lgebra Lineal

Matrices

MATRIZ

Matrices

MATRIZ
Una matriz A de mxn es un arreglo rectangular de mn nmeros
ordenados en m filas y n columnas

A=

a11
a21
a31
.
.
.
am1

a12 a13 a1n

a22 a23 a2n
a32 a33 a3n

am2 am3 amn

Matrices

TAMAO Y ORDEN DE UNA MATRIZ

Matrices

TAMAO Y ORDEN DE UNA MATRIZ

Se dice que una matriz de m filas y n columnas
es de tamao mxn.

Matrices

TAMAO Y ORDEN DE UNA MATRIZ

Se dice que una matriz de m filas y n columnas
es de tamao mxn.

Si m=n decimos que A es una matriz cuadrada

de orden n.

Matrices

IGUALDAD DE MATRICES

Matrices

IGUALDAD DE MATRICES
Dos matrices A = [ aij ] y B = [ bij ]
iguales si:

son

Matrices

IGUALDAD DE MATRICES
Dos matrices A = [ aij ] y B = [ bij ]
iguales si:
tienen el mismo tamao mxn

son

Matrices

IGUALDAD DE MATRICES
Dos matrices A = [ aij ] y B = [ bij ]
iguales si:
tienen el mismo tamao mxn
aij = bij para 1im y 1jn

son

10

Matrices

OPERACIONES CON MATRICES

11

Matrices

OPERACIONES CON MATRICES

Si A = [ aij ] y B = [ bij ] son matrices de
tamao mxn entonces su suma es la matriz de
mxn dada por
A + B = [ aij + bij ]

12

Matrices

OPERACIONES CON MATRICES

Si A = [ aij ] y B = [ bij ] son matrices de
tamao mxn entonces su suma es la matriz de
mxn dada por
A + B = [ aij + bij ]
La suma de matrices de diferente tamao no est definida.
13

Matrices

SUMA DE MATRICES
Un fabricante de cierto producto realiza tres modelos A, B y C en
tres fbricas F1, F2 y F3. En dos perodos, las cantidades
producidas fueron las que muestran en las siguientes tablas.
Cul fue la produccin total, por fbricas, de cada producto?

F1 120

250

305

F2 207

140

F3

120

29

F1 100

150

411

419

F2 190

200

312

190

F3

85

120

50

14

Matrices

SUMA DE MATRICES
Un fabricante de cierto producto realiza tres modelos A, B y C en
tres fbricas F1, F2 y F3. En dos perodos, las cantidades
producidas fueron las que muestran en las siguientes tablas.
Cul fue la produccin total, por fbricas, de cada producto?

F1 120

250

305

F2 207

140

F3

120

29

F1 100

150

411

419

F2 190

200

190

F3

85

50

F1

312

F2

120

F3

15

Matrices

SUMA DE MATRICES
Un fabricante de cierto producto realiza tres modelos A, B y C en
tres fbricas F1, F2 y F3. En dos perodos, las cantidades
producidas fueron las que muestran en las siguientes tablas.
Cul fue la produccin total, por fbricas, de cada producto?

F1 120

250

305

F2 207

140

F3

120

29

F1 100

150

411

419

F2 190

200

190

F3

85

50

F1 220

400

716

312

F2 397

340

731

120

F3

205

310

79

16

Matrices

PROPIEDADES DE LA SUMA DE
MATRICES

17

Matrices

PROPIEDADES DE LA SUMA DE
MATRICES
1. A + B = B + A

18

Matrices

PROPIEDADES DE LA SUMA DE
MATRICES
1. A + B = B + A
2. A + (B + C) = (A + B) + C

19

Matrices

PROPIEDADES DE LA SUMA DE
MATRICES
1. A + B = B + A
2. A + (B + C) = (A + B) + C
3. Existe una nica matriz O de tamao mxn
tal que A + O = A para toda matriz A de
tamao mxn.

20

Matrices

PROPIEDADES DE LA SUMA DE
MATRICES
1. A + B = B + A
2. A + (B + C) = (A + B) + C
3. Existe una nica matriz O de tamao mxn
tal que A + O = A para toda matriz A de
tamao mxn.
O se denomina matriz nula.

21

Matrices

OPERACIONES CON MATRICES

22

Matrices

OPERACIONES CON MATRICES

Si A = [ aij ] es una matriz de mxn y c es un
escalar (nmero real) entonces el mltiplo
escalar de A por c es la matriz de tamao mxn
dada por:
cA = [ c aij ]

23

Matrices

OPERACIONES CON MATRICES

Si A = [ aij ] es una matriz de mxn y c es un
escalar (nmero real) entonces el mltiplo
escalar de A por c es la matriz de tamao mxn
dada por:
cA = [ c aij ]
Podemos utilizar A para representar el producto escalar (-1) A

24

Matrices

OPERACIONES CON MATRICES

Si A = [ aij ] es una matriz de mxn y c es un
escalar (nmero real) entonces el mltiplo
escalar de A por c es la matriz de tamao mxn
dada por:
cA = [ c aij ]
Podemos utilizar A para representar el producto escalar (-1) A
Si A y B son del mismo tamao entonces escribimos A + (-1)B
como A B y denominamos a esto diferencia de A y B
25

Matrices

PROPIEDADES DE LA SUMA DE
MATRICES
1. A + B = B + A
2. A + (B + C) = (A + B) + C
3. Existe una nica matriz O de tamao mxn
tal que A + O = A para toda matriz A de
tamao mxn.
O se denomina matriz nula.

26

Matrices

PROPIEDADES DE LA SUMA DE
MATRICES
1. A + B = B + A
2. A + (B + C) = (A + B) + C
3. Existe una nica matriz O de tamao mxn
tal que A + O = A para toda matriz A de
tamao mxn.
O se denomina matriz nula.
4. Para cada matriz A de mxn existe una
nica matriz D tal que A + D = O.
27

Matrices

PROPIEDADES DE LA SUMA DE
MATRICES
1. A + B = B + A
2. A + (B + C) = (A + B) + C
3. Existe una nica matriz O de tamao mxn
tal que A + O = A para toda matriz A de
tamao mxn.
O se denomina matriz nula.
4. Para cada matriz A de mxn existe una
nica matriz D tal que A + D = O.
Claro que se cumple que D = - A.
28

Matrices

OPERACIONES CON MATRICES

29

Matrices

OPERACIONES CON MATRICES

Si A = [ aij ] es una matriz de mxn entonces la
T

transpuesta de A es la matriz A definida por

T

A = [ aji ]

30

Matrices

MATRIZ SIMTRICA Y MATRIZ

ANTISIMTRICA

31

Matrices

MATRIZ SIMTRICA Y MATRIZ

ANTISIMTRICA
T

Una matriz A es simtrica si A = A

32

Matrices

MATRIZ SIMTRICA Y MATRIZ

ANTISIMTRICA
T

Una matriz A es simtrica si A = A

Una matriz A es antisimtrica si A = - AT

33

Matrices

MATRIZ SIMTRICA Y MATRIZ

ANTISIMTRICA
T

Una matriz A es simtrica si A = A

Una matriz A es antisimtrica si A = - AT

Toda matriz simtrica es cuadrada

34

Matrices

OPERACIONES CON MATRICES

35

Matrices

OPERACIONES CON MATRICES

36

Matrices

MULTIPLICACIN DE MATRICES
Un fabricante de cierto producto realiza tres modelos A, B y C en
tres fbricas F1, F2 y F3. En cierto perodo, las cantidades
producidas y los costos de produccin por unidad fueron los que
muestran en las siguientes tablas. Cules son los costos de
produccin totales en las tres fbricas?
A

Costos

F1

120

250

305

2.00

F2

207

140

419

3.00

F3

29

120

190

2.75

37

Matrices

MULTIPLICACIN DE MATRICES
Un fabricante de cierto producto realiza tres modelos A, B y C en
tres fbricas F1, F2 y F3. En cierto perodo, las cantidades
producidas y los costos de produccin por unidad fueron los que
muestran en las siguientes tablas. Cules son los costos de
produccin totales en las tres fbricas?
A

Costos

Costos

F1

120

250

305

2.00

F1

F2

207

140

419

3.00

F2

F3

29

120

190

2.75

F3

38

Matrices

MULTIPLICACIN DE MATRICES
Un fabricante de cierto producto realiza tres modelos A, B y C en
tres fbricas F1, F2 y F3. En cierto perodo, las cantidades
producidas y los costos de produccin por unidad fueron los que
muestran en las siguientes tablas. Cules son los costos de
produccin totales en las tres fbricas?
A

Costos

Costos

F1

120

250

305

2.00

F1

1828.75

F2

207

140

419

3.00

F2

1986.25

F3

29

120

190

2.75

F3

940.50

39

Matrices

PROPIEDADES DEL PRODUCTO DE

MATRICES

40

Matrices

PROPIEDADES DEL PRODUCTO DE

MATRICES
1. A B B A

41

Matrices

PROPIEDADES DEL PRODUCTO DE

MATRICES
1. A B B A
2. A (B C) = (A B) C

42

Matrices

PROPIEDADES DEL PRODUCTO DE

MATRICES
1. A B B A
2. A (B C) = (A B) C
3. A (B + C) = AB + AC

43

Matrices

PROPIEDADES DEL PRODUCTO DE

MATRICES
1.
2.
3.
4.

ABBA
A (B C) = (A B) C
A (B + C) = AB + AC
(A + B) C = AC + BC

44

Matrices

PROPIEDADES DEL PRODUCTO DE

MATRICES
1.
2.
3.
4.
5.

ABBA
A (B C) = (A B) C
A (B + C) = AB + AC
(A + B) C = AC + BC
c (A B) =

45

Matrices

PROPIEDADES DEL PRODUCTO DE

MATRICES
1.
2.
3.
4.
5.

ABBA
A (B C) = (A B) C
A (B + C) = AB + AC
(A + B) C = AC + BC
c (A B) = (c A) B

46

Matrices

PROPIEDADES DEL PRODUCTO DE

MATRICES
1.
2.
3.
4.
5.

ABBA
A (B C) = (A B) C
A (B + C) = AB + AC
(A + B) C = AC + BC
c (A B) = (c A) B = A (c B)

47

Matrices

TRAZA DE UNA MATRIZ

48

Matrices

TRAZA DE UNA MATRIZ

49

Matrices

PROPIEDADES DE LA TRAZA DE
UNA MATRIZ

50

Matrices

PROPIEDADES DE LA TRAZA DE
UNA MATRIZ
1. tr (k A) = k tr (A)

51

Matrices

PROPIEDADES DE LA TRAZA DE
UNA MATRIZ
1. tr (k A) = k tr (A)
2. tr (A ) = tr (A)
T

52

Matrices

PROPIEDADES DE LA TRAZA DE
UNA MATRIZ
1. tr (k A) = k tr (A)
2. tr (A ) = tr (A)
T

3. tr (A + B) = tr (A) + tr (B)

53

Matrices

PROPIEDADES DE LA TRAZA DE
UNA MATRIZ
1. tr (k A) = k tr (A)
2. tr (A ) = tr (A)
T

3. tr (A + B) = tr (A) + tr (B)
4. tr (A B) = tr (B A)

54

Matrices

MATRIZ IDENTIDAD

55

Matrices

MATRIZ IDENTIDAD
Es una matriz cuadrada que tiene nmeros 1
en la diagonal principal y nmeros 0 en otro
lugar

In =

1 0 0 0
0 1 0 0
0 0 1 0

0 0 0

56

Matrices

MATRIZ IDENTIDAD
Es una matriz cuadrada que tiene nmeros 1
en la diagonal principal y nmeros 0 en otro
lugar

In =

1 0 0 0
0 1 0 1
0 0 1 0

0 0 0

Cuando se sobreentiende que el orden de la matriz es n se

puede denotar In simplemente como I

57

Matrices

MATRIZ IDENTIDAD

58

Matrices

MATRIZ IDENTIDAD
Si A es una matriz de tamao mxn se cumplen
las siguientes propiedades:
A In = A
Im A = A

59

Matrices

MATRIZ IDENTIDAD
Si A es una matriz de tamao mxn se cumplen
las siguientes propiedades:
A In = A
Im A = A
En particular, si A es una matriz cuadrada de
orden n se cumple
A In = In A = A
60

Matrices

MATRIZ IDENTIDAD
Si A es una matriz de tamao mxn se cumplen
las siguientes propiedades:
A In = A
Im A = A
En particular, si A es una matriz cuadrada de
orden n se cumple
A In = In A = A
o ms brevemente, A I = I A = A
61

Matrices

MATRIZ INVERSA

62

Matrices

MATRIZ INVERSA
Una matriz A de mxn es invertible o no
singular si existe una matriz B de nxm tal que
AB=BA=I
donde I es la matriz identidad de orden n.

63

Matrices

MATRIZ INVERSA
Una matriz A de mxn es invertible o no
singular si existe una matriz B de nxm tal que
AB=BA=I
donde I es la matriz identidad de orden n.
La matriz B se denomina inversa de A.

64

Matrices

MATRIZ INVERSA
Una matriz A de mxn es invertible o no
singular si existe una matriz B de nxm tal que
AB=BA=I
donde I es la matriz identidad de orden n.
La matriz B se denomina inversa de A.
Una matriz A que no tiene una inversa se
denomina no invertible o singular.

65

Matrices

MATRIZ INVERSA
Una matriz A de mxn es invertible o no
singular si existe una matriz B de nxm tal que
AB=BA=I
donde I es la matriz identidad de orden n.
La matriz B se denomina inversa de A.
Una matriz A que no tiene una inversa se
denomina no invertible o singular.
Las matrices no cuadradas no tienen inversas.
66

Matrices

MATRIZ INVERSA
Una matriz A de mxn es invertible o no
singular si existe una matriz B de nxm tal que
AB=BA=I
donde I es la matriz identidad de orden n.
La matriz B se denomina inversa de A.
Una matriz A que no tiene una inversa se
denomina no invertible o singular.
Las matrices no cuadradas no tienen inversas.
No todas las matrices cuadradas tienen inversa.
67

Matrices

UNICIDAD DE LA MATRIZ INVERSA

68

Matrices

UNICIDAD DE LA MATRIZ INVERSA

Si A es una matriz invertible entonces su
inversa es nica.

69

Matrices

UNICIDAD DE LA MATRIZ INVERSA

Si A es una matriz invertible entonces su
inversa es nica.
-1

La inversa de A se denota A .

70

Matrices

PROPIEDADES DE LA
TRANSPUESTA DE UNA MATRIZ

71

Matrices

PROPIEDADES DE LA
TRANSPUESTA DE UNA MATRIZ
Si c es un escalar y A y B son matrices entonces

72

Matrices

PROPIEDADES DE LA
TRANSPUESTA DE UNA MATRIZ
Si c es un escalar y A y B son matrices entonces
T

1. ( A ) = A
T

73

Matrices

PROPIEDADES DE LA
TRANSPUESTA DE UNA MATRIZ
Si c es un escalar y A y B son matrices entonces
T

1. ( A ) = A
T

2.

(A + B) = A + B

74

Matrices

PROPIEDADES DE LA
TRANSPUESTA DE UNA MATRIZ
Si c es un escalar y A y B son matrices entonces
T

1. ( A ) = A
T

2.
3.

(A + B) = A + B
(c A)

=cA

75

Matrices

PROPIEDADES DE LA
TRANSPUESTA DE UNA MATRIZ
Si c es un escalar y A y B son matrices entonces
T

1. ( A ) = A
T

2.
3.
4.

(A + B) = A + B
(c A)

=cA

(A B) =
76

Matrices

PROPIEDADES DE LA
TRANSPUESTA DE UNA MATRIZ
Si c es un escalar y A y B son matrices entonces
T

1. ( A ) = A
T

2.
3.
4.

(A + B) = A + B
(c A)

=cA
T

(A B) = B A

77

Matrices

MULTIPLICACIN REPETIDA DE
MATRICES CUADRADAS

78

Matrices

MULTIPLICACIN REPETIDA DE
MATRICES CUADRADAS
Si A es una matriz cuadrada de orden n y k es
un entero positivo entonces
k

A = A A AA

79

Matrices

MULTIPLICACIN REPETIDA DE
MATRICES CUADRADAS
Si A es una matriz cuadrada de orden n y k es
un entero positivo entonces
k

A = A A AA
k veces

80

Matrices

MATRIZ IDEMPOTENTE

81

Matrices

MATRIZ IDEMPOTENTE
2

Una matriz cuadrada A es idempotente si A = A

82

Matrices

MATRIZ NILPOTENTE

83

Matrices

MATRIZ NILPOTENTE
Una matriz A es nilpotente de ndice k si se
cumple que

84

Matrices

MATRIZ NILPOTENTE
Una matriz A es nilpotente de ndice k si se
cumple que
2

A O , A O, A O , , A

k -1

85

Matrices

MATRIZ NILPOTENTE
Una matriz A es nilpotente de ndice k si se
cumple que
2

A O , A O, A O , , A

k -1

pero A = O

86

Matrices

MATRIZ ESCALONADA

87

Matrices

MATRIZ ESCALONADA
Una matriz A de mxn est en forma escalonada reducida por
filas cuando satisface las condiciones siguientes:

88

Matrices

MATRIZ ESCALONADA
Una matriz A de mxn est en forma escalonada reducida por
filas cuando satisface las condiciones siguientes:
1. Todas las filas que constan solo de ceros, si las hay, estn
en la parte inferior de la matriz.

89

Matrices

MATRIZ ESCALONADA
Una matriz A de mxn est en forma escalonada reducida por
filas cuando satisface las condiciones siguientes:
1. Todas las filas que constan solo de ceros, si las hay, estn
en la parte inferior de la matriz.
2. El primer elemento distinto de cero de cada fila, al leer de
izquierda a derecha, es un 1. Este elemento se llama
elemento principal, entrada principal o uno principal
de la fila.

90

Matrices

MATRIZ ESCALONADA
Una matriz A de mxn est en forma escalonada reducida por
filas cuando satisface las condiciones siguientes:
1. Todas las filas que constan solo de ceros, si las hay, estn
en la parte inferior de la matriz.
2. El primer elemento distinto de cero de cada fila, al leer de
izquierda a derecha, es un 1. Este elemento se llama
elemento principal, entrada principal o uno principal
de la fila.
3. Para cada fila que no consta de solo de ceros, el uno
principal aparece a la derecha y debajo de cualquier uno
principal en las filas que le preceden.
91

Matrices

MATRIZ ESCALONADA
Una matriz A de mxn est en forma escalonada reducida por
filas cuando satisface las condiciones siguientes:
1. Todas las filas que constan solo de ceros, si las hay, estn
en la parte inferior de la matriz.
2. El primer elemento distinto de cero de cada fila, al leer de
izquierda a derecha, es un 1. Este elemento se llama
elemento principal, entrada principal o uno principal
de la fila.
3. Para cada fila que no consta de solo de ceros, el uno
principal aparece a la derecha y debajo de cualquier uno
principal en las filas que le preceden.
4. Si una columna tiene un uno principal, el resto de las
entradas de dicha columna son iguales a cero.

92

Matrices

OPERACIN ELEMENTAL

93

Matrices

OPERACIN ELEMENTAL
Cualquiera de las siguientes es una operacin
elemental por filas sobre una matriz A de
tamao mxn:

94

Matrices

OPERACIN ELEMENTAL
Cualquiera de las siguientes es una operacin
elemental por filas sobre una matriz A de
tamao mxn:
Intercambiar las filas r y s.

95

Matrices

OPERACIN ELEMENTAL
Cualquiera de las siguientes es una operacin
elemental por filas sobre una matriz A de
tamao mxn:
Intercambiar las filas r y s.
Multiplicar la fila r de A por un nmero c
distinto de cero.

96

Matrices

OPERACIN ELEMENTAL
Cualquiera de las siguientes es una operacin
elemental por filas sobre una matriz A de
tamao mxn:
Intercambiar las filas r y s.
Multiplicar la fila r de A por un nmero c
distinto de cero.
Sumar d veces la fila r de A a la fila s.

97

Matrices

MATRICES EQUIVALENTES

98

Matrices

MATRICES EQUIVALENTES
Se dice que una matriz A de mxn es equivalente
por filas a una matriz B de mxn si B se puede
obtener al aplicar a la matriz A una serie finita de
operaciones elementales por fila.

99

Matrices

MATRICES EQUIVALENTES
Se dice que una matriz A de mxn es equivalente
por filas a una matriz B de mxn si B se puede
obtener al aplicar a la matriz A una serie finita de
operaciones elementales por fila.
Teorema
Toda matriz de mxn es equivalente por filas a una
nica matriz en forma escalonada por filas.
100

Matrices

MATRICES EQUIVALENTES y SISTEMAS

DE ECUACIONES LINEALES

101

Matrices

MATRICES EQUIVALENTES y SISTEMAS

DE ECUACIONES LINEALES
Teorema
Sean Ax=b y Cx=d dos sistemas lineales, cada
uno con m ecuaciones y n incgnitas.
Si las matrices aumentadas [A b] y [C d] de
estos sistemas son equivalentes por filas, ambos
sistemas de ecuaciones lineales tienen las mismas
soluciones.

102

Matrices

INVERSA DE UNA MATRIZ

103

Matrices

INVERSA DE UNA MATRIZ

Determinacin de la inversa
eliminacin de Gauss Jordn

de

una

matriz

por

104

Matrices

INVERSA DE UNA MATRIZ

Determinacin de la inversa
eliminacin de Gauss Jordn

de

una

matriz

por

Sea A una matriz cuadrada de orden n

105

Matrices

INVERSA DE UNA MATRIZ

Determinacin de la inversa
eliminacin de Gauss Jordn

de

una

matriz

por

Sea A una matriz cuadrada de orden n

1. Escriba la matriz mx2n que consta de la matriz A dada a la

izquierda y la matriz identidad I de nxn a la derecha para
obtener [AI]. Este proceso se denomina adjuntar la matriz I
a la matriz A.

106

Matrices

INVERSA DE UNA MATRIZ

Determinacin de la inversa
eliminacin de Gauss Jordn

de

una

matriz

por

Sea A una matriz cuadrada de orden n

1. Escriba la matriz mx2n que consta de la matriz A dada a la

izquierda y la matriz identidad I de nxn a la derecha para
obtener [AI]. Este proceso se denomina adjuntar la matriz I
a la matriz A.
2. Si es posible, reduzca por filas A a I utilizando operaciones
elementales con filas en toda la matriz [AI]. El resultado
puede ser la matriz [IA-1]. Si esto no es posible entonces A
es no invertible (singular).
107

Matrices

INVERSA DE UNA MATRIZ

Determinacin de la inversa
eliminacin de Gauss Jordn

de

una

matriz

por

Sea A una matriz cuadrada de orden n

1. Escriba la matriz mx2n que consta de la matriz A dada a la

izquierda y la matriz identidad I de nxn a la derecha para
obtener [AI]. Este proceso se denomina adjuntar la matriz I
a la matriz A.
2. Si es posible, reduzca por filas A a I utilizando operaciones
elementales con filas en toda la matriz [AI]. El resultado
puede ser la matriz [IA-1]. Si esto no es posible entonces A
es no invertible (singular).
3. Verifique su trabajo multiplicando AA-1 y A-1A para ver que
-1
-1
AA = A A = I.

108

Matrices

DETERMINANTE DE UNA MATRIZ DE

ORDEN 2

109

Matrices

DETERMINANTE DE UNA MATRIZ DE

ORDEN 2
El determinante de la matriz
A=

a11

a12

a21

a22

est dado por

det(A) = A = a11 a22 a21 a12

110

Matrices

MENORES Y COFACTORES DE UNA

MATRIZ

111

Matrices

MENORES Y COFACTORES DE UNA

MATRIZ
Sea A es una matriz cuadrada

112

Matrices

MENORES Y COFACTORES DE UNA

MATRIZ
Sea A es una matriz cuadrada
El menor Mij del elemento aij es el determinante
de la matriz obtenida al suprimir la i-sima fila y la
j-sima columna de A.

113

Matrices

MENORES Y COFACTORES DE UNA

MATRIZ
Sea A es una matriz cuadrada
El menor Mij del elemento aij es el determinante
de la matriz obtenida al suprimir la i-sima fila y la
j-sima columna de A.

El cofactor Cij est dado por Cij = (-1)

i+j

Mij

114

Matrices

DETERMINANTE DE UNA MATRIZ

115

Matrices

DETERMINANTE DE UNA MATRIZ

Si A es una matriz cuadrada (de orden 2 o mayor)
entonces el determinante de A es la suma de los
elementos de la primera fila de A multiplicados
por sus cofactores.

116

Matrices

DETERMINANTE DE UNA MATRIZ

117

Matrices

DETERMINANTE DE UNA MATRIZ

118

Matrices

DETERMINANTE DE UNA MATRIZ

Teorema (Expansin por cofactores)

119

Matrices

DETERMINANTE DE UNA MATRIZ

Teorema (Expansin por cofactores)
Sea A es una matriz cuadrada de orden n.
Entonces

120

Matrices

DETERMINANTE DE UNA MATRIZ

121

Matrices

DETERMINANTE DE UNA MATRIZ

122

Matrices

DETERMINANTE DE UNA MATRIZ

123

Matrices

DETERMINANTE DE UNA MATRIZ

124

Matrices

PROPIEDADES DE LOS DETERMINANTES

125

Matrices

PROPIEDADES DE LOS DETERMINANTES

Teorema

126

Matrices

PROPIEDADES DE LOS DETERMINANTES

Teorema
Sean A y B matrices cuadradas de orden n.

127

Matrices

PROPIEDADES DE LOS DETERMINANTES

Teorema
Sean A y B matrices cuadradas de orden n.

1. Si B es obtenida a partir de A al intercambiar

dos filas entonces det(B) = - det(A)

128

Matrices

PROPIEDADES DE LOS DETERMINANTES

Teorema
Sean A y B matrices cuadradas de orden n.

1. Si B es obtenida a partir de A al intercambiar

dos filas entonces det(B) = - det(A)
2. Si B es obtenida a partir de A al sumar un
mltiplo de una fila de A a otra fila de A
entonces det(B) = det (A)

129

Matrices

PROPIEDADES DE LOS DETERMINANTES

Teorema
Sean A y B matrices cuadradas de orden n.

1. Si B es obtenida a partir de A al intercambiar

dos filas entonces det(B) = - det(A)
2. Si B es obtenida a partir de A al sumar un
mltiplo de una fila de A a otra fila de A
entonces det(B) = det (A)

3. Si B es obtenida a partir de A al multiplicar una

fila de A por una constante c diferente de cero
entonces det(B) = c det(A)

130

Matrices

PROPIEDADES DE LOS DETERMINANTES

El teorema anterior tambin se

cumple por columnas.

131

Matrices

CONDICIONES QUE DETERMINAN UN

DETERMINANTE CER0

132

Matrices

CONDICIONES QUE DETERMINAN UN

DETERMINANTE CER0
Teorema

133

Matrices

CONDICIONES QUE DETERMINAN UN

DETERMINANTE CER0
Teorema

Si A es una matriz cuadrada de orden n y una de

las siguientes condiciones es cierta entonces se
cumple que det(A) = 0

134

Matrices

CONDICIONES QUE DETERMINAN UN

DETERMINANTE CER0
Teorema

Si A es una matriz cuadrada de orden n y una de

las siguientes condiciones es cierta entonces se
cumple que det(A) = 0
1. Una fila (o columna) consta completamente de
ceros

135

Matrices

CONDICIONES QUE DETERMINAN UN

DETERMINANTE CER0
Teorema

Si A es una matriz cuadrada de orden n y una de

las siguientes condiciones es cierta entonces se
cumple que det(A) = 0
1. Una fila (o columna) consta completamente de
ceros

2. Dos filas (o columnas) son iguales

136

Matrices

CONDICIONES QUE DETERMINAN UN

DETERMINANTE CER0
Teorema

Si A es una matriz cuadrada de orden n y una de

las siguientes condiciones es cierta entonces se
cumple que det(A) = 0
1. Una fila (o columna) consta completamente de
ceros

2. Dos filas (o columnas) son iguales

3. Una fila (o columna) es un mltiplo de otra fila
(o columna)
137

Matrices

DETERMINANTE DE UNA MATRIZ

PRODUCTO

138

Matrices

DETERMINANTE DE UNA MATRIZ

PRODUCTO
Si A y B son matrices de orden n entonces
det(AB) = det(A) det(B)

139

Matrices

DETERMINANTE DE UN MLTIPLO
ESCALAR DE UNA MATRIZ

140

Matrices

DETERMINANTE DE UN MLTIPLO
ESCALAR DE UNA MATRIZ
Si A es una matriz cuadrada de orden n y c
es un escalar entonces el determinante de la
matriz cA est dado por

141

Matrices

DETERMINANTE DE UN MLTIPLO
ESCALAR DE UNA MATRIZ
Si A es una matriz cuadrada de orden n y c
es un escalar entonces el determinante de la
matriz cA est dado por
det(cA) = c

det(A)

142

Matrices

DETERMINANTE DE UNA MATRIZ

INVERTIBLE

143

Matrices

DETERMINANTE DE UNA MATRIZ

INVERTIBLE
Una matriz cuadrada A es invertible (no singular)
si y solo si det(A) 0

144

Matrices

DETERMINANTE DE LA INVERSA DE
UNA MATRIZ

145

Matrices

DETERMINANTE DE LA INVERSA DE
UNA MATRIZ
Si A es una matriz invertible entonces
-1

det( A ) =

1
det (A)

146

Matrices

CONDICIONES DE EQUIVALENCIA PARA

UNA MATRIZ NO SINGULAR

147

Matrices

CONDICIONES DE EQUIVALENCIA PARA

UNA MATRIZ NO SINGULAR
Si A es una matriz cuadrada de orden n entonces las
siguientes afirmaciones son equivalentes:

148

Matrices

CONDICIONES DE EQUIVALENCIA PARA

UNA MATRIZ NO SINGULAR
Si A es una matriz cuadrada de orden n entonces las
siguientes afirmaciones son equivalentes:
1. A es invertible

149

Matrices

CONDICIONES DE EQUIVALENCIA PARA

UNA MATRIZ NO SINGULAR
Si A es una matriz cuadrada de orden n entonces las
siguientes afirmaciones son equivalentes:
1. A es invertible
2. Ax=b tiene una nica solucin para toda matriz columna
b de nx1

150

Matrices

CONDICIONES DE EQUIVALENCIA PARA

UNA MATRIZ NO SINGULAR
Si A es una matriz cuadrada de orden n entonces las
siguientes afirmaciones son equivalentes:
1. A es invertible
2. Ax=b tiene una nica solucin para toda matriz columna
b de nx1
3. Ax=0 tiene solo la solucin trivial

151

Matrices

CONDICIONES DE EQUIVALENCIA PARA

UNA MATRIZ NO SINGULAR
Si A es una matriz cuadrada de orden n entonces las
siguientes afirmaciones son equivalentes:
1. A es invertible
2. Ax=b tiene una nica solucin para toda matriz columna
b de nx1
3. Ax=0 tiene solo la solucin trivial
4. A es equivalente por filas a la matriz In

152

Matrices

CONDICIONES DE EQUIVALENCIA PARA

UNA MATRIZ NO SINGULAR
Si A es una matriz cuadrada de orden n entonces las
siguientes afirmaciones son equivalentes:
1. A es invertible
2. Ax=b tiene una nica solucin para toda matriz columna
b de nx1
3. Ax=0 tiene solo la solucin trivial
4. A es equivalente por filas a la matriz In

5. A puede ser escrita como el producto de dos matrices

elementales
153

Matrices

CONDICIONES DE EQUIVALENCIA PARA

UNA MATRIZ NO SINGULAR
Si A es una matriz cuadrada de orden n entonces las
siguientes afirmaciones son equivalentes:
1. A es invertible
2. Ax=b tiene una nica solucin para toda matriz columna
b de nx1
3. Ax=0 tiene solo la solucin trivial
4. A es equivalente por filas a la matriz In

5. A puede ser escrita como el producto de dos matrices

elementales
6. det(A) 0

154

Matrices

DETERMINANTE DE UNA TRANSPUESTA

155

Matrices

DETERMINANTE DE UNA TRANSPUESTA

Si A es una matriz cuadrada de orden n entonces

T

det(A) = det(A )

156

Matrices

ADJUNTA DE UNA MATRIZ CUADRADA

157

Matrices

ADJUNTA DE UNA MATRIZ CUADRADA

La adjunta de una matriz cuadrada A es la

transpuesta de la matriz de cofactores y se
denota por adj(A) .

158

Matrices

INVERSA DE UNA MATRIZ DADA POR SU

ADJUNTA

159

Matrices

INVERSA DE UNA MATRIZ DADA POR SU

ADJUNTA
Si A es una matriz cuadrada invertible
entonces
1
-1
A =
adj(A)
det(A)

160

Matrices

INVERSA DE UNA MATRIZ DADA POR SU

ADJUNTA
Si A es una matriz cuadrada invertible
entonces
1
-1
A =
adj(A)
det(A)
Esta frmula no es particularmente eficiente para
calcular. El mtodo de Gauss - Jordan es mucho mejor.
Es un resultado muy utilizado tericamente porque
proporciona una frmula concreta para la inversa.
161

Matrices

MATRICES ORTOGONALES

162

Matrices

MATRICES ORTOGONALES
Una matriz ortogonal es una matriz cuadrada
cuya matriz inversa coincide con su matriz
transpuesta.

163

Matrices

MATRICES ORTOGONALES
Una matriz ortogonal es una matriz cuadrada
cuya matriz inversa coincide con su matriz
transpuesta.
Una matriz no singular A de orden n es ortogonal
si se cumple
T
A A = In
164

Matrices

MATRICES UNITARIAS

165

Matrices

MATRICES UNITARIAS
Una matriz compleja A de orden n es unitaria si
T

( A ) A = A ( A ) = In

166

Matrices

MATRICES UNITARIAS
Una matriz compleja A de orden n es unitaria si
T

( A ) A = A ( A ) = In
Toda matriz real ortogonal es unitaria.

167

Espacios Vectoriales

ESPACIO VECTORIAL

168

Espacios Vectoriales

ESPACIO VECTORIAL

169

Espacios Vectoriales

ESPACIO VECTORIAL

170

Espacios Vectoriales

ESPACIO VECTORIAL

171

Espacios Vectoriales

ESPACIO VECTORIAL

172

Espacios Vectoriales

ESPACIO VECTORIAL

173

Espacios Vectoriales

ESPACIO VECTORIAL

174

Espacios Vectoriales

ESPACIO VECTORIAL

175

Espacios Vectoriales

ESPACIO VECTORIAL

176

Espacios Vectoriales

ESPACIO VECTORIAL

177

Espacios Vectoriales

ESPACIO VECTORIAL

178

Espacios Vectoriales

ESPACIO VECTORIAL

179

Espacios Vectoriales

ESPACIO VECTORIAL

180

Espacios Vectoriales

ESPACIO VECTORIAL

181

Espacios Vectoriales

ESPACIO VECTORIAL

Un espacio vectorial consta de 4

elementos: un conjunto de vectores,
un conjunto de escalares y dos
operaciones.

182

Espacios Vectoriales

SUBESPACIO VECTORIAL

183

Espacios Vectoriales

SUBESPACIO VECTORIAL

Un subespacio vectorial es un subconjunto no

vaco W de un espacio vectorial V que es un
espacio vectorial bajo las operaciones de suma
y multiplicacin escalar definidas en V.

184

Espacios Vectoriales

SUBESPACIO VECTORIAL

185

Espacios Vectoriales

SUBESPACIO VECTORIAL
Teorema (Prueba para un subespacio)

186

Espacios Vectoriales

SUBESPACIO VECTORIAL
Teorema (Prueba para un subespacio)
Si W es un subconjunto no vaco de un espacio
vectorial V entonces W es un subespacio de V si
y solo si se cumplen las siguientes condiciones:

187

Espacios Vectoriales

SUBESPACIO VECTORIAL

188

Espacios Vectoriales

SUBESPACIO VECTORIAL

189

Espacios Vectoriales

COMBINACIN LINEAL DE VECTORES

190

Espacios Vectoriales

COMBINACIN LINEAL DE VECTORES

191

Espacios Vectoriales

CONJUNTO GENERADOR DE UN ESPACIO

VECTORIAL

192

Espacios Vectoriales

CONJUNTO GENERADOR DE UN ESPACIO

VECTORIAL

193

Espacios Vectoriales

DEPENDENCIA E INDEPENDENCIA
LINEAL

194

Espacios Vectoriales

DEPENDENCIA E INDEPENDENCIA
LINEAL

195

Espacios Vectoriales

DEPENDENCIA E INDEPENDENCIA
LINEAL
Teorema

196

Espacios Vectoriales

DEPENDENCIA E INDEPENDENCIA
LINEAL

197

Espacios Vectoriales

DEPENDENCIA E INDEPENDENCIA
LINEAL
Corolario

198

Espacios Vectoriales

DEPENDENCIA E INDEPENDENCIA
LINEAL

199

Espacios Vectoriales

BASE

200

Espacios Vectoriales

BASE

201

Espacios Vectoriales

BASE
Teorema

202

Espacios Vectoriales

BASE

203

Espacios Vectoriales

BASE Y DEPENDENCIA LINEAL

Teorema

204

Espacios Vectoriales

BASE Y DEPENDENCIA LINEAL

205

Espacios Vectoriales

BASE
Teorema

206

Espacios Vectoriales

BASE
Teorema
Si un espacio vectorial V tiene una base con n
vectores entonces toda base de V tiene n
vectores.

207

Espacios Vectoriales

DIMENSIN DE UN ESPACIO VECTORIAL

208

Espacios Vectoriales

DIMENSIN DE UN ESPACIO VECTORIAL

Si un espacio vectorial V tiene una base que
consta de n vectores entonces el nmero n se
denomina dimensin de V y se denota por
dim(V) = n.
Si V consta solamente del vector nulo entonces
la dimensin de V se define como cero.

209

Espacios Vectoriales

BASE Y DIMENSIN
Teorema

210

Espacios Vectoriales

BASE Y DIMENSIN

211

Espacios Vectoriales

ISOMORFISMO

212

Espacios Vectoriales

ISOMORFISMO
Los
espacios
vectoriales
de
dimensin finita son isomorfos a
sus correspondientes espacios de
coordenadas.

213

Espacios Vectoriales

ISOMORFISMO
Los
espacios
vectoriales
de
dimensin finita son isomorfos a
sus correspondientes espacios de
coordenadas.
Que son isomorfos quiere decir que son
esencialmente
iguales
respecto
a
las
operaciones de suma vectorial y multiplicacin
escalar.
214

Espacios Vectoriales

ISOMORFISMO
Teorema

215

Espacios Vectoriales

ISOMORFISMO
Teorema
Dos espacios vectoriales de dimensin finita V y W
son isomorfos si y solo si tienen la misma
dimensin.

216

Espacios Vectoriales

COORDENADAS RESPECTO A UNA BASE

217

Espacios Vectoriales

COORDENADAS RESPECTO A UNA BASE

218

Espacios Vectoriales

COORDENADAS RESPECTO A UNA BASE

219

Espacios Vectoriales

COORDENADAS RESPECTO A UNA BASE

Las coordenadas de un vector
dependen de la base que se
considere.

220

Espacios Vectoriales

CAMBIO DE BASE

221

Espacios Vectoriales

CAMBIO DE BASE
El procedimiento mostrado en los
ejemplos anteriores se llama
cambio de base

222

Espacios Vectoriales

MATRIZ DE TRANSICIN

223

Espacios Vectoriales

MATRIZ DE TRANSICIN

224

Espacios Vectoriales

MATRIZ DE TRANSICIN

225

Espacios Vectoriales

MATRIZ DE TRANSICIN

-1

226

Espacios Vectoriales

MATRIZ DE TRANSICIN

227

Espacios Vectoriales

MATRIZ DE TRANSICIN

-1

-1

228

Espacios Vectoriales

MATRIZ DE TRANSICIN
Los vectores de las bases se
escriben como vectores columna.

229

Espacios Vectoriales

ESPACIO FILA Y ESPACIO COLUMNA

230

Espacios Vectoriales

ESPACIO FILA Y ESPACIO COLUMNA

231

Espacios Vectoriales

ESPACIO FILA Y ESPACIO COLUMNA

232

Espacios Vectoriales

ESPACIO FILA Y ESPACIO COLUMNA

Teorema
Si una matriz A de mxn es equivalente por filas a
una matriz B de mxn entonces el espacio fila de
A es igual al espacio fila de B.

233

Espacios Vectoriales

ESPACIO FILA Y ESPACIO COLUMNA

234

Espacios Vectoriales

ESPACIO FILA Y ESPACIO COLUMNA

Teorema
Si una matriz A es equivalente por filas a una
matriz B que est en forma escalonada por filas
entonces los vectores fila de B diferentes de cero
forman una base del espacio fila de A.

235

Espacios Vectoriales

ESPACIO FILA Y ESPACIO COLUMNA

236

Espacios Vectoriales

ESPACIO FILA Y ESPACIO COLUMNA

Teorema
Si A es una matriz de mxn entonces el espacio
fila y el espacio columna tienen la misma
dimensin.

237

Espacios Vectoriales

RANGO DE UNA MATRIZ

238

Espacios Vectoriales

RANGO DE UNA MATRIZ

La dimensin del espacio fila (o columna) de una

matriz A se llama rango de A y se denota por
rango(A).

239

Espacios Vectoriales

ESPACIO NULO DE UNA MATRIZ

240

Espacios Vectoriales

ESPACIO NULO DE UNA MATRIZ

241

Espacios Vectoriales

ESPACIO NULO DE UNA MATRIZ

El espacio nulo de A se llama tambin

espacio solucin del sistema Ax=0

242

Espacios Vectoriales

ESPACIO NULO DE UNA MATRIZ

Ntese que la ltima columna de la matriz

aumentada est formada por ceros por lo cual
no puede ser cambiada mediante operaciones
por filas.
En la prctica NO ES NECESARIO trabajar con
la matriz aumentada para encontrar el espacio
nulo, basta utilizar solo la matriz A.

243

Espacios Vectoriales

RELACIN ENTRE EL RANGO Y LA

NULIDAD DE UNA MATRIZ

244

Espacios Vectoriales

RELACIN ENTRE EL RANGO Y LA

NULIDAD DE UNA MATRIZ
Teorema
Si A es una matriz de mxn rango r entonces la
dimensin del espacio solucin de Ax=0 es n-r.
O sea, se cumple
n = rango(A) + nulidad(A)

245

Espacios Vectoriales con Producto Interno

PRODUCTO INTERNO

246

Espacios Vectoriales con Producto Interno

PRODUCTO INTERNO

247

Espacios Vectoriales con Producto Interno

PRODUCTO INTERNO

248

Espacios Vectoriales con Producto Interno

PRODUCTO INTERNO

249

Espacios Vectoriales con Producto Interno

PRODUCTO INTERNO

250

Espacios Vectoriales con Producto Interno

PRODUCTO INTERNO

251

Espacios Vectoriales con Producto Interno

PRODUCTO INTERNO

252

Espacios Vectoriales con Producto Interno

PRODUCTO INTERNO EN R n

253

Espacios Vectoriales con Producto Interno

PRODUCTO INTERNO EN R n

254

Espacios Vectoriales con Producto Interno

PRODUCTO INTERNO EN R 2

255

Espacios Vectoriales con Producto Interno

PRODUCTO INTERNO EN R 2

256

Espacios Vectoriales con Producto Interno

LONGITUD, MAGNITUD O NORMA

257

Espacios Vectoriales con Producto Interno

LONGITUD, MAGNITUD O NORMA

258

Espacios Vectoriales con Producto Interno

LONGITUD DE UN MLTIPLO ESCALAR

259

Espacios Vectoriales con Producto Interno

LONGITUD DE UN MLTIPLO ESCALAR

n

260

Espacios Vectoriales con Producto Interno

VECTOR UNITARIO

261

Espacios Vectoriales con Producto Interno

VECTOR UNITARIO
n

262

Espacios Vectoriales con Producto Interno

NGULO ENTRE DOS VECTORES

263

Espacios Vectoriales con Producto Interno

NGULO ENTRE DOS VECTORES

n

264

Espacios Vectoriales con Producto Interno

VECTORES ORTOGONALES

265

Espacios Vectoriales con Producto Interno

VECTORES ORTOGONALES
n

266

Espacios Vectoriales con Producto Interno

CONJUNTO ORTOGONAL

267

Espacios Vectoriales con Producto Interno

CONJUNTO ORTOGONAL
Un conjunto S de vectores en un espacio V con
producto interno se llama ortogonal si todo
par de vectores en S es ortogonal.
Si, adems, cada vector en este conjunto es
unitario entonces S se denomina ortonormal.

268

Espacios Vectoriales con Producto Interno

PROCESO DE ORTONORMALIZACIN DE
GRAM-SCHMIDT

269

Espacios Vectoriales con Producto Interno

PROCESO DE ORTONORMALIZACIN DE
GRAM-SCHMIDT
Teorema

270

Espacios Vectoriales con Producto Interno

PROCESO DE ORTONORMALIZACIN DE
GRAM-SCHMIDT

271

Espacios Vectoriales con Producto Interno

PROCESO DE ORTONORMALIZACIN DE
GRAM-SCHMIDT

272

Espacios Vectoriales con Producto Interno

PROCESO DE ORTONORMALIZACIN DE
GRAM-SCHMIDT

273

Espacios Vectoriales con Producto Interno

PROCESO DE ORTONORMALIZACIN DE
GRAM-SCHMIDT
Entonces B es una base ortogonal en V.

274

Espacios Vectoriales con Producto Interno

PROCESO DE ORTONORMALIZACIN DE
GRAM-SCHMIDT

275

Espacios Vectoriales con Producto Interno

SUBESPACIOS ORTOGONALES

276

Espacios Vectoriales con Producto Interno

SUBESPACIOS ORTOGONALES
n

277

Espacios Vectoriales con Producto Interno

COMPLEMENTO ORTOGONAL

278

Espacios Vectoriales con Producto Interno

COMPLEMENTO ORTOGONAL
n

279

Transformaciones Lineales

TRANSFORMACIN LINEAL

280

Transformaciones Lineales

TRANSFORMACIN LINEAL
Sean V y W espacios vectoriales.

281

Transformaciones Lineales

TRANSFORMACIN LINEAL
Sean V y W espacios vectoriales.
La funcin T: V
W se llama transformacin
lineal
de V en W si las dos propiedades
siguientes son verdaderas para todo u y v en V y
todo escalar c:

282

Transformaciones Lineales

TRANSFORMACIN LINEAL
Sean V y W espacios vectoriales.
La funcin T: V
W se llama transformacin
lineal
de V en W si las dos propiedades
siguientes son verdaderas para todo u y v en V y
todo escalar c:
1. T(u + v) = T(u) + T(v)

283

Transformaciones Lineales

TRANSFORMACIN LINEAL
Sean V y W espacios vectoriales.
La funcin T: V
W se llama transformacin
lineal
de V en W si las dos propiedades
siguientes son verdaderas para todo u y v en V y
todo escalar c:
1. T(u + v) = T(u) + T(v)
2. T(cu) = c T(u)

284

Transformaciones Lineales

PROPIEDADES DE LAS
TRANSFORMACIONES LINEALES

285

Transformaciones Lineales

PROPIEDADES DE LAS
TRANSFORMACIONES LINEALES
Si T es una transformacin lineal de V en W, v
est en V y w est en W entonces se cumple:

286

Transformaciones Lineales

PROPIEDADES DE LAS
TRANSFORMACIONES LINEALES
Si T es una transformacin lineal de V en W, v
est en V y w est en W entonces se cumple:

1. T(0) = 0

287

Transformaciones Lineales

PROPIEDADES DE LAS
TRANSFORMACIONES LINEALES
Si T es una transformacin lineal de V en W, v
est en V y w est en W entonces se cumple:

1. T(0) = 0
2. T(-v) = - T(v)

288

Transformaciones Lineales

PROPIEDADES DE LAS
TRANSFORMACIONES LINEALES
Si T es una transformacin lineal de V en W, v
est en V y w est en W entonces se cumple:

1. T(0) = 0
2. T(-v) = - T(v)
3. T(u v) = T(u) T(v)

289

Transformaciones Lineales

PROPIEDADES DE LAS
TRANSFORMACIONES LINEALES
Si T es una transformacin lineal de V en W, v
est en V y w est en W entonces se cumple:

1.
2.
3.
4.

T(0) = 0
T(-v) = - T(v)
T(u v) = T(u) T(v)
Si v=c1v1 + c2v2 + + cnvn entonces
T(v) = c1 T(v1)+ c2 T(v2) + + cn T(vn)
290

Transformaciones Lineales

MATRICES Y TRANSFORMACIONES
LINEALES

291

Transformaciones Lineales

MATRICES Y TRANSFORMACIONES
LINEALES
Sea A una matriz de mxn.

292

Transformaciones Lineales

MATRICES Y TRANSFORMACIONES
LINEALES
Sea A una matriz de mxn.
La funcin T definida por T(v) = Av
transformacin lineal.

es una

293

Transformaciones Lineales

NCLEO DE UNA TRANSFORMACIN

LINEAL

294

Transformaciones Lineales

NCLEO DE UNA TRANSFORMACIN

LINEAL
Sea T: V

W una transformacin lineal.

295

Transformaciones Lineales

NCLEO DE UNA TRANSFORMACIN

LINEAL
Sea T: V W una transformacin lineal.
Entonces el conjunto de todos los vectores en V
que cumplen T(v) = 0 se denomina kernel o
ncleo de T y se denota ker(T).

296

Transformaciones Lineales

NCLEO DE UNA TRANSFORMACIN

LINEAL
Teorema

297

Transformaciones Lineales

NCLEO DE UNA TRANSFORMACIN

LINEAL
Teorema
El kernel de la transformacin lineal T: V
un subespacio vectorial del dominio V.

W es

298

Transformaciones Lineales

VALORES Y VECTORES PROPIOS

299

Transformaciones Lineales

VALORES Y VECTORES PROPIOS

Sea A una matriz de mxn.

300

Transformaciones Lineales

VALORES Y VECTORES PROPIOS

Sea A una matriz de mxn.
El escalar se denomina valor propio
(eigenvalor, autovalor) de A si existe un vector x
diferente de cero tal que Ax = x.

301

Transformaciones Lineales

VALORES Y VECTORES PROPIOS

Sea A una matriz de mxn.
El escalar se denomina valor propio
(eigenvalor, autovalor) de A si existe un vector x
diferente de cero tal que Ax = x.
El vector x se llama vector propio (eigenvector,
autovector) de A correspondiente a A.

302

Transformaciones Lineales

VALORES Y VECTORES PROPIOS

Teorema

303

Transformaciones Lineales

VALORES Y VECTORES PROPIOS

Teorema
1. Un valor propio de A es un escalar tal que
det(I A) = 0
2.

304

Transformaciones Lineales

VALORES Y VECTORES PROPIOS

Teorema
1. Un valor propio de A es un escalar tal que
det(I A) = 0
2. Los vectores propios correspondientes a
son las soluciones diferentes de cero de
(I A) x = 0

305

Transformaciones Lineales

VALORES Y VECTORES PROPIOS

306

Transformaciones Lineales

VALORES Y VECTORES PROPIOS

Los valores propios de una matriz cuadrada
son las races de su polinomio caracterstico.

307

Transformaciones Lineales

VALORES Y VECTORES PROPIOS

Los valores propios de una matriz cuadrada
son las races de su polinomio caracterstico.
La suma de los vectores propios de una
matriz, teniendo en cuenta su multiplicidad,
coincide con la traza de la matriz.

308

Transformaciones Lineales

VALORES Y VECTORES PROPIOS

Los valores propios de una matriz cuadrada
son las races de su polinomio caracterstico.
La suma de los vectores propios de una
matriz, teniendo en cuenta su multiplicidad,
coincide con la traza de la matriz.
El conjunto de todos los valores propios de
una matriz A se llama espectro de A y se
denota (A).
309

Transformaciones Lineales

ESPACIO PROPIO

310

Transformaciones Lineales

ESPACIO PROPIO
Si A es una matriz de mxn con un valor propio
entonces el conjunto de todos los vectores
propios correspondientes a junto con el vector
cero es un subespacio de Rn y se llama espacio
propio de .

311

Transformaciones Lineales

TEOREMA DE CAYLEY-HAMILTON
Toda matriz cuadrada satisface su ecuacin
caracterstica.

312