Escolar Documentos
Profissional Documentos
Cultura Documentos
2 PARTE
PLAN DE TRABAJO Y ORIENTACIONES PARA SU DESARROLLO
Grado en Administracin y Direccin de Empresas
Curso 2015/2016
ndice
I
II
Esquema resumen
1.
Presentacin .
2.
10
13
14
Observaciones generales .
Esquema resumen
15
1.
16
2.
3.
4.
36
5.
45
6.
50
7.
50
21
32
56
57
I
PRESENTACIN Y PLAN DE
TRABAJO
ESQUEMA RESUMEN
1. Presentacin
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
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
Equipo Docente
Consta de un manual:
10
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.
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.
12
II
ORIENTACIONES PARA EL
ESTUDIO DE LOS CONTENIDOS
14
ESQUEMA RESUMEN
Observaciones generales
15
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 . . . . . .
1. Definicin de determinante de una matriz
2. Propiedades de los determinantes . . . .
3. Aplicaciones de los determinantes . . . .
.
.
.
.
16
16
17
17
. 18
. 20
. 21
. 21
21
Presentacin y objetivos . . . . . . . . . .
Conceptos clave ms importantes . . . . . .
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
.
.
.
.
.
.
.
.
.
.
.
.
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
45
50
Presentacin y objetivos . . . . . . . . .
Conceptos clave ms importantes . . . . .
1. Matrices positivas . . . . . . . . . .
2. Matrices productivas . . . . . . . . .
3. Conjuntos autnomos . . . . . . . .
4. Matrices indescomponibles . . . . . .
5. Estructuras productivas de subsistencia
.
.
.
.
.
.
.
.
.
.
.
.
.
.
50
50
50
51
52
52
53
15
Equipo Docente
OBSERVACIONES GENERALES
Requisitos previos
16
Con la idea de
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.
17
Equipo Docente
1. Ecuaciones lineales
(1)
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:
........................................
(2)
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.
Una
.
.
..
..
..
..
.
.
.
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
1 0 ... 0
0 1 . . . 0
.
.. .. . .
. .
. ..
0 0 . . . 1
0 0 . . . 0
. . .
. .
. . ...
. .
0 0 ... 0
r
...
. . .
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).
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
........................................
a x + a x + + a x = 0.
n1 1
n2 2
nm m
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.
22
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
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
m
aik bkj ,
1 i n, 1 j p.
k=1
25
Equipo Docente
Fi (AB) = Fi (A) B;
........................................
a11
a21
A= .
..
an1
a12
a22
..
.
an2
a1m
a2m
,
..
.
anm
...
...
..
.
...
x1
x2
X = .
..
xm
c1
c2
C = . .
..
cn
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
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.
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 .
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 .
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
Se denominan transforma-
8. Ms tipos de matrices
Dada una matriz cuadrada A = aij , de orden n,
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)
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
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.
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
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
a11
det(A) = a21
a31
a12
a22
a32
a13
a23 = a11 11 + a12 12 + a13 13 .
a33
34
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
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
35
Equipo Docente
36
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)
1
A .
det(A)
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.
37
Equipo Docente
1. El conjunto Rn : vectores
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
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
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
40
41
Equipo Docente
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
43
Equipo Docente
.......................................
44
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,
46
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
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
aij
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
Se denomina aplicacin lineal cannicamente asociada a una matriz A = aij
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
50
1. Matrices positivas
51
Equipo Docente
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
52
3. Conjuntos autnomos
4. Matrices indescomponibles
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
54
III
ORIENTACIONES PARA LA
REALIZACIN DEL PLAN DE
ACTIVIDADES
56
ESQUEMA RESUMEN
1. Orientaciones sobre las actividades
57
57
Equipo Docente
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.
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.
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
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.