Professional Documents
Culture Documents
COMPENDIO-ALGEBRA-LINEAL-UNIDAD I Version 2023 S1
COMPENDIO-ALGEBRA-LINEAL-UNIDAD I Version 2023 S1
COMPENDIO-ALGEBRA-LINEAL-UNIDAD I Version 2023 S1
LINEA
ALGEBRA LINEAL
3 créditos
Titulaciones Semestre
TECNOLOGÍA DE LA INFORMACIÓN
Primero
1
Organización de la lectura para el estudiante por semana del compendio
Semanas Páginas
Semana 1 Página 1 - 17
Semana 2 Página 18 - 23
Semana 3 Página 24 – 31
Semana 4 Página 32 - 52
ALGEBRA
LINEAL
2
tiempos de recorrido de señales de radio enviadas de los satélites al receptor, para ello
se utilizan Las matrices y Sistemas de ecuaciones lineales, resueltos a través de métodos
estudiados por el Algebra Lineal.
Tema 1: Matrices
En esta unidad veremos los tipos de matrices, propiedades y operaciones entre matrices,
determinantes y sistemas de ecuaciones lineales esto conlleva a poder resolver y
desarrollar problemas de aplicación relacionados a la profesión.
Una matriz es una forma eficiente de ordenar información, el tamaño de la misma está
determinado por el número de filas y de columnas.
3
Pueden sumarse, multiplicarse y descomponerse de varias formas, lo que también las
hace un concepto clave en el campo del álgebra lineal.
Se denota a las matrices con letra mayúscula, mientras que se utiliza la correspondiente
letra en minúsculas para denotar a las entradas de estas, con subíndices que refieren al
número de fila y columna del elemento. Por ejemplo, al elemento de una matriz A de
tamaño m x n que se encuentra en la fila i - ésima y la columna j - ésima se le denota
como 𝑎𝑖𝑗 , donde 1 ≤ 𝑖 ≤ 𝑚 y 1 ≤ 𝑗 ≤ 𝑛.
Dos matrices se dice que son iguales si tienen el mismo tamaño y los mismos elementos
en las mismas posiciones.
Como caso particular de matriz, se definen los vectores fila y los vectores columna. Un
vector fila o vector renglón es cualquier matriz de tamaño 1 x n mientras que un vector
columna es cualquier matriz de tamaño m x 1. Flores, G.(2012)
4
A las matrices que tienen el mismo número de filas que de columnas, m = n, se les llama
matrices cuadradas y el conjunto se denota Mn (K), alternativamente a la notación usual
M m x n (K).
Ejemplos:
1 2 3
1 2 7
𝐴= [ ]
4 9 2
6 0 5
La matriz 𝑅 ∈ 𝑀1 𝑥 9 (𝑹)
𝑅 = [1 2 3 4 5 6 7 8 9]
a. Matriz Nula
Una matriz es nula si todos sus elementos son iguales a cero. En el siguiente
ejemplo se muestra la matriz nula de orden 3
0 0 0 0 0
𝐴 = [0 0 0] 𝐵 = [0 0]
0 0 0 0 0
b. Matriz Fila
5
c. Matriz Columna
1
Sólo tiene una columna. Ejemplo: A = 5]
[
9
d. Matriz Triangular
Aquella en la que todos los elementos situados por encima o por debajo de la diagonal
principal son nulos.
1 2 3 1 0 0 1 2
[0 4 6] [2 4 0] [ 1 ] [ 1 ]
0 0 5 3 6 7 5 0
e. Matriz Escalar
Aquella matriz diagonal con todos los elementos de la diagonal principal iguales. Ejemplo:
5 0 0
[0 5 0]
0 0 5
Aquella matriz escalar con todos los elementos de la diagonal principal iguales a 1. Por
tanto, la matriz identidad de dimensión 3 x 3 es:
1 0 0
𝐼 = 𝐼3𝑥3 = [0 1 0 ]
0 0 1
g. Matriz Cuadrada
Una matriz n por m elementos, es una matriz cuadrada aquella que tiene igual número n
de filas que de columnas (n = m). En ese caso se dice que la matriz es de orden n. Por
ejemplo, la matriz
6
1 3 −2
𝐴 = [0 −3 3 ]
4 2 1
Propiedades:
Si A y B son matrices del mismo orden, entonces se pueden sumar entre sí. Los productos
de matrices son válidos en ambos sentidos, AB y BA (si y sólo si las matrices son
cuadradas del mismo tamaño). Adema surgen los conceptos de determinantes y traza
solo a matrices cuadradas.
h. Matriz diagonal
En algebra lineal una matriz diagonal es una matriz cuadrada en las entradas son todas
nulas salvo en la diagonal principal, y estas pueden ser nulas o no.
Toda matriz diagonal es también una matriz simétrica, triangular (superior e inferior) y así
las entradas provienen del cuerpo.
Una matriz cuadrada A = (ij) es diagonal si (ij)=0 para j≠i. Es decir, si todos los elementos
situados fuera de la diagonal principal son cero. Mesa, F.(2012)
1 0 0
𝐷 = [0 −3 0]
0 0 1
7
i. Matriz invertible
𝐴 ∙ 𝐴−1 = 𝐴−1 ∙ 𝐴 = 𝐼𝑛
Una matriz no invertible se dice que es singular o degenerada. Una matriz es singular si y
solo si su determinante es nulo.
j. Matriz transpuesta
Sea A una matriz con m filas y n columnas. La matriz transpuesta, denotada con At. Mesa,
F.(2012)
𝑎 𝑏 𝑎 𝑐
[ ]=[ ].
𝑐 𝑑 𝑏 𝑑
1 2𝑇
1 3 5
[3 4] = [ ]
2 4 6
5 6
k. Matriz simétrica
Una matriz es simétrica si es una matriz cuadrada, la cual tiene la característica de ser
igual a su traspuesta.
8
Una matriz de n x m elementos:
es simétrica, si es una matriz cuadrada (m = n) y aij = aji para todo i, j con i, j =1,2,3,4,...,n.
Nótese que la simetría es respecto a la diagonal principal.
Ejemplo: para n = 3:
−8 −1 3
(−1 7 4)
3 4 9
Propiedades:
Uno de los teoremas básicos que concierne este tipo de matrices es el teorema
espectral de dimensión finita, que dice que toda matriz simétrica cuyos elementos
sean reales es diagonalizable. En particular, es semejante a una matriz ortogonal.
l. Matriz antisimétrica
Una matriz antisimétrica es una matriz cuadrada A cuya traspuesta es igual a su negativa,
es decir vale la relacion AT = -A. Mesa, F.(2012)
9
es antisimétrica (o hemisimétrica), si es una matriz cuadrada (m = n) y aij = –aij para todo
i, j =1,2,3,...,n. En consecuencia, aii = 0 para todo i. Por lo tanto, la matriz A asume la
forma:
La matriz
0 −2 4
𝐴= ( 2 0 2)
−4 −2 0
es antisimétrica, ya que
0 2 −4
𝐴𝑇 = (−2 0 −2) = −𝐴
4 2 0
La diagonal principal se conserva y todos los otros números son cambiados de signo al
opuesto. Nótese que la matriz transpuesta de la matriz antisimétrica A es -A, y que la
antisimetría es respecto a la diagonal principal.
10
A es la matriz (aij), B = (bij) y A + B = (cij); donde cij = aij + bij en el que la operación de
suma en la última expresión es la operación binaria correspondiente pero en el campo
Por ejemplo, la entrada C12 es igual a la suma de los elementos a12 y b12 lo cual es a12+
b12.
2 2 1 0 1 4 2 3 1
3 2 1 1 4 0 4 6 1
[ ]+ [ ]= [ ]
2 3 2 2 1 1 4 4 3
2 0 4 0 2 2 2 2 6
La suma de matrices, en el caso de que las entradas estén en un campo, poseen las
propiedades de asociatividad, conmutatividad, existencia de elemento neutro aditivo y
existencia de inverso aditivo. Esto es así ya que éstas son propiedades de los campos en
los que están las entradas de la matriz.
Asociatividad:
(A + B) + C = A + (B + C)
Conmutatividad:
(A + B) = (B + A)
A+0=0+A=A
11
Existencia del inverso aditivo
En efecto, estas propiedades dependen el conjunto en el que estén las entradas, como
se ha dicho antes, aunque en las aplicaciones generalmente los campos usados son
(los números reales) y (los números complejos).
Sean 𝐴 ∈ 𝑀𝑛𝑥𝑚 (𝑲) y λ ∈ 𝑲 . Se define la operación de producto por un escalar como una
función 𝐾 𝑥 𝑀 𝑛 𝑥 𝑚 (𝑲) → 𝑀 𝑛 𝑥 𝑚 (𝑲) tal que (λ, A) B = λA y donde bij = λ aij en donde el
producto es la operación binaria correspondiente, pero en el campo K, Kolman, B.(2012).
También es inmediato observar que el producto por un escalar da como resultado una
matriz del mismo tamaño que la original. También el producto por un escalar dependerá
de la estructura algebraica en la que las entradas están. En el caso de que estén en un
campo serán dos distributivas (una respecto de suma de matrices y otra respecto de suma
en el campo), asociativa y una propiedad concerniente al producto por el elemento neutro
multiplicativo del campo. A continuación, se presentan las propiedades.
12
Distributividad respecto de la suma en el campo: (𝜆 + µ)𝐴 = 𝜆𝐴 + µ𝐴
𝜆0 = 0
Demostración:
0KA=0
𝜆𝐴 = 0 → 𝜆 = 0𝐾 𝑜 𝐴 = 0
Definición
Sea A una matriz de m x n y B una matriz n x p. Entonces el producto AB es la matriz C
de m x p cuya entrada Cij en el renglón i y la columna j se obtiene como sigue: sume los
productos formados al multiplicar; en orden, cada entrada (esto es primera, segunda, etc.)
del renglón i de A por la "correspondiente" entrada (esto es, primera, segunda, etc.) de la
columna j de B.
13
Segundo, el producto será una matriz de orden m x p; tendrá tan renglones como A y
tantas columnas como B.
El producto de matrices se define de una manera muy peculiar y hasta caprichosa cuando
no se conoce su origen. El origen proviene del papel de las matrices como
representaciones de aplicaciones lineales. Así el producto de matrices, como se define,
proviene de la composición de aplicaciones lineales. En este contexto, el tamaño de la
matriz corresponde con las dimensiones de los espacios vectoriales entre los cuales se
establece la aplicación lineal. De ese modo el producto de matrices representa la
composición de aplicaciones lineales.
En efecto, en ciertas bases tenemos que 𝒇: 𝑽 → 𝑾 se puede representar como 𝒇(𝒙) = 𝑨𝒙,
donde x es la representación de un vector de V en la base que se ha elegido para V en
forma de vector columna. Si tenemos dos aplicaciones lineales 𝒇: 𝑽 → 𝑾 y 𝒈: 𝑾 → 𝑼,
entonces 𝒇(𝒙) = 𝑩𝒙 y 𝒈(𝒙) = 𝑨𝒙, luego la aplicación 𝑔 𝑜 𝒇: 𝑽 → 𝑼 se representará como
𝒈 𝑜𝒇(𝒙) = 𝒈(𝒇(𝒙)) = 𝒈(𝑩𝒙) = 𝑨𝑩𝒙 donde AB es el producto de las representaciones
matriciales de f, g .Nótese que la composición no se puede dar entre cualquier aplicación
sino entre aplicaciones que vayan de 𝑽 → 𝑾 → 𝑼, en particular debe de haber una
relación entre las dimensiones de los espacios vectoriales. Una vez dicho esto podemos
definir el producto de la siguiente manera: Flores, G.(2012)
𝑐𝑖𝑗 = ∑𝑚
𝑘=1 𝑎𝑖𝑘 𝑏𝑘𝑗 para toda i, j, es decir:
14
𝑐𝑖𝑗 = 𝑎𝑖1 𝑏1𝑗 + 𝑎𝑖2 𝑏2𝑗 + 𝑎𝑖3 𝑏3𝑗 + ⋯ + 𝑎𝑖𝑚 𝑏𝑚𝑗 .
Sin tomar en cuenta la motivación que viene desde las aplicaciones lineales, es evidente
ver que si ignoramos la definición de la función de producto de matrices y sólo se toma en
cuenta la definición de las entradas, el producto no estará bien definido, ya que si A no
tiene el mismo número de columnas que B de filas entonces no podremos establecer en
donde acaba la suma: si la acabamos en el mayor de éstos números habrá sumandos
que no están definidos ya que una de las matrices no tendrá más entradas, mientras que
si tomamos el menor habrá entradas de alguna de las matrices que no se tomen en
cuenta. Así es necesario que A tenga el mismo número de columnas que B de filas para
que AB exista, Flores, G.(2012)
Como se puede suponer también, las propiedades de esta operación serán más limitadas
en la generalidad ya que además de las limitaciones impuestas por la naturaleza de las
entradas está esta limitación respecto a tamaño. Es claro, además, que el producto de
matrices no siempre es una operación interna.
15
Distributividad respecto de la suma de matrices por la derecha: (A + B)C=AC +
BC
A(B+C) = AB + AC
2 1 3 3 2 1
1) 𝐴 = [4 2 0]𝐵= [2 1 6]
0 2 −1 −1 2 3
3 4 6 8 1 6 −2 3
2) 𝐴=[ ] 𝐵=[ ]
1 2 6 5 0 0 2 1
3 −1 0 2 3 −2
3) 𝐴 = [4 0 8] 𝐵 = [ 4 5 4 ]
1 2 6 −1 1 3
3 − 2 −1 − 3 0 + 2 1 −4 2
𝐴 − 𝐵 = [4 − 4 0 − 5 8 − 4] 𝐶 = [0 −5 4]
1+1 2−1 6−3 2 1 3
16
6 1 3
𝐶 = [2 4 0]
2 −4 1
1 2 0 2 1 1
5) 𝐴 = [2 −1 −1] 𝐵 = [−1 1 3]
3 2 3 1 2 4
𝐴𝑥𝐵 =
(1)(2) + (2)(−1) + (0)(1) (1)(1) + (2)(1) + (0)(2) (1)(1) + (2)(3) + (0)(4)
[(2)(2) + (−1)(−1) + (−1)(1) (2)(1) + (−1)(1) + (−1)(2) (2)(1) + (−1)(3) + (−1)(4)]
(3)(2) + (2)(−1) + (3)(1) (3)(1) + (2)(1) + (3)(2) (3)(1) + (2)(3) + (3)(4)
0 3 7
𝐶 = [4 −1 −5]
7 11 21
3 1
1 2 −3
6) 𝐴 = [ ] 𝐵 = [ 2 4]
4 0 −2
−1 5
10 −6
𝐶=[ ]
14 −6
4 7 3 20 35 15
7) 𝐴 = [5 8 5] 5. 𝐴 = [25 40 25]
6 9 4 30 45 20
4 7 3 3 4 2
8) 𝐴 = [5 8 5] 𝐵 = [8 5 5]
6 9 4 6 3 6
17
Subtema 2: Determinantes e inversa de una matriz
Definición de determinante
Dados los números 1, 2, 3,....n existen n! formas distintas de ordenarlos. Cada una de
dichas ordenaciones se llama permutación. El conjunto de todas las permutaciones se
representa por Pn y la permutación (1, 2, 3,..., n) se llama permutación principal.
Por ejemplo, el conjunto {(1 2 3), (1 3 2), (2 1 3), (2 3 1), (3 1 2), (3 2 1)} contiene las 6
permutaciones diferentes de la terna (1 2 3).
Diremos que dos elementos de una permutación forman una sucesión si están colocados
en el mismo orden que en la permutación principal. En caso contrario, diremos que forman
una inversión.
Por ejemplo: (2 3 1 4 5 6) tiene dos inversiones (nº de pasos a realizar para obtener la
permutación principal).
18
Se define el determinante de una matriz cuadrada A, denotado por |𝐴| o por det(A), como:
Ejemplo:
2 5
| | = 2(−4) − 5(3) = −8 − 15 = −23
3 −4
= 𝑎11 𝑎22 𝑎33 + 𝑎21 𝑎32 𝑎13 + 𝑎12 𝑎23 𝑎31 − 𝑎13 𝑎22 𝑎31 − 𝑎12 𝑎21 𝑎33 − 𝑎11 𝑎23 𝑎32
Ejemplo:
1 4 −3
|3 −2 1 | = 1(−2)(5) + (3)(−1)(−3) + (4)(1)(4) − (−3)(−2)(4) − (3)(4)(5)
4 −1 5
− (1)(−1)(1) = −10 + 9 + 16 − 24 − 60 + 1 = −68
19
Primero de todo, fijémonos en la disposición de signos siguientes (similar a las casillas
blancas y negras en un tablero de ajedrez)
+ − + − …
− + − + …
|+ − + − …||
|
− + − + …
⋮ ⋮ ⋮ ⋮ ⋮
Elegir aquella fila o columna que contenga el mayor número de ceros (si ninguna línea
tiene ceros, se escoge una línea cualquiera)
Cada uno de los elementos de la línea dará lugar a un sumando, el cual se obtendrá como
se explica en el paso siguiente.
Ejemplo:
1 1 3 −2
2 −4 7 2
| | Elegimos la 1a columna y la desarrollamos:
3 −2 9 −1
1 3 −1 −1
−4 7 2 1 3 −2 1 3 −2 1 3 −2
= (1) |−2 9 −1| + (−2) |−2 9 −1| + (3) |−4 7 2 | + (−1) |−4 7 2|
3 −1 −1 3 −1 −1 3 −1 −1 −2 9 −1
=⋯
= 15
Por ejemplo:
20
1 2 3 1 1 0
|1 0 0| = |2 0 0| = −2
0 0 1 3 0 1
Por ejemplo:
1 2 3 1 1 0
|0 0 1 | = − |1 0 0| en efecto
1 0 0 0 0 1
1 2 3 1 2 3
|0 0 1 | = 2 𝑦 |1 0 0| = −2
1 0 0 0 0 1
Un determinante que tiene dos líneas paralelas (filas o columnas) iguales vale cero.
Por ejemplo:
4 6 5
|4 6 5 | = 0
4 0 0
Si un determinante tiene todos los elementos de una línea nulos, el determinante vale 0.
Por ejemplo:
4 5 6
|0 0 0 | = 0
4 7 6
Por ejemplo:
1 2 3 1 2 3∗2
2 ∗ |0 0 1| = |0 0 1 ∗ 2|
1 0 0 1 0 0∗2
|𝜆 ∙ 𝐴| = 𝜆𝑛 ∙ |𝐴|
Si todos los elementos de una fila o columna están formados por dos sumandos, dicho
determinante se descompone en la suma de dos determinantes.
21
Por ejemplo:
2 4+5 3 2 4 3 2 5 3
|0 3 + 3 2| = |0 3 2| + |0 3 2|
0 1+2 5 0 1 5 0 2 5
Si los elementos de una línea son combinación lineal de las otras, entonces, el
determinante vale 0.
Por ejemplo,
1 3+2∙1 3
|2 0 + 2 ∙ 2 0| = 0 (la 2ª columna es combinación lineal de las otras, entonces, el
3 1+2∙3 1
determinante vale 0.
Si a los elementos de una línea se le suman los elementos de otra paralela multiplicados
previamente por un n° real el valor del determinante no varía.
Por ejemplo:
1 5+2∙1 3 1 5 3
|2 3 + 2 ∙ 2 0| = |2 3 0|
3 4+2∙3 1 3 4 1
|𝐴 ∙ 𝐵 | = |𝐴 | ∙ |𝐵 |
𝑎 𝑥 + 𝑎12 𝑦 = 𝑏1
{ 11
𝑎21 𝑥 + 𝑎22 𝑦 = 𝑏2
𝑏 𝑎12 𝑎 𝑏1
| 1 | | 11 |
𝑏2 𝑎22 𝑎21 𝑏2
𝑥= 𝑎 𝑎 ; 𝑦= 𝑎 𝑎
|𝑎11 𝑎12 | |𝑎11 𝑎12 |
21 22 21 22
22
Para un S.E.L. de tres ecuaciones con tres incógnitas cuya forma es:
Te invito a revisar los siguientes videos para reforzar y ampliar los contenidos.
Ejemplo:
𝑥 + 2𝑦 − 𝑧 = −3
Resolver: 𝑝(𝑥, 𝑦, 𝑧): { 2𝑥 − 4𝑦 + 𝑧 = −7
−2𝑥 + 2𝑦 − 3𝑦 = 4
1 2 − 1 ⋮−3
La matriz aumentada del sistema sería: [ 2 − 4 1 ⋮−7]
−2 2 − 3⋮ 4
−3 2 −1
|−7 −4 1 |
𝑥= 4 2 −3 = −3(12 − 2) − 2(21 − 4) − 1(−14 + 16) = −3
1 2 −1 1(12 − 2) − 2(−6 + 2) − 1(4 − 8)
| 2 −4 1 |
−2 2 −3
1 −3 −1
| 2 −7 1 |
1(21 − 4) + 3(−6 + 2) − 1(8 − 14) 1
𝑦 = −2 4 −3 = =
1 2 −1 22 2
| 2 −4 1 |
−2 2 −3
23
1 2 −3
| 2 −4 −7|
𝑧 = −2 2 4 = 1(−16 + 14) − 2(8 − 14) − 3(4 − 8) = 1
1 2 −1 22
| 2 −4 1|
−2 2 −3
𝟏
𝑨𝒑(𝒙, 𝒚, 𝒛) = {(−𝟑, , 𝟏)}
𝟐
Se puede representar por Fi ↔ Fj, siendo Fi y Fj dos filas de la matriz (Ci↔Cj, siendo
Ci y Cj dos columnas de la matriz)
Sumar a una fila (columna) otra fila (columna) multiplicada por un número real.
Dos matrices A y B son equivalentes si una de ellas se puede obtener a partir de la otra
mediante operaciones elementales. Se puede representar por A≈B, Mesa, F.(2012).
Ejemplo:
2 1 4 −3 2 1 2 −3
(−1 2 ) 𝐹1 ↔ 𝐹3 (−1 2 ) (−1 2 ) 𝐶2 → −3 𝐶2 (−1 −6)
≈ ≈
4 −3 2 1 4 −3 4 9
2 1 0 5
𝐹
(−1 2 ) 𝐹1 → 1 + 2𝐹2 (−1 2 )
≈
4 −3 4 −3
24
Cualquier matriz mediante operaciones elementales, bien por filas o por columnas, se
puede convertir en una matriz escalonada equivalente.
El rango de una matriz es el mayor de los órdenes de los menores no nulos que podemos
encontrar en la matriz. Por tanto, el rango no puede ser mayor al número de filas o de
columnas. También se define el rango de una matriz como el número máximo de filas (o
columnas) linealmente independientes. Es decir, cuando depende de otra u otras cuando
se puede establecer una combinación lineal entre ellas.
Ejemplo:
1 3
Determine el rango de 𝐴 = (−4 −6) mediante operaciones elementales por filas.
2 0
1 3 1 3 1 3 1 3
(−4 −6) 𝐹2 → 𝐹2 + 4𝐹1 (0 6) 𝐹3 → 𝐹3 − 2𝐹1 (0 6 ) 𝐹3 → 𝐹3 + 𝐹2 (0 6)
2 0 2 0 0 −6 0 0
Como la matriz escalonada por filas que se ha obtenido tiene dos filas no nulas, se tiene
que rg A = 2
Matriz escalonada:
25
2. En las filas no nulas, el primer elemento diferente de cero de cada fila está
situado más a la derecha que el primer elemento no nulo de la fila inmediatamente
superior.
𝟏 −𝟒 𝟑
𝟐 𝟑 −𝟏
𝟒 −𝟏 𝟐 𝟎 𝟕 𝟐
𝑨=( ) 𝑩 = (𝟎 𝟓 𝟏) 𝑪= ( )
𝟎 𝟐 𝟏 𝟎 𝟎 𝟓
𝟎 𝟎 𝟑
𝟎 𝟎 𝟎
𝟑 𝟏 𝟔 𝟑 𝟐 −𝟑
𝟓 −𝟏 𝟒 𝟐
𝟎 𝟒 −𝟕 𝟒 𝟎 𝟎
𝑫= ( ) 𝑬= ( ) 𝑭 = (𝟎 𝟎 𝟐 −𝟑)
𝟎 𝟎 𝟏 −𝟐 𝟎 𝟎
𝟎 𝟎 𝟎 𝟎
𝟎 𝟎 𝟎 𝟕 𝟎 𝟎
𝟑 𝟏 −𝟓 𝟎 𝟐
(
𝑮= 𝟎 𝟔 𝟏 −𝟐 𝟒 )
𝟎 𝟎 𝟎 𝟎 −𝟏
Ejemplos de matrices no escalonadas:
3 2 −1 3
2 0 0 0 2 1 5
0 0 3 2
𝐴= ( ) 𝐵 = (0 0 −5 1 ) 𝐶 = (0 −3 0)
0 0 0 0
0 3 0 −2 0 6 0
0 0 0 3
Siempre es posible pasar de una matriz cualquiera A a una matriz escalonada. Para esto
se llevan a cabo transformaciones elementales, que son las siguientes:
26
Ejercicios de cálculo de rango de una matriz
2 −1 0 7
(1 0 1 3 )
3 2 7 7
F1 − 2 F2
0 −1 −2 1
(1 0 1 3)
3 2 7 7
F3 − 3 F2
0 −1 2 1
(1 0 1 3 )
0 2 4 −2
F3 + 2 F1
0 −1 −2 1
(1 0 1 3)
0 0 0 0
6 −1 3 → 𝐹1
𝐵 = (−6 9 0 ) → 𝐹2
2 −3 −5 → 𝐹3
6 −1 3 𝐹1 = 𝐹1 +𝐹2 0 8 3
(−6 9 0) → (−6 9 0)
2 −3 −5 2 −3 −5
0 8 3 𝐹3 = 𝐹2 +3𝐹3 0 8 3
(−6 9 0) → (−6 8 0 )
2 −3 −5 0 0 −15
0 7 3 𝐹1 ↔ 𝐹2 −6 9 0
(−6 8 0 )→ (0 7 3 ) = 𝐵´
0 0 −15 0 0 −15
27
Hallar el rango de la matriz siguiente:
1 −4 2 −1
3 −12 6 −3
𝐴= ( )
2 −1 0 1
0 1 3 −1
1 −4 2 −1
0 0 0 0
F2 = F2 − 3F1 ( )
0 7 −4 3
0 1 3 −1
F3= F3 − 2F1
Matriz inversa
Dada una matriz cualquiera A llamamos inversa de A a otra matriz que denominaremos
Una matriz cuadrada que posee inversa se dice que es invertible o regular; en caso
contrario recibe el nombre de singular, Mesa, F.(2012).
Método de Gauss
Este método debe su nombre a Carl Friedich Gauss y a Wilhem Jordan. Se trata de una
serie de algoritmos de algebra lineal para determinar los resultados de un sistema de
ecuaciones lineales y así hallar matrices e inversas.
Este método consiste en colocar junto a la matriz de partida (A) la matriz identidad (I) y
hacer operaciones por filas, afectando esas operaciones tanto a A como a I, con el
objeto de transformar la matriz A en la matriz identidad, la matriz resultante de las
operaciones sobre I es la inversa de A (A-1).
28
a) Sustituir una fila por ella multiplicada por una constante.
La matriz inversa de A es
Para hallar la inversa de una matriz cuadrada por el método de Gauss - Jordan lo
1 3 3
haremos de la siguiente manera, con el siguiente ejemplo A= (1 4 3)
1 3 4
2 1 3 2 1 3 ⋮ 1 0 0
[2 −1 2] escribimos la matriz auxiliar [2 −1 2 ⋮ 0 1 0]
1 2 2 1 2 2 ⋮ 0 0 1
intercambio de filas 1 y 3
1 2 2 ⋮ 0 0 1
[2 −1 2 ⋮ 0 1 0]
2 1 3 ⋮ 1 0 0
1 2 2 0 0 1
F2-2.F1
0 −5 −2 0 1 −2
F3-2.F1 0 −3 −1 1 0 −2
29
Multiplicamos la segunda fila para (-5):
1 2 2 ⋮ 0 0 1
2 1 2
[0 1 ⋮ 0 − ]
5 5 5
0 −3 −1 ⋮ 1 0 −2
-2F2+.F1
3F2+.F3
6 2 1
1 0 ⋮ 0
5 5 5
2 1 2
0 1 ⋮ 0 −
5 5 5
1 3 4
[ 0 0 ⋮ 1 − − ]
5 5 5
6 2 1
1 0 ⋮ 0
5 5 5
2 1 2
0 1 ⋮ 0 −
5 5 5
[0 0 1 ⋮ 5 −3 −4]
-6/5 F3+.F1
-2/5 F2+.F2
1 0 0 ⋮ −6 4 5
[0 1 0 ⋮ −2 1 2]
0 0 1 ⋮ 5 −3 −4
−6 4 5
𝐴−1 = [−2 1 2]
5 −3 −4
30
2 1 3 −6 4 5 (−12 − 2 + 15) (8 + 1 − 9) (10 + 2 − 12)
[2 −1 2] ∗ [−2 1 2 ] = [(−12 + 2 + 10) (8 − 1 − 6) (10 − 2 − 8) ]
1 2 2 5 −3 −4 (−6 − 4 + 10) (4 + 2 − 6) (5 + 4 − 8)
1 0 0
= 0 1 0]
[
0 0 1
1
A-1 = det(𝐴) Adj (A)T
EJEMPLO:
2 3 −4
A=[0 −4 2 ]
1 −1 5
det(A) = – 40 + 0 +6 – 16 +4 + 0 = – 46
Matriz de cofactores:
−4 2 0 2 0 −4
+| | −| | +| |
−1 5 1 5 1 −1
3 −4 2 −4 2 3
A= − | | +| | −| |
−1 5 1 5 1 −1
3 −4 2 −4 2 3
[+ |−4 2
| −|
0 2
| +| |
0 −4 ]
−18 2 4
A=[−11 14 5 ]
−10 −4 −8
31
Tema 2: Sistemas de ecuaciones lineales
Se denomina ecuación lineal a aquella que tiene la forma de un polinomio de primer grado,
es decir, las incógnitas no están elevadas a potencias, ni multiplicadas entre sí, ni en el
denominador.
Por ejemplo, 3x + 2y + 6z = 6 es una ecuación lineal con tres incógnitas. Como es bien
sabido, las ecuaciones lineales con 2 incógnitas representan una recta en el plano. Si la
ecuación lineal tiene 3 incógnitas, su representación gráfica es un plano en el espacio. Un
ejemplo de ambas representaciones puede observarse en la figura #1.
Figura #1: Representación gráfica de la recta –x+2y=3 en el plano y del plano x+y+z=1 en el espacio.
32
algebra lineal elemental es, de hecho, una generalización de las propiedades de la línea
recta.
La pendiente m de una recta que pasa por los puntos (x1, y1) y (x2, y2) está dada por:
𝑦 −𝑦 Δ𝑦
𝑚 = 𝑥2 −𝑥1 = Δ𝑥 si 𝑋1 ≠ 𝑋2
2 1
33
Cualquier recta (a excepción de aquella que tiene una pendiente indefinida) se puede describir
mediante su ecuación en la forma pendiente-ordenada y = mx + b, donde m es la pendiente de la
recta y b es la ordenada (el valor de y en el punto en el que la recta cruza con el eje y) , Flores,.
34
Figura #6: Representación gráfica de las rectas paralelas al eje x tienen pendiente 0.
a 𝑥 + a12 𝑦 = b1
{ 11
a21 𝑥 + a22 𝑦 = b2
Donde a11, a12, a21, a22, b1 y b2 son números dados. Cada una de estas ecuaciones
corresponde a una línea recta. Una solución al sistema es un par de dos números
denotados por (x, y), que corresponde al punto en el que esas rectas se intersectan, si es
que son rectas no paralelas y el sistema tiene solución única. Si no tiene solución se trata
de rectas paralelas y un caso trivial: si tiene infinitas soluciones, si ambas ecuaciones
representan la misma recta, Mesa, F.(2012).
Las ecuaciones representan rectas perpendiculares, una tiene pendiente 1 y la otra -1,
por lo tanto se cortan en un punto, la solución al sistema.
Podemos decir que un sistema tiene solución única, cuando las pendientes de ambas
rectas sean diferentes, Mesa, F. (2012).
35
El sistema se puede resolver a través de un método de resolución aprendido en cursos
preuniversitarios como se detalla a continuación:
x–y=7
–x–y=–5
– 2y = 2
Así, el par (6; – 1) satisface el sistema y la forma en que se encontró la solución muestra
que es el único par de números que lo hace. Es decir que el sistema tiene solución única.
x– 𝑦 = 7
{
2𝑥 – 2𝑦 = 14
Se puede ver que estas dos ecuaciones son equivalentes. Esto es, cualesquiera dos
números, x y y, que satisfactoriamente la primera ecuación también satisface la segunda,
y viceversa. Para comprobar esto se multiplica la primera ecuación por 2. Entonces x – y
36
= 7 o y = x – 7. Así, el par (x, x – 7) es una solución al sistema para cualquier número real
x. Es decir, el sistema tiene un número infinito de soluciones. Para este ejemplo, los
siguientes pares son soluciones: (7, 0), (0, - 7), (8, 1), (1, -6), (3, -4) y (-2, -9). Las dos
ecuaciones de este sistema representan la misma recta, por lo tanto, se intersectan en
todos sus puntos, que son infinitos.
37
Figura #9: Representación gráfica de la NO solución de un sistema de ecuaciones lineales
a x + a12 y = b1
{ 11
a21 x + a22 y = b2
𝑏1
Si a12 = 0, entonces x = y se puede usar la segunda ecuación para despejar Y.
𝑎11
𝑏2
Si a22 = 0, entonces x= y se puede usar la primera ecuación para despejar Y.
𝑎21
38
2.2.1 Sistemas No homogéneos
2x + 3y + z = 1
3x – 2y – 4z = – 1
5x – y – z = 4
Solución:
2 3 1 ⋮ 1
[3 −2 −4 ⋮ −3]
5 −1 −1 ⋮ 4
3 1 1
2 3 1 1 1 1
[3 −2 −4 −3] 𝑅1 → [ 2 2 2]
2 3 −2 −4 −3
5 −1 −1 4
5 −1 −1 4
3 1 1
1 3 1 1
2 2 2 2 1
−3𝑅1 + 𝑅2 → 13 11 9 − 𝑅2 → 2 2 2
0 − − − 13 11 9 17𝑅2 + 𝑅3 →
−5𝑅1 + 𝑅3 → 2 2 2 2𝑅 → 0 1
17 7 3 3 13 13
0 − − [0 −17 −7 3 ]
[ 2 2 2 ]
3 1 1
1 3 1 1
2 2 2 1 11 3 1
11 9 13 2 2 2 − 13 𝑅3 + 𝑅2 → 1 0 −
0 1 𝑅3 → 11 9 [ 2 2]
13 13 96 0 1 1 0 1 0 −1
96 192 13 13 − 𝑅3 + 𝑅1 → 0 0 1 2
0 0 [0 0 1 2] 2
[ 13 13 ]
39
3 1 0 0 1 𝑥=1
[
− 𝑅2 + 𝑅1 → 0 1 0 −1 ] → 𝑦 = −1
2 0 0 1 2 𝑧=2
Interpretación del resultado, la última matriz escalonada reducida indica la solución del
sistema es:
x = 1, y = – 1, z = 2
Ejemplo:
3𝑥 + 2𝑦 + 4𝑧 = 1
{5𝑥 − 𝑦 − 3𝑧 = −7
4𝑥 + 3𝑦 + 𝑧 = 2
2 4 1
1 2 4 1
3 3 3 1
1 3 2 4 1 𝑅 (−5) + 𝑅 → 13 29 26 3 3 3 3
1 2
𝑅1 [5 −1 −3 −7] 0 − − − 𝑅2 (− ) → 0 1 29/13 2
3 𝑅1 (−4) + 𝑅3 → 3 3 3 13
4 3 1 2 1 13 2
1 13 2
[0 −
3]
[0 3
−
3 3 ]
3 3
2
2 1 0 − −1 2
13 1 0 − −1
𝑅2 (− ) + 𝑅1 → 29 13
3
1 0 1 2 𝑅3(−66 )
13 0 1
29
13 2
𝑅2 (− ) + 𝑅3 → 66 13
3 [0 0 1 0]
[0 0 −
13
0]
2
𝑅3 ( ) + 𝑅1 1 0 −2/13 −1
3 [0 1
29 29/13 2]
𝑅3 (− ) + 𝑅1 0 0 1 0
13
1 0 0 −1 𝑥 = −1
[0 1 0 2 ] ∴ 𝑦 = 2
0 0 1 0 𝑧=0
x = – 1, y = 2, z = 0
40
Ejemplo:
3x – 2y + 3z = 5
{
2x + 4y – z = 2
Solución:
1 −6 4 3 1 −6 4 3
[3 −2 3 5] − 𝑅2 + 𝑅1 → [ ] − 2𝑅1 + 𝑅2 → [ ]
2 4 −1 2 2 4 −1 2 0 16 −9 −4
5 3
1 1 −6 4 3 1 0
𝑅2 → [ 9 1] 6𝑅2 + 𝑅1 → [ 8 2 ]
16 0 1 − − 9 1
16 4 0 1 − −
16 4
5 3
x+ 8𝑧 = 2
9 1
𝑦 − 16 𝑧 = − 4
Despejando x e y
3 5
𝑥 = 2−8𝑧
1 9
𝑦=− + 𝑧
4 16
3 5
𝑥 = 2+8𝑡
1 9
𝑦 = − 4 + 16 𝑡; 𝑡 = Є R
41
z=t
Es decir el sistema de ecuaciones tiene una identidad de soluciones ya que para cada
valor de t habrá un valor para x, y, z
3 1
Por ejemplo si t = 0 entonces x = y, y = - 4, z = 0 es una solución para el sistema de
2
ecuaciones.
7 5
Si t= 1 entonces x= 8 , y= 16 , z= 1, es otra solución para el sistema de ecuaciones.
5
Si t= -4 entonces x= 4, y = -2 , z= -4, también es solución para el sistema de ecuaciones.
Así una vez más, remarcamos, el sistema tiene una infinidad de soluciones.
Ejemplo:
2x – y + 3z = 4
{ 3x + 2y – z = 3
x + 3y – 4z = – 1
Solución: Desde un principio podemos escribir la matriz aumentada del sistema con su
primera región de confecciones de la teoría ecuación, es decir, podemos reordenar las
ecuaciones.
1 3 −4 −1 −2𝑅 + 𝑅 → 1 3 −4 −1 1 3 −4 −1
1 2
[2 −1 3 4] [0 −7 11 6 ] −𝑅2 + 𝑅3 → [0 −7 11 6 ]
−3𝑅1 + 𝑅3 →
3 2 −1 3 0 −7 11 6 0 0 0 0
5 11
1 3 −4 −1 1 0
1 11 6 7 7
− 𝑅2 → [0 1 − − ] − 3𝑅2 + 𝑅1 → 11 6
7 7 7 0 1 − −
0 0 0 0 7 7
[0 0 1 0 ]
5 11
𝑥+ 𝑧=
7 7
11 6
𝑦− 𝑧=−
7 7
0𝑧 = 0
42
El resultado de la solución del sistema es:
5 11
𝑥=− 𝑧+
7 7
11 6
𝑦= 𝑧−
7 7
11 5
𝑥=− 𝑡
7 7
6 11
𝑦=− + 𝑡; 𝑡 ∈ 𝑅
7 7
𝑧=𝑡
Ejemplo:
x + 8y – 5z = 3
{ – 2y + 3z = 1
3x
2x + 3y – z = 4
Solución:
43
Ejemplo:
a + b – 3c − 4d = −1
{2a + 2b − c − 2d = 1
a + b + 2c + 2d = 5
Solución:
Del tercer renglón se tiene 0a + 0b +0c + 0d =3 queda la igualdad 0 =3, luego el sistema
no tiene solución.
Ejemplo:
Solución:
44
Del cuarto renglón se tiene 0x + 0y + 0z + 0w = 5 que da la igualdad 0 = 5, por lo tanto, el
sistema no tiene solución.
Los sistemas en los que todos los términos independientes son nulos se llaman
sistemas homogéneos. Siempre tienen la solución (0, 0, …0) llamada trivial, por
lo tanto, siempre son compatibles determinado, Flores, G. (2012).
Ejemplo:
Resolver el sistema:
x– y + z = 0
x– y– z = 0
{
2x – y + z = 0
y + z = 0
1 −1 1 0 1 −1 1 0
1 −1 −1 0 0 0 −2 0
[ ] → 𝐹2 − 1. 𝐹1 ; 𝐹3 − 2. 𝐹1 = [ ]
2 −1 1 0 0 1 −1 0
0 1 1 0 0 1 1 0
1 −1 1 0
0 1 −1 0
𝐹4 − 1𝐹2 [ ]
0 0 −2 0
0 0 2 0
1 −1 1 0
0 1 −1 0
𝐹4 + 1𝐹3 [ ]
0 0 −2 0
0 0 0 0
x–y+z=0
y–z=0
– 2z = 0
rg (A) = 3
La sustitución hacia atrás nos da la solución (x, y, z) = (0, 0, 0) llamada solución trivial y
que tienen todos los sistemas homogéneos.
Una ecuación matricial es una ecuación cuya incógnita es una matriz. Para
poder resolver una ecuación matricial, tendremos que sumar, restar y
multiplicar matrices y calcular matrices inversas, Mesa, F.(2012).
46
Y la solución de la ecuación es:
47
Por tanto, podemos resolver la ecuación calculando el producto de la matriz inversa
de A por la matriz B:
Sin embargo, no siempre es todo tan fácil. Por ejemplo, si las matrices de la ecuación no
son cuadradas, no podemos calcular su inversa. Entonces, tendremos que averiguar
cómo resolverla.
Ejercicios de Aplicación
Ejemplo 1
48
Ejemplo #2
Solución
49
Ejemplo #3
Por tanto, si la matriz A−BA−B es regular, multiplicamos por su inversa para hallar la
solución de la ecuación:
50
Observad que la matriz es igual a su inversa.
Calculamos la incógnita:
Recursos complementarios:
Los siguientes recursos complementarios son sugerencias para que Ud. pueda ampliar la
información sobre el tema trabajado, como parte de su proceso de aprendizaje autónomo:
51
http://cb.mty.itesm.mx/ma1010/materiales/ma1010-03.pdf
Bibliografía
52