Documente Academic
Documente Profesional
Documente Cultură
La asignatura del lgebra surgi del estudio de las ecuaciones. Por ejemplo, uno podra querer
encontrar todos los nmeros reales x tal que x = x2 - 1.
Esto nos dice que (x - 3) (x + 2) = 0, por lo que podemos concluir que x = 3 o x = 2 dado que x - 3
x + 2 tiene que ser cero.
La solucin es x = 3 / 4.
Y en el caso de que a y b fueran 0, cada nmero real x es una solucin. Esto seala una propiedad
general de las ecuaciones lineales.
O hay una solucin nica (es decir, exactamente una), no hay solucin o hay un nmero infinito de
soluciones.
En general, si x1, x2. . . xn son variables y a1, a2 . . . an y c son nmeros reales fijos, entonces se
dice que la ecuacin
es una ecuacin lineal. Los ai son los coeficientes, las xi las variables y c es la constante.
Mientras que en situaciones familiares, los coeficientes son nmeros reales, se convierten en otros
escenarios importantes
como la teora de cdigos, los coeficientes pueden ser elementos de algn campo general.
En un campo es posible llevar a cabo la divisin. Los nmeros reales son un campo, pero los
nmeros enteros no lo son (3/4 no es un entero).
Tomemos otro ejemplo. Imagina que ests planeando hacer un bizcocho usando 10 ingredientes, y
deseas que el bizcocho tenga 2000 caloras.
Probablemente, cada ai es no negativo, aunque en el futuro, los alimentos con caloras negativas,
podran estar disponibles.
De manera similar, sea xi el nmero de caloras por gramo del ingrediente ith. Entonces a11 +
a22 + + a1010 es el nmero total de caloras en la receta.
Como deseas que el nmero total de caloras en tu pastel sea exactamente 2000, consideras la
ecuacin a11 + a22 + + a1010 = 2000.
El total de posibles soluciones x1, x2. . . x10 para esta ecuacin es el conjunto de todas las recetas
posibles que puedas realizar.
Los siguientes ejemplos mas difciles ilustran como ecuaciones lineales pueden usarse en
problemas no lineales.
Siendo R los nmeros reales, imagina que deseamos saber sobre el conjunto de soluciones
comunes de las ecuaciones z = x2 + xy5 y z2 = x + y4.
Estas ecuaciones representan dos superficies en tres espacios reales R3, por lo cual esperamos
que el conjunto de soluciones comunes este sobre una curva.
Aqu es imposible expresar las soluciones en forma cerrada, pero podemos estudiar a estos
utilizando los mtodos lineales.
Por ejemplo, ambas superficies se encuentran en (1, 1, 1), y ambos tienen un plano tangente en (1,
1, 1).
Esto nos dar una aproximacin lineal a la curva cerca de (1, 1, 1).
Un sistema lineal general que consta de m ecuaciones con n incgnitas se ver asi:
El caso en el que todas las constantes bi son cero es llamado caso homogneo. De lo contrario, se
dice que el sistema es no homogneo.
Una ecuacin lineal es aquella que contiene variables de un slo grado. Tal ecuacin se
representa con una recta en un papel cuadriculado.
Una ecuacin lineal que contiene n variables de la forma x1-, x2, x3 xn puede escribirse
como,
Aqu b es un trmino constante y a1, a2, a3 an son los coeficientes de las variables n.
Por ejemplo, si tenemos la ecuacin,
2x1 x2 + 7x3 = 5
esta es una ecuacin lineal de tres variables. Mientras que una ecuacin
3x1x2 2x32 = 1
no es una ecuacin lineal. Esto significa que no podemos multiplicar dos variables juntas en una
ecuacin lineal.
Cada variable est separada por las operaciones bsicas de suma y resta operacin, y tienen un
trmino de coeficiente diferente
sin embargo el valor de los coeficientes de ambas variables viene ser el mismo.
Un sistema lineal, tambin llamado sistema de ecuaciones lineales es aquel que contiene varias
ecuaciones lineales de manera tal que todos juntos producen un sistema significativo que nos da
un punto de solucin definitiva.
Sin embargo, en ciertas situaciones no es posible conseguir ninguna solucin o se obtienen varios
puntos como solucin.
En varias situaciones los vectores aij, xij and bi, provienen de un nmero complejo de
conjunto C.
Un sistema homogneo de ecuaciones lineales es uno cuyo vector bi, es un vector cero donde
todas sus entradas son valores cero.
Esto significa que en ese sistema, tenemos del lado derecho de cada ecuacin un istema cero.
Puede representarse como,
Esto significa que no hay una restriccin que para ser parte de un sistema no homogneo de un
ecuacin lineal debe poseer un valor distinto a cero en su lado derecho.
Incluso si una sola ecuacin satisface la condicin, se denomina al sistema como un sistema no
homogneo de ecuaciones lineales.
Aqu tenemos A como una matriz de dos dimensiones con los trminos del coeficiente B como el
vector columna de una sola dimensin de trminos constantes y X como la matriz de dos
dimensiones de los trminos variables.
Incluso en algunos casos todas las ecuaciones pueden ser unidimensionales teniendo solamente
las mismas variables.
Esto no marca ninguna diferencia, sin embargo estos slo son los diferentes mtodos de
representacin.
Una ecuacin lineal es una ecuacin algebraica que contiene variables cuyo mximo grado posible
es uno. Tales ecuaciones se utilizan normalmente para definir lneas rectas.
Cuando tenemos numerosas ecuaciones lineales, donde sus posibles soluciones nos dan un punto
de solucin, las llamamos como conjunto, sistema de ecuaciones lineales.
x+yz=1
3x 2y + z = 3
4x + y 2z = 9
Existen tres tipos de sistemas de ecuaciones lineales posibles, los cuales dependen del punto de
interseccin de la ecuacin lineal en un determinado sistema de ecuacin. Estos son:
1. Inconsistente independiente: Si las ecuaciones del sistema dado vienen a ser las mismas rectas
que difieren en su pendiente, entonces tal sistema de ecuaciones lineales es llamado consistente y
dependiente.
Este sistema de ecuaciones lineales no proporciona una solucin dado que todas las rectas son
paralelas entre s y no pueden cumplir con los dems, incluso si se extiende hasta el infinito, por lo
que nunca se obtiene un punto de interseccin, y por tanto, no puede obtenerse ninguna solucin.
En este caso obtenemos un nmero infinito de soluciones porque todos los puntos por encima de
la recta son puntos de interseccin.
Adems de esto tambin tenemos tres categoras de posibles soluciones para un determinado
sistema de ecuaciones lineales. Estas son:
Una caracterstica nica de este tipo solucin es que se necesita disponer de tantos nmeros de
ecuaciones como variables en el sistema dado.
Al resolver el sistema de ecuaciones obtenemos una solucin nica para cada una de las tres
variables como x = 3, y = 1 y z = 2
2.Solucin Dependiente: La solucin dependiente es aquella por medio de la cual se obtienen
numerosas soluciones para una sola variable, este es el caso de las soluciones mltiples.
Un sistema de ecuaciones diferenciales son aquellas que tienen varias posibilidades para su
solucin. Estas son:
1. Solucin nica: Slo es posible obtener una solucin nica para un sistema de ecuaciones
lineales intersectado en un nico punto determinado, por lo tanto, el sistema de ecuaciones donde
tenemos todas las rectas entrecruzndose en un solo punto, se denomina como la solucin nica
del sistema de ecuaciones. Ese sistema de ecuaciones lineales es llamado sistema de ecuaciones
lineales consistente independiente. Grficamente se representa,
2. Sin solucin: Es posible que un sistema de ecuaciones lineales no tenga solucin cuando
ningunas de sus rectas se intersectan entre s ni siquiera en el infinito, ya que slo el punto de
interseccin es la solucin para el sistema de ecuaciones lineales Esto slo puede ocurrir en el
caso de las rectas paralelas, por lo tanto, para un sistema con este tipo de ecuacin tenemos
varias ecuaciones que corresponden a la misma recta y que slo difieren por la pendiente. Dicho
sistema se denomina sistema de ecuaciones lineales inconsistente independiente. Grficamente
podemos representarlo como,
3. Infinitas soluciones: Slo en la situacin que las rectas de determinado sistema se encuentren
unas con otras en un punto infinito, podemos obtener soluciones infinitas. Esto slo puede suceder
si todas las rectas son la misma recta, ya que es en este escenario que se superpondrn unas con
otras dndonos puntos infinitos de interseccin, es decir, infinitas soluciones. Este sistema es
llamado sistema de ecuaciones lineales consistente dependiente. Grficamente podemos
representarlo como,
y = 3x 2 y = -x 6
Ya sabemos que en el caso de una sola recta, todos los puntos que intersecten con esa recta son
llamados solucin de la ecuacin, sin embargo al tratar con un sistema de ecuaciones, la situacin
es diferente. En tal situacin para que un punto sea la solucin del sistema de ecuacin dado,
necesita estar sobre cada recta definida en el sistema de ecuacin dado. Por lo tanto, si nos
fijamos en el diagrama siguiente,
el punto resaltado con color rojo no puede considerarse como una solucin, ya que no se
encuentra en ninguna de las rectas definidas en el sistema de ecuaciones.
Tampoco podemos considerar el punto resaltado en color azul como la solucin, ya que se
encuentra en una sola recta y no en la otra, por lo tanto, puede considerarse como la solucin para
la recta y =-x - 6, pero no la del sistema dado.
Finalmente, el punto destacado en el color prpura es la solucin del sistema de ecuacin, ya que
est en ambas rectas definidas para el sistema dado. Tambin sta es la solucin nica del
sistema dado, porque ambas lneas no se intersectan en algn otro punto. Por tanto, llamamos a
este sistema un sistema de ecuaciones lineales consistente independiente.
Mtodos para resolver sistemas de ecuaciones lineales: Gauss, Gauss-Jordan, inverso de una
matriz y regla de Cramer
La solucin del sistema correspondiente se obtiene cuando todas las ecuaciones lineales del
sistema intersectan en un punto particular.
Existe una variedad de mtodos disponibles para encontrar la solucin exacta de un sistema de
ecuaciones lineales.
Con la ayuda del algoritmo de Gauss puede encontrarse con facilidad la matriz de rango, el
determinante de la matriz y el inverso de la matriz.
La eliminacin de Gauss se divide en dos partes bsicas: Eliminacin hacia Adelante y sustitucin
hacia atrs.
La eliminacin hacia adelante reduce el sistema de ecuaciones lineales hacia la forma triangular o
degenerando las ecuaciones correspondientes con una solucin zilch.
Para ello, el algoritmo de Gauss usa las operaciones elementales de fila. Luego, con la ayuda de
una solucin de sustitucin hacia atrs se crea el sistema correspondiente.
Otro mtodo, la eliminacin Gauss-Jordan es un mtodo que hace uso de las operaciones
elementales de fila para obtener matrices en forma de una forma escalonada reducida.
Una matriz es llamada de forma escalonada si contiene 0 en cada pivote. La eliminacin de Gauss-
Jordan ubica el 0 tanto abajo como encima del pivote.
Y por este motivo, este tipo de matrices son conocidas como de forma escalonada reducida.
En caso el que Gauss-Jordan sea empleado en una matriz de origen cuadrado, entonces se puede
utilizar para encontrar el inverso de la matriz.
El inverso de la matriz es otro mtodo simple y fcil de usar para encontrar la solucin del sistema
de ecuaciones lineales.
Paso 1: Marque las ecuaciones en forma de multiplicacin de matriz con las variables una como
matriz o y el otro como coeficiente.
Paso 3: Ahora, multiplique el coeficiente inverso de la matriz con ambos lados de la ecuacin
formada en el paso 1.
La Regla de Cramer es otro mtodo basado en una frmula sencilla para encontrar la solucin del
sistema de ecuaciones lineales.
Este mtodo se apoya en un hecho simple en el cual el valor de la variable de todos y cada uno
puede determinarse tomando en cuenta el cociente de dos determinantes.
Con el fin de entenderlo, vamos a ver un sistema de ecuaciones lineales con tres ecuaciones:
x + 3y 2z = 5 3x + 5y + 6z = 7 2x + 4y + 3z = 8
Es posible observar que el denominador est dado por los determinantes de los coeficientes de
matriz
mientras que el numerador est elaborado a partir del determinante de esa matriz, en la cual 1 de
las columnas fue intercambiada por un vector constante o en otras palabras trmino constante.
Transformaciones Lineales
Transformaciones Lineales
1). T (U1 + U2) = T (U1) + T (U2), donde U1 y U2 son vectores en U 2). T (Au) = A T (u),
donde A es cualquier cifra escalar
Puede ser definido como una funcin entre dos espacios vectoriales, la cual conserva
operaciones de multiplicacin escalar y suma.
T (x) = T (x + 0) = T (x) + T (0) Para alguna x 2 V, la cual slo puede ocurrir si T (0) = 0.
Por ejemplo, si Q es una matriz de m-by-n, en ese caso, la reglaT (Au) = A T (u)
representa la transformacin Rn Rm.
Dado una base de V, existe una transformacin lineal nica T: V W tomando cualquier
valor que deseamos en la base dada de V, y, adems, sus valores sobre la base de V
determinan unicamente la transformacin lineal.
Por otra parte, si v1. vn es una base de V y w1, . . . ,wn sonvectores arbitrarios en W,
entonces existe una transformacin lineal nica T: V W tal que T (vi) = wi para cada i.
En otras palabras, hay una transformacin lineal nica con los valores dados en una base.
Para concluir, hay dos espacios fundamentales asociados con una transformacin lineal:
su ncleo ker (T) y su imagen im (T).
1). T (v1 + v2) = T (v1) + T (v2) donde v1 y v2 son vectores en V. 2). T (xV) = x T (v)
donde x es una escala
Aqu, la transformacin lineal t es definida como T (x, y) = (y, 2x + 2y, x). En el caso que,
V y W sean de dimensin finita, la transformacin lineal est mejor representada con la
multiplicacin de matrices en lugar de estableciendo la base del espacio vectorial, tanto
para W y V. En el caso que, W y V incluyan un producto escalar y tambin los espacios
vectoriales correspondientes y que W y V sean ortonormales, ser simple representar la
matriz correspondiente como .
Mientras que w y v son de dimensin infinita, la transformacin lineal puede ser continua.
Por ejemplo, considera que un espacio polinmico de 1 variable sea v y T una derivada.
Entonces, T (xn) = nxn-1, una no continua como xn/n = 0 mientras que T (xn)/n no
converge.
Existen dos espacios fundamentales que estn asociados a una transformacin lineal: su
kernel ker(T) y su imagen im(T). El kernel y la imagen de una transformacin lineal T
corresponden con el espacio nulo y el espacio de la columna de cualquier matriz que
represente a T.
Teorema 1. Sea T: V W una transformacin lineal. Entonces para todos los vectores u, v, v1,
v2,.vn en V y todos los escalares
i. T(0) = T(0 + 0)= T(0) + T(0). As 0= T(0) T(0) = T(0) + t(0) T(0) = T(0)
iii.Esta parte se prueba por induccin (vea el apndice 1). Para n = 2 se tiene T(1v1 + 2v2) = T
(1v1) + T(2v2) = 1Tv1 + 2Tv2. As, la ecuacin (1) se cumple para n = 2. Se supone que se
cumple para n = k y se prueba para n=k + 1: T(1v1 + 2v2+ .+ kvk+k+1vk-1 ) = T(1v1 +
2v2+.+kvk) + T(k+1vk+1), y usando la ecuacin en la parte iii para n= k, esto es igual a (1Tv1
+ 2Tv2+.kTvk) + k+1Tvk+1, que es lo que se quera demostrar. Esto completa la prueba.
Observacin. Los incisos i) y ii) del teorema 1 son casos especiales del inciso iii). Un dato
importante sobre las transformaciones lineales es que estn completamente determinadas por el
efecto sobre los vectores de la base.
Teorema 2 Sea v un espacio vectorial de dimensin finita con base B= {v1,v2,.vn}. Sean
w1,w2,.wn vectores en W. Suponga que T1 y T2 son dos transformaciones lineales de V en W
tales que T1vi = T2vi = wi para i = 1, 2,,n. Entonces para cualquier vector v v, T 1v = T2v; es decir
T1 = T2.
Como B es una base para V, existe un conjunto nico de escalares 1, 2,., n. Tales que v =
1v1 + 2v2 + + n vn.
Entonces, del inciso iii) del teorema 1, T1v = T1(1 v1 + 2v2 + + nvn) = 1T2v1 + 2T2v2 + +
nTnvn= 1w1 + 2w2 ++ nTnvn
El teorema 2 indica que si T:v W y V tiene dimensin finita, entonces slo es necesario conocer el
efecto que tiene T sobre los vectores de la base en V. Esto es, si se conoce la imagen de cada
vector bsico, se puede determinar la imagen de cualquier vector en V. Esto determina T por
completo. Para ver esto, sean v1, v2,.vn una base en V y sea v otro vector en V. Entonces, igual
que en l aprueba del teorema 2, Tv = 1Tv1 + 2Tv2 ++ nTvn
Ejemplo 1 Si se conoce el efecto de una transformacin lineal sobre los vectores de la base, se
conoce el efecto sobre cualquier otro vector.
Sea T una transformacin lineal de R3 en R2 y suponga que
Solucin. Se tiene
Entonces
Surge otra pregunta; si w1,w2,.,wn son n vectores en W, existe una transformacin lineal T tal
que Tv1 = w1 para i = 1,2,,n? La respuesta es s. Como lo muestra el siguiente teorema.
Sean V y W dos espacios vectoriales y sea T:V W una transformacin lineal. Entonces
i.Un T es un subespacio de V.
ii.Im T es un subespacio de W.
Demostracion
ii. Sean w y x en Im T. Entonces w = Tu y x = Tv para dos vestores u y v en V. Esto significa que T(u +
v)= Tu + Tv = w + x y T(u) = Tu =w. Por lo tanto, w + x y w estn en Im T.