INTRO.

MATRICES Y DETERMINANTES Las matrices se utilizan en el clculo numrico, en la resolucin de sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas parciales. Tienen tambin muchas aplicaciones en el campo de la fsica. MATRICES Una matriz es una tabla ordenada de escalares ai j de la forma

La matriz anterior se denota tambin por (ai j ), i =1, ..., m, j =1, ..., n, o simplemente por (ai j ). Los trminos horizontales son las filas de la matriz y los verticales son sus columnas. Una matriz con m filas y n columnas se denomina matriz m por n, o matriz m n. Las matrices se denotarn usualmente por letras maysculas, A, B, ..., y los elementos de las mismas por minsculas, a, b, ... Ejemplo:

donde sus filas son (1, -3, 4) y (0, 5, -2) y sus

CLASES DE MATRICES Segn el aspecto de las matrices, stas pueden clasificarse en: Matrices cuadradas Una matriz cuadrada es la que tiene el mismo nmero de filas que de columnas. Se dice que una matriz cuadrada n n es de orden n y se denomina matriz n-cuadrada. Ejemplo: Sean las matrices

Entonces, A y B son matrices cuadradas de orden 3 y 2 respectivamente. Matriz identidad Sea A = (ai j ) una matriz n-cuadrada. La diagonal (o diagonal principal) de A consiste en los elementos a11, a22, ..., ann. La traza de A, escrito tr A, es la suma de los elementos diagonales.

La matriz n-cuadrada con unos en la diagonal principal y ceros en cualquier otra posicin, denotada por I, se conoce como matriz identidad (o unidad). Para cualquier matriz A, A I = I A = A. Matrices triangulares Una matriz cuadrada A = (ai j ) es una matriz triangular superior o simplemente una matriz triangular, si todas las entradas bajo la diagonal principal son iguales a cero. As pues, las matrices

son matrices triangulares superiores de rdenes 2, 3 y 4. Matrices diagonales Una matriz cuadrada es diagonal, si todas sus entradas no diagonales son cero o nulas. Se denota por D = diag (d11, d22, ..., dnn ). Por ejemplo,

son matrices diagonales que pueden representarse, respectivamente, por diag(3,-1,7) diag(4,-3) y diag(2,6,0,-1). Traspuesta de una matriz La traspuesta de una matriz A consiste en intercambiar las filas por las columnas y se denota por AT. As, la traspuesta de

En otras palabras, si A = (ai j ) es una matriz m n, entonces AT = es la matriz n m. La trasposicin de una matriz cumple las siguientes propiedades: 1. (A + B)T = AT + BT.

2. (AT)T = A. 3. (kA)T = kAT (si k es un escalar). 4. (AB)T = BTAT. Matrices simtricas Se dice que una matriz real es simtrica, si AT = A; y que es antisimtrica, si AT = -A. Ejemplo: Consideremos las siguientes matrices:

Podemos observar que los elementos simtricos de A son iguales, o que AT = A. Siendo as, A es simtrica. Para B los elementos simtricos son opuestos entre s, de este modo B es antisimtrica. A simple vista, C no es cuadrada; en consecuencia, no es ni simtrica ni antisimtrica. Matrices ortogonales Se dice que una matriz real A es ortogonal, si AAT = AT A = I. Se observa que una matriz ortogonal A es necesariamente cuadrada e invertible, con inversa A-1 = AT. Consideremos una matriz 3 3 arbitraria:

Si A es ortogonal, entonces:

Matrices normales Una matriz es normal si conmuta con su traspuesta, esto es, si AAT = ATA. Obviamente, si A es simtrica, antisimtrica u ortogonal, es necesariamente normal. Ejemplo:

Puesto que AAT = ATA, la matriz es normal. OPERACIONES CON MATRICES Suma y resta de matrices Para poder sumar o restar matrices, stas deben tener el mismo nmero de filas y de columnas. Es decir, si una matriz es de orden 3 2 y otra de 3 3, no se pueden sumar ni restar. Esto es as ya que, tanto para la suma como para la resta, se suman o se restan los trminos que ocupan el mismo lugar en las matrices. Ejemplo:

Para sumar o restar ms de dos matrices se procede igual. No necesariamente para poder sumar o restar matrices, stas tienen que ser cuadradas. Ejemplo:

Producto de matrices Para poder multiplicar dos matrices, la primera debe tener el mismo nmero de columnas que filas la segunda. La matriz resultante del producto quedar con el mismo nmero de filas de la primera y con el mismo nmero de columnas de la segunda. Es decir, si tenemos una matriz 2 3 y la multiplicamos por otra de orden 3 5, la matriz resultante ser de orden 2 5. (2 3) (3 5) = (2 5) Se puede observar que el producto de matrices no cumple la propiedad conmutativa, ya que en el ejemplo anterior, si multiplicamos la segunda por la primera, no podramos efectuar la operacin. 3 5 por 2 3, puesto que la primera matriz no tiene el mismo nmero de columnas que filas la segunda.

Supongamos que A = (ai j ) y B = (bi j ) son matrices tales que el nmero de columnas de A coincide con el nmero de filas de B; es decir, A es una matriz m p y B una matriz p n. Entonces el producto AB es la matriz m n cuya entrada ij se obtiene multiplicando la fila i de A por la columna j de B. Esto es,

Ejemplo: 1.

2.

Producto por un escalar El producto de un escalar k por la matriz A, escrito kA o simplemente kA, es la matriz obtenida multiplicando cada entrada de A por k:

Ejemplo:

Entonces:

Divisin de matrices La divisin de matrices se define como el producto del numerador multiplicado por la matriz inversa del denominador. Es decir, sean las matrices A y B tal que A/B = AB-1:

Si una matriz est dividida entre un escalar, todos los trminos de la matriz quedarn divididos por ese escalar. Ejemplo:

MATRICES INVERTIBLES Se dice que una matriz cuadrada A es invertible, si existe una matriz B con la propiedad de que AB = BA = I siendo I la matriz identidad. Denominamos a la matriz B la inversa de A y la denotamos por A-1. Ejemplo:

Puesto que AB = BA = I, A y B son invertibles, siendo cada una la inversa de la otra. Mtodo de Gauss Sea A = (ai j ) una matriz cuadrada de orden n. Para calcular la matriz inversa de A, que denotaremos como A-1, seguiremos los siguientes pasos: Paso 1. Construir la matriz n 2n M = (A I ) esto es, A est en la mitad izquierda de M y la matriz identidad I en la derecha. Paso 2. Se deja tal y como est la primera fila de M, y debajo del primer trmino de la diagonal principal, a11, que llamaremos pivote, ponemos ceros. Luego se opera como se indica en el siguiente ejemplo. Ejemplo: Consideremos una matriz 3 3 arbitraria

Paso 1.

Paso 2.

El siguiente paso es igual que el anterior, pero esta vez se coge como pivote el segundo trmino de la diagonal principal. Al llegar al ltimo trmino de la diagonal, se procede igual que antes, pero poniendo los ceros encima del nuevo pivote. Se observa que al coger como pivote el ltimo trmino de la diagonal, la matriz A se transforma en una matriz triangular. Una vez realizados todos los pasos, la mitad izquierda de la matriz M se convierte en una matriz diagonal. En este momento hay que proceder a transformar, si es que no lo est, la mitad izquierda en la matriz identidad, dividiendo si fuera necesario las filas de M por un escalar. Ejemplo: Supongamos que queremos encontrar la inversa de

Primero construimos la matriz M = (A I),

La mitad izquierda de M est en forma triangular, por consiguiente, A es invertible. Si hubiera quedado toda una fila con ceros en la mitad A de M, la operacin habra terminado (A no es invertible). A continuacin, cogemos como pivote a33, ponemos ceros encima de ste y seguimos operando hasta que nos quede una matriz diagonal.

Ya que la matriz colocada en la mitad izquierda es diagonal, no hay que operar ms. Transformamos la matriz diagonal en una matriz identidad; para ello hay que dividir la segunda fila entre -1:

La matriz que ha quedado en la mitad derecha de M es precisamente la matriz inversa de A:

Para comprobar si el resultado es correcto, se procede a multiplicar AA-1, teniendo que dar como resultado la matriz identidad I. Comprobacin: AA-1 = I

Ejercicio: operaciones con matrices Sean

a) Qu clase de matrices son? b) Calcular: - A - B + C. A + B - C. 3A + C/2. c) Calcular: (A B) /C. d) Calcular la inversa de A (A-1) y comprobar el resultado. Resolucin: a) Las tres matrices son cuadradas y de orden tres. A su vez, B es una matriz triangular, ya que todas las entradas debajo de la diagonal principal son ceros, y C es antisimtrica porque los elementos simtricos son opuestos entre s. b)

c) Puesto que (A B) /C = A B C-1, calcularemos primero la inversa de C y luego haremos el producto.

Dividimos la primera fila entre -6, la segunda entre 3 y la tercera entre -3 para que en la mitad izquierda quede la matriz identidad,

Por lo tanto, la matriz inversa de C es:

 A continuacin, se calcula el producto de las matrices A y B,

Por ltimo, calculamos (AB)C-1.

= . Sacando factor comn 1/3, el resultado puede escribirse como:

d) Primero se construye la matriz M = (A I) y luego se va desarrollando por Gauss. As pues:

 Se simplifica un poco para que las operaciones no sean tan costosas, dividiendo la tercera fila entre cuatro. De este modo, se tiene

. Se vuelve a simplificar, dividiendo la primera fila entre dos y la segunda entre cuatro,

. Puesto que ya ha quedado una matriz diagonal en la mitad izquierda de M, se procede a transformar esta mitad izquierda en una matriz identidad, dividiendo la primera fila entre -3042, la segunda entre -78 y la tercera entre 39,

As pues, la matriz que ha quedado en la mitad derecha es precisamente la matriz identidad, que sacando factor comn 1/78 se puede escribir como:

Para comprobar el resultado, la matriz inversa de A o A-1, tiene que cumplir AA-1 = I. Procedamos a la comprobacin:

MATR. Y SIST. DE ECUAC. LINEALES La matriz ampliada M de un sistema de m ecuaciones con n incgnitas es la siguiente:

Cada fila de M corresponde a una ecuacin del sistema y cada columna a los coeficientes de una incgnita, excepto la ltima, que corresponde a las constantes del sistema. Un sistema de ecuaciones lineales puede resolverse trabajando con su matriz ampliada, especficamente, reducindola a forma escalonada mediante el proceso de Gauss. Mtodo de Gauss Para resolver sistemas de ecuaciones lineales, se aplica el mtodo de Gauss. Este proceso se ilustra en el siguiente ejemplo. Ejemplo: Sea el sistema,

su matriz ampliada asociada es

Ahora resolvemos por el mtodo de Gauss sabiendo que la primera columna corresponde a los coeficientes de la x, la segunda a los de la y, la tercera a los de la z y la cuarta a los trminos independientes:

De este modo, el sistema tiene la solucin nica x = 2, y = -1, z = 3. La resolucin de sistemas de ecuaciones lineales por matrices, aplicando el mtodo de Gauss u otros, es una de las mltiples aplicaciones que tienen stas. Ejercicio: resolucin de sistemas de ecuaciones lineales por matrices Hallar el valor de x, y, z, t en los siguientes sistemas de ecuaciones lineales aplicando matrices:

a) La matriz M asociada al sistema de ecuaciones es:

La tercera fila se suprime, puesto que es mltiplo de la segunda y resultara una fila nula. As, el sistema queda formado por dos ecuaciones con cuatro incgnitas:

La solucin del sistema es compatible e indeterminado, esto es, tiene infinitas soluciones. x = -9 - y + 10t z = 7t - 7 (- 9 - y + 10t, y, 7t - 7, t). Dependiendo de qu valores se escojan para y y t, salen distintos resultados. As, para y = t = 0 tendremos la solucin del sistema x = -9, y = 0, z = -7, t = 0. b) La matriz M asociada al sistema de ecuaciones es:

No hay necesidad de continuar calculando nada ms, puesto que la matriz escalonada ya nos indica que el sistema es incompatible (SI), es decir, que no tiene solucin. Especficamente, la tercera fila de la matriz escalonada corresponde a la ecuacin 0x + 0y + 0z + 0t = -5 obteniendo como resultado 0 = -5, que es absurdo. Por lo tanto, decimos que no tiene solucin. DETERMINANTES A cada matriz n-cuadrada A = (ai j ) se le asigna un escalar particular denominado determinante de A, denotado por det (A), | A | o

Una tabla ordenada n n de escalares situada entre dos lneas verticales, llamada determinante de orden n, no es una matriz. La funcin determinante apareci por primera vez en el estudio de los sistemas de ecuaciones lineales. Veremos que es una herramienta indispensable en el estudio y obtencin de stas. DETERMINANTES DE ORDEN UNO Y DOS Los determinantes de orden uno y dos se definen como sigue:

= a11

As, el determinante de una matriz 1 1 A = (a11) es el propio escalar a11, es decir, det (A) = |a11| = a11. Ejemplos: a) Dado que el determinante de orden uno es el mismo escalar, tenemos det (24) = 24, det(-3) = -3, det (3x+5) = 3x+5. b)

DETERMINANTES DE ORDEN TRES Consideremos una matriz 3 3 arbitraria A = (ai j ). El determinante de A se define como sigue:

a12a21a33 - a32a23a11 Obsrvese que hay seis productos, cada uno formado por tres elementos de la matriz. Tres de los productos aparecen con signo positivo (conservan su signo) y tres con signo negativo (cambian su signo). Para calcular los determinantes de orden tres, el siguiente diagrama puede ayudar a resolverlos:

Ejemplo: Calcular el valor del determinante:

= 24 + 20 + 0 - (-4) - 0 - (-15) = 44 + 4 + 15 = 63 El determinante de la matriz 3 3 A = (ai j ) puede reescribirse como:

det (A) = a11(a22a33 - a23a32) - a12(a21a33 - a23a31) + a13(a21a32 - a22a31) =

que es una combinacin lineal de tres determinantes de orden dos, cuyos coeficientes (con signos alternantes) constituyen la primera fila de la matriz dada. Esta combinacin lineal puede indicarse de la forma siguiente:

Ntese que cada matriz 2 2 se obtiene suprimiendo en la matriz inicial la fila y la columna que contienen su coeficiente. Ejemplo: Para demostrar que la propiedad anterior se cumple, trabajaremos con :

= 3(8+5) - 2(0-10) + 1(0+4) = 39 + 20 + 4 = 63 PROPIEDADES DE LOS DETERMINANTES Las propiedades bsicas del determinante son las siguientes: 1. El determinante de una matriz A y el de su traspuesta AT son iguales, es decir,

2. Sea A una matriz cuadrada, Si A posee dos filas (columnas) iguales, necesariamente = 0. Si A es triangular, esto es, A slo tiene ceros por encima o por debajo de la diagonal principal, entonces es igual al producto de los elementos de la diagonal. 3. Supongamos que B se ha obtenido de A mediante una operacin elemental entre filas o columnas, Si se han intercambiado dos filas (columnas) de A, |B| = - |A|. Si se ha sumado un mltiplo de una fila (columna) a otra, entonces |B| = |A|. Si se ha multiplicado una fila (columna) de A por un escalar k, |B| = k|A|. 4. Sea A cualquier matriz n-cuadrada, son equivalentes los siguientes principios: A es invertible, es decir, A tiene inversa A-1. AX = 0 tiene solamente la solucin trivial. El determinante de A no es nulo: |A| 0.

5. El determinante es una funcin multiplicativa. Es decir, el determinante del producto de matrices A y B es el producto de los determinantes: |AB| = |A| |B|. 6. Supongamos que A y B son matrices similares, entonces: |A| = |B|. DETERM. DE ORDEN ARBITRARIO Sea A = (ann) una matriz de orden arbitrario n n (siendo n un nmero par). Para calcular el det (A) se procede de la siguiente manera:

Los signos se van alternando segn la posicin que ocupen las entradas del determinante. Es decir:

Ejemplo:

Si observamos la matriz, podemos ver que en la tercera columna hay dos ceros. As pues, si cogemos las entradas de la tercera columna para calcular el determinante, nos ahorraremos calcular dos determinantes, ya que el producto de un determinante por cero es cero.

+ = -1(-35) + 3(35) = 35 + 105 = 140. Ejercicio: clculo de determinantes Calcular los siguientes determinantes:

= 2(-6-24+16+2)+ 5(-4-24+6)-1(4+12-16-3) = -24-110+3 = -131.

= 1(16+0+24-(-4)-(-30)-0) -2(-128-2+30-(-40)-12-(-16)) = 74-2(-56) = = 74+112 = 186. ADJUNTO DE UNA MATRIZ Consideremos una matriz n-cuadrada A = (ai j ) sobre un cuerpo K. El adjunto de A, denotado por adj A, es la traspuesta de la matriz de cofactores de A:

Ejemplo:

Los cofactores de los nueve elementos de A son:

La traspuesta de la matriz de los cofactores anteriores proporciona el adjunto de A:

Aplicacin del adjunto para hallar la matriz inversa Para toda matriz cuadrada A, A(adj A) = (adj A) A = |A|I De este modo, si |A| 0,

Observemos que esta propiedad nos permite hallar por otro mtodo la inversa de una matriz. Ejemplo: Consideremos la matriz

y el det A:

As pues, aplicando la propiedad anterior:

Ejercicio: clculo de la matriz inversa Calcular, por la propiedad anterior, la inversa de las siguientes matrices: a)

b)

a) Primero hallaremos el determinante de la matriz A:

El siguiente paso es hallar el adjunto de la matriz B, as pues, los cofactores de los cuatro elementos de B son: B11 = 5 B12 = -2 B21 = 1 B22 = 3 y el adjunto de B, denotado por adj B, ser

b) Empezaremos por hallar el det A,

Los cofactores de los nueve elementos de A son:

La traspuesta de la matriz de los cofactores anteriores proporciona el adjunto de A:

Aplicando la propiedad de la matriz inversa obtenemos A-1:

 CLC. DEL RANGO DE UNA MATRIZ Consideremos la matriz A = (aij):

1. El rango de la matriz A coincide con el de la matriz A' que se obtiene suprimiendo en la matriz A todas la lneas (filas o columnas) cuyas entradas estn slo formadas por ceros, es decir, que sean nulas. 2. Consideremos la matriz: A1 = (a11, a12, ..., a1n) y supongamos que

entonces : rango (A) rango(A 1) = 1 3. Aadimos filas de la matriz A a la matriz A1 hasta encontrar una matriz que cumpla:

tal que posea un menor no nulo de la forma:

Por consiguiente, rango (A) rango(A 2) = 2. Si esto no hubiese sido posible, entonces: rango (A) = 1. Supongamos que rango (A) rango (A2) y que i = 2 y j = 2. 4. Aadimos filas a la matriz A2 hasta encontrar una matriz que cumpla:

de forma que posea un menor de orden tres de la forma:

Entonces: rango (A) rango (A2) = 3. En caso de no haber sido posible encontrar dicho menor, entonces: rango (A) = rango (A2) = 2. Suponiendo que rango (A) rango (A3) y que i = 3 y j = 3, se procedera como en los casos anteriores, y as sucesivamente hasta agotar todas las filas de la matriz A. Ejemplos: a) Sea la matriz A una matriz de orden tres. Hallar el rango (A).

Como A es una matriz cuadrada de orden tres, como mximo el rango (A) puede valer tres. Calcularemos primero el determinante o determinantes de las submatrices de orden dos de A. As pues

Ya que el resultado es cero, probaremos con todas las submatrices de A hasta encontrar una cuyo determinante no sea cero. Si no encontramos ninguna, el rango (A) = 1.

Puesto que el resultado de calcular el determinante de esta submatriz de A no es nulo, podemos afirmar de momento que el rango (A) = 2. Aadimos ahora una columna y una fila ms para ver si el rango puede ser tres:

Dado que el determinante de A no es nulo y a su vez es de orden tres, el rango

(A) = 3. No necesariamente para poder calcular el rango de una matriz, sta tiene que ser cuadrada. As, en el siguiente ejemplo: b) Calcular el rango de la matriz B de orden 3 4.

Como hay una determinante de orden dos no nulo, el rango de la matriz B es mayor o igual que 2. Calculamos a continuacin los determinantes de orden superior:

Probamos con un segundo determinante de orden tres:

As pues, como hay un determinante de orden tres que no es nulo, el rango (B) = 3. Un rango mayor que 3 no se puede hallar, ya que no se puede formar un determinante de orden 4. Recurdese que para poder calcular el determinante de una matriz o de una submatriz, stas tienen que ser cuadradas. APLIC. DE LOS DETERMINANTES En el tema de matrices y su aplicacin a los sistemas de ecuaciones lineales, se vio cmo resolverlas mediante el teorema de Gauss. Con los determinantes, y aplicando la regla de Cramer, veremos otra manera de calcular los sistemas de ecuaciones lineales. Regla de Cramer Los pasos a seguir para calcular los sistemas de ecuaciones segn la regla de Cramer son los siguientes: 1. Hallar la matriz ampliada (A b) asociada al sistema de ecuaciones, esto es: que la primera columna est formada por las entradas de los coeficientes de la primera incgnita de las ecuaciones; que la segunda columna la formen las de la segunda incgnita, y as hasta llegar a la ltima columna, que estar constituida por las entradas de los trminos independientes de las ecuaciones.

2. Calcular el determinante de A. 3. Aplicar la regla de Cramer, que consiste en: a) ir sustituyendo la primera columna del det (A) por los trminos independientes; b) dividir el resultado de este determinante entre el det (A) para hallar el valor de la primera incgnita; c) continuar sustituyendo los trminos independientes en las distintas columnas para hallar el resto de las incgnitas. Ejemplo: Sea el sistema de ecuaciones lineales formado por dos ecuaciones con dos incgnitas:

Encontrar el valor de x e y mediante la regla de Cramer. Empezaremos con el primer paso, que consiste en hallar la matriz ampliada A b asociada al sistema de ecuaciones lineales:

El segundo paso es calcular el determinante de A. As pues:

Y el tercero y ltimo paso consiste en calcular las incgnitas:

Discusin de los sistemas de ecuaciones lineales A continuacin, se estudiar la manera de saber de antemano si un sistema de ecuaciones lineales tienen o no solucin y si tienen una nica o infinitas soluciones. El estudio o discusin de los sistemas de ecuaciones se efecta aplicando el teorema de Rouch-Frbenius. ste dice que con un sistema de ecuaciones lineales pueden ocurrir dos cosas: 1. Que el sistema de ecuaciones sea un sistema compatible (S.C.), esto es, que tenga solucin. 2. Que el sistema de ecuaciones sea un sistema incompatible (S.I.) o que no tenga solucin. El primer caso puede dividirse en dos:

a) que sea un sistema compatible y determinado (S.C.D.), esto es, que tenga una nica solucin; b) que el sistema sea compatible e indeterminado (S.C.I.), es decir, que tenga infinitas soluciones. Sea un sistema no homogneo:

En consecuencia, la matriz ampliada Ab asociada al sistema de ecuaciones es:

y el sistema ser compatible cuando: rango (A) = rango (A b), lo que suele expresarse diciendo que el rango de la matriz de coeficientes coincide con el rango de la matriz ampliada. Si el sistema anterior es compatible y rango (A) = rango (A b) = nmero de incgnitas, el sistema es compatible y determinado, es decir, tiene una nica solucin. Si, por el contrario, tenemos que rango (A) = rango (A b) < nmero de incgnitas, el sistema es compatible e indeterminado, es decir, tiene infinitas soluciones. Si rango (A) rango (A b), el sistema es incompatible y no tiene ninguna solucin. Ejemplos: Discutir, sin resolver, los siguientes sistemas de ecuaciones:

Puesto que rango (A) = 1 rango (A b) = 2, el sistema es incompatible; no existe ninguna solucin.

Ya que rango (A) = rango (A b) = 2 = nmero de incgnitas, el sistema es compatible y determinado; es decir, existe una nica solucin.

Puesto que rango (A) = rango (A b) = 1 < nmero de incgnitas, el sistema es compatible e indeterminado; existen infinitas soluciones. Ejercicio: clculo de las incgnitas en un sistema de ecuaciones lineales Discutir y calcular el valor de las incgnitas de los siguientes sistemas de ecuaciones lineales:

a)

Calculamos a continuacin el rango de A y el rango de la matriz ampliada (A b): El rango de la matriz A ser:

El rango de la matriz ampliada (A b):

Dado que rango (A) = rango (A b) = 3 = nmero de incgnitas, el sistema es compatible y determinado; tiene, pues, una nica solucin. Resolvamos el sistema mediante la regla de Cramer: Calculamos el det (A):

Aplicando la regla de Cramer:

x = 68/23; y = -53/23; z = -42/23. POLINOMIO CARACTERSTICO Consideremos una matriz n-cuadrada arbitraria:

La matriz (A - In), donde In es la matriz identidad n-cuadrada y un escalar indeterminado, se denomina matriz caracterstica de A:

Su determinante, det (A - In) , que es un polinomio en , recibe el nombre de polinomio caracterstico de A. Asimismo, llamamos a det (A - In) = 0 ecuacin caracterstica de A. Ejemplo: Hallar la matriz caracterstica y el polinomio caracterstico de la matriz A:

La matriz caracterstica ser (A - In). Luego:

y el polinomio caracterstico,

As pues, el polinomio caracterstico es 2 - + 4. Valores propios y vectores propios Sea A una matriz n-cuadrada sobre un cuerpo K. Un escalar Kn se denomina un valor propio de A si existe un vector (columna) no nulo v Kn para el que Av = v Todo vector que satisfaga esta relacin se llama vector propio de A perteneciente al valor propio . Los trminos valor caracterstico y vector caracterstico (o autovalor y autovector) se utilizan con frecuencia en lugar de valor propio y vector propio. Ejemplo: Sea

As pues, v1 y v2 son vectores propios de A pertenecientes, respectivamente, a los valores propios 1 = 4 y 2 = -1 de A.

3.1.- Definicin de matriz, notacin, orden.

Ecuaciones lineales con ms de dos variables.

Para sistemas de ecuaciones lineales con ms de dos variables, podemos usar el mtodo de eliminacin por sustitucin o el mtodo de eliminacin por suma o resta (por adicin o sustraccin). El mtodo de eliminacin por suma o resta es la tcnica ms breve y fcil de hallar soluciones. Adems, lleva la tcnica de matrices que se estudia en esta seccin. Cualquier sistema de ecuaciones lineales con tres variables tiene una solucin nica, un nmero infinito de soluciones o no tiene solucin. Mtodo de eliminacin para resolver un sistema de ecuaciones lineales: Ejemplo: Resuelve el sistema: x + 2y + 3z = 9 ................................... (primer ecuacin) 4x + 5y + 6z = 24 ............................... (segunda ecuacin) 3x + y - 2z = 4 .................................. (tercera ecuacin) Solucin: Suma -4 veces la "primera ecuacin" a la "segunda": x + 2y + 3z = 9 -3y - 6z = -12 3x + y - 2z = 4 Suma -3 veces la "primera ecuacin" a la "tercera": x + 2y + 3z = 9 -3y - 6z = -12 -5y - 11z = -23 Multiplica por -(1 3) la "segunda ecuacin":

x + 2y + 3z = 9 y + 2z = 4 -5y -11z = -23 Multiplica por -1 la "tercera ecuacin": x + 2y + 3z = 9 y + 2z = 4 5y +11z = 23 Suma -5 veces la "segunda ecuacin" a la "tercera": x + 2y + 3z = 9 y + 2z = 4 z=3 Las soluciones del ltimo sistema son fciles de hallar por sustitucin. De la "tercera ecuacin", vemos que z = 3. Al sustituir "z" con 3 en la "segunda ecuacin", y + 2z = 4 obtenemos y = -2. Por ltimo, encontramos el valor de "x" al sustituir y = -2 y z = 3, en la "primera ecuacin", x + 2y + 3z = 9 con lo cual x = 4. Por tanto, hay una solucin: x = 4, y = -2, z = 3. Si analizamos el mtodo de solucin, vemos que los smbolos usados para las variables carecen de importancia; debemos tomar en cuenta los coeficientes de las variables. Puesto que esto es verdadero, es posible simplificar el proceso. En particular, introducimos un esquema a fin de seguir los coeficientes en forma tal que no haya necesidad de escribir las variables. Con referencia al sistema anterior, primero comprobamos que las variables aparezcan en el mismo orden en cada ecuacin y que los trminos sin variables estn a la derecha de los signos de igualdad. En seguida anotamos los nmeros que intervienen en las ecuaciones de esta forma:

Una ordenacin de nmeros de este tipo se llama matriz.

Los renglones (o filas) de la matriz son los nmeros que aparecen uno
a continuacin del otro en sentido horizontal: 1 23 4 primer rengln R1 4 5 6 24 segundo rengln R2 3 1 -2 4 tercer rengln R3

Las columnas de la matriz son los nmeros que aparecen uno junto del otro en sentido vertical Primera columna C1 1 4 3 Segunda columna C2 2 5 1 Tercera columna C3 3 6 -2 Cuarta columna C4 9 24 4

La matriz obtenida del sistema de ecuaciones lineales del modo anterior es la matriz del sistema. Si borramos la ltima columna, la restante ordenacin es la matriz de coeficiente. En vista de que podemos tener la matriz del sistema a partir de la matriz coeficiente agregando una columna, le decimos matriz coeficiente aumentada o simplemente matriz aumentada. Despus, cuando usemos matrices para hallar las soluciones de un sistema de ecuaciones lineales, introduciremos un segmento de lnea vertical en la matriz aumentada a fin de indicar dnde apareceran los signos de igualdad en el sistema de ecuaciones correspondiente.

Dadas dos matrices de la misma dimensin, A=(aij) y B=(bij), se define la matriz suma como: A+B=(aij+bij). Es decir, aquella

matriz cuyos elementos se obtienen: sumando los elementos de las dos matrices que ocupan la misma misma posicin.

P r o pi e d a d e s d e la su m a de m a t r i c e s

Interna:

La suma de dos matrices de orden m x n es otra matriz dimensin m x n.

Asociativa:

A + (B + C) = (A + B) + C

Elemento neutro:

A + 0 = A

Donde O es la matriz nula de la misma dimensin que la matriz A.

Elemento opuesto:

A + (-A) = O

La matriz opuesta es aquella en que todos los elementos estn cambiados de signo.

Conmutativa:

A + B = B + A

Clasificacion De Matrices
Principio del formulario

partner-pub-8555

ISO-8859-1

Buscar

w w w .mitecnolog

w w w .mitecnolog

Final del formulario

Matriz Escalar

Si una matriz diagonal tiene todos los trminos de la diagonal iguales se llama matriz escalar. Una matriz es simtrica si es igual a su traspuesta. Una matriz A es antisimtrica (o hemisimtrica) si su traspuesta es igual a -A. MATRIZ ORTOGONAL Una matriz se llama ortogonal si A T A = A A T = I. Este resultado implica que A T = A 1. Ejemplo: Pruebe que la siguiente matriz es ortogonal. Considere la siguiente matriz ortogonal entonces Esta relacin genera las siguientes ecuaciones: u1 u1 = 1 u1 u2 = 0 u1 u3 = 0 u2 u1 = 0 u2 u2 = 1 u2 u3 = 0 u3 u1 = 0 u3 u2 = 0 u3 u3 = 1 Esto quiere decir que los renglones de A son ortogonales y de longitud unitaria, es decir, forman un conjunto de vectores ortonormales. En forma similar se puede probar que las columnas forman tambin un conjunto de vectores ortonormales.

Una matriz cuadrada tiene un nmero de filas p igual a su nmero de columnas q. Son matrices de orden, p x p p2. Las matrices: A=20B=023 -3 1 1 0 2 000 son de orden 2 x 2 y 3 x 3 respectivamente. Los elementos a11, a22, a33, ann de una matriz cuadrada constituyen su diagonal principal. La diagonal principal ser: a11 A = a22 a33 ann una matriz cuadrada tal que: a11 = a22 = a33 = . = ann = 1 y todos los dems elementos son cero, es una matriz unidad. La representaremos por I o sea: IA = 1 0
1

es una matriz de orden 2 x 2.

Una matriz diagonal es aquella en que los elementos que no estn en la diagonal principal son ceros. Esta es un matriz diagonal: 2000 A=0300 0 0 2 0 0004 Una matriz cuyos elementos por encima o por debajo de la diagonal principal son todos ceros es matriz triangular. Si todos los ceros estn por encima de la diagonal principal entonces es una matriz inferior y si todos los ceros estn por debajo de la diagonal principal es una matriz superior. Ejemplo: A = 3 0 0 es una matriz inferior. 120 -1 0 4 B = 4 1 2 0 1 5 es una matriz superior. 003 Esquema de filas, columnas y diagonal principal. 1 0 4 7 filas A=0258 0369

1 2 1 0 diagonal principal columnas Una matriz nula tiene todos sus elementos nulos. Ejemplo: 000 A=000 000 Una matriz cuadrada es simtrica si: aij = aji. Es decir si los elementos situados a igual distancia de su diagonal principal son iguales. A = 1 3 5 -3 2 0 501 es simtrica porque: a12 = a21 = 3, a13 = a31 = 5, a23 = a32 = 0. Una matriz es asimtrica si: aij = aji. Observa si 1 = j, aii = -aii y el nico nmero que cumple con esta igualdad es el cero por lo que es una matriz asimtrica la diagonal principal esta formada por elementos nulos. En una matriz asimtrica los elementos situados a igual distancia de la diagonal principal son iguales en valor absoluto y de signos contrarios. B = 0 2 2 5 -2 0 3 6 2 3 0 1

-5 6 1 0 es una matriz asimtrica Matriz escalar Si tenemos una matriz diagonal cuyos elementos que estn en la diagonal principal son todos iguales entonces tenemos una matriz escalar. A=300 030 003 Matriz identidad Es toda matriz escalar en la que todos los elementos de la diagonal principal son iguales a la unidad. Esta matriz se representa por 1n. 12 = 1 0
1

igualdad de matrices si y solo si tienen el mismo orden y sus elementos son iguales. Ejemplo: A=abB=xy cdzw si en estas matrices a = x, b = y, c = z y d = w, entonces las matrices A y B son iguales. Matriz transpuesta Si tenemos una matriz (A) cualquiera de orden m x n entonces su transpuesta es otra matriz (A) de orden n x m donde se intercambian las filas y las columnas de la matriz (A).

Ejemplo: Si A = 4 1 3 0 5 2 entonces su traspuesta ser: At = 4 0 -1 5

2

Matriz adjunta: Matriz que se obtiene al sustituir cada elemento por su adjunto. El adjunto de un elemento aij es el valor del determinante que se obtiene de eliminar la fila y la columna en la que se halla dicho elemento(menor complementario) multiplicadom por el signo correspondiente a su posicion, segun la regla de los signos o aplicando la expresion (1)^ij. La matriz adjunta se representa A^* y se forma a partir de una matriz cuadrada. Matriz conjugada de una matriz A Aquella que se obtiene sustituyendo cada elemento por su complejo conjugado (igual parte real, pero la parte imaginaria cambiada de signo)

Estoy invitando a todos los maestros y profesionales de esta area y/o carrera a colaborar construyendo este sitio dedicado a esta hermosa y util profesion aportando el material apropiado a cada uno de los mas de 1,000 temas que lo componen.

Tambien los invito a aportar material a los mas de 30,000 temas que constituyen las 30 carreras profesionales que se imparten en los Institutos Tecnologicos de Mexico y se encuentran en este sitio. www.MiTecnologico.com es un esfuerzo personal y de muchos amigos de MEXICO y el Mundo Hispano por devolver algo de lo mucho que hemos recibido en el proceso de la educacion superior, saludos Prof Lauro Soto, Ensenada, BC, Mexico

PARA EMPEZAR SOLO USAR OPCION edit ABAJO Y EMPIEZA A CONSTRUIR , SALUDOS Y MUCHAS GRACIAS

Competencias Digitales (Tics Basicas) a practicar con este TEMA:

Usar (click en )www.Google.com para buscar y localizar UN material academico apropiado y que se pueda recomendar para el tema, ver VIDEO BUSQUEDAS abajo en esta pagina. En el post ( o tema ) apropiado en el Libro de Blogger, pegar el material localizado y que se recomienda para este tema, ver VIDEO BLOGGER abajo en esta pagina.

pd: Recordar incluir la fuente del tema usando el formato de citacion apropiado, ver VIDEO WIKIPEDIA abajo en esta pagina.
En el editor de Blogger usar colores para destacar los parrafos mas importantes y usar subrayados para las citas mas relevantes. En el post ( o tema ) apropiado en el libro en Blogger, para incluir ecuaciones o notacion matematica se debera usar el icono del editor de Blogger IMAGE y construir esta notacion matematica con imagenes Latex, ver VIDEO LATEX ABAJO. Construir al final y despues de la fuente del material, un breve resumen ( no mas de 23 parrafos) explicando palabras propias el contenido del tema.

pd: Se pueden usar alguna de las citas que encontradas dentro del tema, solo recordar encerrarla entre comillas. pd: Se pueden usar tambien cambios en fonts para darle mas visibilidad, consistencia y relevancia al resumen del tema.
PUNTOS EXTRAS Si se usa una segunda fuente valiosa de informacion y recordar encadenar los dos materiales mediante uno o dos parrafos apropiados. Enviar a el maestro o compaeros un correo electronico que incluya la liga a el tema en blogger para revision, recomendacion, sugerencias y evaluacion, ver VIDEO LIGAS GMAIL abajo.

Sacar una cuenta (click en)http://docs.google.com, usando el correo de Gmail y tratar de conseguir el mismo usuario que se construyo en Gmail y Blogger ver VIDEO GOOGLE DOCS abajo en esta pagina.

pd: Si ya se tiene una cuenta ignorar esta competencia digital. pd: Google Docs es el equivalente a OFFICE pero con la caracteristica que todos sus componentes ( procesador de palabras, presentacion electronica y hoja de calculo) estan completamente en internet, es decir todos los archivos o material estaran en linea, seguros y siempre disponibles, ademas de que se pueden trabajarlos desde cualquier pc, ya sea la personal, la del laboratorio de la escuela o la de un lugar publico como la biblioteca o un cafe internet.
Construir una Presentacion Electronica ( usando muy pocos slides) del tema en GOOGLE DOCS e incrustrarla en el tema de bloger ver VIDEO GOOGLE DOCS en esta pagina abajo.

pd: Recordar que una presentacion electronica, es solamente un resumen muy condensado del tema ( o mapa o guia mental ), que ayuda a recordar los elementos y conceptos mas basicos del tema, cuando se estan exponiendo frente a un grupo. pd: No olvidar incluir un primer slide con el titulo de la presentacion electronica, un segundo slide con un indice de la presentacion electronica y un ultimo slide con dos o tres parrafos de conclusiones y bibliografia.
Buscar en Google Imagenes o www.Flickr.com o www.PhotoBucket.com una galeria de fotos o de imagenes apropiadas al tema actual, Para los casos de Photobucket y Flicker, ambos sitios proporcionan ligas a sus imagenes y tambien objetos (los recuerdan??), que se pueden incluir en el tema del libro apropiado en Blogger.

pd: para estos sitios deberan obtener una cuenta usando el correo de gmail y de preferencia obtener el mismo usario que se ha venido manejando a lo largo del curso. pd: Tratar de usar resoluciones y tamaos de imagenes chicos o medianos, recordar que todo este material termina en el post del tema en Blogger y esa pagina no tiene mucho espacio para desplegar fotos o imagenes. pd: El formato apropiado para fotos o imagenes es JPG, tratar de no usar otros formatos.

pd: Se puede construir y conseguir esta coleccion o galeria de imagenes con: 1) Usando Google Imagenes, recordar conseguir solo imagenes que tengan permiso de publicacion abierto, no usar imagenes o fotos que tengan derechos reservados. pd: Estas fotos almacenarlas en un folder en el desktop o escritorio de su computadora y subirlas a el post en blogger usando el icono IMAGE del editor de Blogger. 2) Flickr y Photo Bucket tambien tienen una gran cantidad de imagenes que se pueden usar o mejor dicho enlazar a el tema o post en Blogger. 3) Tambien se puede usar la camaras digitales o las camaras de sus telefonos celulares. 4) Tambien se puede usar el programa o aplicacion llamado Srip32.exe( solo buscar srip32 en google) bajarlo e instalarlo, este programa permite capturar una pantalla de la pc, es decir si se encuentra un sitio con imagenes o incluso texto apropiado o relevante al tema, capturar la pantalla con srip32 y ya se tendra la imagen, ver VIDEO Srip32 abajo.
Incluir al menos una imagen de cada uno de los dos sitios (flickr y Photobucket) en el tema o post que se esta construyendo en Blogger. PUNTOS EXTRAS Si se incluyen una galeria completa de imagenes apropiadas desde cualquiera de estos sitios de FLICKR o Photobucket. Sacar una cuenta (click en)www.DivShare.com, usando el correo de Gmail y tratar de conseguir el mismo usuario que se consiguio en Gmail y Blogger y Flickr ver VIDEO DIVSHARE abajo en esta pagina.

pd: Si ya se tiene una cuenta ignorar esta competencia digital. pd: Usar Divshare para almacenar material en audio (MP3) apropiado a el tema ( no usarlo para almacenar material comercial o les suspenden la cuenta) pd: El material en Audio, con formato MP3 se debera producir usando un microfono en la pc y programas de aplicacion apropiados, llamados editores de audio, un ejemplo de ellos es el SOUND RECORDER que ya viene en Windows, pero se recomienda usar mejor AUDACITY ( solo buscar en google AUDACITY) bajarlo e instalarlo, ver VIDEO AUDACITY abajo.
Crear al menos dos archivos de audio mp3:

1) El primero de ellos sera la lectura completa de este tema en voz apropiada. ( o aprender a editar con audacity la voz) 2) El segundo de ellos sera un resumen del tema. ( buena voz o editarla con audacity) 3) Ambos archivos subirlos a Div Share (recordor que tienen que ser MP3) y el reproductor que proporciona gratis Div Share, ver VIDEO DIVSHARE abajo e insertarlo en el lugar apropiado del tema que se esta construyendo en Blogger.

Matrices y Determinantes. 2.4 Transformaciones elementales por rengln. Escalonamiento de una matriz. Rango de una matriz.

La idea que se persigue con las transformaciones elementales es convertir una matriz concreta en otra matriz ms fcil de estudiar. En concreto, siempre ser posible conseguir una matriz escalonada, en el sentido que definimos a continuacin.

Sea A una matriz y F una fila de A. Diremos que F es nula si todos los n umeros de F coinciden con el cero. Si F es no nula, llamamos PIVOTE de F al primer numero distinto de cero de F contando de izquierda a derecha.

Una

MATRIZ ESCALONADA

es aquella que verifica las siguientes propiedades:

1. Todas las filas nulas (caso de existir) se encuentran en la parte inferior de la matriz.

2. El pivote de cada fila no nula se encuentra estrictamente mas a la derecha que el pivote de la fila de encima.

Por ejemplo, entre las matrices:

A no es escalonada, mientras que B y C si lo son.

Dada una matriz escalonada E se define el RANGO de E, que representamos por rg (E), como el numero de filas no nulas de E.

En los ejemplos B y C de arriba se tiene rg (B) = rg(C) = 2, sin embargo no podemos decir que rg(A) = 3 ya que A no est escalonada. Otro ejemplo, las matrices nulas tienen rango cero y la matriz identidad de orden n cumple rg (In) = n.

La siguiente cuestin que abordaremos es la definicin de rango para una matriz cualquiera que no est escalonada. La idea ser la de transformar la matriz dada en otra que sea escalonada mediante las llamadas transformaciones elementales por filas que describimos a continuacin.

Dada una matriz A cualquiera, las son tres:

TRANSFORMACIONES ELEMENTALES

por filas de A

I. Intercambiar la posicin de dos filas. II. Multiplicar una fila por un nmero real distinto de cero. III. Sustituir una fila por el resultado de sumarle a dicha fila otra fila que ha sido previamente multiplicada por un nmero cualquiera.

Nota: Anlogamente podramos hacerlo todo por columnas; sin embargo, son las transformaciones por filas las que son importantes en los sistemas de ecuaciones lineales que estudiaremos despus.

El siguiente resultado nos garantiza que siempre podemos transformar una matriz cualquiera en otra escalonada.

Teorema

A partir de cualquier matriz A se puede llegar, mediante una cantidad finita de transformaciones elementales, a una matriz escalonada E.

Veamos en un ejemplo cmo se hace. Obsrvese que, primero, hacemos que la componente (1,1) de la matriz de partida sea igual a uno. Luego, se hace que el resto de componentes de la primera columna sean cero. Despus se pasa a la componente (2,2), y as sucesivamente.

El teorema anterior nos permite hacer una definicin importante:

Dada una matriz A cualquiera se define el RANGO de A y lo denotamos rg(A) como el rango de cualquier matriz escalonada E equivalente con A (se demuestra que este nmero no depende de la matriz escalonada E a la que se llegue). El rango siempre es un nmero menor o igual que el nmero de filas y el nmero de columnas de A. Adems, el rango es cero si y slo si A = 0. En nuestro ejemplo de antes, el rango es 3. EJEMPLO

Rango de una matriz

Rango de una matriz: es el nmero de lneas de esa matriz (filas o columnas) que son linealmente independientes.

Una

lnea

es

linealmente dependiente

de

otra u

otras cuando

se

puede establecer una combinacin lineal entre ellas.

Una lnea es linealmente independiente de otra u otras cuando no se puede establecer una combinacin lineal entre ellas.

El rango de una matriz A se simboliza: rang(A) o r(A).

Tambin

podemos

decir

que

el

rango

es:

el

orden

de

la

mayor

submatriz cuadrada no nula. Utilizando esta definicin se puede calcular el rango usando determinantes.

Se puede calcular el rango de una matriz por dos mtodos:

Clculo del rango de una matriz por el mtodo de Gauss

Podemos descartar una lnea si:

Todos sus coeficientes son ceros.

Hay dos lneas iguales.

Una lnea es proporcional a otra.

Una lnea es combinacin lineal de otras.

F3 = 2F1 F4 es nula F5 = 2F2 + F1 r(A) = 2.

En

general

consiste

en

hacer

nulas

el

mximo

nmero

de

lneas posible, y el rango ser el nmero de filas no nulas.

F2 = F2 - 3F1 F3 = F3 - 2F1

Por tanto r(A) = 3.

Ran g o d e un a m a t r i z

Es

el

nmero

de

filas

columnas

linealmente

independientes, utilizando esta definicin se puede calcular usando el mtodo de Gauss.

Tambin podemos decir que el rango es: el orden de la mayor submatriz cuadrada no nula. Utilizando esta definicin se puede

calcular el rango usando determinantes.

Clculo del rango de una matriz por determinantes

1. Podemos descartar una lnea si:

Todos sus coeficientes son ceros. Hay dos lneas iguales. Una lnea es proporcional a otra. Una lnea es combinacin lineal de otras.

Suprimimos la tercera columna porque es combinacin lineal de las dos primeras: c3 = c1 + c2

2. Comprobamos si tiene rango 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 2 si existe alguna submatriz cuadrada de

orden 2, tal que su determinante no sea nulo.

4. Tendr rango 3 si existe alguna submatriz cuadrada de

orden 3, tal que su determinante no sea nulo.

Como todos los determinantes de las submatrices son nulos no tiene rango 3, por tanto r(B) = 2.

5. Si tiene rango 3 y existe alguna submatriz de orden 4, cuyo

determinante no sea nulo, tendr rango 4. De este mismo modo se trabaja para comprobar si tiene rango superior a 4.

Clculo de la matriz inversa usando determinantes Dada una matriz cuadrada A, se llama matriz adjunta de A, y se representa por Adj(A), a la matriz de los adjuntos, Adj(A) = (Aij).

Si tenemos una matriz tal que det (A) 0, se verifica:

Esto es fcil probarlo puesto que sabemos que la suma de los productos de los elementos de una fila por sus adjuntos es el valor del determinante, y que la suma de los productos de los elementos de una fila por los adjuntos de otra fila diferente es 0 (esto sera el desarrollo de un determinante que tiene dos filas iguales por los adjuntos de una de ellas).

Mtodo de Gauss-Jordan para el clculo de la matriz inversa El mtodo de Gauss - Jordan para calcular la matriz inversa de una dada se basa en una triangularizacin superior y luego otra inferior de la matriz a la cual se le quiere calcular la inversa.

Para aplicar el mtodo se necesita una matriz cuadrada de rango mximo. Sabemos que no siempre una matriz tiene inversa, por lo cual comprobaremos que la matriz tenga rango mximo al aplicar el mtodo de Gauss para realizar la triangularizacin superior. Si al aplicar el mtodo de Gauss (triangularizacin inferior) se obtiene una lnea de ceros, la matriz no tiene inversa.

1.|At|= |A|

El determinante de una matriz A y el de su traspuesta A t son iguales.

2. |A|=0

Si:

Posee dos lneas iguales

Todos los elementos de una lnea son nulos.

Los otras.

elementos

de

una

lnea

son

combinacin

lineal

de

las

F3 = F1 + F2

3. Un determinante triangular es igual al producto de los

elementos de la diagonal principal..

4. Si en un determinante se cambian entre s dos lneas

paralelas su determinante cambia de signo.

5.

Si

los

elementos

de

una

lnea

se

le

suman

los

elementos de otra paralela multiplicados previamente por un n real el valor del determinante no vara.

6. Si se multiplica un determinante por un nmero real,

queda multiplicado por dicho nmero cualquier lnea, pero slo una.

7. Si todos los elementos de una fila o columna estn

formados por dos sumandos, dicho determinante se descompone en la suma de dos determinantes.

8. |AB| =|A||B|

El determinante de un producto es igual al producto de los determinantes.

JUEVES 1 DE OCTUBRE DE 2009

3.7 Inversa de una matriz cuadrada a travs de la adjunta

Una matriz cuadrada que posee inversa se dice que es inversible o regular; en caso contrario recibe el nombre de singular. Propiedades de la inversin de matrices La matriz inversa, si existe, es nica A-1A=AA-1=I (AB) -1=B-1A-1 (A-1) -1=A (kA) -1=(1/kA-1 (At) 1=(A-1) t

Observacin Podemos encontrar matrices que cumplen AB = I, pero que BA I, en tal caso, podemos decir que A es la inversa de B "por la izquierda" o que B es la inversa de A "por la derecha". Hay varios mtodos para calcular la matriz inversa de una matriz dada: Directamente (Ejemplo) Usando determinantes Por el mtodo de Gauss-Jordan

Dada la matriz

buscamos una matriz que cumpla AA-1 = I, es decir

Para ello planteamos el sistema de ecuaciones:

La matriz que se ha calculado realmente sera la inversa por la "derecha", pero es fcil comprobar que tambin cumple A-1 A = I, con lo cual es realmente la inversa de A.

3.10 Aplicacin de matrices y determinantes.

Introduccin
El mtodo de eliminacin para resolver ecuaciones simultneas suministra soluciones suficientemente precisas hasta para 15 o 20 ecuaciones. El nmero exacto depende de las ecuaciones de que se trate, del nmero de dgitos que se conservan en el resultado de las operaciones aritmticas, y del procedimiento de redondeo. Utilizando ecuaciones de error, el nmero de ecuaciones que se pueden manejar se puede incrementar considerablemente a ms de 15 o 20, pero este mtodo tambin es imprctico cuando se presentan, por ejemplo, cientos de ecuaciones que se deben resolver simultneamente. El mtodo de inversin de matrices tiene limitaciones similares cuando se trabaja con nmeros muy grandes de ecuaciones simultneas. Sin embargo, existen varias tcnicas que se pueden utilizar, para resolver grandes nmeros de ecuaciones simultneas. Una de las tcnicas ms tiles es el mtodo de Gauss-Seidel. Ninguno de los procedimientos alternos es totalmente satisfactorio, y el mtodo de Gauss-Seidel tiene la desventaja de que no siempre converge a una solucin o de que a veces converge muy lentamente. Sin embargo, este mtodo convergir siempre a una solucin cuando la magnitud del coeficiente de una incgnita diferente en cada ecuacin del conjunto, sea suficientemente dominante con respecto a las magnitudes de los otros coeficientes de esa ecuacin. Es difcil definir el margen mnimo por el que ese coeficiente debe dominar a los otros para asegurar la convergencia y es an ms difcil predecir la velocidad de la convergencia para alguna combinacin de valores de los coeficientes cuando esa convergencia existe. No obstante, cuando el valor absoluto del coeficiente dominante para una incgnita diferente para cada ecuacin es mayor que la suma de los valores absolutos de los otros coeficientes de esa ecuacin, la convergencia est asegurada. Ese conjunto de ecuaciones simultneas lineales se conoce como sistema diagonal. Un sistema diagonal es condicin suficiente para asegurar la convergencia pero no es condicin necesaria. Afortunadamente, las ecuaciones simultneas lineales que se derivan de muchos problemas de ingeniera, son del tipo en el cual existen siempre coeficientes dominantes. La secuencia de pasos que constituyen el mtodo de Gauss-Seidel es la siguiente:

1. Asignar un valor inicial a cada incgnita que aparezca en el conjunto. Si es posible hacer una hiptesis razonable de stos valores, hacerla. Si no, se pueden asignar valores seleccionados arbitrariamente. Los valores iniciales utilizados no afectarn la convergencia como tal, pero afectarn el nmero de iteraciones requeridas para dicha convergencia. 2. Partiendo de la primera ecuacin, determinar un nuevo valor para la incgnita que tiene el coeficiente ms grande en esa ecuacin, utilizando para las otras incgnitas los valores supuestos. 3. Pasar a la segunda ecuacin y determinar en ella el valor de la incgnita que tiene el coeficiente ms grande en esa ecuacin, utilizando el valor calculado para la incgnita del paso 2 y los valores supuestos para las incgnitas restantes. 4. Continuar con las ecuaciones restantes, determinando siempre el valor calculado de la incgnita que tiene el coeficniente ms grande en cada ecuacin particular, y utilizando siempre los ltimos valores calculados para las otras incgnitas de la ecuacin. (Durante la primera iteracin, se deben utilizar los valores supuestos para las incgnitas hasta que se obtenga un valor calculado). Cuando la ecuacin final ha sido resuelta, proporcionando un valor para la nica incgnita, se dice que se ha completado una iteracin. 5. Continuar iterando hasta que el valor de cada incgnita, determinado en una iteracin particular, difiera del valor obtenido en la iteracin previa, en una cantidad menor que cierto entonces completo. seleccionado arbitrariamente. El procedimiento queda

Refirindonos al paso 5, mientras menor sea la magnitud del seleccionado, mayor ser la precisin de la solucin. Sin embargo, la magnitud del epsilon no especifica el error que puede existir en los valores obtenidos para las incgnitas, ya que sta es una funcin de la velocidad de convergencia. Mientras mayor sea la velocidad de convergencia, mayor ser la precisin obtenida en los valores de las incgnitas para un EJEMPLO Resolver el siguiente sistema de ecuacin por el mtodo Gauss-Seidel utilizando un 0.001.
0.1 X1 + 7.0 X2 - 0.3 X3 = -19.30 3.0 X1 - 0.1 X2 - 0.2 X3 = 7.85 0.3 X1 - 0.2 X2 - 10.0 X3 = 71.40

dado.

SOLUCIN: Primero ordenamos las ecuaciones, de modo que en la diagonal principal esten los coeficientes mayores para asegurar la convergencia.
3.0 X1 - 0.1 X2 - 0.2 X3 = 7.85

0.1 X1 + 7.0 X2 - 0.3 X3 = -19.30 0.3 X1 - 0.2 X2 - 10.0 X3 = 71.40

Despejamos cada una de las variables sobre la diagonal:

Suponemos los valores iniciales X2 = 0 y X3 = 0 y calculamos X1

Este valor junto con el de X3 se puede utilizar para obtener X2

La primera iteracin se completa sustituyendo los valores de X1 y X2 calculados obteniendo:

En la segunda iteracin, se repite el mismo procedimiento:

Comparando los valores calculados entre la primera y la segunda iteracin

Como podemos observar, no se cumple la condicin

Entonces tomamos los valores calculados en la ltima iteracin y se toman como supuestos para la siguiente iteracin. Se repite entonces el proceso:

Comparando de nuevo los valores obtenidos

Como se observa todava no se cumple la condicin

As que hacemos otra iteracin

Comparando los valores obtenidos

Dado que se cumple la condicin, el resultado es:

X1 = 3.0 X2 = -2.5

X3 = 7.0

Como se puede comprobar no se tiene un nmero exacto de iteraciones para encontrar una solucin. En este ejemplo, se hicieron 3 iteraciones, pero a menudo se necesitan ms iteraciones.

Resolver los reactivos

1) Resolver

8x 5 = 7 y 9 6x = 3y + 6

a) 3,4 b) 4,6 c) 6,8 d) 8,9 e) 10,12

2) Resolver

x 1 = y +1 x 3 = 3y + 6

a) 5,3

b) 6,7 c) 7,8

d) 8,9 e) 10,11

3) Resolver

3( x + 2) = 2 y 2( y + 5) = 7 x

a) 4,9 b) 5,6 c) 6,7 d) 7,8 e) 9,10

4) Resolver

x 1 = 2( y + 6) x + 6 = 3(1 2 y )

a) 9,-2 b) 10,11 c) 11,12 d) 12,13 e) 13,14

5) Resolver

30 (8 x) = 2 y + 30 5 x 29 = x (5 4 y )

a) 4,-2 b) 5,3 c) 6,5 d) 7,6 e) 8,8

Bibliografa propuesta Libro: introduccin al lgebra lineal Autor: Howard Anton Editorial: Limaza Wiley

Libro: Algebra lineal Autor: David Pool Editorial: Thomson