Álgebra Lineal

Producto Punto
Los dos vectores deben tener igual cantidad de elementos.
El resultado de la operación será un número

• U·V= U1V1 + U2V2 + ∙∙∙ UnVn =b

• U·V = V·U • U(V+W)= U·V+U·W
• (C·U)·V = C(U·V) • U·U ≥ 0

Longitud o norma de un vector

• ‖𝑈‖ = √𝑈 ∙ 𝑈 • ‖𝑈‖ = √𝑈12 + 𝑈2 2 + ⋯ + 𝑈𝑛 2
• ‖𝑉‖ = 0 𝑠𝑜𝑙𝑜 𝑠𝑖 𝑉 = 0 • ‖𝑐 · 𝑉‖ = |𝑐 |‖𝑉 ‖
Vector unitario
Un vector se dice unitario si su norma es igual a uno
1
• 𝑈 = (‖𝑉‖ )𝑉
Vectores Paralelos
EL vector U es paralelo a V solo si U=c·V
Si al multiplicar por un c el vector V es igual a U
𝑈∙𝑉
• cos 𝛼 = ‖𝑈‖‖𝑉‖
Vectores Perpendiculares
Dos vectores son perpendiculares solo si U ·V=0
En consecuencia el vector nulo es ortogonal a todo
𝑈∙𝑉
vector (x,y,z)·(u,v,w)=0 cos 𝛼 = ‖𝑈‖‖𝑉‖ = 𝜋⁄2 = 90°
Desigualdad de Couchy-Schwarz
• ‖𝑈 ∙ 𝑉‖ ≤ ‖𝑈‖ ∙ ‖𝑉‖
Desigualdad Triangular

• ‖𝑈 + 𝑉‖ ≤ ‖𝑈‖‖𝑉‖

Combinación Lineal
𝑎 𝐴 𝑥
• C1V1 + C2V2 + ∙∙∙ CnVn = b • V1=[𝑏 ] V2=[𝐵] b=[𝑦]
𝑐 𝐶 𝑧

𝑎 𝐴 𝑥 𝑎 𝐴 𝐶 𝑥 𝑎𝐶1 + 𝐴𝐶2 𝑥
• C1 [𝑏 ] + C2 [𝐵]=[𝑦]→ [𝑏 𝐵] ∙ [𝐶1 ]=[𝑦]→[𝑏𝐶1 + 𝐵𝐶2 ] = [𝑦]
2
𝑐 𝐶 𝑧 𝑐 𝐶 𝑧 𝑐𝐶1 + 𝐶𝐶2 𝑧

Solucionar el sistema de ecuaciones

Distancia entre dos Vectores

• a y b = d(a,b) = ‖𝑎 − 𝑏‖

• ‖𝑈 − 𝑉‖ = √(𝑈1 − 𝑉1)2 + (𝑈2 − 𝑉2)2 + ⋯ + (𝑈𝑛 − 𝑉𝑛 )2

Definición del Angulo
𝑈∙𝑉
• cos 𝜃 = ‖𝑈‖‖𝑉‖

Proyección de un vector
𝑈∙𝑉
• Proy U(V) = 𝑈∙𝑈 𝑈
• Proy U(V) = cos 𝜃 ‖𝑉‖
Siendo U el vector en donde
se proyecta.
Si el ángulo entre u y v es obtuso, entonces proyu(v)
será un múltiplo escalar negativo de u.

Producto Cruz

El resultado será un vector

 𝑢×0 =0×𝑢 =0
 𝑢×𝑢 =0
 𝑢 × 𝑣 = −(𝑢 × 𝑣)
 (𝑎𝑢) × 𝑣 = 𝑎(𝑢 × 𝑣)
 𝑢 × (𝑣 + 𝑤) = (𝑢 × 𝑣) + (𝑢 × 𝑤)
 𝑢 × 𝑣 = 0 Si u y v son paralelos
Rectas en R2
Ecuación general de la recta en R2
𝑎𝑥 + 𝑏𝑦 = 𝑐
𝑦 = −(𝑎⁄𝑏)𝑥 + (𝑐 ⁄𝑏) → 𝑦 = 𝑚𝑥 + 𝑘
Forma normal de la ecuación de una recta

𝑛∙𝑑=0
Ecuación Vectorial
Si no pasa por el origen se presentará de la siguiente forma
Considere la recta con ecuación 2𝑥 + 𝑦 = 5

𝑃 = 𝑃𝑜 + 𝑡𝑑
(𝑥, 𝑦) = (𝑥𝑜 𝑦𝑜 ) + 𝑡(𝑎, 𝑏)

Ecuaciones Paramétricas
(𝑥, 𝑦) = (𝑥𝑜 , 𝑦𝑜 ) + 𝑡(𝑎, 𝑏)
(𝑥, 𝑦) = (𝑥𝑜 , 𝑦𝑜 ) + (𝑡𝑎, 𝑡𝑏)
(𝑥, 𝑦) = (𝑥𝑜 + 𝑡𝑎 , 𝑦𝑜 + 𝑡𝑏)
 𝑥 = 𝑥 + 𝑡𝑎
• 𝑦 = 𝑦𝑜 + 𝑡𝑏
𝑜
Rectas en R3
Ecuación Vectorial
𝑃 = 𝑃𝑜 + 𝑡𝑑
(𝑥, 𝑦, 𝑧) = (𝑥𝑜 , 𝑦𝑜 , 𝑧𝑜 ) + 𝑡(𝑎, 𝑏, 𝑐)

Ecuaciones Paramétricas
(𝑥, 𝑦, 𝑧) = (𝑥𝑜 , 𝑦𝑜 , 𝑧𝑜 ) + 𝑡(𝑎, 𝑏, 𝑐)
(𝑥, 𝑦, 𝑧) = (𝑥𝑜 , 𝑦𝑜 , 𝑧𝑜 ) + (𝑡𝑎, 𝑡𝑏, 𝑡𝑐)
(𝑥, 𝑦, 𝑧) = (𝑥𝑜 + 𝑎𝑡 , 𝑦𝑜 + 𝑏𝑡 , 𝑧𝑜 + 𝑐𝑡)

𝑥 = 𝑥𝑜 + 𝑎𝑡
• 𝑦 = 𝑦𝑜 + 𝑏𝑡
𝑧 = 𝑧𝑜 + 𝑐𝑡
Ecuación de una recta con dos puntos
𝑃 = (𝑥1 , 𝑦1 , 𝑧1 ) 𝑄 = (𝑥2 , 𝑦2 , 𝑧2 )
𝑣 = (𝑥2 − 𝑥1 )𝑖 + (𝑦2 − 𝑦1 )𝑗 + (𝑧2 − 𝑧1 )𝑘

Ecuación de una recta con un punto y una

dirección
Planos en R3
Forma normal ecuación de un plano
𝑛 ∙ (𝑃 − 𝑃𝑜 ) = 0
Ecuación general de un plano
𝑎𝑥 + 𝑏𝑦 + 𝑐𝑧 = 𝑑

Ecuación Vectorial
𝑃 = 𝑃𝑜 + 𝑡𝑈 + 𝑠𝑉
Ecuaciones Paramétricas
(𝑥, 𝑦, 𝑧) = (𝑥𝑜 , 𝑦𝑜 , 𝑧𝑜 ) + 𝑡(𝑈1 , 𝑈2 , 𝑈3 ) + 𝑠(𝑉1 , 𝑉2 , 𝑉3 )

𝑥 = 𝑥𝑜 + 𝑡𝑈1 + 𝑠𝑉1
• 𝑦 = 𝑦𝑜 + 𝑡𝑈2 + 𝑠𝑉2
𝑧 = 𝑧𝑜 + 𝑡𝑈3 + 𝑠𝑉3
Matrices
Una matriz es un arreglo rectangular de números
llamados entradas, o elementos, de la matriz.
𝐴𝑥 = 𝑏
𝑎11 ⋯ 𝑎1𝑛 𝑥1 𝑏1
𝐴=[ ⋮ ⋱ ⋮ ] 𝑥=[ ⋮ ] 𝑏=[⋮ ]
𝑎𝑛1 ⋯ 𝑎𝑛𝑛 𝑥𝑛 𝑏𝑛

Sistema Homogéneo
0
Si 𝑏 = 0 = [ ⋮ ] el sistema es homogéneo es decir la
0
única solución es la trivial

Sistema no Homogéneo
Si hay infinitas soluciones es decir cuando una fila está
llena de ceros al aplicar Gauss-Jordan o hay solución.

Matriz Escalonada por Filas

Esto ocurre si:
Cualquier fila que conste de solo ceros está en la parte
inferior de la matriz
En cada fila el primer digito diferente a cero tiene ceros
en la parte izquierda y debajo de este.
0 𝑥 𝑥
𝐴 = [0 0 𝑥]
0 0 0
Operaciones
Producto Escalar
El producto escalar consiste en multiplicar una matriz
por un número, esté número será multiplicado por
cada elemento de la matriz.
𝑎11 ⋯ 𝑎1𝑛 𝑘𝑎11 ⋯ 𝑘𝑎1𝑛
𝐴=[ ⋮ ⋱ ⋮ ] 𝑘𝐴 = [ ⋮ ⋱ ⋮ ]
𝑎𝑛1 ⋯ 𝑎𝑛𝑛 𝑘𝑎𝑛1 ⋯ 𝑘𝑎𝑛𝑛

Suma de Matrices
En la suma entre matrices cada elemento es sumado
con la posición respectiva de la otra matriz por lo
tanto, si no presentan la misma dimensión la suma no
estará definida.
𝑎11 ⋯ 𝑎1𝑛 𝑏11 ⋯ 𝑏1𝑛
𝐴=[ ⋮ ⋱ ⋮ ] 𝐵=[ ⋮ ⋱ ⋮ ]
𝑎𝑛1 ⋯ 𝑎𝑛𝑛 𝑏𝑛1 ⋯ 𝑏𝑛𝑛

𝑎11 + 𝑏11 ⋯ 𝑎1𝑛 + 𝑏1𝑛

𝐴+𝐵 =[ ⋮ ⋱ ⋮ ]
𝑎𝑛1 + 𝑏𝑛1 ⋯ 𝑎𝑛𝑛 + 𝑏𝑛𝑛

Resta de Matrices
La resta entre matrices plantea la combinación del
producto escalar y la suma entre matrices.
𝐴 − 𝐵 = 𝐴 + [(−1)𝐵]
Multiplicación entre Matrices o producto Punto
En el producto entre matrices afecta el orden entre que
esto se haga, siendo 𝐴𝑚×𝑛 ∙ 𝐵𝑢×𝑣 = 𝐶𝑚×𝑣 n y u deben
ser iguales y el resultado de multiplicar A y B da como
resultado una matriz C de tamaño 𝑚 × 𝑣.
Se multiplica el primer dato de la primera fila de la
matriz A con el primer dato de la primera columna de
la matriz B y así moviendo los datos de la fila de A y de
la columna de B.
1
1 2 3
𝐴=[ ] 𝐵 = [2 ]
4 5 6
3
(1 ∙ 1) + (2 ∙ 2) + (3 ∙ 3) 14
𝐴∙𝐵 =[ ]=[ ]
(4 ∙ 1) + (5 ∙ 2) + (6 ∙ 3) 32

Propiedades
𝐴+𝐵 = 𝐵+𝐴
 𝐴 + (𝐵 + 𝐶 ) = (𝐴 + 𝐵 ) + 𝐶
 𝐴 (𝐵 ∙ 𝐶 ) = ( 𝐴 ∙ 𝐵 )𝐶
 𝐴(𝐵 + 𝐶 ) = 𝐴𝐵 + 𝐴𝐶
 (𝐵 + 𝐶 )𝐴 = 𝐵𝐴 + 𝐶𝐴
 a(B+C)=aB+aC
 (𝑎 + 𝑏)𝐴 = 𝑎𝐴 + 𝑏𝐴
 (ab)C=a(bc)
 a(BC)=(aB)C=B(aC)
 𝐴2 = 𝐴𝐴
Tipos de Matrices
Matrices Triangulares
Triangular superior
Si todos los elementos debajo de
la diagonal son ceros

Triangular inferior
Si todos los elementos arriba de la
diagonal son ceros

Matriz Identidad
Esta matriz necesariamente debe ser cuadrada
1 ⋯ 0
1 0
𝐼𝑛 = [ ⋮ 1 ⋮ ] 𝐼𝑛 = [1] 𝐼𝑛 = [ ]
0 1
0 ⋯ 1
 𝐴∙𝐼 =𝐴
 𝐼𝑇 = 𝐼

Matriz Nula
0 ⋯ 0
𝑁 = [⋮ ⋱ ⋮]
0 ⋯ 0
 𝐴∙𝑁=𝑁
 𝐴+𝑁=𝐴
Transpuesta
Cambio de filas por columnas
𝑎 𝑏 𝑐 𝑎 𝑑 𝑔
[𝑑 𝑒 𝑓 ] → 𝑇 [ 𝑏 𝑒 ℎ ]
𝑔 ℎ 𝑖 𝑐 𝑓 𝑖
La diagonal principal no cambia, Se puede realizar en
cualquier dimensión de matriz.
 (𝐴𝑇 )𝑇 = 𝐴
 (𝐴 + 𝐵)𝑇 = 𝐴𝑇 + 𝐵𝑇
 (𝐴𝐵)𝑇 = 𝐵𝑇 𝐴𝑇
 𝑘(𝐴𝑇 ) = 𝑘𝐴𝑇

Matriz Invertible o no Singular

Para matrices cuadradas debe aplicar que para 𝐴𝐵 = 𝐼
siendo B la inversa de A
𝑎 𝑏] 1 𝑑 −𝑏] 1 0
𝐴=[ 𝐵 = 𝑎𝑑−𝑏𝑐 [ 𝐼=[ ]
𝑐 𝑑 −𝑐 𝑎 0 1
Cuando una matriz tiene una fila o una columna de
ceros no se puede invertir, además no se puede invertir
si hay filas que son múltiplos de otras.

Si A y B son invertibles
 𝐴−2 = 𝐴−1 𝐴−1 = (𝐴2 )−1
 (𝐴−1 )−1 = 𝐴
 (𝐴𝐵)−1 = 𝐵−1 𝐴−1
 (𝐴𝑇 )−1 = (𝐴−1 )𝑇
 𝐴−1 𝐴 = 𝐴𝐴−1 = 𝐼
Matriz Simétrica
Si 𝐶 𝑇 = 𝐶 se dice que C es una matriz simétrica.
𝑎 𝑏 𝑐 𝑎 𝑏 𝑐
𝐶 = [𝑏 𝑑 𝑒 ] 𝐶 𝑇 = [𝑏 𝑑 𝑒 ]
𝑐 𝑒 𝑓 𝑐 𝑒 𝑓

Matriz Anti simétrica

Si −𝐷 es igual a 𝐷𝑇 entonces será anti simétrica. Para
esto la diagonal debe ser cero.
0 𝑎 −𝑏 0 −𝑎 𝑏
𝐷 = [−𝑎 0 𝑐 ] 𝐷𝑇 = [ 𝑎 0 −𝑐 ]
𝑏 −𝑐 0 −𝑏 𝑐 0
Matriz Nilpotente
Si 𝐴𝑛 = 0 para alguna 𝑛 ∈ 𝑅
0 1 0 1 0 1 0 0
𝐴=[ ] 𝐴2 = [ ]∙[ ]→[ ]
0 0 0 0 0 0 0 0
Por lo tanto 2 es el número de nilpotencia de A

Matriz Idempotente
Si 𝐴2 = 𝐴 se dice que A es una matriz idempotente.
1 1 1 1
𝐴=[ ] 𝐴2 = [ ]
1 1 1 1
Matriz Involutiva
1 0 1 0
Si 𝐴2 = 𝐼 𝐴=[ ] 𝐴2 = [ ]
1 −1 0 1
Matriz Ortogonal
La matriz será ortogonal si 𝐴𝑇 = 𝐴−1
𝑆𝑒𝑛 𝐶𝑜𝑠 𝑆𝑒𝑛 𝐶𝑜𝑠 1 0
𝐴=[ ] 𝐴𝑇 = [ ] 𝐴 ∙ 𝐴𝑇 = [ ]
𝐶𝑜𝑠 −𝑆𝑒𝑛 𝐶𝑜𝑠 −𝑆𝑒𝑛 0 1
Operaciones Elementales

 Cambio de filas
1 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 1 0
[ ] 𝐹 = 𝐹2 [ ]
0 1 1 1 0
 Multiplicar por un escalar una sola fila
1 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 3 0
[ ] 𝐹 = 3𝐹1 [ ]
0 1 1 0 1
 Multiplicar por un escalar una fila y sumársela a
otra fila
1 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 1 2
[ ] 𝐹 = 2𝐹2 + 𝐹1 [ ]
0 1 1 0 1

Matrices Elementales
Es una matriz cuadrada que se obtiene al hacer una
única operación elemental sobre la matriz identidad.

Matriz Equivalente por Filas

Las matrices A y B son equivalentes por filas si se
pueden reducir a la misma forma escalonada por filas.
1 2 1 2
𝐴=[ ] → 𝐹2 = 𝐹1 − 3𝐹2 → [ ]
3 4 0 −2
1 3 1 3
𝐵=[ ] → 𝐹2 = 𝐹1 − 2𝐹2 → [ ]
2 4 0 −2
No son equivalentes por fila

1 2 1 2
𝐶=[ ] → 𝐹2 = 𝐹1 − 3𝐹2 → [ ]
3 4 0 −2
−1 −2 𝐹3 1 2
𝐷=[ ] → 𝐹1 = −1𝐹1 → 𝐹3 = → [ ]
0 −8 4 0 −2
Son equivalentes por filas
Otro tipo de hallar la Inversa
Basándose en la propiedad 𝐴𝐴−1 = 𝐼
2 71 0
( | ) Convirtiendo la matriz de la izquierda
1 40 1
1 0 4 −7
en la identidad se tiene ( | )
0 1 −1 2

Factorización de Matrices
Si se realiza una operación elemental a la matriz
identidad, está matriz se convierte en una matriz
elemental. Si la matriz elemental se multiplica por una
matriz B, el resultado será como si se hubiese realizado
directamente la operación a la matriz B. La inversa de
una función puede escribirse como el producto de
matrices elementales.
1
2 6 0 1 2
𝐵=[ ] 𝐸 = [2 ] 𝐸2 = [ ] 𝐵 −1 = 𝐸𝑛 ⋯ 𝐸2 𝐸1
4 −1 1 0 1 0 1

Factorización LU
Llevar la matriz A a una matriz triangular superior y
cada paso para llegar a está matriz describirla como
una matriz elemental 𝐸1 , 𝐸2 ⋯ 𝐸𝑛 se tiene que la matriz
triangular superior será U y la multiplicación de la
inversa de cada matriz elemental será L el resultado de
la multiplicación debe ser triangular inferior. Al
multiplicar L y U debe dar la matriz A.

𝐸1−1 𝐸2−1 ⋯ 𝐸𝑛−1 = 𝐿 𝐿𝑈 = 𝐴

Determinante
Forma 1
El determinante de A será un número. Si A2x2 entonces
el 𝑑𝑒𝑡(𝐴) ó |𝐴| será

𝑎 𝑏] |A| = 𝑎𝑑 − 𝑏𝑐
𝐴=[
𝑐 𝑑
Forma 2
Si se desea hallar el determinante de una matriz por
cofactores se escoge una fila cualquiera y se saca el
cofactor de cada elemento en esta fila de modo que:

det(𝐴) = (𝑥)(−1)𝑓𝑖𝑙𝑎+1 det([𝑀]) + (𝑥)(−1)𝑓𝑖𝑙𝑎+2 det([𝑀])

+ (𝑥)(−1)𝑓𝑖𝑙𝑎+3 det([𝑀])
𝑎 𝑏 𝑐
𝑒 𝑓
[𝑑 𝑒 𝑓] = 𝑎(−1)1+1 𝑑𝑒𝑡 ([ ])
𝑔 ℎ 𝑖 ℎ 𝑖
𝑎 𝑏 𝑐
𝑑 𝑓
[𝑑 𝑒 𝑓] = 𝑏(−1)1+2𝑑𝑒𝑡 ([ ])
𝑔 𝑖
𝑔 ℎ 𝑖
𝑎 𝑏 𝑐
𝑑 𝑒
[𝑑 𝑒 𝑓] = 𝑐(−1)1+1 𝑑𝑒𝑡 ([ ])
𝑔 ℎ
𝑔 ℎ 𝑖

Si el determinante de la matriz es 𝑑 = 0 la matriz no

posee inversa en cambio si da como resultado un 𝑑 ≠ 0
Si la matriz es muy grande la matriz se puede volver
escalonada factorizando y realizando operaciones
elementales con las filas o columnas y al final se
multiplica la diagonal.
Forma 3
Si A3x3 entonces el |𝐴| se obtendrá al repetir las primeras
dos filas debajo de la matriz ó las dos primeras columnas
al lado derecho de la matriz. Luego se multiplicaran las
diagonales que contengan tres datos, se dejara el signo a
las diagonales de izquierda a derecha y se cambiara a las
diagonales de derecha a izquierda

𝑎 𝑏 𝑐
⌈𝑑 𝑒 𝑓⌉
𝐴= 𝑔 ℎ 𝑖 |𝐴| = (𝑎𝑒𝑖 + 𝑑ℎ𝑐 + 𝑔𝑏𝑓) − (𝑐𝑒𝑔 + 𝑓ℎ𝑎 + 𝑖𝑏𝑑)
𝑎 𝑏 𝑐
⌊ ⌋
𝑑 𝑒 𝑓

𝑎 𝑏 𝑐 𝑎 𝑏
𝐴 = [𝑑 𝑒 𝑓 𝑑 𝑒 ] |𝐴| = (𝑎𝑒𝑖 + 𝑏𝑓𝑔 + 𝑐𝑑ℎ) − (𝑏𝑑𝑖 + 𝑎𝑓ℎ + 𝑐𝑒𝑔)
𝑔 ℎ 𝑖 𝑔 ℎ

Propiedades
 det(𝐴) = det(𝐴𝑇 )
 Si es triangular el determinante será el producto de la
diagonal
 |𝐴𝐵| = |𝐴||𝐵|
1
 |𝐴−1 | =
|𝐴|
 Si A tiene dos filas o columnas iguales |𝐴| = 0
 Si A tiene una fila o columna de ceros |𝐴| = 0
 Si B se obtiene de A al intercambiar dos filas o columnas
|𝐵| = −|𝐴|
 Si B se obtiene al multiplicar por un escalar k una fila o
una columna de A |𝐵| = 𝑐|𝐴| si se multiplican varias filas
se tendrá 𝑘 # 𝑓𝑖𝑙𝑎𝑠 |𝐴|. Al realizar una suma el |𝐴| no cambia
Cofactores
Cada elemento de la matriz presenta un cofactor, al
obtener todos los cofactores de la matriz A se obtiene
una matriz de cofactores posicionando el cofactor en el
mismo lugar de donde se tomo
𝐶 = (−1)𝑓𝑖𝑙𝑎+𝑐𝑜𝑙𝑢𝑚𝑛𝑎 det([𝑀])
𝑎 𝑏 𝑐
𝑒 𝑓
[𝑑 𝑒 𝑓] 𝑐11 = (−1)1+1 𝑑𝑒𝑡 ([ ])
𝑔 ℎ 𝑖 ℎ 𝑖
𝑎 𝑏 𝑐 𝑎 𝑐
[𝑑 𝑒 𝑓] 𝑐22 = (−1)2+2 𝑑𝑒𝑡 ([𝑔 𝑖 ])
𝑔 ℎ 𝑖
𝑎 𝑏 𝑐
[𝑑 𝑒 𝑓 ] 𝑐33 = (−1)3+3 𝑑𝑒𝑡 ([𝑎 𝑏])
𝑑 𝑒
𝑔 ℎ 𝑖

Matriz Adjunta
La matriz adjunta es la matriz transpuesta de
cofactores. Se debe realizar el cofactor de cada
elemento dando como resultado:
𝑐11 𝑐12 𝑐13
𝑀𝑎𝑡𝑟𝑖𝑧 𝐶 = [𝑐21 𝑐22 𝑐23 ]
𝑐31 𝑐32 𝑐33
𝑐11 𝑐21 𝑐31
𝐶 𝑇 = 𝑎𝑑𝑗(𝐴) = [𝑐12 𝑐22 𝑐32 ]
𝑐13 𝑐23 𝑐33

1
𝐴−1 = 𝑎𝑑𝑗(𝐴)
det(𝐴)
Regla de Cramer
La regla de cramer es útil para hallar la solución a
sistemas de ecuaciones por medio de determinantes
(No hay límites para el numero de ecuaciones, sin
embargo la matriz debe ser cuadrada). Teniendo una
matriz A y las soluciones w se conforma una matriz
compuesta y se hallan los determinantes que
corresponden. Se mueve la columna solución de
izquierda a derecha remplazando la columna.

𝑎 𝑏] 𝑢 𝑎 𝑏 | 𝑢
𝐴=[ 𝑤=[ ] [ ]
𝑐 𝑑 𝑣 𝑐 𝑑 | 𝑣
𝑎 𝑏]
det(𝐴) = [
𝑐 𝑑
𝑎 𝑢 𝑢 𝑏]
det(𝐴1 ) = [ ] det(𝐴2 ) = [
𝑐 𝑣 𝑣 𝑑
det(𝐴1 ) det(𝐴2 )
𝑥= det (𝐴)
𝑦= det (𝐴)
Espacio Vectorial

Sub-espacio Vectorial

Independencia Lineal

Conjuntos generadores

Rango matriz

Solución de Sistemas

Equivalente por Filas

Rangos de una Matriz

Permutación

Forma Escalada Reducida Gauss-Jordan

Inversión en Permutación

Inversión Par e Impar

Bases y dimensión
Vector 𝑥 = (3,1,2)
Base 𝐵 = {(1,0,2)(3,1,1)(1,1,1)}
Base 𝐶 = {(2,2,2)(0,1,3)(1,1,0)}

Para escribir el vector en base B

𝑥[𝐵] → (3,1,2) = 𝐶1 (1,0,2) + 𝐶2 (3,1,1) + 𝐶3 (1,1,1)
1 3 1 3 1 3 1 3
[0 1 1 | 1 ] → [ 0 1 1 | 1 ]
2 1 1 2 0 0 4 1
1 3 1
𝐶1 = 𝐶2 = 𝐶3 =
2 4 4
1 3 1
𝑥[𝐵] =( , , )
2 4 4
Cambio de Base
Existe una matriz 𝑃𝐵→𝐶 ∙ 𝑥[𝐵] = 𝑥[𝐶]
2 0 11 3 1 1 0 0 5⁄2 7⁄2 1⁄2
(2 1 1|0 1 1) → (0 1 0| −1 −2 0 )
2 3 02 1 1 0 0 1 −4 −4 0
Base final | Base inicial
5⁄ 7⁄ 1⁄
2 2 2
𝑃𝐵→𝐶 = ( −1 −2 0 )
−4 −4 0

1⁄
5⁄ 7⁄ 1⁄ 2 4
2 2 2 3
[ −1 −2 0 ] ∙ ⁄4 → [−2] = 𝑥[𝐶]
−4 −4 0 1 −5
[ ⁄4]
Transformaciones Lineales
Sea 𝑇: 𝑉 → 𝑊 una función que cumple dos
propiedades
Para todo V1, V2 en V tenemos que 𝑇(𝑉1 + 𝑉2 ) = 𝑇(𝑉1) + 𝑇(𝑉2 )
Para todo 𝐶 ∈ 𝑅 y para todo 𝑇(𝑘𝐴) = 𝑘𝑇(𝐴)
……………………………………………………..
𝐴 → 𝑇(𝐴) = 𝐴𝑇
 𝑇(𝐴 + 𝐵) = (𝐴 + 𝐵)𝑇 = 𝐴𝑇 + 𝐵𝑇 = 𝑇(𝐴) + 𝑇(𝐵)
 𝑇(𝑐𝐴) = (𝑐𝐴)𝑇 = 𝑐𝐴𝑇 = 𝑐𝑇(𝐴)
Cumple con ambas propiedades por lo cual es una
transformación lineal.
………………………………………………………
Si se tiene la transformación en los elementos de una
base, se puede escribir la transformación.
………………………………………………………
𝐴 → 𝐴𝑇 + 2𝐴
𝑇(𝐴 + 𝐵) = (𝐴 + 𝐵)𝑇 + 2(𝐴 + 𝐵) = 𝐴𝑇 + 𝐵𝑇 + 2𝐴 + 2𝐵 = 𝑇(𝐴) + 𝑇(𝐵)
( ) 𝑇 𝑇
𝑇 𝑐𝐴 = 𝑐𝐴 + 2𝑐𝐴 = 𝑐(𝐴 + 2𝐴) = 𝑐𝑇(𝐴)
………………………………………………………..
1 0 0 1 0 0 0 0
Bases [ ] [ ] [ ] [ ]
0 0 0 0 1 0 0 1
1 0 1 0 2 0 3 0
[ ]→[ ]+[ ]=[ ]
0 0 0 0 0 0 0 0

Núcleo
Para hallar el núcleo se iguala la transformación lineal
a cero es decir: (𝑥, 𝑦, 𝑧) → (𝑎, 𝑏, 𝑐) (𝑎, 𝑏, 𝑐 ) = (0)
𝑎𝑡 2 + 𝑏𝑡 + 𝑐 → (𝑎 + 𝑏 + 𝑐)𝑡 2 + (𝑎 + 𝑏)𝑡 = 𝑎0 + 0𝑡 + 0
Su dimensión se denomina nulidad de T = ɳ(𝑇)
Imagen
La dimensión de la Imagen (T) se denomina rango de T
o 𝜌(𝑇)
Factorizar los elementos, esta será la imagen

Para hallar la dimensión de un espacio se debe sumar

la nulidad y el rango ɳ(𝑇) + 𝜌(𝑇) = dim(𝑇)

Matriz Transformación
𝐼𝑚𝑎𝑔𝑒𝑛(100) 𝑇(100)
𝐴 = [𝐼𝑚𝑎𝑔𝑒𝑛(010)] = [𝑇(010)]
𝐼𝑚𝑎𝑔𝑒𝑛(001) 𝑇(001)
Al hallar la imagen se coloca en posición vertical
La matriz resultante será la matriz transformación.
𝑥 𝑎 𝑑 𝑔 𝑥
𝑇 [𝑦] = [𝑏 𝑒 ℎ ] [𝑦]
𝑧 𝑐 𝑓 𝑖 𝑧

Inversa
Para hallar la inversa los vectores se igualan a términos
generales y se despejan los vectores

𝑇(𝑟, 𝑠, 𝑡) = (𝑟 − 𝑠 + 𝑡, 𝑠 − 2𝑡, 2𝑟 − 𝑠 + 𝑡)
𝑟−𝑠+𝑡=𝑥 𝑟 = −𝑥 + 𝑧
𝑠 − 2𝑡 = 𝑦 → 𝑠 = −4𝑥 − 𝑦 + 2𝑧
2𝑟 − 𝑠 + 𝑡 = 𝑧 𝑡 = −2𝑥 − 𝑦 + 𝑧
𝑇 −1 (𝑥, 𝑦, 𝑧) = (−𝑥 + 𝑧, −4𝑥 − 𝑦 + 2𝑧, −2𝑥 − 𝑦 + 𝑧)
La matriz inversa de la transformación se hace igual al
anterior
Vectores Propios
𝑇𝑥 = 𝑟𝑥
𝐴𝑥 = 𝑟𝑥 → 𝐴𝑥 − 𝑟𝑥 = 0 → 𝑥(𝐴 − 𝑟𝐼 ) = 0

Ecuación Característica de una Matriz

|𝐴 − 𝑟𝐼 | = 0
𝑎 𝑐 1 0 𝑎−𝑟 𝑐
|[ ]−𝑟[ ]| → |[ ]| → (𝑎 − 𝑟)(𝑑 − 𝑟) − (𝑐 ∙ 𝑏)
𝑏 𝑑 0 1 𝑏 𝑑 −𝑟
𝑟 2 − (𝑎 + 𝑑 )𝑟 − 𝑐 ∙ 𝑑 + 𝑎 ∙ 𝑑 = 0
A es la matriz transformación
Esta ecuación es llamada también polinomio
característico
Al tener la ecuación se buscar las r que vuelven 0 la
función, estos valores son los valores propios de A.
Se toman estos r y se evalúan en la matriz |𝐴 − 𝑟𝐼 |,
Al evaluar cada r en (𝐴 − 𝑟𝐼)X=0 se forman los
vectores propios
Si hay infinitas soluciones el vector resultante será el
espacio propio de A,〈{(𝑢, 𝑣, 𝑤)}〉 el número de vectores
resultantes se llamaran Multiplicidad geométrica que
será un número

Problema curioso

T()=() T()=() T()=?

()=c1()+c2()
C1= C2=
T()= T()+ T()
Matrices Semejantes
Sean A y B matrices cuadradas del mismo tamaño, se
dice que son semejantes si existe una matriz C
invertible tal que 𝐶 −1 𝐴𝐶 = 𝐵 o ambos determinantes
son iguales 𝐴~𝐵

𝐶 −1 𝐴𝐶 = 𝐵 → 𝐶𝐶 −1 𝐴𝐶 = 𝐶𝐵 → 𝐼𝐴𝐶 = 𝐶𝐵

Diagonalización
Los vectores anteriormente encontrados con |𝐴 − 𝑟𝐼|𝑋 = 0
formaran una matriz los vectores se colocaran en forma de
columnas, la matriz resultante será la matriz C que
diagonaliza la matriz A, D será la matriz diagonal

𝐶 −1 𝐴𝐶 = 𝐷 𝐴~𝐷
𝑢1 𝑢2 𝑢3 𝑜 0 0
𝐶 = [ 𝑣1 𝑣2 𝑣3 ] 𝐷 = [0 𝑝 0]
𝑤1 𝑤2 𝑤3 0 0 𝑞
Esto es útil cuando se quiere elevar una matriz aun
número muy grande
𝐴100 = (𝐶𝐷𝐶 −1 )100
Al multiplicar múltiples veces (𝐶𝐷𝐶 −1 ) C y C-1 se ven
transformados en identidades 𝐶𝐷𝐶 −1 𝐶𝐷𝐶 −1𝐶𝐷𝐶 −1 = 𝐶𝐷 ∙
𝐼 ∙ 𝐷 ∙ 𝐼 ∙ 𝐷𝐶 −1 por lo que solo D seria multiplicada n veces y
siendo una matriz diagonal solo se eleva cada número de la
diagonal a la n
𝑜𝑛 0 0
𝐷 = [ 0 𝑝𝑛 0 ]
0 0 𝑞𝑛