Asignatura de grado

ÁLGEBRA

Tutor: José Pareja Krauel

Curso 2018-2019
 Álgebra
1. Modulo 1: HERRAMIENTAS
• En este primer módulo se revisan conocimientos anteriores de forma
práctica. Pretendemos poner a punto las herramientas que se van a utilizar
en el resto de módulos.
• Como el nivel de conocimientos es diferente para cada estudiante, en cada
submódulo hay una prueba de autoevaluación de nivel, que dirigirá, si fuera
necesario, a herramientas complementarias de aprendizaje, básicamente al
“Curso Cero”.

• El contenido está distribuido en los siguientes epígrafes:

1.1. Introducción al programa MAXIMA.

1.2. Álgebra matricial.
1.3. Determinantes.
1.4. Sistemas de ecuaciones lineales. Métodos Numéricos.
 1.2. Álgebra matricial. Álgebra
• Una matriz es una tabla cuadrada o rectangular de datos (llamados
elementos o entradas de la matriz) ordenados en filas y columnas,
donde una fila es cada una de las líneas horizontales de la matriz y una
columna es cada una de las líneas verticales. A una matriz con m filas y n
columnas se le denomina matriz m-por-n (escrito m×n), y a m y n
dimensiones de la matriz.
• Normalmente se escribe para definir una matriz A pertenece M m × n
• Al elemento de una matriz A que se encuentra en la fila i-ésima y la
columna j-ésima se le denota como ai,j
• Una matriz con una sola columna o una sola fila se denomina a menudo
vector, y se interpreta como un elemento del espacio euclídeo. Una matriz
1 × n (una fila y n columnas) se denomina vector fila, y una matriz m × 1
(una columna y m filas) se denomina vector columna.
 1.2. Álgebra matricial. Álgebra
Ejemplo

• Dada la matriz:

que es una matriz 4x3.

El elemento a23 es el 7.

• La matriz

es una matriz 1×9, o un vector fila con 9 elementos.

 1.2. Álgebra matricial. Álgebra
Tipos de Matrices:
La matriz identidad In de orden n es la matriz n por n en la cual todos los
elementos de la diagonal principal son iguales a 1 y todos los demás
elementos son iguales a 0. La matriz identidad se denomina así porque
satisface las ecuaciones MIn = M y InN = N para cualquier matriz M m por n
y N n por k. Por ejemplo, si n = 3:

La matriz cero o matriz nula es una matriz con todos sus elementos iguales a
cero
 1.2. Álgebra matricial. Álgebra
• Matriz traspuesta de otra matriz

• Una matriz de elementos es simétrica, si es una matriz cuadrada (m = n) y

aij = aji para todo i, j =1,2,3,4,...,n. Nótese que la simetría es respecto a la
diagonal principal y que A es también, la matriz traspuesta de sí misma: At
= A.

• Una matriz de mxn elementos (m = filas, n = columnas) es antisimétrica (o

hemisimétrica), si es una matriz cuadrada (m = n) y aji = − aij para todo i, j
=1,2,3,...,n. En consecuencia, aii = 0 para todo i. Por lo tanto, la matriz A
asume la forma:
 1.2. Álgebra matricial. Álgebra
• Una matriz cuadrada de orden n se dice que es triangular superior si es
de la forma:

• Análogamente, una matriz de la forma se dice que es una matriz

triangular inferior.
 1.2. Álgebra matricial. Álgebra
Operaciones con matrices:
• SUMA: Dadas las matrices m-por-n ,A y B, su suma A + B es la matriz m-
por-n calculada sumando los elementos correspondientes (i.e. (A + B)[i, j] =
A[i, j] + B[i, j] ). Es decir, sumar cada uno de los elementos homólogos de las
matrices a sumar. Por ejemplo:

Propiedades
• Asociativa: A + (B + C) = (A + B) + C
• Conmutativa : A + B = B + A
• Existencia de matriz cero o matriz nula: A + 0 = 0 + A = A
• Existencia de matriz opuesta: A + (-A) = 0
 1.2. Álgebra matricial. Álgebra
Operaciones con matrices:
• PRODUCTO POR UN ESCALAR: Dada una matriz A y un escalar c, su
producto cA se calcula multiplicando el escalar por cada elemento de A (i.e.
(cA)[i, j] = cA[i, j] ).

Propiedades
• Clausura: Si A es matriz y c es escalar, entonces cA es matriz.
• Asociatividad: (cd)A = c(dA)
• Elemento Neutro: 1·A = A
• Distributividad:
– De escalar: c(A+B) = cA+cB
– De matriz: (c+d)A = cA+dA
 1.2. Álgebra matricial. Álgebra
Operaciones con matrices:
• PRODUCTO DE MATRICES: El producto de dos matrices se puede definir sólo
si el número de columnas de la matriz izquierda es el mismo que el número de
filas de la matriz derecha. Si A es una matriz m×n y B es una matriz n×p,
entonces su producto matricial AB es la matriz m×p (m filas, p columnas)

Propiedades
• Propiedad asociativa: (AB)C = A(BC).
• Propiedad distributiva por la derecha: (A + B)C = AC + BC.
• Propiedad distributiva por la izquierda: C(A + B) = CA + CB.
• En general, el producto de matrices tiene divisores de cero: Si A.B = 0 , No
necesariamente A ó B son matrices nulas
• El producto de matrices no verifica la propiedad de simplificación: Si A.B = A.C,
No necesariamente B=C
• El producto de dos matrices generalmente no es conmutativo, es decir, AB ≠
BA.
 1.2. Álgebra matricial. Álgebra
• Matriz inversa es una matriz cuadrada A de orden n se dice que es
invertible, no singular, no degenerada o regular si existe otra matriz
cuadrada de orden n, llamada matriz inversa de A y representada
como A−1, tal que AA−1 = A−1A = In,donde In es la matriz identidad de
orden n.
• Una matriz no invertible se dice que es singular o degenerada. Una matriz
es singular si y solo sisu determinante es cero.
Propiedades
• La inversa de una matriz, si existe, es única.
• La inversa del producto de dos matrices es el producto de las inversas
cambiando el orden:

• Si la matriz es invertible, también lo es su transpuesta, y el inverso de su

transpuesta es la transpuesta de su inversa, es decir:

• Y, evidentemente:
 1.2. Álgebra matricial. Álgebra
• Una matriz es invertible si y sólo si el determinante de A es distinto de cero.
Además la inversa satisface la igualdad:

donde es el determinante de A y es la matriz de adjuntos de A.

TRAZA DE UNA MATRIZ A: es la suma de los elementos de su diagonal

Inversión de matrices 2×2 (ver ejemplo 1.5 del libro)

• Calcular la matriz inversa en matrices de 2x2 puede ser muy sencillo. Se
puede hacer de la siguiente manera:

• Esto es posible siempre y cuando ad - bc, el determinante de la matriz, no

sea cero.
 1.2. Álgebra matricial. Álgebra
Calculo de la matriz adjunta:
El adjunto de un término de la matriz A resulta del determinante de la
submatriz que se obtiene de eliminar de la matriz A, la fila y la columna a la
que pertenece el término , multiplicado por ( − 1)(i + j).

Matrices 2 x 2
Dada una matriz de 2 x 2:

Su matriz de adjuntos viene dada por:

Matrices 3x3
 1.2. Álgebra matricial. Álgebra
• Ejemplo de calculo de la matriz adjunta.
 1.2. Álgebra matricial. Álgebra
Matrices elementales: Las matrices elementales son aquellas que se
obtienen a partir de una única operación elemental de matrices sobre
la matriz identidad.
Estas son:
• Escalamiento: multiplicar una fila por un número.
• Eliminación: sumar a una fila una combinación lineal de las restantes.
• Permutación: intercambiar dos filas.
Las matrices tienen esta forma (en el caso 3X3):
• Obtenidas por escalamiento

• Obtenidas por eliminación

Ejemplo 1.8 del libro.

Es posible calcular la matriz inversa de una matriz regular A utilizando
operaciones elementales por filas de A. (Ejemplo 1.11 del libro)
 1.2. Álgebra matricial. Álgebra
Matrices escalonadas:
En álgebra lineal una matriz se dice que es escalonada, escalonada por filas o
que está en forma escalonada si:
• Todas las filas cero están en la parte inferior de la matriz.
• El primer elemento no nulo de cada fila, llamado pivote, está a la derecha del
pivote de la fila anterior (esto supone que todos los elementos debajo de un
pivote son cero).

ej: matriz escalonada matriz no escalonada

Si además se cumplen las siguientes condiciones:

• Sus pivotes son todos iguales a 1
• En cada fila el pivote es el único elemento no nulo de su columna
se dice que es escalonada reducida por filas.
 1.3. Determinantes Álgebra
Los determinantes proporcionan una herramienta muy útil para calcular el
Rango de una matriz, clasificar un sistema de ecuaciones lineales, estudiar
la dependencia lineal de un sistema de vectores, …

Calculo de determinantes en matrices de orden 2 y orden 3.

Regla de Sarrus

Calculo del determinante mediante los adjuntos: ver ejemplo 1.17 libro
 1.3. Determinantes Álgebra
Propiedades de los determinantes:

• Si A posee una matriz fila de ceros, el det (A) = 0

• Una propiedad fundamental del determinante es su comportamiento
multiplicativo frente al producto de matrices:

• El determinante de una matriz y el de su traspuesta coinciden:

• Una aplicación lineal entre espacios vectoriales es invertible si y sólo si su

determinante no es nulo. Por lo tanto, una matriz con coeficientes en
un cuerpo es invertible si y sólo si su determinante es no nulo.

Ver ejemplos 1.23 y 1.24

 1.4 Sistemas de ec. lineales Álgebra
Un sistema de ecuaciones lineales, también conocido como sistema lineal
de ecuaciones o simplemente sistema lineal, es un conjunto de
ecuaciones lineales sobre un cuerpo o un anillo conmutativo. Un ejemplo
de sistema lineal de ecuaciones sería el siguiente:

En general, un sistema con m ecuaciones lineales y n incógnitas puede ser

escrito en forma ordinaria como:

Donde son las incógnitas y los números son los

coeficientes del sistema sobre el cuerpo
 1.4 Sistemas de ec. lineales Álgebra
Es posible reescribir el sistema separando con coeficientes con notación
matricial:

Donde A es una matriz m por n (matriz de coeficientes), x es un vector

columna de longitud n (incógnitas) y b es otro vector columna de longitud m
(términos independientes).

Matriz ampliada asociada al sistema de ecuaciones es ( A/ b)

Si bi = 0 para todo i, el sistema es homogéneo y si n=m el sistema es

cuadrado.
 1.4 Sistemas de ec. lineales Álgebra
Tipos de sistemas
Los sistemas de ecuaciones se pueden clasificar según el número de
soluciones que pueden presentar

• Sistema incompatible si no tiene ninguna solución.

• Sistema compatible si tiene alguna solución, en este caso además puede
distinguirse entre:
– Sistema compatible determinado cuando tiene un número finito de
soluciones.
– Sistema compatible indeterminado cuando admite un conjunto
infinito de soluciones.
 1.4 Sistemas de ec. lineales Álgebra
Clasificación de sistemas mediante los rangos de las matrices A y (A/b):

• Sistema incompatible  Rang (A) ≠ Rang (A/b)

• Sistema compatible
– Sistema compatible determinado  Rang (A) = Rang (A/b) = n

– Sistema compatible indeterminado  Rang (A) = Rang (A/b) = k < n,

y además su solución depende de n-k parámetros

Ver ejemplo 1.25 del libro

 1.4 Sistemas de ec. lineales Álgebra
Sistemas incompatibles
De un sistema se dice que es incompatible cuando no presenta ninguna
solución. Por ejemplo, supongamos el siguiente sistema:

Matemáticamente un sistema de estos es incompatible cuando el rango de la

matriz del sistema es inferior al rango de la matriz ampliada. Una condición
necesaria para que esto suceda es que el determinante de la matriz del
sistema sea cero:

Sistemas compatibles indeterminados

Un sistema sobre un cuerpo K es compatible indeterminado cuando posee
un número infinito de soluciones. Por ejemplo, el siguiente sistema:
 1.4 Sistemas de ec. lineales Álgebra
Sistemas compatibles determinados
Los sistemas compatibles determinados se caracterizan porque el
determinante de la matriz es diferente de cero:
 1.4 Sistemas de ec. lineales Álgebra
Sistemas de ecuaciones equivalentes:
Un sistema de ecuaciones S, es equivalente a otro S’ si tienen las mismas
soluciones.

 

Si se realiza alguna de las tres operaciones elementales se obtiene un

sistema equivalente a S
• Intercambiar la fila (fila 2 = f2) por otra fila, por ejemplo f1
• Multiplicar la fila por un escalar α siendo α ≠ 0 Є R
• Reemplazar la fila por otra f2  f2 + α f1
Por lo tanto, si (A’/ b’) es la matriz ampliada del sistema obtenida al
realizar en ( A / b) un numero finito de operaciones elementales,
entonces los sistemas AX = b y A’X= b’ son equivalentes.
Ver ejemplo 1.26
 1.4 Sistemas de ec. lineales Álgebra
METODOS NUMERICOS PARA SISTEMAS DE ECUACIONES LINEALES:
Regla de Cramer:
La regla de Cramer da una solución para sistemas compatibles determinados
en términos de determinantes y adjuntos dada por:

Donde Aj es la matriz resultante de remplazar la j-ésima columna de A por el

vector columna b.
Ej: Sistema de 3 ecuaciones con 3 incógnitas
 1.4 Sistemas de ec. lineales Álgebra
METODOS NUMERICOS PARA SISTEMAS DE ECUACIONES LINEALES:

Los métodos exactos o directos que estudiaremos se

pueden clasificar en:

• Métodos de eliminación: método de Gauss y método de

Gauss-Jordan

• Métodos de factorización o descomposición: método LU

 1.4 Sistemas de ec. lineales Álgebra
METODOS NUMERICOS PARA SISTEMAS DE ECUACIONES LINEALES:
Método de Gauss o de eliminación Gaussiana:

El método de Gauss, es un método aplicable únicamente a los sistemas

lineales de ecuaciones, y consistente en triangular la matriz aumentada
(A/b) del sistema mediante transformaciones elementales, hasta obtener
ecuaciones de una sola incógnita, cuyo valor será igual al coeficiente
situado en la misma fila de la matriz.

El Método de Gauss consiste en convertir un sistema normal de 3 ecuaciones

con 3 incognitas en uno escalonado, en la que la primera ecuación tiene 3
incógnitas, la segunda ecuación tiene 2 incógnitas, y la tercera ecuación
tiene 1 incógnita. De esta forma será fácil a partir de la última ecuación y
subiendo hacia arriba, calcular el valor de las tres incógnitas.

Ver ejemplo 1.29

 1.4 Sistemas de ec. lineales Álgebra
METODOS NUMERICOS PARA SISTEMAS DE ECUACIONES LINEALES:
Método de Gauss-Jordan:

El método de Gauss-Jordan es una variante de la eliminación de Gauss, pero

en vez de obtener una matriz triangular superior se obtiene una matriz
diagonal.
El proceso de Gauss-Jordan termina cuando la matriz ampliada (A/b) es
escalonada reducida.

Ver ejemplo 1.32

 1.4 Sistemas de ec. lineales Álgebra
METODOS NUMERICOS PARA SISTEMAS DE ECUACIONES LINEALES:
Ejemplo Gauss-Jordan:

Primero, eliminamos x de la segunda ecuación

sumando 3/2 veces la primera ecuación a la segunda
y después sumamos la primera ecuación a la tercera.

El siguiente paso consiste en eliminar la incógnita y

en la primera y tercera fila, para lo cual les sumamos
la segunda multiplicada por - 2 y por -4 , respectivamente.

Luego eliminamos la z , tanto de la primera como de la

segunda fila, sumándoles la tercera multiplicada por -2 y por 1/2 ,
respectivamente
 1.4 Sistemas de ec. lineales Álgebra
METODOS NUMERICOS PARA SISTEMAS DE ECUACIONES LINEALES:

Método de factorización LU:

En el álgebra lineal, la factorización o descomposición LU es una forma de

factorización de una matriz como el producto de una matriz triangular
inferior y una superior. Debido a la inestabilidad de este método, por
ejemplo si un elemento de la diagonal es cero, es necesario premultiplicar
la matriz por una matriz de permutación.

Ver ejemplos 1.33-1.36

 1.4 Sistemas de ec. lineales Álgebra
Ejemplo Método de factorización LU:

Primero obtenemos la matriz triangular superior U

Una vez obtenida la U, para obtener la L, se realizan las mismas operaciones

sobre una matriz identidad en este caso 4x4.
 1.4 Sistemas de ec. lineales Álgebra
Ejemplo Método de factorización LU:

Y obtenemos la matriz triangular inferior L

Sea L el producto de las matrices elementales, será por lo tanto:

Una matriz triangular inferior con unos en la diagonal

Para demostrar el resultado

 1.4 Sistemas de ec. lineales Álgebra
Sistema de ecuaciones: Ejemplo Método de factorización LU:

Si tenemos el sistema de ecuaciones: 

Ejemplo: Resuelva donde A y b son:

Del ejemplo anterior tenemos calculado L y U

El sistema conduce a las ecuaciones:

 1.4 Sistemas de ec. lineales Álgebra
Sistema de ecuaciones: Ejemplo Método de factorización LU:
Si lo resolvemos, tenemos

Ahora realizamos

La solución es por tanto,

 1.4 Sistemas de ec. lineales Álgebra
METODO MAS SENCILLO: factorización LU:

Tenemos el mismo ejemplo que el anterior:

Utilizamos el producto de matrices L x U , y obtenemos los valores de cada una

de las matrices: vemos la componente a21

Para demostrar el resultado

 1.4 Sistemas de ec. lineales Álgebra
METODOS NUMERICOS PARA SISTEMAS DE ECUACIONES LINEALES:

Método de factorización LU permutada: PA = LU

Es el caso en que la matriz A, necesita una permutación anterior (intercambiar
una serie de filas), antes de obtenerla como producto de matrices
triangulares.
A la matriz P se le llama matriz de permutación.
Ejemplo:

Para obtener la triangular superior (escalonada) de la matriz A primero se

deben realizar permutaciones (se intercambian las filas).

Se realizaron dos permutaciones

Ver ejemplos 1.37
 1.4 Sistemas de ec. lineales Álgebra
METODOS NUMERICOS PARA SISTEMAS DE ECUACIONES LINEALES:
Continuación ejemplo:
Se realizaron dos permutaciones

Así se obtiene:
 1.4 Sistemas de ec. lineales Álgebra
METODOS NUMERICOS PARA SISTEMAS DE ECUACIONES LINEALES:

Método de factorización LU permutada: PA = LU

En el caso de sistemas de ecuaciones lineales, tenemos un sistema t
tal que:
El sistema se resuelve igual.

Ejemplo:

Como obtuvimos en el ejemplo anterior

 1.4 Sistemas de ec. lineales Álgebra
METODOS NUMERICOS PARA SISTEMAS DE ECUACIONES LINEALES:

Método de factorización LU permutada: PA = LU

Continuación ejemplo:
Se buscan y tal que;  

Después, obtenemos las x

 

Por lo tanto, después de operar, la solución es