Unidad 1 Matrices-Clase 1

VICERRECTORÍA DE
PRE GRADO
RESUMEN ASIGNATURA:
UNIVERSIDAD MAYOR
ALGEBRA II
RESUMEN ASIGNATURA:
DESCRIPCIÓN ASIGNATURA
La asignatura Álgebra II profundiza a los estudiantes en las leyes y principios de algebra que forman parte de la base sobre la
que se construyen las habilidades de razonamiento lógico y científico del profesional. La asignatura está centrada en tres unidades:
Matrices, Sistemas lineales y Espacios vectoriales. Estas unidades en conjunto forman parte de los fundamentos de optimización,
que es necesaria para la asignatura de Métodos de Optimización.
La metodología de esta asignatura está basada en que el alumno debe leer las unidades dispuestas en plataforma previo a la sesión
de clase sincronizada, con el fin de que los términos a utilizar por el docente se tornen más familiares y se forme una interacción
entre alumno profesor. Además, el alumno debe resolver las guías dispuestas por cada unidad en los tiempos que se informarán, y
buscar y seleccionar información útil en la bibliografía sugerida.
Horario atención consultas Tributación Competencia(s) Educación General UM
A través de las
herramientas dispuestas
1. Autoaprendizaje, Desarrollo Personal y Pensamiento Crítico
en plataforma,
2. Razonamiento Científico
podrás contactar al
docente.
Código Sección
Asignatura
eAGUM1011 02
Requisito mínimo asistencia Día(s) Bloque hora Sala Campus
Horario clases Jueves 20:00 – 21:00 Virtual https://campusvirtual.umayor.cl/
Horas por tipo actividad C Ay L T TP TPr AC ED ExA OL

36 72
¡ESTO ES LO QUE VAS A APRENDER!
Resultados aprendizaje de la asignatura
1.- Calcular determinante de diferentes tipos de matrices y de orden para determinar la matriz inversa.
2.- Utilizar propiedades de matrices y determinantes para la resolución de problemas modelados a través de sistemas lineales .
3.- Reconocer espacios y subespacios vectoriales a través del estudio de sus propiedades, utilizando el proceso de diagonalización para la resolución
de problemas aplicados.
Unidades Contenidos Fundamentales Bibliografía
Lipschutz, Seymour.; (2000); Algebra lineal;
1.1. Operatoria de matrices. 2°. Edición, Madrid: McGraw-Hill; versión
Unidad I 1.2. Operaciones elementales. online disponible.
Matrices 1.3. Determinantes.
1.4. Inversa de matrices. Grossman, Stanley I.; (2001); Álgebra lineal;
McGr;aw-Hill; Versión digital disponible.
Sullivan, Michael; (2000); Precálculo, 4°.

Edición, México, D.F.: Pearson Educación;
versión online disponible.
2°. Edición, Madrid: McGraw-Hill; versión
Unidad II 2.1. Método de Gauss Jordan. online disponible.
2.2. Sistemas homogéneos.
Sistemas lineales 2.3 Regla de Cramer. Grossman, Stanley I.; (2001); Álgebra lineal;
Sullivan, Michael; (2000); Precálculo, 4°.

Edición, México, D.F.: Pearson Educación;
versión online disponible.
3.1. Espacios y subespacios vectoriales. 2°. Edición, Madrid: McGraw-Hill; versión
Unidad III online disponible.
3.2. Base y dimensión.
Espacios vectoriales 3.3. Vectores y valores propios.
Grossman, Stanley I.; (2001); Álgebra lineal;
RESUMEN ASIGNATURA:
CALENDARIZACIÓN
UNIDAD FECHA APERTURA Y ¡A tener presente en la asignatura!

TIPO EVALUACIÓN PONDERACIÓN
EVALUADA CIERRE
Calificación Parcial 1 Unidad 1 Semana 3 30% • Promedio ponderado de parciales
(Online) (3, 4 y 5 de septiembre) representa un 70% de la nota final.
Calificación Parcial 2 • Examen pondera un 30% de la nota
Unidad 2 Semana 5 35%
(Online) final.
(26 y 27 septiembre)
• Aceptar las políticas de aprobación de
Calificación Parcial 3 Unidad 3 Semana 7 35% la asignatura en plataforma
(Online) (8 y 9 octubre) educativa.
Recuperativa si
• Todas las evaluaciones son
Semana 8
procede, estudiantes obligatorias.
(12 y 13 de octubre)
que faltaron a alguna • Responder la Encuesta de
solemne y justificaron Satisfacción al término de la
su inasistencia asignatura.
• Para aprobar la asignatura, el alumno
debe obtener una nota igual o
superior a 4,0 en el examen y en el
promedio final del curso.
Unidades Semana 9 Nota mínima 3,5
Examen final 1-2-3 (sábado 22 de octubre) presentación
examen.
Examen recuperativo Unidades Semana 10 Nota mínima 4,0

estudiantes que faltaron 1-2-3 (viernes 28 de octubre) aprobación
a examen y justificaron examen.
su inasistencia
*IMPORTANTE:
✓ LA AUSENCIA AL EXAMEN FINAL SOLO SE PUEDE JUSTIFICAR HASTA 48 HRS. POSTERIOR A LA FECHA DE APLICACIÓN CON CERTIFICADO MÉDICO O LABORAL.
✓ POR REGLAMENTO ACADÉMICO DE PREGRADO EL EXAMEN ES OBLIGATORIO Y EN MODALIDAD ONLINE.
Álgebra II
Unidad I. Matrices
Miguel Ángel Muñoz Jara

Miguel Ángel Muñoz Jara www.youtube.com/c/MiguelÁngelMuñozJara 1 / 40
Matrices
Definición. Una matriz sobre el cuerpo de los números reales es un or-

denamiento rectangular de números denotado por:
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
 
A= . . . . 
 .. .. .. .. 
am1 am2 · · · amn
donde aij ∈ R, i = 1� 2� � � � � m y j = 1� 2� � � � � n.
La i-ésima fila de A es (ai1 ai2 � � � ain ) con 1 ≤ i ≤ m. Mientras que la
j-ésima columna de A es:
 
aij
1
 a2j 
 
 . 
 .. 
amj
con 1 ≤ j ≤ n. Por último el elemento aij se denomina la entrada ij de la
matriz A. Considerando lo anterior podemos denotar la matriz A por:
A = [aij ]
Matrices
Definición. Si una matriz A posee m filas y n columnas, diremos que

A es una matriz de orden m por n, lo cual es denotado como m × n. Si
m = n, diremos que la matriz A es cuadrada de orden n y que los elementos
a11 � a22 � � � � � ann , forman la diagonal principal de la matriz A.
Definición. Diremos que dos matrices A = [aij ] y B = [bij ] son iguales si y

solamente si ellas son de igual orden y aij = bij para todo i, para todo j.
Ejemplo. 2 2 2
 3
1 3 � �
1 3
1  2 -1  �= , ya que las matrices en cuestión son de or-
2 -1
0 0
den distinto, mientras la primera matriz es de orden 3x2 la segunda
matriz es de orden 2x2.
2
�
1 -1 0
02 3 4
O_O �
�=
�
0
2
-1
2
0
4
�
, ya que los elementos a11 y b11 son
diferentes.
O
Lxs Lxs
Matrices
Definición. Definimos la matriz nula o matriz cero de orden n × m, por la

matriz que posee todas sus entradas cero, la cual denotaremos por:
0m×n = 0�
Ejemplo. Observe que:
 
� � 0 0 0 0
0 0
a) 02 = b) 03×4 = 0 0 0 0 
0 0
0 0 0 0
Definición. Sea A = [aij ] ∈ Mn (R), diremos que A es una matriz diagonal

si y solamente si las entradas aij = 0 para todo i �= j.
Ejemplo. Las siguientes matrices son diagonales.

 
1 0 0 0
� �
0 0  0 2 0 0 
a) A = b) B =  0

0 1 0 3 0 
0 0 0 4

Matrices
Definición. La Matriz Identidad o Matriz Unitaria de orden n es la matriz

diagonal de orden n tal que las entradas aii = 1. La matriz identidad se
denotará por In .
Definición. Sea una matriz A = [aij ] ∈ Mn (R), diremos que A es una matriz:
(1) Triangular Superior si las entradas aij = 0� ∀i > j.
(2) Triangular Inferior si las entradas aij = 0� ∀i < j.
Ejemplo. Observe que:

 
1 2 3
1 A= 0 0 0  es una matriz triangular superior.
0 0 3
 
1 0 0
2 B= 0 0 0  es una matriz triangular inferior.
0 0 3

Operatoria
Definición. (Adición de matrices) Sean A = [aij ]� B = [bij ] ∈ Mn×m (R).

Definimos la suma entre A y B por:
A + B = [aij ] + [bij ] = (cij ) = (aij + bij )

� � � �
1 2 3 1 21 -3
Ejemplo. Observe que si A = �B = , en-
0 -1 2 -2 -1 4
tonces se tiene que:
� � � � � �
1 2 3 1 21 -3 2 23 0
A+B= + =
0 2 4 6
000
-1 -2
000
-1
000
-2 -2
Teorema. La adición de matrices satisface las siguientes propiedades:
1 A + (B + C) = (A + B) + C. Por lo tanto la adición de matrices es
asociativa.
2 0n×m es el neutro aditivo.
3 Dada A = [aij ] ∈ Mn×n (R), se tiene que -A = [-aij ] es el inverso aditivo
de A.
4 A + B = B + A. Por lo tanto la adición de matrices es conmutativa.

Operatoria
Definición. (Ponderación de una matriz por un escalar) Considere A = [aij ]

una matriz de orden n × m y k ∈ R se define el producto de un escalar k
por la matriz A por:
k · A = k[aij ] = (kaij )
� �
1 2 3
Ejemplo. Observe que si A = y k = -2 entonces:
0 -1 2
� � � �
1 2 3 -2 -4 -6
-2A = (-2) =
0 -1 2 0 2 -4
Definición. (Multiplicación de matrices) Considere A = [aij ] ∈ Mm×n (R) y

B = [bij ] ∈ Mn×p (R). Se define el producto de las matrices A y B por:
AB = [aij ]m×n [bij ]n×p = [acj ]m×p

XII 3 XD
donde:
n
X
cij = aik bkj � i = 1� �� m� j = 1� �� p�
k=1

Operatoria
 
� -2 5 �
1 2 -1
Ejemplo. Sean A = � B =  4 -3 , entonces:
3 1 4
2 1
 
� � -2 5 � �
1 2 -1  4 -2
AB = 4 -3  = �
3 1 4 6 16
2 1
Definición. Si A es una matriz cuadrada de orden n y k ∈ N, definimos las
potencias de la matriz A por:
A0 = In
Ak = AAk-1 �
� �
1 0
Ejemplo. Dada A = , determine A3 .
1 1
Solución. Observe que:
� �� 1 0.2 1
1 0 1 0 1 0
A2 = =
1 1 1 1 2 1 loto 1 0
� ��
1 0 1 0 1 0
A3 = AA2 = =
1 1 2 1 3 1
00
artists rota.ms
2 1 342
1.621 214 6 2 1 51 263 614
3621 1141 4 2 3 51 143 4 1

2 2
4 2
6 16
Operatoria
Definición. Sea A = [aij ] ∈ Mm×n (R), definimos la matriz traspuesta deA

por la matriz At = [bij ] ∈ Mn×m (R), donde
bij = aji �
Es decir la traspuesta de una matriz A se obtiene a partir de esta intercam-

biando las filas por las columnas.  
� � 1 0 -5
1 3 -4
Ejemplo. Sean A = y B =  -3 15 -7 , entonces:
-5 6 10
2 1 10
   
1 -5 1 -3 2
A = 3
t
6 =A B = 0
t
15 1  = -B
-4 10 -5 -7 10
por lo tanto A es una matriz simétrica, mientras B es una matriz anti-
simétrica.
OBS A BY TB At
lati Am
ABI Bt At
X.AE X At
Ejercicio
   
a 1 2a + b 3 1 0
Determine a� b� c ∈ R tales que  0 b +2
2
3+c = 0 1 1 
0 3 4 3a + 2b 3 4
Solución OBSERVE que IA IGUALDAD ES VÁLIDA

si
a 3 1 1 2am O
0 0 5 2 1 370 1
0 3925 3 3 4 4
ES DECIR
9 3 9 3
2atbro b za
5 2 1 62 1 Imposible en R
3 0 1 a
39 26 0 25 39

Ejercicio
POR lo Tanto no existen dib CER para que

LA IGUALDAD SEA VÁLIDA

Ejercicio
Considere las siguientes matrices reales:

� � � � � � � �
1 1 1 -1 1 3 4 0
A= B= C= D=
0 1 0 1 2 1 2 1
Calcular:
1 AB � BA � (A + B) � A + B - (A + B)
2 2 2 2
2 (A + B - I2 )(A + B - I2 ) - (A - B)
2
3 DB ; BD ; AC ; AD
Solución OBSERVE
A B t.ttn.ol.tt
f1
i e
ft 0.171.0 0 G t 11
BA retro saltar
f1 ft alto oeste b9
Ejercicio
A Ba CA TB T
2
dto it Kill l ti D
ti HEH
te l at
Ejercicio
Solución OBSERVE que
ATB IDCATB ID CA
BtiHi .CA
llliIt ttii1 161 611
1 11 1
El
6 11 Ias
f
V9 1881 1691
Matrices invertibles
Definición. Sea A ∈ Mn (R), diremos que A es una matriz invertible si y

solamente si existe B ∈ Mn (R) tal que AB = BA = I. En tal caso diremos
que B es la matriz inversa de A y denotaremos A-1 = B .
Teorema. Sean A� B ∈ Mn (R) matrices invertibles, observe que:

1 (A-1 )-1 = A�
2 (AB)-1 = B-1 A-1 �
3 (At )-1 = (A-1 )t �
� �
a b
Teorema. Sea A ∈ M2 (R) una matriz invertible, tal que A =
c d
entonces A es invertible si y solamente si ad - bc �= 0, además su inversa
es:
� �
Con
1 d -b
A-1 = �
ad - bc -c a

Operaciones Elementales fila
Definición. Sea AAE ∈ Mn (R). Llamaremos operaciones elementales por

Manta
filas sobre la matriz A a cada una de las siguientes operaciones.
1 Intercambio de filas. Denotamos por Fij el intercambio de la fila i con

la fila j.
2 Multiplicación de una fila por un escalar no nulo. Denotamos por Fi α

al reemplazo de la fila i por α veces la fila i, con α �= 0.
3 Denotamos por Fij (α) el reemplazo de la fila i por la suma de la fila i

mas α veces la fila j, con i �= j.
Observación. Las operaciones elementales filas, permiten analizar si una

matriz cuadrada es invertible y de serlo es posible calcular su inversa.


Unidad 1 Matrices-Clase 1

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Unidad 1 Matrices-Clase 1

Cargado por

Copyright:

Formatos disponibles

VICERRECTORÍA DE

Horas por tipo actividad C Ay L T TP TPr AC ED ExA OL

¡ESTO ES LO QUE VAS A APRENDER!

Resultados aprendizaje de la asignatura

Sullivan, Michael; (2000); Precálculo, 4°.

Sullivan, Michael; (2000); Precálculo, 4°.

UNIDAD FECHA APERTURA Y ¡A tener presente en la asignatura!

Examen recuperativo Unidades Semana 10 Nota mínima 4,0

Miguel Ángel Muñoz Jara

Definición. Una matriz sobre el cuerpo de los números reales es un or-

Definición. Si una matriz A posee m filas y n columnas, diremos que

Definición. Diremos que dos matrices A = [aij ] y B = [bij ] son iguales si y

Definición. Definimos la matriz nula o matriz cero de orden n × m, por la

Definición. Sea A = [aij ] ∈ Mn (R), diremos que A es una matriz diagonal

Ejemplo. Las siguientes matrices son diagonales.

Miguel Ángel Muñoz Jara

Definición. La Matriz Identidad o Matriz Unitaria de orden n es la matriz

(2) Triangular Inferior si las entradas aij = 0� ∀i < j.

Ejemplo. Observe que:

Miguel Ángel Muñoz Jara

Definición. (Adición de matrices) Sean A = [aij ]� B = [bij ] ∈ Mn×m (R).

A + B = [aij ] + [bij ] = (cij ) = (aij + bij )

Miguel Ángel Muñoz Jara

Definición. (Ponderación de una matriz por un escalar) Considere A = [aij ]

Definición. (Multiplicación de matrices) Considere A = [aij ] ∈ Mm×n (R) y

AB = [aij ]m×n [bij ]n×p = [acj ]m×p

Miguel Ángel Muñoz Jara

1.621 214 6 2 1 51 263 614

3621 1141 4 2 3 51 143 4 1

Definición. Sea A = [aij ] ∈ Mm×n (R), definimos la matriz traspuesta deA

Es decir la traspuesta de una matriz A se obtiene a partir de esta intercam-

Solución OBSERVE que IA IGUALDAD ES VÁLIDA

Miguel Ángel Muñoz Jara

POR lo Tanto no existen dib CER para que

Miguel Ángel Muñoz Jara

Considere las siguientes matrices reales:

Solución OBSERVE que

Definición. Sea A ∈ Mn (R), diremos que A es una matriz invertible si y

Teorema. Sean A� B ∈ Mn (R) matrices invertibles, observe que:

Miguel Ángel Muñoz Jara

Definición. Sea AAE ∈ Mn (R). Llamaremos operaciones elementales por

1 Intercambio de filas. Denotamos por Fij el intercambio de la fila i con

2 Multiplicación de una fila por un escalar no nulo. Denotamos por Fi α

3 Denotamos por Fij (α) el reemplazo de la fila i por la suma de la fila i

Observación. Las operaciones elementales filas, permiten analizar si una

Miguel Ángel Muñoz Jara

También podría gustarte