Matrices 1.1 Introducci on: En las matematicas, con frecuencia enfrentamos la tarea de manejar arreglos de n umeros o funciones. A uno de dichos arreglos se le denomina matriz. La invencion de la teora de matrices se debe al eminente matematico ingles Arthur Cayley (1821 - 1895).
1.2 Definici on de Matriz: Una matriz es una arreglo rectangular de n umeros o funciones distribuidos en filas y columnas:
a11 a12 . . . a1n
a21 a22 . . . a2n
Filas .
. .
. . .
. . .
am1 am2 . . . amn
{z
(1.1)
Columnas 1.2.1 Notaci on: 1. Generalmente a las matrices las identificamos con una letra may uscula, por ejemplo A, B, C. 2. Si una matriz A tiene m filas y n columnas se dice que A es de tama no m n o que A es de orden m n. Si m = n, se dice que A es de orden n y se denomina matriz cuadrada.
3. Cada n umero o funcion aij del ordenamiento es llamado elemento de A. Donde i indica la fila a la que pertenece y j la columna.
1 2 5 EJEMPLO 1.1 Sea A = ; responder: 6 9 3 a) Que tama no tiene? b) Cuanto da: a11 + a23
a21 ? a12
Soluci on: a) La matriz A tiene 2 filas y 3 columnas. Por lo tanto su tama no es 2 3. Es decir A23 . b) De la matriz A se obtiene a11 = 1, a23 = 3, a21 = 6 y a12 = 2. Entonces a11 + a23 a21 6 = 1 + 3 = 1. a12 2
1.3 Operaciones con matrices:
1.3.1 Igualdad de matrices: Dos matrices A y B de m n son iguales si aij = bij para cada i y j. 1.3.2 Suma de matrices: Si A y B son dos matrices de m n, entonces su suma es
A + B = (aij + bij )mn
(1.2)
Para poder sumar o restar dos matrices deben tener el mismo tama no, y el resultado es de ese mismo orden. 1.3.3 M ultiplo escalar de una matriz: Si k es un n umero real, entonces el m ultiplo escalar de una matriz A es: k A = (k aij )mn . En otras palabras, para calcular k A simplemente multiplicamos cada elemento de A por k.
ka11 ka12 . . . ka1n
ka21 ka22 . . . ka2n
kA = . = (kaij )mn . . . .. .. .. ..
kam1 kam2 . . . kamn
(1.3)
2 1 3 4 7 8
y B = 9 3 , calcular: EJEMPLO 1.2 Si k = 5, A = 0 4 6 5
6 10 5 1 1 2 a) C = A + B. b) D = k C. Soluci on: a) Lo primero que debemos hacer es verificara que A y B sean del mismo tama no. A es de 3 3 y B es 3 3, tienen el mismo tama no y se pueden sumar.
2 1
C =A+B = 4 0
6 10
2+4
= 0+9
6 + 1
3 4 7 8
6 5 + 9 3
5 1 1 2
1 + 7 3 8 6 6 5
4+3 6+5 = 9 7 11
10 1 5 + 2 5 9 3
b) Ya hemos calculado C, para obtener D simplemente multiplicamos cada elemento
de C por k = 5.
5 6 5 (5) 30 30 25 6 6 5 5 6
= 59 = 45 35 55 D = kC = 5 9 7 11 5
7 5
11
5 (5) 5 9 5 (3) 25 45 15 5 9 3
1.3.4 Propiedades de la suma de matrices y de la multiplicaci
on escalar: Suponga que A, B y C son matrices de m n y que k1 y k2 son escalares. Por lo tanto, i) A + B = B + A
Ley conmutativa de la suma.
ii) A + (B + C) = (A + B) + C
Ley asociativa de la suma.
iii) (k1 k2 )A = k1 (k2 A)
iv) 1A = A v) k1 (A + B) = k1 A + k1 B
Ley distributiva.
vi) (k1 + k2 )A = k1 A + k2 A
Ley distributiva.
1.3.5 Multiplicaci on de matrices: Sea A una matriz que tenga m filas y p columnas, y sea B una matriz con p filas y n columnas. El producto A B es la matriz de tama no m n:
a11 a12 . . . a1p b11 b12
a21 a22 . . . a2p b21 b22
AB = . . . . . .. ..
.. .. .. .
..
am1 am2 . . . amp
bp1 bp2
a11 b11 + a12 b21 + + a1p bp1
a21 b11 + a22 b21 + + a2p bp1
= ..
am1 b11 + am2 b21 + + amp bp1
! p X = aik bkj k=1
. . . b1n
. . . b2n
.. .. . .
. . . bpn
a11 b1n + a12 b2n + + a1p bpn
. . . a21 b1n + a22 b2n + + a2p bpn
.. ..
. .
. . . am1 b1n + am2 b2n + + amp bpn
...
(1.4)
mn
La definicion establece que el producto C = A B esta definido solamente cuando el
n umero de columnas de la matriz A es igual que el n umero de filas de B. La matriz resultante C = A B se forma utilizando la definicion del producto interno o punto de la fila i-esimo de A con cada una de las columnas de B.
2 3 2
2 3 1
, calcular C = AB. EJEMPLO 1.3 Dados A = yB= 1 1 3
4 3 1 2 3 4
Soluci on:
2 3 2 4 + 3 + 2 6 3 3 4 + 9 + 4 1 2 3 = C = AB =
1 1 3
4 3 1 8 3 2 12 + 3 + 3 8 9 4 2 3 4
9 0 17 =
3 18 5
1.3.6 Propiedades: Ley asociativa Si A es una matriz de m p, B una matriz de p r y C una matriz de r n, entonces el producto A (B C) = (A B) C Ley distributiva Si tanto B como C son matrices de r n y A es una matriz de m r, entonces la ley distributiva es A (B + C) = A B + A C Ademas, si el producto (B + C) A esta definido, entonces
(B + C) A = B A + C A
1.4 Transpuesta de una matriz:
a11 a12 . . . a1n
a21 a22 . . . a2n
La transpuesta de la matriz m n, A = . es la matriz AT de .. .. .. ..
. . .
am1 am2 . . . amn
n m dada por:
a11 a12 . . . a1m
a21 a22 . . . a2m
AT = .
. . . .. .. .. ..
an1 an2 . . . anm
En otras palabras, las filas de una matriz A se convierten en las columnas de su transpuesta AT .
3 2 1 3 6 2
EJEMPLO 1.4 Si A = 6 5 2 , entonces A = 2 5 1. Si B = 5 3 ,
2 1 4 1 2 4
5 entonces B T = . 3
1.4.1 Propiedades de la transpuesta:
Suponga que A y B son matrices y k es un escalar. Por lo tanto, i) (AT )T = A
Transpuesta de la transpuesta.
ii) (A + B)T = AT + B T iii) (AB)T = B T AT iv) (kA)T = kAT
Transpuesta de una suma.
Transpuesta de un producto.
Transpuesta de un m ultiplo escalar.
1.5 Matrices especiales:
En la teora de matrices existen muchos tipos de matrices que son importantes debido a que poseen ciertas propiedades. A continuacion presentamos una lista de algunas de estas 6
matrices: Una matriz formada solo por elementos cero se denomina matriz cero y se denota mediante un 0. Por ejemplo:
0 0 = , 0
0 0 0= , 0 0
0 0
0= 0 0
0 0
son matrices cero. Si A y 0 son matrices m n, entonces:
A + 0 = A,
ademas
A + (A) = 0
Se dice que una matriz A de n n es triangular si todos sus elementos ubicados por debajo de la diagonal principal son ceros o si todos sus elementos por arriba de la diagonal principal son ceros. En otras palabras, la matriz cuadrada A es triangular si aij = 0 para i < j o aij = 0 para i > j. Siendo mas especficos, en el primer caso la matriz se llama triangular superior, y en el segundo caso tenemos una matriz triangular inferior. Las matrices siguientes son triangulares:
2 3 5 6 0 8 0 0
15
matriz triangular superior
0 0 0 0 6 0 0 9 3 0 1 1 2 2 3 4
matriz triangular inferior
Se dice una matriz A de n n es una matriz diagonal si todos sus elementos que no se encuentran en la diagonal principal son ceros. Simbolicamente A = (aij )nn , A es una
matriz diagonal si aij = 0 para i 6= j. La siguiente es una matriz diagonal:
5 0 0
0 1 0
0 0 2
Cuando todos los elementos
aijde una matriz diagonal A son iguales, tenemos una matriz 5 0 escalar. Por ejemplo, es una matriz escalar. Una matriz escalar de n n es 0 5 simplemente un m ultiplo escalar de una matriz diagonal en
la que todos los elementos de 5 0 1 0 la diagonal principal son iguales a 1. Por ejemplo, = 5 . 0 5 0 1 En general, la matriz de n n:
1 0 0
0 1 0
. ..
0 0 0
.. .
se representa con el smbolo I (o mediante In cuando existe la necesidad de enfatizar
el orden de la matriz). Para cualquier matriz A de m n se comprueba facilmente que Im A = AIn = A. Debido a que esta u ltima propiedad es analoga a 1 a = a 1 = a, para cualquier n umero real a, a la matriz I se le denomina matriz identidad. Se dice que una matriz A de n n es sim etrica si AT = A; esto es, A es simetrica si aij = aji para todos i y j. Lo anterior significa que los elementos de una matriz simetrica son simetricos con respecto a la diagonal principal de la matriz.
1 2 7
Por ejemplo la siguiente matriz: A =
2 5 6, es simetrica. Si calculamos la trans
7 6 4 puesta observamos que:
1 2 7
=A AT = 2 5 6
7 6 4 Hay mas temas para ver sobre matrices, algunas de las bibliografa que pueden consultar son: Matem aticas Avanzadas para Ingeniera, Vol. 1 Ecuaciones Diferenciales. Dennis G. Zill, Michael R. Cullen, (2006). Tercera Edicion. Editorial McGraw-Hill. (Usado para realizar este apunte). M etodos Operativos de C alculo Vectorial. Ortiz FaustoCervantes, (2010). Primera Edicion. Universidad Autonoma de la Ciudad de Mexico. Algebra Lineal. Grossman Stanley I., (1988). Segunda Edicion. Editorial Grupo Iberoamerica.
