Documentos de Académico
Documentos de Profesional
Documentos de Cultura
(Oposiciones de Secundaria)
TEMA 18
1. Introducción.
2. Concepto básicos.
2.1. Tipos de matrices.
3. Mmxn (K) es isomorfo a L(K m, Kn ).
4. El Espacio Vectorial Mmxn(K).
4.1. Suma de Matrices.
4.2. Producto de Una Matriz por un escalar.
4.3. El espacio Vectorial Mmxn(K).
5. El Anillo Mn(K).
5.1. Producto de Matrices.
5.2. El Anillo Mn(K).
6. Producto de Matrices generalizado.
7. Matrices Regulares.
8. Transposición de Matrices.
9. Matrices Simétricas y Hemisimétricas.
10. Rango de una Matriz.
11. Aplicaciones de las Matrices.
11.1. Uso de las Matrices en las Ciencias Psico-sociales.
11.2. Aplicaciones de las matrices al campo de las Ciencias.
11.3. Aplicaciones de las matrices al campo de las Ciencias Sociales y de la
Naturaleza.
Bibliografía Recomendada.
1/19
TEMA 18
1. INTRODUCCIÓN.
En este tema vamos a definir el concepto de matriz y operaciones básicas entre ellas.
Los coeficientes de las matrices consideraremos que pertenecen a un cuerpo que
denotaremos por K. Muchas de las propiedades y definiciones que aparecerán en el
tema son válidas si en lugar de trabajar con un cuerpo, lo hacemos con un anillo.
2. CONCEPTOS BÁSICOS.
DEF Una matriz con coeficientes en K es una familia de elementos de K, aij i , j IxJ ,
siendo I y J conjuntos finitos. El elemento aij de K corresponde con el elemento
(i, j)IxJ.
a ij 1i m
1 j n
Si m = n
a
ij 1i , j n
a11 a12 a1 n
a21 a22 a 2n
a am 2 amn
m1
La familia a
ij 1 j n con i fijo se llama fila i-ésima de la matriz, y la familia
a
ij 1i m con j fijo se llama columna j-ésima de la matriz.
2/19
DEF Llamaremos matriz de orden m x n a toda matriz de forma a
ij 1i m
1 j n
.
DEF Llamaremos Mmxn(K) al conjunto de todas las matrices de orden mxn con
coeficientes en K. Se suelen denotar por letras mayúsculas, A aij 1i m .
1 j n
DEF Llamaremos matriz Nula a aquella que tiene todos sus elementos nulos.
DEF Llamaremos matriz Cuadrada a la matriz con igual número de filas que de
columnas (Card(I) = Card(J).
DEF Llamaremos traza de una matriz cuadrada a la suma de los elementos situados a
lo largo de la diagonal principal.
n
Traza A aii
i 1
DEF Llamaremos matriz diagonal a toda matriz simétrica cuyos elementos situados
fuera de la diagonal principal son todos nulos.
DEF Llamaremos matriz escalar a toda matriz diagonal cuyos elementos diagonales
son todos iguales entre si.
DEF Llamaremos matriz identidad a toda matriz escalar cuyos elementos diagonales
son todos iguales a la unidad.
DEF Llamaremos matriz triangular a toda matriz cuadrada que tiene nulos todos los
elementos situados por debajo (o por encima) de la diagonal principal.
Podemos definir
: Mmxn(K) L(K m, Kn )
3/19
donde AMmxn(K), con A = (aij), (A)L(K m, Kn) y
(A): Km Kn
n
Aei aij e´ j
j 1
con B e1 ,...., em base de Km , B´ e´1 ,....., e´n base de Kn y los a ij 1 j n los
elementos de la fila i-ésima de la matriz A.
Dem.
es homomorfismo.
Trivial
es inyectiva.
n n n n
Sea (A)(ei )=(A)(ek ) aij ·e ' j akj ·e' j
j 1 j 1
aij ·e' j a kj ·e' j 0
j 1 j 1
n
(a
j 1
ij akj )·e' j 0 y como B’ es una base de Kn
a ij a kj 0 j 1,.., n a ij a kj j 1,.., n
es suprayectiva.
n
Sea fL(K m, Kn) f(ei)Kn y f ei aij e´ j i 1,...., m ya que
j 1
COROLARIO M mxn K L K m , K n
Dem.
4/19
Es una consecuencia inmediata de la proposición anterior.
DEF Diremos que las matrices A y B son iguales si las aplicaciones lineales f y g
asociadas a dichas matrices ((A) = f y (B) = g) respecto de las mismas bases son
iguales.
OBS Todo el desarrollo para L(K m , Kn) sería igual si tomamos L(V, W) con V, W
K-espacios vectoriales con dim V = m y dim W = n.
Si A aij 1i m y B bij 1i m con B e1 ,...., em base de Km y B´ e´1 ,...., e´n
1 j n 1 j n
en base de Kn .
n n
A B ei Aei B ei f ei g ei aij e´ j bije´ j
j 1 j 1
1) Asociativa.
2) Conmutativa.
3) Elemento Neutro.
4) Elemento Opuesto.
5/19
Dem.
Las propiedades 1 y 2 son inmediatas sin más que tener en cuenta que K es un
cuerpo.
3) Definimos la matriz neutra para la suma como OMmxn(K) siendo aquella que
todos sus elementos son nulos. Es claro que su aplicación asociada es aplicación nula.
4) Definimos la matriz opuesta de otra dada como aquella que tiene los mismos
elementos en los mismos sitios pero cambiados de signo. Es claro que si A tiene por
aplicación asociada a f, entonces - A tendrá a - f.
DEF Sea A una matriz que tiene por aplicación asociada f. Sea K un escalar.
Definimos el producto de una matriz por un escalar, A, como la matriz que tiene por
aplicación asociada f. Es decir
A 1
A
Si A aij 1i m y K
1 j n
1) Conmutativa.
2) PseudoAsociativa.
3) Elemento Unidad.
Dem.
6/19
4.3. El espacio vectorial M mxn (K).
Dem.
5. EL ANILLO M n (K).
A B 1
A B 1
B A
Si A aij 1 i, j n y B bij 1i , j n con B e1 ,....., en base de Kn , tenemos que
B aij e j aij B e j aij b jK e K aijb jK eK
n n n n n n
j 1 j 1 j 1 K 1 j 1 K 1
n
Luego AB aij b jK
j 1 1i , K n
1) Asociativa
2) Elemento Neutro.
Dem.
7/19
1) Inmediata.
Dem.
g h f g f h f y h f g h f h g
B e1 ,...., em B´ e´1 ,...., e´n y B´´ e´´1,....., e´´ p las bases respectivas de
K , K n y Kp .
m
AB B A
n
ABei B Aei B Aei B aij e´ j
j 1
n
B e´ j aij · b jK e´´K aijb jK e´´K
n p n p
aij
j 1 j 1 K 1 j 1 K 1
8/19
p
n
aijb jK e´´K
K 1 j 1
n
Luego A·B aij b jK A·B M mxp K
j 1 11iKm p
Y su aplicación asociada
g f L Km,K p .
PROP La operación producto de matrices generalizado verifica las propiedades
1) Asociativa.
2) Elemento Neutro.
Dem.
1) Fácil.
Si AMmxn(K) Im · A = A · In = A
OBS Dadas dos matrices A y B, para poder realizar el producto A · B debe ocurrir que
el número de columnas de A coincida con el de filas de B. La matriz resultante tendrá
las mismas filas que A y columnas que B.
7. MATRICES REGULARES.
DEF Diremos que AMn (K) es una matriz regular, invertible o no singular si existe
BMn(K) tal que
A · B = In = B · A
PROP Si AMn(K) es una matriz regular entonces existe una única matriz BMn (K)
tal que
A · B = In = B · A
Dem.
A · B = In = B · A
A · B´ = In = B´· A
9/19
Entonces
B = B · In = B · (A · B´) = (B · A) · B´ = In · B´ = B´
Veamos ahora que las matrices regulares se corresponden con los automorfismos de
n
K .
Dem.
“”
Dada AMn(Kn ) matriz regular (A) es la aplicación asociada de A. Como A es
regular, existe A-1Mn (Kn) siendo (A-1) su aplicación asociada.
1
g f 1
f · 1 g A 1·A I n
1
f g 1
g · 1 f A·A 1 I n
g f iK n f g
“”
Sea fl(Kn, Kn ) un automorfismo gL(K n , Kn ) tal que
f g iK n g f
A·B 1
f · 1 g 1
g f 1
i I
Kn n
B·A 1
g 1
f 1
f g 1
i I
Kn n
10/19
OBS La elección de la base canónica no influye en el desarrollo. Si se hubiese tomado
otra base cualquiera, el resultado seria el mismo.
GLn A M n K n / A es regular
(A · B) –1 = B-1 · A-1
Dem.
A B B 1 A1 A B B 1 A1 A I n A 1 A A 1 I n
B 1
A1 A B B 1 · A1 A·B B 1·I n ·B B 1·B I n
Luego AB 1 B 1 A 1
PROP (GLn , ) es un grupo.
Dem.
Entonces A 1 1
A 1 I n A1 A 1
1
luego A 1 1
A GLn
OBS Sabemos que GLn Ant K n , por tanto podemos afirmar que
GLn , Ant K ,.n
8. TRASPOSICIÓN DE MATRICES.
11/19
OBS La matriz traspuesta de una dada se obtiene escribiendo por columnas las filas
de la matriz inicial.
1) A Bt At Bt
2) ·At At K*
3) At A
t
4) A·Bt B t ·At
1) Ø es Lineal.
Ø A B A B t At B t Ø A Ø B
Ø A At Ø A
Si Ø: Mn (K) Mn (K)
PROP Toda matriz aMn (K) se puede descomponer de forma única como suma de una
matriz simétrica y otro hemisimétrica.
Dem.
12/19
Calculemos St y Ht
t
S A At A At At At At A S
t 1 1 t 1 t 1
2 2 2 2
Entonces H es antisimétrica.
SH
1
2
A At A At A
1
2
SH
1
2
A At A At At
1
2
Sumando y restando
A At
A A 2S
t S
2
A A 2H H A A
t t
DEF Dada una matriz AMmxn(K), si consideramos las n columnas como n vectores
de Km , definimos el rango por columnas de la matriz A como el rango del conjunto
formado por los n vectores columna.
DEF Dada una matriz AMmxn(K), si consideramos las m filas como m vectores de
Kn , definimos el rango por filas de la matriz A como el rango del conjunto formado por
los m vectores fila.
Dem.
13/19
n
a11 x1 ....... a1n xn 0
x c j j o
am 1 x1 ....... a mn xn 0
j 1
El sistema
a11 x1 ..... a1 n xn 0
.................................
a r 1x1 ..... arn xn 0
a11 ........a1 n
Entonces rangc(A) = r´ = rangc ..............
a .......a
r1 rn
Rangc(A) = rangF(A) c r
obtenemos
Al hablar de rango de una matriz no se distingue entre rango por columnas, al ser el
mismo.
14/19
PROP Sea f: Km Kn una aplicación lineal entre espacios vectoriales, y sea
AMmxn(K) la matriz asociada a f respecto de bases B y B´ de Km y Kn
respectivamente. Entonces
Dem.
Como las filas F1, F2,…., Fm de A son las coordenadas de los vectores f(e1),
f(e2),….., f(em) en la base B´, y el rango de un sistema de vectores coincide con el rango
del sistema de sus vectores coordenadas, tenemos que
rang(f) = rang(f(e1 ), f(e2 ),….., f(em)) = rang (F1 , F2,…., Fm) = rang (A)
Dem.
Inmediata
Dem.
15/19
ai1, ai 2 ,...., ain
en las n características.
a 1j , a2 j ,...., amj
en la característica j.
AX = B
X = A-1 · B
b) Dentro del análisis, y por tanto, en una amplia gama de problemas físicos, de
ingeniería, etc aparecen las matrices para estudiar las funciones de varias variables y
determinar sus máximo y mínimos.
16/19
Calculemos f g ´ (1, -2) con la regla de la cadena
y x 2 1
g´x , y g´1,2
0 2y 0 4
0 1 0 1
f ´u , v 2u 0 como g 1, 2 2,2 f ´ 2, 2 4 0
1 1 1 1
0 1 0 4
2 1
y f g ´1,2 f ´ 2,2 g´1,2 4 0 0 8 4
1 1 0 4 2 5
x´ 1 0 0 x a
y´ 0 1 0 y b
z´ 0 0 1 z c
x´ cos sen 0 x
y´ sen cos 0 y
z´ 0 0 1 z
También podemos estudiar mediante matrices las simetrías axiales, centrales, con
deslizamientos, etc.
17/19
11.3. Aplicaciones de las matrices al campo de las Ciencias Sociales y de la
Naturaleza.
a) Cadenas de Markov.
Las cadenas de Markov se pueden ver como una aplicación de las matrices tanto a
las ciencias sociales como de la naturaleza. Se puede aplicar al estudio de la genética
Mendeliana, por ejemplo, cuando intentamos cruzar individuos de la misma especia
pero con diferentes caracteres. Los resultados posibles a obtener los podemos
representar mediante una cadena de Markov.
DEF Definimos el espacio de estados, S, como el conjunto donde toman valores las
variables de una familia.
DEF Una sucesión de variables aleatorias {xn } se denomina Cadena de Markov (en
tiempo discreto con espacio de estados discretos) si
n P xn 1 i n 1 / xo io ,...., x n i n Pxn 1 in 1 / xn i n
Pxn m j / xn i
En particular si n = 0
Pxm j / xo i
18/19
Por conve nio P(0) = I
a) Matriz de Adyacencia.
K si vi es adyacente a v j
aij
0 en caso contrario
siendo K el número de aristas que unen el vértice vi con el vj. AMm ().
b) Matriz de Incidencia.
Bibliografía Recomendada.
19/19