Álgebra 16-10-96

profesor: Rafael Amer
Programa
- Espacios vectoriales 2 h
- Matrices y Determinantes 1 h
- Sistemas de ecuaciones lineales 1 h
- Variedades lineales 1 h
- Diagonalización y formas cuadráticas 2 h
- Espacio afín 1 h
- Programación lineal 2 h
- Espacio euclidiano 1 h
- Dudas, preguntas y exámenes anteriores 1 h
Espacios vectoriales
Espacio bidimensional
Dados 2 puntos p y q en el plano, se llama vector
con origen p y extremo q al segmento orientado
que une p y q. Se representa como
→ ÷
pq
Dos vectores son iguales si tienen la misma dirección, sentido y longitud. Es-
tos vectores se pueden superponer mediante una traslación.
→ ÷
pq ·

rs
El conjunto de vectores iguales (equipolentes) forman una clase. De esta cla-
se
se puede escoger un representante con origen de coordenadas
en (0,0). Cuando un vector no tiene origen, se escoge un
representantecualquiera de su clase y se denomina como v
Operaciones con vectores
- Suma: mediante la regla
del paralelogramo
- Producto
de un vector por un
escalar (nº real)
uv
v
u
u
u -
-2u
2u
3u
p
q
pq
q
pq
s
r p
r s
v
Álgebra
1
Fijados unos ejes de coordenadas, todo vector se puede representar por un
par de números (coordenadas) (u
1
, u
2
) u ·
- Suma de 2 vectores
(u
1
,u
2
) + (v
1
,v
2
) = (u
1
+v
1
, u
2
+v
2
) u + v ·
- Producto de un vector por un escalar
u ⋅ k · (u , u ) ⋅ k · (u ⋅ k ,u ⋅ k )
Definición de espacio vectorial
Un conjunto V es un espacio vectorial sobre R si respecto a la suma y el pro-
ducto por escalares cumple:
Con la suma de vectores
- Asociativa: u+ (v+ w) = (u+ v) + w
- Conmutativa: u + v = v + u
- Elemento Neutro: u + 0 = u
- Opuesto: u + (−u) = 0
Con el producto con escalares
- Elemento Neutro: 1 ⋅ u = u
- Distributiva: k ⋅ (u+ v ) = k ⋅ u + k ⋅ v
- Distributiva: (h+ k ) ⋅ u = h ⋅ u + k ⋅ u
Combinaciones lineales
Dados los vectores se llama combinación lineal de estos vec- u
1
, u
2
,...,u
n
tores a cualquier vector de la forma:
, u · t ⋅ u
1
+ t ⋅ u
2
+ + t ⋅ u
n
es decir, el vector se obtiene mediante multiplicaciones y sumas de otros u
vectores.
Los vectores son linealmente independientes si la igualdad: u
1
, u
2
,...,u
n
t ⋅ u
1
+ t ⋅ u
2
+ + t ⋅ u
n
· 0
implica necesariamente que:
t
1
, t
2
,..., t
n
= 0
b
a
(a,b)
u
x
y
Álgebra
2
Dados varios vectores, para averiguar si son linealmente independientes, hay
que resolver el sistema de ecuaciones que se genera.
Ejemplo: Sean los vectores (u
1
, u
2
) y (v
1
, v
2
), para que sean linealmente u · v ·
independientes debe cumplirse que si enton- k ⋅ u + k ⋅ v · 0
ces k
1
, k
2
= 0.
k
1
·(u
1
, u
2
) + k
2
·(v
1
, v
2
) = (0,0)
esto significa que
k
1
·u
1
+ k
2
·v
1
= 0
k
1
·u
2
+ k
2
·v
2
= 0
que es el sistema de ecuaciones que debemos resolver para averi-
guar los valores de k
1
y k
2
. Si k
1
y k
2
son iguales a 0 se demuestra
que los vectores y son linealmente independientes. u v
Subespacio vectorial
Un subespacio vectorial es un subconjunto de un espacio vectorial que tam-
bién tiene estructura de espacio vectorial.
Dado el espacio vectorial R
n
diremos que el subconjunto es un subes- F ⊆ R
pacio vectorial si cumple:
• 0 ∈ F
‚ Si u , v∈ F → u + v ∈ F
ƒ Si v∈ F , ∈ R → t⋅v∈ F
Sistema de vectores
Un sistema de vectores del espacio vectorial E es cualquier subconjunto fini-
to de E:
F · u
1
, u
2
, ..., u
n
u
i
∈ E
Dado un sistema F de vectores de E, el conjunto de todos los vectores que
son combinación lineal de los vectores de F es un subespacio vectorial
∀ k
i
∈ K L(F) · {k ⋅ u
1
, k ⋅ u
2
,..., k ⋅ u
Subespacios vectoriales de R
2
• F = {0} El conjunto vacío es subespacio vectorial de R
2
‚ F = R
2
Todo R
2
es subespacio vectorial de R
2
¹
¹
;
∀u, v ∈ F y ∀t ∈ R ; t(u + v) ∈ F
Álgebra
3
ƒ F El conjunto de vectores contenidos en una recta, es decir, el ·< u >
conjunto de los vectores múltiplos de . u
demostración
a) El vector pertenece a la recta F 0
b) La suma de 2 vectores de la recta F es un vector que per-
tenece a F
c) Al multiplicar un vector de F por un escalar de R se ge-
nera un vector que pertenece a F
El conjunto de vectores contenidos en una recta también se
puede expresar por la ecuación de la recta:
ax + by = 0
ejemplo: El subespacio de R
2
definido por:
3x+y=0
se define por el conjunto de vectores indicado por:
F = <(-1, 3)>
El vector (-1,3) es un representante de la clase de vec-
tores de la recta F, es decir, el resto de vectores de la
recta F se puede obtener mediante combinación lineal
de éste.
Sólo existen estos 3 subespacios vectoriales de R
2
.
Subespacios vectoriales de R
3
• F = {0} El conjunto vacío es subespacio vectorial de R
3
‚ F = R
3
Todo R
3
es subespacio vectorial de R
3
ƒ El conjunto de vectores contenidos en una recta. F = < u >
„ El conjunto de vectores contenidos en un plano. P = < u ,v>
Dados los vectores representamos por v
1
, v
2
,...,v
n
F ·< v
1
, v
2
, ..., v
n
>
el subespacio formado por todas las combinaciones lineales de estos vecto-
res.
u
v
F
F
(-1,3)
Álgebra
4
Diremos que el conjunto es un sistema de generadores del v
1
, v
2
,...,v
n
subespacio F. Es decir, con ellos se pueden generar el resto de vectores del
subespacio F.
Dos vectores independientes con ecuación
de la forma ax+by+cz=0 generan un plano.
De manera similar, dado un sistema de ecuaciones homogéneo con n incóg-
nitas, sus soluciones forman un subespacio de R
n
.
Ejercicio
Dados 2 vectores F = <(1, 2, -1), (2, 1, 0)> hallar la ecuación que genera el
subespacio.
(x, y, z) = a(1, 2, -1) + b(2, 1, 0)

a + 2b = x -z + 2(y + 2z) = x
2a + b = y b = y - 2a b = y + 2z -z + 2y + 4y = x
-a = z a = -z 2y + 3z = x
x - 2y - 3z = 0
Ejercicio
Dada la ecuación 2x-y+4z=0 hallar los generadores del subespacio definido
1º despejamos una de las incógnitas
y = 2x + 4z
2º sustituir la incógnita por el valor obtenido, sacar factor común
(x, y, z) = (x, 2x+4z, z) = x·(1, 2, 0) + z·(0, 4, 1)
F = <(1, 2, 0), (0, 4, 1)>
Ejercicio 1.17
Dado el conjunto S · (xyz) ∈ R : x− y+ z·
a) Demostrar que S es subespacio vectorial de R
3
Hay que demostrar que dados dos vectores pertenecientes a S se u, v
cumple que: . α ⋅ u + β ⋅ v∈ S
ha de cumplir que u · (x , y , z x − 3y + z ·
ha de cumplir que v · (x , y , z x − 3y + z ·
u
v
P
Álgebra
5
α⋅ u + β ⋅ v· (αx + βx , αy + βy , αz
el nuevo vector tiene como coordenadas: α ⋅ u + β ⋅ v
x = αx + βx
y = αy + βy
z = αz + βz
y ha de cumplir la ecuación x − 3y+ z · 0
(αx + βx ) − 3(αy + βy ) + (αz + β
α(x − 3y + z ) + β(x − 3y +
como x − 3y+ z · 0
se cumple que α⋅0 + β ⋅ 0 · 0
por tantoα ⋅ u + β ⋅ v∈ S
b) Hallar los vectores generadores del subespacio S
En primer lugar despejamos de la ecuación una de las incógnitas,
x = 3y - z
a continuación construimos un vector en el que una de las coordenadas
está expresada en función de las otras,
(x, y, z) = (3y-z, y, z) =
sacamos factor común de las coordenadas
= y(3, 1, 0) + z(-1, 0, 1)
con lo que obtenemos 2 vectores de S independientes:
S = <(3, 1, 0), (-1, 0, 1)>
Ejercicio 1.8
a) Determínese a y b para que el vector pertenezca al subespa- u · (1,0,a ,
cio vectorial generado por: F = {(1,4,-5,2), (1,2,3,-1)}
(1,0,a,b) = m·(1,4,-5,2) + n·(1,2,3,-1)
m + n · 1
4m+ 2n · 0
−5m+ 3n · a
2m − n · b
¹
¹
;
¹
¹
¹
¹
¹
¹
−2 ⋅ (m+ n · 1)
4m+ 2n · 0
2m · −2
5 + 6 · a
−2 − 2 · b
¹
¹
;
¹
¹
¹
¹
¹
¹
n · 1 − m
n · 2
m · −1
• a=11
• b=-4
Álgebra
6
b) ¿El vector (2,4,6,-2) es combinación lineal del vector obtenido? u
Para ser combinación lineal, basta con multiplicarlo por un escalar
(2,4,6,-2) = m·(1,0,11,-4) 1·m = 2
0·m = 4
se ve que no es combinación lineal, ya que no 11·m = 6
puede cumplir todas las condiciones a la vez -4·m = -2
Base de un espacio vectorial
Un sistema de generadores E de un espacio –o subespacio– vectorial F es
un conjunto de vectores tal que todos los vectores de F son e
1
, e
2
, ..., e
n
combinación lineal de éstos.
Es decir, F es el espacio vectorial generado por dichos vectores:
E · {e
1
,e
2
, ..., e
n} → L (E) · F → F ·< e
1
, e
2
, ..., e
Dos sistemas de generadores E
1
, E
2
son equivalentes si generan el mismo es-
pacio vectorial.
L(E
1
) = L(E
2
)
Una base de un espacio vectorial F es un sistema de generadores linealmen-
te independientes.
La dimensión de un espacio vectorial F es el número de vectores que con-
tiene una base cualquiera de F.
Suma e intersección de espacios vectoriales
Si S
1
, S
2
son subespacios vectoriales de E(K), el conjunto suma es:
S
1
+ S
2
· {x · u + v; ∀u ∈ S
1
, ∀u ∈ S
2
}
• S
1
+ S
2
es subespacio vectorial de E
‚ Si F
1
, F
2
son sistemas de generadores de E tales que S
1
=L(F
1
) y S
2
=L(F
2
)
S
1
+ S
2
= L(F
1
∪ F
2
)
ƒ S
1
∩S
2
es subespacio vectorial de E
dim(S
1
+ S
2
) + dim(S
1
∩S
2
) = dim S
1
+ dim S
2
La suma S
1
+ S
2
de subespacios vectoriales es directa si S
1
∩S
2
= ∅
Si E = S
1
⊕ S
2
(suma directa), S
1
y S
2
son suplementarios.
Álgebra
7
Propiedades de las bases
a) Dado un sistema de generadores de F, podemos obtener una base de F eli-
minando los vectores que son combinación lineal del resto.
Ejemplo: Cálculo de una base de un subespacio F de R
3
F ·< u
1
, u
2
, u
3
> · < (1,2,−1)(2,1,1)(1,−1,2) >
Vemos que no es combinación lineal de , es decir, no podemos u
1
u
2
obtener multiplicando por un escalar: u
2
u
1
u
2
· α⋅ u
1
→ (2,1,1) · α⋅ (1,2,−1)
A continuación miraremos si es combinación lineal de y : u
3
u
1
u
2
(1,-1,2) = t
1
·(1,2,-1) + t
2
·(2,1,1)
t
1
+ 2t
2
· 1
2t
1
+ t
2
· −1
−t
1
+ t
2
· 2
¹
¹
;
¹
¹
¹
¹
−2t
1
− 4t
2
· −2
2t
1
+ t
2
· −1
− 3t
2
· −3
¹
¹
;
¹
¹
¹
¹
• t
2
=1
t
1
+ 2 ⋅ 1 · 1
• t
1
= − 1
b) Todas las bases de un espacio vectorial tienen el mismo nº de vectores.
c) Teorema de la base incompleta.
Si F es un subespacio vectorial de dimensión n y con m<n es v
1
, v
2
,...,v
m
un conjunto de vectores de F linealmente independientes, se pueden hallar
n-m vectores de F, , tales que sumados al conjunto ante- v
m+
, v
m+
, ..., v
n
rior formen una base de F.
Ejemplo: Cálculo de una base de F en R
3
que contenga los vectores:
F ·< u
1
, u
2
> · < (1,−1,1)(−1,0,1)
Probamos con (1,0,0)
t
1
·(1,-1,1) + t
2
·(-1,0,1) + t
3
·(1,0,0) = (0,0,0)
t
1
- t
2
+ t
3
= 0 t
1
= 0 Como t
1
, t
2
, t
3
son 0, los vectores
(1,-1,1), (-1,0,1), (1,0,0) son inde-
pendientes.
- t
1
= 0 t
2
= 0
t
1
+ t
2
= 0 t
3
= 0
Álgebra
8
Ejercicio: Cálculo de una base del subespacio vectorial F de R
4
generado por
las ecuaciones: 2x + y = 0, y + z = 0
2x + y = 0 y = -2x La incógnita que queremos ais-
lar [x] ha de estar, en las 2 ecua-
ciones, en el mismo lado.
y + z = 0 -2x + z = 0
z = 2x
(x, y, z, t) = (x, -2x, 2z, t) = -sacar factor común-
= x·(1, -2, 2, 0) + t·(0, 0, 0, 1)
F = {(1, -2, 2, 0), (0, 0, 0, 1)}
Ejercicio: Sea el conjunto A={-x, x
2
-2x, 3x+5x
2
} del conjunto P
2
(x) de poli-
nomios de grado <= 2 con coeficientes reales. Ver si A es un siste-
ma de generadores de P
2
(x).
a(-x) + b(x2-2x) + c(5x2+3x) = 0

b + 5c · 0
−a − 2b + 3c · 0
¹
¹
;
b · −5c
a · 13c
Como a,b,c no han de ser 0
para resolver las ecuaciones
el sistema es ligado.
Ejercicio: Sean S
1
={(x,y,z) : x+y+z=0} y S
2
={(x,y,z) : 2x-y+z=0}.
a) Demuéstrese con un ejemplo numérico que S
1
∪S
2
no es subespacio de R
3
.
Si, S
u
= S
1
∪ S
2
es subespacio de R
3
entonces se cumplirá que:
para todo de S
u
: ha de pertenecer a S
u
. u, v u + v
Tomamos el vector de S
1
y el vector de S
2
: u · (0, −1, 1) v · (1, 1, −1)
u + v · (0, −1, 1) + (1, 1, −1) · (1, 0, 0) · m
pertenece a S
u
por tanto ha de cumplir x+y+z=0: m
por tanto no pertenece a S
1
m · (x, y, z) →1 + 0 + 0 ≠ 0 m
pertenece a S
u
por tanto ha de cumplir 2x-y+z=0: m
por tanto no pertenece a S
2
m · (x, y, z) →2 − 0 + 0 ≠ 0 m
Por tanto S
u
= S
1
∪ S
2
no es un subespacio de R
3
Álgebra
9
b) Escríbase una base de S
1
∩ S
2
, una base de S
1
+ S
2
y dígase la dimensión
de cada uno de estos subespacios.
* S
1
∩ S
2
son los vectores que cumplen: x+y+z=0 i 2x-y+z=0
x + y + z · 0
2x − y + z · 0
3x + 2z · 0
¹
¹
;
¹
¹
y · −x − z
x ·
−2
3
z
y ·
−1
3
z
¹
¹
;
¹
¹
•z · −3
•x · 2
•y · 1
esto es: S
1
∩ S
2
= <(2,1,-3)> ; dim(S
1
∩ S
2
) = 1
* S
1
+ S
2
= L(F
1
U F
2
)
En primer lugar veremos quien son F
1
y F
2
(sistemas de generadores de S
1
y S
2
respectivamente).
S
1
son los vectores (x,y,z) que cumplen: x+y+z = 0
x = -y-z
(x,y,z) = (-y-z, y, z) = y(-1,1,0), z(-1,0,1)
S
1
= <(-1,1,0),(-1,0,1)>, dim(S
1
)=2
S
2
son los vectores (x,y,z) que cumplen: 2x-y+z = 0
y = 2x+z
(x,y,z) = (x, 2x+z, z) = x(1,2,0), z(0,1,1)
S
2
= <(1,2,0),(0,1,1)>, dim(S
2
)=2
Así pues: S
1
+ S
2
= L( {(-1,1,0),(-1,0,1),(1,2,0),(0,1,1)} ).
Veamos si son independientes:
a(-1,1,0) + b(-1,0,1) + c(1,2,0) + d(0,1,1) = 0
−a − b + c · 0
a + 2c + d · 0
b + d · 0
¹
¹
;
¹
¹
como hay 4 ecuaciones y
3 inco´ gnitas, el sistema
es ligado
Eliminamos el vector (0,1,1)
a(-1,1,0) + b(-1,0,1) + c(1,2,0) = 0
Álgebra
10
−a − b + c · 0
a + 2c · 0
b · 0
¹
¹
;
¹
¹
a · c
c + 2c · 0
¹
¹
;
¹
¹
a · 0
b · 0
c · 0
S
1
+ S
2
= <(-1,1,0),(-1,0,1),(1,2,0)>, dim(S
1
+ S
2
) = 3
dim S
1
+ dim S
2
= dim(S
1
∩ S
2
) + dim(S
1
+ S
2
)
Álgebra
11
Matrices
Definición: una matriz de m filas y n columnas y coeficientes reales es cual-
quier ordenación rectangular de m·n coeficientes agrupados en m filas y n
columnas:

¸
¸

a a ... a
n
a a ... a
n
... ... ... ...
a

a

a
_
,

Si I = {1,2,...,m} y J = {1,2,...,n}, una matriz de m filas y n columnas y coefi-
cientes reales es una aplicación . A: I × J → R
El conjunto de todas las matrices de m filas y n columnas y coeficientes rea-
les se representa como: . M(m × n; R )
Tipos de matrices
a) Matriz cuadrada: si tiene el mismo número de filas y columnas. Se dice
que tiene orden n (orden nxn).

b) Matriz identidad: es una matriz cuadrada cuyos
coeficientes de la diagonal principal tienen valor
1 y el resto tienen el valor 0. A
n
·I
n
= I
n
·A
n
= A
n
c) Matriz escalar: es una matriz cuadrada cuyos
coeficientes de la diagonal principal tienen valor
k y el resto tienen el valor 0.
d) Matriz diagonal: es una matriz cuadrada cuyos coeficientes de la diago-
nal principal tienen valor k
nn
<> 0 y el resto tienen el valor 0.
e) Matriz triangular superior: es una matriz
cuadrada en la que los coeficientes por debajo
de la diagonal principal tienen valor 0.
Es decir, k
mn
= 0 cuando m > n.
I ·
¸
¸

1 0 .. 0
0 1 .. 0
.. .. .. ..
0 0 .. 1
A ·
¸
¸

k
k


A ·
¸
¸

k k ... k
0 k ... k
0 0 ... .
0 0 0 k
Álgebra
12
f) Matriz triangular inferior: es una matriz cuadrada en la que los coefi-
cientes por encima de la diagonal principal tienen valor 0.
Es decir, k
mn
= 0 cuando m < n.
g) Matriz simétrica: es una matriz
cuadrada en la que k
mn
= k
nm
.
También se cumple que:
fila m = columna m.
h) Matriz hemisimétrica o hermítica: es una matriz cuadrada en la que
k
mn
=-k
nm
y los coeficientes de la diagonal principal tienen valor 0.
Operaciones con matrices
Suma: Las matrices deben tener la misma dimensión.
Dadas 2 matrices , su suma se obtiene su- A,B ∈ M (m × n; R
mando los coeficientes que ocupan la misma posición.
Tiene las mis-
¸
¸

2 −

_
,

+
¸
¸



_
,

·
¸
¸

0 3 4
4 6 12
_
,

mas propiedades que la suma de vectores.
Producto por un escalar: Dada la matriz y , el A∈ M (m × n; R ) k ∈ R
producto k·A = A·k es la matriz que se obtiene multiplicando to-
dos los coeficientes por k.
Tiene las mismas propie- 3 ⋅
¸
¸

2 −

_
,

·
¸
¸

6 −

_
,

dades que el producto de un vector por un escalar.
Con estas 2 operaciones M(mxn, R,+,·) es un espacio vectorial de dimen-
sión mxn.
Producto de matrices: Dadas 2 matrices
su producto A·B es la matriz C,
donde cada coeficiente c
fp
se C∈ M (f× p ; R
A ·
¸
¸

k a ... a
n
a k ... a
n
... ... ... ...
a
n
a
n
... k
_
,

¸
¸

2 3 5 8
3 0 7 0
5 7 1 9
8 0 9 4
_
,

¹
¹
'
A ∈ M(f× c R )
B∈ M(c× p R)
¹
¹
;
Álgebra
13
obtiene como suma de los productos de cada a
fc
por cada b
cp
:
c
fp
= a
f1
·b
1f
+ a
f2
·b
2f
+ ... + a
fc
·b
cf
¸
¸

2 −

_
,


¸
¸

1 4 1 0
2 1−

_
,

·
¸
¸

0 27 7−

_
,

0·4 + 3·1 + 4·5 = 23
Al multiplicar una matriz A
mxn
por B
nxp
se obtiene una matriz C
mxp
.
Propiedades del producto de matrices
asociativa: (A·B)·C = A·(B·C)
elemento neutro: es la matriz identidad de orden n. A
nxp
· I
n
= A
nxp
no conmutativa: A·B suele ser distinto de B·A.
para poder multiplicar A·B y además B·A las matrices deben ser:
- cuadradas, o bien
- el nº de filas y columnas debe ser inverso:
Trasposición de matrices
La traspuesta de la matriz es la matriz A∈ M (f× c ; R ) A ∈ M (c× f ; R )
que se obtiene cambiando filas por columnas.
ejemplo: A·
¸
¸

2 −

_
,

→ A ·
¸
¸



_
,

Propiedades
• (A + B)
t
= A
t
+ B
t
‚ (α · A)
t
= α · A
t
ƒ (A · B)
t
= B
t
· A
t
„ Si A es una matriz simétrica entonces A = A
t
.
¹
¹
'
A ∈ M(f× c )
B∈ M(c× f R)
¹
¹
;
Álgebra
14
Determinantes
Definición: Dada una matriz de orden n su determinante es la suma de los
productos de todas las permutaciones de los coeficientes.
donde S
n
es el conjunto de todas las det (A) ·
σ∈S
Σ ε(σ)a
σ
⋅a
σ
⋅ ⋅a
σ
permutaciones de los n elementos.
Dado el conjunto N={1,2,...,n}, una permutación de N es una reordenación de
sus elementos sin repetirlos ni eliminarlos.
Dada una permutación σ de N, σ = {σ
1
, σ
2
, ..., σ
n
} una inversión es cualquier
pareja i < j tal que σ
i
> σ
j
. El signo ε(σ) de la permutación σ es:
ε(σ) =
1 si σ tiene un número par de inversiones
-1 si σ tiene un número impar de inversiones
Ejemplo: Mirar las inversiones de la permutación σ = {4,2,1,5,3}.
Hay que mirar cuántos números mayores tiene cada uno deleante:
1 → 2 (el 2 y el 4)
2 → 1 (el 4)
3 → 2 (el 5 y el 4)
4 → 0 2+1+2+0+0 = 5
5 → 0 total 5 inversiones, por tanto ε(σ) es negativo
Propiedades:
• Dada la matriz A, A · A
‚ Si una matriz tiene una línea (fila o columna), constituida sólo por ceros,
el determinante de la matriz es cero.
ƒ Si en una matriz se multiplican o dividen por k todos los elementos de
una línea, su determinante queda multiplicado o dividido por k.
„ Si en una matriz cuadrada A se intercambian 2 líneas paralelas se obtie-
ne la matriz A* que cumple A · − A

… Si en una matriz tiene 2 líneas paralelas iguales o proporcionales, su de-
terminante es cero.
† Si en una matriz una de sus líneas es combinación lineal de otras, su de-
terminante es cero.
‡ Si en una matriz cada elemento de una línea determinada se expresa
como suma de h elementos, el determinante de esta matriz es igual a la
Álgebra
15
suma de determinantes de las h matrices en las que la línea en cuestión
sólo contiene uno de los h sumandos.
ˆ Si a una línea de una matriz se le suma una combinación lineal de otras
líneas paralelas, el determinante de esta nueva matriz es igual al de la
primera.
Cálculo de determinantes
de orden 2:
det (A) ·

¸

a a
a a
1
]
1
· a ⋅ a − a ⋅ a
de orden 3: regla de Sarrus

¸

a a a
a a a
a a a
1
]
1
1
1

¸

a a a
a a a
a a a
1
]
1
1
1
· a a a + a a a + a a a −
−a a a − a a a + a a a
Regla del pivote: se hacen transformaciones elementales por filas,
utilizando las propiedades de los determinantes, hasta obtener una matriz
triangular el determinante de la cual es igual al producto de los
coeficientes de la diagonal principal.
Ejemplo
− −

·
f
2
∼ f
2
− 2f
1
f3 ∼ f3 + f1
1 3 1 2
0 − − −


·
f
3
∼ 4f
3
+ 5f
2
f4 ∼ 4f4 + f2
=-40


1 3 1 2
0 − − −


·
f
4
∼ 6f
4
+ 14f
3

⋅⋅

1 3 1 2
0 − − −


·
⋅(−)⋅⋅
⋅⋅
Desarrollo por coeficientes: dada una matriz cuadrada A, se llama
menor complementario del elemento a
ij
al determinante α
ij
de la matriz
de orden n-1 que resulta de eliminar la fila i y la columna j. El adjunto A
ij
de este elemento es (-1)
i+j
·α
ij
.
Álgebra
16
Ejemplo A ·
¸
¸

2 −


_
,

adjunto A · (−1)
3+

2 4
3 0
· −1⋅ (0− 12) · 12
A
32
es uno de los 9 adjuntos de esta matriz.
Proposición
a) El valor de un determinante de una matriz cuadrada es igual a la suma
de los productos de los coeficientes de una línea (fila o columna) por
sus adjuntos correspondientes.
- fijada la fila i, det(A)=a
i1
·A
i1
+ a
i2
·A
i2
+ ... + a
in
·A
in
- fijada la columna j, det(A)=a
1j
·A
1j
+ a
2j
·A
2j
+ ... + a
nj
·A
nj
b) La suma de los productos de los elementos de una línea por los adjun-
tos de los elementos de una paralela es igual a cero.
* a
12
·A
11
+ a
22
·A
21
+ a
32
·A
31
= 0
Para resolver el determinante de la matriz anterior escojemos la fila 3:
4·8 - 6·(-12) +2·(-1) A · (−1)
3+
⋅ 4


+ (−1)
3+
⋅ 6
2 4
3 0
+ (−1)
3+
⋅ 2
2 −

·
= 102
Ejercicio: La matriz A
3
tiene un det(A) = -4. ¿Cuánto vale el determinante de
la matriz 5·A?
5a 5a 5a
5a 5a 5a
5a 5a 5a
·
¸
¸

5a 5a 5a + a 5a 5a + a 5a 5a
−a 5a 5a − a 5a 5a + a 5a 5a
det(5·A) = 5
3
·det(A) = 5
3
·(-4) = -500
El determinante de la matriz producto de dos matrices cuadradas es A⋅ B
igual al producto de sus determinantes y también al de sus tranpuestas:
A ⋅ B · A ⋅ B · A
t
⋅ B
t
· A
t
⋅ B
t
Cálculo del inverso de una matriz
Sea A una matriz cuadrada regular (det(A) ≠0). La matriz A tiene inversa si
existe una matriz A
-1
tal que: A·A
-1
= A
-1
·A = I
Álgebra
17
La matriz inversa de A es donde A
ad
es la matriz adjunta de A A

·
(A )
t
A
que se obtiene sustituyendo cada coeficiente de A por su adjunto y es el A
determinante de A.
Ejemplo: Calcular la inversa de la matriz

¸
¸

1 1 −

_
,

1.- hallar la matriz adjunta; para ello calculamos los adjuntos de cada
coeficiente.
+a
1 1
0 1
· 1 − a
0 1
1 1
· −1 + a
0 1
1 0
−a
1 −

· 1 + a
1 −

· 2 − a
1 1
1 0
·
+a
1 −

· 2 − a
1 −1
0 1
· 1 + a
1 1
0 1
La matriz adjunta de A es: y la traspuesta es:
A ·
¸
¸

1 1 −


_
,

(A )
t
·
¸
¸

1 −


_
,

2.- calcular el determinante
(A) · A ·
1 1 −

· 1 + 1+ 0− (−1) − 0− 0 · 3
y por tanto, la matriz inversa será:
A

·
(A )
t
A
·


¸
¸




_
,

Álgebra
18
Propiedades
• (A·B)
-1
= B
-1
·A
-1
‚ (A
-1
)
t
= (A
t
)
-1
Rango de una matriz
El rango de una matriz es el máximo número de columnas linealmente inde-
pendientes que tiene.
Propiedades
rang(A) = rang(A
t
), es decir, máximo nº de columnas linealmente
independientes es igual al máximo nº de filas linealmente independientes.
El rango de un conjunto de vectores es la dimensión del subespacio que
generan y coincide con el rango de la matriz formada por esos vectores.
Ejemplo 1: hallar el rango de la matriz A·
¸
¸

2 1 3
1 2 −1
4 5 1
_
,

no es necesario
que sea cuadrada
Según la regla del pivote:
¸
¸

2 1 3
1 2 −

_
,


¸
¸

2 1 3
0 3 −

_
,


¸
¸

2 1 3
0 3 −

_
,

rang(A) = 2, que es el nº de pivotes
distintos de cero que quedan en la
matriz triangulada.
Podemos intercambiar filas con filas y columnas con columnas para faci-
litar la triangulación.
Sea F el subespacio generado por los vectores <(2,1,4),(1,2,5),(3,-1,1)>, ha-
llar una base de F.
Si disponemos estos vectores dispuestos en forma de matriz (en colum-
nas) obtenemos la matriz del ejemplo anterior.
Por tanto, una base de F será: {(2,1,4),(1,2,5)} ya que los pivotes distintos
de cero han correspondido a las columnas 1 y 2.
Ejemplo 2: hallar el rango de la matriz A·
¸
¸



_
,

Álgebra
19
Hallar un subdeterminante distinto de cero. El tamaño de ese determinan-
te será el rango de la matriz.
¸
¸



_
,


2 −

· 0
.
.
.
2 3
1 1
· −1



· 0
.
.
.

· 0
como ya no se pueden añadir dife-
rentes filas ni columnas nuevas, se
deduce que es rango es 2.
Sistemas de ecuaciones lineales
Ejemplo:
x + y+ z ·
− y+ z ·
x− y+ z ·
¹
¹
;
¹
¹
¸
¸

1 1 3
0 −

.
.
.
5
.
.
.
3
.
.
.
11
_
,


f∼ f − f
¸
¸

1 1 3
0 −
− −
.
.
.
5
.
.
.
3
.
.
.
1
_
,

Diagonalización de matrices
Ejemplo: Diagonalizar la matriz

¸
¸

_
,

hallar la matriz diagonal D
y la matriz de paso P tales
que cumplan:
D = P
-1
·A·P
En primer lugar hay que hallar la matriz de paso P de vectores pro-
pios, para ello hay que hallar los valores propios de la matriz A re-
solviendo las raices de su polinomio característico.
= (3-λ)(2-λ)(3-λ) - (3-λ)-(3-λ) =
= (3-λ) ((3-λ)(2-λ) - 2) =
= (3-λ) (λ
2
- 5λ + 4)
La primera raiz, evidente, es λ=3 (ya que (3-3) (λ
2
- 5λ + 4) = 0)
Para el resto de raices del polinomio hacemos (λ
2
- 5λ + 4) = 0
A− λI·
¸
¸

3 − λ −
−− λ −
−− λ
_
,

Álgebra
20
λ
1
=1, λ
2
=3, λ
3
=4 λ ·
5t 25−16
2
·>
·
5+3
2
· 4
·
5−3
2
· 1
Para cada valor propio (las raices del polinomio característico) bus-
camos sus vectores propios asociados.
λ
1
=1 (A − I )
¸
¸


−−

_
,

¸
¸

x
y
z
_
,

·
¸
¸

0
0
0
λ
1
=3 (A − 3I)
¸
¸

2 −
−−

_
,

¸
¸

x
y
z
_
,

·
¸
¸

0
0
0
λ
1
=4 (A − 4I )
¸
¸


−−

_
,

¸
¸

x
y
z
_
,

·
¸
¸

0
0
0
_
,

La matriz de paso P está formada por
los vectores propios (en columna) de
la matriz A:
La matriz diagonal D está formada por
los valores propios de A:
Para comprobar calculamos la inversa de P: P

·
(P )
t
P
En primer lugar calculamos los adjuntos de los coeficientes:
P
11
·
0 −1
−1 1
· −1 P
12
·
2 −1
1 1
· 3 P
13
·
2 0
1 −1
· −2
P
21
·
1 1
−1 1
· 2 P
22
·
1 1
1 1
· 0 P
23
·
1 1
1 −1
· −2
P
31
·
1 1
0 −1
· −1 P
32
·
1 1
2 −1
· −3 P
33
·
1 1
2 0
· −2
P ·
¸
¸

1 1 1
2 0 −

_
,

D ·
¸
¸

1 0 0
0 3 0
0 0 4
_
,

Álgebra
21
La matiz adjunta de P
ad
será: La traspuesta (P
ad
)
t
será:
P ·
¸
¸

−− −

− −
_
,

(P )
t
·
¸
¸

−− −

− −
El determinante de P es: P ·
1 1 1
2 0 −

· −6
Por tanto, la matriz inversa de P será:
P

·
(P )
t
P
·

¸
¸

−− −

− −
_
,

·
¸
¸

2

1

3

0

2

2

_
,

Álgebra
22

Sign up to vote on this title
UsefulNot useful