Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CONTENIDO
Matriz columna
La matriz columna tiene una sola columna
Matriz rectangular
La matriz rectangular tiene distinto nmero de filas que de columnas,
siendo su dimensin mxn.
Matriz traspuesta
Dada una matriz A, se llama matriz traspuesta de A a la matriz que se
obtiene cambiando ordenadamente las filas por las columnas.
(At)t = A
(A + B)t = At + Bt
( A)t = At
(A B)t = Bt At
Matriz nula
En una matriz nula todos los elementos son ceros.
Matriz cuadrada
La matriz cuadrada tiene el mismo nmero de filas que de columnas.
Los elementos de la forma aii constituyen la diagonal principal.
La diagonal secundaria la forman los elementos con i+j = n+1, siendo n el
orden de la matriz.
Matriz diagonal
En una matriz diagonal todos los elementos que no estn situados en la
diagonal principal son nulos.
Matriz escalar
Una matriz escalar es una matriz diagonal en la que los elementos de la
diagonal principal son iguales.
matrices
de
orden m
n es
otra
matriz
2. Asociativa
A + (B + C) = (A + B) + C
3. Elemento neutro
A+0=A
Donde O es la matriz nula de la misma dimensin que la matriz A.
4. Elemento opuesto
A + (A) = O
La matriz opuesta es aquella en que todos los elementos estn
cambiados de signo.
5. Conmutativa
A+B=B+A
Producto de una matriz por un escalar.
Dada una matriz A = (aij) y un nmero real k
, se define el producto de
un nmero real por una matriz: a la matriz de la misma dimensin que A, en
la que cada elemento est multiplicado por k.
k A = (k aij)
Ejemplo:
Propiedades
1 a (b A) = (a b) A
Mmxn , a, b
2 a (A + B) = a A + a B
A, B
Mmxn , a
3 (a + b) A = a A + b A
Mmxn , a, b
41A=A
Mmxn
2000 bs
1500 bs
p= 1800 bs
4000 bs
(Una matriz 4 x 1). Si se cumple la demanda, cunto dinero recibir el
fabricante?
Solucion.
La demanda del primer articulo es 30 y el fabricante recibe 2000 Bs por
cada articulo vendido. Entonces recibe 60000 Bs de las ventas del primer
articulo. Si se sigue este razonamiento, se ve que la cantidad total de
bolivares que recibe es
30 x 2000 + 20 x 1500 + 40 x 1800 + 10 x 4000 = 202000
Que no es ms que el producto de las matrices d x p
d=
[ 3020 4010 ]
2000 bs
1500 bs
x p= 1800 bs = 202000
4000 bs
Notacin: para c
0 tenemos que
Ri cRi
significa sustituye la i-esima fila por esa misma fila
multiplicada por c
Ri Ri + cRj significa sustituye la i-esima fila por la suma de la fila i
mas la fila j multiplicada por c
Ri Rj significa intercambia las filas i y j
3 6 12
5 11 23
1
1/3
R
1 124
5 11 23
R
R2
R2
R1 1 2 4
013
1 2 4 R1
0 13
R1
R2 1 02
0 13
.
.
am1 x1 + am2 x2 + am3 x3 + + amn xn = bm
x+ y=0
x+ y=2
x + y=1
x y=0
ni
Ejemplo
Intentemos resolver
por
en
Se tiene que
que es una ecuacin con solo una incgnita y cuya solucin es
Mtodo de Gauss
es:
por la solucin de la
Si
existe, es decir, si
es una matriz cuadrada
de determinante no nulo, entonces podemos multiplicar toda la igualdad
anterior por la izquierda por
, para obtener:
En general
donde
es la matriz que se obtiene sustituyendo la i-esima columna de
por la matriz de los trminos independientes,
.
Ejemplo
Consideremos el sistema de ecuaciones:
de los coeficientes es
. Por lo tanto, podemos
DETERMINANTES
Determinantes
Dada una matriz cuadrada
la
definicin
se
En este ltimo caso, para acordarnos de todos los productos posibles y sus
correspondientes signos se suele usar la Regla de Sarrus, que consiste en
un esquema grfico para los productos positivos y otro para los negativos:
Ejemplo
Adjunto
Se llama adjunto del elemento aij a
anteponiendo:
El signo es + si i + j es par.
El signo es si i + j es impar.
su
menor
complementario
Ejemplo
= 2(58)= 116
Matriz inversa
2 Comprobamos si tiene rango mayor o igual que 1, para ello se tiene que
cumplir que al menos un elemento de la matriz no sea cero y por tanto su
determinante no ser nulo.
|2|=20
3 Tendr rango mayor o igual que 2 si existe alguna submatriz
cuadrada de orden 2, tal que su determinante no sea nulo.
Como todos los determinantes de las submatrices son nulos tiene rango
menor que 3, por tanto r(B) = 2.
En general, los pasos a seguir para el clculo del rango por determinates
son:
El rango es el orden de la mayor submatriz cuadrada no nula.
1 Descartamos las filas (o columnas) que cumplan las condiciones vistas
anteriormente.
2 Si al menos un elemento de la matriz no es cero su determinante no
ser nulo y, por tanto, el rango ser mayor o igual a 1.
3 El rango ser mayor o igual a 2 si existe alguna submatriz cuadrada de
orden 2, tal que su determinante no sea nulo.
4 El rango ser mayor o igual a 3 si existe alguna submatriz cuadrada de
orden 3, tal que su determinante no sea nulo.
5 El rango ser mayor o igual a 4 si existe alguna submatriz cuadrada de
orden 4, tal que su determinante no sea nulo.
De este mismo modo se trabaja para comprobar si tiene rango superior a 4,
hasta que la submatriz (o las submatrices) del mayor orden posible tenga (o
tengan) determinante nulo.
Propiedades de los determinantes
Si todos los elementos de una lnea (fila o columna) de una matriz
cuadrada se descomponen en dos sumandos, entonces su determinante es
igual a la suma de dos determinantes que tienen en esa lnea los primeros y
segundos sumandos, respectivamente, y en las dems los mismos
elementos que el determinante inicial.
det (L1 + L'1, L2, L3...) = det (L1, L2, L3...) + det (L'1, L2, L3...)
Ejemplo
Si una matriz cuadrada tiene una lnea con todos los elementos nulos,
su determinante vale cero.
det (0, L2, L3...) = 0
Ejemplo
det (F1 + F2, F2, F3) = det (F1, F2, F3) + det (F2, F2, F3) = det (F1, F2, F3)
Ejemplo
Transformacin lineal
Transformacin lineal.
Definicin. Sean V y W espacios vectoriales. Una transformacin lineal T de
V en W es una funcin que asigna a cada vector v V un nico vector Tv
W y que satisface para cada u y v en V y cada escalar ,
T(u + v) = Tu + Tv (1)
T(v) = Tv (2)
Notacin. Escribimos T: V W para indicar que T transforma V en W.
Terminologa. Las transformaciones lineales se llaman, con frecuencia,
operadores lineales. Tambin, las funciones que satisfacen (1) y (2) se
denominan funciones lineales.
Propiedades bsicas de las transformaciones lineales.
Teorema 1. Sea T: V W una transformacin lineal. Entonces para todos los
vectores u, v, v1, v2, ..., vn en V y todos los escalares 1, 2, ..., n:
i. T(0) = 0
ii. T(u - v) = Tu - Tv
iii. T(1v1, 2v2, ..., nvn) = 1Tv1+ 2Tv2+ ... + nTvn
Nota. En la parte (i) el 0 de la izquierda, es el vector cero en V mientras que
el 0 del lado derecho, es el vector cero en W.
Por otro lado, cada vector T(Ej) m se escribe como combinacin lineal de
la base cannica E* como T(Ej) = a1jE*1 + a2jE*2 + amj E*m.
Reemplazando esto ltimo en (1) obtenemos
entonces
Verificacin:
Ecuaciones homogneas
Esta forma de ver los sistemas de ecuaciones lineales nos lleva al siguiente
resultado.
Teorema 1. El conjunto de soluciones de un sistema homogneo
de m ecuaciones lineales con n variables, Ax = 0, es un subespacio de Rn.
Demostracin. Sea T la transformacin lineal de Rn en Rm, definida por A.
El conjunto de soluciones es el conjunto de vectores en Rntransformado
por T en el vector cero. El conjunto de soluciones es el ncleo de la
transformacin y por consiguiente, un subespacio.
Ecuaciones no homogneas
Ahora ver que el conjunto de soluciones de un sistema de ecuaciones
lineales no homogneas no forma un subespacio.
Sea Ax = y (y 0) un sistema de ecuaciones lineales no homogneo.
Sea x1 y x2 soluciones. Por lo tanto,
Ax1 = y y Ax2= y
Si se suman estas ecuaciones, se obtiene
Ax1+ Ax2= 2y
A(x1 +x2)= 2y
Por lo tanto, x1 + x2 no satisfacen a Ax = y. No se trata de una solucin. El
conjunto de soluciones no es cerrado bajo la adicin; por consiguiente, no
es un subespacio.
Sin embargo, No todo est perdido! Aunque el conjunto de soluciones de
un sistema no homogneo no es un subespacio, el conjunto se puede
obtener trasladando cierto subespacio. Este resultado permitir representar
el conjunto de soluciones.
matriz A debera darnos la proyeccin b^ de ben ColA por lo que una vez
obtenida x^, verificaremos obteniendo b^ mediante Ax^=b^. Para verificar
si es igual a projColAb, proyectaremos b en ColA mediante la frmula usual.
Para facilitar las cosas, desde un inicio A tendr columnas ortogonales ya
que si no fuera as, primero deberamos ortogonalizarlas mediante el
proceso de Gram-Schmidt por lo que nos ahorraremos ese paso si desde
un inicio las definimos ortogonales. projColAb debera ser igual a Ax^=b^.
Para finalizar, verificaremos que bb^ sea ortogonal a las columnas de A, si
es as, es ortogonal a ColA. En resumen:
1. Resolver el sistema de ecuaciones normales para obtener x^.
2. Evaluar Ax^ para obtener b^.
3. Proyectar b en ColA y verficar que projColAb=b^.
4. Verificar si bb^ es ortogonal a las columnas de A.
Ejemplo:
A=
[ ]
4 0
0 2
2 0
b=
[]
2
0
11
[ ]
1 0 0
0 1 0
0 0 1
[ ][ ] [
1 0 0 2
A A= 0 1 0 0 = 17 0
0 4
0 0 1 11
T
][ ] [ ]
2
A T b= 4 0 1 0 = 19
0 2 0
0
11
( AT A)
Resolviendo
)x^= A b
17
0
0 19
4 0
\ ~
^x = 1.1176
0
A Evaluar A ^x
b^
= A ^x
1 0 1.1176
0 1
0
para obtener
4 0
0 2
1 0
Proyectar b en Col
b^
1.1176 =
0
[ ]
A y verificar que
4.4704
0
1.1176
projCol A b= b^
{[ ][ ]}
4 0
Col A=s pan 0 2
1 0
projCol A b = 1.1176
Verifica si b -
b^
[] [][ ]
4
0
4.4704
0 +0 2 =
0
1
0
1.1176
projCol A b= b^
a1 =
a2
b-
b^
[]
4
0
1
[]
0
2
0
[] [ ][ ]
2
0
11
4.4704 2.4704
=
0
0
1.1176
9.8824
( bb^ ) a1 =
[ ] []
( bb^ ) a2 =
[ ] []
2.4704
0
9.8824
2.4704
0
9.8824
4
0 =9.8816+ 9.8824=0.0008
1
0
2 =0
0