Matrices y Determinantes

2 Bachillerato
Presentacin elaborada por la profesora Ana M Zapatero a partir
de los materiales utilizados en el centro (Editorial S.M.)
Dimensin de la matriz n m
2 columna
3 fila
Se llama matriz a una disposicin rectangular de nmeros reales, a los cuales se les
denomina elementos de la matriz. Cada elemento tiene dos subindices, el primero
indica la fila y el segundo la columna
Dos matrices son iguales cuando tienen la misma dimensin y los elementos que
ocupan la misma posicin en cada una de ellas son iguales.
\





|
.
|
|
|
|
|
|
a
11

a
12

a
13

...... a
1n

a
21

a
22

a
23

...... a
2n

a
31

a
32

a
33

...... a
3n

.. .. .. .. ..
a
m1

a
m2

a
m3

...... a
mn

= (a
ij
)
Concepto de matriz. Igualdad de matrices
Definicin de matrz
Se llama matriz de orden mn a todo conjunto rectangular de elementos a
ij

dispuestos en m lneas horizontales (filas) y n verticales (columnas) de la forma:
Abreviadamente suele expresarse en la forma A =(a
ij
), con i =1, 2, ..., m,
j =1, 2, ..., n. Los subndices indican la posicin del elemento dentro de la
matriz, el primero denota la fila ( i ) y el segundo la columna ( j ). Por ejemplo el
elemento a
25
ser el elemento de la fila 2 y columna 5.
El orden es el nmero de filas y columnas que tiene la matriz, se
representa por m x n.
|
|
|
|
|
|
.
|

\
|
nn n n n
n
n
n
a a a a
a a a a
a a a a
a a a a

3 2 1
3 33 32 31
2 23 22 21
1 13 12 11
A = (a
i,j
)=
Matriz: Ejemplo
Juan, Ana y Elena han ido a una tienda y han comprado lo siguiente:
1. Juan compr dos bocadillos, un refresco y un pastel.
2. Ana se llev un bocadillo, un refresco y un pastel.
3. Elena compr un bocadillo y un refresco.
Estos datos se pueden
agrupar en una matriz

|

\
|
|
|
|
.
2 1 1
1 1 1
1 1 0
Expresin matricial: ejemplo
Tiene la siguiente matriz de los coeficientes: A =
\


|
.
|
|
|
2 5 3
1 4 1


Tiene la siguiente matriz ampliada: A
*
=
\


|
.
|
|
|
2 5 3 1
1 4 1 2

Tiene la siguiente expresin matricial:
\


|
.
|
|
|
2 5 3
1 4 1

\


|
.
|
|
|
x
y
z
=
\


|
.
|
|
|
1
2

= +
= +
2 z 4y - x
1 3 5 2 z y x
El sistema
|
|
|
.
|

\
|
1 2 4
2 3 5
4 5 -1

|
|
|
.
|

\
|
0 2 -4
-2 0 3
4 -3 0

-
Matriz fila:
A = (1 3 5 7 9 )
- Matriz columna: A =
\


|
.
|
|
|
2
4
6
ji ij
a a
=
Diagonal
secundaria
Diagonal
principal
-
Matriz cuadrada: A=
\


|
.
|
|
|
1 3 5
2 4 6
1 1 1

Matriz simtrica: es una matriz cuadrada
que verifica que:
Matriz antisimtrica: es una matriz
cuadrada que verifica que:
Clasificacin de matrices: Forma
ji ij
-a a
=
A = A
T

A = A
T

Clasificacin de matrices: Elementos
Matriz escalar: es una matriz diagonal
donde todos los elementos de ella son iguales.
Matriz triangular superior: es una matriz
donde todos los elementos por debajo de la
diagonal son ceros.
Matriz triangular inferior: es una matriz
donde todos los elementos por encima de la
diagonal son ceros.
Matriz nula: es una matriz en la que todos los
elementos son nulos.
Matriz diagonal: es una matriz cuadrada, en
la que todos los elementos no pertenecientes a
la diagonal principal son nulos.
Matriz unidad o identidad: es una matriz
escalar, cuya diagonal principal es 1.
3 3
0 0 0
0 0 0
0 0 0
O

|
|
|
.
|

\
|
=
2 3
0 0
0 0
0 0
O

|
|
|
.
|

\
|
=
|
|
|
.
|

\
|
=
4 0 0
3 2 0
6 3 1
T
|
|
|
.
|

\
|
=
1 0 0
0 3 0
0 0 2
D
|
|
|
.
|

\
|
=
1 0 0
0 1 0
0 0 1
I
3
|
|
|
.
|

\
|
=
2 0 0
0 2 0
0 0 2
A
|
|
|
.
|

\
|
=
4 5 3
0 2 3
0 0 1
T
Operaciones con matrices
Trasposicin de matrices
Suma y diferencia de matrices
Producto de una matriz por un nmero
Producto de matrices
Matrices inversibles
Propiedades simplificativas
Operaciones con matrices I
1.- Trasposicin de matrices
Dada una matriz de orden m x n, A = (aij), se llama matriz traspuesta de A, y se
representa por A
t
, a la matriz que se obtiene cambiando las filas por las columnas (o
viceversa) en la matriz A.
Es decir:
Propiedades de la trasposicin de matrices:
1.- Dada una matriz A, siempre existe su traspuesta y adems es nica.
2.- La traspuesta de la matriz traspuesta de A es A. a (A
t
)
t
= A.
Matriz traspuesta: ejemplo y propiedades
I. Para la matriz A, (A
t
)
t
= A
II. Para las matrices A y B, (A

+ B)
t
= A
t
+ B
t

III. Para la matriz A y el nmero real k, (k
.
A)
t
= k
.
A
t

IV. Para las matrices A y B, (A
.
B)
t
= B
t

.
A
t

V. Si A es una matriz simtrica, A
t
= A
Propiedades:
La traspuesta de una matriz A cualquiera se obtiene cambiando filas por columnas y se
representa por A
t
. Si A = (a
ij
), entonces A
t
= (a
ji
). Si A es mxn, entonces A
t
es nxm.
Ejemplo: Si A =
\


|
.
|
|
|
1 2 3
4 5 6
entonces A
t
=
\


|
.
|
|
|
1 4
2 5
3 6
Operaciones con matrices II
La suma de dos matrices A=(a
ij
), B=(b
ij
) de la misma dimensin, es otra matriz
S=(s
ij
) de la misma dimensin que los sumandos y con trmino genrico S = (a
ij
+ b
ij
).
La suma de las matrices A y B se denota por A+B.

Ejemplo
2.- Suma y diferencia de matrices

Sin embargo, no se pueden sumar.
La diferencia de matrices A y B se representa por AB, y se define como la suma
de A con la opuesta de B : AB = A + (B)
Por tanto, para poder sumar dos matrices estas han de tener la misma dimensin.

Suma de matrices: ej de orden 3
Para sumar dos matrices A y B con las mismas dimensiones se suman los
correspondientes elementos: si A = (a
ij
) y B = (b
ij
) entonces A + B = (a
ij
+ b
ij
)
A + B = ( a
ij
) + ( b
ij
) =
\


|
.
|
|
|
a
11

a
12

a
13

a
14

a
21

a
22

a
23

a
24

a
31

a
32

a
33
a
34
+
\


|
.
|
|
|
b
11

b
12

b
13

b
14

b
21

b
22

b
23

b
24

b
31

b
32

b
33
b
34

=
=
\


|
.
|
|
|
a
11
+ b
11

a
12
+ b
12

a
13
+ b
13

a
14
+ b
14

a
21
+ b
21

a
22
+ b
22

a
23
+ b
23

a
24
+ b
24

a
31
+ b
31

a
32
+ b
32

a
33
+ b
33

a
3 4
+ b
34

= ( a
ij
+ b
ij
)
Propiedades de la adicin de matrices
Asociativa: A + (B + C) = (A + B) + C
Conmutativa: A + B = B + A
Elemento neutro: A + 0 = 0 + A = A donde 0 es la matriz nula.
Elemento opuesto: A + ( A) = ( A) + A = 0

La matriz A (opuesta) se obtiene cambiando de signo los elementos de A.
Sean A, B y C tres matrices del mismo orden.
Para multiplicar un nmero real por una matriz, se multiplican cada uno de los
elementos de la matriz por dicho nmero.

Si A = (a
ij
), entonces kA = (ka
ij
)
Operaciones con matrices III
k
.
A = k
.
(a
ij
) = k
\


|
.
|
|
|
a
11

a
12

a
13

a
21

a
22

a
23

a
31

a
32

a
33

=
\


|
.
|
|
|
ka
11

ka
12

ka
13

ka
21

ka
22

ka
23

ka
31

ka
32

ka
33

= ( ka
ij
)
3.- Producto de un nmero por una matriz
Propiedades con la suma y el producto por un nmero
Distributiva I: k(A + B) = kA + kB
Distributiva II: (k + h)A = kA + hA
Elemento neutro: 1 A = A

Asociativa mixta: k(hA) = (kh)A
Sean A y B dos matrices del mismo orden y k y h dos nmeros reales.
El conjunto de las matrices m x n con las operaciones suma y producto
por un escalar antes definidas, tiene estructura de espacio vectorial
Operaciones con matrices IV
4.- Producto de matrices
Dadas dos matrices A y B, su producto es otra matriz P cuyos elementos se
obtienen multiplicando las filas de A por las columnas de B (por lo que
deben coincidir estas). De manera ms formal, los elementos de P son de la
forma:
Es evidente que el nmero de columnas de A debe coincidir con el nmero
de filas de B. Es ms, si A tiene dimensin m x n y B dimensin n x p, la
matriz P ser de orden m x p,
no se pueden multiplicar
Ejemplos:
P
ij
= a
ik
b
kj
con k=1,.n
Cundo es posible el producto de matrices?
(a
ij
)
m,n
.
(b
ij
)
n,p
=

Posible
filas
columnas
(c
ij
)
m,p
El producto de matrices es posible cuando coincide el nmero de columnas
de una matriz con el nmero de filas de la otra matriz.
Producto de matrices: Desarrollo
es la matriz C = A B, tal que el elemento que ocupa la posicin ij es:
c
ij
= a
i1
.
b
1j
+ a
i2
.
b
2j
+ ... + a
in
.
b
nj

El producto de la matriz
A = (a
ij
)
=

\




|
.
|
|
|
|
|
a
11

a
12

a
13

...... a
1n

a
21

a
22

a
23

...... a
2n

a
31

a
32

a
33

...... a
3n

.. .. .. .. ..
a
m1

a
m2

a
m3

...... a
mn


por la matriz
B = (b
ij
)
=

|
|
|
|
|
|
.
|






\
|
np 3 n 2 n 1 n
p 3 33 32 31
p 2 23 22 21
p 1 13 12 11
b b b b
b b b b
b b b b
b b b b
......
.. .. .. .. ..
......
......
......

Ejemplo: producto de matrices
2. Qu dimensiones tiene la matriz producto?
(a
ij
)
2,3
.
(b
ij
)
3,3
=
producto
posible
(c
ij
)

2, 3
A B
=

\


|
.
|
|
|
2 1 1
3 2 0

.
\


|
.
|
|
|
1 2 0
1 0 3
0 1 2
=
\


|
.
|
|
|
3 3 1
1 6 6


1. El producto de A
=

\

|
.
|
|
2 1 1
3 2 0

por la matriz B =
\

|
.
|
|
1 2 0
1 0 3
0 1 2

cada fila de A por cada columna de B.
se obtiene multiplicando
Propiedades del producto de matrices (I)
I. Propiedad asociativa. Para las matrices A de dimensin mxn, B de dimensin nxp y C de
dimensin pxr.
A
.
(B
.
C) = (A
.
B)
.
C
III. Propiedad distributiva a la izquierda. Para las matrices A de dimensin mxn,
B de dimensin nxr y C de dimensin nxr.

A
.
(B + C) = A
.
B + A
.
C
IV. Propiedad distributiva a la derecha. Para las matrices A de dimensin mxn, B
de dimensin mxn y C de dimensin nxp.

(A + B)
.
C = A
.
C + B
.
C
las matrices identidad de orden m y n, respectivamente, se tiene:
I
m
A = A I
n
= A
II. Elemento unidad. Si A es una matriz mxn, y
I
m =

|
|
|
|
|
|
.
|






\
|
1 ...... 0 0 0
.. .. .. .. ..
0 ...... 1 0 0
0 ...... 0 1 0
0 ...... 0 0 1
e I
n =

\



|
.
|
|
|
|
1

0

0

...... 0

0

1

0

...... 0

0

0

1

...... 0

.. .. .. .. ..
0

0

0

...... 1


Propiedades del producto de matrices (II)
I. La multiplicacin de matrices no cumple la propiedad conmutativa: si una de
las dos matrices no es cuadrada ni siquiera tiene sentido plantear el producto en
un orden distinto al dado.
II. Si A
.
B = 0 entonces no siempre ocurre que A = 0 B = 0.
III. Si A
.
C = B
.
C y C = 0, entonces no necesariamente A = B.
IV. (A + B)
2
= A
2
+ 2A
.
B + B
2
salvo que A y B conmuten.
V. (A B)
2
= A
2
2A
.
B + B
2
salvo que A y B conmuten.
VI. A
2
B
2
= (A B)
.
(A + B) salvo que A y B conmuten.
Ejemplo: Aunque
\


|
.
|
|
|
0

2

0

0


.

\


|
.
|
|
|
0

3

0

0

=
\


|
.
|
|
|
0

0

0

0

ninguno de los factores que
forman el producto es la matriz nula.

Producto: Potencia de una matriz
Si A es una matriz cuadrada, las potencias de A, de exponente natural, se definen como en
el caso de los nmeros naturales: el exponente indica el nmero de veces que se multiplica
la matriz por s misma.
A
n
= A
.
A
.
...........
.
A
n veces
Ejemplo:
|
|
.
|


\
|
=
1 0
1 1
A
|
|
.
|


\
|
=
|
|
.
|


\
|
|
|
.
|


\
|
= =
1 0
2 1
1 0
1 1
1 0
1 1
A A A
2
|
|
.
|


\
|
=
|
|
.
|


\
|
|
|
.
|


\
|
= =
1 0
3 1
1 0
2 1
1 0
1 1
A A A
2 3
|
|
.
|


\
|
=
|
|
.
|


\
|

|
|
.
|


\
|
= = =
1 0
4 1
1 0
3 1
1 0
1 1
A A A A A A A
3 4
|
|
.
|


\
|
=
|
|
.
|


\
|

|
|
.
|


\
|
= = =
1 0
1
1 0
1 1
1 0
1 1
A A A A A
1 -
veces -
n n
n
n
n
3 2 1
L
Propiedades de la matriz inversa
I. Si las matrices A y B son inversibles (A
.
B)
1
= B
1

.
A
1

II. Si A es una matriz inversible y k = 0, (k
.
A)
1
= (1/k)
.
A
1
III. Si A es una matriz inversible, (A
1
)
1
= A

IV. La matriz unidad es inversible y adems I
1
= I

V. Si A es una matriz inversible, (A
1
)
t
= (A
t
)
1
Dada una matriz cuadrada A de orden n, no siempre existe otra
matriz B tal que AB = BA =In. Si existe dicha matriz B, se dice que
es la matriz inversa de A y se representa por A
-1

Una matriz cuadrada que posee inversa se dice que es inversible o
regular; en caso contrario recibe el nombre de singular.
Inversa de una matriz, Matrices inversibles

Operaciones con matrices V
Mtodos de clculo de la matriz inversa
Directamente

Por el mtodo de Gauss-Jordan
Usando determinantes
Observacin:
Podemos encontrar matrices que cumplen AB = I, pero que BA = I, en tal
caso, podemos decir que A es la inversa de B "por la izquierda" o que B es la
inversa de A "por la derecha".
Hay varios mtodos para calcular la matriz inversa de una matriz dada:
Inversa de una matriz (directamente)
Si A es una matriz cuadrada, se dice que B es la inversa de A si A
.
B = B
.
A = I, siendo
la matriz unidad. La matriz inversa se representa por A
1
.

Y de aqu se deduce que:
Ejemplo: Dada A =
\


|
.
|
|
|
2 1
1 1
para obtener A
- 1
=
\


|
.
|
|
|
x y
z t
se ha de cumplir
\


|
.
|
|
|
2 1
1 1

.

\


|
.
|
|
|
x y
z t
=
\


|
.
|
|
|
1 0
0 1
\


|
.
|
|
|
2x z 2y t
x + z y + t
=
\


|
.
|
|
|
1 0
0 1



2x z = 1
x + z = 0
2y t = 0
y + t = 1



x = 1/3
y = 1/3
z = 1/3
t = 2/3

Por tanto A
- 1
=
\


|
.
|
|
|

1
3

1
3


1
3

2
3


Combinacin lineal entre filas y columnas
En una matriz A, las filas pueden representarse por F
1
, F
2
, ... , F
m
y las columnas
por C
1
, C
2
, ... , C
n
.
Se llama combinacin lineal de las filas F
1
, F
2
, F
3
... , F
m
a una expresin de la
forma:
k
1
.
F
1
+ k
2

.
F
2
+ k
3

.
F
3
+ ... + k
m

.
F
m
siendo k
1
, k
2
, ... , k
m
nmeros reales.

Se llama combinacin lineal de las columnas C
1
, C
2
, C
3
... , C
n
a una expresin
de la forma:
k
1
.
C
1
+ k
2

.
C
2
+ k
3

.
C
3
+ ... + k
n

.
C
n
siendo k
1
, k
2
, ... , k
n
nmeros reales.

A =
\




|
.
|
|
|
|
|
a
11

a
12

a
13

...... a
1n

a
21

a
22

a
23

...... a
2n

a
31

a
32

a
33

...... a
3n

.. .. .. .. ..
a
m1

a
m2

a
m3

...... a
mn

= ( C
1
, C
2
, C
3
, ... , C
n
) =
\




|
.
|
|
|
|
|
F
1

F
2

F
3
......
F
m

Dependencia lineal entre filas y columnas
Una fila (o columna) de una matriz depende linealmente de otras si es combinacin
lineal de ellas.

Si entre las filas (o columnas) de una matriz, alguna depende linealmente de otras, se
dice que son linealmente dependientes; en caso contrario, son linealmente
independientes.

F
3
= F
1
+ 2F
2

Ejemplo: En la matriz A =
\

|
.
|
|
2 0 1 1
1 3 1 0
4 6 1 1
la tercera fila es combinacin lineal de la primera y la
segunda ya que :
En cambio: En la matriz B =
\

|
.
|
|
1 2 4
3 1 5
las dos filas son linealmente independientes porque ninguna
de ellas es igual a una constante por la otra.
Para aplicar el mtodo se necesita una matriz cuadrada de rango mximo.
Sabemos que no siempre una matriz tiene inversa, por lo cual comprobaremos
que la matriz tenga rango mximo al aplicar el mtodo de Gauss para realizar
la triangulacin superior. Si al aplicar el mtodo de Gauss (triangulacin
inferior) se obtiene una lnea de ceros, la matriz no tiene inversa.
Mtodo de Gauss-Jordan para el clculo de la matriz inversa
El mtodo de Gauss-Jordan para calcular la matriz inversa de una
dada se basa en una triangulacin superior y luego otra inferior de la matriz a la
cual se le quiere calcular la inversa.
Dada una matriz A de orden n, para calcular su inversa hay que
transformar la matriz (A I I
n
) mediante transformaciones elementales por filas
en la matriz (I
n
I B). La matriz B ser la inversa de A.
Las transformaciones elementales son las siguientes:
Permutar 2 filas 2 columnas.
Multiplicar o dividir una lnea por un nmero no nulo.
Sumar o restar a una lnea otra paralela multiplicada por un nmero no nulo.
Suprimir las filas o columnas que sean nulas,
En consecuencia al transformar (A I In) en (I
n
I B) realmente lo que
estamos haciendo son las siguientes multiplicaciones:
A
-1
A= I
n y
A
-1
In = A
-1
=B

Si hacemos transformaciones elementales en una matriz, esto es equivalente
a multiplicarla por otra matriz dada. Ejemplo:
|
|
|
.
|

\
|
2 1 1
1 1 2
0 1 1
|
|
|
.
|

\
|

2 2 0
1 1 0
0 1 1
F
2
2F
1
g F
2

F
1
+ F
3
g F
3

|
|
|
.
|

\
|

=
|
|
|
.
|

\
|

|
|
|
.
|

\
|

2 2 0
1 1 0
0 1 1
2 1 1
1 1 2
0 1 1
1 0 1
0 1 2
0 0 1
Esta transformacin es equivalente a la siguiente multiplicacin:
Clculo de la Matriz Inversa por el mtodo
de Gauss J ordan I
Aplicando el mtodo de Gauss-Jordan a la matriz


En primer lugar triangulamos inferiormente:



Una vez que hemos triangulado superiormente lo hacemos inferiormente:




Por ltimo, habr que convertir la matriz diagonal en la matriz identidad:






De donde, la matriz inversa de A es
Clculo de la Matriz Inversa por el mtodo
de Gauss J ordan II: Ejemplo
Aplicando el mtodo de Gauss-Jordan a la matriz se tiene:







Como hay una fila completa de ceros, la matriz A no tiene rango mximo, en
este caso 2, por tanto no tiene inversa pues es una matriz singular
Clculo de la Matriz Inversa por el mtodo
de Gauss J ordan III : Ejemplo
Clculo de la Matriz Inversa por el mtodo
de Gauss J ordan IV: Ejemplo
2.- Triangulamos la matriz A de arriba a abajo y realizamos las mismas operaciones en la
matriz de la derecha.
Queremos calcular la inversa de
1.- Se escribe la matriz A junto a esta la matriz identidad,
Como podemos observar el rango de la matriz es mximo (en este caso 3), por
tanto la matriz A es regular (tiene inversa), podemos calcular su inversa.
Clculo de la Matriz Inversa por el mtodo
de Gauss J ordan V: continuacin
3.- Triangulamos la matriz de abajo a arriba, realizando las mismas operaciones en la
matriz de la derecha.
4.- Por ltimo se divide cada fila por el elemento diagonal correspondiente.
Rango de una matriz
El rango por filas de una matriz es el nmero de filas linealmente
independientes.

El rango por columnas de una matriz es el nmero de columnas linealmente
independientes.

Se puede demostrar que el rango por filas coincide con el rango por
columnas en cualquier matriz. A este valor comn se le llama rango de la
matriz y se representa rg A.
Operaciones que no modifican el rango de una matriz
Intercambiar dos filas (o columnas) entre s.

Multiplicar una fila (o columna) por un nmero distinto de cero.

Sumar a una fila (o columna) una combinacin lineal de otras filas (o
columnas).
Dependencia e independencia lineal : filas
Vectores fila de una matriz:
Las filas de una matriz pueden ser consideradas como vectores. Es posible
que sean linealmente Independientes (L.I.) y es posible que unos
dependan linealmente de otros. Por ejemplo:
Sus dos filas son linealmente independientes |
|
.
|

\
|
=
2 4 3 1
5 2 3 2
A
Las dos primeras lneas son L.I., las otras dos dependen
linealmente de las primeras
|
|
|
|
|
.
|

\
|
=
4 3
5 0
1 2
3 1
B
2 1 2 3 F F F =
2 1 4 F F F + =
Las dos primeras filas son L.I. la tercera depende linealmente de
las dos primeras
|
|
|
.
|

\
|

=
1 5 8
2 0 9
3 5 1
C
3 1 2 F F F =
Se llama rango de una matriz al nmero de filas Linealmente Independientes
Teorema
En una matriz el nmero de filas L.I. coincide con el nmero de
columnas L.I.
Dependencia e independencia lineal: columnas
Vectores columna de una matriz:
Tambin las columnas de una matriz pueden ser consideradas como vectores.
Podramos definir rango de la matriz como el nmero de columnas linealmente
independientes, pero aparece la duda de si esa definicin puede contradecir
en algn caso la anterior.
Es posible que en una matriz el nmero de filas linealmente independientes
sea distinto del nmero de columnas linealmente independiente?. El siguiente
teorema nos asegura que no.
Por esto podemos dar una nueva definicin de Rango:

Rango de una matriz es el nmero de filas, o columnas,
linealmente independientes.
Ejemplos rango de una matriz escalonada
\


|
.
|
|
| 2 0 1 1
0 1 1 0
0 0 1 1

La matriz A = tiene rango 3.
|
|
|
.
|



\
|

0 0 0 0
0 1 1 0
1 1 0 2
La matriz A =
tiene rango 2.
|
|
|
.
|



\
|

1 0 0 0
0 1 0 0
1 1 0 2
La matriz A =
tiene rango 3.
|
|
|
.
|



\
|
0 0 0 0
0 2 0 0
1 1 2 0

La matriz A =
tiene rango 2.
|
|
|
.
|



\
|
0 0 0 0
0 0 0 0
1 0 0 0
La matriz A =
tiene rango 1.
El rango de una matriz lo podemos calcular por dos mtodos
diferentes:
Mtodos de clculo del rango de una matriz
Por el mtodo de Gauss
Usando Determinantes


Clculo del rango de una matriz por el mtodo de Gauss
Transformaciones elementales:
Son las transformaciones que podemos realizarle a una matriz sin que su
rango vare.
Las transformaciones elementales son las siguientes:
Permutar 2 filas 2 columnas.
Multiplicar o dividir una lnea por un nmero no nulo.
Sumar o restar a una lnea otra paralela multiplicada por un nmero no nulo.
Suprimir las filas o columnas que sean nulas,
Suprimir las filas o columnas que sean proporcionales a otras.
Proceso para el clculo del rango de una matriz:
Mtodo de Gauss
a) Si es necesario, reordenar filas para que a
11
= 0 (si esto no fuera posible,
aplicar todo el razonamiento a a
12
).

b) Anular todos los elementos por debajo de a
11
: para ello multiplicar la primera
fila por a
21
/a
11
y sumar a la segunda, multiplicar la primera fila por a
31
/a
11

y sumar a la tercera, .... multiplicar la primera fila por a
m1
/a
11
y sumar a la
m-sima.

c) Repetir los pasos anteriores basados en a
22
y, despus, en cada a
ii
.

d) El proceso termina cuando no quedan ms filas o estn formadas por ceros.
A =
\




|
.
|
|
|
|
|
a
11

a
12

a
13

...... a
1n

a
21

a
22

a
23

...... a
2n

a
31

a
32

a
33

...... a
3n

.. .. .. .. ..
a
m1

a
m2

a
m3

...... a
mn


Clculo del rango de una matriz
Aplicando los procesos anteriores se puede llegar a una matriz escalonada que
indica el nmero de filas o columnas independientes y por tanto el rango de la
matriz.
\


|
.
|
|
|
* * * * *
* * * * *
* * * * *
* * * * *
Rango 4
\


|
.
|
|
|
* * * * *
0 * * * *
0 0 * * *
0 0 0 * *
Rango 3
\


|
.
|
|
|
* * * * *
0 * * * *
0 0 * * *
Rango 2
\


|
.
|
|
|
* * * * *
0 * * * *
Rango 1
\
|
.
|
* * * * *
Ejemplos del clculo del rango de una matriz por el mtodo de Gauss I



Ejemplos del clculo del rango de una matriz por el mtodo de Gauss II
A no es inversible
-
Restando a la segunda fila la primera por 4:
\


|
.
|
|
|
1
1
2

1
2
0
0 0 2 1

Condicin para que una matriz sea inversible
-
Ampliamos la matriz A con la matriz identidad:
\


|
.
|
|
|
2 1 1 0
4 2 0 1

-
Dividiendo la primera fila por 2:

\


|
.
|
|
|
1
1
2

1
2
0
4 2 0 1

Al operar con las filas de A se ha llegado a una matriz de rango distinto a la dimensin de
la matriz A.

Por tanto: una matriz cuadrada A de orden n es inversible si y slo si rg A = n.

De otra forma: A es inversible si y slo si sus filas (o sus columnas) son
linealmente independientes.

Vamos a estudiar si A =
\


|
.
|
|
|
2 1
4 2
es inversible:

Dada una matriz cuadrada
se llama determinante de A, y se representa por |A| det(A), al nmero:

con
(S
n
es el grupo de las permutaciones del conjunto {1, 2,.. n }, e i (s) es la
signatura de la permutacin)
Determinantes
Definicin: Se llama determinante de A al nmero que se obtiene mediante la suma de
los productos de un elemento de cada fila y columna precedidos del signo + o segn la
paridad de la permutacin que indican sus filas y columnas.
Determinantes de orden 2 y 3

= a
11
a
22
a
33
+ a
12
a
23
a
31
+ a
13
a
21
a
32
a
13
a
22
a
31
a
11
a
23
a
32
a
12
a
21
a
33.

a
11

a
12

a
13

a
21

a
22
a
23
a
31
a
32
a
33

Dada una matriz cuadrada de orden 3
A =
\

|
.
|
|
a
11
a
12

a
13
a
21
a
22
a
23
a
31
a
32
a
33
det (A) o |A|, al nmero real siguiente:

Se llama determinante de A,
Dada una matriz cuadrada de segundo orden:
| |
a a
a
A =
\

.
|
11 12
a
21 22
se llama determinante de A al nmero real:
Det( A) = |A| =
a a 11 12
a 21 a 22
= a
11
a
22
a
12
a
21

Ejemplo:
3 2
2 1
= 31 - 22 = 3 4 = -1
Regla de Sarrus
La regla de Sarrus permite recordar grficamente los productos que aparecen en la
expresin del determinante de orden 2 y 3 y sus signos. Los elementos de la diagonal
principal y sus paralelas, con su signo y los de la diagonal secundaria y sus paralelas
cambiadas de signo.
Aplicaciones a la regla de Sarrus
24 12 10 + 4 9 + 80 = 77
det(A) = 3
.
(2)
.
(4) + 4
.
(3)
.
1 + 5
.
(1)
.
2 [ 1
.
(2)
.
2 + (1)
.
(3)
.
3 + 5
.
4
.
(4)] =

El determinante de la matriz A =
\




|
.
|
|
|
|
|
3

5

1

4

2 1
2 3 4
es

Clculo de determinantes usando desarrollo por los elementos
de una fila o columna
Se llama menor M
ij
de la matriz A al determinante de la matriz que se obtiene al suprimir
en A la fila i-sima y la columna j-sima.

Se llama adjunto A
ij
del elemento a
ij
de la matriz A al nmero A
ij
= (1)
i+j
M
ij
.

El determinante de una matriz A =
\

|
.
|
|
|
a
11

a
12

a
13

a
21

a
22
a
23
a
31
a
32
a
33
es igual a la suma de los elementos
de una fila o columna multiplicados por sus adjuntos:

det (A) = a
i1
. A
i1
+ a
i2
. A
i2
+ a
i3
. A
i3
sera el desarrollo por la i-sima fila

det (A) = a
1j
. A
1j
+ a
2j
. A
2j
+ a
3j
. A
3j
sera el desarrollo por la j-sima columna

Ejemplos: desarrollos de un determinante de orden 3
Desarrollo por primera columna de un determinante de orden 3
Desarrollo por tercera fila de un determinante de orden 3
a
11

a
12

a
13

a
21

a
22

a
23

a
31

a
32

a
33

= a
11
.
(-1)
1+1
a
22

a
23

a
32

a
33



+ a
21
.
(-1)
2+1
a
12

a
13

a
32

a
33



+ a
31
.
(-1)
3+1
a
12

a
13

a
22

a
23


a
11

a
12

a
13

a
21

a
22

a
23

a
31

a
32

a
33

= a
31
.
(-1)
3+1
a
12

a
13

a
22

a
23



+ a
32
.
(-1)
3+2
a
11

a
13

a
21

a
23



+ a
33
.
(-1)
3+3
a
11

a
12

a
21

a
22


Determinante de cualquier orden
3
5
1 1
= 1 3 + 6 5 + 1 1 + 0 (1) = 34
El determinante de la matriz A de orden n se puede obtener multiplicando los
elementos de una fila o columna por sus respectivos adjuntos:
det (A) = a
i1
. A
i1
+ a
i2
A
i2
+ ... + a
in
. A
in
sera el desarrollo por la i-sima fila
det (A) = a
1j
. A
1j
+ a
2j
A
2j
+ .. .+ a
mj
. A
mj
sera el desarrollo por la j-sima columna
Por ejemplo :
2

1 1 2

1 6 1 0

3 1 1 3
2 1

0 1

=
1 ( 1)
2+1
1 1 2

1 1 3
1

0 1

+
6 ( 1)
2+2

2

1 2
3 1 3
2 0 1

+
+ 1 ( 1)
2+3

2

1 2
3 1 3
2 1 1

+
0 ( 1)
2+4

2

1 1
3 1 1
2 1 0

=
I. El determinante de una matriz con dos filas o columnas proporcionales es cero.
II. El determinante de una matriz con una fila o columnas nulas es cero.
Clculo inmediato de determinantes (I)

Ejemplos:
-
El determinante de una matriz A =
\


|
.
|
|
| 1 4

1
3

2 3
2 5 2
es igual a cero porque la tercera y
primera columnas son iguales.
-
El determinante de una matriz A =
\


|
.
|
|
| 2 4

1
1

2 3
3 6 9
es igual a cero porque la tercera fila
es igual a la segunda multiplicada por 3.


Ejemplo:
El determinante de una matriz A =
\


|
.
|
|
| 1 0

1
3

0 3
2 0 2
es igual a cero porque la segunda columna
es nula.

III. El determinante de una matriz en que una fila o columna depende linealmente de
otras filas o columnas es cero.
IV. El determinante de una matriz triangular es igual al producto de los elementos de
su diagonal principal.
Clculo inmediato de determinantes (II)

Ejemplo:
El determinante de una matriz A =
\


|
.
|
|
| 2 4

0
1

3 1
3 1 5
es igual a cero porque la tercera columna es
igual al doble de la primera menos la segunda.


Ejemplo:
El determinante de la matriz A =
\


|
.
|
|
| 1 0

1
0

2 3
0 0 2
es igual 4.

V. El determinante de la matriz unidad es 1
Clculo inmediato de determinantes (III)

Ejemplos:
-
El determinante de la matriz I
3
=
\


|
.
|
|
| 1 0

0
0

1 0
0 0 1
es igual a 1.
-
El determinante de la matriz I
5
=
\



|
.
|
|
|
|
1 0

0 0

0
0 1 0 0 0
0 0 1 0 0
0 0 0 1 0
0 0 0 0 1
es igual a 1.

I. Si se multiplican los elementos de una fila o columna de una matriz por un nmero el
determinante de la matriz se multiplica por ese nmero.
II. Si se intercambian entre s dos filas o dos columnas de una matriz, su determinante
cambia de signo.
Propiedades: operaciones con filas y columnas (I)
Ejemplo:

2

3

4

20

=
2

3

4
.
1

4
.
5

= 4
2

3

1

5


Ejemplo:
1

4

2

5
=
4

1

5 2

III. Al sumar a una fila o columna una combinacin lineal de las otras filas o columnas,
respectivamente, el valor del determinante no vara.
Propiedades: operaciones con filas y columnas (II)
Ejemplo: Si en A =
2

3

1
1 5 2
4 13 4
sumamos a la tercera fila la primera mult i plicada por 1 ms
la segunda multiplicada por 2, obtenemos:

B =
2

3

1
1 5 2
4 + 2 ( 1 ) + 1 ( 2 ) 13 + 3 ( 1 ) + 5 ( 2 ) 4 + ( 1 ) ( 1 ) + 2 ( 2 )

y se cumple que ambos determinantes son iguales: B A
=

I. El determinante del producto de dos matrices cuadradas y multiplicables es igual al
producto de los determinantes de cada una de ellas.
II. El producto de los determinantes de dos matrices inversas es 1.
Determinantes de operaciones con matrices (I)

Ejemplo:

-
Sean A =
\

|
.
|
|
2 0

1 1
y B =
\

|
.
|
|
4 1

3 2
. Se tiene que |A| = 2 y |B| = 5.
-
Como A
.
B =
\

|
.
|
|
8 2

1 1
y | A
.
B | = 10 se observa que | A
.
B | = |A|
.
|B|


Ejemplo:
-
Sea A =
\

|
.
|
|
3 0

1 1
; entonces A
1
=
\

|
.
|
|
1/3 0

1/3 1

-
Como | A | = 3 y | A
1
| = 1/3, se observa que | A |
.
| A
1
| = 1

III. Al trasponer una matriz su determinante no vara.
VI. Si se multiplica una matriz cuadrada de orden n por un nmero, el nuevo
determinante es igual al anterior multiplicado por la potencia n-sima del nmero.
Operaciones con matrices (II)

Ejemplo:
-
Sea A =
\

|
.
|
|
2 0

2
1 1 3
3 0 2
. Entonces A
t
=
\

|
.
|
|
2 1

3
0 1 0
2 3 2

-
Se cumple que | A | = | A
t
|

Ejemplo:
Se cumple que: 2
\


|
.
|
|
| 2

0

2
1 1 3
3 0 2
=
\


|
.
|
|
| 4

0

4
2 2 6
6 0 4
= 2
3

\


|
.
|
|
| 2

0

2
1 1 3
3 0 2

Operaciones con matrices (III)

Ejemplo:
-
Sea A =
\


|
.
|
|
| 2 3

1
1 5 2
4 13 4
. Entonces se cumple que | A | = 7
-
Y se tiene que:
\


|
.
|
|
| 2 3

1
1 5 2
4 13 4
=
\


|
.
|
|
| 1 + 1 3

1
3 2 5 2
1 + 3 13 4
=
\


|
.
|
|
| 1 3

1
3 5 2
1 13 4
+
\


|
.
|
|
| 1 3

1
2 5 2
3 13 4
= ( - 70) + 77


Si A =
\

|
.
|
|
a
11

a
12
+ b
12

a
13

a
21

a
22
+ b
22

a
23
a
31
a
32
+ b
32

a
33
se cumple que:
a
11

a
12
+ b
12

a
13

a
21

a
22
+ b
22

a
23
a
31
a
32
+ b
32

a
33

=
a
11

a
12

a
13

a
21

a
22

a
23
a
31
a
32

a
33

+
a
11


b
12

a
13

a
21


b
22

a
23
a
31
b
32

a
33


V.- Si una fila o columna es suma de varios sumandos, se descompone en tantos
determinantes como sumandos haya
El rango no puede ser mayor al nmero de filas o de columnas.
Rango de una matriz por determinantes I
Se llama menor de orden p de una matriz al determinante que resulta de eliminar
ciertas filas y columnas hasta quedar una matriz cuadrada de orden p. Es decir, al
determinante de cualquier submatriz cuadrada de A (submatriz obtenida suprimiendo
alguna fila o columna de la matriz A).
En una matriz cualquiera A mn puede haber varios menores de un cierto orden p
dado.
Definicin:
El RANGO (o caracterstica) de una matriz es el orden del mayor de los menores
distintos de cero. El rango o caracterstica de una matriz A se representa por rg(A).
Consecuencias
Las filas o columnas de una matriz cuadrada son linealmente dependientes si y slo si su
determinante es cero.
Se aaden a la matriz anterior todas las filas y
columnas posibles para formar matrices de
orden 4.
Se aaden a la matriz anterior todas las filas y
columnas posibles para formar matrices de
orden 3.
Si el determinante de alguna matriz cuadrada
de orden tres es distinto de cero rang(A) > 3.
Si el determinante de alguna matriz cuadrada de
orden dos es distinto de cero rang(A) > 2.
En caso contrario rang(A) = 1
En caso contrario rang(A) = 2
Si el determinante de alguna matriz cuadrada de
orden cuatro es distinto de cero rang(A) > 4.
En caso contrario rang(A) = 3
Y as hasta que no sea posible continuar
El rango de la matriz nula es 0.
Si la matriz A no es nula rang(A) > 1.
Algoritmo para el clculo del rango de una matriz
La matriz cuadrada A tiene inversa si y slo si | A | 0.
Dada la matriz cuadrada A, se llama matriz adjunta de A y se representa adj (A), a
la matriz que se obtiene al sustituir cada elemento a
ij
por su adjunto A
ij
.
Obtencin de la matiz inversa mediante determinantes (I)
Ejemplo:
Dada la matriz (A) =
\


|
.
|
|
| 2 - 2 2
2 1 0
3 - 2 2
, su adjunta sera:
adj (A)=
\





|
.
|
|
|
|
|
|

1 0
2 2

2 0
3 2

2 1
3 2


2 2
2 2

2 2
3 2

2 2
3 2


2 2
1 0

2 2
2 0

2 2
2 1

=
\


|
.
|
|
| 2 4 7
0 2 2
2 4 6

Se llama Adjunto A
i,j
del elemento a
i,j
al determinante del menor M
i,j
multiplicado
por (-1)
i+j

La matriz A tiene inversa ya que: det(A) = 2 = 0
Obtencin de la matiz inversa mediante determinantes (II)
Ejemplo: Dada la matriz A =
\


|
.
|
|
| 2 2 2
2 1 0
3 2 2
, pretendemos encontrar su inversa:
Ya hemos visto que: adj (A) =
\

|
.
|
|
2 4 7
0 2 2
2 4 6

Entonces: [adj (A)]
t
=
\


|
.
|
|
| 2 0 2
4 2 4
7 2 6

Por lo tanto: A
1
=
1
| A |
[adj (A)]
t
=
1
2

\


|
.
|
|
| 2 0 2
4 2 4
7 2 6
=
\


|
.
|
|
| 1 0 1
2 1 2
7/2 1 3


Si se cumple que | A | 0 entonces la matriz inversa A
-1
es igual a:
A
1
=
1
| A |
adj(A
t
) =
1
| A |
[adj(A)]
t

Esto es fcil probarlo puesto que sabemos que la suma de los productos de los
elementos de una fila por sus adjuntos es el valor del determinante, y que la suma de
los productos de los elementos de una fila por los adjuntos de otra fila diferente es 0
Calculo de la matriz inversa por el mtodo de los adjuntos I
Calculo de la matriz inversa por el mtodo de los adjuntos II
El determinante de una matriz se obtiene sumando los productos de los elementos de
una fila o columna por sus adjuntos.

El mtodo de Gauss consiste en, utilizando las propiedades anteriores, anular todos los
elementos de una fila o columna excepto uno llamado pivote, y que interesa que valga
1 1, para simplificar los clculos.
2 fila por (3) + 1 fila
2 fila por (2) + 3 fila
2 fila por (3) + 4 fila
desarrollo por 1
columna
1 fila por 1 + 3 fila
desarrollo por 1
columna
18
Clculo de determinantes por el mtodo de Gaus
Ejemplo :
3

5

2 6
1 2 1 1
2 4 1 5
3 7 5 3
=
0

1 1 3
1 2 1 1
0 0 3 3
0 1 8 0
=
1
.
1 1 3
0 3 3
1 8 0
=
1
.
1 1 3
0 3 3
0 9 3
=
= (1)
.
( 1)
3 3
9 3
=
69
5. Repaso de matrices
( Chema Madoz, VEGAP, Madrid 2009)
70
Elemento: a
ij

Tamao: m n
Matriz cuadrada: n n
(orden n)
Elementos de la diagonal: a
nn

Matrices
|
|
|
|
|
.
|

\
|
mn m m
n
n
a a a
a a a
a a a
L

L
L
2 1
2 22 21
1 12 11
|
|
|
|
|
.
|

\
|
n
a
a
a

2
1
) (
2 1 n
a a a L
Vector columna
(matriz n x 1)
Vector fila
(matriz 1 x n)
71
|
|
|
.
|

\
|

=
|
|
|
.
|

\
|

=
2 1 1
5 3 9
8 7 4
,
5 10 6
6 4 0
3 1 2
B A
|
|
|
.
|

\
|

=
|
|
|
.
|

\
|
+ + +
+ + +
+ + +
= +
3 9 5
11 7 9
5 6 6
2 5 ) 1 ( 10 1 6
5 6 3 4 9 0
) 8 ( 3 7 1 4 2
B A
Suma:
n m ij
mn m m
n
n
a k
ka ka ka
ka ka ka
ka ka ka
k

=
|
|
|
|
|
.
|

\
|
= ) (
2 1
2 22 21
1 12 11
L

L
L
A
Multiplicacin por un escalar:
72
Si A, B, C son matrices mn, k
1
y k
2
son escalares:

(i) A + B = B + A
(ii) A + (B + C) = (A + B) + C
(iii) (k
1
k
2
) A = k
1
(k
2
A)
(iv) 1 A = A
(v) k
1
(A + B) = k
1
A + k
1
B
(vi) (k
1
+ k
2
) A = k
1
A + k
2
A
73
(a)



(b)





Nota: En general, AB = BA
|
.
|

\
|

= |
.
|

\
|
=
8 6
2 9
,
5 3
7 4
B A
|
.
|

\
|
= |
.
|

\
|
+ +
+ +
=
34 57
48 78
6 5 ) 2 ( 3 6 5 9 3
8 7 ) 2 ( 4 6 7 9 4


AB
|
.
|

\
|

=
|
|
|
.
|

\
|
=
0 2
3 4
,
7 2
0 1
8 5
B A
|
|
|
.
|

\
|

=
|
|
|
.
|

\
|
+ +
+ +
+ +
=
6 6
3 4
15 4
0 7 ) 3 ( 2 2 7 ) 4 ( 2
0 0 ) 3 ( 1 2 0 ) 4 ( 1
0 8 ) 3 ( 5 2 8 ) 4 ( 5



AB
Multiplicacin:
74
|
|
|
|
|
.
|

\
|
=
mn n n
m
m
T
a a a
a a a
a a a
L

L
L
2 1
2 22 12
1 21 11
A
Transpuesta de una matriz A:
(i) (A
T
)
T
= A
(ii) (A + B)
T
= A
T
+ B
T

(iii) (AB)
T
= B
T
A
T

(iv) (kA)
T
= kA
T
Nota: (A + B + C)
T
= A
T
+ B
T
+ C
T

(ABC)
T
= C
T
B
T
A
T
75
|
|
|
.
|

\
|
= |
.
|

\
|
= |
.
|

\
|
=
0 0
0 0
0 0
,
0 0
0 0
,
0
0
0 0 0
Matriz cero
A + 0 = A
A + (A) = 0
inferior Triangular superior Triangular
1 4 3 2 15
0 2 1 1 1
0 0 3 9 8
0 0 0 6 1
0 0 0 0 2
1 0 0 0
9 8 0 0
7 6 5 0
4 3 2 1
|
|
|
|
|
|
.
|

\
|

|
|
|
|
|
.
|

\
|
Matrices triangulares
76
Matriz cuadrada n n, i j, a
ij
= 0


|
|
|
.
|

\
|
1 0 0
0 0
0 0 7
2
1
Matriz diagonal:
|
.
|

\
|
= |
.
|

\
|
1 0
0 1
5
5 0
0 5
A: m n, entonces
I
m
A = A I
n
= A
Matriz identidad:
|
|
|
|
|
.
|

\
|
1 0 0 0
0 0 1 0
0 0 0 1
L

L
L
77
Una matiz A n n es simtrica si A
T
= A.
|
|
|
.
|

\
|
=
4 6 7
6 5 2
7 2 1
A
A A =
|
|
|
.
|

\
|
=
4 6 7
6 5 2
7 2 1
T
78
m n mn m m
n n
n n
b x a x a x a
b x a x a x a
b x a x a x a
= + + +
= + + +
= + + +
L

L
L
2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11
|
|
|
|
|
.
|

\
|
m mn m m
n
n
b a a a
b a a a
b a a a
L

L
L
2 1
2 2 22 21
1 1 12 11
Matriz aumentada
asociada, para resolver
el sistema de ecuaciones
lineales.
Resolucin de sistemas de ecuaciones lineales:
79
2x
1
+ 6x
2
+ x
3
= 7
x
1
+ 2x
2
x
3
= 1
5x
1
+ 7x
2
4x
3
= 9
|
|
|
.
|

\
|

|
|
|
.
|

\
|

9 4 7 5
7 1 6 2
1 1 2 1
9 4 7 5
1 1 2 1
7 1 6 2
12
R
|
|
|
.
|

\
|

|
|
|
.
|

\
|

+
+
14 1 3 0
1 0
1 1 2 1
14 1 3 0
9 3 2 0
1 1 2 1
2
9
2
3
5
2
2
2
1
3 1
2 1
R
R R
R R
|
|
|
.
|

\
|

|
|
|
.
|

\
|


+
5 1 0 0
1 0
1 1 2 1
0 0
1 0
1 1 2 1
2
9
2
3
2
55
2
11
2
9
2
3
3
3
11
2
3 2
R
R R
5
2
9
2
3
1 2
3
3 2
3 2 1
=
= +
= +
x
x x
x x x
x
3
= 5, x
2
= 3, x
1
= 10
80
Resolver mediante el mtodo de Gauss-Jordan
x
1
+ 3x
2
2x
3
= 7
4x
1
+ x
2
+ 3x
3
= 5
2x
1
5x
2
+ 7x
3
= 19

|
|
|
.
|

\
|

|
|
|
.
|

\
|



|
|
|
.
|

\
|

|
|
|
.
|

\
|

+
+

+
+
0 0 0 0
3 1 1 0
2 1 0 1
3 1 1 0
3 1 1 0
7 2 3 1
33 11 11 0
33 11 11 0
7 2 3 1
19 7 5 2
5 3 1 4
7 2 3 1
3 2
1 2
3
11
1
2
11
1
3 1
2 1
3
2
4
R R
R R
R
R
R R
R R
Entonces: x
2
x
3
= 3
x
1
+ x
3
= 2
Haciendo x
3
= t, tenemos x
2
= 3 + t, x
1
= 2 t.
81
Resolver: x
1
+ x
2
= 1
4x
1
x
2
= 6
2x
1
3x
2
= 8





|
|
|
.
|

\
|

|
|
|
.
|

\
|

16 0 0
2 1 0
1 0 1
8 3 2
6 1 4
1 1 1
0 + 0 = 16 !! No tiene soluciones.
82
Vectores fila:

u
1
= (a
11
a
12
a
1n
),
u
2
= (a
21
a
22
, a
2n
),,
u
m
= (a
m1
a
m2
a
mn
)
|
|
|
|
|
.
|

\
|
=
mn m m
n
n
a a a
a a a
a a a
L

L
L
2 1
2 22 21
1 12 11
A
|
|
|
|
|
.
|

\
|
=
|
|
|
|
|
.
|

\
|
=
|
|
|
|
|
.
|

\
|
=
mn
n
n
n
m m
a
a
a
a
a
a
a
a
a

L

2
1
2
22
12
2
1
21
11
1
, , , v v v
Vectores columna:
El rango de una
matriz A m n, es el
mximo nmero de
vectores fila
linealmente
independientes.
|
|
|
.
|

\
|

|
|
|
.
|

\
|

|
|
|
.
|

\
|

=


+
+
+
0 0 0 0
2 1 0
3 1 1 1
1 4 2 0
2 8 4 0
3 1 1 1
8 7 5 3
8 6 2 2
3 1 1 1
2
1
3
2
2 4
1
3 2 2
1
3 1
2 1
R
R R
R R
R R
A
rang A = 2.
83
AX = 0
Siempre hay soluciones
(consistente)
Solucin nica X = 0
(solucin trivial)
rang(A) = n
Infinitas soluciones
Rang(A) < n
n r parmetros
84
AX = B, B0
Inconsistente
rang(A) < rang(AB)
Consistente
rang(A) = rang(AB)
Solucin nica
rang(A) = n
Infinitas soluciones
rang(A) < n
n r parmetros
85
21 12 22 11
22 21
12 11
det a a a a
a a
a a
= = A
.
det
33 21 12 32 23 11
31 22 13 32 21 13 31 23 12 33 22 11
33 32 31
23 22 21
13 12 11
a a a a a a
a a a a a a a a a a a a
a a a
a a a
a a a

+ + =
= A
Determinantes
32 31
22 21
13
33 31
23 21
12
33 32
23 22
11
det
a a
a a
a
a a
a a
a
a a
a a
a +
|
|
.
|

\
|
+ = A
Expansin por cofactores a lo largo de la primera fila.
86
32 31
22 21
13
33 31
23 21
12
33 32
23 22
11
a a
a a
C
a a
a a
C
a a
a a
C = = =
33 32 31
23 22 21
13 12 11
det
a a a
a a a
a a a
= A
det A = a
11
C
11
+ a
12
C
12
+ a
13
C
13
El cofactor de a
ij
es
C
ij
= (1)
i+ j
M
ij

donde M
ij
se llama menor.
... O por la tercera fila:
det A = a
31
C
31
+ a
32
C
32
+ a
33
C
33

Podemos expandir por filas o columnas.
87
|
|
|
.
|

\
|
=
3 5 1
3 0 6
7 4 2
A
13 12 11
7 4 2
3 5 1
3 0 6
7 4 2
det C C C + + = = A
3 5
3 0
) 1 (
3 5 1
3 0 6
7 4 2
) 1 (
1 1 1 1
11
+ +
= = C
3 1
3 6
) 1 (
3 5 1
3 0 6
7 4 2
) 1 (
2 1 2 1
12
+ +
= = C
5 1
0 6
) 1 (
3 5 1
3 0 6
7 4 2
) 1 (
3 1 3 1
13
+ +
= = C
88
120 )] 1 ( 0 ) 5 ( 6 [ 7 )] 1 ( 3 ) 3 ( 6 [ 4 )] 5 ( 3 ) 3 ( 0 [ 2
5 1
0 6
) 1 ( 7
3 1
3 6
) 1 ( 4
3 5
3 0
) 1 ( 2 det
3 1 2 1 1 1
= + =
+ + =
+ + +
A
13 12 11
7 4 2
3 5 1
3 0 6
7 4 2
det C C C + + = = A
120 ) 6 ( 3 ) 23 ( 6
5 1
4 2
) 1 ( 3
3 5
7 4
) 1 ( 6
3 0 6 det
3 2 2 1
23 22 21
= =
+ =
+ + =
+ +
C C C A
Ms corto desarrollando por la segunda fila...
89
238 )] 2 ( 5 ) 4 ( 6 [ 7
4 2
5 6
) 1 )( 7 (
0 4 2
7 8 1
0 5 6
) 1 )( 7 (
0 ) 7 ( 0
0 4 2
7 8 1
0 5 6
det
3 2 3 2
33 23 13
= =

=
+ + =

=
+ +
C C C A
|
|
|
.
|

\
|

=
0 4 2
7 8 1
0 5 6
A
90
det A
T
= det A
41
4 3
7 5
det =

= A 41
4 7
3 5
det =

=
T
A
Si dos filas (columnas) de una matriz A de n n
son idnticas, entonces det A = 0.
|
|
|
.
|

\
|
=
2 2 9
2 2 4
2 2 6
A 0
2 2 9
2 2 4
2 2 6
det = = A
91
Si todos los elementos de una fila (columna) de una
matriz A de n n son cero, entonces det A = 0.
Si B es la matriz obtenida por intercambio de
dos filas (columnas) de una matriz A n n,
entonces:
det B = det A
A B det
3 1 2
7 0 6
9 1 4
9 1 4
7 0 6
3 1 2
det =

=
92
Si B se obtiene de una matriz A n n multiplicando
una fila (columna) por un nmero real k, entonces:

det B = k det A
A
B
A
det ) (
det
fila sima - la de largo lo a cofactores por det de expansin
2 2 1 1
2 2 1 1
k C a C a C a k
C ka C ka C ka
i
in in i i i i
in in i i i i
= + + + =
+ + + =
4 4 4 4 4 3 4 4 4 4 4 2 1
L
L
80 ) 2 1 ( 80
1 2
1 1
2 8 5
2 4
1 1
8 5
16 4
8 1
5
16 20
8 5
= = =
= =

93
Si A y B son matrices n n, entonces
det AB = det A det B.
|
.
|

\
|

= |
.
|

\
|

=
5 3
4 3
,
1 1
6 2
B A
|
.
|

\
|

=
9 6
22 12
AB
det AB = 24, det A = 8, det B = 3,
det AB = det A det B.
94
det A = 45 = det B = 45.
B A =
|
|
|
.
|

\
|

|
|
|
.
|

\
|

=

+
2 4 11
7 0 3
2 1 5
4 1 4
7 0 3
2 1 5
3 1
3 R R
Si B se obtiene como combinaciones lineales de
filas o columnas de una matriz A n n, entonces:

det B = det A
95
|
|
|
.
|

\
|
=
33 32 31
22 21
11
0
0 0
a a a
a a
a
A
33 22 11 32 33 22 11
33 32
22
11
) 0 (
0
det
a a a a a a a
a a
a
a
=
= = A
|
|
|
|
|
.
|

\
|

=
2 4 2 7
0 4 9 5
0 0 6 2
0 0 0 3
A
144 ) 2 ( ) 4 ( 6 3
2 4 2 7
0 4 9 5
0 0 6 2
0 0 0 3
det
=
=

= A
|
|
|
.
|

\
|

=
4 0 0
0 6 0
0 0 3
A
72 4 6 ) 3 (
4 0 0
0 6 0
0 0 3
det = =

= A
matriz diagonal
matriz triangular inferior
96
Supongamos que A es una matriz n n.
Si a
i1
, a
i2
, , a
in
son los elementos de la i-sima fila
y C
k1
, C
k2
, , C
kn
son los cofactores de la k-sima
fila, entonces:

a
i1
C
k1
+ a
i2
C
k2
+ + a
in
C
kn
= 0, para i = k

Igualmente, si a
1j
, a
2j
, , a
nj
son los elementos de la
j-sima columna y C
1k
, C
2k
, , C
nk
son los
cofactores de la k-sima columna, entonces:

a
1j
C
1k
+ a
2j
C
2k
+ + a
nj
C
nk
= 0, para j = k
97
Demostracin
Sea B la matriz que obtenemos de A al
cambiarle los elementos de la i-sima fila
por los de su k-sima fila:

b
i1
= a
k1
, b
i2
= a
k2
, , b
in
= a
kn


B tendr entonces dos filas idnticas de
modo que det B = 0, y:
kn in k i k i
kn kn k k k k
C a C a C a
C a C a C a
+ + + =
+ + + = =
L
L
2 2 1 1
2 2 1 1
det 0 B
98
|
|
|
.
|

\
|
=
8 4 2
2 3 4
7 2 6
A
0 ) 10 ( 7 ) 40 ( 2 ) 25 ( 6
3 4
2 6
7
2 4
7 6
2
2 3
7 2
6
33 13 32 12 31 11
= + + =

+
|
|
.
|

\
|

=
+ + C a C a C a
99
Inversa de un matriz
Sea A una matriz n n. Si existe una matriz
n n B tal que
AB = BA = I
donde I es la matriz identidad n n, entonces
se dice que A es una matriz no singular o
invertible. Y B es la matriz inversa de A.
Si A carece de inversa, se dice que es una
matriz singular.
Sean A, B matrices no singulares.
(i) (A
-1
)
-1
= A
(ii) (AB)
-1
= B
-1
A
-1

(iii) (A
T
)
-1
= (A
-1
)
T

100
Sea A una matriz n n. La matriz formada por
la transpuesta de la matriz de cofactores
correspondientes a los elementos de A:






se llama adjunta de A y se denota por adj A.
|
|
|
|
|
.
|

\
|
=
|
|
|
|
|
.
|

\
|
nn n n
n
n
T
nn n n
n
n
C C C
C C C
C C C
C C C
C C C
C C C
L

L
L
L

L
L
2 1
2 22 12
1 21 11
2 1
2 22 21
1 12 11
Matriz adjunta
101
A
A
A adj
det
1
1
|
.
|

\
|
=

|
|
|
.
|

\
|
=
|
|
|
.
|

\
|
|
|
|
.
|

\
|
=
A
A
A
A A
det 0 0
0 det 0
0 0 det
) adj (
33 23 13
32 22 12
31 21 11
33 32 31
23 22 21
13 12 11
C C C
C C C
C C C
a a a
a a a
a a a
Encontrar la matriz inversa:
Sea A una matriz n n. Si det A = 0, entonces:

Para n =3:
102
|
.
|

\
|
=
10 2
4 1
A
|
.
|

\
|

= |
.
|

\
|

2
1
1
1
2 5
1 2
4 10
2
1
A
|
.
|

\
|
= |
.
|

\
|
+
+
= |
.
|

\
|

|
.
|

\
|
=

1 0
0 1
5 4 10 10
2 2 4 5
1
2 5
10 2
4 1
2
1
1
AA
|
.
|

\
|
= |
.
|

\
|
+ +

= |
.
|

\
|
|
.
|

\
|

1 0
0 1
5 4 1 1
20 20 4 5
10 2
4 1
1
2 5
2
1
1
A A
103
|
|
|
.
|

\
|
=
1 0 3
1 1 2
0 2 2
A
6
1 2
2 2
2
1 2
0 2
2
1 1
0 2
6
0 3
2 2
2
1 3
0 2
2
1 0
0 2
3
0 3
1 2
5
1 3
1 2
1
1 0
1 1
33 32 31
23 22 21
13 12 11
=

= =

= = =
= = = = = =
=

= =

= = =
C C C
C C C
C C C
|
|
|
.
|

\
|

=
|
|
|
.
|

\
|

2
1
2
1
4
1
6
1
6
1
12
5
6
1
6
1
12
1
1
6 6 3
2 2 5
2 2 1
12
1
A
104
|
|
|
.
|

\
|

=
6 5 5
4 3 2
1 0 2
A
|
|
|
.
|

\
|
|
|
|
.
|

\
|

|
|
|
.
|

\
|

+
+

1 0 5 0
0 1 1 5 3 0
0 0 0 1
1 0 0 6 5 5
0 1 0 4 3 2
0 0 0 1
1 0 0 6 5 5
0 1 0 4 3 2
0 0 1 1 0 2
2
5
2
17
2
1
2
1
5
2
2
1
2
1
3 1
2 1
1
2
1
R R
R R
R
|
|
|
|
|
.
|

\
|
=
1 0 0
0 1 0
0 0 1
) | (
2 1
2 22 21
1 12 11
L L

L L
L L
nn n n
n
n
a a a
a a a
a a a
I A
105
|
|
|
.
|

\
|

|
|
|
.
|

\
|

|
|
|
.
|

\
|

+
6 10 5 1 0 0
0 1 0
0 0 0 1
0 0
0 1 0
0 0 0 1
0 1 0
0 1 0
0 0 0 1
3
1
3
1
3
5
2
1
2
1
30
5
1
3
1
6
1
30
1
3
1
3
1
3
5
2
1
2
1
5
1
2
1
10
17
3
1
3
1
3
5
2
1
2
1
3
3 2
3
5
1
2
3
1
R
R R
R
R
|
|
|
.
|

\
|

+
+

6 10 5 1 0 0
10 17 8 0 1 0
3 5 2 0 0 1
2 3
3
5
1 3
2
1
R R
R R
|
|
|
.
|

\
|

6 10 5
10 17 8
3 5 2
1
A
106
|
|
|
.
|

\
|

=
3 0 6
5 4 2
2 1 1
A
|
|
|
.
|

\
|

|
|
|
.
|

\
|

1 0 0 3 0 6
0 1 2 9 6 0
0 0 1 2 1 1
1 0 0 3 0 6
0 1 0 5 4 2
0 0 1 2 1 1
2 1
2 R R
|
|
|
.
|

\
|

|
|
|
.
|

\
|

+
+

1 1 4 0 0 0
0 1 2 9 6 0
0 0 1 2 1 1
1 0 6 9 6 0
0 1 2 9 6 0
0 0 1 2 1 1
3 2
3 1
6
R R
R R
Singular
107
m n mn m m
n n
n n
b x a x a x a
b x a x a x a
b x a x a x a
= + + +
= + + +
= + + +
L

L
L
2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11
,
2 1
2 22 21
1 12 11
|
|
|
|
|
.
|

\
|
=
mn m m
n
n
a a a
a a a
a a a
L

L
L
A ,
2
1
|
|
|
|
|
.
|

\
|
=
n
x
x
x

X
|
|
|
|
|
.
|

\
|
=
m
b
b
b

2
1
B
AX = B
Si m = n, y A es no singular, entonces:
X = A
-1
B
108
16 6 3
15 9 2
2 1
2 1
= +
=
x x
x x
|
.
|

\
|
= |
.
|

\
|
|
.
|

\
|

16
15
6 3
9 2
2
1
x
x
0 39
6 3
9 2
= =

|
.
|

\
|

= |
.
|

\
|


2 3
9 6
39
1
6 3
9 2
1
|
|
.
|

\
|

= |
.
|

\
|

= |
.
|

\
|
|
.
|

\
|

= |
.
|

\
|
3
1
6
13
234
39
1
16
15
2 3
9 6
39
1
2
1
x
x
3 / 1 , 6
2 1
= = x x
109
4 4 3 2
1 6 5 5
2 2
3 2 1
3 2 1
3 1
= + +
= + +
= +
x x x
x x x
x x
|
|
|
.
|

\
|

=
6 5 5
4 3 2
1 0 2
A
|
|
|
.
|

\
|

=
|
|
|
.
|

\
|

|
|
|
.
|

\
|

=
|
|
|
.
|

\
|

|
|
|
.
|

\
|

=
|
|
|
.
|

\
|

36
62
19
1
4
2
6 10 5
10 17 8
3 5 2
1
4
2
6 5 5
4 3 2
1 0 2
1
3
2
1
x
x
x
36 , 62 , 19
3 2 1
= = = x x x
110
|
|
|
|
|
.
|

\
|
+ + +
+ + +
+ + +
=
|
|
|
|
|
.
|

\
|
|
|
|
|
|
.
|

\
|
= =
nn n n n
n n
n n
n nn n n
n
n
c b C b C b
c b C b C b
c b C b C b
b
b
b
C C C
C C C
C C C
L

L
L

L

L
L
2 2 1 1
2 22 2 12 1
1 21 2 11 1
2
1
2 1
2 22 12
1 21 11
det
1
det
1
A
A
B A X
1 -
A
A
A
det
det
det
2 2 1 1
k
nk n k k
k
C b C b C b
x
=
+ + +
=
L
Regla
de
Cramer
111
0
0
0
2 2 1 1
2 2 22 1 21
1 2 12 1 11
= + + +
= + + +
= + + +
n mn m m
n n
n n
x a x a x a
x a x a x a
x a x a x a
L

L
L
Un sistema homogneo de n ecuaciones
lineales, AX = 0 tiene solo la solucin trivial
(ceros) si y solo si A es no singular.
Un sistema homogneo de n ecuaciones
lineales, AX = 0 tiene una solucin no trivial
si y solo si A es singular.
112
Problemas de autovalores

Sea A una matriz n n. Un nmero se dice
que es un autovalor de A si existe una solucin
vector K, distinto de cero para:
AK = K
El vector solucin K es el autovector
correspondiente al autovalor .
DEFINICIN
Autovalores y autovectores
Los autovalores de una matriz triangular,
inferior o superior, o de una matriz diagonal son
los elementos de la diagonal.
113
Verifica que es el autovector de
la matriz:



Solucin






|
|
|
.
|

\
|
=
1
1
1
K
|
|
|
.
|

\
|

=
1 1 2
3 3 2
3 1 0
A
K AK ) 2 (
1
1
1
) 2 (
2
2
2
1
1
1
1 1 2
3 3 2
3 1 0
=
|
|
|
.
|

\
|
=
|
|
|
.
|

\
|

=
|
|
|
.
|

\
|

|
|
|
.
|

\
|

=
Autovalor
114
Podemos escribir AK = K como:

(A I)K = 0

Que es lo mismo que un sistema de ecuaciones
lineales homogneo. Si queremos que K sea una
solucin distinta de cero, debera ocurrir que:

det (A I) = 0

Observa que det (A I) nos proporcionar un
polinomio de grado n, que llamaremos ecuacin
caracterstica.
115
Encuentra los autovalores y autovectores de:






|
|
|
.
|

\
|

=
1 2 1
0 1 6
1 2 1
A
0
1 2 1
0 1 6
1 2 1
) det( =

I A

3

2
+ 12 = 0

( + 4) ( 3) = 0
= 0, 4, 3.
Ahora encontraremos los
autovectores para cada
autovalor.
(A I)K = 0
116
(i)
1
= 0
|
|
|
.
|

\
|
|
|
|
.
|

\
|
|
|
|
.
|

\
|

|
|
|
.
|

\
|

= +
+

+
+

0 0 0 0
0 1 0
0 0 1
0 0 0 0
0 1 0
0 1 2 1
0 0 0 0
0 6 13 0
0 1 2 1
0 1 2 1
0 0 1 6
0 1 2 1
) | 0 (
13
6
13
1
2
13
6
6
1 2
2
13
1
3 1
2 1
R R
R
R R
R R
0 I A
3 2 3 1
13
6
,
13
1
k k k k = =
Tomando k
3
= 13
|
|
|
.
|

\
|

=
13
6
1
1
K
(A
1
I)K = 0
117
(ii)
2
= 4
|
|
|
.
|

\
|

|
|
|
.
|

\
|

|
|
|
.
|

\
|

= +
+
+

0 16 8 0
0 18 9 0
0 3 2 1
0 1 2 5
0 0 3 6
0 3 2 1
0 3 2 1
0 0 3 6
0 1 2 5
) | 4 (
3 1
2 1
13
3
5
6
R R
R R
R
R
0 I A
|
|
|
.
|

\
|

|
|
|
.
|

\
|

+
+

0 0 0 0
0 2 1 0
0 1 0 1
0 2 1 0
0 2 1 0
0 3 2 1
3 2
1 2
3
8
1
2
9
1
2
2
R R
R R
R
R
k
1
= k
3
, k
2
= 2k
3
. Tomando k
3
= 1:
|
|
|
.
|

\
|

=
1
2
1
2
K
(A
2
I)K = 0
118
(iii)
3
= 3






|
|
|
.
|

\
|
|
|
|
.
|

\
|

=
0 0 0 0
0 1 0
0 1 0 1
0 4 2 1
0 0 4 6
0 1 2 2
) | 3 (
2
3
0 I A
|
|
|
.
|

\
|

=
2
3
2
3
K
k
1
= k
3
, k
2
= (3/2) k
3
. Y tomando k
3
= 2,
(A
3
I)K = 0
119

1
=
2
= 5 es un autovalor de multiplicidad 2.
A partir de (A 5I|0), tenemos:
|
.
|

\
|

=
7 1
4 3
A
0 ) 5 (
7 1
4 3
) det(
2
= =

I A
0 2
0 4 2
2 1
2 1
= +
= +
k k
k k
Encuentra los autovalores y autovectores de:
Tomando k
2
= 1, tenemos
k
1
= 2, y entonces


|
.
|

\
|
=
1
2
1
K
120

1
= 11,
2
=
3
= 8 (multiplicidad 2).

|
|
|
.
|

\
|
=
9 1 1
1 9 1
1 1 9
A
0 ) 8 )( 11 (
9 1 1
1 9 1
1 1 9
) det(
2
= =

I A
Encuentra los autovalores
y autovectores de:
121
(i)
1
= 11, por el mtodo de Gauss-Jordan:





|
|
|
.
|

\
|

|
|
|
.
|

\
|

=
0 0 0 0
0 1 1 0
0 1 0 1
0 2 1 1
0 1 2 1
0 1 1 2
) | 11 ( 0 I A
|
|
|
.
|

\
|
=
1
1
1
1
K
k
1
= k
3
, k
2
= k
3
. Si k
3
= 1, entonces:
122
(ii)
2
= 8,




|
|
|
.
|

\
|
|
|
|
.
|

\
|
=
0 0 0 0
0 0 0 0
0 1 1 1
0 1 1 1
0 1 1 1
0 1 1 1
) | 8 (
3
0 I A
,
0
1
1
2
|
|
|
.
|

\
|

= K
|
|
|
.
|

\
|

=
1
0
1
3
K
k
1
+ k
2
+ k
3
= 0. Podemos elegir dos de ellos de manera
arbitraria. Tomemos k
2
= 1, k
3
= 0:
Y k
2
= 0, k
3
= 1:
123
AK = K,


Sea A una matriz cuadrada de elementos reales.
Si = o + i|, | = 0, es un autovalor complejo de A,
entonces su conjugado es tambin un
autovalor de A.
Si K es un autovector correspondiente a , entonces
el autovector conjugado es un autovector
correspondiente a .
Autovalores y autovectores complejos
| o i =
K

, K K A = K K A =
Demostracin:
124

1
= 5 + 2i

|
.
|

\
|

=
4 5
1 6
A
0 29 10
4 5
1 6
) det(
2
= + =

I A
i i 2 5 , 2 5
1 2 1
= = + =
0 ) 2 1 ( 5
0 ) 2 1 (
2 1
2 1
= +
=
k i k
k k i
Encuentra los autovalores
y autovectores de:
k
2
= (1 2i) k
1
, tomando k
1
= 1:
|
.
|

\
|

=
i 2 1
1
1
K
|
.
|

\
|
+
= =
i 2 1
1
1 2
K K
, 2 5
1 2
i = =
(A
1
I)K = 0
Matemticas
2. Bachillerato
Matrices
Matemticas
2. Bachillerato
Matrices y determinantes.
Matemticas
2. Bachillerato
Matrices y determinantes.
Matemticas
2. Bachillerato
Matrices y determinantes
125
Potencias de una matriz
Sea A, una matriz n n. Definimos la
potencia m-sima de A como:




43 42 1
L
factores m
m
A AAA A =
126
Teorema de Cayley-Hamilton
0 I A A A = + + + +

0 1
1
1
) 1 ( c c c
n
n
n n
L
0 ) 1 (
0 1
1
1
= + + + +

c c c
n
n
n n
L
Una matriz A satisface su propia
ecuacin caracterstica:
Ecuacin caracterstica: det (A I) = 0
127
|
.
|

\
|

=
3 1
4 2
A
Observa que entonces: A
2
= A + 2I y
2
= + 2
Y podemos escribir las sucesivas potencias
de A como:
A
3
= AA
2
= A(A+ 2I ) = A
2
+ 2A = 3A + 2I
A
4
= AA
3
= A (3A+2I) = 3A
2
+2A = 5A+ 6I
A
5
= 11A + 10I
A
6
= 21A + 22I
... A
m
= c
1
A + c
0
I ...
m
= c
1
+ c
0

2
2 = 0.
Y por el teorema de Cayley-
Hamilton:
A
2
A 2I = 0
Comprobarlo con:
128
O sea que podemos escribir:

A
m
= c
1
A + c
0
I y
m
= c
1
+ c
0



2
2 = 0;
1
= 1 ,
2
= 2:

+ =
+ =
) 2 ( 2
) 1 ( ) 1 (
1 0
1 0
c c
c c
m
m
] ) 1 ( 2 [ 1/3 ], ) 1 ( 2 2 [ 1/3
1 0
m m m m
c c = + =
|
|
.
|

\
|

+
=
+
] ) 1 ( 2 [ ] ) 1 ( 2 [
] ) 1 ( 2 [ ] ) 1 ( 4 2 [
2
3
1
3
1
3
4
3
1
m m m m
m m m m
m
A
129
A
m
= c
0
I + c
1
A + c
2
A
2
++ c
n1
A
n1

m
= c
0
+ c
1
+ c
2

2
++ c
n1

n1

donde los c
k
(k = 0, 1,, n1), dependen de m.
Y en general, para una matriz de orden n:
130
Solucin

3
+ 2
2
+ 2 = 0, = 1, 1, 2.
A
m
= c
0
I + c
1
A +c
2
A
2

m
= c
0
+ c
1
+ c
2

2

Con
1
= 1,
2
= 1,
3
= 2, obtenemos:

(1)
m
= c
0
c
1
+ c
2

1 = c
0
+ c
1
+ c
2

2
m
= c
0
+2c
1
+ 4c
2

|
|
|
.
|

\
|

=
1 1 0
1 2 1
2 1 1
A
Calcula A
m
para:
] 2 ) 1 ( 3 [
], ) 1 ( 1 [ 2
], 2 ) 1 ( 3 [
1
6
1
2
1
3
1
0
+
+ + =
=
+ =
m m
m
m m
c
c
c
131
Puesto que A
m
= c
0
I + c
1
A +c
2
A
2
, tenemos:





|
|
|
.
|

\
|
+ +

+ +
=
+ +
+ +
] ) 1 ( 7 2 3 [ ] ) 1 ( 2 [ ] ) 1 ( 2 3 [
1 2 2 2 1
] ) 1 ( 7 2 9 [ ] ) 1 ( 2 [ ] ) 1 ( 2 9 [
1
6
1
3
1
1
6
1
1
6
1
3
1
1
6
1
m m m m m m
m m m
m m m m m m
m
A
|
|
|
.
|

\
|

=
342 341 341
1023 1024 1023
341 341 340
10
A
Por ejemplo, para m = 10
132
Por el teorema de Cayley-Hamilton:
A
2
A 2I = 0,
I = (1/2)A
2
(1/2)A,

Multiplicando a ambos lados por A
1
podemos
encontrar la inversa:

A
1
= (1/2)A (1/2)I

|
.
|

\
|

=
3 1
4 2
A
|
.
|

\
|

= |
.
|

\
|
|
.
|

\
|

= |
.
|

\
|

1
2
1 0
0 1
2
1
3 1
4 2
2
1
3 1
4 2
2
1
2
3
1
133
Una matriz A n n es simtrica si A=A
T

Si A es simtrica con elementos
reales, entonces los autovalores de
A son reales.

AK = K,
, K K A =
K K A =
K K AK K
T T
=
Transponiendo y multiplicando por K por la derecha:
K K
T
) ( 0 =
0 ) | | | | | | (
2 2
2
2
1
= + + + =
n
T
k k k L K K
real. es 0 =
134
Al igual que definimos el producto escalar
entre vectores:
x y = x
1
y
1
+ x
2
y
2
+ + x
n
y
n

podemos definirlo con matrices (vectores
fila o columna):
X Y X
T
Y = x
1
y
1
+ x
2
y
2
+ + x
n
y
n



2 2
2
2
1
|| ||
n
T
x x x + + + = L X X X
Autovectores ortogonales
Veamos que si A es una matriz n n simtrica, los
autovectores correspondientes a distintos
(diferentes) autovalores son ortogonales.
135
Demostracin
Sean
1
,
,

2
dos autovalores distintos
correspondientes a los autovectores K
1
y K
2
.

AK
1
=
1
K
1
,

AK
2
=
2
K
2

(AK
1
)
T
= K
1
T
A
T
= K
1
T
A =
1
K
1
T

K
1
T
AK
2
=
1
K
1
T
K
2
AK
2
=
2
K
2
,
K
1
T
AK
2
=
2
K
1
T
K
2


0 =
1
K
1
T
K
2

2
K
1
T
K
2

0 = (
1

2
)

K
1
T
K
2

Como

1
=
2
, entonces

K
1
T
K
2
= 0.



136
= 0, 1, 2 y

|
|
|
.
|

\
|


=
0 1 0
1 1 1
0 1 0
A
,
1
0
1
1
|
|
|
.
|

\
|
= K ,
1
1
1
2
|
|
|
.
|

\
|

= K
|
|
|
.
|

\
|

=
1
2
1
3
K
0 ) 1 ( 1 2 0 1 1
1
2
1
) 1 0 1 (
0 ) 1 ( 1 1 0 ) 1 ( 1
1
1
1
) 1 0 1 (
3 1
2 1
= + + =
|
|
|
.
|

\
|

=
= + + =
|
|
|
.
|

\
|

=


K K
K K
T
T
0 ) 1 ( 1 2 1 1 ) 1 (
1
2
1
) 1 1 1 (
3 2
= + + =
|
|
|
.
|

\
|

= K K
T
137
Matriz ortogonal:
Una matriz A n n no singular es ortogonal si:
A
-1
= A
T
A es ortogonal si A
T
A = I.

|
|
|
.
|

\
|
=
1 0 0
0 1 0
0 0 1
I
I
T
I = II = I
|
|
|
.
|

\
|

=
3
2
3
1
3
2
3
1
3
2
3
2
3
2
3
2
3
1
A
I A A =
|
|
|
.
|

\
|
=
|
|
|
.
|

\
|

|
|
|
.
|

\
|

=
1 0 0
0 1 0
0 0 1
3
2
3
1
3
2
3
1
3
2
3
2
3
2
3
2
3
1
3
2
3
1
3
2
3
1
3
2
3
2
3
2
3
2
3
1
T
138
|
|
|
|
|
.
|

\
|
=
|
|
|
|
|
.
|

\
|
=
1 0 0
0 1 0
0 0 1
2 1
2 2 2 1 2
1 2 1 1 1
L

L
L
L

L
L
n
T
n
T
n
T
n
n
T T T
n
T T T
T
X X X X X X
X X X X X X
X X X X X X
A A
Una matriz A n n es ortogonal si y solo si sus
vectores columnas X
1
, X
2
, , X
n
forman un
conjunto ortonormal.
Es decir si: X
i
T
X
j
= 0, i = j , i, j =1, 2, , n
X
i
T
X
i
= 1, i =1, 2, , n

Los X
i
forman un conjunto ortonormal.
139
,
3
2
3
2
3
1
1
|
|
|
.
|

\
|

= X ,
3
1
3
2
3
2
2
|
|
|
.
|

\
|

= X ,
3
2
3
1
3
2
3
|
|
|
.
|

\
|
= X
|
|
|
.
|

\
|

=
3
2
3
1
3
2
3
1
3
2
3
2
3
2
3
2
3
1
A
0
9
2
9
2
9
4
) (
0
9
4
9
2
9
2
) (
0
9
2
9
4
9
2
) (
3
2
3
1
3
2
3
1
3
2
3
2
3 2
3
2
3
1
3
2
3
2
3
2
3
1
3 1
3
1
3
2
3
2
3
2
3
2
3
1
2 1
= + + =
|
|
|
.
|

\
|
=
= + =
|
|
|
.
|

\
|
=
= + =
|
|
|
.
|

\
|

=
X X
X X
X X
T
T
T
140
Y los vectores son unitarios, ortonormales:
1
9
4
9
1
9
4
) (
1
9
1
9
4
9
4
) (
1
9
4
9
4
9
1
) (
3
2
3
1
3
2
3
2
3
1
3
2
3 3
3
1
3
2
3
2
3
1
3
2
3
2
2 2
3
2
3
2
3
1
3
2
3
2
3
1
1 1
= + + =
|
|
|
.
|

\
|

=
= + + =
|
|
|
.
|

\
|

=
= + + =
|
|
|
.
|

\
|

=
X X
X X
X X
T
T
T
141
,
1
0
1
1
|
|
|
.
|

\
|
= K ,
1
1
1
2
|
|
|
.
|

\
|

= K
|
|
|
.
|

\
|

=
1
2
1
3
K
, 2 || ||
1 1 1
= = K K K
T
, 3 || ||
2 2 2
= = K K K
T
6 || ||
3 3 3
= = K K K
T
,
2
1
0
2
1
|
|
|
|
|
|
.
|

\
|
,
3
1
3
1
3
1
|
|
|
|
|
|
.
|

\
|

|
|
|
|
|
|
.
|

\
|

6
1
6
2
6
1
|
|
|
|
|
|
.
|

\
|

=
6
1
3
1
2
1
6
2
3
1
0
6
1
3
1
2
1
P
Verifica que P
T
= P
-1
.
|
|
|
.
|

\
|


=
0 1 0
1 1 1
0 1 0
A
Vimos
142
Autovalor dominante
Sean los autovalores
de una matriz A n n. El autovalor se
llama autovalor dominante de A si:



Un autovector asociado se denomina
autovector dominante de A.
n k
, , , , ,
2 1
L L
k

n i
i k
, , 3 , 2 , 1 , | | | | L = >
k

|
.
|

\
|

=
4 0
0 4
A
2 , 2
2 1
= =

5 0 0
1 5 0
0 0 2
|
|
|
.
|

\
|
= A
5 , 2
3 2 1
= = =
143
Mtodo de las potencias
L , 3 , 2 , 1 ,
1
= =

i
i i
AX X
0 1
0
2
1 2
0 1
X A AX X
X A AX X
AX X
m
m m
= =
= =
=

Supongamos que
A tiene un autovalor
dominante.
Vector n 1
Supongamos que |
1
| > |
2
| > > |
n
| con K
1
, K
2
, , K
n
autovectores asociados linealmente independientes. Entonces:
n n
c c c K K K X + + + = L
2 2 1 1 0
Como AK
i
=
i
K
i
, entonces:
AX
0
= c
1
AK
1
+

c
2
AK
2
+ + c
n
AK
n

n n
c c c K K K AX
n 2 2 2 1 1 1 0
+ + + = L
144
Multiplicando por A sucesivamente:
n n n
n n
c c c
c c c
K K K
AK AK AK X A
2
2
2
2 2 1
2
1 1
n 2 2 2 1 1 1 0
2


+ + + =
+ + + =
L
L
n
m
n n
m m m
c c c K K K X A + + + = L
2 2 2 1 1 1 0
|
|
.
|

\
|
|
.
|

\
|
+ + |
.
|

\
|
+ =
n
m
n
n
m
m
c c c K K K
1
2
1
2
2 1 1 1

L
1 1 1 0
K X A c
m m
~
Como |
1
| > |
i
|, i = 2, 3, , n; cuando m ,
podemos aproximar:
(...)
145
Observemos que un autovector multiplicado por una
constante sigue siendo un autovector. De modo que
podemos escribir:
A
m
X
0
= X
m

De modo que X
m
ser una aproximacin al autovector
dominante.
Puesto que AK = K, AKK= KK




que nos da una aproximacin al autovalor dominante.
K K
K AK

=
m m
m m
X X
X AX

~
1

1 1 1 0
K X A c
m m
~
Cociente de Rayleigh.
146
|
.
|

\
|

=
1 3
2 4
A
|
.
|

\
|
=
1
1
0
X
|
.
|

\
|
= |
.
|

\
|
|
.
|

\
|

= =
|
.
|

\
|
= |
.
|

\
|
|
.
|

\
|

= =
16
28
2
6
1 3
2 4
2
6
1
1
1 3
2 4
1 2
0 1
AX X
AX X
6
X
i
7 5 4 3 i
|
.
|

\
|
68
144
|
.
|

\
|
364
712
|
.
|

\
|
1772
3576
|
.
|

\
|
8956
17848
|
.
|

\
|
44588
89304
|
|
.
|

\
|
=
4933 . 0
1
89304
7
X
1 1 1 0
K X A c
m m
~
147
|
.
|

\
|
= |
.
|

\
|
|
.
|

\
|

=
5007 . 2
9986 . 4
4993 . 0
1
1 3
2 4
7
AX
2493 . 1
4993 . 0
1
4993 . 0
1
2472 . 6
4993 . 0
1
5007 . 2
9986 . 4
7 7
7 7
= |
.
|

\
|
|
.
|

\
|
=
= |
.
|

\
|
|
.
|

\
|
=
T
T
X X
X AX

0006 . 5
2493 . 1
2472 . 6
7 7
7 7
1
= = ~
X X
X AX

, 2 , 5
2 1
= = |
.
|

\
|

= |
.
|

\
|
=
3
1
,
5 . 0
1
2 1
K K
148

Si existe una matriz P, tal que P
-1
AP = D
sea diagonal, entonces decimos que A es
diagonalizable.


Si A es una matriz n n que tiene n autovectores
K
1
, K
2
, , K
n
linealmente independientes, entonces
A es diagonalizable.
TEOREMA
Condicin suficiente de diagonalizabilidad
Matriz diagonalizable
149
Demostracin
Puesto que P = (K
1
, K
2
, K
3
) es no
singular, entonces existe P
-1
y






As que P
-1
AP = D.
PD K K K
K K K AK AK AK AP
=
|
|
|
.
|

\
|
=
= =
3
2
1
3 2 1
3 3 2 2 1 1 3 2 1
0 0
0 0
0 0
) (
) ( ) (

150

Si A es una matriz n n con n autovalores
distintos, entonces es diagonalizable.
Condicin suficiente de diagonalizacin
|
.
|

\
|

=
7 1
4 3
A
|
.
|

\
|
=
1
2
1
K
Tenemos que = 5, 5.
Y solo podemos encontrar un autovector.
La matriz no puede diagonalizarse.
151
|
.
|

\
|

=
10 6
9 5
A
) 4 )( 1 ( 4 5
10 6
9 5
) det(
2
= + =


=

I A
,
2
3
1
|
.
|

\
|
= K |
.
|

\
|
=
1
1
2
K
,
1 2
1 3
) (
2 1
|
.
|

\
|
= = K K P
|
.
|

\
|

3 2
1 1
1
P
D AP P = |
.
|

\
|
= |
.
|

\
|
|
.
|

\
|

|
.
|

\
|

4 0
0 1
1 2
1 3
10 6
9 5
3 2
1 1
1
Diagonaliza:
= 1, 4.
152
|
|
|
.
|

\
|

=
1 2 1
0 1 6
1 2 1
A
|
|
|
.
|

\
|

=
|
|
|
.
|

\
|

=
|
|
|
.
|

\
|

=
= = =
2
3
2
,
1
2
1
,
13
6
1
, 3 , 4 , 0
3 2 1
3 2 1
K K K

|
|
|
.
|

\
|

= =
2 1 13
3 2 6
2 1 1
) (
3 2 1
K K K P
|
|
|
.
|

\
|

21
2
7
1
21
8
28
3
7
2
28
9
12
1
12
1
1
0
P
D
AP P
=
|
|
|
.
|

\
|
=
|
|
|
.
|

\
|

|
|
|
.
|

\
|


|
|
|
.
|

\
|

3 0 0
0 4 0
0 0 0
2 1 13
3 2 6
2 1 1
1 2 1
0 1 6
1 2 1 0
21
2
7
1
21
8
28
3
7
2
28
9
12
1
12
1
1
153
|
|
|
.
|

\
|
=
1 0 0
0 0 1
0 1 0
A
|
|
|
.
|

\
|
=
0
1
1
1
K
|
|
|
.
|

\
|

|
|
|
.
|

\
|

=
0 0 0
0 0 0
0 1 1
0 0 0
0 1 1
0 1 1
) | ( 0 I A
= 1, 1, 1.
= 1
= 1
,
0
1
1
2
|
|
|
.
|

\
|
= K
|
|
|
.
|

\
|
=
1
0
0
3
K
|
|
|
.
|

\
|
=
1 0 0
0 1 1
0 1 1
P
|
|
|
.
|

\
|

=
1 0 0
0 1 0
0 0 1
D
junto con K
1
, forman tres vectores
linealmente independientes. Luego la
matriz es diagonalizable.
P
-1
AP = D
154
Si existe una matriz P ortogonal que
puede diagonalizar a A, decimos que A es
ortogonalmente diagonalizable.
Una matriz A n x n es ortogonalmente
diagonalizable si y solo si es simtrica.
P diagonaliza a A: P
-1
AP = D, A = PDP
-1
.
P es ortogonal: P
-1
= P
T
, entonces:
A = PDP
T
.
A
T
= (PDP
T
)
T
= PD
T
P
T
= PDP
T
= A

Luego A es simtrica.