Professional Documents
Culture Documents
Matrices
1 Matrices
Definición 1.1 Sean I = {1, 2, . . . , m} y J = {1, 2, . . . , n} dos conjuntos finitos.
Una matriz de tamaño u orden m × n sobre un cuerpo K (o con coeficientes sobre
el cuerpo K, generalmente R o C) es una aplicación
A : I × J → K, (i, j) 7→ aij
Puesto que el conjunto de partida es invariable, se puede hablar de matriz como
la imagen de la aplicación A. Se denotará este conjunto de imagenes por
(aij )(i,j)∈I×J o bien (aij )
1≤i≤m
1≤j≤n
Se acostumbra a representar este conjunto de imágenes mediante una tabla rect-
angular constituida por m filas y n columnas, de tal modo que el elemento aij
estará situado en la fila i y en la columna j
a11 a12 . . . a1n
a21 a22 . . . a2n
... ... ... ...
am1 am2 . . . amn
Con esta notación, el primer ı́ndice indica la posición de fila y el segundo la
posición de columna.
Se acostumbra a representar abreviadamente la matriz por A = (aij )m×n o
simplemente A = (aij ), si está claro cual es su tamaño.
Tomando i ∈ I fijo, la familia (aij )1≤j≤n = (ai1 ai2 . . . ain ) recibe el nombre de
fila i-ésima de la matriz A; si j ∈ J es fijo, la familia (aij )1≤i≤m = (a1j a2j . . . amj )
recibe el nombre de columna j-ésima de la matriz A.
Definición 1.2 Dos matrices A = (aij ), B = (bij ), del mismo tamaño m × n, se
dice que son iguales si aij = bij , 1 ≤ i ≤ m, 1 ≤ j ≤ n.
Definición 1.3 Se llama diagonal principal de una matriz A = (aij )m×n a la
familia (a11 a22 . . . app ), siendo p = min{m, n}; ésto es, es la colección formada
por los elementos de la matriz que igual ı́ndice de fila y de columna.
Definición 1.4 Dada una matriz A = (aij )m×n , sean i1 , i2 , . . . , ip ciertos ı́ndices
de fila y j1 , j2 , . . . , jq ciertos ı́ndices de columna. La matriz p × q obtenida a
partir de la matriz A suprimiendo las filas y columnas de ı́ndices distintos de los
considerados, se dice que es una submatriz de A.
1
Definición 1.5 Caja o bloque de una matriz es toda submatriz de ella para la
que los ı́ndices de fila son consecutivos y también lo son los ı́ndices de columna.
Ejemplo 1.6
1 0 1 2 3
0 2 µ ¶
4 2 3 1
2 0 1 2
A= 2 6 ; submatriz =
2 1 ; caja =
5 1 0 2 3 1
2 6
0 2 4 6 3
Definición 1.7 Se llama submatriz fila a aquella submatriz constituida por una
sola fila y por todas las columnas.
¡ ¢
Ai = ai1 ai2 . . . ain
Se llama submatriz columna a aquella constituida por una sola columna y todas
las filas.
a1j
a2j
Aj = ..
.
amj
A1 A2 . . . An
↓ ↓ ... ↓
A1 → a11 a12 . . . a1n
A2 → a21 a22 . . . a2n
A= ..
. ... ... ... ...
Am → am1 am2 . . . amn
está formada por m matrices fila A1 , A2 , . . . , Am y n matrices columna A1 , A2 , . . . , An .
Definición 1.8 Se llama matriz cuadrada a aquella que tiene igual número de
filas y de columnas.
Cuando una matriz no es cuadrada, se dice que es rectangular.
Se llama matriz transpuesta de la matriz A = (aij )m×n a la matriz At =
(aji )n×m resultante de cambiar las filas de A por sus columnas.
Una matriz A = (aij )m×n se dice que es triangular superior cuando son nulos
todos los elementos situados por debajo de la diagonal principal, es decir, aij = 0
siempre que i > j. Se llamará triangular inferior, si son nulos todos los elementos
situados por encima de la diagonal principal, ésto es, aij = 0 siempre que i < j.
2
Ejemplo 1.9
1 0 0 0
1 2 3 4 2 3 0 0
T.S. = 0 0 2 1 ; T.I. =
4
5 0 0
0 0 2 0
2 1 0 2
Una matriz diagonal es aquella que tiene todos sus coeficientes nulos, salvo, quizá,
los situados en la diagonal principal, ésto es, aij = 0, siempre que i 6= j.
Una matriz diagonal que tiene todos los elementos de la diagonal principal
iguales se llama matriz escalar.
La matriz escalar con 1 en la diagonal principal se llama matriz identidad.
Ejemplo 1.10
1 0 0 0
0 2 0 0 1 0 0
2 0 0
Diag =
0
; Escalar = 0 2 0 ; I= 0 1 0
0 0 0
0 0 2 0 0 1
0 0 0 −1
3
i) Asociativa: A + (B + C) = (A + B) + C
ii) Conmutativa: A + B = B + A
iii) Elemento Neutro: 0 = (0)
iv) Elemento Simétrico: La matriz opuesta de A = (aij ) es la matriz −A =
(−aij ).
Comentario:
Si tenemos en cuenta el isomorfismo L(Kn , Km ) ∼
= Mm×n , la operación suma
de matrices se coresponde con la suma de aplicaciones lineales
Φ : L(Kn , Km ) → Mm×n Φ(f + g) = Φ(f ) + Φ(g)
f 7→ A ↓ ↓ ↓
A+B A B
· : K × Mm×n → Mm×n
(λ, A = (aij )) 7→ λ · A = (λ · aij )
Comentario:
Si tenemos en cuenta el isomorfismo L(Kn , Km ) ∼
= Mm×n , la operación pro-
ducto de un escalar por una matriz se corresponde con el producto del escalar
por la aplicación lineal
Φ : L(Kn , Km ) → Mm×n Φ(λ · f ) = λ · Φ(f )
f 7→ A ↓ ↓ ↓
λ·A λ· A
4
Por otra parte, es fácil comprobar que este sistema de vectores es linealmente
independiente
i=m,j=n
X
λij Iij = 0 ⇒ (λij ) = (0) ⇒ λij = 0, ∀i, j
i,j=1
3 Producto de matrices
Sean las matrices A = (aih )m×p y B = (bkj )q×n . Atendiendo al isomorfismo Φ, el
producto de matrices se corresponde con la composición de aplicaciones lineales
asociadas fA y fB
Φ Φ
A = (aih )m×p ↔ fA : Kp → Km ; B = (bkj )q×n ↔ fB : Kn → Kq
f f
La composición Kn → B
Kq Kp → A
Km tendrá por matriz asociada via Φ la matriz
que definiremos como el producto A.B.
Para que sea posible la composición, es necesario que K q = K p , por lo que
q = p y, de aquı́, la siguiente:
Definición 3.1 Dos matrices A = (aih )m×p y B = (bkj )q×n son multiplicables,
en el orden A.B, si el número de columnas de la primera matriz A coincide con
el número de filas de la segunda matriz B, ésto es, p = q.
Bp×n .Am×p
5
ni tan siquiera tienen por que ser multiplicables en ese orden. Para que lo fuesen,
serı́a necesario que n = m. Pero aún en ese caso:
tiene por elementos cij los obtenidos mediante la suma de los productos de los
elementos de la fila i de A por los elementos de la columna j de B
b1j
b2j
cij = (ai1 ai2 . . . aip ) .. = ai1 .b1j + ai2 .b2j + · · · + aip .bpj
.
bpj
Ejemplo 3.4
µ ¶ 4 2
2 3 5
A= ;B = 3 6
6 0 1
1 3
µ ¶ 4 2 µ ¶
2 3 5 22 37
A.B = . 3 6 =
6 0 1 25 15
1 3
Propiedades:
i) Asociativa: (A.B).C = A.(B.C)
A.(B + C) = A.B + A.C
ii) Distributiva:
(B + C).A = B.A + C.A
iii) Hay matrices no nulas, cuyo producto es la matriz nula, por ejemplo:
µ ¶ 0 2 1 0 µ ¶
1 0 1 0 0 0 0
. 1 3 0 −1 =
0 0 0 0 0 0 0
0 −2 −1 0
6
iv) Se llama matriz unidad o identidad de orden n, denotada por In , a la matriz
escalar cuadrada de orden n con 1 en la diagonal principal.
1 0 0 ... 0
0 1 0 ...
In =
0 0 1 ... 0
... ... ... ... ...
0 0 0 ... 1
Se verifica que
Im .Am×n = Am×n
Am×n .In = Am×n
El nombre de matriz unidad viene por ser el elemento neutro para el producto,
aunque In ∈/ Mm×n , al verificar la propiedad anterior, recibe el nombre de unidad.
El conjunto Mn de las matrices cuadradas de orden n, como se ha visto, tiene
estructura de espacio vectorial con respecto a la suma y al producto por escalares.
Además se sabe que dim Mn = n2 .
Sin embargo, al contrario de lo que sucede con Mm×n , el producto de matrices
es una operación interna para Mn
. : Mn × Mn → Mn
(A, B) 7→ A.B
Es inmediato verificar que (Mn , +, .) tiene estructura de anillo, es decir, se veri-
fican las siguientes propiedades:
i) (Mn , +) es un grupo abeliano
ii) . es asociativo
iii) . es distributivo
Además este anillo es unitario. Su elemento unidad es In , ya que
A.In = In .A = A
A.A−1 = A−1 .A = In
7
Las matrices cuadradas no regulares se llaman matrices singulares, por lo
tanto son las matrices no inversibles.
Las matrices regulares de (Mn , +, .) possen todas las propiedades de los ele-
mentos inversibles de un anillo unitario. Cabe destacar:
Propiedad: Si A y B son matrices regulares, también lo es A.B. Además
(A.B)−1 = B −1 .A−1
Nota: Atendiendo al isomorfismo Φ : L(Kn , Kn ) → Mn×n , se tiene que la matriz
inversa está asociada al homomorfismo inverso, ésto es, si f : Kn → Kn es tal que
Φ(f ) = A, entonces f −1 : Kn → Kn tiene asociada la matriz A−1 .
4 Trasposición de matrices
La operación de trasponer matrices se puede considerar como una aplicación
(−)t : Mm×n → Mn×m
A 7→ At
Evidentemente, esta aplicación es biyectiva y además satisface las siguientes
propiedades:
i) (At )t = A
¾
(A + B)t = At + B t
ii) ⇒ (−)t es una aplicación lineal, luego es un iso-
(λ.A)t = λ.At
morfismo de espacios verctoriales
iii) (A.B)t = B t .At
iv) (A−1 )t = (At )−1
Ejercicios 4.1
1. Demostrar la propiedad iv) anterior.
2. Comprobar las cuatro propiedades anteriores tomando dos matrices cuadradas
A y B cualesquiera.
8
Hay que recordar que {f (−→
e1 ), f (−
→
e2 ), . . . , f (−
→
en )} son los vectores columnas de la
matriz asociada a f en las bases citadas.
Propiedades:
1. Si A ∈ Mm×n , entonces rangF (A) ≤ m, n; rangC (A) ≤ m, n.
2. Las matrices nulas, y sólo ellas, tienen sus rangos de fila y columna nulos.
3. rangF (A) = rangC (At ); rangC (A) = rangF (At ).
Corolario 5.5
rang(A) = rang(At )
9
Ejemplo 6.1
F2 + F1
1 −3 2 1 5 F3 − 2F1 1 −3 2 1 5 F3 − 4F2
−1 5 1 2 −3 F + 4F 0 2 3 3 2 F + 3F
A= 4→ 1 4→ 2
2 2 −3 4 −6 0 8 −7 2 −16
−4 6 2 −3 −2 0 −6 10 1 18
1 −3 2 1 5 1 −3 2 1 5
0 2 3 3 2 F +F 0 2 3 3 2
4→ 3
0 0 −19 −10 −24 0 0 −19 −10 −24
0 0 19 10 24 0 0 0 0 0
El rango de la matriz es el número de vectores fila no nulos. En este ejemplo
rang(A) = 3.
F2 − 2F1
1 1 0 | 1 0 0 F −F 1 1 0 | 1 0 0
2 0 3 | 0 1 0 3 → 1 0 −2 3 | −2 1 0 →
F3 /3
1 1 3 | 0 0 1 0 0 3 | −1 0 1
1 1 0 | 1 0 0 1 1 0 | 1 0 0
F2 /(−2)
0 −2 3 | −2 1 0 F2→ −3F3
0 −2 0 | −1 1 −1 →
0 0 1 | −1/3 0 1/3 0 0 1 | −1/3 0 1/3
1 1 0 | 1 0 0 1 0 0 | 1/2 1/2 −1/2
0 1 0 | 1/2 −1/2 1/2 F1→ −F2
0 1 0 | 1/2 −1/2 1/2
0 0 1 | −1/3 0 1/3 0 0 1 | −1/3 0 1/3
1/2 1/2 −1/2
−1
Ası́ A = 1/2 −1/2 1/2 .
−1/3 0 1/3
10
Ejercicios
2 −1 −3 5
3 2 −1 1
1. Calcular el rango de la matriz A = −2 2
.
4 −3
1 4 1 −2
µ 2. De las ¶ siguientes opciones, elı́janse las correctas, si existen: La inversa de
x −2
coincide con su opuesta
13 −x
a) cuando x = ±5.
b) cuando x = 0.
c) para ningún valor de x.
3. Sea A una matriz regular tal que A3 = 0. De entre las siguientes opciones,
elı́janse las verdaderas, si existen:
a) (I − A)−1 = I + A + A2 y (I − A)−2 = I + 2A + 3A2 .
b) (I − A)−1 = I + A2 y (I − A)−2 = I + 2A2 .
c) (I − A)−1 = I +µA y (I ¶ − A)−2 = I + 2A + A2 .
a b
4. La matriz A = es ortogonal. ¿Qué afirmación es correcta?:
c d
a) a2 + b2 = 1.
b) a2 + b2 + c2 + d2 = 1.
c) a.c + b.d = 1
µ ¶ 1 1
2 0 1
5. Siendo A = yB= 0 1 , ¿Cuál es correcta?:
1 2 1
−1 −2
a) A.B = I.
b) B es la inversa de A.
c) A no tiene inversa.
µ ¶ −3 1 5 −1 0 1
−1 2 3
6. Sea A = , B = 4 1 0 y C = 3 0 2 .
1 2 5
0 0 1 −1 1 5
Determinar:
t t t t
a) A.B.C; b) A.(B.C);
c) A.(B
+ C ); d) B.C.A ; e) (B − C).A ; f) (7A − 6C).A .
0 1 0
7. Sea A = 0 0 1 . Determinar A2 , A3 , An , n ≥ 4.
0 0 0
−1 2 0
8. Sea B = 1 0 1 . Calcular: a) B 2 ; b) B 3 ; c) B 3 − 7B 2 + 5B + 4I.
0 1 1
0 x y
9. Sea A = 0 0 z . Determinar A2 , A3 y A3 − A.At .
0 0 0
11
0 0 1
10. Sea C = 0 1 0 . Determinar C n , n ≥ 2.
µ1 0 ¶ 0 µ ¶
1 0 2 −1
11. Sean A = yB= . Calcular (A + B)2 y A2 + 2AB +
1 1 1 −1
B 2 . ¿Por qué no dan el mismo resultado?.
12