Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD DE INGENIERÍA
Matrices
ÁLGEBRA LINEAL Y
GEOMETRÍA ANALÍTICA
Adriana Zamar
2009
Facultad de ingeniería - UNSa
Cátedra: Álgebra Lineal y Geometría Analítica
MSc. Adriana Zamar
Introducción
Los fundadores de la teoría de matrices fueron Lord Cayley y Sylvester, a este último
se le debe el acuñamiento del término matriz.
Una de las utilidades de este tema es, por ejemplo, el diseño asistido por computador
(CAD y CCM) adoptado por la Ford a principios de 1970 para la industria del
automóvil. Antes de construir un nuevo modelo de automóvil, se realiza una
construcción y un diseño matemático del mismo.
Se utiliza el modelo denominado de alambre donde se almacena en muchas matrices
de datos para cada componente principal del automóvil. Cada columna de una matriz
enumera las coordenadas de un punto sobre la superficie del componente (por
ejemplo los dobleces necesarios para producir la carrocería). Las demás columnas
describen cuáles puntos se deben conectar con curvas.
Las piezas individuales del interior del automóvil también se almacenan como matrices
de datos.
Ver más detenidamente, en página 97, “Álgebra Lineal y sus aplicaciones” de D. Lay.
Nuestra capacidad para resolver ecuaciones aumentará considerablemente cuando
podamos realizar operaciones algebraicas con matrices.
Definición:
Una matriz de tamaño (en algunos libros de dimensión o de orden) m x n (m, n ε ℜ) es
un cuadro (tabla o arreglo) de m. n números A ij (1 ≤ i ≤ m, 1 ≤ j ≤ n) dispuestos en m
filas y n columnas.
⎛ a11 a12 ... a1n ⎞
⎜ ⎟
⎜a a 22 ... a 2n ⎟
A = ⎜ 21 = ( A i j )m x n = ( A i j )
... ... ... ... ⎟
⎜ ⎟
⎜a ... a mn ⎟⎠
⎝ m1 a m2
Podemos definir una matriz ya sea por comprensión, es decir, se coloca una fórmula
como el elemento genérico indicando su tamaño; o bien definirla por extensión donde
pongo todos los elementos de la matriz.
Ejemplo:
9 Por comprensión:
B = (b i j ) = (2 i + j) 3 x 2
9 Por extensión:
Facultad de ingeniería - UNSa
Cátedra: Álgebra Lineal y Geometría Analítica
MSc. Adriana Zamar
⎛ b11 b12 ⎞ ⎛ 3 4 ⎞
⎜ ⎟ ⎜ ⎟
B = ⎜ b21 b22 ⎟ = ⎜ 5 6 ⎟
⎜b ⎟ ⎜ ⎟
⎝ 31 b32 ⎠ ⎝ 7 8 ⎠
La letra mayúscula indica que se trata de una matriz y la letra minúscula con doble
subíndice indica los elementos de la matriz, pero también puedo poner un solo
subíndice en los casos en que la matriz tiene una sola fila o una sola columna, y se
indica con subíndice en el caso de una fila y supraíndice en el de una columna.
∆
Vector fila = A i = (a i1 a i2 …a in)
⎛ a 1j ⎞
⎜ ⎟
( j) ⎜ a2 j ⎟
∆
Vector columna = A = ⎜
M ⎟
⎜ ⎟
⎜a m j ⎟
⎝ ⎠
Se pone (j), con paréntesis, para evitar confusión de que no se trata de una potencia.
Igualdad
Sean A, B ε ℜ m x n, pido que las dos matrices tengan el mismo tamaño.
∆
A=B ⇔ Ai j = B i j 1≤ i ≤ m ;1≤ j ≤ n
∆
Nota: El símbolo ⇔ significa equivale.
Ejemplo:
⎛1 0⎞
⎜⎜ ⎟ ≠ (1 2) → no son iguales por el tamaño
⎝12 ⎟⎠
⎛1 1 ⎞ ⎛ 1 1⎞
⎜⎜ ⎟≠⎜ ⎟ → no son iguales por el orden
⎝1 0 ⎟⎠ ⎜⎝ 0 1⎟⎠
⎛1 1 ⎞ ⎛1 1 ⎞
⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ → son iguales en tamaño, elemento y orden
⎝1 0 ⎠ ⎝1 0 ⎠
Facultad de ingeniería - UNSa
Cátedra: Álgebra Lineal y Geometría Analítica
MSc. Adriana Zamar
Operaciones
Adición de matrices:
Definición: Sean A, B ε ℜ m x n de define A + B ε ℜ m x n así:
∆
(A + B) ij
= Ai j +Bi j 1≤ i ≤ m ;1≤ j ≤ n
De la definición anterior podemos inferir que para sumar dos matrices A y B dadas
deben tener el mismo orden,
Ejemplo:
⎛a b ⎞ ⎛ e f ⎞ ⎛ a + e b + f ⎞
⎜⎜ ⎟⎟ + ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟
⎝c d ⎠ ⎝g h⎠ ⎝c + g d + h⎠
⎛ 1 − 3 4 ⎞ ⎛ − 3 1 5⎞
Actividad 2: calcula la siguiente suma de matrices: ⎜⎜ ⎟⎟ + ⎜⎜ ⎟⎟
⎝ − 2 0 − 1⎠ ⎝ 3 − 2 1 ⎠
Propiedades: Salvo que se indique lo contrario siempre se cumple para toda matriz.
A1: Ley de Cierre: se cumple por la definición de matrices: A, B ε ℜ m x n , A + B ε ℜ m x n
La suma de dos matrices del mismo orden me da como resultado otra matriz del
mismo orden que las primeras.
La matriz nula tiene todos sus elementos ceros y toma el tamaño de la matriz, en este
caso de A.
∆
(kA ) i j = k A i j 1 ≤ i ≤ m; 1≤ j ≤ n
El producto de un escalar por una matriz modifica el valor de cada uno de los
elementos de ella, es decir se realiza el producto de k por cada elemento a i j.
Ejemplo:
⎛ a a2 a3 ⎞ ⎛ ka1 ka 2 ka3 ⎞
kA = k ⎜⎜ 1 ⎟=⎜ ⎟
⎝ b1 b2 b3 ⎟⎠ ⎜⎝ kb1 kb2 kb3 ⎟⎠
Propiedades
M1: Ley de Cierre: A ε ℜ m x n y k ε ℜ, k A ε ℜ m x n
Se demuestra por la definición. Al multiplicar un escalar por una matriz A dada no se
altera el orden de la matriz resultante.
por una matriz, en el segundo miembro, el producto es entre dos números y luego por
una matriz.
Se podría mezclar M2 con M3 y tener una Ley Distributiva Generalizada, es decir:
(h + k) (A + B) = h (A + B) + k (A + B) = h A + h B + k A + k B
Luego ℜ m x n con las propiedades A1,…, A5, M1,…, M4 tiene estructura de Espacio
Vectorial y a sus elementos se los llama vectores.
Matriz Traspuesta
T
: ℜmxn → ℜmxn
A AT
Definida así: (A I j) T = A j i 1 ≤ i ≤ m; 1 ≤ j ≤ n
Ejemplo:
⎛a b ⎞
⎜ ⎟ ⎛a c e⎞
A = ⎜c d ⎟ AT = ⎜⎜ ⎟
⎜e f ⎟ ⎝b d f ⎟⎠
⎝ ⎠
Propiedades:
T1: (A + B) T = A T + B T
T2: (k A) T = k A T
De T1 y T2 se deduce: (k A + h B) T = k A T + h B T
Se llama propiedad lineal porque combino las dos operaciones (suma y producto)
entonces k A + h B es una Combinación Lineal (C. L.)
T
T3: AT =A
T4: (A. B) T = B T A T
Producto de Matrices
Si A ∈ ℜ mxn y B ∈ ℜ nxp entonces :
Ai B ( j ) = a i 1 b1 j + a i 2 b2 j + ... + a in bnj
y por definición
(A B )ij = 〈 Ai / B ( j ) con 1 ≤ i ≤ m 1≤ j ≤ p
Facultad de ingeniería - UNSa
Cátedra: Álgebra Lineal y Geometría Analítica
MSc. Adriana Zamar
n
O bien: ( A B ) ij = ∑a
k =1
ik bkj
Propiedades
P1: Asociativa: (A B) C = A (B C) = A B C
P2: Distributivas: (A + B) C = A C + B C
A (B + C) = A B + A C
⎛1 1⎞ ⎛ 0 1 ⎞ ⎛1 1⎞
⎜⎜ ⎟⎜ ⎟=⎜ ⎟
⎝0 1⎟⎠ ⎜⎝ 1 0 ⎟⎠ ⎜⎝1 0 ⎟⎠
vemos que el resultado es diferente, con lo cual matrices
⎛0 1 ⎞ ⎛ 1 1⎞ ⎛ 0 1⎞
⎜⎜ ⎟⎜ ⎟=⎜ ⎟
⎝1 0 ⎟⎠ ⎜⎝ 0 1⎟⎠ ⎜⎝ 1 1⎟⎠
Matriz Unidad
⎛1 0 0 K 0⎞
⎜ ⎟
⎜0 1 0 K 0⎟ ⎧1 si i = j
I n = I nxn =⎜ = (δ ij ) donde δ ij = ⎨
M M O M⎟ ⎩0 si i ≠ j
nxn
M
⎜ ⎟
⎜0 0 0 K 1 ⎟⎠
⎝
Propiedades
1) A mxn . I n =A
2) I n . A mxn = A
3) I n . A nxn = A nxn . I n =A
Inversa en ℜn x n
Sea A nxn diremos que B nxn es inversa de A si: A B = B A = I
Unicidad de la inversa
Sean B y C inversas de A, o sea:
AB=BA=I (&)
AC=CA=I ($)
B = B I = B ( A C) = (B A) C = I C = C → B = C
Así, si existe inversa, ésta es única y la denotaremos como A-1.
Propiedades:
1: (A + B) – 1 = A – 1 + B – 1
2: (k A) – 1 = k A – 1
De T1 y T2 se deduce: (k A + h B) – 1 = k A – 1 + h B – 1
Se llama propiedad lineal porque combino las dos operaciones (suma y producto)
entonces k A + h B es una Combinación Lineal (C. L.)
−1
3: A −1 =A
4: (A . B) – 1= B– 1 A– 1
Facultad de ingeniería - UNSa
Cátedra: Álgebra Lineal y Geometría Analítica
MSc. Adriana Zamar
Ejemplo:
Vamos a calcular la inversa por definición:
⎛ 2 1⎞
Dada A = ⎜⎜ ⎟⎟ si es inversible, calcula A-1.
⎝ 1 1 ⎠
A. A-1 = A-1. A = I
⎛x y⎞
Como la inversa no la conocemos, entonces: A −1 = ⎜⎜ ⎟ como A. A-1 = I
⎝s t ⎟⎠
⎧2 x + s = 1
⎪x + s = 0
⎛ 2 1⎞ ⎛ x y ⎞ ⎛ 1 0⎞ ⎛ 2 x + s 2y + t ⎞ ⎛ 1 0 ⎞ ⎪
⎜⎜ ⎟⎟ ⎜⎜ ⎟=⎜ ⎟ ⇒ ⎜⎜ ⎟=⎜ ⎟ ⇒ ⎨
⎝ 1 1⎠ ⎝ s t ⎟⎠ ⎜⎝ 0 1 ⎟⎠ ⎝ x +s y + t ⎟⎠ ⎜⎝ 0 1 ⎟⎠ ⎪2y + t = 0
⎪⎩y + t = 1
Operaciones Elementales:
O. E. 1: Intercambio de dos filas distintas entre sí.
O. E. 2: Multiplicación de una fila por un escalar no nulo.
O. E. 3: Sumar a una fila un múltiplo de otra.
Facultad de ingeniería - UNSa
Cátedra: Álgebra Lineal y Geometría Analítica
MSc. Adriana Zamar
⎧a1 x + a 2 y = p
⎨
⎩b1 x + b2 y = q
⎛ a1 a 2 p⎞ ⎛ b b2 q⎞
⎜⎜ ⎟⎟ b ⎯⎯ ⎯→⎜⎜ 1
O.E .1
⎯ ⎟
⎝ b1 b2 q⎠ ⎝ a1 a 2 p ⎟⎠
xk
⎛ a1 a2 p⎞ ⎛ ka ka 2 kp ⎞
⎜⎜ ⎟ ⎯⎯ ⎯→⎜⎜ 1
O.E .2
⎟
⎝ b1 b2 q ⎟⎠ ⎝ b1 b2 q ⎟⎠
⎛ a1 a2 p⎞ ⎛ a1 a2 p ⎞
⎜⎜ ⎟⎟ ↓ h ⎯⎯ ⎯→⎜⎜
O.E .3
⎟
⎝ b1 b2 q⎠ ⎝ b1 + ha1 b2 + ha 2 q + hp ⎟⎠
Volviendo a (&)
⎛2 1 M 1 0⎞
⎜⎜ ⎟⎟ le sumo a la segunda fila la primera multiplicada por – ½ (O. E.3)
⎝ 1 1 M 0 1⎠
⎛2 1 M 1 0⎞
⎜ 1 1 ⎟ a la segunda fila la multiplico por 2 (O. E.2)
⎜0 M − 1⎟
⎝ 2 2 ⎠
⎛2 1 M 1 0⎞ ⎛ 2 0 M 2 − 2⎞
⎜⎜ ⎟⎟ A la primera fila le resto la segunda ⎜⎜ ⎟⎟
⎝ 0 1 M − 1 2⎠ ⎝0 1 M − 1 2 ⎠
Como necesito tener todas las variables despejadas, es decir que el primer bloque se
convierta en la matriz unidad, entonces multiplico a la primera fila por ½.
⎛ 1 0 M 1 − 1⎞
⎜⎜ ⎟⎟
⎝0 1 M − 1 2 ⎠
Obtuvimos en el primer bloque la matriz I, entonces el segundo bloque es la inversa,
vamos a verificar:
⎛ 1 − 1⎞ ⎛ 2 1⎞ ⎛ 1 0 ⎞
A −1 A = ⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ = I
⎝ − 1 2 ⎠ ⎝ 1 1⎠ ⎝ 0 1 ⎠
Esto nos muestra que hemos trabajado bien ya que efectivamente encontramos la
inversa de A, y además es única, usando el esquema: [A M I ] O.E .
⎯⎯⎯→ [I M A]
¿Cómo nos damos cuenta de que no hay inversa?
Facultad de ingeniería - UNSa
Cátedra: Álgebra Lineal y Geometría Analítica
MSc. Adriana Zamar
⎛ 1 1⎞ ⎛1 1 M 1 0 ⎞
Supongamos A = ⎜⎜ ⎟⎟ si ponemos la matriz ampliada: ⎜⎜ ⎟⎟ a la segunda
⎝ 1 1⎠ ⎝1 1 M 0 1 ⎠
⎛ 1 1 M 1 0⎞
fila le restamos la primera fila, entonces: ⎜⎜ ⎟⎟
⎝ 0 0 M − 1 1⎠
Podemos ver que la última ecuación, viendo el primer subsistema, es: 0 x + 0 s = –1,
es decir, 0 = – 1 lo que es imposible. Lo mismo ocurre si es el segundo subsistema:
0 y + 0 t = 1; con lo cual el sistema no tiene solución.
Matrices Especiales
Sea A ε ℜ n x n definimos:
A es idempotente ≡ A2 = A
A es involutiva ≡ A = I
Nota: la matriz A coincide con su inversa, es decir: A−1 = A
A es nilpotente ≡ A k = 0 para algún k ε Ν, donde k = índice de nilpotencia.
A es ortogonal ≡ A T A = A A T = I (A−1 = AT)
A es simétrica ≡ A T = A
a j i = a i j (los elementos con respecto a la diagonal principal deben ser iguales)
⎛ a11 b c K α ⎞
⎜ ⎟
⎜ b a 22 K K β ⎟
⎜ c K K K ⎟
⎜ ⎟
⎜ M O L ⎟
⎜ ⎟
⎝ α β K O a nm ⎠
A es antisimétrica ≡ A T = – A
a ji = – a ij ⇒ aii= – a ii ⇒ aII= 0
⎛ 0 b c⎞
⎜ ⎟
Por ejemplo si A es de 3 x 3: ⎜ − b 0 d ⎟
⎜ − c − d 0⎟
⎝ ⎠
A es Triangular superior ⇔ i > j ⇒ a I j = 0 (debajo de la diagonal principal hay ceros).
A es Triangular inferior ⇔ i < j ⇒ a I j = 0 (arriba de la diagonal principal hay ceros).
Definiciones:
Dada A ε ℜ m x n, podemos expresar la matriz de la siguiente manera:
⎛ A1 ⎞
⎜ ⎟
⎜ A2 ⎟
A=⎜
M ⎟
= ⎡ A (1) A ( 2 ) K A (n )
⎢⎣
]
⎜ ⎟
⎜A ⎟
⎝ m⎠
Facultad de ingeniería - UNSa
Cátedra: Álgebra Lineal y Geometría Analítica
MSc. Adriana Zamar
rf (A) = = rc (A)
⎛1 2 0 ⎞ ⎛1 2 0 ⎞ ⎛1 2 0 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟
Ejemplo: ⎜ 2 0 − 1⎟ ⎜ 0 − 4 − 1⎟ ⎜ 0 − 4 − 1 ⎟ ⇒ rf = 3 y rc = 3
⎜ 1 − 2 3 ⎟ ⎜ 0 − 4 3 ⎟ ⎜ 0 0 − 16 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
Bibliografía: