Escuela Superior Politecnica del Litoral

Algebra Lineal
Prof. Ing. Maria Nela Pastuizaca

INTRODUCCION AL ALGEBRA LINEAL

Para el estudio del algebra lineal hay que tener claros los siguientes conocimientos:
Vectores
Un vector tiene magnitud, dirección y sentido.

Dos vectores V1 y V2 , son paralelos si y solo si V1 es múltiplo escalar de V2 :

{(V1 / V2 )    R / V1  V2 }

Dos vectores V1 =(a,b,c) y V2 =(d,e,f), son iguales si y solo si V1 = V2

V1 = V2  (a=d,b=e,c=f)

Suma:
V1 , V2  R 3 , V1  V2  V2  V1 Conmutativa
V1 , V2 , V3  R , V1  (V2  V3 )  (V1  V2 )  V3
3
Asociativa
_ _
 0 V  R 3 / V  0  V Existencia del neutro
_ _ _
V  R 3 V  R 3 / V  V  0 Existencia del inverso

Multiplicación:
( K1 + K 2 ) V = K1 V + K 2 V
K ( V1 + V2 )= K V1 + K V2 Distributivos

Desigualdad:
V1  V2  V1  V2

Ejemplo:
Dados
V1 =(1,0,2)
V2 =(-1,3,4)
Determine:
2 V1 +3 V2 =(2,0,4)+(3,9,-12)=(-1,-9,-8) Combinación lineal

Definición de producto punto:

Sean V1 =(a,b,c) y V2 =(d,e,f) vectores en R 3
F: R 3  R 3  R
V1  V2  (ad+be+cf)

Magnitud de un vector:
V  V V

Angulo entre vectores:

V1  V2
V1  V2  V1 V2 cos   cos  
V1 V2
Ortogonalidad entre vectores:
Dos vectores son ortogonales si y solo si V1 . V2 =0
Que dos vectores sean ortogonales implica que el angulo comprendido entre ellos es
90°, osea son vectores perpendiculares.
V1  V2  V1  V2  0

Vectores unitarios:
Un vector es unitario si y solo si su magnitud es 1
V
u 
V

Ortonormalidad entre vectores:1

Dos vectores V1 y V2 son ortonormales si y solo si ambos son unitarios y son
ortogonales entre ellos.

Proyección Escalar:
Sean V1 y V2 , dos vectores en R 3 , la proyección escalar del vector V1 sobre V2
se define de la siguiente forma

V1  V2
Pr oyV1V 2 
V2
 Pr oyV1V 2  V1  u 2

Proyección Vectorial:
Sean V1 y V2 , dos vectores en R 3 , la proyección vectorial del vector V1 sobre V2
se define de la siguiente forma:

(V1  V2 )
Pr oyV1V 2 
V2
2
V2  Pr oyV1V 2  (V1  u2 )u2

Matrices
Una matriz es un arreglo de números agrupados en filas y columnas:
 a11 a12 .. a1n 
 
 a 21 a 22 .. a 2 n 
A
: : : 
 
a a .. a 
 m1 m2 mn 

En donde a ij representa cada número ubicado en la matriz, donde i es el número de fila

y j es el número de columna
En este caso A es una matriz de m×n
Igualdad de matrices:
Dos matrices A y B son iguales si y solo si A=B
A  B  a ij  bij , i, j; i  1,2,3,4,..., m y j  1,2,3,4,..., n

Producto escalar:
Sea A una matriz de m×n y K un escalar que pertenece a R, la multiplicación de una
matriz por un escalar se define de la siguiente forma:

 a11 a12 .. a1n   Ka11 Ka12 .. Ka1n 

   
 a 21 a 22 .. a 2n   Ka 21 Ka 22 .. Ka 2 n 
KA  K  
: : :   : : : 
   
a am2 .. a mn   Ka Ka m 2 .. Ka mn 
 m1  m1

Suma de matrices:
A+B  a ij  bij , i, j; i  1,2,3,4,..., m y j  1,2,3,4,..., n

Propiedades:
A, B  M , A  B  M
A, B  M , ( A  B  B  A)
A, B, C  M , [ A  ( B  C )  ( A  B )  C ]
0  MA  M , ( A  0  0  A  A)
_ _ _
A  M A  M , ( A  A  A A  0)

Producto entre matrices:

Sea la matriz A de m×n y B de n×p, se define la multipicacion de matrices como una
nueva matriz C de m×p, C=AB, tal que:
i , j (cij  ai1b1 j  ai 2 b2 j  ...  a in bnj ).

Es decir, cada elemento de la matriz producto C es obtenido sumando los productos de

cada elemento de la fila i de la matriz A por el correspondiente elemento de la columna j
de la matriz B.

Propiedades:
A, B, C  A( BC )  ( AB )C  Asociativa
IA AI  IA  A Elemento neutro
A, B, C  A( B  C )  AB  AC  Distributiva
A, B, C  ( A  B )C  AC  BC  Distributiva

No es posible B×A, ya que la multiplicación entre matrices no es conmutativa.

Antes de definir los tipos de matrices existentes se necesita conocer los siguientes
conceptos:

Diagonal principal: La constituyen los elemento aij que cumplen con la condición i=j,
es decir, a11 , a 22 ,..., a nn .
Traza: Es la suma de los elementos de la diagonal principal de una matriz. Se denota
tr(A)

Transposición de una matriz: Dada una matriz A de orden m×n, para obtener la matriz
transpuesta, la cual se denota por AT , se deben intercambiar los elementos de las filas
por las columnas. La nueva matriz AT es de orden n×m.

Tipos de matrices:

Matriz cuadrada:
Es una matriz que tiene igual numero de columnas y de filas, es decir m=n

Matriz identidad:
Es una matiz que tiene todos sus elemento iguales a cero, excepto los de la diagonal
principal que cada uno es igual a 1.

Matriz triangular superior:

Es una matriz cuadrada que tiene todos los elementos bajo la diagonal principal iguales
a cero.

Matriz triangular inferior:

Es una matriz cuadrada que tiene todos los elementos sobre la diagonal principal iguales
a cero.

Matriz nula:
Es una matriz en la que todos sus elementos son iguales a cero.

Matriz diagonal:
Es una matriz cuadrada que tiene todos sus elementos sobre y bajo la diagonal principal
iguales a cero. Esto es aij  0 si i≠j

Matriz simétrica:
Una matriz cuadrada A, se dice que es simétrica, si y solo si, AT  A

Matriz antisimetrica:
Una matriz cuadrada A, se dice que es antisimetrica, si y solo si, AT   A
Esto implica que los elementos de la diagonal principal sean iguales a cero.

Inversa de una matriz:

Dada una matriz cuadrada A, su inversa, la cual se denota por A 1 es una matriz que
cumple con:
AA 1  A 1 A  I
La matriz inversa, en caso de existir, es única.

Matriz Regular:
Es aquella matriz que tiene inversa.

Matriz singular:
Es aquella matriz que no tiene inversa.

Propiedades:

A  M ( A 1 ) 1  A  Doble inversa

A  M ( AT ) 1  ( A 1 ) T  Inversa de la transposición
  R  {0}A  M [(A) 1   1 A 1 ] Inversa de la multiplicación por un escalar
A, B  M [( AB ) 1  B 1 A 1 ] Inversa de la multiplicación entre matrices

Determinantes:
El determinante de una matriz cuadrada A, el cual se denota por det(A) o A , es un
valor escalar.
El determinante se lo puede obtener de la siguiente manera:
det(a11 )  a11
a a12 
det 11   a11 a 22  a 21a12
 a 21 a 22 
 a11 a 12 a13 
  a a 23 a a 23 a a 22
det a 21 a 22 a 23   a11 22  a12 21  a13 21 .
a a32 a33 a31 a33 a31 a32
 31 a32 a33 

Teorema:
Si A es una matriz triangular superior o inferior o es una matriz diagonal, entonces
det( A)  a11 .a 22 .a33 ...a nn , es decir se multiplican todos los elementos de su diagonal
principal.

Propiedades de los determinantes:

det(A)  n det( A)
det( AB )  det( A) det( B )
det( AT )  det( A)
1
det( A 1 ) 
det( A)
det( A  B )  det( A)  det( B )

Teorema:
A es invertible, si y solo si, det(A)≠0.

Sistemas de ecuaciones lineales

Un sistema de m ecuaciones lineales con n incognitas es un conjunto de ecuaciones
lineales que son verificadas simultáneamente, y puede escribirse de la forma:
 a11 x1  a12 x 2  ...  a1n x n  b1
 a x  a x  ...  a x  b
 21 1 22 2 2n n 2

 

a m1 x1  a m 2 x 2  ...  a mn x n  bm

Representación matricial de un sistema de ecuaciones lineales

Ax=b
 a11 a12  a1n  x1   b1 
    
 a 21 a 22  a 2 n  x 2   b2 
  
        
    
a a a    b 
 m1 m2  mn  x n   m
Donde A es la matriz de coeficientes, x es la matriz de variables y b es la matriz de
términos independientes.

La representación del sistema de ecuaciones de la matriz aumentada es de la siguiente

forma:
 a11 a12  a1n | b1 
 
 a 21 a 22  a 2 n | b2 
     | 
 
a 
 m1 a m 2  a mn | bm 

Sistemas de ecuaciones lineales homogéneos

Si en un sistema de ecuaciones se cumple que la matriz de términos independientes es
una matriz nula, entonces se dice que dicho sistema es homogéneo
 a11 x1  a12 x2  ...  a1n xn  0
 a x  a x  ...  a x  0
 21 1 22 2 2n n

 

am1 x1  am 2 x2  ...  amn xn  0

Solución de un sistema de ecuaciones lineales:

Es una sucesión ordenada de números reales, que tienen la propiedad que cada ecuación
se convierte en una proposición verdadera al reemplazar cada valor en cada una de sus
variables.

Ejemplo:
De las siguientes funciones, hallar el conjunto solución:
p(x,y):x+2y=1
q(x,y):x+y=1

Solución:
Armamos nuestro sistema de ecuaciones
x  2 y  1 1 2  x  1
       
 x  y 1 1 1  y  1
Luego lo representamos de la forma de matriz aumentada:
1 2 | 1
 
1 1 | 1
Ahora aplicamos Gauss o Gauss-Jordan
1 2 | 1  1 2 | 1 1 0 | 1
   
1 1 | 1  0 1 | 0   0 1 | 0 

Se tiene que cumplir que A[p(x,y)  q(x,y)]

Los valores que satisfacen las 2 ecuaciones son x=1 e y=0, por lo tanto Ap(x,y)={(1,0)}
En este caso la sulucion del sistema es única.

Existen 3 tipos de soluciones:

Solución única, infinitas soluciones o puede no tener solución.
Sistema
Única
Sistema no homogéneo Infinitas
No tiene solución

Única
Sistema homogéneo Infinita

Para identificar el tipo de solución aplicando el método de gauss, se debe analizar

recursivamente las últimas filas de la matriz aumentada, una vez reducida. En este
análisis puede ocurrir que:

-Si la ultima ecuación tiene la forma x n  k , k  R , el sistema tiene solución única

-Si la última ecuación tiene la forma 0 x n  0 el sistema tiene infinitas soluciones y x n
es una variable libre.
-Si la última ecuación tiene la forma 0 x n  k , donde k es un número real diferente de 0,
el sistema no tiene solución.

Teorema:
Sea la matriz A de coeficientes, si det(A)≠0, entonces la solución del sistema de
ecuaciones lineales es única. En caso de que det(A)=0, el sistema tiene infinitas
soluciones o es inconsistente.

Problemas:
1.-De los siguientes sistemas de ecuaciones, sepárelos en sus respectivas matrices de
coeficientes, matrices de variables y matrices de términos independientes y halle la
solución:

 x1  2 x 2  x 3  0
 x  3 x  x  15
 2 3 4

 4 x1  x3  x 4  11
 x1  x 2  5 x 4  23

 x1  x 2  x3  x 4  2
 x  2 x  2 x  x  5
 1 2 3 4

 2 x1  x 2  3x3  2 x 4  1
 x1  2 x 2  3x3  6 x 4  10
 6 x1  5 x 2  7 x3  8 x 4  3
3x  11x  2 x  4 x  6
 1 2 3 4

 3 x1  2 x 2  3x3  4 x 4  1
 x1  x 2  x3  0

1 2    1  3 
  x     
3  1    2  z    3 
y
2
  1   1    2
 

1 0 2 
 
2.- Considere la matriz A   2 1 0 
3 1  1

Resuelva los siguientes sistemas de ecuaciones:

 x   4  x   2
       
1
A  y   0
T
A  y    3
 z  1  z   4
       

 1 2 1
 
3.- Sea la matriz   1 0
1 1  

a.- Halle los valores de  , para los que la matriz A no tenga inversa.
b.- Tomando  =1, resuelva el siguiente sistema escrito en forma matricial:

 x1   0 
   
A x 2    0 
 x   0
 2  

4.- Calcule a y b para que los sistemas sean consistentes:

 x  ay  z  1  x  ay  bz  0
 
 y  2z  1  2x  y  z  0
 x  y  z  a ax  by  z  0
 

5.- Encontrar el valor, o valores, del parámetro  que hace que el sistema:

0 2   x   1 
    
1  1  y    2  sea inconsistente.
1 1 0  z   3 

 1 2 a
 
6.- Supongamos que la matriz A   0 1 b  es invertible. Probar que la solución del
3 2 c 

 x1   1 
   
sistema: A x 2    1  verifica que x 3  0 .
 x    1
 3  

 5  3    2  4
7.- Sean las matrices: A=      ; y B     t   halle los valore de  y para que
1   2  2  1
A=B

8.- Con respecto al sistema de ecuaciones

 2 x1  x 2  x3  x 4  1
 x  2x  x  2x  2
 1 2 3 4

  x1  3 x 2  2 x3  x 4  2
 3 x1  14 x 2  9 x3  2 x 4  1

Es verdad que:
a.-El sitema no tiene solución
b.- La solución es única
c.- El conjunto solución tiene una variable libre
d.- Todas las proposiciones son falsas