Fundamentos de Álgebra Lineal

¡Bienvenido a tu guía completa sobre los Fundamentos de Álgebra Lineal! Esta disciplina matemática es esencial para entender muchos conceptos en ciencias económicas y otras áreas. Aquí desglosaremos sus pilares, desde los determinantes hasta los sistemas de ecuaciones lineales y los espacios vectoriales, para que domines sus conceptos clave y te prepares para cualquier examen.

¿Qué Son los Determinantes en Álgebra Lineal?

La función determinante asigna un escalar a cada matriz cuadrada A=(a_ij)nxn. Se simboliza como D(A) o |A|. Esta función cumple con una serie de axiomas fundamentales que definen su comportamiento y propiedades.

Axiomas Clave de la Función Determinante

Estos axiomas son la base para entender cómo funcionan los determinantes:

• Axioma 1 (Aditividad por columna): Si una columna se descompone en dos sumandos, el determinante es la suma de los determinantes de las matrices resultantes. Por ejemplo, D(A₁... Aⱼ+Aⱼ'... Aₙ) = D(A₁... Aⱼ... Aₙ) + D(A₁... Aⱼ'... Aₙ).
• Axioma 2 (Homogeneidad por columna): Si una columna de la matriz A se multiplica por un escalar α, el determinante de la matriz queda multiplicado por ese escalar. En símbolos: D(A₁... αAⱼ... Aₙ) = α D(A₁... Aⱼ... Aₙ).
• Axioma 3 (Columnas Iguales): El determinante de una matriz que tenga dos columnas iguales es cero. Es decir, si A_i = A_j, entonces D(A₁... Aₙ) = 0.
• Axioma 4 (Matriz Identidad): El determinante de la matriz identidad (I) es uno. D(I) = 1.

Es importante saber que, aunque los axiomas se mencionan para columnas, las mismas propiedades se aplican si se sustituye la palabra "columna" por "fila".

Cálculo de Determinantes de Orden 2

Para una matriz de orden 2, el cálculo es directo. Sea A = ( (a₁₁ a₁₂) (a₂₁ a₂₂) ), su determinante se calcula como el producto de los elementos de la diagonal principal menos el producto de los elementos de la diagonal secundaria.

D(A) = a₁₁a₂₂ - a₂₁a₁₂. Los paréntesis de la matriz se sustituyen por barras verticales para indicar el determinante.

Ejemplos prácticos:

• Para A = ( (2 4) (3 1) ), |A| = 21 - 34 = 2 - 12 = -10.
• Para B = ( (3 -2) (2 -5) ), D(B) = 3*(-5) - 2*(-2) = -15 - (-4) = -15 + 4 = -11.
• Para C = ( (-1 3) (-5 0) ), D(C) = (-1)*0 - (-5)*3 = 0 - (-15) = 15.
• Para D = ( (2 2) (-3 -3) ), |D| = 0 por el Axioma 3, ya que las columnas son linealmente dependientes (columna 2 es 1 vez columna 1).

Propiedades Adicionales de los Determinantes

Además de los axiomas, existen otras propiedades útiles:

• Propiedad 1 (Permutación de Columnas): Si se permutan dos columnas de una matriz, los determinantes resultantes son opuestos. Si |A| = -10, al permutar filas, el nuevo determinante es 10.
• Propiedad 2 (Columna Nula): Si en una matriz una columna es el vector nulo (todos ceros), su determinante es cero.
• Propiedad 3 (Operaciones Elementales): El determinante de una matriz no varía si a una columna se le suma otra multiplicada por un escalar no nulo. Por ejemplo, si a A = ( (2 4) (3 1) ) se le aplica 2F₁ + F₂, obteniendo ( (2 4) (7 9) ), el determinante sigue siendo -10.

Menor Complementario y Cofactor: Elementos Clave

Para calcular determinantes de órdenes mayores, necesitamos estos conceptos:

Menor Complementario

El menor complementario de un elemento a_ij de una matriz cuadrada es el determinante de la submatriz que se obtiene al suprimir la i-ésima fila y la j-ésima columna de la matriz original. Se simboliza como α_ij.

Ejemplo: Para A = ( (12 7 2) (3 5 4) (0 1 8) ), el menor complementario de a₂₂ (que es 5) es α₂₂ = | (12 2) (0 8) | = 128 - 02 = 96.

Cofactor

El cofactor de un elemento a_ij es el producto de (-1)^(i+j) por el menor complementario de dicho elemento. Se indica como A_ij.

A_ij = (-1)^(i+j) * |A(i/j)|.

Ejemplo: Siguiendo la matriz A anterior:

• A₂₂ = (-1)^(2+2) * α₂₂ = 1 * (96) = 96.
• Para α₃₁ = | (7 2) (5 4) | = 28 - 10 = 18, el cofactor A₃₁ = (-1)^(3+1) * 18 = 1 * 18 = 18.

Desarrollo del Determinante por Regla de Laplace

El determinante de una matriz A es igual a la suma de los productos de los elementos de una línea (fila o columna) por sus correspondientes cofactores. Esta regla es muy útil para cualquier orden de matriz.

D(A) = α_i₁A_i₁ + α_i₂A_i₂ +... + α_inA_in = Σ (desde j=1 hasta n) α_ij A_ij.

Ejemplo: Para A = ( (6 3 1) (8 2 5) (8 4 3) ) desarrollando por la 2ª fila: D(A) = 8A₂₁ + 2A₂₂ + 5A₂₃ D(A) = 8(-1)^(2+1)| (3 1) (4 3) | + 2(-1)^(2+2)| (6 1) (8 3) | + 5(-1)^(2+3)| (6 3) (8 4) | D(A) = 8(-1)(9-4) + 2(1)(18-8) + 5(-1)(24-24) D(A) = -8(5) + 2*(10) + (-5)*(0) = -40 + 20 + 0 = -20.

Regla de Sarrus para Determinantes de Orden 3

Esta es una técnica específica para matrices 3x3. Consiste en agregar las dos primeras filas (o columnas) debajo (o a la derecha) de la matriz. El determinante es la diferencia entre la suma de los productos de las diagonales principales y la suma de los productos de las diagonales secundarias.

Ejemplo: Para A = ( (2 1 4) (1 2 2) (5 0 3) ). Agregando las dos primeras filas: 2 1 4 1 2 2 5 0 3 2 1 4 1 2 2

Diagonales principales: (223) + (104) + (512) = 12 + 0 + 10 = 22. Diagonales secundarias: (425) + (202) + (311) = 40 + 0 + 3 = 43.

D(A) = 22 - 43 = -21.

Matrices y sus Operaciones Fundamentales

Una matriz es un arreglo rectangular de números, organizados en n filas y m columnas. Se denotan con letras mayúsculas, y sus elementos con minúsculas (a_ij, donde 'i' es la fila y 'j' la columna). El orden de una matriz es n x m.

Tipos Especiales de Matrices

• Matriz Nula (N): Todos sus elementos son cero. Puede ser cuadrada o rectangular.
• Matriz Fila: Tiene una sola fila (1 x m).
• Matriz Columna: Tiene una sola columna (n x 1).
• Matriz Traspuesta (A^t): Se obtiene intercambiando ordenadamente las filas por las columnas de A. Si A es de n x m, A^t es de m x n.
• Diagonal de una Matriz Cuadrada: Elementos a_ii donde i=j.
• Traza de una Matriz Cuadrada (Tr(A)): Suma de los elementos de su diagonal principal.
• Matriz Diagonal: Matriz cuadrada donde todos los elementos fuera de la diagonal principal son nulos (a_ij = 0 si i ≠ j).
• Matriz Escalar: Matriz diagonal donde todos los elementos de la diagonal son iguales a un escalar k (a_ij = k si i = j, y 0 si i ≠ j).
• Matriz Identidad (I): Matriz escalar donde el escalar es uno (a_ij = 1 si i = j, y 0 si i ≠ j). Es el elemento neutro para el producto de matrices.

Operaciones Básicas con Matrices

• Adición de Matrices: Se suman elementos correspondientes. Las matrices deben ser del mismo orden. A + B = C, donde c_ij = a_ij + b_ij.
• Sustracción de Matrices: A - B = A + (-B). Se resta cada elemento correspondiente.
• Producto de una Matriz por un Escalar: Cada elemento de la matriz se multiplica por el escalar. α * A = B, donde b_ij = α * a_ij.
• Producto de Matrices: Para multiplicar A (n x p) por B (p x m), el número de columnas de A debe ser igual al número de filas de B. La matriz resultante C será de orden n x m. Cada elemento c_ij se obtiene sumando los productos de los elementos de la i-ésima fila de A por los correspondientes de la j-ésima columna de B. c_ij = Σ (desde k=1 hasta p) a_ik * b_kj.

La Matriz Inversa y su Cálculo

Una matriz cuadrada A (n x n) admite inversa (A⁻¹) si existe otra matriz A⁻¹ tal que al multiplicarla por A (tanto a la izquierda como a la derecha) se obtiene la matriz identidad (I). Es decir, A * A⁻¹ = A⁻¹ * A = I.

Sinónimos y Unicidad

Decir que A admite inversa es equivalente a decir que A es inversible, regular o no singular. Si una matriz admite inversa, esta es única.

Condición Necesaria y Suficiente para la Existencia de la Inversa

Una matriz cuadrada A admite inversa si y solo si su determinante es distinto de cero (|A| ≠ 0).

Propiedades de la Matriz Inversa

Si A y B son matrices inversibles:

• (A⁻¹)⁻¹ = A
• (A * B)⁻¹ = B⁻¹ * A⁻¹
• (A⁻¹)ᵗ = (Aᵗ)⁻¹
• Para k ≠ 0, (k * A)⁻¹ = k⁻¹ * A⁻¹

Cálculo de la Matriz Inversa

La fórmula general para la inversa es A⁻¹ = (1/|A|) * Adj(A), donde Adj(A) es la matriz adjunta de A.

El procedimiento es el siguiente:

1. Verificar que |A| ≠ 0. Si es cero, no hay inversa.
2. Calcular la matriz de cofactores. Esta matriz se forma reemplazando cada elemento a_ij por su cofactor A_ij.
3. Obtener la matriz adjunta (Adj(A)), que es la traspuesta de la matriz de cofactores.
4. Multiplicar la Adj(A) por el inverso del determinante (1/|A|).

Sistemas de Ecuaciones Lineales: Un Análisis Completo

Un sistema de ecuaciones lineales es un conjunto de ecuaciones donde cada ecuación es lineal. En notación matricial, se representa como A * X = B.

• A: Matriz de coeficientes (n x m).
• X: Matriz vector de incógnitas (m x 1).
• B: Matriz vector de términos independientes (n x 1).

Tipos de Sistemas de Ecuaciones

• Sistema Homogéneo: Si B = 0 (el vector de términos independientes es nulo). Siempre tiene la solución trivial (todas las incógnitas igual a cero).
• Sistema No Homogéneo: Si B ≠ 0.

Problemas Clave en Sistemas de Ecuaciones

1. Análisis de Compatibilidad: Determinar si el sistema tiene solución y cuántas.
2. Resolución: Encontrar las soluciones si existen.

El conjunto solución (S) es el grupo de valores (x₁, x₂,..., x_m) que satisfacen todas las ecuaciones.

• Sistema Incompatible (S.I.): No tiene solución (S = ∅).
• Sistema Compatible (S.C.): Tiene solución.
• Compatible Determinado (S.C.D.): Solución única.
• Compatible Indeterminado (S.C.I.): Infinitas soluciones.

Teorema de Rouché-Frobenius o de Kronecker

Este teorema es fundamental para el análisis de la compatibilidad de un sistema. Un sistema A * X = B es compatible si y solo si el rango de la matriz de coeficientes (Rg(A)) es igual al rango de la matriz ampliada (Rg(A')). La matriz ampliada (A') se obtiene agregando la columna B a la matriz A.

Casos posibles:

• Si Rg(A) = Rg(A') = m (número de incógnitas): Sistema Compatible Determinado (solución única).
• Si Rg(A) = Rg(A') < m: Sistema Compatible Indeterminado (infinitas soluciones). El número de variables libres es m - Rg(A).
• Si Rg(A) ≠ Rg(A'): Sistema Incompatible (no tiene solución).

Sistemas Cramerianos y Teorema de Cramer

Un sistema es crameriano si es un sistema cuadrado (número de ecuaciones = número de incógnitas) y el determinante de la matriz de coeficientes es distinto de cero (|A| ≠ 0).

El Teorema de Cramer establece que si el determinante de la matriz de coeficientes es distinto de cero, entonces el sistema A * X = B tiene solución única (es compatible determinado).

Regla de Cramer: Resolución de Sistemas con Solución Única

La Regla de Cramer es un procedimiento para encontrar las incógnitas de un sistema crameriano. El valor de cada variable (x_j) se obtiene como el cociente de dos determinantes:

x_j = |A_j| / |A|

• |A|: Determinante de la matriz de coeficientes (debe ser distinto de cero).
• |A_j|: Determinante de la matriz que se obtiene al reemplazar la j-ésima columna de A por la columna de los términos independientes B.

Notas importantes sobre la Regla de Cramer:

• Si |A| ≠ 0, el sistema es compatible determinado (solución única).
• Si |A| = 0 y alguno de los |A_j| ≠ 0, el sistema es incompatible.
• Si |A| = 0 y todos los |A_j| = 0, el sistema es compatible indeterminado (infinitas soluciones).

El Método de Gauss-Jordan

Este método permite analizar y resolver sistemas de ecuaciones lineales. Utiliza operaciones elementales sobre las filas de la matriz ampliada para transformar el sistema original en uno equivalente más sencillo de resolver. Es decir, con las mismas soluciones.

Operaciones elementales permitidas (solo sobre filas):

• Intercambio de dos filas.
• Producto de una fila por un escalar no nulo.
• Sumar a una fila otra multiplicada por un escalar.

El objetivo es formar el máximo número posible de vectores canónicos (rango de una matriz).

Vectores y Espacios Vectoriales

Los vectores son elementos fundamentales en álgebra lineal, generalizando conceptos de dirección y magnitud. El estudio comienza con vectores en R² y R³ y se extiende al espacio n-dimensional (Rⁿ).

Vectores en R² (Plano) y R³ (Espacio Tridimensional)

Un vector v en R² es un par ordenado (a, b). En R³ es una terna ordenada (v₁, v₂, v₃).

Propiedades y Operaciones:

• Módulo o Norma: La longitud del vector. En R², |v| = √(v₁² + v₂²). En R³, |v| = √(v₁² + v₂² + v₃²).
• Vector Nulo (0_v): Representado por (0, 0) en R² o (0, 0, 0) en R³. No tiene dirección y su módulo es 0.
• Vector Canónico: Vector cuyo módulo es 1. En R²: (1, 0) y (0, 1). En R³: (1, 0, 0), (0, 1, 0), (0, 0, 1).
• Igualdad de Vectores: Dos vectores son iguales si sus componentes correspondientes son iguales.
• Adición de Vectores: Se suman las componentes correspondientes. v + u = (v₁+u₁, v₂+u₂).
• Sustracción de Vectores: v - u = v + (-u) = (v₁-u₁, v₂-u₂).
• Multiplicación de un Escalar por un Vector: Se multiplica cada componente del vector por el escalar. α * (a, b) = (αa, αb).

Vectores en Rⁿ (Espacio n-dimensional)

Un vector n-dimensional es una n-upla ordenada de números reales v = (v₁, v₂,..., v_n). Aunque se pierde la intuición geométrica para n > 3, las operaciones algebraicas se mantienen por extensión.

• Módulo o Norma: |v| = √(v₁² + v₂² +... + v_n²).
• Vector Nulo: (0, 0,..., 0).
• Operaciones: La igualdad, adición, sustracción y multiplicación por escalar se definen de manera análoga a R² y R³, aplicando la operación a cada componente correspondiente.

Espacios Vectoriales: La Estructura Fundamental

Un espacio vectorial es un conjunto V (de vectores) junto con un conjunto R (de escalares), una operación de suma de vectores (interna en V) y una operación de producto de un escalar por un vector (externa en V), que cumplen con una serie de axiomas.

Axiomas de un Espacio Vectorial (V, +, R,.):

Respecto a la suma de vectores:

• Asociatividad: (u + v) + w = u + (v + w)
• Conmutatividad: u + v = v + u
• Elemento Neutro (Vector Nulo): u + 0_v = u
• Elemento Opuesto: u + (-u) = 0_v

Respecto al producto de un escalar por un vector:

• Distributividad (respecto a la adición de vectores): α(u + v) = αu + αv
• Distributividad (respecto a la adición de escalares): (α + β)u = αu + βu
• Asociatividad Mixta: (α * β)u = α(βu)
• Elemento Neutro (Escalar 1): 1 * u = u

Propiedades Adicionales:

• 0 * u = 0_v (producto del escalar cero por cualquier vector es el vector nulo).
• α * 0_v = 0_v (producto de cualquier escalar por el vector nulo es el vector nulo).
• Si αu = 0_v, entonces α = 0 o u = 0_v.
• (-α)u = -(αu).

Preguntas Frecuentes (FAQ) sobre Fundamentos de Álgebra Lineal

¿Por qué son importantes los determinantes en álgebra lineal?

Los determinantes son cruciales porque nos informan si una matriz es invertible (si su determinante es distinto de cero) y si un sistema de ecuaciones lineales tiene solución única. También se utilizan para calcular el área, el volumen y para la Regla de Cramer, que permite resolver sistemas de ecuaciones de manera directa.

¿Cuál es la diferencia entre el rango de la matriz de coeficientes y la matriz ampliada?

El rango de la matriz de coeficientes (Rg(A)) se refiere al número máximo de filas o columnas linealmente independientes en la matriz A. La matriz ampliada (A') incluye también la columna de términos independientes. Comparar sus rangos, como lo hace el Teorema de Rouché-Frobenius, nos indica si un sistema tiene solución (compatible) y cuántas (determinada o indeterminada).

¿Qué significa que un sistema de ecuaciones lineales sea homogéneo y cuál es su solución trivial?

Un sistema homogéneo es aquel donde todos los términos independientes de las ecuaciones son cero. Siempre es compatible porque admite al menos una solución: la solución trivial, donde todas las incógnitas son igual a cero (x₁=x₂=...=x_m=0). La pregunta interesante en estos sistemas es si existen otras soluciones además de la trivial.

¿Cuándo es útil usar la Regla de Cramer para resolver un sistema de ecuaciones?

La Regla de Cramer es particularmente útil para resolver sistemas cuadrados (mismo número de ecuaciones que de incógnitas) que tienen una solución única, es decir, cuando el determinante de la matriz de coeficientes es distinto de cero. Permite encontrar cada incógnita de forma individual mediante el cálculo de determinantes, sin necesidad de aplicar el método de eliminación de Gauss-Jordan.