1
2
0
2
1
1
1
173
>> En todos los casos los vectores deben ser ingresados como una matriz fila
Ingrese el 1er vector de la 1er base en R^3: [1 1 1]
Ingrese el 2do vector de la 1er base en R^3: [1 1 0]
Ingrese el 3ro vector de la 1er base en R^3: [1 0 0]
B=
1
1
1
1
1
0
1
0
0
174
B1 =
2
0
0
1
M=
2
0
0
1
2
0
2
1
1
1
175
6
6
2
4 6 1 0 0
5 6 |0 1 0
1 2 0 0 1
176
2 1
2 2 41
3 3 31
2 1 3 2
1
4
3
1
0
0
1
0
0
4 6 1
5 6 |0
1 2 0
2 3 12 0
5 6|0 1
1 2 0 0
1
2
3
2
3 6 | 2
5 11 3
2
1
2
2
3
1
2 |23
5 11 3
2
0
1
0
0
0
1
0
0
1
0 0
1 0
0 1
0
1
3 0
0
1
177
1 0
0 1
0 0
1 1 22
3 3 + 52
3 3
1 1 3
2 2 + 23
1 0
0 1
0 0
1
0
0
1
2| 2 3
1 11
6
1
2| 2 3
1 11
8
2
1
3 0
5
3 1
2
1
5
3
3
3
0
0
1
1
3
0 0
1 0| 13 3 11 3 2
0 1 11
5
1
6
3
3
178
13
11
los clculos.
3
3
6
3
11
5
1
16
1
2 =
26
6
11
1
14
22
10
6
12 Se factoriza
6
1
6
a fin de facilitar
Comprobacin
1
1 16
=
26
6
11
14
22
10
6
12
6
2
4
3
4 6
1 6
5 6 =
0
6
1 2
0
0 0
6 0 =
0 6
179
B=
1
1
1
1
2
3
1
3
6
1
0
0
0
1
0
0
0
1
0
1
0
0 3 -3 1
0 -3 5 -2
1 1 -2 1
180
Entonces
>>B = B(:, 4:6)
B=
3 -3 1
-3 5 -2
1 -2 1
Verificando
>> A*B
ans =
1 0
0 1
0 0
0
0
1
181
Idntico resultado a
>>inv(A)
ans =
3.0000 -3.0000 1.0000
-3.0000 5.0000 -2.0000
1.0000 -2.0000 1.0000
182
A=
0.5377 0.8622 -0.4336 2.7694 0.7254
1.8339 0.3188 0.3426 -1.3499 -0.0631
-2.2588 -1.3077 3.5784 3.0349 0.7147
Se crea una matriz de ceros y unos de la matriz random A
>> A = A >= 0
A=
1
1
0
1
1
0
0
1
1
1
0
1
1
0
1
183
cs =
111
100
110
ns =
-1 0
0 -1
10
00
01
184
rs =
100
010
100
001
010
lns =
Empty matrix: 3-by-0
185
4
2
186
V=
3
1
4
2
187
Cambio de base
Se consideran la matriz P =(1 -3 4;2 -5 6;-1 0 1) y los vectores de R3 :
v1 = (-2, 2, 3); v2 = (-8, 5, 2); v3 = (-7, 2, 6)
Encuntrese una base B1={u1, u2, u3} para R3 tal que P sea la matriz del
cambio de base de B1 a B2 ={v1, v2, v3}
Calclense las coordenadas en la base B2 del vector v cuyas coordenadas en
la base B1 son (1, 2, 3).
188
189
Punto2
X2 =
36
-22
-9
190
191
-2.0000
-4.0000
-3.0000
-1.0000
1.0000 -2.0000
-4.0000 -1.0000
-5.0000
0
-4.0000 1.0000
192
3
0
3
>> null(A)
ans =
0.6448
0.4690
-0.5276
0.2931
193
4.1- DEFINICION
Dado el cuerpo , llamaremos sistema lineal de ecuaciones con
incgnitas con coeficientes reales o complejos a todo conjunto de relaciones del
tipo:
11 1
21 1
+ 12 2
+ 22 2
+ 2 2
+
+
+ 1 = 1
+ 2 = 2
+ =
donde:
i) Los elementos , con 1 < < y 1 < j < n son nmeros reales o
complejos a los que llamaremos coeficientes del sistema.
ii) los elementos , son elementos de R que llamaremos trminos
independientes del sistema.
iii) los elementos , que tambin son elementos de R, y representan las
incgnitas del sistema.
Elementos de Algebra Lineal - 2013
195
196
4.2-NOTACION MATRICIAL
Si nos detenemos un poco a analizar los elementos que componen un sistema
lineal, nos daremos cuenta que la informacin bsica que contiene puede
presentarse en una matriz.
Si tomamos, por ejemplo, el sistema:
1
22
2
32
3
+ 3
43
=
=
=
1
5
2
entonces, las matrices que siguen resumen sus datos fundamentales del sistema
anterior:
1 2 1
1 2 1
0 1 1 y 0 1 1
1 3 4
1 3 4
Elementos de Algebra Lineal - 2013
1
5
2
197
198
i) Todas las filas distintas de cero deben estar arriba de cualquier fila con
todos ceros.
ii) Cada elemento principal de una fila debe estar a la derecha del elemento
principal de la fila inmediatamente anterior.
iii) Todos los elementos de una columna que estn debajo del elemento
principal, deben ser ceros.
199
Una matriz est en forma escalonada reducida si, adems, cumple las
condiciones:
i) El elemento principal de cada fila diferente de cero es 1.
ii) Cada 1 que es elemento principal es el nico elemento no nulo en su
columna.
Los siguientes son ejemplos de matrices escalonadas y de una matriz
escalonada reducida:
1 2 1
0 1 4
0 0 5
3
1 0
6 y 0 1
1
0 0
0 8
0 3
1 9
200
Ejemplo:
Sea la matriz:
1 1 2
2
1 1
=
3
0 2
1 2 0
0
1
1 2
1 1
0
3
Solucin
201
3
4
2
2
1
3 0
34 0
0
1
3
0
0
2
3
1
9
0
1
2
1
1
0
4
4
12
93
1
4 0
0
0
1
3
0
0
2
3
1
0
0
1
2
17
1
0
4
24
202
203
12
22
1
2
=
1
2
= 2
204
205
206
207
208
209
210
Ejemplo
Resolver el sistema, utilizando la forma escalonada de la matriz ampliada, el
sistema:
1
21
21
+ 32
+ 2
+ 22
=
=
=
1
3
0
Solucin
1 3 1
2 1 3 2
3
2 2 0
3
53
42
21 1
21 0
0
3
1
5 5
0 10
2
3
1
0
0
3
1
5 5
4 2
211
Aplicaciones
en MATLAB
Elementos de Algebra Lineal
1.0e-015 *
0.1110
0.6661
0.2220
Elementos de Algebra Lineal - 2013
213
0.5849
0.0491
>>b - A*x
-0.1208
-0.0755
0.3170
214
t=
0.4082
-0.8165
0.4082
Elementos de Algebra Lineal - 2013
215
r=
1.0e-015 *
0.8882
0.1110
216
Uso de rref
Sea el sistema de coeficientes y el vector de lado derecho, respectivamente:
>>A = magic(3); b = ones(3,1);
>> [x, pivot] = rref([A b])
x=
1.0000
0
0 0.0667
0 1.0000
0 0.0667
0
0 1.0000 0.0667
pivot =
1
217
>> x = x(:,4)
x=
0.0667
0.0667
0.0667
>> b - A*x
ans =
0
0
0
Uso del solve de MATLAB
>>[x,y,z]=solve('x+y+z=1', '3*x+y=3', 'x-2*y-z=0','x','y','z')
x=
4/5
y=
3/5
z=
-2/5
Elementos de Algebra Lineal - 2013
218
O con la sintaxis
>>[x,y,z]=solve('x+y+z=1', '3*x+y=3', 'x-2*y-z=0')
x=
4/5
y=
3/5
z=
-2/5
219
(2*v)/3 - (5*u)/3
(4*u)/3 - v/3
Ahora
A = [1 2; 4 5];
b = [u; v];
z = A\b
z=
(2*v)/3 - (5*u)/3
(4*u)/3 - v/3
Sol y z producen la misma solucin, aunque los resultados se asignan a
variables diferentes
Elementos de Algebra Lineal - 2013
220
INTRODUCCION
En este captulo desarrollaremos la teora de los determinantes. En el fondo,
se trata de un nmero real que se asocia con una matriz al cual podemos
introducirlo de dos maneras: una de ellas se basa en definirlo y deducir sus
propiedades a partir de esa definicin; la otra consiste, por el contrario, en
encontrar su regla de definicin a partir de las propiedades de las aplicaciones
multilineales alternadas. Elegimos la segunda posibilidad, ya que, por una parte,
introduce al determinante de una manera ms natural para nosotros, teniendo en
cuenta los conocimientos que ya poseemos de las aplicaciones lineales.
De todos modos, cualquiera sea la opcin elegida, nos encontraremos ante
una teora difcil, la cual, por los objetivos de la materia que nos ocupa, ser
simplificada en gran medida.
222
5.1-APLICACIONES BILINEALES
DEFINICION: Sean , y tres espacios vectoriales sobre el mismo cuerpo
. Una aplicacin ( , ) ( , ) de en se llama bilineal si cumple
con las siguientes condiciones:
) (, ) = (, ) = (, )
) ( + , ) = (, ) + ( , )
) ( , + ) = (, ) + ( , )
5.1.1-APLICACION BILINEAL ALTERNADA
DEFINICION: Una aplicacin bilineal ( , ) ( , ) de en se
llama alternada si (, ) =
PROPIEDAD: Si es una aplicacin bilineal alternada, entonces se cumple:
(, ) = (, )
223
= 1 + 2 + 3
= 1 + 2 + 3
Definimos una funcin de 2 en mediante la regla:
, = 2 3 3 2 + 3 1 1 3 + (1 2 2 1 )
Demostrar que es una aplicacin bilineal alternada.
Solucin
Probemos que se cumple. En efecto:
,
= 2 3 3 2 + 3 1 1 3 + 1 2 2 1
=
= 2 3 3 2 + 3 1 1 3 + 1 2 2 1 = (, )
Elementos de Algebra Lineal - 2013
224
, = 2 3 3 2 + 3 1 1 3 + 1 2 2 1 =0
y, por lo tanto, es alternada. Esta aplicacin bilineal alternada que terminamos
de definir se llama producto vectorial entre los vectores e .
Elementos de Algebra Lineal - 2013
225
5.2-DETERMINANTE DE ORDEN 2
TEOREMA: Sean E y F dos espacios vectoriales sobre el mismo cuerpo K y
sea dim = 2. Cualquiera sea = * , + elegida como base de E, y para
todo vector w de F, existe una nica aplicacin bilineal alternada
( , ) ( , ) de 2 en F tal que (, ) = .
DEFINICION: En el Teorema anterior tomemos F = K y w = 1. En tal
caso, el mismo nos dice que existe una y solamente una aplicacin bilineal
alternada ( , ) ( , ) de 2 en K, tal que (, ) = 1 . Dicha
aplicacin se llama determinante de los vectores e con relacin a la base A
elegida.
226
227
a-Permutacin
DEFINICION: Sea el conjunto = *1,2, , +. Denotemos con al
conjunto de todas las funciones biyectivas en In. Llamaremos permutacin a
toda funcin biyectiva perteneciente a . La misma queda caracterizada por el
conjunto de las imgenes:
= ( (1) , (2) , , () )
228
11
23
34
42
Por otra parte, sabemos que componiendo dos funciones biyectivas,
obtenemos otra funcin biyectiva; por consiguiente, la composicin de dos
permutaciones es una nueva permutacin.
El nmero de elementos de es !, o, dicho de otro modo, dado el
conjunto = *1,2, , + , entonces es factible efectuar n! permutaciones
distintas de los elementos de In.
229
b-INVERSION
DEFINICION: Tomemos nuevamente el conjunto
= *1,2, , +. Decimos que el par ( , ) de elementos de presenta
inversin para la permutacin de si:
< () > ()
Por ejemplo, dado el conjunto 5 = *1,2,3,4,5+ y la permutacin
= (3,1,4,5,2), analicemos qu pares ( , ) de elementos de 5 presentan
inversin; para ello escribamos dichos pares con sus correspondientes imgenes:
(1,2)
(1,3)
(1,4)
(1,5)
3,1
3,4
3,5
3,2
(2,3) (1,4)
(2,5) (1,2)
(3,4) (4,5)
(3,5) (4,2)
(4,5) (5,2)
230
Como se puede apreciar, los pares (1,2), (1,5), (3,5) (4,5) presentan
inversin. Una manera ms prctica de conocer el nmero de inversiones que
hay en una permutacin es la siguiente: sea la permutacin
= ((1), (2), , ()) ; para cada (), con ,1, -, se cuentan los
trminos de la sucesin p que son posteriores a () y menores que l mismo.
En el ejemplo anterior, cuando
231
Ejemplo:
A partir del conjunto 7 = *1,2,3,4,5,6,7+ define la permutacin
= (1,3,5,7,2,4,6). Determinar el nmero de inversiones de y su signatura.
Solucin
Para esta permutacin, el nmero de inversiones es:
() = 0 + 1 + 2 + 3 + 0 + 0 + 0 = 6
y, por lo tanto, () = 1.
232
1.
Si se intercambian dos de
(, , ), (, , ) cambia de signo.
2.
3.
los
tres
vectores
de
233
5.5-DETERMINANTE DE ORDEN 3
TEOREMA: Sean E y F dos espacios vectoriales sobre el mismo cuerpo y
sea dim = 3. Cualquiera sea la base = *, , + de E que se elija y para
todo vector w de F, existe una y slo una aplicacin trilineal alternada de 3 en
F tal que (, , ) =
= 1 1 + 2 2 + 3 3 =
=1
3
= 1 1 + 2 2 + 3 3 =
=1
3
z = 1 1 + 2 2 + 3 3 =
=1
234
, , =
,
=1
,
=1
( , , )
=1
, ,
= 1 2 3 1 , 2 , 3 + 1 3 2 1 , 3 , 2
+ 2 1 3 2 , 1 , 3 + 2 3 1 2 , 3 , 1 + 3 1 2 3 , 1 , 2
+ 3 2 1 (3 , 2 , 1 )
Elementos de Algebra Lineal - 2013
235
1 = 1,2,3
1 = 2,1,3
1 = 3,1,2
2 = (1,3,2)
2 = (2,3,1)
2 = (3,2,1)
236
237
12
22
32
13
23
33
12
22
32
13
23
33
238
()
1 1 2 2 3 3
{1,2,3}).
239
1
2
3
1
1
2 = 2
3
3
1
2
3
1
2
3
1
2
3
1
2
3
1
1
2 = 2
3
3
1
2
3
1
1
2 + 2
3
3
1
2
3
1
2
3
240
1
2
3
1
1 + 1 + 1
2 + 2 + 2 = 2
3
3 + 3 + 3
1
2
3
1
2
3
1
2
3
1
2
3
1 + 1
2 + 2 = 0
3 + 3
241
12
22
32
13
23
33
12
22
32
13
23 = 21 12
32
33
13
11
33 + 22 31
13
11
33 23 31
12
32
242
5.8-APLICACIONES MULTILINEALES
DEFINICION: Sean E y F dos espacios vectoriales sobre el mismo cuerpo
K. Una aplicacin (, , , ) (, , , )) de en F es multilineal
si es lineal en cada uno de los vectores x1,x2,...,xn.
PROPIEDAD: Cualesquiera que sean los escalares 1, 2, , se cumple:
(, , , ) = 1,2,...,n (, , , )
243
PROPIEDADES:
1.
Si
en
una
aplicacin
multilineal
alternada
(, , , ) (, , , ) de en se intercambian de
posicin dos de los n vectores , , , entonces
(, , , ) cambia de signo. Dicho de otra manera, si
permutamos los vectores y , con i < j, entonces:
, , , , , , , = ( , , , , , , , )
244
= 1 + 2 + +
1 1 2 2 ( ,
, , )
245
5.10-DETERMINANTE DE ORDEN n
TEOREMA: Dados los espacios vectoriales E y F sobre el mismo cuerpo K. Sea
dim E = n. Cualquiera sea la base = *, , , + de E elegida y para todo
vector w de F, existe una nica aplicacin multiplicacin multilineal alternada
(, , , ) (, , , ) de en F tal que (, , , ) = .
, , , =
1 1 2 2
= ( , , , )
donde la suma se realiza sobre todas las permutaciones p de los ndices {1,2,...,n}.
Elementos de Algebra Lineal - 2013
246
12
22
1
2
1 1 2 2
247
5.12-PROPIEDADES
1. Si (), entonces se cumple que () = ( ).
2. Sea una matriz de (). Si en A se intercambia la posicin de dos
lneas paralelas, el determinante de A cambia de signo.
3. Si una matriz A de () tiene dos o mas lneas iguales, entonces
() = 0.
4. Si una matriz A de () tiene una lnea que es combinacin lineal de
otras, entonces () = 0.
248
= (1)
+
()
249
= 1 1 + 2 2 + + =
=1
250
()
=
()
251
252
253
254
12
22
1
2
12
11
22
13
11
23
1
11
255
22
21 12
22
11
21 13
23 23
11
21 1
2
11
256
12
22
13
23
1
2
Llamando diagonal principal del rectngulo a la que una los vrtices del
pivote y del elemento a transformar y simplemente diagonal a la otra, el
transformado de cada elemento que no se encuentre en la fila y columna del
pivote es igual a la diferencia entre dicho elemento y el producto de los
elementos de la diagonal dividido por el pivote. El proceso contina con la
eleccin de un nuevo pivote, que se encuentra en filas y columnas distintas a las
de los anteriores, y termina cuando no se puede elegir ningn pivote en esas
condiciones. Como hemos dicho, el nmero de vectores cannicos que
aparecen nos indicar el rango de la matriz.
257
1 1
+ 12 2
+ 22 2
+ 2 2
+
+
1
2
= 1
= 2
=
258
X = 1 B
La matriz X es la solucin nica que tiene el sistema. Adems, teniendo en
cuenta que:
()
1
=
()
entonces queda:
=
()
()
259
1
=
1
()
21
1
1
=1
()
260
11
11 1 1+1
1 +1
11 1
1
Esta expresin hay que calcularla para cada una de las incgnitas. El
mtodo propuesto de encontrar la solucin de un sistema de Cramer es
interesante desde el punto de vista terico, pero a la hora de aplicarlo resulta
poco prctico, por la gran cantidad de clculos que es necesario realizar. Existen
mtodos ms fuertes para solucionar un sistema de esas caractersticas; un
ejemplo es el ya utilizado mtodo de Gauss.
261
11
=
1
262
263
Mtodo de Gauss-Jordan
Un alumno que ha estudiado con atencin el anlisis de la consistencia de
un sistema, se habr percatado que, para sistemas consistentes determinados, el
mtodo de Gauss-Jordan proporciona de manera automtica, la solucin del
mismo. La mejor manera de comprobar esta afirmacin es resolviendo un caso
prctico, tal como lo haremos en el ejemplo que sigue.
264
Ejemplo
Dado el sistema:
1
1
21
+
+
2
32
2
+
+
3
3
24
4
4
4
=
=
=
=
1
2
1
2
265
-1
-1
-1
-3
-1
-1
-3
-2
-3
-3
-1
-2
-2
-1
266
-4
-2
-1
-1
-3
1 = 6, 2 = 4, 3 = 3 4 = 1.
267
Aplicaciones
en MATLAB
Elementos de Algebra Lineal
12
11
10
01
es linealmente
independiente.
Si tales vectores son linealmente independiente entonces la ecuacin vectorial
1
2
0
1
0
1
1
+ 2
=
1
0
0
0
0
1
tiene solucin trivial nica. Tal ecuacin vectorial es equivalente a la ecuacin
matricial
1 2
0
1 1 1
0
=
1 0 2
0
0 1
0
Construimos en MATLAB la matriz = (1 2; 1 1; 1 0; 0 1).
El comando = ()
Determina el conjunto solucin de la ecuacin matricial = 0 y lo
guarda en la variable . En el caso anterior tenemos que MATLAB retorna la
salida
Elementos
de Algebra Lineal - 2013
269
B=null(A)
B=Empty matrix:2-by-0
Lo que indica que la nica solucin de la ecuacin Ax=0 es la solucin
trivial. Por lo tanto, los dos vectores dados son linealmente independientes.
Haciendo A=[1 2 0 -1;0 3 1 5] y mediante B=null(A) se obtiene como salida
la matriz
B=
0.0975
-0.1129
0.9804
-0.1283
0.9072
-0.3412
-0.1001
0.2248
270
271
1
,
0
2
,
3
0
,
1
1
5
es
0.9072
-0.3412
-0.1001
0.2248
272
Sea W={(x,y,z)/x+y+z=0}
Al ser dos sistemas de generadores, cualquier vector del subespacio se podr
expresar como combinacin lineal de cada uno de los vectores del conjunto.
G1?
-x-y-2z=3;x+z=0;y+z=-3
Elementos de Algebra Lineal - 2013
273
>> A = [3 2 -1; 1 0 0; 0 1 2]
>> det(A)
ans =-5
Puesto que, el determinante es diferente de cero, la familia de vectores es
L.I
274
275
276
277
278
279
0
0
0
0
1/5
11/5
1
-2/5
-7/5
0
0
0
dimensin de V es tres, siendo una base para V el
280
0.1190
0.4984
0.9597
0.3404
0.5853
0.2238
0.7513
0.2551
0.5060
0.6991
0.8909
0.9593
0.5472
0.1386
0.1493
0.2575
0.8407
0.2543
0.8143
0.2435
281
>> min(A,5,3)
la submatriz es
0.7547 0.1190
0.2760 0.4984
0.6797 0.9597
0.6551 0.3404
0.8909
0.9593
0.5472
0.1386
0.2575
0.8407
0.2543
0.8143
el menor es
-0.5559
>> cofact(A,5,3)
ans =
-0.5559
282
0.2955
-0.0598
0.1098
-0.1985
-0.2472
0.0050
-0.3335
0.2988
-0.0213
-0.0467
-0.1918
0.0707
0.0268
0.2195
-0.2534
-0.0922
0.0551
-0.5559
0.1007
0.3794
283
-1.1196
0.2266
-0.4161
0.7520
0.9365
-0.0191
1.2635
-1.1323
0.0807
0.1770
0.7267
-0.2678
-0.1017
-0.8318
0.9601
0.3494
-0.2088
2.1063
-0.3817
-1.4376
284
REGLA DE CRAMER
Sea el sistema: x1 + 2 x2 - 2 x3 = - 1; x1 - x3 = - 1; 2 x1 - x2 + x3 = 3,
cuadrado
>>cramer(A,B')
toda la informacin? y/n: n
ans =
1 1
>> cramer(A,B')
285
286
determinante =
-5
variable =
2
Matriz =
1 -1 -2
1 -1 -1
2 3 1
determinante =
-5
variable =
3
Elementos de Algebra Lineal - 2013
287
Matriz =
1 2 -1
1 0 -1
2 -1 3
determinante =
-10
ans =
1 1
288
289
Sistemas Lineales
>>[L,U,P]=lu(A); % Este es el comando que calcula las matrices L, U, P
>>B=P*b;
>>y=L\B;
>>x=U\y
Graficar sistemas lineales con MATLAB
290
40
20
-20
-40
20
10
20
10
-10
-10
-20
-20
291
>>hold on
>>surf(x1, x2, g)
100
50
-50
20
10
20
10
-10
-10
-20
-20
292
Otra manera
>> clear, syms x y
>> eq1='0.5=(200+3*x+4*y)^2/(20+2*x+3*y)^2/x'
>> eq2='10=(20+2*x+3*y)*y/x'
>> [x y]=solve(eq1,eq2,x,y)
293
294
6.1-ORTOGONALIDAD DE VECTORES
Dos vectores y son ortogonales si . = ; si se agrega la condicin de
mdulo unidad sern ortonormales. En un determinado conjunto
1 , 2 , , se analizar de a pares, el conjunto ser ortogonal si . =
para cualesquiera , , , *1, , +.
Si son normales entre s formarn una base ortogonal, siendo ortonormal si
son de mdulo unidad
As en 2, *, +, = (1,0), = (0,1), se tiene . = 0, como sus mdulos
valen uno, constituyen base cannica de 2
Matriz ortogonal
() es ortogonal si = (identidad) o
296
Matrices unitarias
Para una matriz compleja(), se define : . = . = con
(traspuesta conjugada o hermtica)
2
6
A=
3+
4
As para
2 3
Se tendr
6+
4
Si todas las entrada de son reales, es ortogonal, conservando el producto
interior de dos vectores reales: < , >=< , >
Elementos de Algebra Lineal - 2013
297
Cmo hallarlos?
Sea (), para encontrar los autovalores de A debemos encontrar
escalares tales que = , = 0 ( ) = 0
Para que el sistema ( ) = 0 tenga soluciones no triviales ha de
verificarse que det( ) = 0.
298
0 2 1
1 1 1
4 4 4
coeficientes
1
0
2 = 0
3
0
299
Se tendr
1 1
0 2
0 0
1
1
0
300
301
302
1
y
x VA1 (1).
303
Veamos:
i- autovalor de (), 0 , entonces = =
() = ()
= (
1
)
1(
)
es un autovalor de
1
()
yx
= .
304
= (1/)
305
306
6.3-SEMEJANZA DE MATRICES
Dos matrices , () son semejantes si existe una matriz
() regular tal que = 1.
Lema: Si A y B son dos matrices semejantes, con = 1, donde se
conoce como matriz de paso:
() = ().
det() = det().
() = ().
iv Si (), 0, entonces 1 ().
307
1
1 0 0
1
1 , D= 0 2 0 ,P= 1
5
0 0 3
2
2 1
1
1
4
4
2 1/2
1
0
0
1/2
0
0
3
308
1
() = det( ) = 1
4
2
1
1 =3 + 62 11 + 6.
4 1
1
() = det( )
=
0
0
3
2
) (3 ) = + 6 11 + 6
0
2
0
0
0 = (1 ) (2
3
309
=P D
310
1 2 1
Ejemplo: La matriz A = 1 0
1 tiene tres autovalores distintos:
4 4 5
1 = 1, 2 = 2 3 = 3.
Los subespacios propios de son:
(1) = *(1, 1, 2)+, (2) = *(2, 1, 4)+ (3) = *(1, 1, 4)+.
Uniendo las bases de estos subespacios se tiene una base de 3 formada por
autovectores:
= * , , +
(1, 1, 4).
Elementos de Algebra Lineal - 2013
siendo
1
1
4
1
verificndose = 1 = 0
0
0 0
2 0
0 3
312
6.4-DIGONALIZACION
Un criterio para la diagonalizacin de matrices se establece a travs del lema:
Una matriz () es diagonalizable si y slo si posee autovalores
(iguales o distintos) y sus multiplicidades verifican las siguientes condiciones:
a) 1 + + = .
b) = , para todo autovalor , = 1, , .
Una matriz con autovalores distintos siempre verifica las dos condiciones
anteriores.
Entonces para una matriz A Mn(R), para diagonalizar se efectan los pasos:
a) Se calculan los autovalores de , y ha de verificarse que:
1 + + = . Es decir, ha de haber n races de (); = ,
para todo autovalor , = 1, , .
b) Para cada autovalor , = 1, , ., se determina una base de cada
subespacio propio ().
Elementos de Algebra Lineal - 2013
313
Una vez obtenida la base , disponiendo las componentes de sus vectores por
columnas se obtiene la matriz de paso .
La matriz diagonal viene determinada por los autovalores, escritos en el
mismo orden que los vectores correspondientes de la base , o sea:,
1
= ,| |- = 0
0
0 0
0
0
314
6.5-DIAGONALIZACION ORTOGONAL
Una matriz () es ortogonalmente diagonalizable si existe una
matriz Q ortogonal, tal que = es una matriz diagonal.
Quiere decir que diagonalizar ortogonalmente una matriz A equivale a
encontrar una base ortonormal de formada por autovectores.
Las matrices reales simtricas son matrices, que tienen todos los autovalores
reales, y que se pueden diagonalizar ortogonalmente. Adems sus autovalores y
autovectores tiene propiedades como las que se mencionan seguidamente:
P1- Si () una matriz simtrica, entonces los autovectores correspondientes
a autovalores distintos son ortogonales.
315
Dados , , se verifica: () = = () = () =
Sean ahora 1 (1) 2 (2), cualesquiera, entonces:
1 = 11 2 = 22, veamos que 1 2 = 0.
1(1 2) = () 2 = (1) 2 = 1 (2) = 1
(22) = 2(1 2)
luego,
2 = 0
1(1 2) = 2(1 2)
.
(1 2)(1 2) = 0
316
317
Una vez obtenida la base B, disponiendo las componentes de sus vectores por
columnas se obtiene la matriz de paso ortogonal. La matriz diagonal viene
determinada por los autovalores, escritos en el mismo orden que los vectores
correspondientes de la base B, o sea:
1
= ,1| |-, = 0
0
0 0
0
0
0
2,
3
318
0 1
0
2 2 = 0
4 3
0
319
2/3
2/3 1/3
= ,1|2|3- = 2/3 1/3 2/3 y
1/3 2/3 2/3
1 0
= = 0 2
0 0
Elementos de Algebra Lineal - 2013
0
0
5
320
22 . . . 2
() = det( ) = 21
:
1
2 . . .
321
22 . . .
() = det( ) = 21
:
1 2
. . .
1
2
( ) =
1() 2() . . . ()
322
22 - 7 - 4 = -1
2 2 + -2 -7 + 1 -4
-32 - + 3
4 -3
5 -1
-2 3
As
A1 = 1/a0(An1 an1An2 a2A a1I)
Ver que que 0 0 porque 0 = det y se supuso que A era invertible.
Elementos de Algebra Lineal - 2013
323
Aplicaciones
en MATLAB
Elementos de Algebra Lineal
eig(A)
[V,D]=eig(A)
eig(A,B)
[V,D]=eig(A,B)
325
[L,U,P]=lu(A)
R=chol(A)
[Q,R]=qr(A)
[Q,R,E]=qr(A)
326
jordan(A)
[V,J]=jordan(A)
condeig(A)
hess(A)
poly(A)
poly(v)
327
Ejemplos:
>>[ V,D]=eig(A,B)
V=
-1.0000
0.2500 - 0.7500i -0.5833 - 0.4167i
0
-0.5000
-0.5000 + 0.5000i
0
0
0 + 0.3333i
D=
0 - 1.0000i
0
0
-1.0000
0
0
0
0
0 + 1.0000i
328
>> [V,D]=eig(A)
V=
0.2827
0.4094 - 0.3992i 0.4094 + 0.3992i
0.8191
-0.0950 + 0.5569i -0.0950 - 0.5569i
-0.4991
0.5948
0.5948
D=
-1.6984
0
0
0
0.2233 + 1.0309i
0
0
0
0.2233 - 1.0309i
>> [V,D]=cdf2rdf(V,D)
V=
0.2827 0.4094 -0.3992
0.8191 -0.0950 0.5569
-0.4991 0.5948
0
D=
-1.6984
0
0
0 0.2233 1.0309
0 -1.0309 0.2233
Elementos de Algebra Lineal - 2013
329
>> [U,T]=schur(A)
U=
0.2827 0.2924 0.9136
0.8191 -0.5691 -0.0713
-0.4991 -0.7685 0.4004
T=
-1.6984 0.2644 -1.2548
0 0.2233 0.7223
0 -1.4713 0.2233
>> [Q,R,E]=qr(A)
Q=
-0.2507 0.4556 -0.8542
-0.9653 -0.0514 0.2559
0.0726 0.8887 0.4527
330
R=
1.7254 1.1211 -0.2380
0 1.2484 0.8346
0
0 -0.8772
E=
1 0 0
0 1 0
0 0 1
Tomando A= [1 5 -2; -7 3 1;2 2 -2];
>> [L,U,P]=lu(A)
L=
1.0000
0
0
-0.1429 1.0000
0
-0.2857 0.5263 1.0000
U=
-7.0000 3.0000 1.0000
0 5.4286 -1.8571
0
0 -0.7368
Elementos de Algebra Lineal - 2013
331
P=
0 1 0
1 0 0
0 0 1
>> [Q,R,E]=qr(A)
Q=
-0.1361 -0.8785 -0.4579
0.9526 -0.2430 0.1831
-0.2722 -0.4112 0.8700
R=
-7.3485 1.6330 1.7691
0 -5.9442 2.3366
0
0 -0.6410
E=
1 0 0
0 1 0
0 0 1
>> R=chol(A)
??? Error using ==> chol
Matrix must be positive definite.
Elementos de Algebra Lineal - 2013
332
>> X=pinv(A)
X=
0.2857 -0.2143 -0.3929
0.4286 -0.0714 -0.4643
0.7143 -0.2857 -1.3571
>>jordan(A)
ans =
-0.8163
0
0
0
0
1.4082 - 5.6847i
0
0
1.4082 + 5.6847i
333
334
>> X=pinv(A)
X=
0.2857 -0.2143 -0.3929
0.4286 -0.0714 -0.4643
0.7143 -0.2857 -1.3571
>>jordan(A)
ans =
-0.8163
0
0
0
1.4082 - 5.6847i
0
0
0
1.4082 + 5.6847i
El teorema de Cayley Hamilton establece que pol(A)=poly(A)=0, es decir que
cada matriz satisfice su ecuacin caracterstica , usando el archivo lincomb
335
7.1-PROYECCION ORTOGONAL
Siendo , dos vectores en si buscamos la proyeccin ortogonal del vector
sobre el vector , esta proyeccin es un mltiplo de , siendo el factor de
proporcionalidad dado por = . /.
90
=
3,1 =
3 1
,
2 2
1 3
,
2 2
337
= 1 + + o sea
1 .
1 1
. 1 + +
1 .
.
,,
1 1
338
Tomamos 1 =1
Para el segundo vector tomamos2 y lo proyectamos sobre el 1 quedndonos
con la componente ortogonal a 1
2 = 2 2
339
1 . 2
. 1 =(-1/2,1/2,1)
1 1
.
.
3 )= 3 1 3 . 1 2 3 . 2 =(2/3,-2/3,2/3)
1 1
2 2
2
2 = 2 2 =2
1
3 = 3 (3 +
1
2 2
, ,0
2 2
6 6 6
, ,
6
6 3
3 3 3
,
,
3
3
3
340
2/5
16/5
3
0 = 2 =
2
1/3
8/5
2
341
12
22
11
12
1
1
=
~
+
21
22
2
2
11 12
O sea que existirn e y si es combinacin lineal de , , es decir,
21
22
si pertenece al subespacio generado por ellas. En este caso el sistema ser
compatible; si es incompatible se debe a que no pertenece al subespacio .
En este caso, se puede reemplazar por otro vector que est en y para
cometer el menor error posible c ser la mejor aproximacin de en .
Entonces en lugar de = incompatible, resolveremos Ax=c, con
(sobre el subespacio generado por las columnas de ), este sistema ser
compatible (su solucin satisface aproximadamente el sistema original).
Elementos de Algebra Lineal - 2013
342
2 4
5
5
2
4
Ahora una base de es(1,2), entonces:
= (1,2)=
3
5
1
1,2
2
1,2
1,2 = 13/5,26/5
13/5
13
1 2
Ahora
=
,
la
solucin
es
2, , osea compatible
5
26/5
2 4
indeterminado segn valor de
El error cuadrtico medio de la solucin aproximada es:
| |2 = 1/5 = 0.2
Elementos de Algebra Lineal - 2013
343
344
2 2
1
345
De todo ello se sigue que hay de los i que son distintos de cero. Es decir, si
la hiperelipse es la imagen por A de la esfera unidad, debe estar en de forma
que slo puede contener r vectores linealmente independientes. Finalmente sean
{v1, . . . , vn} de Sn-1, las anteimgenes de los semiejes no nulos de la hiperelipse:
Por ahora admitamos que los vectores vi son ortogonales (y, por lo tanto,
ortonormales porque estan en la esfera unidad).
La condicin Avi = iui , i=1,, r , se puede escribir en forma matricial:
Si escribimos = 1, . . . , y = 1 , , tenemos que = con
=diag(1, 2,. . . , r ) siendo y matrices cuyas columnas son
vectores ortonormales.
Elementos de Algebra Lineal - 2013
346
347
348
7.2-FORMAS CUADRATICAS
Se haba visto que una matriz es simtrica si = , necesariamente
cuadrada
De la condicin de simetra de , tambin se mencion que implicaba que
cualesquiera dos vectores propios de espacios propios son ortogonales, y la
condicin de simetra de () era indispensable para la diagonalizacin
ortogonal.
349
350
3 1
1 , 2 , . , = 1 + 2 = 1 , 2 , . ,
0
es decir, la expresin polinmica slo contiene trminos cuadrticos y la matriz
asociada es diagonal.
Cualquier forma cuadrtica admite, al menos, una expresin diagonal que es
la que viene dada por los autovalores de la matriz asociada, aunque, bajo ciertas
condiciones, tambin pueden existir otras expresiones diagonales.
351
3
q(x, y, z) = 3x2 + 3y2 + 5z2 4xy = (x, y, z) 2
0
2 0
3 0
0 5
352
3
2 =
2
3 2
2
, 3 = 2 3
3
0
0
0
0 =25
5
353
354
En trmino de autovalores
Sea q : Rn R una forma cuadrtica y 1, 2, , n los autovalores de su
matriz asociada. Se verifica:
355
356
Veremos como nos ayudamos con MATLAB para una aplicacin de las
formas cuadrticas.
Una forma cuadrtica en Rn es una aplicacin q : Rnx Rn R; cuyos valores se
obtienen mediante una frmula del tipo q(X) = XTAX; siendo X = (x1, , xn)T y
A Mn, una matriz simtrica, es decir, A cumple la condicin A = AT
O sea debemos hallar un cambio de variable o de base
X = PY, Y = (y1;; yn)T, para el cual se tenga que PT AP = D, siendo matriz
diagonal
La nueva forma cuadrtica YTDY no tendr productos cruzados
, (, = 0, )y ser una suma que slo tiene trminos cuadrados
, = 2 , la diagonal principal de D sern los coeficientes 1 , ,
357
358
359
D=
Columns 1 through 3
-12
0
0
0
0
-8
0
0
0
0
-6
0
Column 4
0
0
0
*
360
el asterisco * signica que se trata de nmeros muy pequeos, menores que < 1:0e
15/2, que pueden ser considerados iguales a cero y que el formato
RATIONAL no les encuentra una representacin adecuada como cociente de
enteros.
La matriz P es ortogonal hasta donde la precisin lo permite. En efecto P PT =
PTP = I4, tal como lo muestra MATLAB
>>P*P
ans =
Columns 1 through 3
1
0
*
*
0
1
*
*
*
*
1
0
361
Column 4
*
*
0
1
>> P'*P
ans =
Columns 1 through 3
1
*
*
*
*
1
*
*
*
*
1
*
362
Column 4
*
*
*
1
363
364
con
=
,
Para el caso de n variables *1, 2, . . . , +:
(1, 2, . . . , ) =
donde la matriz tiene elementos
A partir de la matriz es posible obtener una matriz simtrica
= 1/2( + ) tal que (1, 2, . . . , ) =
es simtrica pues =
Adems, toda matriz simtrica es diagonalizable
Elementos de Algebra Lineal - 2013
365
1, 2, . . . , =
=1
0
0
366
o de manera equivalente:
= ; ( ) = 0
Los valores propios se obtienen a partir de det( ) = 0
Luego sustituir = 1, = 2, . . . en la ecuacin de valores propios:
( 1) 1 = 0 , ( ) 2 = 0 . . . para obtener los vectores propios:
1 =
11
12
, 2 =
21
22
12
22
367
La matriz diagonal es =
Las nuevas coordenadas son =
Por ejemplo dada la cnica 22 + + 32 = 2
La ecuacin puede escribirse en forma matricial como = 2
2 12
Con = , = 1
, o sea
3
2
=
Y la matriz =
5+ 2
2
3,207
0
0
1,793
5 2
0
2
0,383 0,924
realiza la transformacin a las nuevas
0,924 0,383
coordenadas:
0,383 + 0,924
= =
, Es decir, la matriz realiza la
0,924 + 0,383
368
de donde
= 0.383 0.924
= 0.924 + 0.383
Mediante combinaciones lineales de los vectores base *, + se obtiene *, +
Para el clculo de los vectores , :
Al sustituir e en 22 + + 32 = 2,se obtiene la ecuacin de la cnica
en los ejes :
. () + . () =
Equivalentemente
(/. ) + (/. ) =
Representando una elipse, con e sus ejes principales
369
INTRODUCCION
Un vector (en Geometra) es un ente geomtrico definido por un segmento
orientado de recta, que se utiliza para la representacin de magnitudes llamadas
magnitudes vectoriales. Otra definicin (ligada a la Mecnica) es la de una
cantidad que tiene magnitud, direccin y sentido. Desde la visin matemtica,
elemento de un espacio vectorial (como se ve en el captulo de Espacios
vectoriales). Entonces, en Mecnica, una magnitud es vectorial cuando queda
definida por su medida (mdulo), direccin y un sentido.
Por tanto, los vectores se representan grficamente por segmentos limitados
en una punta de flecha. Queda determinado su mdulo por la longitud del
segmento; su direccin por la recta a que pertenece y su sentido por la punta de
la flecha. Al origen del vector se le llama punto de aplicacin.
371
Tipos de vectores
Los vectores en general pueden ser:
Libres.- Sin localizacin especifica en el espacio. Un vector libre puede
trasladar su origen a cualquier punto del espacio, siempre que conserve su mdulo
y sentido y mantenga paralela su direccin.
Ej. momento de un par.
Deslizantes.- Sin localizacin especifica a lo largo de una recta dada. Un
vector deslizante solo puede trasladar su origen a lo largo de su recta de aplicacin.
Ej. la fuerza aplicada a un slido
Fijos.- Un vector fijo es el de origen fijo. Ej. la intensidad del campo
gravitatorio en un punto dado.
372
Vectores iguales.- Son los que tienen la misma magnitud, direccin y sentido.
Vectores equivalentes.- Son los que producen el mismo efecto.
373
374
Representacin
Para el estudio de cualquier fenmeno fsico necesitamos un sistema de
referencia, la forma ms simple empleada, es el de coordenadas cartesianas
ortogonales .
Inicialmente, podemos asociar un conjunto de puntos con el conjunto de
los nmeros reales, lo que constituira un sistema coordenado del espacio
unidireccional formado por los puntos de . Podemos enunciar que el par de
(, ) que representen las coordenadas de un punto P en el plano, y la
correspondencia biunvoca de parejas ordenadas de nmeros con el conjunto de
puntos del plano es el sistema coordenado ortogonal del espacio bidimensional
constituido por los puntos del plano. Por tanto, la terna ordenada de nmeros
(, , ) que representan las coordenadas de un punto P en el espacio, y la
correspondencia biunvoca de ternas ordenadas de nmeros con el conjunto de
puntos del espacio es el sistema coordenado ortogonal del espacio tridimensional de
los puntos del espacio
375
Grficamente
R
P(x,y,z)
N
O
y
M
X
376
Conmutativa: a + b = b + a
Asociativa: (a + b) + c = a + (b + c)
Sustraccin de vectores
Se cambia de sentido uno de ellos y se suman.
a - b = a + (-b)
Elementos de Algebra Lineal - 2013
377
180
= +
2 = 2 + 2 + 2. . luego;
= 2 + 2 + 2. . + 2 = 2 + 2 + 2. . .
= (
)
El ngulo ser:
O aplicando el teorema de los senos:
.
=
=
= (
)
90
378
379
r=x + y + z
z
O
r= x+ y + z
P(x,y,z) y
Los cosenos de ngulos , , , que forma r con cada uno de los ejes se les
llama cosenos directores.
El modulo de r (diagonal del paralelepipedo construido con x, y, z como
lados) es:
r= 2 + 2 + 2
2 + 2 + 2 = 1
380
B(x, y ,z)
A(x, y ,z)
381
(x- x, y- y, z- z).
Tendremos:
X = x- x
Y = y- y escribiremos: AB = X + Y + Z
Z = z- z
Como vector unitario (o versor)se significa todo vector de mdulo unidad,
por tanto; el vector unitario en una direccin se obtiene dividiendo cualquier
vector en esa direccin por su mdulo.
Si las componentes de un vector v son x, y, z, su ecuacin vectorial ser:
v=x+y+z
Llamando i, j, k, a los vectores unitarios en la direccin y sentido de los ejes,
se verificar:
x = xi, y = yj, z = zk; siendo x, y, z, los mdulos de x, y, z. Sustituyendo en la
ecuacin vectorial tendremos: v = xi + yj + zk
382
v (x, y, z)
k
o
i
x
X
383
Aplicaciones
en MATLAB
Elementos de Algebra Lineal
Variables vectoriales
Para el ingreso de vectores desde la ventana de comandos
V=[v1,v2,v3,,vn] o V=[v1 v2 v3 vn]
As >>vector1=[1,4,9,3,1/2]
vector1 =
1.0000 4.0000 9.0000 3.0000 0.5000
la raz cuadrada de tal vector se calcula como:
>>sqrt(vector1)
ans =
1.0000 2.0000 3.0000 1.7321 0.7071
385
Variable=[a,b]
Variable=[a.s:b]
Variable=linespace[a,b,n]
Variable=logespace[a,b,n]
386
>>vector3=[10:30]
vector3 =
Columns 1 through 19
10 11 12 13 14 15 16 17 18 19 20 21 22 23
24 25 26 27 28
Columns 20 through 21
30
387
388
x(n)
x(a:b)
Da el ensimo elemento de x
Da los elementos ubicados entre el a-esimo y el be-simo,
incluyendo ambos
x(a:p:b)
x(b:-p:a)
>>vector1=(2:3:9)
vector1 =
2 5 8
(puede ir o no el parntesis)
Equivalentemente, si lo que conocemos del vector es que la primera coordenada
vale 0, la ltima 20 y que tiene 11 en total, se escribe:
>>vect2=linspace(0,20,11)
vect2 =
0 2 4 6 8 10 12 14 16 18 20
Elementos de Algebra Lineal - 2013
389
390
Productos
Un vector fila y un vector columna de igual dimensin se pueden multiplicar
en cualquier orden dando un escalar (producto interno) o una matriz (exterior),
as:
>>u = [3; 1; 4];
>>v = [2 0 -1];
>>x = v*u
x=
2
o
>>X = u*v
>>X =
6
2
8
0
0
0
-3
-1
-4
391
392
-3
6 -3
393
Para vectores complejos, los dos productos escalares x'*y and y'*x son
conjugados complejos de cada uno y el producto x'*x es un real (x es el
transpuesto).
Para complejos:
>>z = [1+2i 3+4i]
>>z
1-2i
3-4i
y
>>z %' es
1+2i
3+4i
394
QUE ES MATLAB?
396
QUE ES MATLAB?
397
QUE ES MATLAB?
Sistemas operativos donde MATLAB corre
Unix
Linux
Solaris
MacOS
Windows
398
399
400
401
402
403
404
405
406
EL ENTORNO DE MATLAB
Ventana de comandos
Directorio de trabajo
Historial de comandos
407
408
409
COMANDOS
La ventana de historia de comandos conserva una lista de todos sus
410
COMANDOS
Porque permite revisar sesiones anteriores de MATLAB
Para la transferencia de comandos a la ventana de comandos.
411
412
Hacer doble clic sobre cualquier variable mencionada en la ventana del rea
hoja de clculo.
Puede cambiar los valores en el editor de arreglos o puede agregar nuevos
valores.
413
414
415
416
417
418
EL EDITOR DE MATLAB
El editor de MATLAB permite crear, modificar archivos *.m, conjuntamente
419
EL EDITOR DE MATLAB
420
EL EDITOR DE MATLAB
El editor muestra con diferentes colores los diferentes tipos o elementos de la
sintaxis. (en verde los comentarios, en azul las cadenas de caracteres, etc.). El
editor adems indica que las comillas o parntesis que se abren se cierren
correctamente
421
Deshacer
Rehacer
Imprimir
Ir a una funcion
Buscar
422
DECLARACION DE VARIABLES
En MATLAB , una variable consiste en una matriz de unas dimensiones dadas.
423
DECLARACION DE VARIABLES
En MATLAB no se requiere ningn tipo de declaracin de variables sino que, una vez
que se utiliza una variable, MATLAB crea la respectiva variable reservando el espacio
de memoria necesario y declarando su tipo de dato a partir del dato asignado. Por tanto,
si la variable ya existe, MATLAB nicamente cambia su contenido.
syms x
424
DECLARACION DE VARIABLES
Una variable de MATLAB puede cambiar su tipo de dato varias veces en una misma
425
DECLARACION DE VARIABLES
En lo que se refiere a la nomenclatura de las variables. MATLAB distingue
426
DECLARACION DE VARIABLES
Los clculos que no se asignan a una variable en concreto se asignan a la variable de
427
DECLARACION DE VARIABLES
Para conocer el valor de una variable, basta teclear su nombre:
>>x
x=
5
Si se aade un punto y coma (;) al final de la instruccin, la mquina no muestra la
respuesta...
>>y=5*4;
Pero no por ello deja de realizarse el clculo, lo que sucede es que no muestra su
resultado.
>>y
y=
20
428
DECLARACION DE VARIABLES
Para obtener informacin sobre variables que se estn usando y sus dimensiones (si son
429
INT32
INT64
430
BOOLEAN
STRING
431
Por ejemplo, la estructura cliente puede contener los campos nombre (una
cadena de caracteres) y DNI (un nmero).
432
433
Un bloque condicional
Un bucle
Una funcin
434
435
function x=diagonal(A)
% x=diagonal(A)
% Devuelve un vector con la diagonal de A en orden inverso
% A : matriz
% x : vector de la diagonal de A reordenada
n=size(A,1); % # filas de A
x=diag(A);
x=x(n:-1:1); % reordenamos
436
TOOLBOX
Libreras de funciones MATLAB asociadas a diferentes reas como ser:
Inteligencia artificial
Financieras
Procesamiento de imgenes
Procesamiento de seales
437
TOOLBOX
En MATLAB: Start->Toolboxes
438
ALGUNOS TOOLBOXES
Frequency Domain System Identification Toolbox
Fuzzy Logic Toolbox
Higher Order Spectral Analisys Toolbox
439
ALGUNOS TOOLBOXES
Nonlinear Control Design Toolbox
Optimization Toolbox
Quantitative Feedback Theory Toolbox
440
ALGUNOS TOOLBOX
IMAGE PROCESSING TOOLBOX
441
ALGUNOS TOOLBOX
IMAGE PROCESSING TOOLBOX
442
ALGUNOS TOOLBOX
NEURAL NETWORK TOOLBOX
443
ALGUNOS TOOLBOX
NEURAL NETWORK TOOLBOX
444
ALGUNOS TOOLBOX
STATISTICS TOOLBOX
Proporciona un conjunto completo de herramientas para evaluar y
445
ALGUNOS TOOLBOX
STATISTICS TOOLBOX
446
Anexo 2
Elementos de Algebra Lineal
lincomb.m
Combinacin lineal m de varias matrices del mismo tamao.
Coeficientes v = {v1,v2,,vm} de la combinacin lineal y las matrices
A = {A1,A2,...,Am} deben ingresarse como celdas.
448
lincomb.m
function M = lincomb(v,A)
% Combinacin lineal M de varias matrices del mismo tamao.
% Coeficientes v = {v1,v2,,vm} de la combinacin
% lineal y las matrices A = {A1,A2,...,Am} deben ingresarse como celdas.
m = length(v);
[k, l] = size(A{1});
M = zeros(k, l);
for i = 1:m
M = M + v{i}*A{i};
end
449
dependence.m
dependence(A) determina si un conjunto de vectores columnas es
linealmente independiente o dependiente. Recibe una matriz "A" devolviendo
un nmero la respuesta si las columnas de A son LI o LD
450
dependence.m
dependence(A) determina si un conjunto de vectores columnas es
linealmente independiente o dependiente.
Recibe una matriz "A" devolviendo un nmero "c" igual a 1 si las columnas
de A son LI y 0 si ellas son LD
451
dependence.m
%este programa determina si un conjunto de vectores
%columnas es linealmente
%independiente o dependiente. Recibe una matriz
%"A" devolviendo un nmero la respuesta si las
%columnas de A son LI o LD.
452
dependence.m
function [d]=dependence(A)
C=rref(A);
m=length(diag(A(:,1)));
n=length(A(1,:));
if n>m
d=0;
else
s=sum(diag(C));
if n>s
disp('Los vectores son linealmente dependientes ')
else
disp('Los vectores son linealmente independientes ')
end
end
453
base.m
%Calcula una base a partir de un generador
A=input('Matriz cuyas filas son los vectores del sistema: ');
r=rank(A);
%disp('El rango del sistema es: ')
disp(r)
reducida=rref(A);
B=reducida(1:r,:).'; % Nos quedamos con r filas y trasponemos luego la matriz
disp('La base del subespacio son las columnas de la matriz ')
disp(B)
454
rrefstep.m
function rrefstep(A)
% Halla la matriz en forma escalonada reducida de A
% En cada paso se muestra un mensaje que describe la % accin que se debe
tomar. Usted puede realizar la % accin y ver el resultado o solicitar una
% explicacin de la misma.
% Esta rutina es para matrices pequeas y se utiliza % para el desarrollo de
habilidades en la obtencin % de la forma escalonada reducida por filas
% de una matriz.
% El formato de visualizacin racional o real, se
% puede elegir.
455
456
transf.m
function P=Transf(P)
%Transf
%Elementary row transformations for row reduction.
%Add multiples of rows, multiply, divide, swap.
%Gives choice of format - rational numbers or decimal numbers.
%Calling format:Transf(A)
disp(' ')
form=input('Format: (r)ational numbers or (d)ecimal numbers? ','s');
disp(' ')
flag='T';
while flag=='T'
ans=input('Operation: (a)dd (m)multiply (d)ivide (s)swap (e)exit ','s');
if ans=='e';
flag='F';
end
457
transf.m
if ans=='a';
x=input('add the multiple: ');
y=input('
of row: ');
z=input('
to row: ');
P(z,:) = P(z,:) + x*P(y,:);
disp(' ')
if form=='r';
disp(rats(P))
disp(' ')
else
disp(P)
end
end
458
transf.m
if ans=='m';
x=input('
give row: ');
y=input('give multiplier: ');
P(x,:) = y*P(x,:);
disp(' ')
if form=='r';
disp(rats(P))
disp(' ')
else
disp(P)
end
end
459
transf.m
if ans=='d';
x=input(' give row: ');
y=input('give divisor: ');
P(x,:) = (1/y)*P(x,:);
disp(' ')
if form=='r';
disp(rats(P))
disp(' ')
else
disp(P)
end
end
460
transf.m
if ans=='s';
x=input('swap row: ');
y=input(' and row: ');
Q=P;
P(x,:) = Q(y,:);
P(y,:) = Q(x,:);
disp(' ')
if form=='r';
disp(rats(P))
disp(' ')
else
disp(P)
end
end
end
461
transmat.m
function V = transmat(T, S)
% V es la matriz de transicin de un espacio vectorial que tiene la base
ordenada T
% a otro espacio vectorial que tiene la base ordenada S.
% Las bases de los espacios vectoriales se almacenan en las columnas de las
matrices T y S
[m, n] = size(T);
[p, q] = size(S);
if (m ~= p) | (n ~= q)
error('Matrices deben tener igual dimension')
end
V = rref([S T]);
V = V(:,(m + 1):(m + n));
462
cramer.m
Cramer
function X=Cramer(A,B)
%Cramer, Solucin al sistema AX=B usando regla de Cramer. Forma de
llamado: Cramer(A,B)
format compact;
disp(' ')
if det(A)==0
disp('det(matrix coeff)=0. regla de Cramer no se puede usar.')
disp(' ')
else
g=input('toda la informacin? y/n: ','s');
disp(' ')
n=size(A);
if g=='y'
det_matrix_coeffs=det(A)
disp(' ')
end
for variable=1:n
Elementos de Algebra Lineal - 2013
463
cramer.m
if variable>=1
Matrix=[A(1:n,1:variable-1) B A(1:n,variable+1:n)];
end
if g=='y'
variable
Matrix
determinant=det(Matrix)
disp(' ')
end
X(variable)=(det(Matrix))/(det(A));
end
end
464
cramer.m
else
g=input('toda la informacin? y/n: ','s');
disp(' ')
n=size(A);
if g=='y'
det_matrix_coeffs=det(A)
disp(' ')
end
465
cramer.m
for variable=1:n
if variable>=1
Matrix=[A(1:n,1:variable-1) B A(1:n,variable+1:n)];
end
if g=='y'
variable
Matrix
determinant=det(Matrix)
disp(' ')
end
466
consec.m
function A=consec(n)
% El comando A=consec(n) genera una matriz nxn cuyas entradas son los
% enteros consecutivos de 1 a n^2.
% La primera fila ser [1, 2, ..., n], la segunda [n+1, n+2, ..., 2n], etc.
%As consec(3) generar
%
%
1 2 3
%
4 5 6
%
7 8 9
A=reshape([1:n^2],n,n)';
467
homsoln.m
HOMSOLN encuentra la solucin general de un sistema homogneo de
ecuaciones.
468
lisub.m
Halla un subconjunto linealmente independientes de vectores.
Si code = 'r' los vectores son filas de A.
Si code = 'c' los vectores son las columnas de A.
La rutina devuelve un subconjunto linealmente independientes del
conjunto original.
469
lisub.m
function S = lisub(A,code)
%LISUB halla un subconjunto de vectores linealmente independientes.
%
si code = 'r' los vectores son las filas de A.
%
si code = 'c' los vectores son las columnas de A.
%
Retorna
%
un subconjunto de vectores linealmente independientes
%
del conjunto original.
%
%
se llama --> S = lisub(A,'r') o lisub(A,'c') <-%
470
lisub.m
err='ERROR: code no adecuado; segundo argumento debe ser ''r'' o ''c''';
if code=='r'
B=A';
elseif code == 'c'
B=A;
else
disp(err)
return
end
[m,n]=size(B);
B=rref(B);
l1=[];
471
lisub.m
for ki=1:m
z=find(B(ki,:)>0);
if isempty(z)==0,
l1=[l1 z(1)];
end
end % l1 contiene la columna #s con ppal 1's
if length(l1)~=0
if code=='r'
S=A(l1,:); %filas de S son un subconjunto L.I.
else
S=A(:,l1); %columnas de S son un subconjunto L.I.
end
else
S=[]; %devuelve matriz vaca slo si A es la matriz cero
end
472
rowcomb.m
rowcomb(A,i,j,c) forma una matriz a partir de A sumando c veces la fila
i-sima de A a la la fila j-sima.
473
rowcomb.m
function B=rowcomb(A,i,j,c)
% rowcomb(A,i,j,c) forma una matriz a partir de A sumando c veces la fila ith
% de A a la fila jth .
[m,n]=size(A);
if i<1|i>m|j<1|j>m
error('Indice fuera de rango')
end
if i==j
error('operacin de fila no permitida')
end
B=A;
B(j,:)=c*A(i,:)+A(j,:);
474
rowscale.n
rowscale(A,i,c) multiplica la fila i de la matriz A por el escalar c y su salida
es la matriz resultante.
function B=rowscale(A,i,c)
% rowscale(A,i,c) multiplica la fila i de matriz A por el escalar c
% y la salida de la matriz resultante.
[m,n]=size(A);
if i<1|i>m
error('Indice fuera de rango')
end
B=A;
B(i,:)=c*A(i,:);
475
rowswap.m
rowswap(A,i,j) intercambia filas i y j de la matriz A mostrando la matriz
resultante.
function B=rowswap(A,i,j)
% rowswap(A,i,j) intercambia
% filas i y j de la matriz A devolviendo la matriz resultante.
[m,n]=size(A);
if i<1|i>m|j<1|j>m
error('Indice fuera de rango')
end
B=A;
B(i,:)=A(j,:);
B(j,:)=A(i,:);
476
fourb.m
function [cs, ns, rs, lns] = fourb(A)
% Bases de los cuatro espacios fundamentales asociados
% con la matriz A.
% cs- base dwl espacio columna de A
% ns- base del espacio nulo de A
% rs- base del espacio fila de A
% lns- base del del espacio nulo izquierdo de A
[V, pivot] = rref(A);
r = length(pivot);
cs = A(:,pivot);
ns = null(A,'r');
rs = V(1:r,:)';
lns = null(A','r');
477
traf3.m
%'Este programa calcula la matriz asociada a una '
%'transformacion lineal que va de R^3 en R^3/T(x,y,z)=(x+y,x-z,y+2z) '
%'a partir de 2 bases ingresadas por el usuario. '
%' El Programa se aplica de la siguiente manera '
%'1)Se ingresa 3 vectores correspondientes a la base en R^3 '
%'2)Se ingresa 2 vectores correspondientes a la base en R^3 '
%'3)Luego el programa calcula la matriz asociada '
disp('En todos los casos los vectores deben ser ingresados como una matriz fila')
a=input('Ingrese el 1er vector de la 1er base en R^3: ');
b=input('Ingrese el 2do vector de la 1er base en R^3: ');
c=input('Ingrese el 3ro vector de la 1er base en R^3: ');
B=[a',b',c']%1ra Base con los 3 vectores encolumnados
d=input('Ingrese el 1er vector de la 2da base en R^3: ');
478
traf3.m
e=input('Ingrese el 2do vector de la 2da base en R^3: ');
f=input('Ingrese el 3er vector de la 2da base en R^3: ');
B1=[d',e',f']%2da Base con los 3 vectores encolumnados
%Se calcula la transformacion lineal del 1er vector de la 1er base
T1=[a(1)+a(2),a(1)-a(3),a(2)+3*a(3)];
%Se calcula la transformacion lineal del 2do vector de la 1er base
T2=[b(1)+b(2),b(1)-b(3),b(2)+3*b(3)];
%Se calcula la transformacion lineal del 3er vector de la 1er base
T3=[c(1)+c(2),c(1)-c(3),c(2)+3*c(3)];
T=[T1',T2',T3'];%Matriz de las transformaciones
M=[B1,T]%Matriz ampliada formada por la 2da base mas la matriz
%de las transformaciones
MA=rref(M);%Se aplica el metodo Gauss-Jordan a la matriz ampliada
disp('La matriz asociada a la transformacion lineal es: ')
Masoc=MA(:,[3 4 5])%Se muestra la matriz asociada a la transformacion
%' Fin del programa
479
solucion.m
solucion(A,b) usa el archivo rref de [A,b] para hallar una solucin x de Ax
= b como si se realizara manualmente.
function x = solution(A,b)
% SOLUTION(A,b) usa el archivo rref de [A,b] para hallar una solucin x
% de Ax = b como si se realizara manualmente.
[R,jp] = rref([A,b]);
[m,n] = size(A);
r = length(jp);
if jp(r) == n+1
x = [];
else
x = zeros(n,1);
x(jp) = R(1:r,n+1);
end
480
utristep.m
function A = utristep(A,swcode,pivcode)
% Halla paso a paso la matriz triangular superior de A.
% En cada paso se muestra un mensaje que describe la accin a tomar. Usted
%puede realizar la accin y ver el resultado o solicitar una explicacin de la
misma.
% Esta rutina es para matrices pequeas y se utilizan para el desarrollo de
%habilidades en la obtencin de la forma triangular superior de una matriz.
%Formato de pantalla racional o real, se puede elegir, as como una opcin
%para forzar a los pivotes que sean 1.
481
482
span.m
Span(v) prueba si el vector v est en el espacio generado por un conjunto de
vectores. Debe ingresar la matriz del conjunto de vectores y luego averiguar si el
vector deseado v est o no en el espacio generado por A,ej: span(v)
483
span.m
function span(v, varargin)
% prueba si el vector v est en el espacio generado por un conjunto de
% vectores. Debe ingresar la matriz del conjunto de vectores y luego
% averiguar si el vector deseado v est o no en el espacio generado por A
A = [];
n = length(varargin);
for i=1:n
u = varargin{i};
u = u';
A = [A u(:)];
end
484
span.m
v = v';
v = v(:);
if rank(A) == rank([A v])
disp(' vector dado est en el espacio.')
else
disp(' vector dado no est en el espacio.')
end
485
spanview.m
SPANVIEW es un utilitario para visualizar la generacin de un conjunto
de vectores en el spacio3-d.
El comando spanview(x,n) graficar n mltiplos aleatorios del vector x, cada
uno de estos vectores se representa por un punto.
El usuario debe ingresar un segundo vector y se calcula n combinaciones
lineales aleatorias de los dos vectores de entrada.
Seguir pidiendo ms vectores hasta que se hayan ingresado tres vectores
linealmente independientes; ej. s=[ 1 2 -4]; spanview(s,2)
486
spanview.m
function spanview(s,numvec)
% SPANVIEW es un utilitario para visualizar la generacin
% de un conjunto de vectores en el espacio3-d. El comando
% spanview(x,n) graficar n mltiplos aleatorios del
% vector x, cada uno de estos vectores se representa por un punto
% El usuario debe ingresar un segundo vector y se calcula
% n combinaciones lineales aleatorias de los dos vectores de entrada
% Seguir pidiendo ms vectores hasta que se hayan
% ingresado tres vectores linealmente independientes
487
spanview.m
if size(s)==[3,1]
s=reshape(s,1,3);
end
whitebg('w')
A=[];
x=[0,0]';
y=x;
z=x;
r=0;
n=0;
colors='brgmc';
close
488
spanview.m
while r<3
n=n+1;
if n>1
s=input('Agregue otro vector a S. Entre como un triple [x y z]: ');
delete(t)
hold off
end
A=[A s'];
c=randn(n,numvec);
v=A*c;
axiscale=3*max(max(abs(A)))+1;
x(:,n)=[0;A(1,n)];
y(:,n)=[0;A(2,n)];
z(:,n)=[0;A(3,n)];
r=fix(rank(A));
489
spanview.m
color=[colors(mod(n,5)+1),'.'];
plot3(x(:,n),y(:,n),z(:,n),'k')
hold on
plot3([-axiscale axiscale],[0 0 ],[0 0],'k',[0 0],[-axiscale axiscale],[0 0],'k',[0 0],[0
0],[-axiscale axiscale],'k')
plot3(v(1,:),v(2,:),v(3,:),color)
t=title(['generador de S ' 'Dimension = ' sprintf('%4.0f',r)]);
figure(1)
end
hold off
490
angulo.m
Para hallar el ngulo entre dos vectores
491
angulo.m
function a=Angulo(X,Y)
%Angulo
%el ngulo entre dos vectores, X e Y, en grados.
%llamar como: a = Angle(X,Y)
temp = X*Y';
normX = sqrt(X*X');
normY = sqrt(Y*Y');
a = acos(temp/(normX*normY));
a = a*180/pi;
if (a < 1.0e-10)
a = 0;
end
492
plano.m
El archivo grafica un plano en 3D. se puede llamar como
plano(P,N,width, height)
493
plano.m
% El archivo grafica un plano en 3D. se puede llamar
% como plano(P,N,width, height)
% P = [x0,y0,z0] es un punto del plano,
% N = [a,b,c] es uno normal(usar cross para hallarlo), tercer y cuarto
% argumentos opcionales; al llamar plano(P,N),
% la porcin del plano es un cuadrado de lado 2, centrado en P.
% Si se llama plano(P,N,a,b) produce una porcin del plano 2b por 2b centrada
% en P.
494
plano.m
function z = plano(P,N, width, height)
if nargin < 3
width = 1; height= 1;
end
x0 = P(1);
y0 = P(2);
z0 = P(3);
N = N/norm(N);
a = N(1); b = N(2); c = N(3);
495
plano.m
s = - width: .1*width : width; t = -height: .1*height: height;
[S,T] = meshgrid(s,t);
hhchek = ishold;
arrow3(P,N,'r')
hold on
arrow3(P-.3*N,.3*N,'r')
r = sqrt(a^2 +b^2);
496
plano.m
if r > 0
v = [b/r, -a/r, 0];
w = [-a*c/r, -b*c/r, r];
else
v = [1 0 0];
w = [0 -1 0];
end
X = x0 + v(1)*S +w(1)*T;
Y = y0 + v(2)*S +w(2)*T;
Z = z0 + v(3)*S +w(3)*T;
low = min(min(Z));
high = max(max(Z));
497
plano.m
surf(X,Y,Z);
colormap(gray);
caxis([low-6, high]);
axis equal
if hhchek == 0
hold off
end
498
plano.m
function out = arrow3(P,V,color)
x0 =P(1); y0 = P(2); z0 = P(3);
a = V(1); b = V(2); c = V(3);
l = max(norm(V), eps);
x = [x0 x0+a]; y = [y0 y0+b]; z = [z0 z0+c];
hchek = ishold;
plot3(x,y,z,color)
hold on
h = l - min(.2*l, .2) ;
v = min(.2*l/sqrt(3), .2/sqrt(3) );
499
plano.m
upper = [h, v*tan(pi/6), 0]';
lower = [h, -v*tan(pi/6), 0]';
r = sqrt(a^2 +b^2);
if r > 0
col1 = [a b c]/l;
col2 = [-b/r, a/r, 0];
col3 = [-a*c/(l*r), -b*c/(l*r), r/l];
Q = [col1; col2; col3]' ;
500
plano.m
else
if c > 0
Q = [0 0 -1; 0 1 0; 1 0 0];
else
Q = [0 0 1; 0 1 0; -1 0 0];
end
end
p = Q*upper; q = Q*lower;
plot3([x0+p(1), x0+a], [y0+p(2), y0+b], [z0+p(3), z0+c], color)
plot3([x0+q(1), x0+a], [y0+q(2), y0+b], [z0+q(3), z0+c], color)
if hchek == 0
hold off
end
501
vector.m
Permite graficar un vector con origen (x0, y0) y extremo (x0+a, y0+b).
Escribiendo P = [x0, y0] y V = [a,b], debe llamarse arrow(P,V, color), el tercer
argumento, color, es opcional, por defecto es azul.
502
vector.m
% permite graficar un vector con origen (x0, y0) y extremo
% (x0+a, y0+b). Escribiendo P = [x0, y0] y
% V = [a,b], debe llamarse arrow(P,V, color), el tercer argumento,
% color, es opcional, por defecto es azul.
% Para uno rojo, arrow(P,V, 'r').
function y = vector(P,V,color)
if nargin < 3
color = 'b';
end
x0 = P(1); y0 = P(2);
a = V(1); b = V(2);
l = max(norm(V), eps);
u = [x0 x0+a]; v = [y0 y0+b];
hchek = ishold;
503
vector.m
plot(u,v,color)
hold on
h = l - min(.2*l, .2) ; v = min(.2*l/sqrt(3), .2/sqrt(3) );
a1 = (a*h -b*v)/l;
b1 = (b*h +a*v)/l;
plot([x0+a1, x0+a], [y0+b1, y0+b], color)
a2 = (a*h +b*v)/l;
b2 = (b*h -a*v)/l;
plot([x0+a2, x0+a], [y0+b2, y0+b], color)
if hchek == 0
hold off
end
504
dist.m
Distancia entre puntos X e Y en Rn. Llamar como: Dist(X,Y)
505
dist.m
function d = Dist(X,Y)
%Dist
%Distancia entre puntos X e Y en Rn.
%Llamar como: Dist(X,Y)
Z=X-Y;
d=sqrt(Z*Z');
506
drawec.m
drawvec(v,color,s) grafica el vector v empleando el color definido como
segundo argumento de entrada (por defecto es rojo).El punto inicial del dibujo
es el origen; una flecha se dibuja en el extremo
Los ejes se establecen como [-s,s,-s,s]. Si s no se especifica por default es 5
507
drawec.m
function[ handle ] = drawvec(v,color,s);
% DRAWVEC(v,color,s) grafica el vector v empleando
% el color definido como segundo argumento de entrada
% (por defecto es rojo).El punto inicial del dibujo es
% el origen; una flecha se dibuja en el extremo
% Los ejes se establecen como [-s,s,-s,s]. Si s no se
% especifica por default es 5
if nargin==1
color = 'r';
end
if nargin < 3
s=5;
end
508
drawec.m
handle = plot([0,v(1)],[0,v(2)],color);
axis([-s,s,-s,s])
axis('square')
hold on
[m,n]=size(v);
if n==1 % Change to row vector
v=v';
end
atip=tip(v,s);
fill(atip(1,:),atip(2,:),color)
hold off
509
plotangle
s = plotangle(x,y) dar el ngulo s(radianes)entre vectores no nulos x, y. Si
estn en espacio bidimensional, el ngulo ser graficado( en rojo, y el unitario
en azul)
Si se usa [s,t] = plotangle(x,y) s en radianes y t en grados
510
plotangle
function [s,t]=plotangle(x,y)
% s = plotangle(x,y) dar el ngulo s(radianes)entre
% vectores no nulos x, y. Si estn en espacio bidimensional,
% el ngulo ser graficado( en rojo y el unitario en azul)
% Si se usa [s,t] = plotangle(x,y)
% s en radianes y t en grados
%
[m,n]=size(x);
if m==1
x=x';
end
[j,k]=size(y);
511
plotangle
if j==1
y=y';
end
if ([m,n]~=[j,k])
error('Vectores tienen distinto tamao')
end
if (norm(x)==0)|(norm(y)==0)
error('Ingrese vectores no nulos')
end
nx=norm(x);
ny=norm(y);
aa=max(nx,ny)+1;
u=x/nx;
v=y/ny;
512
plotangle
s=acos(u'*v);
t=s*180/pi;
anglestr=sprintf( '%6.3f', t);
if max([m,n])>2
x=[nx;0];
u=[1;0];
v=[cos(s);sin(s)];
y=norm(y)*v;
end
drawvec(x,'r'); hold on
drawvec(y,'r'); hold on
drawvec(u,'b'); hold on
drawvec(v,'b'); hold on
A=u;
mm=max(abs(v-[cos(s),-sin(s);sin(s),cos(s)]*u));
513
plotangle
if mm<100*eps
ss=1;
else
ss=-1;
end
for w=.1:.1:1
z=[cos(w*s),-ss*sin(w*s);ss*sin(w*s),cos(w*s)]*u;
A=[A z];
end
plot(A(1,:),A(2,:))
hold off
axis([-aa,aa,-aa,aa])
xlabel(['el ngulo entre los vectores es ' anglestr ' grados'])
514
plotangle
s=acos(u'*v);
t=s*180/pi;
anglestr=sprintf( '%6.3f', t);
if max([m,n])>2
x=[nx;0];
u=[1;0];
v=[cos(s);sin(s)];
y=norm(y)*v;
end
drawvec(x,'r'); hold on
drawvec(y,'r'); hold on
drawvec(u,'b'); hold on
drawvec(v,'b'); hold on
A=u;
mm=max(abs(v-[cos(s),-sin(s);sin(s),cos(s)]*u));
515
vector3.m
Grafica un vector 3D con origen (x0, y0, z0) y extremo (x0+a, y0+b, z0+c).
Escribir P = [x0, y0, z0] y V = [a,b,c], se llama vector3(P,V, color). El tercer
argumento, color, es opcional, por defecto es azul,
516
vector3.m
%
%
%
%
%
517
vector3.m
x = [x0 x0+a];
y = [y0 y0+b];
z = [z0 z0+c];
hchek = ishold;
plot3(x,y,z,color)
hold on
h = l - min(.2*l, .2) ;
v = min(.2*l/sqrt(3), .2/sqrt(3) );
upper = [h, v*tan(pi/6), 0]';
lower = [h, -v*tan(pi/6), 0]';
r = sqrt(a^2 +b^2);
518
vector3.m
if r > 0
col1 = [a b c]/l;
col2 = [-b/r, a/r, 0];
col3 = [-a*c/(l*r), -b*c/(l*r), r/l];
Q = [col1; col2; col3]' ;
else
if c > 0
Q = [0 0 -1; 0 1 0; 1 0 0];
else
Q = [0 0 1; 0 1 0; -1 0 0];
end
end
p = Q*upper; q = Q*lower;
plot3([x0+p(1), x0+a], [y0+p(2), y0+b], [z0+p(3), z0+c], color)
plot3([x0+q(1), x0+a], [y0+q(2), y0+b], [z0+q(3), z0+c], color)
519
ENLACES DE INTERES
Curso Matlab 1 Disponible en http://www.youtube.com/watch?v=715nqD8Fhhs consultado el 1 de abril del 2013.
520
Prentice Hall
521
Disponible en
http://editorial.unam.edu.ar/index.php?option=com_content&view=article&id=247:
calculo-con-matlab&catid=42:cuadernos-de-catedra consultado el 1 de abril del 2013.
Mario Matiauda 2010 Editorial Universitaria - Algebra y MATLAB.
Disponible en
http://www.editorial.unam.edu.ar/index.php?option=com_content&view=article&id
=249:algebra-y-matlab&catid=42:cuadernos-de-catedra consultado el 1 de abril del
2013.
Holly Moore Prentice Hall - MATLAB para Ingenieros.
Matlab Help - versin 7.8.0.347 .
Elementos de Algebra Lineal - 2013
522