You are on page 1of 22

1

Matrices y lineales

sistemas

En este captulo se introducen los conceptos bsicos que se requieren para estudiar lgebra lineal. Comenzamos en la primera seccin con el tema fundamental de matrices. Las matrices se crearon para operar ciertos arreglos numericos que aparecen tanto en aplicaciones como en las propias matemati- cas. Continuamos en la segunda seccion con el estudio general de sistemas de ecuaciones lineales. Los sistemas de ecuaciones lineales tienen una gran variedad de aplicaciones en ciencias e ingeniera y seguramente el lector ya tuvo algun contacto con ellos en forma elemental en secundaria y bachillerato; aqu nos abocamos a un estudio general y profundo de este importante tema. La tercera seccion contiene un compendio de ejercicios resueltos de las dos secciones precedentes para que el lector consulte el mayor numero de ejemplos resueltos y un conjunto de ejercicios propuestos para que los resuelva el estudiante .

1.1

Matrices

Definiciones y ejemplo s Definicin 1.1 Una matriz A es un arreglo de m-renglones o filas y n-columnas de m x n nmeros reales: a\\ ai2 a\n A a2la22 a2n
1

2 CAPITULO 1 I Matrices y sistemas lineales amlam2' ' 'amn Se dice entonces que A es una matriz de tamao m x ny simblicamente se escribe

A = [aij] , = 1,2,..., m; j = 1,2,..., n. Esto es, aij representa el numero que se encuentra en la fila i y en la columna j. A los elementos aij se les llaman las componentes (entradas) de la matriz A.
i

O Nota 1.1

1. Los

parentesis rectangulares se pueden suplir por parentesis circulares en notaciones matriciales. En este libro emplearemos parentesis rectangulares.

seccin 1.1 I Matrices 3

2.

En el caso particular de que una matriz tenga tamao 1 x 1 escribiremos simplemente a en lugar de [a]; es decir, identificaremos toda matriz [a] con el numero real a.

Ejemplo 1.1 Si A

-2 3 5 -4 2

A es una matriz 2 x 3 y, para este caso, a11 = -2, a12 = 3, a13 = 5, a21 = -4, a22 = 2, a23 = 1.^

O Nota 1.2 Al conjunto de matrices de tamano m x n lo denotaremos, en este libro, por Mmxn Definicin 1.2 Dos matrices A = [aij], B = [bij] son iguales (A = B) si y solo si: Ay B tienen el mismo tamano y aij = bij y i , j

1 3 9

572 =

Ejemplo 1.3 Determinar el valor de a para que las matrices A sean iguales.^

4 CAPITULO 1 I Matrices y sistemas lineales Ejemplo 1.2 De acuerdo con la definicin precedente

Ejemplo 1.4 Resolver el ejemplo anterior si A

Solucin Dado que ambas matrices tienen el mismo tamao ellas sern iguales si y slo si coinciden componente a componente; para lo cual es suficiente que a = 2 y 2a = 4; esto es, para a = 2.

Solucin Para que las matrices sean iguales se requiere, en este caso, que a = 1 y 3a = 4, luego se debe tener simultneamente a = 1y a = 4/3; lo cual es imposible. Por tanto A = B para cualquier valor de a.

1.1.1

Operaciones con matrices

1.

Multiplicacin de un escalar1 con una matriz. Si A G R y A = [aj G Mmxn se define AA = [Aaj. Es decir, el resultado de multiplicar una matriz con un escalar es la matriz que tiene como componentes cada una de las entradas de la matriz original multiplicada por dicho escalar.

2.

Suma de matrices. Si A ,B G Mmxn, A = [aij], B = [bij]; se define la suma de A con B como A + B = [cij], con cij = aij + bij Vi , j. As, la suma de dos matrices solo se puede realizar cuando estas tienen el mismo tamao y el resultado es tambien una matriz m x n.

1 Diremos que todo nmero real es un escalar.

seccin 1.1 I Matrices 5 1n ]

3.

Multiplicacin de una matriz fila por matriz columna. bii b2i - bn1 .

aii ai2 ailbii + 12^21 +ainbni.

4.

De acuerdo con esta definicin, el producto de una matriz fila con una matriz columna slo se puede llevar a cabo cuando la primera tiene tamao 1 x n y la segunda n x 1 (las dos tienen el mismo numero de componentes) y el resultado de la operacion sera una matriz 1 x 1 (un numero real). Producto de una matriz m x n con una matriz n x p. S A a [aj] Mmxn y B \bij] G Mnxp, el producto de A con B se define como AB [cij] donde cij aikbkj , k1

para i 1,2,..., m y j 1,2,..., p. Es decir, la componente cij del producto AB es el resultado de multiplicar la i-esima fila de A con la j-esima columna de B. Ademas, para poder efectuar el producto, la primera matriz debe tener el mismo numero de columnas que de filas la segunda y la matriz AB tiene entonces tamano m x p. En forma equivalente, si Fi, i 1,..., m, son las filas de A y Cj , j 1,..., p, son las columnas de B, entonce

sFiCi F 2 C1 F 1 C2 F 2C 2 FiCp FiCp AB (1 .1 ) FC mp V2 FmCi F 2C 2

6 CAPITULO 1 I Matrices y sistemas lineales Ejemplo 1.5 2 -1 0 Si A

[ -1 0 -2 4 5 ] (-i)( 2 ) + ( 0 )(- 1 ) + (- 2 )( 0 ) + (4)(0) + (5)(-4 )

- 22 .

Note que en este caso la matriz fila tiene tamao 1 x 5 y la columna 5 x 1 (las dos tienen el mismo numero de componentes).^

seccin 1.1 I Matrices 7

Ejemplo 1.6 Si

-1 -2 4 0 2 1 A-

A G M2 x3 , B g M3 x4 ; el producto AB est definido (el nmero de columnas de A es igual al nmero de filas de B, en este caso 3) y el producto AB ser una matriz 2 x 4, dos filas y cuatro columnas (tantas filas como A y tantas columnas como B). Para obtener las componentes cj de las filas de la matriz producto AB procedemos de la manera siguiente. La primera fila de AB: Los elementos de la primera fila de AB se obtienen multiplicando, sucesivamente, la primera fila de A con la primera, segunda, tercera y cuarta columas de B :1 0 -1 -2 -1 0
4 5

0 0 2 1

[ - 1 -2 4 ]

-5, cii

ci2 = [ -1 -2 4]

ci3 = [ -1 -2 4 ]

8 CAPITULO 1 I Matrices y sistemas lineales

ci4 = [ -1 -2 4 ]

-4,

-5.

La segunda fila de AB: Los elementos de la segunda fila de AB se obtienen multiplicando, sucesivamente, la segunda fila de A con la primera, segunda, tercera y cuarta columas de B: 1 0 -1 -2 -1 0
4 5

0 0 2 1 ]

C21 =[ 0 21

C22 =[ 0 21

seccin 1.1 I Matrices 9

C23 =[0 2 1 ]

C24 =[0 2 1 ]

1,

= - 2,

0, 5.

Luego, AB

-5 4 -4 -5 -1-2 0

5 En realidad, la notacion matricial esta diseada para ejecutar mecnica y mentalmente los clculos cuando el tamao de las matrices no es muy grande; por eso el lector debe procurar, en la medida de lo posible, aprovechar esta ventaja para efectuar las operaciones de esta manera. De hecho, a partir de aqu, el lector ya no encontrara un producto de matrices realizado con el detalle con el que se hizo en el ejemplo precedente; pues utilizaremos sistemticamente (1 .1 ) para producto de matrices y haremos los calculos sin hacer explcitas las operaciones.

0 -1 1 -1 1 2

1.1.2

Matrices especiales

Matriz cero. La matriz cero de tamao m x n se define como aquella que tiene las m x n componentes nulas; esto es,
1.

[aij\

donde aij = 0 Vi , j. As, por ejemplo, O= 000 000

es la matriz cero 2x 3. Matriz identidad n x n : I n

10 0 0 0 1 0

es decir, In = [aj\, donde

As, por ejemplo,

es la matriz identidad 3 x 3 .

2.

Como mencionamos en el inciso 3 de la subseccion 1.1.2, a las matrices que tienen slo una fila o solo una columna les llamaremos, respectivamente, matrices fila y matrices columna. Ademas, en este libro utilizaremos una notacion especial en el caso de las matrices columna (cuando tengan mas de un elemento) anloga a la notacion vectorial an 21 an1

La razon de esta notacion se vera mas adelante cuando se estudie el espacio vectorial Rn en el captulo 3.

A las matrices de tamao n x n les llamaremos matrices cuadradas de orden n y al conjunto formado por estas lo denotaremos por Mn. Si A = [aij] es una matriz cuadrada de orden n se dice que los elementos a 11 , a22 , a33 ,..., ann forman o estn en la diagonal de la matriz A. Y si A = [aj] G Mmxn, diremos que los elementos aj con i = j forman la diagonal principal de la matriz A.

Ejemplo

1.8 Si

entonces m11 = 1, m22 = 3, m33 = 4, m44 = 7 son los elementos de la diagonal de la matriz cuadrada MM Definicin 1.3 Una matriz cuadrada A de orden n es triangular superior si las componentes que estan por debajo de la diagonal son todas nulas. La matriz es triangular inferior si las componentes que estan por arriba de la diagonal son todas iguales a cero.

Ejemplo 1.9 Si

A inferior.

entonces A es una matriz triangular superior y B es una matriz triangular

Definicion 1.4 Sea A una matriz cuadrada de orden n. Se dice que A es una matriz diagonal si todas las componentes fuera de su diagonal son nulas. Si aii = Xi, i = 1,2,..., n, son las componentes de la diagonal de esta matriz se escribe

A = diag(A1 , A2 , . . . , n) para representar a la matriz diagonal A.

A = diag(4,3,8).^

Definicin 1.5 Si A = [a] G 9Ji, se define la matriz transpuesta de A como A1 = [bj\, donde bj = aj para i = 1 ,2 ,..., y j = 1 ,2 ,

De la definicion 1.5 se desprende que A tiene tamano n x m y que en la matriz transpuesta la primera columna es la primera fila de A, la segunda columna es la segunda fila de A, etcetera.

Definicin 1.6 Una matriz A es simtrica cuando /V = A.

La definicin 1.6 entraa que una matriz simtrica es necesariamente cuadrada; pues si A e Mmxn y A es simetrica, entonces A = A e Mnxm, de dnde m = n; ya que dos matrices que son iguales deben tener el mismo tamano.Ejemplo 1.11 Si

12 3 4 5 6 7 8 1 5 2 6 3 7 4 8 A A

Ejemplo 1.12 La matriz A -1 2

es simtrica pues claramente A = A

1.1.3 Propiedades de las operaciones

A continuacin enunciamos las principales propiedades de las operaciones con matrices, las cuales son, en general, faciles de probar y su comprobacion se deja como ejercicio al lector.
1.

Si A ,B,C e Mmxn y A,3 e R:

(a)

A + B e Mmxn.

(b)

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

(c)

A + B = B+A.

(d)

A + O = A, donde O es la matriz cero m x n.

Existe una matriz A e Mmxn tal que A + (-A) = O . De hecho, si A = [aj ], A = [aj ]. (f) ^ e Mmxn.
(e) (g) (h) (i)

\m = (\p)A. (X + 3)A = XA + 3A.

X(A + B)= XA + XB. (j) 1 1A = A.

2.

(a) Si A, B, C son matrices tales que los productos A(BC) y (AB)C estn A(BC) = (AB)C.

definidos, entonces

(b) (c)

Si AB esta definido se tiene: X(AB) = (XA)B = A(XB). Si A e ^Mmxn, AIn 1mA A.

(d) (e)

En general AB = BA. Si A e Mmxn y B,C e Mnxp , entonces A(B + C) = AB+AC.

3.

(a) Si A y B son matrices del mismo tamao (A + B) = A + Bl .

Mas adelante, en el tema de espacios vectoriales, se vera la importancia de esta aparentemente inocua propiedad.
1

Si A, B son matrices tales que el producto AB esta definido, entonces (AB) = BlA . (c) (Ay = A VA e Mmxn.
(b)

Es conveniente que el lector tenga siempre presente la propiedad 2(d); es decir, la no conmutatividad del producto de matrices. Pues es claro que en principio el hecho de que el producto AB este definido, no garantiza que ni siquiera el producto BA este definido; por ejemplo, si A es una matriz 2 x 3 y B es una matriz 3 x 4, el producto AB esta definido y el producto BA no. Mas atn, aunque los productos AB y BA esten definidos estos, en general, seran distintos como ilustramos en el siguiente ejemplo.
Ejemplo

1.13

esto es,

Finalizamos este apartado con las demostraciones, en los siguientes dos ejemplos, de un par de propiedades simples del producto de matrices que seran utilizadas mas adelante

.bik bik Ejemplo 1.14 Sean A = [aj e Mmx y C = [bj e WXp- Si ck

es la columna k de C y bnk

dk es la columna k de AC , k = 1,2,..., p, demostrar que dk = Ack yk.

Esto es,

AC = [ Ac1 Ac2

Acp ] A

Sean aj las componentes del producto AC , entonces, para cada k = 1,2,..., p,

( 1. 2) DEMOSTRACION aik aik amk di k= bi k b ik aik [ aii ail ' ' ' ain ]

pero bnk

X aijbjk; j=i

por tanto, X aijbjk j=i X ai jbjk j=i

(1.3) dk =

X amjbjk L j=i

Por otra parte,

k= n X ai jbjk j=i n X ai jbjk j=i Adc

(1.4) X amjbjk Lj=i

De (1.3) y (1.4) se tiene Ack = dk Vk.

xi X2 Ejemplo 1.15 Supongamos ahora que A = [aj] G Mmxn y c n

aii ai2 a2ia22 X i

ami am2

ain a2n a mn

(1.5)

En efecto:

aiiXi + ai2 X2 ++ ainXn a2 lXi + a22X2 + + a2nXn amiXi + am2X2 + + amnXn = Ac. A

1.1.4

Matrices con nmeros complejos

En este apartado se introduce, por primera vez en este libro, el uso de nUmeros complejos en algebra lineal; especficamente en el tema de matrices con componentes complejas. El apendice B contiene un breve estudio de este importante campo numrico y de sus principales propiedades, y el lector que no este habituado a trabajar con nmeros complejos, o necesite repasar este tema, debera consultar la seccin B.1 de este apendice cuanto antes. A lo largo de este texto se incluyen apartados que contienen el uso de niumeros complejos en temas que ya se han tratado con niumeros reales. En general, la transicion en cada caso sera muy sencilla, pues una vez que se dominan los temas de lgebra lineal con niumeros reales los cambios para tratar estos con niumeros complejos son mnimos y, en realidad, las dificultades tienen que ver mas con la familiaridad que tenga el lector con el uso de niumeros complejos que con aspectos ridos de generalizacion. De hecho, el uso de este campo numrico en lgebra lineal se va haciendo cada vez mas necesario en la medida que se avanza en la materia, tanto en la teora como en las aplicaciones. Se han incluido este tipo de subsecciones para ir acostumbrando al lector al uso de los niumeros complejos en algebra lineal. Obviamente, el lector que no desee en este momento abordar estos temas puede omitirlos y regresar a ellos cuando lo juzgue pertinente.

Recordemos (cfr. apendice B) que los niumeros complejos tienen la forma a + bi

You might also like