Matrices y Determinantes

Captulo 1
Matrices y determinantes
1.1
Definici
on de matriz y algunos tipos de matrices
Una matriz es una ordenacion rectangular de elementos dispuestos en las y columnas

encerrados entre corchetes, por ejemplo
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.
a11 a12 . . . a1n

a21 a22 . . . a2n
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,
A = [a11 a12 . . . a1n ]
2) Matriz columna es una matriz de orden m 1,
B=
b11
b21
..
.
bm1
A una matriz columna se le denomina tambien vector.
CAPITULO 1. MATRICES Y DETERMINANTES
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.
6) Se dice que Amn es escalonada si verica:

a) Si tiene las cuyos elementos son todos ceros, aparecen en la parte inferior de la matriz.
b) El primer elemento distinto de cero de una la, empezando por la izquierda, se llama
elemento pivote o cabecera, y su columna, columna pivotal. Dadas dos las sucesivas, el
elemento pivote de la 2a la esta mas a la derecha que el elemento pivote de la 1a la.
Ejemplo 1.1 Matrices escalonadas.
[
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
Se indican en negrita los elementos pivote.

A continuaci
on damos dos ejemplos de matrices que no son escalonadas.
4
0
0
1
2
3
3
1
0
4
0
0
1
0
1
3
3
0
Toda matriz cuadrada en forma escalonada es triangular superior
7) Se dice que Amn es can

onica por filas o reducida por filas si es escalonada, con
pivotes unidad, y tal que en las columnas pivotales todos los elementos salvo el pivote son
nulos.
Ejemplo 1.2 Matrices can
onicas por filas.
[
]
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
8) La division de matrices por bloques o submatrices permite simplicar los calculos
1.2
Operaciones con matrices y propiedades de las operaciones
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
Ejemplo 1.3 Calcular A + B A = 1

0 y B = 2 1
2
1
1 1
El resultado es una matriz del mismo orden, en nuestro caso 3 2.

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
Propiedades de la suma de matrices
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
Producto de una matriz por un escalar del mismo cuerpo
Dada A = {aij } denida en el cuerpo IK y IK, se dene

A = C aij = cij i = 1, . . . , m , j = 1, . . . , n
, aij y cij IK.
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
Propiedades del producto de una matriz por un escalar del mismo

cuerpo
Se cumplen las siguientes propiedades para las matrices en el cuerpo IR y en el cuerpo C,

separadamente.
1) Cerrada: A M en IK y IK, A M en IK
2) Distributiva respecto a la suma de matrices: (A+B) = A+B A, B M, IK
3) Distributiva respecto a la suma de escalares:
( + )A = A + A A M, , IK
4) Pseudoasociativa (asociativa entre el producto externo y el producto interno en IK):
(A) = ()A = (A) A M, , IK
5) Ley de identidad o de unidad del producto externo: 1 A = A
1 es el elemento neutro
del producto en el cuerpo IK
En IR es el escalar 1, ejemplo 1. 25 = 25
En C es el escalar 1 + 0i, ejemplo (1 + 0i).(2 6i) = (2 6i)
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
El algoritmo puede entenderse facilmente observando el siguiente esquema:
la i
mn
columna j
np
Ejemplo 1.9 Multiplicar
las siguientes matrices:

[
[
]
1 0
2 1 + 3 1 + 1 2
2
3
1
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
Ejemplo 1.10 Multiplicar entre s por pares las matrices A = [ 1

[
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
AC, CA, CB, BC no son operaciones posibles
1.2.7
Propiedades del producto de matrices
Siempre que los productos sean posibles, se verican las siguientes propiedades:
1) Asociativa: A, B, C M
A (B C) = (A B) C
2) Distributiva respecto a la suma de matrices:

A, B, C M A (B + C) = (A B) + (A C)
(A + B) C = A C + B C
3) A, B M y K (A B) = (A) B = A (B)
externo y el producto interno en M )
(asociativa entre el producto
1.2.8
Estructura algebraica de las matrices Mmn en IK
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
5) El producto de matrices no es conmutativo, es decir, en general A B = B A

Una condicion necesaria, aunque no suciente, para que se cumpla A.B = B.A es que A
y B sean matrices cuadradas del mismo orden.
Amn Bnp = Cmp
Bnp Amn = Cnn

Tenemos por una parte que el producto es de orden m p, y por otra que p = m (para
poder multiplicar B por A) y que el producto es de orden n n. Para que C y C sean
del mismo orden se requiere m = p = n. Por tanto A y B han de ser matrices cuadradas
de orden n.
Se dice que dos matrices cuadradas de orden n conmutan o que son conmutativas o que
son permutables si se cumple la igualdad A B = B A. Tambien se utiliza la denominacion
conmutante o permutante.
En algunos casos se verica que A B = B A, entonces se dice que las matrices cuadradas
de orden A y B son anticonmutativas o antipermutables. Tambien se utiliza la denominacion anticonmutante o antipermutante
Ejemplo 1.13 Ejemplo de dos matrices cuadradas del mismo orden que no son permutables ni antipermutables.
[
]
[
]
1 2
4 1
A=
B=
3 1
5 0
[
][
] [
]
1 2 4 1
14 1
AB=
=
3 1 5 0
17 3
[
][
] [
]
4 1 1 2
7 9
B A=
=
5 0 3 1
5 10
6) El producto de matrices tiene divisores de cero: A B = 0 no implica necesariamente
que A = 0 o B = 0

[
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
7) El producto de matrices no verica la propiedad de simplicacion:

Si A B = A C no necesariamente B = C
Ejemplo 1.15 A B = A C, sin embargo B = C
[
][
] [
][
] [
1 1 3 2
1 1
3
2
0
=
=
1 1
3
2
1 1 3 2
0
[
sin embargo,
3
3
2
3
=
2
3
2
2
0
0
8) El producto de dos matrices triangulares superiores es una matriz triangular superior.

9) El producto de dos matrices triangulares inferiores es una matriz triangular inferior.
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
En el primer caso cada columna queda multiplicada por el elemento de la diagonal.

En el segundo caso cada fila queda multiplicada por el elemento de la diagonal.
AD
cij =
k=1
aik dkj = aij djj
DA
cij =
k=1
dik akj = dii aij
1.3
Inversa de una matriz
Dada una matriz A Mn decimos que F es la inversa de A si: A F = F A = I.

La inversa de A se denota como A1 , es decir F = A1 , y se tiene entonces A A1 =
A1 A = I
A1 Mn
No todas las matrices cuadradas tienen inversa. Una matriz A que posee inversa se denomina matriz regular o matriz inversible. De una matriz que no tiene inversa se dice
que es no inversible o singular.
Propiedades
Dadas A y B inversibles y IK, = 0 se cumple:
1) A1 es u
nica
1
1
2) (A ) = A
3) A B es inversible, y (A B)1 = B 1 A1
4) ( A)1 = 1 A1
Dem.
1) Sea A1 la inversa de A, y B otra matriz tal que A B = I. Premultiplicando la u
ltima
expresion por A1 obtenemos:
A1 A B = A1 I B = A1
concluimos que B es la misma matriz que A1 .
2) AA1 = I
(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
Transformaciones de una matriz
1.4.1
Traspuesta de una matriz
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
Una matriz An es antisimetrica o hemisimetrica si y solo si A = At .

En efecto An es antisimetrica o hemisimetrica si y solo si aij = aji , y como aji =
atij , tenemos que aij = atij y por tanto A = At
0
Ejemplo 1.22 A = 2
3
2
0
2
3
2 es una matriz antisimetrica
0
Dada una matriz cuadrada An , A + At es una matriz simetrica.

Veamos la demostracion:
Denimos C = A + At
cij = aij + atij = atji + aji = aji + atji = cji
(La tercera igualdad se cumple por la propiedad conmutativa de la suma de los
elementos del cuerpo IK).
11
Dada una matriz cuadrada An , A At es una matriz antisimetrica.

Denimos C = A At
cij = aij atij = atji aji = aji + atji = (aji atji ) = cji
(La tercera igualdad se cumple por la propiedad conmutativa de la suma de los
elementos del cuerpo IK).
Toda matriz cuadrada An se puede expresar de forma u
nica como suma de una
matriz simetrica S y otra antisimetrica H: A = S + H
A=S+H
[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]
Sumando [1] y [2] obtenemos A + At = 2S S = 21 (A + At )

Restando [1] y [2] obtenemos A At = 2H H = 21 (A At )
Hemos demostrado como obtener S y H a partir de A
[
Ejemplo 1.23 Descomponer A =

antisimetrica.
([
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
como suma de una matriz simetrica y otra

])
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
Conjugada de una matriz
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
Potencia de una matriz
Dada una matriz An y k un entero positivo, entonces Ak denota el producto de A por s

misma k veces.
k
Ak
veces
}|
= AA . . . A
Matriz periodica o idempotente de perodo k es aquella que verica que Ak = A, siendo

k 2.
Cuando el perodo es k = 2 se tiene A2 = A, y resulta inmediato demostrar que entonces
Ak = A para todo n. Se dice que A es idempotente.
A3 = A2 A = AA = A, etc.
Matriz nihilpotente de ndice k es aquella matriz A que verica Ak = 0, siendo k el menor
entero positivo para el que se cumple la igualdad.
Si k = 2 se dice directamente que A es nihilpotente
Matriz involutiva es la matriz A que verica A2 = I,
Si A es involutiva AA = I, es decir, A1 = A
Ak := (A1 )k
A0 := I
1.6
1.6.1
13
Operaciones elementales y equivalencia por filas o por

columnas
Operaciones elementales
Sea la matriz Amn , efectuamos una operaci

on elemental sobre una lnea (la o columna)
de A cuando realizamos una de estas tres operaciones:
a) Intercambiar entre s las lneas i y j (intercambiar dos las entre s o dos columnas
entre s ). Tambien se denomina trasposicion o permutacion.
b) Multiplicar la lnea i (la o columna) por un escalar k = 0. Tambien se denomina
escalamiento, o lnea-homotecia.
c) Sumar a la lnea i la j (paralela a ella) multiplicada por un escalar cualquiera. Tambien
se denomina reemplazamiento o manipulacion.
A lo largo del curso se realizara un amplio uso de las operaciones elementales por las,
para resolver sistemas de ecuaciones, calcular rangos, determinantes, etc. Se realizara un
uso menos amplio de las operaciones elementales por columnas, aunque s se utilizaran
por ejemplo para el calculo de determinantes.
Notacion:
F13
F1(7)
F13(4)
se intercambian las las 1 y 3

la la 1 se multiplica por 7
a la la 1 se le suma la 3 multiplicada por 4
[
Ejemplo: A =
1
1
2
4
1
0
2
2
La operacion elemental realizada ha sido F21(1)

Se llama inversa de una operaci
on elemental a una operacion que cancela el efecto
de la primera; es decir, si despues de realizar una operacion elemental sobre A se aplica la
operacion inversa, se obtiene de nuevo la matriz original A.
La inversa de F13 es F13
La inversa de F1(7) es F1(1/7)
La inversa de F13(4) es F13(4)
[
En el ejemplo anterior
1
0
2
2
1
1
2
=A
4
Mediante la operacion elemental F21(1)

Si antes reste la primera la, deshago el cambio sumando la primera la.
La notacion para las operaciones elementales sobre las columnas es igual, sustituyendo la
letra F por la C.
1.6.2
14
Matrices equivalentes por filas (columnas)
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
Forma escalonada, forma can

onica por filas y rango
1.7.1
Forma escalonada y forma can

onica por filas
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
Ejemplo 1.25 Obten la forma escalonada de la matriz A = 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
3 columnas pivotales. Pivotes 2,2,1
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
Ejemplo 1.26 Obten la forma escalonada de la matriz A = 0
0
0
eliminaci
on gaussiana.
0
0
2
1
0
2
0
6
4
1
3
1
4 mediante
0
2
En este caso se permite cualquier operaci

on elemental por filas, y en cualquier orden.
Tenemos infinitas posibilidades y presentamos una de ellas.
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
Ejemplo 1.27 Obten la forma can

onica por filas de la matriz A = 0
0
0
0
0
2
1
0
2
0
6
4
1
3
1
4 .
0
2
Partimos por ejemplo de la forma escalonada obtenida por Eliminaci

on gaussiana simple:
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
Rango de una matriz
Se denomina rango de una matriz al n

umero de columnas pivotales o n
umero de las no
nulas en cualquier forma escalonada de la matriz.
El rango de una matriz es u
nico: Todas las formas escalonadas de una matriz tienen el
mismo n
umero de columnas pivotales, incluida la forma canonica por las, que es un caso
de forma escalonada. Expresado de una forma mas general: Todas las matrices equivalentes
por las entre s tienen el mismo rango.
Dada una matriz Amn el rango ha de ser menor o igual que m y menor o igual que n.
Ejemplo 1.28
[
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
Ejemplo 1.29 In tiene rango n, pues la matriz In ya est

a en la forma can
onica por
filas, y tiene n columnas pivotales.
Ejemplo 1.30 Determina el rango de la matriz A = 2

0
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
UN RESULTADO MUY IMPORTANTE QUE NO VAMOS A DEMOSTRAR ES EL

SIGUIENTE:
rgA = rgAt
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
Sea la matriz elemental Fm correspondiente a determinada operacion elemental sobre

las, y una matriz Amn ; entonces el producto Fm Amn es igual a la matriz que resulta
de efectuar la misma operacion elemental sobre las las de Amn .
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
es la matriz elemental que resulta de sumarle

a la fila 2a de I3 , la 1a multiplicada por (2).
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
es igual resultado que si le sumamos a la 2a fila de A la 1a multiplicada por (2). Es

decir, es lo mismo que efectuar F21(2) sobre A.
1 2 2
0 4
1
Ejemplo 1.33 A partir de la matriz A =

1 0 1 queremos obtener la matric C
2 1 2
que tiene intercambiadas las filas 2 y 4. Determina la matriz elemental B tal que B.A = C
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
Sea la matriz elemental Cn correspondiente a determinada operacion elemental sobre

columnas, y una matriz Amn , entonces el producto Amn Cn es igual a la matriz que
resulta de efectuar la misma operacion elemental sobre las columnas de Amn .
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
Multiplicando la expresion encuadrada por la izda por (Fa . . . F2 F1 )1 (el producto de

inversibles es inversible), y por la derecha por (C1 C2 . . . Cb )1 , obtenemos:
A = (Fa . . . F2 F1 )1 A (C1 C2 . . . Cb )1 = A C 1 ,
con 1 = Fa . . . F2 F1 y C = C1 C2 . . . Cb
Tambien podemos escribir: 1 A C = A
Ejemplo 1.35 Dada la matriz A = 0

0
elementales C que se ha de aplicar para
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
operaciones elementales por las
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
fila2 = fila2 - 2 * fila1

Se intercambian las filas 2 y 3
fila 2 = fila 2 * (-1)
fila3 = fila3 + 4* fila2
En este momento tenemos ya una matriz triangular superior y con los elementos de la
diagonal principal 1. Ahora debemos hacer ceros los elementos por encima de la diagonal
principal para conseguir la matriz identidad.
fila2 = fila2 - 2*fila3
fila1 = fila1 - fila 3
1
0
0
2
1
0
0
0
1
1 3/4
2 3/2
3/4
1/8
0 1/4
1/8
fila1 = fila1 - 2*fila2
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
Resultado: La matriz inversa de A es A1
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
Matrices de intercambio, de Jordan, de T

oeplitz y de
Hankel
Matriz de intercambio En , es igual a la matriz In , pero cambiando el orden de las

columnas, como se indica a continuacion:
0
0
.
En = ..
0
1
0
0
..
.
1
0
...
...
..
.
...
...
0
1
0
0
0
1
0
0
0
Podramos decir tambien que es la reexion, respecto de la horizontal, de la matriz identidad.
Matriz de Jordan completa de orden n:
Matriz de Jordan de orden
unos o ceros, por ejemplo:

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
Deniendo Jn como: Jn Jn (0) = .. ..

. .
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
Se demuestra facilmente que Jn2 es:

, con rango n 2, y que
0 1 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
La matriz de Toeplitz de orden n, de parametros 1 . . . 2n1 , tiene la siguiente forma

y expresion general, como combinacion lineal de otras mas simples:
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
ni Jni + n+i (Jni )t
i=1
La matriz de Hankel de orden n, de parametros 1 . . . 2n1 , tiene la siguiente forma:
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
Esta matriz es la reexion respecto de la horizontal de la matriz de Toeplitz. Se puede

comprobar facilmente que En Tn = Hn , con los mismos parametros i .
1.12
Determinante
1.12.1
Definici
on
26
A toda matriz cuadrada An le asociamos un n

umero denominado determinante de A,
detA o |A| simbolizado as :

a11

a21

...

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
Para un determinante de orden 3 resulta:

a11

a21

a
31
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
La regla de Sarrus simplica la obtencion del determinante de orden 3.
27

!
H
!
@
!

J
@
T
H
; con signo H
H
con signo + !
@
a
T aJ
@

!
J

@
T a
a
@!
!
Para un determinante de orden 4, tendramos 4 3 2 1 = 24 sumandos, cada uno

formado por el producto de 4 elementos. Sin embargo, veremos como las propiedades de
los determinantes permiten reducir el n
umero de operaciones.
Ejemplo 1.37 Calcular los siguientes determinantes:

2 1
3

0
1
2 = 6 + 0 2 3 8 0 = 7

1
2
3

2 + i 4 i
= (2 + i)5i 6(4 i) = 10i 5 24 + 6i = 16i 29

6
5i
1.12.2
C
alculo de un determinante de orden n, por adjuntos
El desarrollo de determinantes de orden superior a 3 se complica enormemente. Vamos

a describir un metodo en el que el calculo del determinante de una matriz de orden n se
reduce basicamente al calculo de otros determinantes de orden inferior.
a11 a12 . . . a1n

a21 a22 . . . a2n
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
Propiedades de los determinantes
I) El valor de un determinante no vara cuando cambiamos ordenadamente sus las por

sus columnas. |A|=|At |.
II) Si se intercambian entre s dos lneas paralelas el determinante cambia de signo.
III) Si todos los elementos de una lnea tienen un factor com
un, el determinante puede
obtenerse como el producto de ese factor com
un por el determinante que resulta de eliminar
ese factor com
un en la correspondiente lnea (dividiendo los elementos de esa lnea por el
factor com
un).
por ejemplo

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
Considerando los elementos de una lnea como un vector

a12 + a13

a22 + a23

a + a
32
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|
Generalizacion del apartado 1) (C cuadrada de orden n)

|A B C| = |(A B) C| = |(A B)| |C| = |A| |B| |C|
y lo mismo para mas de tres factores
Demostracion del apartado 3)
AA1 = I y obteniendo los determinantes: |AA1 | = |I| = 1
por el apartado 1) |AA1 | = |A||A1 |
por tanto |A||A1 | = 1 y ello implica:
|A| = 0 y |A1 | = 0 y |A1 | =
1
|A|
Aplicando las propiedades anteriormente expuestas podemos simplicar enormemente el

calculo de determinantes.
Ejemplo 1.39 Calcula el valor del siguiente determinante.

1

0

|A| = 1

0

1
2
0
1
0
2
1
1
0
1
2
1
1

0

2
1
2
1
2
1
1
Desarrollaremos por ejemplo por adjuntos de la 1a columna. En primer lugar realizaremos

las operaciones (VIII) necesarias para hacer ceros todos los elementos de esta columna
excepto el primero. Llamaremos a la fila 1 la fila auxiliar, porque es la fila que utilizamos
para transformar los elementos de las filas 3 y 5.

1

0

|A| = 1

0

1

1

0

1 + (1)

0

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
Desarrollando el determinante por adjuntos de la 1a columna:

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
Y desarrollando el determinante de orden 4 por adjuntos de la 1a columna.

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
... ... ...

. . . ann
A1n
A21
A22
...
A2n
. . . An1
. . . An2
... ...
. . . Ann
(se prueba facilmente que adj(At ) = (adjA)t )

Recordando que el producto de los elementos de una lnea de A por sus adjuntos respectivos
es el determinante de A, y que el producto de los elementos de una lnea por los adjuntos
de otra paralela
es nulo, tenemos:
|A| 0 . . . 0
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|
Partiendo del producto de matrices adj(At ) A, y con el mismo desarrollo, obtendramos:

adj(At )
A=I
|A|
A1 =
adj(At )
|A|
31
Ejemplo 1.40 Calcular la inversa de la matriz A por adjuntos.
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
Algunos teoremas sobre matrices inversibles
Teorema 1.1 Una matriz An tiene inversa (es regular) |A| = 0

Demostraci
on:
Si A tiene inversa AA1 = I
tomando determinantes: |A||A1 | = 1, por tanto |A| = 0 (ver Propiedad XIII)
Si |A| = 0 esta garantizado que existe A1 . En efecto A1 se obtiene como hemos visto
en la seccion anterior, es decir,
adjAt
A1 =
|A|
Teorema 1.2 Si An es inversible tambien lo es At , y (At )1 = (A1 )t .
Demostraci
on:
|At | = |A|, por tanto si |A| = 0 |At | = 0, luego At es inversible
(At )1 =
adjA
adjA
(adjAt )t
=
=
= (A1 )t
t
|A |
|A|
|A|
(se prueba facilmente que adjAt = (adjA)t )
1.13.3
Determinante de una matriz ortogonal
Recordamos que una matriz cuadrada se dice ortogonal si AAt = At A = I.

Tomando determinantes y teniendo en cuenta que |At | = |A|, obtenemos
|A||A| = 1 |A| = 1
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
n pivotes |A| = 0 A inversible
Ured = I
rgUred = rgA < n
menos de n pivotes |A| = 0 A no inversible
Ejemplo 1.41 Determina si las siguientes matrices son o no regulares.
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
o rg A = 3 pues en la EG quedan 3 pivotes, por tanto A regular

Por tener tres columnas pivotales A es equivalente por filas a I3 (s
olo hace falta escalar
las filas para hacer unos los pivotes y realizar la eliminaci
on de Gauss-Jordan).

1

|B| = 2
0
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
o rg B=2 pues en la EG quedan 2 pivotes, por tanto B no es regular

|B| = 0 B no es equivalente a I3 (|I| = 1).
Ejemplo 1.42 Determina el valor de c para que la matriz A = 2

2
analizando si A es equivalente por filas a la matriz identidad.
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

Se intercambian las filas 2 y 3
fila3 = fila3 + fila2 (c-4)
(Esta operaci
on se puede realizar aunque c sea 4)
1
0
0
2
1
0
1
1
2 0
2(c 4)
0
fila 2 = fila 2 * (-1)
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.
fila1 = fila1 - fila3
1
0
0
2
1
0
0
0
1
1
0
0
0
1
0
0
0 = I
1
La matriz A es equivalente por filas a la matriz identidad por tanto es inversible.

Resultado: La matriz es inversible si y s
olo si c = 4
1.15
Repaso sobre vectores de IR n
1.15.1
Definici
on
34
Denotamos el conjunto de las matrices columna reales de n componentes, (Mn1 , IR) =

IR n . Los elementos de IR n se denominan vectores y en
se denotan con una letra
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 ).
como el segmento orientado
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
[ ]
Ejemplo 1.43 Representar en un plano u =

[
6
1
y u + v =
4
3
Ejemplo 1.44 Sea u =
2
2
Representan geometricamente, v =
3
. Representa graficamente los vectores u, 2u, y 23 u.
1
Para simplicar la notacion, tambien utilizamos la resta de vectores, y escribimos u v

en lugar de u + v . La gura muestra u v como suma de u y v .
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:
3v1 + v2 , 12 v1 = 12 v1 + 0v2 , 0 = 0v1 + 0v2

Ejemplo 1.46 En la figura se muestran combinaciones lineales seleccionadas de los vectores v1 = (1, 1) y v2 = (2, 1) IR 2 . Estima las combinaciones lineales de los vectores
v1 y v2 que generan a los vectores u y w.
u 1.8v1 + 1.2v2
w
3v1 + 0.5v2
1.15.3
Dependencia e independencia lineal
Un conjunto de vectores {v1 , v2 , . . . , vp } IR n es linealmente dependiente (tambien

llamado ligado) si existen unos escalares (1 , 2 , . . . , p ), no todos nulos, tales que
1v1 + 2v2 + . . . + pvp = 0
Un conjunto es linealmente independiente (tambien llamado libre) si y solo si no
es linealmente dependiente. Expresado de otra forma, un conjunto {v1 , v2 , . . . , vp } es
linealmente independiente si la ecuacion vectorial
1v1 + 2v2 + . . . + pvp = 0 implica necesariamente que 1 = 2 = . . . = p = 0.
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.
en IR, calcula, en funci

on de , las matrices
0
1
en IR, hallar todas las matrices permutables
Ejercicio 1.6 Considera el siguiente sistema constituido por 4 masas puntuales:

Punto
x1 = (5, 4, 3)
x2 = (4, 3, 2)
x3 = (4, 3, 1)
x4 = (9, 8, 6)
Masa
m1 = 2g
m2 = 5g
m3 = 2g
m4 = 1g
Calcula el centro de gravedad x del sistema, sabiendo que:

x =
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
a) Determina AB, AC, CA

b) las traspuestas de estos productos
[
2
Ejercicio 1.8 Sea la matriz A =
1
0
1
en IR. Calcula A2 3AAt + (At )2

[
Ejercicio 1.9 Descomponer la matriz A =

simetrica y otra antisimetrica.
1
1
2
3
en IR como suma de una matriz
38
Ejercicio 1.10 Sean las matrices cuadradas de orden 2, simetricas y en R,

[
2
A=
1
1
2
a
B=
c
c
b
determinar los posibles valores de a, b y c para que AB sea simetrica.

Ejercicio 1.11 Si P es una matriz antisimetrica, que se puede decir de P2 .
Potencias
Ejercicio 1.12 Calcula las tres primeras potencias de la matriz A = 1

1
expresi
on general de Ak
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
Ejercicio 1.14 Demostrar que

a b c

2b

2c
2a
bca
2c

2a

= (a + b + c)3
2b

c a b
Ejercicio 1.15 Demostrar que,

1

1

1
a
b
c
b + c
c + a = 0 , sin efectuar el desarrollo correspondiente.
a + b
Ejercicio 1.16 Hallar el valor de los siguientes determinantes de orden n

n

n

n

..
.

n
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
Ejercicio 1.17 Calcula el valor de los siguientes determinantes

3

4

2

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
Inversas por adjuntos, existencia en funci

on de determinante no nulo
Ejercicio 1.18 Obten la inversa de la matriz A, por adjuntos.
1
A = 1
3
2
2
1
1
3
1
39
[
1
A=
i
Ejercicio 1.19 Calcula la inversa de la matriz compleja
i
2
Ejercicio 1.20 Determina si la matriz A es inversible, en funci

on de los valores de a y
b. (Pista: utiliza el determinante, si det = 0 no inversible, si det = 0 inversible).
1
2
A=
0
1
2
a
4
4
2
1
1
1
1
2
b
2
Matrices equivalentes por filas: Inversas por Gauss-Jordan,

formas escalonada y reducida por filas, rango
Ejercicio 1.21 Calcula, si existen, las inversas de las siguientes matrices, aplicando el
metodo de Gauss-Jordan.
A= 1
1
2
1
0
2
1
1
B= 1
2
1
D= 2
3
Ejercicio 1.22 Dada A = 0

0
rresponde a la forma general de
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
(Calcula la matriz inversa mediante Gauss-Jordan)

Ejercicio 1.23 Calcula el rango de las siguientes matrices
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
siendo , k IR. Calcula, en
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
Las traspuestas son:

[
(AB)t =
1 5
0
2
3
(CA)t = 2
6
CA =
1
2
10
3
1
2
2
6
10

8
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
Sumando a la columna 2 la columna1*-1 y sumando a la columna 3 la columna1*-1 obtenemos:

1

0
0

= (a + b + c)3
|A| = (a + b + c) 2b b c a
0

2c
0
c a b
La u
ltima matriz es triangular y por tanto su determinante es el producto de los elementos
de la diagonal.
15

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.

16

n

n

n
..
.

n
1
2
1
..
.
1
1
1
3
..
.
1
...
...
...
..
.
...
1
1
1 =
..
.
n
Haciendo las operaciones Fi1 (1) para i = 2, . . . , n obtenemos:

n

0

0

..
.

0
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 . . .
Haciendo las operaciones Fi1 (1) i = 2, . . . , n obtenemos:

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
Haciendo las operaciones Fi1 (1) i = 2, . . . , n obtenemos:

0

1

1

.
..

1
1
1
1 0
0 1
..
..
.
.
0
0
...
...
...
..
.
...
1
0
0
..
.
Haciendo las operaciones F1i (1) i = 2, . . . , n obtenemos:

n 1

1

1

.
..

1
0
1
0
..
.
0
0 ...
0 ...
1 . . .
..
..
.
.
0 ...

= (n 1)(1)n1

1
0
0
0
..
.
43

17

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

Otra forma de resolver el problema partiendo de
Despejamos b:
a + b(a 6) + 16 = 0
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
Resolucion completa para E
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
Por tanto la inversa es:
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
De aqu sacamos cuatro respuestas: La u

ltima matriz es una forma escalonada de
A, el rango de A es 3, el determinante de A es nulo y A no tiene inversa.
Pasamos ahora a calcular la forma reducida por las.
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
De aqu sacamos dos respuestas: La u

ltima matriz es una forma escalonada de B y
el rango de B es 3. Por ser el rango igual al orden de la matriz sabemos ademas que
el determinante de B sera distinto de 0 y que B es inversible.
Al pasar de B a Be solo hemos realizado la operacion de sumar a una la un m
ultiplo
de otra (dos veces). Como esta operacion no vara el determinante, |B| = |Be | =
222=8
A continuacion obtenemos la inversa de B por el metodo de Gauss-Jordan:
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

Matrices y Determinantes

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 y Determinantes

Uploaded by

Copyright:

Available Formats

Captulo 1

Una matriz es una ordenacion rectangular de elementos dispuestos en las y columnas

a11 a12 . . . a1n

A = [a11 a12 . . . a1n ]

2) Matriz columna es una matriz de orden m 1,

A una matriz columna se le denomina tambien vector.

CAPITULO 1. MATRICES Y DETERMINANTES

CAPITULO 1. MATRICES Y DETERMINANTES

6) Se dice que Amn es escalonada si verica:

Se indican en negrita los elementos pivote.

Toda matriz cuadrada en forma escalonada es triangular superior

7) Se dice que Amn es can

8) La division de matrices por bloques o submatrices permite simplicar los calculos

CAPITULO 1. MATRICES Y DETERMINANTES

Operaciones con matrices y propiedades de las operaciones

Ejemplo 1.3 Calcular A + B A = 1

Propiedades de la suma de matrices

CAPITULO 1. MATRICES Y DETERMINANTES

Producto de una matriz por un escalar del mismo cuerpo

Dada A = {aij } denida en el cuerpo IK y IK, se dene

, aij y cij IK.

Propiedades del producto de una matriz por un escalar del mismo

Se cumplen las siguientes propiedades para las matrices en el cuerpo IR y en el cuerpo C,

CAPITULO 1. MATRICES Y DETERMINANTES

El algoritmo puede entenderse facilmente observando el siguiente esquema:

Ejemplo 1.9 Multiplicar

las siguientes matrices:

Ejemplo 1.10 Multiplicar entre s por pares las matrices A = [ 1

AC, CA, CB, BC no son operaciones posibles

Propiedades del producto de matrices

2) Distributiva respecto a la suma de matrices:

(asociativa entre el producto

CAPITULO 1. MATRICES Y DETERMINANTES

Estructura algebraica de las matrices Mmn en IK

5) El producto de matrices no es conmutativo, es decir, en general A B = B A

Bnp Amn = Cnn

CAPITULO 1. MATRICES Y DETERMINANTES

7) El producto de matrices no verica la propiedad de simplicacion:

8) El producto de dos matrices triangulares superiores es una matriz triangular superior.

En el primer caso cada columna queda multiplicada por el elemento de la diagonal.

aik dkj = aij djj

dik akj = dii aij

CAPITULO 1. MATRICES Y DETERMINANTES

Inversa de una matriz

Dada una matriz A Mn decimos que F es la inversa de A si: A F = F A = I.

CAPITULO 1. MATRICES Y DETERMINANTES

Transformaciones de una matriz

Traspuesta de una matriz

Una matriz An es antisimetrica o hemisimetrica si y solo si A = At .

Dada una matriz cuadrada An , A + At es una matriz simetrica.

CAPITULO 1. MATRICES Y DETERMINANTES

Dada una matriz cuadrada An , A At es una matriz antisimetrica.

Sumando [1] y [2] obtenemos A + At = 2S S = 21 (A + At )

Ejemplo 1.23 Descomponer A =

como suma de una matriz simetrica y otra

CAPITULO 1. MATRICES Y DETERMINANTES

Conjugada de una matriz

Potencia de una matriz

Dada una matriz An y k un entero positivo, entonces Ak denota el producto de A por s

Matriz periodica o idempotente de perodo k es aquella que verica que Ak = A, siendo

CAPITULO 1. MATRICES Y DETERMINANTES

Operaciones elementales y equivalencia por filas o por

Sea la matriz Amn , efectuamos una operaci

se intercambian las las 1 y 3