MATRICES ESPECIALES

Entre la infinidad de matrices que podemos considerar, existen algunas que por tener
caractersticas determinadas reciben nombres especiales y sern muy tiles
posteriormente; adems, esas caractersticas especiales hacen que puedan cumplir
determinadas propiedades que resaltaremos en este epgrafe. Concretamente, las
matrices especiales que vamos a considerar van a ser: identidad, diagonal, triangular y
simtrica.
MATRIZ ESCALAR:
Toda matriz cuyos elementos de su diagonal principal toman el mismo valor, tanto
arriba como debajo de la diagonal son ceros. Tambin la conocemos por matriz
identidad y a su vez es un caso de matriz diagonal.
1

A =

0
0

MATRIZ SIMETRICA: Es una matriz cuadrada, donde los elementos alternos tienen el
mismo valor.
MATRIZ ANTISIMETRICA: Matriz cuadrada que es igual a la opuesta de su
transpuesta
A = -At; , aij = -aji aij = aji . Necesariamente; aii = 0
MATRIZ COMPLEJA: Es toda matriz cuadrada, cuyos elementos son nmeros
complejos.
3+2i
A =

-4+3i

-2+i

5i
-2i 3+6i

3+6i

-4i

MATRIZ CONJUGADA: Sea A una matriz rectangular o cuadrada compleja. Si se

forma otra matriz tomando los complejos de cada elemento de A se obtiene la matriz
conjugada de A.
A = [4 3+2j; 33j 4+4j]
4

3+ 2i

-3- 3i 4+ 4i
Ac = conj(A)

3- 2i

-3+ 3i 4- 4i
MATRIZ IDENTIDAD: de orden n a una matriz cuadrada en la que los elementos de la
diagonal principal son todos uno y el resto son cero:
MATRIZ DIAGONAL: Una matriz cuadrada se dice que es diagonal si todos los
elementos que no estn en la diagonal principal son cero. La matriz identidad es un caso
particular de matriz diagonal.
MATRIZ TRIANGULAR INFERIOR: Una matriz cuadrada se dice que es triangular
inferior si verifica que aij = 0, cuando i < j
MATRIZ TRIANGULAR SUPERIOR: Una matriz cuadrada se dice que es triangular
superior si verifica que aij = 0, cuando i > j
MATRIZ ADJUNTA: Si se tiene una matriz cuadrada A, su matriz adjunta o adj(A) es la
resultante de sustituir cada trmino de A por sus respectivos adjuntos.
El adjunto de un trmino ai j de la matriz A resulta del determinante de la matriz que se
obtiene de quitar a A la fila y la columna a la que pertenece el trmino ai j multiplicado
por (1)(i+j)
+[(1)-(2)]
adj (A)

-[(-1)-(0)] +[(2)-(0)]

= -[(-1)-(0)] +[(-2)-(0)] -[(4)-(0)]

+[(1)-(0)]

-[(2)-(0)] +[(-2)-(1)]

MATRIZ HERMTICA: Una matriz que es igual a su transpuesta conjugada; en el caso

de ser de elementos reales, una matriz hermtica es sinnima de simtrica.
3 2+i
A= 3+4i

-2i

2-6i

i 2+6i
3

12i

MATRIZ NULA: Es aquella que todos sus elementos son 0 y se representa por 0.
0

A =

0
0

MATRIZ ORTOGONAL: Una matriz ortogonal es necesariamente cuadrada e invertible

: A-1 = AT

La inversa de una matriz ortogonal es una matriz ortogonal. El producto de dos matrices
ortogonales es una matriz ortogonal. El determinante de una matriz ortogonal vale +1
1.
MATRIZ NILPOTENTE:Si A es una matriz cuadrada y 0 = k A para algn nmero
natural , k se dice que A es nilpotente. Si k es tal que 0 1 . - k A y , 0 = k A se dice que A
es nilpotente de orden k
MATRIZ UNIPOTENTE: Decimos que una matriz cuadrada A de orden n es unipotente
si y solo si se verifica que A.A = 0n, es decir A2 = I n.
Estoy invitando a todos los maestros y profesionales de esta area y/o carrera a colaborar
construyendo este sitio dedicado a esta hermosa y util profesion aportando el material
apropiado a cada uno de los mas de 1,000 temas que lo componen.
Tambien los invito a aportar material a los mas de 30,000 temas que constituyen las 30
carreras profesionales que se imparten en los Institutos Tecnologicos de Mexico y se
encuentran en este sitio.
www.MiTecnologico.com es un esfuerzo personal y de muchos amigos de MEXICO y
el Mundo Hispano por devolver algo de lo mucho que hemos recibido en el proceso de
la educacion superior, saludos Prof Lauro Soto, Ensenada, BC, Mexico
PARA EMPEZAR SOLO USAR OPCION edit ABAJO Y EMPIEZA A CONSTRUIR ,
SALUDOS Y MUCHAS GRACIAS

Leer y usar cuidadosamente todas estas instrucciones y

videos para construir un valioso trabajo en formato
DIGITAL, suerte.
Competencias Digitales (Tics Basicas) a practicar con este TEMA:

Usar www.Google.com para buscar y localizar UN material academico

apropiado y que se pueda recomendar para el tema, ver VIDEO BUSQUEDAS
abajo en esta pagina.
En el post ( o tema ) apropiado en el Libro de Blogger, pegar el material
localizado y que se recomienda para este tema, ver VIDEO BLOGGER abajo en
esta pagina.

pd: Recordar incluir la fuente del tema usando el formato de citacion apropiado, ver
VIDEO WIKIPEDIA abajo en esta pagina.

En el editor de Blogger usar colores para destacar los parrafos mas importantes y
usar subrayados para las citas mas relevantes.
En el post ( o tema ) apropiado en el libro en Blogger, para incluir ecuaciones o
notacion matematica se debera usar el icono del editor de Blogger IMAGE y
construir esta notacion matematica con imagenes Latex, ver VIDEO LATEX
ABAJO.
Construir al final y despues de la fuente del material, un breve resumen ( no mas
de 23 parrafos) explicando palabras propias el contenido del tema.

pd: Se pueden usar alguna de las citas que encontradas dentro del tema, solo recordar
encerrarla entre comillas.
pd: Se pueden usar tambien cambios en fonts para darle mas visibilidad, consistencia y
relevancia al resumen del tema.
PUNTOS EXTRAS Si se usa una segunda fuente valiosa de informacion y
recordar encadenar los dos materiales mediante uno o dos parrafos apropiados.
Enviar a el maestro o compaeros un correo electronico que incluya la liga a el
tema en blogger para revision, recomendacion, sugerencias y evaluacion, ver
VIDEO LIGAS GMAIL abajo.
Sacar una cuenta (click en)http://docs.google.com, usando el correo de Gmail y
tratar de conseguir el mismo usuario que se construyo en Gmail y Blogger ver
VIDEO GOOGLE DOCS abajo en esta pagina.
pd: Si ya se tiene una cuenta ignorar esta competencia digital.
pd: Google Docs es el equivalente a OFFICE pero con la caracteristica que todos sus
componentes ( procesador de palabras, presentacion electronica y hoja de calculo) estan
completamente en internet, es decir todos los archivos o material estaran en linea,
seguros y siempre disponibles, ademas de que se pueden trabajarlos desde cualquier pc,
ya sea la personal, la del laboratorio de la escuela o la de un lugar publico como la
biblioteca o un cafe internet.
Construir una Presentacion Electronica ( usando muy pocos slides) del tema en
GOOGLE DOCS e incrustrarla en el tema de bloger ver VIDEO GOOGLE
DOCS en esta pagina abajo.
pd: Recordar que una presentacion electronica, es solamente un resumen muy
condensado del tema ( o mapa o guia mental ), que ayuda a recordar los elementos y
conceptos mas basicos del tema, cuando se estan exponiendo frente a un grupo.

pd: No olvidar incluir un primer slide con el titulo de la presentacion electronica, un

segundo slide con un indice de la presentacion electronica y un ultimo slide con dos o
tres parrafos de conclusiones y bibliografia.
Buscar en Google Imagenes o www.Flickr.com o www.PhotoBucket.com una
galeria de fotos o de imagenes apropiadas al tema actual,
Para los casos de Photobucket y Flicker, ambos sitios proporcionan ligas a sus
imagenes y tambien objetos (los recuerdan??), que se pueden incluir en el tema
del libro apropiado en Blogger.
pd: para estos sitios deberan obtener una cuenta usando el correo de gmail y de
preferencia obtener el mismo usario que se ha venido manejando a lo largo del curso.
pd: Tratar de usar resoluciones y tamaos de imagenes chicos o medianos, recordar que
todo este material termina en el post del tema en Blogger y esa pagina no tiene mucho
espacio para desplegar fotos o imagenes.
pd: El formato apropiado para fotos o imagenes es JPG, tratar de no usar otros
formatos.
pd: Se puede construir y conseguir esta coleccion o galeria de imagenes con:
1) Usando Google Imagenes, recordar conseguir solo imagenes que tengan permiso de
publicacion abierto, no usar imagenes o fotos que tengan derechos reservados.
pd: Estas fotos almacenarlas en un folder en el desktop o escritorio de su computadora y
subirlas a el post en blogger usando el icono IMAGE del editor de Blogger.
2) Flickr y Photo Bucket tambien tienen una gran cantidad de imagenes que se pueden
usar o mejor dicho enlazar a el tema o post en Blogger.
3) Tambien se puede usar la camaras digitales o las camaras de sus telefonos celulares.
4) Tambien se puede usar el programa o aplicacion llamado Srip32.exe( solo buscar
srip32 en google) bajarlo e instalarlo, este programa permite capturar una pantalla de la
pc, es decir si se encuentra un sitio con imagenes o incluso texto apropiado o relevante
al tema, capturar la pantalla con srip32 y ya se tendra la imagen, ver VIDEO Srip32
abajo.
Incluir al menos una imagen de cada uno de los dos sitios (flickr y Photobucket)
en el tema o post que se esta construyendo en Blogger.
PUNTOS EXTRAS Si se incluyen una galeria completa de imagenes apropiadas
desde cualquiera de estos sitios de FLICKR o Photobucket.

Sacar una cuenta (click en)www.DivShare.com, usando el correo de Gmail y

tratar de conseguir el mismo usuario que se consiguio en Gmail y Blogger y
Flickr ver VIDEO DIVSHARE abajo en esta pagina.

pd: Si ya se tiene una cuenta ignorar esta competencia digital.

pd: Usar Divshare para almacenar material en audio (MP3) apropiado a el tema ( no
usarlo para almacenar material comercial o les suspenden la cuenta)
pd: El material en Audio, con formato MP3 se debera producir usando un microfono en
la pc y programas de aplicacion apropiados, llamados editores de audio, un ejemplo de
ellos es el SOUND RECORDER que ya viene en Windows, pero se recomienda usar
mejor AUDACITY ( solo buscar en google AUDACITY) bajarlo e instalarlo, ver
VIDEO AUDACITY abajo.
Crear al menos dos archivos de audio mp3:
1) El primero de ellos sera la lectura completa de este tema en voz apropiada. ( o
aprender a editar con audacity la voz)
2) El segundo de ellos sera un resumen del tema. ( buena voz o editarla con audacity)
3) Ambos archivos subirlos a Div Share (recordor que tienen que ser MP3) y el
reproductor que proporciona gratis Div Share, ver VIDEO DIVSHARE abajo e
insertarlo en el lugar apropiado del tema que se esta construyendo en Blogger.
4) Ejemplo del reproductor incrustado en una pagina:

Sacar una cuenta (click en)www.YouTube.com, usando el correo de Gmail y

tratar de conseguir el mismo usuario que se consiguio en Gmail y Blogger y
Flickr.

pd: Si ya se tiene una cuenta ignorar esta competencia digital.

Para producir video se pueden usar tres fuentes:
1) Localizar Videos apropiados en Youtube.
2) Usar nuestras camaras digitales o nuestros telefonos celulares para producir video.
3) Producir un video de la propia pantalla de la computadora ( muy similar a lo que se
hizo con Srip32) pero usando un programa especializado en video, tal como

CAMSTUDIO (click en www.CamStudio.org) bajar e instalar ( no olvidar bajar e

instalar el CODEC que esta abajo en el mismo sitio.
3.1) para Usar Camstudio solo recordar que es muy similar a Srip32 Solo que el
resultado final es un archivo de video AVI.
Producir un video de resumen del tema (usar camstudio con el fondo de la
pagina con el tema e irlo comentando en voz apropiada)
Producir un video en vivo con la exposicion del tema ( pueden usar la
presentacion electronica de fondo o cualquier otro material, pizarron, filminas,
rotafolios, etc.)
Subir los videos a su cuenta en Youtube e incluirlos o ligarlos en la pagina en
Blogger, tambien los pueden subir directamente a BLOGGER ver VIDEO
BLOGGER VIDEO abajo.
Saludos y suerte prof Lauro Soto, Ensenada, BC, Mexico.

Algebra Lineal
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

es una matriz con

ejemplo:

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

Si tomamos la definicin de inversa encontramos que

, entonces:

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

, cada uno de (m) elementos, como a continuacin

]
Los vectores columna
son linealmente dependientes si existen escalares
todos iguales a cero, tales que 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:

, no

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

donde
son coeficientes conocidos,
son incgnitas y
que se denominan trminos no homogneos.

son trminos conocidos

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
multiplicndola por la matriz inversa de A por ambos lados de la igualdad; de la
siguiente manera:

(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

+ si la permutacin es par y - si es impar.

es

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.

Conmutatividad
De Wikipedia, la enciclopedia libre
Saltar a navegacin, bsqueda

Ejemplo mostrando la conmutatividad de la adicin (3 + 2 = 2 + 3).

Una operacin binaria es conmutativa cuando el resultado de la operacin es el mismo
cualquiera que sea el orden de los elementos con los que se opera.

[editar] Definicin algebraica

Sea E un conjunto en el cual se ha definido una operacin binaria o ley de composicin
interna *, es decir una aplicacin:

Se dice que * es conmutativa si verifica para todo (x,y) de EE la igualdad x * y = y *

x. Escrito formalmente:

Este diagrama ilustra la conmutatividad: p es la permutacin de las variables x e y. Da el

mismo resultado recorrer la flecha horizontal, es decir aplicar la operacin * que
recorrer la flecha vertical (permutar las variables) y luego la diagonal (aplicar * ).

Estos diagramas, donde el resultado no depende del trayecto sino slo del punto de
partida y el de llegada se llaman diagramas conmutativos (s, con la misma palabra). Se
suele indicar esta propiedad con un crculo inscrito en el "ciclo".
Por convencin, si una operacin se escribe con el smbolo +, siempre se supone que es
conmutativa. Esta convencin no es vlida para el producto ni pues, por ejemplo, el
producto de matrices no es conmutativo en dimensin superior a 1, ni el de los nmeros
cuaterniones. El producto vectorial tampoco es conmutativo.Una operacin binaria es
conmutativa cuando el resultado de la operacin es el mismo cualquiera que sea el
orden de los elementos con los que se opera.

[editar] Ejemplos

En el conjunto C de los nmeros complejos, y por restriccin, en el conjunto R

de los nmeros reales, la suma (adicin) y el producto (multiplicacin) son
operaciones conmutativas.
La suma en los espacios vectoriales es conmutativa.
La suma de funciones tambin.
La reunin y la interseccin en la teora de conjuntos y ms generalmente la
suma y el producto de las lgebras de Boole.

[editar] Generalizacin

Se generaliza el concepto a toda clase de aplicaciones (aqu el dominio y el codominio

no tienen relacin a priori) de dos ms variables, y se habla de "simetra" en vez de
conmutatividad:

f, funcin de dos variables es simtrica si para todo (x,y), f(x,y) = f(y,x).

Una funcin de n variables es simtrica si no cambia su valor cuando se permuta
sus argumentos: con tres variables se obtiene:
f(x,y,z) = f(y,z,x) = f(z,x,y) = f(x,z,y) = f(z,y,x) = f(y,x,z).

Estas propiedades estn contenidas en el diagrama conmutativo siguiente:

donde p es la permutacin de dos variables, id es la aplicacin identidad.

El diagrama se resume en: f o (pid) = f o (idp) = f, donde o denota la composicin de
las funciones.

En lgebra lineal, existe un concepto "opuesto": la antisimetra, propiedad que

dice que la permutacin de dos variables implica un cambio de signo: f(y,x) = f(x,y).

El contenido de este artculo incorpora material

Matriz (matemtica)
De Wikipedia, la enciclopedia libre
Saltar a navegacin, bsqueda
Para otros usos de este trmino, vase Matriz.
En matemticas, una matriz es una tabla bidimensional de nmeros consistente en
cantidades abstractas que pueden sumarse y multiplicarse. Las matrices se utilizan para
describir sistemas de ecuaciones lineales, realizar un seguimiento de los coeficientes de
una aplicacin lineal y registrar los datos que dependen de varios parmetros. Las
matrices se describen en el campo de la teora de matrices. Pueden sumarse,
multiplicarse y descomponerse de varias formas, lo que tambin las hace un concepto
clave en el campo del lgebra lineal.

Contenido
[ocultar]
1 Definiciones y notaciones
2 Ejemplo
3 Operaciones bsicas
o 3.1 Suma o adicin
3.1.1 Propiedades
o 3.2 Producto por un escalar
3.2.1 Ejemplo
3.2.2 Propiedades
o 3.3 Producto
3.3.1 Propiedades
o 3.4 Aplicaciones lineales
o 3.5 Rango
o 3.6 Transpuesta
4 Matrices cuadradas y definiciones relacionadas
5 Las matrices en la Computacin
6 Historia
7 Notas

8 Vase tambin

[editar] Definiciones y notaciones

Una matriz es una tabla cuadrada o rectangular de datos (llamados elementos o
entradas de la matriz) ordenados en filas y columnas, donde una fila es cada una de las
lneas horizontales de la matriz y una columna es cada una de las lneas verticales. A
una matriz con m filas y n columnas se le denomina matriz m-por-n (escrito mn), y a m
y n dimensiones de la matriz. Las dimensiones de una matriz siempre se dan con el
nmero de filas primero y el nmero de columnas despus. Comnmente se dice que
una matriz m-por-n tiene un orden de m n ("orden" tiene el significado de tamao).
Dos matrices se dice que son iguales si son del mismo orden y tienen los mismos
elementos.

Al elemento de una matriz que se encuentra en la fila i-sima y la columna j-sima se le

llama elemento i,j o elemento (i,j)-isimo de la matriz. Se vuelve a poner primero las
filas y despus las columnas.
Casi siempre, se denotan a las matrices con letras maysculas mientras que se utilizan
las correspondientes letras en minsculas para denotar a los elementos de las mismas.
Por ejemplo, al elemento de una matriz A que se encuentra en la fila i-sima y la
columna j-sima se le denota como ai,j o a[i,j]. Notaciones alternativas son A[i,j] o Ai,j.
Adems de utilizar letras maysculas para representar matrices, numerosos autores
representan a las matrices con fuentes en negrita para distinguirlas de otros tipos de
variables. As A es una matriz, mientras que A es un escalar.
Normalmente se escribe
para definir una matriz A m n con cada
entrada en la matriz A[i,j] llamada aij para todo 1 i m y 1 j n. Sin embargo, la
convencin del inicio de los ndices i y j en 1 no es universal: algunos lenguajes de
programacin comienzan en cero, en cul caso se tiene 0 i m 1 y 0 j n 1.
Una matriz con una sola columna o una sola fila se denomina a menudo vector, y se
interpreta como un elemento del espacio eucldeo. Una matriz 1 n (una fila y n
columnas) se denomina vector fila, y una matriz m 1 (una columna y m filas) se
denomina vector columna.

[editar] Ejemplo
Dada la matriz:

que es una matriz 4x3. El elemento

es el 7.

La matriz

es una matriz 19, o un vector fila con 9 elementos.

[editar] Operaciones bsicas

[editar] Suma o adicin
Dadas las matrices m-por-n ,A y B, su suma A + B es la matriz m-por-n calculada
sumando los elementos correspondientes (i.e. (A + B)[i, j] = A[i, j] + B[i, j] ). Es decir,
sumar cada uno de los elementos homlogos de las matrices a sumar. Por ejemplo:

[editar] Propiedades

Asociativa

Dadas las matrices mn A, B y C

A + (B + C) = (A + B) + C
Conmutativa

Dadas las matrices mn A y B

A+B=B+A
Existencia de matriz cero o matriz nula

A+ 0 = 0 +A= A
Existencia de matriz opuesta

con gr-A = [-aij]

A + (-A) = 0

[editar] Producto por un escalar

Dada una matriz A y un escalar c, su producto cA se calcula multiplicando el escalar
por cada elemento de A (i.e. (cA)[i, j] = cA[i, j] ).

[editar] Ejemplo

[editar] Propiedades
Sean A y B matrices y c y d escalares.

Clausura: Si A es matriz y c es escalar, entonces cA es matriz.

Asociatividad: (cd)A = c(dA)
Elemento Neutro: 1A = A
Distributividad:
o De escalar: c(A+B) = cA+cB
o De matriz: (c+d)A = cA+dA

[editar] Producto

Diagrama esquemtico que ilustra el producto de dos matrices A y B dando como

resultado la matriz AB.
Artculo principal: Producto de matrices
El producto de dos matrices se puede definir slo si el nmero de columnas de la
matriz izquierda es el mismo que el nmero de filas de la matriz derecha. Si A es una
matriz mn y B es una matriz np, entonces su producto matricial AB es la matriz
mp (m filas, p columnas) dada por:

para cada par i y j.

Por ejemplo:

[editar] Propiedades
Si los elementos de la matriz pertenecen a un cuerpo, y puede definirse el producto, el
producto de matrices tiene las siguientes propiedades:

Propiedad asociativa: (AB)C = A(BC).

Propiedad distributiva por la derecha: (A + B)C = AC + BC.
Propiedad distributiva por la izquierda: C(A + B) = CA + CB.
En general, el producto de matrices tiene divisores de cero: Si A.B = 0 , No
necesariamente A B son matrices nulas
El producto de matrices no verifica la propiedad de simplificacin: Si A.B =
A.C, No necesariamente B=C

El producto de dos matrices generalmente no es conmutativo, es decir, AB BA. La

divisin entre matrices, es decir, la operacin que podra producir el cociente A / B, no
se encuentra definida. Sin embargo, existe el concepto de matriz inversa, slo aplicable
a las matrices invertibles.

[editar] Aplicaciones lineales

Las matrices pueden representar convenientemente aplicaciones lineales (tambin
conocidas como "transformaciones lineales") entre dos espacios vectoriales de
dimensin finita. As, si n es el espacio eucldeo n-dimensional cuyos vectores se
pueden representar como vectores columna (matrices n-por-1), para cada aplicacin
lineal f : n m existe una nica matriz A m por n de tal forma que

para cada vector x de n.

Se dice que la matriz A "representa" la aplicacin lineal f, o que A es la matriz
coordenada de f.
El producto de matrices claramente corresponde a la composicin de las aplicaciones. Si
la matriz k por m B representa otra aplicacin lineal g : m k, entonces la
composicin g o f se representa por BA:

Esto se desprende de la mencionada propiedad asociativa del producto de matrices.

Ms en general, una aplicacin lineal de un espacio vectorial n-dimensional en otro
espacio vectorial m-dimensional (no necesariamente n) se representa por una matriz m
por n, a condicin de que se haya elegido una base para cada uno de ellos.

[editar] Rango
Artculo principal: Rango de una matriz

El rango de una matriz A es la dimensin de la imagen de la aplicacin lineal

representada por A, que coincide con la dimensin de los espacios vectoriales generados
por las filas o columnas de A. Tambin puede ser definido sin referencia al lgebra
lineal de la siguiente manera: el rango de una matriz m por n A es el ms pequeo
nmero k de tal manera que A puede escribirse como un producto BC donde B es una
matriz m por k y C es una matriz k por n (aunque sta no es una manera prctica de
calcular el rango).

[editar] Transpuesta
Artculo principal: Matriz transpuesta

La transpuesta de una matriz m-por-n A es la matriz n-por-m AT (algunas veces

denotada por At) formada al intercambiar las filas y columnas, i.e.

La transposicin de matrices tiene las siguientes propiedades:

Si A describe una aplicacin lineal respecto a dos bases, entonces la matriz AT describe
la transpuesta de una aplicacin lineal respecto a las bases del espacio dual.

[editar] Matrices cuadradas y definiciones relacionadas

Una matriz cuadrada es una matriz que tiene el mismo nmero de filas que de
columnas. El conjunto de todas las matrices cuadradas n-por-n junto a la suma y la
multiplicacin de matrices, es un anillo que generalmente no es conmutativo.
M(n,R), el anillo de las matrices cuadradas reales, es un lgebra asociativa real unitaria.
M(n,C), el anillo de las matrices cuadradas complejas, es un lgebra asociativa
compleja.
La matriz identidad In de orden n es la matriz n por n en la cual todos los elementos de
la diagonal principal son iguales a 1 y todos los dems elementos son iguales a 0. La
matriz identidad se denomina as porque satisface las ecuaciones MIn = M y InN = N
para cualquier matriz M m por n y N n por k. Por ejemplo, si n = 3:

La matriz identidad es el elemento unitario en el anillo de matrices cuadradas.

Los elementos invertibles de este anillo se llaman matrices invertibles o matrices no
singulares. Una matriz A n por n es invertible si y slo si existe una matriz B tal que
AB = In = BA.
En este caso, B es la matriz inversa de A, identificada por A-1 . El conjunto de todas las
matrices invertibles n por n forma un grupo (concretamente un grupo de Lie) bajo la
multiplicacin de matrices, el grupo lineal general.
Si es un nmero y v es un vector no nulo tal que Av = v, entonces se dice que v es un
vector propio de A y que es su valor propio asociado. El nmero es un valor propio
de A si y slo si AIn no es invertible, lo que sucede si y slo si pA() = 0, donde pA(x)
es el polinomio caracterstico de A. pA(x) es un polinomio de grado n y por lo tanto,
tiene n races complejas mltiples races si se cuentan de acuerdo a su multiplicidad.
Cada matriz cuadrada tiene como mucho n valores propios complejos.
El determinante de una matriz cuadrada A es el producto de sus n valores propios, pero
tambin puede ser definida por la frmula de Leibniz. Las matrices invertibles son
precisamente las matrices cuyo determinante es distinto de cero.

El algoritmo de eliminacin gaussiana puede ser usado para calcular el determinante, el

rango y la inversa de una matriz y para resolver sistemas de ecuaciones lineales.
La traza de una matriz cuadrada es la suma de los elementos de la diagonal, lo que
equivale a la suma de sus n valores propios.

[editar] Las matrices en la Computacin

Las matrices son utilizadas ampliamente en la computacin, por su facilidad y liviandad
para manipular informacin. En este contexto, son la mejor forma para representar
grafos, y son muy utilizadas en el clculo numrico.

[editar] Historia
El origen de las matrices es muy antiguo. Un cuadrado mgico, 3 por 3, se registra en la
literatura china hacia el 650 a. C.1
Es larga la historia del uso de las matrices para resolver ecuaciones lineales. Un
importante texto matemtico chino que proviene del ao 300 a. C. a 200 a. C., Nueve
captulos sobre el Arte de las matemticas (Jiu Zhang Suan Shu), es el primer ejemplo
conocido de uso del mtodo de matrices para resolver un sistema de ecuaciones
simultneas.2 En el captulo sptimo, "Ni mucho ni poco", el concepto de determinante
apareci por primera vez, dos mil aos antes de su publicacin por el matemtico
japons Seki Kwa en 1683 y el matemtico alemn Gottfried Leibniz en 1693.
Los "cuadrados mgicos" eran conocidos por los matemticos rabes, posiblemente
desde comienzos del siglo VII, quienes a su vez pudieron tomarlos de los matemticos y
astrnomos de la India, junto con otros aspectos de las matemticas combinatorias.
Todo esto sugiere que la idea provino de China. Los primeros "cuadrados mgicos" de
orden 5 y 6 aparecieron en Bagdad en el 983, en la Enciclopedia de la Hermandad de
Pureza (Rasa'il Ihkwan al-Safa).1
Despus del desarrollo de la teora de determinantes por Seki Kowa y Leibniz, a finales
del siglo XVII, Cramer present en 1750 la ahora denominada regla de Cramer. Carl
Friedrich Gauss y Wilhelm Jordan desarrollaron la eliminacin de Gauss-Jordan en el
siglo XIX.
El trmino "matriz" fue acuado en 1848, por J. J. Sylvester. En 1853, Hamilton hizo
algunos aportes a la teora de matrices. Cayley introdujo en 1858 la notacin matricial,
como forma abreviada de escribir un sistema de m ecuaciones lineales con n incgnitas.
Grassmann, Frobenius y von Neumann estn entre los matemticos famosos que
trabajaron sobre la teora de matrices.
Olga Taussky-Todd (1906-1995), durante la II Guerra Mundial, us la teora de matrices
para investigar el fenmeno de aeroelasticidad llamado fluttering.

[editar] Notas

Ejercicios resueltos de matrices

1.4

Problemas resueltos de lgebra