República Bolivariana De Venezuela

Ministerio Del Poder Popular Para La Educación Universitaria

Instituto Universitario de Tecnología “Antonio José de Sucre”

Extensión Mérida

Trabajo “Temas de
Algebra Lineal”

Autor: Br. Miguel Ramón Bueno Velazco

C.I: 27.170.526

Carrera :Informática (78)

Mérida, Febrero 2020

 Introducción

Para la realización del presente trabajo se ha realizado una

recopilación de distintos textos, y páginas obtenidas del internet, que
mediante la incorporación de conceptos claves de cada uno de ellos
se ha podido realizar de una manera clara el trabajo, tratando de
presentar los temas con conceptos propios, sacándolos del
entendimiento personal.

Al comenzar el trabajo se presenta una introducción a los

determinantes, luego de ello se da un concepto a lo que es el
determinante, las operaciones que se pueden realizar sobre ellos, las
distintas formas en las que podemos obtener el determinante, además
de aplicaciones que se puede tener en el uso de el determinante.
UNIDAD I
Una matriz es un arreglo bidimensional de números (llamados entradas de la
matriz) ordenados en filas (o renglones) y columnas, donde una fila es cada una
de las líneas horizontales de la matriz y una columna es cada una de las líneas
verticales. A una matriz con m filas y n columnas se le denomina «matriz m por n»
(escrito ) donde . El conjunto de las matrices de tamaño  se representa como ,
donde  es el campo al cual pertenecen las entradas. El tamaño de una matriz
siempre se da con el número de filas primero y el número de columnas después.

Se dice que dos matrices son iguales si tienen el mismo tamaño y los mismos
elementos en las mismas posiciones. A la entrada de una matriz que se encuentra
en la fila ésima y la columna ésima se le llama entrada  o entrada -ésimo de la
matriz. En estas expresiones también se consideran primero las filas y después
las columnas.

Dos matrices  son iguales si los elementos correspondientes son iguales, es

decir, .

Para definir el concepto de matriz, el término "arreglo bidimensional" es útil,

aunque poco formal, pero puede formalizarse usando el concepto de función. De
este modo, una matriz de n filas y m columnas con entradas en un campo  es una
función cuyo dominio es el conjunto de los pares ordenados , donde  y , y cuyo
contradominio es . Con esta definición, la entrada  es el valor de la función en el
par ordenado .

Se denota a las matrices con letra mayúscula, mientras que se utiliza la

correspondiente letra en minúsculas para denotar a las entradas de las mismas,
con subíndices que refieren al número de fila y columna del elemento. 4Por
ejemplo, al elemento de una matriz  de tamaño  que se encuentra en la fila ésima
y la columna ésima se le denota como , donde  y .

Cuando se va a representar explícitamente una entrada la cual está indexada con

un  o un  con dos cifras se introduce una coma entre el índice de filas y de
columnas. Así por ejemplo, la entrada que está en la primera fila y la segunda
columna de la matriz  de tamaño  se representa como  mientras que la entrada
que está en la fila número 23 y la columna 100 se representa como .

Además de utilizar letras mayúsculas para representar matrices, numerosos

autores representan a las matrices con fuentes en negrita para distinguirlas de
otros objetos matemáticos. Así  es una matriz, mientras que  es un escalar en esa
notación. Sin embargo esta notación generalmente se deja para libros y
publicaciones, donde es posible hacer esta distinción tipográfica con facilidad. En
otras notaciones se considera que el contexto es lo suficientemente claro como
para no usar negritas.

Otra notación, en sí un abuso de notación, representa a la matriz por sus entradas,

i.e.  o incluso .

Como caso particular de matriz, se definen los vectores fila y los vectores
columna. Un vector fila o vector renglón es cualquier matriz de tamaño  mientras
que un vector columna es cualquier matriz de tamaño .

A las matrices que tienen el mismo número de filas que de columnas, se les
llama matrices cuadradas y el conjunto se denota 

Tipos de matrices

Matriz fila: matriz que solo tiene una fila

Matriz columna: matriz que solo tiene una columna

Matriz nula: todos sus elementos valen cero

Matriz cuadrada: igual número de filas que de columnas

Los siguientes tipos de matrices sólo son aplicables para matrices cuadradas:

Matriz simétrica: una matriz cuadrada es simétrica cuando los elementos a

ambos lados de la diagonal principal son iguales. 

Matriz antisimétrica (o hemisimétrica): matriz cuadrada en la que los elementos a
ambos lados de la diagonal principal son opuestos (iguales pero con distinto

signo).   (los elementos de la diagonal principal deben ser cero)

Matriz diagonal: matriz cuadrada donde los elementos que no están en la

diagonal principal son cero.
Matriz escalar: matriz cuadrada donde los elementos que no están en la diagonal
principal son cero y los elementos de la diagonal principal son iguales

Matriz identidad o unidad: matriz cuadrada donde los elementos de la diagonal

principal son unos y el resto ceros. Se representa por   la matriz identidad de

orden 2,   la identidad de orden 3,   la de orden 4, etc.

Matriz triangular superior: todos los elementos por debajo de la diagonal

principal son cero.

Matriz triangular inferior: todos los elementos por encima de la diagonal principal son cero.

Operaciones con matrices

Las operaciones con matrices son la suma, la resta, la división y la multiplicación.

Antes que todo cabe mencionar qué es una matriz. Una matriz es una forma
rectangular donde se ordenan los números reales mediante coordenadas
reflejadas en los subíndices.

La dimensión de una matriz se representa como la multiplicación de la dimensión

de la fila con la dimensión de la columna. Denominamos (m) para la dimensión de
las filas y (n) para la dimensión de las columnas. Entonces, una
matriz mxntendrá mfilas y ncolumnas.  

Suma y resta

La unión de dos o más matrices solo puede hacerse si dichas matrices tienen la
misma dimensión. Cada elemento de las matrices puede sumarse con los
elementos que coincidan en posición en diferentes matrices. 

En el caso de restar dos o más matrices se sigue el mismo procedimiento que

usamos para sumar dos o más matrices. 

En otras palabras, cuando sumamos o restamos matrices nos vamos a fijar en: 

Las matrices compartan la misma dimensión. 

Sumar o restar los elementos con la misma posición en matrices distintas.  

Como hemos dicho, primero comprovamos que sean matrices de igual dimensión.
En este caso, son dos matrices 2×2. A continuación, sumamos los elementos que
tienen las mismas coordenadas. Por ejemplo, (d) y (h) comparten la misma
posición en matrices distintas. La posición, denotada como P, para (d) y (h) es
P22. 

Ejemplo práctico
Cuando restamos matrices es como en álgebra común, multiplicamos por (-1) la
matriz que tiene el signo de restar delante. En este caso es la matriz B. 

Multiplicación 

Generalmente, la multiplicación de matrices cumple la propiedad no conmutativa,

es decir, importa el orden de los elementos durante la multiplicación. Existen
casos llamados matrices conmutativas que sí cumplen la propiedad. 

Sean Ry X dos matrices no conmutativas, implica que: 

RX ≠ XR

Sean R’y X’dos matrices conmutativas, implica que: 

RX=XR

Para multiplicar dos matrices necesitamos que el número de columnas de la

primera matriz sea igual al número de filas de la segunda matriz. 

El orden de multiplicación sería tomar la primera fila de la matriz T, multiplicarla

por la primera columna de la matriz F y sumar sus elementos. 

Podemos multiplicar una matriz por un escalar z cualquiera. En este caso z=2. 

Cada elemento de la matriz queda multiplicado por el escalar z=2. 

Sistema de ecuaciones lineales

En matemáticas y álgebra lineal, un sistema de ecuaciones lineales, también

conocido como sistema lineal de ecuaciones o simplemente sistema lineal, es un
conjunto de ecuaciones lineales (es decir, un sistema de ecuaciones en donde
cada ecuación es de primer grado), definidas sobre un cuerpo o un anillo
conmutativo. Un ejemplo de sistema lineal de ecuaciones sería el siguiente:

El problema consiste en encontrar los valores desconocidos de las

variables x1, x2 y x3 que satisfacen las tres ecuaciones.

El problema de los sistemas lineales de ecuaciones es uno de los más antiguos de

la matemática y tiene una infinidad de aplicaciones, como en procesamiento digital
de señales, análisis estructural, estimación, predicción y más generalmente
en programación lineal así como en la aproximación de problemas no lineales
de análisis numérico.

METODOS DE RESOLUCION DE UN SISTEMA DE ECUACIONES LINEALES

Definimos Ecuación Lineal con dos Incógnitas a toda expresión del tipo ax + by = c

siendo a, b y c números tales que a y b son diferentes de 0 y x e y son las
incógnitas.

Toda ecuación lineal con dos incógnitas tiene un número ilimitado de soluciones.

Averigua si los valores de x e y propuestos son solución de cada una de las

siguientes ecuaciones:

        a) 5x + 2y = 17       x = 4, y = -3/2           b)  1/3x + y = 7      x = 6, y = 2

        c) x - y = 12           x = 13, y = -1            d)   4x + 12 = y      x = -2, y = 4

Halla cinco soluciones para cada una de las siguientes ecuaciones:

        a) 2x + 3y = 12       b) 4x - 3y = -24      c) -x - y = 1        d) 6x - y = 7

Busca dos soluciones de la ecuación 6x - 4y = 2 y comprueba que también son

soluciones de 3x - 2y = 1. ¿Sabrías explicar por qué coinciden?

MÉTODO DE SUSTITUCIÓN

Para resolver un sistema por el método de sustitución despejamos una de las

incógnitas de una de las ecuaciones y sustituimos esta expresión en la otra
ecuación. Veamos la siguiente escena:

(1) El Sistema debe tener

su forma habitual. Si tiene
paréntesis o
denominadores debemos
quitarlos previamente.

(2) Despejamos la incógnita

x de la primera ecuación

(3) Sustituimos el valor

despejado en el apartado
anterior en la segunda
ecuación.

(4) Multiplicamos a por el

numerador de la fracción

(5) Multiplicamos todo la

ecuación por el
denominador de la fracción

(6) Agrupamos los términos

con incógnita y, y
agrupamos los números sin
incógnita.

(7) Calculamos la incógnita

y
 (8) Sustituimos el valor de y
en la expresión de (2).

MÉTODO DE REDUCCIÓN

Para resolver un sistema por el método de reducción multiplicamos la primera

ecuación por el coeficiente d de la segunda y la segunda ecuación por el
coeficiente a de la primera ecuación cambiado de signo. Veamos la siguiente
escena:

(1) El Sistema debe tener su forma

habitual. Si tiene paréntesis o
denominadores debemos quitarlos
previamente.

(2) Multiplicamos la primera ecuación por

d y la segunda ecuación por   -a.

(3) Sumamos las dos ecuaciones y

desaparece la incógnita x.

(4) Calculamos el valor de la incógnita y.

(5) Sustituimos el valor de y en la

primera ecuación.

(6) Despejamos la incógnita x.

MÉTODO GRÁFICO

Se trata en el método gráfico de dibujar las rectas que son la representación

gráfica de las dos ecuaciones lineales. De esta manera, las coordenadas del punto
de intersección de dichas rectas, son las soluciones ( x e y ) del sistema. Veamos
la siguiente escena:

   (1) En primer lugar, al igual que en los

métodos anteriores, debemos expresar las
 dos ecuaciones del sistema en su forma
habitual, es decir, debemos eliminar los
posibles paréntesis y denominadores que
aparezcan.

 (2) A continuación, dibujaremos las rectas

que son la representación gráfica de las dos
ecuaciones lineales

(3) Ya solamente queda obtener las

coordenadas del punto de intersección de
las dos rectas. La primera coordenada es la
incógnita x y la segunda la incógnita y. 

Eliminación de Gauss-Jordan

En matemáticas, la eliminación de Gauss Jordan, llamada así en honor de Carl

Friedrich Gauss y Wilhelm Jordan es un algoritmo del álgebra lineal que se usa
para determinar las soluciones de un sistema de ecuaciones lineales, para
encontrar matrices e inversas. Un sistema de ecuaciones se resuelve por el
método de Gauss cuando se obtienen sus soluciones mediante la reducción del
sistema dado a otro equivalente en el que cada ecuación tiene una incógnita
menos que la anterior. El método de Gauss transforma la matriz de coeficientes en
una matriz triangular superior. El método de Gauss-Jordan continúa el proceso de
transformación hasta obtener una matriz diagonal .

Antecedentes

El método de eliminación de Gauss-Jordan aparece en el capítulo ocho del

importante texto matemático chino Jiuzhang suanshu o Los nueve capítulos sobre
el arte matemático. Su uso se ilustra en dieciocho problemas, de dos a cinco
ecuaciones cada uno. La primera referencia al libro por este título data del 179
DC, pero algunas de sus partes fueron escritas tan pronto como alrededor del 150
a. C.12, en este año fue señalado por Liu Hui en el III siglo .

Análisis de su complejidad

La complejidad computacional de la eliminación gaussiana es de

aproximadamente n3. Esto es, el número de operaciones requeridas es del orden
de n3 si el tamaño de la matriz es n × n.

Algoritmo de eliminación de Gauss-Jordan

Ir a la primera columna no cero de izquierda a derecha.

Si la primera fila tiene un cero en esta columna, intercambiarlo con otra que no lo
tenga.

Luego, obtener ceros debajo de este elemento delantero, sumando múltiplos

adecuados del renglón superior a los renglones debajo de él.

Cubrir el renglón superior y repetir el proceso anterior con la submatriz restante.

Repetir con el resto de los renglones (en este punto la matriz se encuentra en
forma escalonada).

Comenzando con el último renglón no cero, avanzar hacia arriba: para cada
renglón obtener 1 delantero e introducir ceros arriba de éste sumando múltiplos
correspondientes a los renglones correspondientes.

Una variante interesante de la eliminación de Gauss es la que llamamos

eliminación de Gauss-Jordan, (debido al mencionado Gauss y a Wilhelm Jordan),
esta consiste en ir obteniendo los 1 delanteros durante los pasos uno al cuatro
(llamados paso directo) así para cuando estos finalicen ya se obtendrá la matriz en
forma escalonada reducida.

UNIDAD II
CUERPO ALGEBRAICO.
Dícese de la estructura algebraica forma <a, op1, op2>, donde a es un conjunto de
elementos, op1 y op2 son operaciones binarias de la forma que satisfacen una
serie de axiomas que definen las características del cuerpo.

Según el cardinal del conjunto a, los cuerpos pueden ser cuerpos finitos si a lo es;
o cuerpos infinitos si a contiene infinitos elementos.

Se define cuerpo a una estructura algebraica de la forma <a, op1, op2>, donde a es

un conjunto de elementos, op1 y op2 son funciones binarias de la forma   
que satisfacen todas las propiedades siguientes:

 Ley de la clausura o cierre para op1: op1 es cerrada sobre a. Es decir, x

op1 y = z donde x, y y z son elementos de a.
 Ley conmutativa o abeliana para op1: op1 satisface x op1 y = y
op1 x donde x e y son elementos de a.
 Ley asociativa para op1: op1 cumple que (x op1 y) op1 z = x op1 (y
op1 z) donde x, y y z son elementos de a.
 Existencia del neutro para op1. Existe un elemento e en a tal que para
cualquier x también de a, se cumple a op1 e = e op1 a = a.
 Existencia del opuesto para op1. Existe un elemento x* en a tal que para
cualquier x también de a, se cumple x op1 x* = x* op1 x = e.
 Ley de la clausura o cierre para op2: op2 es cerrada sobre a. Es decir, x
op2 y = z donde x, y y z son elementos de a.
 Ley conmutativa o abeliana para op2: op2 satisface x op2 y = y
op2 x donde x e y son elementos de a.
 Ley asociativa para op2: op2 cumple que (x op2 y) op2 z = x op2 (y
op2 z) donde x, y y z son elementos de a.
 Existencia de la unidad para op2. Existe un elemento u en a tal que para
cualquier x también de a, se cumple a op2 e = e op2 a = a.
 Existencia del inverso para op2. Existe un elemento x-1 en a tal que para
cualquier x también de a, se cumple x op2 x-1 = x-1 op2 x = e.
 Ley distributiva: x op2(y op1 z) = (x op2 y) op1 (x op2 z),
donde x, y y z pertenecen a a.

Cuerpos numéricos.

Entre los conjuntos numéricos se reconocen como cuerpos a:

Los números racionales: definiendo a x=a/b donde a, b son números enteros

y b es distinto de 0. Se hace a op1 como la suma, e es 0, x* sería el opuesto -
x de x; op2 sería la multiplicación, u es 1, x-1 sería el inverso 1/x = b/a, ssi a!
=0 de x=a/b.
Los números reales: sea x un número real cualquiera, se toma a op1 como la
suma, e es 0, x* sería el opuesto -x de x; op2 sería la multiplicación, u es 1, x-
1
 sería el inverso 1/x de x=a/b.

Los números complejos: tómese x como un complejo cualquiera con la

representación algebraica a+bi con a y b reales. Se toma a op1 como la
suma, e es 0, x* sería el opuesto -x de x; op2 sería la multiplicación, u es 1, x-

1
 sería el inverso   de x.

ESTABLECIMIENTO DEL CONCEPTO DE GRUPO

La formulación axiomática del concepto de grupo permite la separación desde lo

concreto hacia lo abstracto, favoreciendo trabajar de una manera flexible y
dinámica entre diferentes objetos matemáticos, para permitir un tratamiento
general de todos ellos, gracias a que poseen un sustrato estructural inherente y
común. De este modo, un teorema válido para un objeto concreto puede ser
verificado para otro de la misma categoría, elevándose a una teoremática
abstracta que a todos ellos afecta.

Existen millones de grupos y su estudio pormenorizado sin un cuerpo axiomático,

aun con la ayuda informática, se haría del todo inviable y poco práctico, por ello, el
álgebra abstracta tiene este importante papel que se traslada a las matemáticas
aplicadas y a las ciencias que lo requieran, para su fundamentación teórica y
posterior utilización práctica.

La aparición de los grupos en diversas áreas del conocimiento (tanto dentro como
fuera de las matemáticas) los convierte en un principio central en torno al cual se
perfilan y se establecen las matemáticas contemporáneas, con aplicación
inmediata en otras áreas científicas.23

Las condiciones necesarias y suficientes para que el par sea un grupo son:

 Es una monodia o semigrupo con elemento neutro

Verifica la existencia de elemento simétrico para cada uno de sus elementos.

A veces, para simplificar el discurso se dice «G es un grupo» cuando deseamos

indicar que « (G,) es un grupo».1

Para que (G,) pueda satisfacer la existencia de una estructura de monoide o de

semigrupo con elemento neutro, debe satisfacer las siguientes propiedades:
(G,) se define con una estructura basal de magma.4 Queda así establecido al
definir al operador «» como interno lo que permite operar entre sí a los elementos
del conjunto, obteniendo como resultado otro elemento de ese mismo conjunto, a
este concepto también se le denomina clausura lineal.

(G,) verifica la propiedad asociativa.

(G,) posee un elemento de identidad o elemento neutro e.

(G,) es un grupo si además, verifica la existencia de elemento simétrico para cada

uno de sus elementos.

(G,) es grupo abeliano si además, cumple la propiedad conmutativa.

ESPACIO VECTORIAL.

Cualquier conjunto que posea unas operaciones suma y producto por escalares,
cumpliendo todas las propiedades anteriores, diremos que es un espacio vectorial.
Los elementos de tal conjunto se llamarán vectores (aunque pueda tratarse de
objetos diferentes a los vectores de la física.)

Diremos que el espacio vectorial es real o complejo, según sean los escalares.

Otras propiedades de los espacios vectoriales pueden deducirse de las anteriores

propiedades básicas. Por ejemplo: si α v = 0 (escalar, v vector) entonces o bien es
=0 o bien es v =. K α α 0

Ejemplo de espacios vectoriales.

El espacio, formado por los vectores de n componentes (x1,. . .,xn) es un espacio

vectorial real, en el que se pueden sumar vectores y multiplicar por un escalar
(real) de la forma habitual.

n ℜ Se puede comprobar que se cumplen las propiedades requeridas para ambas

operaciones. El vector cero es (0,. . ., 0).

No es un espacio vectorial complejo, pues no podemos multiplicar por escalares

complejos (si lo hacemos, el resultado no se mantendrá dentro de).

BASE.

Se llama base de un espacio (o subespacio) vectorial a un sistema generador de

dicho espacio o subespacio, que sea a la vez linealmente independiente.

Propiedades de las bases.

 1. Una base de S es un sistema generador minimal de S (lo más pequeño
posible).

2. Además es un conjunto independiente maximal dentro de S (lo más grande

posible).

3. Una base de S permite expresar todos los vectores de S como combinación

lineal de ella, de manera única para cada vector.

Ejemplos de bases.

1. La base canónica (o base natural, o base estándar) de ℜ n: e1 = (1,0,. . . ,0) e2

= (0,1,. . . ,0) ........ en = (0,0,. . . ,1)

- Son linealmente independientes porque forman un determinante no nulo.

-Son sistema generador de ℜ n porque todo vector (a1,a2,. . . ,an)∈ ℜ n se puede

expresar como combinación lineal de ellos: (a1,a2,. . . ,an)= a1(1,0,. . . ,0)+
a2(0,1,. . . ,0)+ . . . + an(0,0,. . . ,1)

DIMENSIÓN

Todas las bases de un mismo espacio o subespacio tienen el mismo número de

vectores. Se llama dimensión de dicho espacio o subespacio.

Propiedades de la dimensión.

Significado físico de la dimensión: el espacio tiene dimensión 3, los planos

dimensión 2, las rectas dimensión 1, el punto dimensión 0. El subespacio {0} es el
único de dimensión 0.

La dimensión de un subespacio en ℜn , coincide con el número de parámetros

libres en su forma paramétrica. (1 parámetro=recta, 2 parámetros= plano...)

Si S y T son subespacios y S está contenido en T, entonces dim S ≤ dim T.

Además, si se da la igualdad, dim S = dim T, entonces ambos espacios han de
coincidir.

El rango de una familia de vectores, es igual a la dimensión del subespacio que

generan. Es decir: si v1,v2,. . . Vn generan un cierto subespacio S, y si el rango de
dicho conjunto es r, entonces dim S = r. (Si un cierto conjunto de vectores tienen
rango 2, entonces generan un plano; etc.)

Ejemplos de dimensión.

ℜn tiene dimensión n, pues tiene una base de n elementos (p.ej. La canónica).

2. M2x2= {matrices 2x2 con términos reales} tiene dimensión 4. Una base de
M2x2 es:

        00 01 , , ,         00 10         01
00         10 00

P2= {polinomios de grado≤ 2 con coeficientes reales} tiene dimensión 3. Una base
de P2 es, por ejemplo, la formada por los tres polinomios siguientes: 1+0x+0x2 ,
0+x+0x2 , 0+0x+x2 (es decir, los polinomios

1, x, x2 ).

Otra base: 1+2x+3x2 , 4+x2 , 3–x–5x2 .

COMBINACIÓN LINEAL

Una combinación lineal de dos o más vectores es el vector que se obtiene al sumar esos vectores

Multiplicados por escalares.

Cualquier vector se puede poner como combinación lineal de otros que tengan distinta dirección.

Esta combinación lineal es única.

Sean v1,v2,…,vn vectores en un espacio vectorial V. Entonces cualquier vector de la forma:

Α1v1+α2v2+…+αnvn

Donde α1v1+α2v2+…+αnvn son escalares se denomina combinación lineal de v1,v2,…,vn. 

Todo vector V = (a, b, c) en R3 se puede expresar como

i = (1,0,0); 
j = (0,1,0);
k =(0,0,1)

V = (a, b, c) = a(i) + b(j) + c(k)

Entonces se dice que V es una combinación lineal de los 3 vectores i,j,k

VECTORES LINEALMENTE DEPENDIENTES

Un conjunto de vectores se dice que son linealmente dependientes si hay una
combinación lineal de ellos que es igual al vector cero, sin que sean cero todos los
coeficientes de la combinación lineal. Es decir,

Y   para algún valor de 

Propiedades

1 Si varios vectores son linealmente dependientes, entonces al menos uno de

ellos se puede expresar como combinación lineal de los demás.

Si   entonces 

También se cumple el recíproco: si un vector es combinación lineal de otros,

entonces todos los vectores son linealmente dependientes.

2 Dos vectores del plano son linealmente dependientes si, y sólo si, son paralelos.
3 Dos vectores del plano   y   son linealmente
dependientes si sus componentes son proporcionales.

VECTORES LINEALMENTE INDEPENDIENTES

Un conjunto de vectores se dice linealmente independiente si ninguno de ellos

puede ser escrito con una combinación lineal de los restantes. Por lo que la
siguiente expresión

Será cierta sólo cuando todos los coeficientes sean iguales a cero.
Los vectores linealmente independientes en el plano tienen distinta dirección y
sus componentes no son proporcionales.

Ejemplo:

Determinar si son linealmente dependientes o independientes los vectores.

Como sus componentes no son proporcionales entonces, son linealmente

independientes.

UNIDAD III

DEFINICIÓN DE ECUACIÓN LINEAL

El concepto que nos ocupará a continuación está
vinculado al ámbito de las matemáticas, en tanto,
para esta ciencia, una ecuación es
aquella igualdad en la cual aparece como
mínimo una incógnita, dado que pueden ser más,
que deberá ser revelada para arribar a
su resolución.

Ahora bien, la ecuación dispone de elementos

como ser: los miembros, que son cada una de
las expresiones algebraicas, o sea
los valores conocidos, y por otra parte
las incógnitas, que son justamente aquellos valores a descubrir. A través de
diferentes operaciones matemáticas podremos conocer los datos desconocidos.

Los valores conocidos que se enuncian en una ecuación pueden consistir

en números, variables, constantes o coeficientes, mientras que los valores
desconocidos o incógnitas serán simbolizados a partir de letras que hacen las
veces del valor que más tarde se conocerá.

Con un ejemplo lo veremos más claro: 10 + x = 20. En esta ecuación simple los
números 10 y 20 son los valores que conocemos y la x el que desconocemos y
tenemos que averiguar. La resolución sería de esta manera: x = 20 – 10, entonces
x = 10. La incógnita de la ecuación será 10.

Existen diversos tipos de ecuaciones, en las ecuaciones algebraicas se ubica el

tipo de nos ocupa, que es el de Ecuación de Primer Grado o Ecuación Lineal. Se
trata de un tipo de ecuación que solamente involucrará sumas y restas de una
variable a la primera potencia.

Una de las formas más sencillas de este tipo de ecuación es: y = mx + n (en el
sistema cartesiano se representan con rectas), entonces m será la pendiente y n
el punto en el cual la recta corta al eje y… 4 x + 3 y = 7.

RANGO DE UNA MATRIZ

Fil(a)fil(a) y col(a)col(a) son en general subespacios de diferentes espacios

vectoriales. Pero se puede demostrar que en cualquier matriz la dimensión del
espacio fila coincide con la dimensión del espacio columna, y a ese número se lo
llama rango de la matriz aa.
Propiedad

Como consecuencia de esta definición puede afirmarse que:

Rg(a)=rg(at)rg(a)=rg(at)

Método para hallar el rango de una matriz

Recordemos que:

1. Si se realizan operaciones elementales entre las filas de una matriz, el rango se

conserva.

2. Las filas no nulas de una matriz escalonada son li.

Por lo tanto, para determinar el rango de una matriz se aplican operaciones

elementales para obtener una matriz escalonada y se cuentan las filas no nulas.

Ejemplo 1

Una matriz escalonada por filas es:

Para determinar el rango contamos el número de filas no nulas (número de

pivotes):

Rg(m)=2

SISTEMAS EQUIVALENTES

Se dice que un sistema es equivalente a otro cuando tienen la misma solución.

El método de Gauss, por ejemplo, utiliza la idea de sistema equivalente para

resolver el sistema dado. Para ello utiliza ciertas reglas de transformación de
sistemas:
 1) Si a ambos miembros de una ecuación de un sistema se les suma (o resta)
una misma expresión, el sistema resultante es equivalente.
2) Si se multiplican (o se dividen) ambos miembros de un sistema por un
número diferente de cero el sistema resultante es equivalente. Por
ejemplo 3x+2y−z=2 equivale a 15x+10y−5z=10.
3) Si se suma (o se resta) auna ecuación del sistema otra ecuación del
sistema el resultante es equivalente.

Estos dos sistemas son equivalentes.

4) Si en un sistema se sustituye una ecuación por otra que resulte de hacer

una combinación lineal de las otras ecuaciones del sistema, el sistema
resultante es equivalente al dado.

En este caso a la fila1 se la resta una combinación lineal de las otras filas. El
sistema resultante es equivalente.

5) Si en un sistema se cambia el orden de las ecuaciones o de las incógnitas

el sistema resultante es equivalente.

Se han cambiado la fila1 y fila2 de sitio, pero el sistema resultante es equivalente

al primero.

Dicho de otra forma, si se nos da un sistema de ecuaciones cualquiera uno puede

utilizar las 5 reglas precedentes para modificarlo y construir otro sistema con la
misma solución.

REGLA DE CRAMER

La regla de Cramer da una solución para sistemas compatibles determinados en

términos de determinantes y adjuntos dada por:
Donde Aj es la matriz resultante de remplazar la j-ésima columna de A por el
vector columna b. Para un sistema de dos ecuaciones y dos incógnitas:

La regla de Cramer da la siguiente solución:

Nota: Cuando en la determinante original det(A) el resultado es 0, el sistema indica

múltiples o sin coincidencia.
CONDICIONES DE COMPATIBILIDAD

Los sistemas de ecuaciones compatibles  son los que tienen solución.

Hay dos tipos de sistemas de ecuaciones compatibles:

SISTEMA COMPATIBLE DETERMINADO

Un sistema compatible determinado  tiene una sola solución.

 x = 2, y = 3

Gráficamente la solución es el punto de corte de las dos rectas.

SISTEMA COMPATIBLE INDETERMINADO

Un sistema compatible indeterminado  tiene infinitas soluciones.

Gráficamente obtenemos dos rectas coincidentes. Cualquier punto de la recta es

solución.
SISTEMAS DE ECUACIONES LINEALES HOMOGENEAS

Objetivos.

Estudiar sistemas de ecuaciones lineales homogéneas (son aquellas ecuaciones

lineales que tienen constantes iguales a cero). Mostrar que la solución general de
estos sistemas se puede escribir como una combinación lineal de n − r vectores,
donde n es el número de las incógnitas y r es el número de los renglones no nulos
en la forma escalonada.

Requisitos. Eliminación de Gauss-Jordán, matrices escalonadas reducidas, o

pseudoescalonadas reducidas, construcción de la solución general de un sistema
de ecuaciones lineales.

Aplicaciones. Núcleo de una transformación lineal. 1. Definición (sistema de

ecuaciones lineales homogéneas). Un sistema de ecuaciones lineales
homogéneas es un sistema de la forma Ax = 0, esto es, con columna de
constantes nula.

2. Observación.

Todo sistema de ecuaciones lineales homogéneas es compatible, porque el vector

cero es una de sus soluciones, llamada solución trivial. Para un sistema de
ecuaciones lineales hay dos casos posibles:

(a) puede ser compatible determinado, esto es, tener solamente una solución (la
trivial);

(b) puede ser compatible indeterminado, esto es, tener por lo menos una solución
no trivial.
En cada ejemplo hay que determinar cuál situación tiene caso y describir el
conjunto de todas las soluciones.

TRANSFORMACIONES LINEALES.

Una transformación lineal es una función que tiene como dominio un espacio
vectorial, y como contradominio también un espacio vectorial, y que además
conserva las propiedades de linealidad de dichos espacios.

Definición.

Sean  V  y  W  espacios vectoriales.   Una transformación lineal T de V  en  W es

una función que a cada vector    le asocia un único vector  , y que
satisface que

i)           y

ii)     

El espacio vectorial  V  es el dominio de la función T, y el conjunto de

vectores   es el contradominio.

Teorema fundamental de las transformaciones lineales

Este teorema, conocido también como «Teorema de existencia y unicidad de una

transformación lineal», dice lo siguiente:
Núcleo e imagen de una transformación lineal

Objetivos. Definir el núcleo y la imagen de una transformación lineal, probar que

son subespacios (del dominio y del contra dominio respectivamente), ver la
relación con las propiedades inyectiva y suprayectiva, conocer algunos ejemplos.
Luego en otras clases vamos a estudiar, cómo construir bases en el núcleo y en la
imagen, y cómo están relacionadas sus dimensiones.

Requisitos. Transformación lineal, imagen de un conjunto bajo una aplicación, pre

imagen de un conjunto bajo una aplicación, funciones inyectivas, funciones
suprayectivas.

1. Definición (la imagen de una transformación lineal). Sean V, W espacios

vectoriales sobre un campo F y sea T ∈ L(V, W). La imagen de T se define como
el conjunto de todos los valores de la aplicación T: im(T) := w ∈ W : ∃v ∈ V tal que
w = T(v) .

2. Definición (el núcleo de una transformación lineal). Sean V, W espacios

vectoriales sobre un campo F y sea T ∈ L(V, W). El núcleo (kernel, espacio nulo)
de T se define como la pre imagen completa del vector nulo: ker(T) := x ∈ V : T(x)
= 0W .

3. Proposición (el núcleo de una transformación lineal es un subespacio vectorial

del dominio). Sean V, W espacios vectoriales sobre un campo F y sea T ∈ L(V, W).
Entonces ker(T) es un subespacio de V .

4. Proposición (la imagen de una transformación lineal es un subespacio vectorial

del condominio). Sean V, W espacios vectoriales sobre un campo F y sea T ∈ L(V,
W). Entonces im(T) es un subespacio de W.

Parte de demostración. Se aplica el criterio de subespacio. Se demuestra que el

conjunto im(T) es cerrado bajo la adición y bajo la multiplicación por escalares,
además contiene al vector cero. Mostremos que el conjunto im(T) es cerrado bajo
la adición. Sean w1, w2 ∈ im(T). Por la definición de la imagen, existen v1, v2 ∈ V
tales que w1 = T(v1), w2 = T(v2). Por la linealidad de T,

T(v1 + v2) = T(v1) + T(v2) = w1 + w2.

Logramos encontrar un vector x = v1 + v2 tal que T(x) = w1 + w2. Por la definición

de la imagen, esto implica que w1 + w2 ∈ im(T).

Espacio dual

Una de las situaciones en donde se aplica la teoría de espacios vectoriales es

cuando se trabaja con espacios de funciones, como vimos al final del capítulo
anterior. En este capítulo estudiaremos algunas nociones básicas de ciertos
espacios que de alguna forma le dan una estructura a las ecuaciones lineales.

CAMBIO DE BASE

https://www.ugr.es/~lmerino/2-2.html
 CONCLUSIONES

El trabajo con los contenidos de la asignatura Álgebra Lineal por parte

del profesor tiene altísimas posibilidades para que el alumno adquiera
formas de pensar que aunque propias de la Matemática (Álgebra)
puede usar en la vida privada y profesional; dado que ante un
problema práctico vinculado con su especialidad y donde su solución
sea usando los conocimientos del Álgebra Lineal le exige desarrollar
sus capacidades mentales generales, es decir, adquiere un método de
razonamiento que puede traspolar a otras situaciones futuras en la
vida.

Con esta manera de trabajar en la asignatura, al alumno se le coloca

en situaciones que tiene que usar formas de trabajo ya conocidas de
la matemática (Álgebra), lo que induce en la necesidad de buscar
relaciones para arribar a conocimientos nuevos y sea él mismo el
"descubridor del conocimiento buscado".

La contribución de la asignatura Álgebra Lineal al desarrollo del

alumno no radica esencialmente en sus contenidos, sino en las
posibilidades que estos brindan para el desarrollo de sus actividades
mentales.

Los profesores no tienen que demostrar solamente que tienen un

buen dominio de los conocimientos de la asignatura, sino que saben
extraerle a estos las potencialidades para trabajar y desarrollar en el
alumno métodos de razonamientos válidos para la vida y ahí esta el
aporte de esta asignatura a la FORMACION PARA LA VIDA DEL
ALUMNO.