Professional Documents
Culture Documents
Matrices y determinantes
1.1
Definici
on de matriz y algunos tipos de matrices
3
2
3 1
2+i
1 i 0 3i
B= 1
4
0 0 C = 3 2i 2 + 6i 2 i
0 1 1
1
0i
1 + i 2 + 0i
Las matrices se representan por letras may
usculas A,B,C, ... y sus elementos por min
usculas
con dos subndices, aij . Los subndices indican, por este orden, la la y la columna en la
que se sit
ua el elemento.
A=
Se denota tambien A = {aij }
...
... ... ...
am1 am2 . . . amn
Una matriz de m las y n columnas se dice que es una matriz de orden m n, y esto
tambien se denota as: Amn . El primer ndice se reere siempre al n
umero de las y el
segundo al n
umero de columnas.
Las matrices que trataremos tendran elementos de un cuerpo IK. Consideraremos el cuerpo
de los n
umeros reales, IR, o el cuerpo de los n
umeros complejos, C. Ambos son cuerpos
conmutativos (la multiplicacion es conmutativa).
Hablaremos de matrices en IR si aij IR y de matrices en C si aij C.
La matriz ejemplo B se puede considerar como una matriz en el cuerpo de los n
umeros
reales, IR, o tambien en el cuerpo de los n
umeros complejos, C, sin mas que tener en
cuenta que todo real es un elemento de C con parte imaginaria nula.
La matriz ejemplo C es una matriz en el cuerpo de los n
umeros complejos. No es una
matriz en el cuerpo delos reales ya que tiene elementos que no son n
umeros reales.
Denimos a continuacion algunos tipos de matrices.
1) Matriz fila es una matriz de orden 1 n,
B=
b11
b21
..
.
bm1
3) Matriz nula es aquella que tiene todos los terminos nulos. Se denota como A = 0, o
como .
El elemento nulo de un cuerpo es el elemento neutro de la suma. El elemento nulo de los
n
umeros reales es 0, y el elemento nulo de los n
umeros complejos es 0 + 0i.
4) La matriz opuesta de A, denotada A, es aquella que resulta de sustituir en A cada
elemento por su opuesto (el elemento simetrico de la suma en el cuerto).
Si A = {aij }, los elementos de A son: A = {aij }
5) Matriz cuadrada es aquella con igual n
umero de las que de columnas. m = n.
Una matriz cuadrada de n las y n columnas se dice que es una matriz de orden n. Una
matriz de este tipo se denota como Ann o An .
En una matriz cuadrada la diagonal principal es la lnea formada por los elementos
cuyos subndices de la y columna coinciden, a11 , a22 , . . . ann .
La diagonal secundaria es la lnea formada por los elementos aij tales que i + j = n + 1.
Se denomina traza, denotada tr(A), a la suma de los elementos de la diagonal principal
de A. trA = a11 + a22 + . . . + ann
Se llama triangulo superior al formado por los elementos aij situados por encima de la
diagonal principal.
Se llama triangulo inferior al formado por los elementos aij situados por debajo de la
diagonal principal.
* diagonal principal
triangulo superior
triangulo inferior
Matriz triangular superior. Matriz cuadrada que tiene el triangulo inferior nulo.
O lo que es lo mismo, aij = 0 para i > j.
Matriz triangular inferior. Matriz cuadrada que tiene el triangulo superior nulo.
O lo que es lo mismo, aij = 0 para i < j
Matriz diagonal. Es aquella que es triangular superior y triangular inferior a la vez.
Entre estas cabe destacar la matriz escalar, matriz cuya diagonal principal tiene
todos los elementos iguales. La matriz unidad es una matriz escalar cuya diagonal
principal esta formada solo por unos. La matriz unidad tambien se denomina matriz
identidad. La matriz identidad de orden n se denota como In . Uno es el el. neutro
de la multiplicacion en el cuerpo.
Matriz sim
etrica. Una matriz An es simetrica si aij = aji para todos los valores
de i y de j.
Matriz antisim
etrica o hemisim
etrica. Una matriz An es antisimetrica si aij =
aji para todos los valores de i y de j. Evidentemente, para los elementos de la
diagonal principal se concluye aii = aii , por tanto aii = 0 para i = 1, 2, . . . n.
1
0
1
3
1
0
0
1
2
0
1
0
0
3
3
1
2
5
0
1
1
0
1
2
0
1
0
0
1
0
0
3
3
0
1
0
0
2
0
0
0
1
2
0
1
1
3
3
0
3
2
4
0
0
0
0
0
1
0
0
1
1
0
1
2
0
2
3
1
2
2
0
4
0
0
1
2
3
3
1
0
4
0
0
1
0
1
3
3
0
[
]
1 0
1 1
1 0 0
3
0
1 1
2
0 0 1 2
0 0
0
0
Observese la diferencia con las matrices escalonadas.
[
1
0
0
1
1
0
0
0
1
0
1
2
0
0
0
1
1.2
El conjunto de las matrices de orden m n con elementos del cuerpo IK tiene distintas
notaciones:
(Mmn , IK) , Mmn (IK) y IK mn .
1.2.1
Igualdad de matrices
Decimos que dos matrices A = {aij } y B = {bij } del mismo orden son iguales si {aij } =
{bij } i = 1, . . . , m , j = 1, . . . , n
1.2.2
Suma de matrices
Dadas A = {aij } y B = {bij }, se dene A + B como la matriz C = {cij } tal que cij =
aij + bij .
Para poder sumar dos matrices deben tener el mismo orden, y el resultado es de ese mismo
orden.
1
0
1
0
1
0
1
0
2
0
A + B = 1
0 + 2 1 = 3 1
2
1
1 1
3
0
Ejemplo 1.4 Calcular A B, tomando las matrices del apartado anterior. (N
otese como
la resta es la suma de la opuesta).
1
0
1
0
0
0
A B = 1
0 2 1 = 1
1
2
1
1 1
1
2
1.2.3
Tanto para las matrices en IR como para las matrices en C (separadamente), se cumplen
las siguientes propiedades.
1) Operacion cerrada: A, B M, A + B M
2) Asociativa: A, B, C M, A + (B + C) = A + (B + C)
3) Elemento neutro:
0 M/ A M, A + 0 = A
4) Conmutativa: A, B M, A + B = B + A
5) Existencia de elemento opuesto:
A M
A / A + (A) = 0
A es la que hemos denominado anteriormente matriz opuesta.
El elemento opuesto de a IR es a IR
El elemento opuesto de a + bi C es a bi C. (Signo opuesto en la parte real y en la
parte imaginaria).
1.2.4
Es decir, se dene como otra matriz C = {cij } cuyos elementos se forman multiplicando
por cada uno de los elementos de A = {aij }
La matriz C es del mismo orden que A.
Para matrices en el cuerpo IR, tomando los escalares IR se garantiza que la operacion
sea cerrada, es decir que la matriz producto resulte ser una matriz en el cuerpo IR.
[
Ejemplo 1.5 5
1
2
1
1
[
Ejemplo 1.6 (5 + i)
[
Ejemplo 1.7 5
4 + 6i
11 3i
1.2.5
0
3 + 15i
1
1
]
[
[
5 (1)
51
0
5+i
=
3
10 + 2i
[
5 (1 + i)
0
=
3i
5 (2 i)
1+i
2i
Ejemplo 1.8 (5 + i)
1
2
0
51
=
3
52
1+i
]2 i
50
=
53
5 i
5+i
]
5
10
0
15 + 3i
5 + 5i
50
=
10 5i
5 3i
0
(5 + i) (1 + i)
=
3i
(5 + i) (2 i)
5
5
0
15
0
15i
(5 + i) 0
=
(5 + i) 3i
1.2.6
Producto de matrices
Dadas dos matrices Amn = {aij } y Bnp = {bij }, compatibles para el producto, es decir,
tales que el n
umero de columnas de A coincide con el n
umero de las de B, se dene
A.B = C, como otra matriz Cmp con tantas las como A y tantas columnas como B,
siendo su elemento cij el resultado de sumar los productos de los elementos de la la i de
A por los de la columna j de B, en la forma dada en el siguiente sumatorio:
C = A B = {cij }
cij =
aik bkj
i = 1, . . . , m j = 1, . . . , p
k=1
la i
mn
columna j
np
1 2 =
0 1 + 1 1 + 2 2
0 1 2
2 3
[
]
3
9
5 8
cij
mp
]
20+32+13
=
0 0 + 1 2 + 2 3
2
C=
3
2
1
3], B = 2,
3
1
3 ] 2 = [ 1 1 + 2 2 + 3 3 ] = 14
3
1
1 2 3
B A = 2 [1 2 3] = 2 4 6
3
3 6 9
A B = [1
1.2.7
Siempre que los productos sean posibles, se verican las siguientes propiedades:
1) Asociativa: A, B, C M
A (B C) = (A B) C
1.2.8
El conjunto de matrices Mmn en IK, con la suma y producto externo con K, cuyas
deniciones y propiedades se enunciaron en las secciones anteriores, tiene estructura de
espacio vectorial sobre el cuerpo K.
El conjunto de matrices Mn en IK, con la suma, producto interno, y con el producto
externo con K, cuyas deniciones y propiedades se enunciaron en las secciones anteriores,
tiene estructura de algebra sobre el cuerpo K.
1.2.9
An
alisis de otras propiedades del producto de matrices
4) Im Amn = Amn ;
[
Ejemplo 1.11 I2 =
Amn In = Amn ;
1
0
0
1
1
I3 = 0
0
Im Amn In = Amn
0
1
0
0
0
1
A=
1
4
2
5
3
. Se cumple:
6
I2 A = A
A I3 = A
I2 A I3 = A
[
Ejemplo 1.12
2+i
4i
7 3i
6
][
1
0
0
2+i
=
1
4i
7 3i
6
1 1
3
Ejemplo 1.14 A =
= 0 B =
1 1
3
[
][
] [
]
1 1 3 2
0 0
=
1 1
3
2
0 0
2
= 0 y
2
AB=0
sin embargo,
3
3
2
3
=
2
3
2
2
0
0
1
Ejemplo 1.16 2
4
0
1
0 2
6
0
0
3
5
0
1
0 = 4
2
6
0
1
4
0
3
29
0
0
12
10) El producto de dos matrices diagonales es otra matriz diagonal. Ademas cii = aii bii
Ejemplo 1.17 0
0
0
4
0
0
1
0
0
6
0
0
2
0
0
2
0 = 0
3
0
0
8
0
0
0
18
11) Una matriz diagonal conmuta con todas las matrices diagonales. Es consecuencia de
que el producto de elementos del cuerpo IK sea conmutativo.
Ejemplo 1.18 0
0
2
0
0
0
4
0
0
1
0
0
6
0
0
2
0
0
2
0
0
3
0
0
2
0
0
2
0 = 0
3
0
0
4
0
0
2
0 = 0
6
0
0
8
0
0
8
0
0
0
18
0
0
18
Ejemplo 1.19 En este ejemplo se observa como se obtiene el producto de una matriz
dada por una una matriz diagonal.
1
4
2
1
0
0
2
5
3
0
2
0
1
3
60
20
1
0
4
0
2
3
0
2
0
2
5
3
1
0
0 = 4
3 2
1
3
6 = 8
6
2
4
10
6
2
10
9
9
18
6
3
12
6
k=1
DA
cij =
k=1
1.3
(A1 )1 = A
3) Consideramos el producto B 1 A1
B 1 A1 AB = B 1 IB = B 1 B = I
(B 1 A1 ) = (AB)1
4) 1 A1 A = 1 A1 A = 1I = I
1 A1 = (A)1
Observacion: Una consecuencia de la propiedad 3 es que el producto de tres matrices
inversibles de orden n es inversible, y la inversa es el producto de las inversas en el orden
contrario. La generalizacion a productos de mas matrices es obvia.
(A B C)1 = ((A B) C)1 = C 1 (A B)1 = C 1 B 1 C 1
(A B . . . F )1 = F 1 . . . B 1 A1
In es inversible y su inversa es In
1.4
10
1.4.1
Dada una matriz Amn se llama traspuesta de A y se denota At , a la matriz que resulta
de cambiar ordenadamente sus las por sus columnas.
At sera entonces de orden n m.
atij = aji i = 1, . . . , n , j = 1, . . . , m
[
2
Ejemplo 1.20 A =
0
3
1
1
2
2
At = 3
1
0
1
2
Propiedades:
1) (At )t = A
IK
2) ( A)t = At
3) (A
B)t
At
Bt
4) (A B)t = B t At
Demostracion de la propiedad 4):
Sea A B = C
ctij = cji =
ajk bki =
k=1
atkj btik =
k=1
btik atkj
k=1
La pen
ultima igualdad se obtiene por cumplir la propiedad conmutativa el producto de
elementos del cuerpo IK.
El primer termino de la igualdad es el elemento (i, j) de (A B)t y el u
ltimo termino es el
t
t
t
elemento (i, j) de la matriz B A . Concluyendo entonces que (AB) = B t At
Cuando A es cuadrada tenemos:
Una matriz An es simetrica si y solo si A = At .
En efecto An es simetrica si y solo si aij = aji , y como aji = atij , tenemos que
aij = atij y por tanto A = At
1
Ejemplo 1.21 A = 2
3
2
1
2
3
2 es una matriz simetrica
0
0
Ejemplo 1.22 A = 2
3
2
0
2
3
2 es una matriz antisimetrica
0
11
[1]
y tomando traspuestas At = S t + H t
Por otra parte S t = S y H t = H, por tanto At = S H
[2]
([
2
S=
+
=
3
([
2
1
1
t
H = 2 (A A ) = 2
3
1
2 (A
2
1
At )
1
2
1
0
+
5
2
2
3
1
+
5
] [
1
5
[
2
2
=
0
3
1
5
2 3
4 2
2
= 12
=
1
5
2
10
1
])
[
] [
2 3
0
4
0
1
=2
=
1
5
4
0
2
1
5
1
5
]
2
0
Propiedad adicional
Dada Amn , las matrices AAt y At A son ambas simetricas.
Demostracion: (AAt )t = (At )t At = AAt
(At A)t = At (At )t = At A
Matriz ortogonal
Una matriz cuadrada se dice ortogonal si AAt = At A = I
Propiedades
a) A1 = At
b) La inversa y la traspuesta de una matriz ortogonal es ortogonal
c) El producto de dos o mas matrices ortogonales es ortogonal
Dem.
a) Por la denicion de inversa
b) sea A ortogonal,
(A1 )(A1 )t = At (At )t = At A = I
At (At )t = At A = I
c) Lo demostramos para el producto de dos matrices. Sean A y B ortogonales
(AB) (AB)t = ABB t At = AIAt = AAt = I
1.4.2
12
Dada una matriz Amn se llama conjugada de A y se denota A, a una nueva matriz cuyos
elementos son los conjugados de los elementos de A.
La parte real de los elementos no vara, mientras que la parte imaginaria cambia de signo.
Propiedades:
A=A
A = A
AB =AB
AB = A B
Si todos los elementos de A son reales A = A
Si todos los elementos de A son imaginarios puros A = A
Cuando A es cuadrada tenemos:
An se dice hermtica o autoadjunta si At = A, es decir, si aij = aji para todos los valores
de i y j. Obviamente, los elementos de la diagonal principal de una matriz hermtica han
de ser n
umeros reales.
An se dice antihermtica o hemihermtica si At = A, es decir, si aij = aji para todos
los valores de i y j. Se desprende que los elementos de la diagonal principal de una matriz
antihermtica han de ser nulos o imaginarios puros.
An se dice normal si A At = At A
An se dice unitaria si At = A1
1.5
Ak
veces
}|
= AA . . . A
A0 := I
1.6
1.6.1
13
Ejemplo: A =
1
1
2
4
1
0
2
2
En el ejemplo anterior
1
0
2
2
1
1
2
=A
4
1.6.2
14
Definici
on
Si partiendo de una matriz Amn podemos llegar a otra Bmn efectuando un n
umero nito
de operaciones elementales sobre las las (columnas) de A, decimos que B es equivalente
por las (columnas) a A.
Si B es equivalente por las (columnas) a A, entonces A es equivalente por las (columnas)
a B. De B se llegara a A realizando las operaciones inversas y en orden inverso.
Por ello, si existe dicho n
umero nito de operaciones elementales, se dice de A y B que
son matrices equivalentes respecto a las filas (columnas).
Desde el punto de vista de las relaciones entre los elementos de un conjunto, la relacion de
equivalencia por las (columnas) es reexiva, simetrica y transitiva, por tanto una relacion
de equivalencia.
Notacion:
Para expresar que A y B son matrices equivalentes por filas podemos utilizar la
notacion: A f B
Para expresar que A y B son matrices equivalentes por columnas podemos utilizar la notacion: A c B
[
Ejemplo: A =
1
1
2
4
1
0
2
2
1
0
2
1
B
C
La segunda operacion elemental ha sido multiplicar la segunda la por 1/2.
Tenemos que A f B, A f C, B f C
1.7
15
1.7.1
Realizando un n
umero nito de operaciones elementales por las sobre una matriz A
podemos llegar a una forma escalonada de la matriz A.
Realizando un n
umero nito de operaciones elementales por las sobre una matriz A
podemos llegar a la denominada forma can
onica por filas de la matriz A, que es u
nica.
1.7.2
Obtenci
on de la forma escalonada de una matriz
0
Ejemplo 1.24 Obten una forma escalonada de la matriz A = 4
1
A= 4
1
1
B = 0
0
2
2
2
F13
2
6
0
3
1
1 4
3
0
2
2
2
3
1
1 0
3
0
F21(4)
2
6
2
3
1
11 0
3
0
2
6
6
F3(3)
2
2
2
3
1
3
3
1
11 0
9
0
2
6
0
3
11
2
F32(1)
3
11 es una forma escalonada por filas de A
2
1 2
3
C = 0 6 11 es tambien una forma escalonada por filas de A (aplicando sobre la
0 0
1
matriz anterior la operaci
on F3(1/2) ).
En el ejemplo anterior observamos como si multiplicamos alguna de las las de la matriz
escalonada resultante, por un factor no nulo, seguimos obteniendo una matriz equivalente
por las y en la forma escalonada. Por tanto, dada una matriz se pueden obtener infinitas
matrices equivalentes por filas en la forma escalonada.
Ademas, en calculos a mano a veces se normalizan a 1 los elementos pivote para simplicar
los calculos de conversion a ceros de los elementos por debajo del pivote.
Al proceso de obtener una matriz equivalente por filas en la forma escalonada, en el que
se permiten realizar de forma arbitraria las operaciones elementales de escalamiento, intercambios de filas y suma a una fila de un m
ultiplo de otra, se le denomina eliminaci
on
gaussiana.
Transformaci
on a la forma escalonada mediante el algoritmo de Eliminaci
on
Gaussiana Simple
En este metodo llamado de Eliminaci
on Gaussiana Simple el orden en el que se
efect
uan las operaciones elementales viene prejado por un convenio. No se pueden realizar escalamientos. El intercambio de las solo se puede realizar para buscar un elemento
pivote, y se ha de realizar con la primera la siguiente que s posea pivote.
El algoritmo de Eliminaci
on Gaussiana Simple consta de los siguientes pasos:
1) Partiendo de la izquierda, buscamos la 1a columna con un elemento distinto de cero,
llamemosla j1 . Esta columna j1 es la primera columna pivotal. Si el primer elemento no
nulo de j1 (el de la la mas alta) no esta en la 1a la se intercambian la primera la y esta.
Este elemento no nulo, en la posicion (1,j1 ) es el primer elemento pivote. Recordamos
que el intercambio de las es en efecto una operacion elemental. Mediante operaciones
16
elementales por las convertimos los elementos de la primera columna pivotal que estan
debajo del elemento pivote, en ceros. La la auxiliar utilizada es la 1a la. La operacin
elemental que elimina el elemento b es la de sumar a la la que contiene el elemento b la
la auxiliar multiplicada por (b / primer pivote).
2) Moviendonos hacia la derecha, a partir de la 1a columna pivotal, buscamos la siguiente
columna que tenga un elemento no nulo en la 2a la o siguientes. Esa columna j2 ser
a
la segunda columna pivotal. Se realizara un intercambio de las si este primer elemento
no nulo no estuviera en la 2a la, para colocarlo precisamente en esta. Este es el segundo
elemento pivote. Ademas de esta operacion elemental de intercambio a n de que el
elemento pivote se encuentre en la 2a la (posicion (2,j2 )), se realizaran las operaciones
elementales necesarias para que todos los elementos de la columna pivotal, por debajo del
pivote, sean ceros, utilizando como la auxiliar la la 2a . Estas operaciones elementales no
afectan a los elementos de las columnas situadas a la izquierda de j2 , ya que los elementos
de la la 2 a la izquierda de j2 son todos nulos.
3) Seguimos moviendonos hacia la derecha. Sea j3 la siguiente columna que tiene un
elemento no nulo, ahora en la 3a la o mas abajo. Si es necesario intercambiaremos las
las para que, en la nueva matriz, la columna j3 tenga en la la 3 el primer elemento no
nulo encontrado (tercer elemento pivote), y a continuacion realizaremos las operaciones
para transformar a ceros los elementos por debajo de el, utilizando la la 3 como auxiliar.
4) Seguimos repitiendo el proceso hasta conseguir r columnas pivotales, j1 , j2 . . . , jr y
solamente ceros en las las r + 1, r + 2, ...m.
Al nal de estos cuatro pasos habremos conseguido transformar la matriz, a traves de
operaciones elementales por las, en una matriz escalonada.
Dada una matriz, mediante el metodo de eliminaci
on gaussiana simple se obtiene una u
nica
matriz en la forma escalonada por filas. Esto es debido a que las operaciones elementales
que se realizan y el orden en que se realizan estan jadas por el metodo.
0
0
0
0
eliminaci
on gaussiana simple.
0
0
A = 0
0
0
0
0
0
0
0
0
0
0
0
0
2
1
0
2
0
6
4
1
3
0
0
F
13
1
4 0
0
0
2
0
6
2
0
1
1
0
4
3 F42(1/2) 0
1 0
F52(1/2)
0
2
0
2
6
0
2
1
1
0
4
1 F23 0
3 0
0
2
0
2
2
0
0
0
0
6
2
0
0
0
0
4
F
3 43(7/2) 0
1 0
F53(1/2)
0
7/2
0
1/2
6
0
2
4
1
2
0
0
0
0
2
0
0
0
0
2
0
0
1
0
2
0
0
0
0
4
0
0
F
1
41(1/2)
3 0
0
0
2
0
6
2
0
0
0
2
0
0
11
0
2
0
0
0
0
6
0
2
43
1
6
2
0
11
11
4
3
1 = U
0
0
A f U
0
0
2
1
0
2
0
6
4
1
3
1
4 mediante
0
2
3
=
0 2
2
1
=
2 3/2
2 3/2
17
0
0
0
0
eliminaci
on gaussiana.
0
0
2
1
0
2
0
6
4
1
3
1
4 mediante
0
2
0
0
A = 0
0
0
0
0
2
1
0
2
0
6
4
1
0
3
1 F
0
13
4 0
0
0
0
2
6
0
2
4
1
3
1
2
0
1
2
2
F32(2)
1 F42(1)
2
0
0
0
0
1
0
0
0
0
3
0
2
1
1
2
0
1 F
0
24
3 0
0
2
2
0
0
0
0
0
1
0
0
0
0
3
1
0
0
0
2
0
2
F43(1/7) 0
7 0
F53(4/7)
0
1
4
0
1
0
0
0
0
0
4
1 F
0
1(1/2)
3 0
escala
0 miento 0
0
2
2
0
0
1
0
1
0
0
0
0
3
1
0
0
0
1
0
0
1
0
3
0
2
4
1
2
1
F41(1)
0
2
2
2
7 = U
A f U
0
3 columnas pivotales.
0
Quedan como pivotes 1,1,7
1.7.3
18
Obtenci
on de la forma can
onica por filas de una matriz
En primer lugar obtenemos una matriz equivalente por las escalonada. La segunda parte
del proceso consiste en hacer unos los elementos pivote y ceros los elementos de las
columnas pivotales situados por encima del elemento pivote.
a) Para hacer unos los elementos pivote se escalan las las no nulas, a n de que todos
los pivotes tomen el valor 1.
b) Para obtener los ceros por encima de los elementos pivote los pasos son los siguientes:
b.1) Considerando la u
ltima la no nula, que llamamos la r, como auxiliar, y con las
correspondientes operaciones elementales sobre las las, consigamos mediante reemplazamientos que la columna jr tenga ceros en las las 1,2,....r 1. Ninguna columna a la
izquierda de jr se vera afectada por estas operaciones, ya que los elementos de la la r a
la izquierda de la columna pivotal jr son todos nulos.
b.2) Continuamos hacia arriba, en la la r 1, donde a traves de operaciones elementales,
tomando la la r 1 como la auxiliar, haremos cero los elementos de esa columna pivotal
en las las 1,2 ,... r 2. Continuamos con estas transformaciones para que cada columna
pivotal ji tenga ceros en las i 1 primeras las, siempre disminuyendo i, hasta i = 2.
El orden de los pasos a y b puede intercambiarse en cualquier momento. Independientemente de las operaciones y del orden, la forma can
onica por filas de una matriz es
u
nica.
Con el proceso descrito en esta seccion podemos obtener a partir de una matriz Amn ,
una matriz equivalente por las Umn , denominada La Forma Can
onica por Filas de A
con:
r las con sus elementos no todos nulos, que son ademas las r primeras las de la matriz.
El primer elemento no nulo en cada la es el 1.
r columnas pivotales, no necesitariamente las r primeras, con todos los elementos nulos
salvo un 1.
0
0
0
0
0
0
2
1
0
2
0
6
4
1
3
1
4 .
0
2
0
0
0
0
2
0
0
0
0
6
2
0
0
0
0
0
F12(3)
0
0
0
4
0
3
F1(1/2)
1 0
F2(1/2)
0
0
0
0
1
0
0
0
0
0
1
0
0
0
1
0
0
0
0
0
2
0
3/2
F23(3/2)
1 0
F13(2)
0
0
0
0
A f Ured
0
0
1 = Ured
0
0
3
1
0
0
0
1
0
0
0
0
3
1
0
0
0
0
0
0
0
1.7.4
19
1
rg
0
]
1
1
= 2 , rg 0
3
0
2
2
0
1
1
0
1
4
2 = 2 , rg 0
0
0
1
1
0
1
2
0
2
3 = 3
9
1
A = 2
0
5
4
2
0
1
1 0
0
0
5
6
2
0
1
1 0
0
0
5
6
0
5
4
2
0
1
0
0
1
1/3
rgA = 3
1.8
20
Matrices elementales
1.8.1
Definici
on
Se dene matriz elemental como aquella matriz cuadrada de orden n, que se obtiene al
efectuar una operacion elemental sobre una lnea (la o columna) de la matriz identidad
de orden n.
Ejemplo 1.31
1
0
0
1
0
0
1
0
0
0
1
0
0
1
0
0
1 0 0
F23
0
0 0 1 = EF23
Se intercambia fila 2a con fila 3a
1
0 1 0
0 F
3 0 0
1(3)
0 0 1 0 = EF1(3)
Se multiplica la 1a fila por 3
1
0 0 1
0
1
0
0 F
1
31(2)
0 0
1
2
0
1
0
0
0 = EF31(2)
1
Se suma a la 3a la 1a por 2
Toda matriz elemental tiene inversa, y la inversa de una matriz elemental es elemental
(corresponde a la operacion elemental inversa).
Para el ejemplo anterior: EF23 EF23 = I, EF1(1/3) EF1(3) = I y EF31(2) EF31(2) = I
Comprobacion:
EF23 EF23
1
= 0
0
EF1(1/3) EF1(3)
0
0
1
0
1
1 0
0
0
0
0
1
1/3 0 0
3
= 0 1 0 0
0 0 1
0
EF31(2) EF31(2)
1 0
= 0 1
2 0
0
1 0
1 = 0 1
0
0 0
0
1
0 = 0
1
0
0
1
0
0
0
1
0
1 0 0
1 0
0 0 1 0 = 0 1
1
2 0 1
0 0
0
0
1
0
1
0
0
0
1
Para simplicar la notacion denotaremos como F , C las matrices elementales correspondientes a operaciones de la o de columna, respectivamente.
1.8.2
Operaci
on elemental c
omo producto por una matriz elemental
Ejemplo 1.32
F21(2)
1
= 2
0
1
F21(2) A = 2
0
2
A= 1
3
1
2
1
0
1
0
1
2
1
0
1
0
0
0
1
0
1
0
2
0
0 1
3
1
1
2
1
0
1
0
2
1
2 = 3
3
1
1
4
1
0
1
0
1
0
1
21
1 2 2
0 4
1
1
0
B=
0
0
0
0
0
1
0
0
1
0
0
1
0
0
Comprobaci
on:
1
0
0
0
0
0
0
1
0
0
1
0
0
1
1 0
.
0 1
0
2
2
4
0
1
2
1
1 2
=
1 1
2
0
2
1
0
4
2
2
1
1
1 0
Ejemplo 1.34 Dada A = 0 0
0 0
producto por una matriz elementa.
C23
1
= 0
0
0
0
1
1
0
0
0
1
10
0
0
0
0
0
0
1 , intercambiar las columnas 2 y 3 utilizando el
0
0
1
0
0
0
1
0
1
1 = 0
0
0
0
1
0
0
0
0
1.9
22
Forma can
onica de una matriz
Cada operacion elemental por las corresponde a una pre-multiplicacion por una matriz
elemental de las, que denotamos F . Aplicando sucesivamente un n
umero nito de estas
operaciones llegaremos a la forma canonica por las o forma reducida por las Ured .
A F1 , F2 , . . . , Fa / Fa . . . F2 F1 A = Ured , siendo U reducida por las.
Efectuando seguidamente un n
umero nito de operaciones elementales por columnas, postmultiplicando por matrices elementales C, obtenemos la denominada forma can
onica de
la matriz A, denotada como A
A F1 , F2 , . . . , Fa , C1 , C2 , . . . , Cb /
Ir
A =
Fa . . . F2 F1 A C1 C2 . . . Cb = A
r es el rango de la matriz A
0
0
0
1
0
0
1
0
0
2
0
0
0
1
0
0
2
0
2
1
1 0
0
0
C12
0
1
0
0
0
0
0
0
0
0
2
0
0
1
1 0
0
0
C51(2)
C61(1)
1 2
0 0
0 0
obtener
0
1
0
la
0 2
2 1 . Obten la sucesi
on de matrices
0 0
forma can
onica.
0
0
0
2
0
0
0
1
0
0
2
0
2
1
1 0
0
0
C24
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
2
0
0
0
0
0
0
2
0
2
1
0
C31(2)
C61(2)
Aplicaci
on para el c
alculo de la inversa de una matriz
Rango A = n Ured = In = A Fa . . . F2 F1 A = I
(Fa . . . F2 F1 )1 I = A A inversible Fa . . . F2 F1 = A1 Fa . . . F2 F1 I = A1
Concluimos que efectuando la misma secuencia de operaciones elementales y en el mismo
orden que llevan de A a I, la matriz I se transforma en A1 .
Este metodo de determinacion de la inversa de una matriz se conoce como metodo de
Gauss-Jordan. El esquema es el siguiente:
[A |
I ] . . .
[ I
A1 ]
23
1
Ejemplo 1.36 Determina la inversa de la matriz A = 2
2
Gauss-Jordan).
1
A = 2
2
2
0
3
1
0
0
2
1
4
0
0
2
1
0
1
2
0
1
2
0
1
2
8
1
2
6
1
0
0
0
1
0
1
2
2
0
0
1
0
1
0 0
1
0
0
0
1
2
4
1
0
1
1 0
0
0
0
1
1 0
4
0
2
1
0
1
0
2
2
1
4
1
2
1
1
2
2
1
2
0
1
2
3/4
0
0
1
0
0
1
0
0
1/8
1
2 por el metodo de
0
0
1
0
1
2
2
2
0
3
0
1
0
0
1
1/2
1
0
0
2
1
0
0
0
1
1 3/4
2 3/2
3/4
1/8
0 1/4
1/8
0
0
0
1
0
0
0
1
1/4 1
1/2
3/4
1/2
1
1 + 1 = 0
1/2
0
1/8 + 1/2
1/4
1/8
2
1
0
1/2
1
0
= 0
1/2
0
1.10
0
0
1
0
1
0
3/4
= 1/2
3/4
1/4
1/2
3/4
0
0
1
3/4
1/2
3/4
3/8
1/4
1/8
1/8
1/4
1/8
1/2
0
1/2
3/8
1/4
1/8
1/2
0
1/2
1/2
0
1/2
Matrices equivalentes
Se dice que dos matrices Amn y Bmn son equivalentes, si existen dos matrices inversibles Pn y Qm tales que A = P BQ. Notacion: A B.
De acuerdo con esta denicion A y A son equivalentes.
Si A y B son equivalentes por las, existen F1 , F2 , . . . Fa tales que A = Fa . . . F2 F1 B = P B.
Por tanto equivalencia por las implica equivalencia, siendo en este caso Q = I.
Si A y B son equivalentes por columnas, existen C1 , C2 , . . . Cb tales que A = BC1 C2 . . . Cb =
BQ. Por tanto equivalencia por columnas implica equivalencia, siendo en este caso P = I.
Si dos matrices son equivalentes ambas son regulares o ambas son singulares.
Si dos matrices son equivalentes tienen el mismo rango.
1.11
24
0
0
.
En = ..
0
1
0
0
..
.
1
0
...
...
..
.
...
...
0
1
0
0
0
1
0
0
0
0
0
n,
0
1
0
0
0
cuando
0 0
0 0
0
0
0 0
0 0
0 0
1 0
0 1
0 0
0 0
en
0
0
0
0
1
0
0
0
..
.
0
0
0 0
1 0
0 1
. . .
. . .
Jn () =
. . .
0 0 0
0 0 0
0 0 0
... 0
... 0
... 0
.
..
. ..
...
... 1
... 0
0
0
0
..
.
0
0
0
0
..
.
la
subdiagonal primera hay aleatoriamente
0
0
...
...
...
..
.
...
...
0 0 0
0 0 0
0 0 0
.. .. .. (unos en la subdiagonal)
. . .
1 0 0
0 1 0
Tenemos que Jn () = In + Jn .
Vemos que el rango de Jn es n 1
0 0 0 ... 0 0 0
0 0 0 ... 0 0 0
1 0 0 ... 0 0 0
.. .. ..
0 0 0 ... 1 0 0
n1
3
al obtener Jn , . . . , Jn , siguen bajando las las que tienen unos de forma que rango
Jnk = n k, llegando nalmente a Jnn = , con rango 0.
Tambien se demuestra facilmente que en la matriz (Jn )t los unos ocupan la supradiagonal,
y que en las sucesivas matrices (Jnk )t , aumentando k, suben las las que tienen unos.
25
n1
n2
Tn (1 , . . . , 2n1 ) =
..
.
n+1
n
n1
..
.
n+2
n+1
n
..
.
3
2
4
3
. . . 2n2
. . . 2n3
. . . 2n4
..
..
.
.
...
n
. . . n1
Tn (1 , . . . , 2n1 ) = n In +
n1
2n1
2n2
2n3
..
n+1
n
i=1
1
2
3
..
.
2
3
4
..
.
3
4
5
..
.
n
n+1
n+1
n+2
Hn (1 , . . . , 2n1 ) =
n1
...
...
...
..
.
n1
n
n+1
..
.
. . . 2n3
. . . 2n2
n
n+1
n+2
..
.
2n2
2n1
1.12
Determinante
1.12.1
Definici
on
26
an1
a12
a22
...
an2
. . . a1n
. . . a2n
. . . . . .
. . . ann
Este n
umero se calcula sumando todos los productos que se obtienen al multiplicar n
elementos de la matriz de todas las formas posibles, con la condicion de que en cada
producto exista un u
nico elemento de cada la y un u
nico elemento de cada columna;
cada uno de estos productos llevara su signo o el contrario seg
un la permutacion formada
por los subndices la de los n factores y la formada por los subndices columna de los n
factores, sean o no de la misma clase.
Cada sumando tiene esta forma:
a1 i a2 j . . . an1 l an k
siendo i, j . . . l, k una permutacion de 1, 2 . . . n. Por simplicidad hemos tomado para las
las el orden natural.
Como el n
umero de permutaciones (ordenaciones) de n elementos distintos 1, 2 . . . n 1, n
es n!, el n
umero de sumandos es n!
Dos permutaciones son de la misma clase (distinta clase) cuando para pasar de una otra se
necesite un n
umero par (impar) de intercambios (tambien llamados inversiones o trasposiciones).
Cuando el determinante es de una matriz de orden 2 se obtiene:
a11
a
21
a12
= a11 a22 a12 a21 =
a22
Filas
12
12
Columnas
12
21
Signo
Misma clase +
Distinta clase
a12
a22
a32
Filas
123
123
123
123
123
123
a13
a23 = a11 a22 a33 a11 a23 a32 a12 a21 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31
a33
Columnas
123
132
213
231
312
321
Signo
Misma clase
Distinta clase
Distinta clase
Misma clase
Misma clase
Distinta clase
+
+
Inversiones
0
1
1
2
2
1
27
!
H
!
@
!
J
@
T
H
; con signo H
H
con signo + !
@
a
T aJ
@
!
J
@
T a
a
@!
!
1.12.2
C
alculo de un determinante de orden n, por adjuntos
Sea la matriz An =
. . . . . . . . . . . . , se llama menor complementario de un
an1 an2 . . . ann
elemento aij y se denota mij al determinante de la matriz de orden n 1 que resulta de
suprimir en A la la i y la columna j.
Se denomina adjunto de un elemento aij y se denota Aij , al producto del menor complementario mij de aij por el signo que resulte de calcular (1)i+j :
Aij = (1)i+j mij
Se puede demostrar una propiedad interesante (la propiedad X en la lista que damos mas
adelante) que es la siguiente: el valor del determinante de una matriz A es igual a la suma
de los productos de los elementos de una lnea (la o columna) de A por sus respectivos
adjuntos. Es decir
elegida una la i
|A| =
aij Aij
j=1
o
elegida una columna j
|A| =
aij Aij
i=1
Ejemplo 1.38 Calcula el valor del siguiente determinante por adjuntos de la primera
columna.
1
1
1
0
2
1
1
2
0
4
3
0
2
1
1+1
1
= 1 A11 + 1 A21 + (1) A31 + 3 A41 = 1 (1)
1
1
2
0
4
3
1
1
2
28
0
0
0
2
0
2
0
+1 (1)2+1 1
4 1 + (1) (1)3+1 2
0
1 + 3 (1)4+1 2
1 3 2
1 3 2
1
2
0 2
0
1 0
2
0 0
2
0
0
= 1
4 1 1
4 1 2
0
1 32 0
1
1 3 2 1 3 2 1 3 2
1 4 1
2
0
4
0
1
1
= ...
1.12.3
1
2
3
1 1
0
1 = a 2 1
3 1
4
a
a
a
0
1
4
IV) Si los elementos de una lnea (la o columna) son nulos, el determinante es nulo.
(Consecuencia inmediata de la propiedad III).
V) Un determinante con dos lneas paralelas iguales es nulo. (Consecuencia inmediata de
II).
VI) Si la matriz A tiene dos lneas paralelas proporcionales el determinante de A es nulo.
Consecuencia de III y V, pues al sacar factor com
un quedaran dos lneas iguales.
a11
a
21
a
a11
= 11
a21
a21
a11
=0
a21
VII) Si los elementos de una lnea estan formados por una suma de r sumandos, el determinante se puede descomponer en suma de r determinantes que tienen las restantes lneas
iguales y en el lugar de aquella, otra formada por los primeros, segundos, terceros, etc,
sumandos.
a+b+c
d + e + f
g+h+i
2 + a
a
5
0 a
1 1 = d
0
4 g
0 b
1 + e
4 h
5
1
0
5
1
0
0 c
1 + f
4 i
5
1
0
0
1
4
1
1 2 1 a 1 2 1
=
+
=
+ a
6
0 6
a 6
0 6
1
1
6
VIII) Si a los elementos de una lnea se le suman los correspondientes a otra paralela
multiplicados por un n
umero, el determinante no vara.
a11 + a12
a21 + a22
a + a
31
32
a12
a22
a32
a13 a11
a23 = a21
a33 a31
a12
a22
a32
a12
a13
a23 + a22
a
a33
32
a12
a22
a32
a13
a23 = |A| + 0 = |A|
a33
IX) Si los elementos de una lnea son combinacion lineal1 de lneas paralelas, el determinante es nulo.
1
33
a12
a13
a23 = a22
a
a33
32
a12
a22
a32
a12
a22
a32
29
a13
a13
a23 + a23
a
a33
33
a12
a22
a32
a13
a23 = 0 + 0 = 0
a33
X) La suma de los elementos de una lnea multiplicados por sus respectivos adjuntos es
igual al valor del determinante.
XI) La suma de los elementos de una lnea multiplicados por los adjuntos de otra paralela
es nula.
XII) El determinante de las matrices triangulares y diagonales es el producto de los elementos de la diagonal principal. De esta propiedad se deduce de forma inmediata que el
determinante de la matriz identidad es 1.
XIII) Dadas An , Bn
1) |A B| = |A| |B|
2) |A| = n |A|
3) Si A es inversible su determinante es distinto de cero, y
|A1 | =
1
= |A|1
|A|
1
|A|
2
0
1
0
2
1
1
0
1
2
1
1
0
2
1
2
1
2
1
1
2
0
1
0
2
1
1
0
1
2
2
1
2
1
1
2
0
1 + (2)
0
2 + (2)
1
1
0 =
2
1
F31(1)
F51(1)
1
1
0 + (1)
1
2 + (1)
2
1
2 + (2)
1
1 + (2)
1
1
0
1
0 + (1) = 0
0
2
1 + (1) 0
2
0
1
0
0
1
1
1
1
1
2
1
0
1
1
1
1
1
2
0
30
0
1
1+1
|A| = 1(1)
0
1
1
1
1
1 0
1 1
=
2 0
0 0
1
0
1
1
1
1
1
1
1
0
1
1
1
1
2
0
1
3
|A| = (1)(1) 1
1
1
1
1
1
2 = 1(1 + 2 1 + 2) = 2
0
1.13
Determinante e inversa
1.13.1
C
alculo de la inversa de una matriz, por adjuntos
Dada una matriz cuadrada An , se llama matriz adjunta de A a la matriz que resulta de
sustituir cada elemento por su adjunto. A la matriz adjunta de A se la denota como adjA
adjA = {Aij }
Consideremos el producto de matrices A adj(At ),
a11
a21
A adj(At ) =
...
an1
a12
a22
...
an2
. . . a1n
A11
A12
. . . a2n
A21
A22
...
A2n
. . . An1
. . . An2
... ...
. . . Ann
0 |A| . . . 0
A adj(At ) =
. . . . . . . . . . . . = |A|I
0
0 . . . |A|
Si |A| = 0, podemos pasar |A| al primer miembro, dividiendo, y obtenemos:
A
adj(At )
=I
|A|
adj(At )
|A|
31
1
A = 1
0
3
0
2
1
At = 3
0
A1
1.13.2
1
0
2
0
2
2
0
2
2
4
1
= 10 2
2
6
2
2
4
adj(At ) = 2
2
6
2/5
2 = 1/5
3
1/5
6
2
2
6
2
3
3/5
1/5
1/5
|A| = 10
3/5
1/5
3/10
adjA
adjA
(adjAt )t
=
=
= (A1 )t
t
|A |
|A|
|A|
1.13.3
1.14
Relaci
on equivalencia, determinante, rango y existencia de inversa
Consideremos una matriz cuadrada A y analicemos como cambia su determinante al efectuar sobre ella operaciones elementales, es decir, veamos como se relaciona el determinante
de una matriz con el determinante de una matriz equivalente a ella.
la permutacion o intercambio de lneas cambia el signo del determinante
reemplazar una lnea por ella mas un m
ultiplo de otra no hace variar el determinante
el escalamiento de una lnea (recordemos que ha de ser con un factor no nulo) escala el
determinante por el mismo factor
Por tanto, si A B, |B| = |A| (1)s 1 . . . p
siendo s el n
umero de
intercambios de las y i = 0 los factores de los escalamientos realizados.
32
La conclusion inmediata es que A y B tienen ambas determinante nulo, o ambas determinante no nulo. Ya lo habamos mencionado anteriormente respecto al caracter inversible
o no inversible, que hemos visto que es una propiedad equivalente (inversible si y solo si
determinante no nulo).
Expresado de otra forma: Si A B, |A| = 0 |B| = 0
Supongamos que realizamos operaciones elementales hasta llegar a una forma escalonada
de A, que denotamos como U . Por ser U cuadrada y escalonada es triangular superior y
|U | es igual al producto de los terminos de la diagonal principal. Por tanto:
|U | = producto de las entradas de la diagonal de U = u11 u22 . . . unn
Si alg
un elemento u11 , u22 , . . . unn es nulo, entonces |U | = 0, y por tanto |A| = 0, y por
otra parte el n
umero de pivotes es menor que n, y por tanto rgA<n.
Si todos los elementos u11 , u22 , . . . unn son no nulos, entonces |U | = 0, |A| = 0 , y ademas
todos pivotes y por tanto rgA=n.
Conclusi
on: Mediante operaciones elementales sobre A llegaremos a su forma reducida
por las, es decir, A ... Ured , y se dara uno de los casos siguientes:
Ured = I
rgUred = rgA = n
Ured = I
1
A = 2
0
5
4
2
0
1
0
1
|A| = 2
0
5
4
2
0 1
1 = 0
0 0
1
B = 2
0
5
6
2
5
4
2
4
2
2
0 1
1 = 0
0 0
0
1 = 2
1/3
5
6
0
A es regular
5
4
2
4 1
2 = 0
2 0
5
6
2
4 1
6 = 0
2 0
5
6
0
4
6 = 0
0
B no es regular
1
A = 2
2
2
c
3
1
1
2 0
0
0
2
c4
1
1
1
0 0
0
2
2
1
c4
1
1
2 0
0
0
2
c
3
2
1
0
1
2 sea inversible,
0
1
2
2(c 4)
33
1
0
0
2
1
0
1
1
2 0
2(c 4)
0
1
Si c = 4 queda la matriz 0
0
elementales por filas en I3
2
1
0
2
1
0
1
=B
2
2(c 4)
1
2 que no puede transformarse mediante operaciones
0
Si c = 4
fila3 = fila3/[2(c-4)]
1
B 0
0
2
1
0
1
2
1
La matriz es triangular superior y todos los elementos de la diagonal principal son 1. Para
llegar a la matriz identidad haremos ceros los elementos del triangulo superior, sobre la
diagonal principal, yendo de derecha a izda.
fila2 = fila2 - 2 * fila3
fila1 = fila1 - fila3
1
0
0
2
1
0
0
0
1
1
0
0
0
1
0
0
0 = I
1
1.15
1.15.1
Definici
on
34
general
x1
x2
min
uscula latina y con una echa encima:
x = ..
.
xn
Los elementos x1 , x2 , . . . , xn se denominan primera, segunda, ...., enesima componente
de x. Tambien se admite la notacion x = (x1 , x2 , . . . , xn )
IR 2
[
x
IR = { 1
x2
2
/ x1 IR, x2 IR}.
x, x IR 2 , IR
[ ]
x
x = 1
con x1 , x2 IR
x2
[
Suma: x + x =
x
x = 1
x2
[
con x1 , x2 IR
]
x1
x
x + x1
+ 1 = 1
IR 2
x2
x2
x2 + x2
[
x
x1
Producto por un escalar: x = 1 =
IR 2
x2
x2
IR 2 tambien se puede expresar as : IR 2 = {(x1 , x2 ) / x1 IR, x2 IR}.
Suma: (x1 , x2 ) + (x1 , x2 ) = (x1 + x1 , x2 + x2 )
Multiplicacion por un escalar: (x1 , x2 ) = (x1 , x2 )
El elemento neutro, tambien llamado vector nulo de IR 2 , es el vector (0,0).
El opuesto de un vector dado x = (x1 , x2 ) es el vector x = (x1 , x2 ).
Descripcion geometrica de IR 2
Considerando el sistema de referencia cartesiano bidimensional con ejes perpendiculares
X e Y que se cortan en (0, 0), puesto que cada punto del plano esta determinado
[ ] por un
x1
par ordenado de n
umeros o coordenadas, podemos identificar el vector x =
con el
x2
punto geometrico P = (x1 , x2 ).
[
x
Analogamente se tiene la representacion del vector x = 1
x2
con origen en (0, 0) y extremo en (x1 , x2 ).
Esta relacion biunvoca entre vectores y puntos permite denir el plano XY como IR 2 .
La suma de dos vectores tiene una representacion geometrica interesante, vericandose el
resultado conocido como REGLA DEL PARALELOGRAMO: u +v corresponde al cuarto
vertice (opuesto a 0) del paralelogramo cuyos otros vertices vienen dados por u, v y 0.
La suma de vectores se puede interpretar como suma de desplazamientos: para sumar
v al vector u, se sit
ua el origen de v en el extremo de u, trasladandolo paralelamente, y el
vector suma tiene origen en 0 y extremo en el del vector v trasladado.
35
[ ]
6
1
y u + v =
4
3
2
2
Representan geometricamente, v =
3
. Representa graficamente los vectores u, 2u, y 23 u.
1
IR 3
Un vector de IR 3 es una matriz columna 31 con tres entradas reales. En el sistema
re de
x1
ferencia cartesiano tridimensional con ejes perpendiculares X, Y, Z, el vector x = x2 rex3
presenta geometricamente el punto P = (x1 , x2 , x3 ). Asimismo se utiliza la representacion
como un segmento orientado con origen en (0, 0, 0) y extremo en P = (x1 , x2 , x3 ).
La relacion biunvoca entre vectores y puntos permite denir el espacio tridimensional
XYZ como IR 3 .
3
Ejemplo 1.45 Sean v1 = 1 ,
4
36
2
v2 = 2 . Calcula 2v1 v2
3
6
2
4
2v1 v2 =
2
2 =
0
8
3
5
1.15.2
Combinaci
on lineal
Definici
on 1.1 Dado un conjunto de vectores {v1 , v2 , . . . , vp } de IR n , llamamos combinaci
on lineal de estos vectores a cualquier vector v IR n que se pueda escribir en la forma
v = c1v1 + c2v2 + . . . + cpvp , con c1 , c2 , . . . , cp IR.
A los escalares c1 , c2 , . . . cp se les llama pesos o coeficientes de la combinaci
on lineal. Los
pesos pueden ser cualquier real, incluyendo el cero.
Son por ejemplo combinaciones lineales de los vectores v1 y v2 los siguientes vectores:
u 1.8v1 + 1.2v2
w
3v1 + 0.5v2
1.15.3
1.16
37
Ejercicios
Matrices
Ejercicio 1.1 Obten AB siendo A y B las siguientes matrices en el cuerpo IR
2
A = 0
4
1
1
1
3
2
3
2
1
0
2
1
B=
4
0
0
2
1
3
Ejercicio 1.2 Obten AC y B2 +B, siendo A,B y C las siguientes matrices en el cuerpo IR
[
1
A=
0
2
1
0
2
5
B=
2
0
3
2
C = 1
0
0
4
3
2 1
, comprobar que se puede verificar
1 2
una relaci
on de la forma A2 + A + I = 0, con , IR
Ejercicio 1.3 Dada la matriz A en IR, A =
[
1
Ejercicio 1.4 Dada la matriz A =
3
B de orden 2 tales que AB=0
1
Ejercicio 1.5 Dada la matriz A =
2
con ella.
0
1
Masa
m1 = 2g
m2 = 5g
m3 = 2g
m4 = 1g
m1 x1 + . . . + mk xk
m1 + . . . + mk
Traspuestas, sim
etricas, antisim
etricas, descomposici
on sim + antisim
Ejercicio 1.7 Dadas las matrices en IR,
[
2
A=
1
1
0
2
2
B = 1
2
0
2
1
2
C=
2
1
3
2
Ejercicio 1.8 Sea la matriz A =
1
0
1
1
1
2
3
38
2
A=
1
1
2
a
B=
c
c
b
1
1
1
1
1 , y la
1
Determinantes
Ejercicio 1.13 Calcula el siguiente determinante, desarroll
andolo por adjuntos de la tercera fila.
2
5
1
1
1
1
2
0
4
3
3
3
2
0
1
2a
bca
2c
2a
= (a + b + c)3
2b
c a b
a
b
c
b + c
c + a = 0 , sin efectuar el desarrollo correspondiente.
a + b
1
2
1
..
.
1
1
1
3
..
.
1
...
...
...
..
.
...
1
1
1
1
1 , 1
.
..
..
.
1
n
1
..
.
1
1
..
.
...
...
...
..
.
...
0
1
1
1
1 , 1
..
..
.
.
1
1
0
1
..
.
1
1
1
0
..
.
1
...
...
...
..
.
...
1
1
1
..
.
0
5
0
10
7
1
a
7
0
1
2
0
4
2
1
3
2
6
3
1
5
1
1
2
2
1
1
4
1
3
1
1
1
2
4
3
1
1
0
0
1
3
2
1
A = 1
3
2
2
1
1
3
1
39
[
1
A=
i
i
2
1
2
A=
0
1
2
a
4
4
2
1
1
1
1
2
b
2
A= 1
1
2
1
0
2
1
1
B= 1
2
1
D= 2
3
1
a) 0
0
0
1
0
0
2k 1
2k
1
b) 0
0
2
4
5
1
3
2
1
3
5
2
4
9
C= 3
2
2
E= 1
4
2
1
3
0
1
1
1
1
1
0
1
3
0
0
1 1/2 , se
nala cual de las expresiones siguientes co0 1/2
la matriz (Ak )1 , k 1:
0
1
0
21k
2k
1
c) 0
0
0
1
0
0
1
2k
1 3
5 0
2
2
2
6
0 1
4
,
A=
B = 1
2
6 10 0 4
0
0
0
10 1
8
1
1
1
C=
1
2
1
2
0
1
2
0
4
6
2
3
1
3
1
1
3
4
1
2
Ejercicio 1.24 Dada las matrices A =
3
6
mina para cada una de ellas:
a) Una forma escalonada
b) La forma reducida por filas
c) El rango
d) El determinante
e) La inversa si existe
1
2
D=
1
4
2
4
2
8
3
3
1
7
2
1
1
4
3
1
11
2
1
1
1
1
0
1
0
1
1
3
3
3
2
8
1
0
0
1
5
1
2
8
2
2
y B = 2
3
2
5
4
6
4
6
6 , deter8
40
Ejercicio
1.25 Determina
el rango de la matriz A en funci
on del par
ametro a.
1 0 5 1
2 1
0 a
A=
4 3
10 7
3 2 7 0
Ejercicio 1.26 Determina el rango de las siguientes
que contienen:
1 1 s
1
2
0 s
1 s s
1
3
s 0
A=
B=
1 2 s
0
1
s 2
0 1 1 s
1 1 2
1 3
3
0
1 2 a
1 2
3
3
1 1 a
D=
1
C = 0 0 a
2 1 3
0 1
a
2
1 1 2
0 0 a
a
matrices, en funci
on del par
ametro
1
3
s
s
3
a
0
1
0
Ejercicio 1.27 Sea A = 0
1
4 ,
0
k2
1
funci
on de y k, los valores de tales que |A| = 0
Ejercicio 1.28 Hallar todas las matrices A de tamanio 2 2 tales que At = A y (At )2 =
A2 .
1.17
1
41
Soluciones
17
1
AB = 9 7
19 1
[
4
AC =
1
8
10
B2
30 0
+B =
18 12
3
Se verica la ecuacion para = 4 y = 3
4 [
1
3
][
a b
a + 2c
b + 2d
0 0
=
=
c d
3a + c 3b + d
0 0
Obtenemos un sistema con 4 ecuaciones y 4 incognitas cuya solucion depende del parametro
.
Si = 6 la solucion es cualquier matriz B de la forma:
[
B=
2c 2d
con c, d IR
c
d
Si = 6 la u
nica solucion es la trivial:
[
B=
0 0
0 0
5
Planteamos
[
][
] [
][
]
1 0 a b
a b
1 0
=
2 1
c d
c d 2 1
y obtenemos cuatro ecuaciones con las incognitas a, b, c, d. La solucion del
es
[ sistema
]
a 0
a = d, b = 0. Por tanto las matrices permutables con A son de la forma:
con
c a
a, c IR
6
(1.3, 0.9, 0)
AB =
1 0
5 2
AC no se puede
(AB)t =
1 5
0
2
3
(CA)t = 2
6
CA =
1
2
10
3
1
2
2
6
10
4 5
5 4
42
1 1/2
S=
1/2
3
A=S+H
0
3/2
H=
3/2 0
10
a = b y c cualquier valor, por tanto la matriz B debe tener la forma:
[
B=
a c
c a
con a, c IR
11
(P.P )t = P t .P t = P. P = P.P , por tanto P 2 es simetrica.
12
An = 3n1 A
13
1
1 1
2
0
4
3
2
3
2 + 1 5
0
1
0
4
3
2 1
3
3
2 + 3 5
1 2 = 5
1
0 2
1
14
Sumando a la la 1 las las 2 y 3 obtenemos:
a + b + c
|A| =
2b
2c
1
a + b + c a + b + c
1
bca
2b
= (a + b + c) 2b b c a
2c
2c
c a b
2c
1
2b
c a b
1
A = 1
1
a b + c
b c + a = 0, sumando a la columna 3 la columna 2, y sacando el factor
c a + b
(a + b + c) fuera, tendremos dos columnas iguales (1,1,1), y por tanto el determinante es
0.
1
2
1
..
.
1
1
1
3
..
.
1
...
...
...
..
.
...
1
1
1 =
..
.
n
1
1
0
..
.
0
1
1
1
.
..
1
1
0
2
..
.
0
...
...
...
..
.
...
1
..
.
1
1
..
.
1
0
0 = n!
..
.
n 1
1
1
1 =
..
.
...
...
...
..
.
1 . . .
1
1
1
0 +1
2
0
0
+1
..
..
..
.
.
.
0
0
0
0
1
1
..
.
1
1
0
1
..
.
1
1
1
0
..
.
1
...
...
...
..
.
...
...
...
...
..
.
...
= ( + 1)n1
+ 1
1
2
2
..
.
1
1
1
..
.
0
1
1
1 0
0 1
..
..
.
.
0
0
...
...
...
..
.
...
1
0
0
..
.
0
1
0
..
.
0
0 ...
0 ...
1 . . .
..
..
.
.
0 ...
= (n 1)(1)n1
1
0
0
0
..
.
43
3 1
4 2
2 0
2 4
1 0
2 1
4 3
3 2
18
1
At = 2
1
1
2
3
1
adjAt = 10
7
1
= 1/14 10
7
19
|A| = 2
20
i2
=3
1
2
|A| =
0
3
1
1
A1
|A| = 14
1
6
1
3
= 116
2
1
5
2
1
a
= 108 36a
7
0
2
1
3
2
5
0
10
7
adjAt
2
=
i
1
4
7
44
2
1
1
4
1 3
3 1
= 63
1 1
1 0
4
2
0
1 4
4
2
7
0
i
1
A1
2/3
=
i/3
i/3
1/3
2
2 1
a 1 2
4
1 b
1 4
1 2
Las operaciones de sumar a una lnea un m
ultiplo de otra no modican el determinante
f2=f2-2*f1
f4=f4+f1
1 2
2 1 1
2
2 1
a 4 5 0
2 a 1 2 0 a 4 5 0
=
= 1
|A| =
4
1 b
1 b 0
4
1 b
0 4
6
3 3
1 4
1 2
0
6
3 3
La operaci
on c2=c2-c3 (columna2
= columna2
- columna3) no modica el determinante
a 4 5 0 a 4
5
0
|A| = 4
1 b = 4
1 b b = (a 4)(1 b)3 30b + 60
6
3 3 6
0
3
|A| = (a ab 4 + 4b)3 30b + 60 = 3(a ab 4 + 4b 10b + 20) = 3(a ab 6b + 16)
A es no inversible a ab 6b + 16 = 0
a ab 6b + 16 = 16 + a (a + 6)b = 10 + (6 + a) (6 + a)b = 10 + (6 + a)(1 b) =
10 + (6 + a)(1 b) = 0
A no inversible si y solo si (6 + a)(b 1) = 10
no inversible
(6 + a)(b 1) = 10
a = 6 y b = 1 y b = 10/(6 + a) + 1
inversible
(6 + a)(b 1) = 10
a = 6 o b = 1 o b = 10/(6 + a) + 1
45
(a 6) b = 16 a
(a + 6) b = a + 16
Ahora hay que distinguir dos casos. Si a = 6 entonces la ecuacion anterior queda: 0 = 10,
absurda, por tanto la hipotesis A no inversible no se cumple, y por tanto A tiene inversa.
Si a = 6, entonces podemos despejar b en la ecuacion, obteniendo:
16 + a
10 + 6 + a
10
=
=
+1
6+a
6+a
6+a
Para los valores de b anteriores, la matriz A no es inversible. Observamos que la funcion
tiene la asntota b = 1.
b=
5
4
3
2
1
0
1
2
3
4
5
100
21
A1
50
50
100
1
2
0
= 0
1 1
1 2
1
C 1
1/6
1/6
= 11/12 7/12
5/12 1/12
B 1
1/6
5/12
1/12
D1
7/4
1/4 1/2
= 1/4 5/4 1/2
1/4 3/4 1/2
7
1
2
= 5 1 1
2
1
0
2
1
0 |
1 1 1 |
4
1
3 |
1
0
0
0
1
0
0
0
1
En primer lugar haremos cero los elementos a21 y a31 mediante las operaciones elementales
F21(1/2) y F31(2) . La la 1 es la la auxiliar. La forma de proceder es la siguiente.
f ila2 = f ila2 + (1) (1/2) f ila1
f ila3 = f ila3 + (4) (1/2) f ila1
Lo que llamamos ahora f ila engloba toda la matriz [ A | I ]. Notese como las operaciones realizadas afectan a todos los elementos de la la, no solo a los que queramos hacer
cero.
2
1
0
F21(1/2)
0 3/2 1
F31(2)
0
1
3
|
1
| 1/2
| 2
0
1
0
0
0
1
Ahora para hacer cero el elemento a32 la la auxiliar es la segunda y la operacion elemental
es: f 3 = f 3 + (1) (2/3) f 2 o lo que es lo mismo F32(2/3)
2
1
0
F32(2/3)
0 3/2 1
0
0
11/3
46
|
1
0
| 1/2
1
| 5/3 2/3
0
0
1
La matriz ya es triangular. Ahora hay que convertir en 1 los elementos de la diagonal, con
las siguientes operaciones: f 1 = f 1 1/2, f 2 = f 2 2/3 y f 3 = f 3 3/11
|
1/2
|
1/3
| 5/11
1 1/2
0
F1(1/2)
0
1 2/3
F2(2/3)
0
0
1
F3(3/11)
0
2/3
2/11
0
0
3/11
Tenemos que hacer ceros los elementos del triangulo superior, y en vez de ir de izquierda
a derecha, vamos de derecha a izquierda.
F23(2/3) 1 1/2
0
1
0
0
F12(1/2) 1
0
0
|
1/2
| 7/11
| 5/11
0
0
1
0
1
0
|
2/11
|
7/11
| 5/11
0
0
1
E 1
0
2/11
3/11
3/11
6/11
2/11
2/11
3/11
= 7/11 6/11
5/11 2/11
0
6/11
2/11
1/11
2/11
3/11
1/11
2
3
2/11 = 1/11 7 6
3/11
5 2
1
2
3
22
Obtenemos la inversa por Gauss-Jordan:
1 0
0 1
0 0
0
1 0 0
1 0
1/2 0 1 0 0 1
1/2 0 0 1
0 0
0
0
1
A1
1 0
= 0 1
0 0
1
0
0
0
1
0
0
1
2
0
1
2
Las tres opciones son compatibles con A1 . Veamos que sucede para k = 2.
(A.A)1 = A1 .A1
1 0
= 0 1
0 0
0
1
1.0
2
0
0
1
0
0
1
1 = 0
2
0
0
1
0
0
3
4
Las u
nica opcion compatible con (A2 )1 es la (a).
23
1
2
A=
2
0
1
1
C=
1
2
3
5 0
6
0 1
6 10 0
0
10 1
1
2
0
1
2
0
4
6
2
3
1
3
2
4
4
8
rango 2,
1
1
rango 2
3
4
3
3
2 1
B = 1 11
0
2
1
1
1
2
D=
1
4
2
1
1
4
3
3
2
8
1
0
0
1
1
0
1
1
1 2
0 1
1
3
rango 4
5
1
rango 3
2
8
47
24
1
2
A=
3
6
2
4
2
8
1
2
0 4
0
0
0
0
3
3
1
7
3
5
1
0
0
0
2
0
4
4
3
3
8
11
3
5
1
0
0
0
2
4
0
0
3
8
3
3
0
3
2
2
3
8
3
0
0
3
2
0
1
2
0 4
0
0
0
0
1
0
0
0
2
1
0
0
3
8
3
0
2
0
0
0
1
0
7/12
2/3
0
1
0
0
0
2
1
0
0
1
0
0
0
3
2
1
0
3/4
2/3
0
1
0
0
0
0 2 7/6
0
7/12
=
1 2/3
0
0
0
1
0
0
2
1
0
0
1
0
0
0
0
0
1
0
2
4/3 3/4
=
2/3
0
0
1
0
0
0
0
1
0
5/6
7/12
2/3
0
La u
ltima matriz calculada es la forma reducida por las de A
B=
2
2
4
6
4
6
2
6
0
8
0
4
2
0
6
0 = Be
2
2
2
2
4
6
4
6
6
8
| 1
| 0
| 0
4
2
0
0
0
2
| 4
|1
|1
0
1
0
0
0
1
|
3
| 1/2
| 1/2
2
0
0
0
0
1
0
1
0
0
1
0
4
2
0
2
3
0
0
0
1
6
0
2
0
2
0
1 3/2
1/2
0
0
1/2
| 1
|1
|1
0
0
1
0 | 6 2 3
0 |1
1
0
2 |1
0
1
B 1
0
1
0
= 1/2
1/2
1 3/2
1/2
0
0
1/2