Académique Documents
Professionnel Documents
Culture Documents
ertyuiopasdfghjklzxcvbnmqwert
yuiopasdfghjklzxcvbnmqwertyui
opasdfghjklzxcvbnmqwertyuiopa
MATRICES
sdfghjklzxcvbnmqwertyuiopasdf
lgebra Lineal
ghjklzxcvbnmqwertyuiopasdfghj
klzxcvbnmqwertyuiopasdfghjklzx
cvbnmqwertyuiopasdfghjklzxcvb
nmqwertyuiopasdfghjklzxcvbnm
qwertyuiopasdfghjklzxcvbnmqw
ertyuiopasdfghjklzxcvbnmqwert
yuiopasdfghjklzxcvbnmqwertyui
opasdfghjklzxcvbnmqwertyuiopa
sdfghjklzxcvbnmqwertyuiopasdf
ghjklzxcvbnmqwertyuiopasdfghj
klzxcvbnmqwertyuiopasdfghjklzx
Septiembre 2009
I.Q. MGTVE
Matrices
Matrices y sistemas de ecuaciones lineales.
A una ecuacin como la ecuacin x + 3y = 9 se le llama ecuacin lineal. La
grfica de esta ecuacin es una lnea recta en el plano xy. Considere un sistema
de ecuaciones lineales,
x 3y 9
2 x y 4
A un par de valores de x y y que satisfacen ambas ecuaciones es a lo que se le
llama una solucin. Por sustitucin se puede ver que x = 3 y y = 2 es una
solucin de este sistema. Una solucin de uno de estos sistemas ser un punto
en el que las grficas de las dos rectas se intersecten. Estos sistemas de
ecuaciones pueden representar tres posibilidades: puede haber una solucin
nica, ninguna solucin o muchas soluciones.
Figura 1 Solucin
nica
Figura 2 Ninguna
solucin
x + 3y = 9
2x + y = 3
4x 2y = 6
2x + y = 4
4x + 2y = 2
6x 3y = 9
Ambas
ecuaciones
tienen la misma grfica.
Todo punto de la grfica
es una solucin. Muchas
soluciones.
x = 3, y = 2
Figura
3
soluciones
Muchas
0 2 8
4 5 9
0 2 8 8
4 5 9 9
1 4 2
1 2 Ejemplo:
1.
Es una matriz de
Es una matriz de 3 x 2.
2 x 2
2.
(cuadrada).
6 4 0
0 0 0 0 C 1 2 3
D
0 1 3
0 0 0 0
3.
Es una matriz de
3 x 3
4.
Matriz cero de 2 x 4.
(cuadrada).
Una matriz con un solo rengln se denomina matriz rengln (1 x n) y de la
misma forma, una matriz con una sola columna se denomina matriz columna
(m x 1). Usualmente este tipo de matrices son denominadas vector rengln o
vector columna.
Ejemplo:
1.
A 5 3 0
Vector rengln de 3
Matriz rengln de 1 x 3
elementos.
de 4 x 1.
2.
0
3
A
1
columna de 3
Vector
6
Matriz columna
elementos.
Eliminacin de Gauss-Jordan
Una matriz aumentada que representa un sistema de ecuaciones, permite
realizar sobre s, una serie de operaciones, llamadas operaciones elementales
con renglones, que a continuacin se resumen.
Operaciones elementales con renglones.
1. Multiplicar o dividir todo un rengln por un nmero diferente de cero.
Notacin: Ri
cRi, quiere decir reemplaza el i-simo rengln por ese
mismo rengln multiplicado por c (c 0).
2. Sumar un mltiplo de un rengln a otro rengln.
Notacin: Rj
Rj + cRi significa sustituye el j-simo rengln por la
suma del rengln j ms el rengln i multiplicado por c.
3. Intercambiar dos renglones.
Notacin: Ri
Ejemplo 1.
Ilustraremos cada una de las operaciones elementales con el siguiente sistema
de ecuaciones.
2x1 2x2 2x3 4
2 x1 3x2 x3 3
x1 x2 2 x3 6
Solucin:
2 2 2 4
2 3 1 3
1 1 2 6
1
2 3 1 3 R1 2 R1 2 3 1 3
1 1 2 6
1 1 2 6
Entonces:
La operacin 2 permite sumar el mltiplo de un rengln a otro rengln.
Entonces ahora tomaremos la matriz que result en la operacin anterior y, al
rengln 2, (R2), le restaremos dos veces el rengln 1, (-2R 1). De acuerdo a la
notacin esto es R2
R2 2R1. Entonces tenemos:
1 1 1 2
1 1 1
2 3 1 3 R2 R2 2 R1 0 1 1
1 1 2 6
1 1 2
1
0 1 1 1 R1 R3 0 1 1
1 1 2 6
1 1 1 2
Ejemplo 2.
Solucin:
2 2 2 4
2 3 1 3
1 1 2 6
2 3 1 3
1 1 2 6
1 0
R1 R1 R2
0 1
R3 R3 2 R2
0 0
1 1
R R 2 3
1 1
2
3
1 1 R
5 10
1
5
1 2 R R 2 R 1 1 1 2
2 2 1
1 3
0 1 1 1
R
R
3
3
1
2
6
0 2 3 8
1 0 2 3
R 0 1 1 1
0 0 1 2
1 0 0 1
0 1 0 1
R2 R2 R3
0 0 1 2
R1 R1 2 R3
Lo que es equivalente a:
x1
= 1
x2
= 1
x3 = 2
y que, por consiguiente, corresponde a la solucin del sistema: x1= 1, x2= 1 y
x3= 2. Geomtricamente, cada una de las ecuaciones originales representa un
plano en el espacio tridimensional. El hecho de que se tenga una sola solucin
significa que los tres planos se intersectan en un solo punto. La solucin (-1, 1,
2) da las coordenadas de este punto.
Ejemplo 3.
2x1 4x2 6x3 18
4 x1 5 x2 6x3 24
Resolver el siguiente sistema:
2x1 + 7x2 12 x3 30
Solucin:
2 4 6 18
4 5 6 24
2 7 12 30
2 2 1
1
4 5 6 24 R1 2 R1 4 5 6 24
0
2 7 12 30
2 7 12 30 R3 R3 2 R1 0
1 2 3 9 R R 2 R
1 1 2
1
R2 3 R2 0 1 2 4
0 3 6 12 R3 R3 3 R2
2 3 9
3 6 12
3 6 12
1 0 1 1
0 1 2 4
0 0 0 0
x3 1
x2 2 x3 4
nicamente se tiene dos ecuaciones para las tres incgnitas x1, x2 y x3 y existe
un nmero infinito de soluciones. Para ver esto, se elige un valor arbitrario de
x3 y se sustituye. Entonces x2 = 4 - 2x3 y x1 = 1 + x3. Esta ser una solucin
para cualquier nmero x3. Se escribe la solucin en la forma (1 + x3, 4 - 2x3,
x3). Por ejemplo, si x3 = 0, se obtiene la solucin (1, 4, 0). Para x3 = 10 se
obtiene la solucin (11, 16, 10).
Ejemplo 4.
2 x2 3x3 4
2 x1 6 x2 7x3 15
Resolver el sistema:
x1 2x2 5 x3 10
Solucin:
0 2 3 4
2 6 7 15
1 2 5 10
1 2 5 10
0 2 3 4
1 2 5 10
2 6 7 15 R R 2 6 7 15
R R 2 R 0 2 3 5
1 2 5 10
0 2 3 4
0 2 3 4
2 x2 3 x3 5
2x2 3 x3 4
3
5
1
0 2 3 5 R 2 R 0 1 2 2
0 2 3 4
0 2 3 4
1 0 8 15
R1 R1 2 R2
0 1 32 52
R3 R3 2 R2
0 0 0 1
2
Definicin.
Sistemas consistentes e inconsistentes.
Se dice que un sistema de ecuaciones lineales es inconsistente si no tiene
solucin. Se dice que un sistema que tiene al menos una solucin es
consistente.
En los ejemplos anteriores y considerando nicamente las matrices de
coeficientes de los sistemas, partimos de los matrices tipo A y, a travs de las
operaciones de renglones, llegamos finalmente a matrices de la siguiente
forma R. Es decir:
2 2 2
A2 2 3 1
1 1 2
2 4 6
A3 4 5 6
2 7 12
1 0 1
A4 0 1 2
0 0 0
1 0 0
R2 0 1 0
0 0 1
1 0 1
R3 0 1 2
0 0 0
1 0
R4 0 1
0 0
8
3
2
0
1. 0 1 0
0 0 1
1 0 0
2. 0 1 0
0 0 1
1 0 0 5
3.
0 0 1 2
1 0
4.
0 1
1 0 2 5
5. 0 1 3 6
0 0 0 0
Las matrices 1 y 2 tiene tres pivotes; las otras tres matrices tienen dos
pivotes.
Definicin.
Forma escalonada por renglones
Una matriz se encuentra en la forma escalonada por renglones si se
cumplen las condiciones (1), (2) y (3) de la definicin anterior.
Ejemplo.
Las siguientes matrices se encuentran en forma escalonada por renglones.
1 2 3
1. 0 1 5
0 0 1
1 1 6 4
2. 0 1 2
8
0 0 0 1
1 0 2 5
3.
0 0 1 2
1 2
4.
0 1
1 3 2 5
5. 0 1 3 6
0 0 0 0
La diferencia entre estas dos tipos debe ser clara a partir de los ejemplos. En la
forma escalonada por renglones, todos los nmeros abajo del primer 1 en un
rengln son cero. En la forma escalonada reducida por renglones, todos los
nmeros arriba y abajo del primer 1 de un rengln, son cero.
Siempre se puede reducir una matriz a la forma escalonada reducida por
renglones o a la forma escalonada por renglones, realizando operaciones
elementales con renglones.
Eliminacin Gaussiana.
En la eliminacin Gaussiana se reduce por rengln la matriz de coeficientes a la
forma escalonada por renglones. Se despeja el valor de la ltima incgnita y
despus se usa la sustitucin hacia atrs para el resto de las incgnitas.
Ejemplo:
Resolver el sistema de ecuaciones lineales usando el mtodo de eliminacin
Gaussiana.
x1 2 x2 3 x3 2 x4 1
x1 2 x2 2 x3 x4 2
2 x1 4 x2 8 x3 12 x4 4
Solucin:
1 2 3 2 1
1 2 2 1 2
2 4 8 12 4
1 2 3 2 1 R R R
2 2 1
2
1
2
R R 2R
2 4 8 12 4 3 3 1
1 2 3 2 1
R3 R3 2 R2 0 0 1 3 1
0 0 0 2 4
Se ha llegado a
correspondiente es:
la
forma
1 2 3 2 1
0 0 1 3 1
0 0 2 8 6
1 2 3 2 1
1
R3 R3 0 0 1 3 1
2
0 0 0 1 2
escalonada
el
sistema
de
ecuaciones
x1 2 x2 3x3 2 x4 1
x3 3x4 1
x4 2
Ahora se resuelve este sistema mediante sustitucin hacia atrs. El valor de x4
se sustituye en la segunda ecuacin para obtener x3. Despus se sustituyen x3 y
x4 en la primer ecuacin para obtener x1. Por tanto se tiene,
(-2x2 + 10, x2, -5, 2)
El sistema tiene soluciones infinitas.
Sistemas de ecuaciones homogneos.
El sistema general de m x n ecuaciones se llama homogneo si todas las
constantes son cero. Es decir, el sistema general homogneo est dado por:
Teorema.
Igualdad de Matrices
Definicin.
Dos matrices A = (aij) y B = (bij) son iguales si
(1) Son del mismo tamao.
(2) Los componentes correspondientes son iguales.
Ejemplo:
1 2
A
3 4
2 1
B
4 3
1 4 5
C= 2 0 1
3 6 2
1 4 5
D 2 0 1
3 6
Definicin.
Suma de Matrices.
Sean A=(aij) y B=(bij) dos matrices de m x n. Entonces la suma de A y B es la
matriz m x n dada por
Definicin:
Multiplicacin de una matriz por un escalar.
Si A = (aij) es una matriz de m x n y si k es un escalar, entonces la matriz m x n,
kA, est dada por
Ejemplo:
1. Sean
1 3
2 3 0
y B
1 4 2 . Obtener 2A + 3B.
4 2
Solucin:
No es posible realizar la suma de estas matrices ya que no son del mismo
orden.
2. Sean
2 3 0
1 0 1
y D
1 4 2
2 3 4 . Obtener C 2D.
Solucin:
2 3 0
2 0 2
4 3 2
2 3 0 1 0 1
1 4 2
4 6 8
3 2 6
C 2D = 1 4 2 2 3 4
Teorema 1.
Sean A, B, y C tres matrices de m x n y sean y dos escalares. Entonces:
1. A + 0 = A
2. 0A = 0
3.
(Matriz cero).
A+B=B+A
matrices).
4. (A + B) + C = A + (B + C)
matrices).
5. (A + B) = A + B
por un escalar).
6. 1A = A
7. ( + )A = A + A
Definicin.
Producto escalar o producto punto.
a1
a1
a2
a
A
y B 2
M
M
an
an dos vectores. Entonces el producto escalar o punto
Sean
de A y B denotado por AB, est dado por:
AB = a1b1 + a2b2 + + anbn
Dando como resultado un escalar.
Para realizar el producto escalar de dos vectores es necesario que tengan el
mismo nmero de componentes.
Ejemplo:
1. Sea
2
a 1
4
0
y b 1
3 . Calcular ab
Solucin:
ab = ( 2)(0) + (1)( 1) + (4)(3) = 0 1 + 12 = 11
a 0 1 2 2
2. Sea
2
4
y b
0
1 . Calcular ab
Solucin:
ab = (0)(2) + (1)(4) + (2)(0) + (-2)(-1) = 0 + 4 + 0 + 2 = 6
Definicin.
Producto de dos matrices.
Sea A = (aij) una matriz m x n y sea B = (b ij) una matriz n x p. Entonces el
producto de A y B es una matriz C de orden m x p en donde
cij = (rengln i de A) (columna j de B)
Es decir, el elemento ij de AB es el producto punto del rengln i de A y la
columna j de B. Si esto se extiende, se obtiene
cij = ai1b1j + ai2b2j + + ainbnj
Dos matrices se pueden multiplicar slo si el nmero de columnas de la
primera matriz es igual al nmero de renglones de la segunda, por lo que se
dice que estas dos matrices son compatibles bajo la multiplicacin. En caso de
que lo contrario ocurra, la multiplicacin no se podr realizar y se dir que son
incompatibles.
Ejemplo:
1. Si
1 0
2 3
Solucin de AB:
2 1
y B
0 1 , calcular AB y BA.
2 1
B
0 1
2 3
2 3
2 1
B
0 1
2 1
4 1
Solucin de BA:
El producto existe ya que los renglones de A son iguales a las columnas de
B. Entonces:
c11 = 2(1) + ( 1)(2) = 2 2 = 4
c22 = 2(0) + ( 1)(3) = 3
c21 = 0(1) + 1(2) = 2
c22 = 0(0) + 1(3) = 3
Por lo tanto
4 3
2 3
Teorema 2
Leyes de la multiplicacin matricial.
Si A es una matriz de m x n, y B y C tiene tamaos tales que las operaciones
siguientes puedan llevarse a cabo. Y si es cualquier escalar:
1. (AB)C = A(BC)
Ley asociativa.
2. A(B + C) = AB + AC
Ley distributiva.
Matriz cero.
la matriz de coeficientes
es :
siguientes vectores:
definimos
ahora
los
Ejemplo:
2x1 4 x2 6 x3 18
4 x1 5x2 6 x3 24
3 x1 x2 2 x3 4
A 4 5 6 , x x2
3 1 2
x3
18
24
1 si i j
0 si i j
donde bij
Ejemplo:
Dos matrices identidad:
Diagonal principal
1 0 0
I 3 0 1 0
0 0 1
0
I5 0
0
0
Teorema 3
Sea A una matriz cuadrada de n x n. Entonces:
0 0 0 0
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
AIn = InA = A
Es decir, In conmuta con toda matriz de n x n y la deja sin cambio despus de
la multiplicacin por la derecha o por la izquierda. En adelante slo se
designar como I.
Inversa de una matriz cuadrada.
Sean A y B dos matrices de n x n. Suponga que AB = BA = I. Entonces B se
llama la inversa de A y se denota por A -1 , teniendo entonces que:
A A-1 = A-1A = I
Si A tiene inversa, se dice que es invertible.
Una matriz invertible slo tiene una inversa, es decir, la inversa es nica.
Mientras que una matriz cuadrada que no tiene inversa se denomina no
invertible o singular.
Ejemplo:
2 1
1 2
B 3
1
2 2 .
3 4 tiene como inversa la matriz
Solucin:
1 0
1 2 2 1 2 3 1 1
3 1
0 1
3 4 2
6 6 3 2
2
AB
Se tiene que
BA
3
2
12
1 2 2 3 4 4 1 0
3 3
3 2 0 1
3 4
2
2
Por lo que AB = BA = I2, con lo que se demuestra que A tiene como inversa a la
matriz B.
Teorema
Si una matriz A es invertible, entonces su inversa es nica.
Teorema
Sean A y B dos matrices invertibles de n x n. Entonces AB es invertible y
( AB )-1= B-1 A-1
Ejemplo 1.
1 1 2
A 2 3 5
1 3 5
.
Determine la inversa de la matriz
Solucin:
Por el teorema 3, podemos reescribir la matriz en su forma aumentada (A | I3)
1 1 2 1 0 0
( A | I 3 ) 2 3 5 0 1 0
1 3 5 0 0 1
2 2 1
2
5
0
1
0
0 1
1 3 5 0 0 1 R3 R3 R1 0 2
1 1 2 1 0 0 R R R
1 1 2
R R 0 1
1
2
1
0
0 2 3 1 0 1 R3 R3 2 R2
R1 R1 R3
R2 R2 R3
2 1 0 0
1 2 1
0
3 1 0 1
1 0 1 3 1
0 1 1 2 1
0 0 1 3 2
0
1
1 0 0 0 1 1
0 1 0 5 3 1
0 0 1 3 2 1
0 1 1
A 5 3 1
3 2 1
De manera que :
Ejemplo 2.
1 1 5
A 1 2 7
2 1 4
1 1 5 1 0 0
( A | I 3 ) 1 2 7 0 1 0
2 1 4 0 1 1
1 1
0 1
R3 R3 2 R1
0 3
1 0
R1 R1 R2
0 1
R3 R3 3 R2
0 0
R2 R2 R1
5 1 0 0
2 1 1
0
6 2 1 1
3 2 1 0
2 1 1 0
0 5 4 1
Definicin
a11
a21
Sea
como
a12
a22
Teorema
Sea A una matriz de 2 x 2. Entonces
1. A es invertible si det A 0.
2. Si det A 0, entonces
A1
1 a22
det A a21
a12
a11
Ejemplo 1.
Sea
2 4
Solucin:
Calculando el determinante se tiene: det A = 2(3) (-4)(1) = 10. Por lo tanto
A-1 existe. Entonces aplicando el teorema anterior:
A1
103
1 3 4
1
10 1 2
10
4
10
2
10
Ejemplo 2.
Sea
2
1
Solucin.
Calculando el determinante de la matriz se tiene: det A = 1(4) 2(2) = 4 +
4 = 0. Ya que el determinante es cero, puede concluirse que A -1 no existe.
Uso de la inversa de una matriz para resolver un sistema de
ecuaciones.
Anteriormente se determin que un sistema de ecuaciones lineales puede
escribirse en la siguiente forma matricial:
Ax=b
Entonces tenemos el siguiente teorema.
Teorema
1. A es invertible si y slo si el sistema Ax = b tiene una solucin nica para
cada n-vector b.
A 0 1 1 y b
4
3 5 7
7
. Y calculando la inversa de A:
4 133
A1 1 53
1 2
3
73
2
3
2
3
1
x x2 A b 1 53
x
1 2
3
3
73
2
3
2
3
25
8
4
Ejemplo:
Obtener las transpuestas de las siguientes matrices:
3 2 1
A 4 0 2
6 5 1
2 4
1 3
0 1 2
C
2 0 3
Solucin:
3 4 6
A 2 0 5
1 2 1
2 1
B
4 3
C 1
2
t
Teorema.
Suponga que A = (aij) es una matriz de n x m y B = (b ij) es una matriz de m x p.
Entonces
1. (At)t = A
2. (AB)t = BtAt
3. Si A y B son de n x m, entonces (A + B) t = At + Bt
4. Si A es invertible, entonces At es invertible y (At)-1 = (A-1)t
Definicin
Matriz simtrica.
La matriz A de n x n se llama simtrica si A t = A. Es decir, las columnas de A
son tambin los renglones de A.
Ejemplo.
Las siguientes son matrices simtricas:
0 2 3
A 2 1 5
3 5 4
3 2
2 3
6 0 1 3
0 2 4 1
C
1 4 2 5
3 1 5 3