Álgebra

Daniel Peña Iglesias

10 de noviembre de 2010

Índice

1. Matrices y Determinantes 2
1.1. Tipos de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Suma de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.1. Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3. Producto de matriz por escalar o real . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3.1. Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.4. Producto de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

2. Sistemas de Ecuaciones 4

3. Espacios Vectoriales 5
3.1. Subespacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3.1.1. Teorema de caracterización de subespacios vectoriales. . . . . . . . . . . . . . . . . 6

4. 7

5. 8

1
Tema 1. Matrices y Determinantes
DEF: una matriz de orden n × m será el conjunto de n × m elementos distribuidos en n filas y m
columnas.
 
a11 · · · a1m
A =  ... .. .. 

. . 
an1 · · · anm
DEF: Al conjunto de todas la matrices n × m se simboliza conMn×m .

1 Tipos de matrices


Si m = 1: matriz fila o vector → a11 ···
a1m .
 
a11
 .. 
Si n = 1: matriz columna o vector columna →  . .
an1
Si n = m: matriz cuadrada de orden n → Mn .

1. Se dice que A es triangular superior si todos los elementos por debajo de la diagonal son
0 → aij /i > j = 0.
2. Análogamente una matriz es diagonal inferior si todos los elementos por encima de la diagonal
principal son 0 → aij /i < j = 0.

1 Suma de matrices
Para sumar dos matrices del mismo orden se suma elemento a elemento aquellos con mismo subı́ndice.

A = (aij ), B = (bij ) A, B ∈ Mn×m

A + B = C = (cij )/cij = aij + cij ∀i, j

1.2 Propiedades
La suma de matrices es interna A, B ∈ Mn×m → A + B ∈ Mn×m , es decir, la suma de A y B
de rango n × m será de rango n × m.
Conmutativa. A + B = B + A, es decir el orden no altera el resultado.
Asociativa A, B, C ∈ Mn×m (A + B) + C = A + (B + C).
Elemento neutro. Ō ∈ Mn×m Ō + A = A + Ō = A, es decir, (ōij ) = 0.

Elemento opuesto. A + (−A) = Ō → (aij ) + (−aij ) = Ō.

1 Producto de matriz por escalar o real

Para multiplicar un número real o escalar por una matriz se multiplican todos sus elementos por
dicho número.

A ∈ Mn×m
= λA = (λaij )
λ∈R

2
1.3 Propiedades
Distributiva respecto de escalar. λ(A + B) = λA + λB

Distributiva respecto de matriz. (λ + β)A = λA + βA

Asociativa. λ(βA) = (λβ)A
Elemento neutro. IA = A

Estas propiedades hacen queMn×m sea espacio vectorial.

1 Producto de matrices
Dadas dos matrices A = (aij ) ∈ Mn×m , B = (bij ) ∈ Mm×p , AB será una matriz de orden n × p
donde cada elemento ij viene de multiplicar (y sumar) la fila i de A por la columna j de B.

3
Tema 2. Sistemas de Ecuaciones

4
Tema 3. Espacios Vectoriales
DEF:Un espacio vectorial real es un conjunto V 6= ∅ (es el único conjunto que no tiene elementos)
sobre el que hay definidos dos operaciones:

1. La suma + : V × V → V (~u, ~v → ~u + ~v )
Verifica las siguientes propiedades:
Conmutativa. ~u + ~v = ~v + ~u ∀~u, ~v ∈ V
Asociativa. (~u + ~v ) + w
~ = ~u + (~v + w)
~ ∀~u, ~v , w
~ ∈V
Elemento neutro. ∃O ~ ∈ V/O~ + ~u = ~u + O
~ = ~u ∀~u ∈ V
~
Elemento opuesto. ∀~u ∈ V∃(−~u) ∈ V/~u + (−~u) = (−~u) + ~u = O
2. Producto por un escalar · : R × V
Verifica las siguientes propiedades:

Distributiva respecto de escalar. λ(~u + ~v ) = λ~u + λ~v ∀λ ∈ R ∀~u, ~v ∈ V

Distributiva respecto de vector. (λ + β)~u = λ~u + β~u∀λ, β ∈ R ∀~u ∈ V
Asociativa. λ(β~u) = (λβ)~u ∀λ, β ∈ R ∀~u ∈ V
Elemento neutro. 1 · ~u = ~u ∀~u ∈ V

Si se verifica todo lo anterior se le llama o se le dice que es espacio vectorial real. (V, +, ·R) e.v.
A los elementos deV se les llama vectores y a los elementos de R escalares. Si hay confusión entre
escalares y vectores a los vectores se les pones una flecha arriba. Ejemplos de e.v.
1 V = Rn
~u = (u1 , u2 , · · · , un ) ∈ Rn
| {z }
n-upla ordenada

∗ : Rn × Rn → Rn
(~u , ~v ) → ~u + ~v ~u + ~v = (u1 + v1 , · · · , un + vn )
n n
·R : R × R → R
(λ , ~u) → λ~u = (λu1 , · · · , λun )

(Rn , +, ·R) e.v.

2 V = Mn×m A ∈ Mn×m
Cumple (+ usual, ·R usual) → Tema 1
(Mn×m , +, ·R) e.v.

3 El conjunto
 de todos los polinomios de grado menor o igual que n.
P(R) = an xn + an−1 xn−1 + · · · + a1 x + a0 /ai ∈ R
Cumple (+ usual, ·R usual)

3 Subespacios vectoriales
DEF: Dado un espacio vectorial V, se llama espacio vectorial de V a cualquier subconjunto no vacı́o
de V, S 6= ∅, ScontieneV, que sea un subespacio vectorial con las mismas operaciones que V

5
3.1 Teorema de caracterización de subespacios vectoriales.
Si V es un espacio vectorial y ScontieneV, S 6= ∅, entonces

(1)~u + ~v ∈ S∀~u, ~v ∈ S
S es subespacio vectorial deV ←→
(2)λ~u ∈ S∀λ ∈ R, ∀~u ∈ S
DEM → Si S es un subespacio vectorial de V, en particular tendrá estructura de espacio vectorial
con las mismas operaciones que V.
Por tanto la suma en S estará bien definida y también estará bien definido el producto por escalar:

~u + ~v ∈ S ∀~u, ~v ∈ S (1)
λ~u ∈ S ∀λ ∈ R∀~u ∈ S (2)

6
Tema 4.

7
Tema 5.