Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Algebra
Algebra
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
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.
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,
B=
b11
b21
..
.
bm1
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.
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
4
0
0
1
2
3
3
1
0
4
0
0
1
0
1
3
3
0
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
1.2
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.
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
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
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
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
la i
mn
columna j
np
cij
mp
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
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
1.2.7
Siempre que los productos sean posibles, se verican las siguientes propiedades:
1) Asociativa: A, B, C M
A (B C) = (A B) C
1.2.8
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
10
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
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
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
DA
cij =
k=1
1.3
k=1
(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
1.4.1
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
Ejemplo 1.22 A = 2
3
2
0
2
3
2 es una matriz antisimetrica
0
13
[1]
y tomando traspuestas
At
= St + H t
[2]
([
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
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
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
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
1.6
1.6.1
15
C13
C1(7)
C13(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
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
1.6.4
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
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
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
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
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
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
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
P = Fa ... F2 F1
P 1 = F11 F21 ... Fa1
Q = C1 C2 ... Cb
Q1 = Cb1 ... C21 C11
20
1.7
1.7.1
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
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
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
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
Partiendo de An , Acan
filas
= In Fa . . . F2 F1 A = I
A inversible y
[ I
| A1 ]
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
1
0
0
2
1
0
1
2
1
1
2
3/4
24
0
0
1/8
0
1
1/2
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
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
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
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
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.
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
0
0
.
En = ..
0
1
0
0
..
.
1
0
...
...
..
.
...
...
0
1
..
.
0
0
1
0
..
0
0
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
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
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
n1
i=1
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
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
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
a12
a22
a32
a13
a23 = a11 a22 a33 a11 a23 a32 a12 a21 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31
a33
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
@
J
!
J
T a
@
a
@!
!
@
@
1.10.2
C
alculo de un determinante de orden n, por adjuntos
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
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
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
31
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
|A1 | =
1
= |A|1
|A|
1
|A|
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
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
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
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
A21
A22
...
A2n
. . . An1
. . . An2
... ...
. . . Ann
|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
adj(At )
|A|
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
adjA
adjA
(adjAt )t
=
=
= (A1 )t
|At |
|A|
|A|
1.12
34
Relaci
on equivalencia con la identidad, determinante,
rango y existencia de inversa
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
rgA = n
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
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
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)
0
0
2
1
0
1
1
2
0
0
2(c 4)
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
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.
fila2 = fila2 - 2 * fila3
fila1 = fila1 - fila3
0
0
0
0
2
1
0
0
0
1
0
1
0
0
0 = I
1
37
1.13
Determinantes notables
1.13.1
a
1
Vn = a21
...
an1
1
|Vn | =
1
a2
a22
...
n1
a2
1i<jn (aj
1
a3
a23
...
...
...
1
... an
... a2n
... ...
... an1
n
ai )
1.13.2
Jacobiano
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
1.13.3
Hessiano
H=
2f
x21
2f
x1 x2
2f
xn x1
2f
xn x2
...
...
...
...
...
...
...
...
...
...
...
38
...
...
...
...
...
2f
x1 xn
...
...
...
2f
x2n
1.13.4
Wronskiano
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
1.14.1
Definici
on
39
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 ).
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
[ ]
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
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:
u 1.8v1 + 1.2v2
w
3v1 + 0.5v2
1.14.3
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.
0
1
Masa
m1 = 2g
m2 = 5g
m3 = 2g
m4 = 1g
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
2
Ejercicio 1.8 Sea la matriz A =
1
0
1
1
1
2
3
43
2
A=
1
1
2
a
B=
c
c
b
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
2a
bca
2c
2a
= (a + b + c)3
2b
c a b
a
b
c
b + c
c + a = 0 , sin efectuar el desarrollo correspondiente.
a + b
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
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
1
A = 1
3
2
2
1
1
3
1
44
[
1
A=
i
i
2
1
2
A=
0
1
2
a
4
4
2
1
1
1
1
2
b
2
A= 1
1
2
1
0
2
1
1
B= 1
2
1
D= 2
3
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
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
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
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
(AB)t =
1 5
0
2
3
(CA)t = 2
6
CA =
1
2
10
3
1
2
2
6
10
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
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.
1
2
1
..
.
1
1
1
3
..
.
1
...
...
...
..
.
...
1
1
1 =
..
.
n
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 . . .
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
1
1
1 0
0 1
..
..
.
.
0
0
...
...
...
..
.
...
1
0
0
..
.
0
1
0
..
.
0
0 ...
0 ...
1 . . .
..
..
.
.
0 ...
= (n 1)(1)n1
1
0
0
0
..
.
48
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
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
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
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
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
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
a b
b c
53
a b
b c
][
a b
a2 + b2
=
b c
ba + cb
ab + bc
a b
=
b2 + c2
b c
[I]
(a + c)b = b (a + c 1)b = 0
[II]
b2 + c2 = c
[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
a a2 =
a(1 a)
[
]
[
+ a a2
a
a
2
+ aa
1a
a a2
]
a a2
1a
[
]
[
]
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