ALGEBRA LINEAL

INTRODUCCION
Profesor: Rodolfo Espinoza

Un sistema general de m ecuaciones lineales algebraicas con n incgnitas:

m n mn m m
n n
n n
y x a x a x a
y x a x a x a
y x a x a x a
= + + +
= + + +
= + + +
...
....
....
2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11


donde x
j
j=1,2,n son las variables dependientes
y
i
i=1,2,m son las variables independientes
a
ij
i=1,2,m j=1,2,n son coeficientes constantes
Los valores de y
i
son generalmente consideradas como conocidas (o dadas) y las variables x
j
como las
incgnitas.
La representacin de este sistema de ecuaciones es:

i
n
j
j ij
y x a =

=1
i=1,2,.,m
Y en forma matricial A x = y

Matrices y vectores
En general, una matriz es un arreglo rectangular de elementos. Si el arreglo tiene m filas y n columnas, se
dice que es una matriz de m x n, esto es, la matriz es m x n dimensional.
Un vector fila ( m=1) a = [ a
1
, a
2
,a
n
]
y un vector columna ( n =1)

(
(
(
(
(
(

=
m
b
b
b
b
.
.
2
1


Matrices especiales
Una matriz que tiene el mismo nmero de filas que de columnas (m=n) se dice que es cuadrada.
Los elementos a
ii
i=1,2,,n se llaman los elementos de la diagonal de la matriz A
Si todos los elementos de la matriz son cero, excepto los de la diagonal, se dice que la matriz cuadrada A
es diagonal. Una matriz diagonal, cuyos elementos en la diagonal son todos unos, se llama matriz
identidad.


(
(
(
(

=
1 0 0 0
. . . .
0 0 1 0
0 0 0 1
I

Operaciones elementales
Suma de matrices. Si dos matrices A y B tienen la misma dimensin, luego su suma ser una matriz C
de igual dimensin. Si A = [ a
ij
] B = [ b
ij
] C = [ c
ij
] donde C = A + B
y los elementos de C estn definidos por c
ij
= a
ij
+ b
ij


La suma de matrices satisface las siguientes leyes:
1. A+B = B+A ( Ley conmutatividad)
2. A+(B+C) =(A+B)+C (Ley asociatividad)
Multiplicacin por escalares
Para cualquier matriz A y cualquier escalar( nmero real o complejo) , el producto A es la matriz
obtenida de multiplicar cada elemento de la matriz A por el factor .
Ejemplo. si la matriz A
A =
(

6 5 4
3 2 1
para = 3 A = 3A =
(

18 15 12
9 6 3

Multiplicacin de Matrices
Si A es una matriz m x n y B una matriz n x p, la matriz C= AB se define como una matriz de
dimensiones m x p, cuyos elementos son

=
=
n
j
jk ij ik
b a c
1

se dice que para multiplicar dos matrices estas tienen que ser conformables
C(m x p) = A(m x n) B (n x p) El nmero de columnas de A igual al nmero de filas de B

La multiplicacin de matrices cumple con la Ley de Asociatividad
A ( B C) = ( A B ) C
Pero no con la de conmutatividad
A B # B A

Si A es una matriz cualquiera con dimensiones m x n, I una matriz identidad m x n, luego el producto de
I A = A

Producto Punto
Un caso especial de la multiplicacin de matrices es el producto punto de dos vectores. Esto es, el
producto de un vector fila n-dimensional llammoslo r, y un vector columna n-dimensional, llammoslo
c.
El producto es :

=
=
n
i
i i
c r rc
1
que es de dimensin 1 x 1, o sea, un escalar.

(
(
(

=
3
2
1
x
x
x
x p = [ p
1
p
2
p
3
] px = p
1
x
1
+ p
2
x
2
+ p
3
x
3
=

=
3
1 i
i i
x p

Matriz Transpuesta
La transpuesta de una matriz A de dimensin m x n A= [ a
ij
] y que se denota por A
T
se define como la
matriz de dimensin n x m A
T
= [ a
ij
T
] donde a
ij
T
= a
ij

Esto significa que A
T
se define como la matriz resultado del intercambio de filas y columnas de A

(

=
(
(
(

6 4 2
5 3 1
6 5
4 3
2 1
T
Se cumple que (A B)
T
= B
T
A
T

Derivada e integral de una matriz
Si los elementos de un matriz A dependen del tiempo, es posible efectuar la diferenciacin o la
integracin de la matriz, y esta se define como la derivada o integracin de cada elemento de la matriz.

(
(
(
(

=
) ( ... ) ( ) (
. . . .
) ( ... ) ( ) (
) ( ... ) ( ) (
) (
2 1
2 22 21
1 12 11
t a t a t a
t a t a t a
t a t a t a
t A
mn m m
n
n
(
(
(
(

=
dt t da dt t da dt t da
dt t da dt t da dt t da
dt t da dt t da dt t da
dt
t dA
mn m m
n
n
/ ) ( ... / ) ( / ) (
. . . .
/ ) ( ... / ) ( / ) (
/ ) ( ... / ) ( / ) (
) (
2 1
2 22 21
1 12 11






Determinantes
El determinante de una matriz A
(
(
(
(

=
nn n n
n
n
a a a
a a a
a a a
A
2 1
2 22 21
1 12 11
. . . .
...
...
se denota por /A/, det A o encerrando el arreglo con lneas verticales

nn n n
n
n
a a a
a a a
a a a
2 1
2 22 21
1 12 11
. . . .
...
..
El determinante de una matriz A (1x1 ) A = [ a ] es /A/ = a

El determinante de una matriz de 2 x 2 3 2 4 1
4 3
2 1
x x =

Expansin de Laplace
El valor del determinante correspondiente a una matriz general de nxn se puede encontrar en trminos del
determinante de ms bajo orden, utilizando la expansin de Laplace. Esta expansin se define en trminos
del menor de los cofactores de los elementos de la matriz.
El menor M
ij
del elemento a
ij
en una matriz, es el determinante del arreglo formado al eliminar la i-esima
fila y la j-esima columna de la matriz original. Si A es una matriz nxn, cada menor es un determinante de
(n-1) x (n-1). El cofactor C
ij
que corresponde al elemento a
ij
de A es (-1)
i+j
M
ij

En trminos de la expansin de Laplace, el determinante de la matriz A es:
det A =

=
n
j
ij ij
C a
1
para cualquier i o equivalentemente det A =

=
n
i
ij ij
C a
1
para cualquier j

Ejemplo
0 5 2 4
1 2 0 1
2 0 0 1
0 1 2 3
det = A expandiendo con la segunda fila det A = (-1)
5 2 4
2 0 1
1 2 3
2
0 5 2
1 2 0
0 1 2
+

Productos y transpuestas
La frmula del producto det ( AB) = (det A) (det B) donde A y B son matrices cuadradas n x n

y la regla de transpuesta det (A
T
) = det (A)

Inversa de una matriz

Calcular la inversa de una matriz 3x3 A =
(
(
(

4 1 0
0 1 3
2 0 1
el det A = = 10
C
11
= (1)
4 1
0 1
= 4 C
12
= (-1)
4 0
0 3
= -12 C
13
= (1)
1 0
1 3
= 3 C
21
= 2
4 1
2 0
) 1 ( =

C
22
= 4 C
31
= -2 C
32
= 6 C
33
= 1

A
-1
= inv (A) =
(
(
(

1 1 3
6 4 12
2 2 4
10
1

Propiedades de matrices Inversas
1. Si A es una matriz cuadrada no singular y A
-1
su inversa, entonces A
-1
A = I

tambin A A
-1
= I
2. Si A y B son matrices cuadradas n x n no singulares
(A B)
-1
= B
-1
A
-1
El inverso del producto de 2 matrices cuadradas es igual al producto de las
inversas en orden inversa.

PROPIEDADES GEOMETRICAS
Espacio Vectorial

El concepto de espacio vectorial, en donde los vectores son considerados como elementos en el espacio,
en lugar de visualizarlos como un arreglo de coeficientes uni-dimensional.
El espacio E
n
como un set de todos los vectores de la forma:
(
(
(
(
(
(

=
n
x
x
x
x
.
.
2
1
donde cada x
i
es un escalar (nmero real o complejo). Vectores de esta forma pueden ser
vistos como puntos en un espacio n-dimensional o como lneas que se originan en el origen.
Si las coordenadas o vectores base se definen como

(
(
(
(
(
(

=
0
.
0
0
1
1
u
(
(
(
(
(
(

=
0
.
0
1
0
2
u .
(
(
(
(
(
(

=
1
.
0
0
0
n
u


un vector x puede ser construido a partir de estos vectores. Las componentes de x son las cantidades de
las diferentes n vectores de coordenadas que componen x. En el dibujo adjunto, el vector x de 2
componentes, es imaginado simplemente como un vector en el espacio. Posteriormente, los vectores
pueden ser sumados, o multiplicados por una constante sin una referencia explcita a sus componentes.




Independencia Lineal
Un grupo de vectores a
1 ,
a
2 ,
a
3
..a
m
se dice que son linealmente dependientes si existe un conjunto de
nmeros
m
o o o o ,...., , ,
3 2 1
no todos cero, tal que
x
x1
x2
x
2x
0 ......
3 3 2 2 1 1
= + + + +
m m
a a a a o o o o
Esto significa, que dos vectores son linealmente dependientes si apuntan en la misma direccin ( o en
direcciones opuestas). Tres vectores son linealmente dependientes (l.d.) si estn en un mismo plano
pasando a travs del origen. Para que m vectores sean linealmente independientes (l.i.) deben generar
un espacio m-dimensional.

Suponga que:
(
(
(
(
(
(

=
1
21
11
1
.
0
n
a
a
a
a
(
(
(
(
(
(

=
2
22
12
2
.
0
n
a
a
a
a
(
(
(
(
(
(

=
nn
n
n
n
a
a
a
a
.
0
2
1
son n vectores.

con ellos se forma la matriz A =
(
(
(
(
(
(

nn n n
n
n
a a a
a a a
a a a
2 1
2 22 21
1 12 11
. . . . .
. . . . .
. .
. .
matriz de orden n x n
para evaluar la independencia de los vectores a
i
i=1, 2, 3,,n se evala el determinante de A

TEOREMA
Los vectores a
1
, a
2
, .,a
n
que forman las columnas de una matriz n x n A, son linealmente
independientes si y solo si la matriz A es no singular.

RANGO
Si A es una matriz de dimensin m x n. El rango de A es el nmero de columnas linealmente
independientes (l.i.) de A.
Se prueba que el rango de A
T
es igual al rango de A Esto significa que el nmero de filas linealmente
independientes de A, es el mismo que el nmero de columnas linealmente independientes.

BASE
La base de E
N
es cualquier conjunto de n vectores linealmente independientes. La base estandar es el
conjunto de vectores u
1
, u
2
, ..,u
n
. Cualquier vector puede ser representado como una combinacin lineal
de estos vectores base. En particular, un vector

(
(
(
(
(
(

=
n
x
x
x
x
.
.
2
1
puede ser expresado en trminos de la base estandar x=
n n
u x u x u x + + + ...
2 2 1 1

Los elementos x
i
son las componentes de x con respecto a la base estandar.
CAMBIO DE BASE
Supongamos que utilizamos una nueva Base, la cual consiste de un conjunto de vectores linealmente
independientes, p
1
,p
2
, .,p
n
. El vector x tendr una representacin como una combinacin lineal de estos
nuevos componentes

n n
p z p z p z x + + + = ...
2 2 1 1

donde los z
i
son los componentes de x con respecto a la nueva base.
Juntando los n vectores p
i
i=1,2, ,n en una matriz P, se puede escribir como
x = P z donde z es el vector columna con elementos z
i


Si suponemos que P es no singular debido a que p
i
son l.i.
se puede escribir z = P
-1
x lo cual da las nuevas componentes en funcin de las originales. Ambos
grupos de componentes representan el mismo punto en el espacio vectorial, solo que ellos definen los
puntos en trminos de DIFERENTES BASES.

Ejemplo
(

=
0
1
1
u
(

=
1
0
2
u
(

=
1
2
x
(

=
1
3
1
p
(

=
1
1
2
p

(

=
1 1
1 3
P
(

3 1
1 1
4
1
1
P z = P
-1
x =
(

4 / 1
4 / 3





AUTOVECTORES
Definicin
Un nmero es un autovalor (valor propio ) de una matriz A (n x n) si existe un vector diferente de cero x
tal que,
A x = x
El vector x correspondiente se denomina el autovector (vector propio) de la matriz A
Tambin se utiliza el trmino de valor caracterstico y vector caracterstico.
La interpretacin geomtrica de un autovector operado por A es que cambia la longitud (y tal vez el
signo) del vector. Esto significa, que no rota el vector a una nueva posicin.

POLINOMIO CARACTERISTICO
Para un valor dado de , la ecuacin del autovector es
A x = x
que es equivalente a la ecuacin lineal homogenea [ A I ] x = 0
donde I es la matriz identidad.
La condicin para que el valor sea un autovalor de la matriz A, es que
det [ A I ] = 0
Esta ecuacin es llamada la ecuacin caracterstica de A
El valor de det [A I ] es una funcin de la variable . Por tanto, cuando se expande det [A-I]
obtenemos un polinomio de grado n en la variable . Este polinomio p() se denomina el Polinomio
caracterstico de la matriz A. De aqu, observamos la correspondencia directa entre las races del
polinomio caracterstico y los autovalores de la matriz A

Cada polinomio de grado n 1 tiene por lo menos una raz, y puede ser descompuesto en factores de
primer grado. El polinomio caracterstico se puede escribir en forma factorizada como
p() = (
1
) (
2
). (
n
)
donde los i son ( no necesariamente distintas) las races del polinomio. Esto implica, que existe al
menos una solucin a la ecuacin caracterstica, y al menos un autovalor.

Ejemplo
A =
(

3 2
1 2
El polinomio caracterstico es

3 2
1 2
= (2-)(3-)-2 =
2
-5+4

que se factoriza como (
1
-1)(
2
-4). El polinomio tiene 2 races
1
= 1
2
= 4 que son los autovalores de
la matriz A.
Los autovectores (vectores propios) se obtienen utilizando la ecuacin homogenea [ A
i
I ] x = 0
Para
1
= 1
A-
1
I =
(

2 2
1 1
(A-
1
I) x =
(

2 2
1 1

(

2
1
x
x
= 0
las 2 ecuaciones x
1
= - x
2
una posible solucin ser x =
(

1
1
para x
1
, x
2
# 0
Para
2
= 4 obtenemos una posible solucin x =
(

2
1
la solucin general x =
(

b
b
2
b # 0

Ejemplo (autovectores complejos)
A =
(

1 1
2 3
la ecuacin caracterstica es

1 1
2 3

2
-4+5=0

con dos raices complejas
1
= 2 + i
2
= 2 - i
los autovectores correspondientes e
1
=
(

+ i 1
2
e
2
=
(

i 1
2


INDEPENDENCIA LINEAL DE AUTOVECTORES
Si
1
,
2 ,

3
,.,
m
son autovalores diferentes de la matriz A. Luego, cualquier conjunto de
autovectores e
1
, e
2 ,
e
3
,., e
m
asociados, son linealmente independientes.
Es importante anotar, que lo anterior es tambin cierto an si los autovalores de la matriz A no son todos
distintos. Cualquier conjunto de autovectores, uno para cada uno de los autovalores diferentes ser l.i. de
los otros.

AUTOVALORES DIFERENTES
Se da una situacin especial cuando los n autovalores determinados por la ecuacin caracterstica de una
matriz A de dimensin n x n son todos distintos. En este caso, los correspondientes autovectores sirven
como un nuevo y conveniente grupo de vectores base, y con respecto a esta base la transformacin
original es representada como una matriz diagonal.

Suponga que la matriz A (n x n) tiene n autovalores distintos
1
,
2 ,

3
,.,
n
y los correspondientes
autovectores son e
1
, e
2 ,
e
3
,., e
n
Estos, son linealmente independientes, por lo tanto estos n
autovectores sirven como base para un espacio vectorial E
N
. En particular, cualquier vector x se puede
representar como un combinacin lineal de estos vectores en la forma x = z
1
e
1
+

z
2
e
2
+.+z
n
e
n


para las constantes z
i
i=1,2,,n.
A x =
1
z
1
e
1
+
2
z
2
e
2
+.+
n
z
n
e
n


Los nuevos coeficientes de los vectores base son mltiplos de

los coeficientes originales
Utilizando conceptos matriciales, definamos una Matriz Modal de A, como aquella matriz n x n
M = [e
1
, e
2 ,
e
3
,., e
n
] cuyas columnas son los autovectores

el vector x y su representacin en la nueva base es x = M z
con este nuevo grupo de coordenadas, utilizando la nueva base, la matriz A
= M
-1
A M =
(
(
(
(

.. .. 0
. . . .
. . 0
0 ... 0
2
1


De aqu se concluye, que cualquier matriz cuadrada con autovalores diferentes, se puede transformar en
una matriz diagonal al realizar este cambio de base.

= M
-1
A M y M es la matriz modal de A
A = M M
-1

AM = M
Para esta ltima ecuacin analicemos la primera columna de la izquierda (AM), es A veces la primera
columna de M; esto es, A veces el primer autovector. Correspondientemente, la primera columna del lado
derecho (M) es veces el primer autovector. As, la correspondencia de la primera columna es
equivalente a la ecuacin A e
1
=
1
e
1


AUTOVALORES MULTIPLES
Para algunas matrices, con autovalores no diferentes ( repetidos o mltiples raices), es posible encontrar
n autovectores linealmente independientes, y utilizarlos como una nueva base llevando a una
representacin diagonal. Sin embargo, en general, se puede afirmar que matrices con mltiples races no
siempre se pueden diagonalizar con un cambio de base.
Ejemplo
A =
(

5 0
1 5
el polinomio caractersticos es (5 )
2
, multiplicidad de 2
El autovector debe satisfacer la ecuacin
(

=
(

0
0
0 0
1 0
2
1
x
x

la solucin diferente de cero es de la forma x
1
= x
2
= 0 para # 0, solo existe un autovector
independiente, y podemos seleccionar
(

0
1



FORMA CANONICA DE JORDAN
En el caso general, una matriz no puede ser transformada en una forma diagonal con un cambio de base.
Sin embargo, es posible encontrar una base en la cual la matriz sea casi diagonal, la matriz as
encontrada se llama Forma Cannica de Jordan

denotemos por L
k
() la matriz k x k

(
(
(
(
(
(

= .
0 0
1 . . . .
. 1 . .
. . 1 0
0 .... 0 1
) (

k
L
para cualquier matriz A (nxn) existe una matriz no singular T tal que
(
(
(
(

) (
) (
) (
2 2
1 1
1
r kr
k
k
L
L
L
AT T

donde k1 + k2+kr = n y donde
i
i= 1,2,r son los autovalores de A ( no necesariamente
distintos)