Algebra Lineal Apuntes FDI UDP PDF

Algebra
Lineal
Apuntes de Algebra
Lineal
Juan Carlos Pozo
Universidad Diego Portales Facultad de Ingenera UDP
Segundo Semestre 2013
Facultad de Ingenier
a UDP
Algebra
Lineal

Algebra
Lineal
Programa del Curso
Matrices y Sistemas de Ecuaciones Lineales
Determinantes de Matrices
Sistemas de Ecuaciones Lineales
Espacios Vectoriales
Transformaciones Lineales
a UDP
Algebra
Lineal

Algebra
Lineal
MATRICES
a UDP
Algebra
Lineal

Algebra
Lineal
Una matriz es una forma de ordenar en filas y columnas

elementos de un conjunto. Estos elementos pueden ser n
umeros
reales, n
umeros complejos, polinomios, etc... Por ejemplo

1 2 3
A=
2 4 6
B= 2
x2
0
C = 2
1
a UDP
1
4
x+1
1 4
4 0
1 2
Algebra
Lineal

Algebra
Lineal
En los ejemplos anteriores,

La matriz A tiene 2 filas y 3 columnas.
La matriz B tiene 3 filas y 2 columnas.
La matriz C tiene 3 filas y 3 columnas.
En general usaremos letras may
usculas para denotar las
matrices. Los elementos o coeficientes ser
an denotados con
letras min
usculas y subndices.
a UDP
Algebra
Lineal

Algebra
Lineal
En general si una matriz A tiene n filas y m columnas, la

matriz se escribe de la siguiente manera
a11 a12 a13 a1m

a21 a22 a23 a2m
A= .
..
..
..
..
..
.
.
.
.
an1 an2 an3 anm
Esta escritura es muy larga y se puede abreviar como sigue
A = (aij ),
1 6 i 6 n,
a UDP
16j6m
Algebra
Lineal

Algebra
Lineal
Sean n, m N. Diremos que una matriz A tiene orden n m si

la matriz A tiene n filas y m columnas.
El conjunto de todas las matrices con n filas y m columnas con
coeficientes en R sera denotado por Mnm (R).
Por ejemplo, si A M23 (R) quiere decir que A es una matriz y
ademas

a11 a12 a13
A=
a21 a22 a23
Por ejemplo, si B M43 (R) quiere
y ademas
b11 b12
b21 b22
B=
b31 b32
b41 b42
a UDP
decir que B es una matriz
b13
b23
b33
b43
Algebra
Lineal

Algebra
Lineal
Si una matriz tiene la misma cantidad de filas y columnas,

diremos que la matriz es cuadrada.
Al conjunto de matrices con n filas y n columnas y coeficientes
en R lo denotaremos simplemente por Mn (R).
Por ejemplo

1
A=
2
1 2
0 1
B=
0 0
0 0
a UDP
2
3
3
2
1
0
4
3
2
1
Algebra
Lineal

Algebra
Lineal
Sea n N y A Mn (R).
Se define
diag(A) = (a11 , a22 , a33 , . . . , ann )
tr(A) =
n
X
aii
i=1
= a11 + a22 + a33 + + ann

Sumar los coeficientes de la diagonal de una matriz cuadrada.
a UDP
Algebra
Lineal

Algebra
Lineal
Sea n N. Diremos que una matriz A = (aij ) Mn (R) es una

matriz diagonal si aij = 0 para todo i 6= j
Por ejemplo, si n = 3
1 0 0
0 2 0
0 0 3
si n = 4
2 0 0
0 2 0
0 0 3
0 0 0
a UDP
0
0
1
10
Algebra
Lineal

Algebra
Lineal

matriz triangular superior si aij = 0 para todo i > j
1 0 3
0 2 1
0 0 3
si n = 4
2 1 20 0, 1
0 2 3
0 0
3
3
0 0
0
10
a UDP
Algebra
Lineal

Algebra
Lineal

matriz triangular inferior si aij = 0 para todo i < j
1 0 0
2 2 0
3 3 3
si n = 4
2
0 0
2 0
2 1 3
1
2 3
a UDP
0
0
10
Algebra
Lineal

Algebra
Lineal
Ejercicios
Escriba explcitamente las siguientes matrices:
1
A M24 (R) donde aij = |3i j|.
B M4 (R) donde bij = ij.
C M3 (R) donde cij = ij .
i + j, i < j
Sea D = (dij ) M200 (R) donde dij = i,
i=j
i j, j < i
Calcule tr(D).
a UDP
Algebra
Lineal

Algebra
Lineal
Ejercicios
1 Encuentre todos los valores de a, b, c R para que la matriz
1
a2 + b 2c2 + a
3
ac
A= b+a
2
2
2
2
a b a c
1
sea una matriz diagonal.
2
Encuentre el valor de k R para que tr(E) = 60, donde
k
k (k + 1)30
10
E = 0
k2
10 + k
2
3
18k
a UDP
Algebra
Lineal

Algebra
Lineal
Dos matrices A = (aij ) y B = (bij ) se dicen iguales si es que

tienen la misma cantidad de filas y columnas y ademas aij = bij
para todo i y para todo j.
Por ejemplo
2
4
2 4
3
3 6= 3 3
1 1
1 1
En cambio, A = (aij ) M34 (R)
1 2
B = 2 4
3 6
a UDP
donde aij = i j es igual a
3 4
6 8
9 12
Algebra
Lineal

Algebra
Lineal
Sea A = (aij ) Mnm (R). Se define la traspuesta de una

matriz At Mmn (R) como At = (bij ), donde bij = aji para
todo i y para todo j.
Por ejemplo,

A=
1
2 3
100 200 4
8 0 3
B = 1 a
3 4 5
a UDP
1 100
At = 2 200
3 4
8 3
B t = 0 1 4
3 a 5
Algebra
Lineal

Algebra
Lineal
Una matriz A = (aij ) Mn (R) se dice que es:

1
Simetrica si es que At = A.
Antisimetrica si es que At = A
Por ejemplo,
Simetricas

1 0
0 1

1 1
1 2
1 2 3
2 0 10
3 10 20
Antisimetricas

0 1
1 0
0
30
30 0
a UDP
0
2
3
2
0
10
3 10 0
Algebra
Lineal

Algebra
Lineal
Ejercicios
Encuentre todos los valores de a, b, c R para que
2 2 b
1 A = a
3 b sea una matriz simetrica
a c 4
c c+1
0
2 B = 1
a
b 2 sea una matriz antisimetrica.
0
2
b
2 a+6 c
3 C = a2
5 b sea una matriz simetrica.
c
b3
9
a UDP
Algebra
Lineal

Algebra
Lineal
Suma de Matrices
Sean A = (aij ) Mnm (R) y B = (bij ) Mnm (R) se define
A + B = (aij + bij ),
Por ejemplo,

2 3
1
2 0 + 1
0 1
9

2 3 4
1 2
+
2 0 5
1 8
para todo i, j

2
2+1
8 = 2 1
3
0+9

1
2+1
=
1
21
a UDP
Algebra
Lineal
3+2
0 + 8
1+3

3+2 41
0+8 51

Algebra
Lineal
Ponderacion por n
umeros reales
Sean R y A = (aij ) Mnm (R) se define
A = (aij ),
para todo i, j
Por ejemplo,
2 3
32 33
3 2 0 = 3 2 3 0
0 1
30 31

2 3 4
42 43 44
4
=
2 0 5
42 40 45
a UDP
Algebra
Lineal

Algebra
Lineal
Denotaremos por Onm a la matriz con n m ceros

distribudos en n filas y m columnas. Si la matriz es cuadrada
denotaremos por On a la matriz con n n ceros distribudos en
n filas y n columnas.
Por ejemplo,
O23

0 0 0
=
0 0 0
0
0
O4 =
0
0
a UDP
0
0
0
0
0
0
0
0
0
0
0
0
Algebra
Lineal
O52
0
0
=
0
0
0
0
0
0
0

Algebra
Lineal
Propiedades
Sean A, B, C Mnm (R) y , R
1
A + B = B + A.
(A + B) + C = A + (B + C).
A + Onm = A
(A + B)t = At + B t .
(A)t = At .
(A + B) = A + B.
( + )A = A + A.
a UDP
Algebra
Lineal

Algebra
Lineal
Ejercicios
1 Encuentre el valor de a, b R de la siguiente ecuaci
on

a 2
3 b3
t
+
2

a 2b
2 1
=3
4 0
2 b

x11 x12
Encuentre la matriz X =
tal
x21 x22
(2X t + A)t = 2(B + A) donde

1 2
0
A=
B=
2 2
3
que
2
2
Sea A = (aij ) M20 (R) donde aij = i2 . Calcule tr(A).
a UDP
Algebra
Lineal

Algebra
Lineal
Ejercicios
1
Sean A, B M4 (R). Pruebe que tr(A + B) = tr(A) + tr(B).
1 2 3
Sea C = 4 1 4 Pruebe que 21 (C + C t ) es una matriz
0 2 5
simetrica y que 12 (C C t ) es una matriz antisimetrica.
Sea D Mn (R) una matriz cuadrada cualquiera. Pruebe
que 12 (D + Dt ) es una matriz simetrica y que 21 (D Dt ) es
una matriz antisimetrica. Deduzca de esto que una matriz
cuadrada se puede escribir como suma de una matriz
simetrica y una matriz antisimetrica.
a UDP
Algebra
Lineal

Algebra
Lineal
Multiplicacion
Sean A = (aij ) Mnp (R) y B = (bij ) Mpm (R), definimos la
matriz multiplicacion A B = (cij ) Mnm (R) donde
cij =
p
X
aik bkj
k=1
Solo se puede multiplicar dos matrices cuando la primera matriz

tiene el mismo n
umero de filas que la cantidad de filas que tiene
la segunda matriz.
a UDP
Algebra
Lineal

Algebra
Lineal
Por ejemplo

0 1
3 5 9
=
2 3
6
2 1

0 (3) + 1 6 0 (5) + 1 2 0 9 + 1 1
6
3
1
=
2 (3) + 3 6 2 (5) + 3 2 2 9 + 3 1
12 4 21
a UDP
Algebra
Lineal

Algebra
Lineal
Otro ejemplo

1 2 3
2
4 5 6 1 =
7 8 9
4

12+21+34
18
= 4 2 + 5 1 + 6 4 = 37
72+81+94
58
a UDP
Algebra
Lineal

Algebra
Lineal
Ejercicios
1 Compruebe que
1 2 3
1 0 0
1 2 3
4 5 6 0 1 0 = 4 5 6 .
7 8 9
0 0 1
7 8 9
2
Compruebe que
1 2 3
2 0 0
2 4 6
4 5 6 0 2 0 = 8 10 12 .
7 8 9
0 0 2
14 16 18
a UDP
Algebra
Lineal

Algebra
Lineal
Ejercicios
1 Calcule el orden de la matriz X y escriba sus elementos
para poder resolver la siguiente ecuaci
on matricial

2 0 7
0
0 4 3 X = 0
3 1 0
0
2
Calcule el orden de la matriz X y escriba sus elementos

para poder resolver la siguiente ecuaci
on matricial

1 1 1
1
1 1 1 X = 3
3 2 1
6
a UDP
Algebra
Lineal

Algebra
Lineal
Se define In Mn (R) la matriz identidad de la siguiente

manera:
1 0 ... 0
0 1 . . . 0
In = . . .
.
.. .. . . ..
0 0 ... 1
Por ejemplo

1 0
I2 =
0 1
1 0 0
I3 = 0 1 0
0 0 1
a UDP
1
0
I4 =
0
0
Algebra
Lineal
0
1
0
0
0
0
1
0
0
0
0
1

Algebra
Lineal
Propiedades
Sean A, B, C matrices y , R, cuando las operaciones esten
bien definidas se cumple que
1
(AB)C = A(BC).
(A + B) C = A C + B C.
A In = A
(A B)t = B t At .
A B = AB.
a UDP
Algebra
Lineal

Algebra
Lineal

1 2
4 0
Sea A =
yB=
3 4
1 5

6 10
AB =
16 20

4 8
BA =
16 22
Por lo tanto AB 6= BA.
a UDP
Algebra
Lineal

Algebra
Lineal

1 2
4 0 3
Sea A = 3 4 y B =
1 5 1
3 2
6 10 5
AB = 16 20 13
14 10 11

13 14
BA =
19 24
Por lo tanto AB 6= BA.
a UDP
Algebra
Lineal

Algebra
Lineal
0 0 1
0
Sea A = 0 0 0 y B = 1
0 0 2
0
AB = 0
0
0 0
1 1
0 0
0 0
0 0
0 0
Por lo tanto puede pasar que AB = On sin que A sea On o B

sea On .
a UDP
Algebra
Lineal

Algebra
Lineal
Sea A Mn (R), se define Ak = A

| A{z A}
kveces
Sea A Mn (R) una matriz cuadrada, esta se dice:

1
Involutiva, si A2 = In .
Idempotente, si A2 = A.
Ortogonal, si At A = At A = In
Nilpotente de orden k, si Ak = On para alg

un n
umero
natural k.
a UDP
Algebra
Lineal

Algebra
Lineal
Ejercicios

1
Encuentre todas las matrices A de la forma A =
x y
0 z
tal que A2 = I2 .
2 1 0
Sea A = 0 2 1. Calcule A2 , A3 . Encuentre una
0 0 2
formula general para An .
0 1 0 0
0 0 2 0
k
Sea A =
0 0 0 3. Encuentre k N tal que A = O4 .
0 0 0 0
a UDP
Algebra
Lineal

Algebra
Lineal
Matriz Invertible
Sea A Mn (R), se dice que la matriz A es invertible si existe
B Mn (R) tal que
AB = BA = In .
En este caso B se dice que es la matriz inversa de A y se escribe
A1 .

Por ejemplo A =
1 1
0 1

1 1
es invertible pues con B =
0 1
se cumple que

1 1
1 1
1 1
1 1
1 0
=
=
0 1
0 1
0 1
0 1
0 1
a UDP
Algebra
Lineal

Algebra
Lineal
2 0 0
A = 0 5 0 es
0 0 9
cumple que
2 0
0 5
0 0
1
2
0
0
1
5
1
2
invertible pues con B = 0

0
1
0
2
0 0
9
0
0
1
5
1
5
1 0 0
0
0 = 0 1 0
1
0 0 1
9
0
2 0 0
1 0 0
0 0 5 0 = 0 1 0
1
0 0 9
0 0 1
9
a UDP
Algebra
Lineal
0
0 se
1
9

Algebra
Lineal

0 1
0 1
A=
es invertible pues con B =
se cumple que
1 0
1 0

0 1
0 1
1 0
=
1 0
1 0
0 1
Puede darse el caso que la inversa de una matriz A sea la
misma matriz A.
a UDP
Algebra
Lineal

Algebra
Lineal
Existen matrices que no son invertibles, Por ejemplo,
0
0
3

0 0
0 0
0 0
0 0
1 2
a UDP

1
0
1
2
3
0
0
2 3
4 6
6 9
Algebra
Lineal

Algebra
Lineal
Propiedades
1
Si A Mn (R) es una matriz invertible entonces At es una

matriz invertible y adem
as
(At )1 = (A1 )t .
Si A Mn (R) es una matriz invertible entonces Ak es una

matriz invertible y adem
as
(Ak )1 = (A1 )k .
a UDP
Algebra
Lineal

Algebra
Lineal
Propiedades
1
Si A Mn (R) es una matriz invertible y R \ {0}

entonces A es una matriz invertible y ademas
(A)1 =
1 1
A .
Si A Mn (R) y B Mn (R) son matrices invertibles

entonces el producto AB es invertible y ademas
(AB)1 = B 1 A1 .
a UDP
Algebra
Lineal

Algebra
Lineal
Para determinar exactamente cu

ales son las matrices cuadradas
de orden 2 2 que son invertibles y cu
al es la forma que tienen
tenemos el siguiente teorema.
Teorema

Sea A =
a b
c d

M2 (R).
La matriz A es invertible y A1 =
1
ad bc

d b
si y solo
c a
si (ad bc) 6= 0.
a UDP
Algebra
Lineal

Algebra
Lineal
Ejemplos

3 1
A=
M2 (R) es una matriz invertible pues en este caso
5 2
se tiene que (ad bc) = (3 2 5 1) = 1 6= 0, por lo tanto

1
2 5
1
A =
3 2 5 1 1 3

3 1
B=
NO es una matriz invertible pues en este caso se
6 2
tiene que (ad bc) = (3 2 6 1) = 0, por lo tanto B 1 no
existe.
a UDP
Algebra
Lineal

Algebra
Lineal
Ejercicios
1
2

x x
Encuentre todos los n
umeros x R tal que
sea
1 x
invertible.

x+1
2
umeros x R tal que
1 x + 2
sea invertible.

a b
umeros a, b R tal que
sea
b a
invertible.
a UDP
Algebra
Lineal

Algebra
Lineal
Ejercicios
1 Resuelva la siguiente ecuaci
on matricial
AX = BA,

2 4
0 3
A=
yB=
4 2
0 2
Resuelva la siguiente ecuaci
on matricial
(AXB I2 )t = B 1 ,

1 2
1 1
donde A =
yB=
3 4
0 1
a UDP
Algebra
Lineal

Algebra
Lineal
Ejercicios
on matricial
X = BA + (A + B)2 B(A1 + B 1 )AB A(A + A1 ),

1 0
sabiendo que A1 B 1 =
.
1 1
Resuelva el siguiente sistema de ecuaciones matricial,
sabiendo que X es una matriz simetrica
AX t + AY A =
X YA
=

4 5
2 1
donde A =
yB=
3 4
1 1
a UDP
BA
B,
Algebra
Lineal

Algebra
Lineal
a UDP
Algebra
Lineal

Algebra
Lineal
En la siguiente seccion estudiaremos metodos para determinar

en que situaciones una matriz cuadrada A Mn (R) es
invertible y encontraremos una f
ormula explcita para A1 por
diferentes metodos.
Para ello introduciremos los conceptos de
Determinante de Matrices y Matriz Adjunta.
Matrices Escalonadas y Rango de Matrices.
a UDP
Algebra
Lineal

Algebra
Lineal
Determinante de una matriz 2 2

a b
Sea A =
M22 (R) una matriz cuadrada definiremos
c d
det(A) = |A| = ad bc
Ejemplos

4 5
Si A =
entonces
5 4

4 5
= 4 4 5 5 = 9.
det(A) = |A| =
5 4

1 2
Si B =
entonces
5 14

1 2
= 1 14 2 5 = 4.
det(B) = |B| =
5 14
a UDP
Algebra
Lineal

Algebra
Lineal
Determinante de
a b
Sea A = d e
g h
una matriz 3 3
c
f se define
i

a b c

det(A) = |A| = d e f = aei + bf g + cdh ceg bdi af h
g h i
Ejemplo

1 2 3

0 1 2 = 1 1 1 + 2 2 0 + 3 0 3 1 0 2 0 1 1 2 0

0 0 1
=1
a UDP
Algebra
Lineal

Algebra
Lineal
Regla de Sarrus
a b c
Sea A = d e f . Entonces |A| se puede calcular de la
g h i
siguiente manera. Se escribe la siguiente formacion de n
umeros,
a b c
d e f
g h i
a b
d e
g h
copiando la primera y segunda fila de la matriz A al lado de la

matriz A y escribiendo con signo positivo los productos de tres
elementos en diagonal de izquierda a derecha y con signo
negativo los productos de tres elementos en diagonal de derecha
a izquierda.
a UDP
Algebra
Lineal

Algebra
Lineal
Propiedades
Sea A M2 (R) o A M3 (R).
1
|A| = |At |.
Si todos los elementos de una fila son 0 entonces |A| = 0.
Si intercambiamos dos filas (o columnas) se produce un

cambio en el signo del determinante.
Si dos filas (o columnas) de la matriz A son iguales

entonces |A| = 0.
|I2 | = 1 y |I3 | = 1.
Si A es una matriz triangular o una matriz diagonal

entonces |A| es el producto de los elementos en la diagonal
de A.
a UDP
Algebra
Lineal

Algebra
Lineal
Propiedades

a1 + a2 b a1 b a2 b

+
=
1
c1 + c2 d c1 d c2 d.
Esta propiedad es v
alida en la segunda columna.

a1 + a2 b c a1 b c a2 b c

d1 + d2 e f = d1 e f + d2 e f .

g1 + g2 h i g1 h i g2 h i
Esta propiedad es v
alida en la segunda columna y en la
tercera columna.
a UDP
Algebra
Lineal

Algebra
Lineal
Propiedades

a b
= a b .
1
c d
c d
Esta propiedad es v
alida en la segunda columna.

a b c
a b c

d e f = d e f .

g h i
g h i
Esta propiedad es v
alida en la segunda columna y en la
tercera columna.
Si A M2 (R) entonces |A| = 2 |A|.
Si A M3 (R) entonces |A| = 3 |A|.

a UDP
Algebra
Lineal

Algebra
Lineal
Propiedades
1
Si A, B M2 (R) entonces |A B| = |B A| = |A| |B|.
Si A, B M3 (R) entonces |A B| = |B A| = |A| |B|.
Si A M2 (R) o A M3 (R) entonces si una fila (o

columna) se multiplica por un n
umero R y los
resultados se suman a otra fila (columna respectivamente)
entonces el valor del determinante no se altera.
Por ejemplo

a b a b + a

c d = c d + c
a UDP

a b c a b + c c

d e f = d e + f f

g h i g h + i i
Algebra
Lineal

Algebra
Lineal
Ejercicios
Sean A, B M2 (R). Pruebe con un ejemplo que en general
det(A + B) 6= det(A) + det(B).
Sean A, B M3 (R). Pruebe con un ejemplo que en general
det(A + B) 6= det(A) + det(B).
Pruebe que det(A + I2 ) = det(A) + det(I2 ) tr(A) = 0.
Demuestre que no existen A, B Mn (R) tal que
AB BA = In .
Sea A M2 (R) o A M3 (R). Demuestre que |A1 | =
a UDP
Algebra
Lineal
1
.
|A|

Algebra
Lineal
Ejercicios
Calcule los siguientes determinantes.

1 a a2

1 b b2

1 c c2

3
a ab2
0
a2 b b3

0
a3 ab2 a2 b b3 .

a3 b ab3 a3 b ab3 a4 b4

x 1 1

1 x 1 .

1 1 x
a UDP
Algebra
Lineal

Algebra
Lineal
Ejercicios
Resuelva
las ecuaciones

1 2 x

2 3 1 = 0.

3 4 x2

1 x 0

0 1 x = 0

x 0 1
a UDP
Algebra
Lineal

Algebra
Lineal
El determinante de una matriz de orden superior esta definido

de una manera recursiva. Para esto necesitamos el siguiente
concepto.
Determinantes Menores
Sean n > 3 y A = (aij ) Mn (R) una matriz cuadrada. Se
define Dij el determinante de orden (n 1) (n 1) que se
produce al no considerar la fila i y la columna j en la matriz A.
a UDP
Algebra
Lineal

Algebra
Lineal
Ejemplo
1 2 3
Sea A = 4 5 6 entonces
7 8 9
D11
D21
D31

= 5 6
8 9

2 3

=

8 9

2 3

= 4 5

D12
D22
D32

= 4
7

6
9

1

=
7

1

= 4

3

9

3
6

a UDP
D13
D23
D33
Algebra
Lineal

= 4 5
7 8

1

=
7

1

= 4

2

8

2
5

Algebra
Lineal
Ejemplo
1 2 3
5 6 7
Si A =
9 10 11
13 14 15

5
D13 =
9
13

1

D22 =
9
13
4
8
entonces
12
16

1 2 3

5 6 7
6
8

D44 =

10
12
9 10 11

14
16

4

11 12
15 16
3
a UDP
D33

1 2

5 6
=

13 14
Algebra
Lineal

4
8

16

Algebra
Lineal
Definicion. (Determinante de matrices de ordenes superiores)

Sean n > 3 y A Mn (R) se define
|A| =
n
X
(1)i+j aij Dij ,
donde j es un n
umero fijo entre 1 y n.
(1)i+j aij Dij ,
donde i es un n
umero fijo entre 1 y n.
i=1
o
|A| =
n
X
j=1
a UDP
Algebra
Lineal

Algebra
Lineal
Ejemplo

1 2 3

Calcule 4 5 6.
7 8 9
Fijado i = 1. Debemos calcular
3
X
(1)1+j a1j D1j = (1)1+1 a11 D11 + (1)1+2 a12 D12
j=1
+ (1)1+3 a13 D13

5 6
4 6
4 5

=1
2
+3
8 9
7 9
7 8
= 0.
a UDP
Algebra
Lineal

Algebra
Lineal
Ejemplo
Fijado i = 2. Debemos calcular
3
X
(1)2+j a2j D2j = (1)2+1 a21 D21 + (1)2+2 a22 D22
j=1
+ (1)2+3 a23 D23

4 6
1 3
1 3

= 2
+5
8
7 9
7 9
4 6
= 0.
a UDP
Algebra
Lineal

Algebra
Lineal
Ejemplo
Fijado j = 3. Debemos calcular
3
X
(1)i+3 ai3 Di3 = (1)1+3 a13 D13 + (1)2+3 a23 D23
i=1
+ (1)3+3 a33 D33

4 5
1 2
1 2

=3
6
+9
7 8
7 8
4 5
= 0.
a UDP
Algebra
Lineal

Algebra
Lineal
Calcule el siguiente determinante:

1 2 3

2 2 3

3 3 3

4 4 4

4
4
4
4
Fijado i = 1 (Primera fila). Debemos calcular

4
X
(1)1+j a1j D1j = (1)1+1 a11 D11 + (1)1+2 a12 D12
j=1
+ (1)1+3 a13 D13 + (1)1+4 a14 D14
a UDP
Algebra
Lineal

Algebra
Lineal

1

2

3

4
2
2
3
4
3
3
3
4

4
2 3 4
2 3 4

4
= 1 3 3 4 2 3 3 4

4
4 4 4
4 4 4
4

2 2 4
2 2 3

+ 3 3 3 4 4 3 3 3
4 4 4
4 4 4
a UDP
Algebra
Lineal

Algebra
Lineal
Propiedades
Sea n N y A Mn (R) .
1
|A| = |At |.
Si todos los elementos de una fila (o columnas) son 0

entonces |A| = 0.
Si intercambiamos dos filas (o columnas) se produce un

cambio en el signo del determinante.
Si dos filas (o columnas) de la matriz A son iguales

entonces |A| = 0.
|In | = 1.
Si A es una matriz triangular o una matriz diagonal

entonces |A| es el producto de los elementos en la diagonal
de A.
a UDP
Algebra
Lineal

Algebra
Lineal
Propiedades

a11

a21

..
.

an1
a12
a22
..
.
..
.
an2

a11
a1n

a21
a2n

.. = ..
.
.

an1
ann
a12
a22
..
.
..
.
an2

a1n
a2n
..
.
ann
Esta propiedad es v
alida para cualquier columna (o fila).
2
3
|A| = n |A|.
Si una fila (o columna) es multiplicada por un n
umero real
y este resultado se le suma a otra fila o columna
respectivamente entonces el resultado del determinante no
se ve alterado.
a UDP
Algebra
Lineal

Algebra
Lineal
Ejercicios
Compruebe que:

1 a b + c

1 1
b a + c = 0
1 c a + b

2 4

2 Pruebe que 3
2
7 1

1 5

3 Pruebe que 2
2
2 5

3 2 2
a a 1 a a bc

2
3 2
b b 1 = b b ac

c3 c2 1 c2 c ab

1
0 es multiplo de 5.
3

0
5 es multiplo de 15.
5
a UDP
Algebra
Lineal

Algebra
Lineal
Ejercicios
Calcule

1 1

1 3

1 1
3
1 3

1 3

0 x

x 0
2
y z

z y

1 a

1 b
3
1 c

1 d

1
3
5
7
9
1
3
5
5
5
1
3
5
7
7
y
z
0
x

z
y
x
0
a2
a3
b2
c2
d2

b3
c3
d3

5

5

5

5

5

1

1

1

1

1
5
4
4
4
4
a
b
c
d
e
a UDP
5
4
3
3
3
5
4
3
2
2

5
4
3
2
1

a2 a3 a4
b2 b3 b4
c2 c3 c4
d2 d3 d4
e2 e3 e4
Algebra
Lineal

Algebra
Lineal
Ejercicios

a b c
2a
2a

1
bca
2b = (a + b + c)3 .
2b
2c
2c
c a b
2 Si a, b, c R cumplen que a + b + c = 0, resuelva la
siguiente ecuaci
on

a x
c
b

c
bx
a = 0

b
a
c x
a UDP
Algebra
Lineal

Algebra
Lineal
Ejercicios

0
a
b
c

a 0
d e
2
1
b d 0 f = (af be + cd) .

c e f 0
on

1 1 1 1

x 2 3 4

x2 4 9 16 = 0

x3 8 27 64
a UDP
Algebra
Lineal

Algebra
Lineal
Definicion
Sea A = (aij ) Mn (R). El cofactor de orden ij asociado a la
matriz A se denota por cij y se define como
cij = (1)i+j Dij ,
donde Dij denota el determinante menor de orden ij.
Definicion
Sea A = (aij ) Mn (R). La matriz adjunta de A se denota por
Adj(A) y se define como la matriz traspuesta delos cofactores
de A, es decir
Adj(A) = ((1)i+j Dij )t = (cij )t = (cji ).
a UDP
Algebra
Lineal

Algebra
Lineal
Teorema
Sea A Mn (R). La matriz A es invertible si y solo si
1
det(A) 6= 0 y en este caso A1 =
Adj(A)
det(A)
Ejemplo
0 0 1
Encuentre la matriz inversa de 1 0 0
0 1 1
a UDP
Algebra
Lineal

Algebra
Lineal
Ejercicios
Decida si las siguientes matrices son invertibles, encuentre las
matrices inversas (si es que son invertibles)
1 2 3
0 1 1
4 0 0
1 0 1
0 10 0
1 4
5 6
7 8 9
1 1 0
0 0 3
1 2 3 4
0 1 1 1
4 5 6 7
1 0 1 1
2
7 8 9 10
1 1 0 1
10 11 12 13
1 1 1 0
0 0 0 1
1 2 4
8
1 3 9 81
1 0 0 0
3
1 4 16 64
0 1 0 0
0 0 1 0
1 5 25 125
a UDP
Algebra
Lineal

Algebra
Lineal
Ejercicios
Encuentre condiciones para que las siguientes matrices sean
invertibles
1 2 x2
1 1
y 4
1 2 4
1 2 a
2 2
3 1
3 4 a2
k 0 0 1
1 k 1 1
3
1 1 k 1
1 0 0 k
a UDP
Algebra
Lineal

Algebra
Lineal
Matrices Escalonadas
y Operaciones
Elementales
a UDP
Algebra
Lineal

Algebra
Lineal
Considere A = (aij ) Mnm (R) una

columnas. Es decir
a11 a12 a13

a21 a22 a23
A= .
..
..
..
.
.
an1 an2 an3
matriz con n filas y m
a1m
a2m
..
..
.
.
anm
Cada fila de la matriz ser

a denotada por Fi donde i es la
correspondiente posici
on de la fila.
Por ejemplo
F2 = (a21 a22 a23 a2m )
F3 = (a31 a32 a33 a3m ).
a UDP
Algebra
Lineal

Algebra
Lineal
Sobre cada una de las filas de la matriz A definiremos las

siguientes operaciones elementales
1
Permutacion entre las filas i y j, lo cu

al se denotara por
Fi Fj .
Multiplicacion de la fila i por un n

umero real , lo que se
escribira como (Fi ).
Sumar la fila i con la fila j, lo que se escribira como

(Fi + Fj ).
Cualquier combinaci
on de las operaciones elementales
anteriores sera una operaci
on elemental.
a UDP
Algebra
Lineal

Algebra
Lineal
Ejemplo
A=
F1 F2
3F1

3 6 9
.
1 2 3

1 2 3
3 6 9

3 6 9
3 6 9
F2 + (1)F1

3 6 9
0 0 0
a UDP
Algebra
Lineal

Algebra
Lineal
Ejemplo
2 3 3
A = 0 1 4
4 8 2
1
F3 + (2)F1
2 3 3
0 1 4
0 2 8
F3 + (2)F2
2 3 3
0 1 4 = E.
0 0 0
a UDP
Algebra
Lineal

Algebra
Lineal
Sean A, B Mnm (R) dos matrices. Si B es obtenida mediante

una sucesion de operaciones elementales sobre las filas de A.
diremos que A es equivalente a B. Si A es equivalente a B
escribiremos A B.
1 F1
2
1 23 32
2 3 3
2 3 3
F3 2F2
F3 2F1
A = 0 1 4 0 1 4 0 1 4
0 0 0
4 8 2
0 2 8
a UDP
Algebra
Lineal

Algebra
Lineal
Definicion
Una matriz A Mnm (R) se llama matriz escalonada si
satisface las siguientes condiciones:
1
Si la matriz tiene filas compuestas u

nicamente por 0, estas
filas deben ubicarse debajo de las filas que tengan
coeficientes no nulos.
El primer coeficiente distinto de 0 en la fila debe ser 1. Este

elemento se llama uno distinguido.
El n
umero de 0 al comienzo de una fila aumenta a medida
que se desciende en la matriz.
a UDP
Algebra
Lineal

Algebra
Lineal
Teorema
Toda matriz A Mnm (R) es equivalente a alguna matriz
escalonada E Mnm (R).
Definicion
Sean A Mnm (R) y E Mnm (R) una matriz escalonada tal
que A E. Se define el rango de A y se denota por r(A), como
el n
umero de filas no nulas que componen E. Dicho de otra
manera r(A) es el n
umero de unos distinguidos que tiene E A.
r(On ) = 0.
r(In ) = n
Si A Mnm entonces r(A) 6 n.
a UDP
Algebra
Lineal

Algebra
Lineal
Ejercicios
1 Demuestre que el rango de la matriz
4 6 2 4
A = 1 1 0 5 es 2.
3 2 1 3
2 Determine todos los valores de a para que el rango de la
matriz B sea 3, donde
1 2 a
B = 2 3 1 .
3 4 a2
a UDP
Algebra
Lineal

Algebra
Lineal
Ejercicios
1 Encuentre condiciones sobre los valores de a, b y c para que
1 a a2
la matriz A = 1 b b2 tenga rango 3.
1 c c2
2 Determine todos los valores de a y b para que el rango de la
matriz B sea 3, donde
1 2 a2
B = 1 b 4 .
1 2 4
a UDP
Algebra
Lineal

Algebra
Lineal
Ejercicios
1
Encuentre
el r(A) dependiendo
del valor de a donde

3 a
2
a1
2 5
3
1
A=
1 3 1 a
0
3 2 4 a
1
a UDP
Algebra
Lineal

Algebra
Lineal
Teorema
Sea A Mn (R).
A es invertible
r(A) = n
A In
Teorema
Si A Mn (R) es una matriz invertible entonces las mismas
operaciones elementales aplicadas a la matriz In sirven para
calcular A1
a UDP
Algebra
Lineal

Algebra
Lineal
Ejemplo
5 5 0
0 4 4
1 0 8
5 5 0 1
0 4 4 0
1 0 8 0
1 1 0 15
0 1 1 0
1 0 8 0
14 F2
1
0 0
1
1
0
0
0
1
5
F
5 1
1 0 0 1 1 0 14 0
0 1
1 0 8 0 0 1
0 0
1 1 0 15 0 0
F
F
1
2 3 1 0 8 0 0 1
4 0
0 1
0 1 1 0 14 0
a UDP
Algebra
Lineal

Algebra
Lineal
Ejemplo
1 1 0
1 0 8
0 1 1
1
5
0
0
0 0
1 1 0 15
F2 F1
0 1 0 1 8 15
1
0 1 1 0
4 0
1 1 0 15
0 1 8 1
5
0 1 1 0
1 1 0 15
0 0
F3 +F2
0 1 0 1 8 15
1
0 0 9 15
4 0
1 1 0 15
0 1 8 1
5
0 0 9 51
1
0 0
1 1 0
1
5
F
9 3
0 1 0 1 8 15
1
1
0 0 1 45
4 1
a UDP
Algebra
Lineal
0 0
0 1
1
4 0
0 0
0 1
1
4 1
0
0
1
36
0
1
1
9

Algebra
Lineal
Ejemplo
1
0
0
1
1
0
0
8
1
1
5
15
1
45
1
1
0
0
0
1
1
5
1
45
1
45
1
0
0
1 1 0
0 1 0
0 0 1
1
5
1
45
1
45
0
0
1
36
0
29
1
36
0
2
9
1
36
1
0
F2 8F3
1 0
1
0
9
0
1
9
1
9
1
1
0
(1)F2
1 1 0
0 1 0
0 0 1
1 0 0
0
F
F
1
2
89 0 1 0
1
0 0 1
9
a UDP
Algebra
Lineal
0
0
1
1
5
1
45
1
45
1
5
1
45
1
45
8
45
1
45
1
45
0
92
1
36
0
2
9
1
36
92
2
9
1
36
1
9
1
9
0
19
1
9
1
9
19
1
9

Algebra
Lineal
Ejemplo

8
1
1
5 5 0
29
45
9
2
1
0
0 4 4 1
=
45
9
9
1
1
1
0
1 0 8
45
36
9
8
1
5 5 0
1
92
45
9
2
1
1
9
0 4 4 = 0
45
9
1
1
1
45
1 0 8
0
36
9
a UDP
Algebra
Lineal
0 0
1 0
0 1
0 0
1 0
0 1

Algebra
Lineal
Ejercicios
Muestre que cada una de las siguientes matrices son invertibles
y en cada caso encuentre la matriz inversa.
0 1 1
1 A = 1
0 1
1 1 0
1 2 3
2 B = 4
5 6
7 8 9
1 0 0 0
1 1 0 0
3 C =
1 1 1 0
1 1 1 1
a UDP
Algebra
Lineal

Algebra
Lineal
Ejercicios
1 Encuentre los valores de a, b R
invertible.
0 a
A= 1 0
b 1
2
para que la matriz A sea
b
a .
0
Encuentre el valor
sea
de x R para que la matriz
1
1
1
1
1
x
x2
x3
invertible B =
3 x + 2 2x + 1 3x
3 2x + 1 x2 + 2x 3x2
Encuentre los valores
b R para que la matriz
3 de a,
C sea
a ab2
0
a2 b b3
0
a3 ab2 a2 b b3
invertible. C =
3
3
a b ab a3 b ab3 a4 b4
a UDP
Algebra
Lineal

Algebra
Lineal
Programa del Curso
a UDP
Algebra
Lineal

Algebra
Lineal
Programa del Curso
a UDP
Algebra
Lineal

Algebra
Lineal
Programa del Curso
a UDP
Algebra
Lineal

Algebra Lineal Apuntes FDI UDP PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Algebra Lineal Apuntes FDI UDP PDF

Uploaded by

Copyright:

Available Formats

Algebra

Segundo Semestre 2013

Programa del Curso

Matrices y Sistemas de Ecuaciones Lineales

Sistemas de Ecuaciones Lineales

Una matriz es una forma de ordenar en filas y columnas

En los ejemplos anteriores,

En general si una matriz A tiene n filas y m columnas, la

a11 a12 a13 a1m

Sean n, m N. Diremos que una matriz A tiene orden n m si

decir que B es una matriz

Si una matriz tiene la misma cantidad de filas y columnas,

= a11 + a22 + a33 + + ann

Sea n N. Diremos que una matriz A = (aij ) Mn (R) es una

Sea n N. Diremos que una matriz A = (aij ) Mn (R) es una

Sea n N. Diremos que una matriz A = (aij ) Mn (R) es una

A M24 (R) donde aij = |3i j|.

B M4 (R) donde bij = ij.

C M3 (R) donde cij = ij .

Encuentre el valor de k R para que tr(E) = 60, donde

Dos matrices A = (aij ) y B = (bij ) se dicen iguales si es que

donde aij = i j es igual a

Sea A = (aij ) Mnm (R). Se define la traspuesta de una

Una matriz A = (aij ) Mn (R) se dice que es:

Denotaremos por Onm a la matriz con n m ceros

Sea A = (aij ) M20 (R) donde aij = i2 . Calcule tr(A).

Sean A, B M4 (R). Pruebe que tr(A + B) = tr(A) + tr(B).

Solo se puede multiplicar dos matrices cuando la primera matriz

Calcule el orden de la matriz X y escriba sus elementos

Se define In Mn (R) la matriz identidad de la siguiente

Por lo tanto puede pasar que AB = On sin que A sea On o B

Sea A Mn (R), se define Ak = A

Sea A Mn (R) una matriz cuadrada, esta se dice:

Nilpotente de orden k, si Ak = On para alg

Encuentre todas las matrices A de la forma A =

invertible pues con B = 0

Existen matrices que no son invertibles, Por ejemplo,

Si A Mn (R) es una matriz invertible entonces At es una

Si A Mn (R) es una matriz invertible entonces Ak es una

Si A Mn (R) es una matriz invertible y R \ {0}

Si A Mn (R) y B Mn (R) son matrices invertibles

Para determinar exactamente cu

X = BA + (A + B)2 B(A1 + B 1 )AB A(A + A1 ),

En la siguiente seccion estudiaremos metodos para determinar

Determinante de una matriz 2 2

copiando la primera y segunda fila de la matriz A al lado de la

Si todos los elementos de una fila son 0 entonces |A| = 0.

Si intercambiamos dos filas (o columnas) se produce un

Si dos filas (o columnas) de la matriz A son iguales

Si A es una matriz triangular o una matriz diagonal

Si A M2 (R) entonces |A| = 2 |A|.

Si A M3 (R) entonces |A| = 3 |A|.

Si A, B M2 (R) entonces |A B| = |B A| = |A| |B|.

Si A, B M3 (R) entonces |A B| = |B A| = |A| |B|.

Si A M2 (R) o A M3 (R) entonces si una fila (o

El determinante de una matriz de orden superior esta definido

Definicion. (Determinante de matrices de ordenes superiores)

(1)i+j aij Dij ,

(1)i+j aij Dij ,

+ (1)1+3 a13 D13

(1)2+j a2j D2j = (1)2+1 a21 D21 + (1)2+2 a22 D22

+ (1)2+3 a23 D23

(1)i+3 ai3 Di3 = (1)1+3 a13 D13 + (1)2+3 a23 D23