1

Universidad Cristiana Evangélica Nuevo Milenio

Carrera
Ing. En Sistemas

Clase

Algebra Lineal

Nombre Y Cuenta
Lesvy Patricia Trigueros Rodríguez
217450013
Kenia Yojaira Trigueros Miranda
217450015
Olvin Noel Quiroz Sosa
120020015
Osman Perdomo Zelaya
121170002
Fernando José Gómez
121450010
Catedrático
Ing. Juan Carlos Alcerro

PROYECTO DE ALGEBRA LINEAL, PERIODO #3

2

Tema

Resolución de problemas con Gauss Jordán, espacios vectoriales, espacios vectoriales con
productos interiores, vectores lineales y coordenados dependencia e independencia,
valores propios y vectores propios
|

PROYECTO DE ALGEBRA LINEAL, PERIODO #3

3

Índice
Contenido
Índice ............................................................................................................................ 3
Introducción ................................................................................................................. 4
Objetivo General .......................................................................................................... 5
Objetivos específicos .................................................................................................. 6
Resolución de problemas por Gauss Jordán ............................................................ 7
Espacios vectoriales ................................................................................................... 9
Espacio vectorial con producto interior .................................................................. 12
Espacios con producto interior..................................................................................... 12
Vectores lineales dependientes e independientes ................................................. 13
Significado geométrico ............................................................................................. 14
En el espacio tridimensional usual:.............................................................................. 14
Vectores coordenados dependencia e independencia .......................................... 16
Aplicaciones: ............................................................................................................. 18
Vectores propios y valores propios ......................................................................... 19
Vectores propios ....................................................................................................... 19
Valores propios.......................................................................................................... 19
Casos especiales ....................................................................................................... 20
Ecuación del valor propio ......................................................................................... 20
Matricialmente AT vA = A vA ..................................................................................... 20
Teorema espectral ..................................................................................................... 21
Vectores propios y valores propios de matrices .................................................... 21
Calculo simbólico ...................................................................................................... 21
Cálculo de los vectores propios ............................................................................... 22
Calculo numérico ....................................................................................................... 22
Propiedades ............................................................................................................... 23
Conclusión ................................................................................................................. 24

PROYECTO DE ALGEBRA LINEAL, PERIODO #3

4

Introducción
En el presente Informe de investigación se abordará el tema como resolución de
problemas con Gauss- Jordán, espacios vectoriales, espacios vectoriales con productos
interiores, vectores lineales y coordenados dependencia e independencia, valores
propios y vectores propios y además las aplicaciones de las mismas dentro de la
ingeniería Las cuales son de gran relevancia en la carrera, ya que se utiliza para la
representación de diferentes tipos de números reales y obtener información que es
sumamente importante para realizar en un circuito cálculos en base esa representación.

PROYECTO DE ALGEBRA LINEAL, PERIODO #3

5

Objetivo General
Analizar el concepto, las propiedades y la aplicación de resolución de problemas con
Gauss Jordán, espacios vectoriales, espacios vectoriales con productos interiores,
vectores lineales y coordenados dependencia e independencia, valores propios y
vectores propios en el campo de la Ingeniería Eléctrica, conociendo sus beneficios dentro
de los diversos usos que se les da al espacio vectorial, espacios vectoriales con
productos interiores, valores y vectores propios, dependencia e independencia de
vectores, vectores lineales y coordenados en el campo antes mencionado.

PROYECTO DE ALGEBRA LINEAL, PERIODO #3

6

Objetivos específicos
Conocer las propiedades de resolución de problemas con Gauss Jordán, espacios
vectoriales, espacios vectoriales con productos interiores, vectores lineales y
coordenados dependencia e independencia, valores propios y vectores propios, Realizar
ejercicios aplicados en la Ingeniería de Electricidad

Analizar la importancia y los beneficios de la resolución de problemas con Gauss Jordán,

espacios vectoriales, espacios vectoriales con productos interiores, vectores lineales y
coordenados dependencia e independencia, valores propios y vectores propios

PROYECTO DE ALGEBRA LINEAL, PERIODO #3

7

Resolución de problemas por Gauss Jordán

El Método de Gauss – Jordán o también llamado eliminación de Gauss – Jordán, es un
método por el cual pueden resolverse sistemas de ecuaciones lineales con n números de
variables, encontrar matrices y matrices inversas, en este caso desarrollaremos la
primera aplicación mencionada.
Para resolver sistemas de ecuaciones lineales aplicando este método, se debe en primer
lugar anotar los coeficientes de las variables del sistema de ecuaciones lineales en su
notación matricial:

Entonces, anotando como matriz (también llamada matriz aumentada)

Una vez hecho esto, a continuación, se procede a convertir dicha matriz en una matriz
identidad, es decir una matriz equivalente a la original, la cual es de la forma

PROYECTO DE ALGEBRA LINEAL, PERIODO #3

8

Esto se logra aplicando a las distintas filas y columnas de las matrices simples
operaciones de suma, resta, multiplicación y división; teniendo en cuenta que una
operación se aplicara a todos los elementos de la fila o de la columna, sea el caso.
Obsérvese que en dicha matriz identidad no aparecen los términos independientes, esto
se debe a que cuando nuestra matriz original alcance la forma de la matriz identidad,
dichos términos resultaran ser la solución del sistema y verificaran la igualdad para cada
una de las variables, correspondiéndose de la siguiente forma:
d1 = x
d2 = y
d3 = z

Ahora que están sentadas las bases, podemos explicar paso a paso la resolución
de sistemas de ecuaciones lineales por medio de este método
Aplicaciones
En la vida cotidiana el concepto de matrices es de gran relevancia ya que usamos eel
mismo concepto para contener y almacenar datos
En relación con mi especialidad se aplica para el análisis de estructuras, llevar a cabo un
proyecto sistematizado, una mejora del perfil técnico y almacenar información óptica de
los diseños

PROYECTO DE ALGEBRA LINEAL, PERIODO #3

9

Espacios vectoriales
Un espacio vectorial es una estructura algebraica creada a partir de un conjunto no vacío,
una operación interna (llamada suma, definida para los elementos del conjunto) y una
operación externa (llamada producto por un escalar, definida entre dicho conjunto y otro
conjunto, con estructura de cuerpo), con 10 propiedades fundamentales.

A los elementos de un espacio vectorial se les llama vectores y a los elementos del
cuerpo, escalares.

La primera formulación moderna y axiomática se debe a Giuseppe Peano, a finales del

siglo XIX. Los siguientes avances en la teoría de espacios vectoriales provienen del
análisis funcional, principalmente de espacios de funciones. Los problemas de Análisis
funcional requerían resolver problemas sobre la convergencia. Esto se hizo dotando a los
espacios vectoriales de una adecuada topología, permitiendo tener en cuenta cuestiones
de proximidad y continuidad. Estos espacios vectoriales topológicos, en particular los
espacios de Banach y los espacios de Hilbert tienen una teoría más rica y elaborada.

PROYECTO DE ALGEBRA LINEAL, PERIODO #3

10

Notación

Axiomas

la suma es una operación interna: U + v ∈ V

la suma es conmutativa:

U + v=v + u

la suma es asociativa

:(u + v) + w = u + (v + w) = u + v + w

elemento neutro de la suma:

∃ 0 ∈ V |v + 0 = v,∀ v ∈ V 5.elemento inverso en la suma:

∀ v ∈ V , ∃ v ∈ V |v + v′ = 0, se escribe v = (−v),

la multiplicación por un escalar produce un vector:

C v ∈V

distributivita I ley:

c(u + v) = cu+cv,

distributivita II segunda:

(c + d)v = cv+dv,

Asociatividad mixta:

Si α y β son cualquier par de escalares y u es cualquier vector de V entonces α · (β · u) = (α ·

β) · u = β · (α · u)
Identidad: Si u es cualquier vector de V, entonces 1 · u = u

PROYECTO DE ALGEBRA LINEAL, PERIODO #3

11

Aplicaciones:

En mi carrera tiene como relación el realizar un estudio de modelización por medio de la

teoría de elementos finitos o modelización por medios continuos, por ejemplo, son
espacios vectoriales los campos eléctricos y electromagnéticos
En la vida cotidiana es todo espacio por donde se mueve un objeto.

PROYECTO DE ALGEBRA LINEAL, PERIODO #3

12

Espacio vectorial con producto interior

Producto interno

Un producto interno sobre un espacio vectorial V es una operación que asigna a cada
par de vectores u y v en V un número real <u, v>.
Un producto interior sobre V es una función que asocia un número real ‹u, v› con cada
par de vectores u y v cumple los siguientes axiomas:
Propiedades

1) (v, v) ≥ 0
2) (v, v) = 0 si y sólo si v = 0. 3) (u, v +w) = (u, v)+ (u, w) 4) (u + v, w) = (u, w)+(v, w) 5)
(u,v) = (v, u)
6) (αu, v) = α(u, v)
7) (u, αv) = α(u, v)

Espacios con producto interior

El producto interior euclidiano es solo uno más de los productos internos que se tiene que
definir en Rn Para distinguir entre el producto interno normal y otros posibles productos
internos se usa la siguiente notación.
u ●v = producto punto (producto interior euclidiano para Rn)
‹u, v› = producto interno general para espacio vectorial V.
Propiedades de los productos interiores
1. ‹0, v› = ‹v, 0› = 0
2. ‹u + v, w› = ‹u, w› + ‹v, w›
3. ‹u, cv› = c ‹u, v›.

PROYECTO DE ALGEBRA LINEAL, PERIODO #3

13

Vectores lineales dependientes e independientes

En álgebra lineal, un conjunto de vectores es linealmente independiente si
ninguno de ellos puede ser escrito con una combinación lineal de los restantes.
Por ejemplo, en R3, el conjunto de vectores (1, 0, , (0, 1, 0) y (0, 0, 1) es
linealmente independiente, mientras que (2, −1, 1), (1, 0, 1) y (3, −1, 2) no lo
es, ya que el tercero es la suma de los dos primeros.
Dado un conjunto finito de vectores v1, v2, …, v3 se dice que estos vectores
son linealmente independientes si dada la ecuación:
A1v1 + a2v2 +…. + anvn = 0

esta se satisface únicamente cuando a1, a2, …, a3 son todos cero. En caso
contrario, se dice que son linealmente dependientes.
el símbolo a la derecha del signo igual no es cero, sino que simboliza al vector
nulo 0. El conjunto de vectores nulos forma la matriz nula. Si tales números no
existen, entonces los vectores son linealmente independientes.

La definición anterior también puede extenderse a un conjunto infinito de

vectores, concretamente un conjunto cualquiera de vectores es linealmente
dependiente si contiene un conjunto finito que sea linealmente dependiente.
Esta idea es importante porque los conjuntos de vectores que son linealmente
independientes, generan un espacio vectorial y forman una base para dicho
espacio.

Entre las propiedades de los vectores linealmente dependientes e

independientes encontramos:
• Un conjunto de vectores es linealmente dependiente si y solamente si alguno de
los vectores es combinación lineal de los demás.

• Si un conjunto de vectores es linealmente independiente, cualquier subconjunto

suyo también lo es.

• Si un conjunto de vectores es linealmente dependiente, también lo es todo

conjunto que lo contenga

PROYECTO DE ALGEBRA LINEAL, PERIODO #3

14

Significado geométrico
Geométricamente, dos vectores son independientes si no tienen la misma dirección. Esta
definición supone que el vector nulo tiene todas las direcciones, en otras palabras, este
debe generar un área.

Tres vectores son independientes si y solo si no están contenidos en el mismo plano

vectorial, o sea si ninguno de ellos es una combinación lineal de los otros dos (en cuyo
caso estaría en el plano generado por estos vectores) en otras palabras este debe
generar un volumen.

El espacio generado por un sistema de vectores es el conjunto de todas las

combinaciones lineales de estos vectores. Es un espacio vectorial. El espacio generado
por un vector no nulo es la recta vectorial dirigido por este vector. El espacio generado
por dos vectores

independientes es el plano que los contiene. Resulta fácil comprobar que el espacio
generado por un sistema de vectores es el menor (por la inclusión) espacio vectorial que
los contiene a todos. Se le denomina vect A, donde A es el sistema de vectores. Si n
vectores son independientes, el espacio generado es de dimensión n (dimensión en el
sentido usual: 0 para un punto, 1 para una recta, 2 para un plano...).
En el espacio tridimensional usual:

u y j son dependientes por tener la misma dirección.

u y v son independientes y definen el plano P.
u, v y w son dependientes por estar los tres contenidos en el mismo plano.
u, v y k son independientes por serlo u y v entre sí y no ser k una combinación lineal de
ellos o, lo que es lo mismo, por no pertenecer al plano P. Los tres vectores definen el
espacio tridimensional.
Los vectores o (vector nulo, cuyas componentes son iguales a cero) y k son
independientes ya que o = 0 ·k

PROYECTO DE ALGEBRA LINEAL, PERIODO #3

15

PROYECTO DE ALGEBRA LINEAL, PERIODO #3

16

Vectores coordenados dependencia e independencia

Un número real puede ser representado como un punto de una línea recta, una pareja de
números reales puede ser representado por un punto en el plano y una terna de números
reales puede ser representado por un punto en el espacio. Aunque no se pueda dar una
representación geométrica de las n-tuplas ordenadas existen interpretaciones útiles para
ellas.

Por ejemplo, como solución de un sistema de ecuaciones lineales de incógnitas, al igual

que en el espacio de dos dimensiones nos referimos a los pares ordenados como puntos
del espacio de dos dimensiones nos referimos a las n-tuplas ordenadas como puntos en el
espacio de n dimensiones

vectores coordenados y algunas de sus propiedades. Los vectores coordenados

constituyen la base para mostrar que los espacios vectoriales que hemos estudiado,
matrices, polinomios, entre otros son “equivalentes” a los espacios vectoriales Rn, para
un valor apropiado de n

un espacio vectorial V sobre un campo K y una base, B= {~v1, ~v2, . . . , ~vn}de V.

Entonces, todo vector ~v ∈ V puede representarse como
~v=a1~v1+a2~v2+. . .+an~vn, donde los escalares son ́únicos.

PROYECTO DE ALGEBRA LINEAL, PERIODO #3

17

Un conjunto de números reales se denota por (x1,x2,,…, xn) donde cada xi es un número
real. Los conjuntos de números reales x = (x1,…, x2) y Y = (v1,…, y2) son iguales si.
x1 = y1, x2 = Y2,.., xn = yn

PROYECTO DE ALGEBRA LINEAL, PERIODO #3

18

Aplicaciones:
En mi carrera aplicamos la utilización de vectores coordenados para poder representar la
potencia compuesta de un circuito eléctrico con corriente alterna o continua en un
dispositivo.
En la vida cotidiana lo usamos para colocar algún objeto en un determinado espacio.

PROYECTO DE ALGEBRA LINEAL, PERIODO #3

19

Vectores propios y valores propios

Las transformaciones lineales del espacio como la rotación, la reflexión, el ensanchamiento,
o cualquier combinación de las anteriores; en esta lista podrían incluirse otras
transformaciones— pueden interpretarse mediante el efecto que producen en los vectores.
Los vectores pueden visualizarse como flechas de una cierta longitud apuntando en una
dirección y sentido determinados.

La multiplicidad geométrica de un valor propio es la dimensión del espacio propio asociado.

El espectro de una transformación en espacios vectoriales finitos es el conjunto de todos

sus valores propios.

Vectores propios
O auto vectores de un operador lineal son los vectores no nulos, cuando son transformados
por el operador, dan lugar a un múltiplo escalar de sí mismos, con lo que no cambian su
dirección que dependen enteramente de los valores propios ya que estos le dan valores de
su correspondencia.

Valores propios
autovalor o valor característico. A menudo, una transformación queda completamente
determinada por sus vectores propios y valores propios. Un espacio propio, auto espacio o
subespacio fundamental asociado al valor propio
Definiendo que los vectores propios y valores propios de la siguiente manera: Sea A: V → V
un operador lineal en un cierto K-espacio vectorial V y v un vector no nulo en V. Si existe un
escalar c tal que

Av = cv, v ≠ 0, c pertenece a K,

Por lo tanto, v es un vector propio del operador A, y su valor propio asociado es c.

que si v es un vector propio con el valor propio c entonces cualquier múltiplo diferente de
cero de v es también un vector propio con el valor propio.

PROYECTO DE ALGEBRA LINEAL, PERIODO #3

20

Casos especiales
para las transformaciones lineales del espacio de dos dimensiones R2, los vectores
propios son:

rotación: ningún vector propio de valores reales (existen en cambio pares valor propio,
vectorespropios complejos).

reflexión: los vectores propios son perpendiculares y paralelos al eje de simetría, los
valores propios son -1 y 1, respectivamente.

escalado uniforme: todos los vectores son vectores propios, y el valor propio es el
factor de escala.

proyección sobre una recta: los vectores propios con el valor propio 1 son paralelos a la
línea, vectores propios con el valor propio 0 son perpendiculares a la dirección de la
proyección

Ecuación del valor propio

Matemáticamente, vλ es un vector propio y λ el valor propio correspondiente de una
transformación T

verifica la ecuación:

T(vA) = A vA

Donde T (vA) es el vetor obtenido al aplicar la tranformacin T a V A.

Matricialmente AT vA = A vA
donde la posición es un producto de matrices. Dado que en esta circunstancia la
transformación T y su representación matricial AT son equivalentes, a menudo podemos
emplear sólo T para la representación matricial y la transformación.
Esto es equivalente a un conjunto de n combinaciones lineales, donde n es el número de
vectores de la base.
a veces es poco natural o incluso imposible escribir la ecuación de valor propio en forma
matricial, ocurre cuando el espacio vectorial es de dimensión infinita

PROYECTO DE ALGEBRA LINEAL, PERIODO #3

21

Teorema espectral
El teorema espectral muestra la importancia de los valores propios y vectores propios
para caracterizar una transformación lineal de forma única. En su versión más simple, el
teorema espectral establece que, bajo unas condiciones determinadas, una
transformación lineal puede expresarse como la combinación lineal de los vectores
propios con coeficientes de valor igual a los valores propios por el producto escalar de los
vectores propios por el vector al que se aplica la transformación, lo que puede escribirse
como:
T(v) = A1 (v1 * v)v1 + A2 (v2 *v)v2 + …

Donde v1,v2 … y A1,A2,….. Representan a los vectores propios y valores propios y

vectores propios de T.

Vectores propios y valores propios de matrices

Cálculo

Si se quiere calcular los valores propios de una matriz dada y ésta es pequeña, se puede
calcular simbólicamente usando el polinomio característico. Sin embargo, a menudo
resulta imposible para matrices extensas, caso en el que se debe usar un método
numérico.

Calculo simbólico
Cálculo de los valores propios

Una herramienta importante para encontrar valores propios de matrices cuadradas es el

polinomio característico: decir que λ es un valor propio de A es equivalente a decir que el
sistema de ecuaciones lineales A v = λ v → A v - λ v = 0 (factorizando por v queda) (A -
λI) v = 0 (donde I es la matriz identidad) tiene una solución no nula v (un vector propio), y
de esta forma es equivalente al determinante:
Det(A - AI ) = 0

La función p(λ) = det(A - λI) es un polinomio de λ pues los determinantes se definen como
sumas de productos. Éste es el polinomio característico de A: los valores propios de una
matriz son los ceros de su polinomio característico.
El teorema fundamental del álgebra dice que esta ecuación tiene exactamente n raíces
(ceros), teniendo en cuenta su multiplicidad. Todos los polinomios reales de grado impar
tienen un número real como raíz, así que para n impar toda matriz real tiene al menos
valor propio real. En el caso de las matrices reales, para n par e impar, los valores
propios no reales son pares conjugados.

PROYECTO DE ALGEBRA LINEAL, PERIODO #3

22

Cálculo de los vectores propios

Una vez que se conocen los valores propios λ, los vectores propios se pueden hallar
resolviendo el sistema de ecuaciones homogéneo:

(A – AI ) v = 0

Una forma más sencilla de obtener vectores propios sin resolver un sistema de
ecuaciones lineales se basa en el teorema de Cayley-Hamilton que establece que cada
matriz cuadrada satisface su propio polinomio característico. Así, si A1 ,A2,… ,An
se cumple que

(A – A1I)

(A – A1I)

Calculo numérico
En la práctica, los valores propios de las matrices extensas no se calculan usando el
polinomio característico.

Calcular el polinomio resulta muy costoso, y extraer las raíces exactas de un polinomio de
grado alto puede ser difícil de calcular y expresar: el teorema de Abel-Ruffini implica que
las raíces de los polinomios de grado alto (5 o superior) no pueden expresarse usándose
simplemente raíces enésimas.

Existen algoritmos eficientes para aproximar raíces de polinomios, pero pequeños

errores en la estimación de los valores propios pueden dar lugar a errores grandes en los
vectores propio

PROYECTO DE ALGEBRA LINEAL, PERIODO #3

23

Propiedades
Multiplicidad algebraica

La multiplicidad algebraica de un valor propio λ de A es el orden de λ como cero del

polinomio característico de A; en otras palabras, si λ es una de las raíces del polinomio,
es el número de factores (t − λ) en el polinomio característico tras la factorización. Una
matriz n×n, con entradas complejas, tiene n valores propios, contados de acuerdo con su
multiplicidad algebraica, ya que su polinomio característico tiene grado n.
Un valor propio de multiplicidad algebraica 1 recibe el nombre de "valor propio simple".

Por ejemplo, se pueden encontrar exposiciones como la siguiente en artículos de teoría

de matrices: "los valores propios de una matriz A son 4,4,3,3,3,2,2,1,"
lo que significa que la multiplicidad algebraica de 4 es dos, la de 3 es tres, la de 2 es dos
y la de 1 es uno. Se emplea este estilo porque la multiplicidad algebraica es la clave de
muchas demostraciones matemáticas en teoría de matrices.

PROYECTO DE ALGEBRA LINEAL, PERIODO #3

24

Conclusión
Concluimos que la aplicación de conceptos matemáticos avanzados en el campo de la
Ingeniería Eléctrica proporciona herramientas poderosas para el análisis, diseño y
optimización de sistemas eléctricos complejos, el uso de métodos como Gauss-Jordán,
el estudio de espacios vectoriales, productos interiores, vectores lineales, coordenadas,
dependencia e independencia de vectores, así como valores y vectores propios,
contribuye significativamente al avance tecnológico en esta disciplina, permitiendo el
desarrollo de soluciones más eficientes y sofisticadas en el ámbito de la electricidad y la
electrónica.
El conocimiento y aplicación de los conceptos matemáticos mencionados son esenciales
para los ingenieros eléctricos en la resolución de problemas del mundo real, la
realización de ejercicios aplicados no solo afianza estos conceptos, sino que también
equipa a los profesionales con las habilidades necesarias para abordar desafíos
específicos en la Ingeniería de Electricidad, mejorando la eficiencia, la precisión y la
innovación en el diseño y análisis de sistemas eléctricos.
Se destaco la relevancia significativa de estos conceptos en diversas áreas de las
ciencias y la ingeniería, la conclusión aborda los beneficios generales y la importancia de
estos métodos matemáticos.

PROYECTO DE ALGEBRA LINEAL, PERIODO #3