Matrices

Conceptos fundamentales
Concepto de matriz

Elementos de una matriz

Notación de una matriz

Se puede notar con paréntesis, corchetes, llaves, barras simples o dobles o en línea
Tipos de matrices

Matrices cuadradas

(13 24 ) 2x2

( )
1 2 3
4 5 6 3x3
Matriz Son matrices con igual numero de filas 7 8 9
cuadrada que de columnas

( )
1 2 3 4
5 6 7 8
4x4
9 10 11 12
13 14 14 16

(10 01) 2x2

( )
1 0 0
Matriz 0 1 0 3x3
Es la que posee unos en la diagonal
identidad o principal y el resto es cero
0 0 1
unitaria

( )
1 0 00
0 1 00
4x4
0 0 10
0 0 01

(20 01) 2x2

Matriz Todos los valores son cero excepto la
diagonal principal en esta puede haber
diagonal cualquier valor.
 ( )
3 0 0
0 −1 0
3x3
1
0 0
2

( )
4 0 0
0
0 −1 0
0
1 4x4
0 0 0
2
0 0 a
0

(10 23) 2x2

( )
1 2 3
Matriz 0 4 5 3x3
Son aquellas que tienen ceros por
triangular debajo de la diagonal principal
0 0 6
superior

( )
1 2 34
0 5 67
4x4
0 0 89
0 0 0 10

(12 03) 2x2

Matriz Son aquellas que tienen ceros por
encima de la diagonal superior
triangular
inferior

( )
1 0 0
2 4 0 3x3
3 5 6
 ( )
1 0 00
2 5 00
4x4
3 6 80
4 7 9 10
Matrices Si A=A T
simétricas

Matrices Si AT =− A
antisimétricas
Matriz
Matriz que no es ni
estructurada
simétrica ni antisimétrica
o general

La traspuesta es igual que la

Matriz
inversa
ortogonal T −1
A =A

Matriz cuya diagonal

Matriz de
principal contiene el mismo
Toeplitz
valor repetido
Fuentes:

Fuente: Gossman S. y Flores J. (2012) Algebra Lineal 7ma edición. McGraw-Hill. (p.102)

Operaciones con matrices

Suma y resta
Producto de un escalar por una matriz
Producto de matrices
Clave: colocar la primera matriz las veces del n de columnas de la segunda matriz e ir llenado con el mismo elemento de la segunda matriz en cada columna.

( ) ( )
2 4 −2 1 4
A= −3 5 −4 B= 2 −5
−1 −7 0 −3 6

 Para que se pueda multiplicar deben coincidir las columnas de la primera matriz por las filas de la segunda asi:

3 × 3⏟3 × 2
sise puede

 El tamaño de la matriz producto tendrá las dimensiones siguientes:

 la matriz será de 3 x 2

⏞
3 ×3 3 ×2
El número de filas de la primera matriz por el número de columnas de la segunda.

 Repetimos la primera matriz las veces que indique las columnas de la segunda matriz:
Ejemplo:
La segunda matriz tiene 2 columnas por lo tanto repetimos 2 veces la primera matriz

( )
2 4 −2 2 4 −2
A ∙ B= −3 5 −4 −3 5 −4
−1 −7 0 −1 −7 0
 Ahora colocamos un paréntesis alado de cada elemento separado por el signo más asi:

( )
( 2 ) ()+ ( 4 )()+ (−2 ) () ( 2 ) ( )+ ( 4 ) ()+ (−2 )( )
A ∙ B= (−3 ) ()+ (5 ) ()+ (−4 )( ) (−3 ) ()+ (5 ) ()+ (−4 ) ()
(−1 ) ()+ (−7 ) ()+ ( 0 ) ( ) (−1 ) ()+ (−7 ) ()+ ( 0 ) ()

 Ahora vamos colocando en los espacios los elementos de la segunda matriz en orden de columna asi:

( )
1 4
B= 2 −5
−3 6

( )
1 2 −3 4 −5 6

( 2 ) (⏞
1 ) + ( 4 ) (⏞
2 ) + (−2 )(⏞
−3 ) (2 )(⏞
4 ) + ( 4 )(⏞−5 ) + (−2 ) ⏞
( 6)
 A ∙ B=
(−3 )( 1 ) + ( 5 )( 2 ) + (−4 ) (−3 ) (−3 ) ( 4 ) + ( 5 ) (−5 ) + (−4 ) ( 6 )
(−1 ) (1 )+ (−7 ) ( 2 )+ ( 0 ) (−3 ) (−1 ) ( 4 ) + (−7 ) (−5 ) + ( 0 )( 6 )
Los elementos de la primera columna irían en el primer bloque y los de la segunda columna en el segundo bloque
Producto exterior

Producto de Kronecker
Matriz traspuesta de una matriz
 Es la matriz que se obtiene al cambiar las filas por columnas de una matriz
 Se puede obtener la matriz traspuesta de cualquier tipo de matriz, sea cuadrada o no

Operaciones con matrices cuadradas

Determinante de una matriz cuadrada
Cálculo de la determinante de una matriz
Matrices 2x2

det ( A )=( a11 ) ( a22) −( a21)(a12)

Matrices 3x3
Método directo

Ejemplo:

| |
1 −2 1
A= 3 −1 4
5 2 1

det ( A )=( 1 ) (−1 ) ( 1 )+ ( 3 ) ( 2 )( 1 ) + ( 5 ) ( 4 ) (−2 )−( 1 ) (−1 ) (5 )−( 4 ) ( 2 )( 1 ) −(−2 ) ( 3 )( 1 )

det ( A )=−1+6−40+5−8+6
det ( A )=−32

Método de Sarrus

| |
a 11 a12 a 13
A= a21 a22 a 23
a31 a32 a 33
 det ( A )=( a11 ) ( a22) ( a33 ) + ( a21 ) ( a 32) ( a 13) + ( a31 ) ( a12 ) ( a23 ) −( a13 ) ( a 22) ( a 31) −( a 23) ( a32) ( a11 ) −(a 33)(a 12)(a 21)

Ejemplo:

| |
1 −2 1
3 −1 4
A= 5 2 1
1 −2 1
3 −1 4

det ( A )=( a11 ) ( a22) ( a33 ) + ( a21 ) ( a 32) ( a 13) + ( a31 ) ( a12 ) ( a23 ) −( a13 ) ( a 22) ( a 31) −( a 23) ( a32) ( a11 ) −(a 33)(a 12)(a 21)

det ( A )=( 1 ) (−1 ) ( 1 )+ ( 3 ) ( 2 )( 1 ) + ( 5 ) ( 4 ) (−2 )−( 1 ) (−1 ) (5 )−( 4 ) ( 2 )( 1 ) −(−2 ) ( 3 )( 1 )

det ( A )=−1+6−40+5−8+6
det ( A )=−32
Método de por menores o cofactores

| |
a 11 a12 a 13
A= a21 a22 a 23
a31 a32 a 33

Tomamos los elementos de la primera fila y multiplicamos por las submatrices que se crean al eliminar la fila y la columna que contiene ese elemento
colocando los signos así:

|
det ( A )=a11
| |
a22 a23
a32 a33
a a
| | a a
−a12 21 23 + a13 21 22
a31 a33 a31 a 32 |
Ejemplo:

| |
1 −2 1
A= 3 −1 4
5 2 1
det ( A )=1 |−12 41|−2|35 41|+1|35 −12 |
det ( A )=1 [ (−1 ) ( 1 )−(2)( 4) ] −2 [ ( 3 ) ( 1 )−(5)(4) ] +1 [ ( 3 ) ( 2 )−(5)(−1) ]

det ( A )=1 [ −1−8 ] −2 [ 3−20 ] +1 [ 6+ 5 ]

det ( A )=−9−34 +11
det ( A )=−32
Matrices de orden mayor que 3
Solo se puede por el método de cofactores

Propiedades de las determinantes

1) La determinante de un producto es equivalente al producto de las determinantes individuales

det ( A ∙ B )=det ( A ) ∙ det (B)

2) La determinante de una matriz inversa es equivalente al inverso de la matriz original

−1 1
det ( A )=
det ( A )

3) EL determinante de la matriz traspuesta es igual al determinante de la matriz original

T
det ( A )=det ( A )
4) La determinante de una matriz multiplicada por un escalar es equivalente al escalar elevado al orden de la matriz por la determinante de la matriz original
n
det (cA )=c ⋅det ( A)
5) La determinante de una matriz triangular (superior o inferior) es igual al producto de sus elementos diagonales
 6)

Matriz de cofactores
[Link]

La matriz de cofactores es una matriz formada por cada uno de los cofactores de los elementos de la matriz original.

Siendo la matriz original:

 ( )
a 11 a12 a 13
M = a21 a22 a 23
a31 a32 a 33

La matriz de cofactores estará cada por otra matriz así:

( )
C 11 C12 C 13
( )
cof M =C= C 21 C22 C 23
C 31 C32 C 33

Tendríamos que calcular cada cofactor asi:

i+ j
C ij =(−1 ) ∙ M ij

Donde,

(−1 )i+ j=¿ es para determina el signo del cofactor

M ij =¿es el determinante de la matriz que se obtiene al eliminar la fila y columna de ese elemento

Ejemplo:

( )
1 −1 0
A= 2 −2 1
3 −3 4

C 11=(−1 )
1 +1
∙|−2
−3 4|
1
¿ (−1 ) ( (−2 ) ( 4 )−(−3 ) ( 1 ) )=−5
2

∙|
3 4|
1+2 2 1
C 12=(−1 ) ¿ (−1 ) ( ( 2 ) ( 4 )−( 3 ) ( 1 ) )=−5
3
C 13=(−1 )
1+3
∙|32 −2
−3|
¿ (−1 ) ( ( 2 ) (−3 ) −( 3 ) (−2 ) )=0
4

∙|
−3 4|
2+1 −1 0
C 21=(−1 ) ¿ (−1 ) ( (−1 ) ( 4 )−(−3 ) ( 0 ) ) =4
3

∙|
3 4|
2+2 1 0
C 22=(−1 ) ¿ (−1 ) ( ( 1 ) ( 4 )−( 3 )( 0 ) )=4
4

∙|
3 −3|
2+3 1 −1
C 23=(−1 ) ¿ (−1 ) ( ( 1 )(−3 )−(−1 ) ( 3 ) )=0
5

∙|
−2 1|
3+1 −1 0
C 31=(−1 ) ¿ (−1 ) ( (−1 ) ( 1 )−(−2 )( 0 ) )=−1
4

∙|
2 1|
3+2 1 0
C 32=(−1 ) ¿ (−1 ) ( ( 1 )( 1 )−( 2 ) ( 0 ) )=−1
5

∙|
2 −2|
3+3 1 −1
C 33=(−1 ) ¿ (−1 ) ( ( 1 ) (−2 )−( 2 ) (−1 ) )=0
6

Por tanto, la matriz de cofactores de A será:

( )
−5 −5 0
cof ( M )=C= 4 4 0
−1 −1 0

Matriz adjunta
Es la traspuesta de la matriz de cofactores
T
adj ( M )=cof ( M )
Ejemplo:

( )
1 −1 0
A= 2 −2 1
3 −3 4

( )
−5 −5 0
cof ( A )=C= 4 4 0
−1 −1 0

( )
−5 4 −1
adj ( M )= −5 4 −1
0 0 0

Matriz inversa

Desomposicion de Gauss Jordan

Método de la matriz adjunta

−1 1
A = ∙ adj(A )
det ⁡(A )
1. Obtenemos el determinante de A
2. Obtenemos la matriz adjunta de A
3. Reemplazamos en la ecuación y listo
Ejemplo:

| |
2 1 3
A= 0 1 −1
1 4 2

1. Obtenemos el determinante de A
Usamos el método de Sarrus

| |
2 1 3
0 1 −1
det ( A )= A= 1 4 2 =( 2 ) ( 1 )( 2 )+ ( 0 ) ( 4 )( 3 ) + ( 1 ) ( 1 ) (−1 )−( 1 ) ( 1 )( 3 )−( 2 ) ( 4 )(−1 ) −( 0 ) ( 1 )( 2 )
2 1 3
0 1 −1

¿ 4 +0−1−3+8−0
¿8

2. Obtenemos la matriz adjunta

Hallamos la matriz de cofactores

| |
2 1 3
A= 0 1 −1
1 4 2
C 11=(−1 )
1 +1
∙|14 −1
2 |
¿ (−1 ) ( ( 1 )( 2 )−( 4 ) (−1 ) )=6
2

∙|
2|
1+2 0 −1
C 12=(−1 ) ¿ (−1 ) ( ( 0 ) ( 2 )−( 1 ) (−1 ) )=−1
3
1

∙|
4|
1+3 0 1
C 13=(−1 ) ¿ (−1 ) ( ( 0 )( 4 ) −( 1 )( 1 ) ) =−1
4
1

∙|
2|
2+1 1 4
C 21=(−1 ) ¿ (−1 ) ( ( 1 )( 2 )−( 3 ) ( 4 ) )=10
3
3

∙|
2|
2+2 2 3
C 22=(−1 ) ¿ (−1 ) ( ( 2 ) ( 2 )− (1 )( 3 ) ) =1
4
1

∙|
4|
2+3 2 1
C 23=(−1 ) ¿ (−1 ) ( ( 2 ) ( 4 )−( 1 ) (1 ) )=−7
5
1

∙|
−1|
3+1 1 3
C 31=(−1 ) ¿ (−1 ) ( ( 1 ) (−1 )−( 1 ) ( 3 ) ) =−4
4
1

∙|
−1|
3+2 2 3
C 32=(−1 ) ¿ (−1 ) ( ( 2 ) (−1 )−( 0 ) ( 3 ) ) =2
5
0

∙|
1|
3+3 2 1
C 33=(−1 ) ¿ (−1 ) ( ( 2 ) ( 1 )−( 0 ) ( 1 ) )=2
6
0

| |
6 −1 −1
cof ( A )=C= 10 1 −7
−4 2 2

La matriz adjunta es la inversa de la matriz de cofactores

| |
6 10 −4
T
adj( A)=C = −1 1 2
−1 −7 2
 3. Ahora reemplazamos en la ecuación:

−1 1
A = ∙ adj(A )
det ⁡(A )

| |
3 5 −1
4 4 2

| |
6 10 −4
1 −1 1 1
A−1= ∙ −1 1 2 =
8 8 8 4
−1 −7 2
−1 −7 1
8 8 4

Método de la Identidad Aumentada (Gauss-Jordan)

[Link]

Consiste en lograr que la matriz original quede como la identidad mientras que la identidad cambia a la inversa así:

Ejemplo:

| |
2 1 3
A= 0 1 −1
1 4 2

( | )
F1 2 1 3 1 0 0
F 2 0 1 −1 0 1 0
F3 1 4 2 0 0 1

El orden para eliminar el orden es hacer ceros así:

( | )
2 ④ ③1 0 0
① 1 ③0 1 0
① ② 2 0 0 1

Vamos a haciendo ceros

F 1−2 F 3

|
2 1 3 1 0 0

( | ) ( )
. 2 1 3 1 0 0 2 1 3 1 0 0
−2 −8 −4 0 0 −2
. 0 1 −1 0 1 0 → → 0 1 −1 0 1 0
0 −7 −1 1 0 −2
(−2) 1 4 2 0 0 1 0 −7 −1 1 0 −2
7 F 2+ F 3=F 3
0 7 −7 0 7 0

( | ) ( | )
. 2 1 3 1 0 0 0 −7 −1 1 0 −2 2 1 3 1 0 0
(7) 0 1 −1 0 1 0 → 0 0 −8 1 7 −2 → 0 1 −1 0 1 0
. 0 −7 −1 1 0 −2 0 0 −8 1 7 −2
F 1+3 F 2=F 1

|
2 1 3 1 0 0

( )
2 4 0 1 3 0

( | )
. 2 1 3 1 0 0 0 3 −3 0 3 0
→ 0 1 −1 0 1 0
(3) 0 1 −1 0 1 0 → 2 4 0 1 3 0
0 0 −8 1 7 −2
. 0 0 −8 1 7 −2
−8 F 2+ F 3=F 2
0 −8 8 0 −8 0

( | ) ( | )
. 2 4 0 1 3 0 0 0 −8 1 7 −2 2 4 0 1 3 0
(−8) 0 1 −1 0 1 0 → 0 −8 0 1 −1 −2 → 0 −8 0 1 −1 −2
. 0 0 −8 1 7 −2 0 0 −8 1 7 −2
2 F 1+ F 2=F 1
4 8 0 2 6 0

( | )
4 0 0 3 5 −2
0 −8 0 1 −1 −2
→ 0 −8 0 1 −1 −2
4 0 0 3 5 −2
0 0 −8 1 7 −2
 ( | )
(2) 2 4 0 1 3 0
. 0 −8 0 1 −1 −2 →
. 0 0 −8 1 7 −2
1 1 1
F 1=F 1,− F 2=F 2 y− F 3=F 3
4 8 8

( 14 ) 2 4 0 1 3 0
( | )
( | )( | )
4 0 0 3 5 −2 3 5 −1

( 8 ) 00 −8
−1
0 1 −1 −2 →
0 −8 1 7 −2 0
4 4 4
−8 0 1
4 4 4
−1 −2
1 0 0
0 1 0
4 4
−1 1 1
2

(8)
−1 −8
0
−8 −8 −8
0 −8 1
−8 −8
7 −2
0 0 1
8 8 4
−1 −7 1
−8 −8 −8 −8 −8 −8 8 8 4

Por tanto, la matriz inversa será:

( )
3 5 −1
4 4 2
−1 1 1
A−1=
8 8 4
−1 −7 1
8 8 4

Método por descomposicion o factorización de LU

1. Descomponemos la Matriz A en dos submatrices L y U que son triangulares. La U triangular superior y la L triangular inferior
Método simplificado
[Link]
Método de sistemas de ecuaciones [Link]

Partimos de A=L∙ U

Para una matriz 2x2

Matriz L Matriz U
Matriz A (triángular inferior) (triángular superior )

⏞ 1 0 ∙⏞
⏞
(
A A
=11 U
A 21 A 22
U 12
) ( L21 1 ) (0 11
U 22
12
)
Para una matriz 3x3
Matriz L Matriz U
Matriz A (triángular inferior) (triángular superior )

⏞ ⏞ 0 0 ⏞

( )( )( )
A A A 1
11 U U U
12 13 11 12 13
A 21 A22 A 23 = L21 1 0 ∙ 0 U 22 U 23
A 31 A32 A 33 L31 L32 1 0 0 U 33

Ejemplo 1 (Matriz 2x2):

A= (13 42)
1) Factorizamos la matriz A en las matrices triangulares L y U

(13 24 )=( L1 01) ∙(U0

21
11 U 12
U 22 ) Colocamos en la forma A=LU
(13 24 )=( L )
1 ( U 11 ) 1 ( U 12 )
Hacemos la multiplicación de matrices LU
21 ( U 11 ) +1 ( 0 ) L11 ( U 12 ) +1 ( U 22)

(13 24 )=( L ))
1 ( U 11 ) 1 ( U 12)
Formamos las ecuaciones comparando con la matriz A
21 ( U 11 ) +1 ( 0 ) L21 ( U 12 ) +1 ( U 22

Resolvemos cada ecuación para obtener los valores de los elementos de las matrices L y U

1 U 11=1 ① L21 ( U 11 ) +1 ( 0 )=3 ② 1 ( U 12 )=2 ③ L21 ( U 12) +1 ( U 22 )=4 ④

U 11 =1 Reemplazamos U 11 en ② U 12=2 Reemplazamos L11 y U 12

L21 ( 1 ) +1(0)=3 en ④
Resolvemos 3 ( 2 ) +1 ( U 22 )=4
L21+ 0=3 6+U 22=4
L21=3 U 22=−2
Reemplazamos y obtenemos las matrices L y U

L=
( L1 01)=(13 01)
21

U=
( U 11 U 12
0 U 22
=
)(
1 2
0 −2 )
2) Resolvemos Ly=I

(13 01)∙( yy 11

21
y 12
y 22)( )
=1 0
0 1
Reemplazamos
( 1 ( y 11 ) 1 ( y 12 )
)(
3 ( y 11 ) +1 ( y 21) 3 ( y 12) +1 ( y 22 )
=1 0
0 1 ) Hacemos el producto L y

Resolvemos las ecuaciones que se forman

y 11 =1 ① 3 ( y 11 ) +1 ( y 21 )=0 ② y 12=0 ③ 3 ( y 12 ) +1 ( y 22) =1 ④

y 11 =1 Reemplazamos y 11 en ② y 12=0 Reemplazamos y 12 en ④

3 ( 1 ) + y 21=0
3 ( 0 ) + y 22=1
Resolvemos y 22=1
y 21=−3

Obtendríamos y

y=
( y 11
y 21
y 12
y 22)(
=
1 0
−3 1 )
3) Resolvemos s Ux= y

(10 )(
2 ∙ x 11 x 12 = 1 0
−2 x21 x 22 −3 1 )( )
( )(
1 ( x 11 ) + 2 ( x 21 ) 1 ( x 12) +2 ( x 22 )
= 1 0
0 ( x 11 ) −2 ( x 21) 0 ( x 12) −2 ( x22 ) −3 1 ) Hacemos el producto Ux

Resolvemos las ecuaciones que se forman

x 11 +2 x 21=1 ① −2 x 21=−3 ② x 12+2 x 22=0 ③ −2 x 22=1 ④

 Reemplazamos ② en ① 3 ④ en ③ −1
x 21= x 22=
x 11 +2 ( 32 )=1 2
x 12+2( ) −1
2
=0
2

x 11 +3=1 x 12−1=0
x 11=−2 x 12=1

)( )
−2 1
x=
(
x 11 x12
x 21 x22
= 3 −1
2 2

4) La matriz inversa es la matriz x que obtenemos

( )
−2 1
−1
x= A = 3 −1
2 2

Propiedades de las matrices inversas

1) Solo existe una matriz inversa si el determinante de la matriz original es diferente de cero
2) En toda matriz inversa se cumple que:
−1 −1
A ∙ A = A ∙ A=I
 3) Si una matriz tiene una inversa, esa inversa es única. En otras palabras, no hay dos matrices diferentes que sean
inversas de la misma matriz.
4) Si ( A ∙ B )−1=A −1 ∙ B−1
5) ( AT )−1=( A−1)T
−1
6) ( A−1 ) = A
−1 1 −1
7) ( cA ) = A
c
8) ( A n)−1=( An )−1

Traza de una matriz

 La traza es un valor numérico que se obtiene al sumar todos los elementos de la diagonal principal de una matriz
 Solo es posible obtener la traza de matrices cuadradas

Ejemplo:
 ( )
1 2 3
M= 4 5 6
7 8 9

Calcular:

tr ( M )=1+5+ 9=15

Rango de una matriz

 Se define el rango de una matriz como el número máximo de filas (o columnas) linealmente independientes. En otras palabras, es el número
máximo de columnas que pueden ser seleccionadas de la matriz de manera que no haya redundancia lineal entre ellas.
 Se puede calcular el rango de cualquier tipo de matriz no solo de las cuadradas.
 Se denota por Rango ( M ) , r ( M ) , R ( M ) ,rk ( M ) , rank ( M )
 Se puede eliminar tanto filas (horizontalmente) como columnas (verticalmente)
 El rango de una matriz también es igual a la dimensión del espacio de la imagen de la matriz dim (ℑ(M ))
 El rango es igual a la dimensión del espacio de columnas de la matriz dim (Col(M ))

Rango máximo de una matriz

El rango máximo de una matriz depende de sus dimensiones. El menor número de filas o columnas es el rango máximo de esa matriz.

Ejemplo:

( )
1 2
3 4 3 ×2 El rango máximo será 2
5 6

( )
1 2 3 4 5
3 4 9 2 5 3 ×5 El rango máximo será 3
5 6 −3 2 1

Nota. Siempre es el número menor que salga entre filas o columnas.

Cálculo del rango de una matriz
Método de tanteo usando las operaciones de matrices
Vamos viendo si alguna matriz es múltiplo de otra o si es una suma o resta de alguna otra matriz si lo es se descarta hasta que ya no se pueda más. El
número de filas o columnas restantes es el rango de la matriz

Método de reducción gaussiana a matriz escalonada (triangular superior)

Se debe tratar de reducir la matriz a una triangular superior es decir hacer ceros todos los elementos que estén bajo la diagonal principal. Al hacerlo
llegamos a un punto donde se eliminan las filas que no sean linealmente independientes y quedará el rango de la matriz.

Método de determinantes
Ejemplo1:

A= |14 2 3
5 6 | B= |12 −1 2
−2 4 |
1) Primero verificamos el máximo rango posible de la matriz viendo el menor número de filas o
columnas que tenga su dimensión

o La matriz tiene una dimensión de A2 × 3 o La matriz tiene una dimensión de A2 × 3

o El rango máximo puede ser 2 (el menor número o El rango máximo puede ser 2 (el menor número
en la dimensión) en la dimensión)
o La matriz puede tener rango 1 o rango 2 pero o La matriz puede tener rango 1 o rango 2 pero
no más no más

2) Obtenemos todas los determinantes 2x2 que nos puedan salir y verificamos que:
 Rango 2: Si algún determinante sale diferente de cero
 Rango 1: Si todos salen 0

|14 25|= (1 )( 5) −( 4 )( 2) =−3 |12 −1

−2|
= (1 )(−2 ) −( 2 )(−1 )=0
 |−1
−2 4|
2
= (−1 )( 4 ) −(−2 )( 2 )=0

|12 24|=( 1) ( 4 )− (2 )( 2)=0

Como ya salió un determinante diferente de Como los determinantes salen cero entonces
cero entonces sabemos ya que el rango es 2 no debemos seguir sacando más submatrices 2x2 y
se necesita hacer más obteniendo el determinante de cada una hasta
que 1) salga algo diferente de cero 2) ya no
haya más submatrices

Como salieron todas cero entonces la matriz

tiene rango 1

Ejemplo2:

| |
1 2 −1
A= 2 1 4
3 4 5

3) Primero verificamos el máximo rango posible de la matriz viendo el menor número de filas o
columnas que tenga su dimensión

o La matriz tiene una dimensión de A3 × 3

o El rango máximo puede ser 3 (el menor número
en la dimensión)
o La matriz puede tener rango 1, rango 2 o rango
3
4) Obtenemos todas los determinantes 2x2 que nos puedan salir y verificamos que:
 Rango 3: Si algún determinante 3x3 sale diferente de cero
 Rango 2: Si algún determinante 2x2 sale diferente de cero
 Rango 1: Si todos los determinantes salen cero

| |
1 2 −1
2 1 4 =( 1 ) ( 1 )( 5 )+() ( 2 )=−3
3 4 5
Vectores R2
Conceptos fundamentales de vectores
Definición geométrica de un vector

Caracteristicas de un vector

Tipos de vectores
Vectores equivalentes: si tienen el mismo modulo y dirección si importar donde estén en el plano

Definición algebraica de vector

Cálculo de los elementos de un vector

Modulo, dirección
Vector unitario
Siendo ⃗v =(v 1 , v 2)
⃗v
u ⃗v =
|⃗v|
 v1
u ⃗v =
v2
¿ ⃗v ∨¿ i+ ¿
¿ ⃗v ∨¿ j¿
Operaciones con vectores
Producto escalar o punto entre vectores

u⃗ ∙ ⃗v =u 1 v 1 +u2 v 2

Demostración del producto escalar

Los vectores u⃗ =(u1 , u2) y ⃗v =(v 1 , v 2)

u⃗ ∙ ⃗v =(u ¿ ¿ 1 i+u 2 j)( v 1 i+v 2 j)¿

u⃗ ∙ ⃗v =(u¿¿ 1 i)(v 1 i)+(u1 i)(v 2 j)+(u¿ ¿ 2 j)(v 1 i)+(u¿¿ 2 j)(v 2 j)¿ ¿ ¿

u⃗ ∙ ⃗v =u 1 v 1 i∙ i+ u1 v 2 i∙ j+u 2 v 1 i∙ j+u 2 v 2 j ∙ j

u⃗ ∙ ⃗v =u 1 v 1 (1)+u1 v 2 (0)+u2 v 1 (0)+u2 v 2 (1) siendo

Fuentes:

Fuente: Vallejo Zambrano (2010) Fisica vectorial 1 p.53 (54 en digital)

Ángulo que forman dos vectores
u⃗ ∙ ⃗v
cos θ=
|u||v|

Vectores ortogonales – perpendiculares o paralelos

Ortogonales o perpendiculares u⃗ ⊥ ⃗v Paralelos u⃗ ∥ ⃗v
Siendo Siendo
u⃗ =u1 , u2 u⃗ =u1 , u2
⃗v =v 1 , v 2 ⃗v =v 1 , v 2

1) Si el producto escalar da cero 1) Si el uno es múltiplo escalar del otro

u⃗ ∙ ⃗v =0 u2 u2
2) Si el producto de sus pendientes es =
v1 v2
igual a -1
u2 v 2 2) Si las pendientes son iguales
∙ =−1
u1 v 1
u2 v 2
Nota: =
u1 v 1
u1 y u 2 es como decir u x y u y

Proyección de un vector sobre otro

Gráficamente
La proyección de un vector sobre otro es proyectar un vector perpendicularmente sobre el vector. La solución será el vector proyectado. Por tanto, será un
nuevo vector.
Vectores en R3
Punto en R3

Distancia entre dos puntos en R3

Modulo de un vector en R3

Operaciones con vectores en R3

Suma, resta
Multiplicacion por un escalar
Vector unitario

Direcciones de un vector en R3

Vectores ortogonales – perpendiculares o paralelos en R2

Ortogonales o perpendiculares u⃗ ⊥ ⃗v Paralelos u⃗ ∥ ⃗v

Siendo Siendo
u⃗ =u1 , u2 , u3 u⃗ =u1 , u2 , u3
⃗v =v 1 , v 2 , v 3 ⃗v =v 1 , v 2 , v 3

1) Si el producto escalar da cero 1) Si el coseno del ángulo que forman es

u⃗ ∙ ⃗v =0 1, o -1
2) Si el coseno del ángulo que forman es
cero. 2) Si uno de ellos es múltiplo del otro
u∙v
cosθ=
¿ u∨∙∨v ∨¿=0 ¿ u1 u2 u 3
= =
v1 v2 v3

Proyección de un vector sobre otro

Producto cruz o producto vectorial

 Se colocan los dos vectores en una matriz, se incluye la primera fila los elementos i , j y k y luego se calcula como si fuera un determinante.
 El resultado del producto vectorial es otro vector (i, j, k)
Propiedades del producto vectorial
Espacios vectoriales
Espacio vectorial Un espacio vectorial es una estructura
matemática que genera un lugar definido
por así decirlo donde se pueden
representar vectores, estos vectores
deben cumplir las 10 propiedades que
figuran a continuación si no cumple
aunque sea una ya no sería espacio
vectorial es espacio vectorial.

Subespacio vectorial Es un subconjunto de un espacio vectorial

debe cumplir con las mismas propiedades
que el espacio vectorial. En otras palabras,
es un espacio vectorial más pequeño
dentro de otro espacio vectorial mas
grande
Combinación lineal Una combinación lineal es una operación
algebraica que involucra la multiplicación
de cada término por un escalar y su
posterior suma.

Es la suma del producto de un escalar por

un vector.
Conjunto generador Se dice que todos los vectores que son
parte de un espacio vectorial se pueden
escribir como combinaciones lineales de los
mimos. En otras palabras es el conjunto de
todos los vectores de un espacio vectorial
Espacio generador Son todas las posibles combinaciones
lineales en un espacio vectorial. Son todas
las posbles combinaciones lienales de
todos los vectores.
Combinación trivial otras palabras, una combinación trivial es
 aquella en la que se multiplican todos los
vectores por cero.

Dependencia lineal Si existe una combinación no trivial que nos

de el vector cero
Independencia lineal Si la única combinación que da cero es la
trivial
Es decir que multiplicamos los vectores por
escalares y los sumamos y no hay forma de
que de cero a menos que multipliquemos a
todos por cero.
Base Es un conjunto de vectores que cumplen
con dos condiciones:
1) Independencia lineal
2) Generan un espacio vectorial

Rango Es el numero de vectores de la imagen de

una matriz
Kernel o Es el conjunto de todos los vectores que, al
Espacio nulo de una matriz multiplicarse por esa matriz, dan como
resultado el vector cero

Se obtiene al realizar
Ax=0

El vector obtenido debe ser una ecuación

que defina todos los posibles vectores que
pueden hacer a la matriz x cero.

Base del espacio nulo Son la mínima cantidad de vectores que

 pueden generar todo el espacio nulo

Espacio renglón (fila) Es el conjunto de todos los vectores fila

que tiene una matriz es decir es sacar las
filas y juntarlas en un conjunto

La dimensión del espacio fila es

igual al rango de la matriz, que es
el número máximo de filas
linealmente independientes de la
matriz.
Espacio columnas Lo mismo pero en columnas

Espacios vectoriales
Propiedades de los espacios vectoriales

Combinación lineal
Dependencia e independencia lineal
Como sabemos si un grupo de vectores son dependientes o independientes linealmente
Posibilidades

Bases y dimensión de un espacio vectorial

Base
Rango, nulidad, espacio renglón y espacio columna
Nulidad
Casos especiales
Rango
Espacio renglón

Espacio columna
Ortogonalidad
Distancia entre dos vectores

Ejemplo:

Distancia entre matrices

La distancia entre matrices se refiere a la medida de diferencia o similitud entre ellas
En el contexto de la norma matricial, si dos matrices son iguales, la distancia entre ellas será cero. Esto es consistente con la
noción intuitiva de que dos objetos idénticos no tienen diferencia o distancia entre ellos.
Vectores ortogonales
Vectores ortonormales

Ejemplo:
Proyecciones ortogonales
Proceso de Gram- Schmidt
Una base ortonormal es un conjunto de vectores que forma una base para un espacio vectorial y, además, cada vector de la
base tiene una norma (longitud) igual a 1 y es ortogonal (perpendicular) a los demás vectores en la base.
Base canónica
Factorización QR

1. Verificar si la matriz tiene rango completo

La matriz debe tener rango completo. Es decir que todas sus columnas o filas son linealmente independientes.

Para aplicar la factorización QR de manera única y estable, la matriz debe tener rango completo. Si una matriz no tiene
rango completo, aún puedes intentar obtener una factorización QR, pero debes estar consciente de que la solución puede
no ser única y podrían surgir problemas numéricos.

2. Obtenemos los valores de la columnae 1 ,e 2 , e3

 | | |14 | | |
1 1 1 2 3 1 2
B=
A= 0 1 1 5 6 C= 0 1
1 0 −1 −1 0

| | | ⏞ ⏞| | |
e1 e2 e3 e1 e2 e3 e1 e2

B= ⏞1
A= 1⏞ 1⏞ 1⏞ C= 1⏞ 2⏞
2 3
0 1 1 4 5 6 0 1
1 0 −1 −1 0
e 1=(1, 4)
e 1=(1, 0 , 1) e 2= ( 2 , 5 ) e 1=(1, 0 ,−1)
e 2=( 1 , 1, 0 ) e 3=(3 ,6) e 2=(2 ,1 , 0)
e 3=(1 ,1 ,−1)

3. Calculamos la base ortogonal por el método de Gram-Schmidt

e1 e1 e1
u1 = u1 = u1 =
¿ e 1∨¿ ¿ ¿ e 1∨¿ ¿ ¿ e 1∨¿ ¿
(1, 0 , 1) (1 , 4 ) ( 1 ,0 ,−1 )
u1 = u1 = u1 =
√ ( 1 ) + ( 0 ) +( 1 )
2 2 2
√ ( 1) + ( 4 )
2 2
√ ( 1 ) + ( 0 ) +(−1 )
2 2 2

( 1, 0 , 1) ( 1, 4 ) ( 1, 0 ,−1)
u1 = u1 = u1 =
√2 √17 √2
( √22 , 0 , −2√ 2 )
1 0 1 1 4
u1 = , , u1 = , u1 =
√ 2 √2 √ 2 √ 17 √17
(
u1 = √ , 0 , √
2
2
2
2
) (
u1 = √ , √
17 4 17
17 17 )
 w 2=e 2−(e2 ∙u 1)u1
∏ . punto w 2=e 2−(e2 ∙u 1)u1
w 2=e 2−⏞
( e2 ∙u1 ) u1
( (
w 2=( 2, 5)− ( 2 ,5 ) ∙ √ , √ ))(
17 4 17 √ 17 4 √ 17
, )
( 2
2
(
w 2=( 2, 1 , 0)− (2 , 1, 0) ∙ √ ,0 , √
− 2
2 ))( √22 , 0 , −2√2 )
(
w 2=( 1 ,1 , 0 ) − ( 1 , 1 ,0 ) ∙ (2
√ 2 , 0 , √2
2 ))( √2 , 0 , √2
2 2 ) 17 17 17
w
17
2=( 2, 1 , 0)− √ 2 (
√ 2 , 0 , −√ 2
)
w 2=( 2, 5)− ( )(
22 √ 17 √ 17 4 √ 17
, ) 2 2

( √22 )( √22 , 0 , √22 )

w 2=( 1 ,1 , 0 ) −
17 17 17 w 2=( 2, 1 , 0)−( 1 ,0 ,−1 )

w =( 1 ,1 , 0 ) −( , 0 , )
1 1
w 2=( 2, 5)− (
22 88
,
17 17 ) w 2=(2−1 ,1−0 , 0+1)v
w 2=( 1 ,1 , 1 )
2

( )
2 2 22 88
w 2= 2− , 5−
1 1 17 17 w2
w 2=1− , 1−0 ,0− u2 =
2 2
1
(
w 2= ,1 ,−
1
)
w 2= (
12
,−
17 17
3
) ¿ w 2∨¿ ¿

2 2
( 1 ,1 , 1 )
u2=
w2 w2 √ ( 1 )2+ ( 1 )2+ (1 )2
u2 = u2 = ( 1 ,1 , 1 )
¿ w 2∨¿ ¿ ¿ w 2∨¿ ¿ u2 =
√3
u=
( 1
2
, 1 ,− )
1
2
u=
( 12
,− )
17 17
3

1 1 1
(√ 12 ) +( 1) +( −12 ) (√ 1217 ) +( −317 )
2 2
2 2 2 2 u2 = , ,
2
√ 3 √3 √ 3

( 1
2
,1 ,− )
1
2 ( 12
,− )
3 (
u2 = √ , √ , √
3 3 3
3 3 3 )
17 17
u=
2 u=
√6 2
3
2 √17
 1 −1 12 −3
2 1 2 17 17
u2 = , , u2 = ,
√6 √6 √6 3 3
2 2 2 √17 √17
(
u2= √ , √ ,− √
6 6
6 3 6
6
) (
u2 = √ , √
4 17 − 17
17 17 )
w 3=e 3−( e3 u1 ) u1−( e 3 u 2 ) u 2

(
w 3=(1, 1 ,−1)− (1 , 1 ,−1) ( √22 ,0 , √22 ))( √22 , 0 , √22 )−((1 , 1,−1)( √66 , √36 ,− √66 ))( √66 , √36 ,− √66 )
w =(1, 1 ,−1)−( 0 ) ( √ ,0 , √ )−( √ )( √ , √ ,− √ )
2 2 2 6 6 6 6
3
2 2 3 6 3 6

( 32 , 43 ,− 23 )
w 3=(1, 1 ,−1)− ¡

w =( 1− , 1− ,−1+ )
2 4 2
3
3 3 3

w =( ,− ,− )
1 1 1
3
3 3 3

w3
u3 =
¿ w 3∨¿ ¿
u=
( 3 3 3)
1 1 1
,− ,−

(√ 13 ) +( −13 ) +( −13 )
3
2 2 2

u=
( 3 3 3)
1 1 1
,− ,−
3
√3
3
1 −1 −1
3 3 3
u3 = , ,
√3 √3 √3
3 3 3

u3 = ( √33 ,− √33 ,− √33 )

4. Al obteneru1 ,u 2 y u3tenemos las columnas de la matriz Q

( √22 , 0 , √22 )=Q

u1 = 1 ( √1717 , 4 √1717 )=Q
u1 = 1 ( √22 , 0 , −2√ 2 ) ¿ Q
u1 = 1

u =( ,
3 3 3 )
u =¿ ( √ 6 , √ 6 ,− √ 6 )=Q u =(
17 )
4 √ 17 −√ 17
, =Q
√3 √ 3 , √ 3 =Q
2 2 2 2 2 2
6 3 6 17

u =( √ ,− √ ,− √ )=Q
3 3 3
3 3
3 3 3
 | | | |
Q1 Q 2 Q3 √17 4 √ 17

| |
√2 √3
√2 √6 √3 17 17 2 3
Q=
2 6 3 4 √ 17 −√ 17 √3
Q= 0
Q= √6 −√ 3 17 17 3
0
3 3 − √2 √3
√2 −√ 6 −√ 3 2 3
2 6 3

5. Obtenemos R siendo R=Q T A

| | | | | ||
√2 √2 √17 4 √ 17 √2 − √2

|
0 0 1 2
2 2 17 17 1 2 3
| | 2 2

| |
1 1 1 R= ∙ R= ∙ 0 1
4 √ 17 −√ 17 4 5 6 √3 √3 √3 −1 0
R= √ √6
6 −√ 6
∙0 1 1
6 3 6 17 17 3 3 3
1 0 −1
√3 −√ 3 −√ 3
3 3 3

| | | |
22 √ 17 27 √ 17 R= √ √2
2

| |
√17 0 √3
17 17
√2 √
2 R=
0 3 √ 17 6 √ 17
2 0
√6 2 √6 17 17
R= 0
3 3
0 0 √3
3
Transformaciones lineales
Valores, vectores propios, polinomio y ecuación característica

Valores propios (autovalores) Av=λv

Vectores propios
Polinomio característico
Ecuación característica

Dada la matriz

( )
1 2 −1
A= 1 0 1
4 −4 5

1. Calculamos el polinomio característico con la fórmula

P ( λ ) =det ⁡( A−Iλ )

( )( )
1 2 −1 1 0 0
( A−Iλ ) = 1 0 1 −0 1 0 λ
4 −4 5 0 0 1

( )( )
1 2 −1 λ 0 0
¿ 1 0 1 −0 λ 0
4 −4 5 0 0 λ

( )
1−λ 2 −1
¿ 1 0−λ 1
4 −4 5−λ
 | |
1−λ 2 −1
det ( A−Iλ )= 1 −λ 1
4 −4 5−λ

¿ ( 1− λ )|−λ
−4
1
5−λ
−2| |
1 1
4 5−λ
−1 | |
1 −λ
4 −4 |
¿ ( 1− λ ) [ (−λ ) ( 5−λ )−(−4 )( 1 ) ] −2 [ (1)(5−λ)−(4)(1) ] −1 [ (1)(−4)−(4 )(−λ) ]

¿ ( 1− λ ) [ −5 λ+ λ + 4 ] −2 [ 5−λ−4 ] −1 [−4+ 4 λ ]
2

3 2
¿−λ +6 λ −11 λ+ 6
3 2
El polinomio característico es: P ( λ ) =−λ +6 λ −11 λ+ 6
3 2
La ecuación característica es: −λ + 6 λ −11 λ +6=0

2. Hallamos la solución de la ecuación caracteristica para hallar los valores propios

( λ−1 ) (−λ2 +5 λ−6 ) =0 −1 +6 −11 +6 -1

−1 +5 −6
−( λ−1 ) ( λ2−5 λ +6 ) =0 −1 +5 −6 /
−( λ−1 ) ( λ−3 )( λ−2 ) =0
( λ−1 ) ( λ−3 )( λ−2 ) =0
λ−1=0
λ−3=0
λ−2=0
 λ=1 , λ=3 , λ=2

3. Calculamos los vectores propios de cada valor λ con A−Iλ=0

Para λ=1

A−Iλ=0

( )( ) ()
1 2 −1 1 0 0 0
1 0 1 − 0 1 0 ∙ 1= 0
4 −4 5 0 0 1 0

Formamos un sistema de ecuaciones

( )( ) ( )
0 2 −1 x 0
1 −1 1 y = 0
4 −4 4 z 0

{
2 y−z=0
x− y + z=0
4 x−4 y + 4 z=0

Resolvemos el sistema

1
F 3=F 3
4

( |) ( |)
0 2 −1 0 0 2 −1 0
1 −1 1 0 → 1 −1 1 0
4 −4 4 0 1 −1 1 0

F 2−F 3=F 3
( |) ( |)
0 2 −1 0 0 2 −1 0
1 −1 1 0 → 1 −1 1 0
1 −1 1 0 0 0 0 0

F1⇌F 2

( |)
1 −1 1 0
0 2 −1 0
0 0 0 0

2 F 1+ F 2=F 1

( |) ( |)
1 −1 1 0 2 0 1 0
0 2 −1 0 → 0 2 −1 0
0 0 0 0 0 0 0 0

El sistema tiene infinitas soluciones

{22yx−z=0
+ z=0

−1
x= z
2
1
y= z
2
z=z
 ()
−1
z
2
x= 1
z
2
z

()
−1
2
x=z 1
2
1

()
−1
2
v 1= 1
2
1

Para λ=2

A−Iλ=0

( ) ( ) ()
1 2 −1 1 0 0 0
1 0 1 − 0 1 0 ∙ 2= 0
4 −4 5 0 0 1 0
( ) ( ) ()
1 2 −1 2 0 0 0
1 0 1 −0 2 0=0
4 −4 5 0 0 2 0

Formamos un sistema de ecuaciones

( )( ) ( )
−1 2 −1 x 0
1 −2 1 y = 0
4 −4 3 z 0

{
−x +2 y−z=0
x −2 y + z=0
4 x−4 y +3 z=0

Resolvemos el sistema

( |)
−1 2 −1 0
1 −2 1 0
4 −4 3 0

F 1−F 2=F 1

( |) ( |)
−1 2 −1 0 0 0 00
1 −2 1 0 → 1 −2 1 0
4 −4 3 0 4 −4 3 0

F1⇌F 3
( |) ( |)
0 0 00 4 −4 3 0
1 −2 1 0 → 1 −2 1 0
4 −4 3 0 0 0 00

F 1−4 F 2=F 2

( |) ( |)
4 −4 3 0 4 −4 3 0
1 −2 1 0 → 0 4 −1 0
0 0 00 0 0 0 0

F 1−F 2=F 1

( |) ( |)
4 −4 3 0 4 0 2 0
0 4 −1 0 → 0 4 −1 0
0 0 0 0 0 0 0 0

El sistema tiene infinitas soluciones

{44xy+2−z=0
z=0

4 x=−2 z 4 y−z=0 z=z

−1 1
x= z y= z
2 4

()
−1
z
2
x= −1
z
4
z
 ()
−1
2
x=z −1
4
1

()
−1
2
v 2= −1
4
1

Para λ=3

A−Iλ=0

( ) ( ) ()
1 2 −1 1 0 0 0
1 0 1 − 0 1 0 ∙ 3= 0
4 −4 5 0 0 1 0

( ) ( ) ()
1 2 −1 3 0 0 0
1 0 1 −0 3 0=0
4 −4 5 0 0 3 0

Formamos un sistema de ecuaciones

( )( ) ( )
−2 2 −1 x 0
1 −3 1 y = 0
4 −4 2 z 0
 {
−2 x +2 y−z=0
x −3 y+ z =0
4 x−4 y+2 z=0

Resolvemos el sistema

2 F 1−F 3=F 3

( |) ( |)
−2 2 −1 0 −2 2 −1 0
1 −3 1 0 → 1 −3 1 0
4 −4 2 0 0 0 0 0

F 1−2 F 2=F 2

( |) ( |)
−2 2 −1 0 −2 2 −1 0
1 −3 1 0 → 0 −4 1 0
0 0 0 0 0 0 0 0

2 F 1−F 1=F 1

( |) ( |)
−2 2 −1 0 −4 0 −1 0
0 −4 1 0 → 0 −4 1 0
0 0 0 0 0 0 0 0

El sistema tiene infinitas soluciones

{−4 x− z=0
−4 y + z=0
−4 x=z −4 y + z=0 z=z
−1 1
x= z y= z
4 4
 ()
−1
z
4
x= 1
z
4
z

()
−1
4
x=z 1
4
1

()
−1
4
v 3= 1
4
1

Los valores propios serán λ=1 , λ=3 , λ=2

()() ()
−1 −1 −1
2 2 4
Los vectores propios serán v 1= 1 v 2= −1 v 3= 1
2 4 4
1 1 1
3 2
El polinomio característico es: P ( λ ) =−λ +6 λ −11 λ+ 6
3 2
La ecuación característica es: −λ + 6 λ −11 λ +6=0