Unidad 3 Matrices y Determinantes 3.

1 Definicin de Matriz Notacin Orden Una matriz es una tabla cuadrada o rectangular de datos (llamados elementos o entradas de la matriz) ordenados en filas y columnas, donde una fila es cada una de las lneas horizontales de la matriz y una columna es cada una de las lneas verticales. A una matriz con m filas y n columnas se le denomina matriz m-por-n (escrito mn), y a m y n dimensiones de la matriz. Las dimensiones de una matriz siempre se dan con el nmero de filas primero y el nmero de columnas despus. Comnmente se dice que una matriz m-por-n tiene un orden de m n ("orden" tiene el significado de tamao). Dos matrices se dice que son iguales si son del mismo orden y tienen los mismos elementos. Al elemento de una matriz que se encuentra en la fila i-sima y la columna j-sima se le llama elemento i,j o elemento (i,j)-isimo de la matriz. Se vuelve a poner primero las filas y despus las columnas. Casi siempre, se denotan a las matrices con letras maysculas mientras que se utilizan las correspondientes letras en minsculas para denotar a los elementos de las mismas. Por ejemplo, al elemento de una matriz A que se encuentra en la fila i-sima y la columna j-sima se le denota como ai,j o a[i,j]. Notaciones alternativas son A[i,j] o Ai,j. Adems de utilizar letras maysculas para representar matrices, numerosos autores representan a las matrices con fuentes en negrita para distinguirlas de otros tipos de variables. As A es una matriz, mientras que A es un escalar. Normalmente se escribe para definir una matriz A m n con cada entrada en la matriz A[i,j] llamada aij para todo 1 i m y 1 j n. Sin embargo, la convencin del inicio de los ndices i y j en 1 no es universal: algunos lenguajes de programacin comienzan en cero, en cul caso se tiene 0 i m 1 y 0 j n 1. Una matriz con una sola columna o una sola fila se denomina a menudo vector, y se interpreta como un elemento del espacio eucldeo. Una matriz 1 n (una fila y n columnas) se denomina vector fila, y una matriz m 1 (una columna y m filas) se denomina vector columna. 3.2 Operaciones con Matrices (suma, resta, producto, producto de un escalar por una matriz)

Suma de Matrices
Dadas las matrices m-por-n A y B, su suma A + B es la matriz m-por-n calculada sumando los elementos correspondientes (i.e. (A + B)[i, j] = A[i, j] + B[i, j] ). Es decir, sumar cada uno de los elemetos homologos de las matrices a sumar. Por ejemplo:

Propiedades de la suma de matrices

* Asociativa

Dadas las matrices m-por-n A , B y C

A + (B + C) = (A + B) + C * Conmutativa

Dadas las matrices m-por-n A y B

A + B = B + A * Existencia de matriz cero o matriz nula A + 0 = 0 + A = A * Existencia de matriz opuesta

con -A = [-aij]
A + (-A) = 0

Productos con Matrices

Por un Escalar Dada una matriz A y un nmero c, el producto escalar cA se calcula multiplicando el escalar c por cada elemento de A (i.e. (cA)[i, j] = cA[i, j] ). Por ejemplo:

Entre Matrices El producto de dos matrices se puede definir slo si el nmero de columnas de la matriz izquierda es el mismo que el nmero de filas de la matriz derecha. Si A es una matriz m-por-n y B es una matriz n-por-p, entonces su producto matricial AB es la matriz mpor-p (m filas, p columnas) dada por:

para cada par i y j. Por ejemplo:

El producto de dos matrices no es conmutativo, es decir, AB BA. La divisin entre matrices, es decir, la operacin que podra producir el cociente A / B, no se encuentra definida. Sin embargo, existe el concepto de matriz inversa, slo aplicable a las matrices cuadradas. 3.3 Clasificacin De Matrices Matriz triangular superior: E n u n a mat r iz t r i ang ul ar sup e r i or l o s el em en to s si tu ad o s po r d eb ajo d e l a di ag o n al p ri nc i p al s o n c eros .

Matriz triangular inferior: E n u n a mat r iz tr i ang ul ar i nfe r i or l o s el em en to s si tu ad o s c eros . por en c im a de la di ag o n al p ri n c i p al s on

Matriz diagonal: En si tu ad o s una por matr i z en c im a d i ag onal y po r to d os l os de la el em en to s di ag o n al

d eb ajo

p ri nc i p al so n n u l os .

Matriz escalar: U n a mat r iz e sc a l ar es un a m atri z d i ag on al en l a qu e l os el em en to s d e l a d i ag o n al p ri n c ip al so n i g u al es.

Matriz identidad: U n a mat r iz i de nt i d ad es u n a m atri z di ag o n al en la que los el em en to s de la d i ago n al p ri n c i p al so n ig u al es a 1.

Matriz potencia: Matriz peridica: Una matriz es peridica si existe algn p tal que Ap = A. Si p = 2 la matriz se llama idempotente. Matriz nilpotente: Si es una matriz nilpotente entonces su determinante es cero.

Si A es una matriz nilpotente de orden k, Por lo tanto: Luego: Matriz idempotente: U n a m atri z, A, es i d em po ten te s i: A2 = A. por lo que

Matriz involutiva: U n a m atri z, A, es i n v o lu ti v a si : A2 = I. Matriz transpuesta: Dad a u n a m atri z A, s e l l am a mat r iz t r asp ue st a de A a la m atri z que se o b ti en e cam b i an do o rd en ad am en te l as fi l as p o r l as c ol u m n as

(A t )

= A
t

(A + B) ( A)
t

= At + Bt

= At
t

(A B) Matriz simtrica:

= Bt At

U n a mat r iz si mt r i c a es u n a m atri z cu ad rad a qu e v eri fi c a: A = At. Matriz anti-simtrica: U n a matr i z ant i - si mt r i c a o he mi si m tr i c a es u n a m atri z c u ad rad a q u e v eri fi c a: A = -At. Matriz compleja:

Cuando una matriz A est definida sobre el campo de los complejos, se dice que A es una matriz compleja. Suma de una matriz real y una matriz imaginaria Matriz a + i * matriz b Matriz a formada por nmeros en el campo de los reales Termino i*matriz b formada por nmeros complejos Matriz conjugada: Sea A una matriz rectangular o cuadrada compleja. Si se forma otra matriz tomando los complejos de cada elemento de A se obtiene la matriz conjugada de A. A = [4 3+2j; 33j 4+4j]
4 4 3+ 2i 3- 2i

3- 3i 4+ 4i Ac = conj (A) 3+ 3i 4- 4i Matriz hermitiana: Es una matriz cuadrada de elementos complejos que tiene la caracterstica de ser igual a su propia traspuesta conjugada. Es decir, el elemento en la i-sima fila y j-sima columna es igual al conjugado del elemento en la j-sima fila e i-sima columna, para todos los ndices i y j:

O, escrita con la traspuesta conjugada A*:

Por ejemplo,

Es una matriz hermtica. Matriz antihermtiana: En lgebra lineal, una Matriz anti-hermitiana es una matriz cuadrada cuya traspuesta conjugada es menos la matriz. Esto es si satisface a la relacin:

A * = -A O en su forma componente, si (A = ai,j):

Para todas las i y las j. Matriz ortogonal: U n a m atri z es o rto g o n al s i v eri fi c a q u e: AA t = I . 3.4 Calculo Inversa De Matriz E l p ro d uc to d e u n a matr i z p or su i nv e r sa es i g u al al mat r iz i de nt i d ad . A A-1 Se = A-1 A = I c alc u l ar la mat r iz

p u ed e

i nv e r sa p o r d os m to d o s:

1. Clculo de la matriz inversa por determinantes

2. Clculo de la matriz inversa por el mtodo de Gauss

Sea ca l c u l ar

A la

una

m atri z

c u ad rad a de A,

de

o rd en

n.

Para

m atri z

i n v ers a

que

d en o tarem o s

co m o A - 1 , s eg u i rem o s l os si g u i en tes p as os :

1 C on s tru i r u n a m atri z d el ti po M = (A | I ), es
d eci r, A es t en l a m i tad i zq ui erd a d e M y l a m atri z id en ti d ad I en l a d erec h a. Co n s id erem o s u n a m atri z 3x 3 arb i trari a

L a amp l i am os co n l a m atri z id en ti d ad d e o rd en 3.

Ut i l i z and o q ue

el

m t od o e st a

Gauss la

v amos y

a la

tr a nsf or mar l a mit ad i z q ui e r d a, A, e n l a mat r iz i de nt i d ad , ahor a de r ec ha, m a tr i z q ue re sul t e e n e l l ad o de r ec ho se r l a m a tr i z i nv e r sa: A - 1 . F2 - F1

F3 + F2

F2 - F3

F1 + F2

(- 1) F 2

La e s:

matr i z

i nv e r sa

Propiedades de la matriz inversa

(A B) - 1 = B - 1 A - 1 (A - 1 ) - 1 = A (k A) - 1 = k - 1 A - 1 (A t ) - 1 = (A
-1

3.5 Definicin Determinante De Matriz

Para una matriz cuadrada A [n, n], el determinante de A, abreviado det(A), es un escalar definido como la suma de n! trminos involucrando el producto de n elementos de la matriz, cada uno proveniente exactamente de una fila y columna diferente. Adems, cada trmino de la suma est multiplicado por -1 +1

dependiendo del nmero de permutaciones del orden de las columnas que contenga.

Determinante de Matrices Simples

Det ([a, b; c, d]) = ad-bc. det([a,b,c;d,e,f;g,h,i]) = aei+bfg+cdh-ceg-bdi-afh. El determinante de una matriz diagonal (pura, superior o inferior) es el producto de los elementos de su diagonal.

3.6 Propiedades Determinantes Propiedades

Det (AB) = det (A) det (B). Det (A ) = det(A). Det (A ) = conjugado (det(A)), en donde A es la transpuesta conjugada (Hermitian) de A. Det (cA) = c det (A). Intercambiando cualquier par de columnas (filas) de una matriz se multiplica su determinante por -1. Multiplicando cualquier columna (fila) de una matriz por c multiplica su determinante por c. Agregando cualquier mltiplo de una columna (fila) de una matriz a otra no altera su determinante. Det (A) <> 0 si y slo si A es no singular.
n H H T

3.7 Inversa Matriz Cuadrada a Travs De Adjunta Una matriz cuadrada que posee inversa se dice que es inversible o regular; en caso contrario recibe el nombre de singular. Propiedades de la inversin de matrices 1. La matriz inversa, si existe, es nica 2. A-1A=AA-1=I 3. (AB) -1=B-1A-1

4. (A-1) -1=A 5. (kA) -1= (1/kA-1 6. (At) 1= (A-1) t 3.8 Solucin Sistemas Ecuaciones Lineales Por Inversa La teora general de matrices encuentra una de sus aplicaciones ms inmediatas en la resolucin de sistemas de ecuaciones lineales con mltiples incgnitas. Aunque posteriormente fue objeto de un extenso desarrollo terico, este campo de las matemticas surgi en realidad como un instrumento de clculo para facilitar las operaciones algebraicas complejas. Matriz identidad y matriz inversa Dada una matriz cuadrada A de orden n x n (o, simplemente, n), se define matriz identidad I como la que, con la misma dimensin n, est formada por elementos que son todos nulos salvo los situados en la diagonal principal, cuyo valor es 1. Es decir: A I = I A = A. Para dicha matriz A de orden n, se dice que existe una matriz inversa A-1 tambin de orden n, cuando el producto de ambas es igual a la matriz identidad: A A-1 = A-1 A = I. Toda matriz que tiene inversa se dice inversible o regular, mientras que cuando carece de inversa se denomina matriz singular. Para calcular la matriz inversa de una dada, puede recurrirse a la resolucin de las ecuaciones que planteara el producto de matrices A X = I, siendo los coeficientes de A e I conocidos y los de X correspondientes a las incgnitas. Tambin se puede aplicar el llamado mtodo de reduccin o gaussiano, segn el siguiente esquema: Dada la matriz original A = (aij), con i, j = 1, 2, , n, se forma primero su matriz ampliada (A | I). Despus, se aplican operaciones elementales sobre las filas de la matriz hasta conseguir reducir A a la matriz unidad. Las mismas transformaciones se van haciendo en I. La nueva matriz obtenida es A-1. Las operaciones elementales que se pueden aplicar a las matrices ampliadas son:

Multiplicacin de una fila por un nmero distinto de cero. Suma ordenada a los elementos de una fila del mltiplo de los de otra. Intercambio de filas. Expresin matricial de un sistema de ecuaciones lineales Cualquier sistema de ecuaciones lineales puede escribirse siempre en forma matricial de la siguiente forma: Donde A es la matriz de los coeficientes, X la matriz de las incgnitas y B la matriz de los trminos independientes. As, por ejemplo, el sistema de ecuaciones lineales: Resolucin de un sistema por la matriz inversa Un procedimiento rpido para la resolucin de sistemas de ecuaciones lineales mediante matrices es el llamado mtodo de la matriz inversa. Esta tcnica consiste en multiplicar por la izquierda los dos miembros de la expresin matricial del sistema de ecuaciones por la matriz inversa de la de los coeficientes (si existe). De este modo: Cuando la matriz de los coeficientes no es inversible, el sistema no tiene solucin (es incompatible). 3.9 Solucin Sistemas Ecuaciones Lineales Regla Cramer. La regla de Cramer Para poder aplicar la regla de Cramer es buena idea comenzar con una explicacin sobre cmo calcular los determinantes. Determinantes 2 x 2 Si a,b,c y d son cuatro nmeros reales, a la expresin D = se le llama un determinante 2 x 2. Su valor se determina con la expresin ad - bc. Es decir, multiplicamos en forma cruzada y restamos los productos. Es importante que lleves a cabo la multiplicacin como se ilustra.

D = = ad - bc Veamos un ejemplo: Cul es el determinante para la matriz siguiente? Observa el procedimiento para hallar el determinante.
= (3) (1) - (6) (2) = 15

Resumes este proceso de la siguiente forma: primero se multiplican los nmeros que quedan en la diagonal de izquierda arriba a derecha abajo. Luego a este resultado se le resta el producto de los nmeros en la diagonal de izquierda abajo a derecha arriba. La regla de Cramer es un proceso que te ayuda a resolver sistemas de ecuaciones lineales que tengan la misma cantidad de ecuaciones y variables. Es un mtodo que aplica los determinantes. Veamos un ejemplo con todos sus pasos. Resuelve el siguiente sistema de ecuaciones:
3x - 2y = 6x + y = 13 4

Hallas primero el determinante de los coeficientes de las variables. Lo llamas el determinante principal y lo nombras con una D. D = = (3)(1) - (6)(2) = 15 Observas que el determinante de la matriz de coeficientes nos dio 15. Continas con el proceso. Observa el procedimiento para hallar el valor del determinante para la variable x. Remplazas la columna de coeficientes de la variable x con los valores de las constantes. Observa a continuacin el proceso: Dx= = (4) (1) - (13) (2) = 4 + 26 = 30 Para hallar el valor de x, divides el valor determinado Dx por el determinante principal D. Es decir, calculas Ahora observa cmo hallas el valor de y.

Dy se calcula con el determinante Dy = = (3)(13) - (6)(4) = 39 - 24 = 15. Fjate que en este determinante cambias la segunda columna por las constantes. Para hallar el valor de y divides el valor hallado para Dy por el determinante principal D. Es decir, calculas y = = = 1. Concluyes que la solucin del sistema es (2,1). Esto significa que las dos rectas representadas por las ecuaciones originales se intersecan en el punto con coordenadas (2,1). Recuerda que si el sistema resulta en rectas que se intersecan lo llamas consistente. Estudia ahora la forma general de la Regla de Cramer para dos ecuaciones con dos variables: La solucin para el sistema de ecuaciones ax + by = s cx + dy = t Esta dada por x =, y = Siempre que lo siguiente ocurra D = = ad - bc 0 Finalmente, con la regla de Cramer se concluye que si
D 0, entonces

x =, y =. Por si tienes alguna duda sobre el proceso, es importante que estudies el ejemplo 1 de la pgina 710 de tu texto y resuelvas los siguientes sistemas aplicando este mtodo. Resuelve: 1. 1. 3x + 2y = 6
4x - 5y = 8

2. 2. 7x - 2y = 11

x + 3y

3.10 Aplicacin Matrices Y Determinantes

El mtodo de eliminacin para resolver ecuaciones simultneas suministra soluciones suficientemente precisas hasta para 15 o 20 ecuaciones. El nmero exacto depende de las ecuaciones de que se trate, del nmero de dgitos que se conservan en el resultado de las operaciones aritmticas, y del procedimiento de redondeo. Utilizando ecuaciones de error, el nmero de ecuaciones que se pueden manejar se puede incrementar considerablemente a ms de 15 o 20, pero este mtodo tambin es imprctico cuando se presentan, por ejemplo, cientos de ecuaciones que se deben resolver simultneamente. El mtodo de inversin de matrices tiene limitaciones similares cuando se trabaja con nmeros muy grandes de ecuaciones simultneas. Sin embargo, existen varias tcnicas que se pueden utilizar, para resolver grandes nmeros de ecuaciones simultneas. Una de las tcnicas ms tiles es el mtodo de Gauss-Seidel. Ninguno de los procedimientos alternos es totalmente satisfactorio, y el mtodo de Gauss-Seidel tiene la desventaja de que no siempre converge a una solucin o de que a veces converge muy lentamente. Sin embargo, este mtodo convergir siempre a una solucin cuando la magnitud del coeficiente de una incgnita diferente en cada ecuacin del conjunto, sea suficientemente dominante con respecto a las magnitudes de los otros coeficientes de esa ecuacin. Es difcil definir el margen mnimo por el que ese coeficiente debe dominar a los otros para asegurar la convergencia y es an ms difcil predecir la velocidad de la convergencia para alguna combinacin de valores de los coeficientes cuando esa convergencia existe. No obstante, cuando el valor absoluto del coeficiente dominante para una incgnita diferente para cada ecuacin es mayor que la suma de los valores absolutos de los otros coeficientes de esa ecuacin, la convergencia est asegurada. Ese conjunto de ecuaciones simultneas lineales se conoce como sistema diagonal. Un sistema diagonal es condicin suficiente para asegurar la convergencia pero no es condicin necesaria. Afortunadamente, las ecuaciones simultneas lineales que se derivan de muchos problemas de ingeniera, son del tipo en el cual existen siempre coeficientes dominantes. La secuencia de pasos que constituyen el mtodo de Gauss-Seidel es la siguiente: 1. Asignar un valor inicial a cada incgnita que aparezca en el conjunto. Si es posible hacer una hiptesis razonable de stos valores, hacerla. Si no, se pueden asignar valores seleccionados arbitrariamente. Los valores iniciales utilizados no afectarn la convergencia como tal, pero afectarn el nmero de iteraciones requeridas para dicha convergencia.

2. Partiendo de la primera ecuacin, determinar un nuevo valor para la incgnita que tiene el coeficiente ms grande en esa ecuacin, utilizando para las otras incgnitas los valores supuestos. 3. Pasar a la segunda ecuacin y determinar en ella el valor de la incgnita que tiene el coeficiente ms grande en esa ecuacin, utilizando el valor calculado para la incgnita del paso 2 y los valores supuestos para las incgnitas restantes. 4. Continuar con las ecuaciones restantes, determinando siempre el valor calculado de la incgnita que tiene el coeficniente ms grande en cada ecuacin particular, y utilizando siempre los ltimos valores calculados para las otras incgnitas de la ecuacin. (Durante la primera iteracin, se deben utilizar los valores supuestos para las incgnitas hasta que se obtenga un valor calculado). Cuando la ecuacin final ha sido resuelta, proporcionando un valor para la nica incgnita, se dice que se ha completado una iteracin. 5. Continuar iterando hasta que el valor de cada incgnita, determinado en una iteracin particular, difiera del valor obtenido en la iteracin previa, en una cantidad menor que cierto seleccionado arbitrariamente. El procedimiento queda entonces completo. Refirindonos al paso 5, mientras menor sea la magnitud del seleccionado, mayor ser la precisin de la solucin. Sin embargo, la magnitud del epsilon no especifica el error que puede existir en los valores obtenidos para las incgnitas, ya que sta es una funcin de la velocidad de convergencia. Mientras mayor sea la velocidad de convergencia, mayor ser la precisin obtenida en los valores de las incgnitas para un dado. EJEMPLO Resolver el siguiente sistema de ecuacin por el mtodo Gauss-Seidel utilizando un = 0.001. 0.1 X1 + 7.0 X2 - 0.3 X3 = -19.30 3.0 X1 - 0.1 X2 - 0.2 X3 = 7.85 0.3 X1 - 0.2 X2 - 10.0 X3 = 71.40 SOLUCIN: Primero ordenamos las ecuaciones, de modo que en la diagonal principal esten los coeficientes mayores para asegurar la convergencia. 3.0 X1 - 0.1 X2 - 0.2 X3 = 7.85 0.1 X1 + 7.0 X2 - 0.3 X3 = -19.30

0.3 X1 - 0.2 X2 - 10.0 X3 = 71.40 Despejamos cada una de las variables sobre la diagonal: Suponemos los valores iniciales X2 = 0 y X3 = 0 y calculamos X1 Este valor junto con el de X3 se puede utilizar para obtener X2 La primera iteracin se completa sustituyendo los valores de X1 y X2 calculados obteniendo: En la segunda iteracin, se repite el mismo procedimiento: Comparando los valores calculados entre la primera y la segunda iteracin Como podemos observar, no se cumple la condicin, entonces tomamos los valores calculados en la ltima iteracin y se toman como supuestos para la siguiente iteracin. Se repite entonces el proceso: Comparando de nuevo los valores obtenidos, como se observa todava no se cumple la condicin, as que hacemos otra iteracin comparando los valores obtenidos Dado que se cumple la condicin, el resultado es: X1 = 3.0 X2 = -2.5 X3 = 7.0 Resolver los reactivos 1) Resolver 8x 5 = 7 y 9 6x = 3y + 6 a) 3,4 b) 4,6 c) 6,8 d) 8,9 e) 10,12 2) Resolver x 1 = y +1 x 3 = 3y + 6

a) 5,3 b) 6,7 c) 7,8 d) 8,9 e) 10,11 3) Resolver 3( x + 2) = 2 y 2( y + 5) = 7 x a) 4,9 b) 5,6 c) 6,7 d) 7,8 e) 9,10 4) Resolver x 1 = 2( y + 6) x + 6 = 3(1 2 y ) a) 9,-2 b) 10,11 c) 11,12 d) 12,13 e) 13,14 5) Resolver 30 (8 x) = 2 y + 30 5 x 29 = x (5 4 y ) a) 4,-2 b) 5,3 c) 6,5 d) 7,6

e) 8,8