Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Operaciones
básicas.
1.1 Introducción.
Escalares, vectores y matrices.
Definiciones:
Los escalares que usaremos en el curso serán siempre números reales. A veces los
representaremos por letras griegas: α ∈ R, β ∈ R, λ ∈ R, . . .
Una matriz M que pertenece al espacio vectorial Mm×n son m × n escalares orde-
nados en una tabla de m filas y n columnas.
Ejemplo 1.1
Algunos escalares:
√ 2
−0.7, 1, π , 5, ,
3
Ejemplos de vectores:
2
(0, 0, 0), −0.5, ,
7
Ejemplos de matrices:
√
1
0.5 2 √
2 ,
1 −1 0
1
2 Sara Cuenda
Ejercicio 1.1 ¿Cuáles son las dimensiones de los vectores y matrices anteriores?
Observaciones:
Decimos que los vectores son listas ordenadas porque no es lo mismo el vector (1, 3)
que el (3, 1) (si no, serían conjuntos en lugar de vectores).
Una matriz también se puede entender como una lista ordenada de m vectores fila
de dimensión n, o como una lista ordenada de n vectores columna de dimensión m.
Representación de vectores en R2 :
v = PQ = OQ − OP = (qx − px , qy − py )
Álgebra Lineal (2016-17) 3
• |v| = 0 sólo si v = 0
4 Sara Cuenda
Ejercicio 1.2 Calcula el producto escalar de u = (1, −1) y v = (2, 3). Dibuja los vectores.
Ejercicio
√ 1.3 Calcula el producto escalar de dos vectores u, v de R2 con normas |u| = 1,
|v| = 2 y que forman un ángulo de 45◦ . Dibuja los vectores. ¿Cuántos vectores hay que
cumplan dichas condiciones?
Observaciones:
√
Ejercicio 1.4 Calcula el ángulo formado por los vectores (1, 0) y (1, 3) usando las dos
fórmulas del producto escalar.
Observaciones:
|v| =
|2v| =
|0.5v| =
| − v| =
| − 2v| =
|λv| =
Observaciones:
El producto por un escalar no cambia la dirección del vector (la recta que lo contiene).
• si |λ| = 1 el vector se queda del mismo tamaño (pero cambia el sentido si λ = −1).
w = u − v = u + (−1)v = (u1 − v1 , u2 − v2 ).
Vectores en Rn .
Definición: Rn es el conjunto de todas las posibles listas ordenadas formadas por n com-
ponentes reales,
entonces se define
Producto escalar: u · v = u1 v1 + u2 v2 + · · · + un vn ∈ R
√ p
Norma o módulo: |u| = u·u= u12 + u22 + · · · + un2 ∈ R+
Ejercicio 1.8 Dados los vectores u = (1, 2), v = (−1, 1) y w = (0, 1, 1), calcula las siguien-
tes combinaciones lineales de vectores:
a) −2u + 3v =
b) 5u + v =
c) u − w =
Observaciones:
Ejercicio 1.9 Razona si los siguientes conjuntos de vectores son linealmente dependien-
tes o no:
Observaciones:
Iremos viendo herramientas que nos permitan estudiar la dependencia lineal o inde-
pendencia lineal para casos más complejos.
Ejercicio 1.11 Dado el paralelogramo OABC, dos de cuyos vértices están en los puntos
~ = (1, 2, 1), OC
OA ~ = (−1, 1, −1), calcule la posición del vértice OB.
~ ¿De qué tipo de
paralelogramo se trata?
Álgebra Lineal (2016-17) 11
Observaciones:
Ejercicio 1.12 Dados los vectores u1 = (1, 1) y u2 = (1, −1), escribe la matriz A = u1 u2 .
¿Cuáles son sus dimensiones?
12 Sara Cuenda
1.13 Repite el ejercicio con los vectores v1 = (1, 1, 1) y v2 = (1, −1, 0), y la matriz
Ejercicio
v1
B= .
v2
Suma: Dadas dos matrices A y B del mismo orden Mm×n , los elementos de la matriz
suma, C = A + B, se definen como
cij = aij + bij .
calcula:
(AB)12 =
(AB)31 =
(AB)43 =
Observaciones:
Da una solución para las siguientes ecuaciones matriciales. ¿Es solución única?
a) X · A = A
b) A · X = A
su matriz traspuesta AT ∈ Mn×m es la matriz que se obtiene de intercambiar las filas por
las columnas de A,
a11 a21 ... am1
a12 a22 ... am2
T
A = ..
.. . . ..
. . . .
a1n a2n ... amn
Álgebra Lineal (2016-17) 15
Es decir,
(AT )ij = (A)ji
Observaciones:
(AB)T = B T AT
1 1
Ejercicio 1.22 Dadas A = 1 2 3 y B = −1 0 calcula:
0 −1
AB =
BA =
B T AT =
16 Sara Cuenda
2 Traza y determinante de matrices.
2.1 Traza
Definición.
Sea la matriz cuadrada A ∈ Mn , se define su traza como la suma de sus elementos
diagonales,
tr(A) = a11 + a22 + ... + ann .
Ejercicio 2.1 Calcula:
−3 0 1
tr 1 1 −1 =
0 0 1
−2 1 0 −1
tr 0 1 1 0 =
0 0 1 1
−2 1
tr =
1 0
−2 1 1 1
tr =
1 0 1 1
Propiedades.
tr(αA) = αtr(A).
17
18 Sara Cuenda
2.2 Determinante.
Reglas de cálculo de determinantes.
Definición formal: Sea la matriz cuadrada A ∈ Mn , se define su determinante como la
expresión
n!
X
|A| = (−1)sk a1j1 a2j2 · · · anjn ,
k =1
donde
(j1 , j2 , ... , jn ) es una de las n! permutaciones de los elementos (1, 2, ... , n).
Observación:
n! = n · (n − 1) · (n − 2) · · · 1
su determinante es
|A| = a11 a22 − a12 a21 .
Ejercicio 2.2 Calcula el determinante de la matriz formada por los vectores columna u =
(1, 2) y v = (3, 4).
Álgebra Lineal (2016-17) 19
intercambiando u y v.
|A| =a11 a22 a33 + a31 a12 a23 + a13 a21 a32
− a31 a22 a13 − a11 a32 a33 − a33 a21 a12 .
−3 0 1
1 1 −1 =
0 0 1
1 0 0
−2 2 0 =
5 4 3
20 Sara Cuenda
4×4
5×5
10 × 10
a11
Álgebra Lineal (2016-17) 21
a12
a13
a21
Determinante por adjuntos de una fila o columna: Para cualquier matriz cuadrada A ∈
Mn su determinante se puede calcular como:
Pn
|A| = k =1 aik Aik para una fila i cualquiera.
Pn
|A| = k =1 akj Akj para una columna j cualquiera.
Ejemplo 2.1 La expresión de |A| para una matriz genérica 3 × 3 (Regla de Sarrus) se
puede reescribir en términos de su desarrollo por los adjuntos de, por ejemplo, la primera
fila:
Ejercicio 2.7 Comprobar la expresión del desarrollo por los adjuntos de la primera fila
para la matriz del ejercicio anterior.
Ejercicio 2.8 ¿Se te ocurre otra fila o columna en la que hubieses tenido que calcular
menos adjuntos?
Observaciones:
Los determinantes al desarrollar por los adjuntos de una fila o columna en una matriz
n × n son de tamaño (n − 1) × (n − 1).
El desarrollo por adjuntos es más sencillo cuantos más ceros tengamos en la fila o
columna que utilicemos.
Lo ideal es encontrar una fila o una columna con un único elemento no nulo.
Cuando no encontramos ese caso podemos operar con la matriz hasta obtener una
matriz de esas características. Para ello usaremos las propiedades de los determi-
nantes.
Matrices triangulares: Son matrices cuadradas con todos los elementos iguales a cero
por debajo o por encima de la diagonal.
Triangular superior:
a11 a12 a13
0 a22 a23
0 0 a33
Triangular inferior:
a11 0 0
a21 a22 0
a31 a32 a33
Álgebra Lineal (2016-17) 23
Ejercicio 2.9 Calcula desarrollando por los adjuntos de una fila o columna el determinante
de la matriz triangular
a11 a12 a13 a14
0 a22 a23 a24
A=0
0 a33 a34
0 0 0 a44
Ejercicio 2.10 Escribe la expresión genérica del determinante de una matriz triangular
n × n.
|AT | = |A|
Propiedades fundamentales.
Las propiedades más importantes son:
El determinante de una matriz es cero si, y sólo si, sus vectores fila (o columna) son
linealmente dependientes entre sí.
Ejercicio 2.11 Dados los vectores u = (1, 1, 0), v = (1, 0, −1) y w = (0, 1, 1), calcula el
determinante de la matriz A = (u v w) formado por estos vectores en sus columnas.
¿Qué puedes deducir del resultado?
Ejercicio 2.12 Dados los vectores u = (1, 3, 5), v = (−1, 2, −1) y w = (0, 1, 1), di si son
linealmente independientes o no.
26 Sara Cuenda
Ejercicios.
Definición: Dada una matriz cuadrada A, se le llama (informalmente) hacer cero el ele-
mento o posición (i, j) al proceso que conduce a obtener un cero en la posición (i, j) me-
diante operaciones por filas o columnas que dejen invariante su determinante.
Ejercicio 2.13 Calcula el determinante de la siguiente matriz haciendo ceros y luego
desarrollando por los adjuntos de filas o columnas.
2 −1 2 0
0 0 1 1
=
0 1 2 1
1 0 −1 2
Álgebra Lineal (2016-17) 27
Si una matriz A tiene rg(A) = r significa que como mucho puedo tomar r vectores fila
(o columna) que son linealmente independientes entre sí.
Una matriz A ∈ Mm×n se dice que tiene rango completo o máximo si rg(A) =
mı́n(m, n).
Los métodos para calcular el rango de una matriz están basados en el determinante
de una matriz o en las operaciones por filas o columnas que dejan invariante el
determinante de una matriz.
29
30 Sara Cuenda
3 −1 2
2 2 4
2 −2 0
¿Cuál es el rango de A?
−1 2
¿cuántos menores 3 × 3 se pueden obtener orlando el menor ?
2 4
Calcúlalos.
Teorema: Dada una matriz A de la que tenemos calculado un menor de orden p distinto de
cero, si todos los menores de orden p + 1 que se obtienen de orlar dicho menor son nulos
entonces sólo puede ser que rg(A) = p.
Ejercicio 3.3 Según este teorema, ¿cuál es el rango de la matriz anterior?
Álgebra Lineal (2016-17) 31
Ejercicio 3.4 Calcula el rango de las siguientes matrices por el método de los menores:
1 −1 0 1
A = 2 0 1 1
1 1 1 0
0 1 3
B = −1 −1 1
−2 3 5
Intercambiar filas.
1 2 3 4
0 5 1 3 −2
1 2 3
A=
0 , B = 0 0 −1 1
0 1 2
0 0 0 3
0 0 0 0
1 2 3 4 −3 5 3 4
C = 0 5 6 7 , D = 0 0 1 −2
8 0 9 0 0 0 −1 2
Ejercicio 3.5 Calcula el rango de las matrices A y B del ejemplo anterior por el método de
los menores.
rg(A) =
rg(B) =
Corolario: Dada una matriz escalonada, su rango es el número de filas con elementos no
nulos.
1. Tomamos la primera fila como pivote, y hacemos ceros en la primera columna, debajo
de la primera fila:
2. Si me resulta más cómodo, divido la segunda fila resultante entre dos antes de to-
marla como pivote:
3. Utilizo la segunda fila para hacer ceros en la segunda columna, debajo de la segunda
fila:
5. rg(A) =
34 Sara Cuenda
El determinante de A es:
|A| =
Álgebra Lineal (2016-17) 35
Por tanto,
A−1 =
Observación:
Para una matriz n × n tenemos que calcular n2 menores de orden n − 1, además del
determinante.
1 1 1 1 1 1 1 1 1
A11 = 0 0 0 = 0, A12 = − 1 0 0 = 0, A13 = 1 0 0 = 1,
1 0 0 1 0 0 1 1 0
1 1 1 1 1 0 1 1 0
A14 = − 1 0 0 = −1, A21 = − 0 0 0 = 0, A22 = 1 0 0 = 0,
1 1 0 1 0 0 1 0 0
1 1 0 1 1 1 1 1 0
A23 = − 1 0 0 = 0, A24 = 1 0 0 = 1, A31 = 1 1 1 = 1,
1 1 0 1 1 0 1 0 0
1 1 0 1 1 0 1 1 1
A32 = − 1 1 1 = −1, A33 = 1 1 1 = 0, A34 = − 1 1 1 = 0,
1 0 0 1 1 0 1 1 0
1 1 0 1 1 0 1 1 0
A41 = − 1 1 1 = 0, A42 = 1 1 1 = 1, A43 = − 1 1 1 = −1,
0 0 0 1 0 0 1 0 0
1 1 1
A44 = 1 1 1 = 0, |C | = 1 · A24 = 1
1 0 0
Triangular superior:
a11 a12 a13
0 a22 a23
0 0 a33
Triangular inferior:
a11 0 0
a21 a22 0
a31 a32 a33
Álgebra Lineal (2016-17) 39
A es simétrica si y solo si AT = A.
a11 b c
b a22 d
c d a33
Para n impar, |A| = 0 (ya que |A| = (−1)n |A| en estas matrices).
A + AT
SA = ,
2
y su parte antisimétrica, AA , como
A − AT
AA = .
2
Matrices ortogonales.
Se dice que la matriz A ∈ Mn es ortogonal cuando su matriz traspuesta coincide con su
matriz inversa, AT = A−1 .
Sea A una matriz ortogonal de orden n × n,
A es idempotente si A2 = A.
A es unipotente si A2 = In .
A es nilpotente si A2 = On .
rg(A) = tr(A).
A−1 = A.