Professional Documents
Culture Documents
j=1
a
ij
b
jk
_
1 i m
1 k p
| Universidad de Granada | Octubre 2012 7 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Matrices
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.
| Universidad de Granada | Octubre 2012 8 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Matrices
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
.
| Universidad de Granada | Octubre 2012 9 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Matrices
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
| Universidad de Granada | Octubre 2012 10 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Matrices
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.
| Universidad de Granada | Octubre 2012 11 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Matrices
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
_
.
| Universidad de Granada | Octubre 2012 12 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Matrices
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.
| Universidad de Granada | Octubre 2012 13 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Aplicaciones lineales
Seccin 2
| Universidad de Granada | Octubre 2012 14 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Aplicaciones lineales
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.
| Universidad de Granada | Octubre 2012 15 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Aplicaciones lineales
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.
| Universidad de Granada | Octubre 2012 16 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Aplicaciones lineales
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.
| Universidad de Granada | Octubre 2012 17 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Aplicaciones lineales
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.
| Universidad de Granada | Octubre 2012 18 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Aplicaciones lineales
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.
| Universidad de Granada | Octubre 2012 19 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Aplicaciones lineales
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} .
| Universidad de Granada | Octubre 2012 20 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Aplicaciones lineales
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.
| Universidad de Granada | Octubre 2012 21 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Aplicaciones lineales
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 ).
| Universidad de Granada | Octubre 2012 22 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Aplicaciones lineales
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 ).
| Universidad de Granada | Octubre 2012 23 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Aplicaciones lineales
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 .
| Universidad de Granada | Octubre 2012 24 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
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.
| Universidad de Granada | Octubre 2012 25 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Relacin entre matrices y aplicaciones lineales
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
| Universidad de Granada | Octubre 2012 26 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Relacin entre matrices y aplicaciones lineales
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
| Universidad de Granada | Octubre 2012 27 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Relacin entre matrices y aplicaciones lineales
_
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
i =1
a
ii
.
Ejemplo
Si A =
_
_
1 1 0
2 4 6
3 1 7
_
_
, entonces tr A = 1 + 4 + 7 = 12
| Universidad de Granada | Octubre 2012 35 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
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)
| Universidad de Granada | Octubre 2012 36 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
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) .
| Universidad de Granada | Octubre 2012 37 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Determinantes
Seccin 3
| Universidad de Granada | Octubre 2012 38 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
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
coincide
con el nmero de trasposiciones necesarias para que al componer con se
obtenga la identidad.
| Universidad de Granada | Octubre 2012 39 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
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.
| Universidad de Granada | Octubre 2012 40 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
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
| Universidad de Granada | Octubre 2012 41 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Determinante
Clculo del 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
| Universidad de Granada | Octubre 2012 42 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Determinante
Clculo del 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.
| Universidad de Granada | Octubre 2012 43 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
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.
| Universidad de Granada | Octubre 2012 44 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
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.
| Universidad de Granada | Octubre 2012 45 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
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.
| Universidad de Granada | Octubre 2012 46 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Determinante y rango de una matriz
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} .
| Universidad de Granada | Octubre 2012 47 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Determinante y rango de una matriz
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:
| Universidad de Granada | Octubre 2012 48 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Determinante y rango de una matriz
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 .
| Universidad de Granada | Octubre 2012 49 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Determinante y rango de una matriz
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.
| Universidad de Granada | Octubre 2012 50 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
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
_
_
_
_
_
.
| Universidad de Granada | Octubre 2012 51 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Determinante y rango de una matriz
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 .
| Universidad de Granada | Octubre 2012 52 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Determinante y rango de una matriz
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.
| Universidad de Granada | Octubre 2012 53 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
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.
| Universidad de Granada | Octubre 2012 54 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
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.
| Universidad de Granada | Octubre 2012 55 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
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 .
| Universidad de Granada | Octubre 2012 56 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
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.
| Universidad de Granada | Octubre 2012 57 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
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.
| Universidad de Granada | Octubre 2012 58 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
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.
| Universidad de Granada | Octubre 2012 59 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
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.
| Universidad de Granada | Octubre 2012 60 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
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.
| Universidad de Granada | Octubre 2012 61 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
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.
| Universidad de Granada | Octubre 2012 62 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
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
_
_
| Universidad de Granada | Octubre 2012 63 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
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
).
| Universidad de Granada | Octubre 2012 64 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
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.
| Universidad de Granada | Octubre 2012 65 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
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.
| Universidad de Granada | Octubre 2012 66 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
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.
| Universidad de Granada | Octubre 2012 67 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
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.
| Universidad de Granada | Octubre 2012 68 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
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.
| Universidad de Granada | Octubre 2012 69 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
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.
| Universidad de Granada | Octubre 2012 70 / 70