Tema 1 – NOCIONES BÁSICAS DE ALGEBRA LINEAL

1.1.- ALGEBRA MATRICIAL

1.1.1. Matriz y tipos
1.1.2. Operaciones con matrices
1.1.3. Determinantes
1.1.4. Inversa
1.1.5. Rango

1.2.- SISTEMAS DE ECUACIONES LINEALES

1.2.1. Conceptos previos
1.2.2. Resolución de sistemas
 1.1. ALGEBRA MATRICIAL
1.1.1. MATRIZ Y TIPOS

Definición- Matriz
Una matriz mxn es una tabla A de mn objetos ordenados en m filas y n columnas.
 a11 a12 ... a1n 
 
A=  a 21 a 22 ... a 2n 
    
 
a 
 m1 a m 2 ... a mn 

TIPOS DE MATRICES
Matrices cuadradas: m=n. Es decir nº columnas=nº filas.
Matriz nula: Matriz mxn cuyos coeficientes son todos 0.


Matriz fila: Matriz 1xn.



Matriz columna: Matriz mx1



Matrices diagonales: Matriz cuadrada A=(aij) con aij=0 para ij.



Matriz identidad, In: Matriz cuadrada nxn que tiene unos en la diagonal y el resto ceros.


Matrices triangulares: Una matriz cuadrada es triangular superior si todos los elementos


que están por debajo de la diagonal principal son ceros (aij=0 cuando i>j). Una matriz
cuadrada es triangular inferior si todos los elementos que están arriba de la diagonal son
ceros (aij=0 cuando i<j).
Matriz simétrica: Una matriz cuadrada es simétrica si coincide con su traspuesta. A = At.


En adelante trabajaremos con matrices de numeros reales


 1.1.2. OPERACIONES CON MATRICES

Suma: Si A=(aij) y B=(bij) son matrices mxn, entonces A+B=(aij+bij) y es mxn

Producto por un escalar: Si R y A=(aij) es una matriz mxn entonces A=(aij) y es


mxn.
Producto de matrices. Si A=(aij) es mxn y B=(bij) es nxr, entonces C=AB es la matriz mxr


tal que cij=ai1b1j+…+ainbnj

Trasposición: Si A=(aij) es mxn, entonces su traspuesta, At, es la matriz nxm que resulta


de cambiar filas por columnas

1.1.3. DETERMINANTES

Toda matriz cuadrada tiene asociado un número real llamado determinante que se obtiene de
la siguiente manera.

Matrices 1x1:
|A| =|a11| = a11

Matrices 2x2:

|A| = a 11 a 12
= a11a22 – a12a21
a 21 a 22

Matrices 3x3: (Regla de Sarrus)

a a a
| A| =a 11 a 12 a 13 = a11a22a33 + a21a32a13 + a21a12a23 – a13a22a21 – a23a32a11 – a33a12a21
21 22 23
a 21 a 32 a 33

Matrices nxn (n4): (Método de adjuntos)

|A| = ai1Ai1 + ai2Ai2 + … + ainAin (desarrollado por la fila i) ó
|A| = a1jA1j + a2jA2j + … + anjAnj (desarrollado por la columna j)
Aij es el adjunto del elemento aij y se obtiene multiplicando (-1)i+j por el determinante de la
matriz que resulta al suprimir la fila i-esima y la columna j-esima.
Procurar elegir, por comodidad, la fila o columna con más ceros.
Ejemplo:
Calcula el determinante de la siguiente matriz por los elementos de la fila 2

1 0 2 3
 
2 1 1 2 
A
1 1 1 1
 
3 0 0 3

1 0 2 3
0 2 3 1 2 3 1 0 3 1 0 2
2 1 1 2 21 22 23 24
 2(1) 1 1 1  1( 1) 1 1 1  1(1) 1 1 1  (2)(1) 1 1 1  - 24
1 1 1 1
0 0 3 3 0 3 3 0 3 3 0 0
3 0 0 3
Propiedades de los determinantes:
Si una fila o columna de A es de ceros, entonces el determinante vale 0.
Si dos filas o columnas son iguales (o proporcionales), entonces el determinante vale 0.
Si intercambiamos dos filas (o columnas) el determinante cambia de signo.
Si a una fila (o columna) le sumamos otra multiplicada por un número, el determinante no varía.
Si la matriz es triangular o diagonal, el determinante es el producto de los elementos de la diagonal
principal.
NOTA
Definición: combinación lineal . Dependencia lineal
Diremos que un vector v ∈ Rn es combinación lineal de los vectores v1, . . . , vm ∈ Rn si se puede
expresar de la forma
v = α1v1 + · · · + αmvm, para ciertos α1, . . . , α m ∈ R. con algún αi≠ 0
Diremos que un conjunto de vectores es linealmente dependiente o ligado si uno de ellos es
combinación lineal de los demás. En caso contrario diremos que el conjunto es linealmente
dependiente o libre.
Ejemplo:
El vector (4,3,4) es C.L. de (2,1,0) y (1,1,2) pues
(4,3,4) = (2,1,0) +2 (1,1,2)

Un determinante vale cero si y solo si tiene una línea que es combinación lineal
de las restantes líneas
1.1.4. INVERSA

Sea A una matriz cuadrada de orden n.

Si |A|  0,  una matriz A-1 / A-1 A = A A-1 = In
Se dice, en ese caso, que A es una matriz REGULAR
A la matriz A-1 se le llama INVERSA de A.

-1(Adj(A))t Adj(A t )
Cálculo de la matriz inversa: A  
A A
Ejemplo 4 0 1
 
Obtened, si existe, la inversa de la siguiente matriz: A  2 -1 1
1 3 1


4 0 1
A  2 -1 1  - 9  0   A -1
1 3 1
 4 1 1
   
 -4

-1 7 

- 4

3 1
  9 3 9
1 1 2 
Adj(A)   3 3 -12  (Adj(A))t   - 1 3 - 2 A -1   
1  9 3 9 
 -2 -4  7
 - 12 - 4   7 4 4 
 
 9 3 9 
1.1.5. RANGO
Sea A una matriz de orden m x n. Se llama RANGO de A, al mayor numero de filas o columnas
linealmente independientes que tiene la matriz.
Calculo del rango: el rango de una matriz viene dado por el orden del mayor determinante
distinto de cero que se puede extraer de la matriz, se representa rg(A.
rg(A)  min(m,n)
Si A es la matriz nula, se dice que rg(A) = 0
1 0 0 1 0
Ejemplo  
1 0 1 1 0
Calcula el rango de la siguiente matriz: A  
0 0 2 2 1
 
2 1 0 1 0 
a21 = 1  0

a11 a12 1 0 a 21 a 22 1 0 a 21 a 23 1 1
 0  0  20
a 21 a 22 1 0 a 31 a 32 0 0 a 31 a 33 0 2

a11 a12 a13 1 0 0 a 21 a 22 a 23 1 0 1

a 21 a 22 a 23  1 0 1 0 a 31 a 32 a 33  0 0 2  -2  0
a 31 a 32 a 33 0 0 2 a 41 a 42 a 43 2 1 0

1 0 0 1
1 0 1 1
20 Por lo tanto, rg(A) = 4
0 0 2 2
2 1 0 1
1.2. SISTEMAS DE ECUACIONES LINEALES
1.2.1. CONCEPTOS PREVIOS

ECUACIÓN LINEAL con incógnitas x1, …, xn

a1x1 + a2x2 + … + anxn = b a1, …, an, b  

SISTEMA DE m ECUACIONES LINEALES con n incógnitas

a11x1 + a12x2 + … + a1nxn = b1
.
.
.
am1x1 + am2x2 + … + amnxn = bm

Expresión Matricial: Ax = b
 a11 ..... a1n   x1   b1   a11 ..... a1n b1 
 :  
: :   :   : 
 : : : : 
A  x   b  (A b)  
 : : :   :   :  : : : : 
a a mn  x  b   
 m1 .....  n  m  a m1 ..... a mn b m 

Matriz de coeficientes Matriz de incógnitas Matriz de términos Matriz ampliada

independientes
CLASIFICACIÓN (según el número de soluciones)

Sistema Compatible si tiene solución

Compatible Determinado si la solución es única
Compatible Indeterminado si posee infinitas soluciones
Sistema Incompatible si no tiene solución

TEOREMA ROUCHÉ-FROBENIUS
Dado el sistema Ax = b:
1. Si rg(A) = rg(A|b)  El sistema es Compatible
1.1 Si rg(A) = nº incógnitas  Compatible Determinado
1.2 Si rg(A) < nº incógnitas  Compatible Indeterminado
2. Si rg(A) < rg(A|b)  El sistema es Incompatible
SISTEMA HOMOGÉNEO
Es aquel donde todas las componentes del vector b son ceros.
Estos sistemas siempre tienen al menos una solución (x1, x2 ,… , xn) =(0,0,…,0)

SISTEMAS EQUIVALENTES
Dos sistemas son equivalentes si tienen las mismas soluciones.
Para pasar de un sistema a otro equivalente pueden realizarse alguna/s de las siguientes
operaciones:
 Cambiar el orden de las ecuaciones
 Multiplicar alguna ecuación por un escalar distinto de cero
 Sumarle a una ecuación otra multiplicada por un escalar
1.2.2. RESOLUCIÓN DE SISTEMAS

MÉTODO DE GAUSS
Consiste en a partir de un sistema S llegar a otro equivalente que sea triangular.

Ejemplos

x +2y − z = 3
2x − y + 3z = 6
− x + y + 4z = 3

x +2y + z = 4
2x + y − z = 2
7x + 8y + z = 16

2x − y + 3z = 2
x + y − z =1
4x + y + z = 6
REGLA DE CRAMER
Para un sistema de ecuaciones lineales con el mismo número de ecuaciones que de
incógnitas y con |A| no nulo, la variable xi con i =1,…,n se calcula:
(i)
 a11 ... b1 ... a1n 
 
 a 21 ... b 2 ... a 2n 
 . . . 
 
 . . . 
 
 . . . 
a
 n1 ... b n ... a nn 
xi 
A

Ejemplo
x +2y − z = 3
2x − y + 3z = 6
− x + y + 4z = 3

Ejemplo
x + y − 2z +w = 4
2x + 2y + z +2w = 3