Matrices

Tema 2. Matrices y aplicaciones lineales. Determinantes.
Tema 2. Matrices y aplicaciones lineales. Determinantes.

Anlisis Matemtico I
1 Estadstica
| Universidad de Granada | Octubre 2012 1 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Matrices
Matrices
Seccin 1
Matrices
Matriz de nmeros reales
Una matriz de nmeros reales y orden m n es una aplicacin f : I J R,
donde I = {1, 2, , m}, J = {1, 2, , n}. En lugar de usar la notacin
anterior se suelen escribir de la forma
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
a
m1
a
m2
a
mn
_
_
_
_
_
donde a
ij
= f (i , j ) para 1 i m, 1 j n.
En el caso anterior, diremos que la matriz tiene m las y n columnas.
Notaremos por M
mn
al espacio de las matrices reales de orden m n. Cuando
m = n escribiremos simplemente M
n
y a los elementos de ese conjunto los
llamaremos matrices cuadradas.
Matrices
Rango de una matriz
Para una matriz A de orden m n, se dene su rango como el nmero mximo
de vectores columna de A que son linealmente independientes. Notaremos por
rg A el rango de la matriz A.
Ejemplo
Calclese el rango de la matriz A, siendo
_
_
2 2 2 0
0 1 1 0
1 2 0 0
_
_
Como la ltima columna es el vector 0, es claro que una lista de vectores que lo
contenga ser siempre linealmente dependiente. As que comprobamos si los
vectores que aparecen en las tres primeras columnas son linealmente
dependientes.
Rango de una matriz
Ejemplo
A =
_
_
2 2 2 0
0 1 1 0
1 2 0 0
_
_
Como la segunda columna se obtiene como 2 veces la primera menos la tercera,
el rango de A no puede ser 3. Finalmente, como las columnas primera y segunda
son vectores linealmente independientes, rg A = 2.
Rango de una matriz
Ejemplo
Si se considera una matriz cuadrada de orden n n diagonal, es decir, que tenga
la forma
_
_
_
_
_
_
_
d
1
0 0 0
0 d
2
0 0
0 0 d
3
0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 d
n
_
_
_
_
_
_
_
entonces su rango coincide con el nmero de escalares d
i
no nulos.
Producto de matrices
Denicin
Sea A M
mn
, B M
np
, entonces la matriz producto AB M
mp
viene
dada por
AB = (a
ij
)
1 i m
1 j n
(b
jk
)
1 j n
1 k p
=
_
n
j=1
a
ij
b
jk
_
1 i m
1 k p
Producto de matrices
Propiedades del producto de matrices
Asociativa: (AB)C = A(BC), A M
mn
, B M
np
, C M
pr
.
Existen matrices I
m
M
mm
, I
n
M
nn
tales que
I
m
A = A, AI
n
= A, A M
mn
.
Distributiva del producto respecto de la suma de matrices:
A(B + C) = AB + AC, A M
mn
, B, C M
np
.
No es conmutativo en general.
Matrices
Inversa de una matriz cuadrada
Se dice que la matriz A M
n
tiene inversa si existe otra matriz en M
n
, que
denotaremos por A
1
, vericando
A
1
A = I
n
y AA
1
= I
n
.
Propiedades de la inversin de matrices
Sean A, B M
n
matrices con inversa.
La matriz A
1
tiene inversa y sta es A.
La matriz AB tiene inversa y (AB)
1
= B
1
A
1
.
Si C M
n
y AC = I
n
, entonces C = A
1
. De forma anloga, si CA = I
n
,
entonces C = A
1
.
Matrices
Clculo de la matriz inversa: (Mtodo de Gauss-Jordan)
La idea general consiste en multiplicar una matriz A de orden n por un producto
nito de matrices tal que P
1
P
2
P
r
A = D. Donde la matriz D es diagonal y
nicamente tiene unos y ceros en la diagonal.
Si D es la matriz identidad entonces P
1
P
2
P
r
es la inversa de A
Clculo de la matriz inversa: (Mtodo de Gauss-Jordan)
El efecto que produce el producto por cada una de las matrices P
i
es alguno de
los siguientes:
Intercambiar dos las de A (la matriz P de orden n que tiene las
coordenadas de e
j
en la la i -sima, y las de e
i
en la la j -sima y en la la
k-sima las coordenadas de e
k
verica que al multiplicar PA intercambia las
las i -sima y j -sima de la matriz A).
Multiplicar una la por un escalar no nulo (basta con usar como P la
matriz que coincide con la identidad en cada la y que en la la i -sima
tiene las coordenadas de te
i
, al multiplicar por A multiplica por t la la
i -sima de la matriz A).
Cambiar una la por la suma de sta con un mltiplo de otra la. (Si P
tiene en la la i -sima las coordenadas de e
i
+ te
j
y en el resto de las las
las que tenga la matriz identidad, entonces PA tiene en la la i -sima
f
i
+ tf
j
, donde f
i
es la la i -sima de A, y el resto de las las son las de A).
Obsrvese que todas estas matrices son invertibles.
Matrices
Ejemplo
Consideramos matriz A =
_
0 2
1 1
_
.
Intercambiamos las dos las, obteniendo
_
1 1
0 2
_
.
Ahora multiplicamos la segunda la por
1
2
, obteniendo
_
1 1
0 1
_
.
Aadimos a la primera la la segunda multiplicada por 1, con lo que
obtenemos
_
1 0
0 1
_
.
Matrices
Nos interesa que el procedimiento nos permita calcular fcilmente la matriz
inversa de la matriz dada.
En nuestro ejemplo, P
3
P
2
P
1
A = I
2
, donde P
1
, P
2
, P
3
son matrices
invertibles tales que al multiplicarlas por la izquierda por una matriz
producen uno de los tres tipos de cambios permitidos. Entonces tenemos
que P
3
P
2
P
1
= A
1
, esto es, P
3
P
2
P
1
I
2
= A
1
.
Es decir, la inversa de A se obtiene a partir de la matriz identidad,
aplicando las mismas transformaciones elementales que en cada paso hemos
de aplicar para transformar A en la matriz I
2
.
En la prctica lo que debemos hacer es anexar por la derecha la matriz
identidad del orden correspondiente a nuestra matriz y realizar los cambios
necesarios por las para convertir A en la identidad. La matriz que queda a
la derecha ser la inversa de A.
Si al aplicar cambios elementales llegamos a una matriz diagonal con algn
cero en la diagonal entonces nuestra matriz no es invertible. De hecho, el
rango de nuestra matriz coincide con el de dicha matriz diagonal.
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Aplicaciones lineales
Seccin 2
Aplicacin lineal
Sean X e Y espacios vectoriales sobre el mismo cuerpo K. Una aplicacin
f : X Y es lineal si verica
f (u +v) = f (u) +f (v), , K, u, v X .
Ejemplos
La aplicacin f : R
2
R
2
dada por f (x, y) = (x, x + y) para cada vector
(x, y) R
2
es lineal.
La aplicacin f : R
2
R
2
dada por f (x, y) = (x + 2, e
x
) para cada
vector (x, y) R
2
no es lineal.
Ejemplos
La aplicacin identidad en un espacio vectorial es lineal.
En el espacio C[a, b] (funciones reales continuas en el intervalo [a,b]), la
aplicacin I : C[a, b] R dada por I(f ) =
_
b
a
f (t) dt para cada funcin
f C[a, b] es lineal.
Proposicin
Sean X, Y y Z espacios vectoriales sobre el mismo cuerpo K.
Si f , g : X Y son aplicaciones lineales, entonces f +g es una
aplicacin lineal de X en Y, para cualesquiera escalares y .
Si f : X Y y g : Y Z son aplicaciones lineales, entonces la
composicin g f es una aplicacin lineal de X en Z.
Inversa
Dados dos conjuntos X e Y y una aplicacin f : X Y, diremos que f tiene
inversa si existe una aplicacin g : Y X tal que f g = I
Y
y g f = I
X
,
donde I
X
es la aplicacin identidad en X. En tal caso, la aplicacin g es nica,
se llama inversa de f y se suele notar g = f
1
.
Proposicin
Sean X e Y espacios vectoriales sobre el mismo cuerpo K. Si f : X Y es
lineal y tiene inversa, entonces f
1
es lineal.
Espacio de aplicaciones lineales
Sean X e Y espacios vectoriales sobre K. El conjunto L(X, Y) de las
aplicaciones lineales de X en Y es un espacio vectorial con las siguientes
operaciones:
(f +g)(x) := f (x)+g(x), (f )(x) = f (x), f , g L(X, Y), K, x X .
El elemento neutro de la suma es la aplicacin que lleva cada vector de X en 0.
Propiedades de las aplicaciones lineales
Sean X e Y espacios vectoriales sobre K, f : X Y una aplicacin lineal, V
un subespacio de X y W un suespacio de Y. Se verican:
Si D X es lin. dependiente, entonces f (D) Y es lin. dependiente.
f (V) es un subespacio de Y.
f
1
(W) := {x X : f (x) W} es un subespacio de X.
Ejemplo
Consideramos la aplicacin lineal f : R
2
R
2
dada por
f (x, y) = (x + 2y, 2x + 4y) ((x, y) R
2
) .
Esta aplicacin lleva la base cannica en los vectores {(1, 2), (2, 4)} que son
linealmente dependientes, luego una aplicacin lineal no tiene porqu conservar
la independencia lineal ni los sistemas de generadores.
Subespacios destacados asociados a una aplicacin lineal
Sean X e Y son espacios vectoriales y f : X Y lineal.
Llamamos ncleo de f al subespacio de X dado por f
1
(0):
ker f = {x X : f (x) = 0} .
Llamamos imagen de f al subespacio vectorial dado por
Im(f ) = {f (x) : x X} .
Proposicin
Si X e Y son espacios vectoriales y f : X Y es lineal, entonces se verican:
ker f = {0} f es inyectiva.
Si S es un sistema de generadores de X entonces f (S) es un sistema de
generadores de Im(f ).
Si X es de dimensin nita entonces dimIm(f ) dimX.
Ejemplo
Sea f : R
3
R
2
denida por f (x, y, z) = (x + y, 0).
El ncleo de f viene dado por
ker f = {(x, y, z) R
3
: f (x, y, z) = (0, 0)} = {(x, y, z) R
3
: x + y = 0}
que es un subespacio de R
3
de dimensin 2.
Es fcil comprobar que la imagen de f es el conjunto
Imf = {(x, 0) : x R} ,
que es un subespacio 1-dimensional de R
2
.
Obsrvese que
dimR
3
= dimker f + dimIm(f ).
Ejemplo
Sea f : R
3
R
3
la aplicacin denida por
f (x, y, z) = (x, 2y, x + z) ((x, y, z) R
3
) .
El ncleo de f es ker f = {(0, 0, 0)}.
Para calcular la imagen basta usar que f ({e
1
, e
2
, e
3
}) es un sistema de
generadores de Imf y observar que f (e
1
) = (1, 0, 1), f (e
2
) = (0, 2, 0),
f (e
3
) = (0, 0, 1) son linealmente independientes. Por tanto,
Im(f ) = R
3
y tambin se verica dimR
3
= dimker f + dimIm(f ).
Teorema (de la dimensin)
Sea f : X Y una aplicacin lineal entre dos espacios vectoriales sobre K tal
que X es nito-dimensional, entonces se verica que
dimX = dimker f + dimImf .
Esquema de la demostracin.
Supongamos que n = dimX, r = dimker f , s = dimImf .
Sea {y
1
, . . . , y
s
} una base de Imf y {x
1
, . . . , x
s
} vectores de X tales que
f (x
j
) = y
j
para 1 j s.
Consideramos ahora una base {u
1
, . . . , u
r
} del subespacio vectorial ker f .
No es difcil probar que
{u
1
, . . . , u
r
, x
1
, . . . , x
s
}
es una base de X, con lo que
dimX = n = r + s = dimker f + dimImf .
Relacin entre matrices y aplicaciones lineales
Proposicin
Sean X e Y dos espacios vectoriales sobre K de dimensiones n y m,
respectivamente, y B
X
y B
Y
bases de los espacios X e Y. Para cada aplicacin
lineal T : X Y, existe una nica matriz A de orden m n y coecientes en
K tales que
T(u) = Au (u X).
De hecho, si B
X
= {x
1
, x
2
, , x
n
}, B
Y
= {y
1
, , y
m
}, la columna i -sima de
A est formada por las coordenadas de T(x
i
) respecto de la base B
Y
.
Observaciones
Las columnas de A son un sistema de generadores de ImT.
rgA = dimImT.
Demostracin.
Dado u X, lo escribimos en trminos de la base B
X
: existen escalares
u(1), . . . , u(n) tales que u =
n
i =1
u(i )x
i
. Como T es lineal, tendremos que
T(u) =
n
i =1
u(i )T(x
i
) .
Por ser B
Y
una base de Y, podemos escribir cada elemento T(x
i
) como
combinacin lineal de los elementos de B
Y
: existen escalares (a
ij
) tales que
T(x
1
) = a
11
y
1
+ a
21
y
2
+ + a
m1
y
m
T(x
2
) = a
12
y
1
+ a
22
y
2
+ + a
m2
y
m
.
.
.
T(x
n
) = a
1n
y
1
+ a
2n
y
2
+ + a
mn
y
m
Sustituyendo en la expresin T(u) =
n
i =1
u(i )T(x
i
) los vectores T(x
i
) por las
expresiones anteriores obtenemos
T(u) =u(1)
_
a
11
y
1
+ a
21
y
2
+ + a
m1
y
m
_
+
u(2)
_
a
12
y
1
+ a
22
y
2
+ + a
m2
y
m
_
+
.
.
.
u(n)
_
a
1n
y
1
+ a
2n
y
2
+ + a
mn
y
m
_
=
_
u(1)a
11
+ u(2)a
12
+ + u(n)a
1n
_
y
1
+
_
u(1)a
21
+ u(2)a
22
+ + u(n)a
2n
_
y
2
+
.
.
.
_
u(1)a
m1
+ u(2)a
m2
+ + u(n)a
mn
_
y
m
_
u(1)a
11
+ u(2)a
12
+ + u(n)a
1n
_
y
1
+
_
u(1)a
21
+ u(2)a
22
+ + u(n)a
2n
_
y
2
+
.
.
.
_
u(1)a
m1
+ u(2)a
m2
+ + u(n)a
mn
_
y
m
Por tanto, las coordenadas de T(u) respecto de la base B
Y
vienen dadas por el
producto de las matrices
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
_
_
_
_
_
_
_
_
_
_
u(1)
u(2)
.
.
.
u(n)
_
_
_
_
_
= Au

Por supuesto, la matriz depende de las bases que se jen en ambos espacios
vectoriales.
Ejemplo
Sea T : R
3
R
2
dada por T(x, y, z) = (2x, x + z), (x, y, z) R
3
.
La matriz asociada a T para las bases cannicas de R
3
y R
2
es
_
2 0 0
1 0 1
_
,
ya que las imgenes de e
1
, e
2
y e
3
son, respectivamente, los vectores (2, 1),
(0, 0) y (0, 1). El hecho de que la matriz asociada a T sea la anterior signica
simplemente que
T(x, y, z) =
_
2 0 0
1 0 1
_
_
_
x
y
z
_
_
= (2x, x + z), (x, y, z) R
3
.
Ejemplo
Sea T : R
3
R
2
dada por T(x, y, z) = (2x, x + z), (x, y, z) R
3
.
En R
3
consideramos la base B = {(1, 1, 0), (1, 0, 1), (0, 1, 1)}, y en R
2
consideramos la base cannica.Como se verica que
T(1, 1, 0) = (2, 1), T(1, 0, 1) = (2, 2), T(0, 1, 1) = (0, 1) ,
la matriz asociada a T para estas bases viene dada por
_
2 2 0
1 2 1
_
.
Teorema
Sean X e Y espacios vectoriales sobre el cuerpo K de dimensiones m y n,
respectivamente. Si jamos una base B
X
de X y otra base B
Y
de Y, entonces la
aplicacin : M
nm
(K) L(X, Y) dada por
(A)(x) = Ax A M
nm
(K), x X
es un isomorsmo lineal entre espacios vectoriales, esto es, es biyectiva y
lineal.
Adems, la identicacin anterior lleva producto de matrices en composicin de
aplicaciones, es decir, si X, Y y Z son espacios vectoriales sobre K de
dimensiones m, n y p, respectivamente, se tiene que
(BA) = (B) (A), A M
nm
(K), B M
pn
(K)
Es rutinario comprobar la primera parte del enunciado.
Probamos que la identicacin transforma el producto de matrices en
composicin de aplicaciones. Dado un vector x X se verica que
(BA)(x) = (BA)x = B(Ax) = (B)(Ax) =
(B)((A)(x)) =
_
(B) (A)
_
(x).
Como x es un vector arbitrario de X hemos probado que (BA) = (B) (A).
Propiedades de matrices mediante operadores
Otra propiedad del producto de matrices
Se verica que
rg (AB) min{rg (A), rg (B)}, A M
mn
, B M
np
.
Demostracin. Llamamos S y T a las aplicaciones lineales asociadas a las
matrices A y B. Entonces sabemos que S L(K
n
, K
m
), T L(K
p
, K
n
). Tenemos
que
rg (AB) = dimIm(S T) dimImS = rg A ,
donde hemos usado que Im(S T) ImS, luego dimIm(S T) dimImS.
Razonando de forma parecida, obtenemos
rg (AB) = dimIm(S T) dimImT = rg B ,
ya que si B es una base de ImT, entonces S(B) es un sistema de generadores de
Im(S T), luego dimIm(S T) dimImT.
Matrices invertibles
Proposicin
Una matriz A cuadrada de orden n tiene inversa si, y slo si, rg A = n.
Demostracin.
Si A tiene inversa, tenemos AA
1
= I
n
= A
1
A. Si llamamos S y T a las
aplicaciones lineales en R
n
asociadas a A y A
1
tendremos S T = I
n
= T S, en
particular, S es inyectiva. Por tanto ker S = {0}, luego rg A = dimImS = n.
Recprocamente, si rg (A) = n, entonces dimImS = n, luego dimker S = {0},
luego S es inyectivo y sobreyectivo, entonces S tiene inversa, que sabemos que es
lineal. Usando que la identicacin de matrices y aplicaciones lineales transforma
productos en composicin de aplicaciones, la matriz asociada a la inversa de S es
la inversa de A.
Traza de una matriz
Denicin
Dada una matriz cuadrada A de orden n, se dene la traza de A, que notaremos
tr (A), como la suma de los elementos de la diagonal principal de A:
tr (A) =
n
i =1
a
ii
.
Ejemplo
Si A =
_
_
1 1 0
2 4 6
3 1 7
_
_
, entonces tr A = 1 + 4 + 7 = 12
Traza de una matriz
Propiedades de la aplicacin traza
La traza es una aplicacin lineal de M
n
(K) en K, es decir:
tr (sA + B) = str (A) + tr (B), A, B M
n
(K), s K.
Se verica que
tr (AB) = tr (BA), A M
mn
, B M
nm
.
Demostracin.
La primera propiedad es evidente. Comprobamos la segunda: llamamos
C = AB, D = BA, entonces
tr (C) =
m
i =1
c
ii
=
m
i =1
n
k=1
a
ik
b
ki
=
n
k=1
m
i =1
b
ki
a
ik
= tr (D)
Traza de una matriz
Sean A, B M. En general se tiene que
tr (AB) = tr (A)tr (B) .
Por ejemplo, si A = B = I
n
, entonces AB = I
n
, con lo que, si n > 1
tr (AB) = n = n
2
= tr (A)tr (B) .
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Determinantes
Seccin 3
Permutaciones
Denicin
Una permutacin del conjunto {1, 2, . . . , n} es una aplicacin biyectiva
: {1, 2, . . . , n} {1, 2, . . . , n}. Una trasposicin en {1, 2, . . . , n} es una
aplicacin : {1, 2, . . . , n} {1, 2, . . . , n} tales que existen i , j {1, 2, . . . , n}
de forma que
(i ) = j , (j ) = i , (k) = k, k {1, 2, . . . , n}\{i , j } .
Notaremos por
n
al conjunto de todas las permutaciones de {1, 2, . . . , n}.
Se verica que toda permutacin se puede expresar como composicin de
trasposiciones.
Si
n
, notaremos por s
al nmero de trasposiciones necesarias para expresar

como composicin de trasposiciones (para alguna descomposicin). s
coincide
con el nmero de trasposiciones necesarias para que al componer con se
obtenga la identidad.
Permutaciones
Ejemplo
Sea n = 3 y = {3, 2, 1}. Es decir, (1) = 3, (2) = 2, (3) = 1. Entonces es
una trasposicin y tenemos s
= 1.
Determinante de una matriz
Denicin
Dada una matriz cuadrada A de orden n se dene el determinante de A, que
notaremos det(A) |A|, como
det(A) =
n
(1)
s
a
1(1)
a
2(2)
a
n(n)
.
Clculo del determinante
Supongamos que n = 2, entonces hay dos permutaciones del conjunto {1, 2},
que son I = {1, 2} y = {2, 1}. Como la segunda es una trasposicin tenemos
s
I
= 0, s
= 1, por lo que si A =
_
a
11
a
12
a
21
a
22
_
, tenemos
det(A) = (1)
s
I
a
11
a
22
+ (1)
s
a
12
a
21
= a
11
a
22
a
12
a
21
Determinante
Si n = 3, entonces hay seis permutaciones del conjunto {1, 2, 3}:
I = {1, 2, 3} s
I
= 0
2
= {2, 1, 3} s
2
= 1
3
= {2, 3, 1} s
3
= 2
4
= {3, 2, 1} s
4
= 1
5
= {3, 1, 2} s
5
= 2
6
= {1, 3, 2} s
6
= 1
Por tanto, si A M
3
, obtenemos
det(A) =a
11
a
22
a
33
a
12
a
21
a
33
+ a
12
a
23
a
31
a
13
a
22
a
31
+ a
13
a
21
a
32
a
11
a
23
a
32
Determinante
Reescribiendo la expresin anterior obtenemos
det(A) = a
11
det
_
a
22
a
23
a
32
a
33
_
a
12
det
_
a
21
a
23
a
31
a
33
_
+ a
13
_
a
21
a
22
a
31
a
32
_
que es el desarrollo del determinante usando la primera la de la matriz. De
forma anloga, se puede desarrollar por cada la y por cada columna.
Determinante
Propiedades del determinante
Sean A, B, C M
n
y s R. Se verica que:
Si todas las las de A, B y C coinciden, salvo la j -sima, y stas verican
que la la j -sima de C es la suma de las las j -simas de A y B, entonces
det(C) = det(A) + det(B) .
Si se multiplica una la de A por s, entonces el valor del determinante
tambin se multiplica por s.
det(sA) = s
n
det(A).
Si alguna de las las de A es nula, entonces det(A) = 0.
Si en una matriz se intercambian dos las, el determinante de la nueva
matriz cambia de signo.
Si dos las son proporcionales en una matriz, entonces su determinante es
cero.
Determinante
Propiedades del determinante
Sean A, B, C M
n
y s R. Se verica que:
Si en una matriz se cambia una la por la suma de sta con una
combinacin lineal de las restantes, el determinante no cambia.
det(AB) = det(A) det(B), como consecuencia det
_
A
1
_
=
1
det(A)
si A tiene
inversa.
Todas la propiedades enunciadas por las son vlidas tambin por
columnas.
Determinante y rango de una matriz
Proposicin
Si A M
n
, se tiene que rg (A) < n si, y slo si, det(A) = 0.
Demostracin.
Si rg (A) < n, entonces los n vectores que aparecen en las columnas de A son
linealmente dependientes. Por las propiedades del determinante, se tiene
det(A) = 0.
Supongamos ahora que rg (A) = n. Usando la identicacin de matrices y
operadores y el Teorema de la dimensin, se obtiene que A es invertible. Por tanto
AA
1
= I
n
. Tomando determinantes en esta igualdad obtenemos que
1 = det(I
n
) = det(A) det
_
A
1
_
,
luego det(A) = 0.
Proposicin
Sea A M
mn
. Si rg (A) = r , entonces A tiene r vectores la linealmente
independientes y ste es el nmero mximo de vectores la que verican esa
condicin.
Demostracin.
Si A tiene rango r , sabemos que tiene r columnas linealmente independientes y
ste es el nmero mximo de columnas que verica esa condicin. Sea s el
mximo nmero de las de A linealmente independientes. Probaremos que s = r .
Podemos suponer que las s primeras las son linealmente independientes. As,
pues, para el resto de las las, es decir, si i = s + 1, , m existen escalares {t
ij
}
tales que
a
ij
= t
i 1
a
1j
+ + t
is
a
sj
, j {1, . . . , m} .
a
ij
= t
i 1
a
1j
+ + t
is
a
sj
, j {1, . . . , m} , i = s + 1, . . . , m .
Por esto, la columna j -sima de A (1 j n) tendr la forma
_
_
_
_
_
_
_
_
_
_
_
_
a
1j
a
2j
.
.
.
a
sj
s
k=1
t
s+1k
a
kj
.
.
.
s
k=1
t
mk
a
kj
_
_
_
_
_
_
_
_
_
_
_
_
luego la podemos escribir como la siguiente combinacin lineal:
a
1j
_
_
_
_
_
_
_
_
_
_
_
_
1
0
.
.
.
0
t
s+11
.
.
.
t
m1
_
_
_
_
_
_
_
_
_
_
_
_
+ a
2j
_
_
_
_
_
_
_
_
_
_
_
_
0
1
.
.
.
0
t
s+12
.
.
.
t
m2
_
_
_
_
_
_
_
_
_
_
_
_
+ + a
sj
_
_
_
_
_
_
_
_
_
_
_
_
0
0
.
.
.
1
t
s+1s
.
.
.
t
ms
_
_
_
_
_
_
_
_
_
_
_
_
Si llamamos w
1
, w
2
, , w
s
a las matrices columna que aparecen antes, hemos
comprobado que el subespacio vectorial generado por {w
1
, , w
s
} genera todas
las columnas de A, luego rg (A) = r s.
Cambiando el papel de las y columnas de la matriz, se comprueba que s r .
Denicin
Si A M
mn
, una submatriz de A es una matriz que se obtiene a partir de A
suprimiendo las o columnas.
Proposicin
Dada A M
mn
se tiene r = rg (A), si y slo si, existe una submatriz cuadrada
A
r
de A de orden r tal que det A
r
= 0 y r es el mayor natural que verica esa
condicin.
Demostracin.
Si rg (A) = r hay r columnas de A que son linealmente independientes.
Suponemos que son las r primeras.Esto es, las columnas de la submatriz B son
linealmente independientes
B =
_
_
_
_
_
a
11
a
12
a
1r
a
21
a
22
a
2r
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mr
_
_
_
_
_
Por el resultado que hemos probado antes, B tiene tambin r las linealmente
independientes; de nuevo podemos suponer que son las r primeras, con lo que la
matriz cuadrada C tiene rango r , siendo
C =
_
_
_
_
_
a
11
a
12
a
1r
a
21
a
22
a
2r
.
.
.
.
.
.
.
.
.
a
r1
a
r2
a
rr
_
_
_
_
_
.
Por el resultado ya probado para matrices cuadradas, si C tiene rango mximo,
entonces det C = 0 y como C es una submatriz de A, basta tomar A
r
= C.
Como r es el nmero mximo de columnas lin. independientes, y para matrices
cuadradas hay equivalencia entre tener rango mximo y determinante no nulo,
entonces todas las submatrices cuadradas de A de orden mayor que r tienen
determinante nulo.
Para probar la otra implicacin, basta usar que la hiptesis implica que la
submatriz A
r
tiene rango r , luego las r columnas de A
r
son lin. independientes.
Por ser A
r
una submatriz de A, hay (al menos) r columnas de A linealmente
independientes, luego rg (A) r .
Si ocurriese rg (A) > r , entonces, por lo probado en la primera parte, habra una
submatriz de A cuadrada e invertible de orden mayor que r , imposible por la
denicin de r .
Ejemplo
La matriz A dada por
A =
_
_
2 1 1 3
3 4 1 2
1 1 0 1
_
_
tiene rango 2 ya que det A
2
= det
_
2 1
3 4
_
= 8 3 = 5 = 0 y las 4
submatrices de A de orden 3 no son invertibles, ya que son las siguientes
_
_
2 1 1
3 4 1
1 1 0
_
_
,
_
_
2 1 3
3 4 2
1 1 1
_
_
,
_
_
2 1 3
3 1 2
1 0 1
_
_
,
_
_
1 1 3
4 1 2
1 0 1
_
_
y todas tienen determinante cero.
Tipos de matrices
Denicin
Sea A M
n
(K)
La matriz A es triangular superior si todos los elementos situados debajo de
la diagonal principal son nulos, es decir, si
a
ij
= 0, i > j .
La matriz A es triangular inferior si todos los elementos situados encima de
la diagonal principal son nulos, es decir, si
a
ij
= 0, i < j .
Si B M
n
(K), diremos que B es la matriz traspuesta de A si las las de B
son las columnas de A, es decir, si
b
ij
= a
ji
, i , j .
Notaremos por A
t
a la matriz traspuesta de A.
Tipos de matrices
Denicin
Sea A M
n
(K)
A es simtrica si A
t
= A, esto es, si
a
ij
= a
ji
, i , j .
A es antisimtrica si A
t
= A, esto es, si
a
ij
= a
ji
, i , j .
A es hermitiana si A = A
t
, donde A es la matriz conjugada de A, esto es, si
a
ij
= a
ji
, i , j .
En caso de que K = R hermitiana signica simplemente simtrica.
Tipos de matrices
Denicin
Sea A M
n
(K)
A es semipositiva si se verica a
ij
0, i , j .
A es positiva si se verica
a
ij
0, i , j y existen i
0
, j
0
: a
i
0
j
0
> 0 .
A es estrictamente positiva si
a
ij
> 0, i , j .
A es estocstica si es semipositiva y la suma de cada una de las las es
uno, esto es, si
a
ij
0, i , j ,
n
j=1
a
ij
= 1, i .
Tipos de matrices
Denicin
Sea A M
n
(K)
Una matriz estocstica A es doblemente estocstica si la suma de los
elementos de cada una de sus columnas es uno, esto es, si
n
i =1
a
ij
= 1, j .
A es ortogonal si AA
t
= I
n
.
Esto ocurre cuando las las son ortogonales dos a dos y tienen norma
eucldea 1. Las matrices ortogonales en R
n
corresponden a las aplicaciones
lineales que son isometras en R
n
.
A es idempotente si
A
2
= A.
Las matrices idempotentes corresponden a las proyecciones.
Tipos de matrices
Propiedades de las matrices triangulares superiores
El conjunto de las matrices cuadradas de orden n que son triangulares
superiores es un subespacio vectorial del espacio M
n
(K) que es estable por
productos e inversas.
Si A M
n
(K) es triangular superior, entonces rg (A) es mayor o igual que
el nmero de elementos no nulos de la diagonal principal.
Si A M
n
(K) es triangular superior, entonces det(A) =
n
i =1
a
ii
Demostracin. Es inmediato comprobar que el conjunto de las matrices
cuadradas de orden n que son triangulares superiores es un subespacio vectorial.
Si A, B M
n
(K) son triangulares superiores e i > j , entonces
1 k n i > k o k i > j a
ik
= 0 o b
kj
= 0.
Por tanto, si C = AB, entonces c
ij
=
n
k=1
a
ik
b
kj
= 0 para i > j , luego AB es
triangular superior.
Tipos de matrices
Propiedades de las matrices triangulares superiores
Demostracin.
Para comprobar la estabilidad por inversas basta observar que aplicando el
mtodo de Gauss-Jordan se obtiene una matriz triangular superior.
Para matrices triangulares superiores, las r columnas cuyos elementos de la
diagonal son no nulos son linealmente independientes, luego el rango es
mayor o igual que el nmero de elementos de la diagonal principal no nulos.
Para ver que det(A) =
n
i =1
a
ii
basta desarrollar el determinante usando la
ltima columna de la matriz y usar induccin sobre el orden de la matriz, ya
que suprimiendo en una matriz triangular superior la ltima la y la ltima
columna se obtiene otra matriz del mismo tipo y de orden uno menos que
la original.
Tipos de matrices
Observacin
Las propiedades anteriores son vlidas para matrices triangulares inferiores.
Ejemplo
La matriz A =
_
_
_
_
1 0 0 0
0 0 1 0
0 0 0 0
0 0 0 1
_
_
_
_
tiene rango 3 y slo dos elementos en la
diagonal no nulos.
Tipos de matrices
Proposicin
Sea A M
n
tal que det A
i
= 0 para 1 i n 1, donde
A
i
=
_
_
_
_
_
a
11
a
1i
a
21
a
2i
.
.
.
.
.
.
a
i 1
a
ii
_
_
_
_
_
. Entonces A se puede expresar de la forma A = LU
donde L, U M
n
, L es triangular inferior y los elementos de su diagonal son 1 y
U es triangular superior.
Idea de la demostracin
Hay que aplicar el mtodo de Gauss-Jordan (por las) para transformar A en una
matriz triangular superior que llamamos U. Obsrvese que no es necesario
intercambiar las en el proceso gracias a que det A
i
= 0 para 1 i n 1.
Por tanto, existen matrices invertibles P
1
, P
2
, . . . , P
r
con la diagonal formada por
unos de modo que P
r
P
2
P
1
A = U. Basta tomar L = (P
r
P
2
P
1
)
1
para
obtener la descomposicin buscada.
Tipos de matrices
Observacin
En la prctica, la forma de proceder en la demostracin anterior no proporciona
un mtodo cmodo para calcular la descomposicin LU.
Ejemplo
Descomponer la matriz A =
_
_
1 2 0
1 3 1
0 5 1
_
_
en producto LU.
Las matrices L y U han de tener la siguiente forma
L =
_
_
1 0 0
l
21
1 0
l
31
l
32
1
_
_
, U =
_
_
u
11
u
12
u
13
0 u
22
u
23
0 0 u
33
_
_
.
Lo ms cmodo es imponer que A = LU y resolver el sistema que aparece.
Tipos de matrices
Ejemplo
_
_
1 0 0
l
21
1 0
l
31
l
32
1
_
_
_
_
u
11
u
12
u
13
0 u
22
u
23
0 0 u
33
_
_
=
_
_
1 2 0
1 3 1
0 5 1
_
_
Obsrvese que la primera la de U coincide con la primera la de A y que
operando e igualando los elementos se puede averiguar la primera columna de L,
la segunda la de U, la segunda columna de L, etc.
En este caso, obtenemos
L =
_
_
1 0 0
1 1 0
0 1 1
_
_
y U =
_
_
1 2 0
0 5 1
0 0 0
_
_
Tipos de matrices
Propiedades de la trasposicin de matrices
Sean A M
mn
, C M
np
. Se verica que
La trasposicin de matrices es una aplicacin lineal.
(AC)
t
= C
t
A
t
.
(A
t
)
t
= A.
rg (A
t
) = rg (A).
Si A M
n
, entonces tr (A
t
) = tr (A) y det A = det A
t
.
Si A M
n
y det A = 0, entonces (A
t
)
1
= (A
1
)
t
.
Si A M
n
, entonces rg (A) = rg (A
t
A) = rg (AA
t
).
Tipos de matrices
Propiedades de las matrices simtricas
El conjunto de las matrices simtricas de orden n es un espacio vectorial.
Si A, B M
n
son matrices simtricas y AB = BA, entonces AB es
simtrica.
Si A es invertible y simtrica, entonces A
1
tambin es simtrica.
Si C M
mn
, entonces C
t
C es simtrica.
Tipos de matrices
Propiedades de las matrices antisimtricas
El conjunto de las matrices antisimtricas de orden n es un espacio
vectorial.
Si A, B M
n
son matrices antisimtricas y AB = BA, entonces AB es
simtrica.
Si A es inversible y antisimtrica, entonces A
1
tambin es antisimtrica.
Si A M
n
es una matriz antisimtrica, entonces det A = (1)
n
det(A), por
tanto, si n es impar, entonces det(A) = 0.
Si A M
n
es una matriz antisimtrica, entonces rg A es par.
Tipos de matrices
Propiedades de las matrices hermitianas
El conjunto de las matrices hermitianas de orden n es un espacio vectorial
real.
Si A, B M
n
son matrices hermitianas y AB = BA, entonces AB es
hermitiana.
Si A es hermitiana, entonces A
t
y A son tambin hermitianas.
Si A M
n
es una matriz hermitiana e invertible, entonces A
1
es tambin
hermitiana.
Si A M
n
es una matriz hermitiana, entonces det A R.
Tipos de matrices
Propiedades de las matrices estocsticas
Si A M
mn
, B M
np
son matrices estocsticas, entonces AB es
estocstica.
Si A M
n
es una matriz estocstica, entonces A
k
tambin es estocstica,
para todo natural k.
Si A M
mn
es una matriz doblemente estocstica, entonces A
t
tambin
es lo es.
Tipos de matrices
Propiedades de las matrices ortogonales
Sean A, B M
n
matrices ortogonales, entonces
AB es ortogonal.
det(A) = 1 det(A) = 1.
rg (A) = n.
A
1
es ortogonal.
Tipos de matrices
Propiedades de las matrices idempotentes
Sean A, B M
n
matrices idempotentes.
Si AB = BA entonces AB es idempotente.
Si C = C
t
C entonces C es simtrica e idempotente.
det(A) {0, 1}.
Si det(A) = 1 entonces A = I
n
.
I
n
A es idempotente.

Matrices

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Matrices

Uploaded by

Copyright:

Available Formats

Tema 2. Matrices y aplicaciones lineales. Determinantes.

Tema 2. Matrices y aplicaciones lineales. Determinantes.

| Universidad de Granada | Octubre 2012 28 / 70

al nmero de trasposiciones necesarias para expresar

You might also like