Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Matrices para Los Papus 1 PDF
Matrices para Los Papus 1 PDF
ÁLGEBRA LINEAL
MATRICES
Integrantes:
Carrillo Arenas Juan Sebastian 18140038
Choqque Guizado, Luis Angel 18140118
Cordero Vílchez Luis 18140126
Córdova Maldonado Eduardo Miguel 18140039
Cueva Alvites Carlos Owen 18140119
Mirano Caro Mitchell Jery 18140044
Évariste Galois
4
Índice
MATRICES 1
Suma 2
Producto de matrices 5
Matrices elementales 6
Equivalencia de matrices 7
Sistemas lineales 7
Matriz Inversa 10
Bibliografía 23
5
6
MATRICES
Una matriz es un arreglo bidimensional de números (llamados entradas de la matriz)
ordenados en filas (o renglones) y columnas, donde una fila es cada una de las líneas
horizontales de la matriz y una columna es cada una de las líneas verticales. A una matriz
con m filas y n columnas se le denomina matriz m por n (escrito m x n) donde m, n
∈N − {0} . El conjunto de las matrices de tamaño m x n se representa como M mxn (K),
donde K es el campo al cual pertenecen las entradas. El tamaño de una matriz siempre se da
con el número de filas primero y el número de columnas después.
Se denota a las matrices con letra mayúscula, mientras que se utiliza la correspondiente
letra en minúsculas para denotar a las entradas de las mismas, con subíndices que refieren al
número de fila y columna del elemento. Por ejemplo, al elemento de una matriz A de
tamaño nxm que se encuentra en la fila i- ésima y la columna j –ésima se le denota como aij ,
1≤i ≤ n y 1≤j ≤ m
Ejemplos
Suma
Se define la operación de suma o adición de matrices como una operación binaria +:
M n*m (K) x M n*m (K) → M n*m (K) tal que (A, B ) →C = A + B y donde cij = aij + bij en el
Propiedades
Sea A, B , C ∈M nxm (K) , donde k es un campo entonces se cumplen las siguientes
propiedades para la operación binaria +
Asociativa
(A+B) +C = A+(B+C)
Demostración
Dada la definición de la operación binaria +,se sigue el resultado ya que
(a ij )
+ bij + cij = aij + (bij + cij ) debido a que aij , bij , cij ∈K para todo i, j
Conmutatividad
(A+B)=(B+A)
Demostración
Dada la definición de la operación binaria +,se sigue el resultado ya que
(a ij )
+ bij = (bij + aij ) debido a que aij , bij ∈K para todo i, j
8
Tómese 0 ∈ M n*m (K) tal que (0 ij = 0K ) ∈K para cualquier i, j donde ese último
es el elemento neutro aditivo en el campo, el cual existe necesariamente. Entonces para
cualquier A ∈ M n*m (K) se sigue que A + 0 = A ya que
aij + 0ij = 0ij + aij = aij ∈K para todo i, j .
Dada A ∈ M n*m (K) tómese D ∈ M n*m (K) tal que A+D = 0. Entonces
aij + dij = 0ij = 0k , luego , por las propiedades de campo dij = − aij donde − aij es el
Ejemplo
Sea A ϵ M 2x3 (R) y 2 ε R
2 [1 8 − 3 4 − 2 6 ] = [2(1) 2 (8) 2(− 3) 2(4) 2(− 2) 2(6) ] = [2 16 − 6 8 − 4 12 ]
Se puede observar que el producto por un escalar da como resultado una matriz del tamaño que
la original
Propiedades
Sean A, B ∈ M nxm (K) y λ, μ ϵ K, donde K es un campo, entonces se cumplen las siguientes
9
Dada la definición de la operación se sigue el resultado ya que (λμ) aij = λ(μaij ) debido
a que aij ϵ K para todo i,j.
( )
λ aij + bij = λaij + λbij debido a que aij , bij ϵ K para todo i, j
Por cómo se definió la operación de producto por escalares se dice M nxm (K) es un
espacio vectorial con las operaciones de suma y producto pro escalares definidas antes.
Además, con lo definido anteriormente se puede demostrar:
( − λ)A = λ(− A)
Demostración
Dada la definición de la operación se sigue el resultado ya que
( )
(− λ) aij = (− 1k (λ)) aij = (λ (− 1k )) aij = λ(− aij ) debido a que aij ϵ K para todo i, j
Producto de matrices
El producto de matrices proviene de la composición aplicaciones lineales. Para esta
aplicación el tamaño de la matriz corresponde con las dimensiones de los espacios vectoriales
entre los cuales se establece la aplicación lineal, es así como es el producto de matrices se
representa la composición de aplicaciones lineales.
En ciertas bases tenemos que f: V W se puede representar como f(x)=Ax donde x es la
representación de un vector de V en la base que se haya elegido para V en forma de vector
columna. Si tenemos dos aplicaciones lineales f:V W y g: W U entonces f(x) = Bx y g(x)
=Ax, luego la aplicación g o f : V U se representará como g o f (x) = g(f(x))= g(Bx)=ABx
donde AB es el producto de las representaciones matriciales de f,g . Nótese que la
composición no se puede dar entre cualquier aplicación sino entre aplicaciones que vayan de
V W U.
Sean AϵM nxm (K) y BϵM mxp (K) . Se define el producto de matrices como una función
m
M nxm (K) x M mxp (K) M nxp (K) tal que (A,B) C =AB y donde ∑ aik bkj para toda i,j es
k=1
decir cij = ai1 b1j + ai2 b2j + ai3 b3j + …+ aim bmj . Por ejemplo, la entrada
Propiedades
Sean A, B y C matrices con entradas en K, donde K es un campo, entonces se cumplen
las siguientes propiedades para el producto de matrices (considerando que los productos
existan)
Asociativa
A(BC)=(AB)C
Demostración
11
(AB)C = SC =T debido a que aik , bkl , clj ∈K para todo i,j. Aquí estamos considerando que A
Matrices cuadradas
Una matriz cuadrada es una matriz que tiene el mismo número de filas que de columnas. El conjunto de
todas las matrices cuadradas n-por-n junto a la suma y la multiplicación de matrices.
[ . .
A= a11 a12 . . . a21 a22 . . . .. an1 .. an2 ⋱ . . . a1n a2n a3n ann ]
Matriz nula
[ . .
A= 0 0 . . . 0 0 . . . .. 0 .. 0 ⋱ . . . 0000 ] A= [0 0 0 0 ] A= [0 0 0 ] A= [0 0 0 ]
Una matriz cuadrada cuyos elementos aij= 0 para i>j se llama matriz triangular superior.
[ . .
A= a11 a12 . . . . . . 0 a22 . . . · · · .. 0 0 .. 0 0 ⋱ · · · 0 ⋱ 0 0
.
a1n a2n a3n .. ann ]
Matriz triangular inferior
Una matriz cuadrada cuyos elementos aij= 0 para i<j se llama matriz triangular inferior.
[ . . .
A= a11 0 0 . . . a21 a22 0 . . . a31 .. an1 a32 .. an2 ⋱ .. .. ⋱ an3 . . .
.
0 0 0 .. ann ]
Matriz diagonal
A= [1 0 0 0 1 0 0 0 1 ]
I= [1 0 0 1 ] I= [1] I= [1 0 0 0 1 0 0 0 1 ] I=
[1 0 0 0 0 1 0 0 0 0 0 0 1 0 0 1 ]
Matriz escalar
Matriz ortogonal
Una matriz A∈ M n (R) , real y cuadrada, es ortogonal si su inversa coincide con su transpuesta, es decir
A−1 = At
t
[a b c d ] [a c b d ] = [1 0 0 1 ]
Propiedades
13
Matriz transpuesta
At ij = Aij
En donde el elemento aji de la matriz A se convertirá en elemento aij de la matriz transpuesta At
Ejemplo
A = [1 2 3 4 5 6 ] At = [1 3 5 2 4 6 ]
Propiedades
Involutiva
Se recurre a la definición de transposición elemento a elemento, sean aij dichos elementos, denotando
t t t
por A= (aij )ij a la matriz, se tiene (At ) = ((aij ) ij ) = A
Distributiva
Sean A y B matrices
(A+B)t =At+Bt
Demostración
Denotado por A= (aij )ij , B= (bij )ij y A+B = (cij )ij donde (cij )ij = (aij )ij + (bij )ij , se tiene
t
(A+B)t = (cij ) ij = (cij )ij =( (aij + bij )ij = (aij )ij + (b)ij = At + B t
Lineal
(cA)t = cAt
Demostración
Sea dij = caij , con esta notación se tiene cA = (dij )ij , por transposición queda
t t
(cA) = (dij ) ij = (dij )ij = (caij )ij = cAt
Producto A y B
(AB)t = BtAt
14
Demostración
Se recurre a la definición de producto matricial, sean A= (aij )ij , B== (bij )ij y AB== (cij )ij por
definición
r r
cij = ∑ aik bkj por transposición queda cji = ∑ aki bjk coincide con la definición
k=1 k=1
Matriz simétrica
Una matriz es simétrica si es una matriz cuadrada, la cual tiene que ser igual a su transpuesta.
A=At
Ejemplo:
A= [− 8 − 1 3 − 1 7 4 3 4 9 ] = At= [− 8 − 1 3 − 1 7 4 3 4 9 ]
Propiedades
Matriz asimétrica
Una matriz es anti simétrica si es una matriz cuadrada, la cual tiene que ser igual a su transpuesta
negativa.
-A=At
Ejemplo:
A= [0 − 2 4 2 0 2 − 4 − 2 0 ] = At= [0 2 − 4 − 2 0 − 2 4 2 0 ] =− A
Propiedades
La diagonal se conserva.
Matriz idempotente
AxA =A
Ejemplo
A= [1 0 3 0 ] AxA =
[1 0 3 0 ][1 0 3 0 =
] [1 (1) + 3(0) 1 (0) + 0(0) 3 (1) + 0(3) 3 (0) + 0(0) ] = [1 0 3 0 ]
Matriz involutiva
A2=I
A= [1 − 1 0 − 1 ] AxA =
[1 − 1 0 − 1 ] [1 − 1 0 − 1 ] = [1 (1) − 1(0) 1 (− 1) − 1(− 1) 0 (1) + 0(0) − 1 (− 1) − 1(− 1) ] =
[1 − 1 0 − 1 ]
Matrices elementales
La matriz elemental se define de la siguiente manera:
Una matriz cuadrada E de n×n se denomina matriz elemental si se puede obtener a
partir de la matriz identidad ( I n ) de n×n mediante una sola operación elemental con
renglones.
Una matriz elemental se denota por E , o por P ij de acuerdo con la forma en que se
Equivalencia de matrices
Diremos que la matriz Bm×n es
equivalente a la matriz Am×n si
y solo si, B puede
obtenerse efectuando un número finito de operaciones elementales sobre A.
Notación:
B ~A se lee “B es equivalente a A”
Sistemas lineales
Un sistema de ecuaciones lineales es un conjunto de ecuaciones lineales que tienen mas de
una incógnita. Las incógnitas aparecen en varias de las ecuaciones, pero no necesariamente
en todas. Lo que hacen estas ecuaciones es relacionar las incógnitas entre sí.
Sistema incompatible
✔ No tiene solución
✔ (a ÷ m) es igual (b ÷ n) diferente a (c ÷ p)
. .
. .
. .
am1x1 +
am2x2 +
…… + amnxn =
bm
18
que luego se lograron escribir de forma matricial por la facilidad para poder trabajar
con esta herramienta y llegar a una solución.
[1 − 3 0 5 0 4 0 0 1 2 0 − 7 0 0 0 0 1 1 0 0 0 0 0 0 ]
19
[1 − 3 5 3 0 1 2 2 0 0 0 − 1 ]
Matriz Inversa
Definición: Una matriz se llama inversible, si existe una matriz cuadrada tal que
AB=I=BA, entonces se puede afirmar que B es la inversa de A, sino solamente cualquiera de
ellas.
Definición: Sea A ϵ Knxn una matriz tal que LA: Knx1
Knx1 es inyectiva, entonces
existen matrices elementales Ej; tales
que:
EkEk-1...E1A=I
Al
Multipli
multipli Representac
Matriz car A
Representac
car A ión de la
elemental por la ión
por la operación
E izquierd
simbólica
izquierd inversa
a por E −1
a E
Multipli Multipli
ca la fila ca la fila
Multiplicaci cRi (1/c)Ri
i de A i de A
ón
por c ≠0 por 1/c
Multipli Multipli
ca la fila ca la fila
i de A i de A
Rj + cRj Ri-cRj
por c y por -c y
Suma
lo suma lo suma
a la fila j a la fila j
Permuta Permuta
Permutació las filas i Pij las filas i Pij
n y j de A y j de A
Teorema:
Si a una matriz A de tamaño m×n se le aplica una operación de renglón, la matriz
resultante es el producto E A , donde E es la matriz elemental m×m que se obtiene de la
identidad I m al aplicarle la misma operación de renglón.
Matriz elemental y matriz inversa
Teorema: una matriz cuadrada es invertible si y solo si es el producto de matrices
elementales.
21
Demostración.
Se A = E1.E2……….Em donde Ei es una matriz elemental. Por el teorema (AB)-1= A
-1 -1
B
podemos afirmar que A tiene inversa debido a que cada Ei es invertible y la inversa de A sería
el producto de las inversas de cada Ei.
A = E 1−1 E 2−1 ……E −1
m
Por otra parte, si A es una matriz invertible entonces A es equivalente por reglones a I
en tal caso a A se puede reducir a I mediante un número finito de operaciones elementales lo
cual equivale a multiplicar a A por una serie de matrices elementales.
EmEm-1……..E2E1A=I
Basándonos en el siguiente teorema AB=I entonces B=A-1 de donde podemos concluir
que A−1 = E m··· . . . E 2 E 1 y como la inversa de una matriz elemental es otra matriz elemental
podemos escribir A de la siguiente manera.
−1
A = (A−1 ) = E −1
m ………E 2 E 1
En ese proceso se puede reducir una matriz a la forma escalonada por renglones.
Recuerde que la forma escalonada por renglones de una matriz cuadrada es una matriz
triangular superior con unos y ceros en la diagonal principal. A manera de ejemplo, la forma
escalonada por renglones de una matriz de 3×3 se ve como sigue:
(1 x x 0 1 x 0 0 1 ) o (1 x x 0 1 x 0 0 0 ) o (1 x x 0 0 1 0 0 0 ) o
(1 x x 0 0 0 0 0 0 ) o (0 1 x 0 0 1 0 0 0 )
(0 0 1 0 0 0 0 0 0 ) o (0 0 0 0 0 0 0 0 0 )
Para los propósitos de esta sección se pretende reducir por renglones una matriz a la
forma triangular superior donde los números diferentes de cero en la diagonal principal no
son necesariamente unos. Esto se logra no insistiendo en que cada pivote sea igual a 1.
Ejemplo:
Encuentre la factorización LU de la matriz A .
A = (2 3 2 4 4 10 − 4 0 − 3 − 2 − 5 − 2 − 2 4 4 − 7 )
Reducir A por renglones a una matriz triangular superior y después escriba como un
producto de una matriz triangular inferior y una matriz triangular superior.
Solución:
(2 3 2 4 4 10 − 4 0 − 3 − 2 − 5 − 2 − 2 4 4 − 7 ) R2 − 2R1 R3 − 12 R1 R4 − R1
(2 3 2 4 0 4 − 8 − 8 0 5/2 − 2 4 0 7 6 − 3 ) R3 − 52 R2 R4 − 74 R2
23
20
(2 3 2 4 0 4 − 8 − 8 0 0 3 9 0 0 20 11 ) R4 − R
3 3
(2 3 2 4 0 4 − 8 − 8 0 0 3 9 0 0 0 − 49 ) = U
Teorema de la factorización LU
Sea A una matriz cuadrada ( n×n ) y suponga que A se puede reducir por renglones a
una matriz triangular U sin hacer alguna permutación entre sus renglones. Entonces existe
una matriz triangular inferior L invertible con unos en la diagonal tal que A = LU . Si,
además, U tiene n pivotes (es decir, A es invertible), entonces esta factorización es única.
determinan la matriz:
[ ]
A = aij ∈ Ҝmxn
1. En las bases canónicas {e1, e2} de R2 y { e1′ , e2′ , e3′ } de R3, tenemos
T(e1) = (1,1,2) = e1′ + e2′ + 2e3′
T(e2) = (1, -1, -3) = e1′ − e2′ − 3e3′ .
Luego
A = [1 1 1 − 1 2 − 3 ]
Entonces
T(ʋ1) = (8,-2,-9) = -45 w1-19
w2 +
62 w3
T(ʋ2) = (5,-1,-5) = - 26 w1 -11 w2 +36 w3
Luego, la matriz asociada a T e n las bases {ʋ1, ʋ2} y {w1 , w2 , w3} e s
B = [− 45 − 26 − 19 − 11 62 36 ]
Como puede notarse en este ejemplo, las matrices asociadas a una transformación lineal
son muchas.
Proposición 3.5.1. Con las notaciones dadas al inicio de esta sección, la aplicación
ϕ:L ( V,W)→ Ҝmxn
Τ→ A
establece un isomorfismo (canónico) entre K-espacios vectoriales.
Demostración.
La aplicación ϕ e s una transformación lineal, como se comprueba fácilmente. Los conjuntos
L ( V,W) y Ҝmxn son espacios de igual
dimensión (mn) . Luego, para probar que ϕ e s un isomorfismo, será suficiente establecer que
ϕ e s inyectiva.
Si ϕ (T) =
A = 0 (matriz cero), entonces los coeficientes en la representación de T(ʋ i) son
todos ceros, es decir T(ʋi) = 0 , para cada j =
1,2, ,n. Como T se anula en una base, entonces T = 0 . Por lo tanto,
N(ϕ) ={0} Esto prueba que ϕ es inyectiva, y por lo que se dijo líneas atrás, es un
isomorfismo.
El isomorfismo ϕ t iene también la siguiente importante propiedad:
U L→ V T → W
Demostración.
Dadas {u1,…..,up}, { ʋ1,. , ʋn} y { w1 ; . , wm } bases
de U, V y W, respectivamente, se tiene que
n
L (uk ) = ∑ bjk ʋj , k = 1, 2, …., p
j=1
m
( )
T v j = ∑ aij wi , j = 1, 2, …., n
i=1
Luego
T o L (uk ) = T ( n
∑ bjk ʋj
j=1
) n
= ∑ bjk T (ʋj ) = ∑ bjk
j=1
n
j=1
(
m
∑ aij wi
i=1
)
m n
= ∑ ( ∑ bjk a )wi
i=1 j=1 ij
V s e calcula con
Cuando V = W, la matriz asociada a una transformación lineal T: V →
respecto a una sola base {ʋ1, ,ʋn} y así
m
( )
T v j = ∑ aij ʋi , j = 1, 2, …., n
i=1
no sólo posee las propiedades de una transformación lineal, sino que respeta el producto, pues
ϕ (T) ϕ (L), p ara todo T,L∈
ϕ (T o L) = End(V).
Proposición 3.5.3.
Sea V un espacio vectorial con d im V = n, T ∈ End(V) y A la matriz asociada a T en
alguna base. Entonces T es un isomorfismo si y sólo si A es inversible.
26
Demostración.
Supongamos que T e s un isomorfismo, entonces es inversible (proposición 2.3.4), luego
End(V) tal que LoT = I = ToL. A
existe L ∈ plicando ϕ
t enemos que
AL . A = I = A .AL ( AI = I) .
Así, A es inversible.
Proposición
Sean V y W dos K -espacios de dimensión finita, con sendas bases {ʋ1, ,ʋn} y { w1; . , wm }, y
nx1 mx1
Ҝ , Ҝ con las bases canónicas { e1,……, en}, { e1′ , ……., em′ , }, respectivamente.
Si T: V → W es una transformación lineal con matriz asociada A en las bases dadas,
entonces:
1 El diagrama de espacios vectoriales y transformaciones lineales
U L→ V
Ҝnx1 LA → Ҝmx1
donde
ϕ ( ʋIj ) =
ej , para j=1,2,……,n
2. rc ( A ) =
dim[T(V)]
Demostración.
y ϕ ' son isomorfismos definidos por
1. En primer lugar observamos que ϕ
n n m m
∑ xj ej ,
ϕ ( ∑ xj ʋj ) = ϕ’ ( ∑ y i wi ) = ∑ y i e′i ,
j=1 j=1 i=1 i=1
1. Dos matrices A,B ∈ Ҝmxn son equivalentes si existen matrices inversibles Q ∈ Ҝmxm y
P∈ Ҝnxn tales que
B = QAP
2. Dos matrices A, B ∈ Ҝnxn son semejantes si existe una matriz inversible P ∈ Ҝnxn tal que
B = P-1 AP.
3. Dos matrices A, B ∈ Ҝnxn son congruentes si existe una matriz inversible P ∈ Ҝnxn tal
que
B = tPAP.
n
wk = ∑ lk v k = 1, 2, …., n
i=1 l
P = [ ij ] y Q= [ lk ]
La matriz P se llama matriz de cambio de base de Γ en Ω, y la matriz Q s e llama matriz de
cambio de base de Ωen Γ.
Demostración.
28
1. En efecto,
n n n n n
vj = ∑ ij w i , ∑ ij ( ∑ lk v ) ∑ ( ∑ lk ij )v l
j=1 i=1 l=1 l l=1 i=1
En consecuencia QP = I.
2. Se tiene que
n
v = ∑ y j wj
j=1
y
n n n n n
v = ∑ xi v i ∑ xi ( ∑ ij w j ) ∑ ( ∑ ij xi )w j
i=1 i=1 j=1 j=1 i=1
Luego Pxv=
yv . Aplicando (1) se obtiene que Qyv = xv
Proposición
on las notaciones dadas, se tiene que
C
A = Q-1 B P
Demostración.
Calculamos
m m n n m
( )
T v j = ∑ aij wi = ∑ aij ( ∑
i=1 i=1 k=1
ki e′ ) ∑ ( ∑
k k=1 i=1
ki aij )e′k
n n m m n
( )
T vj = ∑
l=1
lj T (el ) ∑
l=1
lj ( ∑ bkl e′k ) ∑ ( ∑
k=1 k=1 l=1
lj bkl )e′k
m n
∑ ki aij ∑ lj bkl
i=1 l=1
Por lo tanto,
QA = B P
F (A)=
L{ a1,…
. .., am }
es un subespacio de Ҝ1xn , mientras que el espacio de columnas
es un subespacio de Ҝmx1 . Como los enteros m≥1, n≥1 son arbitrarios, los
espacios F
(
A) y C (A) s on distintos en general, pero
Con la notación conocida rf (A) = dim F (A) para el rango por filas de A, y
rc(A)= dim C (A) para el rango por columnas de A.
Proposición 3.7.2. Dada una matriz A ∈ Ҝmxn , sea N(A) = {x ∈ Ҝnx1 /Ax = 0}.
Entonces
n = d imN(A) + rc(A).
Demostración.
Consideremos la transformación lineal
LA : Ҝnx1 → Ҝmx1 , definida por
Ax, donde x∈ Ҝnx1 , que en función de las columnas de A, s e puede escribir
LA (x) =
como
30
n
( )∑xA
La v j
j=1
j j
Demostración.
La transformación lineal
LB : Ҝnx1 → Ҝmx1
Sea C la matriz asociada a LB en las citadas bases, entonces por la proposición 3.6.2
QC = BP.
Luego
31
P AQ = [I 0 0 0 ]
Q′BP ′ = [I 0 0 0 ]
En consecuencia,
Q'BP'= QAP
de donde
sto prueba que Ay B s on equivalentes.
A = (Q-1Q')B(P,P-1). E
Bibliografía