You are on page 1of 41

Dr.

Miguel Villa
Autores: Israel Balseca Johanna Palma Andres Salazar

MATRICES Una matriz es un arreglo rectangular de m filas por n columnas. A las matrices se les designa por las letras mayúsculas del alfabeto asi por ejemplo:
Fila (Vector Fila)

(
Columna (Vector Columna)

) mxn
Orden de la matriz

Orden de una Matriz Es el número de filas por el número de columnas que forma la matriz. Una matriz puede estar definida en diferentes campos, como por ejemplo el campo de los reales o el de los imaginarios. Generalmente se los representa de la siguiente manera:

(

)
4x5

(

+
3x5

Algebra de Matrices Se considera las siguientes operaciones: Suma y Resta Producto de un a matriz por un escalar Producto Matricial

Suma Para poder sumar matrices estas deben tener el mismo orden.

( ( ( Propiedades 1. Clausurativa 2. Conmutativa 3. Asociativa

)

( ) )

)

4. Existencia de Elemento Neutro 5. Inverso Aditivo

Producto de una Matriz por un Escalar

Propiedades 1. Clausurativa 2. Distributiva 3. Distributiva 4. Asociativa Ejercicio:

( ( ( ) +

+

( * ( * ( ( *

( * ( * ( *

( * ( * ( *)

(

)

(

)

(

)

(

)

(

)

Producto Matricial Para poder realizar el producto de dos matrices AxB el numero de columnas de la que ser igual al numero de filas de la .

tiene

∑ Ejercicio: ( ) ( +

B+A.B+A.A A.C)=(A. A.C (B+C).B).C 2.(B. ( ( ) ) .A I= Matriz Identidad Ejercicio: Hallar todas las matrices conmutativas con la siguiente matriz: ( ( ( )( ) ) ) ( ( )( ) ) Se dice que dos matrices son iguales si tienen el mismo orden en la misma posicion.C B.A= B.I= I. A. A.( ( ∑ ) * ∑ Propiedades del Producto Matricial 1.A+C.A 3.(B+C)= A.A+C.

( 1. Matriz Triangular Superior . Matriz Simetrica ) n Transpuesta de un a Matriz Para obtener la transpuesta de un a matriz se intercambia filas por columnas. 4. Matriz Antisimetrica ( + ( + 3. Ejemplos: ( + + ( . 2. Ejemplos: ( ) ( + ( Propiedades 1. 3.( ( )( +( + ) ( ( ) ) Matrices Cuadradas Se dice que una matriz es cuadrada si el numero de filas es igual al numero de columnas. ( + ( ) ( ) 2.

Matriz Escalar ( + 7. si el rango fila y la columna son iguales simplemente sear rango A. Ejemplo: ( ) ( + 9. es la unica conmutativa con cualquier matriz. [ ] [ ] [ ] 8.( + 4. ( + Rango de una Matriz Es el numero de columnas o filas que son linealmente independientes. Matriz Nilpotente Cualquier matriz triangular con ceros a lo largo de su diagonal principal es nilpotente. Matriz Idempotente . Matriz Diagonal ( + 6. ( ) Tambien existen otras matrices que no tienen ceros pero al elevarlas al cuadrado son cero. Matriz Triangular Inferior ( + 5. Matriz Identidad Es una matriz escalar con k=1.

14. ( ) Operaciones Elementales de una matriz 1) 2) se puede intercambiar filas 3) se le puede sumar una fila por un escalar. Matriz Escalonada Se dice que una matriz es escalonada cuando el numero de ceros de izquierda a derecha aumenta al pasar de una fila a otra. ( ( ) ) 11. ( ) 10. 15. Matriz Hermitica Es una matriz cuadrada de elementos complejos que es igual a su propia transpuesta conjugada. Matrices Equivalentes Se dice que una matriz A es intercambiable con B y de B se obtuvo operaciones. ( ) 13. ( ( ) ( ) ( ) ) ( ( ) ) 12. Matriz Ortogonal Es una matriz cuadrada cuya matriz inversa coincide con su matriz transpuesta. . Matriz Involutiva Es una matriz cuadrada tal que su cuadrado es igual a la matriz unidad. Matriz Antihermitica Es una matriz cuadrada cuya transpuesta conjugada es menos la matriz.Es aquella matriz que si se eleva a un n numero va a seguir siendo la misma por lo que se cumple que: Un ejemplo claro es la matriz nula y la unidad. Despues de los ceros iniciales siempre debera haber un 1. Si existen filas nulas deberan estar al ultimo.

( ) 16. Matriz Escalonada Reducida Es similar a la escalonada pero los uno despues de los ceros iniciales son los unicos distitos de cero en columna. ( ( + + ( + ( ) ( ) | | ( ) | | ) ( ( ) . ( ) Rango de una matriz El rango de una matriz es el numero de filas no ulas que se obtiene de una matriz A al llevarle a su equivalente de una matriz escalonada reducida.

( + ( ) .( ) ( ) ( ) ( ) ( ) Potencia de una Matriz N veces ( ( ( ( ( ) )( ) )( ) ) ) DETERMINANTES (Δ) El determinante de una matriz cuadrada es: | | Metodos para obtener un Δ a) Matrices de orden 2 ( ) ( | | ) | | | | b) Matriz de orden 3 Metodo de Sarrus Este metodo consiste en aumentar las dos primeras filas en la parte inferios de la matriz o las dos primeras columnas a la derecha.

. 2.Su determinante es igual a la suma de las diagonales principales menos las diagonales secundarias. Si una matriz tiene 2 filas iguales su determinante es cero. Si una matriz tiene una fila nula su determinante es cero. | | Ejemplo: ( + ( ) | | | | | | Metodo Por Menores | | ∑ | | | | ( + ∑ | | | | | | | | Ejemplo: ( ) | | | | ∑ | | | | | | | | | | | | Propiedades: Donde sea la fila tambien puede ser columna 1.

4. | | ( ( ) | ) ( ) ( | ( ) ) ( | + Una vez obtenida la matriz escalonada se obtiene el sistema escalonado. Si una matriz tiene una fila proporcional a otra su determinante es cero. Sistema de ecuaciones lineales ( ) Se dice que se tiene m ecuaciones y n incognitas. ( .( ( ( ) ) ) | | | | | | 3. Ecuaciones Lineales Son de la forma: Donde: Solucion de una ecuacion lineal Es todo conjunto (n-uplas) que toman las variables y se mantiene la igualdad. Si se intercambian 2 filas de una matriz el signo de su determinante cambia. ( ) ( ) Metodos de Resolucion de un Sistema de Ecuaciones Lineales a) Metodo de Gauss Consiste en pasa la matriz aumentada del sistema a su forma escalonada. . Representacion maticial.

b) Metodo de Gauss-Jordan Consiste en llevar la matriz aumentada del sistema a su forma escalonada reducida. | | ( | + ( | ⁄ * ⁄ c) Metodo de Crammer Se aplica unicamente cuando el numero de ecuaciones es igual al numero de incognitas. . ( ) ( .Una vez obtenido el sistema la solucion se encuentra de abajo hacia arriba.( ) ( ) ( . Ejemplo: ( | ( ) | .

Propiedades de la Matriz Inversa | | | | Ejemplo: | | | | | | | | | | ( | * | | | | | Analisis Mediante Gauss Si en el proceso de llevar la matriz aumentada a su forma escalonada o escalonada reducida alguna fila queda: | El sistema no tiene solucion. .

. Nota: Si existen filas nulasd se refiere a que existe ecuaciones rebundantes se las pasa al ultimo y se sigue con el proceso. ( . ( | | | | | | | | . Si al escribir el sistema escalonado el umero de ecuaciones es igual al numero de incognitas y se lo encuentra de abajo hacia arriba. ( | | | | .Si al escribir el sistema escalonado nos queda ms incognitas que ecuaciones el sistema tiene infinitas soluciones en este caso se debera encontrar la solucion general y dos especificas.

Sea K un cuerpo (conmutativo) y sea.” K * V V. una operación externo que designemos por “. o simplemente que (V.) es n K-espacio vectorial cuando se verifiquen las condiciones sguientes:  Asociativa  Existencia de elemento neutro  Existencia de elemento simétrico  Conmutativa. +….+…. Diremos que (V. a2……am) es un conjunto de operaciones aplicables a los elementos de dicho conjunto.) tiene estructura de espacio vectorial sobre el cuerpo K. por ultimo. a2……an) donde a1 es un conjunto dado no vacío y (a1. .ANÁLISIS POR DETERMINANTES Para encontrar cualquier variable se puede presentar los siguientes casos: Del siguiente sistema de ecuaciones encontrar a) Única solución b) Infinitas soluciones c) No tiene solución [ [ ] ] ESTRUCTURAS ALGEBRAICAS También son conocidas como sistemas algebraicos siendo una n – dupla (a1. ESPACIOS VECTORIALES Sea V un conjunto deonde tenemos definido una ley u operación interna que designaremos por “x” V V.

u +( v+ w) =(u+v)+w 3. (α + β ) u = αu + βu 9. con las operaciones <U. β Є R 1. Ser dice que V es un espacio vectorial si cumple:  Ley composicion interna  Ley composicion externa Sean u.+. U+(-u)= 0 5. (α β ) u= α ( βu) 10. Ejm: Demostrar si el siguiente conjunto es un espacio vectorial R2={ (X. +…>.…> de la suma y el producto por escalar. w Є U y α.Y Є R}  [ [ [ [(  ] [ ] ] ] ]  [ ] .Los espacios vectoriales es una estructura algebraica que cumple operaciones sea V un conjunto de elementos (vectores). u + 0 = u 4.Y)/X. α u Є U 7. u + v Є U 2. v. α ( u+v)= αu + αv 8. U+v=v+u 6. u= u clausurativa asociativa elemento neutro inverso aditivo Conmutativo A los elementos de un espacio vectorial se los conoce como vectores . 1. definidos sobre un campo <K.

y)ЄR2 / y= 2x } 1) .W≤ v 3.V Demostrar que es un subespacio vectorial W={(x. donde V es un EV W es subespacio vectorial si: 1. (α β ) u= α ( βu) (α + β ) u = αu + βu SUBESPACIOS VECTORIALES Sea W un conjunto de vectores y W es un subconjunto propio de V.   [ ] 11...-W≠O 2.W tiene que ser E.

( ( ) ( ) ) 2) Demostrar: S={(x. |K.(1.3)} DEPENDENCIA E INDEPENDENCIA LINEAL .2).y.2.(1. +> V= α1V1 + α2V2 +……+αnVn Эα EJEMPLO: Determinar si el siguiente polinomio pertenece al conjunto Determine si es combinación lineal de : V=(1. V2. 1) T={(-1.2. 2 . <V.1.z)ЄR3 / X=|Y+Z|} COMBINACIONES LINEALES Sean V1. …….Vn Є V .1).

V2. Soluciones triviales Dependiente ≠ 0.I encontrar su relación de dependencia [ [ ] ] BASE Y DIMENSIÓN DE UN ESPACIO VECTORIAL .Sea { V1. infinitas soluciones. Ejm: [ Determinar si es L.I [ ] ] Si es L.D o L. …….D o L.Vn } Є V Se dice que el conjunto es linealmente independiente si al resolver la ecuación homogénea se tiene como único resultado una ecuación trivial (=0).

Siempre la dimensión de un subespacio tiene que ser menor a la del espacio que lo contiene. debe cumplir 2 condiciones: El conjunto tiene que ser linealmente independiente y como una única solución una trivial. 2a=b. a=b/2 . Ejm: Determinar si el siguiente conjunto es una base de S={1+x.1)+β(0.3)=α(1.1+ } T={(1.Para que un conjunto pueda ser considerado la base de un espacio vectorial.2)} α(1. Ese conjunto debe generar la solución.2)=(x.-1)+β(0.1)+β(0.(0.1).2)} Determinar la base y dimensión de: W={( ( ( ( B={( Dim(T)=3 ) ) )+ ( ).( ) )} ) /| | } 2a-b=0.2)=(0. β=11/2 W={(x.y)Є =0} y-2x=0 y=2x (x. Dimensión La dimensión de un espacio vectorial es el número de elementos de la base Dim(T)=2 Para obtener la base de un subespacio vectorial de parte de la ecuación dada o la capsula.2x) Bw={(1. ( ) + ( ) . (8.y) Genera todos los puntos del espacio porque no tiene capsula.0) ( | ( |= 2 * ⸗ ( * ) α(1.y) (x.2) ( ) α=8.

(2.z) BSnT<1.Ejm: . La unión de dos subespacios esta definida por la totalidad de los elementos de S y T.. La unión de dos subespacios no necesariamente da otro subespacio. (0. SuT=u+v S={(1.1/3).0)…. Se denomina intersección de subespacio vectorial (S y T) al conjunto de todos los vectores que pertenecen simultáneamente tanto del subespacio S y T si la intersección de S y T da como único elemento el elemento neutro.z) Є x-y+z=0} T={(x.4.2).OPERACIONES VECTORIALES INTERSECCION DE SUBESPACIOSVECTRIALES (N) Sean S y T subespacios vectoriales de V. entonces se dice que S y T son disjuntos.y. El subespacio intersección de varios subespacios es el más amplio de todos los subespacios contenidos en ellos.y.z) x=2/3 R=(2/3. u Є S y v Є T S+T={x Є V/ x=u+v.(2.2/3)} Suma y Suma directa Suma Sean S y T subespacios vectoriales de V. u Є S y v Є T} S+T={x Є x=u+v….} Suma Directa La suma directa se la puede realizar únicamente si los subespacios son disjuntos .3> UNION DE SUBESPACIOS Sean S y T subespacios de V.4z/3.z) Є x+2y-3z=0} x-y+z=0 x+2y-3z=0 ( x-y+z=0 3y-4z=0 y=4z/3 + ⸗ ⸗ ( + x-4z/3+z=0 (x. Si SnT={0} S={(x.y) Є y=1/3 x} y-1/3x=0 SnT={0} Encontrar la intersección de los siguientes conjuntos S={(x. (0.y) Є y=2x} y-2x=0 T={(x.y.4)} S={(1.0)….

0. (1.v>=<v.-1.-3.x2)+(y1.v>=x1y1+x2y2 Ejemplo: .v.-2).y2) w=(z1.(1. 2.z2)(x1.u>+<w.0). S={(1.v>+<w.(v+u)>=<w.-2.-2.y2) <u.y2) =<w.5) <u.x2+y2) =z1(x1+y1)+z2(x2.x2)+(z1.z2)[(x1.v>=x<u.-5)} ( S=2x+2z-y 3v+4w-x-z=0 Teorema.v> . (1.-4).wЄ V 1.-2. 4.-1.(v+u)>=<w.z2)(y1.0.u> =(z1.-1.y2)] =(z1.-1) v=(1.x2) v=(y1.z2) <w.Dim(S+T)=dim(S)+dim(T)-dim(SnT) 5=3+3-1 5=5 w=(2x-y)/2 ESPACIOS EUCLIDEOS Producto interno El producto interno de los define como una operación entre los elementos del mismo espacio.v>+<w.-2.v>=(3)(1)+(-1)(5) =3-5 =-2 U=(x1. Para que esta operación sea considerada como un producto interno debe cumplir los sig axiomas: Sea u.u>=0 + Productos internos usuales u=(x1.-3).-3.-2.2. indicar si la suma es directa.(1.y2) =z1x1+z1y1+z2x2+z2y2 =(z1x1+z2x2)+(z1y1+z2y2) =(z1.-1.x2) v=(y1. encontrar la intersección y la suma. Axio Conmutativo: <u.0.-1.Dados los siguientes conjuntos (subespacios).2. 3.v> Axio positividad:<u.z2)(x1+y1.u> Axio distributivo: <xu. U=(3.1)} T={(1.-2.u> Axio distributivo: <w.

.g(x)>=∫ < .+. ||u||=√ A=( ||A||=√( ||A||=√ Propiedades 1.+. es igual a la sumatoria de la diagonal principal Tra(A)=a+d <F.R. ||u.b] <f(x).vk U=(3-i..Traza Se obtiene únicamente de matrices cuadradas.v>=(3-i)(2+i)+2(1+i) =(3-i)(2+i)+2(i+1) =6+3i-2i. αЄR 3.v||=||u||+||v|| Distancia entre dos vectores ) )( ) a+d=b d=||b-a||=√ .> Sean f(x) y g(x) [a.v>=Σuk.+2i+2 =9+3i Norma || || La norma de un vector es la magnitud de un vector.> <u. ||αu||=||α|| ||u|| .1+i) <u. ||u||>0 2.2) v=(2+i.

1) v-u=(4.P>=<v.-1)-(1.||w||=√ Proyección de un vector sobre otro vector Perpendicularidad Dos vectores son perpendiculares si al realizar el producto interno el resultado es cero.u> α= Ejercicios: U=(1.v>=0 αv+P=u v<(αv+P)>=<v.v>+<v.-2) ||v-u||=√ ||v-u||=√ ||v-u||=√ Angulo entre dos vectores Sean u y v espacios vectoriales de V || |||| || Ejercicio: P(x)= Q(x)= = 4 -20x+25 || |||| || √ √ . Si <u.-1) ||v-u||=√ v-u=(5.1) v=(5.u> α<v.

[ √ √ = 134. entonces existirá W={w1.u2>=0 <u1.wn} que sea ortogonal.u3. s es ortogonal si cada par de vectores es ortogonal S={u1. u y v son ortogonales si <u.097 ORTOGONALIDAD Sean u y v espacios vectoriales de V.un>=0 Teorema: Todo conjunto ortogonal es linealmente independiente.…. . <un+1. hallar a y b Є de R w=au+bv<w.4. √ √ ] Proceso de Gram Schmidt Sea S={v1..4 a. 1.u2.2.v2.2.2 b. 5a -b)(-3.….u3>=0 .5)+b(-3.v>=0 2.5 a-3 b.5) y v=(-3.vn} donde S es [].un} <u1.46.-1) W=(7 a.26) Complemento Ortogonal . 4a +2b.….2.-1)=0 -21a+9b+8a+4b-5a+b=0 -18a+14b=0 b=18a/14 a=7..w2.-1).v>=0 (4a -3b. se lo obtiene: 1. wi=vi-∑ Ejercicios: Si u=(7. -b) <w. .4. b=9 w=(22. w1=v1 2.v>=0 W=a(7.

c)=0 (-1.w>=0} Dado el siguiente conjunto encontrar su complemento ortogonal S={(a.0). -a+c=0 ( ( a-c=0 b-2c=0 b=2c a=c =<(c.Sea v un espacio vectorial definido en un campo con la suma y producto con un producto interno.1.1)(a.b. 2c.0. 2.c)=0 -2a+b=0. 1)> ( ( | ) | ≈( ) ≈( | ) | ≈ ) + + ( | ) ≈( | ) ≈( | ) .0.b. c) (-2b-c. c)> B =<(1. c) Bs=(-2.(a. b.1) (-2.1.0).b. Sea w un subespacio vectorial de V el conjunto ortogonal a W se le denotaría y esta definido por: = {uЄVi/ ¥ W Є <v.c) Є a+2b+c=0} a=-2b-c (a . b.(-1.

≈( . ≈( .( | ) ≈( | ) ≈( | ) ≈( | ) ( * S+T ( . ( . ( . ≈( . ≈( . DIM=4 . ≈( . ≈( .

(| | | | | .-3. | | | | | | |* | | Al realizar el producto vectorial entre dos vectores siempre nos da otro vector.( * PRODUCTO VECTORIAL Este producto esta definido unicamente para Sea “u” y “v” Є . v).4) (| | | | | |) (| | | | | |) . 2.-1) v= (1. este es perpendicular a los vectores dados (u. . Ejemplo: Determinar el producto vectorial entre los siguientes vectores: u= (3.

(| | | | | |) (| | | | | |) El modulo al realizar el producto interno de dos vectores también esta definido.- . Є .4.5. Sean u y v Є ‖ ‖ ‖ ‖‖ ‖ ‖ ‖ √ CALCULO DEL AREA DE UN PARALELOGRAMO Teorema: v uu ‖ ‖ Determinar el área del paralelogramo que tiene como vértices los siguientes puntos: v ‖ (| ‖ ‖ ‖ | √ ‖ | ‖ | | |) . w Є 1.PROPIEDADES Sean u. v.3.2.

tiene que cumplir con: v= conjunto de partida w= conjunto de llegada a) b) c) Determinar si se puede considerar una Función lineal. [ [ ] ] [ ] [ ] Suma Si f(x) y g(x) son dos funciones. para que esta función sea considerada como una transformación lineal. entonces la función suma está dada por: .TRANSFORMACIONES LINEALES Sea v y w espacios vectoriales y F una función de v a w.

Resta Esta dada por: Producto El producto está dado por Cociente El cociente está dado por ( * Compuestas Sean y dos funciones con sus respectivos dominios compuesta con esta dada por: y . entonces la función [ ] Sea .

2.Sea 4..Sea una base de v y única transformación lineal. f(w)=W } Teorema de Dimensión . w) Nf ={ v Є V /f(v)=0 } Imagen Sea F Є λ (v. tal que: un conjunto cualquiera de w.Sea Al conjunto de aplicaciones lineales de v a w se lo representa de la siguiente manera: PROPIEDADES: 1.3. w) Imag F= {w Є W / Э v Є V. existe una NÚCLEO E IMAGEN Núcleo Sea F Є λ (v..

dimV=dim NF + dim Img F Dado el siguiente ejercicio encontrar el núcleo e imagen ( + ( + ( + Teoremas   El núcleo de un sistema lineal es un subespacio del conjunto de partida. MATRIZ ASOCIADA A UNA TRANSFORMACION LINEAL Cualquier aplicación lineal se puede representar en una aplicación lineal donde loa letra de los coeficientes se aplicará con una letra mayúscula. La imagen de una aplicación lineal es un subespacio del conjunto de llegada. Para encontrar una aplicación lineal se utilizara la base canónica del conjunto de partida F: R3 R3 ( + ( +( ) .

Una Matriz [Id]. Sean . . que representa el cambio de base entre tiene que ser cuadrada e inversible | | Determinar la matriz de cambio de base de y de .3) si se sabe que las coordenadas son respecto a C [ ] [ ] ( ) [ ] ( . Determinar las coordenadas del vector respecto a (1.( ( ) )( ) MATRIZ CAMBIO DE BASE Sea V un de dimensión finita.

( ) En otra forma: ( *( ) ( ) . ( . ( ) ( .[ ] ( ) [ ] | | [ ] ( .

si existe una matriz invertible Q tal que cumpla: | | | | | | | | | || | | | | | POLINOMIO CARACTERÍSTICO para obtener el polinomio característico se A se utiliza: | | | | Ejemplo: | || | | | | | || . | || | y sobreyectiva. POLINOMIOS PROPIOS.TEOREMA Una aplicación lineal es biyectiva si esta es inyectiva Si una aplicación lineal es biyectiva esta toma el nombre de isomorfismo. Si el determinante es = 0 no es isomorfismo. Si el núcleo es no es isomorfismo. Ejemplo: Determinar si la siguiente aplicación lineal es isomorfismo. VECTORES PROPIOS Y POLINOMIOS CARACTERÍSTICOS MATRICES SIMILARES Se dice que A es similar a B.

todas las respuestas son válidas excepto las triviales. | | | || | | | || | | ( | ) Está bien si quedan infinitas soluciones .| || | | | | | || AUTO VALORES O VALORES PROPIOS Para determinarlos se debe encontrar las raíces de los polinomios característicos Ejemplo: * * VALORES PROPIOS Cada valor propio se asocia a un vector mediante la siguiente ecuación homogénea. Los vectores propios se obtienen al resolver el sistema anteriormente indicado.

Sea A una demostrar que sus valores propios siempre serán reales.| | || | | || | | ( | ) La definición de un vector propio parte de la definición. | | | √ Se analiza el discriminante y deber ser mayor o igual que cero. para este caso se debe considerar: | | | | | . DIAGONALIZACIÓN Se dice que una matriz A cuadrada es diagonizable si es similar a una matriz diagonal A es diagonizable si y solamente si existe una base formada para los auto valores. Los valores propios de una matriz simétrica siempre serán reales y los valores propios ortogonales. | | | | | | Matrices Similares tienen el mismo polinomio característico.

La matriz D es una matriz diagonal y los elementos en su diagonal principal son propios. | | | | | | | | | || || | | | APLICACIÓN | | | | || | | . La matriz Q está formada por los vectores propios en forma de columna.

Demuestre que un vector característico de A es una vector característico de .| || || | | | | | | || | | | | | .