Sie sind auf Seite 1von 8

Tema 1

Elementos básicos de Álgebra


Lineal y Matricial

1.1. Representación de datos económicos a través


de matrices reales. Tipos de matrices y ope-
raciones
Definición 1.1.1 Una matriz real A de orden m × n es un conjunto de m · n
números reales dispuestos en m filas y n columnas.

Notación 1.1.2 El conjunto de todas las matrices reales de orden m × n se denota


tanto por Mm×n (IR) como por Mm,n (IR). De este modo, si A es una matriz real de
orden m × n, se denotará por A ∈ Mm×n (IR) y se podrá expresar como:
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
  i = 1, . . . , m;
A =  .. .. . . ..  = (aij ),
 . . . .  j = 1, . . . , n.
am1 am2 · · · amn

1.1.1. Tipos de matrices


Definición 1.1.3 Una matriz se dice nula si son ceros todos los elementos de la
misma (es decir, aij = 0, ∀i = 1, . . . , m, ∀j = 1, . . . , n).

Definición 1.1.4 Una matriz se dice matriz fila si sus elementos están dispuestos
formando una única fila. Esto es equivalente a decir que la matriz tiene orden 1 × n.

Definición 1.1.5 Una matriz se dice matriz columna si sus elementos están dis-
puestos formando una única columna. Esto es equivalente a decir que la matriz tiene
orden m × 1.

1
2 TEMA 1. ELEMENTOS BÁSICOS DE ÁLGEBRA LINEAL Y MATRICIAL

Definición 1.1.6 Una matriz se dice cuadrada si m = n.

Nota 1.1.7 Si A es una matriz cuadrada de orden n × n, entonces se puede decir


que el orden de A es n.

Notación 1.1.8 El conjunto de las matrices cuadradas de orden n se denota por


Mn (IR).

Definición 1.1.9 Sea A = (aij ) ∈ Mn (IR) una matriz cuadrada de orden n. En-
tonces se dice que:

1. A es una matriz diagonal si aij = 0, ∀i 6= j. Los elementos aii forman la


diagonal principal de A.

2. A es la matriz identidad de orden n si es diagonal y aii = 1, ∀i = 1, . . . , n


(es decir, todos los elementos de la matriz son cero, salvo los de la diagonal
principal que son 1). La matriz identidad de orden n se denota por In ó Idn .

3. A es simétrica si aij = aji , ∀i, j = 1, . . . , n.

4. A es antisimétrica si aij = −aji , ∀i, j = 1, . . . , n.

5. A es triangular superior si aij = 0, ∀i > j (es decir, son cero todos los
elementos que quedan por debajo de la diagonal principal).

6. A es triangular inferior si aij = 0, ∀j > i (es decir, son cero todos los
elementos que quedan por encima de la diagonal principal).

Definición 1.1.10 Sea A = (aij ) ∈ Mm×n (IR) una matriz de orden m×n. Se llama
submatriz de A a cualquier matriz de orden k × r obtenida al eliminar m − k filas
y n − r columnas de la matriz A.

1.1.2. Operaciones con matrices


Definición 1.1.11 (Suma de matrices) Sean A, B ∈ Mm×n (IR) dos matrices
reales del mismo orden. La matriz suma de A y B, que denotaremos por A + B,
es una matriz C ∈ Mm×n (IR) que se obtiene como sigue:

cij = aij + bij , ∀i = 1, . . . , m; ∀j = 1, . . . , n.

Definición 1.1.12 (Producto por un escalar) Sean un número real λ ∈ IR y


una matriz A ∈ Mm×n (IR). El producto del escalar λ por la matriz A, que se
denota por λ · A, es una matriz C ∈ Mm×n (IR) obtenida como sigue:

cij = λ · aij , ∀i = 1, . . . , m; ∀j = 1, . . . , n.
MATRICES REALES 3

Definición 1.1.13 (Producto de matrices) Sean dos matrices A ∈ Mm×n (IR)


y B ∈ Mn×r (IR). La matriz producto de A por B, que se denota por A · B, es
una matriz C ∈ Mm×r (IR) definida como sigue:
n
X
cij = aih bhj , ∀i = 1, . . . , m; ∀j = 1, . . . , r.
h=1

Nota 1.1.14 Nótese que el producto de dos matrices A y B no siempre existe y


que no es conmutativo. De hecho, puede existir el producto A · B y no existir B · A.
µ ¶ µ ¶
2 1 1 2 3
Ejemplo 1.1.15 Considérense las matrices A = yB = .
0 1 −1 −2 −3
Si se realiza el producto A · B, el resultado es B, a pesar de que A no es la matriz
identidad. Además, se comprueba fácilmente que no existe el producto B · A.
Definición 1.1.16 (Trasposición de matrices) Sea A ∈ Mm×n (IR) una matriz
de orden m × n. La matriz traspuesta de A es la matriz At = (a0ij ) ∈ Mn×m (IR)
definida como sigue:
a0ij = aji , ∀i = 1, . . . , n, ∀j = 1, . . . , m.
Proposición 1.1.17 Sea A ∈ Mn (IR) una matriz cuadrada de orden n. Entonces:
1. A es una matriz simétrica si y solo si la matriz A coincide con su traspuesta
(esto es, A = At ).
2. A es una matriz antisimétrica si y solo si la matriz A coincide con la opuesta
de su traspuesta (esto es, A = −At ).

1.1.3. Determinantes
Solo se considerarán matrices cuadradas de orden 2 y 3, aunque el concepto
podrı́a definirse para matrices cuadradas de órdenes superiores.
Definición 1.1.18 Sea A = (aij ) ∈ M2 (IR) una matriz cuadrada de orden 2. El
determinante de A es el siguiente número real:
¯ ¯
¯ a11 a12 ¯
|A| = det(A) = ¯¯ ¯ = a11 · a22 − a12 · a21 .
a21 a22 ¯
Definición 1.1.19 (Regla de Sarrus) Sea A = (aij ) ∈ M3 (IR) una matriz cua-
drada de orden 3. El determinante de A es el siguiente número real:
¯ ¯
¯ a11 a12 a13 ¯
¯ ¯
|A| = det(A) = ¯¯ a21 a22 a23 ¯¯ = a11 · a22 · a33 + a21 · a32 · a13 + a31 · a12 · a23
¯ a31 a32 a33 ¯
−a13 · a22 · a31 − a23 · a32 · a11 − a33 · a12 · a21 .
Nota 1.1.20 El concepto de determinante será esencial para el cálculo de rango y
de inversa de matrices.
4 TEMA 1. ELEMENTOS BÁSICOS DE ÁLGEBRA LINEAL Y MATRICIAL

1.1.4. Rango de una matriz


El rango se puede definir y calcular para cualquier matriz, sea esta cuadrada o
no. Para ello, previamente debemos dar el concepto de menor de orden r de una
matriz A ∈ Mm×n (IR), con r ≤ mı́n{m, n} (es decir, que r lógicamente debe ser
menor o igual que el número de filas y que el número de columnas de la matriz).
Definición 1.1.21 Sea A ∈ Mm×n (IR) una matriz de orden m × n y sea r un
número natural tal que r ≤ mı́n{m, n}. Se llaman menores de orden r a los
determinantes de las submatrices de orden r de A.
Definición 1.1.22 Sea A ∈ Mm×n (IR) una matriz de orden m × n. El rango de A
es el mayor orden de un menor no nulo que se puede extraer de A. Se denotará por
rg(A).
Nota 1.1.23 Debe tenerse en cuenta que no tiene por qué haber un único menor
cuyo orden sea el rango de la matriz. Lo que sı́ tiene que ocurrir es que todos los
menores de orden superior tienen que ser cero.
Para el cálculo del rango de una matriz emplearemos el método de orlado que
describiremos paso a paso a continuación:
Paso 1. Hallar un menor no nulo de orden r (lo habitual es uno de orden 1
ó 2).
Paso 2. Añadir a ese menor una fila y una columna distintas a las utilizadas.
De este modo se obtiene un menor de orden r + 1.
Paso 3. Si encontramos un menor no nulo de orden r + 1, repetimos el Paso 2
con dicho menor. Si no encontrásemos ningún menor de orden r + 1 no nulo,
entonces todos los menores de dicho orden son cero y el rango de la matriz
resulta ser r.

1.1.5. Inversa de una matriz cuadrada


Definición 1.1.24 Una matriz A ∈ Mn (IR) cuadrada de orden n se dice invertible
o inversible si existe una matriz B ∈ Mn (IR) tal que se verifican las dos condiciones
siguientes: A · B = In y B · A = In .
A una matriz B con la propiedad anterior se denomina matriz inversa de A.
Notación 1.1.25 En caso de existir, la matriz inversa de A se denota por A−1 .
Proposición 1.1.26 La inversa de una matriz cuadrada, si existe, es única.
Proposición 1.1.27 Sea A ∈ Mn (IR) una matriz cuadrada de orden n. La matriz
A es invertible si y solo si |A| 6= 0.
Existe un resultado que permite reducir el cálculo de matrices inversas al uso de
una fórmula matemática. No obstante, para ello es necesario definir el concepto de
matriz adjunta.
VECTORES. DEPENDENCIA E INDEPENDENCIA 5

Definición 1.1.28 Sea A = (aij ) ∈ Mn (IR) una matriz cuadrada de orden n.


Entonces se llama:

1. Menor complementario del elemento aij al determinante de la submatriz


obtenida al eliminar en A la fila i y la columna j. Se denota por αij .

2. Adjunto del elemento aij al producto Aij = (−1)i+j · αij .

3. Matriz adjunta de A a la matriz Adj(A) = (Aij ).

Proposición 1.1.29 Si A ∈ Mn (IR) es una matriz invertible, la matriz A−1 , inversa


de A, puede calcularse como:

1
A−1 = Adj(A)t .
|A|

1.2. Consideración de variables de varias dimen-


siones: vectores. Operaciones. Dependencia e
independencia lineal
Definición 1.2.1 Sea n ∈ IN un número natural. Se llamará vector con n com-
ponentes a cualquier matriz columna v de orden n × 1. Cada uno de los elementos
de la matriz v se denomina componente o coordenada del vector.

Notación 1.2.2 El conjunto formado por todos los vectores con n componentes
se denota por IRn . De este modo, si v es un vector con n componentes, este se
denotará como v ∈ IRn .

Nota 1.2.3 Esta no es la definición más general y abstracta que existe para el
concepto de vector, pero es la que emplearemos a lo largo del curso.
De hecho, en ocasiones trabajaremos con los vectores de IRn como matrices filas
en vez de matrices columnas.

1.2.1. Operaciones con vectores. Combinaciones lineales


Definición 1.2.4 (Suma de vectores)
     
v1 w1 v1 + w 1
     
v =  ... , w =  ... ∈ IRn 7→ v + w =  ..
. .
vn wn vn + wn
6 TEMA 1. ELEMENTOS BÁSICOS DE ÁLGEBRA LINEAL Y MATRICIAL

Definición 1.2.5 (Producto por escalar)


   
v1 αv1
   
α ∈ IR, v =  ... ∈ IRn 7→ α · v =  ...  .
vn αvn

Definición 1.2.6 (Combinación lineal)


Sean v, v 1 , . . . , v m ∈ IRn vectores con n componentes. Se dice que v es una com-
binación lineal de los vectores v 1 , . . . , v m si existen α1 , . . . , αm ∈ IR tales que
v = α1 v 1 + · · · + αm v m .

1.2.2. Dependencia e independencia lineal


Definición 1.2.7 Un conjunto de vectores {v1 , . . . , vm } ⊂ IRn se dice linealmente
dependiente (l.d.) si existe un conjunto de escalares α1 , . . . , αm ∈ IR, no todos
nulos, tales que α1 v 1 + · · · + αm v m = 0.

Definición 1.2.8 Un conjunto de vectores {v1 , . . . , vm } ⊂ IRn se dice linealmente


independiente (l.i.) si para cualquier conjunto de escalares α1 , . . . , αm ∈ IR tales
que α1 v 1 + · · · + αm v m = 0, se verifica αi = 0, para todo i = 1, . . . , m.

Definición 1.2.9 Un vector v ∈ IRn depende linealmente del conjunto de vec-


tores {v1 , . . . , vm } ⊂ IRn si existen α1 , . . . , αm ∈ IR tales que v = α1 v 1 + · · · + αm v m .

Proposición 1.2.10 Sea el conjunto de vectores v1 , . . . , vm ∈ IRn y sea la matriz


A = (v1 | · · · |vm ) ∈ Mn×m (IR). Entonces:
1. {v1 , . . . , vm } es linealmente independiente si y solo si rg(A) = m.
2. {v1 , . . . , vm } es linealmente dependiente si y solo si rg(A) < m.
3. rg(A) = número máximo de “vectores columna” de A l.i.
4. rg(A) = número máximo de “vectores fila” de A l.i.

1.3. Modelos lineales de varias ecuaciones. Reso-


lución e interpretación de las soluciones
Sea un sistema de m ecuaciones lineales con n incógnitas:


 a11 x1 + · · · + a1n xn = b1

 a21 x1 + · · · + a2n xn = b2
.. ... .. ..

 . . .

 a x + ··· + a x =
m1 1 mn n bm
SISTEMAS DE ECUACIONES 7

donde aij , bi y xj son números reales, para todo i ∈ {1, . . . , m} y para todo j ∈
{1, . . . , n}.

Definición 1.3.1 En el sistema anterior, los escalares aij son denominados los coe-
ficientes del sistema; los bi , los términos independientes y los xj , las incógni-
tas.

Los sistemas de ecuaciones lineales pueden expresarse empleando matrices. Esta


forma de expresar un sistema recibe el nombre de expresión matricial del sis-
tema. En el caso del sistema que tenemos al comienzo de la sección, su expresión
matricial es la siguiente:
A · x = b,
donde:      
a11 · · · a1n x1 b1
 .. ..  ,    
A= . ..
. .  x =  ...  , b =  ... 
am1 · · · amn xn bm
De este modo, A se denomina matriz de coeficientes del sistema; x, vector de
incógnitas y b, vector de términos independientes.

1.3.1. Discusión de sistemas de ecuaciones lineales


Definición 1.3.2 Una solución del sistema A · x = b es cualquier vector x0 ∈ IRn
que verifique las m ecuaciones del sistema (esto es, A · x0 = b).

El número de soluciones de un sistema permite distinguir tres clases distintas de


sistemas:
1. Sistema incompatible (S.I.): aquel que no tiene ninguna solución.

2. Sistema compatible: aquel que tiene alguna solución. Este se subdivide en:

a) Sistema compatible determinado (S.C.D.): La solución es única.


b) Sistema compatible indeterminado (S.C.I.): La solución no es
única. En este caso, hay infinitas soluciones para el sistema.

Definición 1.3.3 Se denomina matriz ampliada del sistema de ecuaciones linea-


les A · x = b a la matriz resultante de añadirle a A la columna b. Se puede denotar
tanto por A∗ como por (A|b).

Nota 1.3.4 Nótese que si la matriz A de coeficientes del sistema es de orden m × n,


entonces la matriz ampliada es de orden m × (n + 1).

Teorema 1.3.5 (Teorema de Rouché-Fröbenius) Sea el sistema de m ecua-


ciones con n incógnitas expresado matricialmente por A · x = b. Entonces:
8 TEMA 1. ELEMENTOS BÁSICOS DE ÁLGEBRA LINEAL Y MATRICIAL

1. El sistema es compatible determinado si y solo si rg(A) = rg(A∗ ) = n.

2. El sistema es compatible indeterminado si y solo si rg(A) = rg(A∗ ) < n.

3. El sistema es incompatible si y solo si rg(A) 6= rg(A∗ ).

Nota 1.3.6 En vista del resultado anterior, solo se discutirán y resolverán sistemas
cuyas matrices asociadas (i.e. la de coeficientes y la ampliada) tengan órdenes que
permitan el cálculo de sus rangos.

1.3.2. Resolución de sistemas de ecuaciones


Para resolver un sistema de ecuaciones lineales existen varios métodos. Recor-
daremos tres de ellos, indicando un ejemplo de cada uno:

1. Método de igualación:
½ ½ 4−2x
½ 4−2x 3+x
½ ½
2x + 3y = 4 y= 3 3
= 2
x = − 71 x = − 17
3+x 3+x
−x + 2y = 3 y= 2
y= 2
y = 3+x
2
y = 10
7

2. Método de sustitución:
½ ½ ½ 4−2x
½ ½
2x + 3y = 4 y = 4−2x
3
y = 3¡ ¢ y = 4−2x
3
y = 10
7
−x + 2y = 3 −x + 2y = 3 −x + 2 4−2x
3
= 3 x = − 71 x = − 17

3. Método de reducción:
½ ½ ½ ½ 10
½
2x + 3y = 4 2x + 3y = 4 2x + 3y = 4 2x + 3 · 7
=4 x = − 71
−x + 2y = 3 −2x + 4y = 6 7y = 10 y = 10
7
y = 10
7

Definición 1.3.7 Un sistema de ecuaciones lineales se dice homogéneo si los


términos independientes son iguales a cero (esto es, b = 0 = θ).

Nota 1.3.8 Los sistemas de ecuaciones lineales homogéneos, A · x = 0, tienen siem-


pre como solución al vector 0 ∈ IRn .

El conjunto de las soluciones de un sistema de ecuaciones lineales homogéneo


forman un subespacio vectorial.