You are on page 1of 47

Captulo 1

Matrices y determinantes

1.1 Definicion 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 mayusculas A,B,C, ... y sus elementos por minusculas
con dos subndices, aij . Los subndices indican, por este orden, la la y la columna en la
que se situa 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 numero de las y el
segundo al numero de columnas.
Las matrices que trataremos tendran elementos de un cuerpo IK. Consideraremos el cuerpo
de los numeros reales, IR, o el cuerpo de los numeros 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 numeros
reales, IR, o tambien en el cuerpo de los numeros 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 numeros complejos. No es una
matriz en el cuerpo delos reales ya que tiene elementos que no son numeros reales.

Denimos a continuacion algunos tipos de matrices.

1) Matriz fila es una matriz de orden 1 n, A = [a11 a12 . . . a1n ]



b11
b21

2) Matriz columna es una matriz de orden m 1, B= ..
.
bm1
A una matriz columna se le denomina tambien vector.

1
CAPITULO 1. MATRICES Y DETERMINANTES 2

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
numeros reales es 0, y el elemento nulo de los numeros 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 numero 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 simetrica. Una matriz An es simetrica si aij = aji para todos los valores
de i y de j.

Matriz antisimetrica o hemisimetrica. 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.
CAPITULO 1. MATRICES Y DETERMINANTES 3

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 2 1 1 [ ] 4 1 1 2
1 1 0 2 0 1 3
5 1 2 0 1 2 3
0 3 0 0 1 2
0 0 0 0 0 0 0 1

1 1 3 1 1 3 1 1 3 0 1 2
0 2 3 0 0 3 0 2 3 0 0 2
0 0 1 0 0 0 0 0 0 0 0 0
Se indican en negrita los elementos pivote.
A continuacion damos dos ejemplos de matrices que no son escalonadas.

4 1 3 4 1 3
0 2 1 0 0 3
0 3 0 0 1 0

Toda matriz cuadrada en forma escalonada es triangular superior

7) Se dice que Amn es canonica 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 canonicas por filas.



[ ] 1 0 1 1 [ ] 1 0 1 0
1 0 0 1 0 0 3 0
1 1 2 1 2 0
0 1 0 0 1 2
0 0 0 0 0 0 0 1
Observese la diferencia con las matrices escalonadas.

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


CAPITULO 1. MATRICES Y DETERMINANTES 4

1.2 Operaciones con matrices y propiedades de las opera-


ciones
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. (Notese 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).
CAPITULO 1. MATRICES Y DETERMINANTES 5

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.
[ ] [ ] [ ]
1 1 0 51 5 (1) 50 5 5 0
Ejemplo 1.5 5 = =
2 1 3 52 51 53 10 5 15
[ ] [ ]
1 1 0 5+i 5 i 0
Ejemplo 1.6 (5 + i) =
2 1 3 10 + 2i 5+i 15 + 3i
[ ] [ ] [ ]
1+i 0 5 (1 + i) 50 5 + 5i 0
Ejemplo 1.7 5 = =
2i 3i 5 (2 i) 5 3i 10 5i 15i
[ ] [ ]
1+i 0 (5 + i) (1 + i) (5 + i) 0
Ejemplo 1.8 (5 + i) = =
[ ]2 i 3i (5 + i) (2 i) (5 + i) 3i
4 + 6i 0
11 3i 3 + 15i

1.2.5 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)
CAPITULO 1. MATRICES Y DETERMINANTES 6

1.2.6 Producto de matrices


Dadas dos matrices Amn = {aij } y Bnp = {bij }, compatibles para el producto, es decir,
tales que el numero de columnas de A coincide con el numero 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:

n
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 columna j cij
mn np mp

Ejemplo 1.9 Multiplicar


las siguientes matrices:
[ ] 1 0 [ ]
2 3 1 2 1 + 3 1 + 1 2 20+32+13
1 2 = =
0 1 2 0 1 + 1 1 + 2 2 0 0 + 1 2 + 2 3
[ ] 2 3
3 9
5 8

1
Ejemplo 1.10 Multiplicar entre s por pares las matrices A = [ 1 2 3], B = 2,
[ ] 3
2 2
C=
3 1

1
A B = [1 3 ] 2 = [ 1 1 + 2 2 + 3 3 ] = 14
2
3

1 1 2 3
B A = 2 [1 2 3] = 2 4 6
3 3 6 9
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) (asociativa entre el producto


externo y el producto interno en M )
CAPITULO 1. MATRICES Y DETERMINANTES 7

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 Analisis de otras propiedades del producto de matrices

4) Im Amn = Amn ; Amn In = Amn ; Im Amn In = Amn



[ ] 1 0 0 [ ]
1 0 1 2 3
Ejemplo 1.11 I2 = I3 = 0 1 0 A= . Se cumple:
0 1 4 5 6
0 0 1
I2 A = A
A I3 = A
I2 A I3 = A
[ ][ ] [ ]
2+i 7 3i 1 0 2+i 7 3i
Ejemplo 1.12 =
4i 6 0 1 4i 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 denomi-
nacion anticonmutante o antipermutante

Ejemplo 1.13 Ejemplo de dos matrices cuadradas del mismo orden que no son permuta-
bles 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
CAPITULO 1. MATRICES Y DETERMINANTES 8
[ ] [ ]
1 1 3 2
Ejemplo 1.14 A = = 0 B = = 0 y AB=0
1 1 3 2
[ ][ ] [ ]
1 1 3 2 0 0
=
1 1 3 2 0 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 0
= =
1 1 3 2 1 1 3 2 0 0
[ ] [ ]
3 2 3 2
sin embargo, =
3 2 3 2

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 0 0 1 0 0 1 0 0
Ejemplo 1.16 2 3 0 2 1 0 = 4 3 0
4 5 6 0 4 2 6 29 12

10) El producto de dos matrices diagonales es otra matriz diagonal. Ademas cii = aii bii

2 0 0 1 0 0 2 0 0

Ejemplo 1.17 0 4 0 0 2
0 = 0 8 0
0 0 6 0 0 3 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.

1 0 0 2 0 0 2 0 0

Ejemplo 1.18 0 2 0 0 4
0 = 0 8 0
0 0 3 0 0 6 0 0 18

2 0 0 1 0 0 2 0 0
0 4 0 0 2
0 = 0 8 0
0 0 6 0 0 3 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 2 3 1 0 0 1 4 9
4 5 60 2 0 = 4 10 18

2 3 20 0 3 2 6 6
1 0 0 1 2 3 1 2 3
0 2 0 4 5
6 = 8 10 12
0 0 3 2 3 2 6 9 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 DA

n
n
cij = aik dkj = aij djj cij = dik akj = dii aij
k=1 k=1
CAPITULO 1. MATRICES Y DETERMINANTES 9

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 de-
nomina 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 unica
2) (A1 )1 = 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 ultima
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
CAPITULO 1. MATRICES Y DETERMINANTES 10

1.4 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 0
2 3 1
Ejemplo 1.20 A = At = 3 1
0 1 2
1 2

Propiedades:
1) (At )t = A
2) ( A)t = At IK
3) (A B)t = At Bt
4) (A B)t = B t At
Demostracion de la propiedad 4):
Sea A B = C

n
n
n
ctij = cji = ajk bki = atkj btik = btik atkj
k=1 k=1 k=1
La penultima 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 ultimo termino es el
elemento (i, j) de la matriz B t At . Concluyendo entonces que (AB)t = 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 2 3
Ejemplo 1.21 A = 2 1 2 es una matriz simetrica
3 2 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 2 3
Ejemplo 1.22 A = 2 0 2 es una matriz antisimetrica
3 2 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).
CAPITULO 1. MATRICES Y DETERMINANTES 11

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


Veamos la demostracion:
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 unica como suma de una
matriz simetrica S y otra antisimetrica H: A = S + H
Veamos la demostracion:
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
[ ]
2 1
Ejemplo 1.23 Descomponer A = como suma de una matriz simetrica y otra
3 5
antisimetrica. ([ ] [ ]) [ ] [ ]
1 1 2 1 2 3 4 2 2 1
S= 2 (A
+ At )
= + = 12 =
3
2 5 1 5 2 10 1 5
([ ] [ ]) [ ] [ ]
2 1 2 3 0 4 0 2
H = 2 (A A ) = 2
1 t 1
=2 1
=
3 5 1 5 4 0 2 0
[ ] [ ] [ ]
2 1 0 2 2 1
+ =
1 5 2 0 3 5

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
CAPITULO 1. MATRICES Y DETERMINANTES 12

1.4.2 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 numeros 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 veces
z }| {
Ak = 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
CAPITULO 1. MATRICES Y DETERMINANTES 13

1.6 Operaciones elementales y equivalencia por filas o por


columnas
1.6.1 Operaciones elementales
Sea la matriz Amn , efectuamos una operacion 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 se intercambian las las 1 y 3
F1(7) la la 1 se multiplica por 7
F13(4) a la la 1 se le suma la 3 multiplicada por 4
[ ] [ ]
1 2 1 2
Ejemplo: A =
1 4 0 2
La operacion elemental realizada ha sido F21(1)

Se llama inversa de una operacion 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)
[ ] [ ]
1 2 1 2
En el ejemplo anterior =A
0 2 1 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.
CAPITULO 1. MATRICES Y DETERMINANTES 14

1.6.2 Matrices equivalentes por filas (columnas)


Definicion
Si partiendo de una matriz Amn podemos llegar a otra Bmn efectuando un numero 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 numero 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 uti-
lizar la notacion: A c B

[ ] [ ] [ ]
1 2 1 2 1 2
Ejemplo: A = f f
1 4 0 2 0 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
CAPITULO 1. MATRICES Y DETERMINANTES 15

1.7 Forma escalonada, forma canonica por filas y rango


1.7.1 Forma escalonada y forma canonica por filas
Realizando un numero nito de operaciones elementales por las sobre una matriz A
podemos llegar a una forma escalonada de la matriz A.
Realizando un numero nito de operaciones elementales por las sobre una matriz A
podemos llegar a la denominada forma canonica por filas de la matriz A, que es unica.

1.7.2 Obtencion de la forma escalonada de una matriz



0 2 3
Ejemplo 1.24 Obten una forma escalonada de la matriz A = 4 2 1
1 2 3

0 2 3 1 2 3 1 2 3 1 2 3 1 2 3

A= 4 2
1 4 2
1 0 6
11 0 6
11 0 6 11
1 2 3 0 2 3 0 2 3 0 6 9 0 0 2
F13 F21(4) F3(3) F32(1)

1 2 3
B = 0 6 11 es una forma escalonada por filas de A
0 0 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 operacion 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, in-
tercambios de filas y suma a una fila de un multiplo de otra, se le denomina eliminacion
gaussiana.

Transformacion a la forma escalonada mediante el algoritmo de Eliminacion


Gaussiana Simple
En este metodo llamado de Eliminacion Gaussiana Simple el orden en el que se
efectuan las operaciones elementales viene prejado por un convenio. No se pueden reali-
zar 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 Eliminacion 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
CAPITULO 1. MATRICES Y DETERMINANTES 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 sera
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 eliminacion gaussiana simple se obtiene una unica
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 2 3
0 1
0 0

Ejemplo 1.25 Obten la forma escalonada de la matriz A = 0 2 6 4 mediante

0 1 4 0
0 0 1 2
eliminacion gaussiana simple.

0 0 2 3 0 2 6 4 0 2 6 4
0 1 F 0 1 F 0
0 0 13 0 0
41(1/2) 0 0 1

A = 0 2 6 4 0 0 2 3 0 0 2 3 =

0 1 4 0 0 1 4 0 0 11 43 0 2
0 0 1 2 0 0 1 2 0 0 1 2

0 2 6 4 0 2 6 4 0 2 6 4
0
0 0 1 F23 0 0 2 3 F42(1/2) 0 0 2 3

0 0 2 3 0 0 0 1 0 0 0 1 =
F52(1/2)
0 0 1 2 0 0 1 2 0 0 11 2 3/2
0 0 1 2 0 0 1 2 0 0 11 2 3/2

0 2 6 4 0 2 6 4
0 F 3
0 2 3 43(7/2) 0 0 2

0 0 0 1 0 0 0 1 = U A f U
F53(1/2)
0 0 0 7/2 0 0 0 0
0 0 0 1/2 0 0 0 0
3 columnas pivotales. Pivotes 2,2,1
CAPITULO 1. MATRICES Y DETERMINANTES 17

0 0 2 3
0 1
0 0

Ejemplo 1.26 Obten la forma escalonada de la matriz A = 0 2 6 4 mediante

0 1 4 0
0 0 1 2
eliminacion gaussiana.

En este caso se permite cualquier operacion elemental por filas, y en cualquier orden.
Tenemos infinitas posibilidades y presentamos una de ellas.

0 0 2 3 0 2 6 4 0 1 3 2
0 1
0 0 1 F 0 0 0 1 F 0 0 0 F41(1)
13 1(1/2)
A = 0 2 6 4 0 0 2 3 0 0 2 3
escala
0 1 4 0 0 1 4 0 miento 0 1 4 0
0 0 1 2 0 0 1 2 0 0 1 2

0 1 3 2 0 1 3 2
0 2
0 0 1 F 0 0 1 F32(2)
24
0 0 2 3 0 0 2 3

0 0 1 2 0 0 0 1 F42(1)
0 0 1 2 0 0 1 2

0 1 3 2 0 1 3 2
0 2 2
0 1 F43(1/7) 0 0 1

0 0 0 7 0 0 0 7 = U A f U
F53(4/7)
0 0 0 1 0 0 0 0
3 columnas pivotales.
0 0 0 4 0 0 0 0
Quedan como pivotes 1,1,7
CAPITULO 1. MATRICES Y DETERMINANTES 18

1.7.3 Obtencion de la forma canonica 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 ultima la no nula, que llamamos la r, como auxiliar, y con las
correspondientes operaciones elementales sobre las las, consigamos mediante reemplaza-
mientos 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. Independi-


entemente de las operaciones y del orden, la forma canonica por filas de una matriz es
unica.

Con el proceso descrito en esta seccion podemos obtener a partir de una matriz Amn ,
una matriz equivalente por las Umn , denominada La Forma Canonica 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 2 3
0 1
0 0

Ejemplo 1.27 Obten la forma canonica por filas de la matriz A = 0 2 6 4 .

0 1 4 0
0 0 1 2
Partimos por ejemplo de la forma escalonada obtenida por Eliminacion gaussiana simple:

0 2 6 4 0 1 3 2 0 1 3 0
0 3 0 3/2 0 0
0 2 F1(1/2) 0 1 F23(3/2) 0 1

0 0 0 1 0 0 0 1 0 0 0 1
F2(1/2) F13(2)
0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0

0 1 0 0
0 0
F12(3)
0 1

0 0 0 1 = Ured , A f Ured

0 0 0 0
0 0 0 0
CAPITULO 1. MATRICES Y DETERMINANTES 19

1.7.4 Rango de una matriz


Se denomina rango de una matriz al numero de columnas pivotales o numero de las no
nulas en cualquier forma escalonada de la matriz.
El rango de una matriz es unico: Todas las formas escalonadas de una matriz tienen el
mismo numero 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 2 1 1 4 1 1 2
1 1
rg = 2 , rg 0 2 1 2 = 2 , rg 0 1 2 3 = 3
0 3
0 0 0 0 0 0 0 9

Ejemplo 1.29 In tiene rango n, pues la matriz In ya esta en la forma canonica por
filas, y tiene n columnas pivotales.

1 5 0

Ejemplo 1.30 Determina el rango de la matriz A = 2 4 1
0 2 0

1 5 0 1 5 0 1 5 0
A = 2 4 1 0 6 1 0 6 1 rgA = 3
0 2 0 0 2 0 0 0 1/3

UN RESULTADO MUY IMPORTANTE QUE NO VAMOS A DEMOSTRAR ES EL


SIGUIENTE:
rgA = rgAt
CAPITULO 1. MATRICES Y DETERMINANTES 20

1.8 Matrices elementales


1.8.1 Definicion
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
0 F23
1 0 0 0 1 = EF23 Se intercambia fila 2a con fila 3a
0 0 1 0 1 0

1 0 0 F 3 0 0
1(3)
0 1 0 0 1 0 = EF1(3) Se multiplica la 1a fila por 3
0 0 1 0 0 1

1 0 0 F 1 0 0
31(2)
0 1 0 0 1 0 = EF31(2) Se suma a la 3a la 1a por 2
0 0 1 2 0 1

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: 1 0 0 1 0 0 1 0 0
EF23 EF23 = 0 0 1 0 0 1 = 0 1 0
0 1 0 0 1 0 0 0 1

1/3 0 0 3 0 0 1 0 0
EF1(1/3) EF1(3) = 0 1 0 0 1 0 = 0 1 0
0 0 1 0 0 1 0 0 1

1 0 0 1 0 0 1 0 0
EF31(2) EF31(2) = 0 1 0 0 1 0 = 0 1 0
2 0 1 2 0 1 0 0 1

Para simplicar la notacion denotaremos como F , C las matrices elementales correspon-


dientes a operaciones de la o de columna, respectivamente.

1.8.2 Operacion elemental como 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 .

2 1 0 1
Ejemplo 1.32 A= 1 2 1 2
3 1 0 1

1 0 0
F21(2) = 2 1 0 es la matriz elemental que resulta de sumarle
0 0 1 a la fila 2a de I3 , la 1a multiplicada por (2).

1 0 0 2 1 0 1 2 1 0 1
F21(2) A = 2 1 0 1 2 1 2 = 3 4 1 0
0 0 1 3 1 0 1 3 1 0 1
CAPITULO 1. MATRICES Y DETERMINANTES 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 0 0
0 0 0 1
B=
0

0 1 0
0 1 0 0
Comprobacion:

1 0 0 0 1 2 2 1 2 2
0 0 0
1 0 4
1 2 1 2
. =
0 0 1 0 1 0 1 1 0 1
0 1 0 0 2 1 2 0 4 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 0
Ejemplo 1.34 Dada A = 0 0 1 , intercambiar las columnas 2 y 3 utilizando el
0 0 0
producto por una matriz elementa.

1 0 0
C23 = 0 0 1
0 1 0

1 0 0 1 0 0 1 0 0
0 0 10 0 1 = 0 1 0
0 0 0 0 1 0 0 0 0
CAPITULO 1. MATRICES Y DETERMINANTES 22

1.9 Forma canonica 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 numero 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 numero nito de operaciones elementales por columnas, post-
multiplicando por matrices elementales C, obtenemos la denominada forma canonica de
la matriz A, denotada como A

A F1 , F2 , . . . , Fa , C1 , C2 , . . . , Cb / Fa . . . F2 F1 A C1 C2 . . . Cb = A

Ir |
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


0 1 2 0 0 2
Ejemplo 1.35 Dada la matriz A = 0 0 0 1 2 1 . Obten la sucesion de matrices
0 0 0 0 0 0
elementales C que se ha de aplicar para obtener la forma canonica.

0 1 2 0 0 2 1 0 2 0 0 2 1 0 2 0 0 2
0 0 0 1 2 1 0 0 0 1 2 1 0 1 0 0 2 1
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
C12 C24 C31(2)
C61(2)

1 0 0 0 0 0 1 0 0 0 0 0
0 1 0 0 2
1 0 1 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0
C51(2)
C61(1)

Aplicacion para el calculo 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 ]
operaciones elementales por las
CAPITULO 1. MATRICES Y DETERMINANTES 23

1 2 1
Ejemplo 1.36 Determina la inversa de la matriz A = 2 0 2 por el metodo de
2 3 0
Gauss-Jordan).

1 2 1 1 0 0 1 2 1 1 0 0
A = 2 0 2 0 1 0 0 4 0 2 1 0
2 3 0 0 0 1 0 1 2 2 0 1

1 2 1 1 0 0 1 2 1 1 0 0
0 1 2 2 0 1 0 1 2 2 0 1
0 4 0 2 1 0 0 4 0 2 1 0

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

0 1 2 2 0
1 0 1 2 2 0 1
0 0 8 6 1 4 0 0 1 3/4 1/8 1/2
fila2 = fila2 - 2 * fila1
fila3 = fila3 - 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 2 0 1 3/4 1/8 1/2 1 2 0 1/4 1/8 1/2
0 1 0 2 3/2 0 1/4 1 + 1 = 0 1 0 1/2 1/4 0
0 0 1 3/4 1/8 1/2 0 0 1 3/4 1/8 1/2
fila1 = fila1 - 2*fila2

1 0 0 1/4 1 1/8 + 1/2 1/2 1 0 0 3/4 3/8 1/2

0 1 0 1/2 1/4 0
= 0 1 0 1/2 1/4 0
0 0 1 3/4 1/8 1/2 0 0 1 3/4 1/8 1/2

3/4 3/8 1/2
Resultado: La matriz inversa de A es A1 = 1/2 1/4 0
3/4 1/8 1/2

1.10 Matrices equivalentes


Se dice que dos matrices Amn y Bmn son equivalentes, si existen dos matrices in-
versibles 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.
CAPITULO 1. MATRICES Y DETERMINANTES 24

1.11 Matrices de intercambio, de Jordan, de Toeplitz 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 ... 0 1
0 0 ... 1 0

. .. ..
En = .. . . 0 0

0 1 ... 0 0
1 0 ... 0 0
Podramos decir tambien que es la reexion, respecto de la horizontal, de la matriz iden-
tidad.

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

0 1 ... 0 0 0
. . . .. . .. ..
Matriz de Jordan completa de orden n: Jn () = . . .
. . . . .. . .

0 0 0 ... 0 0

0 0 0 ... 1 0
0 0 0 ... 0 1
Matriz de Jordan de orden n, cuando en la
subdiagonal primera hay aleatoriamente
0 0 0 0 0
1 0 0 0 0

0 0
1 0 0
unos o ceros, por ejemplo:
0 0 0 0 0

0 0 0 0 0
0 0 0 0 1

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

0 1 0 ... 0 0 0

Deniendo Jn como: Jn Jn (0) = .. .. .. .. .. .. .. (unos en la subdiagonal)
. . . . . . .

0 0 0 ... 1 0 0
0 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
3 n1
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.
CAPITULO 1. MATRICES Y DETERMINANTES 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:

n n+1 n+2 . . . 2n2 2n1
n n+1 . . . 2n3 2n2
n1

n2 n1 n . . . 2n4 2n3

Tn (1 , . . . , 2n1 ) =
.. .. .. .. .. ..
. . . . . .

2 3 4 ... n n+1
1 2 3 . . . n1 n

n1
Tn (1 , . . . , 2n1 ) = n In + 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 ... n1 n
2 3 4 ... n n+1


3 4 5 ... n+1 n+2
Hn (1 , . . . , 2n1 ) =
.. .. .. .. .. ..

. . . . . .

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 .
CAPITULO 1. MATRICES Y DETERMINANTES 26

1.12 Determinante
1.12.1 Definicion
A toda matriz cuadrada An le asociamos un numero denominado determinante de A,
detA o |A| simbolizado as :

a11 a12 . . . a1n

a21 a22 . . . a2n

... ... . . . . . .


an1 an2 . . . ann
Este numero 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 unico elemento de cada la y un unico elemento de cada columna;
cada uno de estos productos llevara su signo o el contrario segun 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 numero de permutaciones (ordenaciones) de n elementos distintos 1, 2 . . . n 1, n
es n!, el numero de sumandos es n!
Dos permutaciones son de la misma clase (distinta clase) cuando para pasar de una otra se
necesite un numero par (impar) de intercambios (tambien llamados inversiones o trasposi-
ciones).

Cuando el determinante es de una matriz de orden 2 se obtiene:



a11 a12
= a11 a22 a12 a21 =
a a22
21

Filas Columnas Signo


12 12 Misma clase +
12 21 Distinta clase

Para un determinante de orden 3 resulta:



a11 a12 a13

a21 a22 a23 = a11 a22 a33 a11 a23 a32 a12 a21 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31

a a32 a33
31

Filas Columnas Signo Inversiones


123 123 Misma clase + 0
123 132 Distinta clase 1
123 213 Distinta clase 1
123 231 Misma clase + 2
123 312 Misma clase + 2
123 321 Distinta clase 1

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


CAPITULO 1. MATRICES Y DETERMINANTES 27


! ! H
@
! @ T J
H

; con signo H
con signo + !
@
@

!
! a
T aJH

@
@!
! @

@ 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 numero 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 Calculo 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 comple-
mentario 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

n
elegida una la i |A| = aij Aij
j=1
o

n
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 0 2 0
2 0 1
1 2 0 1
= 1 A11 + 1 A21 + (1) A31 + 3 A41 = 1 (1) 1+1 1 4 1
1 1 4
1
1 3 2

3 1 3 2
CAPITULO 1. MATRICES Y DETERMINANTES 28

0 2 0 0 2 0 0 2 0

+1 (1)2+1 1 4 1 + (1) (1)3+1 2 0 1 + 3 (1)4+1 2 0 1
1 3 2 1 3 2 1 4 1

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


= 1
4 1 1
4 1 2 0
1 3 2 0 1
1 3 2 1 3 2 1 3 2 1 4 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 comun, el determinante puede
obtenerse como el producto de ese factor comun por el determinante que resulta de eliminar
ese factor comun en la correspondiente lnea (dividiendo los elementos de esa lnea por el
factor comun).

1 a 0 1 1 0

por ejemplo 2 a 1 = a 2 1 1

3 a 4 3 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 comun quedaran dos lneas iguales.

a11 a11 a a11
= 11 =0
a a21 a21 a21
21

VII) Si los elementos de una lnea estan formados por una suma de r sumandos, el deter-
minante 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 5 0 a 5 0 b 5 0 c 5 0

d + e + f 1 1 = d 1 1 + e 1 1 + f 1 1

g+h+i 0 4 g 0 4 h 0 4 i 0 4

2 + a 1 2 1 a 1 2 1 1 1
= + = + a
a 6 0 6 a 6 0 6 1 6
VIII) Si a los elementos de una lnea se le suman los correspondientes a otra paralela
multiplicados por un numero, el determinante no vara.

a11 + a12 a12 a13 a11 a12 a13 a12 a12 a13

a21 + a22 a22 a23 = a21 a22 a23 + a22 a22 a23 = |A| + 0 = |A|

a + a a32 a33 a31 a32 a33 a a32 a33
31 32 32

IX) Si los elementos de una lnea son combinacion lineal1 de lneas paralelas, el determi-
nante es nulo.
1
Considerando los elementos de una lnea como un vector
CAPITULO 1. MATRICES Y DETERMINANTES 29

a12 + a13 a12 a13 a12 a12 a13 a13 a12 a13

a22 + a23 a22 a23 = a22 a22 a23 + a23 a22 a23 = 0 + 0 = 0

a + a a32 a33 a a32 a33 a a32 a33
32 33 32 33

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 ele-
mentos 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|
1
3) Si A es inversible su determinante es distinto de cero, y |A1 | = = |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:
1
|A| = 0 y |A1 | = 0 y |A1 | =
|A|

Aplicando las propiedades anteriormente expuestas podemos simplicar enormemente el


calculo de determinantes.

Ejemplo 1.39 Calcula el valor del siguiente determinante.



1 2 1 2 1

0 1
0 1 1

|A| = 1 1 0 2 0

0 0 1 1 2

1 2 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 2 1 2 1

0 1
0 1 1

|A| = 1 1 0 2 0 =
F31(1)
0 0 1 1 2
F51(1)
1 2 2 1 1

1 2 1 2 1 1 2 1 2 1

0 0 1
0 1 1 1 0 1 1

1 + (1) 1 + (2) 0 + (1) 2 + (2) 0 + (1) = 0 1 1 0 1

0 0 1 1 2 0 0 1 1 2

1 + (1) 2 + (2) 2 + (1) 1 + (2) 1 + (1) 0 0 1 1 0
CAPITULO 1. MATRICES Y DETERMINANTES 30

Desarrollando el determinante por adjuntos de la 1a columna:



0 1 1 1 0 1 1 1

1 1 0 1 1 1 0 1
|A| = 1(1) 1+1 =
0 1 1 2 0 1 1 2


0 1 1 0 0 1 1 0
Y desarrollando el determinante de orden 4 por adjuntos de la 1a columna.

1 1 1

|A| = (1)(1) 1
3 1 2 = 1(1 + 2 1 + 2) = 2
1 1 0

1.13 Determinante e inversa


1.13.1 Calculo 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 a12 . . . a1n A11 A21 . . . An1
a21 a22 . . . a2n A12 A22 . . . An2
A adj(At ) =
...

... ... ... ... ... ... ...
an1 an2 . . . ann A1n A2n . . . 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:

adj(At )
A =I
|A|

Partiendo del producto de matrices adj(At ) A, y con el mismo desarrollo, obtendramos:

adj(At )
A=I
|A|

adj(At )
A1 =
|A|
CAPITULO 1. MATRICES Y DETERMINANTES 31

Ejemplo 1.40 Calcular la inversa de la matriz A por adjuntos.



1 3 0
A = 1 0 2
0 2 2

1 1 0 4 6 6
At = 3 0 2 adj(At ) = 2 2 2 |A| = 10
0 2 2 2 2 3

4 6 6 2/5 3/5 3/5
1
A1 = 10 2 2 2 = 1/5 1/5 1/5
2 2 3 1/5 1/5 3/10

1.13.2 Algunos teoremas sobre matrices inversibles


Teorema 1.1 Una matriz An tiene inversa (es regular) |A| = 0

Demostracion:
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 .

Demostracion:
|At | = |A|, por tanto si |A| = 0 |At | = 0, luego At es inversible

adjA adjA (adjAt )t


(At )1 = = = = (A1 )t
|A |
t |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 Relacion equivalencia, determinante, rango y existen-


cia de inversa

Consideremos una matriz cuadrada A y analicemos como cambia su determinante al efec-


tuar 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 multiplo 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 numero de
intercambios de las y i = 0 los factores de los escalamientos realizados.
CAPITULO 1. MATRICES Y DETERMINANTES 32

La conclusion inmediata es que A y B tienen ambas determinante nulo, o ambas determi-


nante 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 algun elemento u11 , u22 , . . . unn es nulo, entonces |U | = 0, y por tanto |A| = 0, y por
otra parte el numero 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.

Conclusion: 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 5 0 1 5 4
A = 2 4 1 B = 2 4 2
0 2 0 0 2 2

1 5 0 1 5 0 1 5 0

|A| = 2 4 1 = 0 6 1 = 0 6 1 = 2 A es regular
0 2 0 0 2 0 0 0 1/3
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 (solo hace falta escalar
las filas para hacer unos los pivotes y realizar la eliminacion de Gauss-Jordan).

1 5 4 1 5 4 1 5 4

|B| = 2 4 2 = 0 6 6 = 0 6 6 = 0 B no es regular
0 2 2 0 2 2 0 0 0
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).

1 2 1
Ejemplo 1.42 Determina el valor de c para que la matriz A = 2 c 2 sea inversible,
2 3 0
analizando si A es equivalente por filas a la matriz identidad.

1 2 1 1 2 1 1 2 1 1 2 1
A = 2 c 2 0 c4 0 0 1 2 0 1 2
2 3 0 0 1 2 0 c4 0 0 0 2(c 4)
CAPITULO 1. MATRICES Y DETERMINANTES 33

fila2 = fila2 - 2 * fila1


fila3 = fila3 - 2 * fila1
Se intercambian las filas 2 y 3
fila3 = fila3 + fila2 (c-4) (Esta operacion se puede realizar aunque c sea 4)

1 2 1 1 2 1
0 1 2 0 1 2 =B
0 0 2(c 4) 0 0 2(c 4)
fila 2 = fila 2 * (-1)
1 2 1
Si c = 4 queda la matriz 0 1 2 que no puede transformarse mediante operaciones
0 0 0
elementales por filas en I3

Si c = 4

fila3 = fila3/[2(c-4)]

1 2 1
B 0 1 2
0 0 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 2 0
0 1 0
0 0 1
fila1 = fila1 - 2 * fila2

1 0 0
0 1 0 = I
0 0 1

La matriz A es equivalente por filas a la matriz identidad por tanto es inversible.

Resultado: La matriz es inversible si y solo si c = 4


CAPITULO 1. MATRICES Y DETERMINANTES 34

1.15 Repaso sobre vectores de IR n


1.15.1 Definicion
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
general
se denotan con una letra
x1
x2

minuscula 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
2
/ x1 IR, x2 IR}.
x2
x, x IR 2 , IR
[ ] [ ]
x x
x = 1 con x1 , x2 IR x = 1 con x1 , x2 IR
x2 x2
[ ] [ ] [ ]
x1 x x + x1
Suma: x + x = + 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 numeros 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 como el segmento orientado
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 situa 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.
CAPITULO 1. MATRICES Y DETERMINANTES 35
[ ]
2
Ejemplo 1.43 Representar en un plano u = Representan geometricamente, v =
[ ] [ ] 2
6 4
y u + v =
1 3

[ ]
3
Ejemplo 1.44 Sea u = . 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 de re-
x1
ferencia cartesiano tridimensional con ejes perpendiculares X, Y, Z, el vector x = x2 re-
x3
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 .
CAPITULO 1. MATRICES Y DETERMINANTES 36

3 2
Ejemplo 1.45 Sean v1 = 1 , v2 = 2 . Calcula 2v1 v2
4 3

6 2 4
2v1 v2 =
2
2 = 0
8 3 5

1.15.2 Combinacion lineal


Definicion 1.1 Dado un conjunto de vectores {v1 , v2 , . . . , vp } de IR n , llamamos combi-
nacion 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 combinacion 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 vec-


tores 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
3v1 + 0.5v2
w

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.
CAPITULO 1. MATRICES Y DETERMINANTES 37

1.16 Ejercicios
Matrices

Ejercicio 1.1 Obten AB siendo A y B las siguientes matrices en el cuerpo IR



2 0
2 1 3 2 1 2
A = 0 1 2 1 B=
4

1
4 1 3 0
0 3

Ejercicio 1.2 Obten AC y B2 +B, siendo A,B y C las siguientes matrices en el cuerpo IR

[ ] [ ] 2 0
1 2 0 5 0
A= B= C = 1 4
0 1 2 2 3
0 3
[ ]
2 1
Ejercicio 1.3 Dada la matriz A en IR, A = , comprobar que se puede verificar
1 2
una relacion de la forma A2 + A + I = 0, con , IR
[ ]
1 2
Ejercicio 1.4 Dada la matriz A = en IR, calcula, en funcion de , las matrices
3
B de orden 2 tales que AB=0
[ ]
1 0
Ejercicio 1.5 Dada la matriz A = en IR, hallar todas las matrices permutables
2 1
con ella.
Ejercicio 1.6 Considera el siguiente sistema constituido por 4 masas puntuales:
Punto Masa
x1 = (5, 4, 3) m1 = 2g
x2 = (4, 3, 2) m2 = 5g
x3 = (4, 3, 1) m3 = 2g
x4 = (9, 8, 6) m4 = 1g
Calcula el centro de gravedad x del sistema, sabiendo que:

m1 x1 + . . . + mk xk
x =
m1 + . . . + mk

Traspuestas, simetricas, antisimetricas, descomposicion sim + antisim

Ejercicio 1.7 Dadas las matrices en IR,



[ ] 1 0 [ ]
2 1 2 2 1
A= B = 1 2 C=
1 0 2 2 3
2 1
a) Determina AB, AC, CA
b) las traspuestas de estos productos
[ ]
2 0
Ejercicio 1.8 Sea la matriz A = en IR. Calcula A2 3AAt + (At )2
1 1
[ ]
1 2
Ejercicio 1.9 Descomponer la matriz A = en IR como suma de una matriz
1 3
simetrica y otra antisimetrica.
CAPITULO 1. MATRICES Y DETERMINANTES 38

Ejercicio 1.10 Sean las matrices cuadradas de orden 2, simetricas y en R,


[ ] [ ]
2 1 a c
A= B=
1 2 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

1 1 1

Ejercicio 1.12 Calcula las tres primeras potencias de la matriz A = 1 1 1 , y la
1 1 1
expresion general de Ak

Determinantes

Ejercicio 1.13 Calcula el siguiente determinante, desarrollandolo por adjuntos de la ter-


cera fila.

2 1 0 3

5 1 4 2

1 1 3 0


0 2 3 1
Ejercicio 1.14 Demostrar que

a b c 2a 2a

2b bca 2b = (a + b + c)3

2c 2c c a b
Ejercicio 1.15 Demostrar que,

1 a b + c

1 b c + a = 0 , sin efectuar el desarrollo correspondiente.

1 c a + b
Ejercicio 1.16 Hallar el valor de los siguientes determinantes de orden n

n 1 1 ... 1 1 1 1 ... 1 0 1 1 ... 1

n 2 1 ... 1 1 1 ... 1 1 0 1 ... 1

n
1 , 1 1 ...
1 , 1 1
1 3 ... 1 0 ...
.. .. .. .. .. . .. .. .. .. .. .. .. .. ..
. . . . . .. . . . . . . . . .

n 1 1 ... n 1 1 1 ... 1 1 1 ... 0
Ejercicio 1.17 Calcula el valor de los siguientes determinantes

3 1 2 6 1 2 1 3 1 0 5 1

4 2 1 3 1 1 3 1 2 1 0 a

2 0 3 1 2 1 1 1 4 3 10 7


2 4 2 5
2 4 1 0
3 2 7 0
Inversas por adjuntos, existencia en funcion de determinante no nulo

Ejercicio 1.18 Obten la inversa de la matriz A, por adjuntos.



1 2 1
A = 1 2 3
3 1 1
CAPITULO 1. MATRICES Y DETERMINANTES 39
[ ]
1 i
Ejercicio 1.19 Calcula la inversa de la matriz compleja A=
i 2
Ejercicio 1.20 Determina si la matriz A es inversible, en funcion de los valores de a y
b. (Pista: utiliza el determinante, si det = 0 no inversible, si det = 0 inversible).

1 2 2 1
2 a 1 2
A=
0

4 1 b
1 4 1 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.

1 2 2 1 1 2 1 0 2

A= 1 1 1
B= 1 3 4
C= 3 1 1
1 0 1 2 5 9 2 1 3

1 2 1 2 1 0
D= 2 4 3 E= 1 1 1
3 5 2 4 1 3

1 0 0
Ejercicio 1.22 Dada A = 0 1 1/2 , senala cual de las expresiones siguientes co-
0 0 1/2
rresponde a la forma general de la matriz (Ak )1 , k 1:

1 0 0 1 0 0 1 0 0
a) 0 1 2k 1 b) 0 1 21k c) 0 1 1
0 0 2k 0 0 2k 0 0 2k
(Calcula la matriz inversa mediante Gauss-Jordan)

Ejercicio 1.23 Calcula el rango de las siguientes matrices



3 3 1 0
1 3 5 0 2 2
2 1 1 1
6 0 1 4
A= 2
, B = 1 11 1 2
6 10 0 4
0 2 0 1
0 0 10 1 8
1 1 1 3

1 1 2 2 1 1 2 3 1 5
1 2 0 3 1 2 1 3 0 1
C=
1
D=
0 4 1 3 1 1 2 0 2
2 1 6 3 4 4 4 8 1 8

1 2 3 0
2 2 4 6
4 3 2
Ejercicio 1.24 Dada las matrices A =
3
y B = 2 6 6 , deter-
2 1 3
2 4 8
6 8 7 5
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
CAPITULO 1. MATRICES Y DETERMINANTES 40

Ejercicio

1.25 Determina

el rango de la matriz A en funcion del parametro 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 matrices, en funcion del parametro
que contienen:

1 1 s 1 2 0 s 1
1 s s 1 3 s 0 3
A= 1 2 s
B= 0

1 s 2 s
1 1 2 0 1 1 s s
1 3 3 0
1 2 1 2 a 3
3 3 1 1 a
a
C = 0 0 a 1 D= 2 1 3

0
0 1 a 2
1 1 2 1
0 0 a a

3 0
Ejercicio 1.27 Sea A = 0 1 4 , siendo , k IR. Calcula, en
0 k2 1
funcion 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 .
CAPITULO 1. MATRICES Y DETERMINANTES 41

1.17 Soluciones

1
17 1
AB = 9 7

19 1
2 [ ] [ ]
4 8 30 0
AC = B2 +B =
1 10 18 12
3
Se verica la ecuacion para = 4 y = 3

4 [ ][ ] [ ] [ ]
1 2 a b a + 2c b + 2d 0 0
= =
3 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:
[ ]
2c 2d
B= con c, d IR
c d
Si = 6 la unica solucion es la trivial:
[ ]
0 0
B=
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
[ sistema
] es
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)

7
[ ] [ ]
1 0 3 2 6
AB = AC no se puede CA =
5 2 1 2 10

Las traspuestas son:



[ ] 3 1
1 5
(AB)t = (CA)t = 2 2
0 2
6 10
CAPITULO 1. MATRICES Y DETERMINANTES 42

8
[ ]
4 5
5 4
9
[ ] [ ]
1 1/2 0 3/2
A=S+H S= H=
1/2 3 3/2 0
10
a = b y c cualquier valor, por tanto la matriz B debe tener la forma:
[ ]
a c
B= con a, c IR
c a
11
(P.P )t = P t .P t = P. P = P.P , por tanto P 2 es simetrica.

12
An = 3n1 A

13

1 0 3 2 0 3 2 1 3

1 1 4
2 + 1 5 4
2 + 3 5 1 2 = 5
2 3 1 0 3 1 0 2 1
14
Sumando a la la 1 las las 2 y 3 obtenemos:

a + b + c a + b + c a + b + c 1 1 1

|A| = 2b bca 2b
= (a + b + c) 2b b c a 2b

2c 2c c a b 2c 2c c a b
Sumando a la columna 2 la columna1*-1 y sumando a la columna 3 la columna1*-1 obte-
nemos:

1 0 0


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

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

15

1 a b + c

A = 1 b c + a = 0, sumando a la columna 3 la columna 2, y sacando el factor
1 c a + b
(a + b + c) fuera, tendremos dos columnas iguales (1,1,1), y por tanto el determinante es
0.
CAPITULO 1. MATRICES Y DETERMINANTES 43

16

n 1 1 ... 1

n 2 1 ... 1

1 =
n 1 3 ...
.. .. .. .. ..
. . . . .

n 1 1 ... n

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



n 1 1 ... 1

0 1 0 ... 0

0 0 = n!
0 2 ...
.. .. .. .. ..
. . . . .

0 0 0 ... n 1


1 1 1... 1

1 1 ... 1

1 =
1 1 ...
. .. .... ..
.. . . . .

1 1 1 . . .

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



1 1 1 ... 1

0 +1 2 ...
2


0 0 +1 ... = ( + 1)n1
2
.. .. .. ..
..
. . . . .

0 0 0 ... + 1


0 1 1 ... 1

1 0 1 ... 1

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

1 1 1 ... 0

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



0 1 1 ... 1

1 1 0 ... 0

1 0 1 ... 0

. .. .. .. ..
.. . . . .

1 0 0 ... 1

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



n 1 0 0 ... 0

1 1 0 ... 0

1 1 . . .
0 = (n 1)(1)n1
0
. .. .. .. ..
.. . . . .

1 0 0 ... 1
CAPITULO 1. MATRICES Y DETERMINANTES 44

17
3 1 2 6 1 2 1 3

4 2 1 3 1 1 3 1
= 116 = 63
2 0 3 1 2 1 1 1


2 4 2 5 2 4 1 0

1 0 5 1

2 1 0 a
= 108 36a
4 3 10 7


3 2 7 0
18

1 1 3 1 1 4
At = 2 2 1 adjAt = 10 4 2
1 3 1 7 7 0

1 1 4
|A| = 14 A1 = 1/14 10 4 2
7 7 0
19
[ ] [ ]
2 i 2/3 i/3
|A| = 2 i2 =3 adjAt = A1 =
i 1 i/3 1/3
20

1 2 2 1

2 a 1 2
|A| =
0 4 1 b

1 4 1 2
Las operaciones de sumar a una lnea un multiplo 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
|A| = =

= 1
4 1 b
0 4 1 b 0 4 1 b 3 3

3 3
6
1 4 1 2 0 6
La operacion
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


CAPITULO 1. MATRICES Y DETERMINANTES 45

Otra forma de resolver el problema partiendo de


Despejamos b: a + b(a 6) + 16 = 0 (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
b= = = +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.

5
100 50 0 50 100

21

1 2 0 7/4 1/4 1/2
A1 = 0 1 1 B 1 = 1/4 5/4 1/2
1 2 1 1/4 3/4 1/2

1/6 1/6 1/6 7 1 2
C 1 = 11/12 7/12 5/12 D1 = 5 1 1
5/12 1/12 1/12 2 1 0
Resolucion completa para E

2 1 0 | 1 0 0
1 1 1 | 0 1 0
4 1 3 | 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 operacio-
nes realizadas afectan a todos los elementos de la la, no solo a los que queramos hacer
cero.

F21(1/2) 2 1 0 | 1 0 0
0 3/2 1 | 1/2 1 0
F31(2)
0 1 3 | 2 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)
CAPITULO 1. MATRICES Y DETERMINANTES 46

F32(2/3) 2 1 0 | 1 0 0
0 3/2 1 | 1/2 1 0
0 0 11/3 | 5/3 2/3 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

F1(1/2) 1 1/2 0 | 1/2 0 0
0 1 2/3 | 1/3 2/3 0
F2(2/3)
0 0 1 | 5/11 2/11 3/11
F3(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 | 1/2 0 0
0 1 0 | 7/11 6/11 2/11
0 0 1 | 5/11 2/11 3/11

F12(1/2) 1 0 0 | 2/11 3/11 1/11
0 1 0 | 7/11 6/11 2/11
0 0 1 | 5/11 2/11 3/11

2/11 3/11 1/11 2 3 1
E 1 = 7/11 6/11 2/11 = 1/11 7 6 2
5/11 2/11 3/11 5 2 3
22
Obtenemos la inversa por Gauss-Jordan:

1 0 0 1 0 0 1 0 0 1 0 0
0 1
1/2 0 1 0 0 1 0 0 1 1
0 0 1/2 0 0 1 0 0 1 0 0 2

1 0 0
Por tanto la inversa es: A1
= 0 1 1
0 0 2
Las tres opciones son compatibles con A1 . Veamos que sucede para k = 2.

1 0 0 1 0 0 1 0 0
(A.A)1 = A1 .A1 = 0 1 1.0 1 1 = 0 1 3
0 0 2 0 0 2 0 0 4
Las unica opcion compatible con (A2 )1 es la (a).

23

3 3 1 0
1 3 5 0 2 2 1
2 1 1
6 0 1 4
A=
2
rango 2, B = 1 11 1 2 rango 4
6 10 0 4
0 2 0 1
0 0 10 1 8
1 1 1 3

1 1 2 2 1 1 2 3 1 5
1 2 0 3 1 2 1 3 0 1
C=
1
rango 2 D= rango 3
0 4 1 3 1 1 2 0 2
2 1 6 3 4 4 4 8 1 8
CAPITULO 1. MATRICES Y DETERMINANTES 47

24

1 2 3 0 1 2 3 0 1 2 3 0
2 4 3 2 0 0 3 2 0 4 8 3
A=
3





2 1 3 0 4 8 3 0 0 3 2
6 8 7 5 0 4 11 5 0 0 3 2

1 2 3 0
0 4 8 3

0 0 3 2
0 0 0 0
De aqu sacamos cuatro respuestas: La ultima 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 3 0 1 2 3 0 1 2 0 2
0 4 8 3 0 1 2 3/4 0 1 0 4/3 3/4
=
0 0 3 2 0 0 1 2/3 0 0 1 2/3
0 0 0 0 0 0 0 0 0 0 0 0

1 2 0 2 1 0 0 2 7/6 1 0 0 5/6
0 1 0 7/12 0 1 0 7/12 0 1 0 7/12
=
0 0 1 2/3 0 0 1 2/3 0 0 1 2/3
0 0 0 0 0 0 0 0 0 0 0 0
La ultima matriz calculada es la forma reducida por las de A


2 4 6 2 4 6
B= 2 6
6 0 2 0 = Be
2 4 8 0 0 2
De aqu sacamos dos respuestas: La ultima 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 multiplo


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 4 6 | 1 0 0 2 4 6 | 1 0 0
2 6 6 | 0 1
0 0 2 0 |1 1 0
2 4 8 | 0 0 1 0 0 2 |1 0 1

2 4 0 | 4 0 3 2 0 0 | 6 2 3
0 2 0 |1 1
0 0 2 0 |1 1 0
0 0 2 |1 0 1 0 0 2 |1 0 1

1 0 0 | 3 1 3/2 3 1 3/2
0 1 0 | 1/2 1/2 0 B 1
= 1/2 1/2 0
0 0 1 | 1/2 0 1/2 1/2 0 1/2