m

&
·e (

Fila
TIPOS DE MATRICES

Ai
6 = 023- Columna

no olvidar !: marices cuadradas :

A 2x2 A3 x 3 A3xY
↓ ↓ d

orden 2 orden 3 Orden 4

·
Inversa de una matriz
Sea una matriz cuadrada de Orden n
-

sea ab
Si AT = A es una matriz simétrica A =
si ad-bc +0 entonces

-C
Si At=-A es Una matriz Antisimétrica

A
-
1
=
1 -
5
ad- bc
Propiedades Producto de Matrices ca
-

-1
1 .
(AB)) = A(BC) 1 .
(A 1) = A

2 . (A + B)C = Ac + BC .
2 (XA)
-
1 : A
3
. A(B + C) =
AB + Al 3
. (AB) =
B A1
T
4 .
X(AB) =
(2A)B =
A(XB) .
4 (A ") =
(A-1)
1
AP (A 1)
-

(AB)
T
BT AT 5 VEIN (qn)
-

5 .
= .
. y
=

matrices Identidades mult. Por escalar :

[1 i]
I : 1 . (A + B) = 2A + LB 5
. OA = OmxR
O
2
. 2(BA) = (X B)A . . dA
6 =
Omxn ,
X = 0 o A = Omxn

3
. (1 + B)A = &A + BA

M2 = M Idempotencia y .
1A = A

demostración

Traspuesta propiedades

%07
2
( :) /:i) %i)
T
I : #212 Is (AY) A
=
= = = =
>
- .

"
(A + B) =
Al + BT

anora con una traspuesta : (dA)P = dAT

T
(AT)2 = ATAT = (A-A) = AT

: (AT)2 = A es Indempotente

elemento neutro Multi .: ImA = A 1 Aln = A

AB = O NO implica que A = 0 o B= 0
 Potencia de marices
P
A2 = AA A' = A 1 A = In

3
A = APA

An = Al-1A

definiciones :

traza
· : Suma de los numeros pertenecientes a la diagonal

· marriz diagonal :
Ais si itd

· matrices iguales :
dis =
Big

·
Matriz nula : Todos los loef son O

· Traspuesta de Una matriz : Matric Obtenida del intercambio de filas por columnas

12 1) 13
03
.

· Obs : Toda matriz cuadrada se puede escribir como la suma de una matriz simetrica con

Una antisimetrica :

2(A + AP) + (A -
Al(

Mances por bloque :

5x3 en

+3)
>
- x te

Columnas

SOL SEl >

- todo vector que cumpla con ser una solución de Cada una de las ecuaciones del Sistema

↓ consistente : Si Cs #0 ,
con 10 00 soluciones

↳ Inconsistente : Si CS = A

metados
Metodo de reducción Gaussiana

Forma escalonada equivalente por filas a la matriz ampliada [A/B] y resolver por Susi Atras

Metodo Gauss-Jordan

Forma escalonada reducida equivalente por filas

[a/B] y resolverlo directamente

· variables Pirote : Principales

· Variables Colum : Variables libres >

- Parametros en SEL
 Rango ↑
: Número de los Principales Columnas pivote en una forma escalonada
m

5 -
-

A 12 = E f + f1
,
123 5- F3-2Fz OC E Ran(A) =
2

F3 + Fl
-
1 4 1 7 O 64 12 O ⑥ Y 12

O 0 0
11 11 0326 0
- -

- - - -
-

teorema Rouché-Frobenius
④ Ran (A) > Ran ((AJ(B]) entonces s no tiene solución - Inconsistente

② Ran(A) =
Ran([AJCBJ) = U entonces si hay solución

R tiene sol

↳
= n S Unica

R n S tiene infinitas sol con h-r parametros n : cidad ecuaciones

Tipos de 501 :

① 0 o " O
1 0 0 D 0 -50

O ④ O 4/3 O
O
1 -
2 0
-
40

00 O
1
-

76 O O O O O O ·

sol unica Infinitas Sol Solución vacia

Ran(A) = 3 Ran(A) =
2 Ran(A) = 2

Ran(A/B) = 3 Ran (A/B) = 2 Ran(A/B) =

3

SE) -
:
Pasa Cuando todos los terminos independientes de todas las ecuaciones del Sistema son iguales

a O

1. Si rang(As =n entonces el Sistema S tiene sol unica la trivial

2
. =
Rang(a) n entonces S tiene infinitas sol con n-r parametros

Teorema :

Sea XP una sol particular de AX =

B es de la Forma :
Cs = XP + CH

X =
XP + Xn donde Xn es una solución del sistema lineal homogeneo AX = 0

142 +
442 ,
42-942 , 2) =
('12 ,
42 .
0) + (147 ,
-

447 ,
z)

sol general sel vector numérico Solucion SElH

↓ I XP t Xn

Sistema ecuaciones lineales

A =
(aij)Mxn X = (Xi)nx1 B =
(bjlmx se tiene el sistema de ecuaciones s

ecuación matricial

AX =
B

· si A es invertible
, entonces

X = A-1 B la inversa de la matriz es unica

>
- en un sistema lineal Man Tiene Sol . Unica si la matriz de Coef A es invertible

>
- sera inconsistente o infinitas so) en el caso de que A NO SEA INVERTIBIE
 Matrices >
- SEl's
x = (xi) mx1 B =
(bj)mxl
-
A :
(dissmxn - -
-

all Al2 A. 3 .... Ar

X by
I
·
Y ba

z
b3
amn amn -
- .

- m

- ↓
coef del Sel rector ↓ constantes Sol Sel
Incognito

tebre sea A t Mu(IR)

1 . A es invertible 7 . A es producto de matrices elementales

.
2 la ecuación AX = B tiene sol unica para todo BEIRP ·
. det (A) #O

.
3 la ecuación AX = O tiene sol Unica trivial . las Columnas A Forman (I
9 en IRP

4
. forma escalonada reducida por filas de A identidad IRP
la es la matriz En 10
. Filas A Forman L . I en

5
. Ran(A) = R

6
. existe unica marric Be Mn(IR) AB In
tal que
=
una

[A/In] = [In(A 1

mac elementale
-
- 9a

1) Eij : Matriz resultante di intercambiar i y j

2) Ei(k) : Matriz resultante al Ponderar K por la fila i

3) Ei)(K) : marriz resultanie al sumar a la fila i un ponderado en la fila j

teolema
matric elemental (an (23)

AP
, +A

1a) -30
%i) i e * al calcular el Ran de un sistema x= s [X] + T [ X]

Calculamos cidad de incognitas -

parametros
3 -

2 =
1
INVERSA

In = Ex ... EzteA

In = EA
escritura fundamental :

1
E A
-

Producto de matrices elementales : A = Si . Es .

Est ....
En

Inversa de matrices elementales : Al = En .... En .

Es Es El
. .
 Factoriacion L
f lower-upper)

LU
= de
=
triangular superior teo Si A es matriz cuadrada Puede escalonarse sin intercambios
: una
que
>
-
matriz cuadrada triangular inferior fila entonces A tiene factorización Lu

PPT : encontrar factorización Lu Para la matriz

determinar Ui Triangular Sup

I I I I /2 i -s ForarI als I
A = 213 21 3 F3 + +1
,

4 -
13 4 -
13 F2-2f) = 0

-
2 5 5 -
255 O 2

determinar L : (matices elementales)

[3E2E1A = W - A = [1'f2" E3"f

↳ corresponde L
a la

I (
... j o lien eI
E2

I
til : Is F3-f)
1 0 O : Is f2 + 2f1 108 E3" : [3 F3-2f2 , 1 0 0
,

O 1 O 01 0

-
I O f 0 -
2 I

1.
L :
< E2 %1. El =

2 I

RESOLUCION DE SEL

Lux = B >
- Ly =
B con y : UX

T
FECACTORIZACIÓN P U
y

p
-
1 = pT (P es matriz permutación) Teo : Toda matriz Cuadrada tiene factorizacion PLU

A = P LU Es toda matriz XM tiene factorización PLU

I 000 (
Es : A =

2 I U
-U

I 8 ( 03, 11 a
③ e 3 F23 I 2 3 F2-2ff 12

I
6 2 I Y o -3

2 21 O 06 O O 6
-
1
Ahora pT = p & hay que realizar la transprestal

Es .
P2 .
PA = U

A = Pel .
Pa ! Eil U

A = PT .
L
 determinaDe
-
-

Cofactor -- -
+
t

its t
Cij(A) deT (Aij
- m

= (-1)
t =
+
Es :

2 + 2
= (-1)3

I
A =
I 2 3 (22IA) :
(-1) ·

deT (A22) A 2 3 (31(A) : det (A31)

det)(k]) (238)

3
(-1)" 4 =
46
5 : .
45 6 1 13- . det

-
7 89 :
(- 1) 4 . (9 -

21) -7 8 a

(22(A) = -
12

DEFINICIÓN

detesAncelestdiaCialAltitDenCerl ores a lo largo de la primera ien

.. a 3)
-

detal = 111 (11 (A) + Ak [1(A) + Al e

= 1 .
71): der [9] + 2 -
(1)3 ·
der (a) + 31 1) der
-
.

[8]
1 .
(45 48) - .
-

2(36 42) -
+ 3 -
(32 -
35) = 0

TEO : A es invertible si y solo si det (A) #0

E) : Para que valores de (E IR

I I
MC 1 0 -C es invertible

-
131

02c -

(10 (
Falt - (1-1) to

·1
F2 + Fe c Ran(M) 3 -4

-
1 Mc es invertible si

·
sol 0 +3 -
-
- =

-
I I 3
0 3 1-C

2C Y · o c
-
O 2 -
4

y -
-(1 -
x = 0 - 2 -
2 + 2) = 03(2 -
(- 6 = 01( 3)(( + 2) -
=
0 .. C =
3 VC = -

3 Mes invertible ssi CEIR

-
3 -
2 . 33/
Propiedades
I mportantes

1 . si A es una , entonces del

matriz triangular (A) es el producto de coeficientes de su diagonal Principal

2 . si A tiene una fila o Columna nula

, entonces detIA) = 0

· deT(In) =
1 1 deT(On) = 0 ,
UREIN

Propiedades determinantes sea A Y B matrices de Orden n y sea K un numero Real entonces :

1) Intercambio de filas : det (B) = -

deT (A) 1 .
dei(KA) = K" dei (A)

2) multiplicación por fila : del (B) = L del (A)

. .
2 det (A) = det (A")

3) suma de filas : det (B) =

deTIA) .
3 dei (A B) . = dei (A) - deT (B)

. Si
4 A es invertible
e entonces det CA = deal
exio vectorial
-

1 .
Fl , ~E V , +V E V (clausura

.
2 Fl , VEV , U + V = V + M = + el (conmutatividad)

.
3 Vll ,
V ,
W V ,
e + (V + W) = (M + N) + w (asociatividad)

.
4 EnEV ,
Fuer tal que n + M = M / elemento neutrol

.
5 VMEV , JNEV talque M + N = n (elemento inversos

6 .
KMEV ,
FdEIR ,
4 :
MEV

7
. VEIR , -M ,
N E V , X .
(M + N) = 4 M + 4 .
V

8
. Ed , B EIR , ME V ,
X .
(B -
M) = &B .
M

.
9 Vd ,
BEIR ,
VME V , ( + B) .
M = LM + Be

10
. FUE V ,
JaGIR talque 4 .
M = M

IR2 sobre IR matrices mxn sobre IR

suma : (X1 , 40) + (X2 , 42) = (X1 + 2) , (Y1 + 42) (ais) mxn +bis) man =
(ais + bis) man

ponderación por escalar : <I X1 , 41) = (X1 , 141) didismar =

(dij man

elemento neutro : O = (0 0) ,
0 = OMXR

Teorema :

1) VVE V ,
Or = 0

2) W < =IR , 20 = 0

3) VV E V , ( - 1)V = -
v

4) VN V Y X EIR si 22 = 0 entonces x = 0 0 N=0

SUBESPACIO
es subespacio vectorial de V si y 5010 si :

&
1) U es no vacio , es decir .
0 z U

en tal caso
, se anota : US V
2) Vu , v = U ,
n + ve y

3) FUEU ,
VLEIR , & .
ME U

dada la matric A e Mmxn (IR) se puede definir a traves de A :

·
ESPACIO NULO de A como subespacio vectorial de IR" :

NUl(A) : EX EIR" :
AX =
03 CSSE/H(A)

-
ESPACIO IMAGEN de A como subespacio vectorial de IRP :

IMIA) = EAX : X + IR"3

 espacio Fila = espacio columna = ran(Al
sea A E Mmxn (IR) :

espacio fila como subespacio de Ir" generado por las m filas de A

⑭Fil (A) = < F1 ,

f2 , . .
.
,
FM > < IRU

↳ L .
I si Ran(A) = M

espacio columna como subespacio de Ir" generado por las n filas de A

['i]exa 3
* CO1(A) :
<CI , C2 ..., (n > < IRM Col(A) > IR2
↳ L I .
si AX=O (sol Unical
Combinacion lineal

sea Vi , U2 , Us ... Un Jun conjunto finito de vectores de un espacio vectorial V

un vector
~ E V se denomina combinación lineal

V = 21 .
01 + 22-V2 + ... + La .
Un

Teorema : Sea A - Mmxn (IR) Y Be Mmx 1 (IR)

el Sistema AX =
B es consistente (tiene soll si , y Solo si es Combinación lineal de las columnas de A

ESPACIO GENERADO

E G Por
. E como el conjunto de todas las posibles combinaciones lineales

< E) =
V , Na ....
UnL >
- Sistema de generadores

esemplos importantes

1. IR2 generado por 3(1 0) (0 1)} , , ,

2 .
IR {(1 , 0 , 0) ,
10 , 1 , 0) , 10 , 0 . 133

.
3 IPn(x] esta generado por 31 , x ,
x" . . . . , Xn3
. malIR) generado por
4 El % 8] [80] (98] [8i]} , , .

Independencia lineal TEO : un

conjunto &Ve , V2 .... Uny

Un conjunto de vectores en un espacio vectorial V es L I

.
si : es L D si
.

alguno de sus vectores

de .
Ve + 22 .
V2 + ...
+ 2n .
Un = 0 es combinación lineal de los demas

Tiene sol Unica de = 0 , X2 = 0 ... An = 0 C LD

.
: E /1 , 2) (3 4)
, , , ( 2 ,
-
2)
ODS :

· si ve V , + 0 entonces ~ es L I .

· Todo conjunto que contiene a 0 -V es L D .

· Todo Subconjunto de un conjunto L I

.
es L E .

· Todo Conjunto que contiene un conjunto L D .

es L D.

base de un subespacio

Sea U un subespacio vectorial de un espacio V y sea B = EV1 , V2 ...., Un 3 un conjunto de vectores en U

se dice que es una base para U si :

1) B es L I .

11) B es un S G . Para U >

- U =
<VI , Ve ...
Un 7
teo : Si una base de un Espacio VECTORIAL Posee n elementos
, Cualquier otra base del mismo espacio

posee n elementos

Dimensión >
- Cantidad de vectores que hay en la base Dim(IR2) =
2 dim(Px[x]) = n + 1

dim (U) = R : DM(IR) =

3 dim (Mmxn(IR)) = m N .

* n + 1 vectores de U es L D .
Dim(IR") = R

* conjunto con menos de n vectores , no es S G

. de U

Rango Fila >

- dim (fil (A)

Rango Columna >

- dim (20) (A))

vector de coordenadas

sea B =
EV , Va, . . .
, Un] una base ordenada de E .U "V, dado cualquir e e V

V = X1 , 42 ..... An EIR : >

- coordenadas de con respecto a la base B

[2] B :
[]
Teo : B base de E U"V" .
de dim=n la función que se asigna a cada vector ~ EU su vector de coordenadas

Respecto a B : f : VBIR" ,
f(v) =
[v]B

i) Vu , vz U , XEIR : f(n + xv) =

f(u) + xf(v)

ii) B =
Evi , ve ,
... Un 3 es base de V si 3 f(N) , f(N2) ,..., f(Un)} es base de IRM

Transformaciones Lineales la Función asignada a cada vector e E V

W
f : V >
- IRM
T : V - M ,
N - V y x +IR : su vector de coordenadas respecto a la base

F(v) = [VJB
i) +(n + V) = T(M) + T(N) B , es transformación lineal

ii) T(XM) = T(U)

esemplos
1 .
T : IR2 -
> IR3 .
2 T : Mmxn((R) >
- Mmxn(IR) .
3 T : IP2 (x] >
- IR

T(X , 2) = (X , x +y , X -
y) T(A) = AT T(ax2 + bx + c) = (a , b , c)

propiedades
i) T (0) = 0 >
- TIOV) = Ow

ii) T(-V) =
-T(N) , Ver EV

marriz asociada a
Transformacion Lineal

Sean " y W dos espacios Vectoriales de dim finita n y m ,

T : V - W una Transformación lineal definimos

Si] * [[T (Vil]B2 :

[T (valB2 ... ... [T (Nn)] B3]
· M E U

M = 2M1 + Buz + Vu3

T(M) = XT(M1) + BT (M2) + rt(M3)

[T(M1] B2 = a [T(M1)] B2 + B [T (M2)] B3 + r [T (M3)] Ba

-

B) [i;
[[T (M1)] B2 [T (M2)] B2 [T(M3)] B2 ST(Ml]B2 [u] B
SUBi : = .

-
matriz asociada a T -r
 Teorema : Sea T : V >
- W una T L . Y Bi Y Ba bases Ordenadas de VW , VerzV :

[T(N1] B2 =
[ + ]pB? ·
[v] B1
>
- vector de BI
Kernel e Imagen de una TL

sea T : VeW ,
Kerli) como el
conjunto de todos los vectores e e V tales que T(N) = 0

·
Ker(i) = EN z V : T(N) =
03
· IM(T) = ENEW : ENEV ,
T(N) = N3
T :
VeW
Sea una Transf Lineal

↑ se llama infectiva si para todo U N en V se tiene que T(u) + Ter) en W

,
es Inyectiva si

↑ es Sobreyectiva si f W-W existe ~ en V : TIN) = W dim(ker(t) = 0

T es biyectiva si es sobre e Inyectiva (si [TJB es Invertible)

↳ por lo
que existe T (T-(8)) = N

diagonalización
sea A E Ma(IR) A es diagonalizable si existe una matriz Invertible PE Mn(IR)

Y una matriz diagonal (D) EMn(IR) : A = P .

D .
P o A .
P = P .
D

↳ los no que comprenden D son "Valores propios" : O(A)

↳ P = se compone de "vectores propios" : (A-X .

I) . * = 0

·
Conjunto de vectores propios espacio propio de A : Ex = ENFIR"/A0 = ba , ~ + 03

· mult .

Geometrica = Dim (vector Propio

·
muli algebraica : repetición del Valor de