Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Matrices y Determinantes
2.1
Introducci
on
2.2
Definici
on: Dado un conjunto C, una matriz A de orden m n de elementos de C es
toda coleccion de mn elementos de C colocados en m filas y n columnas, de la forma:
..
..
... ..
am1 am2 ... amn
Donde i = 1, . . . , m, y j = 1, . . . , n. La notacion usual es por tanto aij para representar
la componente fila-i columna-j de la matriz.
Al conjunto de las matrices de orden mn con componentes en el conjunto C se le denota
por Mmn (C). Consideraremos en este tema esencialmente matrices de n
umero reales,
es decir el conjunto Mmn (R), si bien la mayor parte de las propiedades y definiciones
que expondremos seran validas para cualquier otro tipo de conjunto.
Definiciones b
asicas:
Sea A una matriz de orden m n de n
umeros reales, A Mmn (R), A = (aij ),
i = 1, . . . , m, j = 1, . . . , n.
1. Si n = 1, entonces A es una matriz columna. Si m = 1, A es una matriz fila.
2. Si aij = 0, i, j, entonces A es la matriz nula de orden m n.
13
14
MATRICES Y DETERMINANTES
tr A =
aii
i=1
2.3
El conjunto de matrices de n
umero reales de m filas y n columnas, Mmn (R), tiene
estructura de espacio vectorial real (de dimension m n) con las operaciones suma y
producto por escalares definidas de la forma siguiente:
Suma: Dadas dos matrices A = (aij ) y B = (bij ) de orden m n, se define la matriz
suma: A + B, como la matriz m n cuyos elemento ij es: aij + bij , A + B = (aij + bij ).
Es decir, la suma se realiza elemento a elemento.
15
MATRICES Y DETERMINANTES
a11 . . . a1n
f1
(
)
.
..
..
= ... = c1 . . . cn
..
A = (aij ) =
.
.
am1 . . . amn
fm
{
}
siendo Sc = {c1 , c2 , . . . , cn } y Sf = f1 , . . . , fm los sistemas de vectores columna y de
vectores fila de A respectivamente. c1 , . . . , cn Rm , f1 , . . . , fn Rn .
cj = (a1j , a2j , . . . , amj ) ,
fi = (ai1 , ai2 , . . . , ain ) ,
2.4
j = 1, . . . , n
i = 1, . . . , m
h=1
Desde el punto de vista citado en el apartado anterior, mediante el cual vemos una
matriz de n
umeros reales como un sistema de vectores fila (o de vectores columna),
el producto de matrices puede interpretarse de la siguiente forma: para construir el
16
MATRICES Y DETERMINANTES
f1A
)
. (
B
.. cB
C = AB =
= (cij )
.
.
.
c
n
1
A
fm
Dadas las condiciones del producto, tanto las filas de A como las columnas de B son vectores del espacio vectorial Rp . Introduciremos ahora el producto escalar estandar en Rp ,
al que nos referiremos con mucho mas detalle en un tema proximo. Si v1 = (x1 , . . . , xp )
y v2 = (x1 , . . . , xp ) son dos vectores del espacio vectorial Rp , entonces llamaremos producto escalar estandar (o simplemente producto escalar) de v1 y v2 , y lo denotamos por
v1 v2 , (o alternativamente: v1 |v2 ) al n
umero real:
v1 v2 = x1 x1 + x2 x2 + . . . + xp xp
De esta forma, concluimos con que el producto de las matrices A y B puede expresarse
de la siguiente forma:
cij = fiA cB
j
C = A B = (cij ) ,
(
Ejemplo: Sean A =
)
1 2
0 1
(
yB=
)
1
0
2 3
1 2
17
MATRICES Y DETERMINANTES
A In = A
A3 = A A A ,
...
Matrices Invertibles
Definici
on: Una matriz cuadrada A Mnn (R) es invertible si existe otra matriz de
igual tama
no, llamada inversa de A y que denotaremos A1 , que verifica:
A A1 = A1 A = In
18
MATRICES Y DETERMINANTES
2.5
19
MATRICES Y DETERMINANTES
E23
1 0 0
= 0 0 1 ,
0 1 0
E1 (7) = 0
0
0
1
0
0 ,
1
1 0 0
E31 (5) = 0 1 0
5 0 1
Proposici
on: Sea A una matriz A Mmn (R). Sea E una matriz elemental (por filas)
de orden m m. Entonces la matriz producto E A es igual a la matriz que se obtiene
al realizar en A la transformacion elemental por filas correspondiente a la matriz E.
Nota: Esta proposicion es cierta para transformaciones por columnas, pero en ese caso
el producto debe realizarse por la derecha, es decir: A E.
Proposici
on: Las matrices elementales son invertibles y sus inversas son de nuevo
matrices elementales del mismo tipo. Es facil deducir (utilizando la proposicion anterior)
cuales son las inversas de las matrices elementales (tal y como se ha especificado antes
nos referiremos siempre, salvo que se especifique lo contrario, a matrices elementales por
filas).
- Matrices Eij . Si a la matriz Eij se le aplica la transformacion elemental Fij se obtiene
obviamente la identidad, as tendremos:
1
Eij Eij = I Eij
= Eij
20
MATRICES Y DETERMINANTES
- Matrices Eij (k). Si se aplica Fij (k) a Eij (k) resulta nuevamente la identidad.
(Eij (k))1 = Eij (k)
Definici
on: Una matriz A es equivalente por filas a otra matriz A si A se obtiene
aplicando un n
umero finito de transformaciones elementales por filas en A.
De esta forma, si A se obtiene aplicando p transformaciones elementales por filas en
A, tendremos que existen p matrices elementales: E1 , E2 , . . . , Ep de tal manera que:
A = Ep Ep1 . . . E1 A
La matriz:
P = Ep Ep1 . . . E1
recibe el nombre de matriz de paso de A a A . En general, por tanto, una matriz de
paso no es mas que una matriz producto de matrices elementales (evidentemente nos
referimos a matrices de paso por filas, de manera analoga se definiran las matrices de
paso por columnas).
Proposici
on: Si P es una matriz de paso, entonces es invertible, y su inversa es la
matriz de paso de la transformacion inversa. Es decir:
A = P.A A = P 1 .A
Teniendo en cuenta las propiedades de las matrices invertibles, se obtiene de manera
directa:
P = Ep Ep1 . . . E1 P 1 = E11 E21 . . . Ep1
La consecuencia inmediata de los razonamientos anteriores es que si A es equivalente
por filas a A, entonces A tambien lo es a A . De hecho se trata de una relacion de
equivalencia (como puede comprobarse trivialmente) en el conjunto de las matrices de
un tama
no dado, y lo denotaremos de la forma: A A .
Definici
on: Sea A Mmn (R) una matriz n
umero de filas menor o igual que de
columnas, es decir: m n. Se dice que A es una matriz escalonada por filas si cada
vector fila de A comienza con un n
umero de ceros superior a la fila anterior. En el caso
de matrices con mayor n
umero de filas que de columnas, m > n, la definicion anterior
es valida para las primeras n filas, siendo necesariamente nulas las m n filas restantes.
Para el caso particular de matrices cuadradas, de la definicion anterior se deduce que
una matriz escalonada por filas es necesariamente triangular superior.
El concepto de matriz escalonada por filas es completamente analogo al de sistema de
vectores escalonado que fue introducido en el tema anterior. De hecho una matriz es
21
MATRICES Y DETERMINANTES
escalonada por filas si su sistema de vectores fila es un sistema escalonado. Las tecnicas
de eliminacion gaussiana que planteamos entonces para los sistemas de vectores son ahora
igualmente validas, y as, trivialmente, toda matriz (del tama
no que sea) es equivalente
por filas a una matriz escalonada por filas.
Teorema: Sea A Mnn (R) una matriz cuadrada. La condicion necesaria y suficiente
para que A sea una matriz invertible es que sea equivalente por filas a la matriz identidad.
Demostraci
on: Como es logico, separaremos la demostracion en dos partes:
A es invertible A es equivalente por filas a la matriz identidad.
Por medio de elimacion gaussiana la matriz A es equivalente por filas a una matriz escalonada U
(dado que es cuadrada, de hecho es triangular superior). Demostremos que entonces los elementos
diagonales de U deben ser no nulos necesariamente. Si alguno de los elementos diagonales fuera
nulo, entonces la u
ltima fila de U sera completamente nula, dado que esta escalonada por filas.
Pero entonces U no podra ser una matriz invertible (una matriz invertible no puede tener una fila
nula, pues su producto con otra matriz cualquiera generara siempre una fila nula en el resultado,
lo cual impide la obtencion de la matriz identidad). Sin embargo, tenemos que:
U = Ep Ep1 . . . E1 A
y as U es igual al producto de p + 1 matrices invertibles, luego es invertible. Concluimos por
tanto que uii = 0, i = 1, . . . , n.
Aplicando entonces las n transformaciones elementales por filas Fi ( u1ii ) a U , convertiremos
la matriz en una cuya diagonal principal sea enteramente de unos. A continuacion, basta con
utilizar la eliminacion gaussiana hacia arriba (proceso habitualmente llamado remonte),
comenzando por la u
ltima fila y eligiendo como pivotes los elementos de la diagonal. El proceso
concluir
a al obtenerse la matriz identidad.
A es equivalente por filas a la matriz identidad A es invertible.
Si A I, entonces existen r matrices elementales de manera que:
I = Er Er1 . . . E1 A I = P A ,
P = Er Er1 . . . E1
pero entonces es evidente que la matriz de paso P no es mas que la matriz inversa de A, y en
consecuencia A es invertible. Q.E.D.
M
etodo de C
alculo de la Matriz Inversa: Una posible manera de calcular la matriz
inversa de una matriz invertible A se deduce directamente del Teorema anterior. La
matriz inversa es simplemente la matriz de paso que lleva de A a la identidad mediante
transformaciones elementales por filas. Si escribimos (I|A), es decir la matriz identidad
y la matriz A como si constituyeran una matriz n (2n), y aplicamos transformaciones
elementales a dicha matriz doble hasta llegar a que A se convierta en la identidad,
entonces, trivialmente, la matriz identidad original, bajo las mismas transformaciones,
se convertira en la matriz de paso, es decir, la matriz inversa de A
(I|A) . . . (A1 |I)
22
MATRICES Y DETERMINANTES
A= 1
0
Se tiene que:
1 0 1
1 2 2
0 1 1
1 0
1
0 1
1
0 0 1
0 1
2 2
1 1
1 0
0
1 0 1 1 0 0
0 0 1 1 0 0 1 0 1
1
1 2 2 0 1 0
0 2
0 0
1 0
0
1 0 1 1
0 1
0 0
1 0 1 1 0
1 1 2
0 0 1 1 1 2
1 0
0 1
0 0
1 0 0
0 0 1
1 1 0
0
1 0 0
0 1 0 1
1
0 0 1
1
1
1
1
1
1
1
2
A1
0
1 2
= 1
1 1
1 1
2
Factorizaci
on L U
Una interesante aplicacion de las matrices elementales es la descomposicion L U de una
matriz cuadrada A. Se trata de encontrar dos matrices, una triangular inferior, L, y
otra triangular superior, U , de tal manera que A = L U . Esta descomposicion tiene
especial utilidad en la resolucion de sistemas de ecuaciones lineales, que veremos en un
tema posterior.
Como veremos a continuacion, no siempre es posible esta descomposicion. Analicemos el caso A M33 (R): buscamos una matriz L = (lij ) triangular inferior, lij = 0,
i < j, y tal que todos los elementos diagonales sean igual a 1: lii = 1, i = 1, 2, 3:
a12 = u12
a13 = u13
a21
a11
a31
a11
23
MATRICES Y DETERMINANTES
y as l21 y l31 son calculables en terminos de los coeficientes aij (siempre y cuando
a11 = 0). Pasemos a la segunda fila:
a22 = l21 u12 + u22 u22 = a22 l21 u12
1 1
0
A1 = 1
2 1
0 1
2
1 1
0
1 1
0
1
F21 (1)
F32 (1)
A = 1
2 1 0
1 1 0
0 1
2
0 1
2
0
1
0
1 1 = U
0
1
24
MATRICES Y DETERMINANTES
1
1
A1 = (F32 (1)F21 (1))1 U = F21
(1)F32
(1)U = F21 (1)F32 (1)U L = F21 (1)F32 (1)
1
1
0 0
A = L U = 1
1 0 0
0
0 1 1
2.6
1
1
1
1
0
Definici
on: Se llama rango por filas de una matriz A Mmn (R) al rango del
sistema de vectores fila de A, rf (A) = rango(Sf ) = dim L(Sf ), con Sf = {f1 , . . . , fm }.
Evidentemente, coincide con el n
umero de filas linealmente independientes que aparecen
en la matriz A.
De manera equivalente se define el rango por columnas de A, considerando ahora,
logicamente, el sistema de vectores columna de A: Sc = {c1 , . . . , cn }. rc (A) = rango(Sc )
= dim L(Sc ).
Teorema del Rango: (primera version). Dada una matriz A Mmn (R), su rango
por filas y su rango por columnas coinciden.
Demostraci
on. Demostraremos que si el rango por filas de una matriz A es rf (A) = r, y el
rango por columnas es rc (A) = r , entonces se cumple necesariamente que: r r.
Supongamos que la matriz A esta presentada de manera que son precisamente las r primeras filas
las que son linealmente independientes (intercambiando filas si fuera necesario, lo que obviamente
no afecta al rango por filas).
a11
a21
A=
ar1
a
r+1,1
am,1
a1r
a2r
arr
ar+1,r
am,r
a12
a22
ar2
ar+1,2
am,2
a1,r+1
a2,r+1
ar,r+1
ar+1,r+1
am,r+1
a1n
a2n
arn
ar+1,n
am,n
(i)
k fk ,
i = r + 1, ..., m
k=1
k=1
(i)
k akj ,
i = r + 1, ..., m ;
j = 1, ..., n
25
MATRICES Y DETERMINANTES
=
=
=
(m)
(r+1)
akj , ...,
k akj ) =
(a1j , a2j , ..., arj ,
k
k=1
k=1
(r+1)
(m)
(r+1)
(m)
a1j (1, 0, ..., 0, 1
, ..., 1 ) + a2j (0, 1, ..., 0, 2
, ..., 2 )
, ..., (m)
+arj (0, 0, ..., 1, (r+1)
r
r )
+ ... +
y por tanto cualquier columna puede expresarse como una combinacion lineal de r vectores. Esto
significa que el rango del sistema de columnas, es decir r , es necesariamente menor o igual que
r, puesto que todas las columnas pertenecen a un subespacio generado por r vectores.
Repitiendo el mismo razonamiento pero comenzando el mismo con las columnas deduciramos
que r r, y as, en definitiva, tendremos que r = r . Q.E.D.
2.7
Determinantes. Definici
on
Grupo Sim
etrico
Denominemos N al conjunto de los n primero n
umero naturales: N = {1, 2, ..., n}.
Llamaremos Sn al conjunto de todas las permutaciones posibles de dichos n
umeros.
Definici
on: Llamaremos permutacion de n elementos a toda aplicacion biyectiva del
conjunto N = {1, 2, ..., n} en s mismo:
(
)
1
2
...
n
:N N ,
1 =
1 2
2 =
3 =
)
2 1
26
MATRICES Y DETERMINANTES
(
4 =
(
5 =
2 3 1
)
3 1 2
(
6 =
)
3
Recordemos que el n
umero de permutaciones de n elementos, es decir el cardinal de Sn ,
es el factorial de n, n!.
Composici
on (Producto) de permutaciones: Dadas dos permutaciones 1 y 2 de
los elementos del conjunto N , se define el producto de permutaciones, que denotaremos
como 2 1 , como la simple composicion de ambas aplicaciones, es decir, la permutacion:
(
2 1
1
2
...
n
2 (1) 2 (2) ... 2 (n)
) (
1
2
...
n
=
+1 si es par
1 si es impar
27
MATRICES Y DETERMINANTES
Definicion de Determinante
Definici
on: Dada una matriz cuadrada A de n
umeros reales, A = (aij ), se llama
determinante de A, |A| o det(A), al n
umero real:
det(A) = |A| =
sign() a1(1) a2(2) ... an(n)
Sn
det(A) = |A| =
sign() a(1)1 a(2)2 ... a(n)n
Sn
|A| =
sign() a1(1) a2(2) = 1 a11 a22 + (1) a12 a21 = a11 a22 a12 a21
S2
|A| =
sign() a1(1) a2(2) a3(3) =
S3
= 1a11 a22 a33 1a11 a23 a32 1a12 a21 a32 + 1a12 a23 a31 1a13 a22 a31 + 1a13 a21 a32 =
= a11 a22 a33 + a12 a23 a31 + a13 a21 a32 (a13 a21 a32 + a12 a21 a33 + a11 a23 a32 )
que frecuentemente es llamada Regla de Sarrus.
2.8
f1
f2
A = (aij ) =
..
.
fn
y as f1 , . . . , fn son los vectores fila de A.
28
MATRICES Y DETERMINANTES
fn
fn
fn fn
fn
y analogamente para cualquiera de las restantes filas. En el Tema proximo se explicara
con detalle que significa el concepto de aplicacion lineal.
3. Si la matriz A tiene una fila nula, entonces |A| = 0.
4. Si la matriz A se obtiene intercambiando en A el orden de dos filas, entonces |A | =
|A|, es decir el determinante cambia de signo bajo una transformacion elemental por
filas de tipo Fij . Como consecuencia directa de esta propiedad, si una matriz tiene dos
filas iguales automaticamente su determinante es nulo.
5. Si la matriz A se obtiene aplicando una transformacion elemental por filas de tipo
Fi (k) en la matriz A, entonces: |A | = k |A|. Notese que esta propiedad esta incluida
en la anteriormente expuesta Propiedad 2.
6. Si la matriz A se obtiene aplicando en A una transformacion elemental de tipo Fij (k),
entonces sus determinantes coinciden, es decir: |A | = |A|.
7. Si A es una matriz triangular (superior o inferior), entonces el determinante de A
es igual al producto de los elementos de la diagonal principal de A. En particular,
evidentemente, esta propiedad se aplica a las matrices diagonales.
8. El determinante del producto de dos matrices A y B es igual al producto de los
determinantes de cada matriz, es decir: |A B| = |A| |B|.
9. Si una de las filas de la matriz A depende linealmente de las demas, entonces |A| = 0.
Entonces evidentemente, si |A| = 0, el sistema de vectores fila de A es un sistema libre.
10. Una matriz A es invertible si y solo si su determinante es distinto de cero. Ademas,
el determinante de la matriz inversa es igual al inverso del determinante de la matriz A.
2.9
Definici
on: Dada una matriz A de orden m n, llamaremos menor de orden p de A
al determinante de cualquier submatriz que se obtenga a partir de A por la interseccion
de p filas y p columnas.
29
MATRICES Y DETERMINANTES
Definici
on: Dada una matriz cuadrada A se llama menor complementario ij de la
posicion ij al menor de orden n 1 que se obtiene al eliminar en A la fila iesima y la
columna jesima.
Definici
on: Sea A una matriz cuadrada de orden n, se llama adjunto del elemento ij
al n
umero real:
Aij = (1)i+j ij
Definici
on: Sea A una matriz cuadrada de orden n. Se llama matriz adjunta de la
matriz A, y de denota por Ad(A) a la matriz que tiene como elementos a los adjuntos
de los elementos de la matriz A: Ad(A) = (Aij )
Proposici
on: Sea A Mnn (R) una matriz invertible, entonces se verifica:
A1 =
1
1
Ad(At ) =
(Ad(A))t
|A|
|A|
Proposici
on. Desarrollo de un determinante por una fila o columna. Sea A Mnn (R)
una matriz cuadrada, entonces se verifica:
|A| =
|A| =
i=1
n
aij Aij
j = 1, . . . , n
aij Aij
i = 1, . . . , n
j=1
La primera expresion es lo que se conoce como desarrollo del determinante por la columna
jesima, mientras que la segunda es el desarrollo por la fila iesima. Esta propiedad de
los determinantes (llamada a veces Desarrollo de Lagrange) nos indica que es posible reducir el calculo de un determinante de orden n a una combinacion lineal de determinantes
de orden n 1 (los que aparecen en los adjuntos correspondientes). En particular, una
elecci
on adecuada de la fila o columna por la que se va a desarrollar permite simplificar
mucho el calculo final.
2.10
En una seccion anterior se deficio el rango por filas y el rango por columnas de una matriz
A Mmn (R). Definiremos ahora una tercera posibilidad, el rango por menores:
Definici
on: Se llama rango por menores de una matriz A Mmn (R) al mayor de los
ordenes de los menores no nulos contenidos en dicha matriz.
Teorema del Rango. Dada una matriz A Mmn (R), su rango por filas, su rango
por columnas y su rango por menores coinciden.
Gracias a este Teorema toda matriz de n
umeros reales tiene un u
nico rango definido
que puede ser calculado independientemente por filas, por columnas o por menores.