Guía de Estudio 2 Parte

GUA DE ESTUDIO DE MATEMTICAS I
2 PARTE
PLAN DE TRABAJO Y ORIENTACIONES PARA SU DESARROLLO
Grado en Administracin y Direccin de Empresas
Curso 2015/2016
Dr. Alberto A. lvarez Lpez

Javier Sanz Prez
Matemticas I (Grado de ADE)
Universidad Nacional de Educacin a Distancia
ndice
I
II
Presentacin y plan de trabajo
Esquema resumen
1.
Presentacin .
2.
Plan de trabajo y plan de actividades .
10
Orientaciones para el estudio de los contenidos

.
13
14
Observaciones generales .
Esquema resumen
15
1.
Tema I: Sistemas de ecuaciones lineales .
16
2.
Tema II: Matrices .
3.
Tema III: Determinantes
4.
Tema IV: Espacios vectoriales
36
5.
Tema V: Aplicaciones lineales
45
6.
Tema VI: Otros temas de lgebra Lineal .
50
7.
Tema VII: Matrices positivas .
50
21
32
III Orientaciones para la realizacin del plan de actividades

55
Esquema resumen
1.
Orientaciones sobre las actividades
56
57
I
PRESENTACIN Y PLAN DE
TRABAJO
ESQUEMA RESUMEN
1. Presentacin
2. Plan de trabajo y plan de actividades
Contextualizacin de la asignatura . . . . .
Presentacin de los contenidos . . . . . . .
Bibliografa bsica de la asignatura . . . . .
Bibliografa complementaria de la asignatura
.
.
.
.
7
7
9
9
De qu tiempo disponemos. . .
En qu orden estudiar los temas
Qu tiempo dedicar a cada tema
Cmo distribuir el tiempo: plan
des . . . . . . . . . . . .
10
. . . . . .
. . . . . .
. . . . . .
de activida. . . . . .
. 10
. 10
. 11
. 11
Equipo Docente
PRESENTACIN
Contextualizacin de la asignatura
La asignatura de Matemticas I del Grado
en Administracin y Direccin de Empresas se estudia en el primer cuatrimestre de

su primer curso. Pertenece al grupo de asignaturas de formacin bsica de que consta
el ttulo, y aporta 6 crditos ECTS, que suponen 150 horas de trabajo del estudiante.
En esta asignatura se inicia el estudio de las herramientas bsicas de Matemticas
que el alumno necesitar en el resto del Grado. En particular, sus contenidos sern
necesarios para las futuras asignaturas de Matemticas, Estadstica y Econometra,
as como para las de Teora Econmica (Microeconoma y Macroeconoma), aunque
tambin encuentran aplicacin directa en el mundo de la Empresa.
La asignatura forma parte de la materia de Mtodos Cuantitativos para la Empresa. Esta materia aporta 36 crditos ECTS (lo que implica un total de 900 horas de
trabajo por parte del estudiante), y se desarrolla en seis asignaturas que se imparten
sucesivamente en los primeros seis cuatrimestres del plan de estudios del Grado. La
asignatura de Matemticas I es la primera de estas seis; las otras cinco sern dos
ms de Matemticas, dos de Estadstica, y una de Econometra. La materia de Mtodos Cuantitativos para la Empresa es bsicamente instrumental, en el sentido de que
sus contenidos sern utilizados en las otras materias del Grado. La asignatura de
Matemticas I, en tanto es la primera de las seis asignaturas de la materia, supone
la primera toma de contacto del estudiante con ella, y puede considerarse a su vez
como instrumental para las cinco restantes asignaturas.
Presentacin de los contenidos
Esta asignatura es una introduccin al lgebra
Lineal. El temario se completa con dos apndices: uno dedicado a recordar cuestiones
de carcter preliminar, y otro dedicado a presentar brevemente algunas propiedades
de los nmeros reales, incluyendo las sucesiones de nmeros reales. Los temas del
apndice no son objeto de examen.
Los temas del programa, con el detalle de sus epgrafes, son los siguientes:
Tema I. Sistemas de ecuaciones lineales
1. Introduccin a los sistemas de ecuaciones lineales
2. Definiciones y propiedades
3. Discusin y resolucin de un sistema de ecuaciones lineales
Tema II. Matrices
1. Definicin de matriz
2. Operaciones con matrices
3. Transformaciones elementales de una matriz
4. Rango de una matriz
5. Inversa de una matriz cuadrada

6. Traspuesta de una matriz
7. Otros temas sobre matrices
Tema III. Determinantes
1. Definicin de determinante de una matriz
2. Propiedades de los determinantes
3. Aplicaciones de los determinantes
Tema IV. Vectores
1. Vectores
2. Subespacios vectoriales
3. Independencia lineal
Tema V. Aplicaciones lineales
1. Recordatorio sobre aplicaciones
2. Definicin y propiedades de una aplicacin lineal
3. Matriz asociada a una aplicacin lineal
4. Rango de una aplicacin lineal. Tipos de aplicaciones lineales
5. Introduccin a las formas lineales
Tema VI. Otros temas de lgebra Lineal
1. Autovalores y autovectores de una matriz
2. Matrices diagonalizables
3. Formas caudrticas: definicin y clasificacin
Tema VII. Matrices positivas
1. Matrices positivas y modelos lineales de produccin
2. Matrices productivas
3. Conjuntos autnomos
4. Matrices indescomponibles
5. Estructuras productivas de subsistencia
Apndice A. Preliminares
1. Conjuntos
2. Aplicaciones
3. Operaciones
4. Polinomios
Apndice B. Sucesiones de nmeros reales
1. El conjunto de los nmeros reales
2. Sucesiones de nmeros reales
Equipo Docente
3. Sucesiones convergentes. Lmites infinitos

4. Sucesiones montonas
5. Series de nmeros reales
Enfatizamos que los apndices no sern objeto de examen.
Bibliografa bsica de la asignatura
Consta de un manual:
Temas de lgebra Lineal para Administracin y Direccin de Empresas, de

A. lvarez y E. Prieto, editado por UNED, 2014.
Este libro cubre, del programa, los temas I, II y IV, que son con diferencia los
que ms peso tienen en la asignatura; los restantes temas se proporcionan en el Curso
Virtual. El libro introduce los conceptos tericos y las herramientas que el alumno
debe conocer, y est salpicado de ejemplos de distinta dificultad. Cada captulo
incluye una presentacin general de los contenidos, y su desarrollo se efecta en un
formato peculiar: con la ayuda de pargrafos, entendiendo por tales grupos de uno
o ms prrafos (en general, muy pocos) dedicados a tratar un asunto muy concreto,
y pensados para ser ledo cada uno de un tirn. Cada seccin est rematada por
una lista de ejercicios y problemas: alguno de corte ms terico, pero casi todos
prcticos. Asimismo, todos los captulos terminan con un detallado resumen.
Ms adelante, en esta misma gua, se dan ms detalles tiles para abordar la
lectura de este texto (cf. p. 15).
Bibliografa complementaria de la asignatura
En el texto bsico, antes re-
seado, se cita una amplia bibliografa para proporcionar al estudiante referencias

adicionales con las que cubrir los distintos temas del programa.
No obstante, como bibliografa complementaria citamos aqu especficamente los
libros de texto de esta asignatura durante los pasados cursos:
lgebra Lineal para Administracin y Direccin de Empresas, de E. Prieto y
A. lvarez, editado por Sanz y Torres, 2010.
Problemas Resueltos de lgebra Lineal para Administracin y Direccin de Empresas, de E. Prieto y A. lvarez, editado por Sanz y Torres, 2010.
Aunque su planteamiento es mucho ms terico y abstracto que el de la bibliografa
bsica (y ms tambin que el planteamiento de los contenidos del temario en general), estos manuales pueden servir de apoyo en muchos aspectos de la asignatura.
Debe observarse que no cubren los temas VI (otros temas de lgebra Lineal) y VII
(matrices positivas) del programa, y que algunos elementos de otros temas sobre
todo del tema II (matrices) y del tema IV (vectores) estn tratados con distinto nivel
de profundidad y alcance.
Tambin queremos resear aqu dos manuales, de gran utilidad para quien nece-
10
site recordar cuestiones bsicas de matemticas.1 Son estos:

Matemticas Elementales tiles para Economa y Empresa. Vademcum I, de
E. Prieto, A. lvarez y M. A. Arndiga, editado por Centro de Estudios Ramn
Areces.
Matemticas Elementales tiles para Economa y Empresa. Vademcum II, de
E. Prieto, y M. Buenda, editado por Centro de Estudios Ramn Areces.
El Vademcum I es especialmente til, porque permite recordar, a quien lo necesite, materias como la manipulacin de expresiones algebraicas, la resolucin de
ecuaciones, el manejo de porcentajes, las potencias y las races cuadradas, o los
signos de expresiones algebraicas.
El Vademcum II est dedicado al estudio de la Geometra Plana. Es recomendable, no porque sus contenidos vayan a a ser utilizados en la asignatura, sino en
tanto cultura general de Matemticas y como muestra de la forma de razonar en esta
disciplina.
PLAN DE TRABAJO Y PLAN DE ACTIVIDADES

De qu tiempo disponemos
Esta asignatura, a tenor de sus 6 crditos ECTS,
implica 150 horas de trabajo del estudiante. Estamos en el primer cuatrimestre, lo

que significa unas 15 semanas entre octubre y enero, lo que da una media de 10 horas
semanales de trabajo. Pero esto es, desde luego, en teora; en la prctica, el tener que
dedicar ms o menos tiempo depender de las caractersticas de cada estudiante:
posibilidad de aprovechamiento, la base de conocimientos previos, mayor o menor
dificultad en leer matemticas, etc.
Por otra parte, cada estudiante, y ms en la UNED, tiene unas circunstancias
personales distintas, que le pueden obligar, por ejemplo, a estudiar slo en ciertas
fechas. En los siguientes apartados, proponemos un plan de trabajo y de actividades
pensando en un estudiante que puede dedicar con regularidad su tiempo a la asignatura; cada cual deber luego hacer las adaptaciones necesarias.
En qu orden estudiar los temas
En principio, recomendamos al alumno que
estudie los distintos temas del programa en el mismo orden en que figuran. Es esencial respetar este orden en lo que a los seis primeros temas se refiere (al menos si se
preparan con los materiales recomendados), porque cada uno se basa fuertemente en
los anteriores. Pero el tema VII (matrices positivas) trata una materia que podra estudiarse justo despus del tema II (matrices) o del III (determinantes); esto podra ser
1
Estos manuales fueron preparados precisamente tras numerosas peticiones de alumnos y tutores de
la antigua asignatura de Matemticas I de la Licenciatura en Administracin y Direccin de Empresas.
11
Equipo Docente
una opcin para quien encontrara los temas IV (vectores) y V (aplicaciones lineales)
un tanto ms abstractos.
No obstante, la planificacin del curso (y en particular de las distintas actividades)
se desarrolla a tenor de esta distribucin de los temas.
Qu tiempo dedicar a cada tema
En media, deberan dedicarse unas dos o
tres semanas a cada tema. Pero los temas no son todos iguales, ni en extensin
ni en dificultad. Los temas I, II y IV son los ms largos con mucho, y son los que
llevan ms peso del programa; requerirn, pues, ms tiempo (que obviamente puede
recortarse de los dems). La propuesta que hacemos, siempre aproximada, es la
siguiente:
Tema I: entre tres y cuatro semanas.
Tema II: entre tres y cuatro semanas.
Tema III: una o dos semanas
Tema IV: unas cuatro semanas.
Tema V: dos semanas.
Tema VII: entre una y dos semanas.
Por supuesto, cada estudiante puede requerir ms o menos tiempo en alguno de los
temas, en virtud de su base previa o de otras circunstancias.
Aprovechamos para decir ahora que el tema VI: Otros temas de lgebra Lineal,
no ser objeto de evaluacin este curso 20152016, con el fin de seguir facilitando la
adaptacin del programa antiguo al nuevo.
Cmo distribuir el tiempo: plan de actividades
El estudiante deber dis-
tribuir su tiempo en tres clases de actividades:

1) Trabajo con contenidos tericos: equivalente a las clases presenciales tericas;
se centra en la consulta de los materiales didcticos.
Se trata de estudiar el libro, centrndose en las definiciones y en los resultados, y haciendo los primeros ejemplos que figuran junto a ellos. Podra
dedicarse a este tipo de trabajo terico el 20% del tiempo.
2) Realizacin de actividades prcticas: equivalente a clases presenciales prcticas; se refiere a una serie de actividades de autoevaluacin y de evaluacin
continua.
Para cada tema, se colgarn en el curso virtual cuestiones de autoevaluacin (con sus correspondientes soluciones), similares a las de los exmenes.
Asimismo, en los primeros das lectivos de enero, se propondr una actividades de evaluacin continua. Tambin se tratar de cuestiones muy parecidas a las de los exmenes.
En la parte final de esta Gua se dan ms detalles de estos tipos de pruebas
12
(cf. p. 57). El cmputo en tiempo de dedicacin a ellas podra ser de un 20%.

3) Trabajo autnomo: estudio de los contenidos tericos y de ejercicios y problemas, y preparacin y realizacin de las pruebas presenciales (exmenes).
Se trata, con los contenidos tericos ya estudiados (o al menos tras haber
iniciado su asimilacin), de trabajar los ejemplos ms elaborados y los contenidos tericos de forma ms detallada, as como los ejercicios y problemas
que figuran al final de cada seccin del libro de texto. Tambin se incluye la
preparacin especfica de los exmenes. Podra dedicarse a todo ello el 60%
del tiempo.
Estrictamente hablando, la nica actividad obligatoria es la prueba presencial
o examen. Pero todas las dems son altamente recomendables para conseguir la
asimilacin adecuada de la asignatura. En particular, conviene tener en cuenta que la
actividad de evaluacin continua tendr su influencia en la calificacin final.
II
ORIENTACIONES PARA EL
ESTUDIO DE LOS CONTENIDOS
14
ESQUEMA RESUMEN
Observaciones generales
15
3. Tema III: Determinantes
Requisitos previos . . . . . . . . . . . . .
Cmo leer el libro de texto . . . . . . . . .
Cmo ejercitarse: cuestiones de autoevaluacin y ejercicios . . . . . . . . . . . .
Cmo leer las orientaciones sobre cada tema
en esta Gua . . . . . . . . . . . . . .
. 15
. 15
. 16
32
Presentacin y objetivos . . . . . . . . . .
Conceptos clave ms importantes . . . . . .
2. Propiedades de los determinantes . . . .
3. Aplicaciones de los determinantes . . . .
4. Tema IV: Espacios vectoriales
2. Tema II: Matrices
.
.
.
.
16
16
17
17
. 18
. 20
. 21
. 21
21
1. Definicin de matriz . . . . . . . . . .
2. Operaciones con matrices . . . . . . . .
3. Transformaciones elementales por filas .
4. Rango de una matriz . . . . . . . . . .
5. Inversa de una matriz cuadrada . . . . .
6. Traspuesta de una matriz y traza de una
matriz . . . . . . . . . . . . . . . . .
7. Transformaciones elementales por columnas . . . . . . . . . . . . . . . . . .
8. Ms tipos de matrices. . . . . . . . . .
32
32
32
34
35
. 16
1. Tema I: Sistemas de ecuaciones lineales

16
1. Ecuaciones lineales . . . . . . . . . . .
2. Sistemas de ecuaciones lineales . . . . .
3. Representacin matricial de un sistema de
ecuaciones lineales . . . . . . . . . . .
4. Discusin y resolucin de sistemas de
ecuaciones lineales . . . . . . . . . . .
5. Sistemas homogneos . . . . . . . . .
6. Discusin y resolucin de sistemas de
ecuaciones lineales en los que figuran
parmetros . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
21
22
22
24
25
26
27
. 28
. 29
. 29
36
Presentacin y objetivos . . . . . . . .
Conceptos clave ms importantes . . . .
1. El conjunto Rn : vectores . . . . . .
2. Subespacios vectoriales . . . . . . .
3. Independencia lineal . . . . . . . .
4. Ecuaciones de un subespacio vectorial
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
36
36
37
38
39
43
Presentacin y objetivos . . . . . . . . .
Conceptos clave ms importantes . . . . .
1. Definicin y propiedades . . . . . . .
2. Matriz asociada a una aplicacin lineal.
3. Rango de una aplicacin lineal . . . .
4. Formas lineales . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
45
46
46
47
48
49
5. Tema V: Aplicaciones lineales
45
6. Tema VI: Otros temas de lgebra Lineal

50
Presentacin y objetivos . . . . . . . . . . . 50
Conceptos clave ms importantes . . . . . . . 50
7. Tema VII: Matrices positivas
50
Presentacin y objetivos . . . . . . . . .
Conceptos clave ms importantes . . . . .
1. Matrices positivas . . . . . . . . . .
2. Matrices productivas . . . . . . . . .
3. Conjuntos autnomos . . . . . . . .
4. Matrices indescomponibles . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
50
50
50
51
52
52
53
15
Equipo Docente
OBSERVACIONES GENERALES
Requisitos previos
Son ms que suficientes los conocimientos de matemticas
de un Bachillerato orientado a Ciencias o a Ingeniera. Tambin son suficientes los

contenidos de la asignatura de Matemticas del Curso de Acceso Directo a la Universidad para mayores de 25 aos que imparte la propia UNED.1
En todo caso, a los estudiantes que necesiten recordar o consultar algo, les recomendamos tengan a mano el Curso 0 de Matemticas que se puede encontrar en
el Portal de Cursos Abiertos de la UNED, y que ha sido preparado por profesores de
distintas facultades y escuelas. El enlace del Portal es este:
http://ocw.innova.uned.es/ocwuniversia
y especficamente el del Curso 0 de Matemticas es este:
http://ocw.innova.uned.es/matematicas-industriales/
Cmo leer el libro de texto
Sobre este manual, observamos lo siguiente:
Est estructurado en tres captulos, que se corresponden con los temas I, II y IV

del programa, los cuales son insistimos los de ms peso de la asignatura.
Los restantes temas del programa estn colgados en el Curso Virtual.
Cada captulo del libro comienza con una breve presentacin, que introduce la
materia.
El cuerpo principal de cada captulo se desarrolla en pargrafos, entendiendo
por tales unidades ms o menos cortas dedicadas a un asunto muy concreto.
Un pargrafo puede introducir una definicin y algn primer ejemplo de ella,
un ejemplo detallado (o una parte determinada de alguno), un resultado con su
demostracin (o quiz solo con parte de ella), un comentario relevante, etc. Se
pretende que la lectura pargrafo a pargrafo se corresponda con una lectura
paso a paso. Por otra parte, los pargrafos van numerados (sin reiniciar la
cuenta por cambiar de captulo), lo que facilita su cita a lo largo del libro entero.
A cada captulo tambin se adjunta una recapitulacin de los conceptos y resultados vistos en su desarrollo. La experiencia nos dice que estas recapitulaciones
son de gran utilidad como manual de consulta rpida de la materia ya estudiada.
Como complemento necesario a los conocimientos tericos, se incluye un gran
nmero de ejemplos en los que tales conocimientos encuentran aplicacin prctica. Los ejemplos, distribuidos en los distintos pargrafos, marcan la pauta de
lo que luego ser objeto de examen.
1
Esta asignatura se llamaba Matemticas Especiales en el plan antiguo de Acceso vigente hasta el
curso 2008/2009.
16
Tambin se incluye una lista de ejercicios propuestos al final de cada seccin.

Se ofrecen para ser trabajados en el Curso Virtual.
Cmo ejercitarse: cuestiones de autoevaluacin y ejercicios
Con la idea de
que practique y se ejercite, el estudiante de esta asignatura tiene distintas posibilidades:

a) Cuestiones de autoevaluacin. Las hay colgadas en el Curso Virtual, distribuidas por temas. Son cuestiones similares a las que se proponen en los
exmenes. Podemos decir que son de dos tipos: aisladas y combinadas; estas ltimas son varias cuestiones que hacen referencia a un enunciado comn.
b) Ejercicios y problemas del libro de texto. Estn propuestos al final de cada
seccin, para ser resueltos en el Curso Virtual, entre todos, con la supervisin
y correccin por parte del Equipo Docente.
Cmo leer las orientaciones sobre cada tema en esta Gua
En las secciones
siguientes, se presentan orientaciones especficas para cada tema (una seccin por
tema, con la misma numeracin de unas y otros). Para cada uno, figura lo siguiente:
Una breve presentacin de los objetivos (o de los resultados de aprendizaje)
ms destacados del tema.
Los conceptos clave ms importantes: se trata de los conceptos que son imprescindibles en el tema, aunque el alumno no debe pensar que los otros conceptos
no son objeto de evaluacin.
Un detallado resumen del tema, lo ms completo posible. Pretendemos recoger
aqu las definiciones de todos los conceptos (no slo los considerados antes
como especialmente importantes), y todos los resultados. Ello puede servir
de gua y referencia al alumno, al tener a mano en pocas pginas un resumen
completo de la asignatura.
TEMA I: SISTEMAS DE ECUACIONES LINEALES

Presentacin y objetivos
Se formula de forma adecuada un sistema de ecua-
ciones lineales; se aprende a escribirlo de forma matricial, a discutirlo (determinar

si tiene solucin o no, y en caso afirmativo si tiene una o infinitas soluciones) y a
resolverlo.
Conceptos clave ms importantes
Ecuaciones lineales y sistema de ecuaciones
lineales (coeficientes, trminos independientes, soluciones, sistemas equivalentes).

Introduccin a las matrices (matriz, trminos, transformaciones elementales, matriz
escalonada, pivote, matriz escalonada reducida). Representacin matricial de un sistema de ecuaciones lineales (matriz de coeficientes, matriz ampliada). Discusin y
17
Equipo Docente
resolucin de sistemas de ecuaciones lineales. Incgnitas bsicas e incgnitas libres.

Discusin y resolucin de sistemas de ecuaciones lineales con parmetros.
1. Ecuaciones lineales
Una ecuacin lineal en las m incgnitas (o tambin
variables) x1 , x2 , . . . , xm es una expresin de la forma:

a1 x1 + a2 x2 + + am xm = c,
(1)
donde a1 , a2 , . . . , am son nmeros reales, llamados coeficientes de la ecuacin, y c

es otro nmero real, llamado trmino independiente de la ecuacin.
Dada una m-upla (s1 , s2 , . . . , sm ) de nmeros, se dice que es una solucin de la
ecuacin lineal (1) si al sustituir, en la ecuacin, x1 por s1 , x2 por s2 , . . . , xm por sm ,
se obtiene una igualdad. Es decir, si se verifica:
a1 s1 + a2 s2 + + am sm = c.
Las ecuaciones lineales se pueden multiplicar por un nmero (decimos en este
caso que hemos calculado un mltiplo de la ecuacin lineal) y se pueden sumar miembro a miembro. Si sumamos a una ecuacin lineal un mltiplo de otra, cualquier
solucin comn a las dos ecuaciones originales tambin ser solucin de la ecuacin
lineal obtenida como resultado.
2. Sistemas de ecuaciones lineales
Un sistema de ecuaciones lineales es una
lista (finita) de ecuaciones lineales consideradas simultneamente, todas en las mismas incgnitas. La expresin general de un sistema de n ecuaciones lineales en las m
incgnitas x1 , x2 , . . . , xm es:
a11 x1 + a12 x2 + + a1m xm = c1
a21 x1 + a22 x2 + + a2m xm = c2
........................................
an1 x1 + an2 x2 + + anm xm = cn .
(2)
Se llama solucin de un sistema de n ecuaciones lineales y m incgnitas a toda

m-upla que sea solucin, simultneamente, de todas y cada una de las n ecuaciones
lineales del sistema.
Si un sistema de ecuaciones lineales admite solucin nica, se dice que es compatible determinado; si admite infinitas soluciones, se dice que es compatible indeterminado; y si no admite solucin, se dice que es incompatible.
Dado un sistema de ecuaciones lineales, o bien es compatible determinado, o bien
es compatible indeterminafo, o bien es incompatible.
18
Dos sistemas de ecuaciones lineales son equivalentes si tienen las mismas soluciones; si dos sistemas en las mismas incgnitas no admiten solucin, tambin diremos que ambos son equivalentes.
Si en un sistema de ecuaciones lineales intercambiamos dos ecuaciones, o multiplicamos una ecuacin por un nmero no nulo, o sumamos a una ecuacin un mltiplo de otra, obtenemos un sistema equivalente al original.
3. Representacin matricial de un sistema de ecuaciones lineales
Una
matriz de orden (n, m) (o de orden n m) es una disposicin de n m nmeros

(reales) en forma rectangular en n filas y m columnas. Los nmeros que se escriben
en una matriz se denominan trminos de la matriz.
Se denomina matriz de coeficientes, o matriz asociada, del sistema de ecuaciones lineales (2) a esta matriz de orden (n, m):
a11 a12 . . . a1m
a21 a22 . . . a2m
.
.
..
..
..
..
.
.
.
an1 an2 . . . anm

Los trminos de la i-sima fila son los coeficientes de la i-sima ecuacin del sistema,
y los trminos de la j-sima columna son los coeficientes que acompaan a la j-sima
incgnita en las ecuaciones del sistema.
Se denomina matriz ampliada del sistema de ecuaciones lineales (2) a esta matriz
de orden (n, m + 1):
a11
a21
.
..
an1
a12
a22
..
.
an2
...
...
..
.
...
a1m
a2m
..
.
anm
c1
c2
.
..
.
cn
Esta matriz se diferencia de la de coeficientes en que tiene una columna ms, cuyos
trminos son los trminos independientes del sistema.
Se denominan transformaciones elementales por filas de una matriz, de tipo i,
ii y iii, respectivamente, a estos tres tipos de transformaciones que se ejecutan en
matrices:
intercambiar dos filas;
multiplicar una fila por un nmero no nulo;
sumar a una fila un mltiplo de otra.
Estas transformaciones son un correlato, en las matrices ampliadas, de las operaciones en los sistemas de intercambio de ecuaciones, multiplicacin de una ecuacin por
un nmero no nulo y suma a una ecuacin de un mltiplo de otra, respectivamente.
19
Equipo Docente
Si a la matriz ampliada de un sistema de ecuaciones lineales se le aplica una

transformacin elemental, la matriz resultante es la matriz ampliada de un sistema
de ecuaciones lineales equivalente al original.
En una matriz, una fila nula es una fila con todos sus trminos nulos. Una matriz
nula es una matriz con todos sus trminos nulos. Dado un nmero natural k, se dice
que una fila no nula de una matriz tiene k ceros iniciales si los k primeros trminos
de la fila son nulos y el (k + 1)-simo no lo es.
Una matriz escalonada es una matriz que satisface esta condicin: o bien es
nula, o bien sus filas no nulas son las primeras, y cada una de ellas salvo la primera
tiene ms ceros iniciales que su precedente.
En una matriz escalonada, se llama pivote al primer trmino no nulo de cada fila.
En cualquier matriz, el nmero de pivotes es menor o igual que el nmero de filas y
menor o igual que el nmero de columnas.
Dada una matriz cualquiera, es posible obtener a partir de ella, mediante la aplicacin de transformaciones elementales sucesivas, una matriz escalonada; de la matriz obtenida se dice que es una forma escalonada de la matriz dada; tambin se dice
que se ha escalonado la matriz original.
Cualquier matriz no nula admite infinitas formas escalonadas (una matriz nula
solo admite una: ella misma).
Una matriz escalonada reducida es una matriz escalonada que satisface adems
estas dos condiciones: todos sus pivotes (si los tiene) son iguales a 1 (son unitarios),
y en toda columna donde hay un pivote es este el nico trmino no nulo.
Dada una matriz cualquiera, es posible obtener a partir de ella, mediante la aplicacin de transformaciones elementales sucesivas, una matriz escalonada reducida,
de la que se dice que es la forma escalonada reducida de la matriz original. La forma
escalonada reducida de una matriz es nica.
Dada una matriz escalonada reducida de orden (n, m), con r pivotes, si suponemos que estos ocupan las r primeras columnas (posiblemente tras la aplicacin de
intercambios de columnas adecuados), la
1 0 ... 0
0 1 . . . 0
.
.. .. . .
. .
. ..
0 0 . . . 1
0 0 . . . 0
. . .
. .
. . ...
. .
0 0 ... 0

r
matriz tiene esta forma:
...
. . .
r
.. . .
..
. .
.
. . .
.
0 . . . 0
.. . .
..
. . nr
.
0 ... 0

mr
20
Las puntos: , sealan posiciones que pueden ser ocupadas por cualquier nmero,
nulo o no, y esta matriz tiene tantas columnas con trminos de este tipo como seala
la diferencia mr . Tambin, la matriz tiene tantas filas como indica la diferencia n
r . En esta matriz, puede ocurrir que m r = 0 o que n r = 0 (o ambas igualdades
a la vez).
4. Discusin y resolucin de sistemas de ecuaciones lineales
Por discutir
un sistema de ecuaciones lineales nos referimos a determinar de qu tipo es: incompatible, compatible determinado o compatible indeterminado. Por resolver un
sistema nos referimos a encontrar efectivamente todas sus soluciones (cuando las
admite).
Dado un sistema de ecuaciones lineales (con n ecuaciones y m incgnitas), de su matriz ampliada, y denotemos
signemos por A su matriz de coeficientes y por A
Hay tres
una forma escalonada (no necesariamente reducida) de la matriz A.
por A
posibilidades:
presenta un pivote en su ltima columna: sistema incompatible;
la matriz A
no presenta un pivote en su ltima columna y la cantidad de sus
la matriz A
pivotes coincide con la cantidad de incgnitas del sistema: sistema compatible
determinado;
no presenta un pivote en su ltima columna y la cantidad de sus
la matriz A
pivotes es menor que la cantidad de incgnitas del sistema: sistema compatible
indeterminado.
Un sistema del cual sabemos que admite solucin puede resolverse de alguna de
estas dos formas:
Una. Se escribe el sistema cuya matriz ampliada es una forma escalonada de la
matriz ampliada del sistema; este nuevo sistema es equivalente al original y se
puede resolver por sustitucin hacia atrs (se resuelve la ltima ecuacin y el
resultado se sustituye en las dems, se resuelve a continuacin la penltima y
se sustituye de nuevo el resultado en las restantes, y as sucesivamente).
Dos. Se escribe el sistema cuya matriz anpliada es la forma escalonada reducida
de la matriz ampliada del sistema; este nuevo sistema tambin es equivalente
al original, y su resolucin es inmediata (vase el prrafo siguiente).
En un sistema de ecuaciones lineales cuya matriz ampliada es escalonada reducida, las incgnitas que figuran en primer lugar en alguna ecuacin se denominan
incgnitas bsicas (o incgnitas principales); las restantes se denominan incgnitas
libres (o parmetros). Para escribir la solucin del sistema, se despejan las incgnitas bsicas en funcin de las incgnitas libres. En la expresin final de la solucin,
21
Equipo Docente
se suelen sustituir las incgnitas libres por letras griegas (para distinguirlas en su
notacin de las bsicas).
En general, las soluciones de un sistema de ecuaciones lineales presentan tantas
incgnitas libres (o tantos parmetros) como marca la diferencia entre el nmero de
incgnitas y el nmero de pivotes (ello tambiun es vlido para sistemas compatibles
determinados: para tales sistemas, la citada diferencia es nula).
5. Sistemas homogneos
Un sistema de ecuaciones lineales homogneo es un
sistema en el que es nulo el trmino independiente de cada ecuacin. En general, un

sistema homogneo de n ecuaciones en las m incgnitas x1 , x2 , . . . , xm tiene esta
forma:
a11 x1 + a12 x2 + + a1m xm = 0
a21 x1 + a22 x2 + + a2m xm = 0
........................................
a x + a x + + a x = 0.
n1 1
n2 2
nm m
Cualquier sistema homogneo tiene al menos la solucin nula, dada por x1 =

x2 = . . . = xm = 0; es decir, esta m-upla: 0, 0, . . . , 0 .

m ceros
La discusin de un sistema homogneo se reduce a determinar si admite solamente la solucin nula (compatible determinado) o si admite ms soluciones (compatible indeterminado). Para ello, basta escalonar solamente la matriz de coeficientes
del sistema y contar sus pivotes: si tiene tantos como incgnitas, el sistema es compatible determinado; si tiene menos pivotes que incgnitas, el sistema es compatible
indeterminado.
Si un sistema de ecuaciones lineales homogneo tiene ms incgnitas que ecuaciones, entonces es compatible indeterminado.
6. Discusin y resolucin de sistemas de ecuaciones lineales en los que figuran

parmetros
Consideramos tambin sistemas de ecuaciones lineales en los
que figura algn parmetro, los cuales se discuten y resuelven segn los valores del
parmetro o parmetros que tengan. En este contexto, un parmetro es una variable
que figura en algn coeficiente o trmino independiente del sistema y puede tomar
diferentes valores (habitualmente, cualquier nmero real); segn los valores de esta
variable, el sistema puede ser de una clase u otra, o puede tener una solucin u otra.
TEMA II: MATRICES

En este tema se definen las matrices y se aprenden a
operar (adicin, multiplicacin por un escalar, y multiplicacin de matrices); se intro-
22
ducen, y utilizan profusamente, las transformaciones elementales por filas, y se ven

algunas de sus aplicaciones; se presenta la notacin matricial de un sistema de ecuaciones lineales; se define el rango de una matriz. Aprendemos a calcular la inversa
de una matriz cuadrada, as como la traza, y tambin la traspuesta de una matriz
cualquiera. Y vemos las transformaciones elementales por columnas y algunos tipos
de matrices que surgen en contextos variados: triangulares, ortogonales, simtricas
y antisimtricas, idempotentes y nilpotentes. Finalmente, se estudia el concepto de
inversa por la izquierda y el de inversa por la derecha, y se estudia la presentacin
de una matriz por bloques.
Definicin de matriz: filas y columnas de
una matriz, trminos de una matriz. Tipos de matrices (fila, columna, cuadrada, diagonal, identidad, nula). Matrices fila y matrices columna de una matriz. Adicin
de matrices y multiplicacin por un nmero. Multiplicacin de matrices. Notacin
matricial de un sistema de ecuaciones lineales. Transformacin elemental por filas.
Rango de una matriz. Inversa de una matriz cuadrada. Matriz traspuesta. Traza.
Transformacin elemental por columnas. Submatriz. Matriz triangular (superior e
inferior), matriz ortogonal, matriz simtrica y matriz antisimtrica, matriz idempotente y matriz nilpotente. Inversa por la izquierda e inversa por la derecha. Matriz
dada por bloques.
1. Definicin de matriz
Una matriz de orden (n, m) (o de orden n m) es una
disposicin de n m nmeros (reales) en forma rectangular en n filas y m columnas,

que son las filas y las columnas de la matriz. Los nmeros que se escriben en una
matriz se denominan trminos de la matriz.
Las matrices se suelen denotar con letras maysculas, y sus trminos con la
misma letra que la matriz pero en minscula, con dos subndices que indican el
nmero de fila y el nmero de columna (en este orden, y sin comas entre ellos) que
ocupa el trmino en la matriz. En una matriz A, el trmino de posicin (i, j) es el que
figura en la i-sima fila y en la j-sima columna, y se denota: aij .
Una matriz general A de orden (n, m) se escribe as:
a11
a21
.
..
A=
ai1
.
.
.
an1
a12
a22
..
.
ai2
..
.
an2
...
...
..
.
...
..
.
...
a1j
a2j
..
.
aij
..
.
anj
...
...
..
.
...
..
.
...
a1m
a2m
..
.
.
aim
..
.
anm
23
Equipo Docente
Los trminos de la i-sima fila son ai1 , ai2 , . . . , aim (todos con el primer subndice
igual a i). Los trminos de la j-sima columna son a1j , a2j , . . . , anj (todos con
el
segundo subndice igual a j). A veces se pone: A = aij ; 1 i n, 1 j m , o

simplemente: A = aij .
Dos matrices A y B son iguales, y se escribe: A = B, si son del mismo orden y
verifican: aij = bij para cada i y para cada j (en la misma posicin, el mismo nmero).
Una matriz fila es una matriz con una sola fila: de orden (1, m) para algn m.
Una matriz columna es una matriz con una sola columna: de orden (n, 1) para algn n.
Una matriz cuadrada de orden n es una matriz de orden (n, n) (n filas y n columnas). En una matriz cuadrada, los trminos de la diagonal principal son los que
ocupan las posiciones (1, 1), (2, 2), . . . .
Una matriz diagonal es una matriz cuadrada que tiene nulos los trminos fuera
de la diagonal principal.
Una matriz identidad (o unitaria) es una matriz diagonal con los trminos de la
diagonal principal iguales a 1. La de orden n se denota por In :
In = .
..
0
1
..
.
0
...
...
..
.
...
.
..
.

Tambin se escribe: In = ij , donde ij es igual a 1 si i = j e igual a 0 si i j
(delta de KRONECKER).
Una matriz nula (o cero) es una matriz (cuadrada o no) con todos sus trminos
nulos. Cualquier matriz nula se denota por O.
Dada una matriz A, su j-sima matriz columna es la matriz columna cuyos trminos son los de la j-sima columna de A; se denota por Cj (A). Y su i-sima matriz
fila es la matriz fila cuyos trminos son los de la i-sima fila de A; se denota por Fi (A).
Siendo A de orden (n, m), si A1 , A2 , . . . , Am son las m matrices columna de A, la
notacin por columnas de A es:

A = A1
A2
...

Am .
24
Si F1 , F2 , . . . , Fn son las n matrices fila de A, la notacin por filas de A es:

F1

F2

A = . .
.
.

Fn

Dadas dos matrices A = aij y B = bij del

mismo orden, su suma es la matriz A + B = aij + bij (se suman los trminos de la
2. Operaciones con matrices
misma posicin en ambas matrices).

Dada una matriz A = aij , se define su opuesta como la matriz A = aij .
El conjunto de las matrices de orden (n, m) (con trminos nmeros reales) se denota por Mnm (R). La adicin de matrices de este conjunto tiene estas propiedades:
conmutativa: A + B = B + A;
asociativa: A + (B + C) = (A + B) + C;
la matriz nula es el elemento neutro de la adicin: A + O = O + A = A;
cada matriz es simetrizable: para cada matriz A su opuesta es tal que A+(A) =
(A) + A = O.
Estas propiedades se resumen afirmando que la adicin de matrices articula el conjunto Mnm (R) como un grupo abeliano.

Dados una matriz A = aij y un nmero , el producto por de A es la ma

triz A = aij . Esta operacin tambin se denomina multiplicacin escalar.

Dadas dos matrices A = aij y B = bij , de orden, respectivamente, (n, m)
y (m, p) (en particular, el nmero de columnas deA es igual al nmero de filas de B),
el producto AB se define como la matriz C = cij , de orden (n, p), con trminos:
cij =
m

aik bkj ,
1 i n, 1 j p.
k=1
Es decir, cij es la suma de los productos de los trminos correspondientes de la

i-sima fila de A y de la j-sima columna de B.
Si se puede escribir el producto AB, tambin se dice que B se multiplica, por la
izquierda, por A; o que A se multiplica, por la derecha, por B.
Dadas dos matrices A y B, si estn definidos los productos AB y BA y estos son
dos matrices iguales, decimos que las matrices A y B conmutan. Si los productos AB
y BA estn definidos y son del mismo orden, pero no son iguales, decimos que las
matrices A y B no conmutan. La multiplicacin de matrices cuadradas de orden n 2
no es una operacin conmutativa.
25
Equipo Docente
Propiedades de la multiplicacin de matrices:

Cj (AB) = A Cj (B) y
Fi (AB) = Fi (A) B;
asociativa: A(BC) = (AB)C;

distributiva respecto de la adicin de matrices, esto es: A(B1 + B2 ) = AB1 + AB2
y tambin esta otra: (A1 + A2 )B = A1 B + A2 B;
In A = AIn = A ;
OA = AO = O ;
si AB = O, es posible que ni A ni B sean nulas.
Dado un sistema de n ecuaciones lineales en las m incgnitas x1 , x2 , . . . , xm :
a11 x1 + a12 x2 + + a1m xm = c1
a21 x1 + a22 x2 + + a2m xm = c2
........................................
an1 x1 + an2 x2 + + anm xm = cn ,

la notacin matricial del sistema es la igualdad matricial AX = C, donde A es la
matriz de coeficientes (o matriz asociada):
a11
a21
A= .
..
an1
a12
a22
..
.
an2
a1m
a2m
,
..
.
anm
...
...
..
.
...
y X y C son, respectivamente, la matriz de incgnitas y la matriz de trminos independientes:
x1
x2
X = .
..
xm
c1

c2

C = . .
..

cn
Si la m-upla (s1 , s2 , . . . , sm ) es una solucin del sistema de ecuaciones lineales,

tambin llamamos solucin del sistema AX = C a la matriz columna de trminos s1 , s2 , . . . , sm .
3. Transformaciones elementales por filas
Se denominan transformaciones
elementales por filas de una matriz, de tipo i, ii y iii, respectivamente, a estos tres
tipos de transformaciones que se ejecutan en matrices:
intercambiar dos filas: Fi Fj ;
multiplicar una fila por un nmero no nulo:
Fi Fi (con 0);
26
sumar a una fila un mltiplo de otra:

Fi Fi + Fj .
Decimos que dos transformaciones elementales por filas son inversas una de la
otra si al aplicar ambas sucesivamente, en un orden o en el otro, a cualquier matriz
(de un orden adecuado) se obtiene como resultado la matriz original. Se tiene:
la inversa de Fi Fj es ella misma;
la inversa de Fi Fi es Fi (1/)Fi ;
la inversa de Fi Fi + Fj es Fi Fi Fj .
Llamamos matriz elemental de orden n asociada a una transformacin elemental (por filas) a la matriz que resulta tras aplicar la transformacin elemental a la
matriz identidad de orden n.
Dada una matriz de n filas, se obtiene el mismo resultado llevando a cabo una
transformacin elemental por filas que multiplicando, por la izquierda, por la matriz
elemental de orden n asociada a la transformacin elemental.
Si multiplicamos dos matrices elementales del mismo orden asociadas a transformaciones elementales inversas, el producto es la matriz identidad correspondiente.
4. Rango de una matriz
El rango de una matriz es el nmero de pivotes de
cualquiera de sus formas escalonadas (es el mismo en todas ellas). El rango de una
matriz A se denota por rango A.
Propiedades del rango:
el rango de una matriz es menor o igual que el nmero de sus filas y menor o
igual que el nmero de sus columnas;
si aplicamos una transformacin elemental (por filas) a una matriz, la matriz
resultante tiene el mismo rango que la original;
el rango de la matriz identidad In es igual a n;
el rango de cualquier matriz elemental de orden n es igual a n;
dada una matriz cuadrada de orden n, afirmar que su rango es igual a n es equivalente a afirmar que su forma escalonada reducida es la matriz identidad In .
Una matriz de rango mximo es una matriz cuyo rango coincide con el nmero
de sus filas o con el nmero de sus columnas (el menor de los dos).
Propiedades:
las matrices cuadradas de rango mximo se pueden escribir como un producto
de matrices elementales;
dada una matriz B de cualquier orden, si A es una matriz cuadrada de rango
mximo tal que el producto AB est definido: rango(AB) = rango B;
el producto de matrices cuadradas (del mismo orden) de rango mximo es una
27
Equipo Docente
matriz cuadrada de rango mximo, y en particular cualquier producto de matrices elementales del mismo orden es una matriz cuadrada de rango mximo.
Otra propiedad del rango: si A y B son dos matrices tales que el producto AB
est definido, entonces: rango(AB) rango(A).
Teorema de ROUCHFROBENIUS: Una condicin necesaria y suficiente para que
un sistema de ecuaciones lineales admita solucin es que su matriz de coeficientes y
su matriz ampliada tengan el mismo rango.
Dado un sistema de ecuaciones lineales de matriz de coeficientes A y matriz am se verifica:
pliada A,
y este valor comn del rango es igual al nmero de incg si rango A = rango A
nitas del sistema, entonces el sistema es compatible determinado;
y este valor comn del rango es menor que el nmero de
si rango A = rango A
incgnitas del sistema, entonces el sistema es compatible indeterminado;
entonces el sistema es incompatible.
si rango A < rango A,
Dos propiedades de los sistemas de ecuaciones lineales:
una condicin necesaria y suficiente para que un sistema de ecuaciones lineales
admita solucin para cualquier eleccin de los trminos independientes es que
el rango de la matriz de coeficientes sea igual al nmero de ecuaciones;
una condicin necesaria y suficiente para que un sistema de ecuaciones lineales
homogneo admita solucin nica (la cual sera la nula) es que el rango de su
matriz de coeficientes sea igual al nmero de incgnitas del sistema.
5. Inversa de una matriz cuadrada
Dada una matriz A, cuadrada de orden n,
una matriz B, tambin cuadrada de orden n, es matriz inversa (o simplemente inversa) de la matriz A si AB = BA = In .
Cuando una matriz cuadrada admite inversa, se dice que es invertible. La inversa
de una matriz A, si existe, es nica, y se denota por A1 .
Propiedades de la inversa:

1
A1
= A;
1
= In ;
In
cualquier matriz elemental es invertible, y su inversa es otra matriz elemental; adems, las matrices elementales del mismo orden asociadas a transformaciones elementales inversas son matrices inversas una de la otra;
1
(AB)
= B 1 A1 .
Dada una matriz cuadrada, decimos que es regular (o no singular), si su rango

es mximo; y se dice que es singular si su rango no es mximo.
28
Propiedad fundamental: una condicin necesaria y suficiente para que una matriz
cuadrada de orden n sea invertible es que su rango sea igual a n. As, las matrices
invertibles son, justamente, las matrices regulares.
Dado un sistema de ecuaciones lineales con el mismo nmero de ecuaciones que
de incgnitas, si la matriz de coeficientes es regular, el sistema es compatible determinado cualesquiera que sean los trminos independientes. Si el sistema escrito en
notacin matricial es AX = C, entonces su nica solucin es la matriz columna A1 C.
Mtodo prctico: dada una matriz A invertible, podemos obtener la matriz A1
aplicando a la matriz In las mismas transformaciones elementales, y en el mismo
orden, que nos permiten obtener la matriz In a partir de la matriz
A.
Se escriben yuxtapuestas ambas matrices, de esta forma: A In , y se aplican

transformaciones elementales a ambas a la vez, hasta llegar a In A1 .
6. Traspuesta de una matriz y traza de una matriz
Dada una matriz A
de orden (n, m), su matriz traspuesta, que se denota por At , es otra matriz de orden (m, n) cuyo trmino de posicin (i, j) es igual al trmino de posicin (j, i) de la
matriz A (para cada 1 i m y cada 1 j n). Es decir: los trminos de las m filas
de At son los trminos de las m columnas de A, y los trminos de las n columnas
de At son los de las n filas de A.
Propiedades:
t
(At ) = A;
Int = In ;
(A + B)t = At + B t ;
t
(A) = At ;
t
(AB) = B t At ;
t 1
(A )
= (A1 ) ;
rango A = rango At .
El rango de un producto de dos matrices es igual al rango de una de ellas si la
otra es cuadrada de rango mximo.
Dada una matriz cuadrada A, la traza de A se define como la suma de los trminos de la diagonal principal de A. Se denota por tr(A).
Propiedades:
tr(In ) = n;
tr(A + B) = tr(A) + tr(B);
tr(A) = tr(A);
si los productos AB y BA estn definidos, entonces tr(AB) = tr(BA);
n
m

tr(AAt ) = tr(At A) =
a2ik .
i=1 k=1
29
Equipo Docente
Si una matriz A tiene rango igual al nmero de columnas, entonces la matriz

cuadrada At A es invertible.
7. Transformaciones elementales por columnas
Se denominan transforma-
ciones elementales por columnas de una matriz, de tipo i, ii y iii, respectivamente,

a estos tipos de transformaciones:
intercambiar dos columnas: Ci Cj ;
multiplicar una columna por un nmero no nulo:
Ci Ci (con 0);
sumar a una columna un mltiplo de otra:
Ci Ci + Cj .
Transformaciones elementales por columnas inversas y matrices elementales por
columnas se definen, mutatis mutandis, como en el caso de las transformaciones
elementales por filas.
Dada una matriz de m columnas, se obtiene el mismo resultado llevando a cabo
una transformacin elemental por columnas que multiplicando, por la derecha, por
la matriz elemental de orden m asociada a la transformacin elemental.
Si aplicamos una transformacin elemental por columnas a una matriz, la matriz
resultante tiene el mismo rango que la original.
Si dos sistemas de ecuaciones lineales son tales que la matriz ampliada de uno
es el resultado de ejecutar una transformacin elemental por columnas en la matriz
ampliada del otro, pero de forma que no se vea afectada la ltima columna (la de
los trminos independientes), entonces ambos sistemas son de la misma clase en lo
que a su discusin se refiere (ambos son incompatibles, o ambos son compatibles
determinados, o ambos son compatibles indeterminados).
Dada una matriz A de orden (n, m), y dados dos nmeros naturales p y q tales
que 0 p n 1 y 0 q m 1, al suprimir p filas de A y q columnas de A, queda
una nueva matriz, la cual es de orden (n p, m q); de esta nueva matriz decimos
que es una submatriz de la matriz A.
El rango de una matriz es mayor o igual que el rango de sus submatrices.
8. Ms tipos de matrices

Dada una matriz cuadrada A = aij , de orden n,
decimos que A es triangular superior si aij = 0 cuando i > j (para cada 1 i n y

cada 1 j n); es decir: todos los trminos que quedan estrictamente por debajo
de la diagonal principal son nulos. Y decimos que A es triangular inferior si aij = 0
cuando i < j (para cada 1 i n y cada 1 j n); esto es: todos los trminos que
quedan estrictamente por encima de la diagonal principal son nulos.
Propiedades:
30
si dos matrices cuadradas del mismo orden son triangulares superiores, tambin lo son su suma y su producto, as como el producto de cualquiera de ellas
por un nmero;
si una matriz invertible es triangular superior, su inversa tambin es triangular
superior.
Estas propiedades tambin son vlidas para matrices triangulares inferiores.
Una matriz cuadrada A es simtrica si At = A, y es antisimtrica si At = A.
(Una matriz antisimtrica tiene nulos, pues, los trminos de la diagonal principal.)
Propiedades:
si dos matrices cuadradas del mismo orden son simtricas, tambin lo son su
suma y el producto de cualquiera de ellas por un nmero, y tambin lo es el
producto de las dos si las matrices conmutan;
si una matriz simtrica es invertible, su inversa tambin es simtrica.
Estas propiedades tambin son vlidas para matrices antisimtricas.
Dada una matriz cuadrada A, existen dos nicas matrices S y T para las que se
verifica: A = S + T , siendo S simtrica y T antisimtrica. Las matrices S y T vienen
dadas por:
1
1
(A + At ) y T = (A At ),
2
2
y se denominan parte simtrica y parte antisimtrica de la matriz A, respectivaS=
mente.
Una matriz A, cuadrada de orden n, es ortogonal si verifica: AAt = At A = In , es
decir: A1 = At .
Propiedades:
si dos matrices cuadradas del mismo orden son ortogonales, tambin lo es su
producto (pero no necesariamente su suma o su producto por un nmero);
la inversa de una matriz ortogonal es invertible.
Una matriz cuadrada A es idempotente si AA = A (o bien: A2 = A), y es nilpotente si AA = O (o A2 = O).
Propiedades:
si dos matrices cuadradas del mismo orden son idempotentes y conmutan, tambin es idempotente su producto;
la nica matriz idempotente que es regular (o lo que es equivalente: invertible)
es la identidad;
la traspuesta de una matriz idempotente es tambin idempotente;
cualquier matriz nilpotente es singular (o lo que es lo mismo: no invertible).
Dada una matriz A de orden (n, m), una inversa por la izquierda de la matriz A
es una matriz B de orden (m, n) tal que BA = Im .
31
Equipo Docente
Propiedades:
una condicin necesaria y suficiente para que una matriz admita inversa por la
izquierda es que su rango sea igual al nmero de columnas;
si una matriz A tiene su rango igual al nmero de columnas, entonces la ma1
triz (At A)
At es una inversa por la izquierda de A;
si una matriz A admite inversa por la izquierda y es cuadrada, entonces su

inversa por la izquierda es nica y es precisamente la inversa A1 ;
si una matriz A admite una inversa por la izquierda B, entonces todas las inversas por la izquierda de A se pueden obtener dando valores a la matriz D (del
mismo orden que B) en la expresin B + D DAB.
Dada una matriz A de orden (n, m), una inversa por la derecha de la matriz A
es una matriz C de orden (m, n) tal que AC = In .
Propiedades:
afirmar que una matriz C es una inversa por la derecha de una matriz A es
lo mismo que afirmar que la matriz C t es una inversa por la izquierda de la
matriz At ;
una condicin necesaria y suficiente para que una matriz admita inversa por la
derecha es que su rango sea igual al nmero de filas.
Una matriz dada por bloques, o una matriz particionada, es una matriz en la que
se han distinguido ciertas submatrices trazando alguna o algunas rayas horizontales
o verticales (o de ambos tipos simultneamente), las cuales se extienden a lo largo de
filas o columnas enteras.
Podemos sumar dos matrices dadas por bloques en tanto tengan la misma estructura de bloques, y la suma se efecta como si los bloques fueran trminos individuales. El producto tambin se puede efectuar de esta manera si los bloques son matrices
del orden adecuado.
Dada la matriz por bloques:
A=
A11
A12
A21
A22
que suponemos cuadrada y con los bloques A11 y A22 a su vez matrices cuadradas,
se verifica: si la matriz A es invertible y tambin lo son los bloques A11 y A22 , y si a
1
su vez son invertibles D1 = A11 A12 A1
22 A21 y D2 = A22 A21 A11 A12 , entonces:
D11
1
A1
11 A12 D2
1
A1
22 A21 D1
D21
32
Caso particular:
A11
A12
A22
A1
11
1
A1
11 A12 A22
A1
22
Una matriz diagonal por bloques es una matriz cuadrada que se puede particionar as:
A11
.
..
O
A22
..
.
O
...
...
..
.
...
,
..
.
Ann
donde los bloques A11, A22, . . . , Ann son a su vez matrices cuadradas (no necesariamente del mismo orden), y cada bloque fuera de la diagonal principal es una matriz
nula.
Si en la matriz diagonal por bloques anterior son invertibles las matrices cuadradas A11 , A22, . . . , Ann , entonces la matriz es invertible, y su inversa toma esta forma:
A1
O
...
O
11
O
A1
...
O
22
.
.
.
.
.
.
.
.
.
.
.
.
.
O
O
. . . A1
nn
TEMA III: DETERMINANTES

En este tema se presenta el concepto de determinante
de una matriz cuadrada. Se calcula el determinante de una matriz cuadrada de orden 2 y de orden 3, y se generaliza al de orden n. Se estudian las propiedades ms
bsicas. Se ven aplicaciones del determinante: clculo del rango de una matriz mediante determinantes, clculo de la inversa de una matriz, resolucin de sistemas de
ecuaciones lineales de Cramer.
Determinante de orden 2. Determinante
de orden 3. Desarrollo de un determinante por los trminos de una fila o columna.

Determinante de orden n. Adjunto. Matriz adjunta. Sistema de Cramer.
Consideramos una matriz cua-
drada A. El determinante de la matriz A es un nmero que se define a partir de sus

trminos. Se denota por det(A), o tambin: |A|; si se escribe la matriz detallando sus
trminos, se suele designar su determinante sustituyendo los parntesis por barras
verticales.
33
Equipo Docente

El determinante de una matriz cuadrada A = aij de orden 2 se define de esta
forma:

a12

= a11 a22 a12 a21 .
a22

a
11
det(A) =
a21
Para generalizar la definicin a matrices cuadradas de cualquier orden, consideramos una matriz A, cuadrada de orden n, y fijamos 1 i n y 1 j n. Se
denota por Aij la submatriz de la matriz A que resulta al suprimir en la matriz A
la fila i-sima y la columna j-sima; la matriz Aij es cuadrada de orden n 1, y se
denomina matriz complementaria en la matriz A del trmino aij . Si A es la matriz
(donde estn sealadas la fila i-sima y la columna j-sima):
a12
a22
..
.
ai2
..
.
an2
a11
a21
.
..
A=
ai1
.
.
.
an1
...
...
..
.
...
..
.
...
a1j
a2j
..
.
aij
..
.
anj
...
...
..
.
...
..
.
...
a1n
a2n
..
.
,
ain
..
.
ann
entonces la matriz complementaria Aij es igual a:
Aij
a11
.
.
.
a
(i1)1
=
a(i+1)1
.
..
an1
...
..
.
...
...
..
.
...
a1(j1)
..
.
a1(j+1)
..
.
a(i1)(j1)
a(i+1)(j1)
..
.
an(j1)
a(i1)(j+1)
a(i+1)(j+1)
..
.
an(j+1)
...
..
.
...
...
..
.
...
a1n
..
.
a(i1)n
.
a(i+1)n
..
ann
Y se denomina adjunto, o cofactor, en la matriz A del trmino aij (que ocupa la

posicin (i, j)) al nmero ij = (1)i+j det(Aij ).

El determinante de una matriz cuadrada A = aij de orden 3 se define de esta
forma:

a11

det(A) = a21

a31
a12
a22
a32

a13

a23 = a11 11 + a12 12 + a13 13 .

a33
Es decir: cada trmino de la primera fila se multiplica por su adjunto, y se suman

estos productos.
34
Si desarrollamos el determinante de orden 3, se obtiene:

a11

det(A) = a21

a31
a12
a22
a32

a13

a23 = a11 a22 a33 a12 a21 a33 a13 a22 a31

a33
a11 a23 a32 + a12 a23 a31 + a13 a21 a32 .
Un mtodo prctico para calcular esta expresin (que no se generaliza para determinantes de orden mayor), denominado regla de SARRUS, es el siguiente: colocamos
encima del determinante su tercera fila, y debajo su primera fila:
a
13
a11

a12

a13
a11
a23
a21
a22
a23
a21
a33

a31

a32 ,

a33
a31
y escribimos y sumamos todos los productos posibles de tres trminos en diagonal,

anteponiendo el signo + a los orientados de la forma: , y el signo a los orientados
de la forma: . Es decir, se antepone el signo + a los productos:
a13 a21 a32 ,
a11 a22 a33
y a12 a23 a31 ,
y se antepone el signo a los productos:

a12 a21 a33 ,
a13 a22 a31
y a11 a23 a32 .

El determinante de una matriz cuadrada A = aij de orden n se define de esta
forma:

a11

a21

det(A) = .
.
.

an1
a12
a22
..
.
an2
...
...
..
.
...

a1n

a2n

= a11 11 + a12 12 + + a1n 1n.
..

.

ann
De nuevo: cada trmino de la primera fila se multiplica por su adjunto, y se suman

estos productos.
2. Propiedades de los determinantes
En el enunciado de estas propiedades,
las matrices involucradas son cuadradas del mismo orden:

el determinante de una matriz coincide con el de su traspuesta; en smbolos: det(A) = det(At );
35
Equipo Docente
el determinate de una matriz identidad es igual a 1: det(In ) = 1;

el determinante de una matriz diagonal, o el de una matriz triangular (tanto
superior como inferior), es igual al producto de los trminos de su diagonal
principal;
el valor del determinante de una matriz cambia de signo si se intercambian dos
filas o dos columnas;
si todos los trminos de una fila (o de una columna) de una matriz se multiplican por un mismo nmero, entonces el valor del determinante queda multiplicado por tal nmero;
el valor del determinante de una matriz no vara si a una fila (o a una columna)
de la matriz se le suma un mltiplo de otra fila (o columna);
el determinante de una matriz es nulo precisamente si una de sus filas (o columnas) es igual a la suma de mltiplos de las restantes filas (o columnas); en particular, el determinante es nulo si una fila (o una columna ) tiene todos sus
trminos nulos, o si dos filas (o dos columnas) son iguales;
el determinante de un producto de matrices es igual al producto de los determinantes: det(AB) = det(A) det(B);
el determinante puede calcularse de esta forma: se elige cualquier fila (o columna), y se multiplica cada uno de sus trminos por su adjunto: el determinante es
la suma de estos productos (es decir, no es necesario efectuar estas operaciones
a partir de los trminos de la primera fila como marca la definicin: se
puede a partir de los trminos de cualquier otra fila o a partir de los trminos
de una columna); en smbolos, si 1 i n:
det(A) = ai1 i1 + ai2 i2 + + ain in
(desarrollo del determnante por los trminos de la fila i-sima), y tambin,
si 1 j n:
det(A) = a1j 1j + a2j 2j + + anj nj
(desarrollo del determnante por los trminos de la columna j-sima);
el determinante de una matriz es no nulo precisamente si la matriz es regular
(es decir, de rango mximo), o lo que es lo mismo: el determinante de una
matriz es no nulo precisamente si la matriz es invertible; en smbolos: siendo A
cuadrada de orden n, se tiene: det(A) 0 rango A = n;
si la matriz A es invertible, entonces: det(A1 ) = 1/ det(A).
3. Aplicaciones de los determinantes
Clculo del rango de una matriz. El
rango de una matriz no nula, no necesariamente cuadrada, es el mayor de los rdenes

de sus submatrices cuadradas de determinante no nulo.
36
Ms en concreto: si A es una matriz de orden (n, m) que verifica:

A admite alguna submatriz cuadrada de orden r (1 r mn{n, m}) cuyo
determinante es no nulo,
toda submatriz cuadrada de A de orden r + 1 si existe tiene determinante
nulo,
entonces rango A = r .
Clculo de la inversa de una matriz cuadrada. La matriz adjunta de una matriz A,
cuadrada de orden n, es la matriz, tambin cuadrada de orden n, cuyo trmino de
posicin (i, j) (con 1 i n y 1 j n) es igual al adjunto en la matriz
A

del trmino aji (el de posicin (j, i)). Se denota por A . Es decir, si A = ij ,
j+i
entonces
det(Aji ).
ij = ji = (1)
Si A es una matriz cuadrada invertible (con lo que det(A) 0), se tiene:

A1 =
1
A .
det(A)
Sistemas de CRAMER. Un sistema de CRAMER es un sistema de ecuaciones lineales

con el mismo nmero de ecuaciones que de incgnitas y con la matriz de coeficientes
regular (es decir, de rango mximo, o lo que es equivalente, de determinante no nulo).
Un sistema de Cramer es compatible determinado, es decir, admite solucin nica.
Regla de CRAMER. Se considera un sistema de Cramer, con n ecuaciones y n incgnitas, con matriz de coeficientes A. Acontece que la solucin nica del sistema es
la n-upla (s1 , s2 , . . . , sn ) con si = det(Ai )/ det(A), donde Ai es la matriz que resulta
de sustituir, en la matriz de coeficientes A, la i-sima matriz columna por la matriz
columna de los trminos independientes del sistema (ello para cada 1 i n).
TEMA IV: ESPACIOS VECTORIALES

En este tema se introduce el concepto de espacio vec-
torial y se aprende a manejar vectores. Asimismo, se estudian los subespacios vectoriales, as como los sistemas de vectores, y se presentan conceptos como el de
dependencia lineal e independencia lineal; y tambin se aprende a calcular el rango
de unos vectores. Todo ello permite estudiar una formulacin adecuada del concepto
de magnitud lineal.
Espacio vectorial.
Subespacio vectorial.
Combinaciones lineales. Sistemas de vectores. Vectores linealmente dependientes.

Vectores linealmente independientes. Sistemas de generadores. Bases. Dimensin.
Rango de un sistema de vectores. Ecuaciones paramtricas y ecuaciones implcitas.
Columna bsica de una matriz. Codimensin.
37
Equipo Docente
1. El conjunto Rn : vectores
El conjunto Rn es el que tiene por elementos las
n-uplas de nmeros reales, es decir: (x1 , x2 , . . . , xn ) donde x1 , x2 , . . . , xn son nmeros reales. Si n = 2, los elementos de R2 son pares ordenados: (x1 , x2 ); si n = 3, los
elementos de R3 son ternas; si n = 4, los elementos de R4 son cuaternas.
Denotamos las n-uplas con letras en negrita, como x = (x1 , x2 , . . . , xn ). De
esta n-upla, sus componentes primera, segunda, . . . , n-sima son, respectivamente, x1 , x2 , . . . , xn .
Se define la suma de dos n-uplas (x1 , x2 , . . . , xn ) y (y1 , y2 , . . . , yn ) como
(x1 , x2 , . . . , xn ) + (y1 , y2 , . . . , yn ) = (x1 + y1 , x2 + y2 , . . . , xn + yn )
(suma componente a componente), y el producto de una n-upla (x1 , x2 , . . . , xn ) por
un nmero como
(x1 , x2 , . . . , xn ) = (x1 , x2 , . . . , xn ).
Propiedades de la adicin:
asociativa: (x + y) + z = x + (y + z);
la n-upla nula: (0, 0, . . . , 0) (con n ceros), denotada por 0, es el elemento neutro
de la adicin: x + 0 = 0 + x = x;
cada n-upla es simetrizable: para cada n-upla x = (x1 , x2 , . . . , xn ), su opuesta,
definida por x = (x1 , x2 , . . . , xn ) = (x1 , x2 , . . . , xn ), es tal que verifica: x + (x) = (x) + x = 0;
conmutativa: x + y = y + x.
La adicin articula el conjunto Rn como un grupo abeliano.
Propiedades de la multiplicacin por nmeros:
asociativa (en los nmeros): (x) = ()x;
distributiva respecto de la adicin de nmeros: ( + )x = x + x;
distributiva respecto de la adicin de n-uplas: (x + y) = x + y;
neutra para el nmero 1: 1x = x.
El hecho de que se verifiquen las ocho propiedades anteriores se sintetiza afirmando que el conjunto Rn , dotado de la adicin y de la multiplicacin por nmeros,
es un espacio vectorial sobre R. Cuando trabajemos con Rn , implcitamente consideraremos su estructura de espacio vectorial, y llamaremos vectores a sus elementos,
y escalares a los elementos de R.
Dos vectores son iguales precisamente si sus componentes correspondientes son
iguales. Es decir, la igualdad vectorial (x1 , x2 , . . . , xn ) = (y1 , y2 , . . . , yn ) es equivalente a las n igualdades escalares x1 = y1 , x2 = y2 , . . . , xn = yn .
38

Dada una matriz A = aij de orden (n, m), su j-simo vector columna es el
vector de Rn cuyas componentes son los trminos de la j-sima columna de A, es decir: (a1j , a2j , . . . , anj ); y su i-simo vector fila es el vector de Rm cuyas componentes
son los trminos de la i-sima fila de A, esto es: (ai1 , ai2 , . . . , aim ).
Para una matriz de orden (n, m), hay m vectores columna y n vectores fila.
Decimos que un vector u es igual a una combinacin lineal de k vectores dados v 1 , v 2 , . . . , v k si existen k escalares 1 , 2 , . . . , k tales que:
u = 1 v 1 + 2 v 2 + + k v k .
Nos referiremos a los nmeros 1 , 2 , . . . , k como los coeficientes de la combinacin
lineal.
Caso particular k = 1: u es combinacin lineal de v 1 precisamente si u es mltiplo
de v 1 .
Mtodo prctico: El vector u es igual a alguna combinacin lineal de los k vectores v 1 , v 2 , . . . , v k precisamente si admite solucin el sistema de ecuaciones lineales cuya matriz ampliada es la matriz que tiene por vectores columna los vectores v 1 , v 2 , . . . , v k y u (en este orden); adems, cada solucin de este sistema da
unos coeficientes para la combinacin lineal.
Propiedad: si un vector es combinacin lineal de unos vectores, y cada uno de
estos lo es a su vez de otros vectores dados, entonces el primer vector tambin es
combinacin lineal de estos ltimos.
2. Subespacios vectoriales
Dado un conjunto F , no vaco, de vectores, F sub-
conjunto de Rn : F Rn , decimos que F es un subespacio vectorial de Rn (o simplemente un subespacio de Rn ) si se satisfacen estas dos condiciones:
si x F y y F , entonces x + y F ;
si R y x F , entonces x F .
Propiedades y algunos tipos de subespacios vectoriales:
cualquier subespacio vectorial presenta, por s mismo, estructura de espacio
vectorial;
el vector nulo: 0, es un vector de cualquier subespacio vectorial de Rn ;
si calculamos una combinacin lineal de vectores de un subespacio vectorial
dado, el resultado es un vector que sigue perteneciendo al subespacio vectorial;
los conjuntos Rn y {0} son subespacios vectoriales de Rn ;
dados unos vectores, el conjunto formado por todos los vectores que son combinacin lineal de ellos es un subespacio vectorial;
dado un sistema de ecuaciones lineales homogneo de n incgnitas, el conjunto
de sus soluciones es un subespacio vectorial de Rn .
39
Equipo Docente
Se denomina subespacio vectorial (o simplemente subespacio) generado por

unos vectores v 1 , v 2 , . . . , v k de Rn al subespacio vectorial de Rn formado por todas

las combinaciones lineales de estos vectores. Se denota: L v 1 , v 2 , . . . , v k .
Si F es un subespacio vectorial de Rn y unos vectores v 1 , v 2 , . . . , v k de Rn verifi

can: L v 1 , v 2 , . . . , v k = F , decimos que los vectores v 1 , v 2 , . . . , v k son unos generadores del subespacio vectorial F (o que generan el subespacio vectorial F ).
Propiedades

si v es un vector (nulo o no) y es un nmero no nulo, entonces L v = L v ;
si v 1 y v 2 son dos vectores no nulos tales que uno es mltiplo del otro, enton

ces L v 1 , v 2 = L v 1 = L v 2 .
Decimos que un subespacio vectorial F de Rn es una recta de Rn si existe algn

vector no nulo v de Rn tal que F = L v . En este caso, decimos tambin que el
vector v es un vector director de la recta F .
Decimos que un subespacio vectorial G de Rn es un plano de Rn si existen dos
vectores no nulos v 1 y v 2 de Rn , ninguno de los dos mltiplo del otro, para los que se

tiene: G = L v 1 , v 2 . En tal caso, adems decimos que los vectores v 1 y v 2 son unos
vectores directores del plano G.
Generadores de Rn : una condicin necesaria y suficiente para que unos vectores
de Rn generen Rn es que la matriz que los tiene como vectores columna tenga rango
igual a n.
Consecuencia: para generar el espacio vectorial Rn , hacen falta al menos n vectores.
3. Independencia lineal
Dados unos vectores, decimos que son linealmente
dependientes si alguno de ellos se puede escribir como combinacin lineal de los

dems.
Definicin equivalente: los k vectores v 1 , v 2 , . . . , v k son linealmente dependientes precisamente si existen k escalares 1 , 2 , . . . , k , no todos nulos, tales que 1 v 1 +
2 v 2 + + k v k = 0.
Propiedades:
si entre unos vectores est el vector nulo, entonces tales vectores son linealmente dependientes;
un solo vector es linealmente dependiente precisamente si es nulo;
dos vectores tales que uno es mltiplo del otro son linealmente dependientes;
dados unos vectores linealmente dependientes, el que entre ellos sea igual a
una combinacin lineal de los dems es superfluo en el sentido siguiente: si
lo eliminamos, los que quedan generan el mismo subespacio vectorial que
generan todos juntos.
40
Dados unos vectores, decimos que son linealmente independientes si ninguno

de ellos se puede escribir como combinacin lineal de los dems.
Definicin equivalente: los vectores v 1 , v 2 , . . . , v k son linealmente independientes precisamente si de la igualdad 1 v 1 + 2 v 2 + + k v k = 0 se deduce necesariamente que 1 = 2 = . . . = k = 0.
Propiedades:
si entre unos vectores dados est el vector nulo, entonces tales vectores no son
linealmente independientes;
un solo vector es linealmente independiente precisamente si es no nulo;
dos vectores tales que ninguno es mltiplo del otro son linealmente independientes;
dados unos vectores linealmente independientes, cada uno de ellos es imprescindible en el sentido siguiente: si lo eliminamos, los restantes no generan el
mismo subespacio que generan todos juntos;
dados unos vectores v 1 , v 2 , . . . , v k linealmente independientes, cualquier vec

tor del subespacio L v 1 , v 2 , . . . , v k se puede escribir de una nica manera
como combinacin lineal de los vectores v 1 , v 2 , . . . , v k .
Mtodo prctico: Dados unos vectores, se forma la matriz que los tiene como
vectores columna. Si la matriz tiene rango menor que el nmero de vectores, entonces los vectores son linealmente dependientes; si tiene rango igual al nmero de
vectores, entonces los vectores son linealmente independientes.
Un sistema de vectores es una lista, o coleccin, finita ordenada de vectores
de un mismo espacio vectorial. Unos vectores v 1 , v 2 , . . . , v k de Rn forman (en este

orden) un sistema de vectores de Rn , que se escribe as: v 1 , v 2 , . . . , v k .
A veces denotaremos los sistemas de vectores con letras maysculas en negrita: S,
B, etc.
Decimos que un sistema de vectores es un sistema ligado si los vectores que
lo forman son linealmente dependientes, y decimos que es un sistema libre si tales
vectores son linealmente independientes.
Propiedades:
un sistema de vectores en el que figure el vector nulo es ligado;

un sistema formado por un solo vector: v , es ligado si v = 0, pero es libre
si v 0;
si a un sistema de vectores que es libre le adjuntamos un vector que no es igual
a una combinacin lineal de los vectores del sistema, entonces el sistema nuevo
tambin es un sistema libre;
si en un sistema de vectores intercambiamos dos vectores, o multiplicamos un
vector por un nmero no nulo, o sumamos a un vector un mltiplo de otro,
41
Equipo Docente
obtenemos otro sistema del mismo tipo que el de partida: si el primero es

ligado, el segundo tambin; si el primero es libre, el segundo tambin.

Diremos de un sistema de vectores v 1 , v 2 , . . . , v k que es un sistema de generadores de un subespacio vectorial F de Rn si los vectores v 1 , v 2 , . . . , v k son unos

generadores de F , es decir, si L v 1 , v 2 , . . . , v k = F .
Propiedad: si en un sistema de generadores de un subespacio vectorial intercambiamos dos vectores, o multiplicamos un vector por un nmero no nulo, o sumamos
a un vector un mltiplo de otro, obtenemos un sistema de vectores que sigue siendo
un sistema de generadores del mismo subespacio vectorial.

Un sistema de vectores B = v 1 , v 2 , . . . , v k de un subespacio vectorial F es
una base del subespacio vectorial F si se verifica: B es un sistema de generadores

de F (es decir: L v 1 , v 2 , . . . , v k = F), y B es libre (o lo que es lo mismo: los vectores v 1 , v 2 , . . . , v k son linealmente independientes).
Propiedades:
una condicin necesaria y suficiente para que un sistema de vectores de Rn sea
una base de Rn es que est formado por n vectores tales que el rango de la
matriz que los tiene como vectores columna sea igual a n;
el nmero de vectores que figura en una base de un subespacio vectorial es el
mximo mmero de vectores linealmente independientes que hay en el subespacio vectorial;
dado un subespacio vectorial, todas las bases que tenga presentan el mismo
nmero de vectores;
el subespacio vectorial {0} no admite base;
cualquier subespacio vectorial de Rn distinto del subespacio vectorial {0} admite alguna base.

Dada una base B = v 1 , v 2 , . . . , v k de un subespacio vectorial F de Rn , si v es
un vector de F , entonces existen unos nicos nmeros 1 , 2 , . . . , k que cumplen la
igualdad v = 1 v 1 + 2 v 2 + + k v k . Decimos que estos nmeros 1 , 2 , . . . , k
(en este orden) son las coordenadas del vector v en la base B.
La base cannica de Rn , que se denota por BC , es el sistema de vectores formado
por los vectores columna de la matriz identidad In :

BC = (1, 0, . . . , 0), (0, 1, . . . , 0), . . . , (0, 0, . . . , 1) .
Se trata de una base de Rn . Las coordenadas de un vector en la base cannica son
precisamente sus componentes.
Si F es un subespacio vectorial de Rn distinto del subespacio vectorial {0}, entonces admite base: se denomina dimensin del subespacio vectorial F a la cantidad
de vectores de cualquiera de sus bases, y se designa por dim F .
42
Decimos que el subespacio vectorial {0} es de dimensin nula, o de dimensin

igual a 0, y se escribe: dim{0} = 0.
Propiedades (consideramos un subespacio vectorial F de Rn ):
las rectas son los subespacios vectoriales de dimensin igual 1, y los planos son
los subespacios vectoriales de dimensin igual a 2;
la dimensin de un subespacio vectorial coincide con el nmero mximo de
vectores linealmente independientes del subespacio (si dim F = p 1, hay
algn sistema libre de vectores de F formado por p vectores, pero un sistema
de vectores de F que tenga ms de p vectores es ligado);
un sistema libre con tantos vectores como marque la dimensin es una base
(si dim F = p 1 y tenemos p vectores v 1 , v 2 , . . . , v p de F que son linealmente

independientes, entonces el sistema v 1 , v 2 , . . . , v p es una base de F );
tambin, un sistema de generadores con tantos vectores como marque la dimensin resulta ser una base (si dim F = p 1 y v 1 , v 2 , . . . , v p son p vectores

que generan F , entonces el sistema v 1 , v 2 , . . . , v p es una base de F );
dim Rn = n;
la dimensin de cualquier subespacio vectorial de Rn es menor o igual que la
de Rn , y se da la igualdad solamente para el mismo Rn .
El rango de unos vectores v 1 , v 2 , . . . , v k , o el rango de un sistema de vecto

res v 1 , v 2 , . . . , v k , es el nmero mximo de vectores linealmente independientes

entre ellos. Se denota por rango v 1 , v 2 , . . . , v k .
Propiedades:
el rango de unos vectores es igual a la dimensin del subespacio vectorial que

los vectores generan: rango v 1 , v 2 , . . . , v k = dim L v 1 , v 2 , . . . , v k ;
el rango de un sistema de vectores no vara si ejecutamos en el sistema alguna
de estas manipulaciones: intercambiar dos vectores, multiplicar un vector por
un nmero no nulo, y sumar a un vector un mltiplo de otro.
Mtodo prctico: El rango de unos vectores es igual al rango de la matriz que los
tiene como vectores columna, y tambin es igual al rango de la matriz que los tiene
como vectores fila.
Recopilacin de los mtodos prcticos: dados unos vectores de Rn , calculamos su
rango (como el rango de la matriz que los tiene como vectores columna, o el de la
matriz que los tiene como vectores fila). Se cumple:
si el rango resulta menor que la cantidad de vectores, entonces los vectores son
linealmente dependientes;
si el rango es igual que la cantidad de vectores, entonces los vectores son linealmente independientes;
43
Equipo Docente
si el rango es menor que el nmero de componentes de los vectores (es decir,

menor que n), entonces los vectores no son generadores de Rn ;
si el rango es igual al nmero de componentes de los vectores (es decir, igual
a n), entonces los vectores son generadores de Rn ;
si el rango es igual, a la vez, a la cantidad de vectores y al nmero de componentes de estos, entonces los vectores forman una base de Rn .
Dada una matriz, llamamos columna bsica a cualquier columna tal que la columna correspondiente de alguna de sus formas escalonadas presenta un pivote.
Dados unos vectores, escribimos la matriz cuyos vectores columna son los vectores dados: entre estos vectores, aquellos que se corresponden con las columnas
bsicas de la matriz descrita forman una base del subespacio vectorial generado por
todos los vectores juntos.
Este clculo no se puede llevar a cabo en la matriz cuyos vectores fila son los
vectores dados: solo con la que los tiene como vectores columna.
4. Ecuaciones de un subespacio vectorial

Consideramos un sistema de ge-
neradores v 1 , v 2 , . . . , v k de un subespacio vectorial F de Rn . Escribimos el sistema

de ecuaciones lineales, en las incgnitas 1 , 2 , . . . , k , cuya matriz de coeficientes
tiene por vectores columna los vectores v 1 , v 2 , . . . , v k y cuya matriz de trminos independientes tiene por vector columna un vector genrico (x1 , x2 , . . . , xn ). Decimos
que este sistema es un sistema de ecuaciones paramtricas del subespacio vectorial F (tambin decimos que sus ecuaciones son unas ecuaciones paramtricas del
subespacio vectorial F ). Si v i = (vi1 , vi2 , . . . , vin ) (para cada 1 i k), el sistema de
ecuaciones paramtricas toma la forma:
x1 = v11 1 + v21 2 + + vk1 k ,
x2 = v12 1 + v22 2 + + vk2 k ,
.......................................
xn = v1n 1 + v2n 2 + + vkn k .

Las incgnitas de un sistema de ecuaciones paramtricas tambin reciben el nombre
de parmetros.
Dado un sistema de ecuaciones paramtricas de un subespacio vectorial de Rn
que est escrito a partir de k generadores del subespacio, los vectores del subespacio
vectorial son aquellos cuyas componentes x1 , x2 , . . . , xn se obtienen dando valores
a los parmetros 1 , 2 , . . . , k en las ecuaciones del sistema.
Propiedades:
la dimensin de un subespacio vectorial es igual al rango de la matriz de coeficientes de cualquier sistema de ecuaciones paramtricas que lo represente;
44
afirmar que dos sistemas de ecuaciones paramtricas representan un mismo

subespacio vectorial es equivalente a afirmar que las matrices de coeficientes
de ambos sistemas cumplen esta propiedad: tras aadir columnas nulas a la
que menos columnas tenga de forma que ambas queden del mismo orden, una
de las matrices se puede obtener de la otra mediante la aplicacin de transformaciones elementales por columnas sucesivas;
cuando se escribe un sistema de ecuaciones paramtricas de un subespacio
vectorial, se minimiza la cantidad de parmetros si el sistema de generadores
a partir del cual se escribe el sistema de ecuaciones es una base del subespacio vectorial (adems, en este caso, tal cantidad de parmetros coincide con la
dimensin del subespacio).
Si un subespacio vectorial F de Rn es tal que coincide con el conjunto de soluciones de un sistema de ecuaciones lineales homogneo (de n incgnitas), decimos
que el sistema homogneo es un sistema de ecuaciones implcitas del subespacio
vectorial F (o simplemente que las ecuaciones del sistema homogneo son unas ecuaciones implcitas del subespacio vectorial F ).
Teorema fundamental del lgebra Lineal: El conjunto de soluciones de un sistema de ecuaciones lineales homogneo con n incgnitas, con matriz de coeficientes A, es un subespacio vectorial de Rn de dimensin igual a n rango A.
Propiedades:
afirmar que dos sistemas de ecuaciones implcitas representan un mismo subespacio vectorial es equivalente a afirmar que las matrices de coeficientes de ambos sistemas cumplen esta propiedad: tras aadir filas nulas a la que menos
filas tenga de forma que ambas resulten del mismo orden, una de las matrices
se puede obtener de la otra mediante la aplicacin de transformaciones elementales por filas sucesivas;
para representar un subespacio vectorial de Rn con dimensin igual a d, donde d < n, el nmero mnimo de ecuaciones implcitas es n d.
Dado un sistema de ecuaciones implcitas de un subespacio vectorial de Rn con
dimensin igual a d (tal que d < n) en el que figuren ms de n d ecuaciones, es
posible descartar ecuaciones implcitas, de entre las dadas, de forma que queden al
final n d ecuaciones que sigan siendo ecuaciones implcitas del mismo subespacio vectorial. Para ello, podemos proceder as: escribimos la traspuesta de la matriz
de coeficientes del sistema dado y calculamos sus columnas bsicas; si en la citada
matriz de coeficientes del sistema nos quedamos solo con aquellas filas que se corresponden con estas columnas bsicas, el sistema de ecuaciones lineales homogneo
cuya matriz de coeficientes es esta nueva matriz verifica lo que queremos.
Paso de ecuaciones implcitas a paramtricas: Se resuelve el sistema de ecua-
45
Equipo Docente
ciones implcitas: al escribir todas sus soluciones segn el mtodo visto en el tema I,
ya quedan escritas unas ecuaciones paramtricas (adems, a partir de estas ltimas
en los vectores columna de su matriz de coeficientes, se leen unos vectores generadores).
Paso de ecuaciones paramtricas a implcitas: Se discute el sistema de ecuaciones
paramtricas segn los valores de x1 , x2 , . . . , xn : las ecuaciones implcitas son las
condiciones que deben cumplir x1 , x2 , . . . , xn para que el sistema sea compatible,
bien determinado, bien indeterminado (tras escalonar la matriz ampliada del sistema
de ecuaciones paramtricas, las ecuaciones implcitas se obtienen al igualar a 0 las expresiones lineales en x1 , x2 , . . . , xn que quedan, en la ltima columna, acompaando
a las filas nulas de la matriz de coeficientes). Este procedimiento se denomina eliminacin de parmetros.
De la misma forma es posible escribir unas ecuaciones implcitas a partir de unos
generadores.
Se denomina codimensin de un subespacio vectorial F de Rn , la cual se denota: codim F , a la diferencia entre la dimensin de Rn y la de F :
codim F = dim Rn dim F = n dim F .
Propiedades:
la codimensin de un subespacio vectorial es igual al rango de la matriz de
coeficientes de cualquier sistema de ecuaciones implcitas que lo determine;
la codimensin de un subespacio vectorial establece el nmero mnimo de ecuaciones implcitas necesarias para definirlo.
Decimos que un subespacio vectorial H de Rn es un hiperplano vectorial de Rn
si codim H = 1.
Equivalentemente: un hiperplano vectorial de Rn es un subespacio vectorial de Rn
que coincide con el conjunto de soluciones de una ecuacin lineal de la forma:
a1 x1 + a2 x2 + + an xn = 0,
con a1 , a2 , . . . , an no simultneamente nulos.
Los hiperplanos de R3 son precisamente los planos de R3 , y los hiperplanos de R2

son justamente las rectas de R2 .
TEMA V: APLICACIONES LINEALES

En este tema se estudian las aplicaciones entre es-
pacios vectoriales que conservan la linealidad, lo que permite formular relaciones

entre magnitudes lineales.
46
Aplicacin lineal. Matriz asociada a una
aplicacin lineal en unas bases. Ncleo de una aplicacin lineal. Imagen de una
aplicacin lineal. Rango de una aplicacin lineal. Aplicaciones lineales inyectivas.
Aplicaciones lineales suprayectivas. Isomorfismos. Forma lineal.
1. Definicin y propiedades
Consideramos los espacios vectoriales E = Rm
y F = Rn (ambos, por supuesto, sobre R). Una aplicacin lineal de E en F es una

aplicacin f de E en F que verifica estas dos condiciones:
para cada v E y cada w E, se tiene: f (v + w) = f (v) + f (w);
para cada v E y cada R, se tiene: f (v) = f (v).
Una aplicacin lineal f de Rm en Rn tiene esta forma:

f (x1 , x2 , . . . , xm ) = a11 x1 + a12 x2 + + a1m xm ,
a21 x1 + a22 x2 + + a2m xm , . . . ,

an 1 x1 + an 2 x2 + + an m xm
para algunos nmeros aij con 1 i n y 1 j m. De forma equivalente:
a11
a21
f (x1 , x2 , . . . , xm ) = (y1 , y2 , . . . , yn ) .
..
an1
a12
a22
..
.
an2
...
...
..
.
...

a1m
y1
x1

x2 y2
a2m

. = . .
..
. .
.
. .
anm
xm
yn

La matriz A = aij es una matriz de orden (n, m), que se denomina matriz asociada
a la aplicacin lineal f en las bases cannicas.
Propiedades de las aplicaciones lineales (aqu f designa una aplicacin lineal
de E = Rm en F = Rn ):
conservan las combinaciones lineales:
f (1 v 1 + 2 v 2 + + p v p ) = 1 f (v 1 ) + 2 f (v 2 ) + + p f (v p );
transforman el vector nulo de un espacio en el vector nulo del otro: f (0E ) = 0F ;
la imagen del opuesto es el opuesto de la imagen: f (v) = f (v);

si v 1 , v 2 , . . . , v p es un sistema ligado, el sistema f (v 1 ), f (v 2 ), . . . , f (v p )
tambin es ligado;

si f (v 1 ), f (v 2 ), . . . , f (v p ) es un sistema libre, el sistema v 1 , v 2 , . . . , v p tambin es libre;

rango v 1 , v 2 , . . . , v p rango f (v 1 ), f (v 2 ), . . . , f (v p ) ;
47
Equipo Docente
una aplicacin lineal est totalmente determinada si se conoce la imagen de

cada uno de los vectores de una base: si B = v 1 , v 2 , . . . , v m es una base
de E = Rm , es suficiente conocer f (v 1 ), f (v 2 ), . . . , f (v m ) para tener determinada f , pues si v es un vector cualquiera de E, pongamos que con coordenadas 1 , 2 , . . . , m en la base B: v = 1 v 1 + 2 v 2 + + m v m , entonces:
f (v) = f (1 v 1 + 2 v 2 + + m v m ) = 1 f (v 1 ) + 2 f (v 2 ) + + m f (v m ),
lo que reduce el clculo de f (v) a conocer f (v 1 ), f (v 2 ), . . . , f (v m );
si E1 es un subespacio vectorial de E, su imagen por f es un subespacio vecto

rial de F , donde esta imagen es el conjunto f [E1 ] = f (v) v E1 ; adems,
si v 1 , v 2 , . . . , v k son generadores de E1 , entonces f (v 1 ), f (v 2 ), . . . , f (v k ) son
generadores de f [E1 ];
si F1 es un subespacio vectorial de F , su imagen inversa por f es un subespacio vectorial de E, donde esta imagen inversa est definida como el con

junto f 1 [F1 ] = v E f (v) F1 .

En particular, el conjunto Im f = f [E] = f (v) v E (tomando, en la penltima propiedad, E1 = E) es un subespacio vectorial de F ; se denomina imagen de la

aplicacin lineal f . Tambin, el conjunto Ker f = f 1 [{0F }] = v E f (v) = 0F
(tomando, en la ltima propiedad, F1 = {0F }) es subespacio vectorial de E; se denomima ncleo de la aplicacin lineal f de E en F .
2. Matriz asociada a una aplicacin lineal
Consideramos una aplicacin li

neal f de E = Rm en F = Rn , y unas bases de estos espacios: V = v 1 , v 2 , . . . , v m

asociada a f , o represende Rm y W = w 1 , w 2 , . . . , w n de Rn . Se denomina

matriz
tante de f , en las bases V y W a la matriz A = aij
de orden (n, m) que verifica:
sus trminos de la j-sima columna son las n coordenadas de f (v j ) en la base W ,

esto es: f (v j ) = a1j w 1 + a2j w 2 + + anj w
n , y ello para cada 1 j m.
Con las notaciones anteriores, si A =
aij
es la matriz asociada a f en las
bases V y W , escribir f (v) = w, siendo v el vector de coordenadas 1 , 2 , . . . , m

en la base V , y w el vector de coordenadas 1 , 2 , . . . , n en la base W , es decir:
v = 1 v 1 + 2 v 2 + + m v m
w = 1 w 1 + 2 w 2 + + n w n ,
es equivalente a escribir:
a11
a21
.
..
an1
a12
a22
..
.
an2
...
...
..
.
...

a1m
1
1

2 2
a2m

. = . .
..
.. ..
.

anm
m
n
48
En el caso particular en que W es justamente la base cannica BC de Rn , se tiene

que f (v j ) = aj , es decir, el j-simo vector columna de A es precisamente f (v j ) (y
ello para 1 j m).
Propiedad: si m = n (es decir: Rm = Rn ), si V y W son iguales (mismos vectores en
el mismo orden), y si A = In , entonces f es la identidad de Rn , esto es, la aplicacin
definida de la forma f (v) = v para cada v Rn .

Se denomina aplicacin lineal cannicamente asociada a una matriz A = aij
de orden (n, m) a la nica aplicacin lineal A de Rm en Rn cuya matriz asociada en

las bases cannicas es A.
3. Rango de una aplicacin lineal
Dada una aplicacin lineal f de E = Rm
en F = Rn , el conjunto Im f ya lo sabemos es un subespacio vectorial de F . Se

denomina rango de la aplicacin lineal f a la dimensin de este subespacio. Se
denota por rango f ; es decir: rango f = dim(Im f ).
Propiedades:
el rango de f es igual al rango del sistema de vectores formado por las imgenes
de los vectores de cualquier sistema de generadores de E; en smbolos: si v 1 ,

v 2 , . . . , v k son generadores de E: rango f = rango f (v 1 ), f (v 2 ), . . . , f (v k ) ;
rango f mn{dim E, dim F }.
Caracterizaciones de una aplicacin lineal inyectiva. Una aplicacin (no necesariamente lineal) es inyectiva si no hay dos elementos distintos del conjunto de
partida con la misma imagen (en smbolos: si a b, entonces f (a) f (b), o bien:
si f (a) = f (b), entonces a = b).
Con una aplicacin lineal f de E = Rm en F = Rn , son equivalentes las siguientes
afirmaciones:
f es inyectiva;
si v 1 , v 2 , . . . , v p son p vectores linealmente independientes de E, entonces sus
imgenes: f (v 1 ), f (v 2 ), . . . , f (v p ) son p vectores linealmente independientes
de F ;
el rango de f es igual a la dimensin del espacio vectorial de partida, esto
es: rango f = dim E = dim Rm = m;
Ker f = {0E }, o lo que es lo mismo: dim Ker f = 0.
Consecuencia importante: el rango de un sistema de vectores se conserva por una
aplicacin lineal inyectiva; es decir, para f inyectiva, se verifica:

rango v 1 , v 2 , . . . , v p = rango f (v 1 ), f (v 2 ), . . . , f (v p ) .
Caracterizacin de una aplicacin lineal suprayectiva. Una aplicacin (no necesariamente lineal) es suprayectiva si todo elemento del conjunto de llegada es imagen
49
Equipo Docente
de alguno del conjunto de partida (en smbolos: para cada z del conjunto de llegada,
existe algn a en el conjunto de partida tal que f (a) = z).
Con una aplicacin lineal f de E = Rm en F = Rn , son equivalentes estos enunciados:
f es suprayectiva;
Im f = F = Rn ;
el rango de f es igual a la dimensin del espacio vectorial de llegada, esto
es: rango f = dim F = dim Rn = n.
Caracterizacin de una aplicacin lineal biyectiva. Una aplicacin (no necesariamente lineal) es biectiva si es inyectiva y suprayectiva a la vez.
Una aplicacin lineal que se biyectiva se denomina isomorfismo.
Propiedades (aqu f es una aplicacin lineal de E = Rm en F = Rn ):
si f es un isomorfismo, entonces E y F tienen la misma dimensin (es decir: m = n);

dada una base v 1 , v 2 , . . . , v m de E, la aplicacin lineal f es un isomorfismo

precisamente si el sistema f (v 1 ), f (v 2 ), . . . , f (v m ) es una base de F ;
la aplicacin lineal f es un isomorfismo precisamente si su rango es igual tanto
a la dimensin del conjunto de partida como a la dimensin del conjunto de
llegada: rango f = dim E = m = n = dim F .
Teorema de las dimensiones: dada una aplicacin lineal f de E = Rm en F = Rn ,
se tiene: dim(Ker f ) + dim(Im f ) = dim E.
Propiedad: si E y F son de la misma dimensin (esto es m = n), entonces:
f es inyectiva f es suprayectiva f es biyectiva.
4. Formas lineales
Una forma lineal sobre Rn es una aplicacin lineal de Rn
en R (es decir, tomando como conjunto de llegada el espacio vectorial R).

Una forma lineal f sobre Rn tiene esta forma:
f (x1 , x2 , . . . , xn ) = a1 x1 + a2 x2 + + an xn ,
para algunos nmeros a1 , a2 , . . . , an .
Si f es una forma lineal no nula (es decir: f (v) 0 para algn vector v de Rn ),
entonces el ncleo de f es un hiperplano vectorial de Rn . Recprocamente, si H es
un hiperplano de Rn , entonces existe alguna forma lineal f sobre Rn , no nula, de la
cual el mismo H es su ncleo: Ker f = H.
50
TEMA VI: OTROS TEMAS DE LGEBRA LINEAL

En este tema se estudian los autovalores y autovec-
tores de una matriz, as como las matrices diagonalizables. Tambin se introducen

las formas cuadrticas y su clasificacin.
Autovalor. Autovector. Matriz diagona-
lizable. Forma cuadrtica. Forma cuadrtica definida positiva, definida negativa,

semidefinida positiva, semidefinida negativa, indefinida.
Este tema no ser objeto de evaluacin este curso 2015/2016.
TEMA VII: MATRICES POSITIVAS

En este tema se presentan las matrices positivas y se
enmarcan en el estudio de estructuras lineales de produccin.
Matriz positiva. Matriz estrictamente posi-
tiva. Estructura productiva lineal. Coeficiente tcnico. Matriz productiva. Conjunto

autnomo. Producto fundamental. Matriz indescomponible. Estructura productiva
de subsistencia.
1. Matrices positivas
Una matriz positiva es una matriz en la que todos sus
trminos son nmeros mayores o iguales que 0. Si una matriz A es positiva, se

escribe: A O, o bien: O A. Dadas dos matrices A y B, escribir A B significa
escribir B A O.
Propiedades:
la suma de dos matrices positivas es una matriz positiva;
el producto de dos matrices positivas es una matriz positiva.
Una matriz estrictamente positiva es una matriz cuyos trminos son nmeros
positivos. Si una matriz A es estrictamente positiva se escribe: A > O, o bien: O < A.
Dadas dos matrices A y B, escribir A < B significa: B A > O.
Propiedades:
una matriz puede ser positiva y no nula, y sin embargo no ser estrictamente
positiva (a diferencia de los nmeros, para los cuales escribir que a 0 y a 0
implica que a > 0);
51
Equipo Docente
dado > 0, y dadas tres matrices A, B y C:

(A < B) (A + C < B + C),
(A < B) (A < B),
(A B y B < C) (A < C),
(A < B y B C) (A < C);
el producto de dos matrices estrictamente positivas es una matriz estrictamente positiva;
el producto de dos matrices, una estrictamente positiva y la otra positiva e
invertible, es una matriz estrictamente positiva.
Consideramos una estructura productiva, con n bienes y n industrias, donde
cada bien es producido por una sola industria, y cada industria produce un solo bien.
En este contexto, se define un coeficiente tcnico como la cantidad
aij 0 del
bien i necesaria para producir una unidad del bien j. La matriz A = aij se denomina matriz de coeficientes tcnicos, y es cuadrada de orden n y positiva.

Tambin
se define la matriz de produccin: es la matriz columna positiva X = xi , de orden (n, 1), donde cada xi 0 es la cantidad del bien i producida. Por otra parte, el
consumo intermedio del bien i es la suma:
ai1 x1 + ai2 x2 + + ain xn =
n

aij xj .
j=1
Y, finalmente,
se define la matriz de demanda final: es la matriz columna positiva Y = yi , de orden (n, 1), donde cada yi 0 es la demanda final del bien i.
Con estas notaciones, se verifica: AX + Y = X; es decir, las cantidades producidas
en la estructura productiva se utilizan de dos formas diferentes: consumo intermedio
y demanda final.
2. Matrices productivas
Decimos que una matriz A, cuadrada y positiva, es
productiva si existe una matriz columna X, estrictamente positiva, para la cual se

verifica que X AX > O.
Condicin necesaria y suficiente: A es productiva precisamente si (I A) es invertible y (I A)1 es positiva.
Propiedad: la traspuesta de una matriz productiva es tambin una matriz productiva.
Interpretacin: si la matriz de coeficientes tcnicos de una estructura productiva
es una matriz productiva, entonces puede ser atendida cualquier demanda final.
52
3. Conjuntos autnomos
Consideramos una matriz A cuadrada de orden n y
positiva, y el conjunto S = {1, 2, . . . , n}. Un conjunto T S es un conjunto autnomo

para la matriz A si se cumple una de estas dos condiciones: o bien T = S, o bien T S
y aij = 0 para cada i S T y cada j T .
Propiedad: la unin de conjuntos autnomos, y la interseccin si no es vaca, es
un conjunto autnomo.
Cuando una matriz A, cuadrada de orden n y positiva, es la matriz de coeficientes
tcnicos de una estructura productiva, afirmar que T es autnomo para A significa
que no se necesitan los bienes de S T para producir los bienes de T .
En este contexto, dado un bien j S, se denota por M(j) el conjunto formado
por el bien j y aquellos bienes que son directa o indirectamente necesarios para la
produccin del bien j.
Para el clculo efectivo del conjunto M(j), se escribe el bien j, y se enlaza con
los bienes que son directamente necesarios para producirlo, y estos con los que son
directamente necesarios para producirlos, y as sucesivamente.
Propiedades: cada conjunto M(j) es autnomo, y es el menor conjunto autnomo
al que el bien j pertenece.
Un producto fundamental es un bien que es utilizado, directa o indirectamente,
en la produccin de cada uno de los bienes.
Condicin necesaria y suficiente: un bien es producto fundamental precisamente
si pertenece a todos los conjuntos autnomos.
Propiedad: el conjunto de los productos fundamentales, si no es vaco, es autnomo y est contenido en cualquier conjunto autnomo.
4. Matrices indescomponibles
Decimos que una matriz, cuadrada de orden n
y positiva, es una matriz indescomponible (o irreducible) si el nico conjunto autnomo que admite es S = {1, 2, . . . , n}.
Propiedades:
la traspuesta de una matriz indescomponible es indescomponible;
dados una matriz B indescomponible y un nmero > 0, si P es una matriz
columna positiva no nula tal que P = BP, entonces P es de hecho estrictamente positiva: P > O;
dados una matriz B indescomponible y un nmero > 0, si P y P son dos
matrices columna estrictamente positivas tales que P = BP y P = BP , entonces las matrices P y P son una mltiplo de la otra: P = P para algn
nmero > 0.
53
Equipo Docente
Decimos que la estructura pro-
ductiva representada por una matriz A de coeficientes tcnicos es de subsistencia si

existe una matriz columna X, positiva y no nula, tal que AX = X.
En una estructura productiva de subsistencia, el total de la produccin se dedica
exclusivamente al consumo intermedio.
Propiedades (aqu A es la matriz de coeficientes tcnicos de una estructura productiva de subsistencia):
la matriz A no es productiva;
si A es indescomponible, la matriz columna X cuya existencia est asegurada
en la definicin es estrictamente positiva;
existe una matriz columna P, estrictamente positiva, tal que P = At P (teorema
de DEBREUHERSTEIN); los trminos de esta matriz P se pueden interpretar como
los precios unitarios de los bienes, y la matriz P est determinada salvo producto por un nmero positivo (si se fija el precio de uno de los bienes bien
numerario, los dems estn unvocamente determinados por este).
54
III
ORIENTACIONES PARA LA
REALIZACIN DEL PLAN DE
ACTIVIDADES
56
ESQUEMA RESUMEN
1. Orientaciones sobre las actividades
57
1. Sobre las pruebas de autoevaluacin . . . . 57
2. Sobre la Prueba de Evaluacin Continua . . 57

3. Sobre las Pruebas Presenciales . . . . . . 57
4. Sobre la evaluacin . . . . . . . . . . . . 57
57
Equipo Docente
ORIENTACIONES SOBRE LAS ACTIVIDADES

1. Sobre las pruebas de autoevaluacin
El alumno dispondr de ellas en el
Curso Virtual, y podr realizarlas en cualquier momento a lo largo del desarrollo del
curso, segn su propio ritmo de estudio. Se trata de cuestiones de tipo test, muy
parecidas a las de los exmenes.
Son pruebas voluntarias, y no tendrn influencia en la nota final, pero son altamente recomendables porque permiten a los estudiantes averiguar su grado de
comprensin de cada tema.
2. Sobre la Prueba de Evaluacin Continua
Se realizar una a lo largo del
curso, en los primeros das lectivos de enero. Esta prueba consistir en una lista de
diez cuestiones de tipo test, en un formato muy similar al del examen. Ser corregida
de forma automtica por el sistema. Las instrucciones pertinentes sern colgadas
oportunamente en el Curso Virtual.
La Prueba de Evaluacin Continua no es obligatoria, pero su realizacin s tendr
influencia en la calificacin final, en la forma que especificamos ms adelante.
3. Sobre las Pruebas Presenciales
Se trata del examen propiamente dicho, que
se celebrar al final del cuatrimestre (o en septiembre, en convocatoria extraordinaria). Es de realizacin obligatoria. Constar de diez preguntas de tipo "test", con
cuatro opciones posibles de las cuales slo una es correcta. Los estudiantes dispondrn de dos horas para realizarlo, y no podrn utilizar ningn tipo de material (ni
apuntes, ni libros, ni calculadora).
Tambin aadir que cada respuesta correcta sumar 1 punto, y cada respuesta
incorrecta restar 0,25 puntos.
4. Sobre la evaluacin
Insistimos en que la nica actividad de evaluacin de
carcter obligatorio es la Prueba Presencial. Insistimos tambin en que cada estudiante puede realizar, si lo desea, la Prueba de Evaluacin Continua, y que esta Prueba
s tendr influencia en la nota final; y que las pruebas de autoevaluacin no tendrn
influencia en esta calificacin.
La nota final de la asignatura se calcular de la siguiente manera:
Alumnos que slo realizan la Prueba Presencial: obtendrn directamente la calificacin del examen.
Alumnos que, adems de la Prueba Presencial, realizan la Prueba de Evaluacin
Continua: segn la calificacin de esta prueba, podrn aadir hasta 1 punto a
la nota del examen, siempre y cuando esta sea mayor o igual que 5.
En todo caso, para aprobar la asignatura la calificacin final deber ser superior o
igual a 5 puntos.

Guía de Estudio 2 Parte

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Guía de Estudio 2 Parte

Enviado por

Direitos autorais:

Formatos disponíveis

GUA DE ESTUDIO DE MATEMTICAS I

Dr. Alberto A. lvarez Lpez

Matemticas I (Grado de ADE)

Universidad Nacional de Educacin a Distancia

Presentacin y plan de trabajo

Plan de trabajo y plan de actividades .

Orientaciones para el estudio de los contenidos

Tema I: Sistemas de ecuaciones lineales .

Tema II: Matrices .

Tema III: Determinantes

Tema IV: Espacios vectoriales

Tema V: Aplicaciones lineales

Tema VI: Otros temas de lgebra Lineal .

Tema VII: Matrices positivas .

III Orientaciones para la realizacin del plan de actividades

Orientaciones sobre las actividades

Matemticas I (Grado de ADE)

Universidad Nacional de Educacin a Distancia

Matemticas I (Grado de ADE)

2. Plan de trabajo y plan de actividades

Universidad Nacional de Educacin a Distancia

La asignatura de Matemticas I del Grado

en Administracin y Direccin de Empresas se estudia en el primer cuatrimestre de

Presentacin de los contenidos

Esta asignatura es una introduccin al lgebra

Universidad Nacional de Educacin a Distancia

Matemticas I (Grado de ADE)

5. Inversa de una matriz cuadrada

Universidad Nacional de Educacin a Distancia

3. Sucesiones convergentes. Lmites infinitos

Bibliografa bsica de la asignatura

Temas de lgebra Lineal para Administracin y Direccin de Empresas, de

Bibliografa complementaria de la asignatura

En el texto bsico, antes re-

seado, se cita una amplia bibliografa para proporcionar al estudiante referencias

Universidad Nacional de Educacin a Distancia

Matemticas I (Grado de ADE)

site recordar cuestiones bsicas de matemticas.1 Son estos:

PLAN DE TRABAJO Y PLAN DE ACTIVIDADES

Esta asignatura, a tenor de sus 6 crditos ECTS,

implica 150 horas de trabajo del estudiante. Estamos en el primer cuatrimestre, lo

En qu orden estudiar los temas

En principio, recomendamos al alumno que

Universidad Nacional de Educacin a Distancia

Qu tiempo dedicar a cada tema

En media, deberan dedicarse unas dos o

Cmo distribuir el tiempo: plan de actividades

El estudiante deber dis-

tribuir su tiempo en tres clases de actividades:

Universidad Nacional de Educacin a Distancia

Matemticas I (Grado de ADE)

(cf. p. 57). El cmputo en tiempo de dedicacin a ellas podra ser de un 20%.

Universidad Nacional de Educacin a Distancia

Matemticas I (Grado de ADE)

3. Tema III: Determinantes

4. Tema IV: Espacios vectoriales

2. Tema II: Matrices

1. Tema I: Sistemas de ecuaciones lineales

5. Tema V: Aplicaciones lineales

6. Tema VI: Otros temas de lgebra Lineal

7. Tema VII: Matrices positivas

Universidad Nacional de Educacin a Distancia

Son ms que suficientes los conocimientos de matemticas

misma posicin en ambas matrices).