Algebra

Contenidos
1 Matrices y determinantes
1.1 Denicion de matriz y algunos tipos de matrices . . . . . . . . . . . . . . .
1.2 Operaciones con matrices y propiedades de las operaciones . . . . . . . . . .
1.2.1 Igualdad de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.2 Suma de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.3 Propiedades de la suma de matrices . . . . . . . . . . . . . . . . . .
1.2.4 Producto de una matriz por un escalar del mismo cuerpo . . . . .
1.2.5 Propiedades del producto de una matriz por un escalar del mismo
cuerpo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.6 Producto de matrices . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.7 Propiedades del producto de matrices . . . . . . . . . . . . . . . . .
1.2.8 Estructura algebraica de las matrices Mmn en IK . . . . . . . . . .
1.2.9 Analisis de otras propiedades del producto de matrices . . . . . . . .
1.3 Inversa de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4 Transformaciones de una matriz . . . . . . . . . . . . . . . . . . . . . . . . .
1.4.1 Traspuesta de una matriz . . . . . . . . . . . . . . . . . . . . . . . .
1.4.2 Conjugada de una matriz . . . . . . . . . . . . . . . . . . . . . . . .
1.5 Potencia de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6 Operaciones elementales y equivalencia . . . . . . . . . . . . . . . . . . . . .
1.6.1 Operaciones elementales . . . . . . . . . . . . . . . . . . . . . . . . .
1.6.2 Equivalencia por las, equivalencia por columnas y equivalencia . . .
1.6.3 Inversa de una operacion elemental . . . . . . . . . . . . . . . . . . .
1.6.4 Matrices equivalentes por las, equivalentes por columnas y equivalentes: una relacion de equivalencia . . . . . . . . . . . . . . . . . . .
1.6.5 Matrices elementales . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6.6 Operacion elemental como producto por una matriz elemental . . . .
1.6.7 Inversa de una matriz elemental . . . . . . . . . . . . . . . . . . . .
1.6.8 Varios resultados sobre equivalencia de matrices . . . . . . . . . . .
1.7 Formas escalonadas por las de una matriz . . . . . . . . . . . . . . . . . .
1.7.1 Deniciones de forma escalonada por las y forma canonica por las
1.7.2 Algoritmo de Eliminacion Gaussiana Simple . . . . . . . . . . . . . .
1.7.3 Rango de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.7.4 Matrices equivalentes a la identidad: aplicacion para obtener la inversa
1.8 Forma escalonada y forma canonica de una matriz . . . . . . . . . . . . . .
1.9 Matrices de intercambio, de Jordan, de Toeplitz y de Hankel . . . . . . . .
1.10 Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.10.1 Denicion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.10.2 Calculo de un determinante de orden n, por adjuntos . . . . . . . . .
1.10.3 Propiedades de los determinantes . . . . . . . . . . . . . . . . . . . .
1.11 Determinante e inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.11.1 Calculo de la inversa de una matriz, por adjuntos . . . . . . . . . . .
1.11.2 Algunas propiedades de matrices inversibles . . . . . . . . . . . . . .
1
3
3
6
6
6
6
7
7
8
8
9
9
11
12
12
14
14
15
15
15
16
16
16
17
18
19
20
20
20
22
23
24
26
28
28
29
30
32
32
33
CONTENIDOS
1.12 Relacion equivalencia con la identidad, determinante,
inversa . . . . . . . . . . . . . . . . . . . . . . . . . .
1.13 Determinantes notables . . . . . . . . . . . . . . . .
1.13.1 Determinante de la matriz de Vandermonde .
1.13.2 Jacobiano . . . . . . . . . . . . . . . . . . . .
1.13.3 Hessiano . . . . . . . . . . . . . . . . . . . . .
1.13.4 Wronskiano . . . . . . . . . . . . . . . . . . .
1.14 Repaso sobre vectores de IR n . . . . . . . . . . . . .
1.14.1 Denicion . . . . . . . . . . . . . . . . . . . .
1.14.2 Combinacion lineal . . . . . . . . . . . . . . .
1.14.3 Dependencia e independencia lineal . . . . . .
1.15 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . .
1.16 Soluciones . . . . . . . . . . . . . . . . . . . . . . . .
2
rango y existencia de
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
34
37
37
37
37
38
39
39
41
41
42
46
Captulo 1
Matrices y determinantes
1.1
Definici
on de matriz y algunos tipos de matrices
Una matriz es una ordenacion rectangular de elementos dispuestos en las y columnas

encerrados entre corchetes, por ejemplo
3
2
3 1
2+i
1 i 0 3i
B= 1
4
0 0 C = 3 2i 2 + 6i 2 i
0 1 1
1
0i
1 + i 2 + 0i
Las matrices se representan por letras may
usculas A,B,C, ... y sus elementos por min
usculas
con dos subndices, aij . Los subndices indican, por este orden, la la y la columna en la
que se sit
ua el elemento.
a11 a12 . . . a1n

a21 a22 . . . a2n
A=
Se denota tambien A = {aij }
...
... ... ...
am1 am2 . . . amn
Una matriz de m las y n columnas se dice que es una matriz de orden m n, y esto
tambien se denota as: Amn . El primer ndice se reere siempre al n
umero de las y el
segundo al n
umero de columnas.
Las matrices que trataremos tendran elementos de un cuerpo IK. Consideraremos el cuerpo
de los n
umeros reales, IR, o el cuerpo de los n
umeros complejos, C. Ambos son cuerpos
conmutativos (tanto la suma como la multiplicacion cumplen la propiedad conmutativa).
Hablaremos de matrices en IR si aij IR y de matrices en C si aij C.
La matriz ejemplo B se puede considerar como una matriz en el cuerpo de los n
umeros
reales, IR, o tambien en el cuerpo de los n
umeros complejos, C, sin mas que tener en
cuenta que todo real es un elemento de C con parte imaginaria nula.
La matriz ejemplo C es una matriz en el cuerpo de los n
umeros complejos. No es una
matriz en el cuerpo de los reales ya que tiene elementos que no son n
umeros reales.
Denimos a continuacion algunos tipos de matrices.
1) Matriz fila es una matriz de orden 1 n,
A = [a11 a12 . . . a1n ]
2) Matriz columna es una matriz de orden m 1,
B=
b11
b21
..
.
bm1
A una matriz columna se le denomina tambien vector.
CAPITULO 1. MATRICES Y DETERMINANTES
3) Matriz nula es aquella que tiene todos los terminos nulos. Se denota como A = 0, o
como .
El elemento nulo de un cuerpo es el elemento neutro de la suma. El elemento nulo de los
n
umeros reales es 0, y el elemento nulo de los n
umeros complejos es 0 + 0i.
4) La matriz opuesta de A, denotada A, es aquella que resulta de sustituir en A cada
elemento por su opuesto (el elemento simetrico de la suma en el cuerpo).
Si A = {aij }, los elementos de A son: A = {aij }
5) Matriz cuadrada es aquella con igual n
umero de las que de columnas. m = n.
Una matriz cuadrada de n las y n columnas se dice que es una matriz de orden n. Una
matriz de este tipo se denota como Ann o An .
En una matriz cuadrada la diagonal principal es la lnea formada por los elementos
cuyos subndices de la y columna coinciden, a11 , a22 , . . . ann .
La diagonal secundaria es la lnea formada por los elementos aij tales que i + j = n + 1.
Se denomina traza, denotada tr(A), a la suma de los elementos de la diagonal principal
de A. trA = a11 + a22 + . . . + ann
Se llama triangulo superior al formado por los elementos aij situados por encima de la
diagonal principal.
Se llama triangulo inferior al formado por los elementos aij situados por debajo de la
diagonal principal.
* diagonal principal
triangulo superior
triangulo inferior
Matriz triangular superior. Matriz cuadrada que tiene el triangulo inferior nulo.
O lo que es lo mismo, aij = 0 para i > j.
Matriz triangular inferior. Matriz cuadrada que tiene el triangulo superior nulo.
O lo que es lo mismo, aij = 0 para i < j
Matriz diagonal. Es aquella que es triangular superior y triangular inferior a la vez.
Entre estas cabe destacar la matriz escalar, matriz cuya diagonal principal tiene
todos los elementos iguales. La matriz unidad es una matriz escalar cuya diagonal
principal esta formada solo por unos. La matriz unidad tambien se denomina matriz
identidad. La matriz identidad de orden n se denota como In . Uno es el el. neutro
de la multiplicacion en el cuerpo.
etrica. Una matriz An es simetrica si aij = aji para todos los valores
Matriz sim
de i y de j.
Matriz antisim
etrica o hemisim
etrica. Una matriz An es antisimetrica si aij =
aji para todos los valores de i y de j. Evidentemente, para los elementos de la
diagonal principal se concluye aii = aii , por tanto aii = 0 para i = 1, 2, . . . n.
6) Se dice que Amn es escalonada si verica:

a) Si tiene las cuyos elementos son todos ceros, aparecen en la parte inferior de la matriz.
b) El primer elemento distinto de cero de una la, empezando por la izquierda, se llama
elemento pivote o cabecera. Dadas dos las sucesivas, el elemento pivote de la 2a la esta
mas a la derecha que el elemento pivote de la 1a la.
Ejemplo 1.1 Matrices escalonadas.
[
1
0
1
3
1
0
0
1
2
0
1
0
0
3
3
1
2
5
0
1
1
0
1
2
0
1
0
0
1
0
0
3
3
0
1
0
0
2
0
0
0
1
2
0
1
1
3
3
0
3
2
4
0
0
0
0
0
1
0
0
1
1
0
1
2
0
2
3
1
2
2
0
Se indican en negrita los elementos pivote.

A continuaci
on damos dos ejemplos de matrices que no son escalonadas.
4
0
0
1
2
3
3
1
0
4
0
0
1
0
1
3
3
0
Toda matriz cuadrada en forma escalonada es triangular superior
En una matriz escalonada, las columnas que contienen pivotes se denominan columnas
pivotales.
7) Se dice que Amn es can
onica por filas o reducida por filas si es escalonada, con
pivotes unidad, y tal que en las columnas pivotales todos los elementos salvo el pivote son
nulos.
onicas por filas.
Ejemplo 1.2 Matrices can
[
]
1 0
1 1
1 0
1 0 0
3
0
1 1
2
0 1
0 0 1 2
0 0
0
0
Observese la diferencia con las matrices escalonadas.
[
1
0
0
0
1
0
1
2
0
0
0
1
8) La division de matrices por bloques o submatrices permite simplicar los calculos
1.2
Operaciones con matrices y propiedades de las operaciones
El conjunto de las matrices de orden m n con elementos del cuerpo IK tiene distintas
notaciones:
Mmn (IK) o IK mn , entre otras.
1.2.1
Igualdad de matrices
Decimos que dos matrices A = {aij } y B = {bij } del mismo orden son iguales si {aij } =
{bij } i = 1, . . . , m , j = 1, . . . , n
1.2.2
Suma de matrices
Dadas A = {aij } y B = {bij }, se dene A + B como la matriz C = {cij } tal que cij =
aij + bij .
Para poder sumar dos matrices deben tener el mismo orden, y el resultado es de ese mismo
orden.
Ejemplo 1.3 Calcular A + B con A = 1

2
El resultado es una matriz del mismo orden, en

1
0
1
0
2
A + B = 1
0 + 2 1 = 3
2
1
1 1
3
0
1
0
0 y B = 2 1
1
1 1
nuestro caso 3 2.
0
1
0
otese como
Ejemplo 1.4 Calcular A B, tomando las matrices del apartado anterior. (N
la resta es la suma de la opuesta).
1
0
1
0
1
0
1 0
0
0
0 + 2
1 = 1
1
A B = 1
0 2 1 = 1
2
1
1 1
2
1
1
1
1
2
1.2.3
Propiedades de la suma de matrices
Tanto para las matrices en IR como para las matrices en C (separadamente), se cumplen
las siguientes propiedades.
1) Operacion cerrada: A, B M, A + B M
2) Asociativa: A, B, C M, A + (B + C) = A + (B + C)
3) Elemento neutro:
0 M/ A M, A + 0 = A
4) Conmutativa: A, B M, A + B = B + A
5) Existencia de elemento opuesto:
A M
A / A + (A) = 0
A es la que hemos denominado anteriormente matriz opuesta.
El elemento opuesto de a IR es a IR
El elemento opuesto de a + bi C es a bi C. (Signo opuesto en la parte real y en la
parte imaginaria).
1.2.4
Producto de una matriz por un escalar del mismo cuerpo
Dada A = {aij } denida en el cuerpo IK y IK, se dene

A = C aij = cij i = 1, . . . , m , j = 1, . . . , n
, aij y cij IK.
Es decir, se dene como otra matriz C = {cij } cuyos elementos se forman multiplicando
por cada uno de los elementos de A = {aij }
La matriz C es del mismo orden que A.
Para matrices en el cuerpo IR, tomando los escalares IR se garantiza que la operacion
sea cerrada, es decir que la matriz producto resulte ser una matriz en el cuerpo IR.
[
Ejemplo 1.5 5
1
2
1
1
[
Ejemplo 1.6 (5 + i)
[
Ejemplo 1.7 5
4 + 6i
11 3i
1.2.5
0
3 + 15i
1
1
]
[
[
5 (1)
51
0
5+i
=
10 + 2i
3
[
5 (1 + i)
0
=
5 (2 i)
3i
1+i
2i
Ejemplo 1.8 (5 + i)
1
2
0
51
=
3
52
1+i
]2 i
50
=
53
5 i
5+i
]
5
10
0
15 + 3i
50
5 + 5i
=
10 5i
5 3i
0
(5 + i) (1 + i)
=
3i
(5 + i) (2 i)
5
5
0
15
0
15i
(5 + i) 0
=
(5 + i) 3i
Propiedades del producto de una matriz por un escalar del mismo

cuerpo
Se cumplen las siguientes propiedades para las matrices en el cuerpo IR y en el cuerpo C,

separadamente.
1) Cerrada: A M en IK y IK, A M en IK
2) Distributiva respecto a la suma de matrices: (A+B) = A+B A, B M, IK
3) Distributiva respecto a la suma de escalares:
( + )A = A + A A M, , IK
4) Pseudoasociativa (asociativa entre el producto externo y el producto interno en IK):
()A = (A) = (A) A M, , IK
5) Ley de identidad o de unidad del producto externo: 1 A = A
1 es el elemento neutro
del producto en el cuerpo IK
En IR es el escalar 1, ejemplo 1. 25 = 25
En C es el escalar 1 + 0i, ejemplo (1 + 0i).(2 6i) = (2 6i)
1.2.6
Producto de matrices
Dadas dos matrices Amn = {aij } y Bnp = {bij }, compatibles para el producto, es decir,
tales que el n
umero de columnas de A coincide con el n
umero de las de B, se dene
A.B = C, como otra matriz Cmp con tantas las como A y tantas columnas como B,
siendo su elemento cij el resultado de sumar los productos de los elementos de la la i de
A por los de la columna j de B, en la forma dada en el siguiente sumatorio:
C = A B = {cij }
cij =
aik bkj
i = 1, . . . , m j = 1, . . . , p
k=1
El algoritmo puede entenderse facilmente observando el siguiente esquema:
la i
mn
columna j
np
cij
mp
Es decir, cij = ai1 b1j + ai2 b2j + ... + ain bnj

Ejemplo 1.9 Multiplicar las siguientes matrices:
[
[
2
0
3
1
3
5
1
2
9
8
1
1
2
[
0
2 1 + 3 1 + 1 2
2 =
0 1 + 1 1 + 2 2
3
20+32+13
=
0 0 + 1 2 + 2 3
Ejemplo 1.10 Multiplicar entre s por pares, las matrices A = [ 1

[
2
C=
3
2
1
3], B = 2 y
3
1
3 ] 2 = [ 1 1 + 2 2 + 3 3 ] = 14
3

1
1 2 3
B A = 2 [1 2 3] = 2 4 6
3
3 6 9
A B = [1
AC, CA, CB, BC no son operaciones posibles
1.2.7
Propiedades del producto de matrices
Siempre que los productos sean posibles, se verican las siguientes propiedades:
1) Asociativa: A, B, C M
A (B C) = (A B) C
2) Distributiva respecto a la suma de matrices:

A, B, C M A (B + C) = (A B) + (A C)
(A + B) C = A C + B C
3) Pseudoasociativa (asociativa entre el producto externo y el producto interno en M )
A, B M y K (A B) = (A) B = A (B)
1.2.8
Estructura algebraica de las matrices Mmn en IK
Mmn en IK ( + , IK). El conjunto de matrices Mmn en IK, con la suma y producto

externo con IK, cuyas deniciones y propiedades se enunciaron en las secciones anteriores,
tiene estructura de espacio vectorial sobre el cuerpo IK.
Mmn en IK ( + , . , IK). El conjunto de matrices Mn en IK, con la suma, producto
interno, y con el producto externo con IK, cuyas deniciones y propiedades se enunciaron
en las secciones anteriores, tiene estructura de algebra sobre el cuerpo IK.
1.2.9
An
alisis de otras propiedades del producto de matrices
4) Im Amn = Amn ;
[
Ejemplo 1.11 I2 =
Amn In = Amn ;
1
0
0
1
1
I3 = 0
0
Im Amn In = Amn
0
1
0
0
0
1
A=
1
4
2
5
3
. Se cumple:
6
I2 A = A
A I3 = A
I2 A I3 = A
[
Ejemplo 1.12
2+i
4i
7 3i
6
][
1
0
0
2+i
=
1
4i
7 3i
6
5) El producto de matrices no es conmutativo, es decir, en general A B = B A

Una condicion necesaria, aunque no suciente, para que se cumpla A.B = B.A es que A
y B sean matrices cuadradas del mismo orden.
Amn Bnp = Cmp
Bnp Amn = Cnn

Tenemos por una parte que el producto es de orden m p, y por otra que p = m (para
poder multiplicar B por A) y que el producto es de orden n n. Para que C y C sean
del mismo orden se requiere m = p = n. Por tanto A y B han de ser matrices cuadradas
de orden n.
Se dice que dos matrices cuadradas de orden n conmutan o que son conmutativas o que
son permutables si se cumple la igualdad A B = B A. Tambien se utiliza la denominacion
conmutante o permutante.
En algunos casos se verica que A B = B A, entonces se dice que las matrices cuadradas
de orden A y B son anticonmutativas o antipermutables. Tambien se utiliza la denominacion anticonmutante o antipermutante
Ejemplo 1.13 Ejemplo de dos matrices cuadradas del mismo orden que no son permutables ni antipermutables.
[
]
[
]
1 2
4 1
A=
B=
3 1
5 0
[
][
] [
]
1 2 4 1
14 1
AB=
=
3 1 5 0
17 3
[
][
] [
]
4 1 1 2
7 9
B A=
=
5 0 3 1
5 10
10
6) El producto de matrices tiene divisores de cero: A B = 0 no implica necesariamente

que A = 0 o B = 0.
La denicion estricta de los divisores de cero es la siguiente: Dos matrices no nulas A y
B se denominan respectivamente divisor de cero por la izquierda y divisor de cero por la
derecha si AB = 0. Una matriz C que sea divisor de cero por la izquierda o divisor de cero
por la derecha se denomina simplemente divisor de cero. Una matriz F que sea divisor de
cero por la izquierda y por la derecha se denomina divisor de cero por la izquierda y por
la derecha o divisor de cero por los dos lados.
[
Ejemplo 1.14 A =
[
1
1
1
1
][
1
1
3
3
1
= 0
1
]
B=
2
0
=
2
0
0
0
3
3
2
= 0 y
2
AB=0
En este ejemplo hemos determinado que A y B son divisores de cero.

7) El producto de matrices no verica la propiedad de simplicacion:
Si A B = A C no necesariamente B = C
Ejemplo 1.15 A B = A C, sin embargo B = C
[
1
1
1
1
][
3
3
[
sin embargo,
2
1
=
2
1
1
1
3
3
][
3
3
2
3
=
2
3
2
0
=
2
0
2
2
0
0
8) El producto de dos matrices triangulares superiores es una matriz triangular superior.

9) El producto de dos matrices triangulares inferiores es una matriz triangular inferior.
Ejemplo 1.16 2
4
0
3
5
0
1
0
2
6
0
0
1
4
0
1
0 =
4
2
6
0
3
29
0
0
12
10) El producto de dos matrices diagonales es otra matriz diagonal. Ademas cii = aii bii
2
Ejemplo 1.17 0
0
0
4
0
1
0
00
0
6
2
0
0 = 0
0
3
0
2
0
0
8
0
0
0
18
11) Una matriz diagonal conmuta con todas las matrices diagonales. Es consecuencia de
que el producto de elementos del cuerpo IK sea conmutativo.
1
Ejemplo 1.18 0
0
0
2
0
2
0
00
0
3
1
0
00
0
6
0
2
0
0
2
0 = 0
3
0
2
0
0
0
4
0
2
0
0 = 0
0
6
0
4
0
0
8
0
0
0
18
0
8
0
0
0
18
11
Ejemplo 1.19 En este ejemplo se observa como se obtiene el producto de una matriz
dada por una una matriz diagonal.
1
4
2
1
0
0
2
5
3
0
2
0
3
1
6
0
20
0
1
04
3
2
0
2
0
2
5
3
0
1
0 = 4
3 2
3
1
6 = 8
2
6
4
10
6
2
10
9
9
18
6
3
12
6
En el primer caso cada columna queda multiplicada por el elemento de la diagonal.

En el segundo caso cada fila queda multiplicada por el elemento de la diagonal.
AD
cij =
aik dkj = aij djj
DA
cij =
k=1
1.3
dik akj = dii aij
k=1
Inversa de una matriz
Dada una matriz A Mn decimos que F es la inversa de A si: A F = F A = I.

La inversa de A se denota como A1 , es decir F = A1 , y se tiene entonces A A1 =
A1 A = I
A1 Mn
No todas las matrices cuadradas tienen inversa. Una matriz A que posee inversa se denomina matriz regular o matriz inversible. De una matriz que no tiene inversa se dice
que es no inversible o singular.
Propiedades
Dadas A y B inversibles y IK, = 0 se cumple:
1) A1 es u
nica
2) (A1 )1 = A
3) A B es inversible, y (A B)1 = B 1 A1
4) ( A)1 = 1 A1
Dem.
1) Sea A1 la inversa de A, y B otra matriz tal que A B = I. Premultiplicando la u
ltima
expresi
on por A1 obtenemos:
A1 A B = A1 I B = A1
concluimos que B es la misma matriz que A1 .
2) A1 A = AA1 = I
(A1 )1 = A
3) Consideramos el producto B 1 A1
ABB 1 A1 = AIA1 = AA1 = I y
B 1 A1 AB = B 1 IB = B 1 B = I
(AB)1 = B 1 A1
4) A1 A1 = 1 AA1 = 1I = I y 1 A1 A = 1I = I
(A)1 = 1 A1
Observaciones:
Una consecuencia de la propiedad 3 es que el producto de tres matrices inversibles de
orden n es inversible, y la inversa es el producto de las inversas en el orden contrario. La
generalizacion a productos de mas matrices es obvia.
(A B C)1 = ((A B) C)1 = C 1 (A B)1 = C 1 B 1 C 1
12
(A B . . . F )1 = F 1 . . . B 1 A1
In es inversible y su inversa es In
1.4
Transformaciones de una matriz
1.4.1
Traspuesta de una matriz
Dada una matriz Amn se llama traspuesta de A y se denota At , a la matriz que resulta
de cambiar ordenadamente sus las por sus columnas.
t =a
At sera entonces de orden n m.
aij
ji i = 1, . . . , n , j = 1, . . . , m
[
Ejemplo 1.20 A =
2
0
3
1
1
2
2
At = 3
1
0
1
2
Propiedades:
1) (At )t = A
IK
2) ( A)t = At
3) (A
B)t
At
Bt
4) (A B)t = B t At
Demostracion de la propiedad 4):
Sea A B = C
ctij
= cji =
ajk bki =
k=1
atkj btik
k=1
btik atkj
k=1
La pen
ultima igualdad se obtiene por cumplir la propiedad conmutativa el producto de
elementos del cuerpo IK.
El primer termino de la igualdad es el elemento (i, j) de (A B)t y el u
ltimo termino es el
t
t
t
elemento (i, j) de la matriz B A . Concluyendo entonces que (AB) = B t At
Cuando A es cuadrada tenemos:
Una matriz An es simetrica si y solo si A = At .
En efecto An es simetrica si y solo si aij = aji , y como aji = atij , tenemos que
aij = atij y por tanto A = At
Ejemplo 1.21 A =
2
3
2
1
2
3
2 es una matriz simetrica
0
Una matriz An es antisimetrica o hemisimetrica si y solo si A = At .

En efecto An es antisimetrica o hemisimetrica si y solo si aij = aji , y como aji =
atij , tenemos que aij = atij y por tanto A = At
Ejemplo 1.22 A = 2
3
2
0
2
3
2 es una matriz antisimetrica
0
Dada una matriz cuadrada An , A + At es una matriz simetrica.

Veamos la demostracion: Denimos C = A + At
cij = aij + atij = atji + aji = aji + atji = cji
(La tercera igualdad se cumple por la propiedad conmutativa de la suma de los
elementos del cuerpo IK).
13
Dada una matriz cuadrada An , A At es una matriz antisimetrica.

Veamos la demostracion: Denimos C = A At
cij = aij atij = atji aji = aji + atji = (aji atji ) = cji
(La tercera igualdad se cumple por la propiedad conmutativa de la suma de los
elementos del cuerpo IK).
Toda matriz cuadrada An se puede expresar de forma u
nica como suma de una
matriz simetrica S y otra antisimetrica H: A = S + H
Veamos la demostracion:
A=S+H
[1]
y tomando traspuestas
At
= St + H t
Por otra parte S t = S y H t = H, por tanto At = S H
[2]
Sumando [1] y [2] obtenemos A + At = 2S S = 21 (A + At )

Restando [1] y [2] obtenemos A At = 2H H = 21 (A At )
Hemos demostrado como obtener S y H a partir de A
[
Ejemplo 1.23 Descomponer A =

antisimetrica.
([
2
3
([
2
H = 12 (A At ) = 12
3
S = 21 (A + At ) =
2
1
1
2
1
0
+
5
2
2
3
1
+
5
] [
1
5
[
2
2
=
0
3
1
5
como suma de una matriz simetrica y otra

])
2 3
4 2
2
= 12
=
1
5
2
10
1
])
[
] [
2 3
0
4
0
= 12
=
1
5
4
0
2
1
5
1
5
]
2
0
Propiedad adicional
Dada Amn , las matrices AAt y At A son ambas simetricas.
Demostracion: (AAt )t = (At )t At = AAt
(At A)t = At (At )t = At A
Matriz ortogonal
Una matriz cuadrada se dice ortogonal si AAt = At A = I
Propiedades
a) A1 = At
b) La inversa y la traspuesta de una matriz ortogonal es ortogonal
c) El producto de dos o mas matrices ortogonales es ortogonal
Dem.
a) Por la denicion de inversa
b1) Sea A ortogonal,
A1 (A1 )t = At (At )t = At A = I y
(A1 )t A1 = (At )t At = AAt = I, por tanto A1 es ortogonal.
b2) Sea A ortogonal,
At (At )t = At A = I y
(At )t At = AAt = I, por tanto At es ortogonal.
c) Lo demostramos para el producto de dos matrices. Sean A y B ortogonales
(AB) (AB)t = ABB t At = AIAt = AAt = I
(AB)t AB = B t At AB = B t IB = B t B = I
1.4.2
14
Conjugada de una matriz
Dada una matriz Amn se llama conjugada de A y se denota A, a una nueva matriz cuyos
elementos son los conjugados de los elementos de A.
La parte real de los elementos no vara, mientras que la parte imaginaria cambia de signo.
Propiedades:
A=A
A = A
AB =AB
AB = A B
Si todos los elementos de A son reales A = A
Si todos los elementos de A son imaginarios puros A = A
Cuando A es cuadrada tenemos:
An se dice hermtica o autoadjunta si At = A, es decir, si aij = aji para todos los valores
de i y j. Obviamente, los elementos de la diagonal principal de una matriz hermtica han
de ser n
umeros reales.
An se dice antihermtica o hemihermtica si At = A, es decir, si aij = aji para todos
los valores de i y j. Se desprende que los elementos de la diagonal principal de una matriz
antihermtica han de ser nulos o imaginarios puros.
An se dice normal si A At = At A
An se dice unitaria si At = A1
1.5
Potencia de una matriz
Dada una matriz An y k un entero positivo, entonces Ak denota el producto de A por s

misma k veces.
k
Ak
veces
}|
= AA . . . A
Matriz periodica es aquella matriz A cuadrada que verica que Ak+1 = A para alg
un k
entero positivo. Si k es el menor de esos enteros, entonces se dice que la matriz A tiene
perodo k.
Cuando k = 1 se tiene A2 = A, y resulta inmediato demostrar que entonces Ak = A para
todo k. Se dice que A es idempotente.
A3 = A2 A = AA = A, etc.
Matriz nihilpotente de ndice k es aquella matriz A que verica Ak = 0, siendo k el menor
entero positivo para el que se cumple la igualdad.
Si k = 2 se dice directamente que A es nihilpotente
Matriz involutiva es la matriz A que verica A2 = I,
Si A es involutiva AA = I, es decir, A1 = A
Ak := (A1 )k
A0 := I
(:= signica que es igualdad por denicion, se utiliza tambien el smbolo )
1.6
1.6.1
15
Operaciones elementales y equivalencia

Operaciones elementales
Sea la matriz Amn , efectuamos una operaci

on elemental sobre una lnea (la o columna)
de A cuando realizamos una de estas tres operaciones:
a) Intercambiar entre s las lneas i y j (intercambiar dos las entre s o dos columnas
entre s ). Tambien se denomina trasposicion o permutacion.
b) Multiplicar la lnea i (la o columna) por un escalar k = 0. Tambien se denomina
escalamiento, o lnea-homotecia.
c) Sumar a la lnea i la j (paralela a ella) multiplicada por un escalar cualquiera. Tambien
se denomina reemplazamiento o manipulacion.
A lo largo del curso se realizara un amplio uso de las operaciones elementales por las,
para resolver sistemas de ecuaciones, calcular rangos, determinantes, etc. Se realizara un
uso menos extenso de las operaciones elementales por columnas, aunque s se utilizaran
por ejemplo para el calculo de determinantes.
Notacion:
F13
F1(7)
F13(4)
se intercambian las las 1 y 3

la la 1 se multiplica por 7
a la la 1 se le suma la 3 multiplicada por 4
C13
C1(7)
C13(4)
se intercambian las columnas 1 y 3

la columna 1 se multiplica por 7
a la columna 1 se le suma la 3 multiplicada por 4
[
1 2
1 2
Ejemplo: A =
=B
1 4
0 2
La operacion elemental realizada ha sido F21(1)
1 2
2 1
=H
1 4
4 1
La operacion elemental realizada ha sido C12
Ejemplo: G =
1 2
2 1
2
1
=S
1 4
4 1
0 1
Las operaciones elementales realizadas han sido primero C12 y seguidamente F21(2)
Ejemplo: R =
1.6.2
Equivalencia por filas, equivalencia por columnas y equivalencia
Se dice que Amn es equivalente por filas a Bmn si partiendo de A podemos obtener
B efectuando un n
umero nito de operaciones elementales por las.
Notacion: A f B
Se dice que Amn es equivalente por columnas a Bmn si partiendo de A podemos
obtener B efectuando un n
umero nito de operaciones elementales por columnas.
Notacion: A c B
Se dice que Amn es equivalente a Bmn si partiendo de A podemos obtener B efectuando
un n
umero nito de operaciones elementales por columnas, por las o combinando los dos
tipos.
Notacion: A B
16
Observaciones:
A f B A B
A c B A B
A B no implica que necesariamente A sea equivalente por las a B ni que necesariamente A sea equivalente por columnas a B
1.6.3
Inversa de una operaci

on elemental
Se llama inversa de una operaci

on elemental a una operacion elemental que cancela
el efecto de la primera; es decir, si despues de realizar una operacion elemental sobre A se
aplica la operacion elemental inversa, se obtiene de nuevo la matriz original A.
La inversa de una o.e. de las (columnas) es una o.e. de las (columnas).
La inversa de Fij es Fij
La inversa de Fij() es Fij()
La inversa de Fi() es Fi(1/)
1.6.4
La inversa de Cij es Cij

La inversa de Cij() es Cij()
La inversa de Ci() es Ci(1/)
Matrices equivalentes por filas, equivalentes por columnas y equivalentes: una relaci
on de equivalencia
Desde el punto de vista de las relaciones entre los elementos de un conjunto, en este caso
el conjunto de matrices de un orden m n dado, la relacion de equivalencia por las, por
columnas, y la relacion de equivalencia pertenecen a la clase de relaciones denominadas
relaciones de equivalencia, puesto que cumplen las propiedades reexiva, simetrica
y transitiva.
Lo podemos ver por ejemplo para el caso de la equivalencia por las:
Reexiva: A es equivalente por las a A, sin mas que considerar la operacion de multiplicar
una la por el escalar 1.
Simetrica: Si A es equivalente por las a B, B es equivalente por las a A, simplemente
realizando la o.e. inversa.
Transitiva: Si A es equivalente por las a B, y B es equivalente por las a C, entonces A
es equivalente por las a C.
A o.e. 1 ... o.e. l B y B o.e. l+1 ... o.e. k C
A o.e. 1 ... o.e. l o.e. l+1 ... o.e. k C
A equivalente a B por las, por columnas o por o.e. de ambos tipos, implica que B tiene
establecido el mismo tipo de relacion con A. Por ello se dira entonces que A y B son
equivalentes por las, por columnas, o equivalentes sin mas, en vez de indicar un orden
A equivalente a B o B equivalente a A.
1.6.5
Matrices elementales
Se dene matriz elemental como aquella matriz cuadrada de orden n, que se obtiene al
efectuar una operacion elemental sobre una lnea (la o columna) de la matriz identidad
de orden n.
1
0
0
1
0
0
17
Ejemplos:
0 0
1 0 0
F
23
1 0 0 0 1 = EF23 Se intercambia la 2a con la 3a
0 1
0 1 0
0 0 F
3 0 0
1(3)
1 0 0 1 0 = EF1(3) Se multiplica la 1a la por 3
0 1
0 0 1
1 0
0 1
0 0
0 F
1 0 0
31(2)
0 0 1 0 = EF31(2)
1
2 0 1
Se suma a la 3a la la 1a por 2
Con frecuencia para simplicar la notacion se designan las matrices elementales como las
operaciones elementales asociadas. Para los ejemplos anteriores la notacion sera: F23 ,
F1(3) y F31(2)
Para las operaciones elementales por columnas las correspondientes matrices elementales
seran: C23 , C1(3) y C31(2)
Notese la relacion entre las matrices elementales de las y las matrices elementales de
columnas:
F23 = C23
son iguales
F1(3) = C1(3)
son iguales
F31(2) = C13(2)
las lneas transformada y auxiliar aparecen intercambiadas.
1.6.6
Operaci
on elemental como producto por una matriz elemental
Sea la matriz elemental Fm correspondiente a determinada operacion elemental por

las, y una matriz Amn ; entonces el producto Fm Amn es igual a la matriz que resulta
de efectuar la misma operacion elemental sobre las las de Amn .
Sea la matriz elemental Cn correspondiente a determinada operacion elemental por
columnas, y una matriz Amn ; entonces el producto Amn Cn es igual a la matriz que
resulta de efectuar la misma operacion elemental sobre las columnas de Amn .
2
1
Ejemplo: Dada A = 1 2
3 1
por (2) utilizando el producto
F21(2)
0 1
1 2 , sumar a la segunda la la primera multiplicada
0
1
por una matriz elemental.
1 0 0
= 2 1 0
0 0 1
es la matriz elemental que resulta de sumarle

a la la 2a de I3 , la 1a multiplicada por (2).
2
1
1 0 0
F21(2) A = 2 1 0 1 2
3 1
0 0 1
0
1
0
2
1 0
1
2 = 3 4 1
3 1 0
1
1
0
1
es igual resultado que si le sumamos a la 2a la de A la 1a multiplicada por (2). Es

decir, es lo mismo que efectuar F21(2) sobre A.
0 2
Ejemplo: Dada A = 4 2
1 2
por una matriz elemental.
C13
0 0
= 0 1
1 0
0 2
4 2
1 2
18
3
1 , intercambiar las columnas 1 y 3 utilizando el producto
3
1
0
0
0 0
3
10 1
3
1 0
1
3 2
0 = 1 2
0
3 2
0
4
1
1 2
2
0 4
1
Ejemplo 1.24 A partir de la matriz A =

1 0 1 queremos obtener la matric C
2 1
2
que tiene intercambiadas las filas 2 y 4. Determina la matriz elemental B tal que B.A = C
1
0
B=
0
0
0
0
0
1
0
0
1
0
0
1
0
0
Comprobaci
on:
1
0
0
0
1.6.7
0
0
0
1
0
0
1
0
0
1
1 0
.
0 1
0
2
2
4
0
1
2
1
1 2
=
1 1
2
0
2
1
0
4
2
2
1
1
Inversa de una matriz elemental
Toda matriz elemental tiene inversa, y la inversa de una matriz elemental es elemental
(corresponde a la operacion elemental inversa).
La inversa de Fij es Fij
La inversa de Fij() es Fij()
La inversa de Fi() es Fi(1/)
Analogamente para columnas, sin mas que sustituir F por C.
Comprobaciones para matrices elementales correspondientes a operaciones elementales por
las:
Fij Fij I = I
Fij Fij = I
Fij() Fij() I = I
Fij() Fij() I = I
Fij() Fij() = I
Fij() Fij() = I
Fi() Fi(1/) I = I
Fi(1/) Fi() I = I
Fi() Fi(1/) = I
Fi(1/) Fi() = I
Y analogamente para las o.e. por columnas
Ejemplos:
E23 EF23
1 0
= 0 0
0 1
1
0
1 0
0
0
0
0
1
1 0
0
1 = 0 1
0 0
0
0
0
1
EF1(1/3) EF1(3)
EF31(2) EF31(2)
0
1
0 = 0
1
0
0
0
1
1 0 0
1 0 0
1 0
= 0 1 0
0 1 0 = 0 1
2 0 1
2 0 1
0 0
0
0
1
0
1
0
0
1
0
1.6.8
1/3 0 0
3
= 0 1 0 0
0 0 1
0
19
Varios resultados sobre equivalencia de matrices
A y B equivalentes por las implica que existen F1 , F2 , ..., Fa /

Fa ... F2 F1 A = B
A y B equivalentes por columnas implica que existen C1 , C2 , ..., Cb /
A C1 C2 ... Cb = B
A y B equivalentes implica que existen F1 , F2 , ... , Fa , C1 , C2 , ... , Cb /
Fa ... F2 F1 A C1 C2 ... Cb = B
Ya que las relaciones anteriores son simetricas, tambien podramos haber escrito:
A y B equivalentes por las implica que existen F1 , F2 , ..., Fs /
Fs ... F2 F1 B = A
A y B equivalentes por columnas implica que existen C1 , C2 , ..., Ct /
B C1 C2 ... Ct = A
A y B equivalentes implica que existen F1 , F2 , ... , Fs , C1 , C2 , ... , Ct /
Fs ... F2 F1 B C1 C2 ... Ct = A
Pero en realidad las F y las F no son independientes, ni lo son las C respecto de las C ,
pues obviamente:
Fa ... F2 F1 A = B (F1 )1 (F2 )1 ... (Fa )1 Fa ... F2 F1 A = (F1 )1 (F2 )1 ... (Fa )1 B
(F1 )1 (F2 )1 ... (Fa )1 B = A
(Por ser las matrices elementales inversibles).
Por otra parte, por ser el producto de inversibles inversible, tenemos:
A y B equivalentes por las implica que existe P inversible / P A = B
( A = P 1 B)
Notese que manteniendo la notacion anterior:
P = Fa ... F2 F1
P 1 = F11 F21 ... Fa1
A y B equivalentes por columnas implica que existe Q inversible / A Q = B

( A = BQ1 )
{
Q = C1 C2 ... Cb
Q1 = Cb1 ... C21 C11
A y B equivalentes implica que existen P y Q inversibles / P A Q = B

( A = P 1 BQ1 )
20
De las ecuaciones anteriores se deduce directamente (por el hecho de que el producto de

inversibles es inversible) que si A y B son equivalentes por las, equivalentes por columnas
o equivalentes, entonces o ambas, A y B, son inversibles, o ninguna de ellas lo es.
1.7
1.7.1
Formas escalonadas por filas de una matriz

Definiciones de forma escalonada por filas y forma can
onica por
filas
Partiendo de cualquier matriz A se puede llegar mediante un n

umero nito de o.e. por
las a una matriz U escalonada, y a esta se le denomina forma escalonada por filas de
A. Para una matriz dada existen innitas formas escalonadas por las.
Notese que si U es una forma escalonada por las de A, aparte de ser escalonada cumple que
existira P inversible tal que P A = U . Esa matriz inversible corresponde a los productos
de las matrices elementales por las aplicadas. P = Fa ... F2 F1
Al proceso de obtener una forma escalonada por las de una matriz tambien se le conoce
como eliminacion gaussiana.
Se denomina forma can
onica por filas o reducida por filas de una matriz A a la
forma escalonada por las de A con pivotes unidad y ceros encima de los elementos pivote.
Dada A, la forma canonica por las es u
nica. En general utilizaremos para esta matriz la
notacion Acan f ilas o Ared f ilas .
Debido a que la equivalencia por las cumple la propiedad transitiva, todas las matrices
equivalentes por las entre s tienen la misma forma canonica por las.
1.7.2
Algoritmo de Eliminaci
on Gaussiana Simple
Describimos a continuacion un algoritmo para obtener a partir de una matriz dada Amn
una forma escalonada por las, y la forma canonica por las. El metodo se denomina
Eliminaci
on Gaussiana Simple y el orden en el que se efect
uan las operaciones elementales por las viene prejado por un convenio. No se pueden realizar escalamientos. El
intercambio de las solo se puede realizar para buscar un elemento pivote en la obtencion
de la forma escalonada por las, y se ha de realizar con la primera la siguiente que s
posea pivote.
El algoritmo de Eliminaci
on Gaussiana Simple consta de los siguientes pasos:
1) Partiendo de la izquierda, buscamos la 1a columna con un elemento distinto de cero,
llamemosla j1 . Esta columna j1 es la primera columna pivotal. Si el primer elemento no
nulo de j1 (el de la la mas alta) no esta en la 1a la se intercambian la primera la y
esta. Este elemento no nulo, en la posicion (1,j1 ) es el primer elemento pivote. Mediante
operaciones elementales por las convertimos los elementos de la primera columna pivotal
que estan debajo del elemento pivote, en ceros. La la auxiliar utilizada es la 1a la.
La operacion elemental que elimina el elemento b es la de sumar a la la que contiene el
elemento b la la auxiliar multiplicada por (b / primer pivote).
2) Moviendonos hacia la derecha, a partir de la 1a columna pivotal, buscamos la siguiente
columna que tenga un elemento no nulo en la 2a la o siguientes. Esa columna j2 ser
a
la segunda columna pivotal. Se realizara un intercambio de las si este primer elemento
no nulo no estuviera en la 2a la, para colocarlo precisamente en esta. Este es el segundo
elemento pivote. Ademas de esta operacion elemental de intercambio a n de que el
elemento pivote se encuentre en la 2a la (posicion (2,j2 )), se realizaran las operaciones
21
elementales necesarias para que todos los elementos de la columna pivotal, por debajo del
pivote, sean ceros, utilizando como la auxiliar la la 2a . Estas operaciones elementales no
afectan a los elementos de las columnas situadas a la izquierda de j2 , ya que los elementos
de la la 2 a la izquierda de j2 son todos nulos.
3) Seguimos moviendonos hacia la derecha. Sea j3 la siguiente columna que tiene un
elemento no nulo, ahora en la 3a la o mas abajo. Si es necesario intercambiaremos las
las para que, en la nueva matriz, la columna j3 tenga en la la 3 el primer elemento no
nulo encontrado (tercer elemento pivote), y a continuacion realizaremos las operaciones
para transformar a ceros los elementos por debajo de el, utilizando la la 3 como auxiliar.
4) Seguimos repitiendo el proceso hasta conseguir r columnas pivotales, j1 , j2 . . . , jr y
solamente ceros en las las r + 1, r + 2, ..., m.
Al nal de estos cuatro pasos habremos conseguido transformar la matriz, a traves de
operaciones elementales por las, en una forma escalonada por filas.
Dada una matriz, mediante el metodo de eliminaci
on gaussiana simple se obtiene una u
nica
matriz en la forma escalonada por filas. Esto es debido a que las operaciones elementales
que se realizan y el orden en que se realizan estan jadas por el metodo.
0
0
Ejemplo: Obten la forma escalonada de la matriz A = 0
0
0
nacion gaussiana simple.
0
0
A = 0
0
0
0
0
0
0
0
0
0
0
0
0
2
1
0
2
0
6
4
1
3
0
F
1 13 0
4 0
0
0
2
0
6
0
2
4
1
6
2
0
1
1
4
3
F42(1/2)
2 F52(1/2)
2
6
0
2
1
1
4
0
0
1
F23
3 0
0
2
2
0
2
0
0
0
0
6
2
0
0
0
4
0
0
F
3
43(7/2)
1 0
F
7/2 53(1/2) 0
1/2
0
2
0
0
0
0
2
0
6
4
1
3
1
4 mediante elimi
0
2
2
0
0
1
0
2
0
0
0
0
2
0
0
0
0
0
0
2
1
0
4
0 2
6
4
F
1 41(1/2) 0 0
0
1
3 0 0
2
3
=
0 1 1 4 3 0 2
0
2
0 0
1
2
6
2
0
0
0
0
0
0
0
2 6
4
0 2
3
0 0
1
=
0 1 1 2 3/2
0 11
2 3/2
4
3
1 = Aesc
0
0
f ilas
A f Aesc
f ilas
3 cols. pivotales: la 2a , la 3a y la 4a . Los pivotes respectivos son 2, 2 y 1.

5) Una vez obtenida la matriz equivalente por las escalonada, debemos continuar el
proceso transformando en unos los elementos pivote y en ceros los elementos de las
columnas pivotales situados por encima del elemento pivote.
a) Para hacer unos los elementos pivote se escalan las las no nulas, a n de que todos
los pivotes tomen el valor 1.
b) Para obtener los ceros por encima de los elementos pivote los pasos son los siguientes:
b.1) Considerando la u
ltima la no nula, que llamamos la r, como auxiliar, y con las
correspondientes operaciones elementales sobre las las, consigamos mediante reemplaza-
22
mientos que la columna jr tenga ceros en las las 1,2,....r 1. Ninguna columna a la
izquierda de jr se vera afectada por estas operaciones, ya que los elementos de la la r a
la izquierda de la columna pivotal jr son todos nulos.
b.2) Continuamos hacia arriba, en la la r 1, donde a traves de operaciones elementales,
tomando la la r 1 como la auxiliar, haremos cero los elementos de esa columna pivotal
en las las 1,2 ,... r 2. Continuamos con estas transformaciones para que cada columna
pivotal ji tenga ceros en las i 1 primeras las, siempre disminuyendo i, hasta i = 2.
Con el proceso descrito en este quinto paso se obtiene la forma can
onica por filas con:
r las con sus elementos no todos nulos, que son ademas las r primeras las de la matriz.
El primer elemento no nulo en cada la es el 1.
r columnas pivotales, no necesitariamente las r primeras, con todos los elementos nulos
salvo un 1.
Ejemplo: Partiendo de la forma escalonada por las obtenida, calcula la forma canonica
por las (o forma reducida por las), seg
un el procedimiento de eliminacion gaussiana
simple.
0
0
0
0
2
0
0
0
0
6
2
0
0
0
0
0
F12(3)
0
0
4
0 1 3
2
0
0 0 1 3/2
0
3
F
F
1(1/2)
23(3/2)
1 0 0 0
1 0
F2(1/2)
F13(2)
0 0 0
0
0
0
0
0 0 0
0
0
1
0
0
0
0
0
1
0
0
0
1
0
0
0
0
3
1
0
0
0
0
0
0
0
0
0
1 = Acan
0
0
f ilas
A f Acan
f ilas
Las columnas pivotales son las mismas: la segunda, la tercera y la cuarta. Los pivotes
ahora son todos 1 y cada columna pivotal tiene ceros por encima de los elementos pivote.
1.7.3
Rango de una matriz
Se denomina rango de una matriz Amn al n

umero de columnas pivotales o n
umero de
las no nulas de cualquier forma escalonada por las de la matriz. En efecto todas las
formas escalonadas por las de una matriz tienen el mismo rango.
Propiedades:
El rango de la matriz In es n, pues la matriz ya es escalonada por las y tiene n las no
nulas (o lo que es lo mismo, n columnas pivotales).
Debido a que la equivalencia por las cumple la propiedad transitiva, todas las matrices
equivalentes por las entre s tienen el mismo rango.
Dada una matriz Amn el rango ha de ser menor o igual que m y menor o igual que n.
Por comodidad se suele obtener el rango de una matriz A a partir de una forma escalonada por las de A.
Un resultado muy importante que no vamos a demostrar es el siguiente:
rgA = rgAt
[
1
Ejemplo 1.25 rg
0
]
1
1
= 2 , rg 0
3
0
2
2
0
1
1
0
4
1
2 = 2 , rg 0
0
0
1
1
0
1
2
0
2
3 = 3
9
23
1
Ejemplo 1.26 Determina el rango de la matriz A = 2
0
A= 2
0
1.7.4
5
4
2
0
1
1 0
0
0
F21(2)
5
6
2
0
1
5
1 0 6
0
0
0
F32(1/3)
5
4
2
0
1
0
0
1
1/3
rgA = 3
Matrices equivalentes a la identidad: aplicaci

on para obtener la
inversa
Partiendo de An , Acan
filas
= In Fa . . . F2 F1 A = I
(Fa . . . F2 F1 )1 (Fa . . . F2 F1 ) A = (Fa . . . F2 F1 )1 I

A = (Fa . . . F2 F1 )1 I = (Fa . . . F2 F1 )1
A1 = Fa . . . F2 F1 I
A inversible y
Concluimos que efectuando la misma secuencia de operaciones elementales por las y en

el mismo orden que llevan de A a I, la matriz I se transforma en A1 .
Este metodo de determinacion de la inversa de una matriz se conoce como metodo de
Gauss-Jordan. El esquema es el siguiente:
[ A | I ] . . .
[ I
| A1 ]
operaciones elementales por las

Ademas tenemos el importante resultado de que Acan
Ejemplo 1.27 Determina la inversa de A = 2

2
si es que dicha inversa existe.
1
A = 2
2
2
0
3
1
0
0
2
1
4
1
0
0
2
1
0
1
2
0
1
2
0
1
2
8
1
2
6
1
0
0
0
1
0
1
2
2
0
0
1
0
1
0 0
1
0
0
0
1
2
4
1
0
1
1 0
0
0
1
0
2
2
1
4
2
0
3
1
2
2
1
2
0
1
2
2
filas
= In rgA=n
1
2 por el metodo de Gauss-Jordan,
0
0
1
0
0
0
1
0
0
1
0
1
0
0
1
4
fila2 = fila2 - 2 * fila1

Se intercambian las filas 2 y 3
fila 2 = fila 2 * (-1)
fila3 = fila3 + 4* fila2
Observamos que el rango es 3, igual al orden de la matriz A, por tanto A tiene inversa.
La submatriz de la izquierda es ya triangular superior, pero falta hacer 1 uno de los
pivotes.
Aplicando fila3 = 1/8 * fila3 tenemos:
1
0
0
2
1
0
1
2
1
1
2
3/4
24
0
0
1/8
0
1
1/2
fila2 = fila2 - 2*fila3

fila1 = fila1 - fila 3
1
0
0
2
1
0
1 3/4
2 3/2
3/4
0
0
1
1/8
0 1/4
1/8
1/2
1
1 + 1 = 0
1/2
0
2
1
0
0
0
1
1/8
1/4
1/8
1/4
1/2
3/4
1/2
0
1/2
fila1 = fila1 - 2*fila2
1
0
0
0
1
0
1/4 1
1/2
3/4
0
0
1
1/8 + 1/2
1/4
1/8
1/2
1
0 = 0
1/2
0
0
1
0
Resultado: La matriz inversa de A es A1
1.8
3/4
= 1/2
3/4
3/4
1/2
3/4
0
0
1
3/8
1/4
1/8
3/8
1/4
1/8
1/2
0
1/2
1/2
0
1/2
Forma escalonada y forma can

onica de una matriz
Forma escalonada de la matriz Amn es cualquier matriz equivalente a A y escalonada.

Para una matriz dada existen innitas formas escalonadas. Al requerir que la matriz sea
simplemente equivalente, y no equivalente por las, estan permitidas tanto las o.e. por
las como las o.e. por columnas.
0 2
Ejemplo. Para A = 4 2
1 2
3
1
3
0 2
A = 4 2
1 2
3
1
2
3
1
2
1 0 6 11 0 6
3
0
2
3
0
6
3
1 2
1 4 2
3
0 2
F13
F21(4)
F3(3)
1
2
3
1
0
3
1
0 6 11 0 6 11 0
0
0
1
0
0
1
0
F3(1/2)
C21(2)
F32(1)
0
0
6 11
0
1
C31(3)
Las cuatro u
ltimas matrices son formas escalonadas de la matriz A
Notese que si U es forma escalonada de A, aparte de ser escalonada cumple que existiran
P y Q inversibles tales que P AQ = U . Esas matrices inversibles corresponden a los
productos de las matrices elementales aplicadas.
P = Fa ... F2 F1
Q = C1 C2 ... Cb
Una forma escalonada por las es un caso particular de forma escalonada, que corresponde
a tomar Q = I
Forma can
onica de la matriz Amn es la forma escalonada de A que tiene la expresion:
Ir
, siendo r el rango de A
3
1
2
3
11 0 6 11
9
0
0 2
25
La forma canonica de una matriz A dada es u

nica. Se suele utilizar para ella la notacion
Acan . Para obtener la forma canonica sera necesario, en general, efectuar los dos tipos de
operaciones elementales, es decir, por las y por columnas.
Obviamente si An es equivalente por las a la identidad, In , entonces la forma canonica
de A es la identidad, In .
Se demuestra facilmente que si An es equivalente a In , tambien es equivalente por las a
In .
Demostracion: A = P IQ A = P Q A = P QI = RI
P , Q y R son matrices inversibles.
1 2 1
onica de A = 1 2 0
Ejemplo 1.28 Obten la forma can
1 2 3
F21(1)
F
F
F12(1)
F
31(1)
32(2)
2(1)
1 2 1
1 2
1
1 2
1
1 2
0
1 2 0
A = 1 2 0 0 0 1 0 0 1 0 0 1 0 0 1
1 2 3
0 0
2
0 0
0
0 0
0
0 0 0
Forma can
on.
Forma esc.
por filas
por filas
C21(2)
C23
0
0
0
0
0
0
1 0 0
1 0 1 0
0
0 0 0
Forma can
on.
Ejemplo 1.29 Obten la forma can

onica de A = 0
0
0
A = 0
0
1
0
0
0
0
0
1
0
0
0
0
0
2
0
0
0
1
0
0
1
1
0
2
0
0
2
2
2
0
1 0
1
0
F32(1)
0
1
1 0
0
0
C54(2)
C64(1)
0
0
0
1
0
0
0
0
0
2
0
0
0
1
0
0
1
0
0
0
0
0
2
0
2
0
0
0
1
1
0
2
2
2
1 .
1
2
1
1 0
0
0
C12
0
0
0
2
0
0
0
1
0
0
1
0 0
0
0
C24
1
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
2
0
2
1
0
C31(2)
C61(2)
0
0
0
N
otese con este ejemplo c
omo no siempre se puede llegar a una forma escalonada aplicando
simplemente operaciones elementales por columnas.
1.9
26
Matrices de intercambio, de Jordan, de T

oeplitz y de
Hankel
Matriz de intercambio En , es igual a la matriz In , pero invirtiendo el orden de las

columnas (tambien se podra haber dicho el de las las), como se indica a continuacion:
0
0
.
En = ..
0
1
0
0
..
.
1
0
...
...
..
.
...
...
0
1
..
.
0
0
1
0
..
0
0
Podramos decir tambien que es la reexion, respecto de la horizontal (o respecto de la

vertical), de la matriz identidad.
Otra denicion posible sera la de la matriz cuadrada en la que todos los elementos son
cero excepto los de la diagonal secundaria, que valen todos 1.
Veamos un ejemplo de como opera sobre una matriz dada, pre-multiplicando o postmultiplicando:
0
0
E4 =
0
1
0
0
0
1
1
5
9
3
0
0
1
0
0
1
0
0

0
0
1
0
0
1
0
0
1
1
0 5
.
0 9
0
3
2
6
0
4
3
7
1
5
4
0
0
8
.
2 0
6
1
1
0
0
0
2
6
0
4
3
7
1
5
4
3
8 9
=
2 5
6
1
0
0
1
0
0
1
0
0
1
4
8
0
=
0 2
0
6
4
0
6
2
5
1
7
3
6
2
8
4
3
7
1
5
2
6
0
4
1
5
9
3
Coloca las las en orden inverso
Coloca las columnas en orden inverso
Matriz de Jordan completa de orden n:
Matriz de Jordan de orden
unos o ceros, por ejemplo:

0
0
0
n,
0
1
0
0
0
cuando
0 0
0 0
0
0
0 0
0 0
0 0
1 0
0 1
Deniendo Jn como: Jn Jn (0) = .. ..

. .
0 0
0 0
en
0
0
0
0
1
0
0
0
..
.
0
0
0
.
.
Jn () =
.
0
0
1
..
.
0
0
0
0
0
..
.
0
0
0
... 0
... 0
... 0
.
..
. ..
...
... 1
... 0
0
0
0
..
.
0
0
0
0
..
.
la
subdiagonal primera hay aleatoriamente
0
0
...
...
...
..
.
...
...
0 0 0
0 0 0
0 0 0
.. .. .. (Jordan completa)
. . .
1 0 0
0 1 0
27
Tenemos que Jn () = In + Jn .
Vemos que el rango de Jn es n 1
0 0 0 ... 0 0 0
0 0 0 ... 0 0 0
1 0 0 ... 0 0 0
2
Se demuestra facilmente que Jn es:
, con rango n 2, y que
0 1 0 ... 0 0 0
. . . .
.
.
.
. . .. .. ..
.. .. ..
0 0 0 ... 1 0 0
al obtener Jn3 , . . . , Jnn1 , siguen bajando las las que tienen unos de forma que rango
Jnk = n k, llegando nalmente a Jnn = , con rango 0.
Otra forma de describir el efecto del exponente es que si este es 1, los unos se encuentran
en la subdiagonal primera, y si es k se encuentran en la subdiagonal k-esima, de forma
que para el exponente n tendramos la subdiagonal n-esima, que ya se encuentra fuera
de la matriz, obteniendose por tanto la matriz nula.
Tambien se demuestra facilmente que en la matriz (Jn )t los unos ocupan la supradiagonal
primera, y que en las sucesivas matrices (Jnt )k , aumentando k, suben las las que tienen
unos, o dicho de otra forma, sube la supradiagonal que continene los unos.
Analogamente, rg(Jnt )k = n k y (Jnt )n =
Se demuestra facilmente que (Jnt )k = (Jnk )t
La matriz de Toeplitz de orden n, de parametros 1 . . . 2n1 , tiene la forma.
n1
n2
Tn (1 , . . . , 2n1 ) =
..
.
n+1
n
n1
..
.
n+2
n+1
n
..
.
3
2
4
3
. . . 2n2
. . . 2n3
. . . 2n4
..
..
.
.
...
n
. . . n1
2n1
2n2
2n3
..
n+1
n
Su expresion general, como combinacion lineal de otras mas simples es:

Tn (1 , . . . , 2n1 ) = n In +
n1
ni Jni + n+i (Jni )t
i=1
La matriz de Hankel de orden n, de parametros 1 . . . 2n1 , tiene la forma:
1
2
3
..
.
2
3
4
..
.
3
4
5
..
.
...
...
...
..
.
n1
n
n+1
..
.
n
n+1
n+1
n+2
...
...
2n3
2n2
Hn (1 , . . . , 2n1 ) =
n1
n
n+1
n+2
..
.
2n2
2n1
Esta matriz es la reexion respecto de la horizontal de la matriz de Toeplitz. Se puede

comprobar facilmente que En Tn = Hn , con los mismos parametros i .
3 5
Ejemplo: Matriz de Toeplitz T (1, 2, 3, 5, 1) = 2 3
1 2
2
Ejemplo: Matriz de Hankel H(2, 3, 4, 1, 2) = 3
4
1.10
Determinantes
1.10.1
Definici
on
3
4
1
28
1
5
3
4
1
2
A toda matriz cuadrada An le asociamos un n

umero denominado determinante de A,
detA o |A| simbolizado as :

a11

a
detA = |A| = 21
...

an1
a12
a22
...
an2
. . . a1n

. . . a2n
IK
. . . . . .
. . . ann
Este n
umero se calcula sumando todos los productos que se obtienen al multiplicar n
elementos de la matriz de todas las formas posibles, con la condicion de que en cada
producto exista un u
nico elemento de cada la y un u
nico elemento de cada columna;
cada uno de estos productos llevara su signo o el contrario seg
un la permutacion formada
por los subndices la de los n factores y la formada por los subndices columna de los n
factores, sean o no de la misma clase.
Cada sumando tiene esta forma:
a1 i a2 j . . . an1 l an k
siendo i, j . . . l, k una permutacion de 1, 2 . . . n. Por simplicidad hemos tomado para las
las el orden natural.
El n
umero de permutaciones (ordenaciones) de n elementos distintos 1, 2 . . . n 1, n es n!,
por tanto el n
umero de sumandos es n!.
Dos permutaciones son de la misma clase (distinta clase) cuando para pasar de una otra se
necesita un n
umero par (impar) de intercambios (tambien llamados inversiones o trasposiciones).
Cuando el determinante es de una matriz de orden 2 se obtiene:

a11

a
21

a12

= a11 a22 a12 a21 =

a22
Filas
12
12
Columnas
12
21
Signo
Misma clase +
Distinta clase
Para un determinante de orden 3 resulta:

a11

a21

a
31
a12
a22
a32
a13
a23 = a11 a22 a33 a11 a23 a32 a12 a21 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31
a33

Filas
123
123
123
123
123
123
Columnas
123
132
213
231
312
321
Signo
Misma clase
Distinta clase
Distinta clase
Misma clase
Misma clase
Distinta clase
+
+
29
Inversiones
0
1
1
2
2
1
La regla de Sarrus simplica la obtencion del determinante de orden 3.

H
!

!

@
!
@

J
T H
H
H
@
; con signo a
con signo + !
Ta
@
J
!
J
T a

@
a
@!
!
@
@
Para un determinante de orden 4, tendramos 4 3 2 1 = 24 sumandos, cada uno

formado por el producto de 4 elementos. Sin embargo, veremos como las propiedades de
los determinantes permiten reducir el n
umero de operaciones.
Ejemplo 1.30 Calcular los siguientes determinantes:

2 1
3

0
1
2 = 6 + 0 2 3 8 0 = 7

1
2
3

2 + i 4 i

= (2 + i)5i 6(4 i) = 10i 5 24 + 6i = 16i 29
6
5i
1.10.2
C
alculo de un determinante de orden n, por adjuntos
El desarrollo de determinantes de orden superior a 3 se complica enormemente. Vamos

a describir un metodo en el que el calculo del determinante de una matriz de orden n se
reduce basicamente al calculo de otros determinantes de orden inferior.
a11 a12 . . . a1n

a21 a22 . . . a2n
Sea la matriz An =
. . . . . . . . . . . . , se llama menor complementario de un
an1 an2 . . . ann
elemento aij y se denota mij al determinante de la matriz de orden n 1 que resulta de
suprimir en A la la i y la columna j.
Se denomina adjunto de un elemento aij y se denota Aij , al producto del menor complementario mij de aij por el signo que resulte de calcular (1)i+j :
Aij = (1)i+j mij
Se puede demostrar una propiedad interesante (la propiedad X en la lista que damos mas
adelante): el valor del determinante de una matriz A es igual a la suma de los productos
de los elementos de una lnea (la o columna) de A por sus respectivos adjuntos. Es decir
elegida una la i
|A| =
aij Aij
j=1
o
elegida una columna j
|A| =
i=1
aij Aij
30
Ejemplo 1.31 Calcula el siguiente determinante por adjuntos de la primera columna.

1

1

1

0
2
1
1

0

2

1
1+1
1
= 1 A11 + 1 A21 + (1) A31 + 3 A41 = 1 (1)

1
1

2
2
0
4
3

0
0
0
2
0
2
0

2+1
3+1
4+1

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

1 3 2
1 3 2
1

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

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

0
1
1
= ...
1.10.3
Propiedades de los determinantes
I) El valor de un determinante no vara cuando cambiamos ordenadamente sus las por

sus columnas. |A|=|At |.
II) Si se intercambian entre s dos lneas paralelas el determinante cambia de signo.
III) Si todos los elementos de una lnea tienen un factor com
un, el determinante puede
obtenerse como el producto de ese factor com
un por el determinante que resulta de eliminar
ese factor com
un en la correspondiente lnea (dividiendo los elementos de esa lnea por el
factor com
un).
por ejemplo

1

2

3
1 1
0

1 = a 2 1
3 1
4
a
a
a
0
1
4
IV) Si los elementos de una lnea (la o columna) son nulos, el determinante es nulo.
(Consecuencia inmediata de la propiedad III, puesto que el escalar que sera factor com
un
es el cero).
V) Un determinante con dos lneas paralelas iguales es nulo. (Consecuencia inmediata de
II).
VI) Si la matriz A tiene dos lneas paralelas proporcionales el determinante de A es nulo.
Consecuencia de III y V, pues al sacar factor com
un quedaran dos lneas iguales.

a11

a
21
a
a11
= 11
a21
a21
a11
=0
a21
VII) Si los elementos de una lnea estan formados por una suma de r sumandos, el determinante se puede descomponer en suma de r determinantes que tienen las restantes lneas
iguales y en el lugar de aquella, otra formada por los primeros, segundos, terceros, etc,
sumandos.

a+b+c

d + e + f

g+h+i

2 + a

a
5
0 a
1 1 = d
0
4 g

5
0 b
1 1 + e
0
4 h

5
1
0

1
1 2 1 a 1 2 1
=
+
=
+ a

6
0 6
a 6
0 6
1
0 c
1 + f
4 i

1
6
5
1
0
0
1
4

VIII) Si los elementos
minante es nulo.

a12 + a13 a12

a22 + a23 a22

a + a
32
33 a32
31
de una lnea son combinacion lineal1 de lneas paralelas, el deter
a12
a13

a23 = a22
a
a33
32
a12
a22
a32
a13
a13

a23 + a23
a
a33
33
a12
a22
a32
a13
a23 = 0 + 0 = 0
a33
IX) Si a los elementos de una lnea se le suman los correspondientes a otra paralela multiplicados por un n
umero, el determinante no vara.

a11 + a12

a21 + a22

a + a
31
32
a13 a11
a23 = a21
a33 a31
a12
a22
a32
a12
a22
a32
a12
a13

a23 + a22
a
a33
32
a12
a22
a32
a13
a23 = |A| + 0 = |A|
a33
Esta propiedad es muy u

til para simplicar el c
alculo de determinantes
X) La suma de los elementos de una lnea multiplicados por sus respectivos adjuntos es
igual al valor del determinante.
XI) La suma de los elementos de una lnea multiplicados por los adjuntos de otra paralela
es nula.
XII) El determinante de las matrices triangulares y diagonales es el producto de los elementos de la diagonal principal. De esta propiedad se deduce de forma inmediata que el
determinante de la matriz identidad es 1.
XIII) Dadas An , Bn
1) |A B| = |A| |B|
2) |A| = n |A|
3) Si A es inversible su determinante es distinto de cero, y
|A1 | =
1
= |A|1
|A|
Generalizacion del apartado 1) (C cuadrada de orden n)

|A B C| = |(A B) C| = |(A B)| |C| = |A| |B| |C|
y lo mismo para mas de tres factores
Demostracion del apartado 3)
AA1 = I y obteniendo los determinantes: |AA1 | = |I| = 1
por el apartado 1) |AA1 | = |A||A1 |
por tanto |A||A1 | = 1 y ello implica:
|A| = 0 y |A1 | = 0 y |A1 | =
1
|A|
Aplicando las propiedades anteriormente expuestas podemos simplicar enormemente el

calculo de determinantes.
Ejemplo 1.32 Calcula el valor del siguiente determinante.

1

0

|A| = 1

0

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

0

2
1
Desarrollaremos por ejemplo por adjuntos de la 1a columna. En primer lugar realizaremos las operaciones (IX) necesarias para hacer ceros todos los elementos de esta columna
1
Considerando los elementos de una lnea como un vector
32
excepto el primero. Llamaremos a la fila 1 la fila auxiliar, porque es la fila que utilizamos
para transformar los elementos de las filas 3 y 5.

1

0

|A| = 1

0

1
2
0
1
0
2

1

0

1 + (1)

0

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

0 =

2
1
2
0
1 + (2)
0
2 + (2)
F31(1)
F51(1)
1
1
0 + (1)
1
2 + (1)
2
1
2 + (2)
1
1 + (2)
1
1

0
1

0 + (1) = 0

0
2

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

1

2
0
Desarrollando el determinante por adjuntos de la 1a columna:

0

1
1+1

|A| = 1(1)
0

1
1
1
1
1 0

1 1
=
2 0
0 0
1
0
1
1
1
1
1
1
1
0
1
1
1

1
2
0
Y desarrollando el determinante de orden 4 por adjuntos de la 1a columna.

1

3
|A| = (1)(1) 1
1
1
1
1
1
2 = 1(1 + 2 1 + 2) = 2
0
1.11
Determinante e inversa
1.11.1
C
alculo de la inversa de una matriz, por adjuntos
Dada una matriz cuadrada An , se llama matriz adjunta de A a la matriz que resulta de
sustituir cada elemento por su adjunto. A la matriz adjunta de A se la denota como adjA
adjA = {Aij }
Consideremos el producto de matrices A adj(At ),
a11
a21
A adj(At ) =
...
an1
a12
a22
...
an2
. . . a1n
A11
. . . a2n A12
... ... ...

. . . ann
A1n
A21
A22
...
A2n
. . . An1
. . . An2
... ...
. . . Ann
(se prueba facilmente que adj(At ) = (adjA)t )

Recordando que el producto de los elementos de una lnea de A por sus adjuntos respectivos
es el determinante de A, y que el producto de los elementos de una lnea por los adjuntos
de otra paralela es nulo, tenemos:
|A| 0 . . .
0 |A| . . .
A adj(At ) =
... ... ...
0
0 ...
Si |A| = 0, podemos pasar |A| al
0
0
= |A|I
...
|A|
primer miembro, dividiendo, y obtenemos:
A
adj(At )
=I
|A|
33
Partiendo del producto de matrices adj(At ) A, y con el mismo desarrollo, obtendramos:

adj(At )
A=I
|A|
A1 =
adj(At )
|A|
RESUMEN: |A| = 0 A invertible, siendo A1 = adj(At )/|A|
Ejemplo 1.33 Calcular la inversa de la matriz A = 1

0
1
t
A = 3
0
A1
1.11.2
1
0
2
0
2
2
4
1
= 10
2
2
6
2
2
4
t
adj(A ) = 2
2
6
2/5
2 = 1/5
3
1/5
6
2
2
3/5
1/5
1/5
3
0
2
6
2
3
0
2 por adjuntos.
2
|A| = 10
3/5
1/5
3/10
Algunas propiedades de matrices inversibles
Una matriz An tiene inversa (es regular) |A| = 0

Demostracion:
Si A tiene inversa AA1 = I
tomando determinantes: |A||A1 | = 1, por tanto |A| = 0 (ver Propiedad XIII)
Si |A| = 0 esta garantizado que existe A1 . En efecto A1 se obtiene como
hemos visto en la seccion anterior, es decir,
adjAt
A1 =
|A|
Si An es inversible tambien lo es At , y (At )1 = (A1 )t .
Demostracion:
|At | = |A|, por tanto si |A| = 0 |At | =
0, luego At es inversible
(At )1 =
adjA
adjA
(adjAt )t
=
=
= (A1 )t
|At |
|A|
|A|
(se prueba facilmente que adjAt = (adjA)t )

Q ortogonal |Q| es 1 o 1
Recordamos que una matriz cuadrada Q se dice ortogonal si QQt = Qt Q = I.
Tomando determinantes y teniendo en cuenta que |Qt | = |Q|, obtenemos
|Q||Q| = 1 |Q| = 1 o |Q| = 1
1.12
34
Relaci
on equivalencia con la identidad, determinante,
rango y existencia de inversa
Se presenta la relacion en matrices cuadradas entre la equivalencia o no a la identidad, el

rango, la existencia o no de inversa y la nulidad o no del determinante.
A inversible |A| = 0
Habamos visto anteriormente que si dos matrices A y B son equivalentes, entonces
o bien las dos son inversibles o ninguna de ellas lo es. Por la propiedad anterior
podemos decir que si A y B son equivalentes o bien ambas tienen determinante nulo
o ninguna de ellas tiene determinante nulo.
El segundo resultado tambien se podra haber deducido estudiando como cambia el
determinante de una matriz al efectuar sobre ella operaciones elementales, es decir,
analizando como se relaciona el determinante de una matriz con el determinante de
una matriz equivalente a ella.
la permutacion o intercambio de lneas cambia el signo del determinante
reemplazar una lnea por ella mas un m
ultiplo de otra no hace variar el determinante
el escalamiento de una lnea (recordemos que ha de ser con un factor no nulo)
escala el determinante por el mismo factor
Por tanto, si A B, |B| = |A| (1)s 1 . . . p
siendo s el n
umero de
intercambios de lneas y i (todos distintos de 0) los factores de los escalamientos
realizados al transformar A en B mediante operaciones elementales.
La conclusion inmediata es que A y B tienen ambas determinante nulo, o ambas determinante no nulo. Ya lo habamos mencionado anteriormente respecto al caracter
inversible o no inversible, que hemos visto que es una propiedad equivalente (inversible si y solo si determinante no nulo).
Expresado de otra forma: Si A B, |A| = 0 |B| = 0
Supongamos que realizamos operaciones elementales por las en una matriz cuadrada
A hasta llegar a una forma escalonada por las, que denotamos como U . Por ser
U cuadrada y escalonada es triangular superior y |U | es igual al producto de los
terminos de la diagonal principal. Por tanto:
|U | = producto de las entradas de la diagonal de U = u11 u22 . . . unn
|A| = 0 |U | = 0 uii = 0 el n
umero de pivotes es menor que n rgA<n.
Expresado de otra forma:
|A| = 0 |U | = 0 i = 1, . . . , n uii = 0 el n
umero de pivotes es n rgA=n.
Si todos los elementos u11 , u22 , . . . unn son no nulos, entonces |U | =
0, |A| = 0 , y
ademas todos pivotes y por tanto rgA=n.
35
Conclusiones:
Mediante operaciones elementales por las sobre An llegaremos a su forma canonica
por las, es decir, A ... Acan filas , y se dara uno de los casos siguientes:
Acan
filas
=I
Acan
filas
= I rgA < n
n pivotes |A| = 0 A inversible
rgA = n
menos de n pivotes |A| = 0 A no inversible
Ya que toda matriz inversible es equivalente por las a la identidad, toda matriz
inversible puede factorizarse como producto de matrices elementales por las. Es
decir, si A inversible, A = F11 F21 . . . Fa1 (ver el inicio de la seccion 1.7.4). Debido
a la relacion entre las matrices elementales por las y las matrices elementales por
columnas, se puede decir tambien que toda matriz inversible puede expresarse como
producto de matrices elementales por columnas.
Ejemplo 1.34 Determina si las siguientes matrices son o no regulares.
1
A = 2
0
5
4
2
0
1
0

1

|A| = 2
0
5
4
2
0 1
1 = 0
0 0
1
B = 2
0
5
4
2

4
2
2

0 1
1 = 0
0 0
5
6
2
0
1 = 2
1/3
5
6
0
A es regular
o rg A = 3 pues en la EG quedan 3 pivotes, por tanto A regular

Por tener tres columnas pivotales A es equivalente por filas a I3 (s
olo hace falta escalar
las filas para hacer unos los pivotes y realizar la eliminaci
on de Gauss-Jordan).

1

|B| = 2
0
5
4
2
4 1
2 = 0
2 0
4 1
6 = 0
2 0
5
6
2
5
6
0
4
6 = 0
0
B no es regular
o rg B=2 pues en la EG quedan 2 pivotes, por tanto B no es regular

|B| = 0 B no es equivalente a I3 (|I| = 1).
Ejemplo 1.35 Determina el valor de c para que la matriz A = 2

2
analizando si A es equivalente por filas a la matriz identidad.
A= 2
2
2
c
3
1
1
2 0
0
0
2
c4
1
1
1
0 0
2
0
2
1
c4
1
1
2 0
0
0
2
c
3
2
1
0
1
2 sea inversible,
0
1
2
2(c 4)

Se intercambian las filas 2 y 3
fila3 = fila3 + fila2 (c-4)
(Esta operaci
on se puede realizar aunque c sea 4)
0
0
2
1
0
1
1
2
0
0
2(c 4)
fila 2 = fila 2 * (-1)
1
Si c = 4 queda la matriz 0
0
elementales por filas en I3
2
1
0
2
1
0
1
=B
2
2(c 4)
1
2 que no puede transformarse mediante operaciones
0

Si c = 4
fila3 = fila3/[2(c-4)]
1
B 0
0
2
1
0
36
1
2
1
La matriz es triangular superior y todos los elementos de la diagonal principal son 1. Para
llegar a la matriz identidad haremos ceros los elementos del triangulo superior, sobre la
diagonal principal, yendo de derecha a izda.
fila1 = fila1 - fila3
0
0
0
0
2
1
0
0
0
1
0
1
0
0
0 = I
1
La matriz A es equivalente por filas a la matriz identidad por tanto es inversible.

Resultado: La matriz es inversible si y s
olo si c = 4
37
1.13
Determinantes notables
1.13.1
Determinante de la matriz de Vandermonde
La matriz de Vandermonde de orden n tiene la forma:
a
1
Vn = a21
...
an1
1
|Vn | =
1
a2
a22
...
n1
a2
1i<jn (aj
1
a3
a23
...
...
...
1
... an
... a2n
... ...
... an1
n
ai )
La matriz de Vandermonde y su determinante tienen como aplicacion mas importante la

interpolacion de funciones discretas mediante polinomios.
1.13.2
Jacobiano
Dadas n funciones de IR n en IR, con n variables x1 , x2 , . . . , xn ,
f1 (x1 , x2 , . . . , xn )
f (x , x , . . . , x )
2 1 2
n
...
fn (x1 , x2 , . . . , xn )
para las que existen las derivadas parciales respecto de todas las variables, se dene el
jacobiano de las n funciones como el siguiente determinante funcional:

f1
x1
f1
x2
fn
x1
fn
x2
...
J = ...
...
...
...
...
...
...
...
...
...
...
...
...
...
...

fn

f1
xn
...
...
...
xn
La matriz anterior y su determinante tienen una importante aplicacion en geometra diferencial.
1.13.3
Hessiano
Dada una funcion f de IR n en IR, con n variables x1 , x2 , . . . , xn , es decir, f (x1 , x2 , . . . , xn ),

y para las que existen las derivadas parciales de segundo orden, se dene el hessiano de f
como el siguiente determinante funcional:
H=
2f
x21
2f
x1 x2
2f
xn x1
2f
xn x2
...
...
...
...
...
...
...
...
...
...
...
38
...
...
...
...
...
2f
x1 xn
...
...
...
2f
x2n
Esta matriz describe la curvatura local de una funcion de varias variables.
1.13.4
Wronskiano
Dadas n funciones de IR en IR, f1 , f2 , . . . , fn , diferenciables n 1 veces, se dene el

wronskiano de f como el siguiente determinante funcional:
W =

f
1

f

1

...

...

n1
f
1
f2
f2
...
...
f2n1
... fn

... fn

...
...

...
...

... fnn1
La aplicacion mas importante de este determinante se encuentra en el campo de la resolucion de ecuaciones diferenciales.
1.14
Repaso sobre vectores de IR n
1.14.1
Definici
on
39
Denotamos el conjunto de las matrices columna reales de n componentes, Mn1 (IR) o

IR n . Los elementos de IR n se denominan vectores y en
se denotan con una letra
general
x1
x2
min
uscula latina y con una echa encima:
x = ..
.
xn
Los elementos x1 , x2 , . . . , xn se denominan primera, segunda, ...., enesima componente
de x. Tambien se admite la notacion x = (x1 , x2 , . . . , xn )
IR 2
[
x
IR = { 1
x2
2
/ x1 IR, x2 IR}.
x, x IR 2 , IR
[ ]
x
x = 1
con x1 , x2 IR
x2
[
Suma: x + x =
x
x = 1
x2
[
con x1 , x2 IR
]
x1
x
x + x1
+ 1 = 1
IR 2
x2
x2
x2 + x2
[
x
x1
Producto por un escalar: x = 1 =
IR 2
x2
x2
IR 2 tambien se puede expresar as : IR 2 = {(x1 , x2 ) / x1 IR, x2 IR}.
Suma: (x1 , x2 ) + (x1 , x2 ) = (x1 + x1 , x2 + x2 )
Multiplicacion por un escalar: (x1 , x2 ) = (x1 , x2 )
El elemento neutro, tambien llamado vector nulo de IR 2 , es el vector (0,0).
El opuesto de un vector dado x = (x1 , x2 ) es el vector x = (x1 , x2 ).
Descripcion geometrica de IR 2
Considerando el sistema de referencia cartesiano bidimensional con ejes perpendiculares
X e Y que se cortan en (0, 0), puesto que cada punto del plano esta determinado
[ ] por un
x1
par ordenado de n
umeros o coordenadas, podemos identificar el vector x =
con el
x2
punto geometrico P = (x1 , x2 ).
[
x
Analogamente se tiene la representacion del vector x = 1
x2
con origen en (0, 0) y extremo en (x1 , x2 ).
como el segmento orientado
Esta relacion biunvoca entre vectores y puntos, una vez denido el origen (0, 0), permite
identicar el plano XY con IR 2 .
La suma de dos vectores tiene una representacion geometrica interesante, vericandose el
resultado conocido como REGLA DEL PARALELOGRAMO: u +v corresponde al cuarto
vertice (opuesto a 0) del paralelogramo cuyos otros vertices vienen dados por u, v y 0.
La suma de vectores se puede interpretar como suma de desplazamientos: para sumar
v al vector u, se sit
ua el origen de v en el extremo de u, trasladandolo paralelamente, y el
vector suma tiene origen en 0 y extremo en el del vector v trasladado.
40
[ ]
Ejemplo 1.36 Representar en un plano u =

[
6
1
y u + v =
4
3
2
2
Representan geometricamente, v =
3
Ejemplo 1.37 Sea u =
. Representa graficamente los vectores u, 2u, y 23 u.
1
Para simplicar la notacion, tambien utilizamos la resta de vectores, y escribimos u v

en lugar de u + v . La gura muestra u v como suma de u y v .
IR 3
Un vector de IR 3 es una matriz columna 3 1 con tres entradas reales. En el sistema
de referencia cartesiano tridimensional
con ejes perpendiculares X, Y, Z, que se cortan

x1
en (0, 0, 0), el vector x = x2 representa geometricamente el punto P = (x1 , x2 , x3 ).
x3
Asimismo se utiliza la representacion como un segmento orientado con origen en (0, 0, 0)
y extremo en P = (x1 , x2 , x3 ).
La relacion biunvoca entre vectores y puntos, una vez denido el origen, permite identicar
el espacio tridimensional XYZ con IR 3 .
3
Ejemplo 1.38 Sean v1 = 1 ,
4
41
2
v2 = 2 . Calcula 2v1 v2
3
6
2
4
2v1 v2 =
2
2 =
0
8
3
5
1.14.2
Combinaci
on lineal
Definici
on 1.1 Dado un conjunto de vectores {v1 , v2 , . . . , vp } de IR n , llamamos combinaci
on lineal de estos vectores a cualquier vector v IR n que se pueda escribir en la forma
v = c1v1 + c2v2 + . . . + cpvp , con c1 , c2 , . . . , cp IR.
A los escalares c1 , c2 , . . . cp se les llama pesos o coeficientes de la combinaci
on lineal. Los
pesos pueden ser cualquier real, incluyendo el cero.
Son por ejemplo combinaciones lineales de los vectores v1 y v2 los siguientes vectores:
3v1 + v2 , 12 v1 = 12 v1 + 0v2 , 0 = 0v1 + 0v2

Ejemplo 1.39 En la figura se muestran combinaciones lineales seleccionadas de los vectores v1 = (1, 1) y v2 = (2, 1) IR 2 . Estima las combinaciones lineales de los vectores
v1 y v2 que generan a los vectores u y w.
u 1.8v1 + 1.2v2
w
3v1 + 0.5v2
1.14.3
Dependencia e independencia lineal
Un conjunto de vectores {v1 , v2 , . . . , vp } IR n es linealmente dependiente (tambien

llamado ligado) si existen unos escalares (1 , 2 , . . . , p ), no todos nulos, tales que
1v1 + 2v2 + . . . + pvp = 0
Un conjunto es linealmente independiente (tambien llamado libre) si y solo si no
es linealmente dependiente. Expresado de otra forma, un conjunto {v1 , v2 , . . . , vp } es
linealmente independiente si la ecuacion vectorial
1v1 + 2v2 + . . . + pvp = 0 implica necesariamente que 1 = 2 = . . . = p = 0.
1.15
42
Ejercicios
Matrices
Ejercicio 1.1 Obten AB siendo A y B las siguientes matrices en el cuerpo IR
2
A = 0
4
1
1
1
3
2
3
2
1
0
2
1
B=
4
0
0
2
1
3
Ejercicio 1.2 Obten AC y B2 +B, siendo A,B y C las siguientes matrices en el cuerpo IR
[
1
A=
0
2
1
0
2
5
B=
2
0
3
2
C = 1
0
0
4
3
2 1
, comprobar que se puede verificar
1 2
una relaci
on de la forma A2 + A + I = 0, con , IR
Ejercicio 1.3 Dada la matriz A en IR, A =
[
1
Ejercicio 1.4 Dada la matriz A =
3
B de orden 2 tales que AB=0
1
Ejercicio 1.5 Dada la matriz A =
2
con ella.
en IR, calcula, en funci

on de , las matrices
0
1
en IR, hallar todas las matrices permutables
Ejercicio 1.6 Considera el siguiente sistema constituido por 4 masas puntuales:

Punto
x1 = (5, 4, 3)
x2 = (4, 3, 2)
x3 = (4, 3, 1)
x4 = (9, 8, 6)
Masa
m1 = 2g
m2 = 5g
m3 = 2g
m4 = 1g
Calcula el centro de gravedad x del sistema, sabiendo que:

x =
m1 x1 + . . . + mk xk
m1 + . . . + mk
Traspuestas, sim
etricas, antisim
etricas, descomposici
on sim + antisim
Ejercicio 1.7 Dadas las matrices en IR,
[
2
A=
1
1
0
2
2
B = 1
2
0
2
1
2
C=
2
1
3
a) Determina AB, AC, CA

b) las traspuestas de estos productos
[
2
Ejercicio 1.8 Sea la matriz A =
1
0
1
en IR. Calcula A2 3AAt + (At )2

[
Ejercicio 1.9 Descomponer la matriz A =

simetrica y otra antisimetrica.
1
1
2
3
en IR como suma de una matriz
43
Ejercicio 1.10 Sean las matrices cuadradas de orden 2, simetricas y en R,

[
2
A=
1
1
2
a
B=
c
c
b
determinar los posibles valores de a, b y c para que AB sea simetrica.

Ejercicio 1.11 Si P es una matriz antisimetrica, que se puede decir de P2 .
Potencias
Ejercicio 1.12 Calcula las tres primeras potencias de la matriz A = 1

1
expresi
on general de Ak
1
1
1
1
1 , y la
1
Determinantes
Ejercicio 1.13 Calcula el siguiente determinante, desarroll
andolo por adjuntos de la tercera fila.

2

5

1

1
1
1
2
0
4
3
3
3

2
0
1
Ejercicio 1.14 Demostrar que

a b c

2b

2c
2a
bca
2c

2a

= (a + b + c)3
2b

c a b
Ejercicio 1.15 Demostrar que,

1

1

1
a
b
c
b + c
c + a = 0 , sin efectuar el desarrollo correspondiente.
a + b
Ejercicio 1.16 Hallar el valor de los siguientes determinantes de orden n

n

n

n

..
.

n
1
2
1
..
.
1
1
1
3
..
.
1
...
...
...
..
.
...
1
1

1
1

1 , 1
.
..
..
.

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

1
1

1 , 1
..
..
.
.

1
1
0
1
..
.
1
1
1
0
..
.
1
...
...
...
..
.
...
1
1
1
..
.
0
5
0
10
7
1

a
7
0
Ejercicio 1.17 Calcula el valor de los siguientes determinantes

3

4

2

1
2
0
4
2
1
3
2
6

3
1
5

1

1

2

2
1
1
4
1
3
1
1

1

2

4

3

1
1
0
0
1
3
2
Inversas por adjuntos, existencia en funci

on de determinante no nulo
Ejercicio 1.18 Obten la inversa de la matriz A, por adjuntos.
1
A = 1
3
2
2
1
1
3
1
44
[
1
A=
i
Ejercicio 1.19 Calcula la inversa de la matriz compleja
i
2
Ejercicio 1.20 Determina si la matriz A es inversible, en funci

on de los valores de a y
b. (Pista: utiliza el determinante, si det = 0 no inversible, si det = 0 inversible).
1
2
A=
0
1
2
a
4
4
2
1
1
1
1
2
b
2
Matrices equivalentes por filas: Inversas por Gauss-Jordan,

formas escalonada y reducida por filas, rango
Ejercicio 1.21 Calcula, si existen, las inversas de las siguientes matrices, aplicando el
metodo de Gauss-Jordan.
A= 1
1
2
1
0
2
1
1
B= 1
2
1
D= 2
3
Ejercicio 1.22 Dada A = 0

0
rresponde a la forma general de
1
a) 0
0
0
1
0
0
2k 1
2k
1
b) 0
0
2
4
5
1
3
2
1
3
5
2
4
9
C= 3
2
2
E= 1
4
2
1
3
0
1
1
1
1
1
0
1
3
0
0
1 1/2 , se
nala cual de las expresiones siguientes co0 1/2
la matriz (Ak )1 , k 1:
0
1
0
21k
2k
1
c) 0
0
0
1
0
0
1
2k
(Calcula la matriz inversa mediante Gauss-Jordan)

Ejercicio 1.23 Calcula el rango de las siguientes matrices
1 3
5 0
2
2
2
6
0 1
4
,
A=
B = 1
2
6 10 0 4
0
0
0
10 1
8
1
1
1
C=
1
2
1
2
0
1
2
0
4
6
2
3
1
3
1
1
3
4
1
2
Ejercicio 1.24 Dada las matrices A =
3
6
mina para cada una de ellas:
a) Una forma escalonada por filas
b) La forma reducida por filas
c) El rango
d) El determinante
e) La inversa si existe
1
2
D=
1
4
2
4
2
8
3
3
1
7
2
1
1
4
3
1
11
2
1
1
1
1
0
1
0
1
1
3
3
3
2
8
1
0
0
1
5
1
2
8
2
2
y B = 2
3
2
5
4
6
4
6
6 , deter8
45
Ejercicio 1.25 Determina el rango de la matriz A en funci

on del par
ametro a.
1 0 5 1
2 1
0 a
A=
4 3
10 7
3 2 7 0
Ejercicio 1.26 Determina el rango de las siguientes
que contienen:
1 1 s
1
2
0 s
1 s s
1
3
s 0
A=
B=
1 2 s
0
1
s 2
1
1
2
0
1
1
s
1 3
3
0
1 2 a
1 2
3 3
1 1 a
1
D=
C = 0 0 a
2 1 3
0 1
a
2
1 1 2
0 0 a
a
matrices, en funci
on del par
ametro
1
3
s
s
3
a
0
1
Varios
Ejercicio 1.27 Sea A =

0
1
4 ,
2
0
k
1
funci
on de y k, los valores de tales que |A| = 0
siendo , k IR. Calcula, en
Ejercicio 1.28 Hallar todas las matrices A de tama

no 2 2 tales que At = A y (At )2 =
A2 .
Ejercicio 1.29 Hallar todas las posibles matrices de orden 2 que son a la vez simetricas
e idempotentes.
1.16
1
46
Soluciones
17
1
AB = 9 7
19 1
[
4
AC =
1
8
10
B2
30 0
+B =
18 12
3
Se verica la ecuacion para = 4 y = 3
4 [
1
3
][
a b
a + 2c
b + 2d
0 0
=
=
c d
3a + c 3b + d
0 0
Obtenemos un sistema con 4 ecuaciones y 4 incognitas cuya solucion depende del parametro
.
Si = 6 la solucion es cualquier matriz B de la forma:
[
B=
2c 2d
con c, d IR
c
d
Si = 6 la u
nica solucion es la trivial:
[
B=
0 0
0 0
5
Planteamos
[
][
] [
][
]
1 0 a b
a b
1 0
=
2 1
c d
c d 2 1
y obtenemos cuatro ecuaciones con las incognitas a, b, c, d. La solucion del
es
[ sistema
]
a 0
a = d, b = 0. Por tanto las matrices permutables con A son de la forma:
con
c a
a, c IR
6
(1.3, 0.9, 0)
AB =
1 0
5 2
AC no se puede
Las traspuestas son:

[
(AB)t =
1 5
0
2
3
(CA)t = 2
6
CA =
1
2
10
3
1
2
2
6
10

8
4 5
5 4
47
1 1/2
S=
1/2 3
A=S+H
0
3/2
H=
3/2 0
10
a = b y c cualquier valor, por tanto la matriz B debe tener la forma:
[
B=
a c
c a
con a, c IR
11
(P.P )t = P t .P t = P. P = P.P , por tanto P 2 es simetrica.
12
An = 3n1 A
13

1

1 1
2
0
4
3
2
3

2 + 1 5
0
1
0
4
3
2 1
3
3

2 + 3 5
1 2 = 5

1
0 2
1
14
Sumando a la la 1 las las 2 y 3 obtenemos:

a + b + c

|A| =
2b

2c
1
a + b + c a + b + c
1

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

1

2b

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

1

0
0

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

2c
0
c a b
La u
ltima matriz es triangular y por tanto su determinante es el producto de los elementos
de la diagonal.
15

1

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

16

n

n

n
..
.

n
1
2
1
..
.
1
1
1
3
..
.
1
...
...
...
..
.
...
1
1
1 =
..
.
n
Haciendo las operaciones Fi1 (1) para i = 2, . . . , n obtenemos:

n

0

0

..
.

0
1
1
0
..
.
0

1

1

1
.
..

1
1
0
2
..
.
0
...
...
...
..
.
...
1
..
.
1
1
..
.
1
0
0 = n!
..
.
n 1

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

1
1
1
0 +1
2
0
0
+1
..
..
..
.
.
.
0
0
0

0

1

1
..
.

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

= ( + 1)n1

+ 1
1
2
2
..
.
1
1
1
..
.
0
Haciendo las operaciones Fi1 (1) i = 2, . . . , n obtenemos:

0

1

1

.
..

1
1
1
1 0
0 1
..
..
.
.
0
0
...
...
...
..
.
...
1
0
0
..
.
Haciendo las operaciones F1i (1) i = 2, . . . , n obtenemos:

n 1

1

1

.
..

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

= (n 1)(1)n1

1
0
0
0
..
.
48

17

3 1

4 2

2 0

2 4

1 0

2 1

4 3

3 2
18
1
At = 2
1
1
2
3
1
adjAt = 10
7
1
= 1/14 10
7
19
i2
=3

1

2
|A| =
0

adjAt
1
4
7
2
1
1
4
1 3

3 1
= 63
1 1
1 0
4
2
0
1 4
4
2
7
0
|A| = 2
20
3
1
1
A1
|A| = 14
1
6

1
3

= 116

2
1

5
2

1

a
= 108 36a
7
0
2
1
3
2
5
0
10
7
49
2 i
=
i 1
A1
2/3
=
i/3
i/3
1/3
2
2 1

a 1 2
4
1 b
1 4
1 2
Las operaciones de sumar a una lnea un m
ultiplo de otra no modican el determinante
f2=f2-2*f1
f4=f4+f1

1 2

2 1 1
2
2 1

a 4 5 0
2 a 1 2 0 a 4 5 0

=
= 1
|A| =
4
1 b

1 b 0
4
1 b
0 4

6
3 3

1 4
1 2
0
6
3 3
La operaci
on c2=c2-c3 (columna2
= columna2

- columna3) no modica el determinante
a 4 5 0 a 4

5
0

|A| = 4
1 b = 4
1 b b = (a 4)(1 b)3 30b + 60

6
3 3 6
0
3
|A| = (a ab 4 + 4b)3 30b + 60 = 3(a ab 4 + 4b 10b + 20) = 3(a ab 6b + 16)
A es no inversible a ab 6b + 16 = 0
a ab 6b + 16 = 16 + a (a + 6)b = 10 + (6 + a) (6 + a)b = 10 + (6 + a)(1 b) =
10 + (6 + a)(1 b) = 0
A no inversible si y solo si (6 + a)(b 1) = 10
no inversible
(6 + a)(b 1) = 10
a = 6 y b = 1 y b = 10/(6 + a) + 1
inversible
(6 + a)(b 1) = 10
a = 6 o b = 1 o b = 10/(6 + a) + 1

Otra forma de resolver el problema partiendo de
Despejamos b:
a + b(a 6) + 16 = 0
50
(a 6) b = 16 a
(a + 6) b = a + 16
Ahora hay que distinguir dos casos. Si a = 6 entonces la ecuacion anterior queda: 0 = 10,
absurda, por tanto la hipotesis A no inversible no se cumple, y por tanto A tiene inversa.
Si a = 6, entonces podemos despejar b en la ecuacion, obteniendo:
16 + a
10 + 6 + a
10
=
=
+1
6+a
6+a
6+a
Para los valores de b anteriores, la matriz A no es inversible. Observamos que la funcion
tiene la asntota b = 1.
b=
5
4
3
2
1
0
1
2
3
4
5
100
21
A1
50
50
100
1
2
0
= 0
1 1
1 2
1
C 1
1/6
1/6
= 11/12 7/12
5/12 1/12
B 1
1/6
5/12
1/12
D1
7/4
1/4 1/2
= 1/4 5/4 1/2
1/4 3/4 1/2
7
1
2
= 5 1 1
2
1
0
Resolucion completa para E
2
1
0 |
1 1 1 |
4
1
3 |
1
0
0
0
1
0
0
0
1
En primer lugar haremos cero los elementos a21 y a31 mediante las operaciones elementales
F21(1/2) y F31(2) . La la 1 es la la auxiliar. La forma de proceder es la siguiente.
f ila2 = f ila2 + (1) (1/2) f ila1
f ila3 = f ila3 + (4) (1/2) f ila1
Lo que llamamos ahora f ila engloba toda la matriz [ A | I ]. Notese como las operaciones realizadas afectan a todos los elementos de la la, no solo a los que queramos hacer
cero.
2
1
0
F21(1/2)
0 3/2 1
F31(2)
0
1
3
|
1
| 1/2
| 2
0
1
0
0
0
1
Ahora para hacer cero el elemento a32 la la auxiliar es la segunda y la operacion elemental
es: f 3 = f 3 + (1) (2/3) f 2 o lo que es lo mismo F32(2/3)
2
1
0
F32(2/3)
0 3/2 1
0
0
11/3
51
|
1
0
| 1/2
1
| 5/3 2/3
0
0
1
La matriz ya es triangular. Ahora hay que convertir en 1 los elementos de la diagonal, con
las siguientes operaciones: f 1 = f 1 1/2, f 2 = f 2 2/3 y f 3 = f 3 3/11
|
1/2
|
1/3
| 5/11
1 1/2
0
F1(1/2)

0
1 2/3
F2(2/3)
0
0
1
F3(3/11)
0
2/3
2/11
0
0
3/11
Tenemos que hacer ceros los elementos del triangulo superior, y en vez de ir de izquierda
a derecha, vamos de derecha a izquierda.
F23(2/3) 1 1/2
0
1
0
0
F12(1/2) 1
0
0
|
1/2
| 7/11
| 5/11
0
0
1
0
1
0
|
2/11
|
7/11
| 5/11
0
0
1
E 1
0
2/11
3/11
3/11
6/11
2/11
2/11
3/11
= 7/11 6/11
5/11 2/11
0
6/11
2/11
1/11
2/11
3/11
1/11
2
3
2/11 = 1/11 7 6
3/11
5 2
1
2
3
22
Obtenemos la inversa por Gauss-Jordan:
1 0
0 1
0 0
0
1 0 0
1 0 0
1/2 0 1 0 0 1 0
1/2 0 0 1
0 0 1
A1
Por tanto la inversa es:
1 0
= 0 1
0 0
1 0
0 1
0 0
0
1
2
0
1
2
Las tres opciones son compatibles con A1 . Veamos que sucede para k = 2.
(A.A)1 = A1 .A1
1 0
= 0 1
0 0
0
1
1.0
2
0
0 0
1
1 1 = 0
0 2
0
0
1
0
0
3
4
Las u
nica opcion compatible con (A2 )1 es la (a).
23
1
2
A=
2
0
1
1
C=
1
2
3
5 0
6
0 1
6 10 0
0
10 1
1
2
0
1
2
0
4
6
2
3
1
3
2
4
4
8
rango 2,
1
1
rango 2
3
4
3
3
2 1
B = 1 11
0
2
1
1
1
2
D=
1
4
2
1
1
4
3
3
2
8
1
0
0
1
1
0
1
1
1 2
0 1
1
3
rango 4
5
1
rango 3
2
8
52
24
1
2
A=
3
6
2
4
2
8
1
2
0 4
0
0
0
0
3
3
1
7
3
5
1
0
0
0
2
0
4
4
3
3
8
11
3
5
1
0
0
0
2
4
0
0
3
8
3
3
0
3
2
2
3
8
3
0
0
3
2
0
De aqu sacamos cuatro respuestas: La u

ltima matriz es una forma escalonada de
A, el rango de A es 3, el determinante de A es nulo y A no tiene inversa.
Pasamos ahora a calcular la forma reducida por las.
1
2
0 4
0
0
0
0
1
0
0
0
2
1
0
0
3
8
3
0
2
0
0
0
1
0
7/12
2/3
0
1
0
0
0
2
1
0
0
1
0
0
0
3
2
1
0
3/4
2/3
0
1
0
0
0
0 2 7/6
0
7/12
=
1 2/3
0
0
0
1
0
0
2
1
0
0
1
0
0
0
0
0
1
0
2
4/3 3/4
=
2/3
0
0
1
0
0
0
0
1
0
5/6
7/12
2/3
0
La u
ltima matriz calculada es la forma reducida por las de A
B=
2
2
4
6
4
6
2
6
0
8
0
4
2
0
6
0 = Be
2
De aqu sacamos dos respuestas: La u

ltima matriz es una forma escalonada de B y
el rango de B es 3. Por ser el rango igual al orden de la matriz sabemos ademas que
el determinante de B sera distinto de 0 y que B es inversible.
Al pasar de B a Be solo hemos realizado la operacion de sumar a una la un m
ultiplo
de otra (dos veces). Como esta operacion no vara el determinante, |B| = |Be | =
222=8
A continuacion obtenemos la inversa de B por el metodo de Gauss-Jordan:
2
2
2
4
6
4
6
6
8
| 1
| 0
| 0
4
2
0
0
0
2
| 4
|1
|1
0
1
0
0
0
1
|
3
| 1/2
| 1/2
2
0
0
0
0
1
0
1
0
0
1
0
4
2
0
2
3
0
0
0
1
6
0
2
0
2
0
1 3/2
1/2
0
0
1/2
| 1
|1
|1
0
0
1
0 | 6 2 3
0 |1
1
0
2 |1
0
1
B 1
0
1
0
= 1/2
1/2
1 3/2
1/2
0
0
1/2

28
Por ser simetrica:
a b
b c
53
Por ser idempotente: A2 = A

[
a b
b c
][
a b
a2 + b2
=
b c
ba + cb
ab + bc
a b
=
b2 + c2
b c
Se obtienen tres ecuaciones:

2
a + b2 = a
[I]
(a + c)b = b (a + c 1)b = 0
[II]
b2 + c2 = c
[III]
[II i] ([I] y [III])
Caso 1 :
Caso 2 :
Caso 3 :
Caso 4 :
b = 0
2
a a = a(a 1) = 0
[II i]
c=1a
a = 0, b = 0, c = 1
a = 1, b = 0, c = 0
a = 1, b = 0, c = 1
a=0 c=1
a = 1 c = 0
a=1 c=1
a = 0, b = 0, c = 0
a=0 c=0
c2 c = c(c 1) = 0
[II ii]
0
0
[
0
0
[
1
0
[
1
0
0
0
]
0
1
]
0
0
]
0
1
[II ii] : Tenemos c = 1 a

Mediante [I] podemos despejar b en funcion de a como: b =
a a2 =
a(1 a)
Comprobamos que se cumple la ecuacion [III]:

a a2 + (1 a)2 = a a2 + 1 2a + a2 = 1 a = c
Quedaran las matrices de la forma:
[
]
[
+ a a2
a
a
2
+ aa
1a
a a2
]
a a2
1a
en ambos casos con a a2 0 a a2 0 a 1

De los 4 casos anteriores [II i] hemos de aniadir el Caso 1 y el Caso 4.
No es necesario aniadir el Caso 2 ni el Caso 3 puesto que ambos ya estan incluidos
en las expresiones generales encontradas.
Por tanto las soluciones se pueden sintetizar en los siguientes casos:
[
]
[
]
2
a
+
a
a
a a2
a
con
0
1,
con 0 < a < 1,
+ a a2
1a
a a2
1a
[
0
0
0
,
0
1 0
0 1

Algebra

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Algebra

Cargado por

Copyright:

Formatos disponibles

Contenidos

Una matriz es una ordenacion rectangular de elementos dispuestos en las y columnas

a11 a12 . . . a1n

A = [a11 a12 . . . a1n ]

2) Matriz columna es una matriz de orden m 1,

A una matriz columna se le denomina tambien vector.

CAPITULO 1. MATRICES Y DETERMINANTES

CAPITULO 1. MATRICES Y DETERMINANTES

6) Se dice que Amn es escalonada si verica:

Se indican en negrita los elementos pivote.

Toda matriz cuadrada en forma escalonada es triangular superior

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

CAPITULO 1. MATRICES Y DETERMINANTES

Operaciones con matrices y propiedades de las operaciones

Ejemplo 1.3 Calcular A + B con A = 1

Propiedades de la suma de matrices

CAPITULO 1. MATRICES Y DETERMINANTES

Producto de una matriz por un escalar del mismo cuerpo

Dada A = {aij } denida en el cuerpo IK y IK, se dene

, aij y cij IK.

Propiedades del producto de una matriz por un escalar del mismo

Se cumplen las siguientes propiedades para las matrices en el cuerpo IR y en el cuerpo C,

CAPITULO 1. MATRICES Y DETERMINANTES

El algoritmo puede entenderse facilmente observando el siguiente esquema:

Es decir, cij = ai1 b1j + ai2 b2j + ... + ain bnj

Ejemplo 1.10 Multiplicar entre s por pares, las matrices A = [ 1

AC, CA, CB, BC no son operaciones posibles

Propiedades del producto de matrices

2) Distributiva respecto a la suma de matrices:

CAPITULO 1. MATRICES Y DETERMINANTES

Estructura algebraica de las matrices Mmn en IK

Mmn en IK ( + , IK). El conjunto de matrices Mmn en IK, con la suma y producto

5) El producto de matrices no es conmutativo, es decir, en general A B = B A

Bnp Amn = Cnn

CAPITULO 1. MATRICES Y DETERMINANTES

6) El producto de matrices tiene divisores de cero: A B = 0 no implica necesariamente

En este ejemplo hemos determinado que A y B son divisores de cero.

8) El producto de dos matrices triangulares superiores es una matriz triangular superior.

CAPITULO 1. MATRICES Y DETERMINANTES

En el primer caso cada columna queda multiplicada por el elemento de la diagonal.

aik dkj = aij djj

dik akj = dii aij

Inversa de una matriz

Dada una matriz A Mn decimos que F es la inversa de A si: A F = F A = I.

CAPITULO 1. MATRICES Y DETERMINANTES

Transformaciones de una matriz

Traspuesta de una matriz

Una matriz An es antisimetrica o hemisimetrica si y solo si A = At .

Dada una matriz cuadrada An , A + At es una matriz simetrica.

CAPITULO 1. MATRICES Y DETERMINANTES

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

Por otra parte S t = S y H t = H, por tanto At = S H

Sumando [1] y [2] obtenemos A + At = 2S S = 21 (A + At )

Ejemplo 1.23 Descomponer A =

como suma de una matriz simetrica y otra

CAPITULO 1. MATRICES Y DETERMINANTES

Conjugada de una matriz

Potencia de una matriz

Dada una matriz An y k un entero positivo, entonces Ak denota el producto de A por s

(:= signica que es igualdad por denicion, se utiliza tambien el smbolo )

CAPITULO 1. MATRICES Y DETERMINANTES

Operaciones elementales y equivalencia

Sea la matriz Amn , efectuamos una operaci

se intercambian las las 1 y 3