Semana 1: Construir y operar matrices (el autor de esta página no se hace responsable de cómo uses esta página ni por el impacto que puedan tener posibles errores cometidos al resumir ;v)
Matrices iguales: Mismo tamaño y componente idénticas
El conjunto de todas las matrices de tamañom×n es Mm×n
La suma de 2 matrices del mismo tamaño es una matriz donde las componente correspondientes se suman
El producto de una matriz por un escalar es una donde cada a componente de la primera se le multiplica por dicho escalar
Multiplicación de matrices:
Vector Fila por Vector columna: un escalar que es la suma de las componente de ambas matrices en orden
Vector Columna por Vector Fila: Una matriz conformada por tantas filas como elementos en el Vector Columna. Cada fila es una copia del Vector Fila, pero multiplicado primero por la componente correspondiente a la fila del Vector Columna. Es decir, la primera fila de la matriz resultante es el Vector Fila multiplicado escalarmente por la primera componente del Vector Columna, la segunda por la segunda componente y así para cada componente del Vector Columna.
Matriz por Matriz: Solo cuando el número de columnas de la primera es igual al número de filas de la segunda.
Sean las dimensiones m×x y x×n, la matriz resultante es de tamaño m×n
Cada elemento de la matriz resultante se puede encontrar con la siguiente fórmula, donde Cij es un elemento de la matriz, n es la cantidad de elementos en la fila/columna de a o b, el subíndice k de a es el i de C el subíndice k de b es el j de C: Cij=k=1∑naikbkj
Transpuesta: una matriz denotada por At tal que las filas y columnas de A se intercambian en orden (la primera fila con la primera columna y así sucesivamente).
Matriz cero: una matriz con todas sus componentes nulas
Matriz cuadrada: cuando sus dimensiones i×j son iguales: i=j. Una matriz "de orden n es una matriz con lados de tamaño n.
Matriz identidad: Una matriz de orden n con solamente nulos, excepto por la diagonal principal, que tiene unos. Para toda matriz cuadrada del mismo orden, su producto con la identidad del mismo orden es la misma matriz.
Una matriz cuadrada de ordenn es triangular superior o inferior cuando todos los componentes debajo o arriba de la diagonal superior son nulas respectivamente.
Una matriz es simétrica si A=At
Una matriz es antisimétrica si At=−A
Semana 2: Operaciones elementales; matrices escalonadas, ER e inversa
Operaciones elementales (siempre es posible escalonar una matriz)
Intercambio de filas: fi↔fj
Multiplicación de fila por constante diferente de 0: fi→λfi
Adición del múltiplo de una fila a otra: fi→fi+λfj
Matriz elemental, la matriz que resulte de realizarle operaciones elementales a la matriz identidad de orden n
Dos (¿o más?) matrices son equivalentes si podemos obtener una a partir de otra mediante operaciones elementales
Matriz nula: todas sus componentes son 0
El pivote es el primer elemento no nulo de una fila escalonada, leído de izquierda a derecha.
Matriz escalonada:
Si hay filas de ceros, están todas en la parte inferior de la matriz
El pivote de cada fila está más a la izquierda que el pivote de su fila siguiente
Si en cada fila el pivote es el único elemento no nulo y es 1, la matriz es escalonada reducida
Una matriz de orden n es invertible si existe otra del mismo orden (A−1) tal que AA−1=A−1A=In. A−1 es la matriz inversa de A y es única.
La inversa de una a matriz de orden 2: A−1=a11a22−a21a121[a22−a21−a12a11]
Inversa usando operaciones elementales
Hacemos una matriz ampliada A|I, donde A es una matriz invertible e I la matriz identidad del mismo orden
Tenemos que convertir a la matriz A a su forma escalonada reducida, aplicándole las mismas operaciones elementales a la matriz identidad
El terminar, la matriz identidad se habrá transformado en A1
Semana 3: Rango, cofactores, determinante y sus propiedades
El rango de una matriz es el número de pivotes de su forma escalonada
Correspondiente menor:
Cada elemento menor Cij se obtiene eliminando de la matriz original la i columna y j fila.
Por ejemplo, para una matrix de orden 3: ⎣⎡adgbehcfi⎦⎤→⎣⎡[ehfi][bhci][becf][dgfi][agci][adcf][dgeh][agbh][adbe]⎦⎤
La matriz adjunta es la traspuesta de la matriz de cofactores
El recíproco del determinante de una matriz A por la matriz adjunta de A es A−1
El determinante de una matriz
Para hallar el determinante de una matriz se elige un lado para comenzar (primera fila, última, primera columna, última)
Por ejemplo, digamos que elijo el lado superior (primera fila)
Agarro, en orden de izquierda a derecha, los elementos de la primera fila y hallo sus menores
Saco el determinante de los menores
Nótese cómo este proceso nos obliga a encontrar menores hasta llegar a matrices de 2x2. Precisamente, el determinante de una matriz de 2x2 es: E11E22−E12E21, donde Eij es un elemento de de la matriz 2x2.
En orden, los determinantes de menores “pares” (es decir, de los segundos, cuartos, sextos componentes de la fila 1 que elegimos) se les multiplica por (-1)
Se suman todos los determinantes y el resultado es el determinante de la matriz original
Por ejemplo:
Si A=⎣⎡adgbehcfi⎦⎤, y eligo operar desde su lado superior (primera fila) su determinante det(A) es: det([ehfi])+det([dgfi])+det([dgeh])
Propiedades del determinante para matrices de orden n
El determinante de una matriz triangular es el producto de los componentes en su diagonal principal
det(cA)=cn×det(A)
det(A)=−det(B) si B es el resultado de intercambiar filas o columnas en A
det(A)=det(B)det(B) si B es el resultado de sumar un múltiplo de una fila o columna de A a otra
det(A)=0 si una fila o columna de A es nula o si dos filas o columnas son iguales
det(In)=1
Matriz y transpuesta comparten determinante
El determinante del producto de matrices es igual al producto de sus determinantes individuales
Si A es invertible, su determinante no puede ser 0
El determinante de la inversa es el recíproco del determinante de la matriz
Semana 4: sistemas de ecuaciones Ax=b, eliminación gausiana, identificación de variables, consistencia.
Ax=b: Dado un sistema de ecuaciones con la forma a11x1+a12x2+...+a1nxn=b1a21x1+a22x2+...+a2nxn=b2⋮am1x1+am2x2+...+amnxn=bm
este se puede escribir como una ecuación matricial: Ax=b
donde A=⎣⎡a11a21⋮am1a12a22⋮am2……⋱…a1na2n⋮amn⎦⎤, x=⎣⎡x1x2⋮xm⎦⎤,
y b=⎣⎡b1b2⋮bm⎦⎤
Un Sistema de Ecuaciones Lineales (SEL) se puede resolver con Eliminación Gaussiana.
Si tenemos una ecuación de la forma Ax=b, podemos hacer una matriz ampliada [A|b]: [A∣b]=⎣⎡a11a21⋮am1a12a22⋮am2……⋱…a1na2n⋮amn∣∣∣∣b1b2⋮bm⎦⎤,
Al escalonar de forma reducida el lado izquierdo (ignorando si los b son pivotes, 0 o lo que sea; pero aplicándoles las mismas operaciones elementales por fila) se obtiene el resultado directamente: [A∣b]=⎣⎡10⋮001⋮0……⋱…00⋮1∣∣∣∣b1′b2′⋮bm′⎦⎤
x1=b1′,x2=b2′,...,xm=bm′
La respuesta es obvia.
Teorema de Rouché-Frobenius
Si rang(A)=rang(A∣b)= #de colunas de A, el sistema es consistente determinado, por lo menos una solución
Si rang(A)=rang(A∣b)< #de colunas de A, infinitas soluciones?
rang(A)=rang(A∣b) no hay soluciones, es inconsistente
Espacio nulo: N(A)={x∈Rn:Ax=0}
Semana 5: Espacios vectoriales y combinación lineal
El espacio m-dimensional se define como Rm={(x1,x2,...,xn):xi∈R}
Dados x y y, m-uplas en Rm, su suma es la suma de sus elementos correspondientes y el producto de una con un escalar es el escalar por cada uno de sus elementos.
A Rm junto a estas operaciones se les llama “espacio vectorial euclidiano”
Los elementos de Rm son llamados vectores, y se pueden representar así: x=⎣⎡x1x2⋮xm⎦⎤
Propiedades de un espacio vectorial
Asociativo y conmutativo
Existe el 0
0=(0,0,0,...,0)∈Rm tal que x+0=x
Para todo x en el espacio, existe un y tal que x+y=0
1x = x
Distributivo con escalares
Subespacio vectorial (V)↔
0∈V
∀x,y∈V:x+y∈V
∀α∈R:αx∈V
Combinación lineal: Diremos que el vector V∈Rm es combinación lineal de de los vectores u1,u2,...,un∈Rm si existen x1,x2,...,xn∈R tales que v=x1u1+x2v2+...+xnun
A los números x se les denomina coeficientes, pesos o ponderantes
Por ejemplo:
El vector [−52] se puede expresar como combinación lineal de [10] y [01], porque -5[10] + 2[01] = [−52].
Independencia lineal: diremos que los vectores v1,v2,...,vn∈Rm son linealmente independientes si la única solución de
a1v1+a2v2+...+anvn=0
es a1=a2=...=an=0
Si fuese linealmente dependientes, algún vector sería múltiplo de otro. Otra forma de verlo es haciendo una matriz ampliada de vectores por el vector columna de escalares e igualar a cero
Base y dimensión: Dada una colecciòn de vectores en Rm, el espacio que generan es el conjunto de todas las combinaciones lineales de estos vectores, denotado con Gen{v1,v2,...,vn}.
Si un subespacio vectorial V de Rm es igual a un espacio generado, la colección de los vectores de ese espacio genera V.
Por ejemplo, {[10] y [01]} genera el espacio vectorial R2
Base de un subespacio: un conjunto de vectores linealmente independientes pertenecientes a al subespacio tales que el espacio que generan es el subespacio.
Dimensión de un espacio vectorial: el número de vectores que tiene su base.
dim(V)=r
Por ejemplo, {[10][01]} es una base de R2, ∴dim(R2)=2
\
Semana 6: generadores de espacios columna y espacios fila, expresar el vector b como combinación lineal de las columnas de A, demostrar la invarianza de espacios fila y columna y relacionarlo con independencia lineal.
Espacio columna de una matriz:
col(A)=Gen{c1,c2,…,cn}
donde cn son las columnas de A.
Espacio fila de una matriz:
row(A)=Gen{f1,f2,…,fn}
donde fn son las columnas de A.
Las operaciones elementales no cambian row(A), pero sí col(A)
Rango: la dimensión común del espacio de filas y el espacio de columnas se denomino el rango de A: rango(A). El rango también es el número de variables pivotes en la solución general de Ax=0
Dimensión del espacio nulo: la dimensión del espacio nulo de A se denomina "nulidad de A": nulidad(A)=v(A). También, es el número de variables libres o de parámetros en la solución general de Ax=0
Teorema de la dimensión de matrices:
rango(A)+v(A)=n
donde n es el número de columnas.
Base para col(A) y row(A): [A∣I]∼[R∣E]
Una base para row(A) estará formad apor las r filas de R que contienen pivotes
Una base para col(A) estará formada por las r columnas de A que contienen los 1 de
\
El rango es el número de filas no nulas en la forma escalonada
Inversible — cuadrada y determinante diferente de 0
Matriz diagonal y triangular: el determinante es la multiplicación de los elementos de la diagonal
Combinación lineal
Demostrar que V es combinación lineal de {i,j,k} ⎣⎡xyz⎦⎤=⎣⎡100010001⎦⎤⎣⎡x1x2x3⎦⎤
Recordar que Ax=b
Si det(A) = 0, el sistema tiene sloución
x=A−1b
Si det(A) = 0, hay infinitas soluciones o no hay ninguna
Si rango(A) = rango(A|B)???
rango(A) = #variables, hay solución única
rango(A) < # de variables, hay infinitas soluciones
Si rango(A) = rango(A|B) —> No hay solución
Ejemplo álgebra
SI es simétrica, entonces a=4
Simétrica At=A [1a2−1157]
a2−11=5a2=16a=±4∴False
la única operación elemental que mantiene el determinante es sumarle a otra fila un múltiplo de otra. SI cambiamos fila, cambia el signo del terminante. Multiplicar por un escalar multiplica al determinante por el mismo escalar.
Recordar que det(kA) = kndet(A)
Matriz de orden n
det(At)=det(A)
Sea det(A) = 2 y det(B) = 3, det(2ABt)=12
23det(ABt) = 23det(A)det(Bt)=8(2)(3)=48
∴ Es falso
det(AB) = det(A)det(B)
Sistema de ecuaciones {x+y=102x+2y=20
[1212][xy]=[1020]
espacio nulo, todos aquello eelementos que tienen componenetes tales que al multiplica por los terminos de 0
espacio nulo de A son todos los vectores que multiplicados por la amtriz de nulo nul(A)={v:Av=0}
nul(A)={[xy]:[1212][xy]=[00]}
La matriz [1212] es el A, [xy]=[00] es un sistmea homogéneo.
det(A) diferente de cero, única solucion. det(A) = 0, infinitas soluciones, para un sistema homogeneo Ax=0.
En este caso, det(A) es 0, por lo que el espacio nulo tiene infinitos elementos
g.
Escalonada reducida, los pivote debe ser 1 y el único elemento no nulo de la columna.
h.
Subespacio vectorial
el vector nulo debe pertenecer al subespacio
para todo par de vectores, su suma también lo esté
Si u est{a en S y alpha pertence a los reales, u por alpha pertenece al subestacio
El conjunto S={[t1]:t∈R} es un subespacio vectorial de R2. Es falso, porque [00] no está en el subespacio.
i.
La matriz N tiene espacio columna con dimension igual a 2
col(N)={α1C1+α2C2+α3C3}=Gen(C1,C2,C3)