SEP oe. aa Pt : Ce MATEMATICAS TERCER SEMESTRE THCRETARTA DE [EDUCACION POMLICA ASIGNATURA: ALGEBRA LINEAL I UNIDAD 3. METODOS DE SOLUCION Y SU RELACION ENTRE ELLOS CLAVE 05142517/06142517 MEXICO D.F. DICIEMBRE 2015 UNIVERSIDAD ABIERTA Y A DISTANCIA DE MEXICO BhocesINDICE UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE ELLOS.. Presentacién de la unidad ... COMPETENCIAS ESPECIFICAS ww. PROPOSITO.. 3.1. EIEMPLOS DE SUBESPACIOS VECTORIALES.. 3.1.1. EJEMPLO: SUBCONJUNTOS QUE NO SATISFACEN LAS CONDICIONES DE CERRADURA. si = el 3.1.2. EL SUBESPACIO DE SOLUCIONES DE UN SISTEMA DE ECUACIONES HOMOGENEAS. 6 3.1.3. EL SUBESPACIO L(V, W) DE TRANSFORMACIONES LINEALES DE F(V, W)..7 3.1.4. EL ESPACIO NULO DE UNA TRANSFORMACION LINEAL. 3.1.5. LA IMAGEN DE UNA TRANSFORMACION LINEAL, 3.1.6. EL SUBESPACIO GENERADO POR COMBINACIONES LINEALES DE CONJUNTO DE VECTORES.. 3.1.7. EL ESPACIO RENGLON O COLUMNA DE UNA MATRIZ. 3.1.8. DEFINICION DE SUBESPACIO VECTORIAL... 3.2. EIEMPLOS DE DEPENDENCIA E INDEPENDENCIA LINEAL Y BASES ...c0-LO 3.2.1. DEFINICION DE INDEPENDENCIA Y DEPENDENCIA LINEAL... 3.3. RESULT VECTORIAL... DOS (TEOREMAS), BASES Y DIMENSION DE UN ESPACIO 3.3.1. DEFINICION DE BASE DE UN ESPACIO VECTORIAL. 3.3.2. DEFINICION DE DIMENSION»DE UN ESPACIO VECTORIAL... er | 3.3.3. COORDENADAS DE UN VECTOR. EL METODO DE SOLUCION POR ELIMINACION DE GAUSS....0cecueeecnes 22 EJEMPLO 1 — HAY EXACTAMENTE UNA SOLUCION.sseoinsyco Ns SlewvnfadUNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS EJEMPLO 3 ~ HAY INFINIDAD DE SOLUCIONES. «1.00 DEFINICION DE OPERACIONES ELEMENTALES SOBRE SISTEMAS DE ECUACIONES. ELIMINACION DE GAUSS... HAY MAS VARIABLES QUE ECUACIONES.. EL NUMERO DE VARIABLES ES IGUAL AL NUMERO DE ECUACIONES. HAY MENOS VARIABLES QUE ECUACIONES.. FUENTES DE CONSULTA... UNADM | DCEIT | MAT [MALIL 2UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE ELLOS Presentacién de la unidad En esta unidad se ven una diversidad de ejemplos de subespacios vectoriales para poder motivar la definicién abstracta de estos. ax+ytoz=d rey + mersytqr=d dependencia e independencia lineal con los Estudiamos la relacién entre los conceptos de conceptos de base, dimensién de un espacio y coordenadas de los vectores del espacio con ejemplos y en forma abstracta. También se estudia en detalle, usando el método de eliminacién de Gauss, cémo resolver en forma sistematica sistemas de ecuaciones lineales y ver cuando tienen solucién, una o una infinidad y cuando no tienen soluci6n. COMPETENCIAS ESPECIFICAS Vas a poder identificar cuando un subconjunto de un espacio vectorial es un subespacio i.e., a la vez, un espacio vectorial con las operaciones definidas en el espacio. También vas a desarrollar una comprensién de la relacién entre los conceptos de dependencia e independencia lineal con los conceptos de base, dimensién de un espacio y coordenadas de los vectores del espacio. Aprenders también como se puede resolver en forma sistematica sistemas de ecuaciones lineales, cuando tienen solucién, una 0 una infinidad, y cuando no tienen solucién Ademés, vas a desarrollar tu capacidad de abstraccién y obtener una comprensién mas profunda viendo como los ejemplos concretos de subespacios, dependencia e UNADM | DCEIT | MAT [MALIL 3UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS independencia lineal, base y dimensién y soluciones de sistemas de ecuaciones motivan la definicion abstracta de estos. PROPOSITO En esta unidad pretendemos que empieces a obtener una vision mas global entre los conceptos fundamentales del Algebra lineal que te permita ver la relacién estrecha que existe entre estos y de esta forma trabajes en desarrollar la madurez matematica necesaria para el estudio de cursos mas avanzados. Para lograr esto, se trabajan con ejemplos y demostraciones de resultados que puedes practicar con las actividades integrales de la unidad. ACTIVIDAD 1. CONCEPTOS FUNDAMENTALES. Participa en el foro argumentando tus respuestas con respecto a las preguntas que se te plantean. EJEMPLOS DE SUBESPACIOS VECTORIALES EI concepto de subespacio vectorial nos permite ademés de construir ejemplos adicionales de espacios vectoriales, ver aspectos de la estructura de un espacio vectorial que nos va a ayudar a elucidar el estudio de soluciones de sistemas de ecuaciones lineales. Primero vamos a ver unos ejemplos. Una observacién practica e importante es la siguiente. Todo subconjunto de un espacio vectorial automaticamente satisface las propiedades que definen a un espacio vectorial, salvo la propiedad de cerradura. La propiedad de cerradura pide que la suma de dos elementos del conjunto o el producto escalar de un numero real 'UNADM | DCEIT | MAT |MALI1 4UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS por un elemento del conjunto, estén en el conjunto. Esta propiedad se satisface automaticamente en el espacio vectorial por definicién de suma y producto escalar al decir que la suma x + y de dos elementos del espacio es otro elemento del espacio y que el producto de un nimero real y un elemento del espacio es otro elemento del espacio. 3.1.1, EJEMPLO: SUBCONJUNTOS QUE NO SATISFACEN LAS CONDICIONES DE CERRADURA Los ejemplos que vamos a considerar son ejemplos de subconjuntos que cumplen con las propiedades de cerradura de suma y multiplicacién escalar. Las propiedades de cerradura son algo especial que no se cumple automaticamente. Esto va a motivar la definicién de subespacio vectorial que daremos a continuacién de los ejemplos. En general, para un subconjunto arbitrario, la suma de dos elementos del subconjunto o el producto escalar de un nimero real por un elemento del subconjunto no necesariamente estan en el subconjunto. Un ejemplo sencillo de esta situacién es el subconjunto {x} que consiste solo del vector x * 0. Los elementos x + x y 2-x son distintos de x pero no son parte del subconjunto {x} porque si x +x =x, entonces: X=O+X=(K+xX) FE K= K+ (KEK) =-K+X=0, ie, x= 0, contrario a que escogimos x + 0. Como 2:x=(1+1)-x=1+x +1-x=x +x, 2+x#x por lo anterior. UNADM | DCEIT | MAT [MALIL 5UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS 3.1.2. EL SUBESPACIO DE SOLUCIONES DE UN SISTEMA DE ECUACIONES HOMOGENEAS Consideremos un sistema de m ecuaciones lineales con n incdgnitas donde los coeficientes independientes no son todos cero. El sistema se llama sistema de ecuaciones lineales no-homogéneo. Cuando los coeficientes independientes son todos 0 estos sistemas se llaman sistemas de ecuaciones lineales homogéneos y juegan un papel importante en determinar el ntimero de soluciones que existen en un sistema lineal general de m ecuaciones lineales con n incégnitas, donde los coeficientes independientes son arbitrarios. ann X1 tai Xe. ain Xn =O a Xy + Ap Kot. ay Xq= 0 Bent K+ me Xe oo Brn Xi Es claro que x: = x2 = X= 0 es una solucién de este sistema que puede ser la Unica o puede haber otras soluciones. Ahora consideremos el subconjunto N de R’, que consiste de todos los n-tuplos (x:, X2, Xa) donde fas Componentes son una solucién del sistema. El subconjunto N no nes claramente es vacio puesto que 0 = (0, 0, ..., 0) esta en N, ie, x0, i= 1 una solucién del sistema. Las propiedades que satisfacen todos los elementos de R’, permiten demostrar facilmente que N satisface las propiedades de cerradura, ie., si % y estan en N yr es un numero real, entonces, x + y, r-x estan en N. llustramos estas demostraciones sencillas en el caso de rx y dejamos a la de x + y como ejercicio enla Actividad 2. Queremos demostrar que aia(rx:) + aea(%2) + .. + akn(TXe) = O, para k= 1, 2... m. UNADM | DCEIT | MAT [MALIL 6UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS Tenemos, por las propiedades de los ntimeros reales que au(r-%:) = faux), 1= 1, 2, oR. Asi que r(aux:) + raya) +. +rC@udKe) = F@iax: + aka? + .. Fale = FO = 0. Por lo tanto N, con la suma y multiplicacién escalar, es un espacio vectorial, lamado el espacio nulo del sistemas de ecuaciones homogéneas. 3.1.3. EL SUBESPACIO L(V, W) DE TRANSFORMACIONES LINEALES DE F(V, W) El subconjunto del espacio vectorial F(V, W) que consiste de todas las transformaciones lineales T: V ~ W es un subespacio. Como se mencioné anteriormente, basta mostrar las propiedades de cerradura, i.e., que la suma de dos transformaciones lineales es una transformacién lineal y que el producto escalar de un real por una transformacién lineal es una transformacién lineal. La demostracién es una consecuencia directa de las definiciones y propiedades de espacios vectoriales y transformaciones lineales. En la Actividad 2 se pide que el estudiante justifique cada paso con la propiedad usada SiS: VW y T: VW son dos transformaciones lineales, entonces S + T: VW es una transformacion lineal: (S + Tax + by) = Slax + by) + Tlarx + by) =a-S(x) + b-Sy) ta: TOO +b Tly) =a-S(x) + a°TOO + b-Sly) +b: TY) =a: (S(x) + T(x) + b- (SX) + TO) =a-(S + TO) +b (S + THX) UNADM | DCEIT | MAT [MALIL 7UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS 3.1.4. EL ESPACIO NULO DE UNA TRANSFORMACION LINEAL Dada una transformacién lineal T: V — W, el espacio nulo de T, NCT), es el conjunto de vectores del dominio V que son mapeados en el vector 0 de W. Este subconjunto de V es un subespacio vectorial de V. Solo hay que ver que si x, y son elementos de N(T), entonces a:x + b-y también es mapeado en 0. Esto se sigue directamente de que T es una transformacién lineal y las propiedades de espacios vectoriales: Tla:x + b-y) = a-T(x) + b- T(y) = a-0+ b-0=0+0=0 3.1.5. LA IMAGEN DE UNA TRANSFORMACION LINEAL Dada una transformacién lineal T: V —W, la imagen de T, T(V) es el conjunto de todos los elementos de W de la forma T(x) para algin vector x en V. T(V) es un subespacio vectorial de W. Solo hay que ver que si uy v son elementos de TCV), entonces a-u + b-v es la imagen de un elemento de V. Esto se sigue directamente de que T es una transformacién lineal y las propiedades de espacios vectoriales: Siu = T(x) y v= T(y) entonces a-u + b-v =a: T(x) + b: T(y) = Tax + b-y) 3.1.6, EL SUBESPACIO GENERADO POR COMBINACIONES LINEALES DE. CONJUNTO DE VECTORES Dado un conjunto finito de vectores A:, Az, , A en un espacio vectorial V, podemos considerar el subconjunto de V de todas las combinaciones lineales de éstos. UNADM | DCEIT | MAT [MALIL 8UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS Definicion Una combinacin lineal de Ai, Az, ..., An es un vector de la forma: ar A+ a2" Aa +... + an An CON ai, 2, .. An eScalares, i.e, nmeros reales. El subconjunto, denotado por [Ai, Ay, ..., An], de todas las combinaciones lineales de Ay, Aa, A, es un subespacio vectorial de V. Hay que demostrar que la suma de dos combinaciones lineales es una combinacién lineal y que multiplicar una combinacién lineal por una escalar resulta en una combinacién lineal. La demostracién es una aplicacién directa de las propiedades de espacios vectoriales y aparece como ejercicio en la Act 3.1.7. EL ESPACIO RENGLON O COLUMNA DE UNA MATRIZ Una situacién importante para poder determinar cudntas soluciones tiene un sistema lineal de ecuaciones es la siguiente: Dados dos conjuntos finitos de vectores podemos preguntar cuando generan el mismo subespacio. Definicién Cada renglén de una matriz de mxn, ie, de m renglones y n columnas, es un vector en R°, Con m renglones tenemos m vectores que generan un subespacio llamado espacio-renglén de la matriz. La pregunta se convierte ahora en: Dadas dos matrices de man, cuando generan el mismo subespacio. UNADM | DCEIT | MAT [MALIL 9UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS 3.1.8. DEFINICION DE SUBESPACIO VECTORIAL Un subespacio vectorial de un espacio vectorial V, es un subconjunto de V que es un espacio vectorial bajo la suma y la multiplicacién escalar definida en V. Como ya mencionamos y se ilustrd en los ejemplos anteriores, sélo requerimos demostrar las propiedades de cerradura, esto es, si dos elementos del subconjunto se suman, la suma tiene que estar en el subconjunto y si un elemento del subconjunto es multiplicado por un escalar, el producto también esté en el subconjunto. Que el vector nulo 0 siempre es un elemento de todo subespacio vectorial es una consecuencia sencilla de las propiedades de los espacios vectoriales, puesto que por la propiedad de cerradura que un subespacio debe satisfacer, si tomamos cualquier vector v del subespacio, entonces 0=0-v debe de estar en el subespacio como ya se vio anteriormente. 3.2, EJEMPLOS DE DEPENDENCIA E INDEPENDENCIA LINEAL Y BASES 1. Los vectores unitarios en R° 0), Az = (0, 1, ... ,0), .. 0, .. .D, el vector 0 es siempre una combinacion de estos puesto que 0 = 0- A: + O- Ar +. + 0°An Si tomamos los vectores unitarios Ai = (1, 0, Si peguntamos si hay otras combinaciones lineales que den O hay que resolver la ecuacién vectorial © = x:-Ar + X2-Az +. + Xn An y ver Si tiene alguna solucién con alunas xidistintas deO. Pero (0, 0, ...,0) =@= xXi-Ar + X2°Az+ + Xa An = UNADM | DCEIT | MAT [MALIL 10UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS 6X, 2, aX) y por definicién de igualdad en R°, tenemos que x: = x2 0. Por lo tanto, la Unica combinacién lineal de las x:para el vector es la que tiene a todos los coeficientes igual a cero. Decimos entones que los vectores unitarios son linealmente independientes. 2. Todo vector de R” es una combinacién lineal de los vectores unitarios Vimos que para un vector arbitrario de R’, X = kay Kay oe Xm) = Xa Ar + 2° Art tt Xm Ams i.e, toda X en R° se puede expresar como combinacién lineal de las A. Decimos entonces que los vectores unitarios generan a R® porque todo vector se puede expresar como combinacién lineal de ellos. Puesto que los vectores unitarios son linealmente independientes, esta combinacién lineal es Unica puesto que siX = yi Ar + yz"Aa+ + Yn An €S otra combinacidn lineal, entonces 0 = (x ~yi)-Ar + (x2— ya)" Aa. Onin) An Y por lo tanto x:— yi= 0, ie. x=y, 1=1,2,...0, Como los vectores unitarios generan a R° y son linealmente independientes decimos que forman una base de R’. 3. Los polinomios x°, n=0, 1,2... forman una base de RIx] Claramente, como todo polinomio se expresa como ax"+..taxtan, las potencias de x generan a RIx]. Si ax"...ta.x+ao = 0, entonces por definicién de UNADM | DCEIT | MAT [MALIL 1UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS igualdad en Rix] todos los coeficientes son 0, asi que las potencias de x son linealmente independientes. Es importante distinguir a los polinomios en x de las funciones polinomiales. Los polinomios son expresiones formales mientras que las funciones polinomiales son funciones f: RR que asocian a un nimero real arbitrario r el valor F(1) = anr"s..Aanr tao. En R[x], 0 es una abreviacién para el polinomio Ox'+..#0x+0. Dos polinomios son iguales si sus coeficientes son iguales, por eso la expresiOn ax'+...taxtao = 0 en Rix] implica que todas las a son 0. La ecuacién con la funcién polinomial f(x) = ax"+...ta.xtao = 0 pregunta para cuales nimeros reales x, f(x) = 0. 3.2.1, DEFINICION DE INDEPENDENCIA Y DEPENDENCIA LINEAL. Consideremos un conjunto de vectores A:, Az, .., Ax en un espacio vectorial V. Podemos preguntar al variar cs, C2, .. , escalares, i.e, numeros reales, cuando es la combinacién lineal de At, Ay, .. Ac Cit Ai + C2" Aa +. + Cn An el vector 0. Claramente el resultado es el vector 0 si todas las c son 0. Pero, zpodemos encontrar valores de las G no todos 0 para los cuales la combinacién lineal sea 0? UNADM | DCEIT | MAT [MALIL 12UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS El conjunto de vectores A:, Az, .. , An definen una transformacién lineal T: R° — V dada por TEC, Con Ga) = AL #2 A2 tn COA Podemos reformular la pregunta anterior en términos de N, el espacio nulo de T, puesto que los vectores en N son precisamente el conjunto de vectores en R” que hacen que la combinacién lineal de la A sea 0. Decimos que Ai, Az, ... , An on linealmente independientes si N ={(0, 0, ... ,0)}, ie. si cn) # (0, N consiste solo del vector (0, 0, 0, dependientes )). SiN contiene a un vector (ci, C2, .. 0), ie., alguna c + 0, entonces decimos que Ar, Az, ..., An son linealmente Puesto que c-A = 0 implica que c= 0 0 que A =O, un vector A # Oes siempre linealmente. Teorema 1 Un conjunto finito de vectores distintos de 0 es linealmente dependiente si y solo si uno de ellos es combinacion lineal de sus predecesores. Demostracién. () Si A, Aa, .. , As Son linealmente dependientes, entonces ciAr + C2"A2 + .. + 65" An= 0 con alguna #0. Tomamos el tiltimo subindice k tal que q # 0. k > 1, de otra forma tendriamos que iA: = 0 con c:# 0 por lo tanto A: = 0, contrario a que todas las A + 0. UNADM | DCEIT | MAT [MALIL 13UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS Resolviendo para Ax tenemos que Ax = Gclcr:Ar + GclGa:A2 + a. + Getcha Aka eS combinacién lineal de sus predecesores. (Si Ac = dis An + dos Ar + .. + dk“ Aka es combinacion lineal de sus predecesores, entonces dis Ar + ch Aa +. + dia Art (-1)- Ax = 0 con alguna di # 0, i.e. de = -1. Es importante observar que el teorema no sdlo dice que una de las A es combinacién lineal de las demas sino que hace una afirmacion mas fuerte, ie., que es combinacién lineal de sus predecesores. Otra observacién Util es que si un vector A es combinacién lineal de las A, agregando la A al conjunto de las A: no cambia el subespacio generado por las A. Denotando al subespacio generado por las A por [A1, Az, .., An] y por [A, Az, Az... PAL STA, A Aaya Ac] puesto que toda combinacién lineal de las A es combinacién lineal de las A; y la Ai] al que se obtiene agregando a A tenemos que [A:, A2, A, Lo que queremos ver es que toda combinacién lineal de las A mas la A se puede reducir a una combinacién solamente de las A.. Pero como estamos suponiendo que A= Ar + G:A2 +. + Gn An, SiB = b-A + bi- Ai + bo- Ad +... + Da: An entonces B se reduce a una combinacién lineal de las A. Pero esto es inmediato puesto que podemos sustituir A = cA: + Co-Az +. + Go*An en la combinacién lineal de B y obtener la combinaci6n lineal con solo las Ai. Por lo tanto LAs, Azy as An] =TA, Ats Any a=» Ande En la Actividad 2, se pide que computes la combinacién lineal con solo las A, De estas observaciones podemos inferir el siguiente resultado. 'UNADM | DCEIT | MAT |MALI1 14UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS Corolario 1 Un conjunto de vectores es linealmente dependiente si y solo si contiene un subconjunto propio que genera el mismo subespacio. Demostracién. ) Si Ar, Az, ... , Ax son linealmente dependientes, entonces una de las A es combinacién lineal de las demas, digamos que A:, para simplificar la notacién. Por lo tanto el conjunto de A,, ..., Ay es un subconjunto propio que genera el mismo subespacio. ) Si As, Aa, .., An tiene un subconjunto propio que genera el mismo subespacio, entonces una de las A: que no esta en el subconjunto es combinacién lineal de las Ai en el subconjunto propio. Esta combinacién lineal, como vimos en el teorema, produce una combinacién lineal del vector 0 con algtin coeficiente + 0 y por lo tanto las A'son linealmente independientes. Corolario 2 Cualquier conjunto finito de vectores contiene un subconjunto de vectores linealmente independiente que genera el mismo subespacio. Demostracién. Formalmente, el resultado se demuestra por induccién. Sin embargo, la idea es simple UNADM | DCEIT | MAT [MALIL 1sUNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS Si el conjunto {A:, Ar, .., Ad} es linealmente independiente ya terminamos, si no, primero quitamos todas las A. que son @, Podemos por lo tanto suponer que todas las A 0. Quitamos un vector de este conjunto, digamos Ay. EI corolario anterior dice que TA, Aa. Add independiente, ya terminamos. Puesto que hay un ntimero finito de A, este proceso TA:, Aa, .., Anil. De nuevo, si este subconjunto es linealmente termina, con un subconjunto de las A: que es linealmente independiente que en el peor de los casos, se reduce al conjunto {Ai} y como A: # 0, entonces es linealmente independiente. 3.3. RESULTADOS (TEOREMAS), BASES Y DIMENSION DE UN ESPACIO. VECTORIAL El siguiente teorema es fundamental para demostrar que todas las bases de un espacio vectorial de dimensién finita tienen el mismo némero de elementos. Posponemos la demostracién que es algo laboriosa hasta el curso de Algebra Lineal 2. Teorema 2 Si un conjunto de n vectores genera a un espacio vectorial y el espacio vectorial contiene r vectores linealmente independientes, entonces n > r. Vimos que todo conjunto finito de vectores contiene a un subconjunto de vectores linealmente independiente que genera al mismo subespacio de combinaciones lineales de este conjunto de vectores. UNADM | DCEIT | MAT [MALIL 16UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS Supongamos que el espacio vectorial V esta generado por un conjunto finito de vectores. Podemos preguntar cual es el minimo numero de estos vectores que generan a V y también cual es el maximo ntimero de estos vectores que son linealmente independientes en V. 3.3.1. DEFINICION DE BASE DE UN ESPACIO VECTORIAL Una base de un espacio vectorial V es un subconjunto linealmente independiente de vectores de V que genera a V. Si existe una base finita decimos que V es de dimensién finita. En los ejemplos de espacios vectoriales vimos que el espacio vectorial RIx] de polinomios con coeficientes reales no es dimensién finita porque tiene una base infinita que consiste de las potendas x", n = 0, 1, 2,.. Los siguientes resultados son corolarios del teorema anterior. Corolario 3 Todas las bases de un espacio vectorial de dimensién finita tienen el mismo ntimero de elementos. Demostracién. Sean B = {Bi, .., Bn} ¥ C= {C:, .., Co} dos bases de V. Puesto que B genera a V, V = [B, . Invirtiendo los papeles de B y C obtenemos que n > m,i , Bn] y C es linealmente independiente, el teorema dice que m > n. n=m UNADM | DCEIT | MAT [MALIL wvUNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS 3.3.2. DEFINICION DE DIMENSION DE UN ESPACIO VECTORIAL Puesto que todas las bases de un espacio vectorial V de dimension finita tienen el mismo numero de vectores, definimos la dimension de V como el numero de vectores de una base y escribimos dimV = n, donde n = numero de vectores en una base. El siguiente resultado, que es una consecuencia directa del teorema anterior, dice que el mayor namero de vectores linealmente independientes es el de una base y también que una base tiene al minimo nmero de vectores que genera al espacio V. Corolario 4 Siun espacio vectorial V tiene dimension n, entonces a. Cualquier conjunto de n+1 vectores es linealmente dependiente, b. Ningtin conjunto de n-1 elementos puede generar al espacio. Demostracién. a. Sea B = {B:, ..., By} una base de V. Entonces todo vector de V son combinacién lineal de las B, esto es, las B. generan ab. Dado un conjunto arbitrario de r = n+ 1 vectores, si estos fueran linealmente independientes, por el teorema tendrfamos que n 2 r =n +1, lo cual es absurd. a. Si un conjunto arbitrario de m = n-1 vectores genera a V, puesto que las B son linealmente independientes, el teorema de nuevo asegura que n— 1 =m >n, que de nuevo es absurdo. Teorema 3 UNADM | DCEIT | MAT [MALIL 18UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS Cualquier conjunto independiente de vectores en un espacio vectorial de dimensién finita es parte de una base Demostracién. La idea basica es agregar al conjunto independiente de vectores dado vectores que preservan la independencia lineal hasta obtener una base. Sea B = {Bi, ... , Bo} una base de V y C = {G, ... , G} un conjunto linealmente Gy B:, «. Bah. Este conjunto es linealmente dependiente. Eliminado todo vector que es independiente de V. Consideremos la unidn de estos dos conjuntos D = {G,, ... combinacién lineal de sus predecesores, obtenemos un subconjunto que es linealmente independiente (teorema anterior) que genera a V y por lo tanto constituye una base. Los primeros r vectores son linealmente independientes, entonces estos no pueden ser combinacién lineal de sus predecesores asi que los vectores que van a ser eliminados van a ser las B que van més alld Bk con k = n=r. Corolario 5 Sin vectores generan un espacio vectorial V de dimensién n, entonces son linealmente independientes y por lo tanto constituyen una base. Demostracién. Supongamos que C = {C,,..., C:} genera a V, entonces C contiene a un subconjunto C’ que es linealmente independiente que genera a V, esto es, C’ constituye una base y por lo tanto tiene n elementos. Entonces C = C’ es una base. Corolario 6 UNADM | DCEIT | MAT [MALIL 9UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS Sin vectores son linealmente independientes en un espacio vectorial de dimension n, entonces constituyen una base. Demostracién. Supongamos que C = {C:, .. , Ca} son linealmente independientes, entonces C se puede extender a una base pero una base no puede tener mas de n vectores, y como C tiene n elementos, entonces C es una base. Teorema 4 Sin vectores forma una base de un espacio vectorial V, entonces todo vector del espacio tiene un expresién nica como combinacién lineal de los n vectores. Demostracién Sea {A:, Az, .., Ad} una base de V, entonces todo vector A es combinacién lineal de estos: A= CAL + G*An ton + Co An. SA = ho Ai + dh Aa +. + che As, entonces: 0 =A—A=(c1— di) Ai + (C2— da) Aa +... + (Ga — da) An, Puesto que la Ai son linealmente independientes ¢;~ d:= 0, ie., G= di 3.3.3, COORDENADAS DE UN VECTOR A los coeficientes de una combinacién lineal de los vectores de una base se les llama las coordenadas del vector que resulta de la combinacidn lineal de estos relativos a la base. UNADM | DCEIT | MAT [MALIL 20UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS Teorema5 Todo espacio vectorial V de dimensi6n finita n es isomorfo aR”. Demostracién. Este resultado es una consecuencia directa del teorema anterior. Podemos definir una transformacién lineal T: V--R° como sigue: Puesto que dimV = n, podemos tomar una base A = {Ai,..., An}. Todo vector Ac V se puede escribir en forma Unica como una combinacion lineal de las A A= ar Ait ar-Art.. tan An La transformacién lineal asocia al vector A sus coordenadas: T(A) = (a1, a2, .. dn) En la Actividad 2 se pide que demuestres que T es realmente una transformacién lineal. Esto es una consecuencia directa de la observacién que las coordenadas de la suma de dos vectores se obtienen como la suma de las coordenadas y las coordenadas del producto de un vector por un escalar se obtienen como el producto de las coordenadas por el escalar. Hay que demostrar que T es biyectiva, ie., Primero, hay que ver que T es inyectiva: Si T(A) = T(A’) entonces A= A’. Segundo, hay que ver que T es suprayectiva: para todo vector (a1, a, .. an), existe AcV tal que T(A) = (ai, as, ... ,an). En la Actividad 2 se pide que demuestres que T es biyectiva. UNADM | DCEIT | MAT [MALIL 2UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS ACTIVIDAD 2. SUBESPACIOS, INDEPENDENCIA Y DEPENDENCIA LINEAL, BASES Y DIMENSION. Para realizar la actividad resuelve los ejercicios que se incluyen en el documento Subespacios EL METODO DE SOLUCION POR ELIMINACION DE GAUSS Vamos a ilustrar el método de solucién de sistemas sencillos de ecuaciones usando el proceso de eliminacién de Gauss para sistemas que tienen: 1. Exactamente una solucién, 2. No solucién 3. Infinidad de soluciones Vamos a usar los sistemas de ecuaciones que vimos en la discusién del problema prototipico. EJEMPLO 1— HAY EXACTAMENTE UNA SOLUCION Ee Ey UNADM | DCEIT | MAT [MALIL 22UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS Remplazando E: con 3E: + 11£2 obtenemos E’ = 3E: + 11E:: BE): 83x)- 9xp = 90 MIE: -33x) + 66xe-11xs = 55 Ee S7xe-11xs = 145 El nuevo sistema es: Ex tix: - Gx = 80 Ee B7x0-11%5 = 145 Es: Ket 8X3 -25 Remplazando Es con S7Es + E’: obtenemos E's = S7Es + Ex: Ee 87x -113x5 = 145 Es El nuevo sistema es: Ex tix 30 = 30 Ex B7x “Ata = 145 Ex 160x3 = -25°57+145, Ya que eliminamos x: y x) de la tercera ecuacién obtenemos xs = © 25"57+145)/160 =-8 En la segunda ecuacién, remplazando el valor de xs obtenemos. X2= (145 +11¢-8))/57 = 1. Finalmente, en la primera ecuacién, sustituyendo el valor de x2 obtenemos UNADM | DCEIT | MAT [MALIL 23UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS x1 = (30 +3-1))/11 = 3. Sustituyendo x: = 3, x2. = 1, x3 = -8 en cada una de las ecuaciones del sistema original, verificamos que efectivamente estos valores son la solucion del sistema. 3.4.1, EJEMPLO 2 - NO HAY SOLUCION Es xX = x= 30 Ex: 3x1 + Ske + 2xs= 5 Es: Axy + Tao + Bxs = -25 Remplazando E; con -3E: + Ey Es con -4E: + Es obtenemos E' = -3E: + Ex y E's= -4E1 + Es -3Ei: -3x1 + 8x3 = -90 Ep: 3x; + 5x9 +2xs= 8 Ey 5x2 + Sxs = -85 El nuevo sistema es: Exx x= 30 E's: 5x04 5xe= 85 Haciendo la sustitucion E”2 (1/5)E2 y E's = C1/7)E'3 obtenemos el nuevo Ex, m= 30 sistema: Ev xtx%= 65 Et xe ty 2-145 'UNADM | DCEIT | MAT |MALI1 24UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS Pero x: + xs no puede tener dos valores diferentes como lo indican la segunda y tercera ecuaciones, por lo tanto tenemos un sistema inconsistente que no tiene solucion. EJEMPLO 3— HAY INFINIDAD DE SOLUCIONES El siguiente sistema es igual al sistema anterior excepto que el coeficiente independiente de la tercera ecuacién es 1 en lugar de-25, Ee xs - x9=30 Eo: Sx; + Ske + xg = 5 Ey: dx; + Tao + Seg = 1 Podemos proceder de la misma forma que en el sistema anterior y obtenemos el siguiente sistema una vez que cambiamos-25 a 1: Ex: oXs= 30 Ee Sxet Sx= -85 Haciendo la sustitucion E”2 =(1/5)E'2 y E"3 (1/7)E's obtenemos el nuevo sistema: Ex -%= 30 E's xe+xee-17 7 Bs tes UNADM | DCEIT | MAT [MALIL 25UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS Remplazando E”s con -E"2 eliminamos todas las variables de la tercera ecuacion y el sistema se reduce a dos ecuaciones con tres variables. Para cada valor de xs obtenemos una solucién: X= +30 Xe= Ke 17 Por lo tanto tenemos una infinidad de soluciones. El proceso de eliminacién de Gauss remplaza un sistema de ecuaciones lineales por uno mas simple que es equivalente al sistema dado en el sentido de que ambos sistemas tienen exactamente las mismas soluciones. Este proceso va eliminando variables hasta que queda una sola de ellas como se ilustré en los ejemplos. Vamos a sistematizar este proceso usando operaciones elementales aplicadas al sistema de ecuaciones para encontrar una solucién si existe y ver cuales son todas las soluciones. DEFINICION DE OPERACIONES ELEMENTALES SOBRE SISTEMAS DE. ECUACIONES, Un sistema de m ecuaciones con n incégnitas se llama homogéneo cuando todas la b; son cero. Si no todas las b son cero el sistema se llama no- asx, sacxet..t amm=b, — homogeneo. 21 Xi + Bao Ket wt Ady Xn = Bo a nt X1 + Amz XO «4 enn Xa = Brn UNADM | DCEIT | MAT [MALIL 26UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS Claramente, el sistema de ecuaciones que se obtiene cambiando el orden de las ecuaciones tiene exactamente las mismas soluciones que el original. Multiplicando a las ecuaciones por constantes también se obtiene un sistema de ecuaciones que tiene exactamente las mismas soluciones que el original. Si multiplicamos a una ecuaci6n Ei por un numero real ry sumamos este miltiplo de la ecuacién a otra ecuacién & obtenemos un nuevo sistema remplazando E con rE; +E, que tiene las mismas soluciones que el original. Esto es, toda solucién del primer sistema es solucién del segundo y viceversa. Para ver esto, reordenando las ecuaciones, podemos suponer que j= 1 y que k = 2. Supongamos que multiplicamos la primera ecuacién por r y se la sumamos a la segunda ecuacién. Esto resulta en el sistema ani Xs + Ajo Xo ceccecscesesesee # Bin Xn = Di (aor + ran)xt + (ase + tata) Xe... # (Gan + Fain) Xo = be + ry (2) ami Xt ano Xe + An Xn = Bm Supongamos que (X:, .., Xx) = (C2, .»,€2) es solucién del segundo sistema, ie., (ax trader + @a2 +f ais)eat n+ Cant ainda = bo + rb Entonces también es solucién del sistema original puesto que sustituyendo en la segunda ecuacién y simplificando obtenemos que arc: + 7202+ .. + aan = bz como se demuestra a continuacién: UNADM | DCEIT | MAT [MALIL 27UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS (aa + raider + (a2 + F az2)c2 + + Caan +f Aine = be + rr Ani + Az2C2+ ..+ AanCy + AIC) + FAC. + ... + Fann = be + rb an: + anc + ann + F(ar1Cs + 1202 +... + Anan) = be + ri yi) + Ap2C) +... + AanCy + FD, = by + rby 2G: + 2202 + wu. + Azntn = be En la Actividad 3 pedimos que compruebes que una solucién del primer sistema es solucién del segundo sistema. En resumen, las operaciones elementales sobre sistemas de ecuaciones son: 1. Intercambiar el orden de las ecuaciones. 2. Multiplicar a una ecuacién por una constante. 3. Multiplicar a una ecuaci6n por una constante y sumarla a otra ecuacién. Las operaciones elementales sobre ecuaciones remplazan a un sistema de ecuaciones lineales por otro que es equivalente al sistema dado en el sentido de que ambos sistemas tienen exactamente las mismas soluciones. ELIMINACION DE GAUSS El proceso de eliminacién de Gauss usa las operaciones elementales en forma sistematica para simplificar al sistema original eliminando una variable en cada UNADM | DCEIT | MAT [MALIL 28UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS paso. Por ejemplo, para eliminar x: de la segunda ecuacién hay que encontrar a r tal que az +r an = 0. Tenemos que r = -az:/a:: suponiendo por supuesto que ai: + 0. Esto es siempre el caso puesto que podemos intercambiar el orden de las ecuaciones de tal manera que la primera ecuacién tenga a x: con coeficiente# 0. Al menos una de las ecuaciones tiene que tener el coeficiente de x: * 0 puesto que estamos considerando que hay n variables. El mismo proceso elimina la x: de todas las ecuaciones después de la primera y esto resulta en el sistema simplificado: aii Xt + aie Xe# + Ain Xv = bs oe! Kot... + Aen! Xo = Be! Ano! Xo soe + Aen! Xo Otra simplificacién es multiplicar los coeficientes de x: en la primera ecuacién y los de x2 en las demas ecuaciones por sus inversos multiplicativos. Si el coeficiente de x2 €S cero no hay nada que hacer. En la situacién que estamos considerando, vamos a suponer que todos los coeficientes de x» son # 0. Entonces obtenemos el sistema siguiente donde la x: solo aparece en la primera ecuacién: X + are" Xt ast. Xe+ age" Xoo... Multiplicando por - ar a la segunda ecuacién y sumandosela a la Ket Ags! Kot s+ Aga” Xy = Ba” . primera cancela a la variable x en la primera ecuacién y multiplicando por -1 a la segunda ecuacién y sumandosela a las ecuaciones restantes cancela a la variable x: en las demas ecuaciones y el sistema se reduce al siguiente sistema. Observa que para enfatizar, hemos escrito los UNADM | DCEIT | MAT [MALIL 29UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS coeficientes de x: y x: en las ecuaciones y que estos son 1 en una ecuacién y cero en las demas: 1X; + OXe+ disXs+ + din Xn = Cr Oxi + 1x04 daa Xa... # dan Xn = 62 Ox; + Oxe+ ding X94... dian Xa = Om Procediendo sistemdticamente de esta forma vamos eliminando las siguientes variables de todas las ecuaciones, excepto una de ellas, como en el caso de x y x2. En este punto tenemos que considerar varios casos: 1. Hay ms variables que ecuaciones, ie.,n > m. 2. El numero de variables es igual al numero de ecuaciones, i.e., n = m. 3. Hay menos variables que ecuaciones, i, n< m. HAY MAS VARIABLES QUE ECUACIONES Primero, supongamos que n > m. Entonces podemos escribir n= m + ty Xn = Xnet, cont>o Es posible, como lo ilustran los ejemplos que consideramos, que al eliminar x: en alguna de las ecuaciones, digamos la ecuacién i, eliminemos todas las otras variables y terminamos con la siguiente ecuacié Oxi + Ox: + OX +. # OX = Si c #0, entonces el sistema de ecuaciones no tiene solucién y decimos que es un sistema inconsistente y ya terminamos. Observa que un sistema de ecuaciones homogéneo siempre es consistente porque todas las c son cero. UNADM | DCEIT | MAT [MALIL 30UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS Supongamos entonces que tenemos un sistema consistente. Tenemos dos casos cuando el sistema es consistente: a) Enninguna ecuaci6n se eliminan todas las variables. b) Si todas las variables se eliminan en un paso en una 0 mas ecuaciones, entonces el coeficiente independiente también es cero. En el caso a) la eliminacién de variables termina cuando eliminamos las primeras m - 1 variables después de la x: y nos quedan t = n—m variables, Xo, .. » Xm en el sistema de m ecuaciones: 1x) + OX. + OX +... + OX + Dames Xmst to + OD amet Xmet OX: + 1X2 OXa+ ....+ OXm + Wzmer Xme +... + A 2met Xmet Oks + Oke 1X0 + Oke + Paes Xn ose + Anat Xrat Ox: + Oxe+ OX +... + 1X + Unmet Xmer te + WimmstXmet = Cm En donde podemos facilmente obtener los valores de %:, X11 (dame Ket + ae # Came Kot X05 Ce (dams Kner ts + Pant Xo) _ Xm Cin = (@'mines Smet tn + dim knt EI caso b) es similar al caso a) excepto que — terminamos con un numero menor de m ecuaciones puesto que eliminamos cada ecuacién en donde todas las UNADM | DCEIT | MAT [MALIL 31UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS variables se cancelan. Digamos que eliminamos s ecuaciones, donde m =r + s. Puesto que el orden de las ecuaciones no afecta la solucién, podemos suponer que todas las ecuaciones eliminadas se encuentran después de las ecuaciones donde queda una variable. EI sistema simplificado consiste de r ecuaciones conn =m +t variables donde las primeras r variables tienen coeficientes 0 excepto una que tiene coeficiente 1 1X1 + Oxe+ Oxa4 OK Haat Kost one + hn Xn = Ot 2 OKs 1x04 Oxo ant OX + Aapet Ket tees + Pan Xo = Ox: + Oxo + 1X9 +. + OX + 3p Kart. #39 My = O'9 Oxy + Oxe+ Oxo + KE Arset Katt oo Coan = Cr Con la solucién general: es-S bi MSO (Mayet Keer te + An Xe) eS daa x05 cle = (d'art Kut. + dla Xn) = unt kart net Pax eer S dim Podemos combinar los dos casos haciendo que el caso b) represente al caso a) si decimos que r < m. Observa que para cada valor de Xe, ... X, tenemos una solucién, por lo tanto si n > m hay una infinidad de soluciones y cada solucién es un vector en R™ UNADM | DCEIT | MAT [MALIL 32UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS 95) €2- Sd aiXy see X=(ei- M So dey Heras or MD Vamos a examinar el caso homogéneo, i.e., el caso donde todos los coeficientes independientes son cero, ie. C1 = Cc’ 0. Observando que x: = =0, tenemos que el vector solucién se reduce entonces a: CD dum, - Do da, X= Ody ony Me Xrvty oe» Ko) = SX di96 Kets Vimos que el subconjunto N de R° de todas estas soluciones es un subespacio vectorial de R° llamado el espacio nulo del sistema de ecuaciones homogéneas. El siguiente teorema nos dice que la dimensién de N es n- r, donde r es el némero total de ecuaciones que no se cancelan. Para demostrar esto hay que encontrar n- r vectores de N que forman una base de N, ie., estos vectores son linealmente independientes y todo vector de N es combinacién lineal de estos. Teorema6 El espacio solucién N de un sistema homogéneo de m ecuaciones y n incégnitas, donde n > m, que consiste de todas las soluciones (xi, ..., Xx) de este sistema tiene dimension n =r. Demostracién. Poniendo sucesivamente solo uno de los parémetros Xv1, .. X, en la soluci6n que obtuvimos, igual a 1 y poniendo todos los demas a cero obtenemos n—r valores especificos de los n—r ParaMetros Xrv1, .., Xn» EStO eS: En este caso las X1, 1 SE 0 simplifican a: UNADM | DCEIT | MAT [MALIL 33UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE ELLOS Y obtenemos n—r vectores solucion: 1, Ber = dss Ano = (dine, ~ feo Tn oder 1,0, --., 0) di2, 0, 1, ..., 0) ‘im 0,0,..., 1) Si una combinacion lineal de las Ai, i= +1, ...,n, es igual a 0, ie., 0 = (Oyun, 0) = Ker Acrtkar Asttict Xo An= CY dae ¥ diam xen Y di%. aos ts lgualando las coordenadas correspondientes de @ con las de X, obtenemos inmediatamente que %:1 = = % = 0, esto es, las A, son linealmente independientes y puesto que n~r vectores generan a N entonces forman una base y por lo tanto la dimensién de N es n—r. Empezando con X = (X:, w. Xa) € N, Le. tal que X es solucién del sistema homogéneo ayy + AeXet nt An%y=O 21 Xi + Bea Ket at Aan Kn =O An Xt + Ana Xo+ Obtuvimos que: X=CS dia S dix. Bir, Hees, a XD 'UNADM | DCEIT | MAT |MALI1 34UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS En la Actividad 3 pedimos que compruebes que una solucién arbitraria es combinacién lineal de las Ar x Ket Ara + Xe Art tae + Xn An 3.4.6. SOLUCION GENERAL DE UN SISTEMA NO HOMOGENEO Supongamos que X = (%4, «..X.) @5 un vector solucién del sistema no homogéneo: ay Xi + Ae Xe Ain Xn = Bi at Xi + ae Ket Lat Aan Xo = be ny X1 + ga Xo + ign Xr = Bn YY = (Yim Yn) eS una solucién del sistema homogéneo: an Ys + are Yot out ainn=0 a1 Ys + Be Yo vt Aan Yn =O ans Yi + ae Yort ect Aan Yo = O entonces X + Y= (a + Yarns Xn + Yn) €S soluci6n del sistema no homogéneo puesto que para k = 1, ... ,m, tenemos que: KOK + Ya) + ka(K + V2) + ant Al(Xnt Yn) = AkiX1 + AiaYs + AKaX2 + ARV + aut AkoXnt ako Yo = lax + kaX2 tat Alot AYA + AY? ++ kn Yo UNADM | DCEIT | MAT [MALIL 35UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS =b+0=b SiX es una solucién dada y Z es una solucién arbitraria del sistema no homogéneo, entonces Y = Z—X es una solucién del sisteia no homogéneo puesto que: aC = X1) + kao = Xa) + at Ako(Zn= Ka) = AkAZs = Bar + AIT — AXE + a AkrZam Ahn Xn aaZet aiaZo+.HalnZn— (taxi FADXot. FAX) = bibs =0 Hemos demostrado que dada una solucién del sistema no homogéneo, la solucién mas general se obtiene sumandole una solucién arbitraria del sisteria homogéneo. Una solucién arbitraria del sistema homogéneo se obtiene como combinacién lineal de los coeficientes de las n—r variables libres x1, .. . X» Cuando el sistema original se reduce, a través de operaciones elementales, a su forma simplificada que consiste de r ecuaciones con n = m + t variables donde las primeras r variables, x:, w» Xe tienen coeficientes 0 0 1. EL NUMERO DE VARIABLES ES IGUAL AL NUMERO DE ECUACIONES Si en el proceso de eliminar variables eliminamos a una o més ecuaciones, ie., los coeficientes de todas las variables son 0, tenemos la situacion en donde el numero de variables es en realidad mayor que el ntimero de ecuaciones aunque hayamos empezado con el niimero de variables igual al nimero de ecuaciones. El andlisis anterior aplica exactamente a este caso. Asi que supongamos que no se elimina ninguna ecuacién para que el nimero de variables sea realmente igual al nimero de ecuaciones. UNADM | DCEIT | MAT [MALIL 36UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS El mismo proceso de eliminacién aplica igualmente. La diferencia con el caso anterior es que en este caso no hay variables libres, esto es, variables a las cuales les podemos asignar valores arbitrarios. El sistema simplificado de ecuaciones es entonces: 1X5 + O24 OXa +... + OX = 0's Oxi + 1x24 OXs+ ut OXn = C2 Oxi + Oxe+ 1X3... + OXn = C's Ox + Oxe+ Ox+ ... Con la solucién tinica, tanto para el sistema no homogéneo como para el homogéneo: En particular el espacio nulo del sistema de ecuaciones homogéneas es N = {0}. HAY MENOS VARIABLES QUE ECUACIONES De nuevo suponemos que si en el proceso de eliminar variables eliminamos a una 0 mas ecuaciones, continuamos teniendo menos variables que ecuaciones. De otra forma el sistema se reduce a los casos anteriores. El mismo proceso de eliminacién aplica igualmente. El problema que podemos encontrar en el caso no homogéneo, como se vio en los ejemplos, es el de sobre especificaci6n, i.e., que una o mas ecuaciones reducidas terminen con valores diferentes a las variables. Digamos que xi= cy xi= C pero que c: # cj, De nuevo UNADM | DCEIT | MAT [MALIL 37UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE-ELLOS tenemos un sistema inconsistente que no tiene solucion, excepto en el caso homogéneo en donde este conflicto no puede aparecer ya que las todas las c’= 0. ACTIVIDAD 3. OPERACIONES ELEMENTALES EN ECUACIONES Y SOLUCION DE SISTEMAS DE ECUACIONES Para realizar la actividad resuelve los ejercicios que se incluyen en el documento de Operaciones elementales. FUENTES DE CONSULTA Lay, D. C; Algebra lineal y sus aplicaciones (tercera edicién); México (2007), Pearson Educacion. Corcobado, J. L. y Marijuan, J. Matematicas I, en: UNADM | DCEIT | MAT [MALIL 38UNIDAD 3. METODOS DE SOLUCION Y LA RELACION ENTRE ELLOS < http://www.sectormatematica.cl/libros.htm>. Williams, G. (2004). Algebra lineal con aplicaciones. México: Mc Graw Hill, Bernard Kolman, David R. Hill (2006). Algebra lineal (8a. Edicién). México: Pearson Educacion. UNADM | DCEIT | MAT |MALIT 39