Beruflich Dokumente
Kultur Dokumente
Apuntes de la Cátedra:
ÁLGEBRA Y GEOMETRÍA
Año 2001
Cátedra Algebra y Geometría ALGEBRA MATRICIAL
Fac. Ingeniería UNPSJB – Sede Ushuaia
ALGEBRA MATRICIAL
Contenidos:
Suma. Producto por un escalar. Transposición. Producto matricial: Definición y propiedades. Matriz Inversa.
Ecuaciones matriciales. Forma matricial de un S.E.L.. Potencia de una matriz cuadrada. Matrices cuadradas
especiales. Operaciones elementales. Matrices elementales. Equivalencia. Determinación de la inversa
mediante la aplicación de operaciones elementales-Gauss Jordan. Teorema de Cramer .Matrices
particionadas.
Suma de matrices
Sean A, B matrices de orden m x n sobre un cuerpo de escalares K.
A=(aij) ; B= (bij) A+B= (aij+bij)
Propiedades de la suma
Ley de composición interna
A, B matrices ∈ K mxn ⇒ (A+B) es matriz ∈ K mxn
Demostración: La definición preserva el orden de la matriz suma, que siempre
queda definida porque sus elementos son de la forma aij+bij, o sea suma de los
escalares de A y de B. Como pertenecen a un cuerpo de escalares, aij+bij siempre tiene
solución.
Asociatividad
A+(B+C) = (A+B)+C
A+(B+C) =(aij) + ((bij)+(cij))
∀ij, aij+[bij+Cij]= [aij+bij]+Cij por asociatividad en el cuerpo de escalares K
⇒ A+(B+C) = ((aij)+((bij)) + (cij)) = (A+B) + C
∃ Neutro
∃ la matriz nula N de orden nxm / ∀ij: nij=0 que verifica A+N= A =N+A
A+N= (aij + 0)=(aij)= A
∃ Inverso
∀A ∈ Km x n, ∃ A’ ∈ Km x n / A+ A’ = 0 (matriz nula)
Si A= (aij) -> A’ = (-aij)
2
Cátedra Algebra y Geometría ALGEBRA MATRICIAL
Fac. Ingeniería UNPSJB – Sede Ushuaia
Conmutatividad
Por ser escalares conmutatIvos los componentes de las matrices, la suma de
matrices es también conmutativa:
A+B = B+A ya que
A+B= (aij) + (bij) = (aij+bij) = (bij+aij)= B+A
1) (α+β).A= αA + βA
2) α(A+B) = αA + αB
3) (αβ)A = α(βA)
Transposición de matrices
Propiedades de la transposición
(AT)T= A
(A+B)T= (aij+bij)T = (aji+bji)= (aji)+(bji) = AT+BT
1
Definida una operación en un conjunto, tendremos una estructura algebraica de grupo conmutativo si la operación entre
elementos del conjunto verifica las propiedades: ley de composicion interna, asociatividad, ∃ neutro, ∃ inverso y
conmutatividad. Otros grupos conmutativos son: (N, +) ; (R, +); etc. No es G.C. (R, . ) porque 0 no tiene inverso
multiplicativo pero sí lo es (R- 0 , .)
3
Cátedra Algebra y Geometría ALGEBRA MATRICIAL
Fac. Ingeniería UNPSJB – Sede Ushuaia
4
Cátedra Algebra y Geometría ALGEBRA MATRICIAL
Fac. Ingeniería UNPSJB – Sede Ushuaia
Producto de matrices
Consideraremos en principio el producto entre dos matrices de una sola línea de la forma:
b11
A= (a11 a12 …a1n) ; B= b21 Donde A es de orden 1x n y B es nx1
…..
bn1
AxB = a11b11+a12 b21+ ….+ a1n bn1 = c (resulta una matriz de orden 1x1, o sea un escalar)
AxB= ∑k=1,n a1k bk1
Generalizaremos sobre esta base el concepto de producto matricial. Para que éste
sea posible, se requiere cierta relación entre el orden de las matrices: las filas de la primera
deben tener igual cantidad de elementos que las columnas de la segunda. Entonces cada
elemento cij de la matriz producto es el resultado de multiplicar la fila i de la primera
matriz por la columna j de la segunda. j
↓
j
c11 c12… c1j … c1n
↓
c21 c22… c2j … c2n
a11 a12 …a1p b11 … b1j …b1n
… … …
b21 … b2j …b2n
i a a ai x = ci1 ci2… cij= ai1b1j+ai2b2j+…aipbpj cin i
i1 i2 … p ……………………. cm1 cm2… cmj … cmn
… … A … x bp1 … bBpj …bpn = C
am1[mam2… amp
x p] [p x n] [m x n]
Conclusión: El producto entre matrices rectangulares sólo es factible bajo las condiciones
de orden ya expresadas. El número de filas de la matriz producto queda definido por el
número de filas del primer factor interviniente y el número de columnas, por la cantidad de
columnas del segundo. El alumno puede comprobar que la conmutación de los factores es
inviable, salvo en el caso de matrices cuadradas del mismo orden.
En un conjunto de matrices de orden mxn , esta operación no es generalmente ley
de composición interna, ya que cuando m ≠ n el producto entre matrices del mismo orden
ni siquiera está definido. No obstante en el caso de matrices cuadradas (m=n) el producto
entre matrices del mismo orden siempre da como resultado otra matriz del mismo orden.
Veremos que las matrices cuadradas revisten especial interés dentro del álgebra matricial.
5
Cátedra Algebra y Geometría ALGEBRA MATRICIAL
Fac. Ingeniería UNPSJB – Sede Ushuaia
6
Cátedra Algebra y Geometría ALGEBRA MATRICIAL
Fac. Ingeniería UNPSJB – Sede Ushuaia
Asociatividad (1)
Ax(BxC)= (AxB)xC
Analizamos (AxB)xC:
AxB= F= (fij)/fij=∑t ait Btj
reemplazando fik= ∑t=1,n ait btk
E’ = FxC= (e’ij) / e’ij = ∑k=1,n fik Ckj =
∑k=1,n (∑t=1,n ait Btk) Ckj=
e’ij =∑k ∑t ait Btk Ckj =eij
e’ij =eij ∀ij ⇒ Ax(BxC)= (AxB)xC
Existencia de neutro.
∃ I ∈ Knxn / ∀ A∈ Knxn IxA=AxI=A aij=1 si i=j
I es la matriz identidad. I= (aij)/
aij=0 si i≠j
Se puede verificar fácilmente que Ax I=A
a11 a12 … a1n 1 0 …. 0
a21 a22 … a2n 0 1 0 .. 0
x …………. = A
… … … 0 …. 0 1
an1 an2… ann
7
Cátedra Algebra y Geometría ALGEBRA MATRICIAL
Fac. Ingeniería UNPSJB – Sede Ushuaia
Matriz inversa
Si A-
1
Dada una matriz cuadrada A ∈ Knxn, la inversa de A, si existe, es la
matriz A-1, de igual orden que verifica: A-1 x A = I = A x A-1
existe, se dice que A es inversible, no singular o regular.
No todas las matrices cuadras admiten inversa, tales como la matriz nula y muchas
otras, según se verá mas adelante.
El método de cálculo de la inversa de una matriz se estudiará más adelante. El
análisis de existencia o no de inversa es uno de tópicos fundamentales del álgebra
matricial, ya que de la categorización de una matriz como singular o no singular resulta
información muy valiosa relativa a la matriz, al sistema de ecuaciones que pudiera
representar y al valor de su determinante.
Ecuaciones matriciales
8
Cátedra Algebra y Geometría ALGEBRA MATRICIAL
Fac. Ingeniería UNPSJB – Sede Ushuaia
A-1.(A . X) = A-1.B
Aplicando asociatividad: (A-1.A) . X = A-1.B
I .X= A-1.B
X = A-1.B
½ 0 1 -2 ½ -1
X = A-1.B = . =
0 4 0 3 0 12
Ejemplo 2:
2 0 x11 2 ½ 0 2 1
= ⇒ X= 0 4 =
0 ¼ x21 1 1 4
9
Cátedra Algebra y Geometría ALGEBRA MATRICIAL
Fac. Ingeniería UNPSJB – Sede Ushuaia
Este planteo permite tratar los SEL mediante herramientas de álgebra matricial.
Aplicaciones
Dos especies x , y tienen tasas de crecimiento del 20% y del 30% respectivamente
por unidad de tiempo. La matriz A por una matriz columna de población inicial P0= xo
da otra matriz columna que representa la población en el tiempo 1 P1= x yo
1
xo y1
= x1
1.2 0 1.2xo
=
0 1.3 yo 1.3yo
y1
La población en el tiempo 2 es: A . P1 = A . (A . P0) = A2 . P0
Al cabo de k períodos de tiempo la población está dada por
xk 1.2 0 k xo
Pk = = Ak . P0 = .
yk 0 1.3 yo
10
Cátedra Algebra y Geometría ALGEBRA MATRICIAL
Fac. Ingeniería UNPSJB – Sede Ushuaia
5
1.2 0 100
Si fuese P0 = 100 ⇒ al cabo de 5 u. t. es P5= 0 1.3 . =
40
40
1.25 0 100 249
= (redondeando los valores)
0 1.35 40 149
11
Cátedra Algebra y Geometría ALGEBRA MATRICIAL
Fac. Ingeniería UNPSJB – Sede Ushuaia
1 2 1
Sea la matriz A = y P0 =
1 -1 1
1 2 3
1
P1= 1 -1 . 1 = 0
Y
P4(9,9)
3 0 1 = 3 •
P2= 0 3 . 1 3
P2(3,3)
3 6 1 9 •
P3= 3 -3 . 1 = P0(1,1)
•
0 • • •
P1(3,0) P3(9,0) P5(27,0) X
9 0 1 9
P4= =
0 9 . 1
9 El lector puede comprobar, usando las mismas
matrices 2x2 que las trayectorias cambian
P5= 9 18 1 27
= totalmente con la posición inicial seleccionada.
9 -9 . 1 0
P0 = (0,0) no produce ningún movimiento.
Otro caso:
Sea A= 1 -1
1 -1
Esta matriz mueve a cualquier punto que esté sobre la recta y=x , al origen de coordenadas
1 -1 . α = α-α = 0
1 -1 α α-α 0 •
Se dice que esta recta es un sumidero
•
P0(5,1)
•
P0(18,0) X
Lineas de fujo para distintos valores
iniciales
Esto indica que como máximo en dos intervalos de tiempo cualquier punto del
plano es llevado al orígen. Para que esto sea así debe ser:
A2.P0= 0 ∀ P0 ∈ R2
0 0
Esto es posible si y sólo si A2 = como puede verificar el lector
0 0
12
Cátedra Algebra y Geometría ALGEBRA MATRICIAL
Fac. Ingeniería UNPSJB – Sede Ushuaia
Matriz escalar
A∈ Knxn es Escalar ⇔ aij = 0 si i ≠ j α 0 …. 0
aij = α si i = j 0 α 0…. 0
A se puede escribir como α.I ………
Matriz diagonal α1 0 0 .. 0
A∈ Knxn es Diagonal ⇔ aij = 0 ∀ i ≠ j
0 α2 0…. 0
Observación: las matrices escalares ………
son también matrices diagonales.
El alumno puede demostrar que el producto entre matrices 0 0 0 αn
diagonales es conmutativo(caso particular). Se verá que no todas las a11 0 0 0 … 0
matrices cuadradas pueden transformarse a la forma diagonal
a11 0 0 … 0 a21 a22 0…. 0
Matriz
a31 a32 triangular
a33 0.. 0
a21 a22 0 . . . 0
inferior
a31 a32 a33 0.. 0 ………… 0
A∈ Knxn es Triangular inferior ⇔ aij = 0 ∀ i < j an1 an2 an3…ann
………………
an1 an2 an3… ann
Matriz triangular superior
A∈ Knxn es triangular superiorr ⇔ aij = 0 ∀ i > j a11 a12 a13… a1n
Las matrices triangulares son de especial utilidad en 0 a22 a23.. a2n
Sistemas de ecuaciones lineales, según se ha visto en 0 0 a33.. a3n
la unidad anterior
…………..
0 0 ...0 ann
Matriz simétrica
a11 β
A∈ Knxn es Simétrica ⇔ aij = aji ∀ i,j α
α a22
Sus elementos son simétricos respecto de la diagonal δ
13
Cátedra Algebra y Geometría ALGEBRA MATRICIAL
Fac. Ingeniería UNPSJB – Sede Ushuaia
Matriz antisimétrica 0 -α
β
A∈ Knxn es Antisimétrica ⇔ aij = -aji ∀ i,j Ej.:
α 0 -δ
A Antisimétrica ⇔ A = -A T
-β δ 0
Pregunta: siempre deben ser nulos los elementos de la diagonal principal para que
A sea antisimétrica ?
Matriz Idempotente
1 0
A∈ Knxn es idempotente ⇔ A = A2 Ej : 1 0
Matriz Nilpotente
A es Nilpotente de orden k ⇔ Ak = 0 y A(k-1) ≠ 0 ; k ∈N
A= 1 0 0 A2 = 0 0 0 A3 = 0 0 0
1 1 0 1 0 0 0 0 0
Matriz Ortogonal
A es Ortogonal ⇔ A.AT = I = AT.A Ortogonales 2x2
Demostración: 0
A ortogonal ⇒ A . A = I T
14
Cátedra Algebra y Geometría ALGEBRA MATRICIAL
Fac. Ingeniería UNPSJB – Sede Ushuaia
Matrices elementales
Ei ∈ Knxn es matriz elemental de tipo i ⇔ Ei resulta de aplicar a la matriz I ∈ Knxn una
única operación elemental de fila de tipo I
Ejemplos sobre matrices de orden 3 x 3:
1 0 0
E1 = 0 1 0 es M.E. de tipo 1 ya que E1 se obtiene multiplicando la fila 3 de
I por el escalar no nulo k
0 0 k
1 0 0
E2 = es M.E. de tipo 2 ya que E 2 se obtiene sumando la fila 1 de I
0 1 0
multiplicada por k≠0 a la fila 3 de I
k 0 1
0 1 0
E3 = es M.E. de tipo 3 ya que E 3 se obtiene sumando la fila 1 de I
1 0 0
multiplicada por k≠0 a la fila 3 de I
0 0 1
Sea y Ei una matriz elemental mxm y A una matriz m x n. El producto Ei x A = A´
es una matriz igual a la que resulta al aplicar a A la misma O.E que se aplicó a I para
obtener Ei. Por lo tanto es posible manejar la aplicación de operaciones elementales a
cualquier matriz mediante el producto matricial
Ejemplo: x + 2y = 0 ⇒ A’= 1 2 |0
Consideremos el SEL x - y =1 1 -1 | 1
15
Cátedra Algebra y Geometría ALGEBRA MATRICIAL
Fac. Ingeniería UNPSJB – Sede Ushuaia
ya que:
1 0 . 1 2 0 = 1 2 0
-1 1 0 -3 1 0 -3 1
y en (iii) E3= 1 -2
0 1
Las operaciones matriciales que se han realizado son: E3. [E2. (E1 . A’)] =
1 -2 1 0 1 0 1 2 0 = 1 0 2/3
0 1 0 -1/3 -1 1 0 -1 1 0 1 -1/3
1/3 2/3
. . 1 2 0 = 1 0 2/3
1/3 -1/3
0 -1 1 0 1 -1/3
Matrices equivalentes
Definición: dos matrices son equivalentes por fila si y sólo sí una de ellas puede obtenerse
a mediante un número finito de operaciones elementales aplicables a las filas de la otra.
Sean A y B ∈ K m x n y Ei ∈ K m x m:
A ≡ B ⇔ ∃ E1, .. Ek / A = Ek.Ek-1. …..E2.E1.B
Por lo tanto las matriz A’ del ejercicio precedente es equivalente a la matriz final
(última transformación)
16
Cátedra Algebra y Geometría ALGEBRA MATRICIAL
Fac. Ingeniería UNPSJB – Sede Ushuaia
Esto significa que A-1 se obtiene aplicando a I las mismas operaciones elementales
requeridas para transformar la matriz A en la Identidad.
En consecuencia es útil el método de Gauss Jordan para facilitar la obtención de la
inversa de una matriz cuadrada A de orden nxn, siguiendo los siguientes pasos:
1) Adjuntar a la matriz A la identidad conformando una matriz de n filas y 2n columnas.
2) Aplicar Gauss Jordan a toda la matriz resultante, aplicando pivotes exclusivamente
sobre la matriz A original.
3) Si A tiene inversa, se podrán aplicar sucesivamente n pivotes, quedando en su posición
la matriz Identidad. En la partición que ocupaba originalmente I, quedará definida A-1, ya
que a estas celdas se aplicaron las mismas O.E. que transformaron A en I.
4) Si A no puede transformarse en I ( una fila se anula en la partición de A y no hay
posibilidad de un nuevo pivot), no hay posibilidad de determinar A-1
A I
a11 a12 … a1n 1 0 … 0
a21 a22 … a2n 0 1 0… 0
… … … … …
an1 an2… ann 0 0 … 0 1
n transformaciones pivotales
1 0 … 0
a’11 a’12 … a’1n
0 1 0… 0
a’21 a’22 … a’2n
… … … … …
a’nn
a’n1 a’n2… -1
0
I
0 … 0 1
A
17
Cátedra Algebra y Geometría ALGEBRA MATRICIAL
Fac. Ingeniería UNPSJB – Sede Ushuaia
A.X = B
Si ∃ A-1 ⇒ A-1.(A . X) = A-1.B
(A-1.A) . X = A-1.B
I . X = A-1.B
X = A-1.B
Esta última ecuación define un único vector solución
Matrices particionadas
18
Cátedra Algebra y Geometría ALGEBRA MATRICIAL
Fac. Ingeniería UNPSJB – Sede Ushuaia
b) Sea: 1 -1 2 3 0 2
0 1 3 5 0 6 (expresión de A según
A11 A12 A13
A= 1 1 0 0 -2 0 ⇒ A= sus bloques)
0 0 1 4 4 1 A21 A22 A23
Una forma usual de expresar una matriz es por sus columnas o bien por sus renglones
Sea: 2 1 4 2
A= 0 3 7 ⇒ A = ( A1, A2, A3 ); donde por ejemplo A1 =
0
1 2 -1 1
o bien A= A1 En tal caso A1= (2 1 4)
A2
A3
1 -1 0 0
Sea la matriz B= 2 3 5 1 = ( B1, B2, B3, B4 )
1 -2 -1 0
Es posible que en el producto A.B (orden 3x4) sólo interese el contenido de una
columna, por ejemplo la 2ª . En tal caso conviene multiplicar A por esa columna de B:
2 1 4 -1 -7
A . B2 = 0 3 7 . 3 = -5
1 2 -1 -2 7
A1.B
A.B= A2.B
A3.B
19
Cátedra Algebra y Geometría ALGEBRA MATRICIAL
Fac. Ingeniería UNPSJB – Sede Ushuaia
Caso 2: Matriz particionada en dos bloques de filas por matriz sin particionar
A1 A1B
B
A.B = . =
A2 A2B
A A.B
A1 A1.B
.B=
A2 A2.B
20
Cátedra Algebra y Geometría ALGEBRA MATRICIAL
Fac. Ingeniería UNPSJB – Sede Ushuaia
Caso 3: Producto entre dos matrices particionadas: dos bloques de filas por dos bloques
de columnas
. ( B1 B2 )
A1
A2
A1 A1.B1 A1B2
. = txr tx(n-r)
txp B1 B2
A2.B1 A2.B2
A2 (m-t)xp pxr px(n-r) (m-t)xr (m-t)x(n-r)
. ( B1 B2 ) =
A1 A1B1 A1B2
A2 A2B1 A2B2
Caso 4: Producto entre dos matrices particionadas: dos bloques de columnas por dos
bloques de filas
Las matrices deben particionarse de manera de que en el bloque izquierdo de A
haya tantas columnas como filas en el bloque superior de B.
(A1 A2) . B1
B2
A1 A2 B1
mxt mx(p- txn A1.B1 + A2.B2
t) . =
mxn
B2
(p-t)xn
B1
(A1 A2) .
B2 = A1.B1 + A2.B2
21
Cátedra Algebra y Geometría ALGEBRA MATRICIAL
Fac. Ingeniería UNPSJB – Sede Ushuaia
Ejemplo del caso: resolver el producto A.B particionando en la forma más apropiada
A B
0 1 2 3
4 1 0 0 0 0 1 0 -2
1 2 0 0 0 . 0 2 1 7
1 1 0 0 0 1 1 0 4
-1 3 5 5
Interesa minimizar el cálculo. En la primera matriz hay una submatriz nula 3x3 que
anula cualquier término en donde ella intervenga, por lo cual es conveniente que la misma
defina la partición. Si A tiene dos columnas en el primer bloque y tres en el 2º ⇒ B debe
particionarse con dos filas en el primer bloque y tres filas en el 2º .
A1 A2
0 1 2 3 B1
4 1 0 0 0 0 1 0 -2
1 2 0 0 0 . 0 2 1 7 =
1 1 0 0 0 1 1 0 4 B2
-1 3 5 5
= 0 5 8 10 0 0 0 0 0 5 8 10
0 0 0 0 =
0 3 2 -1 + 0 0 0 0 0 3 2 -1
= A1B1 + A2B2 = 0 2 A.B
2 1
A11 A12
Sean A1 = y A2=
A21 A22
⇒ A = (A1,A2)
22
Cátedra Algebra y Geometría ALGEBRA MATRICIAL
Fac. Ingeniería UNPSJB – Sede Ushuaia
El producto entre matrices con múltiples bloques se realiza tratando los bloques como si
fueran elementos de matrices ordinarias. No obstante, para que sea factible deben
respetarse las condiciones de dimensión que requiere el producto.
k=1,s
A= A11 0
0 A22
(1)
s es la cantidad de columnas de bloques en la 1ª matriz (o cantidad de filas de bloques en la 2ª )
23
Cátedra Algebra y Geometría ALGEBRA MATRICIAL
Fac. Ingeniería UNPSJB – Sede Ushuaia
(2)
A11-1 0 . A11 0 = IK 0 = I
0 A22-1
0 A22 0 In-k
⇒ A11 -1 0 = A-1
0 A22-1
Si A es no singular ⇒
∃ B / B.A = I = A.B
Particionando:
B11 B12 . A11 0 = IK 0 = A11 0 . B11 B12
B21 B22 0 A22 0 In-k 0 A22 B21 B22
resulta:
B11 A11 = Ik = A11 B11 ⇒ B11 = A11-1
B22 A22 = In-k = A22 B22 ⇒ B22 = A22-1
Ejemplo:
1 6 0 0
Determinar la inversa de: A= 1 2 0 0
0 0 2 8
0 0 0 4
-1 -1
1 6 2 8 ½ -1
A11 = -1
= -½ ¾ A22 = -1
=
1 2 0 4 0 ¼
¼ -¼
-½ ¾ 0 0
A =-1 ¼ -¼ 0 0
0 0 ½ -1
0 0 0 ¼
(2)
Ik es la matriz identidad de orden k x k
24
Cátedra Algebra y Geometría ALGEBRA MATRICIAL
Fac. Ingeniería UNPSJB – Sede Ushuaia
Bibliografía
25