Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • E51d8-Tema1 Matrices Ok Ntem

    Cargado por

    miguel angel rodriguez garcia
    11 vistas26 páginas

    Título original

    e51d8-Tema1 Matrices Ok Ntem

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Denunciar este documento

    Copyright:

    © All Rights Reserved
    Descargue como PDF o lea en línea desde Scribd
    Marcar por contenido inapropiado
    11 vistas26 páginas

    E51d8-Tema1 Matrices Ok Ntem

    Cargado por

    miguel angel rodriguez garcia

    Copyright:

    © All Rights Reserved
    Descargue como PDF o lea en línea desde Scribd
    Marcar por contenido inapropiado
    de 26
    Capitulo 1 Matrices 1.1. Definicién e interpretacién: qué es, c6mo se interpreta, para qué sirve. Qué es: una matriz es una ordenacién conoreta de ntimeros por filas y se representan entre paréntesis. Formalmente y de forma , una matriz, IIamémosla A, es un objeto matematico de la forma a1 a2 An an an 2, Gynt nd enn donde a, € K, para i = 1,2,...,m,j = 1,2,....n, donde n,m niimeros naturales y Kun cuerpo, Esto se puede escribir de forma abreviada como (a,;) dotallando el recorrido de los subindices en caso de que fuera De dénde surge: Las matrices surgen de la necesidad de simplific escritura de un sistema de ecuaciones lineales. Por ejemplo, el sistema ayy + Aye, at AinTn bh Gyr, + at, +..+ Arntn = by Amit, + Amatz to Amntn = bm Matrice queda representado univocamente (sin lugar a dualidades) por la matriz, an a ay bj aq, a2 Gyn by Any m2 Ginn bin y es obvia la simplificacién que supone este tipo de es Para qué sirve: Como ya hemos dicho, sirve para simplificar la escritura de un sistema de ecuaciones, pero ademas, este descubrimiento inocente ha resultado ser una herramienta realmente poderosa pata representar funciones lineales, formas bilineales, formas cuadrdticas, o trabajar con espacios vectoriales. Todo ello lo veremos en distintos temas de este curso. Ademés, las matrices tienen aplicaciones en otros campos: series temporales, cadenas de Markov, estructuras de dependencia (varianzas y covarianzas), grafos, o sus aplicaciones en el céleulo con las matrices Hessiana y Jacobiana. Video Externo: Matrices - qué son, como se interprotan, para qué sirven 1.2. Vocabulario basico I. 1.2.1, Tamafio, dimension y orden. E] tamafio de una matriz es la cantidad de filas y columnas de dicha matriz (y ademas, en ese orden). Por lo tanto, utilizando la notacién arriba, el tamano de la matriz A es m x n. Tamafio, dimensién y orden son sinénimos. Al conjunto de matrices de tamaiio m x n cuyos elementos estan en el cuerpo K lo denotamos por My, .(K). 1.2.2, Matriz fila y matriz columna. Una matriz fila es una matriz del conjunto Mi,(K), de tamagio 1 x n, es decir, esta formada por una sola fila, F=(a @ .. a,) 1.2 Vocabu io basi ol. 7 Una matriz, columna es una matriz del conjunto My,a(K), de tan m x 1, es decir, esta formada por una sola columna, a a On, Ejemplos de matriz fila serfan, (2-4) (21-1) (233-5) y matrices columna, 1.2.3. | Matriz cuadrada. Una matriz. cuadiada es aquella en la que m = n, es decir, que tiene la misma cantidad de filas que de colummes, ay ap an an Gx an Gn. Gna Ayn, dice entonces que A es una matriz cuadrada de orden n. Al conjunto de matrices cuadradas de orden n, cuyos elementos estén en el cuerpo Ky, lo denotamos por M,(K’). Diagonal principal y diagonal secundaria. La diagonal principal de una matriz es la formada por los elementos posicionados en un mismo orden, en fila y columna. Es decir, por a1), 422, .--,@nn- La onal secundaria es Ja diagonal que se forma en sentido contrario al de la diagonal principal, es decir, la que forman los elementos aj, @2{n~1),---,@n1- Esto se puede escribir de forma mas rigurosa diciendo que los elementos de la diagonal principal son los de la forma aj; y los de la diagonal secundaria, los a,, para los 8 Matri cuales i+ j = n+ 1, donde n es el orden (ta la matriz. Para que quede claro, la diagonal principal serfa, y las diagon, 1 2] 4 1 Nota: la mayorfa de los textos enlazan el concepto de diagonal prineipal / diagonal secundaria con la presuposicién de estar trabajando con una matriz cuadrada. Sin embargo (y quiz cometiendo un abuso de notacién), a menudo nos referiremos a las diagonales principal / secundaria de una matriz no cuadrada como aquellas formadas por los elementos aj, y a4; (i +j =n +1), como se definié en el parrafo anterior. 1.2.4. Matriz triangular. Una matriz triangular es aquella que tiene ceros por debajo o por encima de la diagonal principal. Una matriz triangular superior es cualquiera de las que sigue, b 231 1 21 f 4 : 025 2 0 -3 D a 00-4 -1 oo 0 1 y una matriz triangular inferior, 2 0 0 0 G 0 ) 3 ; t 1 2 00 1-3 214 -4 -1 -4 0 1.2 Vo pulario basico I. 9 1.2. Matriz diagonal, matriz escalar y matriz identi- dad. Una matriz se dice que es una matriz diagonal si todos los elementos fuera de la diagonal principal son nulos, es decir, a,, = 0 para todo i # j) Algunos ejemplos de matrices diagonales de orden 2, 3 y 4, respectivamente, 2000 2 20 foo 0200 0 -3 004 oo -4 0 oo 0 1 Una matriz se dice que es una matriz escalar si es diagonal y todos Jos elementos de esta son iguales. Algunos ejemplos de matrices escalares de orden 2, 3'y 4, respectivamente, o 0 20 roo 00 02 en -1 0 oo4 La matriz identidad es la matriz diagonal formada tinicamente por unos en la diagonal principal, os decir, a,; = 0 para todo i # j, y ay = 1. Esta matriz es muy importante porque es el elemento neutro para el producto de matrices. Ejemplos para los casos particulares para la identidad de orden 2, 3, y 4 son, 1ooo0 10 jt 0100 01 fo 0010 ooo Se denota comtinmente como J, (donde n hace referencia al tamaiio de la matriz), o simplemente como J, si no hay confusién sobre su tamafio. 1.2.6. Matriz nula, matriz opuesta y matriz traspues- ta. Una matriz nula es aquella en la que todos sus elementos son nulos, se denota por Oy,yq, 0 simplemente por 0 cuando no haya confusién con su 10 tamafio, 00 0 00 0 One 00 0 Dada una matriz A © Myn(K), A de A, ala matriz —A = (—ai;), (,;), llamaremos matriz, opnesta a, -an =m ay, —a29 an -A yt Oya nn Dada una matriz A © Mmn(K), (aij), Hamaremos matriz tras- puesta de A, y donotaremos por A, a la matriz que se obtiene intercam- biando filas por colummas en A, es decir, A= (aj), ay a2 Ont aug | 02 ey Ca nn Por ejemplo, 201 2-1 1 A ( 2 4-1 3 Propiedades de la matriz traspuesta. = (A) (A BY = Abs BY = (AB)! = BUA! + (kA)! = kat 1.2 Vo pulario basico I. tt 1.2.7. Matriz simétrica y matriz antisimétrica. Una matriz A € M,(K), se dice que es una matriz, simétrica si y s si A'= A, CONCLUSION: Una matriz es simétrica cuando los elementos que son simétricos respecto a la diagonal principal son iguales, es decir, aquella en la que if = 8 Una matriz A ¢ M, (KX), se dice que es ma matriz-antisimétrica si y solo si AY = —A CONCLUSION: Una matriz es antisimétrica cuando los el son simétricos respecto a Ia diagonal principal son iguales en valor absoluto pero de distinto signo, es decir, aquella en la que aj; = —a5, ementos que Ejemplos de matrices simétricas son, 1 -4 3 201 ~ 7a 1 2 -12 321 1-3 re 1-41 211 y antisimétricas, 2 0 14 -3 0-1 1 1 6 1 -2 10 ° 4-101 39210 1.2.8. Igualdad de matrices. Dadas dos matrices A,B © Myq(K), con A= (a) ¥ B= (by), se dice que son iguales si y solo si aj, = 6,; para todos los pares i, j Obviedad: mismo tamaito, La primera condicién es que las matrices han de ser del 12 Ejemplo: Igualdad de matrices. Determine los valores de los parémetros para los que A = B, siendo _(at+2b-14 -3 2 pu(2 6-14-32 *=\ 0 -2 1 -2d+1 3e) % *= 0 -2 © 1 0 1 . Operaciones con matrices. 1.3.1. Suma de matrices. Dadas dos matrices A, B € My, n(K),con A = (a,;) y B = (b,;), se define lasuma de Ay B, y se denota por B, como es la matriz A+ B = (ai +63). CONCLUSION: Las matrices se suman término a término. Propiedades de la suma de matrices. + Asociativa: A+ (B+ €)=(A+ B)+C + Conmutativa: A4 B= B+ A « Existe elemento neutro: A +0 = 04 A = A, donde 0 es una matriz formada enteramente por Os. + Existencia de elemento simétrico: A + (—A) = (—A) + A = 0, donde Aes una matriz cuyos clementos son iguales que los de A pero con signo contrario ean del NOTA: Obsérvese que se estd exigiendo que las dos matric: mismo tamafo. En otro caso, la suma no tiene sentido. 1.3.2. Producto de una matriz por un escalar. Dada la matriz A € Mynn(K), con A = (aj), y un escalar € K, se define el producto de una matriz por un escalar y se denota por kA, como Ja matriz. KA = (kas) 1.3 Operaciones con matrices. 13 CONCLUSION: Para multiplicar una matriz por un escalar, multi. plicamos todos sus elementos por dicho escalar Propiedades del producto de una matriz por un escalar. « Es distributivo respecto de la suma de escalares: (k + t)A = kA +tA « Es distributivo respecto de la suma de matrices: k(A + B) — kA +kB © 0A=0y1A=A4 1.3.3. Producto de matrices. Dadas las matrices A = (a) € Myn(K) y Bo= (bj) € Mnp(K), se define el producto de A y B, y se denota por AB, como la matria AB = (€45) © Mynp(K), com 45 = SPL, anbhj = CONCLUSION: Las matrices se multiplican en el sentido de filas por columnas, recorriendo todas las filas de la~primera matriz_y. todas Jas columnas de la segunda matriz, multiplicando elemento a elemento y sumando las cantidades. El resultado de esta suma de productos, se coloca en la posicién correspondiente a la fila y la columna que se estén multiplicando. ideo Externo: jPor qué. Video Externo: Multiplicay nntvices fill y rapido Propiedades del producto de matrices. el producto de matrices? + Asociativo: A-(B-C) = (A- B)- C (siempre que tenga sentido) » Existe elemento neutro: J: A=.A- I= A (con la identidad del tamafo correspondiente) « Es distributivo por la izquierda respecto de la suma de matrices: A.(B+C)=A-B+A-C (cuando tenga sentido) « Es distributivo por la derecha respecto de la suma de matrices: (A+B)-C = A-C+B-C (cuando tenga sentido) = Asociativo en el producto por un escalar: k-(A-B) = (kA): B (cuando tenga sentido) 14 Matri MUY IMPORTANTE: El producto de matrices no es conmuntativo. NOTA? Anim Brick = nxt: Ejemplo: Producto de matrices. Dadas las matrices A y B, determine los productos AB y BA, A=(12345) y B=|-1 Ejemplo: Operaciones con matrices, Dadas las matrices, 13 4 20 A=| 0 -1.2 y B={o1 -1 2 =2 3 determine A+B, A~ B, 3A~2B, AB y BA, 1.3.4. Potencia de una matriz. Caleular la potencia de una matriz es equivalente a caleular productos in) A sus esivos, tantas veces como indique el exponente, es decir, A" = A El producto se realiza de forma inductiva, A" = A”"1A = AA"! Una matriz se dice que es idempotente si A? =A. Una matriz se dice que es nilpotente de orden n, izn = 0 para todo Una matriz se dice que es involutiva si A? = I Habra tr potencia n situaciones en las que podemos encontrar de forma sencilla la ésima de una matriz: + cuando encontramos un patrén de comportamiento al ir haciendo po- 1.3 Operaciones con matrices. 15 tencias sucesivas; + cuando exista un ciclo al hacer potencias existe un k para el cual At = / esivas, es decir, cuando » cuando A= (J +B) donde J os la matriz identidad y B una matriz, nilpotent Bjemplo: Potencia de una matriz - ciclo. Dada la matriz calcule A”. Ejemplo: Potencia de una matriz - induccién lcule A?"7, siendo Bjemplo: Potencia de una matriz - nilpotente. Dada’ 123 A=(012 oot calcule A” 1.3.5. Resta y divisién de matrices. En las propiedades de la suma de matrices hemos visto que se garantiza la existencia de elemento simétrico, es decir, para cada A € Mrn(K) existe un —A € Myn(K) de forma que A+ (—A) = 0 (recuerda que definiamos como la matriz opuesta de la matriz A). Esto indirectamente nos formaliza la resta de matrices (equivalente a sumar el elemento simétrico), de forma 16 que A~ A= A+(-A) tenemos que multipli sin embargo, no existe como tal. Para dividir” por otra matriz, de forma que el resultado sea La divisién de matri el elemento neutro del producto. Adems, sabemos que el producto de matrices no es conmnutativo, por lo tanto, existirén ciertas condiciones para la existencia de esta matriz, inversa 1.4. Matriz escalonada y matriz escalonada reducida. Llamaremos pivote de una fila al primer elemento no nulo de dicha fila Una matriz esté esealonada por filas si = el pivote de cada fila esta a la derecha del pivote de Ja fila inmediata- mente anterior, = el pivote de cada fila es un 1, © todos los elementos por debajo del pivote de una fila son 0, = todas Jas filas nulas de la matriz estén agrupadas en la parte inferior Se dice que ademas es escalonada reducida por filas, si los clemen- tos que apar Ya en en la misma columna que el pivote de una fila son todos Ejemplos: Primero matrices que si estén escalonadas por filas, coon -1 4-3 2 1} 1-2 0 oo fja ooo @ 0 14-3 2 1 GJ 1-20 0 oo Gi 0 GJ o 0 6 0 [=] 2 Una matziz esta escalonada por columnas si: 1.5 Transformaciones elementales. 17 = el pivote de cada columna esta por debajo del pivote de Ja columna inmediatamente anterior, = el pivote de cada columna es un 1, = todos los elementos a la derecha del pivote de una columna son 0, = todas las columnas nulas de la matriz derecha. in agrupadas en la parte Se dice que ademas es escalonada reducida por columnas, si los elemen- tos que aparecen en la misma fila que el pivote de una coltimna son todos cero. Ejemplos: Primero matrices que sf estén escalonadas por columnas, 0 o 0 0 0 2 NOTA IMPORTANTE: Hay autores para los que una matriz es- calonada no requiere tener pivote 1, Esto ser suficiente para la mayoria de las aplicaciones en las que necesitamos obtener una matriz equivalente escalonada (determinar el rango de una matriz o resolver un sistema de ecuaciones lineales). Sin embargo, obligar a que el pivote sea 1, nos permitird que la matriz escalonada equivalente a wna matriz, dada sea vinica. 1.5. Transformaciones elementales. Sea A € My,n(J), llamaremos transformaciones elementales de filas sobre la matriz A, a cada una de las transformaciones del siguiente tipo: # Intercambiar la posicin de dos filas. = Multipliclar todos los elementos de una fila por un elemento no nulo de K 18 Matrice + Sumar a una fila otra multiplicada por un elemento de K. Sea A € M,,,,(K), llamaremos transformaciones elementales de co- lumnas sobre la matriz A, a cada una de las transformaciones del siguie tipo: + Intercambiar la posicién de dos columnas. + Multipliclar todos los elementos de una columna por un elemento no nulo de K «= Sumar a una columna otra multiplicada por un elemento de K. Si tenemos una matriz A Myy.(K), y tras una serie de transfor- maciones elementales por filas y/o columnas, obtenemos una matriz B, entonces diremos que Ay B son matrices equivalentes. Conseguir matrices equivalentes es de gran utilidad. Por ejemplo, las matrices equivalentes por filas son distintas, pero determinan sistemas de ecuaciones que tienen la misma solucién, y sus filas generan los mismos subespacios vectoriales. Esto pormite simplificar el problema, encontrando matrices equivalentes que sean més sencillas que la original. 1.5.1. Forma normal de Hermite. Para cada matriz A € M,,n(K), existe una tnica matriz, esealonada reducida por filas equivalent a A, a través de transformaciones elomentales por filas. A esta matriz la amamos forma normal de Hermite por filas de A (también recibe el nombre de forma escalonada reducida, o forma de Gauss-Jordan de A) Para ¢ada matriz A € Mp,,(K), existe una timica matriz escalonada, reducida por columnas, equivalente aA, a través de tansformaciones clementales por columnas. A esta matrizla llamamos forma normal de Hermite por columnas de A 1.5.2. Matrices elementales. Llamamos matrices clementales a aquellas que se obtienen de aplicar sobre la matriz identidad una tinica transformacién elemental. Por lo tanto habra, matrices elementales de tres tipos. 1.5 Transformaciones elementales. 19 « En la matriz identidad intercambiamos dos filas (columnas). + En Ja matriz identidad multiplicamos una fila (columna) por un escalar kEK. + En la matriz identidad sumamos a una fila (columma) el producto de otra fila (columna) por un escalar k € Si obtenemos B al aplicar una transformacién elemental por filas a la A, y obtenemos B al aplicar la misma transformacién elemental por filas a la matriz identidad I, entonces B = EA, Andlogamente, si obtenemos B al aplicar una transformacién elemental por columna a la matriz A, y obtenemos £ al aplicar la misma transformacién elemental por columnas a la matriz identidad J, entonces B = AE matriz Esto nos permite reinterpretar el producto de matrices, como Ia aplica- cién de una combinacién de transformaciones elementales a una matriz. En particular, aplicar transformaciones elementales por filas, seré equivalente a multiplicar por la derecha, y aplicar transformaciones clementales por columnas, ser equivalente a multiplicar por la izquierda, En general, si obtenemos una matriz B al aplicar una serie de trans- formaciones clementales por filas sobre la matriz A, y E, son las matrices elementales obtenidas de realizar esa mismas transformaciones elementales por filas sobre la matriz identidad I, entonces B = Ey--- EEA = PA donde diremos que P = E,---E2E;, es una matriz de paso. De forma equivalente, se puede generalizar la relacién existente entre la aplicacién de transformaciones elementales por columnas y el producto por la izquierda. y transformaciones elementales. Esta propiedad es de grandfsima utilidad, y es la que sostione muchos de los céleulos que reali bien por qué. Por ejemplo, esta es la propiedad (que ‘nos [permite caleular Ia inversa de uma matriz, por el método de Gauss-Jordan, y que veremos en un par de secciones. Si tenemos una matriz A, que cumpla los requisitos necesarios para ser invertible, y le aplicamos las trasformaciones necesarias para transfor marla en la matriz identidad I, entonces tenemos que I = P - A, donde P es la matriz de paso anterior, pero que adema de A jos sin saber mm , serd Ia matriz inver 20 Matrices 1.5.3. Método de Gauss. El método de Gauss, es un proceso algoritmico que nos permite hacer ceros en posiciones determinadas de una matriz a través de transformaciones clementales por filas o por columnas, obteniendo como resultado una matriz equivalente a la original. En particular, dada una matriz A € Myq(K) el método de Gauss nos va a permitir obtener una matriz escalonada equivalente a A (esta vez no necesariamente con pivote 1). Ejemplo: Método de Gauss - ceros debajo de la diagonal principal. Aplique el método de Gauss para conseguir ceros en todos los elementos debajo de la diagonal principal de Ejemplo: Método de Gauss - matriz escalonada y matriz de paso. Dada la matriz 1-11 13 A=[2 51 conseguir una matriz escalonada equivalente B y la correspondiente matria de paso tal que B = PA. 1.5.4. Método de Gauss-Jordan. El método de Gauss-Jordan es una extensién del método de Gauss, de forma que vamos a poder attilar| posiciones que|quedan por encima del elemento principal (pivote) de una fila o columna. En particular, dada una matriz A € My,,(K), el método de Gauss-Jordan nos va a permitir obtener una matriz diagonal cquivalente a la matriz A, y exigiendo que el pivote sea 1 obtendremos la forma escalonada reducida equivalente a A (forma normal de Hermite de A) 21 nes elementale 1.5 Transforma Ejemplo: Método de Gauss-Jordan - matriz diagonal. ido de Gauss para conseguir una matriz diagonal equivalente Aplique el mét ala matriz -10 3 A={[2 11 12-1 Ejemplo: Método de Gauss-Jordan- forma normal de Hermite. Dada la matriz 1 0213 11022 1 -1033 conseguir una matriz, escalonada reducida equivalente H (forma normal de Hermite por filas) y la correspondiente matriz de paso tal que H = Pz 1.5.5.. Rango y traza de una matriz. El rango de tna matriz A € Mmn(K) es la cantidad de filas no nulas en su forma escalonada equivalente. Se suele denotar por r9(A) 0 R(A) plo: céleulo del rango de una matriz. Dadas las matrices determine su rango Nota: Para calcular el rango no se requiere que el pivote de cada fila de la matriz escalonada sea 1 22 Ejemplo: rango dependiendo de los valores de un pardmetro. Determine el rango de A segtin los distintos valores del pardmetxo 12¢ Ejemplo: rango dependiendo de los valores de un pardmetro. Determine el rango de A segtin los distintos valores del pardémetro loa -la A 2a Toa 1 3-1 10 Propiedades del rango. + rg(A) < min{n, m} + |rg(A) — rg(B)|

    También podría gustarte