Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
U.N.Sa. - Facultad de Ciencias Exactas Asignatura: Algebra Lineal y Geometría Analítica Carreras: LAS, PM, LF, LER, TEU, TUES, TUP Año: 2 do Cuatrimestre 2019 Docente Responsable del curso: Ing. Augusto A. Estrada V RESUMEN DEL TEMA 4 DETERMINANTES 1.- INTRODUCCION: En el presente capítulo vamos a estudiar los determinantes definiéndolos desde el punto de vista axiomático. Es decir como una función con dominio en el espacio de las matrices cuadradas y codominio en un cuerpo de escalares que pueden ser los reales o los complejos. Estudiaremos algunas de sus propiedades, mostraremos el cálculo del determinante de algunas matrices especiales como las triangulares y la diagonal y en general el cálculo del determinante mediante el desarrollo por filas (o columnas) llamado método de Laplace. Asimismo vamos a ver el cálculo de los determinantes utilizando el escalonamiento de Gauss y usando propiedades. Estudiaremos la condición suficiente para que una matriz posea inversa y mostraremos como calcularla utilizando la matriz adjunta y el determinante de la matriz. Por último enunciaremos la regla de Cramer que permite encontrar la solución utilizando determinantes, de aquellos sistemas de igual cantidad de ecuaciones que incógnitas, consistentes con única solución. 2.- DETERMINANTES 2.1.-Definición: Sea A una matriz cuadrada de n n y consideremos que A F1,F2, ,Fn en la que F i , i 1,2, ,n son las filas de A. Llamamos determinante a cualquier función que a cada matriz cuadrada Ann le hace corresponder un escalar (real o complejo). y que cumpla los siguientes axiomas: Axioma 1: Linealidad por filas det F1,F2, ,F j1 F j2 , ,Fn detF1,F2, ,F j1 , ,Fn detF1,F2, ,F j2 , ,Fn Axioma 2: Homogeneidad por filas det F1,F2, ,kF j, ,Fn kdetF1,F2, ,F j, ,Fn Axioma 3: Si A F1,F2, , ,F i, ,F j, ,Fn F i F j det F1,F2, ,F i, ,F j, ,Fn 0 Axioma 4: Si I I1, I2, . Ij, , In matriz identidad de n n, entonces detI1, I2, , In 1 Notación: Usaremos también para simbolizar el determinante de una matriz A el símbolo |A| 2.2.-Propiedades Teorema 4.1: Si una matriz tiene una fila nula, su determinante es nulo. Teorema 4.2: Si en una matriz una de sus filas es combinación lineal de las restantes, entonces su determinante es nulo Teorema 4.3: Si en una matriz a una fila se le suma un múltiplo de otra, su determinante no cambia Teorema 4.4: Si en una matriz a una fila se le suma una combinación lineal de las restantes, su determinante no cambia Teorema 4.5: El determinante de una matriz cambia de signo si se intercambia dos filas de la matriz Teorema 4.6: El determinante de una matriz y su transpuesta son iguales Teorema 4.7: El determinante de una matriz triangular (superior o inferior) o diagonal es el producto de los elementos de su diagonal principal Teorema 4.8: El determinante de un producto de matrices es el producto de los determinantes de las matrices factores Teorema 4.9.- Si A22 aij, entonces detA a11a22 a21a12 3.-CALCULO DE DETERMINANTES 3.1.-Calculo utilizando el desarrollo de Laplace Dada una matriz cuadrada Ann aij 3.1.1.- Definición:Menor correspondiente al elemento aij : Se denomina así al determinante de la submatriz Mij de orden n 1 que resulta de eliminar en la matriz A la fila i y la columna j y lo simbolizamos con mij det Mij 3.1.2.- Definición: Cofactor correspondiente al elemento aij : Denominamos así al correspondiente menor con su signo y lo simbolizamos con A ij. Es decir c ij 1 ijmij 3.1.3.- Definición:Matriz de los cofactores de Ann : Denominamos así a la matriz cuadrada de n n cuyas componentes son los cofactores de la matriz A y la simbolizamos con: C CofacA c ij 3.1.4.- Definición:Matriz Adjunta de una matriz Ann: Llamamos así a la matriz transpuesta de la matriz de los cofactores de la matriz A y la simbolizamos con: AdjA CofAT CT c ji Teorema 4.10: Si Ann aij, entonces: detA n k1 aikc ik 1 La 1 permite calcular el determinante de A mediante el desarrollo de Laplace por la fila i, siendo c ik los cofactores correspondientes a los elementos aik k 1,2, ,n De la misma manera: detA n k1 akjckj 2 La 2 permite calcular el determinante de A mediante el desarrollo de Laplace por la columna j, siendo ckj los cofactores correspondientes a los elementos akj k 1,2, ,n Ejemplo 1: Calcula el determinante de la matriz A utilizando el desarrollo de Laplace por la 2da fila y por la 3er columna, siendo: A 1 2 2 2 1 3 1 1 0 Desarrollo por la 2da fila. Será i 2 y en consecuencia tendremos que: |A| 3 k1 a2kc2k a21c21 a22c22 a23c23 |A| a21c21 a22c22 a23c23 Calculamos los cofactores correspondientes a los elementos de la 2da fila ( que aparecen en el desarrollo), para ello recordamos que el cofactor correspondiente al elemento aij viene dado por c ij 1 ijmij siendo mij el menor correspondiente al elemento aij y que sabemos se define como el determinante de la submatriz Mij de orden n 1 que resulta de eliminar en la matriz A la fila i y la columna j. Así que: c21 121m21 13m21 2 2 1 0 2 0 12 2 c22 122m22 14m22 1 2 1 0 1 0 12 2 c23 123m23 15m23 1 2 1 1 11 1 2 3 Si reemplazamos los respectivos elementos de la fila 2 y sus respectivos cofactores en tenemos: |A| a21c21 a22c22 a23c23 22 12 33 4 2 9 3 Desarrollo por la 3er columna será j 3 y en consecuencia tendremos que: |A| 3 k1 akjckj a13c13 a23c23 a33c33 |A| a13c13 a23c23 a33c33 Calculamos los cofactores correspondientes a los elementos de la 3er columna ( que aparecen en el desarrollo) c13 113m13 14m13 2 1 1 1 2 1 11 3 c23 3 calculado anteriormente c33 133m33 16m33 1 2 2 1 11 2 2 3 Si reemplazamos los respectivos elementos de la 3er columna y sus respectivos cofactores en tenemos: |A| a31c31 a32c32 a33c33 23 3 3 0 3 6 9 0 3 Como podemos observar el valor del determinante es el mismo, calculado mediante el desarrollo de Laplace por una fila o por una columna. Esto ocurrirá siempre debido a que el determinante es único para cada matriz (ya que se trata de una función). Así que podemos calcular utilizando el desarrollo de Laplace por cualquier fila o columna y obtendremos el mismo valor. Lo anterior es muy importante en la práctica, ya que para el desarrollo de Laplace, podremos elegir aquella fila o columna que contenga la mayor cantidad de ceros. De esta manera, nos evitamos calcular los cofactores correspondientes a estos elementos ya que no aportan a la suma por ser su producto nulo. Asimismo, si recordamos el Teorema 4.3, cuando se suma a una fila un múltiplo de otra el determinante de la matriz no cambia. Podemos utilizar el teorema para hacer ceros en alguna fila o columna _(n 1 ceros_ y luego aplicar el desarrollo por esa fila o columna, de manera que solo será necesario calcular un único cofactor (el correspondiente al elemento no nulo) Así en el anterior ejemplo la tercer fila contiene un cero. Si le sumamos a la 2da columna la primera multiplicada por (-1) obtendríamos un segundo cero, luego podríamos desarrollar por esa fila. Veamos operativamente lo que estamos diciendo: |A| 1 2 2 2 1 3 1 1 0 C2 1C1 1 3 2 2 3 3 1 0 0 Aplicando el desarrollo de Laplace por la 3er fila en el último determinante tenemos que: |A| a31c31 a32c32 a33c33 1 c31 0 c32 0 c33 c31 131 3 2 3 3 3 3 Menor esfuerzo ¿verdad? 3.2.- Calculo utilizando el algoritmo de Gauss Cuando escalonamos una matriz utilizando el algoritmo de Gauss, utilizamos las operaciones elementales: 1.- Multiplicar una fila por un escalar no nulo 2.- Sumarle a una fila un múltiplo de otra 3.- Intercambiar dos filas Dada una matriz, mediante el algoritmode Gauss (uso de estas operaciones elementales) obtenemos otra matriz equivalente por filas y que está en su forma escalonada. Dicha matriz escalonada es una matriz triangular superior y su determinante está relacionado con el determinante de la matriz equivalente por filas de la que se obtuvo mediante el proceso de escalonamiento. Además por el Teorema 4.7 su determinante es fácil de calcular (es el producto de los elementos de su diagonal principal). Así que bastará encontrar cual es la relación de su determinante con la matriz inicial y aprovechar esta relación para calcular el determinante de dicha matriz. Para ello veamos cómo afectan las operaciones elementales al determinante de la matriz cuando se aplican. La operación 1 es equivalente al Axioma 2, así que cada vez que la apliquemos en una fila el determinante de la matriz quedará afectado por el escalar La operación 2 es equivalente al Teorema 4.3 por lo que no afecta el determinante cuando se la aplica La operación 3 es equivalente al Teorema 4.5 por lo que cada vez que se la aplique el determinante cambiará de signo. En el algoritmo de Gauss cada vez que utilizamos una fila como pivot para hacer ceros en cada una de las filas restantes se está utilizando en forma conjunta las operaciones 1 y 2 así que en cada paso del proceso los determinantes de las matrices equivalentes están relacionados mediante la aplicación del axioma 2 en cada fila en la que se hizo cero. Veamos un ejemplo para luego generalizar el método: Ejemplo Calcula el determinante de la matriz A utilizando el algoritmo de Gauss y los axiomas y/o propiedades, siendo A la matriz del ejemplo 1 dado para el desarrollo de Lapalce Apliquemos el algoritmo de Gauss para escalonar la matriz A Veamos si se clarifica con el desarrollo del ejemplo 1 2 2 2 1 3 1 1 0 A 12 1 2 2 0 3 1 0 3 2 B 31 1 0 1 0 3 7 0 0 3 C Como vemos la matriz escalonada (C es una matriz triangular por lo que si aplicamos el teorema 4.6 será: |C| 133 9 Veamos lo que ocurre con el determinante de las matrices sucesivas que se obtienen en cada paso del proceso de escalonamiento. Para pasar de A a B hemos utilizado el pivot 1 para hacer cero en la fila 2 y en la fila 3 realizando dos operaciones: 1 Multiplicar cada fila por el pivot 1 2 Reemplazado la fila 2 o 3 por la fila 2o 3 más la fila 1 multiplicada por el coeficiente de la fila (2 ó 3) según la fila que se está considerando La operación 1 no es más que aplicar el Axioma 2 de homogeneidad en la fila (2 o 3 (para recordarlo escribo en la parte superior de la matriz A el pivot elevado a la cantidad de veces que lo utilicé para hacer ceros). En este caso 12 . La 2 es la aplicación del teorema 4.5 que ya sabemos no cambia el determinante. En consecuencia tendremos que: |B| 12|A| Para pasar de B a C el proceso es similar pero ahora con el pivot 3 utilizado una vez para hacer ceros en la fila 3 de B por lo que |C| 31|B| Si reemplazamos en esta expresión las anteriores tenemos que: |C| 31|B| 3112|A| |A| |C| 31. 12 93 3 |A| 3 Que como no podía ser de otra manera, es el mismo valor encontrado anteriormente utilizando el desarrollo de Laplace. Si generalizamos el procedimiento podemos decir que: Dada una matriz A que mediante el procesos de Gauss se la lleva a su forma escalonada. Si llamamos AE a la matriz escalonada (matriz triangular) entonces: |A| | AE | 1np1 r1 .p2 r2pk rk 3 Siendo: n : cantidad de intercambios de filas realizado en todo el proceso de escalonamiento pi i 1,2, ,k cada uno de los pivot utilizados en el proceso ri i 1,2, ,k el número de veces que se utilizo el pivot pi para hacer ceros en las filas de las matrices durante el proceso 4.- CALCULO DE LA INVERSA DE UNAMATRIZ UTILIZANDO EL DETERMINANTE Y LA ADJUNTA Teorema 4.11: Si Ann aij, entonces A AdjA AdjA A detA I Corolario: Si detA 0 entonces A 1 detA AdjA 1 detA AdjAA I Es decir: A1 1 detA AdjA 4 De la 3 surge que: La condición necesaria y suficiente para que una matriz sea inversible es que su determinante sea no nulo Ejemplo 1 Calcula, de ser posible, la inversa de la matriz A dada en el anterior ejemplo, usando la adjunta y el determinante de la misma: Sabemos que: A1 1 detA AdjA solo si detA 0 En el ejemplo anterior encontramos que detA 3 0, asi que A es inversible y podemos calcular su inversa mediante 4 Deberíamos calcular la AdjA que sabemos es: AdjA cofacAT c11 c12 c13 c21 c22 c23 c31 c32 c33 T AdjA c11 c21 c31 c12 c22 c32 c13 c23 c33 En el ejemplo anterior ya calculamos algunos de los cofactores, solo resta calcular los que nos faltan para obtener la matriz Adjunta. c11 111m11 12m11 1 3 1 0 1 0 1 3 3 c12 112m12 13m12 1 2 1 0 1 0 12 2 c31 131m31 14m31 2 2 1 3 2 3 12 4 c32 132m32 15m32 1 2 2 3 1 3 22 7 AdjA 3 2 4 2 2 7 3 1 5 A1 13 3 2 4 2 2 7 3 1 5 1 23 4 3 2 3 2 3 7 3 1 13 5 3 Teorema 4.12: Una matriz Ann es inversible (no singular) si y solo si su determinante es distinto de cero Teorema 4.13: Si Ann es inversible entonces detA1 1detA 4.1.-Definición: Llamamos matriz ortogonal, a toda matriz cuadrada cuya transpuesta sea igual a su inversa. En símbolos: Dada Ann. Decimos que A es ortogonal si y solo si AT A1 Teorema 4.14: Si A es una matriz ortogonal, entonces detA 1 detA 1 5.-REGLA DE CRAMER Si Ann aij, y detA 0, entonces el sistema AX B tiene solución única y j 1,2, ,n es: x j detA j detA 5 Siendo A j la matriz que resulta de reemplazar en la matriz A la columna j por la columna de los términos independientes B Observación: La condición necesaria y suficiente para que un sistema de n ecuaciones lineales con n incógnitas pueda ser resuelto mediante la regla de Cramer es que el determinante de la matriz de coeficientes sea no nulo (en este caso decimos que el sistema es crameriano). Teorema 4.15: Si Ann aij y AX B tiene solución única entonces detA 0 Teorema 4.16: Si Ann aij y AX B tiene solución única entonces A es inversible Ejemplo1: Determina, de ser posible, utilizando la regla de Cramer, la solución del sistema: 1 1 0 2 1 2 1 3 0 x y z 1 0 1 Calculamos el determinante de la matriz de coeficiente para ver si el sistema es o no Crameriano. Para ello utilizamos desarrollo de Laplace por la 3er columna. |A| 1 1 0 2 1 2 1 3 0 2 1 1 1 3 4 Como |A| 4 0 entonces el sistema es Crameriano, es decir, se puede resolver utilizando la regla de Cramer. Según la 5 tenemos que: x |Ax | |A| y |Ay | |A| z |Az | |A| Si calculamos |Ax |, |Ay | y |Az | mediante desarrollo de Laplace por la 3er columna tenemos: |Ax | 1 1 0 0 1 2 1 3 0 2 1 1 1 3 4 x |Ax | |A| 4 4 1 x 1 |Ay | 1 1 0 2 0 2 1 1 0 2 1 1 1 1 0 y |Ay | |A| 0 4 0 y 0 |Az | 1 1 1 2 1 0 1 3 1 1 2 1 1 3 1 1 1 2 1 5 1 4 z |Az | |A| 4 4 1 z En consecuencia la única solución del sistema es la terna x,y, z 1,0,1 Ejemplo 2 Similar consigna que para el ejemplo 1, para el sistema: 1 1 2 2 x y 1 0 Como |A| 1 2 2 1 0, entonces el sistema no es Crameriano, es decir no se puede resolver utilizando la regla de Cramer. Ing Augusto A. Estrada V.
Compartir