Sie sind auf Seite 1von 21

Prof.

Luis Nez

Sistemas de ecuaciones lineales y matrices

SISTEMA DE ECUACIONES LNEALES Y MATRICES


1.- SISTEMAS DE ECUACIONES LINEALES. Un gran nmero de problemas de las ciencias y de ingeniera requieren un tratamiento con ecuaciones que relacionan dos conjuntos de variables. Una ecuacin del tipo: axb Se denomina ecuacin lineal. La palabra lineal hace referencia a que la grfica de la ecuacin anterior es una lnea recta. De forma anloga las ecuaciones del tipo: a1x1 + a2x2 +  ,3 3= b, (1)

donde los ai y b son constantes conocidas y las xi son incgnitas, son llamadas ecuaciones lineales. En muchos problemas, la resolucin pasa por determinar los nmeros xi (incgnitas) que satisfagan la ecuacin (1) . Una solucin de la ecuacin lineal (1) es una sucesin de n nmeros c1, c2, c3 ... cn con la propiedad que satisfacen la ecuacin. Ejemplo 1.1 Para la ecuacin lineal: 6x1 3x2 + 4x3 = -13 Una solucin de la misma es: x1 = 0, x2 = -1, x3 = -4 Puesto que cumple la ecuacin anterior

6(0)  -1) + 4(    tambin es solucin.

sta no es la nica solucin de la ecuacin lineal dada, puesto que x1 = -3, x2 = -1/3, x3 = 1

Observacin. Una ecuacin lineal no contiene productos, cocientes o races de las incgnitas. Todas las incgnitas se presentan nicamente a la primera potencia y no aparecen como argumento de funciones trigonomtricas, logartmicas o exponenciales. Las siguientes ecuaciones no son lineales: 3x + 2 =4 a) y c) x 3x 2 = 6

b) 3xy +2x = 4 d) 2.sen(2x-3)+ 3x = 5

El problema central que estudiaremos en este tema es cuando se presentan un conjunto de ecuaciones lineales que deben cumplirse en forma simultnea, a dichos conjuntos se les llama sistemas de ecuaciones lineales.

Prof. Luis Nez

Sistemas de ecuaciones lineales y matrices

Consideramos el problema de determinar n nmeros reales: x1, x2, x3,.....,xn que satisfagan simultneamente las m condiciones siguientes:
a11 x1 + a12 x 2 + ........ a1 n x n = b1 a 21 x1 + a 22 x 2 + ........ a 2 n x n = b2 . a m 1 x1 + a m 2 x 2 + ........ a mn x n = bm

(1)

En donde aij y bi son elementos de R.

Al conjunto de ecuaciones anteriormente sealadas, se les llama un sistema de m ecuaciones lineales con n incgnitas. Los valores de x1 , x2 , , xn que satisfacen simultneamente a todas las ecuaciones del sistema constituyen una solucin del sistema de ecuaciones lineales. Resolver un sistema lineal consiste en encontrar todas las posibles soluciones, si es que existen. El uso de doble subndice para los coeficientes de las incgnitas, permite la ubicacin en el sistema, el primer subndice corresponde a la ecuacin y el segundo a la incgnita que acompaa. En el proceso para resolver un sistema lineal, se usan dos axiomas importantes del lgebra elemental: 1) Si a = b y c = d entonces a+c = b+d 2) Si a = b y k es cualquier nmero real entonces k.a = k.b El primero de estos axiomas nos garantiza que si en un sistema de ecuaciones sumamos miembro a miembro dos ecuaciones, obtenemos otra ecuacin correcta. El segundo axioma nos dice que si multiplicamos cada lado de una ecuacin por una constante k   80 4-9 030 :3, ecuacin vlida. El caso k = 0, no es til porque resultara 0 = 0, que aunque es cierta no contribuye a encontrar la solucin del sistema. Ejemplo 1.2 Resolver el sistema lineal x 3y = 3 2x + y = 8

Para determinar las soluciones de este sistema lineal, utilizaremos la tcnica llamada mtodo de eliminacin que seguramente se haya trabajado en cursos de bachillerato. Procedimiento. 2x + 6 y = 6 2x + y = 8 ii) sumamos miembro a miembro las ecuaciones y obtenemos: 7y = 14 iii) despejando y se obtiene: y = 2 iv) sustituyendo este valor en una de las ecuaciones se obtiene: x = 3 v) Sustituyendo x = 3 e y = 2 en las dos ecuaciones del sistema dado, verificamos que efectivamente estos valores constituyen una solucin. i) multiplicamos los miembro de la primera ecuacin por -2

Prof. Luis Nez

Sistemas de ecuaciones lineales y matrices

x 3y = 1 2x 6 y = 3 Aplicando el mismo procedimiento anterior obtendremos 0=1 sentido. Esto significa el sistema lineal dado no tiene solucin. Ejemplo 1.3 Consideremos el sistema lineal Ejemplo 1.4

lo cual carece de

-x -2y + 3z = -4
3x + 2y 5z = 4

Multiplicando los miembros de la primera ecuacin por 3 y luego sumando miembro a miembro con la segunda ecuacin se obtiene : -4y + 4z = -8 de donde y = z +2 sustituyendo en la primera ecuacin se tiene -x -2(z+2) + 3z = -4 de all se despeja x para obtener: x = z As la solucin del sistema es x = r , y = 2 + r , z = r cualquiera. Por lo tanto este sistema tiene infinitas soluciones. donde r es un nmero real

Estos ejemplos muestran que un sistema lineal puede tener: - Una solucin - Ninguna solucin - Infinitas soluciones Desde el punto de vista geomtrico una ecuacin lineal con dos incgnitas representa una recta en el plano, en este sentido resolver un sistema de dos ecuaciones lineales con dos incgnitas equivale a encontrar la interseccin de dichas rectas, aqu se presentan tres posibilidades: Y Y Y

X
Rectas paralelas; interseccin vaca Rectas secantes; un solo punto en comn

X
Rectas coincidentes; infinitos puntos en comn

Al resolver cualquier sistema de ecuaciones lineales estarn presentes tres posibilidades: solucin nica, infinitas soluciones o ninguna solucin. En el ejemplo 3. se puede observar que el sistema consta de dos ecuaciones con tres incgnitas, cada ecuacin geomtricamente representa un plano en R3 y la solucin corresponde a las ecuaciones paramtricas de una recta en R3, dicha recta es la interseccin de los dos planos. Dado un sistema de ecuaciones lineales, una submeta para resolverlo es encontrar un sistema lineal equivalente (que tiene la misma solucin), en el que la solucin general se pueda

Prof. Luis Nez

Sistemas de ecuaciones lineales y matrices

determinar fcilmente. Las operaciones que se realizan para obtener el sistema equivalente son las siguientes operaciones elementales: Tipo I Intercambio de dos ecuaciones del sistema Tipo II Reemplazo de una ecuacin por un mltiplo escalar no nulo de ella Tipo III Reemplazo de una ecuacin del sistema por la suma de ella y un mltiplo real de otra ecuacin del sistema. Ejemplo 1.5. Encuentre la solucin general del sistema aplicando las operaciones descritas anteriormente
x + 2y + 7z x + y z 3x 2y + 5z = = = 1 2 5

Si analizamos el mtodo de eliminacin descrito en anteriormente, observamos lo siguiente. Al realizar los pasos del mtodo de eliminacin, slo modificamos los nmeros que aparecen junto a las incgnitas x1 x2 . xn. As, podemos encontrar una forma de escribir un sistema lineal sin tener que escribir las incgnitas. En esta seccin definimos un objeto que nos permite hacerlo; es decir, escribir sistemas lineales de una forma compacta que facilite la automatizacin del mtodo de eliminacin en una computadora, que permita obtener un procedimiento rpido y eficaz para determinar las soluciones. Tambin desarrollaremos las operaciones sobre las matrices y trabajaremos con ellas de acuerdo con las propiedades que cumplen. El sistema propuesto en se puede representar solamente con los coeficientes y los trminos constantes, mediante el siguiente arreglo.
2 1 1 1 3 2 7 1 5 1 2 5

Este arreglo se llama matriz y cada nmero de la matriz se denomina componente. Para facilitar el trabajo con sistemas de ecuaciones lineales, vemos la necesidad de trabajar con matrices por tal razn introduciremos este concepto a continuacin. 2.MATRIZ
a11 a12 ... a1n a21 a22 ... a2n : : : : a ... a a mn m1 m2

Una matriz es una distribucin rectangular ordenada de elementos de un conjunto numrico determinado, estos elementos se colocan en filas y columnas de la siguiente manera: Ejemplo 2.1 2 3 4
1 6

Observaciones: i. Usaremos las letras maysculas A, B, C, ..., para denotar las matrices. ii. La matriz anterior la denotaremos con A y se puede expresar asi: A=(aij), donde i = 1, 2, 3,....., m representa las filas y j = 1, 2, 3,......, n representa las

5 Es una matriz con dos filas y tres columnas. 1

Prof. Luis Nez

Sistemas de ecuaciones lineales y matrices

iii. iv. v.

columnas. Para referirnos al elemento de la matriz A que est en la fila i y en la columna j lo denotamos as: aij En nuestro caso los elementos aij sern nmeros reales, salvo que se indiquen otros. Denotaremos por Mmxn(R) al conjunto de todas las matrices de m filas y n columnas con elementos reales, donde m y n Z+. Si A es una matriz de m filas y n columnas, diremos que A tiene tamao mxn.

Ejemplo 2.2. Supongamos que un empresario tiene cuatro plantas, cada una de las cuales fabrica tres productos, si aij denota la cantidad de producto i elaborada en la planta j en una semana, entonces la matriz de 3x4 Planta 1 Planta 2 Planta 3 Planta 4 Pr oducto 1 Pr oducto 2 Pr oducto 3 560 340 280 360 450 270 380 420 210 0 80 380

Esta matriz proporciona la produccin del fabricante en una semana 2.1. Igualdad de matrices: Sean A M mxn ( R) y B M pxq ( R) : A=B m = p , n=q y

adems aij = bij para todo i = 1, 2, 3,....., m y j= 1, 2, 3,......, n . Es decir dos matrices son iguales si ellas tienen el mismo nmero de filas, el mismo nmero de columnas y los elementos que ocupan la misma posicin tambin son iguales. 2.2. CLASES DE MATRICES Segn el aspecto de las matrices, stas pueden clasificarse en: Matriz columna y Matriz fila: Una matriz mx1 se llama matriz columna. De igual manera, una matriz 1xn se llama matriz fila. Una matriz cuadrada es la que tiene el mismo nmero de filas que de columnas. Se dice que una matriz cuadrada n x n es de orden n. Al conjunto de todas las matrices cuadradas de orden n con nmeros reales lo denotaremos por Mn en lugar de Mnxn Ejemplo 2.3. Sean Entonces, A y B son matrices cuadradas de orden 3 y 2 respectivamente. Matriz Nula: Si A M mxn ( R) / aij = 0 para todo ij, diremos que A es la matriz nula de orden mxn. y la denotaremos por Omxn. 0 0 0 O2x3 = 0 0 0

Prof. Luis Nez

Sistemas de ecuaciones lineales y matrices

0 si i j diremos que In es la Sea In = (Iij) M n ( R) , si Iij = 1 si i j = matriz identidad de orden n y la denotaremos por In o simplemente I si no hay dudas sobre el 1 0 0 1 0 tamao. I2= , I = 0 1 0 3 0 1 0 0 1 Matriz Identidad: Matriz Diagonal: La matriz A Mn(R) es diagonal s y slo si aij = 0 para todo i j.
2 0 0 D = 0 3 0 0 0 1

Matriz triangular superior: Sea A Mn(R), A = (aij) es una matriz triangular superior s y slo si aij = 0 i >j. Matriz triangular inferior: slo si aij = 0 i < j. Triangular inferior Sea A Mn(R), A = (aij) es una matriz triangular inferior si y
1 0 0 0 2 0 3 8 0 4 1 2 0 2 9 0 0 5

Triangular superior

2.3 OPERACIONES ELEMENTALES POR FILAS: Dada una matriz de orden mxn. Una operacin entre filas es elemental si se corresponde con uno de los siguientes tipos: i. Intercambio de dos filas: que denotaremos por fi fj ii. Multiplicar una fila por un escalar no nulo. Por ejemplo multiplicar la fila i por fi fi iii. Sustituir una fila por ella misma ms un mltiplo de otra fila diferente: fi fi + fj 0, e ij Matrices equivalentes: Dos matrices A,B Mmxn(R) son equivalentes si una se obtiene de la otra mediante una sucesin finita de operaciones elementales por filas. Ejemplo 2.3.
1 0 1 1 0 1 Sea A = 2 2 3 si aplicamos f2 f2+2f1 obtenemos B= 0 2 1 3 1 4 3 1 4 1 0 1 C = 3 1 4 0 2 1

Si a B le aplicamos la operacin f3 f2 (intercambio de filas) obtenemos En este caso podemos afirmar que A , B y C son equivalentes entre si.

Prof. Luis Nez

Sistemas de ecuaciones lineales y matrices

Matriz elemental. Una matriz cuadrada A se dice que es elemental si se puede obtener de la identidad por medio de una sola operacin elemental por fila. Ejemplo 2.4.
1 0 0 Si a 0 1 0 le aplicamos la operacin elemental f1 f1 -2f3 se obtiene 0 0 1 1 0 2 0 1 0 . Si a esta nueva matriz se le efecta otra operacin 0 0 1
f 2 f3

una matriz elemental

elemental entre sus fila como por ejemplo elemental

1 0 2 se obtiene 0 0 1 la cual no es 0 1 0

Matriz reducida por filas. Sea A Mmxn(R), A es una matriz reducida por filas si se verifica que: i) El primer elemento no nulo de cada fila no nula es 1. ii) Cada columna de A que contiene el primer elemento no nulo de alguna fila tiene ceros en las dems posiciones. Matriz escalonada. Sea A Mmxn(R), A es una matriz escalonada si se verifica que: i) Las filas nulas de A (si las hay) estn debajo de las filas no nulas. ii) Si dos filas sucesivas tienen elementos no nulos, entonces el primer elemento no nulo de la fila de abajo esta a la derecha del primer elemento no nulo de la fila de arriba EJERCICIOS
2 2 0 3 A= 0 0 0 0

Determine si las matrices dadas son escalonadas y/o reducidas por filas: 0 0 0 0 B= 0 2 3 1 0 0 1 2 0 1 0 C= 1 0 0 0 0 1 1 0 D= 0 0 0 1 0 0 0 0 1 0

4 1 0 3 4 0 5 3 1 0 2 3 2 0 0 4 2

Matriz escalonada reducida por filas. Sea A Mmxn(R), A es una matriz escalonada reducida por filas, si A es escalonada y adems es reducida por filas. Observacin: En la forma escalonada reducida por fila, todos los elementos situados arriba y abajo del primer 1 de la fila son ceros.

Prof. Luis Nez

Sistemas de ecuaciones lineales y matrices

TEOREMA: Toda matriz mxn sobre el cuerpo R es equivalente a una matriz escalonada y reducida por filas sobre el mismo cuerpo. 3. SISTEMAS DE ECUACIONES USANDO LA FORMA MATRICIAL
a11 x1 + a12 x 2 + ........ a1n x n = b1 a 21 x1 + a 22 x 2 + ........ a 2 n x n = b2 . a m 1x1 + a m 2 x 2 + ........ a mn x n = bm

Dado el sistema de ecuaciones

i)

a11 a 21 La matriz: A= . . a m1

a12 a 22 . . am2

... . ... .

a1n a2n . . a mn
b1 b2 . . bm

Es llamada matriz de los coeficientes del sistema de ecuaciones

ii)

La matriz:

a11 a12 a21 a22 C= . . . . am1 am 2

... a1n ... a2 n

es la matriz aumentada del sistema.

amn

iii)

Si X es una columna con las incgnitas y B es la columna que contiene los trminos constantes del sistema, entonces AX = B es la representacin matricial del sistema de ecuaciones. Si a1, a2 ,....., an son n constantes que satisfacen las m ecuaciones del sistema entonces diremos que la columna con los valores a1, a2 ,....., an es una solucin del sistema de ecuaciones. Si b1 = b2 = ..... = bn = 0 , se dice que el sistema (1) es un sistema homogneo y su forma matricial es AX = 0. Para el sistema lineal general existen tres posibilidades: que no tenga soluciones (sistema incompatible), que tenga una nica solucin (sistema compatible determinado) o que tenga un nmero infinito de soluciones (sistema compatible indeterminado). Un sistema lineal homogneo, es compatible, puesto que x1 = x 2 = .....x n = 0 , es siempre una solucin; llamada solucin trivial, en este caso existen dos posibilidades: la solucin trivial es la nica solucin o hay un nmero infinito de soluciones adems de la trivial.

iv)

v)

vi)

vii)

Prof. Luis Nez

Sistemas de ecuaciones lineales y matrices

viii)

Diremos que dos sistemas de ecuaciones son equivalentes s la matriz aumentada de uno es equivalente a la matriz aumentada del otro. Si dos sistemas de ecuaciones son equivalentes, entonces ellos tienen el mismo conjunto solucin. La tcnica bsica para resolver, un sistema de ecuaciones es la de determinar otro sistema equivalente al sistema original, cuyas soluciones se puedan determinar ms fcilmente. Un sistema compatible con ms incgnitas que ecuaciones, tiene infinitas soluciones.

ix) x)

xi)

4. MTODOS PARA RESOLVER SISTEMAS DE ECUACIONES LINEALES. Para resolver un sistema de ecuaciones existen varios mtodos que podemos clasificar en directos e indirectos, entre los mtodos directos estn: Eliminacin Gaussiana con sustitucin regresiva, Mtodo de Gauss-Jordan, Regla de Cramer, Mtodo de la inversa, Factorizacin L.U. Entre los mtodos indirecto se destacan el de Jacob y el de Gauss-Seidel. En este curso trataremos slo algunos mtodos directos. Iniciaremos con los mtodos basados en la obtencin de sistemas equivalentes. Teorema Sean Ax = b y C x = d dos sistemas lineales, cada uno con m ecuaciones y n incgnitas. Si las matrices aumentadas (Ab ) y (C  d ) de estos sistemas son equivalentes por filas, entonces ambos sistemas lineales tienen exactamente las mismas soluciones. Corolario Si A y C son dos matrices de m x n equivalentes por renglones, entonces los sistemas lineales A x = 0 y C x = 0 tienen exactamente las mismas soluciones. 4.1 ELIMINACIN GAUSSIANA CON SUSTITUCIN REGRESIVA: Procedimiento: a) Se considera la matriz aumentada del sistema. b) Se determina una matriz escalonada equivalente a la matriz aumentada del sistema c) Se construye un sistema de ecuaciones equivalente al anterior, donde se detecta directamente un valor de una de las incgnitas d) Se usa la sustitucin regresiva para encontrar los valores de las restantes incgnitas. e) Verificar la solucin

Ejemplo 4.1.

Sea el sistema,

Prof. Luis Nez

Sistemas de ecuaciones lineales y matrices

10

su matriz ampliada asociada es

1 2 3

2 5 2

1 1 1

  

3 4 2

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:
f 2 f 2 2 f1 1 3 1 2 f3 f3 3 f1 2 5 1 4 3 2 1 2

1 3 1 3 1 2 1 2 f 3 f 3 +8 f 2 0 1 3 10 0 1 3 10 0 8 4 7 0 0 28 87

De este modo, el sistema tiene una solucin nica, que obtendremos mediante la sustitucin regresiva.
z= 87 87 = 28 28
x =3 87 280 + 261 19 = y = 10 + 3 = 28 28 28 87 19 84 87 + 38 35 5 2 = = = 28 28 28 4 28

Ejercicio:

Resuelve el siguiente sistema de ecuaciones:

x1 2 x 2 + 3 x 3 = 11 4 x1 + x 2 x 3 = 4 2 x1 x 2 + 3 x 3 = 10

4.2 ELIMINACIN DE GAUSSJORDAN Procedimiento: a) Se considera la matriz aumentada del sistema b) Se determina la matriz escalonada reducida, equivalente a la anterior . c) Se construye un sistema de ecuaciones equivalente al anterior, donde se puede ver de inmediato la solucin del sistema. d) Verificar la solucin. Resuelva el sistema de ecuaciones del ejemplo1, aplicando el mtodo de eliminacin GaussJordan. Ejemplo 4.2. El sistema dado en el ejemplo 4.1 es,

Prof. Luis Nez

Sistemas de ecuaciones lineales y matrices

11

1 la matriz ampliada asociada a el es 2 3

2 5 2

1 1 1

  

3 4 2

Al igual que en el ejemplo 4.1 empezamos a escalonar la matriz aumentada usando operaciones elementales en las filas.
f 2 f 2 2 f1 1 3 1 2 f3 f3 3 f1 2 5 1 4 3 2 1 2

1 3 1 3 1 2 1 2 f 3 f 3 +8 f 2 0 1 3 10 0 1 3 10 0 8 4 7 0 0 28 87

ya se obtuvo la forma escalonada, ahora procedemos a reducir.


f1 f1 + f 3 5 1 0 4 0 1 3 7 23 1 2 1 0 3 f 4 f1 f1 2 f 2 f 2 f 2 28 3 19 0 1 3 10 0 1 0 0 1 3 10 28 0 0 28 87 0 0 28 87 0 0 28 87
1

f 3 1 f 3 28 0

1 0 0 1 0 0 0 1

5 4 19 28 87 28

La cuarta columna contiene la solucin del sistema de

ecuaciones dado.

Verifquelo.

Ejemplo 4.3. Aplicando el mtodo Gauss-Jordan encuentre todas las soluciones del sistema x1 x 2 + x3 x 4 = 2 2 x1 + 3x 2 x3 + 2 x 4 = 5 4 x 2 x + 2 x 3 x = 6 2 3 4 1 y despus todas las soluciones al sistema homogneo asociado.
2 1 3 x a 1 0 2 y = b 1 1 1 z c

Ejemplo 4.4

Considere el sistema de ecuaciones

Encuentre los

valores de a , b ,c para que el sistema sea compatible (tenga solucin) Solucin. Aplicando el Mtodo de Gauss se tiene:

Prof. Luis Nez

Sistemas de ecuaciones lineales y matrices

12

2 1 2 2 1 3 a f1 f 3 f3 1 2 0 1 1 0 2 b 2 1 1 1 c 1 0 2

f 2 f 2 + 1 f1

3
1 2 1 2

a a 2 1 3 f3 f3 f 2 a a 1 1 b+ b+ 0 2 2 2 2 0 0 0 c b a c a 2

El sistema dado tendr solucin siempre que c- b-a = 0. (c = a+b) A modo de ejemplo, si tomamos a = 2 b = -3 anterior obtenemos el sistema equivalente y c = -1 que satisfacen la condicin

2 x + y 3 z = 2 . Despejando y de la segunda y + z = 2 2 2

ecuacin se obtiene

y = -4 z que sustituido en la primera ecuacin resulta:

2x + (-4 z) - 3z =2 x = 2z + 3 As la solucin general sern las ternas (2t+3, -4-t, t) donde t es un parmetro real. El sistema tiene infinitas soluciones y se pueden obtener soluciones particulares dndole valores reales a t. por ejemplo para t=0 se tiene una solucin (3, -4, 0)

Ejemplo 4.5 Resolvamos el siguiente sistema lineal:

Solucin: Paso 1: La matriz aumentada de este sistema lineal es:

Paso 2: La matriz aumentada es equivalente por renglones a la matriz (verifique)

Paso 3: El sistema lineal equivalente representado por esta matriz es:

Prof. Luis Nez

Sistemas de ecuaciones lineales y matrices

13

Hemos ignorado la ltima fila que consta completamente de ceros. As la solucin del sistema lineal es

5.

OPERACIONES CON MATRICES:

5.1. SUMA DE MATRICES: Sean A, B M mxn ( R) donde A = (aij ) y B = ( bij ) , consideremos la matriz C = (cij) perteneciente a M mxn ( R) tal que cij = aij + bij para todo i =1, 2, 3,....., m y j=1, 2, 3,......, n. La matriz C es la suma de A ms B, es decir C = A + B. Ejemplo 5.1. 2 Si A= 1

0
1 2

3 4

5 1 1 B= 2 3 2

entonces

3 A+ B = 3

1
7 2

2 2

Observacin: Slo podemos sumar matrices del mismo tamao

5.1.1 PROPIEDADES: i) La adicin definida en el conjunto Mmxn(R) es una Ley de Composicin Interna. Pues ella es una funcin que asigna a cada par de matrices de Mmxn(R) otra matriz del mismo conjunto. ii) A, B, C Mmxn(R) se cumple que: (A+B)+C = A+(B+C) iii) O es llamada matriz O Mmxn(R) tal que: A+O = O+A = A, A Mmxn(R) , nula iv) La matriz B se denota A Mmxn(R), B Mmxn(R) tal que: A+B = B+A =O . por -A y se le llama opuesto aditivo de A. v) A, BMmxn(R): A+B = B+A. Un conjunto no vaco con una operacin donde se satisfacen las primeras 4 propiedades anteriores se denomina grupo, si adems se cumple la propiedad (v) se dice que el grupo es conmutativo. * Las propiedades anteriores se pueden resumir diciendo que Mmxn(R) con la adicin es un grupo conmutativo. 5.2. PRODUCTO DE UN ESCALAR POR UNA MATRIZ. Sea A M mxn ( R) y sea un nmero real, consideremos la matriz C M mxn ( R) tal que cij = aij para todo i = 1, 2, 3,....., m y j= 1, 2, 3,......, n. A esta matriz C se le llama producto del escalar por la matriz A. Notacin C = A.

Prof. Luis Nez

Sistemas de ecuaciones lineales y matrices

14

Ejemplo 5.2

2 Si A= 1

0
1 2

3 4

entonces

4 0 6 2.A= 2 1 8

5.2.1 PROPIEDADES. i) La operacin multiplicacin de un nmero real por una matriz de Mmxn(R) es una Ley de composicin externa en Mmxn(R) con escalares de R. Puesto que esta operacin es una funcin que a cada par ordenado formado por un nmero real y una matriz, le asigna como imagen una matriz de Mmxn(R). Sean , R y A, B Mmxn(R) se cumple que: ii) iii) iv) v) vi) vii) ( + ) A = A + A .O = O o.A = O .(A+B) = .A+.B . (.A)= (. ) A = (.A) 1. A = A

5.3. PRODUCTO DE MATRICES Sean las matrices A Mmxp(R) y B Mpxn(R), llamaremos producto de las matrices A y B, a la matriz C cuyo elemento cij es la suma de los productos de los elementos de la fila i de A por los correspondientes elementos de la columna j de B. Escribimos C = A.B Donde cij = ai1 b1j + ai2 b2j +..... + aip bpj. Es decir cij = (1)

aik bkj
k =1

para todo i = 1, 2, 3,...,m y para todo j= 1, 2, 3,...,n

La ecuacin (1) dice que el i,j-simo elemento de la matriz producto es el producto punto del isimo regln (fila) de A y la j-sima columna de la matriz B. Observa que el producto de A y B slo est definido cuando el nmero de reglones o filas de B es exactamente igual al nmero de columnas de A

Ejemplo 5.3: 1.

2.

Prof. Luis Nez

Sistemas de ecuaciones lineales y matrices

15

3.

1 3 5 2 2 1 1 0 2 3 2 = 0 4 6 4 2 0 1 1 1 0 2 3 2 4 10 6 2

Observaciones: i) Para realizar el producto de las matrices (A.B) el nmero de columnas de A debe ser igual al nmero de la filas B. ii) Si A.B est definido no necesariamente B.A est definido iii) Si A.B y B.A estn definidos, no necesariamente A.B=B.A
5.3.1 PROPIEDADES

i) La multiplicacin de matrices es una L.C.I en Mn(R). ii) Para cualesquiera A, B y C pertenecientes a Mn(R) se cumplen: a) A(B.C) = (A.B)C b) A(B+C) = AB+ AC c) (A+B)C =AC+BC iii) Existe In Mn(R) tal que A. In = In.A= A iv) No es vlida la ley de cancelacin: A.B = A.C no implica que B=C EJERCICIOS 1) Dadas A=
1 2 , 2 4

B=

1 0 0 1

C=

1 0 1 1

Verifique que AB=AC pero B C


1 1 2 1 2 0 2) Dadas D= 2 2 4 , E= 1 0 0 y 3 3 6 0 0 0 0 0 1 F= 0 0 1 1 1 0

Verifique que DE = DF pero E F .

Estos dos casos ratifican que la ley de cancelacin que es vlida en la multiplicacin de nmeros reales y otras operaciones, en el caso de multiplicacin de matrices no es vlida. 1 Q= 0 0 0
3 2 1 2

3) Dadas

0 1 2 3 2

1 3 5 A = 1 3 5 1 3 5

2 3 5 B= 1 4 5 1 3 4

Prof. Luis Nez

Sistemas de ecuaciones lineales y matrices

16

Verifique que: AB = BA = O y Q2 = I (Q2 denota el producto Q.Q y en general, si n A es una matriz cuadrada A =A.A.A........A n veces ) 4) Encuentre dos matrices A y B de tamao 2x2 tales que (A + B )2 A2 + 2 AB + B 2 5) Encuentre dos matrices A y B de tamao 2x2 tales que (A + B )2 = A2 + 2 AB + B 2 Aplicacin comercial Suponga que nicamente dos compaas rivales, R y S, fabrican cierto producto. Cada ao, la compaa R conserva de sus clientes, mientras que cambian a S. En el mismo lapso, S conserva 2/3 de sus clientes, mientras que 1/3 cambia a R. Esta informacin se puede desplegar en forma matricial como

Al comenzar por primera vez la fabricacin del producto, R tiene 3/5 del mercado (el mercado es la cantidad total de clientes), mientras que S tiene los otros 2/5 del mercado. Denotamos la distribucin inicial del mercado como:

Un ao despus, la distribucin del mercado es como sigue:

Esto se puede ver fcilmente como sigue. Supongamos que el mercado inicial consta de k personas, digamos k= 12000 y que este nmero no se modifica con el paso del tiempo. Entonces inicialmente, R tiene 3/5 k clientes y S tiene 2/5 k clientes. Al final del primer ao, R conserva de sus clientes y gana 1/3 de los de S. As, R tiene:

De manera anloga, al final de dos aos, la distribucin del mercado estar dada por: El problema que acabamos de ver es un ejemplo de una cadena de Markov. 5.3.2 Matriz invertible o no singular La matriz A Mn(R) es invertible si slo si existe B Mn(R) tal que: A.B = B.A = In , en este caso diremos que B es la inversa de A y la denotaremos por A-1

Ejemplo 5.4.

Prof. Luis Nez

Sistemas de ecuaciones lineales y matrices

17

Puesto que AB = BA = I, A y B son invertibles, siendo cada una la inversa de la otra. Mtodo de Gauss para obtener la inversa 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 x 2n matriz identidad I en la derecha. M = (A I ) esto es, A est en la mitad izquierda de M y la

Paso 2. Se utilizan operaciones elementales por filas a la matriz M de modo que la matriz A llegue a su forma escalonada, reducida por filas. Paso 3. Se comprueba s A es invertible: a) Si la forma escalonada reducida por renglones de A es la matriz identidad I, entonces A-1 es la matriz que se tiene a la derecha de la barra vertical. Si la reduccin de A conduce a un rengln de ceros a la izquierda de la barra vertical, entonces A no es invertible.

b)

2 3 Ejemplo 5.5 Usar el mtodo anterior para hallar la inversa de la matriz A= 4 6


3 1 1 2 2 3 1 1 0 f 2 f 2 12 2 2 12 2 1 0 1 1 6 1 12
0

31 1 0 f 2 f 2 4 f 1 1 2 3 1 0 f 1 f 1 1 2 22 4 6 0 1 0 4 6 0 1

3 f 1 f 1+ f 2 2

1 8 1 1 0 1 6 12 1 0 1 4

1 1 1 4 8 = A 1 1 6 12

Prof. Luis Nez

Sistemas de ecuaciones lineales y matrices

18

Verificacin

1 1 1 1 4 8 4 8 2 3 1 0 2 3 = . . 4 6 = 1 1 1 1 4 6 0 1 6 12 6 12

1 0 2 Ejemplo 5.6 Encontrar la inversa de A = 2 1 3 4 1 8 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, tomamos 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 multiplicar la segunda fila por -1: La matriz que ha quedado en la mitad derecha de M es la matriz inversa de A:

Prof. Luis Nez

Sistemas de ecuaciones lineales y matrices

19

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

Ejemplo 5.7

Sea:

1 3 4 A= 2 5 7 0 1 1

1 3 4 1 0 0 1 3 4 1 0 0 f 1 f 1+3 f 2 1 0 1 5 3 0 f 2 f 2 2 f 1 f 3 f 3+ f 2 0 1 1 2 1 0 0 1 1 2 1 0 A = 2 5 7 0 1 0 0 1 1 0 0 1 0 1 1 0 0 1 0 0 0 2 1 1

La matriz A no puede reducirse a la matriz identidad por lo que se puede concluir que A no es invertible. 5.3.2.1 Propiedades: i) Si A es invertible, su inversa

es nica

ii) Si A es invertible, entonces su inversa A1 tambin es invertible y adems (A1)-1 = A iii) Si A y B son invertibles del mismo tamao, entonces A.B es invertible y adems (A.B)1 = B1.A1 iv) Si A es invertible entonces y n es un entero positivo An es invertible y A n
1

( ) = (A )
-1

1 n

; $ 08 3;079 - 0  08:370, 343: 403943.08 08 3;079 - 0  

1 -1 A

Demostracin i) Sea A una matriz invertible y supngase que B y C son inversas de A. Por ser B inversa de A se cumple que A.B = I. Si ahora multiplicamos por la izquierda cada miembro de la igualdad por C, obtenemos C(AB) = C.I. Luego asociando tenemos (C.A).B = C. Como C es inversa de A entonces C.A = I. As que I.B = C y finalmente

Prof. Luis Nez

Sistemas de ecuaciones lineales y matrices

20

se obtiene que B = C . Por lo que queda probado que si una matriz es invertible no existen inversas diferentes y por lo tanto es su inversa es nica. iii) Sean A y B dos matices invertibles del mismo tamao (orden n). Entonces existen A-1 y B-1 Como A, B, A-1 y B-1 son matrices cuadradas del mismo tamao entonces existen A.B y B-1.A-1 las cuales tambin son cuadradas de orden n. (AB).( B-1A-1) = A.(B.B-1).A-1 = A.I.A-1 = A.A-1 = I ( B-1A-1) . (AB ) = B-1.(A-1.A).B = B-1I.B = B-1B = I Con esto queda probado que AB es invertible y su inversa denotada por (AB)-1 es B-1A-1 Se deja la demostracin de ii , iv y v al estimado lector. TEOREMA: Toda matriz elemental es invertible. TEOREMA: Para cada matriz cuadrada A sobre R, las siguientes afirmaciones son equivalentes: i) A es invertible ii) A es equivalente por filas a I. iii) A es un producto de matrices elementales. 5.4 TRANSPUESTA DE UNA MATRIZ: La transpuesta de una matriz A de orden mxn, representada por AT es la matriz que se obtiene de A cambiando las filas por las columnas. Si A Mmxn(R) entonces AT Mnxm(R). En general: Analogamente

a11 a12 ... a1n a21 a22 ... a2 entonces A= : : : : a ... a a mn m1 m2

a11 a12 T A = : a 1n

a 21 a 22 : a2n

a m1 ... a m 2 : : ... a mn ...

5.4.1 Propiedades: Para cualquier A,BMmxn(R) y kR se verifica que: i) (AT ) T =A . ii) (A+B) T = A T + B T Verificar con ejemplo iii) (k.A) T = k.A T iv) Si A es invertible entonces AT tambin es invertible y se cumple (AT ) 1 = ( A1) T

Prof. Luis Nez

Sistemas de ecuaciones lineales y matrices

21

v) Si AMmxn(R) y BMnxp(R) entonces (A.B) T = B T.A T Verificar con ejemplo Matriz simtrica. Diremos que A Mn(E) es una matriz simtrica si AT = A. Si AT = A entonces aij = aji i.j

Matriz antisimtrica Diremos que A Mn(R) es una matriz antisimtrica si A T = -A. Si A T = -A entonces aij = - aji ij y aii = 0 ij Ejemplo 5.8. Consideremos las siguientes matrices:

Podemos observar que: AT = A. Siendo as, A es simtrica. BT = -B. Por lo que B es antisimtrica. C no es cuadrada; en consecuencia, no es ni simtrica ni antisimtrica. Observaciones: Verificar con ejemplos i) A.AT es simtrica para cualquier matriz A ii) A+AT es simtrica para cualquier matriz cuadrada A iii) A-A T es antisimtrica para cualquier matriz cuadrada A iv) Toda matriz cuadrada se puede expresar como la suma de una matriz simtrica con una antisimtrica. Esto es posible debido a la siguiente igualdad 1 1 A = (A+A T ) + (A-A T) , La demostracin es inmediata. 2 2 Matriz ortogonal AMn(R) es ortogonal si slo y si A.A T = A T.A = I. Es decir AT = A-1