Está en la página 1de 456

O BJE T I V O

Resolver problemas sobre matrices, utilizando definiciones, propiedades y métodos adecuados para
cada tipo, en situaciones reales propias de la ingeniería y ciencias aplicadas.

C O N T E NI D O :

1.1 ALGEBRA DE MATRICES


1.2 CLASIFICACION DE LAS MATRICES CUADRADAS
1.3 MATRIZ TRANSPUESTA
1.4 MATRIZ TRANSPUESTA - CONJUGADA
1.5 TRAZA DE UNA MATRIZ
1.6 POTENCIA DE UNA MATRIZ
1.7 CUESTIONARIO

1.1 A L G E B R A D E M A T RI C ES

En esta sección se introduce terminología básica, se define una matriz, matriz identidad y matriz escalar. Se define
y establecen las operaciones que se pueden realizar entre matrices, además, enunciaremos las propiedades más
importantes.

Las matrices se escribirán mediante un solo símbolo, que por lo común serán letras
mayúsculas como A, B, C, D, etc. Cuando no se utilicen números específicos para
designar los elementos de una matriz, se utilizarán minúsculas de la forma a ij. No
existen restricciones sobre el número de filas o columnas que una matriz puede tener.

D E F IN I C I O N 1.1.1
Una matriz es una ordenación rectangular de elementos distribuidos en n
filas (horizontales) y m columnas (verticales), el elemento que está en la
i-ésima fila y en la j-ésima columna se denota por a ij, siendo este elemento,
un número real o complejo. Formalmente lo denotamos como A = (a ij).

Una matriz con n filas y m columnas se llama matriz de n x m; la expresión n x m es


su orden o forma y lo expresamos como
§ a11 a12 a1m ·
¨ ¸
a a22 a2 m ¸
A ¨ 21
¨ ¸
¨¨ a ¸
anm ¸¹
© n1 an 2
En otras palabras, podemos decir que una matriz de n x m definida sobre el conjunto
K , es una aplicación a : A x B o K que asocia a cada par (i, j) el número a ij. Los
2 MATRICES

elementos horizontales ai1, a i2, ..., aim representan las filas de la matriz y los
elementos verticales a1j, a2j, ..., anj representan las columnas. Así, la letra i representa
la fila y la j representa la columna.

Si n = m la matriz se denomina cuadrada y se dice que tiene orden n. Si una matriz


tiene una sola fila, se le llama matriz fila y se la representa por
A = (a i1 a i2 ... a im).
Si una matriz tiene una sola columna, se le llama matriz columna y se representa por
§ a1 j ·
¨ ¸
¨ a2 j ¸
A ¨ ¸.
¨ ¸
¨ a nj ¸
© ¹

En particular, un elemento a ij puede considerarse como una matriz de una fila y una
columna. Es conveniente designar a la matriz con letras mayúsculas en
correspondencia, si es posible, con la letra minúscula común con la cual se designan
sus elementos.

A continuación se dan algunos tipos de matrices:


§1 0 4· §1·
¨ ¸ §2 5 7· ¨ ¸
A ¨5 6 2¸ ; B ¨ ¸ ; C ¨ 4¸ ; D 1 2 9 ,
¨7 9 1¸ © 1 9 2 ¹ ¨8¸
© ¹ © ¹
siendo A una matriz de 3 x 3, B de 2 x 3, C de 3 x 1 y D de 1 x 3.

D E F IN I C I O N 1.1.2
Una matriz cuadrada que tiene el número 1 como elementos de la diagonal
principal, y los demás elementos son ceros, se denomina matriz identidad y
­1, si i j
se denota como I = (Gij), donde Gij ® , G se denomina delta de
¯0, si i z j
Kronecker.

Matrices de este tipo se dan a continuación:


§1 0 0 0·
§1 0 0· ¨ ¸
§1 0· ¨ ¸ ¨0 1 0 0¸
I2 ¨ ¸ ; I3 ¨0 1 0¸ ; I4 ; etc.
©0 1¹ ¨0 0 1 0¸
¨0 0 1¸ ¨ ¸
© ¹
©0 0 0 1¹

D E F IN I C I O N 1.1.3
Una matriz cuadrada que tiene el número D  K diferente de cero, como
elementos de la diagonal principal, y los demás elementos son ceros, se
denomina matriz escalar y se denota como E = DI.

Este tipo de matrices tienen la siguiente forma:


§a b 0 0 · §1 0 0·
§ a 0· §1 0· ¨ ¸ ¨ ¸
E2 ¨ ¸ a¨ ¸ ; E3 ¨ 0 a b 0 ¸ ( a  b) ¨ 0 1 0 ¸ ; etc.
©0 a¹ ©0 1¹ ¨ 0 0 a  b ¸¹ ¨0 0 1¸
© © ¹

La definición de operaciones entre matrices es lo que determina la utilidad de ellas


puesto que una matriz de por sí es solamente un arreglo de números. Veremos que
aquellas definiciones que intuitivamente parecen obvias para operar con matrices son
también las más útiles.
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
MATRICES 3

A continuación se explican algunas operaciones que se pueden realizar con matrices.


Definidas las matrices, podemos comenzar a estudiar su álgebra. Se explicará
primero el significado de la afirmación de que dos matrices A y B son iguales.

Lo anterior significa que los elementos correspondientes de cada matriz son iguales,
es decir a ij = bij para cada i y j. Cuando las matrices son iguales, se escribe A = B.
Para que dos matrices sean iguales, el número de filas de A debe ser el mismo que el
número de filas de B, y el número de columnas de A debe ser el mismo que el
número de columnas de B.

D E F IN I C I O N 1.1.4
Dadas A = (a ij), B = (bij), matrices de igual orden. Las matrices A y B se
dice son iguales si y sólo si los elementos correspondientes a cada una de
estas son iguales.

Es decir, dadas las matrices


§ a11 a1 2 a1 m · § b11 b1 2 b1 m ·
¨ ¸ ¨ ¸
¨ a21 a2 2 a2 m ¸ ¨ b21 b2 2 b2 m ¸
A ¨ ¸ y B =¨ ¸
¨ ¸ ¨ ¸
¨ an 1 an 2 a ¸ ¨ bn 1 bn 2 b ¸
© n m ¹ © n m ¹
por definición estas matrices son iguales si y sólo si se cumple que a11 = b11,
a12 = b12, ..., anm = bnm. De manera más compacta, se escribe A = B si a ij = bij, para
todo i, j  .

EJ E M P L O 1.1.1
Sean A y B dos matrices de 2 x 3:
§ a  b  1 2  2b  a b · § 1 S c ·
A ¨ ¸ y B ¨¨ ¸¸ .
© a b a  b¹ © c  S 3c S  i ¹
¿Cuando A y B son iguales?
SO L U C I O N
Las matrices A y B son iguales si cumplen la siguiente identidad:
§ a  b  1 2  2b  a b · § 1 S c ·
¨ ¸ ¨¨ ¸¸
© a b a  b ¹ ©c  S 3 S i¹
lo cual implica que
a ± b + 1 = i, 2 + 2b ± a = S, b = c, a = c + S, - b = 3 y a ± b = S + i. ’

EJ E M P L O 1.1.2
Determine los valores de a, b y c para que las matrices dadas sean iguales
§ 2 4· § a  2b  c 2 a  c ·
A ¨ ¸ y B ¨ ¸.
©1 6¹ © a 1 a  2b ¹
SO L U C I O N
Para que A y B sean iguales se debe cumplir por definición que sus correspondientes
elementos sean iguales, es decir:
­ a  2b  c 2 ­ a  2b  c 2
° 2a  c 4 ° 2a  c 4 ­a 0
° ° °
® Ÿ ® Ÿ ®b 3 . ’
° a  1 1 ° a 0 ° c 4
°¯ a  2b 6 °¯ a  2b 6 ¯

Se definirá ahora la suma de matrices, que consiste simplemente, como esperará el


lector, en sumar los elementos correspondientes. Es decir, la suma C de una matriz A
que tenga n filas y m columnas, y una matriz B que tenga n filas y m columnas es
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
4 MATRICES

una matriz que tiene n filas y m columnas cuyos elementos están dados por
cij = a ij + bij, para todo i, j.

D E F IN I C I O N 1.1.5
Dadas A = (a ij), B = (bij) y C = (cij), matrices de igual orden. Si se cumple
que
C = (a ij) + (bij) = (aij + bij) = (c ij), i, j  N
a la matriz C se le denomina adición de A y B.

Es decir; si a cada par de matrices de orden n x m le hacemos corresponder otra


matriz del mismo orden cuyos elementos se obtienen sumando término a término los
correspondientes a dichas matrices, se denomina adición de matrices. Dadas las
matrices A y B, detalladamente podemos interpretar la adición de matrices de la
siguiente manera:
C=A+B
§ a11 a12 a1m · § b11 b1 2 b1 m ·
¨ ¸ ¨b ¸
¨ a21 a22 a2 m ¸ ¨ 21 b2 2 b2 m ¸
¨ ¸
¨ ¸
¨¨ ¸¸ ¨ ¸
© an1 an 2 anm ¹ ¨ bn 1 bn 2 b ¸
© nm¹

§ a11  b11 a1 2  b1 2 a1 m  b1 m ·
¨ ¸
¨ a21  b21 a2 2  b2 2 a2 m  b2 m ¸
¨ ¸.
¨ ¸
¨ an 1  bn 1 an 2  bn 2 an m  bn m ¸¹
©

Debemos tener muy en cuenta que la adición de las matrices A y B se puede realizar
solamente cuando B tiene el mismo número de filas y el mismo número de columnas
que A. De aquí que el orden de la matriz suma es la misma que la de los sumandos.

EJ E M P L O 1.1.3
Dadas las matrices
§ · § S ·
¨ 3 Tan 4i ¸
¨ 1 1 4i ¸ 4
¨ ¸ ¨ ¸
A ¨ 5  3i 6 S¸ y B ¨ 5 3 S ¸
¨ ¸ ¨ ¸
¨ Sen
S
9 1 ¸ ¨ Cos S i
3S
Tan ¸¸
© 2 ¹ ¨ 2 4 ¹
©
Determine A + B.
SO L U C I O N
§ · § 3 S ·
Tan 4i ¸
¨ 1 1 4i ¸ ¨ 4
¨ ¸ ¨ ¸
A+B ¨ 5  3i 6 S¸¨ 5 3 S ¸
¨ S ¸ ¨ S 3S
¸
¨ Sen 9 1 ¸ ¨¨ Cos i Tan ¸¸
© 2 ¹ © 2 4 ¹
§ S ·
¨ 1  (3) 1  Tan 4i  (4i ) ¸
4 § 2 1  i 0 ·
¨ ¸ ¨ ¸
¨ (5  3i )  (5) 63 S  S ¸ ¨ 3i 9 (1  i ) S ¸ . ’
¨ ¸ ¨ ¸
¨ S S 3S 1 9i 0
¨ Sen  Cos 9i 1  Tan ¸¸ © ¹
© 2 2 4 ¹

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


MATRICES 5

T E O R E M A 1.1.1
Sean las matrices A = (aij), O = (oij) de igual orden, entonces
A + O = O + A = A.
D E M OST R A C I O N
Sean A, O matrices de igual orden, entonces
A + O = (aij) + (oij)
= (a ij + oij)
= (oij + a ij)
= (a ij)
= A.

T E O R E M A 1.1.2
Si A = (a ij) y B = (bij) son matrices de igual orden, entonces la adición de
matrices es conmutativa, es decir, A + B = B + A.
D E M OST R A C I O N
Sean las matrices A, B de igual orden, entonces:
A + B = (a ij) + (bij)
= (a ij + bij)
= (bij + a ij)
= (bij) + (a ij)
= B + A.

T E O R E M A 1.1.3
Si A = (a ij), B = (bij), C = (c ij) son matrices de igual orden, entonces la adición
de matrices es asociativa, es decir, A + (B + C) = (A + B) + C.
D E M OST R A C I O N
Sean A, B, C matrices de igual orden, entonces:
A + (B + C) = (a ij) + (bij) + (cij)
= (a ij) + (bij + c ij)
= (a ij + bij + c ij)
= ( a ij + bij) + (c ij)
= (( a ij) + (bij)) + (c ij)
= (A + B) + C.
 
%  CALCULAR  LA  SUMA  DE  MATRICES  
clc;;clear;;  
fprintf('\n  SUMA  DE  MATRICES  \n')  
fil=input('Ingrese  el  numero  de  filas  de  las  Matrices  A  y  B:    ');;  
col=input('Ingrese  el  numero  de  columnas  de  las  Matrices  A  y  B:    ');;  
       %Ingreso  de  elementos  
       fprintf('Matriz  A:\n')  
               for  f=1:fil  
                       for  c=1:col    
                               fprintf('Ingrese  el  elemento  A:(%d,%d)',f,c)  
                               A(f,c)=input('  :');;  
                       end  
               end  
       fprintf('Matriz  B:\n')  
               for  f=1:fil  
                       for  c=1:col    
                               fprintf('Ingrese  el  elemento  B:(%d,%d)',f,c)  
                               B(f,c)=input('  :');;  
                       end  
               end  
       fprintf('  LA  MATRIZ  A  ES:\n')  
       A  
end  
       fprintf('  LA  MATRIZ  B  ES:\n')  
       B  

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


6 MATRICES

end  
       fprintf('  LA  SUMA  C  ES:\n')  
       C=A+B  
end  

La siguiente operación que se considerará es la de multiplicar una matriz por un


número. Esta operación recibe el nombre de multiplicación por un escalar. Para
multiplicar una matriz A por un número D, simplemente se multiplica cada elemento
de A por D.

D E F IN I C I O N 1.1.6
Dada A = (a ij) una matriz arbitraria y D un escalar. El producto del escalar D
y la matriz A se define como la matriz C = (cij) del mismo orden que A,
cuyos elementos se obtienen multiplicando el escalar por cada uno de los
elementos de A.

Es decir; formalmente se expresa esta operación de la siguiente manera:


§ a11 a1 2 a1 m · § Da11 Da1 2 Da1 m ·
¨ ¸ ¨ ¸
¨ a21 a2 2 a2 m ¸ ¨ Da21 Da2 2 D a2 m ¸
C = ĮA D ¨ ¸ ¨ ¸
¨ ¸ ¨ ¸
¨ an 1 an 2 a ¸ ¨ D a D a D a ¸
© nm ¹ © n1 n2 nm ¹
Cada elemento de A se multiplica por el escalar D. El producto DA es, por
consiguiente, otra matriz con n filas y m columnas, si A tiene n filas y m columnas.
Es decir, la matriz resultante del producto por un escalar conserva el orden de la
matriz original.

EJ E M P L O 1.1.4
Dada la matriz
§ S S ·
¨ Tan 4 Cos
4
1 ¸
A ¨ ¸ y k = 1 + i.
¨ i S¸
¨ 1 i Sen ¸
© 4¹
Determine k A.
SO L U C I O N
§ S S ·
¨ Tan 4 Cos
4
1 ¸
kA (1  i ) ¨ ¸
¨ i S
¨ 1 i Sen ¸¸
© 4¹
§ S S ·
¨ (1  i )Tan 4 (1  i ) Cos 4 (1  i ) 1 ¸
¨ ¸
¨ (1  i )i S
¨ (1  i )(1  i ) (1  i ) Sen ¸¸
© 4¹
§ 1 i ·
¨1  i i 1 ¸
¨ 2 ¸. ’
¨ 1 i ¸
¨ i 1 2 ¸
© 2¹

T E O R E M A 1.1.4
Sea A = (a ij) una matriz arbitraria y k un número, entonces k A = A k.
D E M OST R A C I O N
Sean A una matriz arbitraria y k un número, entonces:

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


MATRICES 7

k A = k(a ij)
= (ka ij)
= (a ijk)
= (a ij)k
= A k.

EJ E M P L O 1.1.5
Un fabricante de sacos los produce en color negro, azul y rojo para hombres, mujeres
y niños. La capacidad de producción en miles en la planta A está dada por la matriz
Hombres Mujeres Niños
Negro 3 5 6
Azul 2 3 4
Rojo 5 1 3
La producción en la planta B está dada por
Hombres Mujeres Niños
Negro 2 3 3
Azul 4 2 5
Rojo 1 3 2
a.- Determine la representación matricial de la producción total de cada tipo de
sacos en ambas plantas.
b.- Si la producción en A se incrementa en un 15% y la de B en un 30%, encuentre
la matriz que representa la nueva producción total de cada tipo de saco.
SO L U C I O N
a.- Para obtener la matriz de producción total, sumamos las matrices que relacionan
las plantas A y B:
§ 3 5 6· § 2 3 3· §5 8 9·
¨ ¸ ¨ ¸ ¨ ¸
¨ 2 3 4¸  ¨ 4 2 5¸ ¨6 5 9¸ .
¨ 5 1 3¸ ¨ 1 3 2¸ ¨ 6 4 5¸
© ¹ © ¹ © ¹
b.- La nueva matriz de producción total la obtenemos sumando las matrices
§ 3 5 6· § 2 3 3 · § 6.05 9.65 10.8 ·
¨ ¸ ¨ ¸ ¨ ¸
1.15 A +1.30 B 1.15 ¨ 2 3 4 ¸  1.30 ¨ 4 2 5 ¸ ¨ 7.5 6.05 11.1 ¸ . ’
¨ 5 1 3¸ ¨ 1 3 2 ¸ ¨ 7.05 5.05 6.05 ¸
© ¹ © ¹ © ¹

EJ E M P L O 1.1.6
El costo en dólares de comprar un boleto aéreo de la ciudad A a cada una de las
cuatro ciudades B, C, D y E, está relacionado en la matriz P = (75 62 35 55). Si la
directiva de la aviación civil aprueban un incremento del 12% en las tarifas. Hallar
las nuevas tarifas.
SO L U C I O N
Las nuevas tarifas se obtienen multiplicando la matriz P por 1.12, es decir;
1.12P 1.12 75 62 35 55 84 69, 44 39, 2 61,6 . ’

EJ E M P L O 1.1.7
Una empresa produce tres tamaños de radios en tres modelos diferentes. La
producción en miles en su planta A está dada por la matriz
Tamaño 1 Tamaño 2 Tamaño 3
Modelo 1 20 32 25
Modelo 2 15 15 29
Modelo 3 12 27 30
La producción en miles en su planta B está dada por la matriz

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


8 MATRICES

Tamaño 1 Tamaño 2 Tamaño 3


Modelo 1 35 42 19
Modelo 2 25 35 25
Modelo 3 12 18 21
a.- Escriba una matriz que represente la producción total de radios en ambas plantas.
b.- El dueño de la empresa planea abrir una tercera planta en C, la cual tendrá una
vez y cuarto la capacidad de la planta en A. Escriba la matriz que representa la
producción en la planta C.
c.- ¿Cuál sería la producción total de las tres plantas?
SO L U C I O N
a.- Para representar la producción total en ambas plantas, debemos sumar ambas
matrices
§ 20 32 25 · § 35 42 19 · § 55 74 44 ·
¨ ¸ ¨ ¸ ¨ ¸
¨ 15 15 29 ¸  ¨ 25 35 25 ¸ ¨ 40 50 54 ¸ .
¨ 12 27 30 ¸ ¨ 12 18 21 ¸ ¨ 24 45 51 ¸
© ¹ © ¹ © ¹
b.- Para encontrar la matriz C, tenemos que multiplicar a la matriz A por 1.25, es
decir
§ 20 32 25 · § 25 40 31.25 ·
¨ ¸ ¨ ¸
1.25 ¨ 15 15 29 ¸ ¨18.75 18.75 36.25 ¸ .
¨ 12 27 30 ¸ ¨ 15 33.75 37.5 ¸¹
© ¹ ©
c.- Para representar la producción total de las tres plantas, debemos sumar las
matrices A, B y C, es decir:
§ 20 32 25 · § 35 42 19 · § 25 40 31.25 ·
¨ ¸ ¨ ¸ ¨ ¸
A + B + C ¨ 15 15 29 ¸  ¨ 25 35 25 ¸  ¨18.75 18.75 36.25 ¸
¨ 12 27 30 ¸ ¨ 12 18 21 ¸ ¨ 15 33.75 37.5 ¸¹
© ¹ © ¹ ©
§ 80 114 75.25 ·
¨ ¸
¨ 58.75 68.75 90.25 ¸ . ’
¨ 39 78.75 88.5 ¸¹
©

EJ E M P L O 1.1.8
Una compañía tiene plantas en cuatro provincias, I, II, III y IV, y cuatro bodegas en
los lugares P, Q, R y S. El costo en miles de dólares de transportar cada unidad de su
producto de una planta a una bodega está dado por la matriz
Prov. I Prov. II Prov. III Prov. IV
Bodega P 13 12 17 12
Bodega Q 19 17 13 15
Bodega R 8 9 11 13
Bodega S 19 21 9 15
a.- Si los costos de transportación se incrementan uniformemente en $500 por
unidad, ¿cuál es la nueva matriz?
b.- Si los costos de transportación se elevan en un 25%, escriba los nuevos costos.
SO L U C I O N
a.- Obtenemos la nueva matriz, sumándole a la matriz A la matriz de incrementos
§ 13 12 17 12 · § 0.5 0.5 0.5 0.5 · §13.5 12.5 17.5 12.5 ·
¨ ¸ ¨ ¸ ¨ ¸
¨19 17 13 15 ¸  ¨ 0.5 0.5 0.5 0.5 ¸ ¨19.5 17.5 13.5 15.5 ¸ .
¨ 8 9 11 13 ¸ ¨ 0.5 0.5 0.5 0.5 ¸ ¨ 8.5 9.5 11.5 13.5 ¸
¨ ¸ ¨ ¸ ¨ ¸
©19 21 9 15 ¹ © 0.5 0.5 0.5 0.5 ¹ ©19.5 21.5 9.5 15.5 ¹
b.- Los nuevos datos los obtenemos multiplicando la matriz A por 1.25, es decir

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


MATRICES 9

§ 13 12 17 12 · § 16.25 15 21.25 15 ·
¨ ¸ ¨ ¸
19 17 13 15 ¸ ¨ 23.75 21.25 16.25 18.75 ¸
1.25 ¨ . ’
¨ 8 9 11 13 ¸ ¨ 10 11.25 13.75 16.25 ¸
¨ ¸ ¨ ¸
©19 21 9 15 ¹ © 23.75 26.25 11.25 18.75 ¹

T E O R E M A 1.1.5
Si A = (aij), B = (bij) son matrices de igual orden y k un número, entonces se
cumple la ley distributiva respecto a la adición de matricial, es decir,
k(A + B) = k A + k B.
D E M OST R A C I O N
Sean A, B matrices de igual orden y k un número, entonces:
k(A + B) = k((a ij) + (bij))
= k(a ij) + bij)
= (ka ij + kbij)
= (ka ij) + (kbij)
= k A + k B.

T E O R E M A 1.1.6
Si A = (a ij) es una matriz arbitraria y k, t números, entonces se cumple la ley
distributiva con respecto a la adición de escalares, es decir,
(k + t)A = k A + t A.
D E M OST R A C I O N
Sean A una matriz arbitraria y k, t números, entonces:
(k + t)A = (k + t)( a ij)
= ((k + t) a ij)
= (ka ij + ta ij)
= (ka ij) + (ta ij)
= k A + t A.

%  MULTIPLICACION  DE  UN  ESCALAR  Y  UNA  MATRIZ  


clc;;clear;;  
fprintf('\n  PRODUCTO  POR  UN  ESCALAR  \n')  
fil=input('Ingrese  el  numero  de  filas  de  la  Matriz  A:  ');;  
col=input('Ingrese  el  numero  de  columnas  de  la  Matriz  A:  ');;  
n=input('Ingrese  el  escalar:    ');;  
%Ingreso  de  elementos  
               for  f=1:fil  
                       for  c=1:col    
                               fprintf('Ingrese  el  elemento  (%d,%d)',f,c)  
                               A(f,c)=input('  :');;  
                       end  
       fprintf('\  LA  MATRIZ  A  ES:  \n')  
       A  
end  
       fprintf('\  LA  MATRIZ  PRODUCTO  B  ES:  \n')  
       B=A*n  
End  
 
La matriz opuesta de A puede obtenerse multiplicando la matriz original por el
escalar ±1. De acuerdo con esta definición; B = (-1)A, notándose B = -A, lo cual
podemos expresarlo detalladamente como
§ a11 a1 2 a1 m · §  a11  a1 2  a1 m ·
¨ ¸ ¨ ¸
¨ a21 a2 2 a2 m ¸ ¨  a21  a2 2  a2 m ¸
C = A + (- A ) ¨ ¸¨ ¸
¨ ¸ ¨ ¸
¨ an 1 an 2 an m ¸¹ ¨©  an 1  an 2  an m ¸¹
©

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


10 MATRICES

§ a11  a11 a1 2  a1 2 a1 m  a1 m · § 0 0 0·
¨ ¸
¨ a21  a21 a2 2  a2 2 a2 m  a2 m ¸ ¨¨ 0 0 ¸

¨ ¸ ¨ .
¸
¨ ¸ ¨ ¸
¨ an 1  an 1 an 2  an 2 an m  an m ¸¹ © 0 0 0¹
©

D E F IN I C I O N 1.1.7
Una matriz B = (bij) que, dada una matriz A = (a ij) cumple la ecuación
matricial
(oij) = (a ij) + (bij), para todo i, j  N
recibe el nombre de matriz opuesta o negativa de A.

La operación de restar una matriz B de una matriz A se define exactamente como


esperará el lector: A ± B es la matriz cuyos elementos son a ij ± bij. Se observa
también que la resta puede definirse en términos de operaciones ya definidas,
como
A ± B = A + (-B).
Es decir, para restar dos matrices, restamos sus correspondientes elementos.

D E F IN I C I O N 1.1.8
Dadas A = (a ij), B = (bij) y C = (c ij), matrices de igual orden. Si se cumple
que
C = A - B = (aij) - (bij) = (a ij ± bij) = (c ij), i, j  N
a la matriz C se le denomina resta de A y B.

Es decir; si a cada par de matrices de orden n x m le hacemos corresponder otra


matriz del mismo orden cuyos elementos se obtienen restando término a término
los correspondientes a dichas matrices, se denomina resta de matrices. Dadas las
matrices A y B, detalladamente podemos interpretar la resta de matrices de la
siguiente manera:
C = A-B
§ a11 a1 2 a1 m · § b11 b1 2 b1 m ·
¨ ¸ ¨ ¸
¨ a21 a2 2 a2 m ¸ ¨ b21 b2 2 b2 m ¸
=¨ 
¸ ¨ ¸
¨ ¸ ¨ ¸
¨ an 1 an 2 an m ¸¹ ¨© bn 1 bn 2 bn m ¸¹
©
§ a11  b11 a1 2  b1 2 a1 m  b1 m ·
¨ ¸
¨ a21  b21 a2 2  b2 2 a2 m  b2 m ¸
¨ ¸.
¨ ¸
¨ an 1  bn 1 an 2  bn 2 an m  bn m ¸¹
©

Debemos tener muy en cuenta, como lo hicimos para la adición, que la resta de las
matrices A y B se puede realizar solamente cuando tienen el mismo orden. De aquí
que el orden de la matriz obtenida de la resta es la misma que la de A y B.

E J E M P L O 1.1.9
Dadas las matrices
§ 13 5 12 · § -6 11 3 ·
A ¨ ¸ y B =¨ ¸.
©17 6 8 ¹ ©15 2 1 ¹
Determine la matriz M tal que A - 2M = 3B.
SO L U C I O N
Como A ± 2M = 3B, entonces:

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


MATRICES 11

1
2M = A ± 3B Ÿ M = ( A - 3B )
2
Reemplazando los datos conocidos, obtenemos:
1 § § 13 5 12 · § -6 11 3 · · 1 § § 13 5 12 · § -18 33 9 · ·
M = ¨¨ ¸ - 3¨ ¸¸ = ¨¨ ¸ -¨ ¸¸
2 © ©17 6 8 ¹ ©15 2 1 ¹ ¹ 2 © ©17 6 8 ¹ © 45 6 3 ¹ ¹
1 § 31 28 3 ·
¨ ¸. ’
2 © 28 0 5 ¹

EJ E M P L O 1.1.10
Dadas las matrices
§ S S· § S S·
¨ Sen 4 Cos ¸
4¸ ¨ Tan 4  Sen ¸

A ¨ , B ¨ .
¨  Cos S S¸
Sen ¸ ¨ Sen S Tan ¸
S ¸
¨ ¨
© 4 4¹ © 4 4 ¹
Determine A - B.
SO L U C I O N
§ S S· § S S· § 2 2· § 2·
¨ Sen 4 Cos ¸ ¨ Tan
4 ¸¨ 4
 Sen ¸

¨ ¸ ¨ 1  ¸
A -B ¨ ¨ 2 2 ¸¨ 2 ¸
¨  Cos S S¸ ¨ S S ¸ ¨ 2 2¸ ¨ 2 ¸
¨ Sen ¸ ¨ Sen Tan ¸ ¨ ¸ ¨ 1 ¸
© 4 4¹ © 4 4 ¹ © 2 2 ¹ © 2 ¹
§ 2 ·
¨ 1 2 ¸
¨ 2 ¸. ’
¨ 2 ¸
¨  2  1¸
© 2 ¹

EJ E M P L O 1.1.11
Tres máquinas de gaseosas se localizan en un centro comercial. El contenido de estas
máquinas se presenta en la siguiente matriz de inventario:
Coca - Cola Fanta Sprite
Maquina I 65 32 84
Maquina II 92 65 36
Maquina III 45 72 93
Los elementos indican el número de latas de cada tipo de gaseosa que contiene cada
máquina. Suponga que la matriz de ventas para el día siguiente es
Coca - Cola Fanta Sprite
Maquina I 53 25 70
Maquina II 80 60 30
Maquina III 35 65 85
donde los elementos indican el número de latas de cada tipo de gaseosa que vende
cada máquina. Hallar la matriz de inventario al final del día.
SO L U C I O N
La matriz de inventario al final del día se obtiene de la siguiente manera:
§ 65 32 84 · § 53 25 70 · §12 7 14 ·
¨ ¸ ¨ ¸ ¨ ¸
¨ 92 65 36 ¸  ¨ 80 60 30 ¸ ¨12 5 6 ¸ .
¨ 45 72 93 ¸ ¨ 35 65 85 ¸ ¨10 7 8 ¸
© ¹ © ¹ © ¹
Si cada máquina se recarga con 30 latas de Coca-Cola, 20 latas de Fanta y 15 latas de
Sprite, entonces la matriz de inventarios es la siguiente:

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


12 MATRICES

§12 7 14 · § 30 20 15 · § 42 27 29 ·
¨ ¸ ¨ ¸ ¨ ¸
¨12 5 6 ¸  ¨ 30 20 15 ¸ ¨ 42 25 21 ¸ . ’
¨10 7 8 ¸ ¨ 30 20 15 ¸ ¨ 40 27 23 ¸
© ¹ © ¹ © ¹

E J E M P L O 1.1.12
Determínense las matrices P y Q de orden 3 x 2, tales que satisfagan el sistema de
§1 3· § -1 0 ·
­2 P + 3Q = A ¨ ¸ ¨ ¸
ecuaciones ® , donde A = ¨ 2 4 ¸ y B = ¨ -1 -3 ¸ .
¯ - P - Q = B ¨1 2¸ ¨ 1 -1 ¸
© ¹ © ¹
SO L U C I O N
Multiplicando la segunda ecuación por 2, y sumandole a la primera, obtenemos las
matrices P y Q.
­ P = - A - 3B
®
¯ Q = A + 2B
Es decir:
§ 1 3 · § -1 0 · § -1 -3 · § -3 0 · § 2 -3 ·
¨ ¸ ¨ ¸ ¨ ¸ ¨ ¸ ¨ ¸
P = - ¨ 2 4 ¸ - 3 ¨ -1 -3 ¸ = ¨ -2 -4 ¸ - ¨ -3 -9 ¸ = ¨ 1 5 ¸
¨ 1 2 ¸ ¨ 1 -1 ¸ ¨ -1 -2 ¸ ¨ 3 -3 ¸ ¨ -4 1 ¸
© ¹ © ¹ © ¹ © ¹ © ¹
§ 1 3 · § -1 0 · § 1 3 · § -2 0 · § -1 3 ·
¨ ¸ ¨ ¸ ¨ ¸ ¨ ¸ ¨ ¸
Q = ¨ 2 4 ¸ + 2 ¨ -1 -3 ¸ = ¨ 2 4 ¸ + ¨ -2 -6 ¸ = ¨ 0 -2 ¸ . ’
¨1 2¸ ¨ 1 -1 ¸ ¨ 1 2 ¸ ¨ 2 -2 ¸ ¨ 3 0 ¸
© ¹ © ¹ © ¹ © ¹ © ¹

A continuación, dividamos una matriz A en partes mediante un sistema de rectas


verticales y horizontales. Estas partes pueden ser consideradas como matrices de
órdenes inferiores que forman, interpretadas como elementos, la propia matriz; se
denominan bloques o submatrices de la matriz A, mientras que la propia matriz A,
dividida de un modo determinado en submatrices, se denomina hipermatriz. Una
misma matriz puede ser dividida en submatrices de diferentes maneras.

D E F IN I C I O N 1.1.9
Se denomina hipermatriz a una ordenación rectangular de submatrices. Una
submatriz derivada de una matriz A es la formada por los elementos que
pertenecen simultáneamente a h filas y k columnas de A.

La conveniencia de la división en submatrices consiste en que las operaciones


principales sobre hipermatrices se realizan formalmente siguiendo las mismas reglas
que en el caso de matrices corrientes. En efecto, supongamos una matriz A dividida
de algún modo en submatrices:
§ A 11 A 12 A 1n ·
¨ ¸
A A A
A ¨ 21 22 2n ¸
.
¨ ¸
¨¨ ¸
© A m1 A m 2 A mn ¸¹
Al multiplicar todas las submatrices por un número k multiplicaremos, al mismo
tiempo, todos los elementos de la matriz A por k. Por consiguiente
§ k A 11 k A 12 k A 1n ·
¨ ¸
k A k A k A 2n ¸
k A ¨ 21 22
.
¨ ¸
¨¨ ¸
© k A m1 k A m 2 k A mn ¸¹
Sea B una matriz dividida en el mismo número de submatrices que la matriz A

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


MATRICES 13

§ B11 B12 B1n ·


¨ ¸
B B 22 B 2n ¸
B ¨ 21 .
¨ ¸
¨¨ ¸
© B m1 B m 2 B mn ¸¹
supongamos, además, que las correspondientes submatrices de las matrices A y B
son del mismo número de filas y de columnas respectivamente. Para sumar las
matrices A y B hay que sumar sus elementos correspondientes. Pero lo mismo
ocurrirá, si sumamos las submatrices correspondientes de estas matrices. Por esto
§ A 11  B11 A 12  B12 A 1n  B1n ·
¨ ¸
A  B A  B A 2n  B 2n ¸
A + B ¨ 21 21 22 22
.
¨ ¸
¨¨ ¸
© A m1  B m1 A m 2  B m 2 A mn  B mn ¸¹

%  CALCULAR  LA  RESTA  DE  MATRICES  


clc;;clear;;  
fprintf('\n  RESTA  DE  MATRICES  \n')  
fil=input('Ingrese  el  numero  de  filas  De  las  Matrices  A  y  B:    ');;  
col=input('Ingrese  el  numero  de  columnas  De  las  Matrices  A  y  B:    ');;  
       %Ingreso  de  elementos  
               fprintf('Matriz  A:\n')  
               for  f=1:fil  
                       for  c=1:col    
                               fprintf('Ingrese  el  elemento  A:(%d,%d)',f,c)  
                               A(f,c)=input('  :');;  
                       end  
               end  
               fprintf('Matriz  B:\n')  
               for  f=1:fil  
                       for  c=1:col    
                               fprintf('Ingrese  el  elemento  B:(%d,%d)',f,c)  
                               B(f,c)=input('  :');;  
                       end  
               end  
       fprintf('  LA  MATRIZ  A  ES:\n')  
       A  
end  
       fprintf('  LA  MATRIZ  B  ES:\n')  
       B  
end  
       fprintf('LA  MATRIZ  DIFERENCIA  C  ES:\n')  
       C=A-­B  
End  
Como podemos ver, resulto fácil definir la igualdad, la multiplicación por un
escalar, y la suma de matrices. No es tan obvio, en cambio, cómo debe definirse
la multiplicación matricial. En este caso debe abandonarse, el concepto de matriz
como simple arreglo de números puesto que esta idea no nos proporciona una
guía para una definición propia. Ahora definiremos la operación más complicada
de multiplicar dos matrices.

D E F IN I C I O N 1.1.10
Dadas A = (a ij) y B = (bij), matrices en las cuales el número de columnas de
A es igual al número de filas de B. Se llama producto de A y B a una matriz
C = (c ij) cuyo orden es el número de filas de A y el número de columnas de
B, denotada
§ ·
C (cij ) ¨ ¦ aik bkj ¸ , para todo i, j  .
© k ¹

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


14 MATRICES

De la propia definición se deduce que, en general, no es posible multiplicar dos


matrices rectangulares, ya que se exige que el número de columnas de la primera
matriz coincida con el número de filas de la segunda. Por lo tanto la condición
necesaria y suficiente para que el producto A B esté definido, es que el número de
columnas de A sea igual al número de filas de B.

Para formar los elementos de la primera fila de la matriz A B se han multiplicado


ordenadamente los elementos de la primera fila de A con los elementos de cada
columna de B y, después se suman los correspondientes productos. Procediendo
análogamente con cada una de las demás filas de A, se obtienen los elementos de
cada una de las restantes filas de A B. La notación formal se expresa como
C = A B y sus elementos se determinan de la siguiente manera:
§ a11 a1 2 a1 p · § b11 b1 2 b1 m ·
¨ ¸¨ ¸
¨ a21 a2 2 a2 p ¸ ¨ b21 b2 2 b2 m ¸
C = AB ¨ ¸¨ ¸
¨ ¸¨ ¸
¨ an 1 an 2 an p ¸¹ ¨© bp 1 bp 2 bp m ¸¹
©
§ ¦ a1 k bk 1 ¦ a1 k bk 2 ¦ a1 k bk m ·¸
¨ k k k
¨ ¸
¨ ¦ a2 k bk 1 ¦ a2 k bk 2 ¦ a2 k bk m ¸
¨ k k k ¸.
¨ ¸
¨ ¸
¨ ¦ an k bk 1 ¦ an k bk 2 ¦ an k bk m ¸
© k k k ¹

El producto de dos matrices, en términos generales, depende del orden de los


factores incluso en el caso en que el conjunto al cuál pertenecen sus elementos es
conmutativo. Si se consideran matrices no cuadradas, puede ocurrir incluso que el
producto de dos matrices tomadas en un orden tenga sentido y tomadas en el
orden contrario, no lo tenga.

E J E M P L O 1.1.13
Pruébese que si A es una matriz cuadrada y B = DA + EI, donde D y E son escalares,
entonces A B = B A.
SO L U C I O N
Calculamos el producto matricial A B, previamente reemplazando la identidad de B y
obtenemos el resultado requerido:
A B = A(DA + EI) = DA 2 + EA I = (DA + EI)A = B A. ’

E J E M P L O 1.1.14
Si
§ 2 1· § 7 6·
A ¨ ¸ y B ¨ ¸.
© 2 3 ¹ ©9 8¹
Hallar matrices C y D de orden 2, tales que A C = B y D A = B.
SO L U C I O N
Para determinar matrices C y D, debemos tomar matrices de 2 x 2 cuyos elementos
son desconocidos y los establecemos como sigue:
§ 2 1·§ a b · § 7 6 · § 2a  c 2b  d · § 7 6 ·
¨ ¸¨ ¸ ¨ ¸ Ÿ ¨ ¸ ¨ ¸
© 2 3 ¹© c d ¹ © 9 8 ¹ © 2 a  3c 2b  3d ¹ © 9 8 ¹
§e f ·§ 2 1· § 7 6 · § 2e  2 f  e  3 f · § 7 6 ·
¨ ¸¨ ¸ ¨ ¸ Ÿ ¨ ¸ ¨ ¸
©g h ¹© 2 3 ¹ © 9 8 ¹ © 2 g  2h  g  3h ¹ © 9 8 ¹
De aquí, establecemos los siguientes sistemas de ecuaciones:

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


MATRICES 15

2a  c 7 ½ 2e  2 f 7½ 19 33
¾ c = 8 y d = 7; ¾ f y e
2 a  3c 9 ¿ e  3 f 6¿ 4 4
2b  d 6 ½ 15 13 2 g  2h 9 ½ 25 43
¾ a y b ; ¾ h y g
2b  3d 8 ¿ 2 2  g  3h 8 ¿ 4 4
Solucionados ambos sistemas y obtenemos las matrices pedidas:
§ 33 19 ·
§ 15 13 · ¨ 4
C ¨ 2 2¸ y D ¨
4 ¸¸ . ’
¨¨ ¸¸ ¨ 43 25 ¸
©8 7¹ ¨ ¸
© 4 4 ¹

E J E M P L O 1.1.15
Determine la matriz M de modo que satisfaga la relación
§ 3 1· § 5 7·
M¨ ¸=¨ ¸.
© -2 2 ¹ © -5 9 ¹
SO L U C I O N
Para resolver este problema, debemos tomar una matriz M de 2 x 2 cuyos elementos
son desconocidos y los establecemos de la siguiente manera:
§ a b ·§ 3 1 · § 5 7 · § 3a  2b a  2b · § 5 7 ·
¨ ¸¨ ¸ ¨ ¸ Ÿ ¨ ¸ ¨ ¸.
© c d ¹© 2 2 ¹ © 5 9 ¹ © 3c  2d c  2d ¹ © 5 9 ¹
Dos matrices se dice son iguales si sus correspondientes elementos son iguales,
por tanto
3a  2b 5 ½
¾ Ÿ 4a = 12 Ÿ a = 3 y b = 2;
a  2b 7 ¿
3c  2d 5 ½
¾ Ÿ 4c = 4 Ÿ c = 1 y d = 4
c  2d 9 ¿
Por lo tanto
§3 2·
M =¨ ¸. ’
©1 4¹

E J E M P L O 1.1.16
Encontrar todas las matrices de orden dos que conmutan con la matriz
§ CosT SenT ·
A ¨ ¸.
© SenT CosT ¹
SO L U C I O N
Multiplicamos a la matriz A por la izquierda y derecha por una matriz 2 x 2 de
variables:
§ a b ·§ CosT SenT · § CosT  SenT ·§ a b ·
¨ ¸¨ ¸ ¨ ¸¨ ¸
© c d ¹© SenT CosT ¹ © SenT CosT ¹© c d ¹
Igualando los elementos de estas matrices, establecemos un sistema de ecuaciones:
­ aCosT  bSenT aCosT  cSenT ­ (b  c ) SenT 0
° aSenT  bCosT bCosT  dSenT °( a  d ) SenT 0
° °
® Ÿ ®
° cCos T  dS enT a S en T  cCosT °( a  d ) SenT 0
°¯ cSenT  dCosT bSenT  dCosT °¯ (b  c ) SenT 0
Si SenT z 0, entonces: b + c = 0 Ÿ b = -c y a - d = 0 Ÿ a = d
por lo tanto la matriz buscada es
§ d c ·
¨ ¸ , para todo c, d  R. ’
©c d ¹

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


16 MATRICES

E J E M P L O 1.1.17
Dadas las matrices A, B, ¿en qué condiciones son válidas las siguientes ecuaciones?
a.- (A + B)2 = A 2 + 2A B + B 2; b.- (A + B)(A - B) = (A - B)(A + B) = A 2 - B 2.
SO L U C I O N
a.- (A + B)2 = (A + B)(A + B) = A A + A B + B A + B B si A B = B A
= A 2 + 2A B + B 2.
b.- (A + B)(A - B) = A A - A B + B A - B B si A B = B A
= A2 - B2
(A - B)(A + B) = A A + A B - B A - BB si A B = B A
= A 2 - B 2. ’

EJ E M P L O 1.1.18
Dadas las matrices A, B, C, D, suponga que todas las operaciones están definidas;
demuestre entonces, a partir de la definición de multiplicación de matrices, que:
(A + B)(C + D) = A(C + D) + B(C + D) = A C + A D + B C + B D.
Bajo qué hipótesis están definidas todas las operaciones?
SO L U C I O N
Realizamos el producto
(A + B)(C + D) = A C + A D + B C + BD
= (A C + A D) + (B C + B D)
= A(C + D) + B(C + D)
Las matrices A y B deben ser de orden m x n y las matrices C + D de orden n x p. ’

E J E M P L O 1.1.19
Si A, B, C son tres matrices tales que A C = C A y B C = C B, pruébese que:
(A B ± B A)C = C(A B ± B A).
SO L U C I O N
Tenemos como hipótesis que tanto A y C como B y C son conmutativas para el
producto, entonces:
(A B ± B A)C = A B C ± B A C = A C B ± B C A = C A B ± C B A = C(A B ± B A). ’

EJ E M P L O 1.1.20
Dadas las matrices
§1 0 2· §1 3 0· §6 5 7·
¨ ¸ ¨ ¸ ¨ ¸
A ¨ 0 1 1 ¸ , B ¨ 0 4 1 ¸ , C ¨ 2 2 4 ¸ .
¨ 2 0 2¸ ¨ 2 3 0¸ ¨ 3 3 6¸
© ¹ © ¹ © ¹
Muestre que A C = B C, sin embargo, A z B.
SO L U C I O N
Primero realizamos el producto A C y luego B C:
§ 1 0 2 ·§ 6 5 7 · §12 11 19 ·
¨ ¸¨ ¸ ¨ ¸
A C ¨ 0 1 1 ¸¨ 2 2 4 ¸ ¨ 5 5 10 ¸ ;
¨ 2 0 2 ¸¨ 3 3 6 ¸ ¨18 16 26 ¸
© ¹© ¹ © ¹
§ 1 3 0 ·§ 6 5 7 · §12 11 19 ·
¨ ¸¨ ¸ ¨ ¸
BC ¨ 0 4 1¸¨ 2 2 4 ¸ ¨ 5 5 10 ¸ .
¨ 2 3 0 ¸¨ 3 3 6 ¸ ¨18 16 26 ¸
© ¹© ¹ © ¹
De esta manera queda demostrado que A C = B C sin que A = B. ’

E J E M P L O 1.1.21
Muestre que A y B conmutan si y sólo si A - DI y B - DI conmutan para un cierto
escalar unidad.
SO L U C I O N
Realizamos los productos correspondientes a (A - DI)(B - DI) y (B - DI)(A - DI):
(A - DI)(B - DI) = (B - DI)(A - DI)
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
MATRICES 17

A B - DA I - DIB + D2 II = B A - DB I - DI A + D2 II
A B - DA - DB + D2 I 2 = B A - DB - DA + D2 I 2
A B = B A. ’

EJ E M P L O 1.1.22
§a b ·
Sea A ¨ ¸ una matriz de 2 x 2 con ad ± bc z 0. Encuentre una matriz B tal
©c d¹
que A B = B A = I.
SO L U C I O N
Realizamos los productos A B = I y B A = I, luego resolvemos los sistemas de
ecuaciones lineales generados por cada uno de ellos:
­ ax  bz 1 ­ d c
§ a b ·§ x y · § 1 0 ·
° cx  dz 0
° °° x ad  bc ; z
ad  bc
AB ¨ ¸¨ ¸ ¨ ¸ Ÿ ® Ÿ ®
© c d ¹© z u ¹ © 0 1 ¹ ° ay  bu 0 °y  b a
; u
°¯ cy  du 1 °¯ ad  bc ad  bc
­ ax  cy 1 ­ d c
°bx  dy 0 ° x ; z
§ x y ·§ a b · § 1 0 · ° ° ad  bc ad  bc .
BA ¨ ¸¨ ¸ ¨ ¸ Ÿ ® Ÿ ®
© z u ¹© c d ¹ © 0 1 ¹ ° az  cu 0 °y b a
; u
°¯ bz  du 1 °¯ ad  bc ad  bc
Por lo tanto la matriz B tiene la forma siguiente:
§ d b ·
¨ ad  bc ad  bc ¸
B ¨ ¸. ’
¨ c a ¸
¨ ¸
© ad  bc ad  bc ¹

E J E M P L O 1.1.23
Demuestre que si A B = O y B z O, no existe ninguna matriz C tal que C A = I.
SO L U C I O N
Si A = O por ser B z O, la no existencia de la matriz C para que C A = I, es obvia. Si
A z O y B z O, entonces A z O, C A z C O, C A z O para que C A = I
necesariamente la matriz C debe ser la inversa de A, en caso contrario no podemos
obtener C A = I. ’

E J E M P L O 1.1.24
Sea A una matriz de n x n. Suponga que A B = B para toda matriz B de n x n.
Pruebe que A = I.
SO L U C I O N
Tenemos que:
A B = B Ÿ A B ± B = O Ÿ (A ± I)B = O.
Por hipótesis B z O, entonces A ± I = O, de donde A = I. ’

E J E M P L O 1.1.25
Encuentre un ejemplo para probar que existen matrices no cuadradas A y B, tales que
A B = I. Específicamente, pruebe que existe una matriz A de m x n y una matriz B de
n x m, tales que A B es la matriz identidad de m x m. Demuestre que B A no es la
matriz identidad de n x n. Pruebe en general que, si m z n, entonces A B y B A no
pueden ser ambas matrices identidad.
SO L U C I O N
§a b ·
§ 1 3 1· ¨ ¸
Sea A ¨ ¸ y B ¨ c d ¸ , entonces:
©4 2 1 ¹ ¨e f ¸
© ¹

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


18 MATRICES

§a b ·
§ 1 3 1· ¨ ¸ § a  3c  e b  3d  f · § 1 0 ·
AB ¨ ¸¨ c d ¸ ¨ ¸ ¨ ¸.
© 4 2 1 ¹¨ e f ¸ © 4 a  2 c  e 4b  2d  f ¹ © 0 1 ¹
© ¹
Igualando las matrices, obtenemos el siguiente sistema de ecuaciones:
(1) ­ a  3c  e 1
­§ a b · ½
(2) °° 4 a  2c  e 0 (1)  (2) ­ 5 a  5c 1 °¨ ¸ 5 a  5c 1 °
® Ÿ ® Ÿ B ®¨ c d ¸ ¾.
(3) °b  3d  f 0 (3)  (4) ¯5b  5d 1 °¨ e f ¸ 5b  5d 1°
(4) °¯ 4b  2d  f 1 ¯© ¹ ¿
Como comprobación, podemos escoger la matriz B de la siguiente manera:
§ 3 3·
¨ 5  10 ¸
¨ ¸
§ 1 3 1· ¨ 2 1 ¸ §1 0·
AB ¨ ¸¨ ¨ ¸.
©4 2 1 ¹¨ 5 2 ¸ ©0 1¹
¸
¨8 6 ¸
¨ ¸
© 5 5 ¹
Con esto queda demostrado que existen matrices no cuadradas, tales que el producto
A B es la matriz I. A continuación, vamos a demostrar que el producto B A no es la
matriz I:
§ 3 3· § 3 6 9·
¨ 5  10 ¸ ¨ 5 5
 ¸
10
¨ ¸ ¨ ¸ §1 0 0·
¨ 2 1 ¸ § 1 3 1· ¨ 8 1 9 ¸ ¨ ¸
BA ¨ ¸ ¨ ¸ ¨  ¸ z ¨0 1 0¸ . ’
5 2 © 4 2 1 ¹ ¨ 5 5 10
¨ ¸ ¸ ¨© 0 0 1 ¸¹
¨8 6 ¸ ¨ 16  12 14 ¸
¨ ¸ ¨ ¸
© 5 5 ¹ © 5 5 5 ¹

E J E M P L O 1.1.26
Suponga que la tercera columna de B es la suma de las primeras dos columnas. ¿Qué
se puede decir sobre la tercera columna de A B? ¿Por qué?
SO L U C I O N
La tercera columna de A B es la suma de las primeras dos columnas de A B. He aquí
por qué. Denotemos las primeras tres columnas de B por b1, b2, b3. Si b3 = b1 + b2,
entonces la tercera columna de A B es A b3 = A b1 + A b2, por una propiedad de la
multiplicación de matrices. ’

EJ E M P L O 1.1.27
Un comerciante de radios, tiene 10 radios de tamaño I, 15 de tamaño II y 8 de
tamaño III. Los radios de tamaño I se venden a $60 cada uno los de tamaño II en $47
cada uno y los de tamaño III se venden a $40 cada uno. Calcular el precio de venta
de su existencia de radios.
SO L U C I O N
Construimos una matriz A en la cual constan la cantidad de radios de cada uno de los
tamaños y, una matriz B de precios por tamaño. Realizamos el producto de A B para
obtener el precio de venta de la existencia de radios
§ 60 ·
10 15 8 ¨¨ 47 ¸¸ $1625 . ’
¨ 40 ¸
© ¹

EJ E M P L O 1.1.28
Una empresa utiliza tres tipos de materias primas P1, P2 y P3 en la elaboración de tres
productos Q1, Q2 y Q3. El número de unidades de P1, P2 y P3 usados por cada unidad
de Q1 son 4, 3 y 2 respectivamente, por cada unidad de Q2 son 5, 3 y 4,

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


MATRICES 19

respectivamente, y por cada unidad de Q3 son 2, 5 y 3 respectivamente. Suponga que


la empresa produce 28 unidades de Q1, 18 unidades de Q2 y 39 unidades de Q3 a la
semana.
a.- ¿Cuál es el consumo semanal de materia prima?
b.- Si los costos por unidad para P1, P2 y P3 son 60, 52 y 18, respectivamente, ¿cuá-
les son los costos de las materias primas por unidad de Q1, Q2 y Q3?
c.- ¿Cuál es la cantidad total gastada en materias primas a la semana en la produc-
ción de Q1, Q2 y Q3?
SO L U C I O N
a.- Para obtener el consumo semanal de la materia prima, construimos la matriz A
de unidades por producto y una matriz B de cantidad de materia prima por producto
y luego realizamos el producto A B
§ 4 3 2·
¨ ¸
A B 28 18 39 ¨ 5 3 4 ¸ 280 333 245 .
¨ 2 5 3¸
© ¹
b.- Los costos de materia prima por unidad de cada producto lo calculamos de la
siguiente manera: a la matriz B del inciso anterior le multiplicamos la matriz C de
costos por unidad para cada tipo de materia prima, es decir
§ 4 3 2 ·§ 60 · § 432 ·
¨ ¸¨ ¸ ¨ ¸
B C ¨ 5 3 4 ¸¨ 52 ¸ ¨ 528 ¸ .
¨ 2 5 3 ¸¨ 18 ¸ ¨ 434 ¸
© ¹© ¹ © ¹
c.- Si sumamos los tres tipos de materia prima, obtenemos la cantidad total gastada
a la semana en la producción de los tres productos
P1 + P2 + P3 = 280 + 333 + 245 = 858. ’

EJ E M P L O 1.1.29
Demostrar que la igualdad A B ± B A = I es imposible.
SO L U C I O N
Sea
§ a11 a12 ... a1n · § b11 b12 ... b1n ·
¨ ¸ ¨ ¸
a a ... a b21 b22 ... b2 n ¸
A ¨
2n ¸
, B ¨
21 22
,
¨ ... ... ... ¸ ¨ ... ... ... ¸
¨¨ ¸¸ ¨¨ ¸¸
© an1 an 2 ... an n ¹ © bn1 bn 2 ... bn n ¹
§ n n n ·
¨ ¦ a1k bk 1 ¦ a1k bk 2 ... ¦ a1k bkn ¸
¨k 1 k 1 k 1 ¸
¨ n n n ¸
¨ ¦ a2 k bk 1 ¦ a2 k bk 2 ... ¦ a2 k bkn ¸
AB ¨k 1 k 1 k 1 ¸,
¨ ¸
¨ ... ... ... ¸
¨ n n n ¸
¨ ¦ ank bk 1 ¦ ank bk 2 ... ¦ ank bkn ¸
¨ ¸
©k 1 k 1 k 1 ¹
§ n n n ·
¨ ¦ b1k a k 1 ¦ b1k a k 2 ... ¦ b1k a kn ¸
¨k 1 k 1 k 1 ¸
¨ n n n ¸
¨ ¦ b2 k a k 1 ¦ b2 k a k 2 ... ¦ b2 k a kn ¸
BA ¨k 1 k 1 k 1 ¸.
¨ ¸
¨ ... ... ... ¸
¨ n n n ¸
¨ ¦ bnk a k 1 ¦ bnk a k 2 ... ¦ bnk a kn ¸
¨ ¸
©k 1 k 1 k 1 ¹
Entonces la suma de los elementos diagonales de la matriz A B es igual a

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


20 MATRICES

n n
¦¦ aik bki , que es exactamente igual a la suma de los elementos diagonales para la
i 1k 1
matriz B A. Por consiguiente, la suma de los elementos diagonales de la matriz
A B ± B A es igual a cero, y la igualdad A B ± B A = I es imposible. ’

T E O R E M A 1.1.7
Sean A = (a ij), B = (bij) y C = (c ij), matrices compatibles para el producto,
entonces (A B)C = A(B C).
D E M OST R A C I O N
Sean A, B, C matrices compatibles para el producto y D = B C, entonces para todo i,
j natural
§ m ·
(d ij ) ¨ ¦ bik ckj ¸ .
©k 1 ¹
Sea E = A D, entonces para todo i, j natural
§ m · §m § m ·· § m m ·
(eij ) ¨ ¦ air d rj ¸ ¨ ¦ air ¨ ¦ brk ckj ¸ ¸ ¨ ¦¦ air brk ckj ¸ .
¨ ¸
©r 1 ¹ ©r 1 ©k 1 ¹¹ © r 1 k 1 ¹
Por otra parte, sea F = A B, entonces para todo i, j natural
§ m ·
( f ij ) ¨ ¦ aik bkj ¸ .
©k 1 ¹
Sea G = F C, entonces para todo i, j natural
§m · §m§m · · § m m ·
( g ij ) ¨ ¦ f ir crj ¸ ¨ ¦ ¨ ¦ aik bkr ¸ c rj ¸ ¨ ¦¦ aik bkr c rj ¸ .
¨ ¸
©r 1 ¹ © r 1© k 1 ¹ ¹ © r 1k 1 ¹
Obtenemos E = G y, por tanto (A B)C = A(B C).

De este teorema se deduce que el producto de varias matrices dispuestas en un orden


determinado no depende de cómo se coloquen los paréntesis. Por esto podemos
hablar no sólo sobre el producto de dos matrices, sino también sobre el producto de
un número mayor de matrices.

T E O R E M A 1.1.8
Sean A = (a ij), B = (bij) y C = (c ij), matrices compatibles para el producto y
suma respectivamente, entonces
A(B + C) = A B + A C.
D E M OST R A C I O N
Sea D = B + C, entonces (dij) = (bij + c ij). Si E = A D, entonces
§ m ·
(eij ) ¨ ¦ ai k d k j ¸
©k 1 ¹
§ m ·
¨ ¦ ( ai k bk j  ai k ck j ) ¸
©r 1 ¹
§ m · § m ·
¨ ¦ ai k bk j ¸  ¨ ¦ ai k ck j ¸
©r 1 ¹ ©r 1 ¹
= AB + A C .

T E O R E M A 1.1.9
Sean A = ( a ij), B = (bij) y C = (c ij), matrices compatibles para la suma y el
producto respectivamente, entonces
(B + C)A = B A + C A.
D E M OST R A C I O N
Sea D = B + C, entonces (dij) = (bij + c ij). Si E = D A, entonces

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


MATRICES 21

§m · §m · § m · § m ·
(eij ) ¨ ¦ dik akj ¸ ¨ ¦ (bik  cik ) akj ¸ ¨ ¦ bik akj ¸  ¨ ¦ cik akj ¸ BA + CA .
©k 1 ¹ ©r 1 ¹ ©r 1 ¹ ©r 1 ¹

De las propiedades 1.1.8 y 1.1.9 se desprende directamente la siguiente regla general:


para multiplicar una suma de matrices por otra hay que multiplicar cada matriz de la
primera suma por cada matriz de la segunda suma y sumar los productos obtenidos.
Si las operaciones indicadas en uno de los miembros son posibles, las operaciones
indicadas en el otro miembro también son posibles y los resultados obtenidos en
ambos miembros coinciden.

T E O R E M A 1.1.10
Sean A = (a ij), I = (Gij) matrices cuadradas de igual orden. En las matrices
cuadradas es posible definir un elemento neutro respecto del producto
matricial, llamado matriz unidad o identidad, representado por I, que cumple
A I = I A = A.
D E M OST R A C I O N
Si D = A I, entonces
§ m ·
(d ij ) ¨ ¦ aik Gkj ¸ ( aij G jj ) ( aij )
©r 1 ¹
Si E = I A, entonces
§m ·
(eij ) ¨ ¦ Gik akj ¸ (Gii aij ) ( aij )
©r 1 ¹
Por tanto, D = E = A.

T E O R E M A 1.1.11
Sean A = (a ij), B = (bij) matrices compatibles para el producto. En general, el
producto de dos matrices no es conmutativo, y, por tanto A B z B A.
D E M OST R A C I O N
Si D = A B, entonces
§ m ·
(d ij ) ¨ ¦ aik bkj ¸
©r 1 ¹
Si E = B A, entonces
§ m ·
(eij ) ¨ ¦ bik a kj ¸
©r 1 ¹
Claramente observamos que D z E y, por tanto, en general el producto de matrices
no es conmutativo.

EJ E M P L O 1.1.30
Demuestre que A B z B A dadas las matrices
§ 8  4i 5i ·
§ 2  i 4  3i i· ¨ ¸
A ¨ ¸, B ¨ 6  2i ¸ .
© 7 6  9i 1  i ¹ ¨ 3  2i
© 4  5i ¸¹
SO L U C I O N
§ 8  4i 5i ·
§ 2  i 4  3i i ·¨ ¸ § 42  21i 6i  4 ·
AB ¨ ¸¨ 6  2i ¸ ¨ ¸;
© 7 6  9 i 1  i ¹ ¨ 3  2i 4  5i ¸ © 97  25i 27  24i ¹
© ¹
§ 8  4i 5i · § 20  35i 38i  1 9  8i ·
¨ ¸ § 2  i 4  3i i · ¨ ¸
BA ¨ 6 2i ¸ ¨ ¸ ¨ 12  8i 42  6i 6i  2 ¸ .
¨ 3  2i 4  5i ¸ © 7 6  9 i 1  i ¹ ¨ 32  42i 83i  19 7  4i ¸
© ¹ © ¹
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
22 MATRICES

Por tanto A B z B A. ’

EJ E M P L O 1.1.31
Dadas las matrices
§ S S· § S S·
¨ Sen 4 Cos 4 ¸ ¨ Tan 4  Sen 4 ¸
A ¨ ¸, B ¨ ¸.
¨  Cos S Sen S ¸ ¨ Sen S Tan S ¸
¨ ¸ ¨ ¸
© 4 4¹ © 4 4 ¹
Demuestre que A B = B A.
SO L U C I O N
Realizamos el producto A B:
§ S S ·§ S S·
¨ Sen 4 Cos 4 ¸¨ Tan 4  Sen 4 ¸
AB ¨ ¸¨ ¸
¨  Cos S Sen S ¸¨ Sen S Tan S ¸
¨ ¸¨ ¸
© 4 4 ¹© 4 4 ¹
§ 2 2 ·§ 2· § 2 1 2 1 ·
¨ ¸¨ 1  ¸ ¨ ¸
¨ 2 2 ¸¨ 2 ¸ ¨ 2 2 ¸.
¨ 2 2 ¸¨ 2 ¸ ¨1 2 2 1¸
¨ ¸¨ 1 ¸ ¨ ¸
© 2 2 ¹© 2 ¹ © 2 2 ¹
También efectuamos el producto B A:
§ S S ·§ S S·
¨ Tan 4  Sen 4 ¸¨ Sen 4 Cos ¸

BA ¨ ¸¨
¨ Sen S Tan S ¸¨  Cos S S¸
Sen ¸
¨ ¸¨
© 4 4 ¹© 4 4¹
§ 2 ·§ 2 2· § 2 1 2 1 ·
¨ 1  ¸¨ ¸ ¨ ¸
¨ 2 ¸¨ 2 2 ¸ ¨ 2 2 ¸
.
¨ 2 ¸¨ 2 2¸ ¨1 2 2 1 ¸
¨ 1 ¸¨  ¸ ¨ ¸
© 2 ¹© 2 2 ¹ © 2 2 ¹
Por tanto A B = B A. ’
 
%  CALCULAR  LA  MULTIPLICACION  DE  MATRICES  
clc;;clear;;  
fprintf('\n  PRODUCTO  ENTRE  MATRICES  \n')  
fil1=input('Ingrese  el  numero  de  filas  de  la  matriz  A  :    ');;  
col1=input('Ingrese  el  numero  de  columnas  de  la  matriz  A:    ');;  
fil2=input('Ingrese  el  numero  de  filas  de  la  matriz  B  :    ');;  
col2=input('Ingrese  el  numero  de  columnas  de  la  matriz  B:  ');;  
if  (col1==fil2)  
       %Ingreso  de  elementos  
       fprintf('Matriz  A:\n')  
               for  f=1:fil1  
                       for  c=1:col1    
                               fprintf('Ingrese  el  elemento  A:(%d,%d)',f,c)  
                               A(f,c)=input('  :');;  
                       end  
               end  
       fprintf('Matriz  B:\n')  
               for  f=1:fil2  
                       for  c=1:col2    
                               fprintf('Ingrese  el  elemento  B:(%d,%d)',f,c)  
                               B(f,c)=input('  :');;  
                       end  
               end  
       fprintf('  LA  MATRIZ  A  ES:\n')  

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


MATRICES 23

       A  
       fprintf('  LA  MATRIZ  B  ES:\n')  
       B  
       fprintf('  LA  MATRIZ  PRODUCTO  C  ES:\n')  
       C=A*B  
else  
       fprintf('\n  Las  dimensiones  no  coinciden\n')  
end  

A continuación damos de forma general, la multiplicación de hipermatrices.

Consideremos las matrices


§ A 11 A 12 A1p · § B11 B12 B1n ·
¨ ¸ ¨ ¸
¨ A 21 A 22 A2p ¸ ¨ B 21 B 22 B 2n ¸
A ¨ ¸ y B .
¨ ¸
¨ ¸ ¨¨ ¸
¨ A m1 A m 2 A mp ¸¹ © B p1 B p 2 B pn ¸¹
©
divididas en submatrices A ik y B kj de manera que el número de columnas de la
submatriz A ik sea igual al número de filas de la submatriz B kj. En estas condiciones
las expresiones C ij = A i1 B 1j + A i2 B 2j + ... + A ip B pj tienen sentido. Por tanto
§ ¦ A 1k B k 1 ¦ A 1k B k 2 ¦ A 1k B km ·¸
¨ k k k
¨ ¸
¨ ¦ A 2 k B k1 ¦ A 2 k B k 2 ¦ A 2 k B km ¸
A B ¨ k k k ¸
¨ ¸
¨ ¸
¨ ¦ A nk B k 1 ¦ A nk B k 2 ¦ A nk B km ¸
© k k k ¹
es decir, las matrices divididas de manera adecuada en submatrices pueden ser
multiplicadas de la forma corriente.

D E F IN I C I O N 1.1.11
Si A y B son dos hipermatrices cuyas submatrices son (A ik), (B kj), para todo
i, j, k  , respectivamente, la hipermatriz producto C = A B se define
como
§ ·
C (cij ) ¨ ¦ A ik B kj ¸ , para todo i, j, k  .
© k ¹

EJ E M P L O 1.1.32
Determine A B, dadas las matrices
§4 3 5 2 1· §0 3 9 1·
¨ ¸ ¨ ¸
¨0 4 6 3 8¸ ¨1 3 6 3¸
A ¨1 2 3 6 2¸ y B ¨2 4 6 8¸ .
¨ ¸ ¨ ¸
¨1 2 5 6 7¸ ¨1 4 6 3¸
¨1 0 3 5 1 ¸¹ ¨2 4 8 5 ¸¹
© ©
SO L U C I O N
El producto A B se establece de la siguiente manera:
§ A 11B11 + A 1 2 B1 2 A 11B1 2 + A 1 2 B 2 2 · § C11 C12 ·
AB = ¨ ¸=
¨ A 21B11 + A 2 2 B 21 A 21B1 2 + A 2 2 B 2 2 ¸ ¨© C 21 C 22 ¸¹
© ¹
§ 2 4 6·
§ 4 3 ·§ 0 3 9 · § 5 2 1 · ¨ ¸
C11 ¨ ¸¨ ¸¨ ¸¨1 4 6¸
© 0 4 ¹© 1 3 6 ¹ © 6 3 8 ¹ ¨ 2 4 8 ¸
© ¹

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


24 MATRICES

§ 3 21 54 · §14 32 50 · § 17 53 104 ·
¨ ¸¨ ¸ ¨ ¸.
© 4 12 24 ¹ © 31 68 118 ¹ © 35 80 142 ¹
§8·
§ 4 3 ·§ 1 · § 5 2 1 · ¨ ¸ § 13 · § 51 · § 64 ·
C12 ¨ ¸¨ ¸ ¨ ¸ ¨ 3¸ ¨ ¸  ¨ ¸ ¨ ¸.
© 0 4 ¹© 3 ¹ © 6 3 8 ¹ ¨ 5 ¸ ©12 ¹ © 97 ¹ © 109 ¹
© ¹
§1 2· §3 6 2 ·§ 2 4 6·
¨ ¸§0 3 9· ¨ ¸¨ ¸
C 21 ¨1 2¸¨ 
¸ 5 6 7 ¸¨ 1 4 6¸
¨1 ¸ © 1 3 6 ¹ ¨¨
© 0¹ ©3 5 1 ¸¨¹© 2 4 8 ¸¹
§2 9 21· § 16 44 70 · § 18 53 91 ·
¨ ¸ ¨ ¸ ¨ ¸
¨2 9 21¸  ¨ 30 72 122 ¸ ¨ 32 81 143 ¸ .
¨0 3 9 ¸¹ ¨© 13 36 56 ¸¹ ¨© 13 39 65 ¸¹
©
§1 2 · § 3 6 2 ·§ 8 · § 7 · § 52 · § 59 ·
¨ ¸ §1· ¨ ¸¨ ¸ ¨ ¸ ¨ ¸ ¨ ¸
C 22 ¨1 2 ¸ ¨ 3 ¸  ¨ 5 6 7 ¸¨ 3 ¸ ¨ 7 ¸  ¨ 93 ¸ ¨ 100 ¸ .
¨1 0 ¸ © ¹ ¨ 3 5 1 ¸¨ 5 ¸ ¨ 1 ¸ ¨ 44 ¸ ¨ 45 ¸
© ¹ © ¹© ¹ © ¹ © ¹ © ¹
§ 17 53 104 64 ·
¨ ¸
¨ 35 80 142 109 ¸
A B = ¨ 18 53 91 59 ¸ . ’
¨ ¸
¨ 32 81 143 100 ¸
¨ 13 39 65 45 ¸¹
©

EJ E M P L O 1.1.33
Dada
§O I ·
A =¨ ¸
©B O¹
donde las submatrices O, I, B son de k x k. Determine A 2 y A 4.
SO L U C I O N
Realizamos el producto A A y luego A 2 A 2 y obtenemos los resultados
correspondientes:
§ O I ·§ O I · § O + I B OI + IO · § B O·
A2 = AA = ¨ ¸¨ ¸=¨ ¸=¨ ¸;
© B O ¹© B O ¹ © B O + O B BI + O ¹ © O B¹
§B O ·§ B O · § B2 + O B O + O B · § B2 O·
A4 = A2A2 = ¨ ¸¨ ¸=¨ ¸=¨ ¸. ’
©O B ¹© O B ¹ ¨© O B + B O O + B 2 ¸¹ ¨© O B 2 ¸¹

Las propiedades entre hipermatrices son las mismas que estudiamos anteriormente.

PR O B L E M AS

1.1.1 Multiplicar las matrices: 1.1.2 Pruebe que si A es una matriz de n x n y B = a A +


§ 1 2 1 ·§ 2 3 1 ·§ 1 2 1 · b I, siendo a, b números reales, entonces A y B son
¨ ¸¨ ¸¨ ¸ conmutativas.
a.- ¨ 0 1 2 ¸¨ 1 1 0 ¸¨ 0 1 2 ¸ ;
¨ 3 1 1 ¸¨ 1 2 1¸¨ 3 1 1 ¸
© ¹© ¹© ¹ 1.1.3 Hallar todas las matrices de segundo orden, cuyos
§ a b c · §1 a c · cubos son iguales a la matriz nula.
¨ ¸¨ ¸
b.- ¨ c b a ¸ ¨1 b b ¸ .
¨ 1 1 1 ¸ ¨1 c a ¸ 1.1.4 Pruebe que las matrices A y B son conmutativas, si
© ¹© ¹ y solamente si C = a A + b B y D = c A + d B lo son,
donde a, b, c, d son números reales.
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
MATRICES 25

1.1.5 Dadas las matrices 1.1.14 Demuestre que si A es una matriz de m x n, n >
§1· §1· §1· §0· m, entonces existe un vector columna no nulo para el cual
¨ ¸ ¨ ¸ ¨ ¸ ¨ ¸ A v = O.
A ¨ 2¸ , B ¨ 0¸ , C ¨ 4¸ , D ¨0¸ .
¨ 3¸ ¨ 2¸ ¨ 4¸ ¨1¸
© ¹ © ¹ © ¹ © ¹ 1.1.15 Encuentre una matriz B tal que A B C = D dado
a.- Encuentre escalares a y b tales que C = a A + b B; que
b.- Demuestre que no existen escalares a y b tales que D § 3 7· §9 3 5·
= a A + b B; ¨ ¸ § 2 5 4· ¨ ¸
c.- Encuentre escalares no nulos a, b, c tales que a A + b B
A ¨ 2 1 ¸ , C ¨ ¸ , D ¨7 2 4¸ .
¨ 5 3¸ © 9 6 2¹ ¨7 5 0¸
+ c C = O. © ¹ © ¹

1.1.6 Hallar todas las matrices se segundo orden, cuyos 1.1.16 Demuestre que si A es una matriz de n x n tal que
cuadrados son iguales a la matriz nula. A v = v para cualquier vector columna, entonces A = I.

1.1.7 Hallar todas las matrices conmutativas con la 1.1.17 Hallar todas las matrices de segundo orden, cuyos
siguiente matriz: cuadrados son iguales a la matriz identidad.
§ 1 2 · § 1 2 · § 1 1·
a.- ¨ ¸; b.- ¨ ¸; c.- ¨ ¸; 1.1.18 Hallar todas las matrices reales de segundo orden,
©4 1 ¹ © 2 1 ¹ © 1 1¹ cuyos cubos son iguales a la matriz identidad.
§2 1· §3 4· § 2 3 ·
d.- ¨ ¸; e.- ¨ ¸; f.- ¨ ¸;
© 1 1¹ ©5 1¹ ©2 4 ¹ 1.1.19 Hallar todas las matrices reales de segundo orden,
cuyas cuartas potencias son iguales a la matriz identidad.
§ 1 4· § 3 8· § 1 4 ·
g.- ¨ ¸; h.- ¨ ¸; i.- ¨ ¸.
©3 2¹ © 3 1¹ © 2 8¹ 1.1.20 Hállese la familia de matrices de la forma
§ a 0 0·
1.1.8 Hallar todas las matrices conmutativas con la ¨ ¸
A ¨0 b c¸
siguiente matriz: ¨0 d e¸
§ 1 1 1· § 0 1 4 · © ¹
2
¨ ¸ ¨ ¸ tales que A = I.
a.- ¨ 1 1 1 ¸ ; b.- ¨ 3 2 1 ¸ ;
¨ 1 1 1¸ ¨ 1 1 3 ¸
© ¹ © ¹ 1.1.21 Encontrar una matriz A de 4 x 4 cuyos elementos
§ 5 1 3· § 4 5 1· cumplan la condición siguiente:
¨ ¸ ¨ ¸ a.- aij = i ± j; b.- aij = mín{i, j};
c.- ¨ 2 1 1 ¸ ; d.- ¨ 1 3 0 ¸ ;
¨ 1 1 3 ¸ ¨ 2 0 1¸ c.- a ij = j1+ j; d.- a ij = ~i - j~;
© ¹ © ¹ ­ 1 si i  j ! 1
°
§ 1 3 0 · § 1 1 7 · e.- a ij = máx{i, j}; f.- aij ® .
¨ ¸ ¨ ¸ °̄1 si i  j d 1
e.- ¨ 2 1 3 ¸ ; f.- ¨ 2 3 1 ¸ .
¨ 5 2 1¸ ¨1 4 1¸
© ¹ © ¹ 1.1.22 Pruebe con un ejemplo que si B tiene una columna
de ceros, entonces A B tiene una columna correspondiente
1.1.9 Encuentre matrices A y B de 2 x 2 tales que A B = de ceros.
O pero B A z O.
1.1.23 Encuentre una matriz A tal que:
1.1.10 Hallar todas las matrices de tercer orden, cuyos §1 2 4 · § 1 2 1·
cuadrados son iguales a la matriz nula. ¨ ¸ ¨ ¸
a.- A 3 ¨ 0 3 1¸ ; b.- A 2 ¨ 3 0 2 ¸ ;
¨0 0 3 ¸ ¨ 0 5 1¸
1.1.11 Hallar todas las matrices de tercer orden, cuyos © ¹ © ¹
cuadrados son iguales a la matriz identidad. § 2 0 0· § 1 2 1·
¨ ¸ ¨ ¸
c.- A 3 ¨ 1 3 2 ¸ ; d.- A 2 ¨ 1 0 2 ¸ .
1.1.12 Suponga que la última columna de A B es ¨ 1 1 1 ¸ ¨ 1 2 1 ¸
completamente cero pero B misma no tiene ninguna © ¹ © ¹
columna de ceros. ¿Qué se puede decir sobre las columnas
de A? 1.1.24 Sean A y B matrices tales que el producto A B
está definido. Demuestre que si A tiene dos columnas
1.1.13 Demuestre que si el producto A B es de n x n, idénticas, entonces las dos columnas correspondientes de
entonces el producto B A está definido. A B también son idénticas.

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


26 MATRICES

1.1.25 Represente como un producto de matrices las 1.1.32 Encuentre todas las matrices de 4 x 4 que
siguientes expresiones: conmuten con la matriz
a.- x2 + 5y2 ± 4z2 + 2xy ± 4xz; §1 1 0 0·
b.- 4x2 + y2 + z2 ± 4xy + 4xz ± 3yz; ¨ ¸
1 1 1 0¸
c.- 2x2 + 18y2 + 8z2 ± 12xy + 8xz ± 27yz; A ¨ .
d.- -12x2 ± 3y2 ± 12z2 + 12xy ± 24xz + 8yz; ¨0 1 1 1¸
¨ ¸
e.- 3x2 + 2y2 ± z2 ± 2u2 + 2xy ± 4yz + 2yu; ©0 0 1 1¹
f.- 4x2 + y2 + 9z2 ± 12xz;
g.- 2x2 + 3y2 + 6z2 ± 4xy ± 4xz + 8yz; 1.1.33 La matriz
h.- 3x2 + 10y2 + 25z2 ± 12xy ± 18xz + 40yz; PARA A PARA B PARA C
i.- 5x2 + 5y2 + 2z2 + 8xy + 6xz + 6yz;
j.- 2x2 + 9y2 + 3z2 + 8xy ± 4xz ± 10yz. DE A 1.50 1.25 1.05
DE B 0.75 0.50 0.45
1.1.26 Encuentre una matriz A de orden 2 x 2, tal que DE C 0.35 0.45 0.95
A B = I si
representa la proporción de una población de electores
§i 3 · que cambia del partido i al partido j en una elección dada.
B ¨ ¸.
©1 1  3i ¹ Es decir, pij (i z j) representa la proporción de la población
de electores que cambia del partido i al partido j y pii
1.1.27 Comprobar que las identidades algebraicas representa la proporción que permanece leal al partido i
(A + B)2 = A 2 + 2A B + B 2 de una elección a otra. Encuentre el producto de P con sí
y misma. ¿Qué representa este producto?
(A + B)(A ± B) = A 2 ± B 2
no son ciertas para las matrices de 2 x 2: 1.1.34 Pruebe con un ejemplo que si A tiene una fila de
§ 1 3 · § 0 1 ·
ceros, entonces A B tiene una fila correspondiente de
A ¨ ¸ y B ¨ ¸ ceros.
© 4 5¹ © 2 3 ¹
Modificar el segundo miembro de esas identidades para 1.1.35 Suponga que se quiere calcular la cantidad de
obtener fórmulas válidas para todas las matrices cuadradas dinero que se tiene al cabo de n años si invertimos $ 250 a
A y B. ¿Para qué matrices A y B son válidas las un interés compuesto anual del, 4.5, 5, 5.5 %. Si
identidades establecidas anteriormente? colocamos P dólares durante un año a un interés r,
entonces el valor que se tiene al final del año es Capital
1.1.28 Sean A y B matrices de n x n. Demuestre que si final = P + rP = (1 + r)P. Encuentre el monto al final del
todos los elementos de la j-ésima columna de A son nulos tercero y cuarto años de una inversión de $ 250 al interés
entonces todos los elementos de la j-ésima columna de A B de 4.5, 5 y 5.5 %, respectivamente.
son nulos.
1.1.36 El costo en dólares de comprar un boleto aéreo de
1.1.29 Hállese la familia de matrices de la forma la ciudad A a cada una de las cuatro ciudades B, C, D y E,
§ a 0 0· está relacionado en la matriz P = (75 62 35 55). Si la
¨ ¸ directiva de la aviación civil aprueba un incremento del
A ¨0 b c¸
¨0 d e¸ 12% en las tarifas. Hallar las nuevas tarifas.
© ¹
2
tales que A = O. 1.1.37 Suponga que una matriz de n x n satisface la
ecuación A 2 ± 2A + I = O. Demuestre que A 3 = 3A - 2I y
1.1.30 Construya una matriz aleatoria A de 4 x 4 y que A 4 = 4A ± 3I.
compruebe si (A + I)(A ± I) = A 2 ± I. La mejor manera de
hacer esto es calcular (A + I)(A ± I) ± (A 2 ± I) y verificar 1.1.38 Demuestre que si ambos productos A B y B A están
que esta diferencia sea la matriz cero. Hágalo para tres definidos, entonces A B y B A son matrices cuadradas.
matrices al azar. Luego haga la prueba para (A + B)(A ±
B) = A 2 ± B 2 procediendo de la misma manera con tres 1.1.39 Tres máquinas de gaseosas se localizan en un
pares de matrices de 4 x 4 al azar. Informe los resultados. centro comercial. El contenido de estas máquinas se pre-
senta en la siguiente matriz de inventario:
§0 0· A B C
1.1.31 Sea A ¨ ¸ . Demuestre que para toda ma-
©0 1¹ Maquina I 65 32 84
triz B de 2 x 2 Maquina II 92 65 36
(A B ± A B A)2 = (B A ± A B A)2 = O. Maquina III 45 72 93
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
MATRICES 27

Los elementos indican el número de latas de cada tipo de c.- ¿Cuál es la cantidad total gastada en materias primas a
gaseosa que contiene cada máquina. Suponga que la matriz la semana en la producción de Q1, Q2 y Q3?
de ventas para el día siguiente es
A B C 1.1.44 Sean las matrices
Maquina I 53 25 70 § 2 2· § 1 1· §1·
A ¨ ¸, B ¨ ¸, C ¨ ¸,
Maquina II 80 60 30 © 3 2¹ © 0 1¹ ©0¹
Maquina III 35 65 85 § 3·
D 2 1 , E ¨ ¸ .
donde los elementos indican el número de latas de cada ©1¹
tipo de gaseosa que vende cada máquina. Hallar la matriz Encuéntrese cada uno de los productos que se piden, y
de inventario al final del día. compruébese el resultado mediante la multiplicación
directa:
1.1.40 Un comerciante de radios, tiene 10 radios de
§ A O ·§ B O · § A B ·§ A O ·
tamaño I, 15 de tamaño II y 8 de tamaño III. Los radios a.- ¨ ¸¨ ¸ ; b.- ¨ ¸¨ ¸;
de tamaño I se venden a $60 cada uno los de tamaño II © O B ¹© O I ¹ © B A ¹© I B ¹
en $47 cada uno y los de tamaño III se venden a $40 §A O O ·§ I ·
cada uno. Calcular el precio de venta de su existencia de §A C ·§ E I· ¨ ¸¨ ¸
c.- ¨ ¸¨ ¸; d.- ¨ O B O ¸¨ O ¸ .
radios. ©D O ¹© O D¹ ¨O
© O O ¸¹ ¨© B ¸¹
1.1.41 Un fabricante de sacos los produce en color ne-
gro, azul y rojo para hombres, mujeres y niños. La capa- 1.1.45 Utilizando el programa hecho anteriormente,
cidad de producción en miles en la planta A está dada realice el producto por partición entre las matrices
por la matriz § 1 1 2 3 4 5·
Hombres Mujeres Niños ¨ ¸
¨6 2 3 0 1 3¸
Negro 3 5 6 A ¨ i 1 i 2 9 0 1¸
Azul 2 3 4 ¨ ¸
¨6 4 5 i 2 7¸
Rojo 5 1 3 ¨ 4 81 56 92 102 15 ¸
© ¹
La producción en la planta B está dada por y
Hombres Mujeres Niños § i 93 67 34 0 0.5 ·
Negro 2 3 3 ¨ ¸
¨ 1 i 4 8 3 0 ¸
Azul 4 2 5 ¨ 8 56 71 23 41 3 ¸
Rojo 1 3 2 B ¨ ¸.
¨ 1 1 6 2 9 0 ¸
a.- Determine la representación matricial de la producción ¨0 2 1 3 4 5 ¸
total de cada tipo de sacos en ambas plantas. ¨¨ ¸
b.- Si la producción en A se incrementa en un 15% y la ©6 9 6 2 1 3 ¸¹
de B en un 30%, encuentre la matriz que representa la
nueva producción total de cada tipo de saco. 1.1.46 Una fábrica elabora muebles de comedor y sala en
dos sitios. La matriz proporciona el costo total de
1.1.42 Sean A y B dos matrices de 3 x 3. Demuestre que manufactura de cada producto en cada lugar (suponga que
la ecuación matricial A B ± B A = I no tiene solución. solamente hay costos de mano de obra y de material):
SITIO1 SITIO 2
1.1.43 Una empresa utiliza tres tipos de materias primas COMEDOR 65 45
P1, P2 y P3 en la elaboración de tres productos Q1, Q2 y Q3.
SALA 50 60
El número de unidades de P1, P2 y P3 usados por cada
unidad de Q1 son 4, 3 y 2 respectivamente, por cada a.- Dado que la mano de obra corresponde a casi 2/5 del
unidad de Q2 son 5, 3 y 4, respectivamente, y por cada costo total, determine la matriz B que proporciona los
unidad de Q3 son 2, 5 y 3 respectivamente. Suponga que la costos de mano de obra para cada producto en cada sitio.
empresa produce 28 unidades de Q1, 18 unidades de Q2 y b.- Encuentre la matriz C que da los costos de material
39 unidades de Q3 a la semana: para cada producto en cada sitio.
a.- ¿Cuál es el consumo semanal de materia prima?
b.- Si los costos por unidad para P1, P2 y P3 son 60, 52 y 1.1.47 En un ecosistema, ciertas especies proveen de
18, respectivamente, ¿cuáles son los costos de las materias comida a otras. El elemento a ij de la matriz de consumo
primas por unidad de Q1, Q2 y Q3? es igual al número de unidades de la especie j consumi-
das diariamente por un individuo de la especie i.

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


28 MATRICES

Construya la matriz ( a ij) para el siguiente ecosistema c.- La especie 1 consume 2 unidades de la especie 3; la
simple que consiste de tres especies: especie 2 consume 1 unidad de la especie 1; la especie 3
a.- Cada especie consume en promedio 1 unidad de no consume de ninguna de las otras especies.
cada una de las otras especies.
b.- La especie 1 consume una unidad de la especie 2; la
especie 2 consume ½ unidad de cada una de las especies
1 y 3; la especie 3 consume 2 unidades de la especie 1.

1.1.48 Cierta empresa cuenta con cuatro fábricas, cada una de ellas produce dos
productos:
FABRICA 1 FABRICA 2 FABRICA 3 FABRICA 4
PRODUCTO1 125 105 95 80
PRODUCTO 2 55 60 75 60
Determine los niveles de producción que habría si ésta se incrementase en un 25 %.

1.1.49 Un agricultor cosecha dos veces al año, las cuales se distribuyen a cuatro
mercados:
MERCADO1 MERCADO 2 MERCADO 3 MERCADO 4
COSECHA 1 125 105 95 80
COSECHA 2 55 60 75 60
La ganancia en una unidad del producto i se representa en la matriz B 1.25 3.25 .
Encuentre el producto B A y explique qué representa cada elemento de este producto.

1.1.50 La siguiente tabla, que puede ser vista como una matriz, da el costo en centavos de
un kilo de cada uno de los productos en tres supermercados:
CARNE PESCADO POLLO PAPAS ARROZ
SUPERMERCADO 1 80 35 65 25 25
SUPERMERCADO 2 85 40 70 30 30
SUPERMERCADO 3 75 45 65 35 35
Si se compran 4 kilos de carne, 4 kilos de pescado, 3 kilos de pollo, 10 kilos de papas, 10
kilos de arroz, encuentre el costo total en cada uno de los supermercados.

1.1.51 Una compañía tiene plantas en cuatro provincias, I, II, III y IV, y cuatro bodegas
en los lugares P, Q, R y S. El costo en miles de dólares de transportar cada unidad de su
producto de una planta a una bodega está dado por la matriz
Prov. I Prov. II Prov. III Prov. IV
Bodega P 13 12 17 12
Bodega Q 19 17 13 15
Bodega R 8 9 11 13
Bodega S 19 21 9 15
a.- Si los costos de transportación se incrementan uniformemente en $500 por unidad,
¿cuál es la nueva matriz?
b.- Si los costos de transportación se elevan en un 25%, escriba los nuevos costos.

1.1.52 Una empresa produce tres tamaños de radios en tres modelos diferentes. La
producción en miles en su planta A está dada por la matriz
Tamaño 1 Tamaño 2 Tamaño 3
Modelo 1 20 32 25
Modelo 2 15 15 29
Modelo 3 12 27 30

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


MATRICES 29

La producción en miles en su planta B está dada por la matriz


Tamaño 1 Tamaño 2 Tamaño 3
Modelo 1 35 42 19
Modelo 2 25 35 25
Modelo 3 12 18 21
a.- Escriba una matriz que represente la producción total de radios en ambas plantas.
b.- El dueño de la empresa planea abrir una tercera planta en C, la cual tendrá una vez y
cuarto la capacidad de la planta en A. Escriba la matriz que representa la producción en la
planta C.
c.- ¿Cuál sería la producción total de las tres plantas?

1.1.53 La siguiente tabla da el costo en centavos de un kilo de mariscos en tres diferentes


supermercados:
CAMARON CONCHA CALAMAR
SUPERMERCADO 1 0.95 1.10 0.45
SUPERMERCADO 2 0.90 0.95 0.50
SUPERMERCADO 3 0.93 1.00 0.55
Si un comprador compra 3 kilos de camarón, 2 kilos de concha y 4 kilos de calamar,
encuentre el costo total en cada uno de los supermercados.

1.2 C L ASI F I C A C I O N D E L AS M A T RI C ES C U A DR A D AS

En esta sección clasificamos y definimos las diversas partes de una matriz cuadrada, se introduce términología
básica, enunciamos sus correspondientes propiedades.

Las matrices cuadradas, desempeñan un papel muy importante en todos los aspectos
del álgebra de matrices. Su estructura requiere un análisis particular, el cual se
discutirá a continuación, de modo que no resulte incomprensible el estudio de las
operaciones que pueden efectuarse sobre este particular tipo de matrices.

D E F IN I C I O N 1.2.1
Sea A una matriz cuadrada de n x n. Dentro de este tipo de matrices,
podemos distinguir tres regiones que se definen de la siguiente manera:
a.- La diagonal principal, está formada por los elementos a ij para los
cuales i = j.
b.- El triángulo superior, está formado por los elementos a ij para los cuales
i < j.
c.- El triángulo inferior, está formado por los elementos a ij para los cuales
i > j.

Es decir, la diagonal principal de una matriz cuadrada son todos los elementos
que se encuentran en la línea que va del vértice superior de la izquierda al inferior
de la derecha. La diagonal secundaria la forman los elementos de una matriz que
se encuentran en la línea que va del vértice superior derecho al inferior izquierdo.
De la definición anterior, podemos distinguir algunas matrices cuya estructura
permite una clasificación bien determinada.

D E F IN I C I O N 1.2.2
Se dice que una matriz T = (tij) de orden n, es triangular superior (inferior)
si existen elementos tij = 0, con i > j (i < j).

Este tipo de matrices se determinan, cuando los elementos situados debajo (encima)
de la diagonal principal son nulos. Es decir:
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
30 MATRICES

§ t11 t1 2 t1 n ·
¨ ¸
¨0 t2 2 t2 n ¸
T ¨ ¸ , ti j = 0 si i > j;
¨ ¸
¨0 0 t n n ¸¹
©
§ t11 0 0 ·
¨ ¸
¨ t2 1 t2 2 0 ¸
T ¨ ¸ , tij = 0 si i < j.
¨ ¸
¨ tn 1 tn 2 t n n ¸¹
©

T E O R E M A 1.2.1
La adición de dos matrices triangulares, ambas superiores o inferiores, es
una matriz triangular superior o inferior.
D E M OST R A C I O N
Sean A = (a ij), con a ij = 0, para todo i > j y B = (bij), con bij = 0, para todo i > j.
A + B = (a ij) + (bij) = (a ij + bij) = (cij),
con c ij = 0, para todo i > j.
Sean A = (a ij), con a ij = 0, para todo i < j y B = (bij), con bij = 0, para todo i < j.
A + B = (a ij) + (bij) = (a ij + bij) = (cij),
con c ij = 0, para todo i < j.

T E O R E M A 1.2.2
El producto de dos matrices triangulares, ambas superiores o inferiores, es
una matriz triangular superior o inferior.
D E M OST R A C I O N
Sean T = (tij) con tij = 0, para todo i > j y T´ = (t´ij) con t´ij = 0, para todo i > j, las
matrices triangulares superiores. C = T T´, poseerá el elemento general
n
cij = ti1t´1j + ti2t´2j «ti nt´n j = ¦ ti k t´k j
k 1
n
que en este caso se transforma en cij ¦ tik t´kj , ya que, de otra manera, algún
k t1, k d j
sumando se anulará. La suma, pues, sólo estará definida para aquellos valores del
índice k que cumplan i d k d j, luego, c ij z 0 si i d j y, c ij = 0 si i > j, por tanto, C es
triangular superior. De forma análoga se demuestra cuando son triangulares superior.

EJ E M P L O 1.2.1
Sea
§ a a  3b  c 2 a  b  c ·
¨ ¸
A ¨ a  b  c 1 b a bc ¸
¨ b  3c 2 a  2b  c c ¸
© ¹
Analice en qué condiciones es la matriz:
a.- Triangular superior; b.- Triangular inferior.
SO L U C I O N
a.- Para que la matriz A sea triangular superior, debe resolverse el siguiente sistema
de ecuaciones no homogéneo:
­ a  b  c 1 0
°
®b  3c 0
°2 a  2b  c 0
¯
5 2
lo cual implica que a  , b = - 2, c  . Por tanto la matriz buscada tiene la
3 3

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


MATRICES 31

forma siguiente:
§ 5 ·
¨  3 7 6 ¸
¨ ¸
A ¨ 0 2 3 ¸
¨ 2¸
¨ 0 0  ¸
© 3¹
b.- Para que la matriz A sea triangular inferior, debe resolverse el siguiente sistema
de ecuaciones homogéneo:
­ a  3b  c 0
°
®2 a  b  c 0
°a bc 0
¯
lo cual implica que a = b = c = 0. Por tanto la matriz buscada tiene la forma
siguiente:
§ 5 ·
¨ 3 0 0 ¸
¨ ¸
A ¨ 1 2 0 ¸ . ’
¨ 2¸
¨ 0 0  ¸
© 3¹

D E F INI C I O N 1.2.3
Se dice que una matriz T de n x n es estrictamente triangular, si es triangular
superior (inferior) y además posee la diagonal principal nula.

Este tipo de matrices se las puede visualizar a continuación:


§ 0 t12 t13 t1n ·
¨ ¸
¨ 0 0 t2 3 t2 n ¸
T ¨ ¸ , t i j = 0 si i t j;
¨ ¸
¨0 0 0 t n 1 n ¸
¨ ¸
©0 0 0 0 0 ¹
§ 0 0 0 0·
¨ ¸
¨ 21t 0 0 0¸
T ¨ ¸ , t = 0 si i d j.
¨ ¸ ij
¨ t n 11 tn 1 2 t n 13 0¸
¨¨ ¸
© tn 1 tn 2 t n 3 t n n 1 0 ¸¹

EJ E M P L O 1.2.2
Las llamadas matrices de giro de Pauli son
§0 1 · § 0 i · §1 0 ·
S( x ) ¨ ¸ , S( y ) ¨ ¸ , S( z ) ¨ ¸.
©1 0¹ ©i 0¹ © 0  1¹
Demuestre que S(x)S(y) = iS(z), S(y)S(x) = -iS(z), S2(x) = S2(y) = S2(z) = I.
SO L U C I O N
§ 0 1 ·§ 0 i · § i 0 · § 1 0 ·
S( x)S( y) ¨ ¸¨ ¸ ¨ ¸ i¨ ¸ i S( z ) ;
© 1 0 ¹© i 0 ¹ © 0 i ¹ © 0 1¹
§ 0 i ·§ 0 1 · § i 0 · §1 0 ·
S( y)S( x) ¨ ¸¨ ¸ ¨ ¸ i ¨ ¸ i S( z ) ;
© i 0 ¹© 1 0¹ © 0 i ¹ © 0 1¹
§ 0 1 ·§ 0 1 · § 1 0·
S 2 ( x) ¨ ¸¨ ¸ ¨ ¸ I;
© 1 0 ¹© 1 0 ¹ ©0 1¹

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


32 MATRICES

§ 0 i ·§ 0 i · § i 0 ·
2
§1 0·
S2 ( y) ¨ ¸¨ ¨
¸ ¨ ¸ ¨ ¸ I;
© i 0 ¹© i 0 ¹ © 0 i 2 ¸¹ ©0 1¹
§ 1 0 ·§ 1 0 · § 1 0 ·
S2 ( z ) ¨ ¸¨ ¸ ¨ ¸ I. ’
© 0 1¹© 0 1¹ © 0 1 ¹

EJ E M P L O 1.2.3
Las matrices M(s), N(t) y P(u) están definidas por
§s 0 ·
§1 0 · §1 u ·
M (s) ¨ ¸
1 ¸ , N (t ) ¨ ¸ , P (u ) ¨ ¸,
¨¨ 0 ¸ © t 1 ¹ © 0 1¹
© s¹
siendo s z 0. Demuestre que la condición necesaria y suficiente para que una matriz
§a b ·
A ¨ ¸,
©c d¹
pueda ponerse en la forma M(s)N(t)P(u) es a z 0 y ad ± bc = 1.
SO L U C I O N
Como A = M(s)N(t)P(u), entonces
§s 0· §s su ·
§a b · ¨ ¸ §1 0 ·§ 1 u · Ÿ § a b · ¨ ¸
¨ ¸ 1 ¸¨ ¸¨ ¸ ¨ ¸ t tu 1 ¸
©c d ¹ ¨¨ 0 ¸ © t 1 ¹© 0 1 ¹ ©c d ¹ ¨¨  ¸
© s¹ ©s s s¹
­a s
°
°b su Ÿ u b si a z 0
° a
°
® t
° c s Ÿ t ac
°
° d 1 (tu  1) Ÿ d 1 § ac b  1· Ÿ d 1 (cb  1) Ÿ ad  bc 1
°¯ s a ¨© a ¸¹ a
Por lo tanto, a z 0 y ad ± bc = 1. ’

D E F IN I C I O N 1.2.4
Se dice que una matriz cuadrada es diagonal si, los triángulos superior e
inferior son nulos.

Es decir:
§ d11 0 0 ·
¨ ¸
¨ 0 d2 2 0 ¸
D ¨ ¸ , di j = 0 si i < j e i > j.
¨ ¸
¨ 0 0 0 d ¸
© n n ¹
Debido a su estructura peculiar, las matrices diagonales también pueden denotarse
como Diag(a11, a22, ..., ann), en la cual debe existir algún elemento no nulo.

T E O R E M A 1.2.3
La adición de dos matrices diagonales es una matriz diagonal.
D E M OST R A C I O N
Sean A = Diag(a11, a22, ..., ann) y B = Diag(b11, b22, ..., bnn), entonces
A + B = Diag(a11, a22, ..., ann) + Diag(b11, b22, ..., bnn)
= Diag(a11 + b11, a22 + b22, ..., ann + bnn).
Lo cual indica que es una matriz diagonal.

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


MATRICES 33

T E O R E M A 1.2.4
El producto de dos matrices diagonales de igual orden es una matriz diagonal.
D E M OST R A C I O N
Sean A = Diag(a11, a22, ..., ann) y B = Diag(b11, b22, ..., bnn), se tiene entonces que
aij = Gijai = Gijaj y bij = Gijbi = Gijbj,
por tanto, la matriz producto C = AB tiene como elemento general
cij = ai1b1j + ai2b2j «ai kbkj
= Gi1G1jaibj + Gi 2G2jaibj «GikGkjaibj
= Gijaibj.

T E O R E M A 1.2.5
Una matriz diagonal conmuta con todas las matrices diagonales.
D E M OST R A C I O N
Sea A = Diag(a11, a22, ..., ann) y B = Diag(b11, b22, ..., bnn), matrices diagonales
conocidas, mediante el teorema anterior, tenemos que A B = Diag(a1b1, a2b2, ...,
anbn). Del mismo modo tenemos que B A = Diag(b1a1, b2a2, ..., bnan). Por tanto
A B = B A.

D E F INI C I O N 1.2.5
Se dice que una matriz T = (tij) de orden n, es tridiagonal si al menos un
elemento de la diagonal principal y la paralela situada por encima y por
debajo, es diferente de cero.

De forma general, una matriz de este tipo se expresa como


§ t11 t1 2 0 0 ·
¨ ¸
¨ t2 1 t2 2 t2 3 0 ¸
T ¨ 0 t t3 3 0 ¸¸ .
¨ 32
¨ ¸
¨ ¸
¨ 0 0 0 t n n ¸¹
©

D E F IN I C I O N 1.2.6
Se dice que una matriz T de orden n es banda si existen enteros p y q, 1 < p,
q < n, con la propiedad de que tij = 0 siempre que i + p d j o j + q d i. El
ancho de banda para una matriz de este tipo se expresa como r = p + q ± 1.

La definición de la matriz banda forzó a estas, a concentrar todos sus elementos no


nulos alrededor de la diagonal principal, es decir
§ t1,1 t1,2 t1,3 0 0 ·
¨ ¸
¨ t2 1 t2 2 t2 3 t2 4 0 ¸
¨t t t3 3 t3 4 0 ¸
T ¨ 31 3 2 ¸.
¨ 0 t4 2 t4 3 t4 4 0 ¸
¨ ¸
¨ ¸
¨ 0 0 0 0 t n n ¸¹
©
Las matrices tridiagonales son un caso particular de las matrices banda.

EJ E M P L O 1.2.4
Sean a y b números tales que a z b. Encuentre todas las matrices A de 2 x 2 tales que
§ a 0 · § a 0·
A¨ ¸ ¨ ¸A .
© 0 b¹ © 0 b¹

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


34 MATRICES

SO L U C I O N
§x y·
Haciendo que A ¨ ¸ , entonces:
©z u¹
§ x y ·§ a 0· § a 0 ·§ x y · § ax by · § ax ay ·
¨ ¸¨ ¸ ¨ ¸¨ ¸ Ÿ ¨ ¸ ¨ ¸
© z u ¹© 0 b¹ © 0 b ¹© z u ¹ © az bu ¹ © bz bu ¹
­ ax ax
°by ay Ÿ ( a  b) y 0 Ÿ y 0, si a z b
°
®
° az bz Ÿ ( a  b) z 0 Ÿ z 0, si a z b
°¯ bu bu
Por tanto
§ x 0·
A ¨ ¸. ’
©0 u¹

EJ E M P L O 1.2.5
Sea D una matriz diagonal de 3 x 3 con los elementos de la diagonal principal
distintos de cero. Encuentre una matriz diagonal E tal que D E = E D = I.
SO L U C I O N
§ a 0 0· § x 0 0·
¨ ¸ ¨ ¸
Sean D ¨ 0 b 0 ¸ y E ¨ 0 y 0 ¸ , entonces:
¨0 0 c¸ ¨0 0 z¸
© ¹ © ¹
­ 1
° ax 1 Ÿ x a , az0
§ a 0 0 ·§ x 0 0 · § 1 0 0 · °
¨ ¸¨ ¸ ¨ ¸ ° 1
¨ 0 b 0 ¸¨ 0 y 0 ¸ ¨ 0 1 0 ¸ Ÿ ®by 1 Ÿ y , bz0,
¨ 0 0 c ¸¨ 0 0 z ¸ ¨ 0 0 1 ¸ ° b
© ¹© ¹ © ¹ ° 1
° cz 1 Ÿ z c , cz0
¯
por otro lado tenemos:
­ 1
° xa 1 Ÿ x a , az0
§ x 0 0 ·§ a 0 0 · § 1 0 0 · °
¨ ¸¨ ¸ ¨ ¸ ° 1
¨ 0 y 0 ¸¨ 0 b 0 ¸ ¨ 0 1 0 ¸ Ÿ ® yb 1 Ÿ y , bz0.
¨ 0 0 z ¸¨ 0 0 c ¸ ¨ 0 0 1 ¸ ° b
© ¹© ¹ © ¹ ° 1
° zc 1 Ÿ z c , cz0
¯
Por lo tanto, la matriz buscada tiene la forma siguiente:
§1 ·
¨ a 0 0¸
¨ ¸
¨ 1
E ¨0 0 ¸¸ . ’
b
¨ ¸
¨ 0 0 1¸
¨
© c ¸¹

EJ E M P L O 1.2.6
Sean D una matriz diagonal y A una matriz arbitraria m x n:
a.- Si A D está definida. ¿Cuál es la relación entre A y A D?;
b.- Si D A está definida. ¿Cuál es la relación entre A y D A?
SO L U C I O N
a.- Como A es de m x n, entonces D debe ser de n x n, para que A D esté definida y
sea de m x n. Por lo tanto la relación entre las matrices A y A D es que tienen igual
orden, es decir son matrices rectangulares de m x n.
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
MATRICES 35

b.- Como A es de m x n, entonces D debe ser de m x m, para que D A esté


definida y sea de m x n. Por lo tanto la relación entre las matrices A y D A es que
tienen igual orden, es decir son matrices rectangulares de m x n. ’

Siguiendo con las hipermatrices, en el caso de matrices cuadradas resulta


necesario, como regla general, dividirlas de manera que las submatrices
diagonales también sean cuadradas. Es fácil ver que, divididas dos matrices
cuadradas en submatrices de manera que las submatrices diagonales sean
cuadradas y que los ordenes de las submatrices diagonales correspondientes
coincidan, esta división satisface tanto las condiciones en las que es posible la
adición submatriz por submatriz, como las condiciones que son necesarias para
poder multiplicarlas como hipermatrices.

Además para poder realizar la multiplicación de una hipermatriz por sí misma es


necesario y suficiente que todas sus submatrices diagonales sean cuadradas. Toda
hipermatriz de tipo
§ A 11 O « O ·
¨ ¸
¨ O A 22 « O ¸
A=
¨ ¸
¨¨ ¸
© O O « A pp ¸¹
donde A 11, A 22« A pp son submatrices cuadradas y O son submatrices nulas de
dimensiones adecuadas, se llama hipermatriz diagonal.

Una hipermatriz cuadrada se denomina hipermatriz triangular si todas sus


submatrices en la diagonal principal, es decir, A 11, A 22, ..., A pp son cuadradas y
todas las submatrices que se encuentran por un lado de la diagonal principal son
nulas. Además podemos decir que si A y B son dos hipermatrices triangulares con
los mismos órdenes de las correspondientes submatrices diagonales y los ceros
por un lado de la diagonal, su producto A B también será una hipermatriz
triangular con los mismos órdenes de las submatrices diagonales y los ceros por el
mismo lado de la diagonal.

PR O B L E M AS

1.2.1 Pruebe con un ejemplo que para multiplicar dos 1.2.5 Encontrar una matriz diagonal A de 3 x 3 que
hipermatrices cuadradas es suficiente que las cumpla lo siguiente:
submatrices diagonales sean cuadradas, con la §1 0 0 · §1 0 0·
particularidad de que los órdenes de las correspondientes 5 ¨ ¸ 3 ¨ ¸
a.- A ¨ 0 1 0 ¸ ; b.- A ¨ 0 10 0 ¸ ;
submatrices diagonales sean iguales entre sí. ¨ 0 0 10 ¸ ¨0 0 1¸
© ¹ © ¹
1.2.2 Demuestre que para multiplicar dos hipermatrices §10 0 0 · §7 0 0·
cuadradas es suficiente que las submatrices diagonales ¨ ¸ ¨ ¸
c.- A 4 ¨ 0 1 0 ¸ ; d.- A 25 ¨ 0 5 0 ¸ .
sean cuadradas, con la particularidad de que los órdenes de ¨ 0 0 1¸ ¨ 0 0 3¸
las correspondientes submatrices sean iguales entre sí. © ¹ © ¹

1.2.3 Una condición necesaria y suficiente para que la 1.2.6 Describa el producto A B si A es una matriz
matriz B de orden n conmute con una matriz diagonal A, diagonal de n x n y B es una matriz de n x n. Si en la
es que B sea una matriz diagonal. ¿Cómo tiene que ser la matriz diagonal A se tiene que a11 = a22 = ... = ann, ¿cómo
matriz diagonal A para que conmute con cualquier matriz cambian los resultados?
B del mismo orden que A?
1.2.7 Pruebe con un ejemplo que para realizar la
1.2.4 Sea D una matriz diagonal de 3 x 3 con los multiplicación por bloques de una hipermatriz por sí
elementos de la diagonal principal distintos de cero. misma es necesario y suficiente que todas sus submatrices
Encuentre una matriz diagonal E tal que D E = E D = I. diagonales sean cuadradas.
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
36 MATRICES

1.2.8 Demuestre que si A y B son dos matrices 1.2.9 Demuestre que si A y B son matrices diagonales de
hipertriangulares con los mismos órdenes de las n x n, entonces A B = B A.
correspondientes submatrices diagonales y los ceros por un
lado de la diagonal, su producto A B también será una
matriz hipertriangular con los mismos órdenes de las
submatrices diagonales y los ceros por el mismo lado de la
diagonal.

1.3 M A T RI Z T R A NSPU EST A

En esta sección se introduce la terminología básica y se define la matriz transpuesta, analizamos sus casos
particulares si la matriz es cuadrada, enunciamos sus correspondientes propiedades.

Sea A cualquier matriz. Considérese la matriz a partir de A intercambiando filas y


columnas, de manera que la primera columna de A se convierta en la nueva fila de
la nueva matriz, la segunda columna se convierta en la segunda fila, etc. La matriz
obtenida a partir de A intercambiando filas y columnas de este modo se denomina
transpuesta de la matriz A.

D E F I N I C I O N 1.3.1
Sea A = (a ij) una matriz de n x m. Mediante la transposición se obtiene una
nueva matriz de m x n, representada por A T = (aji) cuyos elementos se
obtienen intercambiando filas por columnas.

La transpuesta de una matriz es una aplicación de (n x m) en (m x n), determinada


mediante la regla de formación
f : (n x m) o (m x n)
A o AT
(aij) o (a ij)T = (aji), para todo i, j  .

Es decir, mediante la transposición se intercambian las filas de la matriz original por


sus columnas.

A continuación, damos algunas de las propiedades más importantes de la transpuesta


de una matriz.

T E O R E M A 1.3.1
Para toda matriz A = (a ij), se cumple que (A T)T = A.
D E M OST R A C I O N
Sea A = (a ij) una matriz cualquiera, entonces
(A T)T = ((a ij)T)T
= (a ji)T
= (a ij)
= A.

T E O R E M A 1.3.2
Para toda matriz A = (a ij) y para todo número k, se cumple que (k A)T = k A T.
D E M OST R A C I O N
Sea A = (a ij) una matriz cualquiera y sea k un número, entonces
(k A)T = (k(aij))T
= (ka ij)T
= (ka ji)
= k(a ji)
= k A T.

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


MATRICES 37

T E O R E M A 1.3.3
Para todo par de matrices A = (a ij) y B = (bij), se cumple que
(A + B)T = A T + B T.
D E M OST R A C I O N
Sean A= (a ij) y B = (bij) matrices de igual orden, entonces:
(A + B)T = (a ij + bij)T
= (c ij)T
= (c ji)
= (a ji + bji)
= (a ji) + (bji)
= A T + B T.

T E O R E M A 1.3.4
Para todo par de matrices A = (a ij) y B = (bij), compatibles para el producto,
se cumple
(A B)T = B T A T.
D E M OST R A C I O N
Sean A = (a ij) de n x k y B = (bij) de k x m. Entonces A B es de n x m y (A B)T es de m
x n. B T es de m x k y A T es de k x n, así que B T A T también es de m x n. Para probar
que (A B)T = B T A T, debemos ver que el elemento (i, j) de (A B)T es igual al elemento
(i, j) de B T A T. Escribimos A T = (a´ij) y B T = (b´ij). Notemos que a´ij = a ji y b´ij = bji. El
elemento (i, j) de B T A T es
k k k
¦ b´it a´tj ¦ bti a jt ¦ a jt bti
t 1 t 1 t 1
y la última suma es exactamente el elemento (j, i) de A B. Pero éste es el elemento
(i, j) de (A B)T. Así pues, los elementos (i, j) de B T A T y de (A B)T son lo mismo; por
lo tanto, B T A T = (A B)T.

EJ E M P L O 1.3.1
Si A conmuta con B, demuestre que A T conmuta con B T.
SO L U C I O N
Siendo A B = B A, debemos probar que A T B T = B T A T. Es decir:
A T B T = (B A)T = (A B)T = B T A T. ’

EJ E M P L O 1.3.2
Suponga que A es n x n y X es n x 1. Demuestre que X T A X es de 1 x 1. Si X = B Y,
demuestre que X T A X = Y T(B T A B)Y.
SO L U C I O N
Conocemos que A es de n x n y X es de n x 1. Entonces X T A X es (1 x n)(n x n)(n x
1) = 1 x 1. Como X = B Y entonces
X T A X = (B Y)T A(B Y) = (Y T B T)A(B Y) = Y T(B T A B)Y. ’

%  TRANSPUESTA  DE  UNA  MATRIZ  


clc;;clear;;  
fprintf('\n  TRANSPUESTA  DE  UNA  MATRIZ  \n')  
fil=input('Ingrese  el  numero  de  filas:  ');;  
col=input('Ingrese  el  numero  de  columnas:  ');;  
       %Ingreso  de  elementos  
               for  f=1:fil  
                       for  c=1:col    
                               fprintf('Ingrese  el  elemento  (%d,%d)',f,c)  
                               A(f,c)=input('  :');;  
                       end  
               end  
fprintf('  LA  MATRIZ  A  ES:\n')  
       A  
end  

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


38 MATRICES

       fprintf('  LA  MATRIZ  A  ES:\n')  


       B=A.'  
end  

D E F IN I C I O N 1.3.2
Una matriz cuadrada A se denomina simétrica, si se cumple que esta matriz
es igual a su transpuesta, es decir: A = A T.

Es claro que una matriz simétrica debe ser cuadrada; es simétrica con respecto a la
diagonal principal, es decir que, una reflexión en la diagonal principal deja a la
matriz sin cambio. Una matriz simétrica de n x n no tiene sus n2 elementos arbitrarios
puesto que a ij = a ji, ambos uno encima y otro debajo de la diagonal principal.

n2  n
El número de elementos de arriba de la diagonal principal es . Los elementos
2
de la diagonal son también arbitrarios. Entonces, el número total de elementos
n2  n n(n  1)
arbitrarios en una matriz simétrica de n x n es n .
2 2

EJ E M P L O 1.3.3
Dadas dos matrices simétricas A, B de orden n. ¿Cuándo es el producto A B
simétrico?
SO L U C I O N
Si A = A T y B = B T, entonces A B = (A B)T = B T A T = B A. Por lo tanto el producto A B
es simétrico, cuando es conmutativo, es decir A B = B A. ’

T E O R E M A 1.3.5
Para toda matriz cuadrada A, siempre es posible encontrar una matriz
simétrica S mediante A + A T.
D E M OST R A C I O N
Como A es una matriz cuadrada y S = A + A T, entonces debemos probar que ST = S.
Es decir
ST = (A + A T)T
= A T + (A T)T
= AT + A
= A + AT
= S.

EJ E M P L O 1.3.4
Si A y B son matrices reales arbitrarias de n x n y A es simétrica, entonces B T A B es
simétrica.
SO L U C I O N
Debemos probar que (B T A B)T = B T A B, conociendo que A = A T:
(B T A B)T = B T A T(B T)T = B T A T B = B T A B. ’

EJ E M P L O 1.3.5
Dadas las matrices n x n simétricas A y B, entonces A + B es simétrica.
SO L U C I O N
Si A = A T y B = B T, entonces debemos probar que (A + B)T = A + B:
(A + B)T = A T + B T = A + B. ’

EJ E M P L O 1.3.6
Si A y B son matrices reales arbitrarias de n x n, entonces A B T + B A T es simétrica.
SO L U C I O N
Debemos probar que (A B T + B A T)T = A B T + B A T. Es decir:

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


MATRICES 39
T T T T T T T
(A B + B A ) = (A B ) + (B A )
= (B T)T A T + (A T)T B T
= B A T + A BT
= A B T + B A T. ’

EJ E M P L O 1.3.7
Para cualquier matriz A muestre que los productos A A T y A T A están definidos y son
matrices simétricas.
SO L U C I O N
Si A es n x m, entonces A T es m x n. Por lo tanto A A T es n x n, A T A es m x m y los
productos están definidos. Además debemos probar que A A T = (A A T)T y A T A =
(A T A)T:
(A A T)T = (A T)T A T = A A T y (A T A)T = A T(A T)T = A T A. ’

EJ E M P L O 1.3.8
Dada la matriz
§ a a b a c ·
¨ ¸
A ¨a b b 2a  b ¸ .
¨bc b  c c ¸¹
©
Encuentre una matriz S simétrica.
SO L U C I O N
Sabemos que S es simétrica si se cumple que S = A + A T. Es decir:
§ a a b a c · § a a b b c·
T ¨ ¸ ¨ ¸
S= A+A ¨a b b 2a  b ¸  ¨ a  b b bc¸
¨b c b  c c ¸¹ ¨© a  c 2a  b c ¸¹
©
§ 2a 2a a  b  2c ·
¨ ¸
¨ 2a 2b 2 a  2b  c ¸ . ’
¨ a  b  2c 2 a  2b  c 2c ¸
© ¹

%  CALCULO  DE  UNA  MATRIZ  SIMETRICA  


clc;;clear;;  
fprintf('\n  MATRIZ  SIMETRICA  MEDIANTE:  A+At\n')  
filcol=input('Ingrese  el  numero  de  filas  y  columnas:  ');;  
       %Ingreso  de  elementos  
               for  f=1:filcol  
                       for  c=1:filcol    
                               fprintf('Ingrese  el  elemento  (%d,%d)',f,c)  
                               A(f,c)=input('  :');;  
                       end  
               end  
       fprintf('  LA  MATRIZ  A  ES:\n')  
       A  
end  
       fprintf('  LA  MATRIZ  TRANSPUESTA  B  ES:\n')  
       B=A.'  
end  
       fprintf('  LA  MATRIZ  SIMETRICA  S  ES:\n')  
       S=A+A.'  
end  
 
%  CALCULO  DE  UNA  MATRIZ  SIMETRICA  
clc;;clear;;  
fprintf('\n  MATRIZ  SIMETRICA  MEDIANTE:  S=A*At  y  Q=At*A  \n')  
fil=input('Ingrese  el  numero  de  filas:  ');;  
col=input('Ingrese  el  numero  de  columnas:  ');;  

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


40 MATRICES

       %Ingreso  de  elementos  


               for  f=1:fil  
                       for  c=1:col    
                               fprintf('Ingrese  el  elemento  (%d,%d)',f,c)  
                               A(f,c)=input('  :');;  
                       end  
               end  
       fprintf('  LA  MATRIZ  A  ES:\n')  
       A  
end  
       fprintf('  LA  MATRIZ  TRANSPUESTA  B  ES:\n')  
       B=A.'  
end  
       fprintf('  LA  MATRIZ  SIMETRICA  S  ES:\n')          
       S=A*A.'  
end  
       fprintf('  LA  MATRIZ  SIMETRICA  Q  ES:\n')  
       Q=A.'*A  
end  

D E F IN I C I O N 1.3.3
Una matriz cuadrada A se llama antisimétrica, si se cumple que esta matriz
es igual al opuesto de la transpuesta, es decir: A = -A T.

Una matriz antisimétrica es también una matriz cuadrada, y a ij = - a ji. Luego, los
elementos de la diagonal principal son cero, a ii = 0, y el número de elementos
n(n  1)
arbitrarios en una matriz antisimétrica de n x n es . Los elementos simétricos
2
respecto de la diagonal principal coinciden en una matriz simétrica y son opuestos en
una matriz antisimétrica.

EJ E M P L O 1.3.9
Sean A y B dos matrices antisimétricas de orden n. Demuestre que A B es
antisimétrica si y sólo si B A = -A B. ¿Cuándo es simétrico el producto de dos
matrices antisimétricas?
SO L U C I O N
Como A y B son dos matrices antisimétricas, entonces: A = -A T; B = -B T y B A = -
A B. Debemos probar que (A B)T = - (A B).
(A B)T = B T A T = (- B)(- A) = B A = - (A B).
Además, dado A = - A T; B = - B T y A B = - (A B)T. Debemos probar que A B = - B A.
A B = - (A B)T = - (B T A T) = - (- B)(- A) = - (B A).
Dado A = - A y B = - B T, debemos encontrar una condición para que (A B)T = A B.
T

(A B)T = B T A T = (- B)(- A) = B A.
Por lo tanto, para que el producto de dos matrices antisimétricas sea simétrico es
necesario que B A = A B. ’

T E O R E M A 1.3.6
Para toda matriz cuadrada A, siempre es posible encontrar una matriz
antisimétrica R mediante A - A T.
D E M OST R A C I O N
Como A es una matriz cuadrada y R = A - A T, entonces debemos probar que R T = R.
Es decir
R T = (A - A T)T
= A T - (A T)T
= AT ± A
= - (A - A T)
= R.

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


MATRICES 41

T E O R E M A 1.3.7
Una matriz cuadrada A puede expresarse como la adición de una matriz
simétrica S y una matriz antisimétrica B.
D E M OST R A C I O N
Sea S = ½ (A + A T) y B = ½ (A - A T), sumando las matrices S y B, obtenemos:
A =S+B
= ½ (A + A T) + ½ (A - A T)
= ½ A + ½ AT + ½ A - ½ AT
= A.

EJ E M P L O 1.3.10
Dada la matriz
§ a a b a c ·
¨ ¸
A = ¨a b b 2a  b ¸ .
¨bc b c c ¸¹
©
Encuentre una matriz R antisimétrica.
SO L U C I O N
Sabemos que R es antisimétrica si se cumple que R = A - A T. Es decir:
§ a a b a c · § a a b b c·
¨ ¸ ¨
R A-A T
¨a b b 2a  b ¸  ¨ a  b b b  c ¸¸
¨b c b c c ¸¹ ¨© a  c 2a  b c ¸¹
©
§ 0 2b a b ·
¨
¨  2b 0 2 a  c ¸¸ . ’
¨  a  b 2 a  c 0 ¸¹
©

EJ E M P L O 1.3.11
Dada una matriz simétrica A y una matriz antisimétrica B, ambas del mismo orden,
demuestre que si A y B conmutan, A B es antisimétrica.
SO L U C I O N
Si A = A T; B = - B T y A B = B A, entonces debemos probar que (A B)T = A B.
(A B)T = B T A T = (- B)(A) = - (B A) = - (A B). ’

EJ E M P L O 1.3.12
Si A y B son matrices antisimétricas, pruebe que A(A B + B A) ± (A B + B A)A es
simétrica.
SO L U C I O N
Sabemos que A T = -A, B T = -B y S = A(A B + B A) ± (A B + B A)A = A 2 B ± B A 2. Por
lo tanto, tenemos que mostrar que ST = S; es decir
ST = (A 2 B ± B A 2)T
= (A 2 B)T ± (B A 2)T
= B T(A T)2 ± (A T)2 B T
= (-B)(-A)2 ± (-A)2(-B)
= -B A 2 + A 2 B
= A 2B ± B A 2
= S.
De esta manera queda demostrado que A(A B + B A) ± (A B + B A)A es simétrica.

EJ E M P L O 1.3.13
Sea A una matriz antisimétrica. Demostrar que A 2n es una matriz simétrica y A 2n+1 es
una matriz antisimétrica.
SO L U C I O N
Por demostrar que A 2n = (A 2n)T, conociendo que A T = -A.
n = 1: A 2 = (A 2)T

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


42 MATRICES

(A 2)T = (A A)T = ((-A T)(-A T))T = (A T A T)T = ((A 2)T)T = A 2.


n = k: A = (A 2k)T. Hipótesis inductiva.
2k

n = k + 1: A 2k+2 = (A 2k+2)T
(A 2k+2)T = (A 2k A 2)T = (A 2)T(A 2k)T = A 2 A 2k = A 2k+2.
Por demostrar que A 2n+1 = -(A 2n+1)T, conociendo que A T = -A.
n = 1: A 3 = -(A 3)T
- (A 3)T = - (A A A)T = - ((-A T)(-A T)(-A T))T = ((A 3)T)T = A 3.
n = k: A = -(A 2k+1)T. Hipótesis inductiva.
2k+1

n = k + 1: A 2k+3 = -(A 2k+3)T


- (A 2k+3)T = - (A 2k+1 A 2)T = - (A 2)T(A 2k+1)T = - (A A)T(-A 2k+1) = - ((-A T)(-A T)T(-A 2k+1)
= - ((A 2)T)T(-A 2k+1) = (-A 2)(-A 2k+1) = A 2k+3. ’

%  CALCULO  DE  UNA  MATRIZ  ANTISIMETRICA  


clc;;clear;;  
fprintf('\n  MATRIZ  ANTISIMETRICA  MEDIANTE:  A-­At  \n')  
filcol=input('Ingrese  el  numero  de  filas  y  columnas:  ');;  
       %Ingreso  de  elementos  
               for  f=1:filcol  
                       for  c=1:filcol    
                               fprintf('Ingrese  el  elemento  (%d,%d)',f,c)  
                               A(f,c)=input('  :');;  
                       end  
               end  
       fprintf('  LA  MATRIZ  A  ES:\n')  
       A  
end  
       fprintf('  LA  MATRIZ  TRANSPUESTA  B  ES:\n')  
       B=A.'  
end  
       fprintf('  LA  MATRIZ  ANTISIMETRICA  R  ES:\n')  
       R=A-­A.'  
end  

PR O B L E M AS

1.3.1 De ser posible, encuentre matrices de 2 x 2 tales que 1.3.6 Comprobar si existe alguna matriz A de 3 x 2 tal
A T A = A A T. que A T A = I.

1.3.2 Si A es una matriz de n x n y X es la matriz de 1 x 1.3.7 Demuestre que si A T A = A, entonces A es simé-


n, compruebe que trica y A = A 2.
n
X A XT ¦ aii xi2  ¦ aij xi x j . 1.3.8 Dada la matriz
i 1 iz j
§ 2  1 3i  1 4i ·
¨ ¸
1.3.3 Si A A T = I y B B T = I, demuestre que A ¨ 6  2i 1 3 i ¸ .
(A B)(A B)T = I. ¨ ¸
© 1  6 3 S  S ¹
a.- Exprésese la matriz A como suma de una matriz
1.3.4 Demuestre que una matriz simétrica de n x n tiene,
simétrica y otra antisimétrica.
n(n  1)
en general, elementos distintos y una b.- Hallar dos matrices simétricas diferentes a la del
2 apartado a).
n(n  1)
antisimétrica elementos distintos.
2 1.3.9 Encuentre todas las matrices reales A de 3 x 3 para
las cuales A T A = O.
1.3.5 Sea A una matriz de n x n. Determine si A es
simétrica con la siguiente condición: 1.3.10 Demuestre que si una matriz A de n x n satisface
a.- aij = i2 + j2; b.- a ij = i2 ± j2; la ecuación A 3 + 4A 2 ± 2A + 7I, entonces A T también la
c.- a ij = 2i ± 2j; d.- a ij = 2i2 + 2j3. satisface.

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


MATRICES 43

1.3.11 De ser posible, encuentre todos los valores de a , 1.3.13 Encuentre matrices antisimétricas A y B de 3 x 3,
b y c para los cuales A es simétrica: que satisfagan la condición A B = -B A.
§ 3 3a  b  5c a  4b  2c ·
¨
A ¨1 4 a  b  c ¸¸ . 1.3.14 Dadas las matrices
¨1 ¸ § 2 4 6· § 0 0 0·
© 1 5 ¹ ¨ ¸ ¨ ¸
A + B ¨2 3 9¸ , A + AT ¨0 0 0¸ ,
¨7 1 7¸ ¨ 0 0 0¸
1.3.12 Dadas las matrices siguientes: © ¹ © ¹
§ 1 2  i 3i · § 0 0 0·
¨ ¸ § 4 3 i · ¨ ¸
A ¨ 1 3 0¸, B ¨ ¸, B - BT ¨0 0 0¸ .
¨ 1  i 2  2i 2i ¸ © i 2 1  3i ¹ ¨ 0 0 0¸
© ¹ © ¹
§ i 2 · § 1 2 3 · Hállense A y B.
¨ ¸ ¨ ¸
C ¨ 4 6¸ , D ¨ 6 8 4i¸.
¨ 3 i ¸ ¨1  3i i 1.3.15 Si A es una matriz simétrica, demuestre que
© ¹ © i ¸¹ 2A 2 ± 3ª + I es simétrica.
Determine las siguientes operaciones:
a.- (3D T ± B T C T)T; b.- B(A ± D)T C;
c.- A(B T B ± C C T).

1.4 M A T RI Z T R A NSPU EST A - C O NJU G A D A

En esta sección se introduce la terminología básica y se definen las matrices conjugadas y transpuesta -
conjugada, analiza mos sus casos particulares si la matriz es cuadrada, enuncia mos sus correspondientes
propiedades.

D E F IN I C I O N 1.4.1
Mediante la conjugación, una matriz cualquiera A se transforma en una
nueva matriz, representada por A , cuyos elementos se construyen mediante
la regla
f :AoA
( aij ) o ( aij ) ( aij )  i, j  .

Mediante la conjugación se cambian los signos de la parte imaginaria de A. Es decir:


Re A = Re A y Im A = -Im A .
Como casos particulares pueden encontrarse matrices tales que A = A , entonces
Im A = 0 , y la matriz A en este caso recibe el nombre de matriz real. Por el
contrario, si Re A = 0 , entonces A = A y, a la matriz A se le da el nombre de
matriz imaginaria pura. En este último caso la matriz A es expresable como el
producto de la unidad imaginaria, considerada como un escalar, por una matriz real.
Toda matriz puede ser expresada en la forma A = B + i C, en la cual B y C son
matrices reales, e i es la unidad imaginaria.

La conjugada de la matriz
§ 2 1 i 5 · § 2 1 i 5 ·
A ¨ ¸ es A ¨ ¸.
© 1 4 4  3i ¹ © 1 4 4  3i ¹

T E O R E M A 1.4.1
Para toda matriz A = (a ij), se cumple que A = A .
D E M OST R A C I O N
Si A es una matriz, entonces
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
44 MATRICES

A = ( aij ) ( aij ) ( a ji ) A.

T E O R E M A 1.4.2
Para toda matriz A = (a ij) y para todo número k, se cumple que ( k A ) k A .
D E M OST R A C I O N
Dada A una matriz y k un número complejo, entonces
( k A ) ( k ( aij )) ( kaij ) ( k aij ) k ( aij ) k A .

T E O R E M A 1.4.3
Para todo par de matrices A = (a ij) y B = (bij) de n x m, se cumple que
A+B= A+B .
D E M OST R A C I O N
Dadas A y B dos matrices compatibles para la suma, entonces
A + B = ( aij + bij ) (cij ) (cij ) ( aij  bij ) ( aij )  (bij ) A + B .

T E O R E M A 1.4.4
Para todo par de matrices A = (a ik) y B = (bkj) compatibles para el producto,
se cumple A B = A B .
D E M OST R A C I O N
Dadas A y B dos matrices compatibles para el producto, entonces
§ · § ·
A B = ¨ ¦ aik bkj ¸ (cij ) (cij ) ¨ ¦ aik bkj ¸ AB .
© k ¹ © k ¹

%  CONJUGADA  DE  UNA  MATRIZ  


clc;;clear;;  
fprintf('\n  CONJUGADA  DE  UNA  MATRIZ  \n')  
fil=input('Ingrese  el  numero  de  filas:  ');;  
col=input('Ingrese  el  numero  de  columnas:  ');;  
       %Ingreso  de  elementos  
               for  f=1:fil  
                       for  c=1:col    
                               fprintf('Ingrese  el  elemento  (%d,%d)',f,c)  
                               A(f,c)=input('  :');;  
                       end  
               end  
       fprintf('  LA  MATRIZ  A  ES:\n')  
       A  
end  
       fprintf('  LA  MATRIZ  CONJUGADA  B  ES:\n')  
       B=conj(A)  
end  

D E F IN I C I O N 1.4.2
La aplicación sucesiva y de orden indistinto de la conjugación y la
transposición sobre una matriz A se representa por A +. La nueva matriz
recibe el nombre de matriz conjugada - transpuesta de A y se nota de la
siguiente manera:
A + = ( A )T = A T .

La transpuesta - conjugada de la matriz


§ 2 1 ·
§ 2 1 i 5 ·  ¨ ¸
A ¨ ¸ es A ¨ 1  i 4 ¸.
© 1 4 4  3i ¹ ¨ 5 4  3i ¸
© ¹
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
MATRICES 45

T E O R E M A 1.4.5
Para toda matriz arbitraria A, se cumple que (A +)+ = A.
D E M OST R A C I O N
Dada una matriz A arbitraria, entonces
( A + )+ = (( A T ))T (( A T )T ) = ( A ) = A .

T E O R E M A 1.4.6
Para toda matriz arbitraria A y para todo número k, se cumple que
( k A ) k A  .
D E M OST R A C I O N
Dada la matriz A arbitraria y k un número complejo, entonces
( k A ) + = ( k A )T = ( k A T ) = k ( A T ) = k A + .

T E O R E M A 1.4.7
Para todo par de matrices A y B de n x m, se cumple que (A + B)+ = A + + B +.
D E M OST R A C I O N
Dadas A y B dos matrices compatibles para la suma, entonces
( A + B ) + = ( A + B )T = ( A T + B T ) = ( A T ) + ( B T ) = A + + B + .

T E O R E M A 1.4.8
Para todo par de matrices A y B compatibles para el producto, se cumple
(A B)+ = B + A +.
D E M OST R A C I O N
Dadas A y B dos matrices compatibles para la suma, entonces
( A B )+ = ( A B )T = ( B T A T ) = ( B T )( A T ) = B + A + .

EJ E M P L O 1.4.1
Demostrar que si las matrices A y B son conmutables, lo son también las matrices A +
y B +.
SO L U C I O N
Si A B = B A, entonces debemos demostrar que A + B + = B + A +. Es decir:
A + B + = (B A)+ = (A B)+ = B + A +.
Con lo cual se verifica que A + y B + son conmutables. ’

EJ E M P L O 1.4.2
Demuestre que si A es una matriz compleja y A + A = O, entonces A = O.
SO L U C I O N
Si A = O, entonces:
A + A = A + O Ÿ A + A = O. ’

%  MATRIZ  TRANSPUESTA-­CONJUGADA  
clc;;clear;;  
fprintf('\n  MATRIZ  TRANSPUESTA-­CONJUGADA  \n')  
fil=input('Ingrese  el  numero  de  filas:  ');;  
col=input('Ingrese  el  numero  de  columnas:  ');;  
       %Ingreso  de  elementos  
               for  f=1:fil  
                       for  c=1:col    
                               fprintf('Ingrese  el  elemento  (%d,%d)',f,c)  
                               A(f,c)=input('  :');;  
                       end  
               end  
       fprintf('  LA  MATRIZ  A  ES:\n')  
       A  
end  
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
46 MATRICES

       fprintf('  LA  MATRIZ  CONJUGADA  B  ES:\n')  


       B=conj(A)  
end  
       fprintf('  LA  MATRIZ  TRANSPUESTA-­CONJUGADA  C  ES:\n')  
       C=B.'  
end  

D E F I N I C I O N 1.4.3
Matrices hermíticas, son las matrices para las cuales la transpuesta
conjugada es igual a la matriz original. Es decir:
A + = A.

A nivel de sus elementos se tiene:


( aij ) ( a ji ) ,  i, j  ,
luego,
( aii ) ( aii ) ,  i  
y, por tanto,
Im aii 0 ,  i  .

E J E M P L O 1.4.3
Si A es una matriz de m x n con elementos complejos, entonces:
a.- A A + es hermítica; b.- A + A es hermítica.
SO L U C I O N
a.- Tenemos que probar que (A A +)+ = A A +. Es decir
(A A +)+ = (A +)+ A + = A A +.
b.- Tenemos que probar que (A + A)+ = A + A. Es decir
(A + A)+ = A +(A +)+ = A + A. ’

E J E M P L O 1.4.4
Dada A arbitraria, demuéstrese:
a.- (A A + - A + A) es hermítico; b.- (A A + + A + A) es hermítico.
SO L U C I O N
a.- Por demostrar que (A A + - A + A) = (A A + - A + A)+. Es decir:
(A A + - A + A)+ = (A A +)+ - (A + A)+ = (A +)+ A + - A +(A +)+ = A A + - A + A.
b.- Por demostrar que (A A + + A + A) = (A A + + A + A)+. Es decir:
(A A + + A + A)+ = (A A +)+ + (A + A)+ = (A +)+ A + + A +(A +)+ = A A + + A + A. ’

E J E M P L O 1.4.5
Toda matriz real y simétrica es hermítica.
SO L U C I O N
Sea A esta matriz, entonces, A T = A y A = A , luego:
A + = ( A )T = A T = A . ’

E J E M P L O 1.4.6
La condición necesaria y suficiente para que el producto de dos matrices hermíticas
A y B sea hermítico es que A B = B A.
SO L U C I O N
Se sabe que A + = A y B + = B, entonces:
i.- Supóngase que A B = B A, pero,
A B = B A = B + A + = (A B)+
y por lo tanto el producto es hermítico.
ii.- Supóngase que A B = (A B)+, entonces:
A B = (A B)+ = B + A + = B A
y por tanto, A B = B A. ’

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


MATRICES 47

EJ E M P L O 1.4.7
Sea A = B + i C la descomposición hermítica de una matriz A. Hallar la descomposi-
ción hermítica de la matriz A +.
SO L U C I O N
Para que B + i C sea la descomposición hermítica de la matriz A, entonces, B es real
y simétrica, y C es real y antisimétrica. Por tanto, para la descomposición hermítica
de A +, las matrices B y C deben cumplir las mismas condiciones y (A +)+ = A. ’

E J E M P L O 1.4.8
Si A es una matriz arbitraria de n x n con elementos complejos, entonces:
a.- A + A + es hermítica; b.- A - A + es antihermítica.
SO L U C I O N
a.- Tenemos que probar que (A + A +)+ = A + A +.
(A + A +)+ = A + + (A +)+ = A + + A = A + A +.
b.- Tenemos que probar que (A - A +)+ = - (A - A +).
(A - A +)+ = A + - (A +)+ = A + - A = - (A - A +). ’

EJ E M P L O 1.4.9
Demuestre que si A es hermítica y A = O, entonces A 2 = O.
SO L U C I O N
Si A = O, entonces:
A + A = A + O Ÿ A + A = O Ÿ A A = O Ÿ A 2 = O. ’

E J E M P L O 1.4.10
Pruébese que toda matriz hermítica A puede escribirse como A = B + i C, siendo B
real y simétrica y C real y antisimétrica.
SO L U C I O N
Debemos probar que A + = A:
A + = (B + i C)+ = B + + (i C)+ = B + + i C + = B T - i C T = B ± i(-C) = B + i C = A. ’

%  CALCULO  DE  UNA  MATRIZ  HERMITICA  


clc;;clear;;  
fprintf('\n  MATRIZ  HERMITICA  MEDIANTE:  H=A+A+\n')  
filcol=input('Ingrese  el  numero  de  filas  y  columnas:  ');;  
       %Ingreso  de  elementos  
               for  f=1:filcol  
                       for  c=1:filcol    
                               fprintf('Ingrese  el  elemento  (%d,%d)',f,c)  
                               A(f,c)=input('  :');;  
                       end  
               end  
       fprintf('  LA  MATRIZ  A  ES:\n')  
       A  
end  
       fprintf('  LA  MATRIZ  TRANSPUESTA  B  ES:\n')  
       B=A'  
end  
       fprintf('  LA  MATRIZ  HERMITICA  H  ES:\n')  
       H=A+A'  
end  
 
%  CALCULO  DE  UNA  MATRIZ  HERMITICA  
clc;;clear;;  
fprintf('\n  MATRIZ  HERMITICA  MEDIANTE:  H=A*A+  y  P=A+*A  \n')  
fil=input('Ingrese  el  numero  de  filas:  ');;  
col=input('Ingrese  el  numero  de  columnas:  ');;  
       %Ingreso  de  elementos  
               for  f=1:fil  
                       for  c=1:col    

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


48 MATRICES

                               fprintf('Ingrese  el  elemento  (%d,%d)',f,c)  


                               A(f,c)=input('  :');;  
                       end  
               end  
       fprintf('  LA  MATRIZ  A  ES:\n')  
       A  
end  
       fprintf('  LA  MATRIZ  TRANSPUESTA  B  ES:\n')  
       B=A'  
end  
       fprintf('  LA  MATRIZ  HERMITICA  H  ES:\n')  
       H=A*A'  
end  
       fprintf('  LA  MATRIZ  HERMITICA  P  ES:\n')  
       P=A'*A  
end  

D E F IN I C I O N 1.4.4
Matrices antihermíticas, son aquellas para las cuales la transpuesta
conjugada es igual al opuesto de la matriz original. Es decir:
A + = - A.

Sus elementos cumplirán, por tanto,


( aij ) ( a ji ) ,  i, j  ,
entonces,
( aii ) ( aii ) ,  i  ,
y se cumple
Re aii 0 ,  i  .

EJ E M P L O 1.4.11
La condición necesaria y suficiente para que el producto de dos matrices
antihermíticas A y B sea hermítico es A B = B A.
SO L U C I O N
Se sabe que A + = -A y B + = -B, entonces:
i.- Sea A B = B A, entonces:
A B = B A = (-B)(-A) = B + A + = (A B)+
y por tanto el producto es hermítico.
ii.- Sea A B = (A B)+, entonces:
A B = (A B)+ = B + A + = (-B)(-A) = B A,
y por tanto, A B = B A. ’

EJ E M P L O 1.4.12
Toda matriz compleja se puede escribir como suma de una matriz real y una matriz
imaginaria; es decir, si C es compleja, entonces C = A + i B donde A y B son matri-
ces reales. Demuestre que C es hermítica si y sólo si A es simétrica y B es antisimé-
trica. Pruebe que C es antihermítica si y sólo si A es antisimétrica y B es simétrica.
SO L U C I O N
a) Ÿ Como C = A + i B con A y B matrices reales, A es simétrica y B es antisimé-
trica, debemos demostrar que C + = C. Es decir:
C + = (A + i B)+ = A + ± i B + = A ± i(-B) = A + i B = C.
 Como C = A + i B con A y B matrices reales y C + = C, debemos demostrar que
A es simétrica y B es antisimétrica. Es decir:
C + = (A + i B)+ = A + ± i B + = A T ± i B T
para que C = C, A debe ser simétrica A T = A y B debe ser antisimétrica B T = -B.
+

b) Ÿ Como C = A + i B con A y B matrices reales, A es antisimétrica y B es simé-


trica, debemos demostrar que C + = -C. Es decir:

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


MATRICES 49
+ + + +
C = (A + i B) = A ± i B = (-A) ± i B = -(A + i B) = -C.
 Como C = A + i B con A y B matrices reales y C + = -C, debemos demostrar que
A es antisimétrica y B es simétrica. Es decir:
C + = (A + i B)+ = A + ± i B + = A T ± i B T
para que C = C, A debe ser antisimétrica A T = -A y B debe ser simétrica B T = B. ’
+

EJ E M P L O 1.4.13
Sean A y B matrices antihermíticas. ¿En qué condiciones es C = m A + n B una
matriz antihermítica?
SO L U C I O N
Debemos probar que C + = -C, bajo ciertas condiciones:
C + = (m A + n B ) + = (m A ) + + ( n B ) +
­ + +
°m A + n B = -(m A + n B ) = - C , si m, n 

+ +
°̄ m A + nB = -(m A + nB ) z - C , si m, n 
Es decir C + = -C si m y n son números reales. ’

EJ E M P L O 1.4.14
Exprese la matriz A como suma de una matriz hermítica y una antihermítica.
§2 i i 1  2i ·
¨ ¸
A = ¨ 1 i 2 2  2i ¸ .
¨ 3 1  i 2  2i ¸
© ¹
SO L U C I O N
Una matriz hermítica es S = ½ (A + A +), es decir:
ª§ 2  i i 1  2i · § 2  i 1  i 3 ·º § 4 1  2i 4  2i ·
1 «¨ ¸ ¨ ¸» 1 ¨ ¸
S 1  i 2 2  2 i   i 2 1  i 1  2 i 4 3  3i ¸ .
2 «¨¨ ¸ ¨ ¸» 2 ¨
«© 3 1  i 2  2i ¸¹ ¨©1  2i 2  2i 2  2i ¸¹ » ¨ 4  2i 3  3i
© 4 ¸¹
¬ ¼
Una matriz antihermítica es R = ½ (A + - A), es decir:
ª§ 2  i 1  i 3 · §2 i i 1  2i · º § 2i 1 2  2i ·
1 «¨ ¸ ¨ ¸» 1¨ ¸
R i 2 1 i ¸  ¨ 1 i 2 2  2i ¸ » 1 0 1  i ¸ .
2 «¨¨ 2 ¨¨
«©1  2i 2  2i 2  2i ¸¹ ¨© 3 1  i 2  2i ¸¹ » © 2  2i 1  i 4i ¹
¸
¬ ¼
Comprobación: A = S - R.
ª§ 4 1  2i 4  2i · § 2i 1 2  2i · º §2 i i 1  2i ·
1 «¨ ¸ ¨ ¸» ¨ ¸
A « ¨ 1  2i 4 3  3i ¸  ¨ 1 0 1  i ¸ » ¨ 1 i 2 2  2i ¸ .
2 ¨
«© 4  2i 3  3i
¬ 4 ¸¹ ¨© 2  2i 1  i 4i ¸¹ »¼ ¨ 3 1  i 2  2i ¸
© ¹

%  CALCULO  DE  UNA  MATRIZ  ANTIHERMITICA  


clc;;clear;;  
fprintf('\n  MATRIZ  ANTIHERMITICA  MEDIANTE:  A-­A+  \n')  
filcol=input('Ingrese  el  numero  de  filas  y  columnas:  ');;  
       %Ingreso  de  elementos  
               for  f=1:filcol  
                       for  c=1:filcol    
                               fprintf('Ingrese  el  elemento  (%d,%d)',f,c)  
                               A(f,c)=input('  :');;  
                       end  
               end  
       fprintf('  LA  MATRIZ  A  ES:\n')  
       A  
end  
       fprintf('  LA  MATRIZ  TRANSPUESTA-­CONJUGADA  B  ES:\n')  
       B=A'  
end  

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


50 MATRICES

       fprintf('  LA  MATRIZ  ANTIHERMITICA  H  ES:\n')  


       H=A-­A'  
end  

D E F I N I C I O N 1.4.5
Una matriz A de n x n para la cual el producto con su transpuesta conjugada
es conmutativo, se denomina normal. Es decir:
A + A = A A +.

EJ E M P L O 1.4.15
Sean D, F y G matrices diagonales de n x n en las que los elementos de las diagona-
les principales sean respectivamente números reales, imaginarios puros y complejos
de módulo 1. Si U es una matriz unitaria n x n, demuéstrese que las matrices U + DU,
U + F U y U + G U son respectivamente hermítica, antihermítica y unitaria.
SO L U C I O N
a.- Como D es una matriz diagonal real y UU + = U + U = I, entonces debemos probar
que U + DU es una matriz hermítica. Es decir:
(U + DU)+ = U + D +(U +)+ = U + D + U = U + DU;
b.- Como F es una matriz diagonal imaginaria y UU + = U + U = I, entonces debemos
probar que U + F U es una matriz antihermítica. Es decir:
(U + F U)+ = U + F +(U +)+ = U + F + U = U +(-F)U = -(U + F U);
c.- Como G es una matriz diagonal compleja de módulo 1 y UU + = U + U = I, enton-
ces debemos probar que U + G U es una matriz unitaria. Es decir:
(U + G U)+(U + G U) = U + G +(U +)+U + G U = U + G + UU + G U = U + G + I G U
= U + G + G U = U + IU = U + U = I.
(U G U)(U G U) = U + G UU + G +(U +)+ = U + G UU + G + U = U + G I G + U
+ + +

= U + G G + U = U + IU = U + U = I. ’

E J E M P L O 1.4.16
Demuestre que una matriz real antisimétrica es normal.
SO L U C I O N
Para que una matriz sea real y antisimétrica, debe cumplir que A = A y A T = -A.
Debemos probar que esta matriz es normal, es decir
A A + = A ( A )T = A A T = A (- A ) = - A 2 = (- A ) A = A T A = ( A )T A = A + A .
Por tanto se cumple que A A + = A + A y la matriz A es normal. ’

EJ E M P L O 1.4.17
Demuestre que una matriz antihermítica es normal.
SO L U C I O N
Como A + = -A, hay que demostrar que A + A = A A +. Es decir:
A + A = (-A)A = A(-A) = A A +.
Con lo cual queda probado que una matriz antihermítica es normal. ’

EJ E M P L O 1.4.18
Sean A y B matrices normales y A B = O. ¿Resulta de esto que B A = O?
SO L U C I O N
Como A + A - A A + = O, B + B - B B + = O y A B = O, entonces:
(A + A - A A +)(B + B - BB +) = O
A A B B ± A + A B B + ± A A + B + B + A A +B B + = O
+ +

A + A B B + ± A + A B B + ± A + A BB + + A + A B B + = O
A O B + ± A + O B + ± A + O B + + A + O B + = O Ÿ O = O.
+

Por lo tanto, no es condición que B A = O. ’

EJ E M P L O 1.4.19
Demuestre que si C = A + i B donde A y B son matrices reales y simétricas, entonces
C es normal si y sólo si A y B conmutan.
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
MATRICES 51

SO L U C I O N
Ÿ Como C = A + i B con A y B son matrices reales y simétricas y C C + = C + C,
entonces debemos probar que A B = B A. Es decir:
(A + i B)(A + i B)+ = (A + i B)+(A + i B)
(A + i B)(A + ± i B +) = (A + ± i B +)(A + i B)
(A + i B)(A ± i B) = (A ± i B)(A + i B)
A 2 ± i A B + i B A + B2 = A2 + i A B ± iB A + B2
-i A B + i B A = i A B ± i B A Ÿ 2i B A = 2i A B Ÿ A B = B A.
 Como C = A + i B con A y B son matrices reales y simétricas y A B = B A, en-
tonces debemos probar que C C + = C + C. Es decir:
C C + = (A + i B)(A + i B)+
= (A + i B)(A + ± i B +)
= (A + i B)(A ± i B)
= A 2 ± i A B + iB A + B2
= A 2 ± iB A + i A B + B2
= (A ± i B)A + (A ± i B)I b
= (A ± i B)(A + i B)
= (A + ± i B +)(A + i B)
= (A + i B)+(A + i B)
= C + C. ’

EJ E M P L O 1.4.20
Demostrar que una matriz A es una matriz normal si, y sólo si, las matrices B y C de
su descomposición hermítica A = B + i C son conmutables.
SO L U C I O N
Debemos probar que A + A = A A +. Es decir:
A + A = (B + i C)+(B + i C)
= (B + - i C +)(B + i C)
= B +B + i B + C ± i C + B + C + C
= BB + - i B C + + i C B + + C C +
= (B + i C)(B + - i C +)
= (B + i C)(B + i C)+
= A A +. ’

EJ E M P L O 1.4.21
Sea A = B + i C una matriz normal compleja de n x n. Demostrar que la matriz D real
de 2n x 2n
§ B -C ·
D=¨ ¸
©C B ¹
es también normal.
SO L U C I O N
Si A es una matriz normal, entonces las matrices B y C de la descomposición hermí-
tica A = B + i C son conmutables. Por lo tanto:
+
§ B -C · § B -C · § B C · § B -C · § BB + CC -BC + CB ·
D+ D = ¨ ¸ ¨ ¸=¨ ¸¨ ¸=¨ ¸
© C B ¹ © C B ¹ ¨© -C B ¸¹ © C B ¹ ¨© -CB + BC CC + BB ¸¹
§ B B + C C B C - C B · § B -C · § B C · § B -C ·§ B -C ·+ +
=¨ ¸= ¨ ¸=
¨ C B - B C C C + B B ¸ ¨© C B ¸¹ ¨ -C B ¸ ¨© C B ¸¨ ¸ = DD .
© ¹ © ¹ ¹© C B ¹
Con esto queda demostrado que D es una matriz normal. ’

E J E M P L O 1.4.22
Sea A una matriz normal y supóngase que conmuta con una cierta matriz B. De-
muestre que:
a.- A + conmuta con B; b.- A conmuta con B +.

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


52 MATRICES

SO L U C I O N
Si una matriz normal conmuta con una matriz B, entonces:
a.- (A A +)B = B(A + A) Ÿ A(A + B) = (B A +)A Ÿ A + B = B A +
b.- (A A + B)+ = (B A + A)+ Ÿ B +(A A +)+ = (A + A)+ B + Ÿ B + A A + = A + A B +
(B + A)A + = A +(A B +) Ÿ B + A = A B +. ’

%  COMPROBACION  DE  UNA  MATRIZ  NORMAL  


clc;;clear;;  
fprintf('\n  COMPROBACION  DE  UNA  MATRIZ  NORMAL  \n')  
filcol=input('Ingrese  el  numero  de  filas  y  columnas:  ');;  
       %Ingreso  de  elementos  
               for  f=1:filcol  
                       for  c=1:filcol    
                               fprintf('Ingrese  el  elemento  (%d,%d)',f,c)  
                               A(f,c)=input('  :');;  
                       end  
               end  
       fprintf('  LA  MATRIZ  A  ES:\n')  
       A  
end  
       fprintf('  LA  MATRIZ  A  ES:\n')  
       B=A'  
end  
       fprintf('  LA  MATRIZ  A  ES:\n')  
       C=A'*A  
end  
       fprintf('  LA  MATRIZ  A  ES:\n')  
       D=A*A'  
end  
       if  (C==D)  
               fprintf('\n  LA  MATRIZ  ES  NORMAL')  
       else  
               fprintf('\n  LA  MATRIZ  NO  ES  NORMAL')          
       end  

PR O B L E M AS

1.4.1 Demuestre mediante un ejemplo que, si A y B son 1.4.6 Sean A y B matrices normales conmutables, A = C
matrices hermíticas, no necesariamente se cumple que A B + i D, B = E + i F, sus descomposiciones hermíticas. De-
sea hermítica. ¿Qué se cumple si A y B son hermíticas y muestre que todas las matrices C, D, E y F son conmuta-
A B = B A? bles.

1.4.2 Pruebe con un ejemplo, que existe una matriz com- 1.4.7 Dar ejemplos que muestren que en el caso general
pleja simétrica que no es normal. la suma A + B y el producto A B de matrices normales A
y B ya no serán matrices normales.
1.4.3 Sea A una matriz antihermítica y A n = I para algún
n > 0, demuestre que A 4 = I. 1.4.8 Pruebe con un ejemplo, que hay una matriz com-
pleja antisimétrica que no es normal.
1.4.4 Demuestre: Los elementos de la diagonal principal
de una matriz hermítica son reales y que los elementos de 1.4.9 Dada la matriz
la diagonal principal de una matriz antihermítica son § 2  1 3i  1 4i ·
imaginarios puros. ¿Qué son los elementos de la diagonal ¨ ¸
A ¨ 6  2i 1 3 i ¸ .
principal de una matriz antisimétrica?
¨ ¸
© 1  6 3 S  S ¹
1.4.5 Demuestre mediante un ejemplo que, si A y B son a.- Exprésese la matriz A como suma de una matriz her-
matrices hermíticas, no necesariamente se cumple que A B mítica y otra antihermítica.
sea hermítica. ¿Qué se cumple si A y B son hermíticas y b.- Hallar 3 matrices hermíticas diferentes a la del apar-
A B = B A? tado a).
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
MATRICES 53

1.5 T R A Z A D E UN A M A T RI Z

En esta sección se introduce la terminología básica y se define la traza de una matriz, enunciamos sus
correspondientes propiedades.

D E F I N I C I O N 1.5.1
Sea una matriz cuadrada A = (a ij). Se define la traza de una matriz A, a la
suma de los elementos que componen la diagonal principal, representada
por
n
Tr( A ) a11  a22  ...  ann ¦ aii .
i 1

T E O R E M A 1.5.1
Para todo par de matrices cuadradas A = (a ij) y B = (bij) de igual orden,
entonces
Tr(A + B) = Tr(A) + Tr(B).
D E M OST R A C I O N
Dadas A y B matrices cuadradas compatibles para la suma y A + B = C, entonces
n n n n
Tr( A + B ) = Tr( C ) ¦ (cii ) ¦ ( aii  bii ) ¦ aii  ¦ bii Tr( A ) + Tr( B ) .
i 1 i 1 i 1 i 1

T E O R E M A 1.5.2
Para toda matriz cuadrada A = (a ij) y para todo número k, entonces
Tr(k A) = kTr(A).
D E M OST R A C I O N
Dada A una matriz cuadrada y k un número, entonces
n n
Tr( k A ) ¦ kaii k ¦ aii kTr( A ) .
i 1 i 1

T E O R E M A 1.5.3
Para toda matriz cuadrada A = (a ij), entonces
Tr(A T) = Tr(A).
D E M OST R A C I O N
Sea A una matriz cuadrada, al transponer esta matriz, podemos observar que la
matriz A T conserva el mismo orden de A y, además los elementos de la diagonal
principal no varían. Es decir
n n
Tr( A T ) ¦ aii ¦ a jj Tr( A ) .
i 1 i 1

T E O R E M A 1.5.4
Para todo par de matrices cuadradas y compatibles para el producto
A = (a ik) y B = (bkj), entonces Tr(A B) = Tr(B A).
D E M OST R A C I O N
Sean A B = C, B A = D, de modo tal que
n n
cij ¦ aik bkj y d ij ¦ biq aqj
k 1 q 1
Ahora bien
n n § n ·
Tr( A B ) = Tr( C ) = ¦ cii ¦ ¨ ¦ aik bki ¸
i 1 k 1© k 1 ¹
n n § n ·
Tr( B A ) = Tr( D ) = ¦ d pp ¦ ¨¨ ¦ bpq aqp ¸¸
p 1 p 1© q 1 ¹
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
54 MATRICES

Trabajando con la última serie se intercambia el orden de las sumas y se emplea la


conmutatividad en ƒ para obtener
n § n ·
Tr( B A ) = ¦ ¨ ¦ aqp bpq ¸
¨
q 1© p 1
¸
¹
Pero los índices son solamente índices mudos a los que se les puede dar cualquier
nombre y eso no altera el valor de la suma. Sea entonces q = i, p = k y se halla
n
Tr( B A ) = ¦ aik bki = Tr( A B ) .
i 1

EJ E M P L O 1.5.1
Si Tr(A) = 0, pruebe que existen matrices B y C tales que A = B C ± C B.
SO L U C I O N
Como A = B C ± C B, entonces:
Tr(A) = Tr(B C ± C B) = Tr(B C) ± Tr(C B) = Tr(B C) ± Tr(B C) = 0.
Con esto se demuestra que existen matrices B y C. ’

EJ E M P L O 1.5.2
Si Tr(A B C) = Tr(C B A) para toda matriz C, pruebe que A B = B A.
SO L U C I O N
Si A B = B A, entonces A B C = B A C. Haciendo que B A = D, obtenemos:
Tr(A B C) = Tr(B A C) = Tr(D C) = Tr(C D) = Tr(C B A).
Con esto probamos que las matrices A y B son conmutativas. ’

EJ E M P L O 1.5.3
Sean A y B matrices hermíticas complejas de un mismo orden. Demuestre que la
traza de la matriz A B es un número real.
SO L U C I O N
Dadas las matrices A y B hermíticas complejas de igual orden, entonces
Tr( A B ) = Tr( A + B + ) = Tr( B A )+ = Tr( B A )T = Tr( B A )
lo cual indica que Tr(A B) es un número real. ’

E J E M P L O 1.5.4
§1 3·
Dada la matriz A ¨ ¸ , determine una matriz B tal que Tr(A B) = Tr(A)Tr(B).
©5 2¹
SO L U C I O N
La matriz B debe tener la misma forma que la matriz A. Es decir
§a b· § a  3c b  3d ·
B =¨ ¸ y AB = ¨ ¸.
© c d ¹ © 5a  2c 5b  2d ¹
Por lo tanto
Tr(A B) = a + 3c + 5b + 2d, Tr(A) = 3, Tr(B) = a + d.
Por tanto
a + 5b + 3c + 2d = 3a + 3d Ÿ 2a - 5b ± 3c + d = 0
La familia de matrices que cumple esta condición esta dada por
°§ a b ·
­ ½
°
S = ®¨ ¸ / 2 a  5b  3c  d 0 ¾ . ’
°
¯© c d ¹ °
¿

%  CALCULO  DE  LA  TRAZA  DE  UNA  MATRIZ  


clc;;clear;;  
fprintf('\n  TRAZA  DE  UNA  MATRIZ  \n')  
filcol=input('Ingrese  el  numero  de  filas  y  columnas:  ');;  
       %Ingreso  de  elementos  
               for  f=1:filcol  

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


MATRICES 55

                       for  c=1:filcol    
                               fprintf('Ingrese  el  elemento  (%d,%d)',f,c)  
                               A(f,c)=input('  :');;  
                       end  
               end  
       fprintf('  LA  MATRIZ  A  ES:\n')  
       A  
end  
       fprintf('  LA  MATRIZ  A  ES:\n')          
       TrA=trace(A)  
end  

PR O B L E M AS

1.5.1 Sean A y B matrices cuadradas de n x n y sean a y b 1.5.4 Sea A = SBS-1, donde


escalares. Demuestre que §1 1 0· §1 1 0·
Tr(a A + b B) = aTr(A) + bTr(B). ¨ ¸ ¨ ¸
B = ¨ 1 2 1 ¸ y S = ¨1 1 1¸
¨ 0 1 3¸ ¨1 0 1 ¸¹
1.5.2 Sea A una matriz compleja de n x n. Demuestre que © ¹ ©
Tr(A + A) t 0, y que la igualdad se verifica si y sólo si A es Encuentre A y verifique que Tr(A) = Tr(B).
la matriz nula.
1.5.5 Demuestre que si A y B son dos matrices
1.5.3 Sea A la matriz de n x n cuyos elementos son a ij = i complejas, entonces
+ j, i, j «n. Calcule la traza de A y demuestre que Tr( B + A )
2
d Tr( A + A )Tr( BB + ) .
su valor coincide con la suma de los elementos de su
diagonal secundaria.

1.5.6 Demuestre que si A es una matriz de n x n y si


Tr(A B) = 0 para todas las matrices B de n x n, entonces A
es la matriz nula.

1.6 PO T E N C I A D E UN A M A T RI Z

En esta sección se introduce la terminología básica y se define la n-ésima potencia de una matriz, analizamos sus
casos particulares, enunciamos sus correspondientes propiedades.

D E F I N I C I O N 1.6.1
Sea A una matriz cuadrada y n  . Se define la n-ésima potencia de A
como el producto, repetido n veces, de A por sí misma, y se simboliza
por A n, Es decir
A ˜ A ˜ ... ˜ A = A n .
n veces

T E O R E M A 1.6.1
Si dos matrices conmutan sus potencias naturales también conmutan.
D E M OST R A C I O N
Sean A, B compatibles para el producto y A B = B A. Si se multiplica A B = B A por la
izquierda por B n-1, obtenemos que B n-1 = B n A, o, lo que es lo mismo,
B n A = B n-1 B A = B n-1 A B = B n-2 B A B = B n-2 A B 2 = ... = A B n,
por lo tanto, A B n - B n A = O. Si multiplicamos la ecuación anterior por la izquierda
por A m-1, obtendremos que A m-1 B n A = A m B n, o, lo que es lo mismo,
A m B n = A m-1 B n A = A m-2 B n A 2 = ... = B n A m,
por lo tanto, A B - B n A m = O. Esto quiere decir que si las matrices A y B son
m n

conmutables, cualesquiera potencias naturales de las mismas también son


conmutables.
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
56 MATRICES

EJ E M P L O 1.6.1
Dada la matriz
§a 0 0·
¨ ¸
A = ¨0 b 0¸ ,
¨c 0 0 ¸¹
©
siendo a, b, c  K. Determine A k para todo k  . Calcúlese también p(A) para el
polinomio p(x) = 1 + x5 + x7.
SO L U C I O N
§ a 0 0·
n = 1: ¨¨ 0 b 0 ¸¸ ;
¨ c 0 0¸
© ¹
§ a 0 0 · § a 0 0 · §¨ a 0·
2
0
¨ ¸¨ ¸ ¸
2
n = 2: ¨ 0 b 0¸¨ 0 b 0¸ ¨ 0 b 0¸ ;
¨
¨ c 0 0 ¸ ¨ c 0 0 ¸ ¨ ac 0 ¸
© ¹© ¹ © 0¸
¹
§ a2 0 0 · § a 0 0 · § a3 0 0·
¨ ¸¨ ¸ ¨ ¸
n = 3: ¨ 0 b2 0 ¸ ¨ 0 b 0 ¸ ¨ 0 b3 0¸ ;
¨ ¸ ¨ ¸
¨ ac 0 0 ¸ ¨© c 0 0 ¸¹ ¨ a 2 c 0 0 ¸¹
© ¹ ©
§ ak 0 0·
¨ ¸
k
A ¨ 0 bk 0¸ .
¨ k 1 ¸
¨a c 0 0 ¸¹
©
p( A ) I + A 5 + A 7

§ 1 0 0 · §¨ a 0 · § a7 0 0·
5
0
¨ ¸ ¸ ¨ ¸
5
¨ 0 1 0¸  ¨ 0 b 0 ¸  ¨ 0 b7 0¸
¨ 0 0 1 ¸ ¨¨ 4 ¸ ¨ ¸
© ¹ ©a c 0 0 ¸¹ ¨© a 6 c 0 0 ¸¹

§ 1  a5  a7 0 0·
¨ ¸
¨ 0 1  b  b7
5
0¸ . ’
¨ 4 ¸
¨ a c (1  a 2 ) 0 0 ¸¹
©

EJ E M P L O 1.6.2
§ab · 2
Sean a, b, c, d números arbitrarios; se considera la matriz A ¨ ¸ . Calcular A
©cd¹
y probar que existen números p y q, que se calculan en función de a, b, c y d, tales
que A 2 ± p A ± q I = O. Indicar en qué casos los coeficientes p y q no son únicos.
SO L U C I O N
Para encontrar A 2, debemos multiplicar A A:
§ a b ·§ a b · § a  bc ab  bd ·
2

¨ ¸¨ ¸ ¨¨ ¸
© c d ¹© c d ¹ © ac  cd bc  d 2 ¸¹
§ a b ·§ a b · §a b· § 1 0·
A 2  p A  qI ¨ ¸¨ ¸  p¨ ¸  q¨ ¸
© c d ¹© c d ¹ ©c d¹ © 0 1¹
§ a 2  bc ab  bd · § pa pb · § q 0 ·
¨ ¸ ¸¨
¨ ac  cd bc  d 2 ¸ ¨© pc ¸
pd ¹ © 0 q ¹
© ¹

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


MATRICES 57

§ a 2  bc  pa  q ab  bd  pb · § 0 0 ·
¨ ¸ ¨ ¸
¨ ac  cd  pc bc  d 2  pd  q ¸¹ © 0 0 ¹
©
(1) ­ a 2  bc  pa  q 0
°
(2) ° ab  bd  pb 0 ­ a 2  d 2  p( a  d ) 0
(1)  (4) °
® Ÿ ®
(3) ° ac  cd  pc 0 (2)  (3) °̄(b  c )( a  d )  p(b  c ) 0
(4) °¯bc  d 2  pd  q 0
­p a  d
°
® bzc .
° azd
¯
Reemplazamos el valor encontrado de p en la primera o cuarta ecuación, y
obtenemos que q = bc ± ad. Además p y q no son únicos cuando b z c y a z d. ’

EJ E M P L O 1.6.3
Demostrar que las matrices dadas satisfacen las ecuaciones que se indican:
§1 3· 2
a.- A = ¨ ¸ ; A ± 3A + 8I = O;
© 2 2 ¹
§a b · 2
b.- A =¨ ¸ ; A ± (a + d)A + (ad ± bc)I = O.
© c d ¹
SO L U C I O N
§ 1 3 ·§ 1 3 · § 1 3 · § 1 0 ·
a.- ¨ ¸¨ ¸  3¨ ¸  8¨ ¸
© 2 2 ¹© 2 2 ¹ © 2 2 ¹ © 0 1¹
§ 5 9 · § 3 9 · § 8 0 · § 0 0 ·
¨ ¸¨ ¸¨ ¸ ¨ ¸;
© 6 2 ¹ © 6 6 ¹ © 0 8 ¹ © 0 0 ¹
§ a b ·§ a b · §a b · §1 0 ·
b.- ¨ ¸¨ ¸  (a  d ) ¨ ¸  ( ad  bc ) ¨ ¸
© c d ¹© c d ¹ © c d ¹ © 0 1¹
§ a 2  bc ab  bd · § a 2  ad ab  bd · § ad  bc 0 · § 0 0·
¨
¨ ac  cd
¸¨ ¸¨ ¸ ¨ ¸. ’
© cb  d 2 ¸¹ ¨© ac  cd ad  d 2 ¸¹ © 0 ad  bc ¹ © 0 0 ¹

E J E M P L O 1.6.4
Sea la matriz
§0 1·
B ¨ ¸.
© 0 0¹
Se considera la familia de matrices de la forma C = a I + b B, donde a, b son escalares
reales. Calcúlese C n,  n  Z +.
SO L U C I O N
§1 0· §0 1· § a b·
C a¨ ¸b ¨ ¸ ¨ ¸
©0 1¹ © 0 0¹ © 0 a ¹
§a b·
n = 1: C ¨ ¸;
©0 a¹
§ a b ·§ a b · § a 2ab ·
2
n = 2: C2 ¨ ¸¨ ¸ ¨ ¸;
© 0 a ¹© 0 a ¹ ¨© 0 a 2 ¸¹
§ a 2 2 ab · § a b · § a 3 3a 2b ·
n = 3: C3 ¨ ¸ ¨ ¸;
¨ 0 a 2 ¸ ¨© 0 a ¸¹ ¨ 0 a 3 ¸¹
© ¹ ©

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


58 MATRICES

§ a3 3a 2 b · § a b · § a 4 4 a 3b ·
n = 4: C4 ¨ ¸¨ ¸ ¨ ¸;
¨0 a 3 ¸¹ © 0 a ¹ ¨© 0 a 4 ¸¹
©
Por tanto
§ an na n 1b ·
Cn ¨ ¸. ’
¨0 a n ¸¹
©

EJ E M P L O 1.6.5
Sea la matriz A, hallar A n para todo n  Z +:
§1 0 1· § 1 1 1· §0 a b·
¨ ¸ ¨ ¸ ¨ ¸
a.- A = ¨ 0 0 0 ¸ ; b.- A ¨1 1 1¸ ; c.- A ¨0 0 c ¸ .
¨1 0 1¸ ¨ 1 1 1¸ ¨0 0 0¸
© ¹ © ¹ © ¹
SO L U C I O N
§1 0 1·
¨ ¸
a.- Como A ¨ 0 0 0 ¸ , entonces:
¨1 0 1 ¸¹
©
§ 1 0 1 ·§ 1 0 1 · § 2 0 2·
2 ¨ ¸¨ ¸ ¨ ¸
n = 2: A ¨ 0 0 0 ¸¨ 0 0 0 ¸ ¨0 0 0¸ 2A ;
¨ 1 0 1 ¸¨ 1 0 1 ¸ ¨ 2 0 2¸
© ¹© ¹ © ¹
§ 2 0 2 ·§ 1 0 1 · § 4 0 4·
¨ ¸¨ ¸ ¨ ¸
n = 3: A3 ¨ 0 0 0 ¸¨ 0 0 0 ¸
2
¨0 0 0¸ 4A 2 A ;
¨ 2 0 2 ¸¨ 1 0 1 ¸ ¨ 4 0 4¸
© ¹© ¹ © ¹
§ 4 0 4 ·§ 1 0 1 · §8 0 8·
n = 4: A ¨¨ 0 0 0 ¸¨
4 ¸
¸¨ 0 0 0 ¸
¨ ¸
¨0 0 0¸ 8A 23 A .
¨ 4 0 4 ¸¨ 1 0 1 ¸ ¨8 0 8¸
© ¹© ¹ © ¹
Por lo tanto: A n = 2n -1 A.
§ 1 1 1·
¨ ¸
b.- Como A ¨1 1 1¸ , entonces:
¨ 1 1 1¸
© ¹
§1 1 1·§1 1 1· § 3 3 3·
2 ¨ ¸¨ ¸ ¨ ¸
n = 2: A ¨1 1 1¸¨1 1 1¸ ¨ 3 3 3¸ 3 A ;
¨1 1 1¸¨1 1 1¸¹ ¨© 3 3 3 ¸¹
© ¹©
§ 3 3 3 ·§1 1 1· § 9 9 9·
¨ ¸¨ ¸ ¨ ¸
n = 3: A3 ¨ 3 3 3 ¸¨1 1 1¸ ¨ 9 9 9 ¸ 9 A 32 A ;
¨ 3 3 3 ¸¨1 1 1¸¹ ¨© 9 9 9 ¸¹
© ¹©
§ 9 9 9 ·§1 1 1· § 27 27 27 ·
¨ ¸¨ ¸ ¨ ¸
n = 4: A4 ¨ 9 9 9 ¸¨1 1 1¸ ¨ 27 27 27 ¸ 27 A 33 A .
¨ 9 9 9 ¸¨1 1 1¸ ¨ 27 27 27 ¸
© ¹© ¹ © ¹
Por lo tanto: A n = 3n-1 A.
§0 a b·
¨ ¸
c.- n = 1: ¨ 0 0 c ¸ ;
¨0 0 0¸
© ¹
§ 0 a b ·§ 0 a b · § 0 0 ac ·
¨ ¸¨ ¸ ¨ ¸
n = 2: ¨ 0 0 c ¸¨ 0 0 c ¸ ¨0 0 0 ¸ ;
¨ 0 0 0 ¸¨ 0 0 0 ¸ ¨0 0 0 ¸
© ¹© ¹ © ¹

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


MATRICES 59

§ 0 0 ac ·§ 0 a b · §0 0 0·
¨ ¸¨ ¸ ¨ ¸
n = 3: ¨ 0 0 0 ¸¨ 0 0 c ¸ ¨0 0 0¸ .
¨ 0 0 0 ¸¨ 0 0 0 ¸ ¨0 0 0¸
© ¹© ¹ © ¹
Por lo tanto: A n = O, n > 2. ’

EJ E M P L O 1.6.6
Si A es una matriz de 2 x 2 que satisface A 2 ± A + I = O, determine A 3n en términos
de A para n  Z +.
SO L U C I O N
Como A 2 ± A + I = O, entonces, A 2 = A ± I. Multiplicando ambos miembros de esta
ecuación por A sucesivamente, obtenemos:
A3 = A2 ± A Ÿ A4 = A3 ± A2 Ÿ A5 = A4 ± A3 Ÿ A6 = A5 ± A4
Por lo tanto A 3n = A 3n-1 ± A 3n-2. ’

E J E M P L O 1.6.7
Sean las matrices A, B, compatibles para el producto, entonces se cumple, para
cualquier potencia de B
m-1
A B m - B m A = ¦ B k ( A B - B A ) B m- k -1 .
k =0
SO L U C I O N
Demostraremos la identidad utilizando el proceso de inducción matemática
m-1
P(m): A B m - B m A = ¦ B k ( A B - B A ) B m- k -1 .
k =0
0
P(1): A B1 - B1 A = ¦ B k ( A B - B A ) B -k
k=0
A B ± B A = B 0(A B ± B A)B 0 = I(A B ± B A)I = A B ± B A.
n -1
P(n): A B n - B n A = ¦ B k ( A B - B A ) B n- k -1 .
k =0
n
P(n+1): A B n +1 - B n +1 A = ¦ B k ( A B - B A ) B n- k
k =0
n-1
= ¦ B k ( A B - B A ) B n- k + B n ( A B - B A ) B 0
k =0

§ n-1 ·
= ¨ ¦ B k ( A B - B A ) B n- k -1 ¸ B + B n ( A B - B A ) I
© k =0 ¹
= ( A Bn - Bn A )B + Bn ( A B - B A )
= AB n+1 - B n AB + B n AB - B n+1 A
= A B n+1 - B n+1 A
Por lo tanto P(m) es verdadera. ’

E J E M P L O 1.6.8
Sean A y B matrices de n x n tales que A B = B A = O. Demuestre que
(A + B)k = A k + B k, para k  .
SO L U C I O N
Ya que A y B son conmutativas, podemos utilizar el teorema del binomio. Es decir:
k k
§ ·
( A + B ) k = ¦ ¨ ¸ A k -i B i
i =0 © i ¹
§ k · k 0 § k · k -1 1 § k · k -2 2 §k· 0 k
¨ ¸A B  ¨ ¸A B  ¨ ¸A B  « ¨ ¸A B
©0¹ ©1¹ © 2¹ ©k¹
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
60 MATRICES

§k · §k ·
= ¨ ¸ A k B0 + ¨ ¸ A 0B k = A k + B k . ’
©0¹ ©k¹

E J E M P L O 1.6.9
Dada la matriz, calcular A n siendo n  Z +:
§ 2 1 · §1 1 ·
a.- ¨ ¸ ; b.- ¨ ¸.
© 3  2 ¹ ©1 0 ¹
SO L U C I O N
§ 2 1 · § 2 1 ·§ 2 1 · § 1 0 ·
a.- n = 1: ¨ ¸ ; n = 2: ¨ ¸¨ ¸ ¨ ¸;
© 3 2 ¹ © 3 2 ¹© 3 2 ¹ © 0 1 ¹
§ 1 0 ·§ 2 1 · § 2 1 · § 2 1 ·§ 2 1 · § 1 0 ·
n = 3: ¨ ¸¨ ¸ ¨ ¸ ; n = 4: ¨ ¸¨ ¸ ¨ ¸.
© 0 1 ¹© 3 2 ¹ © 3 2 ¹ © 3 2 ¹© 3 2 ¹ © 0 1 ¹
Cuando n es impar A n = A; cuando n es par A n = I.
§1 1 · §1 1 ·§1 1 · § 2 1·
b.- n = 1: ¨ ¸ ; n = 2: ¨ ¸¨ ¸ ¨ ¸;
© 1 0 ¹ ©1 0 ¹©1 0 ¹ © 1 1¹
§ 2 1·§1 1· § 3 2· § 3 2 ·§1 1 · § 5 3 ·
n = 3: ¨ ¸¨ ¸ ¨ ¸; n = 4: ¨ ¸¨ ¸ ¨ ¸;
© 1 1¹©1 0¹ © 2 1¹ © 2 1 ¹©1 0 ¹ © 3 2 ¹
§ 5 3 ·§1 1· §8 5·
n = 5: ¨ ¸¨ ¸ ¨ ¸.
© 3 2 ¹©1 0¹ ©5 3¹
a11 : 1 2 3 5 8
a12 : 1 1 2 3 5
a21 : 1 1 2 3 5
a22 : 0 1 1 2 3
Por lo tanto
§ an an 1 ·
An ¨ ¸. ’
© an 1 an  2 ¹

%  CALCULA  LA  POTENCIA  DE  UNA  MATRIZ  


clc;;clear;;  
fprintf('\n  POTENCIA  DE  UNA  MATRIZ  \n')  
filcol=input('Ingrese  el  numero  de  filas  y  columnas  de  la  Matriz:  ');;  
pt=input('Ingrese  la  potencia  a  la  que  va  elevar  la  matriz:    ');;  
%Ingreso  de  elementos  
               for  f=1:filcol  
                       for  c=1:filcol    
                               fprintf('Ingrese  el  elemento  (%d,%d)',f,c)  
                               A(f,c)=input('  :');;  
                       end  
               end  
       fprintf('  LA  MATRIZ  A  ES:\n')  
       A  
end  
       fprintf('  LA  POTENCIA  DE  LA  MATRIZ  A  ES:\n')  
       PotA=A^pt  
end  
D E F I N I C I O N 1.6.2
Respecto a las potencias naturales de una matriz definiremos las
siguientes matrices:
a.- Se conviene en que A 0 = I.
b.- Una matriz periódica de periodo n cumple A n = A. Un caso particular lo
forman las matrices idempotentes para las cuales A 2 = A.
c.- Una matriz es nilpotente de índice n si A n = O.
d.- Una matriz es involutoria si A 2 = I.
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
MATRICES 61

E J E M P L O 1.6.10
Encuentre una familia de matrices de 2 x 2 para que cumplan lo siguiente:
a.- sean idempotentes; b.- sean nilpotentes de índice 2; c.- sean involutorias.
SO L U C I O N
a.- Para que una matriz A sea idempotente, debe cumplirse que A 2 = A. Es decir:
§ a b ·§ a b · § a b · § a 2  bc ab  bd · § a b ·
¨ ¸¨ ¸ ¨ ¸ Ÿ ¨¨ ¸ ¨
¸ ¸.
© c d ¹© c d ¹ © c d ¹ © ca  dc d  bc ¹ © c d ¹
2

Debemos resolver el sistema


(1) ­ a 2  bc a
°
(2) ° ab  bd b
®
(3) ° ca  dc c
(4) °¯d 2  bc d
Restando la segunda ecuación de la primera, obtenemos
­ ad 0
­a 2  a d 2  d ­( a  d )(1  a  d ) 0 °1  a  d 0
° ° °
® ab  bd b Ÿ ® ab  bd b Ÿ ®
° ca  dc c ° ca  dc c ° ab  bd b
¯ ¯ °¯ ca  dc c
De donde concluimos que
­ 1
°° a d 2
® .
°b 1 , c z 0
°̄ 4c
Por tanto, una posible solución es la matriz
§1 1 ·
¨ 2 4c ¸
A ¨ ¸.
¨c 1 ¸
¨ ¸
© 2 ¹
b.- Para que una matriz A sea nilpotente de índice 2, debe cumplirse que A 2 = O. Es
decir:
§ a b ·§ a b · § 0 0 · § a 2  bc ab  bd · § 0 0 ·
¨ ¸¨ ¸ ¨ ¸ Ÿ ¨¨ ¸ ¨
¸ ¸.
© c d ¹© c d ¹ © 0 0 ¹ © ca  dc d  bc ¹ © 0 0 ¹
2

Debemos resolver el sistema


(1) ­ a 2  bc 0
°
(2) ° ab  bd 0
®
(3) ° ca  dc 0
(4) °¯ d 2  bc 0
Restando la segunda ecuación de la primera, obtenemos
­ ad 0
­a 2  d 2 0 ­( a  d )( a  d ) 0 ° ad 0
° ° °
® ab  bd 0 Ÿ ® ab  bd 0 Ÿ ®
° ca  dc 0 ° ca  dc 0 ° ab  bd 0
¯ ¯ °¯ ca  dc 0
De donde concluimos que a = d = 0 y si reemplazamos estos valores en las
ecuaciones (1) y (4), obtenemos bc = 0, donde b = 0, c z 0 o c = 0, b z 0. Por tanto
las matrices buscadas tienen la forma
§ 0 0· §0 b·
A ¨ ¸ y A ¨ ¸.
© c 0¹ © 0 0¹

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


62 MATRICES

c.- Para que una matriz A sea involutoria, debe cumplirse que A 2 = I. Es decir:
§ a b ·§ a b · § 1 0 · § a 2  bc ab  bd · § 1 0 ·
Ÿ ¨ ¸ .
¨ ¸¨ ¸ ¨
© c d ¹© c d ¹ © 0 1 ¹
¸ ¨ ca  dc d 2  bc ¸ ¨© 0 1 ¸¹
© ¹
Debemos resolver el sistema
(1) ­ a 2  bc 1
°
(2) ° ab  bd 0
®
(3) ° ca  dc 0
(4) °¯ d 2  bc 1
Restando la cuarta ecuación de la primera, obtenemos
­ ad 0
­a 2  d 2 0 ­( a  d )( a  d ) 0 ° ad 0
° ° °
® ab  bd 0 Ÿ ® ab  bd 0 Ÿ ®
° ca  dc 0 ° ca  dc 0 ° ab  bd 0
¯ ¯ °¯ ca  dc 0
De donde concluimos que a = d = 0 y reemplazando estos valores en las ecuaciones
(1) y (4), obtenemos bc = 1 donde tenemos dos alternativas b = 1/c, c z 0 o c = 1/b,
b z 0. Por lo tanto dos de las posibles soluciones son
§ 0 1/ c · § 0 b·
A ¨ ¸ y A ¨ ¸. ’
© c 0 ¹ ©1/ b 0 ¹

E J E M P L O 1.6.11
Si A, B, C son matrices cuadradas de igual orden que cumplen lo siguiente: C es
nilpotente, índice de nilpotencia 2, B y C son conmutativas y A = B + C.
Demuéstrese que, para todo n  Z +, se cumple la ecuación A n+1 = B n(B + (n + 1)C).
SO L U C I O N
Sabemos que A n+1 = A n A, entonces:
A n+1 = (B + C)n+1
= (B + C)n(B + C)
= (B n + k B n-1 C + n(n - 1)B n-2 C 2 + ... + C n)(B + C)
= (B n + n B n-1 C + C n)(B + C)
= B n B + B n C + n B n C + n B n-1 C 2 + C n B + C n+1
= B n+1 + (n + 1)B n C = B n(B + (n + 1)C). ’

E J E M P L O 1.6.12
Si A es nilpotente de índice 2, demuéstrese que A(I ± A)n = A, siendo n  Z +.
SO L U C I O N
A(I ± A)n = A(I n ± n I n-1 A ± n(n - 1)I n-2 A 2 ± . . . ± A n)
= A I n ± n I n-1 A 2 ± . . . ± A n+1
= A ± A n-1 A 2
= A. ’

E J E M P L O 1.6.13
Sea una matriz cuadrada tal que A 2 = A. Demuéstrese que A n = A, para todo n  Z +.
SO L U C I O N
Probaremos esta proposición utilizando el proceso de inducción matemática.
Si A 2 = A, entonces:
P(n) : A n = A
P(1) : A 1 = A
P(k) : A k = A. Verdadero por hipótesis inductiva.
P(k + 1) : A k+1 = A
A k+1 = A k A = A A = A 2 = A,
lo cual es verdadero. Por lo tanto se cumple que A n = A. ’

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


MATRICES 63

E J E M P L O 1.6.14
Demuéstrese que si A B = A y B A = B, entonces A y B son idempotentes.
SO L U C I O N
Para que A y B sean idempotentes, debe cumplirse: A 2 = A y B 2 = B.
A2 = A A = A B A B = A B B = A B = A
2
B = B B = B A B A = B A A = B A = B. ’

E J E M P L O 1.6.15
Si A es una matriz involutoria, demuéstrese que ½(I + A) y ½(I - A) son matrices
idempotentes y que [½(I + A)][½(I - A)] = O.
SO L U C I O N
[½(I + A)]2 = ¼(I + A)(I + A) = ¼(II + I A + A I + A A) si A 2 = I
= ¼(I + 2I A + I) = ¼(2I + 2A) = ½(I + A) es idempotente.
[½(I - A)]2 = ¼(I - A)(I - A) = ¼(II - I A - A I + A A) si A 2 = I
= ¼(I - 2I A + I) = ¼(2I - 2A) = ½(I - A) es idempotente.
[½(I + A)][½(I - A)] = ¼(I + A)(I - A) = ¼(II - I A + A I - A A) si A 2 = I
= ¼(I - I) = O. ’

E J E M P L O 1.6.16
Pruébese que la matriz A es involutoria si y sólo si, se cumple que
(I - A)(A + I) = O.
SO L U C I O N
Para que la matriz A sea involutoria es necesario que se cumpla A 2 = I.
(I - A)(A + I) = I A + II - A A - A I = A + I 2 ± A 2 - A = I ± I = O. ’

E J E M P L O 1.6.17
Las potencias naturales n t 2 de una matriz idempotente A, satisfacen la ecuación
A n = A.
SO L U C I O N
Siendo A idempotente, se cumple que A n = A, entonces A 3 = A A 2 = A A = A 2 = A.
Supóngase que A n = A, entonces
A n+1 = A A n = A A = A 2 = A. ’

E J E M P L O 1.6.18
Las potencias de una matriz involutoria A cumplen las ecuaciones
a.- A 2n = I,  n  ; b.- A 2n+1 = A,  n  .
SO L U C I O N
Siendo A una matriz involutoria, debe cumplirse que A 2 = I; entonces:
a.- A 2n = (A 2)n = I n = I;
b.- A 2n+1 = A A 2n = A I = A. ’

EJ E M P L O 1.6.19
Si A es una matriz idempotente, pruebe que (A B ± A B A)2 = O, para toda matriz B.
SO L U C I O N
Si A es idempotente, entonces A 2 = A; por lo tanto
(A B ± A B A)2 = (A B ± A B A)(A B ± A B A)
= ABAB ± ABABA ± ABA AB + ABA ABA
= A B A B ± A B A B A ± A B A 2B + A B A 2 B A
= ABAB ± ABABA ± ABAB + ABABA
= O. ’

EJ E M P L O 1.6.20
Demuestre que para una matriz nilpotente A de índice de nilpotencia p la matriz A +
es también nilpotente y posee el mismo índice de nilpotencia.
SO L U C I O N
Dado que A p = O, entonces tenemos que probar que (A +)p = O. Es decir:
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
64 MATRICES

( A + ) p = A + ˜ A + ˜ ... ˜ A + = ( A ˜ A ˜ ... ˜ A ) + = ( A p ) + = O + = O . ’
p veces p veces

EJ E M P L O 1.6.21
Demuestre que si A es idempotente, B = 2A ± I es involutoria, si B es involutoria,
A = ½(B + I) es idempotente.
SO L U C I O N
Si A 2 = A, entonces:
B 2 = (2A - I)2 = (2A - I)(2A - I) = 4A 2 ± 4A + I = 4A ± 4A + I = I.
2
Si B = I, entonces:
2
§1 · 1 1 1 1
A 2 = ¨ ( B + I ) ¸ = ( B 2 + 2 B + I ) = ( I + 2 B + I ) = (2 B + 2 I ) = ( B + I ) = A .
©2 ¹ 4 4 4 2

%  COMPROBACION  DE  UNA  MATRIZ  PERIODICA  


clc;;clear;;  
fprintf('\n  COMPROBACION  DE  UNA  MATRIZ  PERIODICA  \n')  
filcol=input('Ingrese  el  numero  de  filas  y  columnas  de  la  Matriz:  ');;  
pt=input('Ingrese  la  potencia  a  la  que  va  elevar  A:    ');;  
%Ingreso  de  elementos  
               for  f=1:filcol  
                       for  c=1:filcol    
                               fprintf('Ingrese  el  elemento  (%d,%d)',f,c)  
                               A(f,c)=input('  :');;  
                       end  
               end  
       fprintf('  LA  MATRIZ  A  ES:\n')  
       A  
end  
       fprintf('  LA  MATRIZ  POTENCIA  ES:\n')  
       PotA=A^pt  
end  
       if(A  ==PotA)  
             fprintf('\n  LA  MATRIZ  A  ES  PERIODICA\n')  
             if(pt==2)  
               fprintf('\n  LA  MATRIZ  A  ES  IDEMPOTENTE\n')            
             end          
       else  
             fprintf('\n  LA  MATRIZ  A  NO  ES  PERIODICA\n')      
       end  
 
%  COMPROBACION  DE  UNA  MATRIZ  INVOLUTORIA  
clc;;clear;;  
fprintf('\n  COMPROBACION  DE  UNA  MATRIZ  INVOLUTORIA  \n')  
filcol=input('Ingrese  el  numero  de  filas  y  columnas  de  la  Matriz:  ');;  
%pt=input('Ingrese  la  potencia  a  la  que  va  elevar  la  matriz:    ');;  
pt=2;;  
%Ingreso  de  elementos  
               for  f=1:filcol  
                       for  c=1:filcol    
                               fprintf('Ingrese  el  elemento  (%d,%d)',f,c)  
                               A(f,c)=input('  :');;  
                       end  
               end  
       fprintf('  LA  MATRIZ  A  ES:\n')  
       A  
end  
       fprintf('  LA  MATRIZ  POTENCIA  ES:\n')  
       PotA=A^pt  
end  
       I=eye(size(A));;  
end  
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
MATRICES 65

       if(PotA  ==I)  
             fprintf('\n  LA  MATRIZ  A  ES  INVOLUTORIA\n')  
     else  
             fprintf('\n  LA  MATRIZ  A  NO  ES  INVOLUTORIA\n')      
       end    
 
%  COMPROBACION  DE  UNA  MATRIZ  NILPOTENTE  
clc;;clear;;  
fprintf('\n  COMPROBACION  DE  UNA  MATRIZ  NILPOTENTE  \n')  
filcol=input('Ingrese  el  numero  de  filas  y  columnas  de  la  Matriz:  ');;  
pt=input('Ingrese  la  potencia  a  la  que  va  elevar:    ');;  
%Ingreso  de  elementos  
               for  f=1:filcol  
                       for  c=1:filcol    
                               fprintf('Ingrese  el  elemento  (%d,%d)',f,c)  
                       A(f,c)=input('  :');;  
                       end  
               end  
       fprintf('  LA  MATRIZ  A  ES:\n')  
       A  
End  
       fprintf('  LA  MATRIZ  POTENCIA  ES:\n')  
       PotA=A^pt  
end  
       ceros=zeros(size(A));;  
       if(PotA  ==ceros)  
             fprintf('\nLA  MATRIZ  A  ES  NILPOTENTE  DE  INDICE  %d\n',pt)  
     else  
             fprintf('\nLA  MATRIZ  A  NO  ES  NILPOTENTE\n')      
       end  
 
 
PR O B L E M AS

1.6.1 Si A 2 = A, demostrar que (A + I)k = I + (2k ± 1)A. 1.6.6 La matriz


§a i·
1.6.2 La ecuación A 2 = I se satisface para cada una de las A ¨ ¸,
matrices 2 x 2 ©i b¹

§1 0· §1 0 · §1 b · donde i2 = -1, a 1
2
(1  5) y b 1
2
(1  5) , tiene la
¨ ¸, ¨ ¸, ¨ ¸ propiedad de que A es idempotente. Describir en forma
© 0 1 ¹ © c 1¹ © 0 1¹
completa todas las matrices A de 2 x 2, con elementos
donde b y c son números reales arbitrarios. Hallar todas las
complejos tales que A sea idempotente.
matrices A de 2 x 2, tales que A 2 = I.

1.6.3 Dada la matriz 1.6.7 Determine a y b tales que A sea idempotente


§ 1 0·
§ CosT  SenT · A ¨ ¸.
A ¨ ¸. © a b¹
© SenT Cos T ¹
Calcular A n siendo n  Z +.
1.6.8 Determine condiciones sobre a, b y c de modo que
A sea idempotente
1.6.4 Demuestre que una matriz triangular es nilpotente
si, y sólo si, todos los elementos de la diagonal principal § a 0·
A ¨ ¸.
son nulos, y el índice del carácter nilpotente de la matriz ©b c¹
triangular no supera su orden.
1.6.9 Demuestre que A es idempotente sí y sólo si A T es
n +
1.6.5 Sea k z 0, encuentre A , n  Z si idempotente.
§ CosT kSenT ·
A ¨ ¸. 1.6.10 Demostrar que una hipermatriz triangular es
¨¨  1 SenT CosT ¸¸ nilpotente si, y sólo si, todas sus submatrices en la
© k ¹
diagonal principal son nilpotentes.
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
66 MATRICES

1.6.11 Dada la matriz 1.6.17 Demuestre que si A y B son idempotentes y A B =


§ nS nS · B A, entonces A B es idempotente.
¨ Cos k Sen ¸
k ¸
A ¨ 1.6.18 Encuentre una matriz hipertriangular nilpotente
¨  Sen n S n S
¨ Cos ¸¸ de índice 2 tales que sus submatrices en la diagonal
© k k ¹ principal sean nilpotentes de índice 2.
en donde k  Z +, encuentre A m para todo m. ¿A qué es
igual la matriz A m cuando m = k? 1.6.19 Si A y B son matrices de 2 x 2. Calcule:
a.- (A B ± B A)2; b.- (A B ± B A)n, n > 2.
1.6.12 Demuéstrese que, si A es matriz cuadrada, en-
tonces: 1.6.20 Si A y B son matrices de n x n tales que
a.- A 3 ± I = (A ± I)(A 2 + A + I); A(A B ± B A) = (A B ± B A)A
b.- A 4 ± I = (A 2 + I)(A + I)(A ± I); y
c.- 3A 2 ± 2A - I = (3A + I)(A ± I); B(A B ± B A) = (A B ± B A)B.
d.- A k ± I = (A ± I)(A k-1 + A k-2 «+ I). Demuestre que (A B ± B A)3 = O.

1.6.13 Demuestre que si A es nilpotente, entonces A T es 1.6.21 Encuentre una matriz triangular de 3 x 3, que sea
nilpotente con el mismo índice. nilpotente de índice 2.

1.6.14 Sean las matrices 1.6.22 Dada la matriz A. Hallar el valor del polinomio
§ 3 2 · § 4 2 · p(x):
A ¨ ¸, B ¨ ¸,
© 15 8 ¹ © 15 7 ¹ § 1
2 1·
¨ ¸
p( x, y) x2  xy  2 y 2 y q( x, y) x2  y 2  2 y  1 : a.- A ¨ 1 1 3 ¸ , p(x) = 3x2 ± 2x + 2;
¨2 1 1 ¸¹
a.- Verifíquese que A y B conmutan. ©
b.- Evalúese p(A, B). §1 1 1 ·
c.- Evalúese q(A, B). ¨ ¸
b.- A ¨1 1 1¸ , p(x) = 2x2 + 3x ± 1;
d.- Demuéstrese que, en general, si A y B son matrices ¨1 1 1¸
de n x n, y si A y B conmutan, entonces © ¹
(A + B)2 = A 2 + 2A B + B 2 §1 2 3·
y ¨ ¸
c.- A ¨ 4 5 6 ¸ , p(x) = x2 ± 5x ± 5;
A 2 ± B 2 = (A + B)(A ± B) ¨7 8 9¸
y verifíquese la validez de esas relaciones con las © ¹
matrices A, B que se han dado. §1 4 7·
¨ ¸
d.- A ¨ 2 5 8 ¸ , p(x) = 3x2 + 5x ± 5;
1.6.15 Sea f ( x) x 2  x  3 , g ( x) x3  2 x  1 , ¨3 6 9 ¸¹
©
§ 3 1· § 1 2 · §1 1 1·
A ¨ ¸, B ¨ ¸ . Evalúese: ¨ ¸
© 2 0¹ ©3 4 ¹ e.- A ¨1 i 1¸ , p(x) = x2 + 3x + 1;
a.- f(A); b.- f(B); c.- f(I); d.- f(O); ¨1 1 i ¸¹
©
e.- g(A); f.- g(B); g.- f(A + B).
§1  i 1 1 ·
¨ ¸ 2
1.6.16 En cada una de las elecciones siguientes de la f.- A ¨ 1 1  i 1 ¸ , p(x) = x - 3x ± 2.
matriz A, demuéstrese que se puede expresar A como B ¨ 1 1 1  i ¸¹
©
+ C, donde B es idempotente y C es nilpotente
(recuérdese que O es idempotente y nilpotente al mismo 1.6.23 Hallar matrices A y B tales que
tiempo):
§ 1 2 · § 1 3 ·
§1 0· § 0 0· A2 ¨ ¸ y B
2
¨ ¸.
a.- A ¨ ¸ ; b.- A ¨ ¸; © 0 1 ¹ ©2 5 ¹
© 0 1 ¹ ©1 0¹
§1 0· §1 0· 1.6.24 Dada la matriz
c.- A ¨ ¸; d.- A ¨ ¸;
© 0 0¹ ©1 1¹ §8 4 4i ·
¨ ¸
§1 0 0· A ¨4 2 2i ¸
§1 0 · ¨ ¸ ¨ 4i 2i
e.- A ¸; f.- A 1 0¸ . © 2 ¸¹
¨ ¨0
©1 0 ¹ ¨1
© 0 0 ¸¹ encuentre A n, n  Z +.

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


MATRICES 67

1.7 C U EST I O N A RI O

Responda verdadero (V) o falso (F) a cada una de las siguientes afirmaciones. Para las afirmaciones que sean falsas,
indicar por que lo es:

1.7.1 Si dos productos A B y B A están definidos y A es 1.7.11 Si A y B son matrices cuadradas de un mismo
una matriz de m x n, entonces B es una matriz de m x n. orden con la particularidad de que A B z B A, entonces
Tr(A B) z Tr(B A).
1.7.2 Una matriz que conmuta para el producto con una
matriz diagonal que posee elementos en la diagonal 1.7.12 Para que una matriz cuadrada A sea conmutativa
distintos de dos en dos es también una matriz diagonal. con todas las matrices cuadradas del mismo orden, es
necesario y suficiente que la matriz A sea escalar.
1.7.3 Si una matriz cuadrada A es conmutativa para el
producto con todas las matrices cuadradas del mismo 1.7.13 Las operaciones sobre las matrices casi
orden, ésta es la matriz nula. diagonales de una misma estructura dan matrices casi
diagonales de la misma estructura.
1.7.4 Las operaciones sobre las matrices casi triangulares
de la misma estructura, superiores o inferiores conducen a 1.7.14 Si A es una matriz diagonal y todos los elementos
matrices casi diagonales de la misma estructura. de su diagonal principal se diferencian entre sí, cualquier
matriz, conmutativa con A debe ser nula.
1.7.5 Si una matriz A es nilpotente de índice de
nilpotencia n, entonces la matriz A es también nilpotente 1.7.15 Si A es una matriz de 2 x 2 y k un número entero
y posee el mismo índice de nilpotencia. superior a dos, entonces A k = O si, y sólo si, A 2 = O.

1.7.6 Si las matrices A y B son conmutables para el 1.7.16 Si para las matrices A y B ambos productos A B y
producto, entonces las matrices conjugadas A y B son B A están definidos con la particularidad de que A B = B A,
anticonmutativas. entonces las matrices A y B son cuadradas y no
necesariamente tienen el mismo orden.
1.7.7 Una matriz triangular es nilpotente si, y sólo si,
todos los elementos de la diagonal principal son nulos, y el 1.7.17 Si A y B son matrices cuadradas de un mismo
índice de nilpotencia de la matriz triangular no supera su orden con la particularidad de que A B z B A, entonces
orden. (A - B)2 = A 2 + B 2.

1.7.8 Si A es una matriz normal y conmuta con una cierta 1.7.18 Para cualquier matriz B con elementos reales o
complejos, entonces la matriz A = B B + es antihermítica.
matriz B, entonces A conmuta con B.
1.7.19 La suma A + B y el producto A B de matrices
1.7.9 El producto de dos matrices antisimétricas A y B es
normales A y B son matrices normales.
una matriz antisimétrica si, y sólo si, A B z B A.
1.7.20 Una matriz normal casi triangular es una matriz
1.7.10 Para que una matriz cuadrada A sea conmutativa
casi diagonal.
con todas las matrices diagonales es necesario y suficiente
que la propia matriz A sea diagonal.

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


O BJE T I V O

Resolver problemas sobre determinantes, utilizando definiciones, propiedades y métodos adecuados para cada
tipo, en situaciones reales propias de la ingeniería y ciencias aplicadas.

C O N T E NI D O :

2.1 DETERMINANTES DE SEGUNDO Y TERCER ORDEN


2.2 METODOS PARA EL DESARROLLO DE UN DETERMINANTE DE ORDEN SUPERIOR
2.3 PRODUCTO DE DETERMINANTES
2.4 DETERMINANTES DE VANDERMONDE
2.5 CUESTIONARIO

2.1 D E T E R M I N A N T ES D E SE G UND O Y T E R C E R O RD E N

En esta sección se introduce la terminología básica y se define el determinante de una matriz cuadrada de n-ésimo
orden, enunciamos sus propiedades.

Es evidente que una regla que asocie a cada matriz un número concreto definirá una
función de valores numéricos de las matrices. Una de las funciones con valores
numéricos más importante entre las que se definen para las matrices cuadradas es la
función determinante. Esta función ha sido objeto de un estudio exhaustivo durante
más de 200 años. El hecho más asombroso de la historia de los determinantes es que
el concepto de determinante se haya adelantado más o menos 100 años al concepto
de matriz. En realidad, hasta principios de este siglo, ambos conceptos se
confundían.

Si designamos los n primeros elementos del conjunto de los números naturales,


existe una permutación ordinaria de dichos elementos que se denomina permutación
fundamental o principal, la cual corresponde a la sucesión ordenada y creciente de
los números naturales; entonces, la permutación fundamental viene dada por 1 2 3 ...
n. Se dice que dos elementos de cualquiera de las n! permutaciones posibles forman
inversión cuando se suceden en un orden distinto al que presentan en la permutación
fundamental; así, por ejemplo, en la permutación 2 3 1 4, los pares de elementos
{2, 1} y {3, 1} forman inversiones. Si todos los pares de elementos forman
inversión, es decir, si todos los elementos están colocados en orden contrario al
natural, se trata de una permutación inversa, como 4 3 2 1. La clase de una
permutación viene dada por la paridad del número total de inversiones que existan
entre cada dos elementos de la permutación; así, una permutación es de clase par o
de clase impar, según sea par o impar dicho número de inversiones. Al cambiar entre
sí de lugar la posición de dos elementos de una permutación se ha originado una
transposición.
70 DETERMINANTES

T E O R E M A 2.1.1
Si en una permutación arbitraria se efectúa una transposición, la
permutación cambia de clase.
D E M OST R A C I O N
En efecto, si se verifica la transposición entre dos elementos consecutivos se origina
un aumento o una disminución en el número total de inversiones de la permutación,
según que dicho par de elementos estuvieran o no en el orden natural previamente
establecido; por otra parte, no existen más variaciones en el número total de
inversiones, ya que tanto los elementos anteriores como los posteriores a los que se
transponen siguen teniendo respecto a los elementos del par transpuesto la misma
posición relativa que tenían antes de la transposición. Si entre los elementos que se
transponen existen otros k elementos intercalados, para intercambiarlos de lugar
basta hacer avanzar k + 1 lugares al elemento más retrazado, lo que equivale a
efectuar k + 1 transposiciones y, a continuación, debe hacerse retroceder k lugares el
elemento más avanzado, lo que representa otras k nuevas transposiciones, con lo que
el número total de transposiciones efectuadas asciende a k + 1 + k = 2k + 1, que es un
número impar, siendo, por tanto, impar el número de cambios de la permutación
original; la permutación debe cambiar de clase.

Si en una permutación arbitraria se efectúa una transposición, la permutación cambia


de clase. Finalmente, se puede probar fácilmente que es posible obtener las n!
permutaciones del conjunto {1, 2, ..., n} a partir de la permutación principal y
cambiando, para formar una nueva permutación, dos elementos de la anterior, así: 1
2 3, 1 3 2, 3 1 2, 3 2 1, 2 3 1, 2 1 3, son las 3! = 6 permutaciones de {1, 2, 3}; por
tanto, como se cambia de clase al conseguir una nueva permutación, entre las n!
permutaciones posibles existen ½ n! de clase par y otras de clase impar.

D E F IN I C I O N 2.1.1
Formados todos los productos posibles de n elementos elegidos entre los n2
de la matriz dada, de modo que en cada producto haya un factor de cada fila
y uno de cada columna, y anteponiendo a cada producto el signo + o el -,
según que las permutaciones que indican las filas y las columnas sean de la
misma o distinta clase, el polinomio que tiene como términos todos los
productos así formados con sus signos correspondientes, se llama
determinante de la matriz dada. Es decir, para el conjunto de las matrices
cuadradas de orden n se puede establecer una aplicación inyectiva de forma
que a cada matriz A corresponda una función escalar de sus elementos y se
representa escribiendo ésta entre barras: Det( A ) = A .

D E F I N I C I O N 2.1.2
Se dice que dos determinantes son iguales, si al ser evaluados ambos dan
el mismo número.

La definición aceptada permite desarrollar cualquier determinante, pero en la


práctica no debe utilizarse directamente para los de orden superior a tres.

D E F IN I C I O N 2.1.3
El valor del determinante de una matriz
§a a12 ·
A ¨ 11 ¸
© a21 a22 ¹
de 2 x 2 se define mediante la expresión:
Det(A) = a11a22 ± a12a21.

Un determinante de segundo orden es un número que se calcula a partir de los


cuatro elementos de una ordenación cuadrangular.

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


DETERMINANTES 71

EJ E M P L O 2.1.1
Evaluar el determinante de la siguiente matriz
§ a 2  ab  b2 a 2  ab  b2 ·
A ¨¨ ¸¸ .
© a b a b ¹
SO L U C I O N
Evaluamos el determinante de la matriz A utilizando la correspondiente definición
Det(A) = (a2 + ab + b2)(a - b) - (a2 - ab + b2)(a + b)
= a3 - a2b + a2b - ab2 + ab2 - b3 - a3 - a2b + a2b + ab2 - ab2 - b3
= - 2b3. ’

EJ E M P L O 2.1.2
Demostrar que, siendo a, b, c y d reales, las raíces de la ecuación
a  x c  id
0
c  id b  x
serán reales.
SO L U C I O N
Evaluando el determinante, obtenemos:
' = (a ± x)(b ± x) ± (c + id)(c ± id) = 0 Ÿ ab - ax - bx + x2 - c2 + icd - icd + i2d2 = 0
ab - ax - bx + x2 - c2 - d2 = 0 Ÿ x2 - (a + b)x + (ab - c2 - d2) = 0
Resolvemos esta ecuación cuadrática, resultando:
( a  c ) r ( a  b)2  4( ab  c 2  d 2 ) ( a  c ) r ( a  b) 2  4(c 2  d 2 )
x1,2 .
2 2
Como (a - b)2 + 4(c2 + d2) t 0, entonces las raíces son reales. ’

EJ E M P L O 2.1.3
Dada la matriz
§ 4 5·
A¨ ¸
© 2 1¹
Encuentre de ser posible una matriz B tal que Det(A) = Det(A B).
SO L U C I O N
§a b· § 4 a  5c 4b  5d ·
Sea B ¨ ¸ , entonces A B ¨ ¸ . Por lo tanto
©c d¹ © 2 a  c 2b  d ¹
Det(A) = -6 y Det(A B) = 6bc ± 6ad Ÿ -6 = 6bc ± 6ad Ÿ ad ± bc = 1.
La matriz pedida tiene la forma siguiente:
°§ a b ·
­ ½
°
B ®¨ ¸ / ad  bc 1¾ . ’
°
¯© c d ¹ °
¿

EJ E M P L O 2.1.4
Dada la matriz
§1 3·
A¨ ¸
© 4 2¹
Encuentre de ser posible una matriz B tal que Det(A + B) = Det(A) + Det(B).
SO L U C I O N
§a b· §1 a 3  b ·
Sea B ¨ ¸ , entonces A + B ¨ ¸ . Por lo tanto
© c d ¹ ©4 c 2 d ¹
Det(A + B) = (1 + a)(2 + d) ± (3 + b)(4 + c)
= 2a - 4b ± 3c + d + ad ± bc ± 10
Det(A) = -10 y Det(B) = ad ± bc.
De donde
2a - 4b ± 3c + d + ad ± bc ± 10 = -10 + ad ± bc Ÿ 2a - 4b ± 3c + d = 0.
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
72 DETERMINANTES

La matriz pedida tiene la forma siguiente:


­§ a b ·
° ½
°
B ®¨ ¸ / 2 a  4b  3c  d 0¾ . ’
¯© c d ¹
° °
¿

D E F IN I C I O N 2.1.4
El valor del determinante de una matriz
§ a11 a12 a13 ·
¨ ¸
A ¨ a21 a22 a23 ¸
¨a a33 ¸¹
© 31 a32
de 3 x 3, se define de la siguiente manera:
Det(A) = a 11a 22a 33 + a 12 a 23a 31 + a 13a 21a 32 ± a 13a 22a 31 ± a 11a 23a 32 ±
a 12a 21a 33.

Un determinante de tercer orden es un número que se calcula a partir de los


elementos de una ordenación cuadrangular de 3 x 3. Obsérvese que el primer
término está compuesto por los elementos de la diagonal principal; y cada
paralela a ella, con el elemento del vértice opuesto, compone otro término con
signo +. Análogamente se deducen los otros tres que llevan signo -, partiendo de
la diagonal secundaria. Esta regla muy útil se llama regla de Sarrus.

EJ E M P L O 2.1.5
Calcule el determinante
b2  c 2 a2 a2 a2 1 ab ac
2 2 2 2 2
a.- b a c b ; b.- ab b 1 bc .
2 2 2 2 2
c c a b ac bc c 1
SO L U C I O N
a.- Haciendo uso de la definición correspondiente evaluamos el determinante la
matriz:
' = (b2 + c2)(a2 + c2)(a2 + b2) + a2b2c2 + a2b2c2 ± a2c2(a2 + c2) ± b2c2(b2 + c2) ±
a2b2(a2 + b2)
= (b2a2 + b2c2 + a2c2 + c4)(a2 + b2) + 2a2b2c2 ± a4c2 - a2c4 ± b4c2 - b2c4 ± a4b2 - a2b4
= b2a4 + b4a2 + b2a2c2 + b4c2 + a4c2 + a2b2c2 + c4a2 + c4b2 + 2a2b2c2 ± a4c2 - a2c4 ±
b c - b2c4 - a4b2 - a2b4
4 2

= 4a2b2c2.
b.- Haciendo uso de la definición correspondiente evaluamos el determinante la
matriz:
' = (a2 + 1)(b2 + 1)(c2 + 1) + a2b2c2 + a2b2c2 ± a2c2(b2 + 1) ± b2c2(a2 + 1) ±
a2b2(c2 + 1)
= (a b + a + b + 1)(c + 1) + 2a b c ± a b c - a c ± a b c - b c ± a b c - a2b2
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

= a2b2c2 + a2b2 + a2c2 + a2 + b2c2 + b2 + c2 + 1 ± a2b2c2 - a2c2 ± b2c2 - a2b2


= a2 + b2 + c2 + 1. ’

A continuación enunciaremos y demostraremos algunas de las propiedades mas


importantes de los determinantes.

T E O R E M A 2.1.2
El valor de un determinante no varía si se sustituye cada elemento por su
conjugado, es decir, si se cambian las filas por columnas, y éstas por
aquéllas, sin alterar el orden relativo de los elementos de cada una.
D E M OST R A C I O N
En efecto; todo término del primer determinante está formado por n elementos, uno
de cada fila y uno de cada columna, luego pertenece también al segundo

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


DETERMINANTES 73

determinante. Las dos permutaciones que indican filas (columnas) en el segundo


determinante, son las mismas que indican las columnas (filas) en el primero, luego el
signo de dicho término en ambos determinantes es + o -, según que ambas
permutaciones sean de la misma o distinta clase.

Al multiplicar cada elemento de la i-ésima fila o de la j-ésima columna por un


número r, Det(A) queda multiplicado por r. Consecuentemente, si cada elemento de
una matriz A de orden n x n se multiplica por un número r, entonces Det(A) queda
multiplicado por rn.

T E O R E M A 2.1.3
Si se multiplican todos los elementos de una fila o columna por un mismo
número, el valor del determinante queda multiplicado por dicho número.
D E M OST R A C I O N
Supongamos que bj = ra j, mientras que bk = a k para k z j. Entonces, en particular,
b1j = ra1j. Si k z j, B 1k se obtiene a partir de A 1k multiplicando una columna por r y
como B 1k y A 1k son matrices (n ± 1) x (n ± 1), tenemos que Det(B 1k) = rDet(A 1k).
Por otra parte, B 1j = A 1j y b1k = a1k si k z j. Por tanto, para todo k,
B 1kDet(B 1k) = ra1kDet(A 1k).
Por tanto,
n n
Det( B ) ¦ (1)k 1 b1k Det( B1k ) ¦ (1) k 1 r a1k Det( A1k ) rDet( A ) .
k 1 k 1

En el teorema siguiente podemos ver que un intercambio de dos filas o dos columnas
es una matriz de orden n x n cambia el signo del determinante.

T E O R E M A 2.1.4
Si B se obtiene a partir de A intercambiando dos filas (o dos columnas)
adyacentes sin alterar el orden relativo de los elementos de cada una,
entonces el valor absoluto del determinante no varía, pero cambia su signo.
D E M OST R A C I O N
Supongamos que A y B son iguales, excepto que aj = bj+1 y a j+1 = bj. Si k z j y k z
j+1, tenemos que b1k = a1k y Det(B 1k) = -Det(A 1k) por la hipótesis de inducción, de
modo que
(-1)k+1b1kDet(B 1k) = -(-1)k+1a1kDet(A 1k)
Por otra parte, b1j = a1 j+1, B 1j = A 1 j+1, de modo que
(-1)j+1b1jDet(B 1j) = (-1)j+1a1 j+1Det(A 1 j+1)
= -(-1)j+2a1 j+1Det(A 1 j+1).
De la misma manera,
(-1)j+2b1 j+1Det(B 1 j+1) = -(-1)j+1a1jDet(A 1j).
Por tanto, cada término de la expresión para Det(B) es igual al negativo de un
término en la expresión para Det(A). Por tanto, Det(B) = -Det(A).

T E O R E M A 2.1.5
Si en una matriz cuadrada todos los elementos de una fila (o columna) son
cero, el valor de su determinante es cero.
D E M OST R A C I O N
Cada uno de los productos en que se desarrolla el determinante contiene un elemento
de esa fila, así que cada producto es nulo en la hipótesis hecha. De aquí que su suma
es cero; es decir Det(A) = 0.

T E O R E M A 2.1.6
Si en una matriz cuadrada, los elementos correspondientes de dos filas
(o dos columnas) son idénticos, entonces el valor de su determinante es
cero.

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


74 DETERMINANTES

D E M OST R A C I O N
Suponga que a ik = a jk para todo k o que a ik = aij para todo i; si intercambiamos las dos
filas o las dos columnas iguales, la matriz A no ha cambiado. Pero el signo del
determinante cambia:
Det(A) = - Det(A) o Det(A) + Det(A) = 0.
El único número real para el cual se satisface la ecuación es Det(A) = 0.

T E O R E M A 2.1.7
Un determinante es nulo si los elementos de una fila (o columna) son
proporcionales a los términos de una paralela a ella.
D E M OST R A C I O N
Si los términos de una fila son iguales a los correspondientes de otra, multiplicados
por r, separando este número como factor del determinante, queda otro con dos filas
idénticas, y, por tanto, es nulo.

T E O R E M A 2.1.8
Sean A, B y C matrices iguales, excepto para la columna j, y supóngase que
la columna j de C es la suma de las columnas de j de A y B. Entonces
Det(C) = Det(A) + Det(B).
D E M OST R A C I O N
Tenemos que
c1j = a1j + b1j y C 1j = A 1j + B 1j.
Para k z j,
c1k = a1k = b1k y C 1k = A 1k = B 1k,
excepto para una columna que es la suma de las columnas correspondientes de A 1k y
B 1k. Por tanto, si k z j,
Det(C 1k) = Det(A 1k) + Det(B 1k)
por hipótesis de inducción. Si k = j tenemos
c1kDet(C 1k) = c1kDet(A 1k) + c1kDet(B 1k)
= a 1kDet(A 1k) + b1kDet(B 1k)
mientras que
c1jDet(C 1j) = a 1jDet(C 1j) + b1jDet(C 1j)
= a 1jDet(A 1j) + b1jDet(B 1j)
Por tanto
n
Det( C ) ¦ (1)k 1 c1 k Det( C1 k )
k 1
n n
¦ (1)k 1 a1k Det( A1k )  ¦ (1) k 1 b1k Det( B1k )
k 1 k 1
= Det(A) + Det(B).

El teorema siguiente nos da una manera eficiente para calcular el determinante de


una matriz grande.

T E O R E M A 2.1.9
Si C y A son matrices n x n y C se obtiene de A sumando un múltiplo
numérico de una columna a otra, entonces
Det(C) = Det(A).
D E M OST R A C I O N
Supongamos que la matriz C es igual a la matriz A, excepto que c j = a j + ra i. Sea la
matriz obtenida de A remplazando a j por ra i. Por el teorema anterior,
Det(C) = Det(A) + Det(B).
El Det(B) es r veces el determinante de una matriz con dos columnas iguales. Por
tanto,
Det(B) = 0 y Det(C) = Det(A).

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


DETERMINANTES 75

EJ E M P L O 2.1.6
Sin desarrollar el determinante, demostrar la siguiente identidad:
ma1 mb1 mc1 a1 b1 c1 1 a bc 1 1 1
a.- na2 nb2 nc2 mnp a2 b2 c2 ; b.- 1 b ac a b c .
pa3 pb3 pc3 a3 b3 c3 1 c ab a 2 b2 c2
SO L U C I O N
a.- Extraemos m de la primera fila de la matriz, n de la segunda fila y p de la tercera
fila. Es decir
a1 b1 c1 a1 b1 c1 a1 b1 c1
m na2 nb2 nc2 mn a2 b2 c2 mnp a2 b2 c2
pa3 pb3 pc3 pa3 pb3 pc3 a3 b3 c3
b.- Multiplicando la primera, segunda y tercera filas por a, b y c, respectivamente,
obtenemos
a a2 abc a a2 1
1
b b2 abc b b2 1
abc
c c2 abc c c2 1
intercambiando las columnas 1 y 3, luego la 2 y 3, transponiendo la matriz
obtenemos la identidad
a a2 1 1 a2 a 1 a a2 1 1 1
2 2 2
b b 1 1 b b 1 b b a b c . ’
2 2
c c 1 1 c c 1 c c2 a 2 b2 c2

EJ E M P L O 2.1.7
Sea A una matriz antisimétrica de n x n. Demuestre que si n es impar, entonces
Det(A) = 0.
SO L U C I O N
Como A = -A T, entonces:
Det(A) = Det(-A T) = (-1)nDet(A T) = (-1)nDet(A) = - Det(A) Ÿ 2Det(A) = 0.
Luego Det(A) = 0. ’

EJ E M P L O 2.1.8
Sin desarrollar el determinante, demostrar la siguiente identidad:
1 a a2 1 a 0 1 a2 a3 bc a a2
a.- 1 b b 2 (b  a )(c  a ) 0 1 b ; b.- 1 b 2 b3 ca b b 2 .
1 c c2 0 1 c 1 c2 c3 ab c c2
SO L U C I O N
a.- Restando la fila 1 de la fila 2 y la fila 1 de la fila 3, obtenemos:
1 a a2
0 b  a b2  a 2
0 ca c2  a2
extraemos (b ± a) de la segunda fila y (c ± a) de la tercera fila
1 a a2
(b  a )( c  a ) 0 1 b  a
0 1 ca
descomponemos el determinante en suma de determinantes con respecto a la tercera

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


76 DETERMINANTES

columna
­ 1 a 0 1 a a2 ½
° °
(b  a )( c  a ) ® 0 1 b  0 1 a ¾
° 0 1 c 0 1 a °
¯ ¿
podemos observar en la expresión que esta entre llaves, que el segundo determinante
es cero por tener dos filas iguales, lo cual permite llegar a demostrar la identidad.
1 a 0
(b  a )( c  a ) 0 1 b .
0 1 c
b.- A la primera columna del determinante le multiplicamos por abc:
abc a 2 a3
1
abc b 2 b3
abc
abc c 2 c3
Extraemos a de la primera fila, b de la segunda fila y c de la tercera fila:
bc a a 2 bc a a2
abc
ac b b 2 ac b b 2 . ’
abc
ab c c 2 ab c c2

EJ E M P L O 2.1.9
Sin desarrollar el determinante, demostrar la siguiente identidad:
1 a a3 1 a a2
a.- 1 b b3 (a  b  c) 1 b b2 ;
1 c c3 1 c c2

0 a b c 0 1 1 1
2
a 0 c b 1 0 c b2
b.- .
b c 0 a 1 c2 0 a2
c b a 0 1 b2 a2 0
SO L U C I O N
a.- A la columna 3 le restamos la columna 1 multiplicada por abc
1 a a 3  abc
1 b b3  abc
1 c c 3  abc
A la columna 3 le sumamos la columna 2 multiplicada por ac
1 a a 3  a 2 c  abc
1 b b3  abc  abc
1 c c 3  ac 2  abc
A la columna 3 le sumamos la columna 2 multiplicada por bc
1 a a 3  a 2 c  abc  abc
1 b b3  b 2 c
1 c c 3  ac 2  abc  bc 2
A la columna 3 le sumamos la columna 2 multiplicada por ab

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


DETERMINANTES 77

1 a a 3  a 2 c  a 2b 1 a a 2 (a  b  c)
1 b b3  b 2 c  b 2 a 1 b b2 ( a  b  c )
1 c c 3  ac 2  bc 2 1 c c 2 (a  b  c)
Extraemos a + b + c de la tercera columna
1 a a2
( a  b  c ) 1 b b2 .
1 c c2
b.- A la segunda fila del determinante se le multiplica por bc, a la tercera fila por ac
y a la cuarta fila por ab:
0 a b c
1 abc 0 bc 2 b2 c
a 2 b 2 c 2 abc ac 2 0 a2c
abc ab 2 a 2 b 0
De la primera columna extraemos abc, de la segunda columna a, de la tercera
columna b y de la cuarta columna c:
0 1 1 1 0 1 1 1
a 2b2 c 2 1 0 c2 b2 1 0 c2 b2
. ’
a 2b2 c 2 1 c 2 0 a2 1 c2 0 a2
1 b2 a2 0 1 b2 a2 0

EJ E M P L O 2.1.10
Evaluar los siguientes determinantes:
1 a b cd 1 a b c
1 b c da 1 b c a
a.- ; b.- .
1 c d a b 1 c a b
1 d a bc 1 2 a  b 2b  c 2c  a
SO L U C I O N
a.- A la segunda columna del determinante, le sumamos la tercera y cuarta
columnas:
1 a bc d b c d
1 bcd a c d a
1 c d  a b d a b
1 d  a bc a bc
Extraemos de la segunda columna a + b + c + d:
1 1 b cd
1 1 c da
(a  b  c  d )
1 1 d a b
1 1 a bc
Como existen dos columnas iguales, el determinante es igual a 0.
b.- A la primera columna, le sumamos la tercera y cuarta columnas:
1 a bc b c
1 bca c a
1 c  a b a b
1 a  b  c 2b  c 2c  a

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


78 DETERMINANTES

Extraemos de la segunda columna a + b + c :


1 1 b c
1 1 c a
(a  b  c) .
1 1 a b
1 1 2b  c 2c  a
Como existen dos columnas iguales, el determinante es igual a 0. ’

PR O B L E M AS

2.1.1 Si A y B son matrices triangulares superiores de n x 2.1.13 Evaluar los siguientes determinantes:
n tales que Det(a A + b B) = aDet(A) + bDet(B) para todo n  2 n 1 n 1 1 1
a, b en K , demuestre que Det(A) = Det(B) = 0. a.- n  1 n n ; b.- 1 2  a 1 ;
2.1.2 Dado que Det(A) = 81 y B es una matriz igual a A, n n n 1 1 3 a
excepto que la primera y tercera filas fueron 1 2 3 1 1 1
intercambiadas una por la otra. ¿Cuál es el valor de c.- 1 a  1 3 ; d.- a a b a ;
Det(B)?
1 2 a 1 cd c c
2.1.3 Si Det(A) = 9 y B es una matriz igual a A, excepto e c b 1 1 n
que la segunda y tercera filas fueron intercambiadas entre e.- c e a ; f.- 1 n 1 ;
sí. ¿Cuál es el valor de Det(B)?
b a e n 1 1
2.1.4 Sean A y B matrices cuadradas de 4 x 4 tales que a b c d a dg dh
Det(A) = -15 y Det(B) = -6. Encuentre Det(A B), Det(A 3), g.- b ac d ; h.- ek b eh ;
Det(5B); Det(A B)T. b c ad fk fg c
2.1.5 Si A es una matriz simétrica, demuestre que 2  a2 2 3 1 n n
Det(A + B) = Det(A + B T). i.- 3 1 5 ; j.- n 2 n ;
3 1 9a 2 n n 3
2.1.6 Encuentre matrices A y B de 2 x 2 tales que
Det(A + B) = Det(A) + Det(B). n 1 1 a b b
k.- 1 n 1 ; l.- b a b .
2.1.7 Sea A una matriz de 3 x 3 tal que la suma de cada
una de sus filas es igual a cero. Encuentre Det(A). 1 1 n b b a

2.1.8 Demuestre que si Det(A) = Det(B) z 0, entonces 2.1.14 Demuestre que la ecuación de la recta que pasa
hay una matriz C tal que Det(C) = 1 y A = C B. por los puntos P(a, b) y Q(c, d) está dada por
1 1 1
2.1.9 Demuestre que si A es una matriz antisimétrica de x a c 0.
n x n, entonces Det(A) = (-1)nDet(A).
y b d
2.1.10 Si A es una matriz idempotente, ¿cuáles son los
valores posibles de Det(A)? §a b·
2.1.15 Demuestre que si
¨ A
¸ , entonces
©c d¹
2.1.11 Sean A y B dos matrices de n x n. Encuentre
Det(C) en función de Det(A + B) y Det(A ± B), siendo Det( A ) es el área del paralelogramo con lados
§A B· determinados por (a, b) y (c, d).
C =¨ ¸.
©B A¹ 2.1.16 Evaluar los siguientes determinantes:
n 1 0 1 a 0
§ 1 3 · a.- n  1 a 1 ; b.- 1 1  a b ;
2.1.12 Si A T B T ¨ ¸ y Det(B) = 3. ¿Cuál es el
© 2 4¹ n2 0 a 0 1 1  b
Det(A)?

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


DETERMINANTES 79

2n  5 n  1 n 1 n 1 1 2.1.23 Sin desarrollar el determinante, demostrar la


c.- n  2 2n  3 n ; d.- 1 1 n 1 ; siguiente identidad:
n  2 n  1 2n  1 1 1 1 n 0 a 2 b2 0 1 1
a  b ab 0 a.- a2 0 c2 a 2b2 c 2 1 0 1 ;
e.- 1 a  b ab . b2 c2 0 1 1 0
0 1 a b
a4 a9 a16 1 a a4

§ 1 2 4 · b.- a9 a16 a 25 a 36 a a4 a9 ;
¨ ¸ a16 a 25 a 36 a4 a9 a16
2.1.17 Si A ¨ 3 1 1¸ evalúe Det(A - OI), donde O
¨5 2 6¸
© ¹ 1 a2 a3 1 a a2
es un escalar.
c.- 1 b 2 b3 ( ab  bc  ca ) 1 b b 2 ;
2.1.18 Sea A una matriz antisimétrica de orden impar. 1 c2 c3 1 c c2
Demuestre que Det(A) = 0.
a b a c bc 1 c b
a b c d.- a c a b bc 2( a  b  c ) 1 b b ;
2.1.19 Si d e f 16 , encuentre: bc ba ac 1 b a
g h i a b bc c  a a b c
a b c d e f e.- m  n n 1 1 m 2 m n 1 ;
a.- d e f ; b.- a b c ; x y yz zx x y z
ag bh ci 3g 3h 3i a1 b1 a1 x  b1 y  c1 a1 b1 c1
g h i f.- a2 b2 a2 x  b2 y  c2 a2 b2 c2 ;
c.- a b c . a3 b3 a3 x  b3 y  c3 a3 b3 c3
d e f a b bc ca a b c
g.- a1  b1 b1  c1 c1  a1 2 a1 b1 c1 ;
2.1.20 Use determinantes para encontrar: a2  b2 b2  c2 c2  a 2 a2 b2 c2
a.- El área del rectángulo con lados determinados por
(4, 3) y (-6, 2). a1  b1 x a1  b1 x c1 a1 b1 c1
b.- El volumen del paralelepípedo rectangular cuyos lados h.- a2  b2 x a2  b2 x c2 2 x a2 b2 c2 ;
están determinados por (2, 2, 0), (4, -4, 1) y (2, -2, -16). a3  b3 x a3  b3 x c3 a3 b3 c3
a1  b1 x a1 x  b1 c1 a1 b1 c1
§B C·
2.1.21 Sea n = p + q y sea A = ¨ ¸ , donde B es i.- a2  b2 x a2 x  b2 c2 (1  x 2 ) a2 b2 c2 .
©D E¹
una matriz de p x p y E es una matriz q x q. Demuéstre- a3  b3 x a3 x  b3 c3 a3 b3 c3
se que:
a.- Si p < q, y si E = O, entonces 2.1.24 Sin desarrollar el determinante, demostrar la
Det(A) = 0. siguiente identidad:
b.- Si p = q y si C = O, entonces 1 2a a2 0 1 2 1 0
Det(A) = Det(B)Det(E). 2
c.- Si C = O y D = O, de manera que A es suma directa 0 1 2a a 0 1 2 1
a.- a4 ;
de B y E, entonces 1 a a 2
0 1 1 1 0
Det(A) = Det(B)Det(E). 0 1 1 1
0 1 a a2
§ a1 a2 a3 · bc b c 0 c b
¨ ¸ b.- a ac c 2 c 0 a .
2.1.22 Demuestre que si A ¨ b1 b2 b3 ¸ entonces
¨c c2 c3 ¸¹ a b a b b a 0
© 1
Det( A ) es el volumen del paralelepípedo cuyos lados
2.1.25 Sean A y B matrices de n x n tales que A B = I.
están determinados por (a1, a2, a3), (b1, b2, b3) y (c1, c2, c3). Demuestre que Det(A) z 0 y Det(B) z 0.

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


80 DETERMINANTES

2.1.26 Evaluar los siguientes determinantes: 5 2 1 4 3 5


1 1 4 3 6 9 5 4 2 i.- 5 4 3 ; j.- 5 4 3 .
a.- 2 2 1 ; b.- 6 3 6 ; c.- 4 2 5 ; 4 2 3 3 5 4
3 3 5 9 9 3 2 5 4
2 1 4 3 4 3 3 1 2 2.1.27 Use determinantes para encontrar:
d.- 5 2 3 ; e.- 5 6 5 ; f.- 2 3 1 ; a.- El área del paralelogramo con lados determinados por
(2, -4), (1, -3).
1 5 5 4 9 3 1 2 3 b.- El volumen del paralelepípedo de lados determinados
1 1 2 3 2 1 por (-1, 2, 3), (4, -5, 3) y (4, -1, 2).
g.- 3 5 1 ; h.- 2 1 2 ;
5 3 1 1 2 3

2.2 M E T O D OS P A R A E L D ESA RR O L L O D E UN D E T E R M I N A N T E D E O RD E N SUP E RI O R

En esta sección se analiza y desarrolla los métodos más importantes para el desarrollo de un determinante de
n-ésimo orden.

Nos interesa generalizar la noción de determinante a ordenaciones de n x n. En


los casos de arreglos de 2 x 2 y 3 x 3 se observa que un determinante es una suma
de términos cada uno de los cuales contiene uno y sólo un elemento de cada fila y
de cada columna de la ordenación rectangular. Además, el número de elementos
de cada término es el mismo que el de fila de la ordenación, es decir, que no hay
elementos repetidos. Notamos también una alternación en los signos de los
términos. No es fácil evaluar numéricamente un determinante cuando n es grande.
La labor de encontrar todas las permutaciones y asignar los signos
correspondientes es realmente difícil. Entonces, desarrollaremos métodos para
evaluar determinantes, que tiene una enorme importancia teórica, y simplifica el
procedimiento.

D E F IN I C I O N 2.2.1
El cofactor Det(A ij) del elemento a ij de cualquier matriz cuadrada A es
(-1)i+j veces el determinante de la submatriz de A obtenida al omitir la fila i
y la columna j.

D E F IN I C I O N 2.2.2
Si en una matriz cuadrada de orden n x n se suprimen la fila que ocupa el
lugar i y la columna j, se obtiene una matriz cuadrada de orden n ± 1 x n ±
1, cuyo determinante se llama menor complementario del elemento a ij
común a la fila y columna suprimidas. Lo designaremos Det(A ij). Si en el
desarrollo de un determinante sacamos factor común a ij en todos los
términos en que figura, aparece multiplicado por un polinomio que se llama
adjunto de a ij.

Nos será de mucha utilidad darles nombres a los determinantes de orden n ± 1 x


n ± 1, que aparecen en la evaluación de Det( A), paso a paso, por medio del
desarrollo por cofactores; los llamaremos los menores complementarios de la
matriz A.

D E F IN I C I O N 2.2.3
El adjunto de un elemento a ij es igual a su menor complementario, con
signo + o -, según que i + j sea par o impar. Por esta razón, el adjunto de a
suele llamarse también complemento algebraico, lo designaremos por
Det(A ij).

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


DETERMINANTES 81

I. D ESA RR O L L O PO R L OS E L E M E N T OS D E UN A F I L A O
C O LUMNA

Si en la definición del determinante de 3 x 3 se saca factor común a los elementos de


la primera fila, se tiene
Det(A) = a11(a22a33 ± a23a32) + a12(a23a31 ± a21a33) + a13(a21a32 ± a22a31)
a a a a a a
a11 (1)11 22 23  a12 (1)1 2 21 23   a11 (1)13 21 22
a32 a33 a31 a33 a31 a32
= a11Det(A 11) + a12Det(A 12) + a13Det(A 13)

en donde cada Det(A 1i) es el determinante que resulta de suprimir en la matriz A la


fila 1 y la columna i, afectado de un signo + o ± según que 1 + i sea un número par o
impar.

Se puede comprobar, para todos los casos posibles, que el determinante de 3 x 3 es


igual a la suma de los productos de los elementos de una fila o columna de la matriz
del determinante por sus adjuntos respectivos. Este resultado se puede generalizar al
caso de un determinante cualquiera de n x n, sacando también factor común a los
elementos de una fila o columna y comprobando que cada uno de ellos multiplica a
su correspondiente adjunto, con lo que se consigue el desarrollo de un determinante
por los elementos de una fila o columna.

T E O R E M A 2.2.1
El símbolo Det(A) se llama determinante de la matriz A de n x n y significa
la suma de los productos de los elementos de cualquier fila o columna y sus
respectivos cofactores; es decir
Det(A) = a i1Det(A i1) + a i2Det(A i2 «+ a inDet(A in)
o bien
Det(A) = a1jDet(A 1j) + a2jDet(A 2j «+ anjDet(A nj).
D E M OST R A C I O N
La demostración se lleva a cabo por inducción. La proposición es verdadera para un
determinante de 2 x 2. Suponiendo que es verdadera para un determinante de n ± 1 x
n ± 1, probaremos que es verdadera para un determinante de n x n. Desarróllese
Det(A) por la i-ésima fila. Un término típico es este desarrollo es
a ikDet(A ik) = (-1)i + k a ikDet(M ik).
El menor Det(M ik) de a i k en Det(A) es un determinante de n ± 1 x n ± 1. Por la
hipótesis de inducción, puede desarrollarse por cualquier fila. Desarróllese por la fila
correspondiente a la j-ésima fila de Det(A). Esta fila contiene los elementos a jr
(r z k). Es la (n ± 1)-ésima fila de Det(B ik), porque Det(B ik) no contiene elementos de
la i-ésima fila de Det(A) y i < j. Tiene que distinguirse entre dos casos:
Caso I. Si r < k, entonces el elemento a jr pertenece a la r-ésima columna de Det(A ik).
De aquí que el término que contiene a jr en este desarrollo es
a jr(cofactor de a jr en Det(B i k) = (-1)(j - 1) + ra jrDet(B ik jr)
donde Det(B ik jr) es el menor de ajr en Det(B ik). Como este menor se obtiene de
Det(B ik) eliminando la fila y columna de a jr, se obtiene en Det(A) eliminando el i-
ésima y el j-ésima filas y la k-ésima y r-ésima columnas de Det(A). Introdúzcanse
los desarrollos de los Det(B ik) en el de Det(A). Entonces se deduce que los términos
de la representación resultante de Det(A) son de la forma
(-1)i+k+j+r -1a i k a j rDet(B i k j r) r < k.
Caso II. Si r > k, la única diferencia es que entonces a jr pertenece a la (r ± 1)-ésima
columna de Det(B ik), porque Det(B ik) no contiene elementos de la k-ésima columna
de Det(A) y k < r. Esto produce un signo menos adicional y, por tanto, se obtiene
-(-1)i + k + j + r ± 1a i ka j rDet(B i k j r) r > k.
De forma análoga se demuestra el desarrollo referente a las columnas.

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


82 DETERMINANTES

En esta forma, Det(A) se define en términos de n determinantes de n ± 1 x n ± 1,


cada uno de los cuales, a su vez, se define en términos de n ± 1 determinantes de
n ± 2 x n ± 2, y así sucesivamente; finalmente se llega a determinantes de 2 x 2, en
los que los cofactores de los elementos son elementos sencillos de Det(A). Además,
de la definición se concluye que puede desarrollarse Det(A) por cualquier fila o
columna. El método expuesto para el desarrollo de un determinante complica
extraordinariamente el proceso de cálculo a medida que aumenta el orden del
determinante.

%  CALCULO  DEL  DETERMINANTE  DE  UNA  MATRIZ  


clc;;clear;;  
fprintf('\n  DETERMINANTE  DE  UNA  MATRIZ  \n')  
filcol=input('Ingrese  el  numero  de  filas  y  columnas:  ');;  
       %Ingreso  de  elementos  
               for  f=1:filcol  
                       for  c=1:filcol    
                               fprintf('Ingrese  el  elemento  (%d,%d)',f,c)  
                               A(f,c)=input('  :');;  
                       end  
               end  
       A  
       DetA=det(A);;  
       DetA  
 
EJ E M P L O 2.2.1
Evaluar el siguiente determinante:
2 5 1 2 1 0 2 8
3 7 1 4 3 2 8 5
a.- ; b.- .
5 9 2 7 3 9 4 7
4 6 1 2 3 1 8 5
SO L U C I O N
a.- Para desarrollar este determinante, elegimos la primera fila, es decir:
7 1 4 3 1 4 3 7 4
' 2(1)11 9 2 7  (5)(1)1 2 5 2 7  (1)13 5 9 7 
6 1 2 4 1 2 4 6 2
3 7 1
1 4
2(1) 5 9 2
4 6 1
= 2(28 + 42 ± 36 + 48 ± 49 - 18) + 5(-12 ± 28 + 20 ± 32 + 21 + 10) +
+ (54 + 196 ± 120 + 144 ± 126 ± 70) + 2(27 + 56 + 30 ± 36 ± 36 ± 35)
= - 9.
b.- Desarrollando el determinante con respecto a la primera fila, obtenemos:
2 8 5 3 2 5 3 2 8
11 1 3 1 4
' (1) (1) 9 4 7  (1) 2 3 9 7  ( 1) 8 3 9 4
1 8 5 3 1 5 3 1 8
2 8 5 3 2 5 3 2 8
 9 4 7  2 3 9 7 8 3 9 4
1 8 5 3 1 5 3 1 8
= - (-40 ± 56 + 360 + 20 + 112 ± 360) + 2(135 + 42 ± 15 + 135 + 21 + 30) ±
- 8(216 + 24 ± 24 + 216 + 12 + 48)
= - 36 + 2(348) - 8(492)
= - 36 + 696 ± 3936
= - 3276. ’
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
DETERMINANTES 83

EJ E M P L O 2.2.2
Sin desarrollar el determinante, demostrar la siguiente identidad:
a b c d 0 1 1 1
b c d a 1 c d a
( a  b  c  d )(b  a  d  c ) .
c d a b 1 d a b
d a b c 1 a b c
SO L U C I O N
A la primera columna se le restan la segunda, tercera y cuarta columnas:
a bcd b c d
a bcd c d a
a bcd d a b
a bcd a b c
Extraemos a + b + c + d de la primera columna:
1 b c d
1 c d a
(a  b  c  d )
1 d a b
1 a b c
A la primera fila, se le resta la segunda, se le suma la tercera y se le resta la cuarta
filas:
0 bc  d  a c d  a b d  a bc
1 c d a
(a  b  c  d )
1 d a b
1 a b c
Extraemos b ± a + d - c de la primera fila:
0 1 1 1
1 c d a
( a  b  c  d )(b  a  d  c ) . ’
1 d a b
1 a b c

T E O R E M A 2.2.2
El valor de un determinante es igual a la suma de los elementos de una fila
(columna) cualquier multiplicado por sus adjuntos correspondientes.
D E M OST R A C I O N
Fijémonos, por ejemplo, en la fila que ocupa el lugar i. En cada término de A hay un
elemento de esta fila, y sólo uno; luego podemos clasificar los n! Términos del
siguiente modo: todos los que contienen a i1 forman el producto a i1Det(A i1); los que
contienen a i2 forman a i2Det(A i2), ..., los que contienen a i n componen a i nDet(A i n),
luego:
n
Det(A) = a i1Det(A i1) + a i2Det(A i2 «+ a inDet(A in) = ¦ aij Det( A ij ) .
j 1

T E O R E M A 2.2.3
La suma de los elementos de una fila (o columna), multiplicados por los
adjuntos de los elementos de una paralela a ella, es cero.
D E M OST R A C I O N
En efecto, la suma a k1Det(A i1) + a k2Det(A i2 « a knDet(A in) en el desarrollo del
determinante obtenido poniendo en Det(A), en vez de la fila a k a k2 «a kn, la fila ai1ai2
« a in; este determinante tiene, pues, esta fila idéntica a la que ocupa el lugar k, luego
es nulo.
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
84 DETERMINANTES

La aplicación de este teorema, para el desarrollo de Det(A), se simplifica observando


que siendo (-1)i+j el signo que lleva el menor complementario de a ij y siendo i
constante o j si se desarrolla por los elementos de una columna y tomando j los
valores 1, 2, ..., n, este signo es alternativamente + y -.

T E O R E M A 2.2.4
Sea A = (a i j) una matriz cuadrada de n x n. Entonces
Det(A T) = Det(A).
D E M OST R A C I O N
Para la demostración de este teorema, utilizaremos el principio de inducción
matemática en n. El teorema resulta evidente en el caso de n = 1. Supongamos que
sea válido para todas las matrices cuadradas de m x m, con m < n. Puesto que el
elemento a ij de A T es aji, tenemos que
n
Det( A T ) ¦ (1)i  j a ji Det( A Tij )
i 1
Observemos que A Ti j = (A i j)T, y que, en consecuencia resulta
Det(A Tij) = Det(A ji)T
= Det(A ji)
Puesto que A ij es una matriz cuadrada de n ± 1 x n ± 1. Tenemos que cada i = 1, 2, ...,
n, que
n
Det( A T ) ¦ (1)i  j a ji Det( A ji )
i 1
y, al sumar ambos miembros de esta última igualdad para i = 1, 2, ..., n, obtendremos
n n n
¦ Det( A T ) ¦¦ (1)i  j a ji Det( A Tij )
i 1 i 1 j 1
n n
¦¦ (1)i  j a ji Det( A ji ) .
i 1 j 1
Si intercambiamos el orden de sumación de i y j en el miembro a la derecha de la
última fórmula, veremos que
n n
nDet( A T ) ¦¦ (1) j i a ji Det( A ji ) .
j 1i 1
Por otra parte,
n
¦ (1) j  i a ji Det( A ji ) .
i 1
Es el desarrollo de Det(A) por la fila j-ésima, y, en consecuencia
n § n ·
¦ ¨¨ ¦ (1) j 1 a ji Det( A ji ) ¸¸ nDet( A ) .
i 1© j 1 ¹
T
Es así como nDet(A ) = nDet(A) y, por lo tanto,
Det(A T) = Det(A).

EJ E M P L O 2.2.3
Si A es antisimétrica, ¿qué puede decirse acerca de Det(A)?
SO L U C I O N
Se sabe que una matriz es antisimétrica si A T = -A, por lo que
Det(A T) = Det(-A)
= (-1)nDet(A).
T
Por otra parte, Det(A ) = Det(A), así que
Det(A) = (-1)nDet(A).
Si n es par, no se puede afirmar nada. Sin embargo, si n es impar se tiene Det(A) = -
Det(A) y, por lo tanto, Det(A) = 0. ’

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


DETERMINANTES 85

EJ E M P L O 2.2.4
Dada la expresión
0 a b c
a 0 d e
a
2
A b B c C
b d 0 f
c e f 0
calcular A, B y C.
SO L U C I O N
Eligiendo la primera columna, desarrollamos el determinante
a b c a b c
2 1 31
' ( a )(1) d 0 f  (b)(1) 0 d e 
e  f 0 e  f 0
a b c
( c )(1)41 0 d e
e  f 0

a
2
A b B c C
a(- bef + cdf + af2) - b(- be2 + cde + aef) + c(adf - bed + cd2) = '
af(- be + cd + af) - be(- be + cd + af) + cd(af - be + cd) = '
(af - be + cd)2 = ' Ÿ af  be  cd a A  b B  c C
A f Ÿ A = f 2; B e Ÿ B = e2; C  d Ÿ C = d 2. ’

I I. D ESA RR O L L O G A USSI A N O

Los efectos que tienen las operaciones de filas o columnas en el valor del
determinante pueden resumirse de la siguiente manera:
1.- El intercambio de dos filas o columnas de una matriz cambia el signo del
determinante.
2.- La multiplicación de una fila o columna de una matriz por un escalar tiene el
efecto de multiplicar el valor del determinante por ese escalar.
3.- La suma de un múltiplo de una fila o columna a otra no cambia el valor del
determinante.

T E O R E M A 2.2.5
El determinante de una matriz de la forma triangular o diagonal, es igual al
producto de los elementos de la diagonal principal.
D E M OST R A C I O N
Sea A una matriz triangular superior. En virtud de que los elementos a21, a31, ..., an1
de la primera columna de A son 0, la definición del determinante de A origina
Det(A) = a11Det(A 11). La submatriz A 11 de A es también una matriz triangular
superior, pero de n ± 1 x n ± 1. Por consiguiente, merced al principio de inducción
Det(A 11) = a 22a 33 ... a nn el producto de sus elementos. Por lo tanto, Det(A) =
a 11Det(A11) = a 11a 22 ... a nn el producto de los elementos diagonales de A.
Sea A una matriz triangular inferior. En virtud de que los elementos a12, a13, ..., a1n
de la primera fila de A son 0, la definición del determinante de A origina Det(A) =
a11Det(A 11).
La submatriz A 11 de A es también una matriz triangular inferior, pero de n ± 1 x
n ± 1. Por consiguiente por inducción, es igual al producto de los elementos
diagonales
Det(A) = a 11Det(A 11) = a 11a 22 ... a nn.
Para el caso de la matriz diagonal, la demostración es análoga.

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


86 DETERMINANTES

E J E M P L O 2.2.5
Evaluar el siguiente determinante:
2 5 1 2
3 7 1 4
.
5 9 2 7
4 6 1 2
SO L U C I O N
Mediante el desarrollo gaussiano, llevaremos la matriz a la forma triangular. A la
segunda fila le multiplicamos por 2 y luego le sumamos 3 veces la primera fila, a la
tercera fila le multiplicamos por 2 y luego le restamos 5 veces la primera fila, a la
cuarta fila le restamos 2 veces la primera fila
2 5 1 2
1 1 0 1 1 14
˜ ˜
2 2 0 7 1 4
0 4 1 2
A la tercera fila le sumamos 7 veces la primera fila, a la cuarta fila le sumamos 4
veces la segunda fila
2 5 1 2
1 1 0 1 1 14
˜ ˜
2 2 0 0 6 102
0 0 3 54
Extraemos un 6 de la tercera fila y un 3 de la cuarta fila
2 5 1 2
1 1 0 1 1 14
˜ ˜ 6 ˜3˜
2 2 0 0 1 17
0 0 1 18
A la cuarta fila le restamos la tercera
2 5 1 2
1 1 0 1 1 14
˜ ˜ 6 ˜ 3˜
2 2 0 0 1 17
0 0 0 1
Por lo tanto el determinante buscado es igual a:
1 1
' ˜ ˜ 6 ˜ 3 ˜ 2 ˜ (1) ˜1 ˜1 9 . ’
2 2

I II. D ESA RR O L L O C O N R ESP E C T O A UN A F I L A Y UN A


C O LUMNA

Supongamos que se trata de la primera fila y de la primera columna, pues a este caso
se reduce cualquier otro, por transposiciones convenientes. Dado el determinante
a11 a12 a1k a1n
a21 a22 a2 k a2 n

Det( A )
a r1 ar 2 a rk anr

an1 an 2 ank ann


todos los términos en que entra a11 están comprendidos en la expresión a11Det(A 11);

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


DETERMINANTES 87

cada uno de los demás contiene uno de los elementos a12, a13, ..., a1k, ..., a1n restantes
de la primera fila, y uno de los a21, a31, ..., a r1, ..., an1 de la primera columna.
Hallemos todos los términos que Det(C rk) = (-1)(r - 1) + (k - 1)Det(B rk), la expresión
(-1)k+r+1a1ka r1Det(B rk) adopta la forma sencilla ±a1ka r1Det(C rk). Por consiguiente
contengan el producto a1ka r1. Todos los términos de Det(A) que contienen a1k forman
la expresión (-1)1+ka1kDet(A 1k); desarrollemos ahora el menor Det(A 1k) por los
elementos de su primera columna a21 ... a r1 ... an1; como el menor complementario de
a r1 resulta de suprimir en Det(A) la primera fila, la primera columna, la fila r y la
columna k, este menor es también el complementario de a rk en el determinante
Det(A 11); y designándolo por Det(B rk), todos los términos del desarrollo de Det(A rk)
que contienen el elemento a r1 componen la expresión (-1)ra r1Det(B rk). En resumen,
todos los términos de Det(A) que contienen los elementos a1k a r1, forman la expresión
(-1)k+r+1a1ka r1Det(B rk) y observando que en el determinante Det(A 11) el adjunto de
Det(A rk) es Det(A) = a11Det(A 11) - ¦ a1k ar1Det( C rk ) , donde r = 2, 3, ..., n y k = 2,
3, ..., n.

M E T ODO
El desarrollo de un determinante por los elementos de la primera fila y la primera
columna, es igual a su elemento común a11 por su menor complementario Det(A 11),
menos todos los productos positivos de cada elemento a1k, restante de la primera fila,
por cada elemento a11 restante de la primera columna, por el adjunto Det(A 11) del
elemento a1k en que se cruzan la columna y la fila encabezadas por ambos elementos.
Si la fila y la columna elegidas son las determinadas por el elemento a ij, llevando éste
al primer lugar, el determinante obtenido sería (-1)i+jDet(A), luego el desarrollo por
la fila i y columna j está dado por la misma regla anterior, cambiando el signo al
resultado si es i + j impar.

EJ E M P L O 2.2.6
Evaluar los siguientes determinantes:
0 1 3 5 2 5 1 2
7 9 2 4 3 7 1 4
a.- ; b.- .
6 8 0 2 5 9 2 7
7 5 9 1 4 6 1 2
SO L U C I O N
a.- Intercambiamos la primera y tercera filas:
6 8 0 2
7 9 2 4

0 1 3 5
7 5 9 1
Desarrollando el determinante con respecto a la primera fila y primera columna,
obtenemos:
9 2 4
3 5 1 3 2 4
' (1) 6 1 3 5  (1) 2 21 56
11
 (1) 2 4114  (1) 4 21 56 
9 1 5 9 3 5
5 9 1
9 2 4
9 2 3 5 1 3 2 4 9 2
(1)4 4114 6 1 3 5  56  14  56  14
1 7 9 1 5 9 3 5 1 7
5 9 1
= -6(27 + 50 + 36 ± 60 ± 405 ± 2) + 56(3 ± 45) + 14(9 ± 15) + 56(10 ± 12) +
+ 14(63 ± 2) = 430.
b.- Para desarrollar este determinante, elegimos la primera fila y la primera
columna, es decir:

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


88 DETERMINANTES

7 1 4
2 7 9 7
' (1)11 2 9 2 7  (1)2 2115  (1)231 (3) 
1 2 6 2
6 1 2
9 2 1 4 7 4
(1)231 (6)  (1)3 21 (25)  (1)331 5 
6 1 1 2 6 2
7 1 1 4 7 4
(1)3 4110  (1)4 21 (20)  (1)431 4 
6 1 2 7 9 7
7 1
(1)4 41 8 9 . ’
9 2

I V. D ESA RR O L L O PO R M E N O R ES C O MP L E M E N T A RI OS

Un nuevo método para el desarrollo de un determinante de n x n es el conocido con


el nombre de desarrollo por menores complementarios; dicho método exige elegir k
filas o columnas de la matriz y formar determinantes de orden k con todas las
posibles matrices cuadradas de orden k que sean submatrices de la de orden k x n que
se ha seleccionado; a cada uno de estos determinantes de orden k le corresponde un
menor complementario o determinante de la matriz de orden n ± k x n ± k, cuyos
elementos no pertenecen a las filas y columnas de la primera matriz cuadrada de
orden k, aunque sí a todas las demás filas y columnas de la matriz total de orden n.

M E T ODO
Si en una matriz de orden n se suprimen varias filas, e igual número de columnas, se
obtiene otra matriz de orden inferior, llamada menor de la primera. Para determinar
una menor basta dar los números i1, i2, ..., ik que designan las filas que contiene, y los
j1, j2, ..., jk que expresan sus columnas. Si en la matriz primera se suprimen las filas
de lugares i1, i2, ..., ik y las columnas que ocupan los lugares j1, j2, ..., jk, se obtiene
otra menor, llamada complementaria de la anterior. La suma de los órdenes de dos
matrices complementarias es evidentemente n.

Para hallar la clase de su complemento Det(C) formaremos la suma análoga


¦ r  ¦ t ik 1   in  jk 1   jn
pero ik+1, ..., in designan las filas excluidas por Det(B), es decir, aquellos de los
números 1, 2, 3, ..., n, que son distintos de i1, i2, ..., ik; por tanto
¦ i  ¦ r 1 2  3   n
y, análogamente
¦ j  ¦t 1 2  3  n
de donde
¦ i  ¦ j  ¦ r  ¦ t 2
Luego ¦ r  ¦ t tiene la misma paridad que ¦ i  ¦ j , es decir: dos menores
complementarios son de la misma clase.

Por otra parte, el menor complementario recibe el nombre de adjunto si va afectado


de un signo + o -, según que la suma de los lugares que ocupan cada una de sus filas
y cada una de sus columnas en la matriz de orden n sea un número par o impar.

O BSE R V A C I O N
Se dice que un menor Det(B) es de clase par o impar si la suma de los números de
orden de sus filas y columnas:
¦i  ¦ j i1  i2  ...  ik  j1  j2  ...  j k
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
DETERMINANTES 89

es par o impar.

D E F IN I C I O N 2.2.4
Se llama adjunto o complemento algebraico de un menor Det(B) al menor
complementario de Det(B), con el signo + o -, según que sea de clase par o
impar.

En particular, si el menor dado se reduce a un solo elemento, tendremos el adjunto


definido en el desarrollo de un determinante en suma de varios.

O BSE R V A C I O N
Un menor de orden k se llama principal, cuando está formado por las k primeras filas
y las k primeras columnas. Su adjunto coincide con su menor complementario,
puesto que es de clase par igual a 2(1 + 2 + ... + k).

T E O R E M A 2.2.6
El producto de un menor por su adjunto forma parte del determinante total.
D E M OST R A C I O N
Supongamos primero que un menor Det(B) esté formado por las k primeras filas y
las k primeras columnas
a11 a12 a1k a1 k 1 a1n
a21 a22 a2 k a2 k 1 a2 n

ak1 ak 2 a kk a k k 1 a kn
a k 11 a k 1 2 a k 1 k a k 1 k 1 a k 1 n

an1 an 2 ank an k 1 ann


entonces es Det(B) de clase par y su adjunto es el menor complementario Det(C).
Multiplicando ambos determinantes menores, un término cualquiera del producto
será
(-1)Ma1 j1a2 j2 ... a k jk(-1)Gak+1 jk+1 ... an jn (1)
llamando M al número de inversiones de la permutación j1 j2 ... jk, que indica
columnas elegidas en el término de Det(B), y G al número de inversiones que ofrecen
los índices de las columnas en Det(C), y como éstos aumentados en k son
precisamente jk+1, jk+2, ..., jn, es también G el número de inversiones de esta
permutación; por tanto, el número de inversiones de la permutación j1 j2 ... jk jk+1 ... jn
es M + G, puesto que j1, j2, ..., jk son todos menor o igual a k, y, por tanto, no forman
inversiones con los jk+1, jk+2, ..., jn, los cuales son mayores o iguales a k.
Conteniendo, el producto (1) un elemento de cada fila de Det(A), y uno de cada
columna, y siendo además su signo (-1)M+G el que le corresponde en el desarrollo de
Det(A), dicho producto es un término de este desarrollo.
Sin el menor Det(B) no es principal, sino que está formado por las filas r1, r2, ..., rk, y
columnas t1, t2, ..., tk, se puede convertirlo en principal, por cambios sucesivos de
filas y columnas. Basta permutar la fila r1 con todas sus anteriores que son r1 ± 1,
hasta ocupar el primer lugar; la fila r2 con las r2 ± 2 que le preceden, hasta llegar al
segundo lugar; ...; la fila rk con las rk ± k que hay desde ella a la fila k. Haciendo lo
mismo con las columnas hemos llevado el menor Det(B) al primer lugar, reduciendo
este caso al anterior.
En el desarrollo del nuevo determinante Det(D), el adjunto del menor principal
Det(B) es el menor Det(C), el cual no ha sufrido variación, luego Det(D) =
Det(B)Det(C) + ... y como de Det(D) se deduce el Det(A), mediante un número de
transposiciones
(t1 ± 1) + (t2 ± 2) + ... + (tk ± k) + (r1 ± 1) + (r2 ± 2) + ... + (rk ± k) = ¦ t  ¦ r  2
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
90 DETERMINANTES

será
Det(A) = (1)¦ t  ¦ r Det( D) = (1)¦ t  ¦ r Det( B )Det( C )  ...
y siendo (1)¦ t  ¦ r Det(C) el adjunto de Det(B), queda demostrado el teorema.

A continuación consideramos otra técnica, más general, para desarrollar


determinantes conocidas como el método de desarrollo de Laplace, que contempla
como caso especial el desarrollo por cofactores. En vez de desarrollar por una sola
fila o columna, desarrollamos por varias filas o columnas. El determinante Det(A) se
escribe como una suma de términos, cada uno de los cuales es el producto de dos
determinantes.

T E O R E M A 2.2.7 L AP L A C E
Todo determinante es igual a la suma de los productos obtenidos
multiplicando todos los menores de orden k que se pueden formar con k
filas paralelas, por sus adjuntos respectivos.

Todos los términos de estos productos pertenecen al desarrollo de Det(A), en virtud


de la segunda propiedad; todos son distintos, pues contienen elementos distintos;
falta ver que en Det(A) no hay más términos que éstos. Un término cualquiera de
Det(A) puede descomponerse en dos productos, agrupando en uno de los elementos
que pertenecen a las k filas elegidas, y en otro los restantes. El primer producto es un
término de uno de los menores formados con aquellas k filas, y el segundo producto
es un término del complementario, luego ha sido ya obtenido en el producto de estos
dos menores.

El teorema anterior reduce el desarrollo de un determinante al de otros de orden


inferior. Para hacer el desarrollo por los menores de k filas, convendrá elegir aquéllas
en que aparezca el mayor número posible de columnas formadas por elementos
nulos; pues todo menor en que figure una de estas columnas, es nulo. La segunda
propiedad reduce el desarrollo de un determinante al de otros de orden inferior. Para
hacer el desarrollo por los menores de k filas, convendrá elegir aquéllas en que
aparezca el mayor número posible de columnas formadas por elementos nulos; pues
todo menor en que figure una de estas columnas, es nulo.

EJ E M P L O 2.2.7
Expresar el menor de m-ésimo orden del producto de dos matrices mediante los
menores de los factores.
SO L U C I O N
El menor formado por los elementos de las filas de índices i1, i2 « im y de las
columnas de índices k1, k2 « km, es el determinante del producto de la matriz
formada por las filas i1, i2 « im del primer factor, por la matriz formada por las
columnas k1, k2« km del segundo. Por ello, éste es igual a la suma de todos los
menores posibles de m-ésimo orden formados por las filas de la primer matriz de
índices i1, i2«im, multiplicados por los menores correspondientes formados por las
columnas de la segunda matriz de índices k1, k2«km. ’

EJ E M P L O 2.2.8
Demostrar que todos los menores principales (diagonales) de la matriz A T A son no
negativos. Aquí A es una matriz real y A T es la matriz transpuesta de A.
SO L U C I O N
El menor diagonal de la matriz A T A es igual a la suma de los cuadrados de todos los
menores de la matriz A del mismo orden, formados por los elementos de las
columnas que tienen iguales índices que las columnas de la matriz A T A que
contienen al menor tomado. Por consiguiente, éste es no negativo. ’

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


DETERMINANTES 91

EJ E M P L O 2.2.9
Demostrar que las sumas de todos los menores diagonales de un orden dado k,
calculados para las matrices A T A y A A T, son iguales.
SO L U C I O N
La suma de todos los menores diagonales de orden k de la matriz A T A es igual a la
suma de los cuadrados de todos los menores de orden k de la matriz A. También es
igual a este mismo número la suma de todos los menores diagonales de orden k de la
matriz A A T. ’

EJ E M P L O 2.2.10
Se llama matriz recíproca de una matriz dada A, aquella cuyos elementos son los
menores de (n-1)-ésimo orden de la matriz inicial en su disposición natural.
Demostrar que la matriz recíproca de la recíproca, es igual a la matriz inicial
multiplicada por su determinante elevado a la potencia n - 2.
SO L U C I O N
Para una matriz singular A el resultado es trivial. Supongamos que A es no singular
y sea A T su transpuesta, ' su determinante y A´ la recíproca de A. Entonces
A´ = 'C(A T)-1 C, donde
§ 1 ·
¨ ¸
¨ 1 ¸.
C
¨ 1 ¸
¨ ¸
© ¹
Esto se deduce inmediatamente de la regla de la formación de la matriz inversa. Por
esto
Det(A´) = 'n-1 y (A´)´ = 'n-1 C((A´)T)-1 C = 'n-1'-1A = 'n-2A. ’

EJ E M P L O 2.2.11
Demostrar que el máximo de los valores absolutos de los determinantes de n-ésimo
orden, cuyos elementos son reales y no superiores a 1 en valor absoluto, es un
número entero divisible por 2n-1.
SO L U C I O N
Demostremos que todos los elementos de la matriz, para la cual el valor absoluto de
su determinante alcanza el valor máximo, son iguales a r1. En efecto, si -1 < a ik < 1,
' t 0 y A ik t 0, entonces, al sustituir a ik por 1, el determinante aumenta, y si ' t 0 y
A ik < 0, al sustituir a ik por -1, el determinante aumenta. Si ' < 0, el valor absoluto del
determinante aumentará al sustituir a ik por la unidad con el signo contrario al de A ik.
Finalmente, si A ik = 0, el valor del determinante no se altera al sustituir a ik por 1 o -1.
Sin restringir generalidad se puede considerar que todos los elementos de la primera
fila y de la primera columna del determinante máximo son iguales a 1; esto puede
conseguirse multiplicando por -1 las filas y columnas. Restemos ahora la primera fila
del determinante máximo de todas las demás. Entonces el determinante se reducirá a
un determinante de orden n-1 cuyos elementos son todos iguales a 0 ó a -2. Este
último es igual a 2n-1N, donde N es un número entero. ’

EJ E M P L O 2.2.12
Evaluar los siguientes determinantes:
5 2 1 3 2 2 1 4 3 5 7 2 1 3 4
4 0 7 0 0 3 4 0 5 0 1 0 2 0 3
a.- 2 3 7 5 3 ; b.- 3 4 5 2 1 ; c.- 3 0 4 0 7 .
2 3 6 4 5 1 5 2 4 3 6 3 2 4 5
3 0 4 0 0 4 6 0 7 0 5 1 2 2 3
SO L U C I O N
a.- Desarrollamos el determinante con respecto a la segunda y quinta filas:
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
92 DETERMINANTES

2 3 2
434 7
' (1) 3 5 3 (16  21)(50  27  24  30  24  45) (5)(2) 10
3 4
3 4 5
b.- Desarrollamos el determinante con respecto a la tercera y quinta columnas:
4 4 5 3 4 5 2 1 3
3 3 4 5 43 4 5 23 5 1
' (1) 1 5 4  (1) 3 4 2  (1) 3 4 5
5 1 2 3 2 3
4 6 7 4 6 7 4 6 7
4 4 5 3 4 5 2 1 3
4 5 4 5 5 1
1 5 4  3 4 2  3 4 5
5 1 2 3 2 3
4 6 7 4 6 7 4 6 7
= (4 ± 25)(140 + 64 + 30 ± 100 ± 96 ± 28) ± (12 ± 10)(84 + 32 + 90 ± 80 ± 36 ± 84)
- (15 ± 2)(56 + 20 + 54 ± 48 ± 60 ± 21)
= (-21)(10) ± 2(6) ± 13 = - 210 ± 12 ± 13 = - 235.
c.- Desarrollamos el determinante con respecto a la segunda y cuarta columnas:
1 2 3 1 2 3 7 1 4
43 2 3 5 3 2 3 23 3 4
' (1) 3 4 7  (1) 3 4 7  ( 1) 1 2 3
3 4 1 2 1 2
5 2 3 6 3 4 3 4 7
1 2 3 1 2 3 7 1 4
2 3 2 3 3 4
 3 4 7  3 4 7  1 2 3
3 4 1 2 1 2
5 2 3 6 3 4 3 4 7
= - (8 ± 9)(12 + 70 + 18 ± 60 ± 14 ± 18) + (4 ± 3)(16 + 84 + 27 ± 72 ± 21 ± 24)
- (6 ± 4)(98 + 9 + 16 ± 24 ± 7 ± 84) = -(-1)(8) + 10 ± 2(8) = 8 + 10 ± 16 = 2. ’

EJ E M P L O 2.2.13
Evaluar los siguientes determinantes:
1 2 3 4 5 3 7 6 5 4 3 2
6 5 7 8 4 2 9 7 8 9 4 3
9 8 6 7 0 0 7 4 9 7 0 0
a.- ; b.- .
3 2 4 5 0 0 5 3 6 1 0 0
3 4 0 0 0 0 0 0 5 6 0 0
5 6 0 0 0 0 0 0 6 8 0 0
SO L U C I O N
a.- Desarrollamos el determinante con respecto a la quinta y sexta filas:
3 4 5 3
3 4 7 8 4 2
(1) 2  2
5 6 6 7 0 0
4 5 0 0
Desarrollamos el segundo determinante con respecto a la tercera y cuarta columnas:
3 4 5 3 6 7
(1)2 2
5 6 4 2 4 5
Por lo tanto el valor del determinante es: ' = (18 ± 20)(10 ± 12)(30 ± 28) = 8.
b.- Desarrollamos el determinante con respecto a la quinta y sexta columnas:
7 4 9 7
3 2 5 3 6 1
(1) 2  2
4 3 0 0 5 6
0 0 6 8

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


DETERMINANTES 93

Desarrollamos el segundo determinante con respecto a la primera y segunda


columnas:
3 2 7 4 5 6
(1)2 2
4 3 5 3 6 8
Por lo tanto el valor del determinante es:
' = (9 - 8)(21 ± 20)(40 ± 36) = 4. ’

V. R E G L A D E C H I O

Esta regla consiste en conseguir que una de las filas del determinante esté formada
por elementos todos ellos nulos, excepto uno, que vale la unidad y se le llama
elemento base. De esta forma, al desarrollar dicho determinante por los adjuntos de
los elementos de esta fila, se anulan todos los sumandos, a excepción del que
corresponde al elemento base, que coincide con su adjunto. De esta manera, el
determinante primitivo coincide con el adjunto del elemento base, reduciendo el
determinante al cálculo de otro cuyo orden es inferior en una unidad. Para conseguir
que los elementos de una fila sean todos nulos, excepto uno, que valga la unidad, se
siguen los siguientes pasos:

a.- Se mira si algún elemento del determinante vale la unidad. En caso afirmativo se
elige una de las dos filas o columnas, que contiene a dicho elemento. En caso
negativo, nos fijamos en una fila que contenga el mayor número posible de
elementos nulos. Los elementos de esta fila se dividen por uno de ellos; de esta
forma se consigue que dicha fila posea un elemento que valga la unidad. Después de
efectuada esta operación, el determinante ha quedado dividido por este número, y
este resultado, por tanto, tenemos que tenerlo en cuenta al final del proceso que
vamos a seguir. También se puede conseguir un elemento, del determinante, que
valga uno, restando a una fila otra paralela a ella, siempre que existan dos elementos
que ocupen el mismo lugar en ambas filas y que difieran en una unidad.

b.- Una vez elegido el elemento base, supongamos que éste sea el elemento a11, los
demás elementos de la primera fila o primera columna deben ser nulos. Para ello, a la
segunda, tercera, ..., n-ésima columna se le resta la primera columna multiplicada
sucesivamente por a12, a13, ..., a in, con lo que el determinante no varía. Exactamente
se procedería para conseguir que sean nulos los elementos de la primera columna,
pero ahora, tendríamos que cambiar la palabra columna por la de fila y los elementos
serán a21, a31, ..., an1. Desarrollamos el determinante que nos resulta, por los adjuntos
de los elementos de la primera fila, con lo que se obtiene: Det(A) = 1.Det(A11) + ...
+ 0.Det(A1n) = Det(A11), como el valor del determinante de A, el adjunto del
elemento base, es decir, hemos reducido el problema a calcular el valor de un
determinante de orden inferior en una unidad, el cual se obtiene suprimiendo la fila y
la columna a la que pertenece el elemento base, anteponiendo los signos más o
menos, según que la suma de los índices relativos a dicho elemento sea par o impar.

EJ E M P L O 2.2.14
Calcular el valor del determinante
5 3 2 3
4 3 1 1
.
1 1 2 1
0 2 2 3
SO L U C I O N
Como elemento base se elige el a31 ya que la columna que contiene a ese elemento es
la línea con mayor número de ceros. Restando a la primera fila y a la segunda, la
tercera multiplicada por 5 y 4 respectivamente, obtenemos

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


94 DETERMINANTES

5 3 2 3 0 2 8 3
2 8 3
4 3 1 1 0 1 7 3
1 7 3
1 1 2 1 1 1 2 1
2 2 3
0 2 2 3 0 2 2 3
Seguimos el proceso anterior explicado para calcular el valor de este determinante de
tercer orden, en lugar de aplicar la regla de Sarrus.
2 8 3 2 8 3 0 6 3
6 3
1 7 3  1 7 3  1 7 3 18 . ’
12 3
2 2 3 2 2 3 0 12 3

PR O B L E M AS

2.2.1 Evalúe los siguientes determinantes: 2.2.3 Calcular los determinantes:


1 2 3 4 1 2 3 4 5 a b b b b
1 0 3 4 5 b a b b b
1 23 33 43
a.- ; b.- 1 2 0 4 5 ; a.- b b a b b ;
1 25 35 45
1 2 3 0 5 b b b a b
1 27 37 47 1 2 3 4 0 b b b b a
1 2 2 2 2 1 2 3 4 5 1 a b c d
2 2 2 2 2 1 3 3 4 5 1 ax b c d
c.- 2 2 3 2 2 ; d.- 1 2 5 4 5 ; b.- 1 a b y c d ;
2 2 2 4 2 1 2 3 7 5 1 a b cz d
2 2 2 2 5 1 2 3 4 9 1 a b c d u
2 1 1 1 1 1 a ( a  1) a 2 ( a  1) a 3 ( a  1)
1 3 1 1 1 1 b(b  1) b 2 (b  1) b3 (b  1)
e.- 1 1 4 1 1 . c.- .
1 c ( c  1) c 2 ( c  1) c 3 ( c  1)
1 1 1 5 1
1 d (d  1) d 2 (d  1) d 3 (d  1)
1 1 1 1 6

2.2.4 Calcular los determinantes:


2.2.2 Calcular los determinantes:
a b b b b a b c d 1
a a 1 a  2 a  3 a  4
b a b b b b a c d 1
1 b 0 0 0
a.- b b a b b ; b.- b c a d 1 ;
a.- 0 1 b 0 0 ;
b b b a b b c d a 1
0 0 1 b 0
b b b b a b c d e 1
0 0 0 1 b
a 0 1 1 0 1 b c d e
a b 0 0 0
1 a 1 1 0 1 a c d e
0 b c 0 0
c.- 1 0 a 1 0 1 ; d.- 1 b a d e ;
b.- 0 0 c  d 0 ;
0 1 1 a 1 1 b c a e
0 0 0 d e
0 1 1 0 a 1 b c d a
1 1 1 1 1 e
1 1 2 3
a D x a E a T a G
2
bD b E x bT bG 1 2a 2 3
c.- . e.- .
c D c E c T x c G 2 3 1 5
d D d E d T d G x 2 3 1 9  a2

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


DETERMINANTES 95

2.2.5 Evalúe los siguientes determinantes: 2.2.8 Evalúe los siguientes determinantes:
ax 1  ay 1  az 1  au 3 1 2 5 9 11 10 8
1  bx by 1  bz 1  bu 1 8 1 1 5 7 3 1
a.- ; a.- ; b.- ;
1  cx 1  cy cz 1  cu 4 3 3 9 2 3 5 8
1  dx 1  dy 1  dz du 5 1 4 3 5 2 1 3
a  x a  y a  z a u 2 1 5 5 i 2 3 4
b x b y b z bu 1 2 2 4 3 i 2 3
b.- ; c.- ; d.- ;
c  x c  y c  z c u 4 3 8 5 3 2 i 2
d  x d  y d  z d u 5 1 3 1 1 1 2 i
1 a 1 a2 1  a3 1 a4 2 4 1 4 4 0 5 6
1  b 1  b2 1  b3 1  b4 1 1 2 5 2 3 8 3
c.- . e.- ; f.- ;
0 0 3 1 1 2 3 9
1 c 1  c2 1  c3 1 c4
3 2 0 1 10 4 2 12
1 d 1 d 2 1 d3 1 d 4
0 3 0 4 1 3 2 5
2.2.6 Evalúe los siguientes determinantes: 1 3 2 0 4 8 1 2
g.- ; h.- ;
1 Cosx Cos 2 x Cos3 x 5 3 2 4 3 5 4 0
3 1 1 2 1 3 2 0
1 Cosy Cos 2 y Cos3 y
a.- ; 4i 3 4 i i 1 i 3 i
1 Cosz Cos 2 z Cos3 z
i 2 5 i 2 1 i 4 3 i
1 Cosu Cos 2 u Cos 3u i.- ; j.- ;
2 1 8i 2 5 1 2 i
1 Senx Sen 2 x Sen3x 1 i 3 2i 6 i 3 1
1 Seny Sen 2 y Sen3 y
b.- ; i i 1 i2 i 3
1 Senz Sen 2 z Sen3z
i 1 i2 i 3 i4
1 Senu Sen 2u Sen3u k.- .
i2 i 3 i4 i 5
1 Cosx Cos 2 x Cos3x i 3 i4 i 5 i 6
1 Cosy Cos 2 y Cos3 y
c.- .
1 Cosz Cos 2 z Cos3z 2.2.9 Desarrollar por los elementos de la primera
1 Cosu Cos 2u Cos3u columna y calcular el determinante
2 1 1 a
2.2.7 Evalúe los siguientes determinantes: 1 2 1 b
.
0 a b c d a b c 1 1 2 c
a 0 d e a d b c 1 1 1 d
a.- ; b.- ;
b  d 0 f a b d c
c e  f 0 a b c d 2.2.10 Evalúe el siguiente determinante:
2 3 4 2 3 1 1 1 0 0 0
1 a a a 1 a a a
2 3 4 0 0 0
2 3 4 2
1 b b b 1 b b b3
c.- ; d.- ; 3 6 10 0 0 0
1 c2 c3 c4 1 c c2 c3 .
4 9 14 1 1 1
1 d2 d3 d4 1 d d2 d3 5 15 24 1 5 9
1 Senx Sen 2 x Sen3 x 9 24 38 1 25 81

1 Seny Sen 2 y Sen3 y


e.- . 2.2.11 Calcular el determinante de 4 x 4, cuyos elemen-
1 Senz Sen 2 z Sen3 z tos se establecen por las siguientes condiciones:
1 Senu Sen 2 u Sen3u a.- aij = mín(i, j); b.- a ij = máx(i, j);
c.- a ij =µ2i - 3jµ.

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


96 DETERMINANTES

2.2.12 Evalúe los siguientes determinantes: 2.2.14 Evalúe el siguiente determinante:


1  ax 1  ay 1  az 1  au 1 1 0 0 0 1
1  bx 1  by 1  bz 1  bu a b 0 0 0 c
a.- ;
1  cx 1  cy 1  cz 1  cu x u 1 1 1 r
b.- .
1  dx 1  dy 1  dz 1  du y v a b c s
1 a  x ay az a u z w a 2 b2 c2 t
b  x 1 b  y b  z bu a 2
b 2
0 0 0 c2
b.- ;
cx c  y 1 c  z c u
dx dy d  z 1 d  u 2.2.15 Desarrollar por los elementos de la primera fila y
calcular el determinante
1 a 1 1 1
a 1 1 1
1 1 a 1 1
c.- . b 0 1 1
1 1 1 b 1 .
c 1 0 1
1 1 1 1 b
d 1 1 0

2.2.13 Evalúense los siguientes determinantes:


2.2.16 Desarrollar por los elementos de la primera fila y
x x 1 x  2 x  3 calcular el determinante
0 1 x x2 1 0 1 1
a.- ;
x 1 0 1 0 1 1 1
.
0 0 x3 3 a b c d
1 i 1 i 1 1 1 0
i 1 i i
b.- .
1 i 1 i 1 i 1  i
1 i 1 i 1 i 1  i

2.3 PR O DU C T O D E D E T E R M I N A N T ES

En esta sección se introduce la terminología básica y se define el producto de determinantes, enunciamos la


propiedad más importante para el producto.

Una primera aplicación del teorema de Laplace permite transformar un determinante


de orden k < n en otro equivalente de orden n prolongando su diagonal principal con
elementos unitarios y haciendo nulos los elementos que faltan para completar la
matriz de orden n. Pero la aplicación más importante se debe a que permite
demostrar que el determinante correspondiente a un producto de dos matrices del
mismo orden es igual al producto de los determinantes de las matrices factores.

D E F IN I C I O N 2.3.1
El producto de dos determinantes de orden n está dado por la expresión
a11 a12 ... a1n b11 b12 ... b1n c11 c12 ... c1n
a21 a22 ... a2 n b21 b22 ... b2 n c21 c22 ... c2 n
... ... ... ... ... ... ... ... ...
an1 an 2 ... ann bn1 bn 2 ... bnn cn1 cn 2 ... cnn
designando por c ij el producto de la fila i del primero por la fila j del
segundo
cij = a i1bj1 + a i2bj2 + . . . + a inbjn.

Ahora demostraremos el importante teorema de que el determinante del producto de

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


DETERMINANTES 97

dos matrices cuadradas de n x n es igual al producto de los determinantes de las


matrices. Como un teorema sobre determinantes esto significa que el producto de
dos determinantes de n x n puede escribirse como un determinante de n x n cuyos
elementos se obtienen en la misma forma que los elementos de una matriz producto.

T E O R E M A 2.3.1
Sean A y B, matrices cuadradas de orden n. Entonces
Det(A B) = Det(A)Det(B).
D E M OST R A C I O N
En efecto
a11 a12 a1n b11 b12 b1n
a21 a22 a2n b21 b22 b2n
Det(A)Det(B) =

an1 an 2 ann bn1 bn 2 bnn


a11 a12 a1n 0 0 0
a21 a22 a2 n 0 0 0

an1 an 2 ann 0 0 0
=
d11 d12 d1n b11 b12 b1n
d 21 d 22 d 2 n b21 b22 b2 n

d n1 d n 2 d nn bn1 bn 2 bnn
cualesquiera que sean los números d; pues desarrollando este determinante por los
menores de las n primeras filas, como todos los menores, excepto el primero, tienen
alguna columna de ceros, y, por tanto, son nulos, resulta el producto Det(A)Det(B).
Para poder reducir el orden de este determinante, podemos suponer que los dos
determinantes dados sean del mismo orden n, si es n > m, pues en caso contrario se
puede transformar el de menor orden m en otro de orden n, prolongando su diagonal
principal con n ± m elementos 1, y completando con ceros las nuevas filas y
columnas. Además, como podemos disponer de los números indeterminados d,
tomemos todos ellos iguales a 0, excepto los de la diagonal d11, d22, ..., dnn, que
tomaremos iguales a ±1. Finalmente, podemos cambiar las filas por columnas, en el
determinante menor Det(B). Resulta así:
a11 a12 a1n 0 0 0
a21 a22 a2 n 0 0 0
a11 a12 a1n b11 b12 b1n
a21 a22 a2n b21 b22 b2n a an 2 ann 0 0 0
= n1
1 0 0 b11 b12 b1n
an1 an 2 ann bn1 bn 2 bnn 0 1 0 b21 b22 b2 n

0 0 1 bn1 bn 2 bnn
Si, mediante adiciones convencionales de filas o columnas, logramos reducir a 0 los
elementos a ij, en vez del cuadro de ceros aparecerá otro de nuevos elementos c ij, y el
nuevo determinante de orden 2n será igual al determinante de orden n formado por
estas c ij, multiplicado por su complemento algebraico; mas, reduciéndose el menor
complementario a su diagonal principal, su valor es (-1)n; tendremos, pues, el
producto en forma de determinante de orden n. Esto se logra de la siguiente manera:
sumemos a la primera fila las filas n + 1, n + 2, ..., 2n, multiplicadas respectivamente
por a11, a12, a1n, y obtenemos como primera la siguiente:
0, 0, ..., 0, a11b11 + ... + a1nb1n, ..., a11bn1 + ... + a1nbnn.

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


98 DETERMINANTES

Para simplificar, llamaremos producto de la fila i de Det(A) por la fila j de Det(B), y


lo designaremos por c ij, a la suma de los productos de los términos que ocupan
iguales lugares en ambas. Es decir:
cij = ai1bj1 + a i2bj2 + ... + a inbjn.
Con esta notación, la fila obtenida es la siguiente:
0, 0, ..., 0, c11, c12, ..., c1n.
Análogamente, sumando a la segunda fila las filas n + 1, n + 2, ..., 2n, multiplicadas
por a21, a22, ..., a2n, respectivamente, resulta como nueva fila
0, 0, ..., 0, c21, c22, ..., c2n.
Finalmente; sumando a la fila n-ésima las mismas filas n + 1, n + 2, ..., 2n,
multiplicadas por an1, an2, ..., ann, respectivamente, resulta
0, 0, ..., 0, cn1, cn2, ..., cnn.
El determinante producto se ha transformado en el siguiente:
0 0 0 c11 c12 c1n
0 0 0 c21 c22 c2 n

0 0 0 cn1 cn 2 cnn
=
1 0 0 b11 b21 bn1
0 1 0 b12 b22 bn 2

0 0 1 b1n b2 n bnn
c11 c12 c1n 1 0 0
c21 c22 c2 n 0 1 0
(-1)k

cn1 cn 2 cnn 0 0 1
siendo
k = (n + 1) + (n + 2) + ... + (n + n) + 1 + 2 + ... + n = n(2n + 1),
y como el valor del segundo menor es (-1)n, el factor que multiplica al primero es
(-1)n+k = (-1)n(n + 1), número que es igual a 1, por ser n y n + 1 dos números
consecutivos, y, por tanto, su producto es par.

Como el valor de un determinante no altera si se cambian entre sí las filas y las


columnas, puede hacerse también el producto por columnas; la fórmula es la misma,
designando c ij el producto de la columna i del primero por la columna j del segundo.
Finalmente, puede hacerse multiplicando las filas del primero por las columnas del
segundo, o inversamente.

%  CALCULO  DEL  PRODUCTO  DE  DETERMINANTES  


clc;;clear;;  
fprintf('\n  PRODUCTO  DE  DETERMINANTES  \n')  
filcol=input('Ingrese  el  orden  de  las  matrices  A  y  B:  ');;  
       %Ingreso  de  elementos  
       fprintf('Matriz  A:\n')  
               for  f=1:filcol  
                       for  c=1:filcol  
                               fprintf('Ingrese  el  elemento  A:(%d,%d)',f,c)  
                               A(f,c)=input('  :');;  
                       end  
               end  
       fprintf('Matriz  B:\n')  
               for  f=1:filcol  
                       for  c=1:filcol    
                               fprintf('Ingrese  el  elemento  B:(%d,%d)',f,c)  
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
DETERMINANTES 99

                               B(f,c)=input('  :');;  
                       end  
               end  
               A  
               B  
       C=A*B  
       DetAB=det(A*B)  
                   DetA=det(A)  
                   DetB=det(B)  
                   DetAB  =  det(A)*det(B)  

  EJ E M P L O 2.3.1
Para cada una de las proposiciones siguientes relativas a matrices cuadradas, dar una
demostración o poner un contraejemplo:
a.- Det[(A + B)2] = [Det(A + B)]2;
b.- Det[(A + B)2] = Det(A 2 + 2A B + B 2);
c.- Det[(A + B)2] = Det(A 2 + B 2).
SO L U C I O N
a.- Det[(A + B)2] = Det[(A + B)(A + B)] = Det(A + B)Det(A + B) = [Det(A + B)]2.
b.- Det[(A + B)2] = Det[(A + B)(A + B)] = Det(A 2 + A B + B A + B 2).
Si A B = B A, entonces Det[(A + B)2] = Det(A 2 + 2A B + B 2).
c.- Det[(A + B)2] = Det[(A + B)(A + B)] = Det(A 2 + A B + B A + B 2).
Si A B = -B A o B A = -A B, entonces Det[(A + B)2] = Det(A 2 + B 2). ’

EJ E M P L O 2.3.2
Multiplicar los determinantes
1 2 3 2 3 1
3 4 2 1 4 3 .
4 5 4 1 5 2
SO L U C I O N
Podemos darnos cuenta que hay cuatro formas para multiplicar determinantes, y son
las siguientes:
1.- Filas por columnas
1 2 3 2 3 1 7 26 13
3 4 2 1 4 3 12 35 19 50 .
4 5 4 1 5 2 17 52 27
2.- Filas por filas
1 2 3 2 3 1 1 2 3
3 4 2 1 4 3 4 7 13 50 .
4 5 4 1 5 2 3 4 13
3.- Columnas por columnas
1 2 3 2 3 1 9 35 18
3 4 2 1 4 3 13 47 24 50 .
4 5 4 1 5 2 12 37 17
4.- Columnas por filas
1 2 3 2 3 1 3 1 6
3 4 2 1 4 3 3 1 8 50 . ’
4 5 4 1 5 2 4 7 1

EJ E M P L O 2.3.3
Si A 2 = A, entonces A se llama idempotente. Muestre que si A es idempotente,
entonces el determinante de A vale 1 o 0.
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
100 DETERMINANTES

SO L U C I O N
Como A 2 = A, Det(A 2) = Det(A). Entonces
Det(A 2) = Det(A A) = Det(A) Ÿ Det(A)Det(A) = Det(A)
[Det(A)]2 ± Det(A) = 0 Ÿ Det(A)[Det(A) ± 1] = 0
Det(A) = 0 y Det(A) ± 1 = 0, Det(A) = 1. ’

EJ E M P L O 2.3.4
¿Qué puede decirse del determinante de una matriz nilpotente?
SO L U C I O N
El determinante debe ser cero. Como A n = O, Det(A n) = Det(O). Entonces
Det(A n) = Det(A A...A) = 0 Ÿ Det(A)Det(A)...Det(A) = 0
[Det(A)]n = 0 Ÿ Det(A) = 0. ’

EJ E M P L O 2.3.5
Sean A y B matrices de 4 x 4 con Det(A) = 8 y Det(B) = - 1. Determine el valor de:
a.- Det(A B); b.- Det(2A B).
SO L U C I O N
a.- Det(A B) = Det(A)Det(B) = 8(-1) = - 8.
b.- Det(2A B) = Det(2A)Det(B) = 24Det(A)Det(B) = (16)(8)(-1) = - 128. ’

EJ E M P L O 2.3.6
Multiplíquense los determinantes
1 1 1 a b c
Det( A ) 1 x x2 y Det( B ) b c a .
1 x2 x c a b
Siendo x una raíz cúbica imaginaria de la unidad.
SO L U C I O N
Multiplicando fila por fila, tenemos:
a bc ba c  a b
2 2
Det( A B ) a  bx  cx b  cx  ax c  ax  bx 2
a  bx 2  cx b  cx 2  ax c  ax 2  bx
Pero
b + cx + ax2 = x2(a + bx + cx2) Ÿ c + ax + bx2 = x2(a + bx + cx2)
b + cx2 + ax = x2(a + bx2 + cx) Ÿ c + ax2 + bx = x2(a + bx2 + cx)
y, en consecuencia
1 1 1
2 2
Det( A B ) ( a  b  c )( a  bx  cx )( a  bx  cx) 1 x x2
1 x2 x
Es decir:
Det(A B) = Det(A)Det(B) = -(a + b + c)(a + bx + cx2)(a + bx2 + cx)Det(A).
Siendo Det(A) un determinante de Vandermonde y, en consecuencia, distinto de
cero, puede suprimirse y entonces
Det(B) = - (a + b + c)(a + b + cx2)(a + bx2 + cx). ’

EJ E M P L O 2.3.7
Demostrar la siguiente identidad:
a a a a 1 1 0 0
a b b b 0 1 1 0
2 a (b  a )( c  b)(d  c ) .
a b c c 0 0 1 1
a b c d 1 1 1 1

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


DETERMINANTES 101

SO L U C I O N
Multiplicando los dos determinantes de forma normal, filas por columnas,
obtenemos:
0 a a 0
a  b a b 0
a  c a  b  c b 0
a  d a  b  d b  c  d c  d
Desarrollando este determinante con respecto a la cuarta columna, obtenemos:
0 a a
(c  d )  a  b a b
a  c a  b  c b
A la tercera fila le restamos la segunda fila:
0 a a
(c  d )  a  b a b
c b c b 0
Extraemos de la tercera fila c - b:
0 a a
(c  d )(c  b)  a  b a b
1 1 0
A la segunda fila le restamos la primera fila:
0 a a
(c  d )(c  b)  a  b 0 b  a
1 1 0
Extraemos a de la primera fila y b ± a de la segunda fila:
0 1 1
a (b  a )(c  d )(c  b) 1 0 1
1 1 0
Desarrollamos el determinante resultante por la regla de Sarrus y obtenemos el
resultado: ' = 2a(b ± a)(c ± b)(d ± c). ’

EJ E M P L O 2.3.8
Calcular el determinante elevándolo al cuadrado
a b c d
b a d c
.
c d a b
d c b a
SO L U C I O N
2
a b c d a b c d a b c d
b a d c b a d c b a d c
c d a b c d a b c d a b
d c b a d c b a d c b a
a 2  b2  c 2  d 2 0 0 0
2 2 2 2
0 a b c d 0 0
2 2 2 2
0 0 a b c d 0
0 0 0 a  b  c2  d 2
2 2

= (a2 + b2 + c2 + d2)4. ’
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
102 DETERMINANTES

PR O B L E M AS

2.3.1 Sean A, B, C, D los determinantes de tercer orden 2.3.3 Aplicando la regla de multiplicación de las
que se forman de la matriz matrices, expresar en forma de un determinante los
§a b c d · productos de determinantes:
¨ ¸ 3 5 4 8 6 3
¨ a1 b1 c1 d1 ¸
¨a b c d ¸ a.- 1 3 7 4 5 2 ;
© 2 2 2 2¹
al suprimir la primera, segunda, tercera y cuarta columna, 1 2 3 3 1 2
respectivamente. Demostrar que 1 2 4 5
a b c d 0 0 4 3 2 1 1 2 3 5
a1 b1 c1 d1 0 0 b.- ;
9 2 0 2 3 5 7 2
a2 b2 c2 d 2 0 0 3 0 5 4
AD - BC .
0 0 a b c d
1 3 1 2
0 0 a1 b1 c1 d1 c.- .
4 6 5 1
0 0 a2 b2 c2 d 2
2.3.4 Calcular el cuadrado del determinante:
2.3.2 Multiplicar y desarrollar los siguientes
1 1 1 1 1 1 1 1
determinantes:
1 1 1 1 2 2 1 1
5 a 1 2 1 3 2 4 a.- ; b.- ;
1 1 1 1 2 0 3 1
4 b 3 4 2 2 4 3
a.- ; 1 1 1 1 3 7 1 9
2 c 2 3 d b a c
4 d 4 5 3 1 3 4 2 5 8 1
2 3 2 0
a 2 1 0 0 a 5 3 c.- .
1 2 7 4
0 b 2 0 0 0 2 b
b.- . 2 6 4 0
5 4 3 c c 1 3 2
0 0 d 0 0 0 d 0

2.4 D E T E R M I N A N T E D E V A ND E R M O ND E

En esta sección se introduce la terminología básica y se define el determinante de Vandermonde.

  D E F IN I C I O N 2.4.1
Se denomina determinante de Vandermonde o determinante de las
diferencias, al formado por las potencias sucesivas de n números distintos:
a21, a22, a23, ..., a2 n-2, a2 n-1, a2 n,
ordenadas del siguiente modo:
1 1 1 ... 1 1
a21 a22 a23 ... a2 n 1 a2 n
2 2 2
V a21 a22 a23 ... a22n 1 a22n
... ... ... ... ...
n 1 n 1 n 1
a21 a22 a23 ... a2nn11 a2nn1
cuyo desarrollo está dado por
V – ( a2 j  a2 i ) .
1d i  j d n

Podemos reducir a ceros los elementos de la primera columna, excepto el primero,


restando de cada fila la anterior, multiplicada por a21, y obtenemos

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


DETERMINANTES 103

1 1 1 ... 1 1
0 a22  a21 a23  a21 ... a2 n 1  a21 a2 n  a21
0 a22 ( a22  a21 ) a23 ( a23  a21 ) ... a2 n 1 ( a2 n 1  a21 ) a2 n ( a2 n  a21 )
2 2
0 a22 ( a22  a21 ) a23 ( a23  a21 ) ... a22n 1 ( a2 n 1  a21 ) a22n ( a2 n  a21 )
... ... ... ... ...
n2 n2
0 a22 ( a22  a21 ) a23 ( a23  a21 ) ... a2nn21 ( a2 n 1  a21 ) a2nn 2 ( a2 n  a21 )
determinante que se reduce a uno de orden n ± 1, el cual, separando los factores
comunes, resulta
1 1 1 ... 1 1
a22 a23 a24 ... a2 n 1 a2 n
2 2 2
( a22  a21 )...( a2 n  a21 ) a22 a23 a24 ... a22n 1 a22n
... ... ... ... ...
n2 n2 n2
a22 a23 a24 ... a2nn21 a2nn 2
y observando que este determinante de orden n - 1 es de la misma forma que el
anterior, se le puede aplicar la misma transformación, resultando
1 1 1 ... 1 1
a23 a24 a25 ... a2 n 1 a2 n
2 2 2
( a22  a21 )...( a2 n 1  a22 ) a23 a24 a25 ... a22n 1 a22n
... ... ... ... ...
n 3 n 3 n 3
a23 a24 a25 ... a2nn31 a2nn3
Con éste, que es de orden n ± 2, se opera de igual modo, y así se sigue hasta llegar a
uno de segundo orden
1 1
a2n  a2n 1 .
a2n 1 a2n
Por consiguiente
V ( a22  a21 )( a23  a21 )...( a2n  a2n1 )
– ( a2 j  a2 i ) .
1d i  j d n

%  GENERACION  DE  UN  DETERMINANTE  DE  VANDERMONDE  


clc;;clear;;  
fprintf('\n  DETERMINANTE  DE  VANDERMONDE  \n')  
fil=input('  Ingrese  la  dimension  de  la  columna:    ');;  
       fprintf('Ingrese  los  elementos  de  la  columna  \n')  
       %Ingreso  de  elementos  
               %for  f=1:col  
                       for  f=1:fil    
                               fprintf('Ingrese  el  elemento  %d',f)  
                               u(f,1)=input('  :');;  
                       end  
       fprintf('\n  LA  COLUMNA  ES:\n')  
       u  
               fprintf('  EL  DETERMINANTE  GENERADO  ES:')  
               V=vander(u)          
       fprintf('  EL  VALOR  DEL  DETERMINANTE  ES:')  
       DetV=det(V)  
 
 
 
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
104 DETERMINANTES

  EJ E M P L O 2.4.1
Evaluar los siguientes determinantes y expresar su resultado en factores:
1 a bc 1 1 1 1 bc  ad b2 c 2  a 2 d 2
a.- 1 b ca ; b.- a b c ; c.- 1 ac  bd a 2 c 2  b2 d 2 .
1 c ab a 3 b3 c3 1 ab  cd a 2b2  c 2 d 2
SO L U C I O N
a.- A las filas 2 y 3 le restamos la fila 1:
1 a bc 1 a bc
0 b  a ca  bc 0 b  a c (b  a )
0 c  a ab  bc 0 c  a b(c  a )
extraemos de la fila 2 el factor (b ± a) y de la tercera fila el factor (c ± a):
1 a bc
(b  a )( c  a ) 0 1  c
0 1 b
a la fila 3 le restamos la fila 2:
1 a bc
(b  a )(c  a ) 0 1 c
0 0 c b
podemos observar que mediante este proceso, hemos transformado la matriz original
a una matriz equivalente triangular superior, lo cual nos permite aplicar una de las
propiedades para encontrar el valor del determinante: ' = (b - a)(c - a)(c - b).
b.- En este problema, aplicaremos operaciones elementales entre columnas, es
decir, a las columnas 2 y 3 le restamos la columna 1:
1 0 0 1 0 0
a ba ca a ba ca
a 3 b3  a 3 c 3  a 3 a 3 (b  a )(b 2  ab  a 2 ) (c  a )(c 2  ca  a 2 )
a la columna 2 le extraemos (b ± a) y a la tercera columna (c ± a):
1 0 0
(b  a )(c  a ) a 1 0
a 3 b2  ab  a 2 c 2  ca  a 2
a la columna 3 le restamos la columna 2:
1 0 0
(b  a )( c  a ) a 1 0
a 3 b2  ab  a 2 c 2  ca  a 2  b 2  ab  a 2
expresamos en factores el elemento a33:
1 0 0
(b  a )(c  a ) a 1 0
a 3 b2  ab  a 2 (c  b)( a  b  c )
como hemos reducido la matriz original a una matriz triangular inferior, aplicamos la
correspondiente propiedad, para obtener el valor del determinante
' = (b - a)(c - a)(c - b)(a + b + c).
c.- A la segunda y tercera filas, le restamos la primera:
1 bc  ad b2 c 2  a 2 d 2
0 ac  bd  bc  ad a 2 c 2  b2 d 2  b2 c 2  a 2 d 2
0 ab  cd  bc  ad a 2b 2  c 2 d 2  b 2 c 2  a 2 d 2

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


DETERMINANTES 105

expresamos en factores los elementos de este determinante:


1 bc  ad b2 c 2  a 2 d 2
0 ( a  b)( c  d ) ( a 2  b 2 )(c 2  d 2 )
0 (b  d )( a  c ) (b 2  d 2 )( a 2  c 2 )
extraemos (a - b)(c - d) de la segunda fila y (b ± d)(a ± c) de la tercera fila:
1 bc  ad b 2 c 2  a 2 d 2
( a  b)(c  d )(b  d )( a  c ) 0 1 ( a  b)( c  d )
0 1 (b  d )( a  c )
a la tercera fila, restamos la segunda:
1 bc  ad b2 c 2  a 2 d 2
( a  b)(c  d )(b  d )( a  c ) 0 1 ( a  b)( c  d )
0 0 ( a  d )(c  b)
como el determinante de una matriz triangular es igual al producto de los elementos
de la diagonal principal, entonces:
' = (a - d)(c - b)(a - b)(c - d)(b - d)(a - c). ’

PR O B L E M AS

2.4.1 Evaluar los siguientes determinantes y expresar su a  b ab 0 0


resultado en factores:
1 a  b ab 0
a 2 ab b 2 a bc a (b  c ) c.- ;
0 1 a  b ab
a.- 2 a a  b 2b ; b.- b ac b( a  c ) ;
0 0 1 a b
1 1 1 c ab c ( a  b)
1 a ( a  1) a 2 ( a  1)
2 2 2 2 3
a a  (b  c ) bc 1 a a d.- 1 b(b  1) b 2 (b  1) ;
2 2 2 2 3
c.- b b  (c  a ) ac ; d.- 1 b b ; 1 c ( c  1) c 2 (c  1)
2 2 2 2 3
c c  ( a  b) ab 1 c c
2a  7 a  2 a 1 a
bc a a3 a b a b a  3 2a  5 a  1 a
e.- ;
e.- c  a b b3 ; f.- b a b a ; a  3 a  2 2a  3 a
a b c c3 a b a b a  3 a  2 a  1 2a  1
1 a b 0 0
( x  a )2 ( y  a )2 ( z  a )2
1 1  b c 0
g.- ( x  b) 2 ( y  b) 2 ( z  b) 2 . f.- .
0 1 1  c d
( x  c )2 ( y  c )2 ( z  c)2 0 0 1 1  d

2.4.2 Calcular los determinantes: 2.4.3 Evaluar el determinante de Vandermonde:


1  a 1  a 2 1  a3 1 1 1 1 1 1 1 1
a.- 1  b 1  b 2 1  b3 ; a b c d 2 3 4 5
a.- 2 2 2 2 ; b.- .
1 c 1 c2 1  c3 a b c d 22 32 42 52
a3 b3 c3 d3 23 33 43 53
1 a 1 1 1
1 1 a 1 1
b.- ;
1 1 1 a 1
1 1 1 1 a

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


106 DETERMINANTES

2.5 C U EST I O N A RI O

Responda verdadero (V) o falso (F) a cada una de las siguientes afirmaciones. Para las afirmaciones que sean falsas,
indicar por que lo es:

2.5.1 El valor de un determinante se altera si éste se 2.5.13 Si en un determinante todos los elementos de
transpone. una fila, a excepción de uno, son iguales a cero,
entonces, el determinante es igual al producto de este
2.5.2 Si en una matriz cuadrada de orden n se elemento diferente de cero por un complemento
intercambian dos columnas, entonces el determinante no algebraico.
varía.
2.5.14 Todo determinante es igual a la suma de los
2.5.3 La suma de los productos de los elementos de productos de los elementos de una de sus columnas por
cualquier columna de un determinante por los los correspondientes complementos algebraicos.
complementos algebraicos de los elementos
correspondientes de una paralela es diferente de cero. 2.5.15 Si una columna del determinante de una matriz
cuadrada de orden 3 es una combinación lineal de las
2.5.4 Si una matriz A de orden n posee un menor M no demás columnas, entonces el determinante será
nulo de orden r, 1 d r d n-1, tal que todos los menores de diferente de cero.
orden r + 1 que lo orlan son iguales a cero, entonces el
determinante de la matriz A es igual a cero. 2.5.16 El determinante difiere si a cada columna,
excepto la última, se le añade la columna siguiente.
2.5.5 Un determinante que contiene dos columnas
proporcionales es diferente de cero. 2.5.17 El determinante no cambia si varía el signo de
todos los elementos en los lugares impares; pero si varía
2.5.6 El valor de un determinante no cambia si a todos el signo de todos los elementos en los lugares pares, el
los elementos de una de sus columnas se suman los determinante no cambia, siendo del orden par y cambia,
elementos correspondientes de la columna. siendo del orden impar.

2.5.7 Para que un determinante sea igual a cero es 2.5.18 El determinante no cambia si de cada columna,
necesario y suficiente que sus columnas sean excepto la última, se restan todas las siguientes
linealmente independientes. columnas.

2.5.8 Si en el determinante de una matriz de orden n, 2.5.19 Si a cada elemento de una de las columnas de
más de n2 ± n elementos son nulos, el determinante es una matriz de orden n se le suma el producto del
igual a cero. número k por el elemento correspondiente de otra
columna, entonces el valor del determinante cambia.
2.5.9 Si en el determinante de una matriz cuadrada de
orden n para k + r > n en la intersección de ciertas k filas 2.5.20 El valor del determinante de una matriz de
y r columnas se hallan los elementos nulos, el orden n no cambia si se intercambian las filas y
determinante es igual a cero. columnas de la matriz.

2.5.10 Si en el determinante de una matriz cuadrada de 2.5.21 Si A y B son matrices cuadradas de diferente
orden n todos los menores de orden k (k < n) son nulos, orden, entonces el determinante del producto A B es
entonces los menores de orden superior a k son diferente del producto de los determinantes de cada una
diferentes del nulo. de las matrices.

2.5.11 Para que un determinante de una matriz cuadrada 2.5.22 Si una matriz de orden n tiene un determinante
de orden 2 sea diferente de cero, es necesario y cero después de cualquier número de operaciones
suficiente que sus columnas sean proporcionales. elementales sobre las filas, entonces la matriz que
resulta tiene determinante cero.
2.5.12 Un determinante es igual a cero si es de orden
par y se duplicará, si es de orden impar, si a cada 2.5.23 Si una matriz tiene determinante diferente de
columna, empezando por la segunda, se le añade la cero, después de cualquier número de operaciones
columna anterior, sumando al mismo tiempo la primera elementales sobre las filas, entonces la matriz que
columna y la última. resulta tiene determinante diferente de cero.

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


DETERMINANTES 107

2.5.24 Si cada elemento de cierta columna del 2.5.30 La suma de todos los determinantes de orden
determinante está representado en forma de suma de dos n t 2, cada uno de los cuales en cada fila y cada
sumandos, el determinante será igual a la suma de dos columna tiene un elemento igual a la unidad y todos los
determinantes, en este caso todas las columnas menos la demás nulos; es nula y la cantidad de determinantes de
indicada, quedarán las mismas, y en la columna dicha este tipo es n!.
del primer determinante se encontrarán los primeros
sumandos, y en la del segundo, los segundos. 2.5.31 Si en un determinante de una matriz cuadrada
de orden n, sus filas se escriben en orden inverso,
2.5.25 Si a los elementos de una columna del entonces éste se multiplicará por (-1)n(n-1)/2.
determinante se les añaden los correspondientes
elementos de otra columna, multiplicadas por un mismo 2.5.32 Si en un determinante de una matriz cuadrada
número, entonces el determinante es diferente. de orden n cada uno de sus elementos cambia de signo,
entonces el determinante se multiplicara por (-1)n.
2.5.26 Un determinante es igual a cero si cada fila,
excepto la última, se resta la siguiente fila, y de la última 2.5.33 El determinante de una matriz cuadrada de n x
fila se resta la fila inicial. n, cuyos elementos se prefijan por las condiciones
a ij = mín( i, j) es igual a cero.
2.5.27 Si todos los elementos de cualquier fila de un
determinante son iguales a la unidad, la suma de los 2.5.34 El determinante de una matriz cuadrada de
cofactores de todos los elementos de éste será igual al orden n, cuyos elementos se dan por las condiciones
propio determinante. a ij = máx( i, j) es igual a (-1)n-1n.

2.5.28 El determinante cuya suma de las filas con 2.5.35 El determinante de una matriz cuadrada de
números pares es igual a la suma de las filas con orden n, cuyos elementos se prefijan por las
números impares, es diferente de cero. condiciones a ij = | i ± j | es igual a (-1)n-12n-2(n ± 1).

2.5.29 Una matriz cuadrada tiene determinante cero si y 2.5.36 La suma de los cofactores de todos los
sólo si la matriz se puede reducir a una matriz triangular elementos del determinante varía si a todos los
superior con al menos un elemento igual a cero en la elementos se les añade un mismo número.
diagonal principal.

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


O BJ E T I V O

Resolver problemas sobre matrices equivalentes, rango e inversa mediante la interpretación, expresión y
representación en términos de matrices y determinantes utilizando definiciones propiedades y métodos adecuados
para cada tipo, en situaciones reales propias de la ingeniería y ciencias aplicadas.

C O NT ENID O:

3.1 MATRICES EQUIVALENTES


3.2 RANGO DE UNA MATRIZ
3.3 INVERSA DE UNA MATRIZ
3.4 METODOS PARA OBTENER LA INVERSA DE UNA MATRIZ
3.5 CUESTIONARIO

3.1 M A T R I C ES E Q U I V A L E N T ES

En esta sección se introduce la definición de matriz equivalente y enuncia mos sus propiedades mas
importantes.

En esta sección veremos que cada una de las operaciones de filas puede realizarse
en A multiplicando A por la izquierda por una matriz obtenida al efectuar dicha
operación a la matriz identidad.

Para este fin, definiremos una matriz elemental como cualquier matriz que se
obtenga a partir de la matriz identidad mediante una operación elemental de filas,
para lo cual utilizaremos el siguiente resultado.

Sea A una matriz de n x m. Supongamos que B se obtiene a partir de A mediante


una operación elemental de filas. Sea E la matriz elemental obtenida al efectuar
las mismas operaciones elementales de filas en la matriz identidad. Entonces
B = E A. Esto es, la matriz elemental E obtenida a partir de la matriz identidad
mediante una operación elemental de filas realiza la misma operación elemental
en A al multiplicarla por la izquierda.

E J E M P L O 3.1.1
Dada la matriz A, verifique lo antes mencionado:
§ 2 4 2· § 3 2 4 5 ·
¨ ¸ ¨ ¸
a.- A ¨ 0 1 3 ¸ ; b.- A ¨ 0 3 8 3 ¸ .
¨ 3 4 2¸ ¨ 4 1 3 7¸
© ¹ © ¹
SO L U C I O N
a.- Obtengamos B a partir de A intercambiando las filas f2 y f3:
110 RANGO E INVERSA DE UNA MATRIZ

§ 2 4 2·
¨ ¸
B ¨ 3 4 2¸
¨ 0 1 3¸
© ¹
Efectuamos la misma operación en I de 3 x 3 para obtener:
§1 0 0·
¨ ¸
E ¨0 0 1¸
¨0 1 0¸
© ¹
Ahora verificamos que E efectúa la misma operación de filas en A al multiplicar
por la izquierda a la matriz A por E:
§ 1 0 0 ·§ 2 4 2 · § 2 4 2 ·
¨ ¸¨ ¸ ¨ ¸
E A = ¨ 0 0 1 ¸¨ 0 1 3 ¸ = ¨ 3 4 2 ¸ = B .
¨ 0 1 0 ¸¨ 3 4 2 ¸ ¨ 0 1 3 ¸
© ¹© ¹ © ¹
b.- Multiplicamos la tercera fila de A por ±2 para obtener B:
§ 3 2 4 5 ·
¨ ¸
B ¨0 3 8 3 ¸
¨ 8 2 6 14 ¸
© ¹
Efectuamos la misma operación en I de 3 x 3 para obtener
§1 0 0 ·
¨ ¸
E ¨0 1 0 ¸
¨ 0 0 2 ¸
© ¹
Entonces
§ 1 0 0 ·§ -3 2 4 5 · § -3 2 4 5 ·
¨ ¸¨ ¸ ¨ ¸
E A = ¨ 0 1 0 ¸¨ 0 3 8 3 ¸ = ¨ 0 3 8 3 ¸ = B . ’
¨ 0 0 -2 ¸¨ 4 1 3 7 ¸ ¨ -8 -2 -6 -14 ¸
© ¹© ¹ © ¹

E J E M P L O 3.1.2
Dada la matriz
§ 3 2 4 5 ·
¨ ¸
A ¨ 0 3 8 3¸
¨ 4 1 3 7¸
© ¹
Multiplique la matriz A por la izquierda por un producto de matrices elementales.
SO L U C I O N
Intercambiamos las filas f2 y f3:
§ 3 2 4 5 ·
¨ ¸
¨ 4 1 3 7¸
¨ 0 3 8 3¸
© ¹
Multiplicamos la segunda fila por 3/4:
§ 3 2 4 5 ·
¨ 3 9 21 ¸
¨3 4 4 4¸
¨ 0 3 8 3¸
© ¹
A la segunda fila le sumamos la primera:
§ 3 2 4 5 ·
¨ 25 41 ¸
B ¨ 0 11 4 4 4 ¸
¨ 0 3 8 3¸
© ¹
Cada operación puede ser realizada mediante una matriz elemental:

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


RANGO E INVERSA DE UNA MATRIZ 111

§1 0 0· §1 0 0· §1 0 0·
¨ ¸ ¨ ¸ ¨ ¸
E1 ¨0 0 1¸ , E 2 = ¨ 0 34 0 ¸ , E3 ¨1 1 0¸
¨0 1 0¸ ¨0 0 1¸ ¨0 0 1¸
© ¹ © ¹ © ¹
Se forma
§ 1 0 0 ·§ 1 0 0 ·§ 1 0 0 · § 1 0 0 ·§ 1 0 0 · § 1 0 0 ·
¨ ¸¨ ¸¨ ¸ ¨ ¸¨ ¸ ¨ ¸
E 3 E 2 E1 = ¨ 1 1 0 ¸¨ 0 34 0 ¸¨ 0 0 1 ¸ ¨ 1 34 0 ¸¨ 0 0 1 ¸ ¨ 1 0 34 ¸
¨ 0 0 1 ¸¨ 0 0 1 ¸¨ 0 1 0 ¸ ¨ 0 0 1 ¸¨ 0 1 0 ¸ ¨ 0 1 0 ¸
© ¹© ¹© ¹ © ¹© ¹ © ¹
Si se multiplica A por la izquierda por este producto de matrices elementales,
obtenemos el resultado final de las tres operaciones de filas:
§ 1 0 0 ·§ -3 2 4 5 · § -3 2 4 5 ·
¨ ¸¨ ¸ ¨ 41 ¸
( E 3 E 2 E1 ) A = ¨ 1 0 34 ¸¨ 0 3 8 3 ¸ = ¨ 0 11
4
25
4 4 ¸
=B. ’
¨ 0 1 0 ¸¨ 4 1 3 7 ¸ ¨ 0 3 8 3 ¸
© ¹© ¹ © ¹

Algunas veces necesitaremos efectuar una sucesión de operaciones de filas en una


matriz A. Esto puede hacerse multiplicando A por la izquierda por un producto de
matrices elementales.

D E F I N I C I O N 3.1.1
Se dice que la matriz A es equivalente por filas a la matriz B si B se
obtiene a partir de A mediante una sucesión de operaciones elementales
de filas. Esto significa que la matriz B debe ser de la forma E n E n-1 ... E 1 A
para matrices elementales E 1, E 2, ..., E n.

T E O R E M A 3.1.1
Toda matriz es equivalente por filas a sí misma.
D E M OST R A C I O N
Observemos que la matriz A siempre puede obtenerse a partir de A mediante una
operación elemental de filas.

T E O R E M A 3.1.2
Si la matriz A es equivalente por filas a la matriz B entonces B es
equivalente por filas a A.
D E M OST R A C I O N
Se obtiene la matriz B a partir de la matriz A intercambiando las filas i y j de A,
obtenemos a A a partir de B intercambiando las filas i y j de B. Si obtenemos la
matriz B a partir de la matriz A multiplicando la fila j de A por un número k
distinto de cero, obtenemos A a partir de B multiplicando la fila j de B por 1/k. Si
obtenemos la matriz B a partir de la matriz A sumando k veces la fila i a la fila j,
obtenemos A a partir de B sumando ±k veces la fila i a la fila j de B. En resumen,
si obtenemos B a partir de A mediante operaciones elementales de filas, podemos
recuperar A a partir de B mediante operaciones elementales de filas del mismo
tipo. Ahora supongamos que A es equivalente por filas a B. Entonces B puede
obtenerse a partir de A mediante una sucesión de operaciones elementales de
filas. Por lo tanto, A se obtiene a partir de B mediante una sucesión de
operaciones elementales; así que B es equivalente por filas a A.

T E O R E M A 3.1.3
Si la matriz A es equivalente por filas a la matriz B y B es equivalente
por filas a la matriz C entonces A es equivalente por filas a C.
D E M OST R A C I O N
Si la matriz B se obtiene a partir de la matriz A mediante un producto de matrices
elementales, y la matriz C se obtiene a partir de B mediante un producto de
matrices elementales, hemos obtenido C a partir de A mediante un producto de

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


112 RANGO E INVERSA DE UNA MATRIZ

matrices elementales; por lo tanto, A es equivalente por filas a C.

Sea la matriz A de n x m. Si una fila tiene un elemento distinto de cero, el


elemento principal de la fila es su primer elemento distinto de cero, leyendo de
izquierda a derecha. Una fila que tiene únicamente ceros no tiene elemento
principal. Decimos que la matriz A es una matriz reducida si A tiene las
siguientes características:

1.- El elemento principal de cada fila distinto de cero es 1.


2.- Si una fila tiene su elemento principal en la columna j, todos los otros
elementos de la columna j son cero.
3.- Toda fila que tiene únicamente ceros está debajo de las filas que tienen
elementos distintos de cero.
4.- Si el elemento principal de la fila f1 está en la columna c1, el elemento
principal de la fila f2 está en la columna c2 y f1 < f2, entonces c1 < c2.

Por la segunda característica, si una columna contiene un elemento principal en


alguna fila, todos los otros elementos de esa columna son cero. Dicho de otra
manera, todos los elementos que están directamente por encima o debajo de
cualquier elemento principal son cero. La cuarta característica dice que los
elementos principales se mueven hacia abajo y a la derecha conforme se ve la
matriz.

T E O R E M A 3.1.4
Sea A una matriz de n x m. Entonces A es equivalente por filas a una
matriz en forma reducida.
D E M OST R A C I O N
Si la matriz A está en forma reducida, ya se acaba el proceso. Si no, leyendo de
izquierda a derecha la matriz, supongamos que la columna c1 es la primera
columna que tiene un elemento distinto de cero. Sea k el primer elemento distinto
de cero de esa columna, digamos que aparece en la fila f1. Multiplicamos la fila f1
por 1/k para obtener una matriz B. Por la elección de f1, la columna c1 de B tiene
exactamente ceros por encima del 1 en la fila f1. Si cualquier fila debajo de f1
tiene un elemento r distinto de cero en la columna c1 sumamos ± r veces la fila f1 a
esa fila. Obteniendo una nueva matriz con un cero donde estaba localizada r en B.
La repetición de este proceso da como resultado la matriz C que tiene ceros por
encima y debajo de la fila f1 en la columna c1. Ahora intercambiamos las filas 1 y
f1 de C para producir la matriz D que tiene como entrada principal 1 en la fila 1 y
la columna c1 y todos los demás elementos de esa columna son cero. Además, por
la elección de c1, cualquier columna de D a la izquierda de la columna c1 tiene
solamente elementos iguales a cero. Finalmente D es equivalente por filas a A ya
que llegamos a D por una sucesión de operaciones elementales de filas.
Si D es reducida, se acaba el proceso. Si no, repetimos este proceso, pero ahora
observando la primera columna, digamos la columna c 2, a la derecha de la
columna c1 y que tiene un elemento distinto de cero debajo de la fila 1. Sea f2 la
primera fila debajo de la fila 1 que tiene un elemento distinto de cero, digamos s.
Dividimos la fila f2 por s para obtener una matriz E con 1 como elemento f2, c2. Si
la columna c2 de E tiene un elemento distinto de cero s en una fila por encima o
debajo de f2 sumamos ±s veces la fila f2 a esa fila. La repetición de este proceso da
una matriz F con ceros en la columna c2 por encima y debajo del elemento 1 en la
fila f2. Finalmente, intercambiamos las filas 2 y f2 de F para obtener G. Si la
matriz G está en forma reducida, se acaba el proceso. Si no, localizamos la
primera columna a la derecha de la columna c2 y que tenga un elemento distinto
de cero debajo de la fila f2 y repetimos el proceso que hemos estado utilizando.
Como A tiene un número finito de columnas, eventualmente llegamos a una
matriz reducida y esta matriz reducida es equivalente por filas a A.

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


RANGO E INVERSA DE UNA MATRIZ 113

El proceso de obtener una matriz reducida equivalente por filas a una matriz dada
A se llama reducción de A. Observemos que usualmente es posible efectuar
distintas sucesiones de operaciones elementales de filas en A para obtener una
matriz reducida.

Sea A una matriz de n x m. Suponga que se aplica una sucesión S1 de operaciones


elementales de filas empezando con la matriz A y obteniendo una matriz reducida
B. Suponga que se aplica otra sucesión S2 de operaciones elementales de filas
empezando con A y se obtiene una matriz reducida C, entonces B = C. Esto
implica que para una matriz A, el resultado final siempre es el mismo no importa
cuáles operaciones elementales de filas hayamos usado para llegar a él. Debido a
esto, hablaremos de la forma reducida de A en lugar de una forma reducida de A.
Denotaremos a la forma reducida de A como A R.

E J E M P L O 3.1.3
Reducir la matriz
§ 3 4 1 ·
¨ ¸
A = ¨ 1 2 0¸ .
¨ 2 4 3¸
© ¹
SO L U C I O N
Empezamos con la primera columna, que tiene un elemento distinto de cero en la
primera fila. A la primera fila le multiplicamos por ±1/3:
§ 1  43  13 ·
¨ ¸
¨1 2 0 ¸
¨¨ 2 4 3 ¸¸
© ¹
A la segunda fila le restamos la primera fila, a la tercera fila le restamos 2 veces la
primera fila:
§ 1  43  13 ·
¨ ¸
¨ 0 103 1
3 ¸
¨¨ 20 11 ¸ ¸
©0 3 3 ¹
La segunda columna de la última matriz tiene elementos distintos de cero debajo
de la primera fila. Como queremos un 1 en esa posición, entonces hacemos las
siguientes operaciones. A la segunda fila le multiplicamos por 3/10:
§ 1  43  13 ·
¨ 1
¸
¨0 1 10 ¸
¨¨ 20 11 ¸ ¸
©0 3 3 ¹
A la primera fila le sumamos 4/3 veces la segunda fila, a la tercera fila le
restamos 20/3 veces la segunda fila:
§ 1 0  15 ·
¨ ¸
¨ 0 1 101 ¸
¨¨ ¸¸
©0 0 3 ¹
La tercera columna de la última matriz tiene elementos distintos de cero debajo de
la segunda fila. Como queremos un 1 en esa posición, entonces hacemos las
siguientes operaciones. A la tercera fila le multiplicamos por 1/3:
§ 1 0  15 ·
¨ ¸
¨ 0 1 101 ¸
¨¨ ¸¸
©0 0 1 ¹
A la primera fila le sumamos 1/5 veces la tercera fila, a la segunda fila le
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
114 RANGO E INVERSA DE UNA MATRIZ

restamos 1/10 veces la tercera fila:


§1 0 0·
¨ ¸
¨0 1 0¸ .
¨0 0 1¸
© ¹
Esta última matriz es AR, la forma reducida de A. En este caso A R = I. ’

Hemos obtenido A R a partir de A por una sucesión de operaciones elementales de


filas. Además, hemos visto que podemos realizar cualquier sucesión de
operaciones elementales de filas en A multiplicando a A por la izquierda por un
producto de matrices elementales. Esto nos indica que dada una matriz A de n x
m. Entonces existen matrices elementales E 1, E 2, ..., E n tales que A R = E n E n-1 ...
E 1 A.

PR O B L E M AS

3.1.1 En las siguientes matrices, efectúe la operación b.- Encuentre E 2.


elemental de filas indicada en A para obtener la matriz
B. Después encuentre la matriz E tal que E A = B: 3.1.4 En las siguientes matrices, determine si la matriz
§ 1  i 2 3 i · está en forma reducida. Si no lo está, haga una lista de
¨ ¸ todas las condiciones de la definición que no se
a.- A ¨ 2 4 5i 2 ¸ ; multiplicar la tercera fila
¨1  i 2 6 2 ¸ cumplen y utilice las operaciones elementales de filas
© ¹ para reducir la matriz:
por i. §1 3 0 5·
§ 2i 3 4 · ¨ ¸ § 1 7 5 3·
¨ 6 0 3 5¸ ¨ ¸
¨ ¸ a.- A ; b.- A ¨ 0 2 0 1 ¸ ;
2 6 7¸ ¨6 2 1 7¸
b.- A ¨ ; sumar el producto de la tercera ¨ ¸ ¨ 0 0 3 1¸
¨ 1 i 3 ¸ © ¹
¨ ¸ © 0 3 1 1 ¹
© 5 8 4¹
§0 2 3·
fila por ±1 a la primera fila. ¨ ¸
c.- A ¨0 0 2¸
.
3.1.2 En las siguientes matrices, obtenga una matriz B ¨4 0 3¸
¨ ¸
a partir de la matriz A dada efectuando la sucesión de ©1 5 2¹
operaciones. Después obtener una matriz C tal que C A =
B: 3.1.5 Dadas las matrices A, B y C:
§ i 2 3 5 · § 1 2 3 · § 1 2 0 ·
¨ ¸ ¨ ¸ ¨ ¸
1 6i 7 8 ¸ A ¨ 0 1 2 ¸, B
a.- A ¨ ; intercambiar las filas f2 y ¨ 0 1 2 ¸,
¨1  i 4 6 1  i ¸ ¨ 1 2 0 ¸ ¨ 1 2 3 ¸
¨ ¸ © ¹ © ¹
© i 3 7 4 ¹ § 0 4 3 ·
f4, sumar i veces la segunda fila a la tercera fila, sumar la ¨ ¸
C¨ 0 1 2 ¸.
primera fila a la tercera fila, multiplicar la segunda fila ¨ 1 2 0 ¸
por i. © ¹
§ 1  2i 3 4 6i · a.- Encuentre una matriz elemental E tal que E A = B;
¨ ¸ b.- Encuentre una matriz elemental E tal que E A = C.
b.- A ¨ 7 2 5 4 ¸ ; sumar ± i veces la
¨ i 1  i 3 5 ¸¹
© 3.1.6 Dé un ejemplo de dos matrices elementales cuyo
segunda fila a 7 veces la tercera fila, intercambiar las producto sea elemental.
filas f1 y f3, multiplicar la tercera fila por (1 ± 2 i).
c.- Encuentre una matriz elemental E tal que E B = A; 3.1.7 Construya E sumando ± 3 veces la fila e de I a la
d.- Encuentre una matriz elemental E tal que E C = A. fila 4 y calcule E A. ¿Qué efecto produce en A la
multiplicación izquierda por E? ¿Sería cierta la misma
3.1.3 E es la matriz elemental que se obtiene al conclusión para cualquier matriz de 4 x 4? Encuentre
intercambiar dos filas de I. A es una matriz de n x n: una matriz F tal que la multiplicación izquierda por F
a.- ¿Cómo se relaciona o compara E A con A?; transforme de nuevo E en I; esto es, F E = I.
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
RANGO E INVERSA DE UNA MATRIZ 115

3.2 R A N G O D E U N A M A T R I Z

En esta sección se introduce la terminología básica y se define el rango de una matriz, enuncia mos sus
propiedades mas importantes.

  El determinante de una matriz se relaciona de manera importante con el concepto de


rango de una matriz. Para calcular prácticamente el rango de una matriz pueden
seguirse distintos procedimientos. Uno de ellos consiste en comprobar con las dos
primeras filas si existe algún determinante de 2 x 2 no nulo; si ocurre así, se procede
de la misma manera respecto a las tres primeras filas, y de la misma manera hasta
agotar el número de filas o encontrar un primer conjunto de menores de k x k que
sean nulos en su totalidad; en el primer caso, el rango es igual al número de filas n, y
en el segundo, es k ± 1.

D E F I N I C I O N 3.2.1
El rango de una matriz A es el orden de la matriz de mayor orden, cuyo
determinante es diferente de cero que se puede obtener de A al suprimir
filas y/o columnas. Representamos este número por Rang( A). Se dice
que A tiene rango 0 si todos sus elementos son cero.

Es evidente que el rango de una matriz de m x n cuando más puede ser igual al
menor de los números m y n, pero puede ser menor.

T E O R E M A 3.2.1
Sea una matriz A de m x n y sea k un número entero positivo. Entonces
Rang(A) t k si la matriz A contiene un subdeterminante distinto de cero de
orden k.
D E M OST R A C I O N
Supongamos que Rang(A) t k. Entonces el rango por filas de la matriz A será, por lo
menos, k, y así en la matriz A hay k filas linealmente independientes. Numeremos
estas filas con f1, f2, ..., fk y sea B la matriz k x n en la que la fila i-ésima sea la fila fi
de la matriz A. Entonces, el rango por filas de B ha de ser k y, por lo tanto, Rang(B)
= k. De esto se desprende que el rango por columnas de B sea k y que, por lo tanto, B
contenga k columnas linealmente independientes. Consideremos la matriz C
cuadrada de orden k que conste de esas columnas. Las columnas de C son
linealmente independientes y, por lo tanto, Rang(C) = k. Por consiguiente Det(C) z
0. Puesto que C es una submatriz de A, hemos demostrado que A debe contener un
subdeterminante de orden k distinto de cero.

Una matriz A de m x n (m t n) posee un subdeterminante de n-1 x n-1 no nulo; todos


los subdeterminantes de n x n son nulos, entonces todos los subdeterminantes de
n x n de la matriz A son iguales a cero y, por consiguiente, el rango de la matriz A es
n-1.

T E O R E M A 3.2.2
El rango de una matriz A de m x n, será igual a k si hay por lo menos un
subdeterminante de A de k x k que sea distinto de cero mientras que todos
los demás subdeterminantes de A de k + 1 x k + 1 son cero.
D E M OST R A C I O N
Si Rang(A) = k, entonces la matriz A contendrá un subdeterminante de k x k distinto
de cero. Además, A no puede contener un subdeterminante de k + 1 x k + 1 que sea
distinto de cero, pues, de ser así, su rango no podría ser menor que k + 1.

EJ E M P L O 3.2.1
Hallar los valores del parámetro k, para que la matriz A tenga rango máximo.
¿Cuánto es el rango para los otros valores de k?
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
116 RANGO E INVERSA DE UNA MATRIZ

§k 3 k 0 0 · § k  2 2k  4 0 2k ·
¨ ¸ ¨ ¸
k k  3 0 0 ¸ 0 1 0  k  1¸
a.- ¨ ; b.- ¨ .
¨ k k 1 k 1 k 1¸ ¨ 2  k  3 k 1  k ¸
¨ ¸ ¨ ¸
© k 1 k 1 k 3  k ¹ © 0 k  1 0 2k  1¹
SO L U C I O N
a.- La matriz A tiene rango máximo si el Det(A) z 0, es decir:
k 3 k 0 0
k  3 0 0 k 0 0
k k  3 0 0
( k  3) k  1 k  1 k  1  k k k  1 k  1 36
k k 1 k 1 k 1
1 k 1 k 3  k k 1  k 3  k
k 1 k 1 k 3  k
Como 36 z 0, entonces la matriz tiene rango máximo si k  ƒ.
b.- La matriz A tiene rango máximo si el Det(A) z 0, es decir:
k  2 2k  4 0 2k
k  2 2k  4 2k
0 1 0  k  1
0 1  k  1 k 3 ( k  2) z 0 .
2  k  3 k 1  k
0 k  1 2k  1
0 k  1 0 2k  1
Como k3(k + 2) z 0, entonces k z 0 y k z - 2. Por lo tanto k  ƒ \ {-2, 0}. Cuando
k = - 2:
§ 0 0 0 4 · § 0 0 0 4 · § 0 0 0 0·
¨ ¸ ¨ ¸ ¨ ¸
¨ 0 1 0 1 ¸ | ¨ 0 1 0 1 ¸ | ¨ 0 1 0 1¸
¨ 2 1 2 1 ¸ ¨ 2 0 2 0 ¸ ¨ 2 0 2 0¸
¨ ¸ ¨ ¸ ¨ ¸
© 0 1 0 3 ¹ © 0 0 0 4 ¹ © 0 0 0 4¹
Rang(A) = 3. Cuando k = 0:
§ 2 4 0 0 · §2 4 0 0 · §2 4 0 0·
¨ ¸ ¨ ¸ ¨ ¸
¨ 0 1 0 1¸ | ¨ 0 1 0 1¸ | ¨ 0 1 0 1¸
¨ 2 3 0 1 ¸ ¨ 0 1 0 1 ¸ ¨ 0 0 0 0¸
¨ ¸ ¨ ¸ ¨ ¸
© 0 1 0 1 ¹ ©0 1 0 1 ¹ ©0 0 0 0¹
Rang(A) = 2. ’

T E O R E M A 3.2.3
El rango de una matriz A de m x n, será igual a k si hay por lo menos un
subdeterminante de A de k x k que sea distinto de cero mientras que todos
los demás subdeterminantes de A de k + 1 x k + 1 son cero.
D E M OST R A C I O N
Si Rang(A) = k, entonces la matriz A contendrá un subdeterminante de k x k distinto
de cero. Además, A no puede contener un subdeterminante de k + 1 x k + 1 que sea
distinto de cero, pues, de ser así, su rango no podría ser menor que k + 1.

EJ E M P L O 3.2.2
Calcular el rango de la matriz
§ 2 1 3 2 4 ·
¨ ¸
A ¨ 4 2 5 1 7 ¸ .
¨ 2 1 1 8 2 ¸
© ¹
SO L U C I O N
Utilizaremos la definición, es decir:
2 4
18
1 7
Como este menor es diferente de cero, procedemos a tomar un menor de mayor
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
RANGO E INVERSA DE UNA MATRIZ 117

orden:
3 2 4 1 2 4 2 2 4
5 1 7 2 1 7 4 1 7 0
1 8 2 1 8 2 2 8 2
Como todos los menores de tercer orden son iguales a cero, entonces concluimos que
Rang(A) = 2. ’

D E F IN I C I O N 3.2.2
El número de filas distintas de cero de una matriz A en la forma reducida se
denomina rango de la matriz A.

Si A es una matriz de n x m, obviamente Rang(A) d n. Además, como A R es una


matriz reducida su rango es el número de sus filas distintas de cero; por lo tanto
Rang(A) es igual al número de filas de A R no nulas. Sea una matriz A de m x n y sea
k un número entero positivo. Entonces Rang(A) t k si la matriz A contiene un
subdeterminante distinto de cero de orden k.

El rango de una matriz A de m x n, será igual a k si hay por lo menos un


subdeterminante de A de k x k que sea distinto de cero mientras que todos los demás
subdeterminantes de A de k + 1 x k + 1 son cero.

T E O R E M A 3.2.3
Sea A una matriz de n x m. Entonces A es equivalente por filas a una
matriz en forma reducida.
D E M OST R A C I O N
Demostremos que una operación elemental no puede aumentar el rango k de una
matriz A. Si A tiene el máximo rango posible, esto es evidente. Sea k menor y
considérese cualquier submatriz cuadrada B de A con k + 1 filas. Por definición de
rango Det(B) = 0. Sea C la matriz obtenida a partir de B aplicando una operación
elemental a A. Si C = B, entonces Det(C) = 0. Sea C = B:
a.- Supóngase la operación de intercambio de dos filas de A. Si los dos tienen
elementos en B, entonces Det(C) = -Det(B). En caso contrario, C es igual a otra
submatriz cuadrada de A con k + 1 filas. De aquí que Det(C) = 0.
b.- Bajo la operación elemental de la multiplicación de una fila de A por un número
r diferente de cero, se tiene
Det(C) = rDet(B) = 0.
c.- Bajo la adición de un múltiplo constante de una fila de A a otra fila, la matriz C
difiere de la B en una fila, digamos c, de la forma c = b + ra, donde b es la fila
correspondiente de B. Así se tiene
Det(C) = Det(B) + rDet(D) = rDet(D),
donde D, tiene dos filas idénticas, o bien, es una submatriz cuadrada con k + 1 filas
de la matriz A.
En cualquier caso,
Det(D) = 0 y Det(C) = 0.
Esto completa la demostración de que una operación elemental no puede aumentar el
rango de una matriz A. Vamos a demostrar ahora que una operación elemental no
puede disminuir ese rango. Por inversa de una operación elemental se entiende la
operación que deshace el efecto de la operación dada. Esa inversa existe y es una
operación elemental. De aquí que, si una operación elemental pudiera disminuir el
rango, su inversa lo aumentaría, pero esto es imposible por lo que acaba de
demostrarse.

Este teorema implica que si se desea determinar el rango de una matriz dada, primero
puede simplificarse la matriz por medio de operaciones elementales. Más importante,
este teorema servirá de base para el estudio de los sistemas de ecuaciones lineales.

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


118 RANGO E INVERSA DE UNA MATRIZ

EJ E M P L O 3.2.3
Hallar los valores del parámetro k, para que la matriz
§ k  2 2k  4 0 2k ·
¨ ¸
0  1 0  k  1¸
A =¨
¨ 2  k  3 k 1  k ¸
¨ ¸
© 0 k  1 0 2k  1¹
tenga rango máximo. ¿Cuánto es el rango para los otros valores de k?
SO L U C I O N
La matriz A tiene rango máximo si el Det(A) z 0, es decir:
k  2 2k  4 0 2k
k  2 2k  4 2k
0 1 0  k  1
=k 0 1  k  1 = k3(k + 2) z 0.
2  k  3 k 1  k
0 k  1 2k  1
0 k  1 0 2k  1
Como k3(k + 2) z 0, entonces k z 0 y k z - 2. Por lo tanto k  ƒ \ {-2, 0}. Cuando
k = - 2:
§ 0 0 0 4 · § 0 0 0 4 · § 0 0 0 0 ·
¨ ¸ ¨ ¸ ¨ ¸
¨ 0 1 0 1 ¸ | ¨ 0 1 0 1 ¸ | ¨ 0 1 0 1 ¸ Ÿ Rang(A) = 3.
¨ 2 1 2 1 ¸ ¨ 2 0 2 0 ¸ ¨ 2 0 2 0 ¸
¨ ¸ ¨ ¸ ¨ ¸
© 0 1 0 3 ¹ © 0 0 0 4 ¹ © 0 0 0 4 ¹
Cuando k = 0:
§ 2 4 0 0 · §2 4 0 0 · §2 4 0 0 ·
¨ ¸ ¨ ¸ ¨ ¸
¨ 0 1 0 1¸ | ¨ 0 1 0 1¸ | ¨ 0 1 0 1¸ Ÿ Rang(A) = 2. ’
¨ 2 3 0 1 ¸ ¨ 0 1 0 1 ¸ ¨ 0 0 0 0 ¸
¨ ¸ ¨ ¸ ¨ ¸
© 0 1 0 1 ¹ ©0 1 0 1 ¹ ©0 0 0 0 ¹

T E O R E M A 3.2.4
Sea A una matriz de n x n. Entonces Rang(A) = n si y sólo si A R = I.
D E M OST R A C I O N
Si A R = I, entonces la matriz A R tiene n filas no nulas; por lo tanto Rang(A) = n.
Recíprocamente, supongamos que Rang(A) = n. Entonces A R tiene exactamente n
filas no nulas y por lo tanto no tiene filas nulas. Toda fila de A R tiene elemento
principal 1. A R tiene cada elemento de la diagonal principal igual a 1. Todos los
elementos de la columna c j por encima y debajo de la diagonal principal son nulos.
Por lo tanto, A R = I.

T E O R E M A 3.2.5
El rango del producto de varias matrices no es superior al rango de cada
uno de los factores.
D E M OST R A C I O N
Sean dadas las matrices A y B, para las cuales tiene sentido el producto A B;
emplearemos la notación A B = C. Veamos la definición del producto de matrices,
que da la expresión de los elementos de la matriz C. Tomando esta fórmula para un k
dado y todos los i posibles, obtenemos que la k-ésima columna de la matriz C
representa una suma de todas las columnas de la matriz A, tomadas con ciertos
coeficientes.
De este modo, queda demostrado que el sistema de columnas de la matriz C se
expresa linealmente mediante el sistema de columnas de la matriz A, y, por
consiguiente, el rango del primer sistema es menor o igual al rango del segundo
sistema; en otras palabras, el rango de la matriz C no es mayor que el rango de la
matriz A. Por otra parte, como de la definición, para un i dado y todos los k, se
deduce que toda i-ésima fila de la matriz C es combinación lineal de las filas de la
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
RANGO E INVERSA DE UNA MATRIZ 119

matriz B, con razonamientos análogos obtenemos que el rango de C no es mayor


que el rango de B.

T E O R E M A 3.2.6
El rango de la transpuesta de una matriz es el mismo que el de la matriz
dada.
D E M OST R A C I O N
Sea Rang(A) = k y sea B una submatriz cuadrada de A con k filas y Det(B) z 0.
Evidentemente B T es una submatriz de A T. Por lo tanto
Det(B T) = Det(B).
T
De donde Rang(A ) t k. Por otra parte, si A contiene una submatriz cuadrada C de k
+ 1 filas, entonces, por definición de rango, Det(C) = 0. Como C corresponde a C T
en A T y Det(C T) = 0, se concluye que A T no puede contener una submatriz cuadrada
de k + 1 filas con un determinante diferente de cero. Como consecuencia, Rang(A T)
d k. En conjunto, Rang(A T) = k y se completa la demostración.

%  CALCULO  DEL  RANGO  DE  UNA  MATRIZ  


clc;;clear;;  
fprintf('\nRANGO  DE  UNA  MATRIZ  \n')  
fil=input('Ingrese  el  numero  de  filas  de  la  Matriz  A:  ');;  
col=input('Ingrese  el  numero  de  columnas  de  la  Matriz  A:  ');;  
%Ingreso  de  elementos  
               for  f=1:fil  
                       for  c=1:col    
                               fprintf('Ingrese  el  elemento  (%d,%d)',f,c)  
                               A(f,c)=input('  :');;  
                       end  
               end  
       fprintf('\nLA  MATRIZ  A  ES:\n')  
       A  
               fprintf('LA  MATRIZ  REDUCIDA  ES:\n')  
               R=rref(A)  
       fprintf('EL  RANGO  DE  LA  MATRIZ  ES:\n')  
       RangA=rank(R)  
end  

EJ E M P L O 3.2.4
Demostrar que la matriz A que posee la propiedad A 2 = I, puede representarse en la
forma PBP-1, donde P es una matriz no singular y B es una matriz diagonal cuyos
elementos son todos iguales a r1.
SO L U C I O N
El rango de la matriz (I + A «I ± A) es igual a n. Elijamos de esta matriz una matriz
cuadrada no singular P de orden n, y supongamos que sus primeras r columnas
pertenecen a la matriz I + A y las demás n ± r columnas pertenecen a la matriz I ± A.
Entonces, como (I + A)(I ± A) = O, se tiene
§ q11 q12 ... q1r 0 0 ... 0 ·
¨ ¸
q q22 ... q2 r 0 0 ... 0 ¸
( I + A ) P ¨ 21 ;
¨ ... ... ... ... ... ... ¸
¨¨ q ¸¸
© n1 qn 2 ... qnr 0 0 ... 0 ¹
§0 0 ... 0 q1, r 1 q1, r  2 ... q1n ·
¨ ¸
0 0 ... 0 q2, r 1 q2, r  2 ... q2 n ¸
(I - A )P ¨ .
¨ ... ... ... ... ... ... ¸
¨¨ ¸
©0 0 ... 0 qn, r 1 qn, r  2 ... qnn ¸¹
Sumando estas igualdades, resulta

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


120 RANGO E INVERSA DE UNA MATRIZ

§ q11 q12 ... q1r q1, r 1 q1, r  2 ... q1n ·


¨ ¸
q21 q22 ... q2 r q2, r 1 q2, r  2 ... q2 n ¸
2P ¨ .
¨ ... ... ... ... ... ... ¸
¨¨ ¸
© qn1 qn 2 ... qnr qn, r 1 qn, r  2 ... qnn ¸¹
Restando, se obtiene
§ q11 q12 ... q1r q1, r 1 q1, r  2 ... q1n ·
¨ ¸
q21 q22 ... q2 r q2, r 1 q2, r  2 ... q2 n ¸
2 AP ¨
¨ ... ... ... ... ... ... ¸
¨¨ ¸
© qn1 qn 2 ... qnr qn, r 1 qn, r  2 ... qnn ¸¹
§1 ·
¨ ¸
¨ ¸
¨ 1 ¸
2P ¨ ¸.
¨ 1 ¸
¨ ¸
¨¨ ¸
© 1 ¸¹
Con esto se deduce inmediatamente lo que se quería demostrar. ’

EJ E M P L O 3.2.5
Demostrar que si todos los menores principales de k-ésimo orden de la matriz A T A
son iguales a cero, los rangos de las matrices A T A y A son menores que k. Aquí A es
una matriz real y A T es la matriz transpuesta de ella.
SO L U C I O N
Si todos los menores principales de k-ésimo orden de la matriz A T A son iguales a 0,
entonces todos los menores de orden k de la matriz A son iguales a 0. Por
consiguiente, el rango de la matriz A, y junto con él también el rango de la matriz
A T A, es menor que k. ’

EJ E M P L O 3.2.6
Demostrar que el rango del producto de dos matrices cuadradas de orden n no es
inferior a r1 + r2 ± n, donde r1 y r2 son los rangos de los factores.
SO L U C I O N
Sea A = P1 R 1 Q 1, B = P2 R 2 Q 2, donde P1, Q 1, P2, Q 2 son matrices no singulares y R 1,
R 2 son matrices que tienen r1 y r2 unidades en la diagonal principal, respectivamente,
y los demás elementos son iguales a 0. Entonces A B = P1 R 1 Q 1P2 R 2 Q 2 y el rango de
A B es igual al rango de R 1 C R 2, donde C = Q 1P2 es una matriz no singular, la matriz
R 1 C R 2 se obtiene de la matriz C sustituyendo todos los elementos de las últimas
n ± r1 filas y n ± r2 columnas por ceros. Como la eliminación de una fila o una
columna rebaja el rango de la matriz no más que en una unidad, el rango de R 1 C R 2
no es menor que n ± (n ± r1) ± (n ± r2) = r1 + r2 ± n. ’

EJ E M P L O 3.2.7
Demostrar que si A 2 = I, entonces Rang(I + A) + Rang(I ± A) = n, donde n es el
orden de la matriz A.
SO L U C I O N
Sea Rang(I + A) = r1, Rang(I ± A) = r2. Como (I + A) + (I ± A) = 2I, se tiene r1 + r2
t n. Por otra parte, (I + A)(I ± A) = O, por lo cual 0 t r1 + r2 ± n. Por consiguiente,
r1 + r2 = n. ’

EJ E M P L O 3.2.8
Sea A una matriz rectangular de elementos complejos y sea A + la matriz transpuesta
de la matriz compleja conjugada de A. Demostrar que el determinante de la matriz
A + A es un número real no negativo y que este determinante es igual a 0, si y sólo si,
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
RANGO E INVERSA DE UNA MATRIZ 121

el rango de A es menor que el número de columnas.


SO L U C I O N
El determinante de A + A es igual a la suma de los cuadrados de los módulos de todos
los menores de orden m de la matriz A, donde m es el número de columnas de la
matriz A. ’

PR O B L E M AS

3.2.1 Demuestre que cualquier matriz de rango r puede 3.2.8 Calcular el rango de la matriz:
representar en forma de una suma de r matrices de rango 1, § 2 1 1 3 4 ·
pero no se puede representar en forma de una suma ¨ ¸
inferior a r de semejantes matrices. ¨ 2 1 2 1 2 ¸
¨ 2 3 1 2 2 ¸
a.- ¨ ¸;
3.2.2 Demuestre que si el rango de la matriz A es igual a ¨ 1 0 1 2 6 ¸
r, el menor d que se encuentra en la intersección de ¨ 1 2 1 1 0 ¸
cualesquiera r filas linealmente independientes y r ¨¨ ¸¸
columnas linealmente independientes de esta matriz, es © 4 1 3 1 8 ¹
diferente de cero. § 1 1 2 0 0 1·
¨ ¸
¨ 0 1 1 2 0 1¸
3.2.3 Demuestre que el rango de una matriz antisimétrica ¨ 1 0 1 0 2 1¸
es un número par. b.- ¨ ¸;
¨ 1 1 0 0 1 2¸
3.2.4 Encuentre una matriz involutoria de 3 x 3, para la ¨2 0 0 1 1 1¸
¨¨ ¸
cual Rang(I ± A) + Rang(I + A) = 3.
© 1 1 0 1 1 2 ¸¹

3.2.5 Calcular el rango de la matriz: §1 3 6 8 0·


¨ ¸
§ 75 0 116 39 0 · § 0 4 10 1 · ¨ 3 6 9 2 1¸
¨ ¸ ¨ ¸ ¨ 2
171 69 402 123 4 8 18 7 ¸ 5 8 0 0¸
a.- ¨
45 ¸
; c.- ¨ ; d.- ¨ ¸;
¨ 301 0 87 417 169 ¸ ¨10 18 40 17 ¸ ¨ 2 4 6 3 5¸
¨ ¸ ¨ ¸ ¨7
© 1 7 17 3 ¹ 0 1 9 3¸
©114 46 268 82 30 ¹ ¨¨ ¸
© 4 3 8 9 1 ¸¹
§1 0 0 1 4·
¨ ¸ § 1 1 2 3 4 ·
¨0 1 0 2 5¸
¨ ¸
b.- ¨ 0 0 1 3 6 ¸; ¨ 2 1 1 2 0 ¸
¨ ¸ e.- ¨ 1 2 1 1 3 ¸.
¨1 2 3 14 32 ¸ ¨ ¸
¨4
© 5 6 32 77 ¸¹ ¨ 1 5 8 5 12 ¸
¨ 3 7 8 9 13 ¸
§1 2 3 1 1 2 · © ¹
¨ ¸
¨ 2 1 1 0 2 2 ¸
3.2.9 Demuestre que el rango de la suma de dos matrices
c.- ¨ 2 5 8 4 3 1 ¸ . no es superior a la suma de los rangos de las matrices que
¨ ¸
¨ 6 0 1 2 7 5 ¸ se suman, es decir
¨ 1 1 1 1 2 1 ¸¹ Rang(A + B) d Rang(A) + Rang(B).
©
3.2.10 Demuestre que si una matriz está compuesta de m
3.2.6 Para cualquier matriz B con elementos reales o
filas y su rango es r, cualesquiera s de sus filas forman
complejos todos los menores principales de la matriz A =
una matriz, cuyo rango no es inferior a r + s - m.
B B + son no negativos y el rango de A es igual al rango de
B.
3.2.11 Encuentre matrices A y B de 3 x 3 tales que A B =
O y Rang(A) + Rang(B) d 3, con la particularidad de que
3.2.7 Dé un ejemplo de matrices A y B del mismo orden
para cualquier matriz dada A puede elegirse la matriz B
tales que cumplan lo siguiente:
de manera tal que Rang(A) + Rang(B) = k, donde k es
a.- Rang(A + B) < Rang(A) y Rang(A + B) < Rang(B);
cualquier número entero que satisface la condición
b.- Rang(A + B) = Rang(A) y Rang(A + B) = Rang(B);
c.- Rang(A + B) > Rang(A) y Rang(A + B) > Rang(B). Rang(A) d k d 3.

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


122 RANGO E INVERSA DE UNA MATRIZ

3.2.12 Determine el rango de la matriz real dada para los 3.2.13 Demuestre que cualquier matriz A de rango r
distintos valores del parámetro k  ƒ: puede representarse en forma de un producto A = PR Q,
§ k 2k  1 3 1 · § k 0 1 1· donde P y Q son matrices no singulares y R es una matriz
¨ ¸ ¨ ¸ rectangular de las mismas dimensiones que A, en cuya
1 1 1 1¸ 1 2 0 2¸
a.- ¨ ; b.- ¨ ; diagonal principal los primeros r elementos son iguales a
¨0 1 0 1 ¸ ¨ 0 3 2 0 ¸ la unidad, mientras que todos los demás elementos son
¨ ¸ ¨ ¸
©3 5 3 k¹ ©1 k 3 k ¹ nulos.
§1 k 1 2 · § 1 1 1 k ·
¨ ¸ ¨ ¸
c.- ¨ 2 1 k 5 ¸ ; d.- ¨ 2 2k 2 ¸;
¨ 1 10 6 1 ¸ ¨3 k 3 3 ¸¹
© ¹ ©
§1  k 2 k 0 · § k 1 2·
¨ ¸ ¨ ¸
2
e.- ¨  k 1  k k ¸ ; f.- ¨ 2 k 2 ¸ .
¨ 2¸ ¨1 k 1¸
¨ 0  k 1  k ¸ © ¹
© ¹

3.3 I N V E RSA D E UN A M A T RI Z

En esta sección se introduce la terminología básica y se define la inversa de una matriz cuadrada, enunciamos sus
propiedades mas importantes.

  El determinante de una matriz se relaciona de manera importante con el concepto de


no singularidad de una matriz.

D E F I N I C I O N 3.3.1
Sea A una matriz cuadrada de n x n, si existe una matriz B de n x n tal
que A B = I se considera que B es una inversa por la derecha de A. Si
existe una matriz C de n x n tal que C A = I se dice que C es una
inversa por la izquierda de A.

D E F I N I C I O N 3.3.2
Sea A una matriz de n x n. Si B es una matriz de n x n tal que A B = I y
B A = I, donde I es la matriz identidad de n x n, entonces se dice que la
matriz B es una inversa de la matriz A y se representa por B = A -1.
Además podemos decir que toda matriz cuadrada A de n x n se
denomina singular, si su determinante es igual a cero; en caso contrario,
se denomina no singular.

T E O R E M A 3.3.1
Si una matriz A de n x n tiene inversa, entonces ella es única.
D E M OST R A C I O N
Supongamos que B y C son matrices inversas de la matriz cuadrada A. Entonces
A B = B A = I y A C = C A = I.
Entonces
B = B I = B(A C) = (B A)C = I C = C.
Con esto demostramos que la inversa de una matriz es única.

EJ E M P L O 3.3.1
Sean A y B matrices de n x n tales que A B = I. Demuestre que
Det(A) z 0 y Det(B) z 0.
SO L U C I O N
Suponga que A y B son matrices de n x n tales que A B = I. Entonces, se sabe que
Det(A B) = 1. Si Det(A) = 0, entonces se concluye que Det(A B) = Det(A)Det(B) = 0,
lo cual es una contradicción. Por consiguiente es posible concluir que Det(A) z 0. Si
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
RANGO E INVERSA DE UNA MATRIZ 123

Det(B) = 0, se obtiene una contradicción semejante. ’

EJ E M P L O 3.3.2
Para toda matriz A de n x n, no singular se cumple que
1
Det( A -1 ) = .
Det( A )
SO L U C I O N
Como A -1 A = I, se concluye que Det(A -1 A) = Det(I). Por consiguiente, se debe tener
que Det(A -1)Det(A) = 1. Como Det(A) = 0, la demostración puede completarse
dividiendo entre Det(A), es decir
1
Det( A -1 ) = . ’
Det( A )

T E O R E M A 3.3.2
Si A y B son matrices no singulares, entonces:
a.- A B es no singular y (A B)-1 = B -1 A -1.
b.- A -1 es no singular y (A -1)-1 = A.
c.- Para k z 0, k A es no singular y (k A)-1 = k-1 A -1.
D E M OST R A C I O N
a.- Como A y B son matrices no singulares, existen A -1 y B -1. Ahora calculamos
(A B)(B -1 A -1) = A(BB -1)A -1 = A I A -1 = A A -1 = I
(B -1 A -1)(A B) = B -1(A -1 A)B = B -1 IB = B -1 B = I
-1 -1
Por lo tanto B A es la inversa de A B.
b.- De la definición de matriz inversa y la unicidad se sigue que
(A -1)-1 = A.
c.- Por las propiedades de las matrices, obtenemos
(k-1 A -1)(k A) = (k-1k)A -1 A = 1I = I
(k A)(k-1 A -1) = (kk-1)A A -1 = 1I = I
con lo que podemos decir que (k A)-1 = k-1 A -1.

EJ E M P L O 3.3.3
Dadas las matrices A y B de n x n. Demuestre que (A T B T)-1 = (A -1 B -1)T, donde A y B
son matrices no singulares.
SO L U C I O N
Si A y B son matrices no singulares, entonces:
(A T B T)(A -1 B -1)T = A T B T(B -1)T(A -1)T = A T B T(B T)-1(A T)-1 = A T(A T)-1 = I
(A -1 B -1)T(A T B T) = (B -1)T(A -1)T A T B T = (B T)-1(A T)-1 A T B T = (B T)-1 B T = I
y, por tanto (A -1 B -1)T es la inversa de la matriz A T B T. ’

T E O R E M A 3.3.3
Si A = A 1 A 2 ... A n y A 1, A 2, ..., A n son todas matrices no singulares,
entonces A es no singular y A -1 = (A 1 A 2 ... A n)-1 = A -1n ... A -12 A -11.
D E M OST R A C I O N
En el producto
(A -11 ... A -12 A -11)(A 1 A 2 ... A n) = A -1n ... A -12 A -11 A 1 A 2 ... A n
-1
como A i A i = I, entonces
(A -1n ... A -12 A -11)(A 1 A 2 ... A n) = A -1n ... A -12 I A 2 ... A n
= A -1n ... A -12 A 2 ... A n
= A -1n ... I ... A n
= A -1n ... A n
« I.
Del mismo modo demostramos que
(A 1 A 2 ... A n)(A -1n ... A -12 A -11) = A 1 A 2 ... A n A -1n ... A -12 A -11
= A 1 A 2 ... I... A -12 A -11
= A 1 ... A -11

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


124 RANGO E INVERSA DE UNA MATRIZ

= ... = I.
Con lo cual queda demostrado que los dos productos son inversos uno del otro.

T E O R E M A 3.3.4
Para toda matriz A de n x n, no singular se cumple que
1
Det( A -1 ) = .
Det( A )
D E M OST R A C I O N
Como A -1 A = I, se concluye que Det(A -1 A) = Det(I). Por consiguiente, se debe tener
que
Det(A -1)Det(A) = 1.
Como Det(A) = 0, la demostración puede completarse dividiendo entre Det(A), es
decir
1
Det( A -1 ) = .
Det( A )

EJ E M P L O 3.3.4
Si A y B son matrices de n x n con B no singular, demuestre que
Det(A) = Det(B -1 A B).
SO L U C I O N
Haciendo uso de la propiedad del producto de determinantes, tenemos
Det(B -1 A B) = Det(B -1)Det(A)Det(B)
= Det(A)Det(B -1)Det(B)
1
= Det(A) Det(B) = Det(A). ’
Det( B )

EJ E M P L O 3.3.5
Demuestre que el rango del producto a la derecha y a la izquierda de una matriz A
por una matriz cuadrada no singular B, es igual al rango de la matriz A.
SO L U C I O N
Sea A B = C. Sabemos que el rango de la matriz C no es mayor que el rango de la
matriz A. Por otra parte, multiplicando a la derecha la igualdad A B = C por B -1,
llegamos a la igualdad A = C B -1 y, por consiguiente, el rango de A no es mayor que
el rango de C. Comparando estos dos resultados obtenemos la coincidencia de los
rangos de las matrices A y C. ’

EJ E M P L O 3.3.6
Demuestre que si A es una matriz de rango 1, por lo menos una de las matrices I + A
y I ± A es no singular.
SO L U C I O N
Sea la matriz A con Rang(A) = 1:
§ a11 a12 ... a1n ·
¨ ¸
0 0 ... 0 ¸
A ¨ .
¨ ... ... ... ¸
¨ ¸
© 0 0 ... 0 ¹
Entonces
§1  a11 a12 ... a1n ·
¨ ¸
0 1 ... 0 ¸
I+A ¨ .
¨ ... ... ... ¸
¨ ¸
© 0 0 ... 1 ¹
Como la matriz I + A es triangular, entonces Det(I + A) = 1 + a11 z 0, por lo tanto la
matriz I + A es no singular. ’

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


RANGO E INVERSA DE UNA MATRIZ 125

T E O R E M A 3.3.5
Sean A y B matrices no singulares y conmutativas, entonces:
A -m B -n = B -n A -m  m, n  .
D E M OST R A C I O N
Si A B = B A, entonces A B ± B A = O. Ya que B es no singular, B -1 existe, y, por
tanto
B -1 A B = A -1 B A = A
Además
B -1 A B B -1 = A B -1.
De la misma manera, puede encontrase que
A -1 B = B A -1.
De donde deducimos fácilmente que A -m B -n = B -n A -m.

T E O R E M A 3.3.6
Sea T una matriz triangular no singular; su inversa es triangular con la
misma estructura.
D E M OST R A C I O N
Sea T triangular inferior; su inversa T -1 cumplirá T T -1 = T -1 T = I ya que I al ser
diagonal es triangular inferior, T -1 debe ser, asimismo, triangular inferior. Los
elementos de T -1 pueden calcularse con facilidad planteando el sistema asociado
al producto T T -1. En efecto se tendrá
¦ tik t 1kj dij
k
la suma sólo tendrá sentido para los términos en los cuales i t k t j; luego
t
¦ tik t 1kj d ij .
k j

D E F IN I C I O N 3.3.3
Una matriz A de orden n, se llama ortogonal cuando el producto de la
matriz A por su matriz transpuesta A T es la matriz identidad I, es decir
A A T = I.

E J E M P L O 3.3.7
Demostrar que el determinante de una matriz ortogonal es igual a ± 1.
SO L U C I O N
Si A es una matriz ortogonal, entonces por definición A T = A -1, por tanto
­ T T T 2
° A A = I Ÿ Det( A A ) = Det( I ) Ÿ Det( A )Det( A ) = 1 Ÿ [Det( A )] = 1
® T .
T T 2
°̄ A A = I Ÿ Det( A A ) = Det( I ) Ÿ Det( A )Det( A ) = 1 Ÿ [Det( A )] = 1
De esto podemos concluir que Det(A) = ± 1. ’

D E F IN I C I O N 3.3.4
Una matriz A de orden n, se llama unitaria cuando el producto de la matriz
A por su matriz transpuesta ± conjugada A + es la matriz identidad I, es decir
A A + = I.

EJ E M P L O 3.3.8
Demuestre que el determinante de una matriz unitaria tiene módulo igual a ± 1.
SO L U C I O N
Si A es una matriz unitaria, entonces por definición A + = A -1, por tanto
­ A A + = I Ÿ Det( A A + ) = Det( I ) Ÿ Det( A )Det( A + ) = 1 Ÿ Det( A ) 2 = 1
°
® + + + 2
.
°̄ A A = I Ÿ Det( A A ) = Det( I ) Ÿ Det( A )Det( A ) = 1 Ÿ Det( A ) = 1
De esto podemos concluir que el módulo del determinante de la matriz A es igual a ±
1. ’
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
126 RANGO E INVERSA DE UNA MATRIZ

EJ E M P L O 3.3.9
Demuestre que la inversa de una matriz es única.
SO L U C I O N
Supongamos que B y C son matrices inversas de la matriz cuadrada A. Entonces
A B = B A = I y A C = C A = I.
Entonces
B = B I = B(A C) = (B A)C = I C = C.
Con esto se demuestra que la inversa de una matriz es única. ’

EJ E M P L O 3.3.10
Si A es una matriz no singular y k z 0 es un escalar, entonces
1 1
( k A )1 A .
k
SO L U C I O N
Aplicamos las propiedades de la multiplicación escalar. Debido a que
§1 · § 1· §1 · §1 ·
( k A ) ¨ A 1 ¸ ¨ k ˜ ¸ A A -1 = 1˜ I = I y ¨ A 1 ¸ ( k A ) ¨ ˜ k ¸ A -1 A = 1 ˜ I = I
©k ¹ © k¹ ©k ¹ ©k ¹
1 1
se concluye que A es la inversa de k A. ’
k

EJ E M P L O 3.3.11
Si A y B son matrices no singulares de n x n, entonces A B es no singular y
(A B)-1 = B -1 A -1.
SO L U C I O N
Para demostrar que B -1 A -1 es la inversa de A B, basta demostrar que se ajusta a la
definición de matriz inversa. Es decir:
­ -1 -1 -1 -1 -1 -1 -1
°( A B )( B A ) = A ( B B ) A = A I A = ( A I ) A = A A = I
® -1 -1 -1 -1 -1 -1 -1
°̄ ( B A )( A B ) = B ( A A ) B = B I B = B ( I B ) = B B = I
de esta manera concluimos que A B es no singular y que su inversa es B -1 A -1. ’

EJ E M P L O 3.3.12
Sean A y B matrices de n x n con B no singular. Dé un ejemplo para el que B -1 A B z
A. Luego, demuestre que Det(B -1 A B) = Det(A).
SO L U C I O N
Haciendo
§1 2 · -1 § -5 2· §2 1 · -1 § -27 -49 ·
B =¨ ¸, B =¨ ¸, A =¨ ¸ , B AB = ¨ ¸.
© 3 5¹ © 3 -1¹ © -1 0 ¹ © 16 29 ¹
Det(B -1 A B) = Det(B -1)Det(A)Det(B) = Det(B -1)Det(B)Det(A)
1
= Det(B)Det(A) = Det(A). ’
Det( B )

EJ E M P L O 3.3.13
Suponga que en una hipermatriz cuadrada
§A B·
M =¨ ¸
© C D¹
una submatriz A es cuadrada y no singular. Demuestre que el determinante de la
matriz M cumple la relación Det(M) = Det(A)Det(D ± C A -1 B).
SO L U C I O N
Representamos la matriz M bajo la forma de un producto
§ E O ·§ J K · § A B ·
M = PQ = ¨ ¸¨ ¸=¨ ¸
© F H ¹© O L ¹ © C D ¹

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


RANGO E INVERSA DE UNA MATRIZ 127

­ EJ + O = A ­ Si J = I Ÿ E I = A Ÿ E = A
°E K + O L = B ° -1
° ° AK = B Ÿ K = A B
® Ÿ ®
° FJ + H O = C ° FI = C Ÿ F = C
°̄ F K + H L = D °Si H = I Ÿ C A -1 B + I L = D Ÿ L = D - C A -1 B
¯
Por tanto
§ A O ·§ I A -1 B ·
M =¨ ¸ ¨ ¸
© C I ¹ ¨© O D - C A -1 B ¸¹
donde k es el orden de la matriz A, k + r es el orden de la matriz M. Entonces
Det(M) = Det(A I ± O C)Det(I(D ± C A -1 B) ± A -1 B O)
= Det(A ± O)Det(D ± C A -1 B ± O)
= Det(A)Det(D ± C A -1 B). ’

EJ E M P L O 3.3.14
Si Det(A) y Det(B) son números racionales, qué puede decirse respecto a Det(A B) y
a Det(C A C -1) si C es no singular.
SO L U C I O N
p r
Sabemos que Det( A ) = y Det( B ) = , entonces
q s
p r ps + qr
Det( A B ) = Det( A )Det( B ) = + =
q s qs
es también un número racional. De forma análoga, tenemos
1
Det( C A C -1 ) = Det( C )Det( A )Det( C -1 ) = Det( C )Det( A ) = Det( A ) .
Det( C )
Por lo tanto, por las hipótesis también es un número racional. ’

EJ E M P L O 3.3.15
Si A y B son matrices no singulares, muestre que Det(A B A -1 B -1) = 1.
SO L U C I O N
Dado que A y B son matrices no singulares, se cumple lo siguiente:
Det( A B A -1 B -1 ) = Det( A )Det( B )Det( A -1 )Det( B -1 )
1 1
= Det( A )Det( B ) =1. ’
Det( A ) Det( B )

EJ E M P L O 3.3.16
Si Det(A) = 1, demuestre que pueden encontrarse matrices no singulares B y C tales
que A = B C B -1 C -1.
SO L U C I O N
Asumiendo que B y C son matrices no singulares, entonces se cumple lo siguiente:
Det( A ) = Det( B C B -1 C -1 ) = Det( B )Det( C )Det( B -1 )Det( C -1 )
1 1
= Det( B )Det( C ) = 1.
Det( B ) Det( C )
De esta manera demostramos que si se pueden encontrar matrices no singulares B y
C. ’

PR O B L E M AS

3.3.1 Encuentre dos matrices no singulares A y B de 3.3.2 Demuestre que si una matriz A es no singular, para
3 x 3, para las cuales las matrices A B y B A no son toda matriz B se cumple que
semejantes. Rang(A B) = Rang(B A) = Rang(B).

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


128 RANGO E INVERSA DE UNA MATRIZ

3.3.3 Encuentre dos matrices no singulares A y B de 3 x 3.3.15 El rango de una matriz no necesariamente
3, para las cuales las matrices A B y B A sean semejantes. cuadrada, no cambia si se le multiplica por una matriz no
singular.
3.3.4 Demuestre que al multiplicar la matriz A a la
izquierda o a la derecha por una matriz no singular, su 3.3.16 Sea A = B C una matriz de n x n de rango 1.
rango no varía. Demuestre que existe un número k tal que A 2 = k A. Hallar
la expresión del número k por medio de los elementos de
3.3.5 Sea B una matriz de rango 1, es decir B 2 = k B para matrices B y C.
un cierto número k. Suponiendo que k z -1 demuestre que
1 3.3.17 Demuestre que si A B C = I, entonces B C A = I y
( I + B )-1 = I - B. C A B = I.
1+ k

3.3.6 Pruebe que una matriz de n x n es no singular sí y 3.3.16 Pruebe que si A y B son matrices de n x n y A B
sólo si el único vector columna n x 1 que satisface la es no8singular, entonces A y B son no singulares.
ecuación matricial A X = O es X = O.
3.3.19 Sean A y B matrices de n x n tales que A B es
3.3.7 Demuestre que si A es una matriz invertible, singular. Demuestre que A o B es singular.
entonces A A T y A T A también son invertibles.
3.3.20 Pruebe que si A es una matriz de n x n y una fila
3.3.8 Sea A una matriz no singular tal que todos los de A es múltiplo de otra fila de A, entonces A es singular.
elementos de A y A -1 son enteros. Demuestre que
Det(A) = r 1. 3.3.21 Demuestre que si A es una matriz simétrica
invertible, entonces A -1 es simétrica.
3.3.9 Sean A y B matrices de 2 x 2 con B no singular. Dé
3.3.22 Por medio de inducción matemática pruebe que,
un ejemplo de matrices 2 x 2 para el que B -1 A B z A.
si una matriz cuadrada A es no singular, entonces
Luego, demuestre que Det(P-1 AP) = Det(A).
(A n)-1 = (A -1)n para todo entero positivo n.
3.3.10 De ser posible, encuentre los valores de a , b y c
3.3.23 Suponga que todas las matrices que aparecen en
para que la matriz dada sea invertible:
las ecuaciones siguientes son de n x n. Resuelva para X y
§a b 3 1· § 2a 1 4· Y, estableciendo cuáles matrices se supone que son no
¨ ¸ ¨ ¸
a.- ¨ 1 a  b c ¸ ; b.- ¨ 2 b  c a ¸ ; singulares:
¨ 1 3 1¸¹ ¨ 3 2 1 ¸¹ ­X + Y = A ­ X+Y=A
© ©
a.- ® ; b.- ® ;
§ 1 4 a  c· §2 1 1· ¯X-Y=B ¯X + BY = C
¨ ¸ ¨ ¸
c.- ¨ a  c b 0 ¸; d.- ¨ 3 a  b  c a ¸ . ­X + AY = B ­AX + BY = C
¨ 2 c.- ® ; d.- ® .
© 3 1 ¸¹ ¨2
© 0 c ¸¹ ¯X + CY = D ¯DX + E Y = F

3.3.11 Suponiendo que las matrices A y B son no 3.3.24 Demuestre que B es una inversa izquierda para la
singulares, demuestre las siguientes igualdades: matriz A si y sólo si B T es inversa derecha para A T.
a.- (A -1 + B -1)-1 = A(A + B)-1 B;
b.- (I + A B)-1 A = A(I + B A)-1; 3.3.25 Demuestre que si A 2 = A, entonces A = I o bien A
c.- (A + B B T)-1 B = A -1 B(I + B T A -1 B)-1. es singular.

3.3.12 De ser posible, encuentre la inversa de la matriz 3.3.26 Si A, B y C son no singulares, ¿cuál es la inversa
dada: de A B -1 C? ¿es A 2 no singular? ¿es A + B no singular?
§ SenT CosT 0· Mostrar que A -1(A + B)B -1 = A -1 + B -1.
¨ ¸
¨  CosT SenT 0¸ .
3.3.27 Suponga que A es no singular. Explique por qué
¨ SenT  CosT SenT  CosT 1 ¸
© ¹ A T A también es no singular. Luego demuestre que A -1 =
(A T A)-1 A T.
3.3.13 Encuentre dos matrices no singulares cuya suma
sea singular. 3.3.28 Suponga que P es no singular y A = PBP-1.
Despeje B en términos de A.
3.3.14 Demuestre que si A es nilpotente, entonces A es
singular. 3.3.29 Si A = B y A -1 existe, ¿es necesario que A -1 = B -1?
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
RANGO E INVERSA DE UNA MATRIZ 129

3.3.30 Hallar todos los valores de k que, al multiplicar la 3.3.38 Suponga que A, B y C son matrices no singulares
matriz no singular A por los mismos, no cambian su de orden n. Demuestre que A B C es no singular y que
determinante. (A B C)-1 = C -1 B -1 A -1.

3.3.31 En cada una de las matrices siguientes, 3.3.39 Suponga que A es una matriz cuadrada con
determínense los valores de t para los que la matriz es A = -A T y que I - A es no singular, define B como
singular: B = (I + A)(I - A)-1. Demuestre que B T B = BB T = I.
§1 t · § Sent Cost ·
a.- ¨ ¸ ; b.- ¨ ¸; 3.3.40 Demostrar que una matriz A no singular y una
© 0 1¹ ©  Cost Sent ¹ matriz B arbitraria verifican la identidad
§3  t t2 · §2 t 1 · (A + B)A -1(A ± B) = (A ± B)A -1(A + B).
c.- ¨¨ ¸¸ ; d.- ¨ ¸;
© 4 2t¹ © 2 1 t ¹
3.3.41 Las matrices A y B están ligados por la relación
§ te t e  t · § et 3e 2t · A B + A + I = O. Demostrar que A es una matriz no
e.- ¨ ¸ ; f.- ¨ ¸;
¨ 2e 2t 2t ¸ ¨ 2e t 4e 2t ¸¹ singular y además A -1 = - I ± B.
© ¹ ©
§ Sen t2
1 · 3.3.42 Sean A, B y A + B tres matrices no singulares.
g.- ¨ ¸.
¨ 1 4 Cos 2 t ¸¹ Demuestre que A -1 + B -1 es no singular y que
© (A -1 + B -1)-1 = A(A + B)-1 B.
3.3.32 Encuentre los valores del parámetro k, para que la 3.3.43 Dada la matriz A, de ser posible encuentre una
matriz matriz B de 2 x 2, tales que (A B)-1 = A -1 B -1:
§§ k  2· § k  2· § k  2·· § 1 2· §1 0 ·
¨¨ ¸ ¨ ¸ ¨ ¸¸ a.- A ¨ ¸ ; b.- A ¨ ¸;
¨© k  4¹ © k  3¹ © k  2¹¸ © 1 1 ¹ © 0 1¹
¨ § k 1 · § k 1· § k 1 · ¸
¨¨ ¸ ¨ ¸ ¨ ¸¸ § 1 1· §  i 1·
¨ © k  4 ¹ © k  3¹ © k  2 ¹ ¸ c.- A ¨ ¸; d.- A ¨ ¸;
¨ ¸ © 1 1¹ © 1 i¹
¨§ k · § k · § k ·¸ § 2i 1 ·
¨ ¨ k  4 ¸ ¨ k  3¸ ¨ k  2 ¸ ¸ e.- A ¨ ¸.
©© ¹ © ¹ © ¹¹ © 1 2¹
Sea no singular.
3.3.44 Sean A = B + i C una matriz compleja de n x n;
3.3.33 Si A -1 = F + i G, la inversa de la matriz A. Demuestre que las
§a b· matrices reales de orden 2n
A ¨ ¸ y A z r I,
©c d¹ § B -C · § F -G ·
¨ ¸ y ¨ ¸
determine las condiciones sobre los elementos de la ©C B ¹ ©G F ¹
matriz, para que A = A -1. son inversas recíprocamente.

§ 1 3 · 3.3.45 Si C es una matriz no singular, entonces se


3.3.34 Sea A ¨ ¸ . Hallar una matriz B triangular
© 2 4 ¹ cumple lo siguiente:
a.- Si A C = B C, entonces A = B;
superior tal que A B sea ortogonal.
b.- Si C A = C B, entonces A = B.
§2 5· 3.3.46 Sea u un vector unitario en C n. Se define
¨ ¸ §1 3 1 ·
3.3.35 Sea A ¨ 1 3 ¸ y sea C ¨ ¸. H = I ± 2uu+. Demuestre que H es una matriz unitaria y
¨2 4¸ ©1 0 1¹ hermítica de n x n.
© ¹
Compruebe que C A = I. ¿A es no singular?
3.3.47 De ser posible, encuentre D tal que la matriz
3.3.36 Si A y B son matrices de 2 x 2 y B = C A C , en -1
§ 3 D·
A ¨ ¸.
donde C es de 2 x 2, demuestre que es posible encontrar © 2 3 ¹
una matriz D de 2 x 2 tal que B = D A D -1. sea su propia inversa.
3.3.37 Demuéstrese que si A es una matriz de n x n, 3.3.48 Las matrices A y B están ligadas por la relación
nilpotente de índice k, entonces I ± A es invertible y A B + A + I = O. Demuestre que A es una matriz no
( I - A )-1 = I + A + A 2 +... + A k -1 . singular y además A -1 = - I ± B.
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
130 RANGO E INVERSA DE UNA MATRIZ

§B O· 3.3.59 Sea A una matriz de n x n cuyos todos los


3.3.49 Sea A = ¨ ¸ , donde B y C son matrices elementos son iguales a uno. Demuestre que
©O C¹
1
cuadradas. Demuestre que A es no singular sí y sólo si ( I - A )-1 = I  A.
tanto B como C son no singulares. n 1

3.3.60 Hallar la inversa de una matriz A de k + r:


3.3.50 Suponga que A n = O para alguna n > 1. Encuentre
un inverso de I ± A. §I B·
A =¨ k ¸.
© O Ir ¹
3.3.51 Demuestre que si A 2 = A, entonces
I ± 2A = (I ± 2A)-1. 3.3.61 Demuestre que si A es triangular superior y no
singular y si B A es triangular superior, entonces B es
3.3.52 Resuelva la ecuación A B = B C para A, suponiendo triangular superior.
que A, B y C son matrices cuadradas y que B es no
singular.
§B O·
3.3.62 Demuéstrese que, si A = ¨ ¸ es matriz no
3.3.53 Demuestre que si una matriz A es no singular, las ©C D¹
matrices A + B y I + A -1 B todas son singulares o no singular y si B y D son matrices cuadradas, entonces B
singulares. y D son no singulares, y
§ B -1 O ·
3.3.54 Use álgebra de matrices para demostrar que si A es A -1 = ¨ ¸.
¨ - D -1 C B -1 D -1 ¸
una matriz no singular y C satisface A C = I, entonces © ¹
C = A -1.
3.3.63 Resuelva la ecuación C -1(A + D)B -1 = I para D,
3.3.55 Suponga que A B = A C, donde B y C son matrices suponiendo que A, B y C son todas matrices no singulares
de n x p y A es no singular. Demuestre que B = C. ¿Es de n x n.
esto cierto en general si A es singular?
3.3.66 Suponga que A y B son matrices de n x n, B es no
3.3.56 Suponga que A, B y C son matrices no singulares singu4ar y A B es no singular. Demuestre que A es no
de n x n. Construyendo una matriz D tal que (A B C)D = I y singular.
D(A B C) = I, demuestre que A B C también es no singular.
3.3.65 Suponga (B ± C)A = O, donde B y C son matrices
3.3.57 Encuentre D tal que la matriz A sea no singular: m x n y A es no singular. Demuestre que B = C.
§3 1 ·
A ¨ ¸. 3.3.66 Demuestre que si A, B y C son matrices de n x n
© D 1¹ y A B C = I, entonces B es no singular y B -1 = C A.

3.3.58 Encuentre la matriz A dado que 3.3.67 Demuestre que (B A B -1)(B C B -1) = B(A C)B -1 para
§ 5 2· todas las matrices A, C y B no singular.
(3 A )1 ¨ ¸.
© 1 3 ¹

3.4 M E T O D OS P A R A O B T E N E R L A I N V E RSA D E UN A M A T RI Z

En esta sección se analizan y desarrollan los métodos más importantes para encontrar la inversa de una
matriz, se enuncian las propiedades más importantes.

  I. M E T O D O D E L A M A T RI Z A DJUN T A

A continuación obtendremos una fórmula para determinar la inversa de una


matriz en términos de su determinante y de los cofactores de sus elementos.

D E F IN I C I O N 3.4.1
Una matriz Cof(A), cuyos elementos son complementos algebraicos de los
elementos correspondientes de la matriz A de n-ésimo orden, donde el
complemento algebraico del elemento a ij está situado en la intersección de
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
RANGO E INVERSA DE UNA MATRIZ 131

la j-ésima fila y la i-ésima columna, se define como la matriz de cofactores


de la matriz A.

EJ E M P L O 3.4.1
Dada la matriz
§a 1 1 ·
¨ ¸
A = ¨ 1 a 1¸
¨3 1 b ¸
© ¹
determine la matriz de cofactores.
SO L U C I O N
Por definición, la matriz de cofactores esta dada de la siguiente manera:
§ a 1 1 1 1 a ·
¨  ¸
¨ 1 b 3 b 3 1 ¸
§ ab  1 b  3 1  3a ·
¨ 1 1 a 1 a 1¸ ¨ ¸
Cof(A) =  ¨  ¸ = ¨ 1  b ab  3 3  a ¸ . ’
¨ 1 b 3 b 3 1¸ ¨ ¸
¨ ¸ 1  a a  1 a 2  1¹
¨ 1 1 a 1 a 1 ¸ ©
¨ a 1  1 1 1 a ¸¹
©

D E F IN I C I O N 3.4.2
La transpuesta de la matriz de cofactores Cof(A) de los elementos a ij de la
matriz A se denomina matriz adjunta y se denota por Adj(A).

T E O R E M A 3.4.1
Si A es una matriz con determinante diferente de cero y Adj(A) es la matriz
adjunta, entonces
Adj( A )
A 1 .
Det( A )
D E M OST R A C I O N
Sea Det(A) = 0. Demostraremos por inducción que la matriz A es singular. Si n = 1,
entonces Det(A) = 0 implica que A = O. Supongamos que este teorema sea válido
para todas las matrices cuadradas de n ± 1 x n ± 1, es decir, que para una matriz de
este orden un determinante cero implica singularidad, y supongamos que esto no se
verifique para la matriz A, es decir, que A sea no singular a pesar de nuestra
hipótesis de que Det(A) = 0. Obtendremos una contradicción. Si Det(A) = 0,
entonces A(Adj(A)) = O, y, por lo tanto resultaría A -1 AAdj(A) = O, es decir Adj(A)
= O. En otras palabras, todos los menores de la matriz A serían cero. Sea a
continuación B la matriz n ± 1 x n ± 1 que consista en las n ± 1 primeras filas de A.
Puesto que toda matriz cuadrada de n ± 1 x n ± 1 compuesta por n ± 1 columnas de B
tendrá determinante cero, podemos concluir, por la hipótesis de inducción, que cada
una de estas matrices cuadradas de n ± 1 x n ± 1 es singular, es decir, que tiene un
rango menor que n ± 1. Por lo tanto, no puede haber en B más que n ± 2 columnas
linealmente independientes y por tanto, no más de n ± 2 filas linealmente
independientes. De esta manera resulta que las filas de B y las filas de A son
linealmente dependientes, lo que contradice la suposición de la no singularidad de A.

Este teorema propone que el rango de una matriz cuadrada de n x n será n si y sólo si
su determinante es distinto de cero. Esto constituye, de hecho, un caso particular de
un hecho más general, acerca del que hay un teorema que relaciona el rango con los
determinantes.

EJ E M P L O 3.4.2
Demuestre que si Det(A) = 1 y todos los elementos de A son enteros, entonces todos
los elementos de A -1 también deben ser enteros.
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
132 RANGO E INVERSA DE UNA MATRIZ

SO L U C I O N
Suponga que Det(A) = 1 y que todos los elementos de A son enteros. Lo anterior
implica que todos los elementos de Adj(A) deben ser enteros. Además, como
1
A -1 = ˜ Adj( A ) = Adj( A )
Det( A )
Podemos concluir que todos los elementos de A -1 deben ser enteros. ’

EJ E M P L O 3.4.3
Demuestre que si Det(A) = Det(B) z 0, entonces hay una matriz C tal que Det(C) = 1
y A = C B.
SO L U C I O N
Suponga que Det(A) = Det(B) z 0. Entonces B es no singular y al hacer C = A B -1, se
concluye que A = C B y
1 1
Det( C ) = Det( A B -1 ) = Det( A )Det( B -1 ) = Det( A ) ˜ = Det( A ) ˜ =1. ’
Det( B ) Det( A )

EJ E M P L O 3.4.4
Si A es una matriz antisimétrica, entonces la matriz Adj( A) es simétrica si n es
impar, y antisimétrica si n es par.
SO L U C I O N
Si A es una matriz antisimétrica. Entonces A T = -A, por tanto
(A T)-1 = (A -1)T = -A -1
1
De (A T)-1, tenemos que A -1 = ˜ Adj( A ) , entonces
Det( A )
1 1 1
( A T )-1 = ˜ (Adj( A ))T = ˜ Adj( A ) = (-1) n ˜ ˜ Adj( A ) = - A -1
Det( A )T Det(- A ) Det( A )
1
pero - A -1 = (-1) ˜ ˜ (Adj( A ))T , igualando las ecuaciones
Det( A )
1 1
( A T )-1 = (-1)n ˜ ˜ Adj( A ) y - A -1 = (-1) ˜ ˜ (Adj( A ))T
Det( A ) Det( A )
obtenemos
1 1
(-1)n ˜ ˜ Adj( A ) = (-1) ˜ ˜ (Adj( A ))T .
Det( A ) Det( A )
Si n es par, entonces n = 2p, y
(-1)2p-1Adj(A) = (Adj(A))T Ÿ - Adj(A) = (Adj(A))T,
por lo tanto, es antisimétrica. Si n es impar, es decir n = 2p + 1, entonces
(-1)2p+1-1Adj(A) = (Adj(A))T Ÿ (-1)2pAdj(A) = (Adj(A))T Ÿ Adj(A) = (Adj(A))T
por lo tanto, es simétrica. ’

EJ E M P L O 3.4.5
Dada una matriz A no singular de n x n. Suponga que n t 3. Demostrar que
Det(Adj(A)) = (Det(A))n-1.
SO L U C I O N
Suponga que A es una matriz de n x n. Como Adj(A) = A -1Det(A),
se concluye que
Det(Adj(A)) = Det(A -1Det(A)) = (Det(A))nDet(A -1)
1
= (Det(A))n = (Det(A))n-1. ’
Det( A )

EJ E M P L O 3.4.6
Demuestre que si A es una matriz no singular de n x n, entonces se cumple que
Adj(A -1) = (Adj(A))-1.

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


RANGO E INVERSA DE UNA MATRIZ 133

SO L U C I O N
Suponga que A es una matriz no singular de n x n. Como Adj(A -1) = ADet(A -1) y
1
(Adj( A ))-1 = ( A -1 ˜ Det( A ))-1 = ˜ A = A ˜ Det( A -1 )
Det( A )
se concluye que Adj(A -1) = (Adj(A))-1. ’

EJ E M P L O 3.4.7
Demuestre que si Det(A) = 1, entonces Adj(Adj(A)) = A.
SO L U C I O N
Como Det(A) z 0, entonces existe la inversa de A, es decir:
Adj( A)
A -1 = Ÿ Adj(A) = (Det(A))A -1 = A -1.
Det( A)
Por lo tanto
A
Adj(Adj( A )) = Adj( A -1 ) = Det( A -1 )( A -1 )-1 = =A. ’
Det( A )

EJ E M P L O 3.4.8
Hallar la inversa de la matriz
§ 1 2 -1 · §1 2 -3 ·
¨ ¸ ¨ ¸
a.- A = ¨ 2 5 4 ¸ ; b.- A = ¨ 1 -2 1¸ .
¨ 3 7 4¸ ¨5 -2 -3 ¸¹
© ¹ ©
SO L U C I O N
a.- Como Det(A) = 1, entonces:
§ 5 4 2 -1 2 -1 ·
¨ - ¸
¨ 7 4 7 4 5 4 ¸
¨ 2 4 1 -1 1 -1 ¸
(Cof( A ))T = ¨ - - ¸
¨ 3 4 3 4 2 4 ¸
¨ ¸
¨ 2 5
-
1 2 1 2 ¸
¨ 3 7 3 7 2 5 ¸¹
©
Por lo tanto,
§ -8 -15 13 ·
¨-1 ¸
A =¨ 4 7 -6 ¸ .
¨ -1 -1 1¸
© ¹
b.- Como Det(A) = 0, entonces la matriz A es singular, es decir A no admite inversa.

I I. OPE R A C I O N ES E L E M E N T A L ES

Usando el método de operaciones elementales, los cálculos se realizan


convenientemente en la matriz aumentada más grande, formada combinando las
matrices. Para la matriz dada A de n-ésimo orden construimos una matriz rectangular
(A~I) de dimensión (n x 2n), añadiendo a la derecha de A una matriz unidad. Luego,
haciendo uso de las transformaciones elementales sobre las filas, reducimos la matriz
(A~I) a la forma (I~B), lo que es siempre posible, si A es regular. En este caso
B = A -1.
§ a11 a12 ... a1n 1 0 ... 0 ·
¨ ¸
¨ a21 a22 ... a2 n 0 1 ... 0 ¸ .
¨ ... ... ... ... ... ... ¸
¨¨ ¸¸
© an1 an 2 ... ann 0 0 ... 1 ¹
Cuando hacemos las operaciones elementales de filas para reducir a A en el lado

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


134 RANGO E INVERSA DE UNA MATRIZ

derecho de (I |A) también las hacemos en el lado izquierdo. Por lo tanto, hacemos
en I exactamente las operaciones elementales de filas utilizadas para reducir a A.
Esto produce una matriz C que es un producto de matrices elementales cada una
efectuando una de las operaciones utilizadas para reducir a A. Por lo tanto, sea o
no A R = I tenemos C A = A R. Cuando A R = I, C debe ser A -1.

T E O R E M A 3.7.3
Sea A una matriz de n x n. Entonces A es no singular si y sólo si
Rang(A) = n.
D E M OST R A C I O N
Consideremos la ecuación A B = I, con B una matriz de incógnitas de n x n que
queremos resolver. Si A B = I, la columna c j de A B es igual a la columna c j de I, en la
que la última matriz columna tiene un 1 en la fila fj y cero en los demás. Por tanto, la
columna c j de B se encuentra con el sistema de ecuaciones A X = C, donde la matriz
C tiene un 1 en la fila fj. Ahora supongamos que Rang(A) = n. Entonces el sistema
A X = C tiene una única solución. Por lo tanto, podemos encontrar una única matriz
B tal que A B = I. Es posible demostrar que también B A = I; por lo tanto B es la
inversa de A. Recíprocamente, si A es no singular, el sistema A X = C tiene una
única solución para j = 1, 2, ..., n, ya que estas soluciones forman las columnas de
A -1. De esta forma podemos concluir que Rang(A) = n.

%  ENCUENTRA  LA  INVERSA  DE  UNA  MATRIZ  


clc;;clear;;  
fprintf('\n  INVERSA  DE  UNA  MATRIZ  \n')  
fil=input('  INGRESE  EL  NUMERO  DE  FILAS:    ');;  
       %Ingreso  de  elementos  
       fprintf('  INGRESE  LA  MATRIZ  \n')          
       for  f=1:fil  
                       for  c=1:fil    
                               fprintf('Ingrese  el  elemento  A:(%d,%d)',f,c)  
                               A(f,c)=input('  :');;  
                       end  
               end  
       fprintf('\n  LA  MATRIZ  A  ES:\n')  
       A  
       end  
               fprintf('  LA  MATRIZ  IDENTIDAD  ES:\n')  
               I=eye(f,c)  
       end  
       fprintf('  LA  MATRIZ  AUMENTADA  ES:\n')  
               B=[A,I]  
       end  
  fprintf('  LA  MATRIZ  REDUCIDA  ES:\n')  
               R=rref(B)  
  end  
       if  (det(A)==0)  
               fprintf('LA  MATRIZ  NO  ADMITE  INVERSA  \n')          
       else  
               fprintf('  LA  MATRIZ  INVERSA  ES:\n')  
               C=A^(-­1)  
       end  

  EJ E M P L O 3.4.9
Sea A una matriz cuadrada no singular:
a.- Si se intercambian dos filas de A, ¿en qué es comparable la inversa de la matriz
resultante con A -1;
b.- Responda a la pregunta del inciso a) si una fila de A se multiplica por un número
k distinto de cero;
c.- Responder a la pregunta del inciso a) si la i-ésima fila de A se multiplica por un
número k y se suma a la j-ésima fila.
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
RANGO E INVERSA DE UNA MATRIZ 135

SO L U C I O N
a.- Si B se obtiene de A al intercambiar las filas i y j, entonces B -1 se obtiene de A -1
al intercambiar las columnas i y j.
b.- Si B se obtiene de A al multiplicar la fila i por a z 0, entonces B -1 se obtiene de
A -1 al multiplicar la columna i por 1/a.
c.- Si B se obtiene de A al sumar k veces la fila i a la fila j, entonces B -1 se
obtiene de A -1 al restar k veces la columna j de la columna i. ’

EJ E M P L O 3.4.10
Hallar la inversa de la siguiente matriz:
§ 2 3 4·
¨ ¸
A = ¨8 2 1¸ .
¨ 0 2 4¸
© ¹
SO L U C I O N
Comenzaremos el proceso de operaciones elementales, formando la matriz
aumentada:
§2 3 4 1 0 0·
¨ ¸
¨8 2 1 0 1 0¸
¨0 2 4 0 0 1 ¸¹
©
Luego designamos a la primera fila como fila base y a la segunda fila le restamos
cuatro veces la fila base:
§2 3 4 1 0 0·
¨ ¸
¨ 0 10  15 4 1 0¸
¨0 2 4 0 0 1 ¸¹
©
Elegimos la segunda fila como fila base y a la primera fila multiplicada por 10, le
sumamos 3 veces la fila base; a la tercera fila multiplicada por 5, le sumamos la fila
base:
§ 20 0 5  2 3 0·
¨ ¸
¨ 0 10 15 4 1 0 ¸
¨0 0 5  4 1 5 ¸¹
©
Por último elegimos la tercera fila como fila base. A la primera fila le sumamos la
fila base; a la segunda fila le sumamos 3 veces la fila base:
§ 20 0 0 6 4 5·
¨ ¸
¨ 0 10 0 16 4 15 ¸
¨ 0 0 5  4 1 5 ¸¹
©
Dividimos la primera fila para 20, la segunda fila para ±10 y la tercera fila para 5:
§ 3 1 1 ·
¨  ¸
¨1 0 0 10 5 4 ¸
¨ 8 2 3 ¸
¨0 1 0   ¸
5 5 2
¨0 0 1 ¸
¨ 4 1
¨  1¸¸
© 5 5 ¹
De esta manera obtenemos la matriz inversa:
§ 3 1 1 ·
¨  10 5 4 ¸¸
¨
8 2 3
A 1 ¨¨   ¸¸ . ’
5 5 2
¨ ¸
¨ 4 1
1 ¸
¨ ¸
© 5 5 ¹
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
136 RANGO E INVERSA DE UNA MATRIZ

EJ E M P L O 3.4.11
Demuestre que toda matriz elemental es no singular, y la inversa también es una
matriz elemental.
SO L U C I O N
Si E es una matriz elemental, entonces E se obtiene al efectuar algunas operaciones
en las filas de I. Sea E 0 la matriz que se obtiene cuando la inversa de esta operación
se efectúa en I. Usando el hecho de que las operaciones inversas en las filas cancelan
mutuamente su efecto, se concluye que E 0 E = E E 0 = I. Así, la matriz elemental E 0 es
la inversa de E. ’

PR O B L E M AS

3.4.1 Si 3.4.11 Determine la inversa de la siguiente matriz:


§a b· § 1 a 0 ·§ 1 0 0 ·§ 1 0 0 ·
A ¨ ¸ ¨ ¸¨ ¸¨ ¸
©c d¹ ¨ 0 1 0 ¸¨ b 1 0 ¸¨ 0 1 0 ¸ .
demuestre que Adj(Adj(A)) = A. ¨ 0 0 1 ¸¨ 0 0 1 ¸¨ 0 0 c ¸
© ¹© ¹© ¹

3.4.2 Demuestre que si A es una matriz de n x n y 3.4.12 Demuestre que si A es una matriz de n x n y
Det(A) = 0, entonces Det(Adj(A)) = 0. Det(A) = 0, entonces Det(Adj(A)) = 0.

3.4.3 Si 3.4.13 Demuestre que si A es una matriz cuadrada de n x


§ 1 2 · § 4 2· n, entonces A(Adj(A)) = (Adj(A))A = I Det(A).
A ¨ ¸ y B ¨ ¸
© 3 1 ¹ © 3 2 ¹
3.4.14 Demuestre que Adj(k A) = kn-1Adj(A). Para
son matrices no singulares, pruebe que
cualquier número k y cualquier matriz A de n x n.
Adj(A B) = (Adj(A))(Adj(B)).
3.4.15 Demuestre que si A y B son matrices no
3.4.4 Demuestre que si A es una matriz de n x n, entonces
singulares, entonces Adj(A B) = Adj(B)Adj(A).
Det(Adj(A)) = (Det(A))n-1.
3.4.16 Encuéntrese la inversa de cada una de las
3.4.5 Demuestre que si A es una matriz no singular de n x
matrices siguientes:
n (n t 2) entonces Adj(Adj(A)) = A(Det(A))n-2.
§ 0 1 0 0 0· §1 1 1 0 0·
¨ ¸ ¨ ¸
3.4.6 Demuestre que una matriz A es no singular, si y ¨ 1 0 0 0 0¸ ¨0 1 1 1 0¸
sólo si su Adj(A) también es no singular. a.- ¨ 2 3 0 1 0 ¸ ; b.- ¨ 0 0 1 1 1 ¸ ;
¨ ¸ ¨ ¸
3.4.7 Demuestre que si A es singular, entonces Adj(A) es ¨ 1 0 0 0 1¸ ¨0 0 0 1 1¸
¨ 1 1 1 0 0 ¸ ¨0 0 0 0 1¸
también singular. © ¹ © ¹
§1 2 3 4 5·
3.4.8 Si A es singular, ¿qué puede decir acerca del ¨ ¸
producto AAdj(A). ¨0 1 2 3 4¸
c.- ¨ 0 0 1 2 3 ¸ .
¨ ¸
3.4.9 Dada la matriz ¨0 0 0 1 2¸
§ 1 -i -1 · ¨0 0 0 0 1¸
© ¹
¨ ¸
A =¨4 i -3 ¸ .
¨ -i 1+ i -1 ¸ 3.4.17 Determine la inversa de las siguientes matrices:
© ¹
a.- Determine el determinante de A. ¿Es A no singular?; § 0 3i i · § 1 i 1  i ·
¨ ¸ ¨
b.- Determine Adj(A) y el producto AAdj(A). a.- ¨ 2  i i 1  i ¸ ; b.- ¨ i i 1  i ¸¸ ;
¨ i 2  i 4  i ¸¹ ¨1  i 1  i 1  i ¸
© © ¹
3.4.10 Si A es una matriz de n x n con n t 2, demostrar
§ 1 i 1  i ·
cada una de las propiedades siguientes de su matriz ¨
cofactor: c.- ¨ i i 1  i ¸¸ .
a.- Cof(A T) = (Cof(A))T; ¨1  i 1  i 1  i ¸
© ¹
b.- (Cof(A))T A = (Det(A))I.
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
RANGO E INVERSA DE UNA MATRIZ 137
T T
3.4.18 Demuestre que si A es una matriz singular, 3.4.19 Demuestre que Adj(A ) = (Adj(A)) .
entonces A(Adj(A)) = O.

3.5 C U EST I O N A R I O

Responda verdadero (V) o falso (F) a cada una de las siguientes afirmaciones. Para las afirmaciones que sean falsas,
indicar por que lo es:

3.5.1 Toda matriz de orden n es equivalente por filas a 3.5.15 Toda matriz de orden n es equivalente por filas
una matriz reducida por filas. a una matriz escalonada por filas.

3.5.2 Si A y B son dos matrices de orden m x n. Entonces 3.5.16 El producto de dos matrices de orden n es
B es equivalente por filas a A si, y sólo si B = P A, donde P singular si, y sólo si, por lo menos una de las dos matrices
es un producto de matrices elementales de m x m. es singular.

3.5.3 Una matriz elemental es no singular. 3.5.17 La suma de dos matrices no singulares de orden n
puede ser singular y la suma de dos matrices singulares
3.5.4 El rango de una matriz varía con las operaciones puede ser no singular.
elementales.
3.5.18 Si A y B son matrices no singulares, entonces A B
3.5.5 El rango de una matriz es el orden máximo de sus es una matriz singular.
menores iguales a cero.
3.5.19 Si A y B son matrices de orden n y si A es no
3.5.6 Si A es una matriz de orden m x n, entonces el singular y B es singular, entonces A B y B A son matrices
rango de las columnas de A no se altera al someter a A a no singulares.
una operación elemental de filas.
3.5.20 Las matrices unitarias y las matrices hermíticas
3.5.7 Si A es una matriz de orden m x n, entonces el son normales.
rango por filas y el rango por columnas de A son
diferentes. 3.5.21 La inversa de una matriz hermítica no singular es
hermítica.
3.5.8 Sea A una matriz de orden m x n y sea k un entero
positivo. Entonces Rang(A) t k si y sólo si A contiene un 3.5.22 B es una inversa izquierda para la matriz A si y
subdeterminante distinto de cero de orden k. sólo si B T es inversa derecha para A T.

3.5.9 El rango del producto de varias matrices no es 3.5.23 B es una inversa derecha para la matriz A si y
superior al rango de cada una de las matrices que se sólo si B T es una inversa izquierda para A T.
multiplican.
3.5.24 El producto de matrices singulares es no
3.5.10 Una matriz A de n x n que tiene una inversa a la singular.
izquierda o a la derecha es no singular.
3.5.25 Una matriz de números enteros tiene una inversa
3.5.11 La inversa de una matriz triangular superior es una de números enteros cuando, y sólo cuando, la matriz
matriz triangular inferior. dada tiene determinante diferente de cero.

3.5.12 Si A es una matriz no singular de n x n y si una 3.5.26 Para que una matriz cuadrada A sea ortogonal es
sucesión de operaciones elementales de fila reduce A a la necesario y suficiente que su determinante sea igual a
matriz identidad I, entonces la misma sucesión de r 1 y cada uno de sus elementos sea igual a su cofactor,
operaciones, cuando se aplica a I, da A -1. tomado con su signo si Det(A) = 1 y con el signo
opuesto, si Det(A) = -1.
3.5.13 La inversa de una matriz casi diagonal regular D
es casi diagonal y es también de la misma estructura que 3.5.27 Una matriz cuadrada real A de orden n t 3 es
D. ortogonal si cada uno de sus elementos es igual a su
cofactor y por lo menos uno de sus elementos es
3.5.14 La inversa de una matriz ortogonal es unitaria. distinto de cero.

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


138 RANGO E INVERSA DE UNA MATRIZ

3.5.28 La inversa de una matriz A casi triangular superior 3.5.31 La suma de los cuadrados de todos los menores
regular es una matriz casi triangular superior y además es de segundo orden que yacen en dos filas o columnas de
de la misma estructura que A. una matriz ortogonal, es igual a cero.

3.5.29 Si A tiene una inversa a la izquierda, B, y una 3.5.22 Para que una matriz diagonal de orden n sea
inversa a la derecha, C, entonces B z C. ortogonal, es necesario que al menos un elemento de la
diagonal sea igual a cero.
3.5.30 Al multiplicar la matriz A a la izquierda o a la
derecha por una matriz no singular, su rango no varía.

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


O BJE T I V O

Resolver problemas sobre sistemas de ecuaciones lineales homogéneas y no homogéneas mediante la


interpretación, expresión y representación en términos de matrices y determinantes utilizando definiciones
propiedades y métodos adecuados para cada tipo, en situaciones reales propias de la ingeniería y ciencias
aplicadas.

C O N T E NI D O :

4.1 SISTEMAS DE ECUACIONES LINEALES


4.2 METODOS PARA SOLUCIONAR UN SISTEMA DE ECUACIONES LINEALES
4.3 CUESTIONARIO

4.1 SIST E M AS D E E C U A C I O N ES L I N E A L ES

En esta sección introduciremos terminología básica, estudiaremos los diferentes tipos de sistemas de ecuaciones
lineales y sus formas de soluciones. Enunciaremos y demostraremos las propiedades más importantes.

En el curso de Algebra Lineal la solución del sistema A X = B se expresa,


corrientemente, según el método de Cramer como una razón de los determinantes.
Dichas fórmulas no sirven para la resolución numérica del sistema A X = B, puesto
que requieren el cálculo de n + 1 determinantes, lo que, a su vez, exige un gran
número de operaciones aritméticas, hasta n!. Si incluso escogemos el mejor
método, para el cálculo de un solo determinante se necesitará aproximadamente
tanto tiempo que se requiere para la resolución de un sistema de ecuaciones
lineales por los métodos numéricos modernos. Además, hemos de tener en cuenta,
que los cálculos según las fórmulas de Cramer conducen con frecuencia a los
grandes errores de redondeo.

La peculiaridad de la mayoría de los métodos numéricos para A X = B consiste en


que se abandona la idea de buscar la matriz inversa. El requisito principal que se
levanta ante el método de resolución es el mínimo de operaciones aritméticas
suficientes para la búsqueda de una solución aproximada con la precisión
prefijada.

Los métodos directos permiten obtener, después de un número finito de


operaciones, una solución exacta del sistema de ecuaciones lineales, siempre que la
información de entrada viene dada con toda la exactitud y los cálculos se realizan
sin redondeo. El método iterativo permite hallar la solución aproximada del
sistema construyendo una sucesión de aproximaciones, a partir de cierta
aproximación inicial. La propia solución aproximada es el resultado de los cálculos
obtenido después de haberse realizado un número finito de iteraciones.
140 SISTEMAS DE ECUACIONES LINEALES

Calcular los conjuntos de valores simultáneos de varias incógnitas, que satisfagan


a varias ecuaciones; se dice entonces que estas ecuaciones forman un sistema, y
cada conjunto de valores que las satisface a todas se llama una solución. Un
sistema sin soluciones, se llama inconsistente; y si tiene infinitas soluciones, se
llama indeterminado.

D E F I N I C I O N 4.1.1
Una ecuación lineal sobre ƒ en n variables es una expresión de la
forma:
a1x1 + a2x2 + ... + anxn = b
donde los a i, b son números conocidos y los xi son variables. Los a i se
denominan coeficientes de los xi respectivos, y b es el término
independiente de la ecuación.

Las ecuaciones en dos variables se representan geométricamente por una recta;


las tres variables por un plano; para más de tres variables no se tienen
representación visual, pero los geómetras le llaman hiperplano.

Una solución de la ecuación lineal


a 1x1 + a 2x2 + ... + a nxn = b
es un conjunto ordenado de n valores k1, k2, ..., kn tales que
a1k1 + a2k2 + ... + ankn = b.

Un sistema de m ecuaciones lineales en n variables, es una expresión de la


forma
­ a11 x1  a12 x2  ...  a1n xn b1
° a x  a x  ...  a x b
° 21 1 22 2 2n n 2
®
° ...
°
¯ am1 x1  am 2 x2  ...  amn xn bm
donde los a ij y los bi pertenecen a los números reales. El primer subíndice en los
coeficientes indica el número de la ecuación, y el segundo, el número de la
variable. Para un sistema de m ecuaciones lineales en n variables xi, i = 1, 2, ..., n,
el conjunto solución S es el subconjunto de ƒn definido por S = S1 ˆ S2 ˆ ... ˆ Sm
donde Si es el conjunto solución de la i-ésima ecuación, i = 1, 2, ..., m.

Si m = n = 2, se tienen dos ecuaciones en las dos incógnitas x e y


­ a11 x  a12 y b1
®
¯ a21 x  a22 y b2
si se interpretan x, y como coordenadas en el plano xy, entonces cada una de las
dos ecuaciones representa una recta y (x, y) es una solución si, y sólo si, el punto
P(x, y) se encuentra sobre ambas rectas. De aquí que se tienen tres casos posibles:
1.- ninguna solución si las rectas son paralelas;
2.- precisamente una solución si se interceptan;
3.- un número infinito de soluciones si coinciden.

Nos formaremos ciertas ideas de las complicaciones que pueden surgir


considerando el caso de tres ecuaciones con tres incógnitas. Cada una de esas
ecuaciones representa un plano en el espacio, y el determinante de los coeficientes
se anula si:
1.- dos cualesquiera de los tres planos son coincidentes o paralelos.
2.- la recta de intersección de dos de los planos pertenece o es paralela al tercer
plano.

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


SISTEMAS DE ECUACIONES LINEALES 141

Toda solución del sistema de ecuaciones corresponde a un punto situado en los tres
planos. En los casos 1) y 2) no existe punto alguno que esté en los tres planos, o
bien hay infinitos. En particular, hay infinitas soluciones si los tres planos se
cortan a lo largo de una misma recta. El conjunto de todas las soluciones a un
sistema de ecuaciones lineales recibe el nombre de conjunto solución del sistema.

Una solución del sistema de ecuaciones lineales


­ a11 x1  a12 x2  ...  a1n xn b1
° a x  a x  ...  a x b
° 21 1 22 2 2n n 2
®
° ...
°
¯ am1 x1  am 2 x2  ...  amn xn bm
es un conjunto ordenado de n valores k1, k2, ..., kn tales que
­ a11 k1  a12 k 2  ...  a1n k n b1
° a k  a k  ...  a k b
° 21 1 22 2 2n n 2
®
° ...
°
¯ am1 k1  am 2 k 2  ...  amn k n bm

Para cualesquiera sistemas de ecuaciones lineales, se presentan tres tipos de


conjunto solución:
1.- Un conjunto solución que contiene solamente un elemento. Se dice que el
sistema tiene solución única y se denomina sistema compatible determinado;
2.- Un conjunto solución que contiene más de un elemento. En este caso se dice
que el sistema tiene más de una solución y se denomina sistema compatible
indeterminado;
3.- Un conjunto solución vacío. Se dice que el sistema no tiene solución y se
denomina sistema incompatible.

D E F I N I C I O N 4.1.2
Se llama sistema de m ecuaciones homogéneas y n incógnitas, al
sistema
­ a11 x1  a12 x2  ...  a1n xn b1
° a x  a x  ...  a x b
° 21 1 22 2 2n n 2
®
° ...
°
¯ am1 x1  am 2 x2  ...  amn xn bm
siempre que b1 = b2 = ... = bm = 0, es decir, cuando todos los términos
independientes son nulos.

Un sistema de este tipo se da a continuación


­ 2x  5 y  z  u 0
°
® x  7 y  9 z  2u 0
° x  y  z  5u 0
¯

D E F I N I C I O N 4.1.3
Se llama sistema de m ecuaciones no homogéneas y n incógnitas, al
sistema
­ a11 x1  a12 x2  ...  a1n xn b1
° a x  a x  ...  a x b
° 21 1 22 2 2n n 2
®
° ...
°
¯ am1 x1  am 2 x2  ...  amn xn bm
siempre que al menos un bi z 0.

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


142 SISTEMAS DE ECUACIONES LINEALES

Un sistema de este tipo se da a continuación


­2 x  3 y  z  5u 2
°
® x  y  z  2u 1
° x  y  z  5u 0
¯

D E F IN I C I O N 4.1.4
Se dice que un sistema de ecuaciones lineales es sobredeterminado si hay
más ecuaciones que incógnitas. Se dice que un sistema de ecuaciones
lineales está escasamente determinado si hay menos ecuaciones que
incógnitas.

Los sistemas sobredeterminados suelen ser inconsistentes, pero no lo son siempre.


Aunque es posible que los sistemas escasamente determinados sean inconsistentes,
en general son consistentes con muchas soluciones. Es posible que un sistema
escasamente determinado tenga solución única.

D E F IN I C I O N 4.1.5
Se dice que un sistema de ecuaciones lineales es no susceptible, si errores
pequeños en los coeficientes o en el proceso de resolución sólo tienen un
efecto pequeño sobre la solución. Y es susceptible, si errores pequeños en
los coeficientes o en el proceso de resolución tienen un efecto grande
sobre la solución.

Para el sistema de ecuaciones no susceptible, la solución está indicada con relativa


intensidad por las ecuaciones. Para el sistema de ecuaciones susceptible, la
solución está indicada con relativa debilidad por las ecuaciones.

Dos ecuaciones lineales en dos incógnitas representan dos rectas. Un sistema tal es
susceptible si, y sólo si, el ángulo entre las rectas es pequeño, es decir, si, y sólo si,
las rectas son casi paralelas. En efecto, entonces un pequeño cambio en un
coeficiente puede provocar un gran desplazamiento del punto de intersección de
las rectas. Para sistemas mayores de ecuaciones lineales, la situación es semejante
en principio, pero no es posible una interpretación geométrica tan sencilla y no
podríamos seguir cada detalle de la situación.

PR O B L E M AS

4.1.1 Sea A una matriz de 3 x 2. Explique por qué la 4.1.4 Sea A X = O un sistema homogéneo de n ecua-
ecuación A X = B no puede ser consistente tiene sólo la ciones lineales en n incógnitas que sólo tiene la solu-
solución nula si y sólo si (Q A)X = O sólo tiene la ción nula. Demuestre que si k es cualquier entero posi-
solución nula. tivo, entonces el sistema A k X = O también tiene sólo la
solución nula.
4.1.2 Sean A X = O un sistema homogéneo de n
ecuaciones lineales con n incógnitas y Q una matriz 4.1.5 Sea A una matriz de 3 x 4, sean Y 1 y Y 2 vectores
invertible de n x n. Demuestre que A X = O solución fija. en ƒ3 y sea W = Y 1 + Y 2. Suponga que Y 1 = A X 1 y que
Demuestre que toda solución del sistema se puede Y 2 = A X 2 para algunos vectores X 1 y X 2 en ƒ4. ¿Qué
escribir en la forma X = X 1 + X 0, donde X 0 es una hecho permite concluir que el sistema A X = W es
solución de A X = O. También demuestre que toda consistente?
matriz de esta forma es una solución.
4.1.6 Sea A X = B cualquier sistema de ecuaciones
4.1.3 Sea A una matriz de 5 x 3 y sean Y un vector en lineales consistentes, y sea X 1 una para toda B en ƒ3.
ƒ3 y Z un vector en ƒ5. Suponga que A Y = Z. ¿Qué Generalice el argumento para el caso de una matriz A
hecho permite concluir que el sistema A X = 4 Z es arbitraria con más filas que columnas.
consistente?

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


SISTEMAS DE ECUACIONES LINEALES 143

4.2 M E T O D OS P A R A SO L U C I O N A R UN SIST E M A D E E C U A C I O N ES L I N E A L ES

En esta sección analizaremos la resolución de un sistema de ecuaciones lineales por diversos métodos, de acuerdo
a su estructura. Se enunciarán las propiedades más importantes.

I. E L I M I N A C I O N G A USSI A N A

Se dice que un sistema de ecuaciones lineales es equivalente a un segundo sistema de


ecuaciones lineales, si el primero puede obtenerse a partir del segundo por medio de
operaciones elementales. Además los sistemas equivalentes de ecuaciones lineales
tienen los mismos conjuntos de soluciones.

D E F I N I C I O N 4.2.1
Sea S un sistema lineal de la forma
­ a11 x1  a12 x2  ...  a1n xn b1
° a x  a x  ...  a x b
° 21 1 22 2 2n n 2
®
° ...
°
¯ am1 x1  am 2 x2  ...  amn xn bm
y sea S´ un sistema lineal de las mismas dimensiones que S
­ a11
´ ´
x1  a12 x2  ...  a1´ n xn b1´
° ´
° a21 x1  a´22 x2  ...  a´2 n xn b2´
®
° ...
° ´ ´ ´ ´
¯ am1 x1  am 2 x2  ...  amn xn bm
Los sistemas lineales S y S´ se llaman equivalentes, si ambos son
simultáneamente son compatibles y tienen las mismas soluciones.

Para resolver sistemas de ecuaciones lineales de m ecuaciones con n variables, se va


a estudiar el método de reducción a la forma escalonada, que consiste en la
eliminación sucesiva de las variables para reducir el sistema a uno equivalente más
simple mediante la aplicación de las operaciones elementales siguientes:

T IP O 1. La ecuación E(i) puede multiplicarse por cualquier escalar a diferente de


cero y se puede usar la ecuación resultante en lugar de E(i). Notamos esta operación
como aE(i) o E(i);

T IP O 2. La ecuación E(j) puede multiplicarse por cualquier escalar a, sumarla a la


ecuación m-1 ecuaciones restantes y se obtenga el sistema equivalente:
­ a11 x1  a12 x2  ...  a1n xn b1
° (1) (1) (1)
° a22 x2  ...  a2 n xn b2
®
° ...
° a (1) x  ...  a (1) x b(1)
¯ m2 2 mn n m
(1)
Al pasar a la ejecución del segundo paso, supongamos que el elemento a22 , llamado
elemento principal del segundo paso, es distinto de cero. (En caso contrario, es
necesario efectuar la respectiva permutación de las ecuaciones.)
­ a11 x1  a12 x2  ...  a1n xn b1
° (1) (1) (1) (1)
° a22 x2  a23 x3  ...  a 2 n xn b2
° (2) (2) (2) (2)
® a33 x3  a34 x4  ...  a3n xn b3
° ...
°
° a (2) x  a (2) x  ...  a (2) x b(2)
¯ m3 3 m4 4 mn n m

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


144 SISTEMAS DE ECUACIONES LINEALES

Después del paso m-1 llegamos al sistema triangular


­ a11 x1  a12 x2  ...  a1n xn b1
° (1) (1) (1) (1)
° a22 x2  a23 x3  ...  a2 n xn b2
° (2) (2) (2) (2)
® a33 x3  a34 x4  ...  a3n xn b3
° ...
°
° amn xn bm( n 1)
( n 1)
¯
La reducción del sistema inicial S a la forma triangular actual finaliza la primera
etapa de elaboración de la solución según el método de reducción a la forma
escalonada. La segunda etapa, la marcha inversa, consiste en resolver el último
sistema triangular. Se realiza del modo siguiente, de la última ecuación se determina
xn. De acuerdo con el valor hallado de xn de la ecuación m-1 determinamos xn-1, a
continuación, con los valores de xn-1 y xn de la ecuación m-2 hallamos xn-2, etc., el
cálculo sucesivo de las incógnitas continúa hasta que se determina x1 de la primera
ecuación, aquí termina el proceso de construcción de la solución del sistema S con la
ayuda de la resolución del sistema triangular equivalente al primero.

Si durante el proceso de reducción se llega a un sistema tal, que una de las


ecuaciones del sistema equivalente es de la forma 0x1 + 0x2 + ... + 0xn = bn, bn z
0, se dice que el sistema inicial es E(i), y usar la ecuación resultante en lugar de
E(i). Esta operación la notaremos como E(i) + aE(j) o E(i);

T IP O 3. Las ecuaciones E(i) y E(j) se pueden intercambiar, es decir E(i) l E(j).

T E O R E M A 4.2.1
Dos sistemas de ecuaciones lineales son equivalentes, si uno se obtiene
del otro aplicando una sucesión finita de operaciones elementales.
D E M OST R A C I O N
Es suficiente demostrar la equivalencia de los sistemas S y S´, obtenido de S, al
aplicar una operación elemental. Observemos, que el sistema S se obtiene del
sistema S´ también como resultado de una operación elemental; por cuanto estas
operaciones son inversibles. En otras palabras, en el caso del tipo 1, cambiando otra
vez de lugar a las ecuaciones i y t, regresamos al sistema inicial; análogamente, en el
caso del tipo 2, sumando la i-ésima ecuación en S´, la t-ésima ecuación multiplicada
por ±r, obtendremos la i-ésima ecuación del sistema S. Demostremos ahora, que
cualquier solución k1, k2, ..., kn del sistema S resulta también solución del sistema S´.
Si fue realizada una operación elemental del tipo 1, entonces, las propias ecuaciones,
en general, no cambiaron. Por eso, los números k1, k2, ..., kn, que antes las satisfacían,
las satisfacerán luego de la operación elemental. En el caso de una operación
elemental del tipo 2, las ecuaciones, excepto la i-ésima, no se modificaron, y por eso
la solución k1, k2, ..., kn satisface a éstas como antes. En virtud de la reversibilidad de
las operaciones elementales, las reflexiones realizadas demuestran también que,
recíprocamente, cualquier solución del sistema S´ será solución del sistema S. Queda
observar, que la incompatibilidad de un sistema proporciona la incompatibilidad del
otro.

Si en el sistema S se considera que a 11 z 0, para cada i > 1 llamado elemento


principal del primer paso (En el caso de que a 11 = 0 cambiamos de lugar las
ecuaciones con los números 1 e i, donde a i1 z 0.) se aplican las operaciones
elementales de modo que se sustituya la ecuación i -ésima por la ecuación que se
obtiene multiplicando la primera por ± a 11 y se sume con la i-ésima, de tal forma
que se elimine x1 en las incompatible, y, por tanto, no tiene solución. Si en los
sistemas equivalentes se llega a una ecuación de la forma 0x1 + 0x2 + ... + 0xn = 0,
esta puede eliminarse sin que se afecte la solución del sistema.

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


SISTEMAS DE ECUACIONES LINEALES 145

Calculemos el número de operaciones que hay que efectuar para obtener la solución
del sistema de ecuaciones lineales. Para reducir el sistema de ecuaciones a la forma
escalonada, aceptando que m = n, tendremos que realizar n inversiones
1
n2 + (n ± 1)2 + ... + 12 = (2n + 1)(n + 1)n
6
multiplicaciones y
(n  1)n(n  1)
n(n  1)  (n  1)(n  2)   2 ˜1
3
adiciones. Además, para hallar del sistema reducido las incógnitas habrá que realizar
adicionalmente
1
1 + 2 + ... + (n ± 1) = n(n ± 1)
2
multiplicaciones y un número igual de adiciones. Por consiguiente, para resolver el
sistema de ecuaciones lineales empleando el método de Gauss, es necesario realizar,
en el caso general, n inversiones
1 1
n(n2 + 3n ± 1) | n3
3 3
multiplicaciones y
1 1
n(2n2 + 3n ± 5) | n3
6 3
adiciones. En resumen, este método de reducción se puede aplicar a cualquier
sistema de ecuaciones lineales. Debe observarse, además, que el método de
reducción es sistemático y que no se reduce a ningún artificio a base de los números
particulares que aparecen en las ecuaciones.

T E O R E M A 4.2.2
Para la compatibilidad de un sistema de ecuaciones lineales es necesario y
suficiente que, después de ser reducido a la forma escalonada, en él no se
encuentren ecuaciones del tipo 0 = b´i, con b´i z 0. Si esta condición se
cumple, entonces, a las incógnitas independientes se les puede dar valores
arbitrarios; las incógnitas principales se determinan unívocamente en el
sistema de ecuaciones.
D E M OST R A C I O N
Comencemos con la cuestión de la compatibilidad. Es evidente, que si el sistema
­ a11 x1   a´1 n xn b´1
°
° a´2 k xk   a´2 n xn b´2
° a´ x   a´ x b´
°° 3 t t 3n n 3

® (1)
°
° a´r s xs   a´r n xn b´r
° 0 b´r 1
°
°̄ 0 b´m
contiene ecuaciones del tipo 0 = b´i, con b´i z 0, entonces, este sistema es
incompatible, puesto que la igualdad 0 = b´i no puede ser satisfecha por ningún valor
para las incógnitas. Demostremos, que si en el sistema (1) no hay tales ecuaciones,
entonces el sistema es compatible. Y bien, sea b´i = 0 para i > r. Llamaremos
incógnitas principales a x1, xk, ..., xs, con las cuales comienzan la primera, segunda,
..., y r-ésima ecuaciones, respectivamente; las restantes incógnitas, si es que las hay,
se denominan independientes. Por definición, sólo hay r incógnitas principales.
Otorgamos a las incógnitas independientes valores arbitrarios, y los sustituimos en el
sistema (1). Entonces, para ks se obtiene una ecuación de tipo axs = b, con a = a´r s z
0, la cual tiene solución única. Sustituyendo el valor obtenido xs = ks en las primeras
r ± 1 ecuaciones, y yendo por el sistema (1) de abajo hacia arriba, nos convencemos

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


146 SISTEMAS DE ECUACIONES LINEALES

de que los valores de las incógnitas principales se determinan unívocamente para


cualquier valor que se dé a las incógnitas independientes.

T E O R E M A 4.2.3
Un sistema de ecuaciones lineales tiene solución única si y sólo si el
sistema reducido correspondiente tiene la misma solución.
D E M OST R A C I O N
De la forma en que reducimos el sistema es claro que si cierto conjunto de números
x1, x2, ..., xn satisface el sistema original, cumplen también el sistema reducido. Ahora
cambiamos los papeles del sistema original reducido. Si comenzamos con el sistema
reducido, el sistema original se puede obtener de éste por alguna combinación de las
tres operaciones elementales. Ahora es claro que cualquier solución del sistema
reducido también es solución del sistema original.

T E O R E M A 4.2.4
El sistema compatible
­ a11 x1  a12 x2   a1n xn b1
° a x a x  a x b
° 21 1 22 2 2n n 2
®
°
°
¯ am1 x1  am 2 x2   amn xn bm
con n > m es indeterminado.
D E M OST R A C I O N
Efectivamente, en todo caso r d m, por cuanto en el sistema (1) no hay más
ecuaciones que en el sistema dado, las ecuaciones con identidades iguales a cero para
ambos miembros, son desechadas. Por eso, la desigualdad n > m lleva a n > r, lo cual
significa indeterminación del sistema dado.

E J E M P L O 4.2.1
Utilizando eliminación gaussiana, solucionar los siguientes sistemas de ecuaciones
lineales:
­ x yz 3 ­3x  4 y  6 z 7
° °
a.- ®2 x  y  4 z 3 ; b.- ®5 x  2 y  4 z 5 .
°3x  2 y  z 8 ° x  3 y  5z 3
¯ ¯
SO L U C I O N
a.- Multiplicamos la ecuación 1 por 2 y luego le restamos la fila 2, multiplicamos la
fila 1 por 3 y luego restamos la fila 3:
­x  y  z 3
°
® y  2z 1
° y  2z 1
¯
restamos la fila dos a la fila tres:
­x  y  z 3
°
® y  2z 1
° 0 0
¯
podemos observar que 0 = 0, lo cual indica que el sistema es indeterminado, es decir
tiene un número infinito de soluciones:
z = t, x = 2 ± t, y = 1 + 2 t.
b.- Se multiplica la ecuación 1 por 5 y luego le restamos 3 veces la fila 2, y 3 veces
la fila 3:
­ 3x  4 y  6 z 7
°
® 13 y  21z 10
°13 y  21z 2
¯

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


SISTEMAS DE ECUACIONES LINEALES 147

restamos la fila dos a la fila tres:


­3x  4 y  6 z 7
°
® 13 y  21z 10
° 0 2
¯
podemos observar que 0 = 12, lo cual indica que el sistema es inconsistente. ’

E J E M P L O 4.2.2
Utilizando eliminación gaussiana, solucionar los siguientes sistemas de ecuaciones
lineales:
­ 2 x  y  3 z  2u 4 ­ x y zu 0
°3 x  3 y  3 z  2u 6 ° x  2 y  3 z  4u 0
° °
a.- ® ; b.- ® .
° 3 x  y  z  2 u 6 ° x  3 y  6 z  10u 0
°¯ 3 x  y  3 z  u 6 °¯ x  4 y  10 z  20u 0
SO L U C I O N
a.- A la segunda fila le multiplicamos por 2 y luego le restamos 3 veces la primera
fila, a la tercera fila le multiplicamos por 2 y luego le restamos 3 veces la primera
fila, a la cuarta fila le multiplicamos por 2 y luego le restamos 3 veces la primera fila
­2 x  y  3z  2u 4
° 9 y  3z  2u 0
°
®
°  y  11z  2u 0
°¯  y  3z  8u 0
A la tercera fila le multiplico por ±9 y luego le sumo la segunda fila, a la cuarta
fila le multiplico por ±9 y luego le sumo la segunda fila:
­2 x  y  3z  2u 4
° 9 y  3z  2u 0
°
®
° 6z  u 0
°¯ 12 z  35u 0
A la cuarta fila le resto 2 veces la tercera fila:
­2 x  y  3z  2u 4
° 9 y  3z  2u 0
°
®
° 6z  u 0
°¯ 33u 0
Como el sistema se redujo a la forma triangular, entonces el sistema tiene solución
única:
x = 2, y = z = u = 0.
b.- A la segunda fila le resto la primera fila, a la tercera fila le resto la primera fila, a
la cuarta fila le resto la primera fila:
­ x y zu 0
° y  2 z  3u 0
°
®
° 2 y  5 z  9u 0
°¯3 y  9 z  19u 0
A la tercera fila le resto 2 veces la segunda fila, a la cuarta fila le resto 3 veces la
segunda fila:
­x  y  z  u 0
° y  2 z  3u 0
°
®
° z  3u 0
°¯ 3 z  10u 0

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


148 SISTEMAS DE ECUACIONES LINEALES

A la cuarta fila le resto 3 veces la tercera fila:


­x  y  z  u 0
° y  2 z  3u 0
°
®
° z  3u 0
°¯ u 0
Como el sistema se redujo a la forma triangular, entonces el sistema tiene solución
única:
x = y = z = u = 0. ’

E J E M P L O 4.2.3
Utilizando eliminación gaussiana, solucionar los siguientes sistemas de ecuaciones
lineales:
­ x  y  2 z  3u 1 ­ x  2 y  3 z  2u 6 ­ x  2 y  3z  4u 5
°3 x  y  z  2u 4 ° 2 x  y  2 z  3u 8 ° 2 x  y  2 z  3u 1
° ° °
a.- ® ; b.- ® ; c.- ® .
° 2 x  3 y  z  u 6 ° 3x  2 y  z  2u 4 ° 3 x  2 y  z  2u 1
°¯ x  2 y  3z  u 4 °¯2 x  3 y  2 z  u 8 °¯4 x  3 y  2 z  u 5
SO L U C I O N
a.- A la segunda fila le restamos 3 veces la primera fila, a la tercera fila le restamos 2
veces la primera fila y a la cuarta fila le restamos la primera:
­ x  y  2 z  3u 1
°4 y  7 z  11u 7
°
®
° y  5 z  7u 8
°¯ y  z  4u 5
A la tercera fila le multiplicamos por 4 y luego le sumamos la segunda fila, a la
cuarta fila le multiplicamos por 4 y luego le sumamos la segunda fila:
­ x  y  2 z  3u 1
°4 y  7 z  11u 7
°
®
° 27 z  39u 39
°¯ z  9u 9
A la cuarta fila le multiplicamos por 27 y luego le sumamos la tercera fila:
­ x  y  2 z  3u 1
°4 y  7 z  11u 7
°
®
° 27 z  39u 39
°¯ u 1
Observamos que el sistema se redujo a la forma triangular, lo cual indica que el
sistema tiene solución única:
x = y = -1, z = 0, u = 1.
b.- A la segunda fila le restamos 2 veces la primera fila, a la tercera fila le restamos
3 veces la primera fila y a la cuarta fila le restamos 2 veces la primera fila:
­ x  2 y  3z  2u 6
° 5 y  8 z  u 4
°
®
° 2 y  5 z  4u 7
°¯7 y  4 z  5u 20
A la tercera fila le multiplicamos por 5 y luego le sumamos 2 veces la segunda
fila, a la cuarta fila le multiplicamos por 5 y luego le restamos 7 veces la segunda
fila:

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


SISTEMAS DE ECUACIONES LINEALES 149

­ x  2 y  3z  2u 6
° 5 y  8 z  u 4
°
®
° z  2u 3
°¯ 2 z  u 4
A la cuarta fila le restamos 2 veces la tercera fila:
­ x  2 y  3z  2u 6
° 5 y  8 z  u 4
°
®
° z  2u 3
°¯ 5u 10
Como el sistema se redujo a la forma triangular, entonces el sistema tiene solución
única: x = 1, y = 2, z = -12, u = -2.
c.- A la segunda fila le restamos 2veces la primera fila, a la tercera fila le restamos 3
veces la primera fila y a la cuarta fila le restamos 4 veces la primera fila:
­ x  2 y  3z  4u 5
° 3 y  4 z  5u 9
°
®
° 2 y  4 z  5u 7
°¯ y  2 z  3u 5
A la tercera fila le multiplicamos por 3 y luego le sumamos la segunda fila
multiplicada por 2, a la cuarta fila le multiplicamos por 3 y luego le sumamos la
segunda fila:
­ x  2 y  3z  4u 5
° 3 y  4 z  5u 9
°
®
° 4 z  5u 3
°¯ z  2u 3
A la cuarta fila le multiplicamos por 4 y luego le restamos la tercera fila:
­ x  2 y  3z  4u 5
° 3 y  4 z  5u 9
°
®
° 4 z  5u 3
°¯ u 3
Como el sistema se redujo a la forma triangular, entonces el sistema tiene solución
única: x = -2, y = 2, z = -3, u = 3. ’

I I. M E T O D O D E G A USS ± JO RD A N

El sistema S de ecuaciones lineales


­ a11 x1  a12 x2  ...  a1n xn b1
° a x  a x  ...  a x b
° 21 1 22 2 2n n 2
®
° ...
°
¯ am1 x1  am 2 x2  ...  amn xn bm
puede ser escrito en forma matricial como A X = B, donde A es la matriz m x n de
coeficientes con elementos a ij, B es un vector columna en ƒm y X es un vector
columna en ƒn. Efectuando la multiplicación matricial en la ecuación
§ a11 a12 a1n · § x1 · § b1 ·
¨ ¸¨ ¸ ¨ ¸
¨ a21 a22 a2 n ¸ ¨ x2 ¸ ¨ b2 ¸
¨ ¸¨ ¸ ¨ ¸
¨¨ ¸¨ ¸ ¨ ¸
© am1 am 2 amn ¸¹ ¨© xn ¸¹ ¨© bm ¸¹
se ve de inmediato que esto es equivalente al sistema S.
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
150 SISTEMAS DE ECUACIONES LINEALES

D E F IN I C I O N 4.2.2
En cuanto a la matriz
§ a11 a12 a1n b1 ·
¨ ¸
a
¨ 21 a 22 a 2n b2 ¸
¨ ¸
¨¨ ¸
© am1 am 2 amn bm ¸¹
se denomina matriz aumentada del sistema.

Consideremos ahora el sistema lineal no homogéneo A X = B, en donde A es de m x


n y B es de m x 1 y tiene al menos un elemento distinto de cero. A continuación
enunciaremos un teorema, en el cual se basara el método de las operaciones
elementales.

T E O R E M A 4.2.5
Un sistema homogéneo de m ecuaciones lineales con n incógnitas tiene un
número indeterminado de soluciones si n > m.
D E M OST R A C I O N
Cuando la matriz de coeficientes se ha reducido, la matriz aumentada del sistema
reducido tiene una última columna formada únicamente por ceros. Entonces, el
sistema tiene una solución, pero puede que no tenga soluciones no nulas. Sin
embargo, consideremos los elementos a ii, i = 1, 2, ..., m de la matriz reducida de
coeficientes. Estos elementos son 0 ó 1. Suponiendo que akk = 0 para algún k y k es el
menor elemento para el cual esto ocurre, la solución se puede escribir en términos de
xk y posiblemente de algunas otras variables. Pero tales variables son arbitrarias, y así
tomando a xk z 0, tenemos una solución no trivial. Si todos los a ii, i = 1, 2, ..., m, son
1, la última fila de la matriz aumentada del sistema reducido es
0, 0, ..., 0, 1, am m+1, am m+2, ..., am n, 0
y
xm = -am m+1xm+1 ± am m+2xm+2 - ... ± am nxn
donde xm+1, xm+2, ..., xn son arbitrarias. Tomando xm+1 z 0 lograremos una solución no
nula.

T E O R E M A 4.2.6
Sea X 1 cualquier solución de A X = B. Entonces X 1 ± X 2 es una solución
de A X = O ya que A(X 1 - X 2) = A X 1 - A X 2 = B - B = O. Sea X 3 = X 1 -
X 2. Entonces X 3 es una solución de A X = O y por supuesto X 1 = X 2 +
X 3.
D E M OST R A C I O N
Supongamos que X 1 y X 2 son soluciones. Entonces A X 1 = B y A X 2 = B, y por
sustracción A(X 1 ± X 2) = O. Como quiera que si la ecuación homogénea no tiene
soluciones no nulas, entonces X 1 ± X 2 = O y X 1 = X 2. Esto muestra la unicidad.
Recíprocamente, suponiendo que X 3 z O es una solución de la ecuación homogénea,
es decir A X 3 = O, mientras que X 1 es una solución de A X 1 = B, entonces X 1 + X 3
también es solución, puesto que
A(X 1 + X 3) = A X 1 + A X 3 = B + O = B.
Esta es una contradicción a la unicidad y completa la demostración.

T E O R E M A 4.2.7
Un sistema homogéneo de m ecuaciones lineales con m incógnitas tiene
solución trivial si y sólo si la matriz reducida de coeficientes no tiene filas
formadas únicamente por ceros.
D E M OST R A C I O N
Consideremos los elementos a ii, i = 1, 2, ..., m de la matriz reducida de coeficientes.
Si a ii = 1 para todo i, la matriz aumentada del sistema reducido es de la forma

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


SISTEMAS DE ECUACIONES LINEALES 151

§1 0 0 0·
¨ ¸
¨0 1 0 0¸
¨ ¸
¨¨ ¸
©0 0 1 0 ¸¹
y la única solución es x1 = x2 = ... = xm = 0, algunos de los a ii son cero si y sólo si la
última fila de esta matriz está formada únicamente por ceros. Así, el sistema de
ecuaciones lineales tiene soluciones no nulas si y sólo si la matriz reducida de
coeficientes está formada únicamente por ceros.

T E O R E M A 4.2.8
Sea la matriz A de n x n. Entonces el sistema de ecuaciones no
homogéneo A X = B tiene solución única si y sólo si el Rang( A) = n.
D E M OST R A C I O N
Supongamos primero que Rang(A) = n. Entonces A R = I. De donde (A | B)R es de la
forma (I | C) para alguna matriz C de n x 1. El sistema I X = C tiene exactamente una
solución y esta es la única solución del sistema original. Recíprocamente,
supongamos que A X = B tiene exactamente una solución Y. Si A X = O tiene una
solución Z entonces Y + Z es una solución de A X = B. Pero entonces Y = Y + Z por
la suposición de que A X = B tiene solamente una solución Y. Concluimos que
Z = O y, por tanto, A X = O tiene solamente la solución trivial. Por lo tanto
Rang(A) = n.

Un sistema homogéneo A X = O de m ecuaciones lineales con n incógnitas tiene un


número indeterminado de soluciones si el número de ecuaciones es menor que el
número de incógnitas, es decir n > m.

Sea X 1 cualquier solución de A X = B. Entonces X 1 ± X 2 es una solución de


A X = O ya que
A(X 1 - X 2) = A X 1 - A X 2 = B - B = O.

Sea X 3 = X 1 - X 2. Entonces X 3 es una solución de A X = O y por supuesto X 1 = X 2


+ X 3.

Como hemos podido ver, cuando un sistema de ecuaciones lineales tiene soluciones,
puede tener muchas soluciones. En efecto, la situación general cuando las soluciones
no son únicas, es que ciertas variables se pueden escribir en términos de otras y estas
son completamente arbitrarias. Podemos pensar en tales variables como parámetros
que pueden variar para generar soluciones. Podremos decir que tenemos la solución
general de un sistema si tenemos todas las variables expresadas en términos de
ciertos parámetros en tal forma que toda posible solución particular se pueda obtener
al asignar valores apropiados a estos parámetros.

Podemos ahora esbozar un procedimiento para encontrar la solución general de un


sistema lineal no homogéneo A X = B:
P ASO 1. Reducir (A~B) para obtener la matriz reducida de la forma (A R~C). Las
soluciones de A X = B son las mismas soluciones que las de A R X = C, así que
trabajaremos con este sistema reducido;
P ASO 2. Si Rang((A~B)) z Rang(A), el sistema no tiene solución y ya
terminamos. Si estos dos rangos son iguales continuamos;
P ASO 3. Identificamos las incógnitas dependientes. Si la columna j contiene el
elemento principal de la fila i, utilizamos la ecuación i para escribir xj en términos de
las incógnitas independientes;
P ASO 4. Escribimos una matriz columna
(x1 x2 «xn)T
con cada xj dependiente escrita en términos de las incógnitas independientes y de c i.
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
152 SISTEMAS DE ECUACIONES LINEALES

Las incógnitas independientes son arbitrarias y se les puede asignar valores


cualesquiera;
P ASO 5. Para aclarar la estructura de la solución, la escribimos como una suma de
matrices columna multiplicadas por las incógnitas independientes (escalares
arbitrarios), más una matriz columna que contiene las c i que aparecen en las
expresiones para las incógnitas dependientes. Esta matriz columna constante es una
solución particular de A R X = C. Ahora tenemos la solución general de A X = B
escrita como la solución general de A R X = O más una solución particular de
A R X = C, obteniendo la solución general del sistema no homogéneo original.

T E O R E M A 4.2.9
Un sistema de ecuaciones lineales A X = B tiene solución única si y sólo si
el rango de la matriz A es igual al rango de la matriz (A | B).
D E M OST R A C I O N
Reduciendo la matriz de coeficientes usando operaciones elementales sobre las filas
podemos lograr el sistema equivalente (I | C) en este caso, y solamente en este caso,
el rango de A es igual al rango de la matriz aumentada (A | B).

Una solución a un sistema A X = B de m ecuaciones lineales con n incógnitas no


tiene solución única si n > m.

Un sistema de ecuaciones lineales A X = B tiene solución única si y sólo si el sistema


reducido correspondiente tiene la misma solución.

Si el sistema de ecuaciones lineales A X = B de m ecuaciones y n incógnitas es


consistente, y si r es el rango por filas de la forma escalonada reducida de la matriz
aumentada del sistema, entonces:
1.- Si r < n, el sistema tiene un número indeterminado de soluciones. Las soluciones
se expresan en base a n ± r variables.
2.- Si r = n, el sistema tiene solución única.
3.- Si m < n, entonces r d m < n, y el sistema tiene un número indeterminado de
soluciones.

T E O R E M A 4.2.10
Un sistema homogéneo de n ecuaciones lineales algebraicas con m
incógnitas tiene un número indeterminado de soluciones si m > n.
D E M OST R A C I O N
Escribimos el sistema homogéneo de ecuaciones lineales como A X = O con la
matriz A de n x m. Este sistema tiene n ecuaciones y m incógnitas. Si hay más
incógnitas que ecuaciones, m > n. Ahora, Rang(A) es el número de filas distintas de
cero de A R y no puede ser mayor que n. Como Rang(A) d n, m ± Rang(A) t m ± n >
0. Por lo tanto, existe al menos una incógnita independiente a la que se puede asignar
cualquier valor en la solución general y, por tanto, se le pueden dar valores distintos
de cero llegando a un número indeterminado de soluciones.

Ahora podemos bosquejar ahora un procedimiento para resolver el sistema


homogéneo de ecuaciones lineales A X = O:
P ASO 1. Reducir A a A R. Como el sistema reducido tiene las mismas soluciones
que el sistema original, trabajaremos con el sistema reducido A R X = O;
P ASO 2. En el sistema A R X = O, determine si cada incógnita es dependiente o
independiente de acuerdo con el siguiente criterio. Si la columna j contiene el
elemento principal de cualquier fila de A, llame a xj dependiente; si no es así, xj es
independiente;
P ASO 3. Exprese cada incógnita dependiente en términos de las independientes,
usando las filas de A R. Si, por ejemplo, xj es dependiente porque la columna j
contiene el elemento principal de la fila i, podemos resolver para xj en términos de

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


SISTEMAS DE ECUACIONES LINEALES 153

las incógnitas independientes mediante la ecuación i;


P ASO 4. Para obtener la solución, a las incógnitas independientes se les puede
asignar cualquier valor; las incógnitas dependientes se expresan en términos de las
independientes usando el paso 3.

T E O R E M A 4.2.11
Si A es una matriz de n x m, el número de escalares arbitrarios en la
solución general del sistema homogéneo de ecuaciones lineales A X = O es
m ± Rang(A).
D E M OST R A C I O N
Si la matriz A es de n x m, el número de incógnitas independientes es igual al
número total de incógnitas m menos el número de incógnitas dependientes. Pero el
número de incógnitas dependientes es el número de filas de A R que tienen entradas
principales y, por lo tanto, es igual al número de filas distintas de cero de A R, es
decir, el rango de A.

T E O R E M A 4.2.12
Una solución de un sistema de ecuaciones lineales A X = B es única si y
sólo si el sistema homogéneo de ecuaciones A X = O tiene solución
trivial.
D E M OST R A C I O N
Supongamos que X y Y son soluciones. Entonces A X = B y A Y = B, y por
sustracción A(X ± Y) = O. Como quiera que si la ecuación homogénea tiene
solución trivial, entonces X ± Y = O y X = Y. Esto muestra la unicidad.
Recíprocamente, suponiendo que Z z O es una solución de la ecuación homogénea,
es decir A Z = O, mientras que X es una solución de A X = B, entonces X + Z
también es solución, puesto que
A(X + Z) = A X + A Z = B + O = B.
Esta es una contradicción a la unicidad.

T E O R E M A 4.2.13
La solución general del sistema no homogéneo de ecuaciones, A X = B,
se puede obtener al sumar la solución general del sistema homogéneo
A X = O a cualquier solución particular del sistema no homogéneo.
D E M OST R A C I O N
Supongamos que Z es una solución particular del sistema no homogéneo, entonces
A Z = B. Suponiendo que X es cualquier otra solución particular, entonces
A X = B y A(X ± Z) = A X ± A Z = B ± B = O.
De donde, Y = X ± Z es una solución del sistema de ecuaciones homogéneas y
entonces se puede obtener de la solución general del sistema de ecuaciones
homogéneas para una elección apropiada de ciertos parámetros. Así, X = Z + Y, y
como X es cualquier solución particular, podemos obtener la solución general del
sistema no homogéneo al sumar la solución general del sistema homogéneo a una
solución particular del sistema no homogéneo.

T E O R E M A 4.2.14
Un sistema de n ecuaciones lineales algebraicas homogéneas con n
incógnitas tiene un número indeterminado de soluciones si y sólo si el
determinante de la matriz de coeficientes es cero.
D E M OST R A C I O N
Si Det(A) no es cero la matriz A es no singular. Entonces, al multiplicar los dos
miembros del sistema A X = O por A -1 obtendremos A -1 A X = O, es decir X = O.
Por lo tanto, si Det( A) z 0, entonces X = O será la única solución de A X = O.
Supongamos a continuación que el sistema A X = O quede satisfecho por un
vector Y distinto de cero. Si k es el rango de A, entonces n ± k tiene que ser, por
lo menos, igual a 1. Dicho de otro modo, el rango por filas de A será
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
154 SISTEMAS DE ECUACIONES LINEALES

estrictamente menor que n. Pero A no puede ser no singular, es singular y, por lo


tanto, Det(A) = 0.

%  RESUELVE  UN  SISTEMA  DE  ECUACIONES  


clc;;clear;;  
fprintf('\n  SISTEMA  DE  ECUACIONES  AX=B  \n')  
fil=input('Ingrese  el  numero  de  ecuaciones:    ');;  
col=input('Ingrese  el  numero  de  incognitas:    ');;  
       %Ingreso  de  elementos  
       fprintf('\nIngrese  los  coeficientes  y  terminos  independientes  del  sistema\n')          
       for  f=1:fil  
               fprintf('\n  Ingrese  los  coeficientes  (%d)\n',  f)          
               for  c=1:col  
                               fprintf('Ingrese  el  elemento  (%d,%d)',f,c)  
                               A(f,c)=input('  :');;  
                       end  
               end  
               fprintf('\n  Ingrese  los  coeficientes  de  B  \n')  
               %for  f=1:col  
                       for  c=1:fil    
                               fprintf('Ingrese  el  elemento  %d',f)  
                               B(c,1)=input('  :');;  
                       end  
       fprintf('\n  LA  MATRIZ  DE  COEFICIENTES  A  ES:\n')  
       A  
       end  
       fprintf('El  VECTOR  B  es:\n')  
       B  
       end  
       fprintf('LA  MATRIZ  REDUCIDA  DE  A  ES:')  
               R1=  rref(A);;  
               R1  
               fprintf('EL  RANGO  DE  LA  MATRIZ  A  ES:')  
               RangA=rank(A)  
       fprintf('\n  LA  MATRIZ  AUMENTADA  ES:  \n',c);;          
       C=[A,B];;  
       C  
       fprintf('LA  MATRIZ  REDUCIDA  DE  C  ES:')  
       R2=  rref(C);;  
       R2  
       fprintf('EL  RANGO  DE  LA  MATRIZ  AUMENTADA  C  ES:')  
       RangC=rank(C)  
       end  
end  
       if  RangC==col  
               fprintf('EL  SISTEMA  DE  ECUACIONES  TIENE  SOLUCION  UNICA\n')      
       end  
               if  RangA<col  
               fprintf('EL  SISTEMA  DE  ECUACIONES  TIENE  MAS  DE  UNA  SOLUCION\n')  
       end  
       if  RangA~=RangC  
       fprintf('EL  SISTEMA  DE  ECUACIONES  NO  TIENE  SOLUCION\n')          
       end  
end  

  EJ E M P L O 4.2.4
Resuelva el sistema de ecuaciones siguiente:
­x  3y  z  u 3
° 2x  z  u 1
°
® .
°  y  4z  u 6
°¯ y  z  5u 16

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


SISTEMAS DE ECUACIONES LINEALES 155

SO L U C I O N
Construimos la matriz aumentada (A|B) y luego procedemos por el método de Gauss
± Jordan:
§ 1 3 1 1 3 ·
¨ ¸
¨2 0 1 1 1¸
¨ 0 1 4 1 6¸
¨¨ ¸¸
© 0 1 1 5 16 ¹
A la primera fila le multiplicamos por 2 y luego le restamos la segunda fila:
§ 1 3 1 1 3 ·
¨ ¸
¨ 0 6 1 3 5 ¸
¨ 0 1 4 1 6¸
¨¨ ¸¸
© 0 1 1 5 16 ¹
A la tercera fila le multiplicamos por 6 y luego le sumamos la segunda fila, a la
cuarta fila le multiplicamos por ±6 y luego le sumamos la segunda fila, a la primera
fila le multiplicamos por 2 y luego le restamos la segunda fila:
§2 0 1 1 1 ·
¨ ¸
¨ 0 6 1 3 5 ¸
¨ 0 0 25 3 41 ¸
¨¨ ¸¸
© 0 0 5 27 91¹
A la primera fila le multiplicamos por 25 y luego le restamos la tercera fila, a la
segunda fila le multiplicamos por 25 y luego le restamos la tercera fila, a la cuarta
fila le multiplicamos por 5 y luego le sumamos la tercera fila:
§ 25 0 0 11 8 ·
¨ ¸
¨ 0 25 0 13 14 ¸
¨ 0 0 25 3 41 ¸
¨¨ ¸
©0 0 0 1 3 ¸¹
A la primera fila le restamos 25 veces la cuarta fila y luego dividimos toda la fila
para -25, a la segunda fila le sumamos 13 veces la cuarta fila y luego dividimos toda
la fila para 25, a la tercera fila le restamos 3 veces la cuarta fila y luego dividimos
toda la fila para 25:
§ 1 0 0 0  41 ·
¨ 25
¸
53
¨0 1 0 0 25
¸
¨ ¸
¨0 0 1 0
32
25 ¸
¨0 0 0 1 3 ¸¹
©
Por lo tanto Rang(A) = Rang(A|B) = 4 y la solución está dada por el vector siguiente:
T
§ 41 53 32 ·
X ¨ 3¸ . ’
© 25 25 25 ¹

EJ E M P L O 4.2.5
Resuelva el sistema
­2 x  3 y  5 z 2 ­ x  3y  z 1
­ x  3 y  2z 0 ° °
a.- ® ; b.- ® 3x  2 y  4 z 1 ; c.- ® 2 x  y  2 z 3 .
¯2 x  y  3z 0 °4 x  2 y  3z 3 °4 x  2 y  4 z 6
¯ ¯
SO L U C I O N
a.- Este sistema se puede resolver fácilmente sin matrices, pero queremos ilustrar el
método matricial.
PASO 1. Reducir A. Procedemos como sigue: Sumar 2 veces la fila 1 a la fila 2

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


156 SISTEMAS DE ECUACIONES LINEALES

§ 1 3 2 ·
¨ ¸
© 0 5 1 ¹
multiplicar la fila 2 por -1/5
§ 1 3 2 ·
¨ ¸
¨¨ 0 5  1 ¸¸
© 5¹
sumar 3 veces la fila 2 a la fila 1
§ 7 ·
¨1 0 5 ¸
¨ ¸ AR .
¨0 1  1 ¸
¨ ¸
© 5¹
PASO 2. Identificar las incógnitas dependientes e independientes. La entrada
principal de la fila 1 está en la columna 1, así que x es dependiente; análogamente, y
es dependiente. Finalmente, z es independiente.
PASO 3. Escribimos las incógnitas dependientes en términos de las independientes.
De la fila 1 de A R, x + 7z/5 = 0, así que x = - 7z/5. De la fila 2, y - z/5 = 0, así que y =
z/5. En estas ecuaciones z es arbitraria.
PASO 4. Por conveniencia, sea x = - 7t/5, y = t/5. En forma matricial, la solución es
T
§ 7t t ·
X ¨ t¸ .
© 5 5 ¹
Esta expresión se llama solución general del sistema porque obtenemos todas las
soluciones dando a t diferentes valores.
b.- Primero: resolvemos el sistema no homogéneo de ecuaciones lineales A X = B.
Construimos la matriz aumentada del sistema:
§ 2 3 5 2 ·
¨ ¸
¨ 3 2 4 1 ¸
¨ 4 2 3 3 ¸
© ¹
A la segunda fila le multiplicamos por 2 y luego le restamos 3 veces la primera fila, a
la tercera fila le restamos 2 veces la primera fila:
§ 2 3 5 2 ·
¨ ¸
¨ 0 13 7 4 ¸
¨ 0 8 13
© 1 ¸¹
A la primera fila le multiplicamos por 13 y luego le sumamos 3 veces la segunda fila,
a la tercera fila le multiplicamos por 13 y luego le restamos 8 veces la segunda fila:
§13 0 43 7 ·
¨ ¸
¨ 0 13 7 4 ¸
¨0
© 0 5 1 ¸¹
A la primera fila le multiplicamos por 5 y luego le restamos 43 veces la tercera fila y
a continuación dividimos toda la fila para 65, a la segunda fila le multiplicamos por 5
y luego le sumamos 7 veces la tercera fila y después dividimos toda la fila para -65:
§1 0 0  8 ·
¨ 65
¸
¨0 1 0 1
5 ¸
¨ 1 ¸
¨0 0 1 ¸
© 5 ¹

Por lo tanto, la solución está dada por el vector siguiente:


T
§ 8 1 1·
¨
X1 ¸ .
© 65 5 5 ¹
Segundo: resolvemos el sistema homogéneo de ecuaciones lineales A X = O:
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
SISTEMAS DE ECUACIONES LINEALES 157

§ 2 3 5 · § 2 3 5 · §13 0 43 · §1 0 0·
¨ ¸ ¨ ¸ ¨ ¸ ¨ ¸
¨ 3 2 4 ¸ | ¨ 0 13 7 ¸ | ¨ 0 13 7 ¸ | ¨0 1 0¸
¨ 4 2 3 ¸ ¨ 0 8 13 ¸ ¨ 0 0 5 ¸¹ ¨0 0 1 ¸¹
© ¹ © ¹ © ©
Por lo tanto, la solución está dada por el vector siguiente: X 2 0 0 0 .
La solución al sistema esta dada por X 1 + X 2, es decir:
§  65
8 ·
§0· §  ·
8
¨ 1 ¸ ¨ ¸ ¨ 165 ¸
X ¨ 5 ¸  ¨0¸ ¨ 5 ¸ .
¨¨ 1 ¸¸ ¨ 0 ¸ ¨¨ 1 ¸¸
© 5 ¹ © ¹ © 5 ¹
Por lo tanto queda comprobado que el sistema tiene una única solución.
c.- Encontramos la solución del sistema A X = B:
§ 1 3 1 1 · § 1 3 1 1 · § 7 0 5 10 ·
¨ ¸ ¨ ¸ ¨ ¸
¨ 2 1 2 3 ¸ | ¨ 0 7 4 1 ¸ | ¨ 0 7 4 1 ¸
¨ 4 2 4 6 ¸ ¨ 0 14 8 2 ¸ ¨ 0 0 0 0 ¸¹
© ¹ © ¹ ©
De aquí que la solución general del sistema A X = B es
1
X (t ) 10  5t 1  4t 7t T .
7
Si asignamos cualquier valor a t, digamos t = 1, obtenemos una solución particular:
1
X (1) 15 5 7 T .
7
A continuación encontramos la solución general del sistema A X = O:
§ 1 3 1 0 · § 1 3 1 0 · § 7 0 5 0 ·
¨ ¸ ¨ ¸ ¨ ¸
¨ 2 1 2 0 ¸ | ¨ 0 7 4 0 ¸ | ¨ 0 7 4 0 ¸
¨ 4 2 4 0 ¸ ¨ 0 14 8 0 ¸ ¨ 0 0 0 0 ¸
© ¹ © ¹ © ¹
De aquí que la solución general del sistema A X = O es
1
X (t ) 5t 4t 7t T .
7
Si asignamos cualquier valor a t, digamos t = 7, obtenemos una solución particular:
X (7) 5 4 7 .
T

Por lo tanto la matriz X = X(7) + X(1) es solución del sistema A X = B, es decir


1
X 50 33 56 T .
7

EJ E M P L O 4.2.6
Utilizando el método de Gauss-Jordan, solucionar los siguientes sistemas de
ecuaciones lineales:
­ x  y  3 z 1 ­ 2x  y  z 2 ­ 2 x  y  3z 3
°2x  y  2z 1 ° x  3y  z 5 ° 3x  y  5 z 0
° ° °
a.- ® ; b.- ® ; c.- ® .
° x  y  z 3 ° x  y  5 z  7 ° 4x  y  z 3
°¯ x  2 y  3 z 1 °¯2 x  3 y  3 z 14 °¯ x  3 y  13z 6
SO L U C I O N
a.- A la segunda fila le restamos 2 veces la primera fila, a la tercera fila le restamos
la primera fila, a la cuarta fila le restamos la primera fila:
§ 1 1 3 1·
¨ ¸
¨ 0 1 4 3¸
¨0 0 1 4¸
¨ ¸
¨0 1 0 2¹
©

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


158 SISTEMAS DE ECUACIONES LINEALES

a la primera fila le sumamos la segunda fila:


§1 0 1 2·
¨ ¸
¨ 0 1 4 3¸
¨0 0 1 1¸
¨ ¸
¨0 1 0 2¹
©
a la primera fila le restamos la tercera fila, a la segunda fila le restamos la tercera
fila:
§1 0 0 1·
¨ ¸
¨0 1 0 1¸
¨0 0 1 1¸
¨
¨ 0 1 0 2 ¸¹
©
a la cuarta fila le restamos la segunda fila:
§ 1 0 0 1·
¨ ¸
¨ 0 1 0 1¸
¨ 0 0 1 1¸
¨
¨ 0 0 0 1¸¹
©
por la cuarta fila, tenemos que el sistema de ecuaciones no tiene solución.
b.- Multiplicamos la segunda fila por 2 y luego le restamos la primera fila,
multiplicamos la tercera fila por 2 y luego le restamos la primera fila, a la cuarta fila
le restamos la primera fila:
§2 1 1 2 ·
¨ ¸
¨ 0 5 1 8 ¸
¨ 0 1 9 16 ¸
¨ ¸
¨ 0 1 2 6 ¹
©
a la primera fila le multiplicamos por 5 y luego le restamos la segunda fila,
multiplicamos la tercera fila por 5 y luego le restamos la segunda fila,
multiplicamos la cuarta fila por 5 y luego le restamos la segunda fila:
§5 0 2 1·
¨ ¸
¨0 5 1 8¸
¨ 0 0 1 2 ¸
¨
¨ 0 0 1 2 ¸¹
©
a la primera fila le restamos 2 veces la tercera fila, a la segunda fila le restamos la
tercera fila y a la cuarta fila le sumamos la tercera fila:
§1 0 0 1 ·
¨ ¸
¨0 1 0 2 ¸
¨ 0 0 1 2 ¸
¨
¨ 0 0 0 0 ¸¹
©
el sistema tiene solución única, por lo tanto la solución general es: X (1 2 2)T .
c.- Multiplicamos la segunda fila por 2 y luego le restamos 3 veces la primera fila, a
la tercera fila le restamos 2 veces la primera fila, a la cuarta fila le multiplicamos por
2 y luego le restamos la primera fila:
§ 2 1 3 3 ·
¨ ¸
¨ 0 5 19 9 ¸
¨ 0 1 5 3 ¸
¨
¨ 0 7 29 15 ¸¹
©

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


SISTEMAS DE ECUACIONES LINEALES 159

a la primera fila le multiplicamos por 5 y luego le sumamos la segunda fila, a la


tercera fila le multiplicamos por 5 y luego le restamos la segunda fila, a la cuarta
fila le multiplicamos por 5 y luego le restamos 7 veces la segunda fila:
§ 5 0 2 3·
¨ ¸
¨ 0 5 19 9 ¸
¨0 0 1 1¸
¨ ¸
¨0 0 1 1¹
©
a la primera fila le sumamos 2 veces la tercera fila, a la segunda fila le sumamos
19 veces la tercera fila y a la cuarta fila le restamos la tercera fila:
§1 0 0 1·
¨ ¸
¨0 1 0 2¸
¨0 0 1 1¸
¨
¨ 0 0 0 0 ¸¹
©
el sistema tiene solución única, por lo tanto la solución general es:
X (1 2 1)T . ’

EJ E M P L O 4.2.7
Utilizando el método de Gauss-Jordan, solucionar los siguientes sistemas de
ecuaciones lineales:
­ x  y  3u  w 0 ­ x y z u w 7
° x  y  2 z  u 0 ° 3x  2 y  z  u  3w 2
° °
a.- ® ; b.- ® .
° 4 x  2 y  6 z  3u  4 w 0 ° y  2 z  2u  6w 23
°¯2 x  4 y  2 z  4u  7 w 0 °¯5 x  4 y  3z  3u  w 12
SO L U C I O N
a.- A la segunda fila le restamos la primera fila, a la tercera fila le restamos 4 veces
la primera fila y a la cuarta fila le restamos 2 veces la primera fila:
§ 1 1 0 3 1 0 ·
¨ ¸
¨ 0 2 2 2 1 0 ¸
¨ 0 2 2 5 0 0 ¸
¨
¨ 0 2 2 10 5 0 ¸¹
©
multiplicamos la primera fila por 2 y luego le restamos la segunda fila, a la tercera
fila le restamos la segunda fila y a la cuarta fila le sumamos la segunda fila:
§ 2 0 2 4 1 0 ·
¨ ¸
¨ 0 2 2 2 1 0 ¸
¨ 0 0 0 3 1 0 ¸
¨
¨ 0 0 0 3 1 0 ¸¹
©
multiplicamos la primera fila por 3 y luego le sumamos 4 veces la tercera fila,
multiplicamos la segunda fila por 3 y luego le restamos 2 veces la tercera fila y a
la cuarta fila le restamos la tercera fila:
§ 6 0 6 0 7 0 ·
¨ ¸
¨ 0 6 6 0 5 0 ¸
¨ 0 0 0 3 1 0 ¸
¨
¨ 0 0 0 0 0 0 ¸¹
©
en esta matriz podemos observar que el sistema de ecuaciones lineales tiene un
número indeterminado de soluciones y éstas se dan de la siguiente manera:

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


160 SISTEMAS DE ECUACIONES LINEALES

T
§ 7t 5t t ·
X ¨ r  r r t¸ .
© 6 6 3 ¹
b.- A la segunda fila le restamos 3 veces la primera fila y a la cuarta fila le restamos
5 veces la primera fila:
§1 1 1 1 1 7 ·
¨ ¸
¨ 0 1 2 2 6 23 ¸
¨0 1 2 2 6 23 ¸
¨
¨ 0 1 2 2 6 23 ¸¹
©
a la primera fila le restamos la segunda fila, a la tercera fila le sumamos la
segunda fila y a la cuarta fila le restamos la segunda fila:
§ 1 0 1 1 5 16 ·
¨ ¸
¨0 1 2 2 6 23 ¸
¨0 0 0 0 0 0 ¸
¨ ¸
¨0 0 0 0 0 0 ¹
©
en esta matriz podemos observar que el sistema de ecuaciones lineales tiene un
número indeterminado de soluciones y éstas se dan de la siguiente manera:
X t  r  s  16 23  2t  2r  6s t r s . ’
T

EJ E M P L O 4.2.8
Utilizando el método de Gauss-Jordan, solucionar los siguientes sistemas de
ecuaciones lineales:
­ x  4 y  6 z  4u  w 0 ­ 2x  y  z  u  w 2
° x  y  4 z  6u  4 w 0 ° x  2y  z  u  w 0
°° °°
a.- ®4 x  y  z  4u  6w 0 ; b.- ® x  y  3z  u  w 3 .
°6 x  4 y  z  u  4 w 0 ° x  y  z  4u  w 2
° °
°̄4 x  6 y  4 z  u  w 0 °̄ x  y  z  u  5w 5
SO L U C I O N
a.- A la segunda fila le restamos la primera fila, a la tercera fila le restamos 4 veces
la primera fila, a la cuarta fila le restamos 6 veces la primera fila y a la quinta fila le
restamos 4 veces la primera fila:
§1 4 6 4 1 0·
¨ ¸
¨ 0 3 2 2 3 0¸
¨ 0 15 23 12 2 0 ¸
¨ ¸
¨ 0 20 35 23 2 0 ¸
¨ 0 10 20 15 3 0 ¸
© ¹
a la primera fila le multiplicamos por 3 y luego le restamos 4 veces la segunda fila, a
la tercera fila le restamos 5 veces la segunda fila, a la cuarta fila le multiplicamos por
3 y luego le restamos 20 veces la segunda fila, a la quinta fila le multiplicamos por 3
y luego le restamos 10 veces la segunda fila:
§ 3 0 10 20 15 0 ·
¨ ¸
¨ 0 3 2 2 3 0¸
¨ 0 0 13 22 13 0 ¸
¨ ¸
¨ 0 0 65 109 66 0 ¸
¨ 0 0 40 65 39 0 ¸
© ¹
a la primera fila le multiplicamos por 13 y luego le sumamos 10 veces la tercera fila,
a la segunda fila le multiplicamos por 13 y luego le restamos 2 veces la tercera fila, a
la cuarta fila le restamos 5 veces la tercera fila, a la quinta fila le multiplicamos por
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
SISTEMAS DE ECUACIONES LINEALES 161

13 y luego le restamos 40 veces la tercera fila:


§ 39 0 0 40 65 0·
¨ ¸
¨ 0 39 0 70 65 0¸
¨0 0 13 22 13 0¸
¨ ¸
¨0 0 0 1 1 0¸
¨0 0 0 35 13 0 ¸¹
©
a la primera fila le restamos 40 veces la cuarta fila, a la segunda fila le restamos 70
veces la cuarta fila, a la tercera fila le sumamos 22 veces la cuarta fila, a la quinta fila
le restamos 35 veces la cuarta fila:
§ 39 0 0 0 105 0 ·
¨ ¸
¨ 0 39 0 0 135 0 ¸
¨0 0 13 0 35 0 ¸
¨ ¸
¨0 0 0 1 1 0 ¸
¨0 0 0 0 1 0 ¸¹
©
a la primera fila le restamos 105 veces la quinta fila, a la segunda fila le restamos 13
veces la quinta fila, a la tercera fila le sumamos 35 veces la quinta fila, a la cuarta fila
le sumamos la quinta fila:
§ 39 0 0 0 0 0·
¨ ¸
¨ 0 39 0 0 0 0 ¸
¨0 0 13 0 0 0 ¸
¨ ¸
¨0 0 0 1 0 0¸
¨0 0 0 0 1 0 ¸¹
©
en esta matriz podemos observar que el sistema de ecuaciones lineales tiene
solución única y ésta se expresa de la siguiente manera:
x = y = z = u = w = 0.
b.- A la segunda fila le multiplicamos por 2 y luego le restamos la primera fila, a la
tercera fila le multiplicamos por 2 y luego le restamos la primera fila, a la cuarta fila
le multiplicamos por 2 y luego le restamos la primera fila, a la quinta fila le
multiplicamos por 2 y luego le restamos la primera fila:
§2 1 1 1 1 2 ·
¨ ¸
¨ 0 3 1 1 1 2 ¸
¨0 1 5 1 1 4 ¸
¨ ¸
¨ 0 1 1 7 1 6 ¸
¨0 1 1 1 9 8 ¸
© ¹
a la tercera fila le multiplicamos por 3 y luego le restamos la segunda fila, a la cuarta
fila le multiplicamos por 3 y luego le restamos la segunda fila, a la quinta fila le
multiplicamos por 3 y luego le restamos la segunda fila:
§3 0 1 1 1 4·
¨ ¸
¨ 0 3 1 1 1 2 ¸
¨0 0 7 1 1 7¸
¨ ¸
¨ 0 0 1 10 1 8 ¸
¨ 0 0 1 1 13 13 ¸
© ¹
a la primera fila le multiplicamos por 7 y luego le restamos la tercera fila, a la
segunda fila le multiplicamos por 7 y luego le restamos la tercera fila, a la cuarta fila
le multiplicamos por 7 y luego le restamos la tercera fila, a la quinta fila le
multiplicamos por 7 y luego le restamos la tercera fila:

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


162 SISTEMAS DE ECUACIONES LINEALES

§7 0 0 2 2 7 ·
¨ ¸
¨0 7 0 2 2 7 ¸
¨0 0 7 1 1 7 ¸
¨ ¸
¨0 0 0 23 2 21¸
¨0 0 0 1 15 14 ¸¹
©
a la primera fila le multiplicamos por 23 y luego le restamos 2 veces la cuarta fila, a
la segunda fila le multiplicamos por 23 y luego le restamos 2 veces la cuarta fila, a la
tercera fila le multiplicamos por 23 y luego le restamos la cuarta fila, a la quinta fila
le multiplicamos por 23 y luego le restamos la cuarta fila:
§161 0 0 0 42 203 ·
¨ ¸
¨ 0 161 0 0 42 119 ¸
¨ 0 0 161 0 21 182 ¸
¨ ¸
¨ 0 0 0 23 2 21 ¸
¨ 0 0 0 0 1 1 ¸¹
©
a la primera fila le restamos 42 veces la quinta fila, a la segunda fila le restamos 42
veces la quinta fila, a la tercera fila le restamos 21 veces la quinta fila, a la cuarta fila
le restamos 2 veces la quinta fila:
§161 0 0 0 0 161 ·
¨ ¸
¨ 0 161 0 0 0 161¸
¨ 0 0 161 0 0 161 ¸
¨ ¸
¨ 0 0 0 23 0 23 ¸
¨ 0 0 0 0 1 1 ¸¹
©
en esta matriz podemos observar que el sistema de ecuaciones lineales tiene
solución única y ésta se expresa de la siguiente manera:
x = 1, y = -1, z = 1, u = -1, w =1. ’

EJ E M P L O 4.2.9
¿Cuál es la condición para que tres rectas
­ a1 x  b1 y  c1 0
°
® a2 x  b2 y  c2 0
°a x  b y  c 0
¯ 3 3 3
pasen por un punto?
SO L U C I O N
Las tres rectas forman un sistema de ecuaciones lineales no homogéneo
­ a1 x  b1 y  c1 0
°
® a2 x  b2 y  c2 0
°a x  b y  c 0
¯ 3 3 3
y, para que estas tres rectas pasen por un punto, el determinante formado por los
coeficientes del sistema y términos independientes debe ser igual a cero, es decir:
a1 b1 c1
a2 b2 c2 0 . ’
a3 b3 c3

I II. M E T O D O D E C R A M E R

La definición de un determinante de n x n es sugerida por sistemas de n ecuaciones


en incógnitas y en el presente método se deducirá la regla de Cramer, que expresa
las soluciones como cocientes de determinantes.
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
SISTEMAS DE ECUACIONES LINEALES 163

Para el trabajo numérico, son preferibles otras fórmulas, pero la regla de Cramer
tiene un interés práctico. Aunque para la resolución numérica es el método de
reducción más rápido, sobre todo si los coeficientes son números decimales, tiene
gran importancia la resolución por medio de determinantes, pues permite hacer a
discusión completa de los sistemas de ecuaciones lineales.

El valor de cada incógnita se obtiene dividiendo por el determinante del sistema, el


determinante formado sustituyendo por los términos independientes que están en los
segundos miembros, la columna que forman los coeficientes de dicha incógnita.

T E O R E M A 4.2.15
Sea A una matriz no singular de n x n. Entonces la única solución del
sistema no homogéneo A X = B está dada por
Det( A kB )
x k = xk para k = 1, 2, ..., n,
Det( A )
donde A kB es la matriz de orden n x n que se obtiene reemplazando la
columna k de A con B.
D E M OST R A C I O N
Si Det(A) z 0, entonces la matriz A es no singular y, por lo tanto X = A -1 B es la
solución única de A X = B. Por consiguiente se tiene
X = A -1 B
1
= ˜ Adj( A ) ˜ B
Det( A )
§ Det( A 11 ) Det( A 21 ) Det( A n1 ) · § b1 ·
¨ ¸¨ ¸
1 ¨ Det( A 12 ) Det( A 22 ) Det( A n 2 ) ¸ ¨ b2 ¸
=
Det( A ) ¨ ¸¨ ¸
¨¨ ¸¨ ¸
© Det( A 1n ) Det( A 2 n ) Det( A nn ) ¸¹ ¨© bn ¸¹
§ b1Det( A 11 ) + b2 Det( A 21 ) + + bn Det( A n1 ) ·
¨ ¸
1 ¨ b1Det( A 12 ) + b2 Det( A 22 ) + + bn Det( A n 2 ) ¸
= .
Det( A ) ¨ ¸
¨¨ ¸¸
© b1Det( A 1n ) + b2 Det( A 2 n ) + + bn Det( A nn ) ¹
Por tanto, el elemento de la j-ésima fila de X es
b1Det( A 1 j ) + b2 Det( A 2 j ) + + bn Det( A nj )
x( j ) = .
Det( A )
Ahora, sea
§ a11 a12 a1 j 1 b1 a1 j 1 a1n ·
¨ ¸
¨ a21 a22 a2 j 1 b2 a2 j 1 a2 n ¸
Aj ¨ ¸,
¨ ¸
¨ an1 an 2 anj 1 bn anj 1 ann ¸¹
©
Dado que A j difiere de A únicamente en la j-ésima columna, los cofactores de los
elementos b1, b2, ..., bn de A j son iguales a los cofactores de los elementos
correspondientes que están en la j-ésima columna de A. Como consecuencia, el
desarrollo por cofactores de Det(A j) a lo largo de la j-ésima columna es
Det(A j) = b1Det(A 1j) + b2Det(A 2j) + ... + bnDet(A nj).
Det( A j )
Al sustituir este resultado en (1) se obtiene x j .
Det( A )

Para resolver un sistema de n ecuaciones en n incógnitas por la regla de Cramer, se


necesita evaluar n + 1 determinantes de n x n. Desde el punto de vista del cálculo,
para sistemas con más de tres ecuaciones, la eliminación gaussiana resulta superior,
ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
164 SISTEMAS DE ECUACIONES LINEALES

puesto que sólo se ha de reducir una matriz aumentada (A | B) de n x n + 1. Sin


embargo, la regla de Cramer da una fórmula para la solución.
Debemos mencionar que es posible, aunque no muy práctico, aplicar la regla de
Cramer a sistemas de m ecuaciones lineales en n incógnitas. Si la matriz de los
coeficientes A y la matriz aumentada (A | B) tienen el mismo rango k, se sabe que
pueden asignárseles valores arbitrarios a n ± k incógnitas apropiadas, llamémoslas
xk+1, xk+2, ..., xn, tales que la submatriz de los coeficientes de las otras incógnitas x1, x2,
..., xk tenga rango k.

Esto implica que A y (A | B) tienen k vectores filas linealmente independientes,


digamos los primeros k vectores fila, y si k < m, entonces cualquiera de los otros
vectores fila es una combinación lineal de aquellos. Se deduce que las m ± k
ecuaciones correspondientes pueden reducirse a la forma 0 = 0 mediante operaciones
elementales. De esto se ve que pueden omitirse esas m ± k ecuaciones del sistema.
Ahora puede escribirse el sistema reducido en la forma
­ a11 x1  a12 x2   a1k xk b1  ( a1 k 1 xk 1   a1 n xn )
°
° a21 x1  a22 x2   a2 k xk b2  ( a2 k 1 xk 1   a2 n xn )
®
°
° a x  a x   a x b  (a
¯ k1 1 k2 2 kk k k k k 1 xk 1   a k n xn )
donde, si k = n, las expresiones de la derecha son b1, b2, ..., bk y resolverlo para x1,
x2, ..., xk mediante la regla de Cramer.

%  RESOLUCION  DE  UN  SISTEMA  DE  ECUACIONES  LINEALES  


clc;;clear;;  
fprintf('\n  METODO  DE  CRAMER  \n')  
fil=input('Ingrese  el  numero  de  incognitas:    ');;  
       %Ingreso  de  elementos  
       fprintf('Ingrese  los  coeficientes  del  sistema  de  ecuaciones\n')          
       for  f=1:fil  
                       for  c=1:fil    
                               fprintf('Ingrese  el  elemento  A:(%d,%d)',f,c)  
                               A(f,c)=input('  :');;  
                       end  
               end  
fprintf('\n  Ingrese  los  terminos  independientes\n')  
               %for  f=1:fil  
                       for  c=1:fil    
                               fprintf('Ingrese  el  elemento  B:(%d,%d)',f,c)  
                               B(c,1)=input('  :');;  
                       end  
                       %end  
       N=A(:,:);;  
       A  
               for  c=1:fil  
                               N(:,c)=B(:,1)  
                               DetN=det(N)  
DetA=det(A)  
                               fprintf('\n  La  incognita  (%d)  es  igual  X  :  ',  c)  
                               X=det(N)/det(A);;  
                               X  
                               N=A(:,:);;  
     end  
end  
       if  DetA==0  
               fprintf('EL  SISTEMA  DE  ECUACIONES  NO  TIENE  SOLUCION\n')      
       end  
end  

%  RESOLUCION  DE  UN  SISTEMA  DE  ECUACIONES  LINEALES  


ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS
SISTEMAS DE ECUACIONES LINEALES 165

clc;;clear;;  
fprintf('\n  METODO  DE  CRAMER  GENERALIZADO  \n')  
fil=input('Ingrese  el  numero  de  incognitas:    ');;  
       %Ingreso  de  elementos  
fprintf('Ingrese  los  coeficientes  del  sistema  de  ecuaciones\n')          
       for  f=1:fil  
                       for  c=1:fil    
                               fprintf('Ingrese  el  elemento  A:(%d,%d)',f,c)  
                               A(f,c)=input('  :');;  
                       end  
               end  
fprintf('\n  Ingrese  los  terminos  independientes\n')  
               %for  f=1:fil  
                       for  c=1:fil    
                               fprintf('Ingrese  el  elemento  B:(%d,%d)',f,c)  
                               B(c,1)=input('  :');;  
                       end  
               end  
       fprintf('LA  MATRIZ  A  ES  :\n')  
       A  
end  
       DetA=det(A)  
end  
       fprintf('LA  MATRIZ  B  ES:\n')  
       B  
       fprintf('LA  INVERSA  DE  A  ES:\n')  
       C=inv(A)  
       fprintf('EL  VECTOR  SOLUCION  X  ES:\n')  
       X=inv(A)*B;;  
       X  
       end  
end  
       if  DetA==0  
               fprintf('EL  SISTEMA  DE  ECUACIONES  NO  TIENE  SOLUCION\n')      
       end  
end  

  EJ E M P L O 4.2.10
Resolver el sistema
­ x  3 y  4z 1 ­ ( a  1) x  y  z a 2  3a
° °°
a.- ® x  y  3z 14 ; b.- ® x  ( a  1) y  z a 3  3a 2 .
° y  3z 5 ° 4 3
¯ °̄ x  y  ( a  1) z a  3a
SO L U C I O N
a.- La matriz de coeficientes es
§ 1 3 4 ·
¨ ¸
A¨ 1 1 3 ¸ .
¨ 0 1 3 ¸
© ¹
Encontramos que Det(A) = 13. Por la regla de Cramer,
§ 1 3 4 · § 1 1 4 ·
1 ¨ ¸ 117 1 ¨ ¸ 10
x Det ¨ 14 1 3 ¸  9 , y Det ¨ 1 14 3 ¸  ,
13 ¨ 5 1 3 ¸ 13 13 ¨ 0 5 3 ¸ 13
© ¹ © ¹
§ 1 3 1 ·
1 ¨ ¸ 25
z Det ¨ 1 1 14 ¸  .
13 ¨ 0 1 5¸ 13
© ¹
b.- La matriz de coeficientes es

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


166 SISTEMAS DE ECUACIONES LINEALES

§ a 1 1 1 ·
¨ ¸
¨ 1 a  A
1 1 ¸
¨ 1 1 a  1¸¹
©
Encontramos que Det(A) = a3 + 3a2. Por la regla de Cramer,
a 2  3a 1 1
1 3 2 3a 2  2 a 3  a 5
x a  3a a 1 1 a2  2 ,
a 3  3a 2 a 3  3a 2
a 4  3a 3 1 a 1

a 1 a 2  3a 1
1 2 a 4  5 a 3  3a 2
y 1 a 3  3a 2 1 2a  1 ,
a 3  3a 2 4 3
a 3  3a 2
1 a  3a a 1

a 1 1 a 2  3a
1 a 6  5 a 5  5 a 4  4 a 3  3a 2
z 3 2
1 a  1 a 3  3a 2 a 3  2a 2  a  1
a  3a a 3  3a 2
1 1 a 4  3a 3

EJ E M P L O 4.2.11
Utilizando el método de Cramer, solucionar los siguientes sistemas de ecuaciones
lineales:
­ x  2 y  3z  4u  5w 13 ­ x  2 y  3z  4u  w 1
°2 x  y  2 z  3u  4w 10 ° 2 x  y  3z  4u  2w 8
°° °°
a.- ® 2 x  2 y  z  2u  3w 11 ; b.- ® 3x  y  z  2u  w 3 .
° 2 x  2 y  2 z  u  2w 6 °4 x  3 y  4 z  2u  2 w 2
° °
°̄ 2 x  2 y  2 z  2u  w 3 °̄ x  y  z  2u  3w 3
SO L U C I O N
a.- Calculamos los determinantes correspondientes:
13 2 3 4 5 1 13 3 4 5
10 1 2 3 4 2 10 2 3 4
' x 11 2 1 2 3 0 , ' y 2 11 1 2 3 62 ,
6 2 2 1 2 2 6 2 1 2
3 2 2 2 1 2 3 2 2 1
1 2 13 4 5 1 2 3 13 5
2 1 10 3 4 2 1 2 10 4
'z 2 2 11 2 3 62 , 'u 2 2 1 11 3 0,
2 2 6 1 2 2 2 2 6 2
2 2 3 2 1 2 2 2 3 1
1 2 3 4 13 1 2 3 4 5
2 1 2 3 10 2 1 2 3 4
'w 2 2 1 2 11 93 , ' 2 2 1 2 3 31 .
2 2 2 1 6 2 2 2 1 2
2 2 2 2 3 2 2 2 2 1
A continuación reemplazamos en cada una de las variables, y obtenemos la solución
general:
'x 0 ' y 62 ' z 62 'u 0
x 0, y 2, z 1 , u 0,
' 31 ' 31 ' 31 ' 31

ALGEBRA LINEAL CON MATLAB JOE GARCIA ARCOS


SISTEMAS DE ECUACIONES LINEALES 167

' w 93
w 3.
' 31
b.- Calculamos los determinantes correspondientes:
1 2 3 4 1 1 1 3 4 1
8 1 3 4 2 2 8 3 4 2
'x 3 1 1 2 1 96 , ' y 3 3 1 2 1 0,
2 3 4 2 2 4 2 4 2 2
3 1 1 2 3 1 3 1 2 3
1 2 1 4 1 1 2 3 1 1