CONCEPTOS BASIC: en informtica, acrnimo de Beginners Allpurpose Symbolic Instruction Code (Cdigo de Instrucciones Simblicas de Uso General para

a Principiantes). Se trata de un lenguaje de programacin de alto nivel desarrollado por los estadounidenses John Kemeny y Thomas Kurtz en el Dartmouth College a mediados de la dcada de 1960. BASIC se gan su enorme popularidad gracias sobre todo a dos implementaciones, Tiny BASIC y Microsoft BASIC, que convirtieron a este lenguaje en la primera lengua franca de los microordenadores o microcomputadoras. Otras importantes implementaciones han sido CBASIC (BASIC Compilado), Integer y Applesoft BASIC (para el Apple II), GWBASIC (para computadoras personales), Turbo BASIC (de Borland) y Microsoft QuickBASIC. El lenguaje ha cambiado en el transcurso de los aos. Las primeras versiones eran interpretadas y no estructuradas. Las ms recientes son estructuradas y, a menudo, compiladas. BASIC suele ensearse a los programadores principiantes porque es fcil de utilizar y de comprender, y adems porque contiene los mismos conceptos fundamentales que muchos otros lenguajes considerados ms difciles, como Pascal y C. Lenguaje de programacin: en informtica, cualquier lenguaje artificial que puede utilizarse para definir una secuencia de instrucciones para su procesamiento por un ordenador o computadora. Es complicado definir qu es y qu no es un lenguaje de programacin. Se asume generalmente que la traduccin de las instrucciones a un cdigo que comprende la computadora debe ser completamente sistemtica. Normalmente es la computadora la que realiza la traduccin. Pascal (informtica), lenguaje de programacin imperativo, diseado entre 1967 y 1971 por Niklaus Wirth. Se trata de un lenguaje compilado y estructurado, basado en el lenguaje ALGOL, que simplifica su sintaxis a la vez que incluye nuevos tipos de datos y estructuras, como subrangos, tipos de datos enumerados, archivos, registros y conjuntos. La aceptacin y el uso de Pascal se increment considerablemente en 1984 cuando Borland International introdujo Turbo Pascal. Se trataba de un compilador de Pascal de alta velocidad y bajo coste para sistemas MSDOS del que se vendieron ms de un milln de copias en sus diferentes versiones. C (Informtica), lenguaje de programacin desarrollado en 1972 por el estadounidense Dennis Ritchie en los Laboratorios Bell. Debe su nombre a que su predecesor inmediato haba sido llamado lenguaje de programacin B. Aunque muchos consideran que C es un lenguaje ensamblador ms independiente de la mquina que un lenguaje de alto nivel, su estrecha asociacin con el sistema operativo UNIX, su enorme popularidad y su homologacin por el American National Standards Institute (ANSI) lo han convertido quiz en lo ms cercano a un lenguaje de programacin estandarizado en el sector de microordenadores o microcomputadoras y estaciones de trabajo. C es un lenguaje compilado que contiene un pequeo conjunto de funciones incorporadas dependientes de la mquina. El resto de las funciones de C son independientes de la mquina y estn contenidas en bibliotecas a las que se puede acceder desde programas escritos en C. Estos programas estn compuestos por una o ms funciones definidas por el programador, por lo que C es un lenguaje de programacin estructurada. Programacin lineal, tcnica matemtica y de investigacin de operaciones que se utiliza en la planificacin administrativa y econmica para maximizar las funciones lineales de un gran nmero de variables sujetas a determinadas restricciones. El desarrollo de computadoras electrnicas y de tcnicas de procesamiento de alta velocidad ha aportado recientemente muchos avances a la programacin lineal, de forma que ahora esta tcnica se utiliza extensamente en operaciones industriales y militares.

La programacin lineal se utiliza bsicamente para hallar un conjunto de valores, elegidos a partir de un conjunto de nmeros dado, que maximizarn o minimizarn una forma polinmica dada. En el siguiente ejemplo se muestra un tipo particular de problema y un mtodo para solucionarlo. Un fabricante produce dos variantes, V1 y V2, de un artculo que contiene piezas que se deben cortar, ensamblar y acabar. El fabricante sabe que puede vender tantos artculos como produzca. La variante V1 requiere 25 minutos de corte, 60 minutos de ensamblaje y 68 minutos de acabado, generando un beneficio de 30 dlares. La variante V2 requiere 75 minutos de corte, 60 minutos de ensamblaje y 34 minutos de acabado, generando 40 dlares de beneficio. Cada da se dispone de un mximo de 450 minutos de corte, 480 minutos de ensamblaje y 476 minutos de acabado. Cuntos artculos de cada variante deben fabricarse diariamente para maximizar los beneficios? Sean x e y los nmeros de artculos de las variedades V1 y V2, respectivamente, que deben ser fabricados diariamente para maximizar los beneficios. Dado que x e y no pueden ser nmeros negativos,

Los datos de corte, ensamblaje y acabado, determinan las siguientes igualdades y desigualdades:

En un grfico, estas desigualdades representan reas bajo lneas dadas. El problema radica en hallar los valores de x e y que maximizarn el beneficio, si existen, siempre que cumplan las restricciones (1) a (5). Para satisfacer las cinco condiciones, el punto que representa x e y debe hallarse en el lmite o en el interior de la regin convexa polignica OABCD de la figura 1.

El beneficio ser mximo eligiendo la lnea definida por p =30 x + 40 y, donde p se encuentra en el mximo y slo roza la regin OABCD superior, es decir, la lnea que atraviesa el vrtice B (3,5). El fabricante ingresar los mximos beneficios (290 dlares) produciendo 3 artculos de la variedad V1 y 5 artculos de la variedad V2 al da. Cualquier otra cantidad de ambas variantes, dadas las restricciones en cuanto al tiempo, reducir el beneficio. Funcin (matemticas), en matemticas, trmino usado para indicar la relacin o correspondencia entre dos o ms cantidades. El trmino funcin fue usado por primera vez en 1637 por el matemtico francs Ren Descartes para designar una potencia xn de la variable x. 2

 Matriz: Una matriz es una tabla rectangular de nmeros o elementos de un anillo. Una de las principales aplicaciones de las matrices es la representacin de sistemas de ecuaciones de primer grado con varias incgnitas. Cada fila de la matriz representa una ecuacin, siendo los valores de una fila los coeficientes de las distintas variables de la ecuacin, en determinado orden. Igualdad de matrices: Dos matrices son iguales si tienen la misma dimensin y si los elementos que ocupan el mismo lugar en ambas, son iguales. Ecuacin lineal: ecuacin polinmica de primer grado, es decir, ecuacin en la cual las incgnitas aparecen con grado 1: ax + by + cz += k, en donde a, b, c,, k son nmeros reales y x, y, z, son las incgnitas. Las ecuaciones lineales con dos incgnitas son de la forma ax + by = c con a o b no nulos. Se representan mediante rectas cuyos puntos son las soluciones de la ecuacin. Las ecuaciones lineales con tres incgnitas son de la forma ax + by + cz = d con a o b o c no nulos. Se representan mediante planos cuyos puntos son las soluciones de la ecuacin. Un sistema de ecuaciones es lineal si todas las ecuaciones que lo forman son lineales. Sistema de ecuaciones: conjunto de ecuaciones cuyas soluciones comunes se pretende hallar. Para indicar que varias ecuaciones forman un sistema, se abarca el conjunto de todas ellas con una llave. Las ecuaciones de un sistema suelen tener dos o ms incgnitas, por lo que cada una de ellas puede tener infinitas soluciones. Se llama solucin del sistema a una solucin comn a todas las ecuaciones que lo forman. Resolver un sistema de ecuaciones es hallar todas sus soluciones o concluir que no tiene solucin. Si dos sistemas de ecuaciones tienen las mismas soluciones o ambos carecen de solucin, se dice que son equivalentes. Los sistemas de ecuaciones sin solucin se llaman incompatibles y los que tienen solucin, compatibles. Por ejemplo, el sistema formado por las ecuaciones 2x 5y = 16 y 4x + y = 10 se expresa as

APLICACIN DE LOS CONCEPTOS CONCEPTO DE MATRIZ. Se llama matriz de orden mxn, sobre el cuerpo de los numeros reales a una "caja", "cuadro", etc. que contiene mxn nmeros reales dispuestos en m filas y n columnas.

* A los nmeros reales aij se les llama elemen-tos de la matriz. * El primer subndice (i) indica la fila, el segundo (j) la columna. As, el elemento a32 es el que est en la tercera fila y la segunda columna. * Las dimensiones de la matriz son m y n.

Formalmente podemos definir una matriz de la siguiente manera: Sean I={1,2,...,m}, J={1,2,...,n} dos conjuntos finitos de ndices. Se llama matriz de orden mxn, sobre el cuerpo de los numeros reales a toda aplicacin: a: IxJ %%%%> R (i,j) %%%> a(i,j)=aij que asocia a cada par (i,j) el nmero real a(i,j) que representamos por aij. Denotaremos por Mmxn al conjunto de las matrices de orden mxn.

Es una matriz de orden 3x4 (3 filas, 4 columnas), a23=1, a32=8, a34=0. etc. IGUALDAD DE MATRICES. Dos matrices A y B son iguales si tienen el mismo orden y coinciden los elementos que ocupan el mismo lugar. Es decir, siendo:

A=B si para todo i{1,2,...,m} y para todo j{1,2,...,n} se cumple que aij=bij. TIPOS DE MATRICES. Matriz fila. Es toda matriz de orden 1xn.

. A es de orden 1x5. b. Matriz columna. Es toda matriz de orden mx1.

. A es de orden 3x1. c. Matriz nula. Es la que tiene todos sus elementos nulos. La denotaremos por (0). Son matrices nulas: , , ... d. Matriz rectangular. Es aquella que tiene distinto nmero de filas que de columnas.

. e. Matriz triangular superior. Es aquella matriz cuadrada en la que los trminos situados debajo de la diagonal principal son ceros.

f. Matriz triangular inferior. Es aquella matriz cuadrada en la que los trminos situados por encima de la diagonal principal son ceros.

g. Matriz diagonal. Es aquella en la que todos los elementos fuera de la diagonal principal son ceros. h. Matriz cuadrada. Es toda matriz que tiene el mismo nmero de filas que columnas. Es decir m=n. En ellas podemos distinguir: La diagonal principal. Son los elementos a11, a22, ..., ann. La diagonal secundaria. Son los elementos a1n, a2(n1), ..., an1.

. Diagonal principal: 1,5,9. Diagonal secundaria: 3,5,7. i. Matriz escalar. Es toda matriz en la que todos los trminos de la diagonal principal son iguales.

j. Matriz unidad (identidad). Es la matriz escalar cuyos elementos de la diagonal principal son unos. Se designa como I.

SUMA DE MATRICES.

Consideremos dos matrices A, BMmxn, es decir, con las mismas dimensiones.

Definimos:

En forma abreviada: si A=(aij), B=(bij) entonces A+B=(aij+bij). Es decir: suma de matrices de las mismas dimensiones, es la aplicacin que asocia a cada par de matrices otra matriz de las mismas dimensiones cuyos elementos se obtienen sumando trmino a trmino los elementos correspondientes en dichas matrices: +: MmxnxMmxn > Mmxn (A,B)> A+B Siendo y entonces . A. PROPIEDADES. 1. Asociativa: (A+B)+C = A+(B+C). Es evidente, pues los elementos de A, B y C son de R que es un cuerpo conmutativo. 2. Existe elemento neutro: A+Neutro=A Neutro=(0)=La matriz nula. 3. Existe elemento opuesto: A+(Opuesto de A)=(0) Opuesto de A=A 4. Conmutativa: A+B = B+A. Es evidente, pues los elementos de A y B son de R que es un cuerpo conmutativo. Por tanto (Mmxn, +) es un Grupo Conmutativo. 6. PRODUCTO DE UN NMERO REAL POR UNA MATRIZ.

Consideremos la matriz AMmxn y R.

Definimos:

En forma abreviada: si A=(aij), A = (aij). Es decir: producto de un nmero real por una matriz, es la aplicacin que asocia a cada par formado por un nmero real y una matriz, otra matriz cuyos elementos se obtienen multiplicando el nmero real por todos los elementos de la matriz: : RxMmxn > Mmxn (,A) > A Siendo entonces . A. PROPIEDADES. 5. (A+B) = A+B 6. (+)A = A+A 7. ()A = (A) 8. 1A = A Son evidentes, pues tanto los elementos de las matrices A y B como los nmeros y pertenecen a R que es un cuerpo conmutativo. 7. PRODUCTO DE MATRICES. A. PRODUCTO DE UNA MATRIZ FILA POR UNA MATRIZ COLUMNA. Sean A una matriz con una fila y n columnas y B una matriz con n filas y una columna.

El producto de las matrices A y B (AB) es otra matriz con una fila y una columna cuyo nico elemento es: c = a1b1 + a2b2 + ... + anbn. Es decir: AB=(c) Hay que hacer notar que para poder multiplicar A y B debe suceder que el nmero de columnas de A sea igual al nmero de filas de B. AB = [26 + (3)7 + 4(8) + 59] = (4) que es una matriz de orden 1x1 con un nico elemento, el 4. B. PRODUCTO DE DOS MATRICES CUALESQUIERA.

Sean A una matriz de orden mxn, formada por m matrices fila [A1, A2, ..., Am] de n elementos cada una y B una matriz de orden nxp, formada por p matrices columna [B1, B2, ..., Bp] de n elementos cada una.

El producto de las matrices A y B (AB) es otra matriz C de orden mxp con m filas y p columnas, cuyo elemento cij es el producto de la matriz fila Ai por la matriz columna Bj. Es decir: cij = AiBj = ai1b1j + ai2b2j + ... + ainbnj

As pues, el producto de matrices, es la aplicacin que asocia a cada par de matrices, una de dimensin mxn y otra de dimensin nxp, una tercera matriz de dimensin mxp: : MmxnxMnxp> Mmxp (A , B) > C tal que el elemento que ocupa el lugar q,r de la matriz producto se obtiene sumando los productos que resultan 9

de multiplicar los elementos de la fila qsima de la matriz A por los respectivos elementos de la columna rsima de la matriz B. Simblicamente: si A=(aij), B=(bij) y C=(cij) entonces: . Obsrvese que para poder efectuar el producto AB es necesario que el nmero de columnas de la matriz A coincida con el nmero de filas de la matriz B. Esto implica que, en general, si existe el producto AB no tiene por qu existir BA. Sin embargo, si las matrices son cuadradas y del mismo orden, siempre existen AB y BA.

C. PROPIEDADES DEL PRODUCTO DE MATRICES. 1. No es una operacin interna en el conjunto Mmxn. Si mn ni siquiera se puede efectuar el producto de dos matrices A,BMmxn.

En el conjunto Mnxn, s que sera una operacin interna. 2. No es conmutativo. a) Hay casos en los cuales es posible efectuar AB, y no BA. Si y

. No es posible efectuar BA. b) En los casos en que es posible efectuar AB y BA, no siempre da el mismo resultado. A veces ni siquiera son del mismo orden. Si y

10

c) En el caso de las matrices cuadradas, tampoco se verifica la propiedad conmutativa. Si y

, . 3. Dota al conjunto Mmxn de divisores de cero. Es decir, hay matrices no nulas cuyo producto es la matriz nula. Si y

. A(0) y B(0); sin embargo AB=(0). 4. Verifica la propiedad asociativa en los casos que se puedan multiplicar tres matrices. Es decir, si A es de orden mxn, B de orden nxp y C de orden pxq, entonces: (AB)C=A(BC). 5. No existe elemento neutro. Si A es de orden mxn, entonces Im es el elemento neutro por la izquierda de A, e In el elemento neutro por la derecha de A. Es decir: ImA=A, AIn=A.

= .

11

Si A es una matriz cuadrada de orden n, In es el elemento neutro por la izquierda y por la derecha de A. Es decir, el nico elemento neutro de Mnxn. O sea: InA=AIn=A. 6. No existe elemento simtrico para ninguna matriz de Mmxn siendo mn. Hay matrices cuadradas que s tienen elemento simtrico (inversa) las cuales se llaman regulares, en cambio las que no tienen inversa se llaman singulares. La matriz inversa de A la denotamos por A1. Ya veremos cmo se calcula. Si A es de orden n, A1 tambin, y se verifica que: A1A = AA1 = In.

= .

. Veamos que no tiene inversa. Si fuera su inversa:

12

= a+c=1, b+d=0, a+c=0, b+d=1. Sistema de ecuaciones que no tiene solucin y por tanto no existe B. 7. A(B+C) = AB+AC. Es evidente, con AMmxn y B,CMnxp. 8. (A+B)C = AC+BC. Es evidente, con A,BMmxn y CMnxp. 9. (A)B = (AB). Es evidente, con AMmxn y BMnxp. 8. TIPOS DE MATRICES CUADRADAS. 1. Diagonales. Son aquellas que tienen todos sus elementos nulos excepto los de la diagonal principal, los cuales pueden ser nulos o no.

. a. Escalares. Son las diagonales con todos los elementos de la diagonal principal iguales.

. b. Unidad o identidad. Es una diagonal escalar con el nmero 1 en todos los lugares de la diagonal principal. Se denota por In.

13

. 2. Triangulares. Son aquellas en las que son nulos todos los elementos que estn por encima o por debajo de la diagonal principal. a. Triangular superior. Si son nulos los elementos por debajo de la diagonal principal. Es decir: aij=0 para i>j.

. b. Triangular inferior. Si son nulos los elementos por encima de la diagonal principal. Es decir: aij=0 para i<j.

. 3. Simtricas. Son las matrices A tales que At=A. Es decir: aij=aji para todos i, j.

14

. 4. Antisimtricas. Son las matrices A tales que At=A. O sea: aij=aji para todos i,j.

es antisimtrica, pues

. Observacin. En las matrices antisimtricas los elementos de la diagonal principal son nulos. 5. Regulares o invertibles. Son las que tienen inversa respecto al producto de matrices. Es decir: A es regular si existe su inversa A1 y por tanto: AA1 = A1A = I.

su inversa es .

su inversa es

. 6. Singulares. Son las que no tienen inversa respecto al producto de matrices.

15

no tienen inversa. 7. Ortogonales. Son las matrices A tales que AAt=I, es decir, A1=At.

son ortogonales. Comprubese. 8. Idempotentes. Son las matrices A tales que A2=A.

son idempotentes. Comprubese. 9. Involutivas. Son las matrices A tales que A2=I.

son involutivas. Comprubese. 9. MATRIZ TRASPUESTA. PROPIEDADES. Matriz traspuesta de A. Es la que se obtiene a partir de A cambiando filas por columnas sin alterar su orden de colocacin. La denotaremos por At. Si A=(aij), At=(aji). Si A es de orden mxn, At ser de orden nxm. Propiedades

16

Consideremos las matrices A, B, At y Bt de rdenes adecuados a las propiedades que veamos. 1. (At)t = A. Dem. Evidente. 2. (A)t = At. Dem. Evidente. 3. (A+B)t = At + Bt. Dem: Como A=(aij) y B=(bij) entonces A+B=(aij+bij). (A+B)t=(aji+bji)=(aji)+(bji)=At+Bt. 4. (AB)t = BtAt. Dem: Sean A=(aij) de orden mxn y B=(bij) de orden nxp. C=AB=(cij) ser de orden mxp. El elemento cij de C=AB es como sabemos: cij = ai1b1j + ai2b2j + ... + ainbnj. Este elemento es tambin el elemento que est en la fila j y la columna i de la matriz (AB)t, es decir, es el cji de (AB)t. Los elementos de la fila j de la matriz Bt son b1j, b2j, ..., bnj. Los elementos de la columna i de la matriz At son ai1, ai2, ..., ain. Por tanto, el elemento de la fila j y la columna i de BtAt es: b1jai1+b2jai2+...+bnjain=cji. Luego (AB)t=BtAt. 9. MATRICES INVERTIBLES. PROPIEDADES. Una matriz A es invertible o regular, si tiene inversa respecto al producto de matrices. Es decir: A es invertible si existe su inversa A1 y por tanto: AA1 = A1A = I. Propiedades 1. Si A y B son matrices cuadradas de orden n tales que: AB=In, entonces B=A1 y A=B1. Dem. Multiplicando en AB=In por A1 y aplicando la propiedad asociativa se tiene que: A1(AB)=A1 (A1A)B=A1 B=A1. Anlogamente: (AB)B1=B1 A(BB1)=B1 A=B1. 2. (A1)1 = A. Dem. Evidente. 3. (AB)1 = B1A1. Dem. Hay que ver que: (AB)(B1A1)=In. Por la propiedad asociativa: (AB)(B1A1)=A(BB1)A1=AA1=In. 4. (At)1 = (A1)t. Dem. Como AA1=In, tomando traspuestas resulta que: (A1)tAt=In, luego, por la primera propiedad 17

(A1)t=(At)1. 10. RANGO DE UNA MATRIZ. El concepto de rango es uno de los conceptos ms importantes del Algebra Lineal. Rango por filas de una matriz es el mayor nmero de filas que sean linealmente independientes. (*)

Rango por columnas de una matriz es el mayor nmero de columnas que son linealmente independientes. (*) Sea

. El rango por filas de A es 2 ya que las filas (1,0,3) y (2,1,1) son linealmente independientes y (3,1,2)=(1,0,3)+(2,1,1). El rango por columnas es tambin 2 ya que las columnas (1,2,3) y (0,1,1) son linealmente independientes y (3,1,2)=3(1,2,3)7(0,1,1). El hecho de que coincidan el rango por filas y el rango por columnas en el ejemplo anterior, no es por casualidad; veremos ms adelante que esta propiedad se verifica siempre, por lo cual podemos hablar simplemente de rango (o caracterstica) de una matriz. Se enuncia a continuacin un teorema que permite conocer un mtodo para calcular el rango de una matriz. Teorema. El rango por filas (o por columnas) de una matriz A no vara si se sustituye una de ellas por una combinacin lineal de todas, en la cual el coeficiente de la sustituida es distinto de cero. As, un mtodo para calcular el rango de una matriz consiste en transformarla, mediante las operaciones indicadas en el teorema anterior, en una matriz "escalonada". Teorema. El rango por filas y el rango por columnas de una matriz A son iguales. CONCEPTO DE SISTEMA DE ECUACIONES LINEALES. Sistema de m ecuaciones con n incgnitas. Es un conjunto de expresiones algebraicas de la forma:

xj son las incgnitas, (j=1,2,...,n). aij son los coeficientes, (i=1,2,...,m) (j=1,2,...,n).

18

ci son los trminos independientes, (i=1,2,...,m). Los nmeros m y n pueden ser cualesquiera: m>n, m=n m<n. Los escalares aij y ci son nmeros reales. El escalar aij es el coeficiente de xj en la isima ecuacin. Cuando n es pequeo, es usual designar a las incgnitas con las letras x, y, z, t, ... Obsrvese que el nmero de ecuaciones no tiene por qu ser igual al nmero de incgnitas. Cuando ci=0 para todo i, el sistema se llama homogneo. n

Es un sistema de 3 ecuaciones lineales con 4 incgnitas. Los coeficientes de la primera ecuacin del sistema son los nmeros 3, 2, 1, 1. El trmino independiente de la misma es el 2. 3. SOLUCIN DE UN SISTEMA. Solucin de un sistema. Es cada conjunto de valores que satisface a todas las ecuaciones. Resolver un sistema. Es calcular su solucin (o soluciones). n Dado el sistema:

Una solucin suya es x= ; y= ; z=0; t= . Comprubese. 4. TIPOS DE SISTEMAS. DISCUSIN DE SISTEMAS. Podemos clasificar los sistemas atendiendo al nmero de sus soluciones: 1. Incompatible. No tiene solucin. 2. Compatible. Tiene solucin. 19

a. Compatible determinado. nica solucin. b. Compatible indeterminado. Infinitas soluciones. n incompatible. No tiene solucin. n compatible determinado. nica solucin. n compatible indeterminado. Infinitas soluciones. Discutir un sistema. Es averiguar si tiene o no tiene solucin y, caso de tenerla, saber si es nica o si no lo es. Es decir, es establecer si es compatible o incompatible, y en caso de ser compatible, si es determinado o indeterminado. 5. NOTACIONES MATRICIAL Y VECTORIAL. Los conocimientos adquiridos sobre matrices facilitan la escritura de un sistema de ecuaciones lineales de manera ms reducida. Consideremos un sistema como el [1], escrito en forma clsica. En l se pueden considerar las siguientes matrices:

20

A es la matriz de los coeficientes de orden mxn. B es la matriz ampliada de orden mx(n+1). El sistema [1] se puede escribir en forma matricial as:

Si en el sistema [1] consideramos las siguientes matrices:

...

El sistema se escribir en forma vectorial de la siguiente forma:

En esta notacin, las soluciones de un sistema son los elementos de la forma: S=(s1, s2, ..., sn)Rn y se verifica la siguiente relacin: A1s1 + A2s2 + ... + Ansn = C

21

n Consideremos el sistema:

A es la matriz de los coeficientes de orden 3x3. B es la matriz ampliada de orden 3x4. El sistema se puede escribir de las siguientes formas: Forma matricial:

Forma vectorial:

x+

y+

z=

22

n En el sistema:

el elemento s=(1,1,3,2) es solucin, ya que se verifica:

(1) +

(1) +

(3) +

(2) =

. Comprubese. 6. SISTEMAS EQUIVALENTES. Dos sistemas de ecuaciones son equivalentes si toda solucin del primero es solucin del segundo y viceversa. (No es necesario que tengan el mismo nmero de ecuaciones) n Los sistemas:

son equivalentes. Ambos son compatibles deter-minados y su solucin es: x=3, y=1. Definicin. En un sistema de ecuaciones lineales, una ecuacin es combinacin lineal de las ecuaciones del sistema, si se obtiene como resultado de sumar las ecuaciones del mismo previamente multiplicadas por un nmero real.

23

n Consideremos el sistema:

Multiplicando la 1 ecuacin por 2, la 2 por 1, la 3 por 3 y sumndolas: 2(3x+2y) + (1)(2x2y+z) + 3(x2y2z) = 24 + (1)3 + 3(1). Obtenemos: 7x 7z = 2, que es combinacin lineal de las del sistema dado. Los resultados que veremos a continuacin, permiten ir transformando un sistema en otros equivalentes cuyas soluciones puedan obtenerse con mayor facilidad. A. TEOREMA FUNDAMENTAL DE EQUIVALENCIA. CONSECUENCIAS. Teorema fundamental de equivalencia. Si en un sistema de ecuaciones lineales se sustituye la ecuacin isima por una combinacin lineal de dicha ecuacin y las dems ecuaciones del sistema (siempre que el coeficiente que multiplique a la ecuacin isima sea distinto de cero), el sistema resultante es equivalente al primero. Demostracin n Sea el sistema:

Multiplicando la primera ecuacin por (2) y sumndola a la segunda, se obtiene:

Multiplicando la tercera ecuacin por (3) y sumndola a la segunda:

y, de aqu, se obtiene rpidamente como solucin: z=1, y=2, x=1. De este teorema se siguen las siguientes consecuencias: 1. Si en un sistema de ecuaciones lineales se suprime una ecuacin que es combinacin lineal de las restantes, el sistema obtenido es equivalente al dado. Demostracin Es evidente a partir del teorema fundamental. 2. Si en un sistema de ecuaciones lineales multiplicamos la ecuacin i por 0, se obtiene otro sistema equivalente. Demostracin 24

Es un caso particular del teorema fundamental. B. MTODO DE ELIMINACIN DE GAUSSJORDAN. Las operaciones efectuadas en el ejemplo anterior con las ecuaciones del sistema, podramos realizarlas en la matriz ampliada del sistema, as surge el: MTODO DE ELIMINACIN DE GAUSSJORDAN. Es el mtodo de resolucin de sistemas de ecuaciones lineales, que consiste en llegar a un sistema "escalonado" transfor-mando la matriz ampliada en una matriz escalonada por filas. Los siguientes ejemplos explican detalladamente el proceso a seguir. n Resolvamos el sistema:

Consideramos la matriz ampliada asociada al sistema, separando un poco la columna de los trminos independientes:

(a)

(b)

(a) [0 1 3 1] = (2)[1 1 1 1] + [2 3 1 3], [0 6 7 3] = (5)[1 1 1 1] + [5 1 2 2] (b) [0 0 25 3] = 6[0 1 3 1] + [0 6 7 3] Luego, el sistema ha quedado de la siguiente forma:

Resolviendo las ecuaciones, comenzando por la ltima queda: z= , y= , x= . 25

Se trata de un sistema compatible determinado. n Resolvamos el sistema:

La matriz ampliada es:

Intercambiando la primera fila con la tercera queda:

(a)

(b)

(a) [0 2 1 1 0] = (2)[1 1 2 2 2] + [2 0 5 3 4] [0 6 5 7 2] = (3)[1 1 2 2 2] + [3 3 11 1 8] (b) [0 0 2 4 2] = (3)[0 2 1 1 0] + [0 6 5 7 2] Luego, el sistema ha quedado de la siguiente forma:

Resolvemos la ltima ecuacin, z=1+2t; si hacemos t=, queda: z=1+2; y= ; x= ; t=. Las soluciones del sistema se hallan dando valores arbitrarios al parmetro . Es un sistema compatible indeterminado.

26

n Resolvamos el sistema:

La matriz ampliada es:

Intercambiamos las dos primeras filas queda:

(a)

(a) [0 0 0 5] = (2)[1 2 4 3] + [2 4 8 1] Luego el sistema nos ha quedado de la siguiente forma:

Se observa que el sistema es incompatible. 7. SISTEMAS DE CRAMER. REGLA DE CRAMER. El mtodo de Gauss que acabamos de ver es sencillo y eficaz para resolver un sistema de ecuaciones lineales. Pero tiene un inconveniente. Si de un sistema de 300 incgnitas tan slo nos interesan 7, siguiendo el mtodo de Gauss, habramos de seguir el proceso de triangulacin como si nos interesaran todas ellas. La regla de Cramer, que ahora veremos, aprovecha con astucia las propiedades de las matrices y sus determinantes para despejar, separadamente, una cualquiera de las incgnitas de un sistema de ecuaciones lineales. Sistema de Cramer. Es un sistema en el que: m=n y %A%0. Es decir: La matriz A es cuadrada y regular. En tal caso, A tiene inversa A1, por lo que multiplicando [2] por la izquierda por A1: A1AX = A1C X=A1C

27

O sea:

que son las frmulas de Cramer, las cuales se recogen en la siguiente regla: Regla de Cramer. El valor de la incgnita xj en un sistema de Cramer es una fraccin, cuyo numerador es un determinante que se obtiene al reemplazar la columna j por la columna que forman los trminos independientes, y cuyo denominador es %A%. n Resolvamos el sistema:

m=n=3 y %A%=70. Luego, es un sistema de Cramer.

. Por tanto, la solucin del sistema es: x= , y= , z= . n Resolvamos el sistema:

28

m=n=3 y %A%=330. Luego, es un sistema de Cramer.

. Por tanto, la solucin del sistema es: x=1, y=2, z= . 8. TEOREMA DE ROUCHFRBENIUS. DISCUSIN Y RESO-LUCIN DE SISTEMAS DE ECUACIONES LINEALES. Vamos a ver ahora el caso ms general de sistemas de ecuaciones lineales. Obtendremos una condicin necesaria y suficiente de compatibilidad, un criterio de clasificacin y un mtodo de resolucin. Todo ello se basa en el teorema de RouchFrbenius. Consideremos el siguiente sistema de m ecuaciones con n incgnitas:

Escrito en forma vectorial: siendo A1, A2, ..., An las columnas de la matriz de los coeficientes. Sean: A la matriz de coeficientes, B la matriz ampliada y r(A)=h. Teorema de RouchFrbenius. a) El sistema [1] tiene solucin rango (B) = h. b) Si h=n, el sistema tiene solucin nica. c) Si h<n, el sistema tiene infinitas soluciones. Demostracin 29

a) Si existe solucin (s1,s2,...,sn), la ecuacin vectorial [2] indica que C puede ponerse como combinacin lineal de A1, A2, ..., An, y, por tanto, r(B)=h. Recprocamente, si r(B)=h, C podr expresarse como combinacin lineal de las h columnas Ai linealmente independientes. Supongamos que sean A1, A2, ..., Ah. Existen (s1,s2,...,sn, 0, ..., 0) tales que: A1s1 + A2s2 + ... + Ahsh + Ah+10 + ... + An0 = C, y, por tanto, existe solucin. b) Si r(B)=h, supongamos que son linealmente independientes A1, A2, ..., Ah. Entonces, la ecuacin vectorial [2] puede escribirse de la siguiente forma: A1x1 + A2x2 + ... + Ahxh = C Ah+1xh+1 ... Anxn [3] Esto indica que, cualesquiera que sean xh+1, ..., xn, el segundo miembro de la expresin [3] es combinacin lineal de A1, A2, ..., Ah. Si h=n, el segundo miembro de [3] queda reducido a C, y el sistema admitira solucin nica. c) Si h<n, dando valores arbitrarios a xh+1, ..., xn en la expresin [3], se obtienen infinitas soluciones. El teorema puede resumirse de la forma siguiente: Rango (A) Rango (B) Incompatible. Rango (A) = Rango (B) Compatible. Si h=n. Determinado. Solucin nica. Rango (A) = Rango (B) Compatible. Si h<n. Indeterminado. Infinitas solucio-nes que dependen de nh parmetros. n Discute y resuelve el sistema:

%A%=1. r(A)=r(B)=3=n incgnitas. El sistema es compatible determinado. Aplicando el mtodo de Gauss, o la regla de Cramer, se obtiene: z=1, y=3, x=2. n Discute y resuelve el sistema:

r(A)=r(B)=3=n incgnitas. El sistema es compatible determinado. Aplicando el mtodo de Gauss, o la regla de Cramer, se obtiene: x=3, y=6, z=11. n Discute y resuelve el sistema:

r(A)=3; r(B)=4. El sistema es incompatible.

30

n Discute y resuelve el sistema: r(A)=r(B)=2 < n incgnitas. El sistema es compatible indeterminado. Tomamos como incgnitas principales x, y. Obtenemos infinitas soluciones dependientes de dos parmetros:

Aplicando la regla de Cramer y haciendo z= y t=, queda como solucin: x= , y= , z=, t=. Veamos algunas de las infinitas soluciones: Si hacemos =1 y =1, obtenemos: x= , y= , z=1, t=1. Si hacemos =1 y =0, obtenemos: x=1, y=2, z=1, t=0. n Discute y resuelve, segn los valores de a, el sistema:

Consideremos la matriz de coeficientes y la matriz ampliada:

A=a(a1)(a2). Pueden considerarse los siguientes casos. 1) Si a0, a1, a2: A0; por tanto r(A)=r(B)=3=n incgnitas. S.C.D. Solucin nica. Resolvindolo por la regla de Cramer, se obtiene:

31

Por ejemplo, si a=1, obtendramos como solucin: x= , y= , z= . 2) Si a=0: Queda el sistema:

Como r(A)=2 y r(B)=3, el sistema es incom-patible, lo cual en este caso es evidente observando la segunda ecuacin. 3) Si a=1: Queda el sistema:

r(A)=r(B)=2 < n incgnitas. S.C.I. Infinitas soluciones que dependen de un parmetro. Aplicando Gauss, o Cramer, se obtiene: x=4, y=, z= . 4) Si a=2: Queda el sistema:

Como r(A)=2 y r(B)=3, el sistema es incom-patible. RESUMEN: Para a0, a1, a2: S.C.D. Solucin nica. Para a=0: S.I. Ninguna solucin. Para a=1: S.C.I. Infinitas soluciones que dependen de un parmetro. Para a=2: S.I. Ninguna solucin. 9. SISTEMAS HOMOGNEOS. DISCUSIN Y RESO-LUCIN. Un sistema de ecuaciones lineales es homogneo, si todos los trminos independientes son nulos. 32

Consideremos el siguiente sistema homogneo de m ecuaciones con n incgnitas:

Aplicando el teorema de RouchFrbenius a este sistema, resulta que siempre tendr solucin, ya que siempre se cumple que r(A)=r(B). Si r(A)=nmero de incgnitas, existir una nica solucin que ser la solucin trivial: x1 = x2 = ... = xn = 0 Si r(A)<nmero de incgnitas, existirn infinitas soluciones. Podemos enunciar, pues, el siguiente teorema: Teorema. Un sistema de ecuaciones lineales homogneo tiene solucin distinta de la trivial el rango de la matriz de los coeficientes es menor que el nmero de incgnitas. Corolario. Un sistema de ecuaciones lineales homogneo con igual nmero de ecuaciones que de incgnitas tiene solucin distinta de la trivial el determinante de la matriz de coeficientes es nulo. Demostracin Es evidente a partir del teorema anterior. n Dado el sistema:

Calculemos el rango de la matriz A.

33

r(A)=2 < nmero de incgnitas=3. Luego habr infinitas soluciones, que sern las del sistema equivalente:

y= , x= . n Dado el sistema:

r(A)=2 < n incgnitas=3. Por tanto habr infinitas soluciones que dependen de un parmetro: x=, y=, z=. n Dado el sistema:

%A%0. r(A)=3=n incgnitas, el sistema es compatible determinado. La nica solucin posible es la trivial: x=0, y=0, z=0.

APLICACIN ESPECIFICA DE LOS CONCEPTOS DERIVE MATRICES APLICADOS A LA INFORMTICA: DERIVE permite, respecto a matrices, definir y operar con matrices . Una matriz puede considerarse como una coleccin de nmeros ordenados en filas o columnas; a la hora de definir una matriz hay que indicar su dimensin e introducir todos sus elementos. Los pasos para escribir una matriz son: Seleccionar la opcin Matrix del men Author. Indicar el numero de filas y columnas de la matriz, y hacer clic sobre la opcin OK. Escribir los elementos de la matriz y hacer clic sobre el botn OK Existen algunas matrices que tienen nombre propio como por ejemplo la matriz identidad, que puede generarse a partir de una expresin especifica que se introduce mediante la opcin Expresin del men Author.

34

OPERACIONES CON MATRICES: Las operaciones ms frecuentes con matrices se pueden realizar de forma natural, es decir, escribiendo su expresin y simplificndola. Es muy til, cuando se escriben expresiones con matrices, utilizar la posibilidad de hacer alusin a una expresin de la ventana de lgebra mediante su ventana numrica. BASIC INSTRUCCIONES DE DEFINICIN DE MATRICES: El BASIC permite trabajar con matrices. Antes de asignar valores a los elementos de una matriz estos se deben definir mediante unas instrucciones. LA INSTRUCCIN DIM: Mediante esta instruccin se define el nombre de una matriz, el numero de dimensiones de que constara y el valor mximo del ndice del que constara. Adems con una misma instruccin Dim, podemos definir mas de una matriz, las matrices pueden ser numricas o alfanumricas INSTRUCCIN ERASE: As como una matriz tiene que definirse para que ocupe espacio en memoria, tambin, cuando ya no se utiliza para nada puede anularse. Longitud, extensin o volumen, de una lnea, una superficie o un cuerpo respectivamente. Compuesto o ejecutado con nmeros. Compuesto o ejecutado con letras y/o nmeros Trabajo de matemticas Matrices y Resolucin de sistemas. Pgina 10 de 26 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% Trabajo de matemticas Matrices y Resolucin de sistemas. Pgina 26 de 26

35