SlideShare ist ein Scribd-Unternehmen logo
1 von 20
M T ICE
 AR S
M T ICE
                         AR S
Para empezar, un poco de información:

Las matrices aparecen en el año 1850, introducidas por J.J. Silvestre. El
desarrollo inicial de la teoría matricial lo realiza el matemático W.R. Hamilton
en 1853. Luego en 1858, A. Cayley introduce la notación matricial como una
forma abreviada de escribir un sistema de m ecuaciones lineales con n
incógnitas. Las matrices se utilizan en el cálculo numérico, en la resolución de
sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de las
derivadas parciales(los últimos días son temas de facultad). Se usan en el
estudio de sistemas de ecuaciones lineales, en geometría, estadística,
economía, etc. La utilización de matrices es esencial en el lenguajes de
programación, la mayoría de los datos se introducen en los ordenadores
como tablas organizadas en filas y columnas: hojas de cálculo, bases de
datos,...
Como vamos a ver, la solución de sistemas de ecuaciones lineales
puede hallarse utilizando solamente los coeficientes de las incógnitas
asociadas a los sistemas lineales. Este ordenamiento de números se
conoce como una matriz. Ejemplos de matrices son:
                                                           1
         1 2                                              
                      2 1 π                            1
          − 3 0 ;                
                       e 0 1 / 2 ;                      1
         − 4 5                        (2   − 1 0 1) ;    
                      0 0 0                           1
                                                          

La dimensión de una matriz de define como el número de filas por el
número de columnas. En el ejemplo, la primera matriz es de
dimensión 3x2, la segunda es de 3x3, la tercera es de 1x4 y la cuarta
es de 4x1. Si una matriz es de dimensión 1xn, como en el tercer
ejemplo, se llamará un vector fila, mientras que una matriz nx1, como
en el cuarto ejemplo, se llamará un vector columna. En general se
usarán las primeras letras mayúsculas del alfabeto para denotar una
matriz, es decir, se escribirán como A, B, C, etc.. Las entradas de
una matriz se denotarán como aij y representarán la entrada que se
encuentra en la fila i-ésima y la columna j-ésima.
MA TRIC E S
   Definición de matriz:
   Una matriz es un conjunto de elementos, en general, suelen ser números
   ordenados en filas y columnas. En forma general una matriz se anota de la
   siguiente manera:




Abreviadamente suele expresarse en la forma A =(aij), con i =1, 2, ..., m y
   j =1, 2, ..., n. Los subíndices indican la posición del elemento dentro de la matriz, el
primero denota la fila ( i ) y el segundo la columna ( j ). Por ejemplo el elemento a25
será el elemento de la fila 2 y columna 5.
MA TRIC E S
                        Tipos de matrices:

Matriz fila:  Es una matriz que solo tiene una fila, es decir m =1 y por tanto
   es de orden 1 x n.

                             ( a11   a12       a13  a1n )


Matriz columna: Es una matriz que solo tiene una columna, es decir, n =1
y por tanto es de orden m x 1.
                                      a11 
                                      
                                      a21 
                                     a 
                                      31 
                                       
                                      
                                      am1 
MA TRIC E S
                     Tipos de matrices:

Matriz cuadrada: Es aquella que tiene el mismo número de filas que de
  columnas, es decir m = n. En estos casos se dice que la matriz
  cuadrada es de orden n, y no n x n.



                  a11    a12    a13       a1n 
                                                
                  a21    a22    a23       a2 n 
                 a       a32    a33       a3n 
                  31                            
                                       
                 a       an 2   an 3      ann 
                  n1                            
MA TRIC E S
                             Tipos de matrices:
    Matriz traspuesta: Dada una matriz A, se llama traspuesta de A, y se
    representa por At, a la matriz que se obtiene cambiando filas por columnas.
        La primera fila de A es la primera fila de At , la segunda fila de A es la
                             segunda columna de At, etc.
 De la definición se deduce que si A es de orden m x n, entonces At es de orden
    n x m.




                         −1 4            −1 0 5                  −1 0 5 
    −1 0 2                                                               
                                       A=  0 −6 8 ⇒          A =  0 −6 8 
                                                                 T
    4 − 2 0 ⇒ A =  0 − 2
                      T
A=                 
                        2                5    8 10               5     8 10 
                   
                             0 
                                                                            
 Matriz simétrica: Una matriz cuadrada A es simétrica si A = At, es decir,
 si aij = aji ∀ i, j.
 Matriz antisimétrica: Una matriz cuadrada es antisimétrica si A = –At, es
 decir, si aij = –aji ∀ i, j.
MA TRIC E S
                       Tipos de matrices:
Matriz nula: es aquella que todos sus elementos son 0 y se
   representa por 0
Matriz diagonal: Es una matriz cuadrada, en la que todos los
elementos no pertenecientes a la diagonal principal son nulos.




Matriz escalar: Es una matriz diagonal con todos los elementos de
la diagonal iguales



 Matriz unidad o identidad: Es una matriz escalar con los
 elementos de la diagonal principal iguales a 1.
MA TRIC E S
                         Tipos de matrices
Matriz Triangular: Es una matriz cuadrada que tiene nulos todos
los elementos que están a un mismo lado de la diagonal principal.
Las matrices triangulares pueden ser de dos tipos:
          - Triangular Superior: Si los elementos que están por debajo de
          la diagonal principal son todos nulos. Es decir, aij = 0 ∀ i < j.
                          3 −1 −3
                     A = 0 2 0 
                                 
                         0 0 5 
                                 
          - Triangular Inferior: Si los elementos que están por encima de
          la diagonal principal son todos nulos. Es decir, aij = 0 ∀ j < i.

                          3 0 0 
                      B = 3 2 0 
                                
                          1 0 5 
                                
MA TRIC E S
      Operaciones con matrices

Trasposición de matrices
Suma y diferencia de matrices
Producto de una matriz por un número

Producto de matrices
Matrices invertibles
MA TRIC E S
                      Operaciones con matrices
Trasposición de matrices
Dada una matriz de orden m x n, A = (aij), se llama matriz traspuesta de A, y se
representa por At, a la matriz que se obtiene cambiando las filas por las columnas (o
viceversa) en la matriz A.
Es decir:




      Ejemplo:                                   −1 4 
                         −1 0 2                     
                      A=
                         4 − 2 0 ⇒
                                           A =  0 − 2
                                             T

                                              2   0 
                                                      
Propiedades de la trasposición de matrices:
1) Dada una matriz A, siempre existe su traspuesta y además es única.
2) La traspuesta de la matriz traspuesta de A es A.  (At)t = A.
MA TRIC E S
                       Operaciones con matrices
Suma y diferencia
                            Si A = aij  y B = bij  son dos matrices mxn entonces
                                               
de matrices
                            definimos la suma de A y B por,
                            A + B = aij  + bij  ≡ aij + bij 
                                                            

 La suma de dos matrices: Sean A=(aij), B=(bij) de la misma dimensión, es
    otra matriz S=(sij) de la misma dimensión que los sumandos y con término
    genérico sij=aij+bij.            1 2 − 4  −1 0     2   0 2 − 2
                                    
                                     0 3 − 1  +  1 − 5 − 1 =  1 − 2 − 2 
                                                                         
                                                                        

 La suma de las matrices A y B se anota A+B.

 Ejemplo


            Sin embargo,                        no se pueden sumar.

La diferencia de matrices: A y B se representa por A–B, y se define como: A–B =
A + (–B)
Ejemplos:
             3 0 −2           5 −3 6 
 1. Si A =              y B = 0 2 5  entonces
             2 −1 4                    
          3 0 −2  5 −3 6   3 + 5 0 − 3 −2 + 6 
 A+ B =               + 0 2 5  ≡  2 + 0 −1 + 2 4 + 4 
          2 −1 4                                     
                                               8 −3 4 
                                       A+ B ≡ 
                                               2 1 8 
               1 2          7 −2 
    2. Si A = 3 4  y B =  −6 4  entonces
                                 
               5 6 
                           3 0
                                   
            1 2   7 −2  1 + 7 2 − 2   8 0 
    A + B = 3 4  +  −6 4  ≡ 3 − 6 4 + 4  =  −3 8 
                                                 
            5 6   3 0   5 + 3 6 + 0   8 6 
                                                 
MA TRIC E S
                     Operaciones con matrices
Propiedades de la suma de matrices



1)      A + (B + C) = (A + B) + C               Propiedad Asociativa

2)     A+B=B+A                                   Propiedad conmutativa

3) A + 0 = A (0 es la matriz nula)               Matriz Nula

4) La matriz –A, que se obtiene cambiando de signo todos los elementos de A,
     recibe el nombre de matriz opuesta de A, ya que A + (–A) = 0.
MA TRIC E S
                     Operaciones con matrices
Producto de una matriz por un número

 El producto de una matriz A = (aij) por un número real k es otra matriz B =
   (bij) de la misma dimensión que A y tal que cada elemento bij de B se
               obtiene multiplicando aij por k, es decir, bij = k·aij.

                                     Ejemplo:


                 1   0 − 2 6  2         0 − 4 12 
                                                    
                 −2 1     0 0  − 4 2         0 0
               2                  =
                   4  3    8 0  8        6 16 0 
                                                    
                 −1 −1 − 3 0   − 2 − 2 − 6 0 
                                                    
El producto de la matriz A por el número real k se designa por k·A. Al número real
k se le llama también escalar, y a este producto, producto de escalares por
matrices
MA TRIC E S
                        Operaciones con matrices
Producto de una matriz por un número
     - Propiedades del producto de una matriz por un escalar



 1) k (A + B) = k A + k B                       Propiedad distributiva


 2) (k + h)A = k A + h A                        Propiedad distributiva


 3) k [h A] = (k h) A                           Propiedad asociativa mixta

 .




     4) 1 · A = A · 1 = A                       Elemento unidad
MA TRIC E S
                  Operaciones con matrices
  Producto de matrices
  Dadas dos matrices A y B, su producto es otra matriz P cuyos elementos
       se obtienen multiplicando las filas de A por las columnas de B.
 Para poder multiplicar dos matrices el número de columnas de A debe
 coincidir con el número de filas de B. Es más, si A tiene dimensión m x n
 y B dimensión n x p, la matriz P será de orden m x p, Es decir:




Ejemplo:
                           no se pueden multiplicar
EJEMPLO:
                                          1                 3 
                                                                  
                              [ 6 − 2 8]  5 
                                                [ 6 − 2 8]  0  
                                                               
                     1 3
         6 − 2 8                       3
                                                             7 
                                                               
1. AB =          .  5 0   =                                    
         1 4 5   2 7
                         
                                        1                  3 
                             1 4 5  5
                              [       ]          [ 1 4 5]  0  
                                                               
                              
                                        3
                                                           7 
                                                               

                               6 − 10 + 24 18 + 0 + 56 
                             =
                               1 + 20 + 15 3 + 0 + 35 

                               20 74
                             =
                               36 38
                                     
 1 3                9 10 23
      5 0   6 − 2 8 
BA =        1 4 5   =  30 − 10 40
                                      
      2 7          
                        19 24 51
                                     


         1 − 2               −6 7 −1 −2
         3 1   2 5 3 0  =  10 14 11 1 
2. AB =         4 −1 2 1               
         0 − 1 
              
                             − 4 1 − 2 − 1
                                           
MA TRIC E S
                      Operaciones con matrices
 Producto de matrices

Propiedades del producto de matrices

   A·(B·C) = (A·B)·C (Propiedad asociativa)
   El producto de matrices en general no es conmutativo.




   Si A es una matriz cuadrada de orden n se tiene A·In = In·A = A.
   Dada una matriz cuadrada A de orden n, no siempre existe otra matriz B tal
   que A·B = B·A = In. Si existe dicha matriz B, se dice que es la matriz inversa de
   A y se representa por A–1 .
  El producto de matrices es distributivo respecto de la suma de matrices, es
  decir: A·(B + C) = A·B + A·C

Weitere ähnliche Inhalte

Was ist angesagt?

íNdices de weiss y miller
íNdices de weiss y milleríNdices de weiss y miller
íNdices de weiss y miller
pollojuan
 
Aplicaciones de las ed de segundo orden
Aplicaciones de las ed de segundo ordenAplicaciones de las ed de segundo orden
Aplicaciones de las ed de segundo orden
sheep242
 
Ecuacion de cauchy euler
Ecuacion de cauchy euler Ecuacion de cauchy euler
Ecuacion de cauchy euler
seralb
 
Ejercicios propuestos inversa de una matriz y evaluación
Ejercicios propuestos inversa de una matriz y evaluaciónEjercicios propuestos inversa de una matriz y evaluación
Ejercicios propuestos inversa de una matriz y evaluación
algebra
 
Ejercicios resueltos de dependencia e independencia lineal
Ejercicios resueltos de dependencia e independencia linealEjercicios resueltos de dependencia e independencia lineal
Ejercicios resueltos de dependencia e independencia lineal
algebra
 

Was ist angesagt? (20)

1 4 Variables Separables
1 4 Variables Separables1 4 Variables Separables
1 4 Variables Separables
 
Ecuación de Cauchy-Euler
Ecuación de Cauchy-EulerEcuación de Cauchy-Euler
Ecuación de Cauchy-Euler
 
Vectores nivel ob
Vectores nivel obVectores nivel ob
Vectores nivel ob
 
íNdices de weiss y miller
íNdices de weiss y milleríNdices de weiss y miller
íNdices de weiss y miller
 
Taller caso dos factorizacion
Taller caso dos factorizacionTaller caso dos factorizacion
Taller caso dos factorizacion
 
funciones de varias variables
funciones de varias variablesfunciones de varias variables
funciones de varias variables
 
Aplicaciones de las ed de segundo orden
Aplicaciones de las ed de segundo ordenAplicaciones de las ed de segundo orden
Aplicaciones de las ed de segundo orden
 
Método de jacobi Metodos Numericos
Método de jacobi Metodos NumericosMétodo de jacobi Metodos Numericos
Método de jacobi Metodos Numericos
 
Ecuacion de cauchy euler
Ecuacion de cauchy euler Ecuacion de cauchy euler
Ecuacion de cauchy euler
 
Coordenadas polares
Coordenadas polaresCoordenadas polares
Coordenadas polares
 
Integrales impropias y técnicas de integración
Integrales impropias y técnicas de integración Integrales impropias y técnicas de integración
Integrales impropias y técnicas de integración
 
Analisis Grafico 3 Ejercicios
Analisis Grafico 3 EjerciciosAnalisis Grafico 3 Ejercicios
Analisis Grafico 3 Ejercicios
 
Limites y continuidad
Limites y continuidadLimites y continuidad
Limites y continuidad
 
Vectores Matrices I
Vectores Matrices IVectores Matrices I
Vectores Matrices I
 
Aplicaciones a las ED primer orden
Aplicaciones a las ED primer ordenAplicaciones a las ED primer orden
Aplicaciones a las ED primer orden
 
Lab n 3 fisica
Lab n 3 fisicaLab n 3 fisica
Lab n 3 fisica
 
Ejercicios propuestos inversa de una matriz y evaluación
Ejercicios propuestos inversa de una matriz y evaluaciónEjercicios propuestos inversa de una matriz y evaluación
Ejercicios propuestos inversa de una matriz y evaluación
 
Clase1. introducción a matlab
Clase1. introducción a matlabClase1. introducción a matlab
Clase1. introducción a matlab
 
Matrices
MatricesMatrices
Matrices
 
Ejercicios resueltos de dependencia e independencia lineal
Ejercicios resueltos de dependencia e independencia linealEjercicios resueltos de dependencia e independencia lineal
Ejercicios resueltos de dependencia e independencia lineal
 

Andere mochten auch

Asepsia en dispositivos electronicos
Asepsia en dispositivos electronicosAsepsia en dispositivos electronicos
Asepsia en dispositivos electronicos
crisstabares
 
Immer gut gekleidet1(fri)
Immer gut gekleidet1(fri)Immer gut gekleidet1(fri)
Immer gut gekleidet1(fri)
Petefull
 
Majstersztyk auf der IDT in Bozen
Majstersztyk auf der IDT in BozenMajstersztyk auf der IDT in Bozen
Majstersztyk auf der IDT in Bozen
Tuende Kadar
 
Algebra 1
Algebra 1Algebra 1
Algebra 1
gabo_70
 
Tp beever chalk3d-d
Tp beever chalk3d-dTp beever chalk3d-d
Tp beever chalk3d-d
Petefull
 
Presentación1
Presentación1Presentación1
Presentación1
AntoFansTA
 

Andere mochten auch (20)

Sennerhütte Gohrisch, Sächsische Schweiz
Sennerhütte Gohrisch, Sächsische SchweizSennerhütte Gohrisch, Sächsische Schweiz
Sennerhütte Gohrisch, Sächsische Schweiz
 
Asepsia en dispositivos electronicos
Asepsia en dispositivos electronicosAsepsia en dispositivos electronicos
Asepsia en dispositivos electronicos
 
Internet 2010 - Zahlen und Fakten zusammengefasst von TWT Interactive
Internet 2010 - Zahlen und Fakten zusammengefasst von TWT InteractiveInternet 2010 - Zahlen und Fakten zusammengefasst von TWT Interactive
Internet 2010 - Zahlen und Fakten zusammengefasst von TWT Interactive
 
Aceh tengah
Aceh tengahAceh tengah
Aceh tengah
 
Lecto escritura ROCIO
Lecto escritura ROCIO Lecto escritura ROCIO
Lecto escritura ROCIO
 
Hotel Bergschlößchen
Hotel BergschlößchenHotel Bergschlößchen
Hotel Bergschlößchen
 
Astrid tecnologia
Astrid tecnologiaAstrid tecnologia
Astrid tecnologia
 
Posthotel Bernried
Posthotel BernriedPosthotel Bernried
Posthotel Bernried
 
Immer gut gekleidet1(fri)
Immer gut gekleidet1(fri)Immer gut gekleidet1(fri)
Immer gut gekleidet1(fri)
 
Majstersztyk auf der IDT in Bozen
Majstersztyk auf der IDT in BozenMajstersztyk auf der IDT in Bozen
Majstersztyk auf der IDT in Bozen
 
Exemples de simulations concrètes dans le trading d’énergie
Exemples de simulations concrètes dans le trading d’énergie Exemples de simulations concrètes dans le trading d’énergie
Exemples de simulations concrètes dans le trading d’énergie
 
Presentación1
Presentación1Presentación1
Presentación1
 
Peliculas fotograficas
Peliculas fotograficasPeliculas fotograficas
Peliculas fotograficas
 
Algebra 1
Algebra 1Algebra 1
Algebra 1
 
Brochure Hr Metrics &amp; Technology Summit | Mexico 2011
Brochure Hr Metrics &amp; Technology Summit | Mexico 2011Brochure Hr Metrics &amp; Technology Summit | Mexico 2011
Brochure Hr Metrics &amp; Technology Summit | Mexico 2011
 
Guerra del Cenepa (csr)
Guerra del Cenepa (csr)Guerra del Cenepa (csr)
Guerra del Cenepa (csr)
 
Tp beever chalk3d-d
Tp beever chalk3d-dTp beever chalk3d-d
Tp beever chalk3d-d
 
Presentación1
Presentación1Presentación1
Presentación1
 
Unternehmensberatung Agape
Unternehmensberatung AgapeUnternehmensberatung Agape
Unternehmensberatung Agape
 
Mobile: Facts & Figures 2015
Mobile: Facts & Figures 2015Mobile: Facts & Figures 2015
Mobile: Facts & Figures 2015
 

Ähnlich wie Matrices

Matrices Mol
Matrices MolMatrices Mol
Matrices Mol
Ray Mera
 
Definicion y clasificacion_de_matrices
Definicion y clasificacion_de_matricesDefinicion y clasificacion_de_matrices
Definicion y clasificacion_de_matrices
Carlita Vaca
 
Clasificacion de matrices y operaciones entre matrices(suma, producto de una ...
Clasificacion de matrices y operaciones entre matrices(suma, producto de una ...Clasificacion de matrices y operaciones entre matrices(suma, producto de una ...
Clasificacion de matrices y operaciones entre matrices(suma, producto de una ...
Carlita Vaca
 
Clasificacion y operaciones
Clasificacion y operacionesClasificacion y operaciones
Clasificacion y operaciones
Carlita Vaca
 
Metodos numericos3
Metodos numericos3Metodos numericos3
Metodos numericos3
monica
 

Ähnlich wie Matrices (20)

Matrices Mol
Matrices MolMatrices Mol
Matrices Mol
 
Definicion y clasificacion_de_matrices
Definicion y clasificacion_de_matricesDefinicion y clasificacion_de_matrices
Definicion y clasificacion_de_matrices
 
Temas de matrices y determinantes m1 ccesa007
Temas  de matrices y  determinantes  m1 ccesa007Temas  de matrices y  determinantes  m1 ccesa007
Temas de matrices y determinantes m1 ccesa007
 
Matrices
MatricesMatrices
Matrices
 
Matrices+y+determinantes
Matrices+y+determinantesMatrices+y+determinantes
Matrices+y+determinantes
 
Matrices+y+determinantes
Matrices+y+determinantesMatrices+y+determinantes
Matrices+y+determinantes
 
Matrices
MatricesMatrices
Matrices
 
Matrices y tipos
Matrices y tiposMatrices y tipos
Matrices y tipos
 
Clasificacion de matrices y operaciones entre matrices(suma, producto de una ...
Clasificacion de matrices y operaciones entre matrices(suma, producto de una ...Clasificacion de matrices y operaciones entre matrices(suma, producto de una ...
Clasificacion de matrices y operaciones entre matrices(suma, producto de una ...
 
Clasificacion y operaciones
Clasificacion y operacionesClasificacion y operaciones
Clasificacion y operaciones
 
Matrices pdf
Matrices pdfMatrices pdf
Matrices pdf
 
Matrices y determinantes
Matrices y determinantes Matrices y determinantes
Matrices y determinantes
 
Matrices y determinantes
Matrices y determinantesMatrices y determinantes
Matrices y determinantes
 
Matrices y determinantes nuevo
Matrices y determinantes nuevoMatrices y determinantes nuevo
Matrices y determinantes nuevo
 
Matrices y determinantes nuevo
Matrices y determinantes nuevoMatrices y determinantes nuevo
Matrices y determinantes nuevo
 
Matrices y determinantes nuevo
Matrices y determinantes nuevoMatrices y determinantes nuevo
Matrices y determinantes nuevo
 
Matrices y determinantes nuevo
Matrices y determinantes nuevoMatrices y determinantes nuevo
Matrices y determinantes nuevo
 
Metodos numericos3
Metodos numericos3Metodos numericos3
Metodos numericos3
 
Summary of Matrixes (Spanish Version)
Summary of Matrixes (Spanish Version)Summary of Matrixes (Spanish Version)
Summary of Matrixes (Spanish Version)
 
matrices y determinantes
matrices y determinantesmatrices y determinantes
matrices y determinantes
 

Kürzlich hochgeladen

RESOLUCIÓN VICEMINISTERIAL 00048 - 2024 EVALUACION
RESOLUCIÓN VICEMINISTERIAL 00048 - 2024 EVALUACIONRESOLUCIÓN VICEMINISTERIAL 00048 - 2024 EVALUACION
RESOLUCIÓN VICEMINISTERIAL 00048 - 2024 EVALUACION
amelia poma
 

Kürzlich hochgeladen (20)

Posición astronómica y geográfica de Europa.pptx
Posición astronómica y geográfica de Europa.pptxPosición astronómica y geográfica de Europa.pptx
Posición astronómica y geográfica de Europa.pptx
 
Desarrollo y Aplicación de la Administración por Valores
Desarrollo y Aplicación de la Administración por ValoresDesarrollo y Aplicación de la Administración por Valores
Desarrollo y Aplicación de la Administración por Valores
 
ACERTIJO LA RUTA DEL MARATÓN OLÍMPICO DEL NÚMERO PI EN PARÍS. Por JAVIER SOL...
ACERTIJO LA RUTA DEL MARATÓN OLÍMPICO DEL NÚMERO PI EN  PARÍS. Por JAVIER SOL...ACERTIJO LA RUTA DEL MARATÓN OLÍMPICO DEL NÚMERO PI EN  PARÍS. Por JAVIER SOL...
ACERTIJO LA RUTA DEL MARATÓN OLÍMPICO DEL NÚMERO PI EN PARÍS. Por JAVIER SOL...
 
CONCURSO NACIONAL JOSE MARIA ARGUEDAS.pptx
CONCURSO NACIONAL JOSE MARIA ARGUEDAS.pptxCONCURSO NACIONAL JOSE MARIA ARGUEDAS.pptx
CONCURSO NACIONAL JOSE MARIA ARGUEDAS.pptx
 
RESOLUCIÓN VICEMINISTERIAL 00048 - 2024 EVALUACION
RESOLUCIÓN VICEMINISTERIAL 00048 - 2024 EVALUACIONRESOLUCIÓN VICEMINISTERIAL 00048 - 2024 EVALUACION
RESOLUCIÓN VICEMINISTERIAL 00048 - 2024 EVALUACION
 
Supuestos_prácticos_funciones.docx
Supuestos_prácticos_funciones.docxSupuestos_prácticos_funciones.docx
Supuestos_prácticos_funciones.docx
 
PLAN LECTOR 2024 integrado nivel inicial-miercoles 10.pptx
PLAN LECTOR 2024  integrado nivel inicial-miercoles 10.pptxPLAN LECTOR 2024  integrado nivel inicial-miercoles 10.pptx
PLAN LECTOR 2024 integrado nivel inicial-miercoles 10.pptx
 
1ro Programación Anual D.P.C.C planificación anual del área para el desarroll...
1ro Programación Anual D.P.C.C planificación anual del área para el desarroll...1ro Programación Anual D.P.C.C planificación anual del área para el desarroll...
1ro Programación Anual D.P.C.C planificación anual del área para el desarroll...
 
PINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).ppt
PINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).pptPINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).ppt
PINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).ppt
 
FICHA PROYECTO COIL- GLOBAL CLASSROOM.docx.pdf
FICHA PROYECTO COIL- GLOBAL CLASSROOM.docx.pdfFICHA PROYECTO COIL- GLOBAL CLASSROOM.docx.pdf
FICHA PROYECTO COIL- GLOBAL CLASSROOM.docx.pdf
 
Lecciones 06 Esc. Sabática. Los dos testigos
Lecciones 06 Esc. Sabática. Los dos testigosLecciones 06 Esc. Sabática. Los dos testigos
Lecciones 06 Esc. Sabática. Los dos testigos
 
Prueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESOPrueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESO
 
Prueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESOPrueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESO
 
prostitución en España: una mirada integral!
prostitución en España: una mirada integral!prostitución en España: una mirada integral!
prostitución en España: una mirada integral!
 
activ4-bloque4 transversal doctorado.pdf
activ4-bloque4 transversal doctorado.pdfactiv4-bloque4 transversal doctorado.pdf
activ4-bloque4 transversal doctorado.pdf
 
Actividades para el 11 de Mayo día del himno.docx
Actividades para el 11 de Mayo día del himno.docxActividades para el 11 de Mayo día del himno.docx
Actividades para el 11 de Mayo día del himno.docx
 
Los avatares para el juego dramático en entornos virtuales
Los avatares para el juego dramático en entornos virtualesLos avatares para el juego dramático en entornos virtuales
Los avatares para el juego dramático en entornos virtuales
 
Los dos testigos. Testifican de la Verdad
Los dos testigos. Testifican de la VerdadLos dos testigos. Testifican de la Verdad
Los dos testigos. Testifican de la Verdad
 
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLAACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
 
SISTEMA RESPIRATORIO PARA NIÑOS PRIMARIA
SISTEMA RESPIRATORIO PARA NIÑOS PRIMARIASISTEMA RESPIRATORIO PARA NIÑOS PRIMARIA
SISTEMA RESPIRATORIO PARA NIÑOS PRIMARIA
 

Matrices

  • 1. M T ICE AR S
  • 2. M T ICE AR S Para empezar, un poco de información: Las matrices aparecen en el año 1850, introducidas por J.J. Silvestre. El desarrollo inicial de la teoría matricial lo realiza el matemático W.R. Hamilton en 1853. Luego en 1858, A. Cayley introduce la notación matricial como una forma abreviada de escribir un sistema de m ecuaciones lineales con n incógnitas. Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas parciales(los últimos días son temas de facultad). Se usan en el estudio de sistemas de ecuaciones lineales, en geometría, estadística, economía, etc. La utilización de matrices es esencial en el lenguajes de programación, la mayoría de los datos se introducen en los ordenadores como tablas organizadas en filas y columnas: hojas de cálculo, bases de datos,...
  • 3. Como vamos a ver, la solución de sistemas de ecuaciones lineales puede hallarse utilizando solamente los coeficientes de las incógnitas asociadas a los sistemas lineales. Este ordenamiento de números se conoce como una matriz. Ejemplos de matrices son: 1  1 2      2 1 π  1 − 3 0 ;     e 0 1 / 2 ; 1  − 4 5  (2 − 1 0 1) ;      0 0 0   1     La dimensión de una matriz de define como el número de filas por el número de columnas. En el ejemplo, la primera matriz es de dimensión 3x2, la segunda es de 3x3, la tercera es de 1x4 y la cuarta es de 4x1. Si una matriz es de dimensión 1xn, como en el tercer ejemplo, se llamará un vector fila, mientras que una matriz nx1, como en el cuarto ejemplo, se llamará un vector columna. En general se usarán las primeras letras mayúsculas del alfabeto para denotar una matriz, es decir, se escribirán como A, B, C, etc.. Las entradas de una matriz se denotarán como aij y representarán la entrada que se encuentra en la fila i-ésima y la columna j-ésima.
  • 4. MA TRIC E S Definición de matriz: Una matriz es un conjunto de elementos, en general, suelen ser números ordenados en filas y columnas. En forma general una matriz se anota de la siguiente manera: Abreviadamente suele expresarse en la forma A =(aij), con i =1, 2, ..., m y j =1, 2, ..., n. Los subíndices indican la posición del elemento dentro de la matriz, el primero denota la fila ( i ) y el segundo la columna ( j ). Por ejemplo el elemento a25 será el elemento de la fila 2 y columna 5.
  • 5. MA TRIC E S Tipos de matrices: Matriz fila: Es una matriz que solo tiene una fila, es decir m =1 y por tanto es de orden 1 x n. ( a11 a12 a13  a1n ) Matriz columna: Es una matriz que solo tiene una columna, es decir, n =1 y por tanto es de orden m x 1.  a11     a21  a   31        am1 
  • 6. MA TRIC E S Tipos de matrices: Matriz cuadrada: Es aquella que tiene el mismo número de filas que de columnas, es decir m = n. En estos casos se dice que la matriz cuadrada es de orden n, y no n x n.  a11 a12 a13  a1n     a21 a22 a23  a2 n  a a32 a33  a3n   31       a an 2 an 3  ann   n1 
  • 7. MA TRIC E S Tipos de matrices: Matriz traspuesta: Dada una matriz A, se llama traspuesta de A, y se representa por At, a la matriz que se obtiene cambiando filas por columnas. La primera fila de A es la primera fila de At , la segunda fila de A es la segunda columna de At, etc. De la definición se deduce que si A es de orden m x n, entonces At es de orden n x m.  −1 4   −1 0 5   −1 0 5   −1 0 2       A=  0 −6 8 ⇒ A =  0 −6 8  T  4 − 2 0 ⇒ A =  0 − 2 T A=  2 5 8 10  5 8 10     0       Matriz simétrica: Una matriz cuadrada A es simétrica si A = At, es decir, si aij = aji ∀ i, j. Matriz antisimétrica: Una matriz cuadrada es antisimétrica si A = –At, es decir, si aij = –aji ∀ i, j.
  • 8. MA TRIC E S Tipos de matrices: Matriz nula: es aquella que todos sus elementos son 0 y se representa por 0 Matriz diagonal: Es una matriz cuadrada, en la que todos los elementos no pertenecientes a la diagonal principal son nulos. Matriz escalar: Es una matriz diagonal con todos los elementos de la diagonal iguales Matriz unidad o identidad: Es una matriz escalar con los elementos de la diagonal principal iguales a 1.
  • 9. MA TRIC E S Tipos de matrices Matriz Triangular: Es una matriz cuadrada que tiene nulos todos los elementos que están a un mismo lado de la diagonal principal. Las matrices triangulares pueden ser de dos tipos: - Triangular Superior: Si los elementos que están por debajo de la diagonal principal son todos nulos. Es decir, aij = 0 ∀ i < j.  3 −1 −3 A = 0 2 0    0 0 5    - Triangular Inferior: Si los elementos que están por encima de la diagonal principal son todos nulos. Es decir, aij = 0 ∀ j < i. 3 0 0  B = 3 2 0    1 0 5   
  • 10. MA TRIC E S Operaciones con matrices Trasposición de matrices Suma y diferencia de matrices Producto de una matriz por un número Producto de matrices Matrices invertibles
  • 11. MA TRIC E S Operaciones con matrices Trasposición de matrices Dada una matriz de orden m x n, A = (aij), se llama matriz traspuesta de A, y se representa por At, a la matriz que se obtiene cambiando las filas por las columnas (o viceversa) en la matriz A. Es decir: Ejemplo:  −1 4   −1 0 2   A=  4 − 2 0 ⇒  A =  0 − 2 T   2 0    Propiedades de la trasposición de matrices: 1) Dada una matriz A, siempre existe su traspuesta y además es única. 2) La traspuesta de la matriz traspuesta de A es A.  (At)t = A.
  • 12. MA TRIC E S Operaciones con matrices Suma y diferencia Si A = aij  y B = bij  son dos matrices mxn entonces     de matrices definimos la suma de A y B por, A + B = aij  + bij  ≡ aij + bij        La suma de dos matrices: Sean A=(aij), B=(bij) de la misma dimensión, es otra matriz S=(sij) de la misma dimensión que los sumandos y con término genérico sij=aij+bij.  1 2 − 4  −1 0 2   0 2 − 2   0 3 − 1  +  1 − 5 − 1 =  1 − 2 − 2             La suma de las matrices A y B se anota A+B. Ejemplo Sin embargo, no se pueden sumar. La diferencia de matrices: A y B se representa por A–B, y se define como: A–B = A + (–B)
  • 13. Ejemplos:  3 0 −2  5 −3 6  1. Si A =   y B = 0 2 5  entonces  2 −1 4     3 0 −2  5 −3 6   3 + 5 0 − 3 −2 + 6  A+ B =   + 0 2 5  ≡  2 + 0 −1 + 2 4 + 4   2 −1 4       8 −3 4  A+ B ≡   2 1 8  1 2   7 −2  2. Si A = 3 4  y B =  −6 4  entonces     5 6    3 0   1 2   7 −2  1 + 7 2 − 2   8 0  A + B = 3 4  +  −6 4  ≡ 3 − 6 4 + 4  =  −3 8          5 6   3 0   5 + 3 6 + 0   8 6         
  • 14. MA TRIC E S Operaciones con matrices Propiedades de la suma de matrices 1) A + (B + C) = (A + B) + C Propiedad Asociativa 2) A+B=B+A Propiedad conmutativa 3) A + 0 = A (0 es la matriz nula) Matriz Nula 4) La matriz –A, que se obtiene cambiando de signo todos los elementos de A, recibe el nombre de matriz opuesta de A, ya que A + (–A) = 0.
  • 15. MA TRIC E S Operaciones con matrices Producto de una matriz por un número El producto de una matriz A = (aij) por un número real k es otra matriz B = (bij) de la misma dimensión que A y tal que cada elemento bij de B se obtiene multiplicando aij por k, es decir, bij = k·aij. Ejemplo:  1 0 − 2 6  2 0 − 4 12       −2 1 0 0  − 4 2 0 0 2 = 4 3 8 0  8 6 16 0       −1 −1 − 3 0   − 2 − 2 − 6 0      El producto de la matriz A por el número real k se designa por k·A. Al número real k se le llama también escalar, y a este producto, producto de escalares por matrices
  • 16. MA TRIC E S Operaciones con matrices Producto de una matriz por un número - Propiedades del producto de una matriz por un escalar 1) k (A + B) = k A + k B Propiedad distributiva 2) (k + h)A = k A + h A Propiedad distributiva 3) k [h A] = (k h) A Propiedad asociativa mixta . 4) 1 · A = A · 1 = A Elemento unidad
  • 17. MA TRIC E S Operaciones con matrices Producto de matrices Dadas dos matrices A y B, su producto es otra matriz P cuyos elementos se obtienen multiplicando las filas de A por las columnas de B. Para poder multiplicar dos matrices el número de columnas de A debe coincidir con el número de filas de B. Es más, si A tiene dimensión m x n y B dimensión n x p, la matriz P será de orden m x p, Es decir: Ejemplo: no se pueden multiplicar
  • 18. EJEMPLO:   1  3    [ 6 − 2 8]  5    [ 6 − 2 8]  0      1 3  6 − 2 8    3    7    1. AB =  .  5 0 =   1 4 5   2 7    1  3     1 4 5  5 [ ]  [ 1 4 5]  0         3   7      6 − 10 + 24 18 + 0 + 56  =  1 + 20 + 15 3 + 0 + 35   20 74 =  36 38 
  • 19.  1 3  9 10 23  5 0   6 − 2 8  BA =    1 4 5 =  30 − 10 40   2 7     19 24 51    1 − 2  −6 7 −1 −2  3 1   2 5 3 0  =  10 14 11 1  2. AB =    4 −1 2 1    0 − 1      − 4 1 − 2 − 1  
  • 20. MA TRIC E S Operaciones con matrices Producto de matrices Propiedades del producto de matrices A·(B·C) = (A·B)·C (Propiedad asociativa) El producto de matrices en general no es conmutativo. Si A es una matriz cuadrada de orden n se tiene A·In = In·A = A. Dada una matriz cuadrada A de orden n, no siempre existe otra matriz B tal que A·B = B·A = In. Si existe dicha matriz B, se dice que es la matriz inversa de A y se representa por A–1 . El producto de matrices es distributivo respecto de la suma de matrices, es decir: A·(B + C) = A·B + A·C