Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
1 ÁLGEBRA UNIDAD 2- Matrices y Determinantes Facultad de Ciencias Exactas, Físicas y Naturales LIC. EN GEOFISICA - LIC. EN ASTRONOMIA Año: 2020 2 Matrices y Determinantes I- Objetivos Al finalizar la unidad se espera que el alumno sea capaz de: • Inferir el concepto de matriz. • Manejar con habilidad las operaciones entre matrices y aplicar correctamente las propiedades. • Diferenciar los distintos tipos de matrices que se presentan. • Calcular determinantes a través de diferentes métodos. • Aplicar correctamente las propiedades de determinante. • Interpretar el concepto de matriz inversa. • Calcular correctamente la matriz inversa. • Calcular el rango de una matriz II- Secuencia de los Contenidos. • Origen y definición de matrices. Notación. • Igualdad y traza de una matriz. • Operaciones entre matrices - Propiedades de las operaciones. • Estructura algebraica del espacio de las matrices con las operaciones de suma de matrices y producto de una matriz por un escalar • Matrices especiales. • Submatrices. • Determinantes: origen y definición. • Determinante de una matriz de orden 2x2 y de 3x3.-Regla de Sarrus. • Menor complementario y cálculo de un determinante por cofactores. • Regla de Laplace. • Propiedades de los determinantes para su posterior aplicación en el cálculo de los mismos (triangularización). • Matriz Adjunta para obtener el cálculo de la matriz inversa. Matrices elementales y equivalentes.-Aplicaciones • Rango de una matriz- Aplicaciones 3 MATRICES - DETERMINANTES 1- Introducción Las matrices son utilizadas en problemas que requieren de métodos algebraicos para ser solucionados, estos problemas proceden desde distintas áreas de la matemática, de física, en ingeniería, en química, geología, biología, astronomía, sociología, en lenguaje de programación ya que la mayoría de ordenadores introducen información organizadas en tablas con filas y columnas para trabajar gráficas computarizadas, procesamientos de imágenes, etc. Estas simplifican el trabajo en diferentes aspectos, uno de los más importantes es en la solución de sistemas de ecuaciones lineales con un elevado número de incógnitas, pues usando la representación de ellos como “ ecuaciones matriciales” se evitan métodos tediosos como sustitución, igualación. Otra utilidad es como lista de chequeo que incorpora información cualitativa sobre relaciones causa y efecto, pero también es de gran utilidad para la presentación ordenada de los resultados de la evaluación. Se utiliza para resolver situaciones que se encuentran en muchas dimensiones cuando se tienen problemas que solo se pueden resolver con sistemas de ecuaciones diferenciales, para ello se arman matrices con dichas ecuaciones de tal manera que se pueda solucionar problemas de economía o de ingeniería ambiental, civil, hidráulica, etc. El propósito de esta unidad es aprender conceptos y métodos algebraicos: usar símbolos y vocabulario para traducir del lenguaje coloquial, a generar expresiones matemáticas resolubles desde el Álgebra Lineal. Se practicará en el manejo de procedimientos algebraicos sistemáticos que ayudan a resolver, si es posible, sistemas de ecuaciones lineales, se deberá aprender a tener manejo tanto de los “conceptos” como de los “métodos” para poder dar solución a problemas que relacionan álgebra con otras disciplinas y situaciones cotidianas. Se usarán herramientas como calculadora científica o software de cálculo simbólico. Puedes consultar mas aplicaciones en : https://www.youtube.com/watch?v=0hr1zsrGHcY https://www.youtube.com/watch?v=I3aiZWmuqTs 1.1- Matrices A) A continuación se presenta una disposición en filas y columnas de cierta información relacionada con “las distancias entre los distintos planetas que conforman nuestro sistema solar”. Mercurio Venus Tierra Marte Júpiter Saturno Urano Neptuno Mercurio 0 0.34 0.62 1.14 4.82 9.16 18.84 29.68 Venus 0.34 0 0.28 0.8 4.48 8.82 18.5 29.34 Tierra 0.62 0.28 0 0.52 4.2 8.54 18.22 29.06 Marte 1.14 0.8 0.52 0 3.68 8.02 17.7 28.54 Júpiter 4.82 4.48 4.2 3.68 0 4.34 14.02 24.86 4 Saturno 9.16 8.82 8.54 8.02 4.34 0 9.68 20.52 Urano 18.84 18.50 18.22 17.7 14.02 9.68 0 10.84 Neptuno 29.68 29.3 29.06 28.54 24.86 20.52 10.84 0 1 unidad astronómica= 150 106 km B) Considera la “gráfica” que une los cuatro puntos en la figura, los cuales son campamentos mineros: Construya un “arreglo” (o disposición) de cuatro filas y cuatro columnas, que tengan la siguiente propiedad: el elemento de la fila “i” (con i = 1,2,3,4) y de la columna “j” (j = 1,2,3,4) vale cero si el campamento “i “ no está conectado directamente con el campamento “j “; (es decir : para llegar de “i “ a “j “ , debo pasar en el camino, por otro campamento intermedio); y vale uno si el campamento “i “ está conectado directamente con el campamento “j “. Además en las posiciones de la diagonal principal, colocar cero. C) Considere el siguiente enunciado, genere su representación simbólica por medio de un sistema de ecuaciones y su representación matricial: Los empleados de un campamento se les ha provisto según las necesidades de: botas para alta montaña y/o protector auditivo para casco para alta montaña. El precio de cada par de botas es de $7000 en el mercado y el de protector auditivo para casco fue de $ 2500. El gasto realizado en calzado y complementos de seguridad fue de $310000. Se ha adquirido un total de 70 de estos elementos. ¿Cuántos equipos de cada tipo se adquirieron? El uso de la notación matricial permite considerar un arreglo de muchos números (elementos en general), como un solo objeto designado por un símbolo. Se pueden expresar así de manera sintética relaciones entre los grandes conjuntos de números que surgen con frecuencia en las aplicaciones. Cuanto más complicado es el problema, más útiles resultan las matrices ( notación concisa para almacenar información). Quizás sea aún más importante el hecho de que las matrices proporcionan conocimientos que no podrían obtenerse fácilmente a través de otros medios. La noción de matriz no solamente nos suministra una nueva visión de problemas antiguos, sino que también da origen a muchos nuevos temas. 1.1.1- Definición: Una matriz es un arreglo rectangular (ordenado) de elementos. 5 Nota: Solo trabajaremos con matrices cuyos elementos sean números reales. Debe tener en cuenta la bibliografía que utilice para usar las notaciones adecuadas. Por lo general: � Los elementos de la matriz aparecen enunciados entre corchetes o paréntesis. � La matriz se la denota con una letra mayúscula. Por ejemplo: A ; M ; D ; I ; etc. � El tamaño de la matriz está especificado por el número de filas y de columnas que la conforman. En general se dice: mxn. A continuación, se presentan algunos ejemplos de matrices. Ejercicio: En los ejemplos presentados indique el tamaño de cada una de las matrices. − = 572 08 , A , π = 3 22 B , = 000 000 O , = 10 01 I , −= 700 040 001 D , π−= 221 5 2 C Las matrices presentadas en este ejemplo tienen los siguientes tamaños: •La matriz A es de tamaño 2 filas y 2 columnas; lo cual se dice: A es de 2 x 2 ó A2x2 •La matriz B es de tamaño ………………… •La matriz O es de tamaño………………… •La matriz I es de tamaño………………….. •La matriz D es de tamaño…………………. •La matriz C es de tamaño…………………. A continuación, se generaliza la notación para una matriz de cualquier tamaño. Así, una matriz A de orden m x p es una matriz que tiene m filas y p columnas con una cantidad total de m x p “elementos”. A dicha matriz se la puede expresar: ( ) ( ) { } { }p,...,j m,...,iijmxpij mpmm p p aa aaa aaa aaa A 1 1 21 22221 11211 ∈ ∈ == = L MLMM L L Nota: La expresión aij representa a cualquier elemento de la matriz A, que se encuentre en la fila i y columna j. Por ejemplo: a21 representa al elemento de la matriz A que está en la fila 2 y columna 1. Ejercicio: Indique el valor de los elementos: 6 (para el primer sistema) (para el primer sistema) (para el primer sistema) El elemento a12 de la matriz A, es……….. El elemento a22 de la matriz A, es……….. El elemento b31 de la matriz B, es…..…… El elemento o23 de la matriz O , es…….… El elemento c12 de la matriz C, es…….… El elemento d13 de la matriz D, es…….… Nota: Se verá que algunas matrices, por sus características son llamadas de una manera especial. Así, tomando en cuenta los ejemplos de sistemas lineales vistos en el inciso C), permiten señalar esas matrices especiales: Matriz de Coeficientes ⇒ = 11 25007000 A Matriz de Incógnitas ⇒ = y x X Matriz de Términos Independientes ⇒ = 70 310000 B Más adelante, cuando aprenda a “multiplicar matrices”, verá que el sistema lineal dado puede expresarse como la “Ecuación matricial A.X = B”. 1.1.2- Igualdad de matrices Definición: Dadas las matrices ( ) mxpij aA = y ( ) nxrij bB = , se dice que A es igual a B si: 1) m = n y p = r (esto es A y B tienen el mismo orden) 2) aij = bij para todo i,j Observe que no basta pedir que dos matrices tengan elementos iguales para que lo sean, por ejemplo: = 00 00 A = 000 000 B resulta que A ≠ B Notación: Se denotará Mmxp = { }p x morden de matriz una es AA (se lee: el conjunto de las matrices de orden mxp). 1.1.3- Matrices Especiales Atendiendo al orden de la matriz, y a la disposición de sus elementos, una matriz A∈Mmxp , se la puede clasificar como: • Matriz Rectangular: Se llama así a la matriz en la cual m ≠ p. Por ejemplo: 7 −= 5 2 1 A −− = 472 521 B • Matriz Cuadrada: Es la matriz en la cual m = p Por ejemplo: − − = 06 231.0 C −− − = 906 6.412 035.0 H [ ]4Q −= • Matriz Triangular Superior: Es aquella que cumple: >∀= = ji0a pm ij • Matriz Triangular Inferior: Es aquella que cumple <∀= = ji0a pm ij Ejemplos: SuperiorTriangular 00 120 43121 R π− − = InferiorTriangular 621 0521 007 Q −− −= • Matriz Nula (Matriz Cero): Es aquella matriz en la que se verifica: { } { }1,..pj 1,..mi 0aij ∈∀ ∈∀ = Ejemplo: [ ]000O 00 00 O 0 0 O 321 = = = • Matriz Fila: Si m = 1 cualquiera sea p. Ejemplo: [ ]321F1 −= [ ]435.21F2 −= [ ]5F3 −= • Matriz Columna: Si p = 1 cualquiera sea m. Ejemplo: = − − = 11.0 1.0 0 C 4 7 2.1 C 21 • Matriz Diagonal: Si m = p y aij = 0 ∀ i ≠ j Ejemplo: − = 200 050 001 D1 − = 210 05.7 D2 • Matriz Escalar: Si m = p y ≠∀ = = i todopara ji Ka 0a ii ij Ejemplo: 8 − − − = = 300 030 003 E 40 04 E 21 • Matriz Identidad: Si m = p y ≠∀ = = i todopara ji 1a 0a ii ij Ejemplo: = = 100 010 001 10 01 2 3I I • Matriz de Probabilidad o Estocástica por columnas: Si m = p y ( 10 ≤≤∀∀ aij : j i y 1=∑ = ij m 1i a , j∀ fijo ) Ejemplo: = = 2302500 72050090 05025010 10 01 1 ,, ,,, ,,, F F 2 Nota : Se llama doblemente estocástica si además lo es también por filas. Ejemplo: = = 85005010 08020 15015070 10 01 1 ,,, ,, ,,, G G 2 Observación: Relación entre Vectores y Matrices Se define a un “Vector Renglón de n−componentes” al conjunto “ordenado” de n−números, escritos en la forma: ( )n21 x,...,x,xx = r con xi ∈ ℜ ; i = 1,...,n Por ejemplo: En el espacio ℜ 2 un vector renglón es de la forma: ( )3;2x −=r En el espacio ℜ 3 será: ( )2;7;2.1y −=r Un “Vector Columna de n−componentes”, es el conjunto “ordenado” de n−números escritos en la forma: = n 2 1 x x x x L r con xi∈ℜ ; i = 1,...,n Por ejemplo: En el espacio ℜ 2 será: − = 5 1 a r y en el espacio ℜ 3 será: −= 14.3 5.2 21 b r Cada elemento del vector se llama “k−componente” siendo “k” la ubicación de la misma. Por ejemplo: en el vector y r ∈ ℜ 3, es 7 la segunda componente del vector. 9 La palabra “ordenado” es esencial. Dos vectores con las mismas componentes escritas en “diferente” orden no son iguales. Por ejemplo: ( )3;2a −−=r ∈ℜ 2 y ( )2;3b −−= r ∈ℜ 2 tienen las mismas componentes escritas en diferente orden, y sin embargo no son iguales. 1.2- Aritmética Matricial 1.2.1- Adición de Matrices Definición: Sean A y B matrices del mismo tamaño. La suma A + B es la matriz que se obtiene al sumar elementos correspondientes de A y B. Esta matriz A + B será del mismo tamaño que las matrices A y B. Si A y B no son del mismo tamaño, no se pueden sumar, y se dice que la suma no existe. En símbolos: Sean ( ) mxpij aA = y ( ) mxpij bB = (del mismo tamaño) Luego C = A + B =( ) mxpij c del mismo tamaño que las dadas, donde cij = aij + bij con { } { } ∈ ∈ p,...,2,1j m,...,2,1i Ejemplo: Sean − = 320 741 A , − = 031 520 B , − = 0 7 3 014 520 101 C , −−− − = 222 5103 , D ∗ Determinamos: A + B = ++−+ +−++ =+ 311 1221 033210 57)2(401 BA ∗ Determinamos: D + B = =+ ____________ ____________ BD 10 ∗ ¿Puede calcular A + C o B + C? ¿Por qué? No se pueden calcular dichas sumas, pues no tienen el mismo tamaño. Se dice que no son conformables para la suma. Investiga que matrices obtienes cuando realizas C+C , (C+C)+C 1.2.2- Multiplicación de una Matriz por un escalar. Definición: Sea A una matriz, y sea k un escalar real . Se denota con k.A, a la matriz que se obtiene al multiplicar cada uno de los elementos de A por k.La matriz k.A será del mismo tamaño que la matriz A. En símbolos: Sea ( ) mxpij aA = i ∈{1,...,m} ; j ∈{1,...,p} Sea k ∈ℜ ; luego si B = k.A , ( ) mxpij bB = ⇒ bij = k.aij con { } { } ∈ ∈ p,...,,j m,...,,i 21 21 Ejemplo: Sea − − = 603 512 A ∗ Determinar (−2).A Sea B = (−2).A ⇒ − −− = −−−− −−−− = 1206 1024 6).2(0).2()3)(2( 5).2()1)(2(2)2( B Observe que A y (−2).A son matrices de 2 x 3. ∗ Determinar (−1).A Sea C = (−1).A ⇒ − −− = −−−− −−−− = 603 512 610131 511121 ).().())(( ).())(()( B Investiga que matrices obtienes cuando en k.A, se tiene k=1 ó k=0 1.2.3- Diferencia o Resta de Matrices. Se define −A (Se lee la opuesta de A), como la matriz (−1).A. Esto significa que para “hallar la opuesta” de una matriz, se multiplica cada elemento de la matriz por (−1). 11 Por ejemplo: − − = 263 701 A entonces −− − =− 263 701 A Nota: Ahora definimos la resta de matrices de manera que sea compatible con la adición, la multiplicación escalar. Sea A − B = A + (−B) Esta definición, implica que la sustracción, se lleva a cabo entre matrices del mismo tamaño, sustrayendo elementos correspondientes. Ejemplos: Sea − − = 563 205 A y − = 640 182 B . ∗ Determine A − B − −− = −−−− −−−−− =− 1123 183 654603 )1(28025 BA ∗ Determine B − A −− − =− 1123 183 AB Ejercicio: Indique el resultado de AB 3− =− ____________ ____________ AB 3 Nota: Para facilitar el uso de las operaciones que se acaban de definir, es conveniente conocer que propiedades poseen. Propiedades de la adición de matrices y de la multiplicación por un escalar Sean ( )ijaA = ; ( )ijbB = ; ( )ijcC = elementos de Mmxp Sean α y β números reales. Luego: S1) La suma es asociativa. Sean A, B, C del conjunto Mmxp , luego se verifica la identidad: (A + B) + C = A + (B + C ) 12 S2) Existe un elemento (neutro para la suma) O ∈ Mmxp tal que para toda A ∈ Mmxp es: A + O = O + A = A S3) Para toda matriz A ∈ Mmxp existe (−A) ∈ Mmxp (llamada Matriz Opuesta Aditiva de A) tal que A + (−A) = (−A) + A = O S4) La suma de matrices es conmutativa. Para toda A , B ∈ Mmxp se cumple: A + B = B + A S5) El producto de matrices por un número real es distributivo respecto a la suma de matrices. Dado α ∈ ℜ y para toda A , B ∈ Mmxp se cumple: α (A +B) = αA + αB S6) El producto de la matrices por números reales es distributivo con respecto a la suma de números reales. Para todo α , β ∈ ℜ y A ∈ Mmxp se verifica:(α + β) A = αA + βA. S7) El producto de números reales por una matriz es asociativo. Para todo α , β ∈ ℜ y A ∈ Mmxp se verifica: (α.β) A = α.(β.A) S8) El producto de una matriz A ∈ Mmxp por el número 1, da por resultado la matriz A. Para toda A ∈ Mmxp se verifica: 1.A = A Nota: Recuerda estas propiedades enunciadas; para que más adelante otorguemos al conjunto Mmxp con estas operaciones (adición y multiplicación por un escalar) la categoría de Espacio Vectorial Real. 1.2.4- Multiplicación de Matrices Definición: Sean A = (aik) ∈ Mmxn y B = (bkj) ∈ Mnxr, donde el número de columnas en la matriz A, es el mismo que el número de renglones de una matriz B , entonces existe el producto A.B. El elemento en el “renglón i” y la “columna j” de A.B se logra sumando los productos que se obtienen al multiplicar elementos correspondientes del renglón i de A y de la columna j de B. En símbolos: Sean A = (aik) ∈ Mmxn y B = (bkj) ∈ Mnxr , donde C = A.B = (cij) ∈ Mmxr tal que: cij = ai1 b1j + ai2 b2j + ... + ain bnj =∑ = n 1k kjik ba ; i ∈ {1 ,..., m} y j ∈ {1 , 2, … , r} Notas: 1)Si el número de columnas de A no es igual al número de filas de B, se dice que el producto no existe. 13 2) La manera más natural de multiplicar dos matrices A y B parecería multiplicar elementos correspondientes de A y de B, pero sin embargo, se ha encontrado que esta no es la manera más útil para hacerlo; la forma más ventajosa es la definida como precede. Formas para realizar el producto matricial : Forma 1: Visualizar esta operación mediante el esquema: Forma 2: Para hallar el elemento “cij” de A.B se deben aislar el renglón i de A y la columna j de B [ai1 ai2 ... ain] nj j2 j1 b b b L = [ai1 b1j + ai2 b2j + ... + ain bnj ] =[cij ] =[ ∑ = n 1k kjikba ] Ejemplo: Dadas las siguientes matrices: = 02 31 A − = 623 105 B −= 4 2 1 C − −− − = 34 11 20 D ∗ A continuación se analizan cuales de los siguientes productos están definidos: A.B ; B.A ; B.C A . B 2x2 2x3 = B . A 2x3 2x2 ≠ Este producto es posible y el resultado será una matriz de tamaño 2x3 Este producto no es posible . 14 B . C 2x3 3x1 = * Siguiendo la propuesta anterior determinar cual de los siguientes productos están definidos A.C ; C.A ; A.A ; C.B ; B.B * Resolvamos A.B Forma 1 : − = 6 1 23 05 B = 02 31 A + + −++ −++ 6012 6311 20023052 23013351 .. .. ).(... ).(... = − 2010 19614 Forma 2 : = 02 31 B . A . − 623 105 = 232221 131211 rrr rrr [ ] 143351 3 5 3111 =+= = ...r [ ] 62301 2 0 3112 −=−+= − = ).(..r [ ] 196311 6 1 3113 =+= = ...r [ ] 103052 3 5 0221 =+= = ...r [ ] 02002 2 0 0222 =−+= − = ).(..r [ ] 26012 6 1 0223 =+= = ...r Este producto es posible y el resultado será una matriz de tamaño 2x1 15 Con lo cual resulta que A. B = − 2010 19614 Ejercicio: Indique , en caso de ser posible, el resultado de C.D;D.B;A.D =A.D =D.B D.C = * Siguiendo la propuesta anterior, de los productos analizados que son posibles calcúlalos. Tamaño de una Matriz Producto Si A ∈ Mm x r y B ∈ Mr x n , entonces A.B ∈ Mmxn Esto se representa gráficamente así: A.B de tamañoeldan iguales interiores BA n x rr x m Ejemplo: Si A es una matriz de 5 x 6 y B una matriz de 6 x 2. ¿Cuál es el tamaño de A.B? A5x6 . B6x2 = A.B5x2 Ejercicio: Dadas las siguientes matrices: = 02 31 A y F3x3 Investiga que matrices obtienes cuando realizas : A. A ; (A.A).A ; ((A.A).A).A ; F.F 16 Nota importante:Se pueden enunciar algunos resultados interesantes del producto de matricescomparando con el producto de números reales. I ) A diferencia de la multiplicación de números reales, la multiplicación de matrices, no es conmutativa. En general para dos matrices A y B; A.B ≠ B.A. Algunas veces existen tanto A.B como B.A, pero en raros casos son iguales. II) En la teoría de matrices, las matrices cero juegan un papel semejante al del cero con los números reales, y las matrices identidad juegan un papel semejante al del 1. Sea A ∈ Mnn y O ∈ Mnn ⇒ A . On = On . A = On Sea A ∈ Mnn y I ∈ Mnn ⇒ A . In = In . A = An III) En Álgebra son conocidas las leyes de cancelación. Si a.b = a.c y a ≠ 0 ⇒ b = c Si p.q = 0 ⇒ p = 0 ó q = 0 Sin embargo las leyes correspondientes para matrices no son válidas: • A . B = A . C no implica que B = C • P . Q = O no implica que P = O ó Q = O Verificarlo con las siguientes matrices: Considera las matrices: = 42 21 A − = 12 21 B − − = 23 83 C Observa A . B y A . C ¿Qué observas? Considera las matrices: − − = 42 21 P − − = 31 62 Q Calcula P . Q ¿Qué observas? Propiedades de la Multiplicación de Matrices. Sean A, B y C matrices, y k un escalar. Suponga que las matrices son de tamaños tales que se puedan realizar las operaciones que se indican. M1) A . (B.C) = (A.B) . C Propiedad Asociativa de la multiplicación. M2) A . (B + C) = A.B + A.C Propiedad Distributiva de la multiplicación. M3) (A + B) . C = A.C + B.C Propiedad Distributiva de la multiplicación. M4) A.In = In.A = A (Donde In es la matriz identidad adecuada). = 10 01 I = 02 31 A ++ ++ .... .... 10020012 13010311 = A= 02 31 17 M5) a (A.B) = (aA) B = A (aB) Propiedad Asociativa del producto por un escalar. 1.2.5- Potencia de Matrices. • Si A es una matriz cuadrada, llamaremos potencia de A y se escribe: 44 344 21 vecesk k A..................A.AA − = , k∈N • Las reglas conocidas de los exponentes para números enteros no negativos, se satisfacen para matrices cuadradas : 1) Ar As = Ar + s 2) ( ) srsr AA = 3) A0 = In ; con A matriz no nula. Ejercicio: a) Calcula E2 ; E4, em base a la matriz − − = 01 21 E = − − − − = 01 21 01 212 .E = = .E4 b) Sean A y B matrices cuadradas de igual orden, simplifica la siguiente expresión matricial, teniendo en cuenta las propiedades del producto de matrices: A (A + 2B) + 3B ( 2A − B) − A2 + 7B2 − 5AB Ahora se presenta un número que se le asocia a una matriz cuadrada, llamado “traza de una matriz”. 1.2.6- Traza de una matriz Definición: Sea A una matriz cuadrada. La traza de A denotada por Traz (A); (trace(A)); es la suma de los elementos de la diagonal principal de A. Si A ∈ Mnxn ⇒ Traz (A) = a11 + a22 + ... + ann =∑ = n 1i iia Ejercicio: Determinar la traza de B = − −− 702 457 321 Traz (B) = 1+ (−5) +7 = 3 Propiedades de la Traza Sean A, B matrices, y k un escalar. Suponga que las matrices son de tamaños tales que se puedan realizar las operaciones que se indican. T1) Traz (A + B) = Traz (A) + Traz (B) 18 T2) Traz (A . B) = Traz (B . A) T3) Traz(kA) =k Traz (A) T4) Traz (AT) = Traz(A) 1.2.7- Transposición de Matrices. Definición: Sea A ∈ Mmxn , llamaremos transpuesta de la matriz A, y lo indicaremos con AT, a la matriz cuyas columnas son los renglones de la matriz A dada. Así, el elemento (i,j) de A se convierte en el elemento de (j,i) de AT. Si A ∈ Mmxn ⇒ AT ∈ Mnxm Ejemplo: Determinar la transpuesta de las siguientes matrices; e indicar el tamaño. 2x208 72 A − = 1x33 1 0 B −= [ ] 2172 xH −= Solución: 22 07 82 x TA − = [ ] 31310 xTB −= 12 7 2 x T H = Propiedades de la Transpuesta Sean A y B matrices, sea k un escalar. Suponga que los tamaños de las matrices son tales que se pueden realizar las operaciones que se indican: T1) (A + B) T = AT+ BT Transpuesta de una suma. T2) (kA) T = k . AT Transpuesta de un múltiplo escalar. T3) (A.B) T= BT. AT Transpuesta del producto. T4) (A T)T = A Transpuesta de la transpuesta. Ejercicio: Obtenga la matriz transpuesta, de las matrices del inciso B) y C) de la introducción de matrices. =⇒ = TEE =⇒ = TAA 19 [ ]=⇒ = TBB Ejercicio: a) Encuentre la transpuesta de − − = 243 401 311 A y luego compare AT y A. b) La conclusión que obtuvo en el apartado anterior ¿Es válida para cualquier matriz cuadrada? 1.2.8- Matrices Antisimétricas Definición: Sea A una matriz cuadrada de orden nxn, decimos que A es una matriz antisimétrica , si es igual a la opuesta de su transpuesta. A es antisimétrica ⇔ A = −AT ⇔ aij = ≠ = ji cuando a- ji si ji 0 ∀ i ∀ j ∈ {1 , 2 , …., n} Ejemplo: Como verificar que las siguientes matrices son antisimétricas: −− − = − = 032 306 260 08 80 22 B;A x Solución: Calculamos : −AT = = − − T 08 80 = − − 08 80 A= − 08 80 ⇒ A es antisimétrica Calculamos : −BT = T −− − − 032 306 260 −− − −= 032 306 260 = B ⇒ B es antisimétrica 1.2.9- Matrices Simétricas Las “matrices simétricas”, son quizás la clase más importante de matrices, ya que se utilizan en áreas de las matemáticas, como geometría, la ingeniería mecánica y eléctrica, la física teórica, etc. Definición: Sea A una matriz cuadrada de orden nxn, decimos que A es una matriz simétrica , si es igual a su transpuesta. A es simétrica ⇔ A = AT ⇔ aij = aji ∀ i ∈ {1 , 2 , …., n} ∀ j ∈ {1 , 2 , …., n} Nota: En una matriz simétrica, todos los elementos no diagonales se presentan en pares situados simétricamente respecto de la diagonal principal. Observa en un caso particular, para A ∈ M3x3 20 = qrz rwy zyx A =⇔ qrz rwy zyx A T Ejemplo: Como verificar que la siguiente matriz es simétrica: 22 38 87 x A − = Solución: Calculamos : AT = = − T 38 87 = − 38 87 A ⇒ A es simétrica Teorema: Sean A y B matrices simétricas del mismo tamaño, entonces el producto A.B es simétrico sí y solo sí A.B = B.A Demostración: Para la demostración se tiene que tener en cuenta el “sí y solo sí”; por lo tanto hay que mostrar: I) que si A.B es simétrica entonces A.B = B.A II) que si A.B = B.A entonces A.B es simétrica. I) Sea AB simétrica. Entonces: AB = (A.B)T por definición de matriz simétrica. = BT.AT según la transpuesta del producto.= B.A porque B y A son simétricas. II) Si A.B = B.A Entonces. (A.B)T = (B.A)T aplica transpuesta miembro a miembro. = ATBT transpuesta del producto. = A.B porque A y B son simétricas. 1.2.10- La Inversa de una Matriz Nota: La inversa de matrices solo se aplica a matrices cuadradas. Definición: Sea A una matriz cuadrada de orden nxn. Si se puede encontrar una matriz B tal que A . B = B . A = In; Entonces se dice que A es invertible, regular (o no singular); y a la matriz B se la llama “la inversa de A”, y se la indica B=A-1. Nota: Una matriz cuadrada que no tiene inversa se llama no invertible, o matriz singular. Ejercicio: Demuestre que la inversa de la matriz: = 43 21 A , es : − − = 2 1 2 3 12 B Solución: Para probar que B es la matriz inversa de A se debe verificar que A . B = B . A= I 21 I 10 01 232 3 2 3 4432 43 21 . 2 1 2 3 12 B.A I 10 01 2366 1132 2 1 2 3 12 . 43 21 A.B = = −− +−+− = − − = = = −+− −+− = − − = Luego, B es la matriz inversa de A ( y recíprocamente A es la inversa de B). Teorema: La matriz inversa de una matriz invertible es única. Demostración: Suponga que las matrices B y C son la matrices inversas de A. Por lo tanto A . B = B . A = I � A . C = C . A = I � Multiplicando en � miembro a miembro por C C . A . B = C . B . A = C . I { { CB I . CB . I I . C A) . (B . C B . A) . (C = = == 321321 En consecuencia una matriz invertible solo tiene una inversa. Notación: Sea A una matriz invertible, su inversa se denota por A−1. Propiedades de Matrices Invertibles Teorema: Si A es una matriz invertible entonces A−1 es también invertible y se verifica: (A−1)−1 = A Teorema: Si A es una matriz invertible entonces AT es también invertible y se verifica: (AT)−1 = (A−1 )T Teorema: Si A es una matriz invertible y m≥0, entonces Am es también invertible y se verifica: (Am)−1 = (A-1)m Importante: Esta última propiedad permite definir la potencia negativa de una matriz : A- m =(A-1)m Teorema: Si A y B son matrices invertibles (no singulares) y de orden n, entonces A . B es invertible y se verifica: (A.B)−1 = B-1.A-1 Teorema: Para cualquier k escalar, k ≠ 0, la matriz A invertible, entonces kA es también invertible y se verifica: ( ) 11 A k 1 kA −− = 22 Importante: Si una matriz C tiene inversa entonces son válidas las leyes cancelativas del producto. a) A.C = B.C ⇒ A=B b) C.A =C.B ⇒ A=B a) Demostración: Suponga que la matriz C tiene inversa, la cual es C-1 Partimos de la igualdad : A.C = B.C Post multiplicando a ambos lados de la igualdad con la inversa de C, se tiene: (A.C).C-1=(B.C).C-1 , asociando 4342143421 I:BI.A )C.C.(B)C.C..(A 11 −− = } } B A = Ejercicio: Realizar la demostración de la propiedad b) Problema: Hasta ahora se utiliza el término de matriz inversa, pero ¿Cómo se obtiene la inversa de una matriz? Por ahora, solo la podemos obtener por medio de algún método de solución de sistemas, pero más adelante, cuando se estudie la función determinante de una matriz cuadrada, se dará un algoritmo (fórmula) para obtener la inversa de una matriz no singular. Ejercicio: Dadas las matrices − = 21 01 M y − = 30 12 R Determinar M−1 y R−1 Solución: Tomando en cuenta que por ahora el alumno solo resuelve sistemas lineales de orden 2x2 (o a los más de 3x3), solo se puede intentar el cálculo de la inversa de una matriz invertible de la siguiente forma: Por definición, si M es no singular entonces existe una única matriz M−1 tal que debe cumplirse: M.M−1 = M−1.M = I2 luego: = − 10 01 dc ba . 21 01 de donde = +−+− 10 01 d2bc2a ba Resultando de la igualdad de las matrices: 23 =⇒ =⇒=⇒=+− =⇒=⇒=+− = = − 2 1 2 1 01 M 2 1d1d21d2b 2 1c1c20c2a 0b 1a 1 (inversa a derecha) Probemos si es válida como inversa por la izquierda: M−1.M = I ⇒ 2I10 01 102 1 2 1 0001 21 01 . 2 1 2 1 01 = = +− ++ = − Luego: M –1 = 2 1 2 1 01 es la matriz inversa de M. Nota: De la misma manera trabaje para encontrar la matriz inversa de R. Ejercicios: Sean las matrices = = = 100 0 2 1 2 1 0 2 1- 2 1 P , 'c 'b 'a ' X , c b a X , − −− = 130 301 012 A Calcular : 1) XT.A.X 2) D= PT.A.P ( trabajar en P con los valores exactos) 3) ( ' X ) T. D. ( ' X ) 4) Sustituir X=P. ' X en el cálculo 1), aplicar propiedades de traspuesta hasta llegar al cálculo obtenido en 3) Teorema: Sea A una matriz cuadrada de orden nxn, entonces A se puede escribir de forma única como suma de una matriz simétrica y una matriz antisimétrica. Demostración: Supongamos que A= S+K , con S matriz simétrica ⇒ S= ST � con K matriz antisimétrica ⇒ K= −KT � Calculemos la matriz traspuesta de A : AT=(S+K)T= ST + KT = S + KT =S − K � � A = S + K + AT= S −K A+ AT= 2 . S ⇒ S= )AA.( T+ 2 1 24 A = S + K − AT= S −K A− AT= 2 . K ⇒ K= )AA.( T− 2 1 Revisemos que S es una matriz simétrica : ST= T T )AA.( + 2 1 = [ ]TTT )A(A + 2 1 = [ ]AAT + 2 1 = [ ] SAA T =+ 2 1 ⇒ S es simétrica. Revisemos que K es una matriz antisimétrica : −KT= − T T )AA.( − 2 1 = − [ ]TTT )A(A − 2 1 = − [ ]AAT − 2 1 = [ ] KAA T =− 2 1 ⇒ K es antisimétrica. Ejercicio: Para completar la demostración resta probar la unicidad de la descomposición de A como suma de una matriz simétrica y otra antisimétrica. Ejemplo: Descomponer la siguiente matriz como suma de una matriz simétrica y otra antisimétrica: A= − 82 50 Solución: Por el teorema anterior: A= S+K , con S matriz simétrica y K matriz antisimétrica , donde : S= [ ] = = − + − =+ 851 510 163 30 2 1 85 20 82 50 2 1 2 1 , , AA T [ ] =−= TAAK 2 1 − = − = − − − 053 530 07 70 2 1 85 20 82 50 2 1 , , Entonces: A= S+K = = − + 853 530 851 510 , , , , − 82 50 25 1.3- Determinante Anteriormente, se asoció a una matriz cuadrada un número real, llamado traza de A. A continuación, nuevamente a una matriz cuadrada le asociaremos un número real, que se le llama “determinante”. El determinante de una matriz se usa en muchas ramas de las matemáticas, y de las ciencias. Veremos más adelante que el determinante da información acerca de las soluciones de un sistema lineal y también se utiliza en una fórmula para calcular la inversa de una matriz. Por ahora solo se define el determinante y se desarrollan sus propiedades. Nota: Se mostrarán técnicas para calcular un determinante, llegando a la regla general en forma inductiva. Es decir, que: Inicialmente, se definirá el determinante de una A ∈ M2x2. Posteriormente, se definirá el determinante de una A ∈ M3x3 en términos del determinante de A 2x2. Finalmente, se definirá el determinante de una A ∈ Mnxn, siendo n cualquier valor natural. I) Determinante de una matriz A ∈ M1x1 Definición: El determinante de una matriz A de 1x1 se denota por |A| o det (A), y es el número real dado por: 1111 aaA == Nota: Si la matriz es de orden 1x1, no confundir su determinante con el valor absoluto de un número. II) Determinante de una matriz A ∈ M2x2 Definición: El determinante de una matriz A de 2x2 se denota por |A| o det (A), y es el número real dado por: 21122211 2221 1211 a.aa.a aa aa A −== Note que el determinante de una matriz de 2x2 está dado por la diferencia de los productos de las dos diagonales de la matriz. Ejercicio: Dadas las matrices: − = 42 11 A , = 32 21 B , P= − − = − 102 51 03 04 22 Q,I, x . Calcule el determinante de ellas. Solución: = − = 42 11 )A(det 1 . 4 − (−1) . 2 = 4 + 2 ⇒ |A| = 6 == 32 21 )B(det 1 . 3 − 2 . 2 = 3 − 4 ⇒ |B| = −1 det(P)= det − 03 04 = 4.0 − 0.( −3) =0 26 det( 22xI )= det 10 01 =1.1 −0.0 = 1 det(Q)= det − − 102 51 = 1.( −10) − (−5).2 =0 Ejercicio: Calcule el determinante de cada una de las matrices dadas: = = = − = 11 11 00 00 40 04 10 058 ROK , D III) Determinante de una matriz A ∈ M3x3 Definición: El determinante de una matriz A ∈ M3x3 es el número real dado por: == 333231 232221 131211 aaa aaa aaa )A(det = a11 a22 a33 + a21 a32 a13 + a12 a23 a31 − (a13 a22 a31 + a12 a21 a33 + a23 a32 a11) Regla de Sarrus ( sólo para matrices de orden 3x3) El mismo consiste en agregar las dos primeras columnas de A y se forman los productos de los elementos que atraviesan las flechas. A las flechas que van de la izquierda superior a la derecha inferior se les asigna el signo más( son las de trazo simple); y a las otras el signo menos( son las de trazo doble). A continuación se suman todos los productos con signo: 3231 2221 1211 333231 232221 131211 aa aa aa aaa aaa aaa det(A)= a11 a22 a33 + a21 a32 a13 + a12 a23 a31 − a13 a22 a31 − a12 a21 a33 − a23 a32 a11 Advertencia: Este esquema de Sarrus no se aplica a los determinantes de orden 4x4, 5x5, y a los de más alto orden. 27 Ejemplo: Calcule el determinante de : − − − = 305 234 221 A , Solución: 05 34 21 305 234 221 − − − − − =A (−1).3.3 +1.(−2).(−5)+2.4.0−2.3.(−5)−0.(−2).(−1)−2.4.3 =17 Ejercicio: Calcule el determinante de : −−= 300 260 275 B y G= − − 000 160 275 . ¿Se observa algo particular en estas matrices? 1.4- Submatrices. Menor complementario- Cofactor Definición: Sea A una matriz cuadrada de orden nxn. El Menor del elemento ubicado en la Fila”i”, Columna “j”, se denota por Mij , es el determinante de la matriz que se obtiene eliminando la fila i−ésima y la columna j-ésima de la matriz A. Ejercicio: Determinar los menores complemetarios M11,M12,M13, para : = 333231 232221 131211 aaa aaa aaa A Solución: 22313221 3231 2221 13 23313321 3331 2321 12 32233322 3332 2322 11 aaaa aa aa M aaaa aa aa M aaaa aa aa M −== −== −== Definición:Sea A una matriz cuadrada de orden nxn, llamaremos Cofactor del elemento aij se denota por Cij ; al número dado por la fórmula: Cij = (−1)i+j . M ij 28 Ejercicio: Determinar los cofactores correspondientes para los menores complemetarios M11,M12,M13 Solución: 1111 11 11 1 MM.)(C =−= + 1212 21 12 1 MM.)(C −=−= + 1313 31 13 1 MM.)(C =−= + Nota: Observa que el menor y el cofactor solo difieren en el signo, o son iguales; pues Cij = ± Mij Ejercicio: Determina el menor y el cofactor de los elementos a11y a32 de la siguiente matriz A. − −= 120 214 301 A Importante : Para la matriz = 333231 232221 131211 aaa aaa aaa A , se vio por Sarrus que : det(A)= a11 a22 a33 + a21 a32 a13 + a12 a23 a31 − a13 a22 a31 − a12 a21 a33 − a23 a32 a11 Sacando factor común los elementos de la 1º Fila de A, el det(A) se puede expresar también: |A| = a11 [a22 a33 − a32 a23] + a12 [a31 a23 −a21 a33 ] + a13 [a21 a32 − a31 a22] Sacando (-1) factor común en el 2º término, se tiene: |A| = a11 [a22 a33 − a32 a23] − a12 [a21 a33 −a31 a23] + a13 [a21 a32 − a31 a22] Aplicando la definición de Menores y Cofactores antes vistas, se tiene |A| = a11 C11 + a12 C12 + a13 C13 Nota: Observe que se ha calculado el determinante de una matriz de 3x3, utilizando la definición de cofactores para los elementos de la 1º Fila de la matriz A. Ejercicio: Dada la matriz − − − = 305 234 221 A . Calcular el determinante de A, por el esquema de Sarrus; luego calcula del determinante de A desarrollado por cofactores de la 1° fila, por los cofactores de la 2° columna, de la 3° fila, de la 3° columna. ¿Qué observas? ¿Importa la fila o columna según la cual se desarrolla el determinante? 29 Ahora se puede reformar la fórmula que se definió para el determinante de una matriz A de 3x3, y expresarlo en términos de los cofactores. A continuación definimos el determinante para una matriz de orden “n”. 1.5- Desarrollo por Cofactores (Regla de Laplace) Sea A una matriz cuadrada de orden “n”. � El determinante de A puede desarrollarse con respecto a la i−ésima fila en términos de cofactores mediante la fórmula: |A| = ai1 Ci1 + ai2 Ci2 + ... + ain Cin o bien, puede ser que: � El determinante de A, puede calcularse con respecto a la j−ésima columna en términos de cofactoresmediante la fórmula: |A| = a1j C1j + a2j C2j + ... + anj Cnj Nota: Este método de calcular determinantes por medio de cofactores se llama “Desarrollo por cofactores” o “Desarrollo de Laplace”. Nota: Al evaluar el determinante, se pueden minimizar las operaciones, si se desarrolla en términos de la fila o columna que tenga mayor cantidad de ceros. Ejemplo: Evalúa el determinante de − − − = 2010 3010 4012 5327 B , aplicando la Regla de Laplace para la Fila 3 |B| = b31 C31 + b32 C32 + b33 C33 +b34 C34= 0 C31 + 1 C32 + 0 C33 +(−3) C34=1 C32 +(−3) C34� Donde 121 3232 23 32 −=−=−=−= + 2-00 402 537 MM.)(C 61 3434 43 34 −=−=−=−= + 010 012 32-7 MM.)(C Reemplazando estos valores en �, se tiene: |B| =1 C32 +(−3) C34=1.(−12)+(−3).(−6)=6 30 Ejercicio: Evalúa el determinante de − − − = 2010 3010 4012 5327 B , aplicando la Regla de Laplace para la Columna 3 Observación: Debes advertir que el número de operaciones, y en consecuencia la velocidad del cálculo se ven afectadas a medida que crece el orden de la matriz. Sin embargo, éstas pueden minimizarse si se tienen en cuenta las propiedades de la función determinante. 1.6- Propiedades de los Determinantes Sea A una matriz nxn. D1− ● A y AT tienen el mismo determinante, en símbolos: det(A)=det(AT). D2 − ● Si A tiene una fila (o columna) de ceros, entonces det (A)=0. ● Si A tiene dos filas (o columnas) iguales, entonces entonces det (A)=0. ● Si A tiene dos filas (o columnas) que son múltiplos entre sí, entonces det (A)=0. ● Si A tiene una fila (o columna) que es igual a la suma de múltiplos de otros dos filas ( columnas), entonces det (A)=0. D3 − ● Si A es una matriz triangular (superior o inferior), su determinante es igual al producto de los elementos diagonales. En símbolos: Si A es triangular ⇒ det (A) = a11 a22 ... ann D4 − ●Si B se obtiene de A, intercambiando dos filas (columnas) cualesquiera ⇒det (B) = −det (A) D5 − ●Si B es una matriz que se obtiene de A, multiplicando una de sus filas (columnas) por una constante k distinta de cero, entonces: det (B) = k det (A) D6 − ● Si B se obtiene de A, reemplazando la “Fila i” ( Columna i) , por la suma de ella con un múltiplo de otra fila ( Fi+k.Ft→ Fi, con i ≠ t ) (columna) entonces: det (B) = det (A) Importante: Muchas veces se confunden las propiedades D5) y D6). Las operaciones con filas son: En D5) la operación es : k.Fi→ Fi , con k≠0 En D6) la operación es : Fi+k.Ft→ Fi, con i ≠ t y con k≠0 31 D7 − ● El determinante del producto matricial de AB es igual al producto de los determinantes. det. (AB) = det (A) det (B) D8 − ●Si A tiene inversa A−1, entonces det (A) ≠ 0 y ( ) )A(det 1 Adet 1 =− Hacemos la demostración de esta afirmación: A tiene inversa A−1 ⇒ A . A−1 = A−1 . A = I se sabe que: det (I) = 1 ( ) ( ) 32143421 ℜ∈ℜ∈ − − = = Adet.Adet1 )A.A(det)I(detLuego 1 1 por D7) En consecuencia: det (A) ≠ 0 , por lo tanto: ( )1Adet )A(det 1 −= D9 − ● det (k.A) =k n. det (A) , con k≠0, siendo n el orden de A Definición: Se dice que una matriz cuadrada A es singular si det (A) = 0. A es no singular si det (A) ≠ 0. 1.7- Matriz Adjunta Definición: Sea A una matriz de nxn , a la matriz cuyo elemento (i,j) es el cofactor Cij se la llama la Matriz de Cofactores de A, y se la indica Cof(A) = nnn2n1 2n2221 1n1211 CCC CCC CCC A)( Cof L MLMM L L Definición: Sea A una matriz de nxn , se llama Matriz Adjunta de A, y se denota por adj (A). (o Adj(A))a la matriz traspuesta de la matriz de Cofactores de A. ( ) == nnnn n n T CCC CCC CCC )A(Cof)A(Adj L MLMM L L 21 22212 12111 32 Ejercicio: Determine la matriz de cofactores de A y la matriz adjunta de A, siendo − −= 310 210 412 A Solución: Planteemos los 9 cofactores : 1 31 21 1 1111 11 11 =− − ==−= + MM.)(C 0 30 20 1 1212 21 12 =− −=−=−= + M M.)(C 0 10 10 1 1313 31 13 = − ==−= + MM.)(C 7 31 41 1 2121 12 21 =− −=−=−= + M M.)(C Además : C22 = −6 C23 = −2 C31 = 6 C32 = 4 C33 = −2 Luego la matriz de cofactores es : Cof(A)= − −− 246 267 001 Adj(A)=(Cof(A))T= −− −= − −− 220 460 671 246 267 001 T Ejercicio: Determine las matrices de cofactores y la adjunta para ,A − −− 531 241 302 Propiedad: La suma de los productos de los elementos de cualquier fila (columna) se multiplican por los cofactores correspondientes de una fila (columna) diferente, es cero. Demostración: Consideremos la matriz A= 333231 232221 131211 aaa aaa aaa 33 Multipliquemos los elementos de la Fila 3, por los cofactores de la Fila 1, se tiene que : 133312321131 CaCaCa ++ � Nos preguntamos por el valor de esta expresión Donde −== −=−= −== 22313221 3231 2221 13 33212331 3331 2321 12 32233322 3332 2322 11 aaaa aa aa C aaaa aa aa C aaaa aa aa C Si construimos una matriz B, a partir de A, con las Filas 3 y 1 iguales, esto es : B= = 333231 232221 333231 333231 232221 131211 aaa aaa aaa bbb bbb bbb Luego desarrollando el determinante de la matriz B por la Fila 1, se tiene que : 13*1312 * 1211 * 11 CbCbCbB ++= =0 � ( pues B tiene dos Filas iguales ) 13*3312 * 3211 * 3113 * 1312 * 1211 * 11 CaCaCaCbCbCbB ++==++= 0 Donde −== −=−= −== 22313221 3231 2221 13 * 33212331 3331 2321 12 * 32233322 3332 2322* aaaa aa aa C aaaa aa aa C aaaa aa aa C 11 donde 13CCy CC , CC 13 * 1212 * 1111 * === � Luego reemplazando � en � : 133312321131 CaCaCa ++=0 Con lo cual hemos podido dar respuesta a �.- Teorema : Sea A una matriz nxn. Entonces: A . Adj (A) = det (A) . In = Adj (A) . A Demostración: COMPLETAR PARA EXAMEN FINAL 34 1.8- Inversa de una matriz a través de la Adjunta Teorema: Una matriz A de nxn es invertible sí y solo sí det (A) ≠ 0 Teorema: Sea A una matriz invertible ⇒ )A(adj. |A| 1 A 1 =− Demostración: Por un teorema anterior, se vio que : A . Adj (A) = det (A) . In � Además si A es regular , entones det(A)≠ 0 � Entonces si pasa �, dividamos por : det(A) a ambos lados en � = )Adet( )A(Adj.A . )Adet( I).Adet( n , simplificando , se tiene : nI)Adet( )A(Adj .A = Aplicando el Teorema de la Unicidad de la matriz inversa, se tiene que: A-1 = )Adet( )A(Adj Ejercicio: Anteriormente se vio que la matriz Adj(A)= −− − 220 460 671 , siendo − −= 310 210 412 A , analizar si A es regular y en caso afirmativo hallar A-1Solución: det(A) = 2 310 210 412 = − −det ≠ 0, entonces A es regular, es decir existe A-1. Utilizando la fórmula de cálculo para matriz inversa, A-1 = )Adet( )A(Adj = −− −= −− − 110 230 3 220 460 671 2 1 2 7 2 1 35 Ejercicio : Resta comprobar que A . A−1 = A−1 . A = I, para − −= 310 210 412 A y −− −=− 110 230 32721 1A Ejercicio: Determine A-1, utilizando la fórmula de cálculo para inversa, siendo: − −−= 531 241 302 A y teniendo en cuenta que: det (A) = 25 , Cof (A) = − − − 8112 679 1314 Ejercicio: Determine, de ser posible, la inversa de la matriz de coeficientes correspondiente al inciso C) de la introducción de matrices. Nota: Aunque el método del ejemplo precedente es razonable para invertir manualmente una matriz de orden 3x3, este no es un algoritmo eficaz cuando el orden de la matriz es mayor o igual a cuatro, pues el volumen de cálculo para determinar los nxn cofactores es muy grande si n=4 ó n=5, etc; y además se produce arrastre de errores de redondeo si det(A) es un número “muy pequeño” o “ muy grande”. Sin embargo la fórmula )A(Adj. |A| 1 A 1 =− es una fórmula real, útil para obtener propiedades de la inversa. Por ejemplo, con el uso de dicha fórmula se puede: Teorema: Una matriz triangular es invertible (no singular) sí y solo sí todos sus elementos diagonales son diferentes de cero. Teorema: La inversa de una matriz triangular inferior (superior) , con todos los elementos diagonales no nulos, es una matriz triangular inferior (superior) 1.9- Matriz Escalonada por Renglones Paso 1: Las filas con todos los elementos nulos ( ceros) deben estar ubicadas en la parte inferior de la matriz. Paso 2: Toda fila que no tiene todos sus elementos ceros, la primera entrada distinta de cero que llamaremos elemento principal, se encuentra en una columna más a la izquierda de cualquier otra entrada principal de otra fila inferior. Si la matriz verifica los Pasos 1 y 2, se dice “ Matriz Escalonada por Renglones” 36 Ejercicio: Analizar cuales de las siguientes matrices es “ Matriz Escalonada por Renglones” −− = 6700 3150 0902 A , − = 0000 0000 5400 8021 B , − − = 000000 900000 740000 151300 310020 C , − = 412 130 210 D , −− = 6700 0000 0902 E Solución: −− = 6700 3150 0902 A es “ Matriz Escalonada por Renglones” − = 0000 0000 5400 8021 B es “ Matriz Escalonada por Renglones” − − = 000000 900000 740000 151300 310020 C es “ Matriz Escalonada por Renglones” − = 412 130 210 D NO es “ Matriz Escalonada por Renglones”, pues no verifica Paso2.- −− = 6700 0000 0902 E NO es “ Matriz Escalonada por Renglones”, pues no verifica Paso1.- 1.10- Operaciones Elementales sobre filas en una Matriz A (Estas operaciones también se pueden enunciar para las columnas de A). O1 − Intercambiar la fila “i” con la fila “j” en A. Fi → Fj , para i ≠ j O2 − Reemplazar una Fila, por un múltiplo escalar de ella, considere una constante k ≠ 0 37 *FF k *FFk iiii →→ 1 O3 − Sumar a una “fila i” un múltiplo escalar de otra fila diferente ti ,k con*,FFkF ti ,k con*,FFkF iti iti ≠≠→− ≠≠→+ 0 0 Ejercicio: Obtener desde − 412 130 210 una Matriz Escalonada por Renglones, aplicando las operaciones elementales entre filas Solución: − 412 130 210 ∼ − 210 130 412 ∼ 3 700 130 412 “ Matriz Escalonada por Renglones” 13 FF → * 323 3 1 FFF →+ * Ejercicio: Obtener desde − − − 5310 0321 2010 4012 una Matriz Escalonada por Renglones Definición: Una matriz Amxn es equivalente por filas a una matriz Bmxn; si B resulta de A mediante una sucesión finita de operaciones elementales sobre las filas de A. Nota: Vinculo entre operaciones Elementales sobre filas y valor de determinante Si entre 2 matrices cuadradas A y B equivalentes sólo se aplicó: a) Una serie de operaciones elementales del tipo: ti ,k con*,FFkF iti ≠≠→± 0 , entonces det(A)=det(B) b) Si se aplica una única vez una operación del tipo : Fi → Fj , para i ≠ j , entonces det(A)= − det(B) 38 c) Si se aplica una única vez una operación del tipo : 0≠→ k con*FFk ii , entonces det(A)= k. det(B) 1.11- Rango de una matriz Amxn Llamaremos rango de la matriz A y lo indicaremos con rang(A) ó rg(A) , al número de filas no nulas de una Matriz Escalonada por Renglones equivalente con A. Ejercicio : Para la siguientes matrices A, B, C, se dan sus Matriz Escalonada por Renglones equivalentes, a partir de ellas determinar el rango. A= − − 412 310 210 ∼ 3 700 130 412 ⇒ rang(A)=3 B= − − − 5310 0321 2010 4012 ∼ − − 0000 7300 2010 4012 ⇒ rg(B)=3 C= − −− 000000 000000 000000 154000 311020 ⇒ rg(C)=2 D= − − − 303 234 221 ∼ − 11 3 00 6110 221 ⇒ rg(D)=3 Ejercicio: Indicar el rango de las matrices: A= − − − 5310 0321 2010 4012 ; B= − 412 130 210 Propiedad: El rango de A = rango de AT. 39 1.12- Inversa de una Matriz, con la aplicación de Operaciones elementales. Nota: A continuación se enunciará un procedimiento de cómputo a partir del cual, se pueden determinar la matriz inversa de una matriz de cualquier orden. 1.12.1- Algoritmo para Invertir una Matriz, con Operaciones elementales. Dada una matriz A de nxn, para determinar A−1, si existe, ejecute los siguientes pasos. Paso 1 − Escriba la “Matriz ampliada” [ ]IA M Paso 2 − Obtenga la Matriz Escalonada por Renglones equivalente de la matriz del Paso 1, por la aplicación de operaciones elementales sobre las filas, obteniendo así una nueva matriz. [ ]CBM Paso 3 − Ahora controle lo siguiente: Si B tiene un renglón de ceros, “deténgase”. A no es invertible. De lo contrario continúe con el proceso de escalonamiento hasta obtener la “Matriz Ampliada” que se encuentra en la forma [ ]1AI −M . Ejemplo : Determine la matriz inversa por el algoritmo de reducción de la forma [ ]IA M a [ ]1AI −M , para A= − − − 303 234 221 , det(A)= −3 ≠ 0 A= − − − 303 234 221 I= 100 010 001 −− − 360 6110 221 − 103 014 001 212 4 FFF →+ * 313 3 FF)(F →−+ * − 11 300 6110 221 − 1 014 001 11 6 11 9 3211 6 3 FFF →+ * −− 100 10 221 11 6 − − 3 11 11 1 11 4 23 0 001 111 FF)( →− * 2211 1 FF → * 333 11 FF → * 40 − 100 010 021 − −− − 3 11 3 22 23 212 47 2311 6 2 FF)(F →−+ * 131 2 FFF →+ * 100 010 001 =I − −− − 3 11 3 10 23 212 23 =A-1 121 2 FFF →+ * Ejercicio: Dadas las matrices A1 y A2, determine si existe la matriz inversa por el algoritmo de reducción de la forma [ ]IA M a [ ]1AI −M . −− −= = 641 232 011 A 801 352 321 A 21 -*-*-*-*-*-*- ÁLGEBRA LINEAL UNIDAD 2- Sistemas de Ecuaciones Lineales Facultad de Ciencias Exactas, Físicas y Naturales LIC. EN GEOFISICA - LIC. EN ASTRONOMIA Año: 2018 2 Sistemas de Ecuaciones Lineales I- Objetivos Específicos Al finalizar la unidad se espera que el alumno sea capaz de: • Relacionar el concepto de matriz y determinante con el de resolución de sistemas de ecuaciones lineales. • Interpretar la discusión analítica y gráfica de un sistema de dos y tres ecuaciones lineales con dos y con tres incógnitas. • Interpretar correctamente problemas de aplicación (geofísicos, astronómicos) y modular dichos problemas en términos de un sistema de ecuaciones lineales. • Inferir el tipo de solución que puede tener el sistema de ecuaciones homogéneo o no homogéneo planteado. • Resolver correctamente sistemas de ecuaciones lineales aplicando los métodos de: a- Leibnitz-Cramer b- Matricial c- Eliminación de Gauss d- Eliminación de Gauss-Jordan • Manejar con habilidad algún programa de computación para resolver sistemas de ecuaciones lineales. II- Contenidos. Presentación de sistemas de ecuaciones lineales como modelización matemática de problemas reales vinculados con la Geofísica y con la Astronomía. Definición de ecuación lineal en n-variables. Definición de Sistema de Ecuaciones Lineales en forma general. Simbolismo. Expresión matricial. Clasificación de los sistemas de ecuaciones lineales (de acuerdo al número de ecuaciones, incógnitas, solución, términos independientes): cuadrados, rectangulares, homogéneos. Conjunto solución. Interpretación geométrica del conjunto solución de un sistema de ecuaciones lineales de dimensión dos por dos y de tres por tres. Sistemas equivalentes. Representación matricial de un sistema de ecuaciones lineales. Matriz ampliada del sistema lineal. Interpretación del conjunto solución del sistema por el análisis de los rangos de matriz de coeficientes y de matriz ampliada del sistema (Teorema de Roche-Frobenius). Solución de un sistema de ecuaciones lineales (número de ecuaciones igual al número de incógnitas) mediante: Método de Leibnitz-Cramer (aplicación de determinantes en sistema no homogéneo), Método Matricial (aplicación de la matriz inversa). Algoritmo (métodos iterativos) para determinar el conjunto solución de un sistema lineal en general: Método de Eliminación de Gauss, y la modificación del mismo denominada Eliminación de Gauss-Jordan. Aplicaciones a miniproyectos que involucran temas de la física, química, geofísica, astronomía, ajuste de curvas, etc. 3 Sistemas de Ecuaciones Lineales (SEL) Un sistema lineal de m−ecuaciones con n−incógnitas (variables) x1, x2, ... ,xn; es un conjunto de m−ecuaciones lineales con n−incógnitas de la forma: A =+++ =+++ =+++ mnmnmm nn n bxaxaxa bxaxaxa bxnaxaxa L LLLLLLLLLLLLLL L L 1211 22222121 11212111 Los números aij , i ∈{1, ... , m} j ∈ {1, ... , n} son los “coeficientes” del sistema; y b1, b2, ... bm son los “términos constantes”. Si todos los términos constantes son cero, el sistema se llama “ Sistema Lineal Homogéneo (SELH)” . Cuando este último (SELH) tiene los mismos “coeficientes” que el sistema A, se dice que está asociado con A. Ejemplos: a) −=+− =++ 14 832 21 321 xx xxx Es un SEL con 2 ecuaciones y 3 incógnitas : x1,x2,x3 En la Primer ecuación los coeficientes son : 2,3,1 y el término independiente es 8 En la Segunda ecuación los coeficientes son : -4,1,0 y el término independiente es -1 b) =−− =+ =+ 06 062 0 wy wy wy Es un SEL con 3 ecuaciones y 2 incógnitas : y,w En la Primer ecuación los coeficientes son : 1,1 y el término independiente es 0 En la Segunda ecuación los coeficientes son : 2,6 y el término independiente es 0 En la Tercer ecuación los coeficientes son : -6,-1 y el término independiente es 0 Es un Sistema Lineal Homogéneo -SELH. Solución de un Sistema Lineal Una n-upla de números reales ( r1, r2, ... , rn) se llama “solución particular” del sistema A, si reemplazados x1 = r1 ; x2 = r2 ; ... ; xn = rn satisfacen simultáneamente las m- ecuaciones del sistema A El conjunto de todas las soluciones posibles es el “Conjunto solución del SEL”. Cualquier elemento genérico del conjunto solución se lo llama “Solución General”. Si todas las componentes de la solución particular son cero, la solución se llama Trivial 4 Ejemplo: Analice si ( r1, r2, r3) =( -15, 6, -1) es una “solución particular” del siguiente SEL: =+− −=−+ −=+ 96 10232 32 31 321 21 xx xxx xx En efecto: =−+−− −=−−+− −=+− 91615 101263152 36215 )(*)( )(**)(* * Como se satisfacen las 3 ecuaciones simultáneamente, entonces: ( r1, r2, r3) =( -15, 6, - 1) es una “solución particular” del sistema. Ejercicio: Obtenga la solución general y 2 particulares del siguiente SEL: =++ =−+ 2 53 321 431 xxx xx4 x De la ecuación segunda → 321 2 xxx −−= Reemplazando en la primera → 5423 4332 =−+−− xx)xx( Operando y despejando la última incógnita se tiene: 324 31 xxx +−= Luego la Solución General es : X= +− −− = 32 3 2 32 4 3 2 1 31 2 xx x x xx x x x x ∗ Para 01 32 == x,x → X1= − = 2 0 1 1 4 3 2 1 x x x x es un solución particular pues : =++ =−−+ 2011 5213 )(0*4 * Pues se satisfacen las 2 ecuaciones simultáneamente. 5 ∗ Para 12 32 =−= x,x → X2= − = 8 1 2 3 4 3 2 1 x x x x es un solución particular pues : =+−+ =−+ 2123 5833 )( 1*4 * Pues se satisfacen las 2 ecuaciones simultáneamente. Ejercicio: Obtener y verificar 3 soluciones particulares del SEL anterior. Representación Matricial de un SEL Se puede abreviar la notación algebraica de un SEL, utilizando una “representación matricial” del mismo. Así, el sistema lineal A =+++ =+++ =+++ mnmnmm nn n bxaxaxa bxaxaxa bxnaxaxa L LLLLLLLLLLLLLL L L 1211 22222121 11212111 se puede escribir en representación algebraica, en la forma: 321 M 321 M 4444 34444 21 L MOMM L L 1mx m 2 1 1nx n 2 1 mn mn2m1m 212221 n11211 B b b b X x x x A aaa aaa aaa = A la expresión A.X = B se la denomina Ecuación Matricial del SEL. A la matriz Amn se la denomina Matriz de Coeficientes. A la matriz Xn1 se la denomina Matriz de Incógnitas. A la matriz Bm1 se la denomina Matriz de Términos Independientes. También se puede describir completamente el SEL por medio de la “Matriz Aumentada” o “Matriz Ampliada” del sistema. ( ) == m 2 1 mn2m1m 212221 n11211 * b b b aaa aaa aaa AB A M L MOMM L L 6 Ejemplo : La representación matricial del sistema =+− −=−+ −=+ 96 10232 32 31 321 21 xx xxx xx , es: { 32144 344 21 B 9 10 3 X x x x A 601 232 021 3 2 1 − − = − − o también: 444 3444 21 = − − − − B A*A 9 10 3 601 232 021 Ejercicio: Determine la representación matricial AX = B y por la matriz ampliada A* = ( )BA para los siguientes SEL. =−+− = =+ −=+− 9cba5 3b5 0b7a 1cb2a3 =−+ =+ =− 0zyx5 0zx3 0yx Observación gráfica Consideremos los sistemas, sus matrices ampliadas , rango y gráfico en 2-D : a) =− =+ 4 1 yx yx → − 411 111 : : ∼ − 320 111 : : →Datos: rg(A)=2; rg(A*)=2 ; nº de incog=2 EL SEL tiene solución única 7 b) =+ =+ 222 1 yx yx → 222 111 : : ∼ 000 111 : : →Datos: rg(A)=1; rg(A*)=1 ; nº de incog=2 EL SEL tiene infinitas soluciones c) −=+ =+ 422 1 yx yx → − 422 111 : : ∼ − 600 111 : : →Datos: rg(A)=1; rg(A*)=2 ; nº de incog=2 EL SEL no tiene solución Ejercicio : Desde el análisis del gráfico en 2-D , sus matrices ampliadas , rango , indique el tipo de solución de los siguientes SEL: −=+ =+ 422 13 yx yx −=+ =+ 4 3 1 13 yx yx =+ =+ 226 13 yx yx −=+ =+− 422 1042 yx yx 8 Teorema (Rouche −−−− Frobenius) Es posible demostrar que un SEL tiene solución sí y solo sí rango A = rango A* � Si además rango A = rango A* = número de incógnitas , entonces el SEL tiene solución “única” . � Sí rango A = rango A* < número de incógnitas , el SEL tiene un número “infinito” de soluciones En este caso se verifica: Número de variables libres = número de incógnitas − rango A Cuando rango A ≠ rango A* entonces el SEL no tiene solución . Nota: En el caso de Sistemas Lineales Homogéneos AX = 0, siempre ocurre que: rango A = rango A*, el sistema homogéneo “siempre tiene solución”. Entonces: � Si rango A = rango A* = número de incógnitas, el SELH tiene solución única, que es la “solución trivial”, es decir x1 = x2 = .... = xn = 0 � Si rango A = rango A* < número de incógnitas entonces el SELH tiene “infinitas” soluciones. Ejercicio : Aplicar el Teorema de Rouche- Frobenuis a los siguientes SEL, representados por su matriz ampliada a) − − 9150 5431 4321 : : : b) − 0930 0311 0021 : : : En efecto , hallamos matrices equivalentes a) − − 9150 5431 4321 : : : ∼ − 10000 1150 4321 : : : →rango A = 2 ; y rango A* =3 Entonces el SEL no tiene solución b) − 0930 0311 0021 : : : ∼ −− 0000 0310 0021 : : : →rango A = 2 ; y rango A* =2 y nº de incóg=3 Entonces el SELH tiene infinitas soluciones c) − 01030 0311 0021 : : : ∼ −− 0100 0310 0021 : : : →→rango A = 3= rango A* =nº de incóg Entonces el SELH tiene única solución y es la trivial. 9 Ejercicio: Las siguientes matrices, representan la matriz ampliada A* de sistemas lineales. Aplique el teorema de Rouche − Frobenius y determine que tipo de solución admite el sistema al cual representan. − −= 5 3 1 410 201 131 A*1 −= 0 0 0 331 311 021 A*2 − −= 6 5 4 712 431 321 A*3 Método Matricial para resolver la ecuación matricial Si en la ecuación matricial, el número de incógnitas y ecuaciones es el mismo, la matriz de coeficientes es una matriz cuadrada. Y si la matriz A (de coeficientes) de dicho sistema es una matriz no singular, (regular : det(A)≠0 ) es decir que admite matriz inversa, se puede trabajar sobre la ecuación matricial: A . X = B A−1 A X = A−1 B Premultiplicando por A−1 I X = A−1 B Por sea A invertible | X = A−1 B Por propiedad de la identidad X = A−1 B Fórmula que permite obtener la Matriz de las Incógnitas. Ejemplo: Hallar la solución del siguiente sistema, por método matricial : −=−+− =− =−− 24 23 6823 cba ca cba , sabiendo que la inversa de la matriz de coeficientes es: −− −− −− 2 1 2 51 4 1 4 111 2 3 2 173 Ecuación Matricial: − = −− − −− 2 2 6 141 301 823 c b a Por método matricial : X=A-1.B= = − −− −− −− 0 0 2 2 2 6 2 1 2 51 4 1 4 111 2 3 2 173 10 Ejercicio: Dados los siguientes SEL encuentre, si es posible, la solución, aplicando el método matricial. a) =−+ =++ =++ 4z2yx3 24z6y5x4 18z6y4x2 b) =−+− −=− =+− 5cb4a 6c3a 12c8b2a3 c) =+ =+ 2by2x5 by3x 1 cuando = = = = 6 5 4 3 2 1 2 1 b b ; b b Observaciones Generales de la técnica matricial Ventajas: Es útil para resolver sistemas de Ecuaciones Lineales Simultáneos (es decir AX = B1 ; AX = B2 , ..... , AX = Bn , donde se mantiene la matriz de coeficientes y varía la matriz de términos independientes). Desventajas: Solo se puede aplicar a sistemas lineales que presentan igual número de ecuaciones que de incógnitas. An n Xn1=Bn1 El cálculo de la matriz inversa es complicado cuando n ≥ 4. Tiene acumulación de errores de redondeo. Por lo anterior, se hace necesario presentar otro método que también permita encontrar la solución de un SEL en caso de que dicho sistema tenga solución, pero es mucho más eficiente que el anterior pues es aplicable a sistemas lineales en general. Además, a medida que se lo aplica brinda información relacionada al sistema. Frecuentemente a este método de lo denomina: Método de Leibnitz-Cramer Sea el SEL, AX = B un sistema de n−ecuaciones lineales con n−variables, tal que 0A)Adet( ≠= . El sistema tiene una solución única dada por: A A x 11 = A A x 22 = .............. A A x nn = donde iA es el determinante de la matriz Ai que se obtiene sustituyendo la columna i de la matriz A por la matriz columna B. Nota: La importancia de esta regla de Cramer es que da una fórmula para la solución de SEL que tienen solución única. En la práctica, cuando se tienen sistemas lineales de alta dimensión (n > 3) no es útil esta regla. Ejemplo: Aplicar el Método de Leibnitz- Cramer , para resolver =−+− =− =−− 04 03 2823 cba ca cba Ecuación Matricial: − = −− − −− 2 2 6 141 301 823 c b a y det(A)= - 4≠0
Compartir