Está en la página 1de 28

lgebra

para estudiantes de Ciencias Econmicas

Comit editorial: Prof. Carlos Bulcourf Lic. Alejandro Garca Venturini Dr.. Axel Kicillof Act. Alberto Landro C.P. Juan Carlos Seltzer
COLECCIN: EL NMERO DE ORO Director: Act. Alberto Landro Acerca de la Probabilidad 2da. edicin Alberto Landro lgebra, para Estudiantes de Ciencias Econmicas Alejandro E.Garca Venturini Axel Kicillof Anlisis Matemtico I para Estudiantes de Ciencias Econmicas Alejandro E.Garca Venturini Axel Kicillof Anlisis Matemtico II para Estudiantes de Ciencias Econmicas Alejandro E. Garca Venturini Axel Kicillof Los matemticos que hicieron la historia Alejandro E. Garca Venturini Anlisis de Series de Tiempo, univariadas y multivariadas Heriberto Urbisaia Juana Brufman Decisin Estadstica Bayesiana, a modo de introduccin Emma Fernndez Loureiro de Prez Estadstica no Paramtrica, a modo de introduccin Emma Fernndez Loureiro de Prez Teora de los Conjuntos Borrosos Emma Fernndez Loureiro de Prez Estadstica: Herramientas de Inferencia Gabriela Kurincic Estadstica: Probabilidades y Distribuciones Gabriela Kurincic Los Mtodos Cuantitativos en las Ciencias Sociales Alejandro E. Garca Venturini Federico Castelli Aplicaciones del Anlisis Matemtico a la Economa Blanca R. Vitale Modelos para el Anlisis de Series de Tiempo Juan Carlos Abril

Alejandro E. Garca Venturini - Axel Kicillof

lgebra
para estudiantes de Ciencias Econmicas 2 EDICIN

Ediciones Cooperativas es un emprendimiento cooperativo de docentes de la Facultad de Ciencias Econmicas de la Universidad de Buenos Aires para difundir sus trabajos e investigaciones

Ninguna parte de esta publicacin, incluido el diseo de cubierta puede ser reproducida, almacenada o transmitida en manera alguna ni por ningn medio, ya sea electrnico, mecnico, ptico de grabacin o de fotocopia sin permiso previo del Editor. Su infraccin est penada por las leyes 11723 y 25446.

Garca Venturini, Alejandro Ezequiel .- Kicillof, Axel Algebra: para estudiantes de ciencias econmicas. 2. ed. Buenos Aires: Ediciones Cooperativas, 2009. 280 p.; 21x14 cm. ISBN 987-98315-5-7 1. Algebra. I. Ttulo CDD 515 2009, Alejandro E. Garca Venturini Axel Kicillof Derechos exclusivos 2009, Ediciones Cooperativas Tucumn 3227, (1189) Buenos Aires Argentina Tel.: 54 11 15 4 198 5667 info@edicionescoop.gov.ar www.edicionescoop.gov.ar Coleccin: El nmero de oro Director: Act. Alberto Landro
HECHO EL DEPSITO QUE ESTABLECE LA LEY 11.723

1 edicin, Agosto 2000 2 edicin, Marzo 2009


Editorial asociada a:
IMPRESO EN ARGENTINA PRINTED IN ARGENTINE

Prlogo
La publicacin de esta obra es en realidad la culminacin de un proyecto iniciado hace cerca de ocho aos. En aquella ocasin nos planteamos elaborar un material acorde a las necesidades de los estudiantes de la Facultad de Ciencias Econmicas de la Universidad de Buenos Aires que cumpliera con un doble requisito: ser accesible desde el punto de vista expositivo y de alta calidad acadmica. El resultado de ese esfuerzo se plasm en la Serie Notas Tericas, publicada por la Secretara de Cultura del Centro de Estudiantes de la Facultad de Ciencias Econmicas a partir de 1993. Trabajamos conjuntamente en tres ttulos: Anlisis Matemtico I, Anlisis Matemtico II y lgebra, con la pretensin de hacer un aporte original, en especial en el complejo problema del tratamiento de los temas econmicos en materias de la rama matemtica. All es donde result provechoso el intercambio entre las perspectivas aportadas por cada uno de nosotros, desde su respectiva especialidad. Inmediatamente las publicaciones tomaron vida, nutrindose de los comentarios de estudiantes y profesores que las hicieron propias, transformndolas. Por nuestra parte el compromiso se renovaba, a lo largo de las casi veinte ediciones y los ms de 10.000 ejemplares impresos, a travs de un proceso de actualizacin permanente. En la presente edicin se han agregado algunos temas y reformulado otros A pesar de que en la reforma de 1997 se suprimi del programa de Algebra, en forma inexplicable, la unidad de Transformaciones Lineales, nosotros decidimos mantenerla en este texto, no slo por su importancia y porque permite comprender el sentido de otras unidades, como la de Espacios Vectoriales, sino tambin porque es de suma utilidad para la comprensin de otras materias como Matemtica para Economistas. El haber convertido en libro lo que naci como un simple material de estudio nos llena de orgullo ya que corona un esfuerzo de muchos aos. Para nosotros ese esfuerzo no es ms que una forma de reafirmar nuestro compromiso con la Universidad Pblica, a la que este trabajo va dedicado. Agradecemos a todos los que han contribuido a que este libro hoy pueda ponerse a consideracin de alumnos y colegas. Los autores Agosto 2000

Captulo 1

Matrices

Definicin de Matriz. Matrices Especiales. Operaciones con Matrices. Matriz Transpuesta. Matriz Simtrica y Antisimtrica. Matriz Compleja, de Hermite. Matriz Inversa. Matriz Adjunta. Determinante de una Matriz, propiedades. Aplicaciones a la Economa y a la leora de Grficos.

MATRICES
Intervalo natural inicial Es el conjunto formado por los n primeros nmeros naturales: In={1,2,3,....,n} Matrices reales Consideramos dos intervalos naturales iniciales Im e In. Calculamos el producto cartesiano de Imx In= {(i;j) / iIm jIn}.
CAYLEY, Arthur (1821-1895):
matemtico ingls que naci en Richmond, cerca de Londres. Abogado, que desarrolla la geometra proyectiva, expone el concepto de invariancia en 1845 y desarrolla la teora de matrices (como se suman y multiplican) en 1858. El nombre de matriz se debe a l, lo mismo que su extensin pluridimensional. Est considerado el tercer escritor ms prolfico de matemtica, luego de Euler y Cauchy. Tambin hizo aportes a la teora de los determinantes. Fue tambin pintor a la acuarela y un estudioso de la botnica.

Si ahora establecemos una funcin que va de ImxIn se obtiene una tabla de valores ordenada por filas y columnas que recibe el nombre de matriz.

a11 a12 ...a1n a 21 a 22 ... a 2 n A = . ... a m1 a m 2 ...a mn

La imagen de cada (i;j) es un nmero real que se denomina aij. La matriz tiene m filas y n columnas. El elemento que est en la fila 2, columna 3 recibe el nombre de a23 y as sucesivamente.

1 1 3 Ejemplo: A = es una matriz que tiene 2 filas y 3 columnas. 4 0 2


9

Alejandro E. Garca Venturini

El elemento a12 = 1, el a23 = 2, el a13 = 3 etc. Las matrices se representan con letras maysculas A, B,..., etc., y a sus elementos se los denomina genricamente aij, bij,..., etc. El conjunto de todas las matrices de m filas y n columnas con elementos reales se denomina como mxn. Orden: se llama orden de la matriz al nmero de filas y de columnas que posee. Una matriz que tiene m filas y n columnas es de orden mxn (m por n). Ejemplos:

1 A = 1 1 B = 2 1 C = 1 4

2 2x2 es de orden 2x2, A 3 3 0 es de orden 2x3, B 1 3 2 3 es de orden 3x2, C 3x2 5

2x3

Matriz nula: recibe este nombre aquella matriz en la cual todos los elementos son 0. Se la designa como N o simplemente 0, (i j: nij = 0). Matriz cuadrada: es aquella en la cual el nmero de filas m es igual al nmero de columnas n. 1 0 1 1 2 2x2 Ejemplos: A = B = 1 3 2 que 3x3 que 3 1 3 2 1 Diagonal de una matriz cuadrada: est formada por los elementos en los cuales i = j. (a11, a22, a33,...,ann) Traza de una matriz cuadrada: es el nmero que se obtiene de sumar los elementos de la diagonal. Tr (A) = a11 + a22 +... + ann. 10

Matrices

Matriz diagonal: es una matriz cuadrada en la cual los elementos que no pertenecen a la diagonal son nulos: i j aij = 0. 4 0 Ejemplo: A = 0 1

2x2

1 0 0 B = 0 3 0 0 0 0

3x3

Matriz escalar: es una matriz diagonal en la cual todos los elementos de la diagonal son iguales.

Ejemplo:

0 0 2 B = 0 2 0 0 0 2

Matriz unidad o identidad: es una matriz escalar en la cual los elementos de la diagonal son 1.

1 0 0 1 0 reciben el nombre de I. Ejemplos: I 2 = = 0 1 0 I 3 0 1 0 0 1


Matriz fila: es la que tiene una sola fila, es de orden 1xn,
1xn

A = (a11 a12 . . . a1n)


Ejemplo: A = (2 3 1)
1x3

Matriz columna: es la que tiene una sola columna, es de orden mx1, A mx1

11

Alejandro E. Garca Venturini

a11 a21 A = . . a n1

2 Ejemplo: A = 1 3 x1 3
Vector: se denomina vector a toda matriz fila o columna Matriz opuesta: la matriz opuesta de A es B i j: bij = aij, se denomina como A. Ejemplo: A =

4 3 2

2x2

1 4 A= 2 3

2x2

Matriz de probabilidad

Es una matriz cuadrada en la cual: a) cada elemento es no negativo, b) la suma de los elementos de cada fila es igual a 1.
Ejemplos: A = 1 / 4
0 0 3 / 4 1 / 2 1 / 2 0 1 0

0 1 / 5 4 / 5 B = 1 / 4 1 / 2 1 / 4 1 / 6 2 / 3 1 / 6

Propiedad: el producto de matrices de probabilidad da otra matriz de probabilidad. Igualdad: dos matrices son iguales si son del mismo orden y i j: aij = bij, es decir que los elementos que ocupan la misma posicin son iguales. 12

Matrices

OPERACIONES ENTRE MATRICES Suma: slo se pueden sumar matrices del mismo orden. El resultado da otra matriz del mismo orden cuyos elementos se obtienen sumando entre s los elementos que ocupan la misma posicin.

A + B = C / i j : cij = aij + bij


Ejemplo: A =

A, B y C

mxn

1 2 1 3 4 0 2 +1 0+8

0 1 2 B = 4 8 3

AyB

2x3

1+ 0 A+ B = C = 4+ 4

1+ ( 2 ) 1 3 3 = C 3 + ( 3) 8 8 0

2x3

Propiedades de la suma

a) Ley de cierre: la suma de matrices da otra matriz del mismo orden. b) Asociativa: (A + B) + C = A + (B + C) c) Conmutativa: A + B = B + A d) Existencia de neutro: A + 0 = 0 + A = A (0 es la matriz nula) e) Existencia de simtrico: A + (A) = (A) + A = 0 (A es la matriz opuesta) f) Tr (A + B) = Tr A + Tr B
Resta: Restar A y B equivale a sumar a la matriz A la matriz opuesta de B.

A B = A + (B).
En la prctica se procede igual que para la suma, en lugar de sumar los trminos que ocupan la misma posicin se restan. Tambin deben ser del mismo orden.

A B = C / i j: cij = aij bij

A, B y C

mxn

13

Alejandro E. Garca Venturini

3 1 2 1 3 2 Ejemplo: A = B = 5 1 2 4 3 3

AyB

2x3

2 2 A B=C= 5 4

3 1 1 3

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

Producto de un escalar por una matriz: para multiplicar un escalar (nmero) por una matriz se multiplica el escalar por cada elemento de la matriz. Es una ley externa.

.A = B / i j: bij = .aij

AyB

mxn

1 2 Ejemplo: A = 3 4 0 2
Propiedades

3.1 3.A = 3.( 3) 3.0

3.2 3 6 3.4 = 9 12 3.2 0 6

a) 0.A = N b) .N =N c) Si .A = N = 0 A = N d) 1.A = A e) Distributiva respecto de la suma de matrices: .(A+B) = .A + .B f) Distributiva respecto de la suma de escalares: (+).A = .A + .A g) Tr (.A) = .Tr (A)
Cociente de una matriz por un escalar : equivale a multiplicar la

matriz por

, con 0.

14

Matrices Ejemplo

2 4 A= 3 5 ,

2 4 2 / 3 4 / 3 3 5 A = = 1 5 / 3 3 3

Producto de matrices

Dadas dos matrices A mxn y B pxq se pueden multiplicar si n=p, es decir que el nmero de columnas de la 1 matriz debe ser igual al nmero de filas de la 2 matriz. El orden de la matriz producto es mxq.

A.B = C / A

mxn

, B

pxq

, C

mxq

La matriz producto tiene tantas filas como la matriz 1 factor y tantas columnas como la matriz 2 factor.
Clculo de los cij

Cada cij de la matriz producto se obtiene de sumar los productos trmino a trmino de los elementos de la fila i de la matriz 1 factor por los elen

mentos de la columna j de la matriz 2 factor, cij =


Ejemplo:

a
k =1

ik

. bkj .

2 3 A = 1 2

3 1 2 B = 1 1 2

El producto se puede realizar porque coincide el nmero de columnas de la 1 matriz con el nmero de filas de la 2 matriz, que es 2. El resultado es una matriz de 2x3. Hay que calcular 6 elementos de la matriz C; c11 se obtiene sumando los productos de los elementos de la fila 1 de A por la columna 1 de B; c12 se obtiene sumando los productos de la fila 1 de A por la columna 2 de B y as sucesivamente. Si adoptamos la siguiente disposicin prctica, las intersecciones de filas y columnas indican como se obtiene cada ele15

Alejandro E. Garca Venturini

mento de C.

|B A|C

2 3 1 1 1 2 3 2 3.2 + 2.1 3.3 + 2.( 1 ) 3.1 + 2.2 1 2 1.2 + ( 2 ).1 1.3 + ( 2 ).( 1 ) 1.1 + ( 2 ).2 7 3.2 + 2.1 3.3 2.1 3.1+ 2.2 8 7 C 2 x3 = = 1.2 2.1 1.3 + 2.1 1.1 2.2 0 5 3
Propiedades

a) Asociativa: A.(B.C) = (A.B).C b) No conmutativa: A.B B.A

En muchos casos el producto en el otro sentido no se puede realizar. En otros casos se puede realizar pero da resultados diferentes.
c) Distributiva respecto de la suma y resta: A.(B C) = A.B A.C d) Existencia de elemento neutro (para matrices cuadradas): I.A = A.I = A I (matriz identidad) e) A.B = 0 y A 0 y B 0 f) A.B = A.C y B C
Ejemplos

Veamos algunos ejemplos de estas propiedades a) dadas

1 2 1 2 1 1 3 2 A= , B y C 2 1 2 = = 3 2 4 1 2 1 0 3
verificamos que: A.(B.C) = (A.B).C
16

Matrices

1 2 1 9 1 1 1 3 2 B.C = . 2 1 2 = 4 1 2 1 0 3 4 9 4
A.(B.C) =
2 1 9 1 1 22 7 2 . = X 3 2 4 9 4 35 15 5

A.B =

2 1 1 3 2 6 5 6 . = 3 2 4 1 2 11 7 10
1 2 1 22 7 2 6 5 6 . 2 1 2 = Y 11 7 10 1 0 3 35 15 5

X=Y

(A.B).C =

b) dadas A = 3 2 1 , B = 4

1 2 1 1 3 2 y C = 2 1 2 , 1 2 1 0 3

verificamos que: (A+B).C = A.C + B.C

A+B =

0 1 1 3 2 1 3 3 2 + 4 1 2 = 1 1 3 3 2 1 1 2 1 8 5 4 3 1 3 . (A+B).C = 1 1 3 2 1 2 = X 1 0 3 6 1 6 1 2 1 1 4 0 1 5 2 X=Y A.C = 3 2 1 2 8 2 . 2 1 2 = 1 0 3 1 2 1 9 1 1 1 3 2 B.C = 4 1 2 . 2 1 2 = 1 0 3 4 9 4 5 9 1 1 8 5 4 1 4 A.C + B.C = = Y 2 8 2 + 4 9 4 6 1 6

17

Alejandro E. Garca Venturini

c) dada: A = 4 A.I =

3 2 , verificamos que A.I = I.A = A 1

3 2 1 0 3 2 . = =A 4 1 0 1 4 1 1 0 3 2 3 2 . = =A 0 1 4 1 4 1 1 0 0 0 y B = 1 0 , verificamos que A.B = 0, y 2 0

I.A =

d) Dadas A =

A0yB0 A.B =

1 0 0 0 0 0 = 2 0 1 0 0 0

Una aplicacin del producto de matrices, el producto escalar Sean dos vectores v y w de n componentes: v = {v1,v2,...,vn} y w = {w1, w2,...,wn}. Se define el producto escalar o producto interno entre dos vectores co& mo la sumatoria de los productos entre los elementos del vector v y los & correspondientes elementos del vector w . & & v . w = v1 .w1 + v2 .w2 + ... + vn .wn Se puede hallar el producto escalar considerando dos matrices columnas

&

&

&

&

18

Matrices

v1 v2 & & cuyas componentes sean v y w que llamaremos V y W: V = . y . vn w1 w1 w2 w2 & & W = . . v . w = V t .W = (v1 v 2 . . v n ). . . . wn wn
Obsrvese que el producto escalar o interior da un nmero real o un escalar, de all su nombre.
Ejemplo

1 1 & & Dados v = (1;2;3) y w = ( 1;3;2 ) V = 2 y W = 3 2 3 1 & & t v . w = V .W = (1 2 3). 3 = 1 2


Potencias de una matriz cuadrada

Slo se pueden elevar matrices cuadradas por las reglas vistas para el producto de matrices.

19

Alejandro E. Garca Venturini

Cuadrado: elevar una matriz cuadrada al cuadrado equivale a multiplicarla por s mismo.

A2 = A x A
2 2 1 2 7 2 1 1 2 Ejemplo: A = A = . = 3 2 3 2 3 2 3 10
Matriz idempotente: una matriz es idempotente si su cuadrado es igual a la matriz.

A es idempotente A2 = A
Ejemplo

1 2 A= 1 2

1 1 2 2 2 A = 1 1 2 2

1 1 2 2 . 1 1 2 2

1 1 2 2 = 1 1 2 2

1 2 = A 1 2

Matriz involutiva: una matriz es involutiva si su cuadrado es igual a la matriz identidad.

A es involutiva A 2 = I
1 0 1 0 1 0 1 0 2 Ejemplo: A = . =I A = = 0 1 0 1 0 1 0 1
Nota: la matriz identidad es involutiva e idempotente. Potencia ensima: An =A.A.A...A (n veces) Propiedades:

a) I n = I

b) N n = N

c) (k.A)n = kn.An

20

Matrices

Cuidado con la potencia de las matrices

Cuando trabajamos con nmeros reales vemos que: a) (A+B)2 = A2 + 2AB + B2 b) (A+B).(AB) = A2 B2 Pero que ocurre cuando A y B son matrices cuadradas, veamos: a) (A+B)2 = (A+B).(A+B) = A2 + A.B + B.A + B2 expresin que obtenemos
aplicando la propiedad distributiva

Pero como el producto de matrices no es conmutativo, A.B no es necesariamente igual a B.A, por lo tanto: (A+B)2 = (A+B). (A+B) = A2 + A.B + B.A + B2 A2 +2 A.B + B2 b) (A+B).(AB) =A2 A.B + B.A B2
expresin que obtenemos aplicando la propiedad distributiva

Pero como el producto de matrices no es conmutativo, A.B no es necesariamente igual a B.A, por lo tanto: (A+B).(AB) = A2 A.B + B.A B2 A2 B2.
Ejemplo

Dadas A =

1 5 2 2 = y B 1 1 2 1
1 5 2 2 1 5 2 2 + . = 2 1 1 1 2 1 1 1 3 3 1 7 6 21 = 1 2 . = X 3 0 7 7

(A+B) (AB) =

21

Alejandro E. Garca Venturini

1 5 1 5 2 A2 B2 = . 2 1 2 1 1 1 + 10 5 5 4 + 2 = 2 2 10 + 1 2 +1 11 0 6 2 5 = 0 11 = 1 3 1

2 2 2 . = 1 1 1 4 + 2 = 2 +1 2 Y 8

XY TRANSPOSICIN-SIMETRA Matriz transpuesta: de una matriz A es la matriz que se obtiene de permutar en la matriz A las filas por columnas. Se denomina A t.

2 3 1 2x3 t Ejemplo: A = A = 3 4 2 0 1

2 4 2 3x2 0

Las filas se transforman en columnas. Si la matriz A es de orden mxn, A t es de orden nxm.


Propiedades: a) (A t)t = A b) (A+B)t =At +Bt la transpuesta de la suma es la suma de las transpuestas. c) (A.B)t = Bt. At la transpuesta de un producto es igual al producto de las transpuestas en orden inverso. d) (k.A)t = k.At e) (An)t = (At)n Ejemplos

Veamos algunos ejemplos de estas propiedades,


22

Matrices

a) dadas A = (A.B)t = Bt.At i) (A.B)t =


t t

1 3 1 3 y B= 5 2 , verificamos que: 2 4

t t t 1 3 1 3 1 + 15 3 + 6 14 9 14 18 . = = = X 2 + 20 6 + 8 18 14 9 14 2 4 5 2

t t 1 3 1 3 1 5 1 2 14 18 ii) B .A = . Y = . 5 2 2 4 = 3 2 3 4 9 14

X=Y

b) dados A =

1 3 y k =2, verifcamos que: (k.A)t = k.At 2 4


t 6 2 4 = 6 8 X 8

t 1 3 2 (2A) = 2. 2 4 = 4 t 1 1 3 t 2.A = 2. 3 = 2. 2 4
t

2 2 4 = Y 4 6 8

X=Y

c) dados A =

1 3 n t t n y n =2, verifcamos que: (A ) = (A ) 2 4

1 3 1 3 7 15 i) A2 = 2 4 . = 2 4 10 22 t 7 15 7 10 (A2)t = 10 22 = X 15 22
ii) At =

1 2

1 (At)2 = 3

t 3 1 = 4 3 2 2 1 = 4 3

X=Y

2 4
2 1 2 7 10 Y . = 4 3 4 15 22
23

Alejandro E. Garca Venturini

Matriz simtrica: una matriz es simtrica si es igual a su transpuesta. A


nxn

es simtrica A =At

1 2 3 Ejemplo: A = 2 4 1 = At 3 1 0 la matriz debe ser cuadrada y los elementos simtricos respecto de la diagonal deben ser iguales: i j: aij = aji.
Matriz antisimtrica: una matriz es antisimtrica si es igual a la opuesta de su transpuesta.

Anxn es antisimtrica A = At

Ejemplo:

3 2 3 0 2 0 A = 2 0 1 At = 2 0 1 = A 3 0 1 0 3 1

la matriz debe ser cuadrada, los elementos simtricos respecto de la diagonal deben ser opuestos y los elementos de la diagonal deben ser 0: i j: (i = j aij = 0, i j aij = aji).
Propiedades de las matrices simtricas y antisimtricas

a) A + At es simtrica, para toda matriz cuadrada A.

(A + A ) = A + (A ) = A + A A + A
t t t t t t
t t t t t t

es simtrica.

b) A At es antisimtrica, para toda matriz cuadrada A.

A At es antisimtrica.
24

(A A ) = [A + ( A )] = A + [( A )] = A A = (A A )
t t t

Matrices

c) A.At es simtrica para toda matriz A, no necesariamente cuadrada.

(A.A ) = (A ) .A = A .A A.A
t t t t t t

es simtrica.

d) Toda matriz cuadrada se puede descomponer en suma de una matriz simtrica y una antisimtrica.

A + At A At + 2 2 t t A+ A A A es simtrica, por prop. a), es antisimtrica, por prop. b) 2 2 A=


3 5 1 4 1 2 Ejemplo: A= 2 6 2 At = 4 6 4 5 3 2 6 4 6

4 1 1 A + At 3 y = 1 6 2 4 3 6

0 3 1 A At = 3 0 1 2 1 1 0

3 4 0 3 1 1 4 1 1 1 6 3 + 3 0 1 = 2 6 2 = A 4 3 6 1 0 4 6 1 5 e) la condicin necesaria y suficiente para que el producto de dos matrices simtricas sea simtrica es que A y B sean conmutables. A.B es simtrica ( A. B ) t= A.B ( A. B ) t = B t .A t = B.A = A .B

25

Alejandro E. Garca Venturini

OTRO TIPO DE MATRICES Matrices triangulares Triangular superior: una matriz cuadrada es triangular superior

i > j aij = 0
Triangular inferior: una matriz cuadrada es triangular inferior

i < j aij = 0
Ejemplos

1 A= 0 0 1 A= 2 3

2 3 4 1 es triangular superior 0 1 0 0 4 0 es triangular inferior 1 5

Matriz inversa

La matriz A nxn es inversible, es no singular o admite matriz inversa si existe una matriz que denominamos A 1 que multiplicada a izquierda y derecha por A da la matriz identidad. La matriz debe ser cuadrada: A . A1 = A1 . A = I . La matriz inversa, si existe, es nica.
Propiedades: a) A1

b) ( A . B ) = B 1 .A1
1

( )

=A

Dem: B 1 . A1 . ( A. B ) = B 1 . A1 . A .B = B 1 . I . B = B 1 . B = I

B .A
26

) . ( A.B ) = I B

. A1 = ( A.B )1

Matrices

c) A1 = (At )
t

Dem: A .A1

( ) = I (A . A ) = I
1 1 t

A1 . At = I A1 t = At
t

( )

( ) ( )

d) (k.A) 1 = k 1.A 1, si k {0}


Matriz ortogonal

Una matriz cuadrada es ortogonal si y slo si su inversa es igual a la transpuesta. A es ortogonal A1 = At De lo que se deduce que una matriz es ortogonal si el producto de una matriz por su transpuesta da la identidad.
A es ortogonal A . At = I
1 3 2 2 , A = 1 3 2 2

Ejemplo:

1 1 3 2 2 2 t A.A = . 1 3 3 2 2 2

2 1 0 = 0 1 1 2

Propiedad: el producto de dos matrices ortogonales del mismo orden es otra matriz ortogonal. Dem.:

( A.B )1 = B 1 .A1 = B t .At = ( A.B )t A.B

es ortogonal

27