Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Lineal
M. C. M. Dennis Rafael Tuyub Puc
L. C. C Daniel G. Canton Puerto
Agosto 2011
Resumen
Indice general
1. Matrices y Determinantes
1.1. Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.1. Matrices Especiales . . . . . . . . . . . . . . . . .
1.1.2. Suma de matrices y multiplicacion por un escalar
1.2. Multiplicacion de Matrices . . . . . . . . . . . . . . . . .
1.3. Escalonamiento de una matriz . . . . . . . . . . . . . . .
1.4. Inversa de una matriz cuadrada . . . . . . . . . . . . . .
1.5. Determinantes . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2
2
5
8
11
15
22
26
Captulo
Matrices y Determinantes
1.1.
Matrices
1 6 2
B = 5 1 4
3 5 0
2
1.1. MATRICES
es de orden 3 3. La matriz
1
2
3 4
C=
5
6
7 8
Es de orden 4 2.
Por otra parte, los renglones (filas) de una matriz estan numerados de manera
consecutiva de arriba hacia abajo y las columnas de izquerda a derecha. La matriz A
anterior de dos filas por tres columnas se numera de la siguiente forma:
Col 1 Col 2 Col 3
rengl
on 1
rengl
on 2
10
5
12
9
16
7
Los n
umeros de una matriz son llamados entradas o elementos. Para denotar entradas arbitrarias de una matriz, digamos de orden 2 3, existen dos metodos comunes.
Primero, podemos utilizar letras diferentes:
a b c
d e f
Segundo, se puede utilizar una sola letra junto con ndices para indicar su posicion
(recuerde primero la fila y luego la columna):
a11 a12 a13
a21 a22 a23
Definici
on 1.1 Un arreglo rectangular de
columnas,
a11 a12
a21 a22
..
..
.
.
am1 am2
n
umeros que consiste en m renglones y n
..
.
a1n
a2n
..
.
amn
1.1. MATRICES
1 3
es una matriz de 2 2
2 4
1 3
4
0 es una matriz de 3 2
1 2
1 4 1
es una matriz de 2 3
3 0 2
1 4 5
2 1 4 es una matriz de 3 3
6 5 7
0 0 0 0
es una matriz de 2 4
0 0 0 0
Una matriz con un sola fila recibe el nombre de matriz fila o matriz renglon. De igual
manera una matriz con una sola columna recibe el nombre de matriz columna. Por
ejemplo
1 7 12 3
es una matriz fila (1 4); mientras que
1
2
15
9
16
es una matriz columna (5 1).
Definici
on 1.4 Las matrices A = [aij ] y B = [bij ] son iguales si y solo si tienen el
mismo orden y aij = bij para cada i y cada j.
Es decir que para que dos matrices sean iguales, deben tener el mismo n
umero de filas
y de columnas y ademas, cada elemento debe ser igual en valor y en posicion. Por
ejemplo:
1 + 1 22
2 1
=
23 0
6 0
pero
1
1 1 6=
1
y
1 1 6= 1 1 1
1.1. MATRICES
Definici
on 1.5 La transpuesta de una matriz A de m n, denotada por AT , es la
matriz de n m cuyo i esimo renglon es la i esima columna de A.
Usando la definicion si
entonces
1 2 3
A=
4 5 6
1 4
AT = 2 5
3 6
Observaci
on 1.6
2
1 2 0
A=
8
C = 2 1 0
0 0 1
1 2 3
0 1
B = 4 5 6
D = 2 4
7 8 9
1 1
Soluci
on. La transpuesta de cada una de las matrices anteriores son:
1 2 0
AT = 2 8
C T = 2 1 0
0 0 1
1 4 7
0 2 1
B T = 2 5 8
T
D =
3 6 9
1 4 1
1.1.1.
Matrices Especiales
1.1. MATRICES
2 7 4
6 2 0 y [3]
4 6 1
son cuadradas de orden 3 y 1.
En una matriz cuadrada de orden n, las entradas a11 , a22 , a33 , . . . , ann las cuales estan
sobre la diagonal principalque va desde la esquina superior izquierda hasta la esquina inferior derecha, son llamadas entradas de la diagonal principal, o simplemente la
diagonal principal. As, en la matriz
1 2 3
A = 4 5 6
7 8 9
la diagonal principal consiste en a11 = 1, a22 = 5 y a33 = 9.
+ Una matriz cuadrada A es llamada matriz diagonal si todas las entradas que
se encuentran fuera de la diagonal principal son todas cero; esto es, aij = 0 para
i 6= j. Ejemplo
1 0
0 1
3 0 0
0 6 0
0 0 9
+ Una matriz cuadrada A se dice que es una matriz triangular superior si todas
las entradas de abajo de la diagonal principal son ceros; esto es, aij = 0 para
i > j. De manera analoga, una matriz triangular inferior si todas las entradas
por arriba de la diagonal son cero; esto es, aij = 0 para i < j. Cuando una matriz
es triangular inferior o superior es llamada una matriz triangular. As la matriz
5 1 1
0 3 7
0 0 4
es una matriz triangular superior y la matriz
7 0 0 0
3 2 0 0
6 5 4 0
1 6 8 1
es una matriz triangular inferior.
1.1. MATRICES
1 2 3
A = 2 0 5
3 5 6
Note que la simetra es respecto a la diagonal principal.
+ Una matriz cuadrada A de orden n se llama antisimetrica si se cumple que aij =
aji para toda i y toda j. En consecuencia, los elementos de la diagonal son ceros,
esto es aii = 0. En otras palabras A es antisemetrica si A = AT . Por ejemplo
0 2 3
0 5
A= 2
3 5 0
es antisimetrica ya que
0 2 3
AT = 2 0 5
3 5 0
es la misma matriz que A pero todas las entradas tienen el signo opuesto.
Ejercicio 1.1 Considere las siguientes matrices
1 6 2
A=
4 2 1
1 2 3
B = 4 5 6
7 8 9
1 1
C = 2 2
3 3
1 0
D=
2 3
1
0
E=
0
0
3 4
6 0
2 0
6 1
F = 6 2
5
G= 6
1
1 6 2
H = 0 0 0
0 0 0
2
1
0
0
J = [4]
1.1. MATRICES
2x y
4 6
6 2
6 2
a)
=
z 3w
0 7
c) x 7 = 6 2
3y 2z
2 7
4 2 1
4 2 1
b) 3x y 3z = 6 7 9
0 w v
0 9 8
1.1.2.
Definici
on 1.8 Si A = [aij ] y B = [bij ] son ambas matrices de orden m n, entonces
la suma A + B es la matriz de orden m n obtenida sumando las correspondientes
entradas de A y B; esto es A+B = [aij + bij ]. La suma de matrices de diferente tama
no
no esta definida.
Ejemplo sean
3 0 2
A=
2 1 4
5 3 6
B=
1 2 5
Como A y B son del mismo tama
no (2 3), su suma esta definida:
3 0 2
5 3 6
A+B =
+
2 1 4
1 2 5
3 + 5 0 3 2 + 6
=
2 + 1 1 + 2 4 5
8 3 4
=
3 1 1
Considere las matrices:
1 2
C=
3 4
2
D=
1
su suma
1 2
2
C +D =
+
3 4
1
no esta definida ya que las matrices son de diferentes ordenes.
1.1. MATRICES
Proposici
on 1.9 Si A, B, C y 0 tienen el mismo orden, entonces las siguientes propiedades se cumplen para la suma de matrices:
1. A + B = B + A
2. A + (B + C) = (A + B) + C
3. A + 0 = 0 + A = A
Ejercicio 1.3 Utilice las siguientes matrices para comprobar la veracidad de la proposicion anterior:
1 2 1
A=
2 0 1
0 1 2
B=
1 3 1
2 1 1
C=
0 2 1
Definici
on 1.10 Si A es una matriz de orden m n y k es un escalar (un n
umero
real), entonces denotamos con kA a la matriz de orden m n obtenida al multiplicar
cada entrada de A por k. La operacion es llamada multiplicaci
on por escalar, y kA
es llamado m
ultiplo escalar de A.
Ejemplo Si
1 0 2
A=
2 1 4
y k = 3 tenemos que
1 0 2
kA = 3
2 1 4
(3) (1) (3) (0) (3) (2)
=
(3) (2) (3) (1) (3) (4)
3 0 6
=
6 3 12
Al igual que para la suma, la multiplicacion escalar tiene sus propiedades
Proposici
on 1.11 Si A, B y 0 son matrices del mismo orden, entonces para cualquier
escalares k, k1 y k2 tenemos las siguientes propiedades
1. k (A + B) = kA + kB
2. (k1 + k2 ) A = k1 A + k2 A
1.1. MATRICES
10
3. k1 (k2 A) = (k1 k2 ) A
4. 0A = 0
5. k0 = 0
Proposici
on 1.12 Si A y B son matrices del mismo tama
no y k es cualquier escalar
1. (A + B)T = AT + B T
2. (kA)T = kAT
Si A es una matriz, entonces el m
ultiplo escalar (1) A se escribe simplemente A.
Definici
on 1.13 Si A y B tienen el mismo tama
no, entonces por A B entendemos
A + (B), es decir,
A B = A + [(1) B]
Ejercicio 1.4 Realice las operaciones indicadas
2
0 3
2 3 4
0 + 1 6
5
a) 1 4
1 6 5
9 11 2
2 7
7 4
2 7
b)
+
+
6 4
2 1
7 2
c) 3 1 3 1 + 2 6 1 4 0 2 7 4
2 6 7 1
d) 6
7 1 6 2
1 0 0
2 1 0
6 2 1
e) 2 0 1 0 3 1 2 3 5 1 2
0 0 1
1 0 0
0
1
3
2 4 6 7
0 1 6 2
f ) 1 3 2 1 + 2 3 4 3
4 2 5 5
2 1 4 4
Ejercicio 1.5 Considere las siguientes matrices
1 2
A = 0 1
2 0
1
B=
4
1
C=
1
3
1
0
2
DE MATRICES
1.2. MULTIPLICACION
11
1 2 1
D=
1 0 2
Calcule si es posible lo siguiente:
a) 3AT + D
c) C T D
e) 2B + B T
b) 2B T 3C T
d) (B C)T
f ) D 2AT
1.2.
T
Multiplicaci
on de Matrices
1 3
3
2
A = 4 2 y B =
4 1
5
0
Soluci
on. Primero, observe que el producto AB esta definido porque el tama
no de A
es 3 2 y el de B es 2 2. De acuerdo con la definicion el producto AB es de tama
no
3 2 y tiene la forma:
1 3
c11 c12
4 2 3 2 = c21 c22
4 1
5
0
c31 c32
Para determinar c11 (el elemento en el primer renglon y en la primera columna del
producto), multiplique los elementos correspondientes en el primer renglon de A y la
primera columna de B. Es decir
1 3
9 c12
4 2 3 2 = c21 c22
4 1
5
0
c31 c32
c11 = (1) (3) + (3) (4) = 9
DE MATRICES
1.2. MULTIPLICACION
12
1 3
9 1
4 2 3 2 = c21 c22
4 1
5
0
c31 c32
c12 = (1) (2) + (3) (1) = 1
Siguiendo este patron obtenemos los siguientes resultados:
c21 =
c22 =
c31 =
c32 =
= 4
=6
= 15
= 10
El producto es
1 3
9 1
3 2
AB = 4 2
= 4 6
4 1
5
0
15 10
1
2 1 6
1 0
2 1 6
0 4
AB =
1 3 2
2 1
0 3
4 2 encuentre el producto
1 1
3
2
1
Soluci
on. Observe que A23 y B33 , por tanto, el resultado sera C23 ,
c11 c12 c13
C=
c21 c22 c23
donde c11 es la suma de los productos que se forman que se forman con la primera fila
de A (2, 1, 6) y la primera columna de B (1, 0, 2)
2 (1) + 1 (0) + (6) (2) = 2 + 0 + 12 = 14
Los demas elementos se obtienen de manera similar y
14 2 10
C=
3 10 7
Es importante recordar que el producto de dos matrices esta definido cuando el
n
umero de columnas de la primera matriz es igual al n
umero de filas de la segunda
matriz.
DE MATRICES
1.2. MULTIPLICACION
13
1 2
2 4
Ejercicio 1.7 Defina A =
yB=
Calcule AB y BA
1 1
2 2
Ejercicio 1.8 Pruebe que si
2 4 2
A=
0 1 3
y ademas
2 1
B = 0 4
2 2
entonces C = AB es de orden 2 2 y
8 10
C=
6 2
Ejercicio 1.9 Calcule
4
1 2 3 5
6
(sol. [32])
Ejercicio 1.10 Calcule
1
2 1 6
3
1 6
(sol. 2 12)
3 18
Teorema 1.19 Las multiplicacion de matrices satisface las propiedades siguientes siempre y cuando todas las sumas y productos esten definidos:
1. A (BC) = (AB) C
DE MATRICES
1.2. MULTIPLICACION
14
2. A (B + C) = AB + AC
3. (A + B) C = AC + BC
4. k (AB) = (kA) B = A (kB), con k un escalar
5. (AB)T = B T AT
Observaci
on 1.20 En el algebra de matrices no existe la propiedad de cancelaci
on
para la multiplicacion de matrices, es decir, puede pasar que AC = BC a
un cuando
A 6= B
1 3
2 4
1 2
Ejemplo 1.21 Defina las matrices A =
,B=
yC=
muestre
0 1
2 3
1 2
que AC = BC a
un cuando A 6= B
Soluci
on.
1 3
1 2
2 4
AC =
=
0 1 1 2
1 2
2 4
1 2
2 4
BC =
=
1 2
2 3 1 2
por lo tanto, AC = BC , aun cuando A 6= B
Definici
on 1.22 Se llama matriz identidad a la matriz diagonal, cuyos elementos diagonales son todos uno. Esta matriz se denota In o simplemente I.
Definici
on 1.23 Si A es una matriz cuadrada y p es un entero positivo, entonces la
p-esima potencia de A, escrita Ap , es el producto de p factores de A:
Ap = A
A}
| A {z
p veces
5. E (F B)
2. EC
6. DE
3. F B
7. DB
4. EA
8. BA
9. E (AE)
10. (F + A) B
15
2 1
2 4
3 0
1.
3 2
1 4
3. 1 4 0 5
1 0
0
1
1 1
1 2
4. 1 0 6 2
2
2. 0 4
3 4
2 1
3
Ejercicio 1.14 Calcule la matriz requerida, si es que existe, dado que:
1 0 0
1 1 0
I = 0 1 0
A=
0 1 1
0 0 1
0 0 1
0 0 0
B = 2 1 0
0 = 0 0 0
0 0
2
0 0 0
1 0
C = 2 1
0 1
1. A2
6. A (I 0)
2. B 3
7. (AB) (AB)T
3. (AC)
4. BAT
T
5. (2I)2 2I 2
1.3.
11. (2B)T
12. IA0
8. AT A
9. A B T
13. I T 0
2
10. AT 2C T
14. B 2 3B + 2I
16
1 0 1 2
M = 0 0 3 4
0 0 0 0
NO esta en forma de escalon porque no satisface
1 el elemento mas a la izquierda es un 1.
La matriz
1 6 0
N= 0 0 1
0 0 0
2
4
0
esta en forma escalonada reducida. Ya que tiene dos pivotes se dice que el rango de N
es 2.
Ejercicio 1.15 Determine cuales de las siguientes matrices estan en forma escalonada
y cuales en forma escalonada reducida
1 0 0 0
1 1 0 0 2
1. A = 0 0 1 0
4. D = 0 0 1 0 3
0 0 0 0
0 0 0 1 4
1 0 0 6
2. B = 0 1 0 0
0 0 1 1
0 0
5. E =
0 1
1 0 1
3. C = 0 0 1
0 0 1
1 7 0 9 0
6. F = 0 0 1 8 0
0 0 0 0 1
1 0 1 0
7. G = 0 1 0 0
0 0 1 0
17
1 0 0 0
8. H = 0 0 1 0
0 0 0 2
Definici
on 1.26 Dos matrices son equivalentes si una puede obtenerse de la otra
mediante una sucesion finita de operaciones elementales de renglon. A veces se usa la
notacion
AB
para indicar que la matriz A es equivalente a la matriz B.
Definici
on 1.27 Las operaciones elementales de renglon son las siguientes:
1. Multiplicar o dividir un renglon por un n
umero diferente de cero.
2. Sumar un m
ultiplo de un renglon a otro renglon
3. Intercambiar dos renglones
El proceso de aplicar las operaciones elementales con renglones para simplificar una
matriz se llama reduccion por renglones.
Notaci
on 1.28 Para representar las operaciones elementales aplicadas a una matriz
se emplea la siguiente notacion o simbologa:
1. Ri cRi quiere decir, reemplazar el renglon i por el renglon i multiplicado por c.
2. Rj Rj + cRi quiere decir, reemplazar el renglon j por la suma del renglon j
mas c veces el renglon i
3. Ri Rj quiere decir, intercambiar los renglones i y j.
Ejemplo 1.29 Muestre que las matrices A y B siguientes son equivalentes
0 3
1 2
A = 1 2 , B = 0 3
1 1
0 0
Soluci
on. Comenzamos con la matriz A y aplicamos las siguientes operaciones elementales:
0 3
1 2
1 2
R R
R R +R
A = 1 2 1 2 0 3 3 3 1 0 3
1 1
1 1
0 3
1 2
R3 R3 R2
0 3 = B
0 0
Una matriz puede ser equivalente a varias matrices escalonadas pero solo a una
escalonada reducida:
18
Teorema 1.30 Toda matriz es equivalente a una, y solo una matriz en forma de escalon reducida.
Para encontrar esta matriz escalonada reducida se aplica el siguiente procedimiento:
Algoritmo 1.31 (Eliminaci
on de Gauss) Para convertir cualquier matriz a la forma escalonada reducida, proceda con los pasos siguientes:
Paso 1 Vaya a la columna no cero extrema izquierda
Paso 2 Si el primer renglon tiene un cero en la columna del paso 1, intercambielo con
uno que tenga un elemento no cero en la misma columna
Paso 3 Obtenga ceros debajo del elemento delantero, sumando m
ultiplos adecuados del
renglon superior a los renglones debajo de el.
Paso 4 Cubra el renglon superior y repita el procedimiento comenzando con el paso 1,
aplicado a la submatriz restante. Repita este proceso con el resto de los renglones.
Paso 5 Comenzando con el u
ltimo renglon no cero, avance hacia arriba. Para cada
renglon obtenga un 1 delantero e introduzca ceros arriba de el, sumando m
ultiplos
adecuados a los renglones correspondientes.
Ejemplo 1.32 Emplee la eliminacion de Gauss
reducida de la matriz
0
3 6 4
1 3 10 4
4 9 34
0
2 6 20
2
3 5
4 2
1 21
8 8
Soluci
on. Seguimos los pasos dados en el algoritmo 1.31:
Paso 1 Vaya a la columna extrema izquierda no cero: en este caso es la primera columna.
Paso 2 Si el primer renglon tiene un cero en la columna del paso 1, intercambielo con
uno que tenga un elemento no cero en la misma columna. En este caso R1 R2
1 3 10 4 4 2
0
3 6 4 3 5
4 9 34
0
1 21
2 6 20
2
8 8
19
1 3 10 4 4 2
0 3 6 4 3 5
0 3 6 16 15 29
0 0 0
6
0 12
Paso 4 Cubra el renglon superior y repita el procedimiento comenzando con el paso 1,
aplicado a la submatriz restante. Repita este proceso con el resto de los renglones.
Omitimos la primera fila y repetimos el proceso
1 3 10 4 4 2
0 3 6 4 3 5
0 3 6 16 15 29
0 0 0
6
0 12
entonces la primera columna distinta de cero es ahora la segunda, seleccionamos
esta columna y aplicamos la siguiente operacion R3 R3 R2
1 3 10 4 4 2
0 3 6 4 3 5
0 0 0 12 12 24
0 0 0
6
0 12
Ahora omitimos la primera y la segunda fila y repetimos el proceso, en este caso
la columna mas a la izquierda es la cuarta, para obtener cero debajo del 12
aplicamos las siguiente operacion R4 R4 12 R3
1 3 10 4 4 2
0 3 6 4 3 5
0 0 0 12 12 24
0 0 0
0
6
0
Paso 5 Comenzando con el u
ltimo renglon no cero, avance hacia arriba. Para cada
renglon obtenga un 1 delantero e introduzca ceros arriba de el, sumando m
ultiplos
adecuados a los renglones correspondientes.
Siguiendo este paso aplicamos las siguientes
1 3 10 4
0 3 6 4
0 0 0 12
0 0 0
0
operaciones: R4 16 R4
4 2
3 5
12 24
1
0
20
1 3 10 4
0 3 6 4
0 0 0 12
0 0 0
0
siguientes operaciones: R3 R3 +
0 2
0 5
0 24
1 0
1
R3
Subimos un renglon y repetimos, ahora aplicamos R3 12
1 3 10 4 0 2
0 3 6 4 0 5
0 0 0
1 0 2
0 0 0
0 1 0
1 3 10 0 0 6
0 3 6 0 0 3
0 0 0 1 0 2
0 0 0 0 1 0
Nuevamente subimos una fila y repetimos el proceso con el siguiente cambio R2
1
R
3 2
1 3 10 0 0 6
0 1 2 0 0 1
0 0 0 1 0 2
0 0 0 0 1 0
Para lograr los ceros cambiamos R1 R1 3R2
1 0 4 0 0
0 1 2 0 0
0 0 0 1 0
0 0 0 0 1
3
1
2
0
Finalmente R1 (1) R1
1
0
0
0
0 4 0 0 3
1 2 0 0 1
0 0 1 0 2
0 0 0 1 0
21
Observaci
on 1.33 Sobre el algoritmo:
1. Los cuatro primeros pasos del algoritmo se llaman paso directo de la eliminaci
on
de Gauss ya que convierten la matriz a su forma escalonada. El paso 5 es el paso
inverso y es donde la matriz toma su forma escalonada reducida.
2. Con frecuencia, el algoritmo se describe introduciendo un 1 delantero en el paso
3, con lo que hay una tendencia a introducir fracciones en una etapa temprana
del calculo, si los elementos son enteros.
3. A veces es conveniente tener los 1 al final de todo el proceso.
Observaci
on 1.34 Cosas que debe evitar:
1. No cambie el orden en los pasos del algoritmo (porque puede terminar con la
matriz inicial. Primero debe reducir la matriz a la forma escalonada y luego aplicar
el paso 5.
2. Combinar varias operaciones elementales es una mala practica, y puede originar
errores. Por ejemplo, operaciones de la forma Ri cRi + dRj y Ri cRi + Rj
con c 6= 1 no son elementales y deben evitarse. El renglon que se sustituye no
debe multiplicarse por un escalar.
1 2 3
1 0 79
?
Ejercicio 1.16 Son equivalentes las matrices
y
0 1 10
4 1 2
9
Ejercicio
1.17 Demuestre que si ad bc 6= 0, la forma escalonada reducida de A =
a b
es I.
c d
Ejercicio 1.18 Aplique el resultado anterior para comprobar que la forma escalonada
reducida de la matriz
cos () sin ()
sin () cos ()
es I para cualquier .
Ejercicio 1.19 Determine la forma escalonada reducida de las siguientes matrices
0 0 0 0 0
0 0 0 0 0
1 1 1 1 0
1 1 0 1 0
2.
1.
0 0 1 0 1
0 0 1 0 1
1 0 0 1 0
0 0 0 1 0
1 6 0 1 0 2
3. 5 30 1 6 0 13
4 24 1 5 1 15
22
1 4 0 5 0 6
4. 5 20 1 29 0 34
4 16 1 24 1 30
1.4.
0 1 1 1 0
0 1 1 1 0
1
0
1
0
1
5.
0
0 1 0 1
0
0
1 0 0
Definici
on 1.35 (Matriz identidad) La matriz identidad In de n n es una matriz
cuyos elementos en la diagonal principal son iguales a 1 y todos los demas son 0. Esto
es In = [bij ] donde
1 i=j
bij =
0 i 6= j
Ejemplo 1.36 Dos matrices identidad
I3 = 0
0
1 0
0 1
I5 =
0 0
0 0
0 0
0 0
1 0
0 1
0
0
1
0
0
0
0
0
1
0
0
0
0
1
2 5
3 5
Ejercicio 1.20 Sea A =
yB=
. Compruebe que AB = BA = I2 .
1 3
1 2
Teorema 1.37 Sea A una matriz cuadrada de n n. Entonces
A In = In A = A
Es decir, In conmuta con toda matriz de n n y la deja sin cambio despues de la
multiplicacion por la derecha o por la izquierda.
Definici
on 1.38 (Inversa de una matriz) Sean A y B dos matrices de nn. Suponga
que
AB = BA = I
Entonces B se llama inversa de A y se denota por A1 . Entonces se tiene
A A1 = A1 A = I
Si A tiene inversa, entonces se dice que A es invertible.
23
Observaci
on 1.39
1. Una matriz cuadrada que no es invertible se llama singular
y una matriz invertible se llama tambien no singular.
1
= A si A es invertible.
3. La definicion no establece que toda matriz cuadrada tiene inversa. De hecho, existen muchas matrices cuadradas que no tienen inversa.
Teorema 1.40 Si una matriz A es invertible, entonces su inversa es u
nica.
Prueba. Suponga que B y C son inversas de A. Debemos mostrar que B = C. Por
definicion AB = BA = I y AC = CA = I. De aqu
B = BI = B (AC) = (BA) C = IC = C
Entonces B = C.
Teorema 1.41 Sean A y B dos matrices invertibles de nn. Entonces AB es invertible
y
(AB)1 = B 1 A1
Prueba. Observe que
B 1 A1 (AB) = B 1 A1 A B
= B 1 IB
= B 1 B
=I
24
Observaci
on 1.43 Los pasos 3.1 y 3.2 se pueden expresar de otra manera:
Una matriz A de n n es invertible si y solo si su forma escalonada reducida por
renglones es la matriz identidad; es decir, si su forma escalonada reducida por renglones
tiene n pivotes.
Ejemplo 1.44 Sea
2 4 6
A = 4 5 6
3 1 2
calcule A1 si es posible
Soluci
on. Primero se pone A seguido de I
2 4 6
4 5 6
3 1 2
|1 0 0
| 0 1 0
|0 0 1
1 2 3 | 12 0 0
4 5 6 | 0 1 0
3 1 2 | 0 0 1
R2 R2 4R1 , R3 R3 3R1
1 2
3
| 21 0 0
0 3 6 | 2 1 0
0 5 11 | 32 0 1
R2 13 R2
1 2
3
| 12
0 0
0 1
2
| 23 13 0
0 5 11 | 32 0 1
R1 R1 2R2 , R3 R3 + 5R2
1 0 1 | 56 23 0
0 1 2
| 32 13 0
0 0 1 | 11
53 1
6
R3 R3
2
1 0 1 | 56
0
3
0 1 2
| 23 13 0
5
0 0 1 | 11
1
6
3
25
R1 R1 + R3 , R2 R2 2R3
7
1
1 0 0 | 83
3
0 1 0 | 13 11 2
3
3
5
0 0 1 | 11
1
6
3
Como A se redujo a I, se tiene
7
16 14 6
3
1
3
1
11
2 = 26 22 12
A1 = 13
3
3
6
5
11
11 10 6
1
6
3
Para verificar que la matriz encontrada en realidad
que calcular el producto
16 14 6 2
1
A1 A = 26 22 12 4
6
11 10 6 3
6 0 0
1
= 0 6 0 = I
6
0 0 6
es la inversa u
nicamente tiene
4 6
5 6
1 2
1 3 4
A = 2 5 7
0 1 1
encuentre A1 si existe.
Soluci
on. Seguimos el mismo procedimiento anterior
1 3 4 | 1 0 0
2 5 7 | 0 1 0
0 1 1 | 0 0 1
R2 R2 2R1
1 3 4
|1 0 0
0 1 1 | 2 1 0
0 1 1
|0 0 1
R3 R3 + R2
1 3 4 | 5 3 0
0 1 1 | 2 1 0
0 0
0 | 2 1 1
Hasta aqu se puede llegar porque hemos obtenido una fila de ceros, por lo que concluimos que A es no invertible.
Ejercicio 1.21 Encuentre la matriz inversa si es posible en cada uno de los siguientes
casos:
1.5. DETERMINANTES
2 1
3 2
1 1
3 3
1.
2.
26
3 2 1
4. 0 2 2
0 0 1
2 1 4
5. 1 0 5
19 7 3
1 3 0 2
3 12 2 6
6.
2 10
2
5
1 6
1
3
1 1 1
3. 0 1 1
0 0 1
1.5.
Determinantes
1.5. DETERMINANTES
27
Entonces:
a22 a23
a21 a23
a21 a22
a12
|A| = a11
a31 a33 + a13 a31 a32
a32 a33
3 5 2
A = 4 2 3
1 2 4
Calcule |A|.
Soluci
on. De la definicion se tiene
3
|A| = 4
1
2
= 3
2
que
5 2
2 3
2 4
4 3
4 2
3
+ 2
5
1 2
4
1 4
1.5. DETERMINANTES
28
n
X
a1k A1k
k=1
1 3 5 2
0 1 3 4
A=
2 1 9 6
3 2 4 8
Soluci
on. De acuerdo a
1
|A| = 1 1
2
la definicion
0
3 4
9 6 3 2
3
4 8
se tiene que
0 1 4
0 1 3
3 4
9 6 + 5 2 1 6 2 2 1 9
3 2 8
3 2 4
4 8
Observaci
on 1.56 Este metodo UNICAMENTE
funciona para determinantes de orden n = 3. Si intenta algo similar para otros ordenes el resultado es equivocado.
1.5. DETERMINANTES
29
1.5. DETERMINANTES
1.
2.
3.
4.
2 1
3 2
3
2
5 4
2 a
a 2
2 1 3
2 0 1
4 0 6
2 1 5
5. 3 4 1
0 6 1
1 2 3
6. 4 5 4
3 2 1
30
1
0 3 2
4 1 0 1
7.
2
1
0
1
1 2 3 1
1
0
8.
0
0
7 3 8
1 5 4
0 1 7
0 0 1
1 0 0 0
0 2 0 0
9.
0 0 4 0
0 0 0 3
1 3 2 6 4
0 13 0 1 5
10.
2
1
2
3
4
1
1 4 5 9