ALGEBRA LINEAL

Ing. JUAN CARLOS GEBHARDT LUCIC

C.N.I. 3422
Consultor: Calidad Total, Planificación Estratégica e Investigación de Operaciones
1. HISTORIA Y ANTECEDENTES:
> La historia del Algebra Lineal moderna se remonta a 1843, cuando William Rowan Hamilton (de quien
proviene el uso del termino vector) creo los cuaterniones inspirado en los numeros complejos 1; y a 1844,
cuando Hermann Grassmann publico su libro Die lineare Ausdehnungslehre (La Teoria Lineal de
Extension).
La evolucion del desarrollo del Algebra Lineal ha sido el siguiente :

1900 Los comienzos de las matrices y los determinantes se encuentran en el estudio de sistemas de ecuaciones lineales, el cual fue
AC introducido primero por los babilonios. Los babilonios estudiaron problemas que le llevaron a plantearse ecuaciones lineales
simultaneas.
200
Los chinos realmente llegaron mas cerca de las matrices que usamos hoy en dia mediante un metodo muy similar al que conocemos
AC con el nombre de elimination de Gauss. Esta tecnica fue usada por los chinos aun antes de que tuvieran ecuaciones o variables.
1545 Cardano, en su obra Ars Magna, presenta una regla para resolver un sistema de dos ecuaciones lineales llamado regula de modo, la
cual es esencialmente la regla de Cramer, pero Cardano no llego al ultimo paso, de manera que el no llego a la definition de un
determinante.
El matematico japones Takakasu Seki Kowa (1642-1708) escribio el Metodo de Resolver Problemas Disimulados, el cual contiene
1683 metodos de matrices escritas en tablas, de la misma manera en que los chinos los registraban. Seki tambien introdujo los
determinantes y dio metodos generales para calcularlos basandose en ejemplos. Seki hallo matrices de hasta 5x5 y las aplico a la
resolution de ecuaciones pero no a sistemas de ecuaciones.
1750 Cramer presento una formula basada en determinantes para resolver sistemas de ecuaciones lineales, mejor conocido como la Regla
de Cramer para sistemas de ecuaciones “n x n”.

1773 El primer uso implicito de las matrices ocurrio en el trabajo de Lagrange sobre las formas bilineales para la optimization de funcion
de valores reales de 2 o mas variables. Lagrange buscaba caracterizar el maximo y el minimo de funciones de varias variables.

Carl Friederich Gauss (1777-1855) fue el primero en usar el termino “determinante”. Uso este termino porque el determinante
determina las propiedades de la forma cuadratica, el cual no es el mismo concepto de determinante en uso hoy en dia.
1800 Gauss describio la multiplication de matrices y la inversa de una matriz, en el contexto particular de los arreglos de coeficientes de
formas cuadraticas. Tambien desarrollo la eliminacion Gaussiana mientras estudiaba la orbita del asteroide Pallas por medio de la
obtencion de un sistema de seis ecuaciones lineales y seis incognitas. Este metodo fue mas tarde usado para resolver problemas de
minimos cuadrados en calculos celestiales y en calculos para medir la Tierra y su superficie.
1812 Cauchy uso el termino “determinante” en su sentido moderno y demostro el teorema de la multiplication de
determinantes por primera vez.
Cauchy encontro los valores propios y dio resultados sobre la diagonalizacion de una matriz en el contexto
1826 de convertir una forma a la suma de cuadrados. Cauchy tambien introdujo la idea de matrices similares y
mostro que si 2 matrices son similares, ellas tienen la misma ecuacion caracteristica y demostro que toda
matriz simetrica real es diagonalizabe.
1834 Jacques Sturm dio una generalization del problema de los valores propios en el contexto de la resolution de
sistemas de ecuaciones diferenciales ordinarias.
Grassmann propuso el primer Algebra Vectorial que involucro un producto vectorial no conmutativo (V x
1844 W no tiene que ser igual a W x V). Grassmann tambien introdujo el producto de una matriz columna y una
matriz fila lo cual resulto en lo que es hoy en dia denominado una matriz simple o de rango uno.
1850 James Joseph Silvestre fue el primero en introducir el termino “matriz”, el cual describio como “un arreglo
oblongo1 de terminos”.
1855
Arthur Cayley cultivo el algebra de matrices. Cayley estudio composiciones de transformaciones lineales y
fue llevado a la matriz definiendo la adicion, la multiplicacion, la multiplicacion escalar y las inversas.
1870 La forma canonica de Jordan aparecio en su publication Treatise on Substitutions and Algebraic Equations.
Esta aparecio en el contexto de una forma canonica de substituciones lineales sobre un campo finito de
orden primo.
Frobenius obtuvo resultados importantes sobre las matrices canonicas como representativas de clases de
1878 equivalencias de matrices. Frobenius tambien definio el rango de una matriz, el cual uso en su trabajo
sobre formas canonicas y la definition de matrices ortogonales.
Peano, en su libro Calcolo Geometrico Secondo I’Ausdehnungslere de H. Grassmann Preceduto dalle
1888 Oparazioni della Logica Deductiva, presento una introduction moderna de espacios lineales y del algebra
lineal.
1890 Weierstrass uso una definicion axiomatica de un determinante.
1925 Heisenburg reinvento el algebra matricial para la mecanica cuantica.
1942 Gibas represento matrices generales como suma de dos matrices simples.
2. APLICACIONES Y USOS:
> En Geometria Analitica, los determinantes
desempenan un papel basico en el calculo
de areas y volumenes, y en la formulacion
de ecuaciones de objetos geometricos como
rectas, circulos elipses, parabolas, planos y
esferas.

> Para los vectores existe un gran numero de

aplicaciones en diversas areas de las
matematicas, la fisica y la ingenieria. Una de las
principales, es la aplicacion geometrica de los
vectores en la Estatica y en la ingenieria. Pero
tambien se pueden aplicar para la obtencion de
mejores datos y asi obtener graficas mas suaves.
 Las matrices se emplean en el
estudio de las graficas. La
programacion sencilla de
operaciones matriciales en
computadora permite estudiar el
comportamiento de graficas muy
grandes. Por ejemplo, en las redes
telefonicas una grafica puede tener
decenas de miles de nodos.
 En electronica, la ley de ohm en
otras palabras dice que en un
grafico de I en funcion de V se
obtiene de una recta que pasa por
el origen con pendiente R, todo
elemento que no cumpla con esa
regla no se les llama ohmicos.
 En teoria de circuitos, o analisis
de modeloscircuitales se hace uso de la resolution de ecuaciones de “n” variables y “n”
incognitas al aplicar el metodo de mallas o nodos.
El Algebra Lineal tiene muchas aplicaciones en la Ingenieria
Civil; por ejemplo en el diseno estructural de edificios en
donde cada nodo de la estructura es un valor de la matriz que
puede ser de orden n x n.
 Tambien se utiliza en la planificacion, como en Ingenieria
de Sistemas donde cada variable se coloca en un elemento
de la matriz.
 Tiene aplicaciones en Geotecnia y en Mecanica de Fluidos,
etc.
3. SISTEMAS DE ECUACIONES LINEALES:
En Matematicas y Algebra Lineal, un sistema de ecuaciones lineales, tambien conocido como sistema lineal de
ecuaciones o simplemente sistema lineal, es un conjunto de ecuaciones lineales (es decir, un sistema de
ecuaciones, donde cada ecuacion es de primer grado), definidas sobre un cuerpo o un anillo conmutativo. Un
ejemplo del sistema lineal de ecuaciones seria el siguiente:

3X1 + 2X2 + 3X3 = 1

2X1 + 2X2 + 4X3 = -2
-X1 + 1/2X2 – X3 = 0

El problema consiste en encontrar los valores desconocidos de las variables xi, x2 y x3 que satisfacen las tres
ecuaciones.
El problema de los sistemas lineales de ecuaciones es uno de los mas antiguos de la matematica y tiene una
infinidad de aplicaciones, como en procesamiento digital de senales, analisis estructural, estimation, prediction y
mas generalmente en programacion lineal asi como en la aproximacion de problemas no lineales de analisis
numerico.
EJEMPLOS 1:
X1 + 2X2 + 2X3 = 9
3X1 + 7X2 + 8X3 = 31
5X1 + 11X2 + 12X3 = 49

EJEMPLO 2:
X1 + 3X2 + 2X3 = 9
2X1 + 7X2 + 6X3 = 23
3X1 + 10X2 + 8X3 = 35
APLICACIONES DE SISTEMAS DE ECUACIONES •
Problemas cotidianos
En multiples areas de la vida cotidiana, la relation aritmetica que se conoce
entre varias variables por alguna ley o por diferencias comparativas permite
establecer un sistema de ecuaciones lineales cuya solution conduce a
determinar las incognitas planteadas.
Ejemplo (problema de las edades)
Hace 8 anos la edad de Alberto era triple que la edad de Bernardo, y dentro de
4 anos la edad de Bernardo sera los de la edad de Alberto
Hallar las edades actuales.
Solucion:

La respuesta es: Alberto

tiene 32 años y Bernardo
tiene 16 años.
4. CONCEPTO DE UNA MATRIZ:
 Una matriz es un arreglo bidimensional de números consistente en cantidades
abstractas que pueden sumarse y multiplicarse entre sí.
 Es una disposición de valores numéricos y/o variables (representadas por
letras), en columnas y filas, de forma rectangular.
 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 de la matriz. A una matriz con “m” filas y “n” columnas
se le denomina matriz
“m x n”; y a m y n se les denomina dimensiones de la matriz.
 Las dimensiones de la matriz siempre se dan con el número de fila primero
y el número de columnas después.
 Por lo general se trabaja con matrices formadas por números reales. Las
matrices se usan generalmente para describir sistemas de ecuaciones lineales,
sistemas de ecuaciones diferenciales o representar una aplicación lineal.

A. LOS 10 AXIOMAS DE MATRICES:

1.) m ≠ n  Matriz Rectangular
m = n  Matriz Cuadrada
2.) m = 1  Vector Renglón
N = 1  Vector Columna
3.) Matriz Nula  Cuando todos sus elementos son cero.
4.) 1 matriz cuadrada donde sus elementos son cero, a excepción de los que forman los
elementos de la diagonal principal, se llama Matriz Diagonal.
; aij = 0 ; ∆i ≠ j
aij ≠ 0 ; ∆i = j
5.) Matriz Especial.- Todos los elementos de la diagonal son iguales  Matriz
escalar.
6.) un tipo especial de matriz escalar  todos los elementos de la diagonal son 1.
Identidad =
Ahora: A 4x4 * I4x4 = A4x4
 7.) Dada la matriz A:
Amxn =
La matriz traspuesta ∆t:
Atmxn =
8.) Al ser una matriz igual a su traspuesta
A = At 9.) Sea A 1 matriz primitiva.

Se dice que es Simétrica. 1 matriz constituida por todos los elementos de la matriz
primitiva pero los signos opuestos se llama Matriz Negativa u
A = = At Opuesta.
A =  A- = ; Matriz Opuesta!
10.) Una matriz cuadrada es anti simétrica, cuando es igual a la
negativa de la traspuesta:
A =  At =
A es anti simétrica! A-t =
 A. OPERACIONES CON MATRICES:
 SUMA RESTA
2 matrices (A y B) pueden sumarse o restarse si del mismo orden (Tamaño).
0 4 1
A = ൭3 2 −8൱
1 0 3
7 4 2
D=A+B=൭7 10 −3൱
−8 0 4
7 0 1
B = ൭ 4 8 5൱ dij = aij + bij
−9 0 1
Conmutativa: A + B = B + A
Asociativa: A + (B + C) = (A + B) + C
(A + B)t = At + Bt
  MULTIPLICACION DE MATRICES
a.) Escalar * Matriz:
𝐾𝑎11 𝐾𝑎12
A*K=ቀ ቁ= K * A
𝐾𝑎21 𝐾𝑎22
b.) Multiplicación de 2 matrices:
2 matrices Am x r y Br x n, pueden multiplicarse si el #col de A = # reglones de B.
Am x r * Br x n = Dm x n ≠ Br x n * A m x r
Dónde: dij = σ 𝑟𝑘=1 𝑎𝑖𝑘 ∗ 𝑏𝑘𝑗 ; ∆ij
EJ:
2 3
A=ቀ ቁ
0 1
−1 0 12
D2x3 = ቀ ቁ
−1 −2 4
1 3 0
B=ቀ ቁ
−1 −2 4

 PROPIEDADES DE LA MULTIPLICACION
 A* B≠B*A
 Am n * In n = I m m * Am n = Am x n
 (A * B) * C = A * (B * C)
 C * (A + B) = (C * A) + (C * B)
 λ * (A * B) = (λ * A) * B = A * (λ * B) ; λ = escalar
 DIVISIÓN DE MATRICES?
5. DETERMINANTES – CONCEPTO:
El determinante es una herramienta matemática, donde se puede encontrar o
extraer un determinante únicamente de las matrices que son cuadradas (tienen
igual número de filas y de columnas); es un número real (en caso de que la matriz
sea real) consistente en la suma de los productos elementales de la matriz.
El orden de un determinante viene dado por el número de filas y columnas que
tenga. Existen diferentes métodos para resolverlos.

 
Nota: Es necesario indicar que usaremos los símbolos │A│
para referirnos al determinante de A.
El determinante de una matriz puede ser positivo, negativo o
cero.
EJEMPLOS DE DETERMINANTES:
DETERMINANTE 2 x 2:

DETERMINANTE 3 x 3:
1 2 3 1 4 9
൥6 5 4 ൩│A│ = 0 ൥7 2 5 ൩│A│ = 398
7 8 9 6 8 3
6. MÉTODOS PARA HALLAR LA INVERSA DE UNA
MATRIZ:
 MÉTODO DE GAUSS-JORDAN
X1 – X2 + 4X3 = 10
-X1 + 3X2 = 10
2X2 + 5X3 = 22

Δ I B
1 −1 4 1 0 0 10 Δ X I = B
൭−1 3 0อ0 1 0൱= ൭10൱
0 2 50 0 1 22
------------------------------------------
1 −1 4 1 0 0 10 I Δ-1 X
ൽ
0 2 4อ1 1 0อ20ඁ
0 2 50 0 1 22
------------------------------------------
1 −1 4 1 0 0 10
Condiciones para la existencia de 1 matriz
ൽ
0 1 2อ1/2 1/2 0อ10ඁ
0 2 5 0 inversa.
0 1 22
------------------------------------------ 1.) Si la Matriz A tiene inversa  es matriz
no-singular (ȁ𝛥ȁ ≠ 0)
1 0 6 3/2 1/2 0 20
ൽ
0 1 2อ1/2 1/2 0อ10ඁ Determinante
0 0 1 −1 −1 1 2
------------------------------------------
1 0 0 15/2 13/2 −6 8
ൽ
0 1 0อ5/2 5/2 −2อ6ඁ
X1 = 8
0 0 1 −1 −1 1 2
I Δ-1 X  X2 = 6
X3 = 2
EJEMPLO 2:

(1/9) (-1) 9 9 8 1 0 0
+ 9 8 7 0 1 0
8 7 6 0 0 1

(-8) 1 1 8/9 1/9 0 0

+ 0 -1 -1 -1 1 0
8 7 6 0 0 1

+ 1 1 8/9 1/9 0 0
(1) (-1) 0 1 1 1 -1 0
0 -1 -10/9 -8/9 0 1

+ 1 0 -1/9 -8/9 1 0
0 1 1 1 -1 0
(-9) (-1) 0 0 -1/9 1/9 -1 1

1 0 0 -1 2 -1
0 1 1 1 -1 0
(-1) 0 0 1 -1 9 -9

1 0 0 -1 2 -1
0 1 0 2 -10 9
0 0 1 -1 9 -9
EJEMPLO 3:

(-8) (-3) 1 5 2 1 0 0 20
3 2 3 0 1 0 15
8 1 7 0 0 1 25

1 5 2 1 0 0 20
(-1/13) 0 -13 -3 -3 1 0 -45
0 -39 -9 -8 0 1 -135

+
1 0 11/13 -2/13 5/13 0 35/13
(-5) (39) 0 1 3/13 3/13 -1/13 0 45/13
0 0 0 1 3 1 0

ȁ𝐴ȁ = (1) (14-3) – 5(21-24) +2(3-16)

ȁ𝐴ȁ = 11 + 15 – 26
ȁ𝐴ȁ = 26 -26 = 0
 MÉTODO DE LA MATRIZ ADJUNTA - COFACTORES:
 
A- 1= * Adj A
Si A = DET: =
 
Ahora A-1 existe si ≠ 0
Si = 0 A es una matriz singular
 
 El menor Dij de 1 elemento aij es el determinante obtenido a partir
de la matriz cuadrada A al eliminar el i esimo renglón y la j esima
columna

El cofactor Aij del elemento aij es:

Aij = (-1)i+j Dij ; para todai,j

La Adj A es otra matriz del mismo orden de A en la que el elemento del i esimo renglón
y la j esima columna es el cofactor del elemento en el j esimo renglón y la i esima columna
de A Adj A = traspuesta de la matriz de cofactores.

𝐴11 𝐴12 … … 𝐴1𝑛 T

Adj A = ൭ 𝐴21 𝐴22 … … 𝐴2𝑛 ൱
𝐴𝑚1 𝐴𝑚2 … … 𝐴𝑚𝑛
EJEMPLO:

1 2 3
A = อ2 3 2อ ȁ𝐴ȁ = 3 (4-9)-3(2-6)+4(3-4) = -15+12-4 =-19+12 = -7
3 3 4

ȁ𝐴ȁ = 1(12-6)-2(8-6)+3(6-9) = 6-4-9 = -7

AHORA:

3 2
A11 = (-1)2 ቚ ቚ= (-1)2 (12-6) = 6
3 4

2 2
A12 = (-1)2 ቚ ቚ= (-1)3 (8-6) = -2
3 4
. . . . .
. . . . .
1 2
A33 = (-1)6 ቚ ቚ= 1 (3-4) = -1
2 3

6 −2 −3 T 6 1 −5
Adj A = อ 1 −5 3 อ = Adj A = อ−2 −5 4 อ
−5 4 −1 −3 3 −1

1 6
1 −5 −6/7 −1/7 5/7
A = − อ−2 −5 4 อ= อ 2/7
-1 5/7 −4/7อ
7 −3 3 −1 3/7 −3/7 1/7
7. PROBLEMAS APLICADOS CON
SISTEMAS DE ECUACIONES
LINEALES
1) En una residencia de estudiantes se compran semanalmente
110 helados de distintos sabores: vainilla chocolate y nata.
El presupuesto destinado para esta compra es de 540 euros
y el precio de cada helado es de 4 euros el de vainilla, 5
euros y el de chocolate y 6 euros el de nata. Conocidos los
gustos de los estudiantes se sabe que entre helados de
chocolate y Nata se han de comprar el 20% más que de
vainilla
a) plantea un sistema de ecuaciones lineales para calcular
cuántos lados de cada sabor se comprarán a la semana
b) resuelve mediante el método de gauss el sistema planteado
en el apartado anterior
 Solución:
a) Llamamos x al número de helados de vainilla que se compran semanalmente y al de
helados de chocolate y z al de helados de nata
Compran 110 helados en total = x + y + z = 110 x + y + z = 110
Precio total 540 euros = 4x + 5y + 6z = 540 4x + 5y + 6z = 540
Chocolate y nata = 20% más que vainilla => y + z = 1,2x 12x - 10y -10z = 0
1 1 1 110 1 1 1 110
ൽ4 5 6 อ540ඁ ൽ
0 1 2 อ 100 ඁ
12 −10 −10 0 0 −22 −22 −1,320

1 1 1 110 1 1 1 110
ൽ
0 1 2อ100ඁ ൽ
0 1 2อ100ඁ
0 1 1 60 0 0 1 40

x + y + z = 110 x = 110 – y – z = 110 – 20 – 40 = 50

y + 2z = 100 y = 100 – 2z = 100 – 80 = 20
z = 40 z = 40

Por tanto, se compran 50 helados de vainilla, 20 de chocolate y 40 de nata

2) En una tienda un cliente se ha gastado 150 euros en la compra de 12 artículos, entre discos, libros y carpetas. cada disco le ha
costado 20 euros cada libro 15 euros y cada carpeta 5 euros se sabe que entre discos y carpeta hay el triple que de libros.
a) fórmula el sistema de ecuaciones asociado al enunciado anterior
b) determina Cuántos artículos ha comprado de cada tipo
Solución:
c) si llamamos x al número de discos y al número de libros y z al número de carpetas tenemos que:
x + y + z = 12 x + y + z = 12
20x + 15y + 5z = 150 4x + 3y + z = 30
x + z = 3y x – 3y + z = 0

1 1 1 12 1 1 1 12 1 1 1 12
ൽ
4 3 1อ30ඁ ൽ
0 −1 −3อ−18ඁ ൽ
0 1 3อ18ඁ
1 −3 1 0 0 −4 0 −12 0 1 0 3

x + y + z = 12 y=3
18−𝑦 18−3
y + 3z = 18 z= = =5
3 3

y=3 x = 12 – y – z = 12 – 3 – 5 = 4

Por tanto, ha comprado 4 discos, 3 libros y 5 carpetas.

3) Un estado compra 540000 barriles de petróleo a tres suministradores diferentes que lo venden a 27; 28; 32 dólares el barril,
respectivamente. La factura total asciende a 16 346,000 dólares. Si el primer suministrador recibe el 30% del total del petróleo
comprado ¿Cuál es la cantidad comprada a cada suministrador?
Solución:
a) Llamamos x al número de barriles que compra al primer suministrador; y al número de barriles que compra al segundo; y z al
número de barriles que compra al tercero

x + y + z = 540,000 x + y + z = 540,000
27x + 28y + 32z = 16 346,000 27x + 28y + 32z = 16 346,000
x = 0.3 * 540,000 x = 162,000

1 0 0 162,000 1 0 0 162,000
ൽ1 1 1 อ 540,000 ඁ ൽ1 1 1อ 540,000 ඁ
27 28 32 16 346,000 −5 −4 0 −934,000

x = 162,000; y =31,000; z =347,000

Por tanto, compra 162,000 barriles al primero; 31,000 al segundo, y 347,000al tercero.