Professional Documents
Culture Documents
Matrices y Determinantes
2.1 Introducci
on
Presentaremos en este tema las matrices y los determinantes, centr
andonos en particualar
en el caso de matrices constituidas por n
umeros reales.
13
14 MATRICES Y DETERMINANTES
Para el caso particular de las matrices cuadradas, A Mnn (R), definiremos a su vez:
2. A es triangular superior si aij = 0 para todas las componentes tales que i > j.
Es trivial comprobar que con estas definiciones (Mmn (R), +, R) verifica las ocho
propiedades de la definicion de espacio vectorial. Evidentemente el elemento neutro de
la suma sera la matriz nula, mientras que el elemento opuesto de una matriz no es mas
que su matriz opuesta. La dimension del espacio vectorial real (Mmn (R), +, R) es
obviamente igual a mn.
Desde otro punto de vista, una matriz A Mmn (R) puede ser interpretada como
un sistema de m vectores (vectores fila) del espacio vectorial Rn , o bien como un sistema
de n vectores (vectores columna), de Rm , veamos:
a11 . . . a1n f~1
. ..
A = (aij ) = .. ..
. . = ... = ~c1 . . . ~cn
am1 . . . amn f~m
n o
siendo Sc = {~c1 , ~c2 , . . . , ~cn } y Sf = f~1 , . . . , f~m los sistemas de vectores columna y de
vectores fila de A respectivamente. ~c1 , . . . , ~cn Rm , f~1 , . . . , f~n Rn .
Desde el punto de vista citado en el apartado anterior, mediante el cual vemos una
matriz de n
umeros reales como un sistema de vectores fila (o de vectores columna),
el producto de matrices puede interpretarse de la siguiente forma: para construir el
16 MATRICES Y DETERMINANTES
Dadas las condiciones del producto, tanto las filas de A como las columnas de B son vec-
tores del espacio vectorial Rp . Introduciremos ahora el producto escalar estandar en Rp ,
al que nos referiremos con mucho mas detalle en un tema proximo. Si ~v1 = (x1 , . . . , xp )
y ~v2 = (x01 , . . . , x0p ) son dos vectores del espacio vectorial Rp , entonces llamaremos pro-
ducto escalar estandar (o simplemente producto escalar) de ~v1 y ~v2 , y lo denotamos por
~v1 ~v2 , (o alternativamente: h~v1 |~v2 i) al numero real:
De esta forma, concluimos con que el producto de las matrices A y B puede expresarse
de la siguiente forma:
! !
1 2 1 2 3
Ejemplo: Sean A = yB= .
0 1 0 1 2
En primer lugar, es facil concluir que no existe B A, pues el n
umero de columnas de B no
coincide con el n
umero de filas de A. Sin embargo A B s que esta bien definido y sera una
matriz de orden 2 3 (notese que: A22 B23 = C23 ). Aplicando la definicion:
! ! !
1 2 1 2 3 1 4 7
AB = =
0 1 0 1 2 0 1 2
A (B + C) = A B + A C
Im A = A , A In = A
(A B)t = B t At
A2 = A A , A3 = A A A , ...
Matrices Invertibles
Definicion: Una matriz cuadrada A Mnn (K) es invertible si existe otra matriz de
no, llamada inversa de A y que denotaremos A1 , que verifica:
igual tama
A A1 = A1 A = In
18 MATRICES Y DETERMINANTES
(A B)1 = B 1 A1
Intercambiar el orden entre las filas i-esima y j-esima de la matriz. Se denota por
Fij .
MATRICES Y DETERMINANTES 19
Proposici on: Sea A una matriz A Mmn (R). Sea E una matriz elemental (por filas)
de orden m m. Entonces la matriz producto E A es igual a la matriz que se obtiene
al realizar en A la transformacion elemental por filas correspondiente a la matriz E.
Nota: Esta proposicion es cierta para transformaciones por columnas, pero en ese caso
el producto debe realizarse por la derecha, es decir: A E.
Proposici on: Las matrices elementales son invertibles y sus inversas son de nuevo
matrices elementales del mismo tipo. Es facil deducir (utilizando la proposicion anterior)
cuales son las inversas de las matrices elementales (tal y como se ha especificado antes
nos referiremos siempre, salvo que se especifique lo contrario, a matrices elementales por
filas).
- Matrices Eij . Si a la matriz Eij se le aplica la transformacion elemental Fij se obtiene
obviamente la identidad, as tendremos:
1
Eij Eij = I Eij = Eij
- Matrices Eij (k). Si se aplica Fij (k) a Eij (k) resulta nuevamente la identidad.
A0 = Ep Ep1 . . . E1 A
La matriz:
P = Ep Ep1 . . . E1
A0 = P.A A = P 1 .A0
escalonada por filas si su sistema de vectores fila es un sistema escalonado. Las tecnicas
de eliminacion gaussiana que planteamos entonces para los sistemas de vectores son ahora
igualmente validas, y as, trivialmente, toda matriz (del tama
no que sea) es equivalente
por filas a una matriz escalonada por filas.
Teorema: Sea A Mnn (R) una matriz cuadrada. La condicion necesaria y suficiente
para que A sea una matriz invertible es que sea equivalente po filas a la matriz identidad.
Demostraci
on: Como es logico, separaremos la demostracion en dos partes:
A es invertible A es equivalente por filas a la matriz identidad.
Por medio de elimacion gaussiana la matriz A es equivalente por filas a una matriz escalonada U
(dado que es cuadrada, de hecho es triangular superior). Demostremos que entonces los elementos
diagonales de U deben ser no nulos necesariamente. Si alguno de los elementos diagonales fuera
nulo, entonces la u
ltima fila de U sera completamente nula, dado que esta escalonada por filas.
Pero entonces U no podra ser una matriz invertible (una matriz invertible no puede tener una fila
nula, pues su producto con otra matriz cualquiera generara siempre una fila nula en el resultado,
lo cual impide la obtencion de la matriz identidad). Sin embargo, tenemos que:
U = Ep Ep1 . . . E1 A
I = Er Er1 . . . E1 A I = P A , P = Er Er1 . . . E1
pero entonces es evidente que la matriz de paso P no es mas que la matriz inversa de A, y en
consecuencia A es invertible. Q.E.D.
Se tiene que:
1 0 1 1 0 0 1 0 1 1
0 0 1 0 1
1 0 0
1 2 2 0 1 0 0 1 1 0 0 1 0 1 1 0 0 1
0 1 1 0 0 1 1 2 2 0 1 0 0 2 1 1 1 0
1 0 1 1 0 0 1 0 1 1 0 0 1 0 0
0 1 2
0 1 1 0 0 1 0 1 1 0 0 1 0 1 0 1 1 1
0 0 1 1 1 2 0 0 1 1 1 2 0 0 1 1 1 2
0 1 2
A1 = 1 1 1
1 1 2
Factorizaci
on L U
Una interesante aplicacion de las matrices elementales es la descomposicion L U de una
matriz cuadrada A. Se trata de encontrar dos matrices, una triangular inferior, L, y
otra triangular superior, U , de tal manera que A = L U . Esta descomposicion tiene
especial utilidad en la resolucion de sistemas de ecuaciones lineales, que veremos en un
tema posterior.
Como veremos a continuacion, no siempre es posible esta descomposicion. Analice-
mos el caso A M33 (R): buscamos una matriz L = (lij ) triangular inferior, lij = 0,
i < j, y tal que todos los elementos diagonales sean igual a 1: lii = 1, i = 1, 2, 3:
a11 a12 a13 1 0 0 u11 u12 u13
a21 a22 a23 = l21 1 0 0 u22 u23
a31 a32 a33 l31 l32 1 0 0 u33
y as l21 y l31 son calculables en terminos de los coeficientes aij (siempre y cuando
a11 6= 0). Pasemos a la segunda fila:
a22 = l21 u12 + u22 u22 = a22 l21 u12 ; a23 = l21 u13 + u23 u23 = a23 l31 u13
1 1 0 1 1 0 1 1 0
F21 (1) F32 (1)
A = 1 2 1 0 1 1 0 1 1 = U
0 1 2 0 1 2 0 0 1
24 MATRICES Y DETERMINANTES
1 1
A1 = (F32 (1)F21 (1))1 U = F21 (1)F32 (1)U = F21 (1)F32 (1)U L = F21 (1)F32 (1)
1 0 0 1 1 0
A = L U = 1 1 0 0 1 1
0 1 1 0 0 1
Teorema del Rango: (primera versi on). Dada una matriz A Mmn (R), su rango
por filas y su rango por columnas coinciden.
Demostraci on. Demostraremos que si el rango por filas de una matriz A es rf (A) = r, y el
rango por columnas es rc (A) = r0 , entonces se cumple necesariamente que: r0 r.
Supongamos que la matriz A esta presentada de manera que son precisamente las r primeras filas
las que son linealmente independientes (intercambiando filas si fuera necesario, lo que obviamente
no afecta al rango por filas).
a11 a12 a1r a1,r+1 a1n
a21 a22 a2r a2,r+1 a2n
A=
ar1 ar2 arr ar,r+1 arn
a ar+1,2 ar+1,r ar+1,r+1 ar+1,n
r+1,1
am,1 am,2 am,r am,r+1 am,n
y por tanto cualquier columna puede expresarse como una combinacion lineal de r vectores. Esto
significa que el rango del sistema de columnas, es decir r0 , es necesariamente menor o igual que
r, puesto que todas las columnas pertenecen a un subespacio generado por r vectores.
Repitiendo el mismo razonamiento pero comenzando el mismo con las columnas deduciramos
que r0 r, y as, en definitiva, tendremos que r = r0 . Q.E.D.
Sin embargo, para tama nos superiores, la definicion no es tan trivial, de manera que
debemos recordar como paso previo algunos conceptos acerca del conjunto de permuta-
ciones posibles de los elementos de un conjunto dado.
Grupo Sim
etrico
Denominemos N al conjunto de los n primero n umero naturales: N = {1, 2, ..., n}.
Llamaremos Sn al conjunto de todas las permutaciones posibles de dichos n
umeros.
Definici
on: Llamaremos permutaci on de n elementos a toda aplicacion biyectiva del
conjunto N = {1, 2, ..., n} en s mismo:
!
1 2 ... n
:N N ,
(1) (2) ... (n)
se trata por tanto de todo reordenamiento posible de los elementos que pertenecen al
conjunto N . Suele utilizarse una notacion abreviada, escribiendo: = ((1) . . . (n)).
4 = 2 3 1 5 = 3 1 2 6 = 3 2 1
Definici
on: El signo de una permutaci
on, que denotaremos por sign() es,
(
+1 si es par
sign() =
1 si es impar
MATRICES Y DETERMINANTES 27
Definicion de Determinante
Definici
on: Dada una matriz cuadrada A de n umeros reales, A = (aij ), se llama
determinante de A, |A| o det(A), al n
umero real:
X
det(A) = |A| = sign() a1(1) a2(2) ... an(n)
Sn
9. Si una de las filas de la matriz A depende linealmente de las demas, entonces |A| = 0.
Entonces evidentemente, si |A| 6= 0, el sistema de vectores fila de A es un sistema libre.
Definici on: Sea A una matriz cuadrada de orden n. Se llama matriz adjunta de la
matriz A, y de denota por Ad(A) a la matriz que tiene como elementos a los adjuntos
de los elementos de la matriz A: Ad(A) = (Aij )
Proposici
on: Sea A Mnn (R) una matriz invertible, entonces se verifica:
1 1
A1 = Ad(At ) = (Ad(A))t
|A| |A|
Proposicion. Desarrollo de un determinante por una fila o columna. Sea A Mnn (R)
una matriz cuadrada, entonces se verifica:
n
X
|A| = aij Aij j = 1, . . . , n
i=1
Xn
|A| = aij Aij i = 1, . . . , n
j=1
La primera expresion es lo que se conoce como desarrollo del determinante por la columna
jesima, mientras que la segunda es el desarrollo por la fila iesima. Esta propiedad de
los determinantes (llamada a veces Desarrollo de Lagrange) nos indica que es posible re-
ducir el calculo de un determinante de orden n a una combinaci on lineal de determinantes
de orden n 1 (los que aparecen en los adjuntos correspondientes). En particular, una
elecci
on adecuada de la fila o columna por la que se va a desarrollar permite simplificar
mucho el calculo final.