Determinante En matemticas se define el determinante como una forma multilineal alternada ( de un cuerpo.

Esta definicin indica una serie de propiedades matemticas y generaliza el concepto de determinante hacindolo aplicable en numerosos campos. Sin embargo, el concepto de determinante o de volumen orientado fue introducido para estudiar el nmero de soluciones de los sistemas de ecuaciones lineales. Notacin matemtica formada por una tabla cuadrada de nmeros, u otros elementos, entre dos lneas verticales; el valor de la expresin se calcula mediante su desarrollo siguiendo ciertas reglas. Los determinantes fueron originalmente investigados por el matemtico japons Seki Kowa alrededor de 1683 y, por separado, por el filsofo y matemtico alemn Gottfried Wilhhelm Leibniz alrededor de 1693. Esta notacin se utiliza en casi todas las ramas de las matemticas y en las ciencias naturales.

El smbolo es un determinante de segundo orden, pues es una tabla con dos filas y dos columnas; su valor es, por definicin, a11a22 - a12a21. Un determinante de orden n-simo es una tabla cuadrada con n filas y n columnas como se muestra en la figura:

El adjunto menor, Mij, de un elemento cualquiera aij de la tabla es el determinante formado por los elementos restantes al eliminar la fila i y la columna j en las que aparece el elemento aij. El cofactor, Aij, de un elemento aij es igual a (-1)i+jMij. Regla de Sarrus De Wikipedia, la enciclopedia libre Saltar a navegacin, bsqueda

La regla de Sarrus: las diagonales continuas se suman y las diagonales en trazos se restan. La regla de Sarrus es un mtodo fcil para memorizar y calcular el determinante de una matriz 33. Recibe su nombre del matemtico francs Pierre Frdric Sarrus. Considrese la matriz 33:

Su determinante se puede calcular de la siguiente manera: En primer lugar, repetir las dos primeras columnas de la matriz a la derecha de la misma de manera que queden cinco columnas en fila. Despus sumar los productos de las diagonales descendentes (en lnea continua) y sustraer los productos de las diagonales ascendentes (en trazos). Esto resulta en:

Un proceso similar basado en diagonales tambin funciona con matrices 22:

Esta regla mnemotcnica es un caso especial de la frmula de Leibniz y no se puede aplicar para matrices mayores a 33. RESOLUCION DE ECUACIONES X EL METODO DE DETERMINANTES (REGLA DE CRAMMER) Regla de Cramer De Wikipedia, la enciclopedia libre Saltar a navegacin, bsqueda La regla de Cramer es un teorema en lgebra lineal, que da la solucin de un sistema lineal de ecuaciones en trminos de determinantes. Recibe este nombre en honor a Gabriel Cramer (1704 - 1752), quien public la regla en su Introduction l'analyse des lignes courbes algbriques de 1750, aunque Colin Maclaurin tambin public el mtodo en su Treatise of Geometry de 1748 (y probablemente saba del mtodo desde 1729).[1] La regla de Cramer es de importancia terica porque da una expresin explcita para la solucin del sistema. Sin embargo, para sistemas de ecuaciones lineales de ms de tres ecuaciones su aplicacin para la resolucin del mismo resulta excesivamente costosa: computacionalmente, es ineficiente para grandes matrices y por ello no es usado en aplicaciones prcticas que pueden implicar muchas ecuaciones. Sin embargo, como no es necesario pivotar matrices, es ms eficiente que la eliminacin gaussiana para matrices pequeas, particularmente cuando son usadas operaciones SIMD. Si es un sistema de ecuaciones. A es la matriz de coeficientes del sistema, es el vector columna de las incgnitas y es el vector columna de los trminos independientes. Entonces la solucin al sistema se presenta as:

donde Aj es la matriz resultante de reemplazar la j-sima columna de A por el vector columna b. Hgase notar que para que el sistema sea compatible determinado, el determinante de la matriz A ha de ser no nulo. Contenido [ocultar] 1 Frmulas explcitas para sistemas pequeos o 1.1 Sistema de 2 ecuaciones con 2 incgnitas o 1.2 Sistema de 3 ecuaciones con 3 incgnitas 2 Demostracin 3 Referencias 4 Vase tambin [editar] Frmulas explcitas para sistemas pequeos [editar] Sistema de 2 ecuaciones con 2 incgnitas Para la resolucin de un sistema de dos ecuaciones con dos incgnitas, de la forma. Dado el sistema de ecuaciones:

Lo representamos en forma de matrices:

Entonces, x e y pueden ser encontradas con la regla de Cramer, con una divisin de determinantes, de la siguiente manera:

[editar] Sistema de 3 ecuaciones con 3 incgnitas La regla para un sistema de tres ecuaciones con tres incgnitas es similar, con una divisin de determinantes:

Que representadas en forma de matriz es:

x, y, z pueden ser encontradas como sigue:

[editar] Demostracin Sean:

Usando las propiedades de la multiplicacin matricial (Producto de Matrices): entonces:

Sean:

Por lo tanto:

Aparte, recordando la definicin de determinante, la sumatoria definida acumula la multiplicacin del elemento adjunto o cofactor de la posicin ij, con el elemento i-simo del vector B (que es precisamente el elemento i-simo de la columna j, en la matriz Aj La resolucin de sistemas de ecuaciones mediante determinantes Hasta este momento has visto tres mtodos para resolver ecuaciones lineales en dos variables: grfico, por sustitucin y eliminacin. A continuacin un mtodo que te puede ser de utilidad para el mismo tipo de ejercicio que los mtodos anteriores. La regla de Cramer Para poder aplicar la regla de Cramer es buena idea comenzar con una explicacin sobre cmo calcular los determinantes. Determinantes 2 x 2 Si a,b,c y d son cuatro nmeros reales, a la expresin D = se le llama un determinante 2 x 2. Su valor se determina con la expresin ad - bc. Es decir, multiplicamos en forma cruzada y restamos los productos. Es importante que lleves a cabo la multiplicacin como se ilustra. D = = ad - bc Veamos un ejemplo: Cul es el determinante para la matriz siguiente ? Observa el procedimiento para hallar el determinante. = (3)(1) - (6)(2) = 15 Resumes este proceso de la siguiente forma: primero se multiplican los nmeros que quedan en la diagonal de izquierda arriba a derecha abajo. Luego a este resultado se le resta el producto de los nmeros en la diagonal de izquierda abajo a derecha arriba. La regla de Cramer es un proceso que te ayuda a resolver sistemas de ecuaciones lineales que tengan la misma cantidad de ecuaciones y variables. Es un mtodo que aplica los determinantes. Veamos un ejemplo con todos sus pasos. Resuelve el siguiente sistema de ecuaciones: 3x - 2y = 4 6x + y = 13 Hallas primero el determinante de los coeficientes de las variables. Lo llamas el determinante principal y lo nombras con una D. D = = (3)(1) - (6)(2) = 15 Observas que el determinante de la matriz de coeficientes nos dio 15. Continas con el proceso. Observa el procedimiento para hallar el valor del determinante para la variable x. Remplazas la columna de coeficientes de la variable x con los valores de las constantes. Observa a continuacin el proceso: Dx= = (4) (1) - (13) (2) = 4 + 26 = 30 Para hallar el valor de x, divides el valor determinado Dx por el determinante principal D. Es decir, calculas Ahora observa cmo hallas el valor de y. Dy se calcula con el determinante Dy = = (3)(13) - (6)(4) = 39 - 24 = 15. Fjate que en este determinante cambias la segunda columna por las constantes. Para hallar el valor de y divides el valor hallado para Dy por el determinante principal D. Es decir, calculas y = = = 1 . Concluyes que la solucin del sistema es (2,1). Esto significa que las dos rectas representadas por las ecuaciones originales se intersecan en el punto con coordenadas (2,1). Recuerda que si el sistema resulta en rectas que se intersecan lo llamas consistente. Estudia ahora la forma general de la Regla de Cramer para dos ecuaciones con dos variables: La solucin para el sistema de ecuaciones ax + by = s cx + dy = t esta dada por x=,y= siempre que lo siguiente ocurra D = = ad - bc 0 Finalmente, con la regla de Cramer se concluye que si D 0, entonces

x=,y=. Por si tienes alguna duda sobre el proceso, es importante que estudies el ejemplo 1 de la pgina 710 de tu texto y resuelvas los siguientes sistemas aplicando este mtodo. Resuelve: 1. 1. 3x + 2y = 6 4x - 5y = 8 2. 2. 7x - 2y = 11 x + 3y = 5 (Respuestas) Prctica adicional: Pgina 712 del texto, ejercicios impares 1 al 11. La Regla de Cramer aplicada a determinantes de matrices 3 x 3 Observa un sistema de ecuaciones lineales que consta de tres ecuaciones lineales y las variables x, y, z. 2x + y - z = 3 -x +2y +4z = 3 x - 2y - 3z = 4 Primero hallamos el determinante de los coeficientes de las variables, que es D= Una forma de hallar este determinante se presenta a continuacin: D== =[(2)(2)(3) + (1)(4)(1) +(1)(1)(2)] - [ (1)(2)(1)+(2)(4)(2) + (3)(1)(1)] Observa que se escribieron las primeras dos columnas a la derecha y se efectuaron seis multiplicaciones en diagonal, tres de arriba hacia abajo y tres de abajo hacia arriba. = 10 + 15 = 5 D=5 Sigues un procedimiento parecido para hallar el determinante en x, y, z. Recuerda que cada vez que vas a hallar un determinante, sustituyes la columna de coeficientes de la variable bajo estudio por las constantes. Estudia ahora este proceso aplicado para hallar el determinante en x. Dx = = = [(3)(2)(3) + (1)(4)(4) + (1)(3)(2)] - [(4)(2)(1) + (2)(4)(3) + (3)(3)(1)] = [18 +16 6] - [8 - 24 + 9] = 8 - (23) Dx = 15 Dy = = = [(2)(3)(3) + (3)(4)(1) +(1)(1)(4)] - [(1)(3)(1)+(4)(4)(2)+ (3)(1)(3)] = [18 +12 + 4] - [3 + 32 + 9] = Dy = 10 Dz = = = (4)(1)(1)] = 34 - 44 [(2)(2)(4) + (1)(3)(1) + (3)(1)(2)] - [(1)(2)(3) + (2)(3)(2) + [16 3 +6] [6 + 12 - 4]

= 19 - 14 Dz = 5 En resumen: D = 5 , Dx = 15, Dy = 10, Dz = 5. Para determinar los valores de las variables llevas a cabo el proceso siguiente: x===3 y = = = 2 z===1 La solucin de este sistema es (3,2,1). Lo cual significa que las tres rectas representadas por las ecuaciones del sistema se intersecan en este punto. En las pginas 711 y 712 del texto aparece el ejemplo 2 que puede ser de ayuda para entender los determinantes 3X3. Una prctica en este momento sera de mucha ayuda, para determinar tu nivel de conocimiento de los determinantes 33. Utiliza la regla de Cramer para resolver cada sistema de ecuaciones: 1. x + y - z = 2 -x +2y +3z = 1 x - 4y - 2z = 7 2. 3x + z = 4 -x +2y + 3z = 6 2x + y + 4z = 8

MATRIZ

MATRICES Y SOLUCION DE SISTEMAS DE ECUACIONES INTRODUCCION Para el estudio de mtodos numricos es indispensable el conocimiento y manejo del lgebra lineal, ya que es la base en la solucin de la gran mayora de problemas que cotidianamente se presentan. El programa que se utiliza para resolver mtodos numricos es el MATLAB; el cual se basa en operaciones de matrices y vectores; siendo esta otra de las razones para incluir el lgebra lineal en mtodos numricos. El objetivo principal de este trabajo es comprender la parte bsica del lgebra lineal como lo es la teora de matrices y la solucin de sistemas de ecuaciones lineales mediante varios mtodos. Una vez explicada la teora, se resolvern problemas, relacionados con el tema, en el MATLAB; escribiendo tanto el planteamiento del problema como su programa para MATLAB. En este trabajo se comienza explicando como se realizan las operaciones bsicas entre matrices y vectores, tales como suma, resta, multiplicacin, inversa, etc.; para dar paso a la solucin de sistemas de ecuaciones lineales mediante varios mtodos como lo son mediante: Clculo de la inversa de la matriz A, Eliminacin Gaussiana y Descomposicin de la matriz A en LU. Al final del trabajo se citan problemas y se resuelven con MATLAB utilizando los diferentes mtodos que se mencionan en la teora. Tambin se adiciona el programa que corre bajo MATLAB del cual se obtuvieron los resultados que aqu se citan. TEORIA MATRICES Y VECTORES Una matriz es un arreglo rectangular de nmeros, llamados elementos, ordenados de tal manera que cuente con "m" filas y "n" columnas. Los elementos pueden ser nmeros reales o complejos. Para definir un elemento dentro de una matriz se utiliza una notacin con doble subndice, por ejemplo:

As el elemento ser aquel localizado en la fila "i" y en la columna "j". Los vectores son formas especiales de las matrices. Si m > 1, pero n = 1, la matriz se convierte en:

Con una sola columna, y se denomina vector columna. Pero si la matriz es de m = 1 y n > 1 se convierte en vector fila. Cuando solo hay una columna o una sola fila no es necesario utilizar dos subndices, con un solo subndice es suficiente. En otro caso especial donde m = n = 1, la matriz de 1 x 1 se denomina escalar. A continuacin se numeran algunas definiciones de matrices importantes dentro del lgebra lineal. MATRIZ CUADRADA: Es una matriz donde m = n, se llama simplemente de "n x n". MATRIZ NULA: Todos los elementos de la matriz son cero. MATRIZ IDENTIDAD: Es una matriz cuadrada donde todos los elementos de la diagonal principal son "1"; mientras que todos los dems elementos son cero. Esto es:

MATRIZ TRANSPUESTA: La transpuesta de una matriz se obtiene intercambiando las filas en el lugar de las columnas y las columnas en el lugar de las filas. As si Por ejemplo: , .

MATRIZ TRIANGULAR SUPERIOR: Es una matriz cuadrada, donde los elementos por abajo de la diagonal principal son ceros, esto es:

MATRIZ TRIANGULAR INFERIOR: Es una matriz cuadrada en la que los elementos por arriba de la diagonal superior son cero; esto es:

OPERACIONES ENTRE VECTORES Y MATRICES SUMA Y RESTA: Podemos sumar una matriz a otra o restarla de otra si ambas tienen el mismo tamao (mismo nmero de columnas y filas). Como los vectores son una forma especial de matrices, las mismas reglas se aplican a los vectores. Sea

la suma y resta de matrices del mismo tamao esta definida por: donde ejemplo: es una matriz con

PRODUCTO VECTORIAL Y MATRICIAL Sea; y entonces el producto de (producto escalar), esta dado por: dos n-vectores;

Debido a la notacin empleada , el producto escalar de dos vectores a menudo recibe el nombre de producto punto o producto interno de los vectores. Se puede advertir fcilmente que el producto escalar de dos n-vectores es un escalar. A fin de que se puede hacer el clculo del producto escalar de A y B es necesario que A y B tengan el mismo nmero de componentes. El producto escalar entre vectores cumple con lo siguiente: Sean a, b y c n-vectores y un escalar. Entonces: 1.2.3.(Ley conmutativa del producto escalar) (Ley distributiva del producto escalar)

4.PRODUCTO ENTRE DOS MATRICES: Suponga que B y C son matrices. Si el nmero de columnas de A y el nmero de filas de B son idnticas, las matrices pueden multiplicarse como:

Donde es una matriz que representa el resultado de la multiplicacin. Los elementos de C estn relacionados con los de A y B por: Dicho de otra forma, el elemento ij-simo de AB es igual al producto punto del i-simo rengln de A y la j-sima columna de B. Es decir:

El nmero de filas de C es igual al de A, y el nmero de columnas de C es igual as de B. En otras palabras, si A es una matriz de p x q y B una matriz de q x r , entonces C es una matriz de p x r. Obviamente, si A y B son matrices cuadradas del mismo tamao, C tambin ser tambin una matriz cuadrada del mismo tamao. Lo anterior es suficiente para deducir que el producto de AB no es igual a BA. Puede darse el caso especial donde AB = BA, a lo cual se dice que las matrices son conmutativas. Ejemplo de productos entre matrices. Sea:

Encontrar C = AB

Obtenemos as que:

INVERSA DE UNA MATRIZ: Sean A y B matrices de n x n, y suponiendo que la multiplicacin AB = BA = Identidad, entonces la matriz B se le llama inversa de A, y se escribe . De esta manera:

De la definicin anterior se deduce que , si A tiene inversa. Nosotros podemos conocer fcilmente si una matriz tiene inversa; basta con encontrar su determinante, y si resulta cero, no tiene inversa; cualquier otro nmero nos indica que tiene inversa. Para encontrar la inversa de una matriz puede resultar un poco difcil, dependiendo del tamao de la misma . Un ejemplo sencillo se muestra a continuacin. Sea:

Encontrar la inversa de A o

. , entonces:

Si tomamos la definicin de inversa encontramos que

Resolviendo encontramos:

Igualando trmino a trmino, encontramos una serie de ecuaciones que al resolverlas obtenemos el resultado:

Sin embargo, este no es el mtodo ms adecuado, ya que por el mtodo de eliminacin de Gauss-Jordan es posible encontrar la inversa de una matriz ms rpidamente (este mtodo se ver ms adelante). INDEPENDENCIA LINEAL Las columnas de una matriz A de dimensin (mxn) se puede escribir como (n) vectores columna (m) elementos, como a continuacin , cada uno de

] Los vectores columna se cumple: es decir que: de lo contrario ser linealmente dependiente. SOLUCION DE SISTEMAS DE ECUACIONES Consideremos un conjunto de "m" ecuaciones con "n" incgnitas dado por: son linealmente dependientes si existen escalares , no todos iguales a cero, tales que

..... ..... .....

donde son coeficientes conocidos, son incgnitas y son trminos conocidos que se denominan trminos no homogneos. El sistema de ecuaciones lineales anteriores pueden expresarse de la forma compacta como:

donde A, x , y estn definidos respectivamente por:

Resolver un sistema de ecuaciones es encontrar el valor de las incgnitas "x". Una forma de resolver este sistema de ecuaciones es utilizando la formula inversa de A por ambos lados de la igualdad; de la siguiente manera: multiplicndola por la matriz

(I es la matriz identidad) De esta manera encontramos que si calculamos la inversa de A y la multiplicamos por el vector "y", obtendremos el vector "x" con las soluciones al sistema de ecuaciones. Los sistemas de ecuaciones pueden presentar tres casos: Es el ms comn, ya que el nmero de ecuaciones es igual al nmero de incgnitas. El nmero de ecuaciones es menor que el de incgnitas y tenemos lo que se conoce como problema subdeterminado. El nmero de ecuaciones es mayor que es de incgnitas y tenemos lo que se conoce como problema sobredeterminado. Esto ocurre en el ajuste de rectas y curvas. Un conjunto de ecuaciones lineales no siempre tiene solucin numrica. Los siguientes tres conjuntos de ecuaciones son ejemplo de ello: Ejemplo 1:

En este caso las dos rectas se encuentran en el mismo sitio por lo que la solucin que satisface a una, tambin a la otra, teniendo as infinitas soluciones. Ejemplo 2:

Las dos ecuaciones son lneas paralelas que nunca se interceptan, por lo que no existe una solucin. Ejemplo 3:

Tenemos tres ecuaciones independientes para dos incgnitas. Como se observa stas tres ecuaciones nunca pueden satisfacerse simultneamente.

DETERMINANTES El determinante es una cantidad importante asociada a una matriz cuadrada. De hecho no podemos obtener una solucin nica de un conjunto no homogneo de ecuaciones lineales si el determinante de la matriz de coeficientes es cero. Esto se debe a que, si por lo menos una ecuacin de un conjunto de ecuaciones lineales no es linealmente independiente, el determinante es cero. Si el valor del determinante es extremadamente pequeo o grande, es seal de que hay errores graves en la solucin de las ecuaciones. El determinante de una matriz tambin desempea un papel importante cuando se calculan los valores propios de una matriz. El determinante de una matriz A se denota como "det(A)". En el caso de una matriz de 2x2 el determinante de A se calcula:

Para una matriz de 3x3 existen varias formas de obtenerlo, pero una definicin formal del determinante de una matriz A de orden n esta dada por:

Donde la sumatoria abarca todas las permutaciones del primer subndice de a, y es + si la permutacin es par y - si es impar. Si la matriz es una matriz triangular inferior o superior, o una matriz diagonal, el clculo se simplifica mucho. El determinante de este tipo de matrices se calcula simplemente multiplicando los elementos de su diagonal principal.

Matriz: Una matriz es una tabla rectangular de nmeros o elementos de un anillo. Una de las principales aplicaciones de las matrices es la representacin de sistemas de ecuaciones de primer grado con varias incgnitas. Cada fila de la matriz representa una ecuacin, siendo los valores de una fila los coeficientes de las distintas variables de la ecuacin, en determinado orden. Igualdad de matrices: Dos matrices son iguales si tienen la misma dimensin y si los elementos que ocupan el mismo lugar en ambas, son iguales. Ecuacin lineal: ecuacin polinmica de primer grado, es decir, ecuacin en la cual las incgnitas aparecen con grado 1: ax + by + cz += k, en donde a, b, c,, k son nmeros reales y x, y, z, son las incgnitas. Las ecuaciones lineales con dos incgnitas son de la forma ax + by = c con a o b no nulos. Se representan mediante rectas cuyos puntos son las soluciones de la ecuacin. Las ecuaciones lineales con tres incgnitas son de la forma ax + by + cz = d con a o b o c no nulos. Se representan mediante planos cuyos puntos son las soluciones de la ecuacin. Un sistema de ecuaciones es lineal si todas las ecuaciones que lo forman son lineales. Sistema de ecuaciones: conjunto de ecuaciones cuyas soluciones comunes se pretende hallar. Para indicar que varias ecuaciones forman un sistema, se abarca el conjunto de todas ellas con una llave. Las ecuaciones de un sistema suelen tener dos o ms incgnitas, por lo que cada una de ellas puede tener infinitas soluciones. Se llama solucin del sistema a una solucin comn a todas las ecuaciones que lo forman. Resolver un sistema de ecuaciones es hallar todas sus soluciones o concluir que no tiene solucin. Si dos sistemas de ecuaciones tienen las mismas soluciones o ambos carecen de solucin, se dice que son equivalentes. Los sistemas de ecuaciones sin solucin se llaman incompatibles y los que tienen solucin, compatibles. Por ejemplo, el sistema formado por las ecuaciones 2x - 5y = 16 y 4x + y = 10 se expresa as

CONCEPTO DE MATRIZ. Se llama matriz de orden mxn, sobre el cuerpo de los numeros reales a una "caja", "cuadro", etc. que contiene mxn nmeros reales dispuestos en m filas y n columnas.

APLICACIN DE LOS CONCEPTOS

* A los nmeros reales aij se les llama elementos de la matriz. * El primer subndice (i) indica la fila, el segundo (j) la columna. As, el elemento a32 es el que est en la tercera fila y la segunda columna. * Las dimensiones de la matriz son m y n. Formalmente podemos definir una matriz de la siguiente manera: Sean I={1,2,...,m}, J={1,2,...,n} dos conjuntos finitos de ndices. Se llama matriz de orden mxn, sobre el cuerpo de los numeros reales a toda aplicacin: a: IxJ %%%%> R (i,j) %%%> a(i,j)=aij que asocia a cada par (i,j) el nmero real a(i,j) que representamos por aij. Denotaremos por Mmxn al conjunto de las matrices de orden mxn.

Es una matriz de orden 3x4 (3 filas, 4 columnas), a23=-1, a32=8, a34=0. etc. IGUALDAD DE MATRICES. Dos matrices A y B son iguales si tienen el mismo orden y coinciden los elementos que ocupan el mismo lugar. Es decir, siendo:

A=B si para todo i{1,2,...,m} y para todo j{1,2,...,n} se cumple que aij=bij. TIPOS DE MATRICES. Matriz fila. Es toda matriz de orden 1xn. . A es de orden 1x5. b. Matriz columna. Es toda matriz de orden mx1.

. A es de orden 3x1. c. Matriz nula. Es la que tiene todos sus elementos nulos. La denotaremos por (0). Son matrices nulas: , , ... d. Matriz rectangular. Es aquella que tiene distinto nmero de filas que de columnas.

. e. Matriz triangular superior. Es aquella matriz cuadrada en la que los trminos situados debajo de la diagonal principal son ceros. f. Matriz triangular inferior. Es aquella matriz cuadrada en la que los trminos situados por encima de la diagonal principal son ceros. g. Matriz diagonal. Es aquella en la que todos los elementos fuera de la diagonal principal son ceros. h. Matriz cuadrada. Es toda matriz que tiene el mismo nmero de filas que columnas. Es decir m=n. En ellas podemos distinguir: La diagonal principal. Son los elementos a11, a22, ..., ann. La diagonal secundaria. Son los elementos a1n, a2(n-1), ..., an1.

. Diagonal principal: 1,5,9. Diagonal secundaria: 3,5,7. i. Matriz escalar. Es toda matriz en la que todos los trminos de la diagonal principal son iguales.

j. Matriz unidad (identidad). Es la matriz escalar cuyos elementos de la diagonal principal son unos. Se designa como I.

SUMA DE MATRICES. Consideremos dos matrices A, BMmxn, es decir, con las mismas dimensiones.

Definimos: En forma abreviada: si A=(aij), B=(bij) entonces A+B=(aij+bij). Es decir: suma de matrices de las mismas dimensiones, es la aplicacin que asocia a cada par de matrices otra matriz de las mismas dimensiones cuyos elementos se obtienen sumando trmino a trmino los elementos correspondientes en dichas matrices: +: MmxnxMmxn > Mmxn (A,B)> A+B Siendo y entonces . A. PROPIEDADES. 1. Asociativa: (A+B)+C = A+(B+C). Es evidente, pues los elementos de A, B y C son de R que es un cuerpo conmutativo. 2. Existe elemento neutro: A+Neutro=A Neutro=(0)=La matriz nula. 3. Existe elemento opuesto: A+(Opuesto de A)=(0) Opuesto de A=-A 4. Conmutativa: A+B = B+A. Es evidente, pues los elementos de A y B son de R que es un cuerpo conmutativo. Por tanto (Mmxn, +) es un Grupo Conmutativo. 6. PRODUCTO DE UN NMERO REAL POR UNA MATRIZ. Consideremos la matriz AMmxn y R.

Definimos: En forma abreviada: si A=(aij), A = (aij). Es decir: producto de un nmero real por una matriz, es la aplicacin que asocia a cada par formado por un nmero real y una matriz, otra matriz cuyos elementos se obtienen multiplicando el nmero real por todos los elementos de la matriz: : RxMmxn > Mmxn (,A) > A Siendo entonces . A. PROPIEDADES. 5. (A+B) = A+B 6. (+)A = A+A 7. ()A = (A) 8. 1A = A Son evidentes, pues tanto los elementos de las matrices A y B como los nmeros y pertenecen a R que es un cuerpo conmutativo. 7. PRODUCTO DE MATRICES. A. PRODUCTO DE UNA MATRIZ FILA POR UNA MATRIZ COLUMNA. Sean A una matriz con una fila y n columnas y B una matriz con n filas y una columna.

El producto de las matrices A y B (AB) es otra matriz con una fila y una columna cuyo nico elemento es: c = a1b1 + a2b2 + ... + anbn. Es decir: AB=(c) Hay que hacer notar que para poder multiplicar A y B debe suceder que el nmero de columnas de A sea igual al nmero de filas de B. AB = [26 + (-3)7 + 4(-8) + 59] = (4) que es una matriz de orden 1x1 con un nico elemento, el 4. B. PRODUCTO DE DOS MATRICES CUALESQUIERA. Sean A una matriz de orden mxn, formada por m matrices fila [A1, A2, ..., Am] de n elementos cada una y B una matriz de orden nxp, formada por p matrices columna [B1, B2, ..., Bp] de n elementos cada una.

El producto de las matrices A y B (AB) es otra matriz C de orden mxp con m filas y p columnas, cuyo elemento cij es el producto de la matriz fila Ai por la matriz columna Bj. Es decir: cij = AiBj = ai1b1j + ai2b2j + ... + ainbnj As pues, el producto de matrices, es la aplicacin que asocia a cada par de matrices, una de dimensin mxn y otra de dimensin nxp, una tercera matriz de dimensin mxp: : MmxnxMnxp> Mmxp (A , B) > C tal que el elemento que ocupa el lugar q,r de la matriz producto se obtiene sumando los productos que resultan de multiplicar los elementos de la fila q-sima de la matriz A por los respectivos elementos de la columna r-sima de la matriz B. Simblicamente: si A=(aij), B=(bij) y C=(cij) entonces: . Obsrvese que para poder efectuar el producto AB es necesario que el nmero de columnas de la matriz A coincida con el nmero de filas de la matriz B. Esto implica que, en general, si existe el producto AB no tiene por qu existir BA. Sin embargo, si las matrices son cuadradas y del mismo orden, siempre existen AB y BA. C. PROPIEDADES DEL PRODUCTO DE MATRICES. 1. No es una operacin interna en el conjunto Mmxn. Si mn ni siquiera se puede efectuar el producto de dos matrices A,BMmxn. En el conjunto Mnxn, s que sera una operacin interna. 2. No es conmutativo. a) Hay casos en los cuales es posible efectuar AB, y no BA. Si y

. No es posible efectuar BA. b) En los casos en que es posible efectuar AB y BA, no siempre da el mismo resultado. A veces ni siquiera son del mismo orden.

Si

, c) En el caso de las matrices cuadradas, tampoco se verifica la propiedad conmutativa. Si y

, . 3. Dota al conjunto Mmxn de divisores de cero. Es decir, hay matrices no nulas cuyo producto es la matriz nula. Si y

. A(0) y B(0); sin embargo AB=(0). 4. Verifica la propiedad asociativa en los casos que se puedan multiplicar tres matrices. Es decir, si A es de orden mxn, B de orden nxp y C de orden pxq, entonces: (AB)C=A(BC). 5. No existe elemento neutro. Si A es de orden mxn, entonces Im es el elemento neutro por la izquierda de A, e In el elemento neutro por la derecha de A. Es decir: ImA=A, AIn=A.

= .

= Si A es una matriz cuadrada de orden n, In es el elemento neutro por la izquierda y por la derecha de A. Es decir, el nico elemento neutro de Mnxn. O sea: InA=AIn=A. 6. No existe elemento simtrico para ninguna matriz de Mmxn siendo mn. Hay matrices cuadradas que s tienen elemento simtrico (inversa) las cuales se llaman regulares, en cambio las que no tienen inversa se llaman singulares. La matriz inversa de A la denotamos por A-1. Ya veremos cmo se calcula. Si A es de orden n, A-1 tambin, y se verifica que: A-1A = AA-1 = In.

= . Veamos que no tiene inversa. Si fuera su inversa:

= a+c=1, b+d=0, a+c=0, b+d=1. Sistema de ecuaciones que no tiene solucin y por tanto no existe B. 7. A(B+C) = AB+AC. Es evidente, con AMmxn y B,CMnxp. 8. (A+B)C = AC+BC. Es evidente, con A,BMmxn y CMnxp. 9. (A)B = (AB). Es evidente, con AMmxn y BMnxp.

8. TIPOS DE MATRICES CUADRADAS. 1. Diagonales. Son aquellas que tienen todos sus elementos nulos excepto los de la diagonal principal, los cuales pueden ser nulos o no.

, . a. Escalares. Son las diagonales con todos los elementos de la diagonal principal iguales.

, . b. Unidad o identidad. Es una diagonal escalar con el nmero 1 en todos los lugares de la diagonal principal. Se denota por In.

, . 2. Triangulares. Son aquellas en las que son nulos todos los elementos que estn por encima o por debajo de la diagonal principal. a. Triangular superior. Si son nulos los elementos por debajo de la diagonal principal. Es decir: aij=0 para i>j.

, . b. Triangular inferior. Si son nulos los elementos por encima de la diagonal principal. Es decir: aij=0 para i<j.

, . 3. Simtricas. Son las matrices A tales que At=A. Es decir: aij=aji para todos i, j.

. 4. Antisimtricas. Son las matrices A tales que At=-A. O sea: aij=-aji para todos i,j.

es antisimtrica, pues . Observacin. En las matrices antisimtricas los elementos de la diagonal principal son nulos. 5. Regulares o invertibles. Son las que tienen inversa respecto al producto de matrices. Es decir: A es regular si existe su inversa A-1 y por tanto: AA-1 = A-1A = I.

su inversa es .

su inversa es . 6. Singulares. Son las que no tienen inversa respecto al producto de matrices.

y no tienen inversa. 7. Ortogonales. Son las matrices A tales que AAt=I, es decir, A-1=At.

y son ortogonales. Comprubese. 8. Idempotentes. Son las matrices A tales que A2=A.

y son idempotentes. Comprubese. 9. Involutivas. Son las matrices A tales que A2=I.

y son involutivas. Comprubese. 9. MATRIZ TRASPUESTA. PROPIEDADES. Matriz traspuesta de A. Es la que se obtiene a partir de A cambiando filas por columnas sin alterar su orden de colocacin. La denotaremos por At.

Si A=(aij), At=(aji). Si A es de orden mxn, At ser de orden nxm. Propiedades Consideremos las matrices A, B, At y Bt de rdenes adecuados a las propiedades que veamos. 1. (At)t = A. Dem. Evidente. 2. (A)t = At. Dem. Evidente. 3. (A+B)t = At + Bt. Dem: Como A=(aij) y B=(bij) entonces A+B=(aij+bij). (A+B)t=(aji+bji)=(aji)+(bji)=At+Bt. 4. (AB)t = BtAt. Dem: Sean A=(aij) de orden mxn y B=(bij) de orden nxp. C=AB=(cij) ser de orden mxp. El elemento cij de C=AB es como sabemos: cij = ai1b1j + ai2b2j + ... + ainbnj. Este elemento es tambin el elemento que est en la fila j y la columna i de la matriz (AB)t, es decir, es el cji de (AB)t. Los elementos de la fila j de la matriz Bt son b1j, b2j, ..., bnj. Los elementos de la columna i de la matriz At son ai1, ai2, ..., ain. Por tanto, el elemento de la fila j y la columna i de BtAt es: b1jai1+b2jai2+...+bnjain=cji. Luego (AB)t=BtAt. 9. MATRICES INVERTIBLES. PROPIEDADES. Una matriz A es invertible o regular, si tiene inversa respecto al producto de matrices. Es decir: A es invertible si existe su inversa A-1 y por tanto: AA-1 = A-1A = I. Propiedades 1. Si A y B son matrices cuadradas de orden n tales que: AB=In, entonces B=A-1 y A=B-1. Dem. Multiplicando en AB=In por A-1 y aplicando la propiedad asociativa se tiene que: A-1(AB)=A-1 (A1A)B=A-1 B=A-1. Anlogamente: (AB)B-1=B-1 A(BB-1)=B-1 A=B-1. 2. (A-1)-1 = A. Dem. Evidente. 3. (AB)-1 = B-1A-1. Dem. Hay que ver que: (AB)(B-1A-1)=In. Por la propiedad asociativa: (AB)(B-1A-1)=A(BB-1)A-1=AA-1=In. 4. (At)-1 = (A-1)t. Dem. Como AA-1=In, tomando traspuestas resulta que: (A-1)tAt=In, luego, por la primera propiedad (A1)t=(At)-1. 10. RANGO DE UNA MATRIZ. El concepto de rango es uno de los conceptos ms importantes del Algebra Lineal. Rango por filas de una matriz es el mayor nmero de filas que sean linealmente independientes. (*) Rango por columnas de una matriz es el mayor nmero de columnas que son linealmente independientes. (*)

Sea . El rango por filas de A es 2 ya que las filas (1,0,3) y (2,1,-1) son linealmente independientes y (3,1,2)=(1,0,3)+(2,1,-1). El rango por columnas es tambin 2 ya que las columnas (1,2,3) y (0,1,1) son linealmente independientes y (3,-1,2)=3(1,2,3)-7(0,1,1). El hecho de que coincidan el rango por filas y el rango por columnas en el ejemplo anterior, no es por casualidad; veremos ms adelante que esta propiedad se verifica siempre, por lo cual podemos hablar simplemente de rango (o caracterstica) de una matriz. Se enuncia a continuacin un teorema que permite conocer un mtodo para calcular el rango de una matriz. Teorema. El rango por filas (o por columnas) de una matriz A no vara si se sustituye una de ellas por una combinacin lineal de todas, en la cual el coeficiente de la sustituida es distinto de cero. As, un mtodo para calcular el rango de una matriz consiste en transformarla, mediante las operaciones indicadas en el teorema anterior, en una matriz "escalonada". Teorema. El rango por filas y el rango por columnas de una matriz A son iguales. CONCEPTO DE SISTEMA DE ECUACIONES LINEALES.

Sistema de m ecuaciones con n incgnitas. Es un conjunto de expresiones algebraicas de la forma:

xj son las incgnitas, (j=1,2,...,n). aij son los coeficientes, (i=1,2,...,m) (j=1,2,...,n). ci son los trminos independientes, (i=1,2,...,m). Los nmeros m y n pueden ser cualesquiera: m>n, m=n m<n. Los escalares aij y ci son nmeros reales. El escalar aij es el coeficiente de xj en la i-sima ecuacin. Cuando n es pequeo, es usual designar a las incgnitas con las letras x, y, z, t, ... Obsrvese que el nmero de ecuaciones no tiene por qu ser igual al nmero de incgnitas. Cuando ci=0 para todo i, el sistema se llama homogneo.

n Es un sistema de 3 ecuaciones lineales con 4 incgnitas. Los coeficientes de la primera ecuacin del sistema son los nmeros 3, -2, 1, -1. El trmino independiente de la misma es el 2.