Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Formulario Algebra Lineal PDF
Formulario Algebra Lineal PDF
Asignatura: Matemáticas
Fecha:
Página 1 de 9
Suma:
- Las matrices a sumar tienen que tener la misma dimensión (m=p, n=q).
a 11 + b11 a 12 + b12 L a 1n + b1 n
A+B = a 21 + b 21 a 22 + b 22 L a 2n + b 2n
M M M M
a + b a m 2 + bm 2 L a mn + b mn
m1 m1
λ a 11 λ a 12 L λ a1n
λA=Aλ= λa 21 λa 22 L λa 2 n
M M M M
λa λa m2 L λ a mn
m1
Producto de matrices:
AB=
a 11 b11 + a 12 b 21 + L + a 1n b n 1 a 11 b12 + a 12 b 22 + L + a1 n b n 2 L a 11 b1 q + a 12 b 2 q + L + a 1n b nq
a 21 b11 + a 22 b 21 + L + a 2 n b n 1 a 21 b12 + a 22 b 22 + L + a 2 n b n 2 L a 21 b1 q + a 22 b 2 q + L + a 2 n b nq
M M M M
a m1 b 11 + a m 2 b 21 + L + a mn b n 1 a m 1 b12 + a m 2 b 22 + L + a mn b n 2 L a m 1 b1 q + a m 2 b 2 q + L + a mn b nq
-La matriz a la que se halla la traza tiene que ser cuadrada (n=m).
-La traza es la suma de los elementos de la diagonal.
traza(A)= a11 + a 22 L a nn
Transposición de matrices:
a 11 a 21 L a n1
A = a 12
T a 22 L a n2
M M M M
a L a nn
1n a 2n
Tipos de matrices
- (A + B )T = A T + BT
- (AB )T = B T A T
- (AB) −1 = B −1 A −1
- IA=AI=A (I es la matriz identidad)
- OA=AO=O (O es la matriz nula)
Determinantes
a b a b
A= ,|A|= = ad − cb
c d c d
a1 b1 c1
A= a 2 b2 c 2 ,|A|= a1b 2 c3 + a 3b1c 2 + a 2 b3 c1 − (a 3b 2 c1 + a 2 b1c 3 + a1b3 c 2 )
a c 3
3 b3
• |AT |=|A|
• |AB|=|BA|
• |A-1 |=1/|A|
• |A|=-|B|, siendo B la matriz formada al intercambiar dos filas o columnas
• |A|=0, si A tiene dos filas o columnas iguales, proporcionales o que una dependa
linealmente de las otras.
• |B|=k|A|, si todos los elementos de B son iguales a los de A menos una fila o columna
que se a multiplicado por k.
Matriz inversa
−1
- La matriz A es la matriz inversa de A si AA -1 = A -1 A = I
- La matriz A tiene inversa si y sólo si su determinante es distinto de cero.
Matrices semejantes
- Dos matrices A y B cuadradas de orden n son semejantes si existe una matriz P regular tal
que B=PAP -1 .
(adjA)t
-1
- A = , donde la matriz adjA es la matriz formada por los elementos adjuntos
|A|
de A.
- Otra manera de calcular la inversa de A es utilizando el método de Gauss- Jordan
Rango de una matriz: orden del mayor determinante no nulo que se puede formar apartir de
la matriz.
2-Espacios vectoriales
Definición
Diremos que un conjunto V es un espacio vectorial sobre un cuerpo K si hay definidas dos
operaciones:
1- una ley interna, V×V→V, (x , y) →x+y, que denominamos suma de vectores
2- una ley externa K ×V→V, (α ,y) →α y, que denominamos producto por un escalar
de manera que verifican las siguientes propiedades:
1- x+y=y+x (conmutativa)
2- (x+y)+z=x+(y+z) (asociativa)
3- ∃0 ∈ V / x+ 0= x, ∀ x∈ V (elemento neutro)
4- ∀x ∈ V, ∃ - x ∈ V / x + ( - x ) = 0 (elemento opuesto)
5- (α+β)x=αx+βx
6- α (x+y)= αx+αy
7- (αβ)x=α(β x)
8- 1x=x
∀α , β ∈ ¡ , x,y ∈ V
Coordenadas de un vector en una base dada: Sea B = {x 1 , x 2 ,..., x n } una base de V, y sea
x ∈ V ; se dice que ( a 1 , a 2 ,..., a n ) ∈ K n son las coordenadas de x en la base B si se cumple: x
= α 1x 1 + α 2 x 2 + ... + α n x n .
Producto interior: a cada par de vectores se le asigna un número real <u,v> que satisface:
1- < au1 + bu2 , v >= a < u1 , v > +b < u 2 , v > (linealidad)
2- <u,v>=<v,u>(simetría)
3- <u,v>≥0, <u,u>=0⇔u=0 (definida positiva)
< V, W >
Proyección: la proyección del vector V en W es cW donde c = (c es llamado
|| W || 2
coeficiente de Fourier).
Proceso de ortonalización (Gram-Schmidt): Sea el conjunto de vectores {V1 ,V2 ,...,Vn } que
queremos ortogonalizar, el proceso de ortogonalización es el siguiente:
W1 = V1
< V2 , W1 >
W2 = V2 − W1
|| W1 || 2
< V3 , W1 > < V3 , W2 >
W3 = V3 − 2
W1 − W2
|| W1 || || W2 || 2
.................... ............................................
< Vn , W1 > < Vn , Wn−1 >
Wn = Vn − 2
W1 − ... − Wn−1
|| W1 || || Wn −1 || 2
4-Aplicaciones lineales
Aplicación lineal: sean V y W dos espacios vectoriales, decimos que la aplicación
f : V → W ∀x ∈ V, ∃ y ∈ W tal que y = f ( x) es lineal si
f (x + y) = f (x ) + f (y )
f (α x) = α f (x )
-A toda aplicación lineal se le puede asociar una matriz y esta depende de las bases a escoger
en los espacios V y W.
Endomorfismo: W=V.
5-Diagonalización
Autovectores: son los vectores que conforman las bases de cada subespacio (subespacio
propio) formado por las soluciones de los sistemas (A- λi I)x=0, i=1..r, donde λi son los
autovalores y r es la número de valores propios distintos.
- Una aplicación es diagonalizable si la multiplicidad de sus autovalores es igual a la
dimensión del subespacio propio.
Propiedades:
- A y A⊥ tienen los mismos autovalores.
- Si λ es autovalor de A, kλ es autovalor de kA (los autovectores son los mismos).
- Si λ es autovalor de A, λ −1 es autovalor de A−1 (los autovectores son los mismos).
- Si λ es autovalor de A, λ n es autovalor de An (los autovectores son los mismos).
- Si λ es autovalor de A, Ker(f)≠0.
- Si p(x) es el polinomio característico de A entonces p(A)=0, Teorema de Cyley-
Hamilton.
- Si A es simétrica es siempre diagonalizable y sus autovectores forman un conjunto
ortogonal.