Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MATRICES Y DETERMINANTES
1 4 7
1 3
A2 = A3 = 2 5 8
2 4 3 6 9
Ejemplo 1-1
3 2 1 0
A = 1 0 B = 1 1
4 1 2 1
4 2 2 2
A + B = 2 1 AB= 0 1
6 0 2 2
Propiedades de la suma:
i) Asociativa:
A, B, C Mn m : A + (B + C) = (A + B) + C
ii) Conmutativa
A, B Mn m : A+B=B+A
iii) Elemento neutro:
A Mn m , O Mn m / A + O = O + A = A
iv)Elemento opuesto:
A Mn m -A Mn m / A + (-A) = O
A la matriz A se denomina matriz opuesta de A y resulta de considerar la
matriz cuyos elementos son los opuestos de los elementos de A.
1.2-3 Producto de un escalar por una matriz
Dado un escalar y una matriz A Mn m, se define el producto A = A
como otra matriz del mismo orden, que resulta de multiplicar por cada elemento
de A:
a11 a12 ... a1m a11 a12 ... a1m
A =
a 21 a 22 ... a 2m
= a 21 a 22 ... a 2m
= A
... ... ... ... ... ... ... ...
a n1 a n 2 ... a nm a n1 a n 2 ... a nm
Ejemplo 1-2
1 1 0 5 1 5 (1) 5 0 5 5 0
5 = =
2 1 3 5 2 5 1 5 3 10 5 15
Propiedades del producto de un escalar por una matriz:
i) Asociativa respecto del producto por escalares: , y A Mn m
( ) A = ( A)
ii) Conmutativa: y A Mn m
. A = A.
iii) Distributiva respecto de la suma de matrices: y A, B Mn m
(A + B) = A + B
1
B A= (1 2 3) 2 = (11 + 2 2 + 3 3) = (14 )
3
1 3 3 1 1 1
Los dems productos A C, C A, B C, C B no son compatibles y no se
pueden realizar.
Propiedades del producto de matrices:
i) Asociativa: A, B, C Mn m
A (B C) = (A B) C
ii) Distributiva respecto a la suma de matrices: A, B, C Mn m
A (B + C) = A B + A C
(B + C) A = B A + C A
iii) El producto de matrices no siempre es conmutativo: A, B Mn m
A B B A
- Cuando dos matrices verifican que A B = B A se dicen conmutativas
Es condicin obligada aunque no suficiente que las matrices sean cuadradas
para que conmuten.
- Cuando dos matrices verifican A B = - B A se dicen anticonmutativas.
iv) El producto de matrices tiene divisores de cero: A, B Mn m
Si A B = O no necesariamente A = O o B = O
Ejemplo 1-4
1 1 3 2
Dadas las matrices A = O y B = O
1 1 3 2
1 1 3 2 0 0
AB = = = O
1 1 3 2 0 0
v) El producto de matrices no verifica la propiedad de simplificacin:
A, B, C Mn m
Si A B = A C no necesariamente B = C
Ejemplo 1-5
A B = A C B C
1 1 3 2 1 1 2 1
=
1 1 3 2 1 1 2 1
3 2 2 1
B = =C
3 2 2 1
2 0 0 0
0 2 0 0
M escalar =
0 0 2 0
0 0 0 2
La ms usual de estas matrices escalares es la matriz identidad (unidad), cuya
diagonal est formada por unos.
1 0 0 0
1 0 0
1 0 0 1 0 0
I2 = , I3 = 0 1 0 , I 4 = ....etc
0 1 0 0 1 0 0 1 0
0 0 0 1
Matriz inversa: Dada una matriz cuadrada A decimos que tiene inversa B si:
A B = B A = I
A la inversa de A se le denota por A-1 = B y entonces la definicin se convierte
en A A-1 = A-1 A = I
Hay matrices que tienen inversa, se les llama regulares o invertibles y otras
que no tienen inversa, se dice singulares.
Propiedades:
A-1 es nica
(A-1 )-1 = A
(A B)-1 =B-1 A-1
( A)-1 = 1 A-1 0
Matriz simtrica: Se dice que una matriz cuadrada es simtrica, cuando sus
elementos son simtricos respecto a la diagonal principal.
1 2 1
2 0 4
1 4 3
Matriz antisimtrica: Se dice que una matriz cuadrada es antisimtrica, cuando
sus elementos simtricos respecto a la diagonal principal son iguales pero opuestos
y los elementos de la diagonal nulos.
0 5 1 4
5 0 3 2
1 3 0 1
4 2 1
0
1.3-2 Propiedades de las matrices cuadradas:
i ) El producto de dos matrices triangulares, ambas superiores o inferiores, es
otra matriz superior o inferior.
Ejemplo 1-6
1 2 1 2 1 1 2 1 10
0 3 0 0 0 4 = 0 0 12
0 0 1 0 0 1 0 0 1
1 0 0 2 0 0 2 0 0
1 2 0 3 0 0 = 8 0 0
2 3 3 1 2 1 16 6 3
ii)El producto de dos matrices diagonales, es otra matriz diagonal.
Ejemplo 1-7
1 0 0 3 0 0 3 0 0
0 2 0 0 2 0 = 0 4 0
0 0 3 0 0 1 0 0 3
iii) Las matrices diagonales conmutan entre s.
Ejemplo 1-8
1 0 0 3 0 0 3 0 0 3 0 0 1 0 0
0 2 0 0 2 0 = 0 4 0 = 0 2 0 0 2 0
0 0 3 0 0 1 0 0 3 0 0 1 0 0 3
iv) Para la matriz identidad se verifican las relaciones siguientes:
An m Im = An m
In An m = An m
Ejemplo 1-9
1 0 0
1 0 2 1 0 2
A2 3 I3 = A2 3 0 2 3 0 1 0 =
0 2 3
0 0 1
1 0 2 1 2 2 1 2
I2 A2 3 = A2 3 =
0 1 1 4 3 1 4 3
Ejemplo 1-10
1 0
1 2 4
A = transpuesta 2 3 = At
0 3 5 4 5
1
B = 3 transpuesta (1 3 -2 ) = Bt
2
Propiedades:
i) (At)t = A
ii) ( A)t = At
iii) (A B)t = At Bt
iv) (A B)t = Bt At
v) Si A es simtrica A = (A)t
vi) Si A es antisimtrica - A = (A)t
1.4-1 Teoremas relativos a matrices simtricas:
Teorema 1.- Dada una matriz cuadrada A , A + At es una matriz simtrica
En efecto, sea S = A + At comprobemos que S es simtrica:
St = (A + At) t =At + At t = At + A = A + At = S
Ejemplo 1-11
1 0
Hallar una matriz simtrica a partir de A =
2 3
1 0 1 2 2 2
S = A + At = + =
2 3 0 3 2 6
1 0 1 2 0 2
T = A-At = =
2 3 0 3 2 0
Teorema 3.- Toda matriz cuadrada A se puede expresar como suma de una
matriz simtrica y otra antisimtrica:
A=S+Tt
En efecto:
1
S = (A + A t ) es tambin simtrica
S = A + A simtrica 2
t
Sean t
T = A A antisimtrica T = 1 (A A t ) es tambin antisimtrica
2
Sumando esas ecuaciones:
1 1
S+T = (A + A t ) + (A A t ) = A
2 2
Ejemplo 1-13
2 1
Expresar la matriz como suma de una matriz simtrica y otra
3 5
antisimtrica.
1 1 2 1 2 3 1 4 2 2 1
S = (A + A t ) = + = =
2 2 3 5 1 5 2 2 10 1 5
1 1 2 1 2 3 1 0 4 0 2
T = (A A t ) = = =
2 2 3 5 1 5 2 4 0 2 0
2 1 0 2 2 1
A = + =
1 5 2 0 3 5
Teorema 4.- Dada una matriz cualquiera A = An m , S = A At y R = At A
son matrices simtricas.
Sea S = A At para ver que es simtrica St = (A At )t = (At)t At = A At = S
R = At A simtrica Rt = (At A)t = At (At)t = At A = R
Ejemplo 1-14
2 3
Hallar una matriz simtrica a partir de A = 1 0
4 1
2 3 13 2 5
t 2 1 4
S = A A = 1 0 = 2 1 4
4 1 3 0 1 5 4 17
2 3
t 2 1 4 21 2
R=A A= 1 0 =
3 0 1 2 10
4 1
2 3
= 2 1 ( 3) 1 = 5
1 1
2 1 1
0 1 2 = 2 1 3 + 1 0 0 + ( 1) ( 2) ( 2) [1 1 ( 2) + 2 0 ( 2) + ( 1) 0 3] =
2 0 3
= 6 + 0 4 ( 2 + 0 + 0) = 0
1 0 2 0
1 2 0 1
= 1 A11 + 0 A12 + 2 A13 + 0 A14 =
1 1 4 1
3 1 3 2
2 0 1 1 2 1
1+1 1+ 3
= 1 (1) 1 4 1 + 0 m12 + 2 (1) 1 1 1 + 0 m14 =
1 3 2 3 1 2
cuando llegamos a un determinante de orden tres, podemos aplicar Sarrus:
1 2 1 2 1
0 0 1 1 1
Calcular por el mtodo del pivote el determinante 1 1 0 0 0
0 0 1 1 2
1 2 2 1 1
1 2 1 2 1 1 2 1 2 1
0 0 1 1 1 0 0 1 1 1
1 1 0 0 0 = 3 fila 1 fila = 0 1 1 2 1 =
0 0 1 1 2 0 0 1 1 2
1 2 2 1 1 1 2 2 1 1
1 2 1 2 1
0 0 1 1 1
= F5 F1 = 0 1 1 2 1
0 0 1 1 2
0 0 1 1 0
0 1 1 1 0 1 1 1
1 1 2 1 1 1 2 1
1 A11 =1 (1)1+1 = =
0 1 1 2 0 1 1 2
0 1 1 0 0 1 1 0
repito el proceso desarrollando el determinante por la columna:
1 1 1 1 1 1 1 2 1
(-1) A21 = (1) (1) 2 +1 1 1 2 = 1 1 2 = F1 + F2 = 1 2 2
1 1 0 1 1 0 1 0 0
y por ltimo si aplico el proceso por la 3 fila:
2 1
(-1) A31 = 1 (1)3+1 =2
2 2
Antes de desarrollar el mtodo siguiente, vamos a comentar las propiedades
ms singulares de los determinantes, para su clculo:
Propiedades:
a) Si los elementos de una fila o columna son nulos el valor del determinante
es nulo.
b) Un determinante con dos filas o columnas paralelas iguales es nulo
c)Si un determinante tiene dos filas o columnas proporcionales su valor es nulo.
d)Si cambiamos dos filas o columnas el determinante cambia de signo.
e)Para multiplicar un nmero por un determinante se multiplica el nmero por
los elementos de una fila o columna cualquiera.(En un determinante se puede sacar
factor comn, siempre que exista un nmero que multiplique a todos los elementos
de una fila o columna)
f)
At = A
A = n A
AB = A B
1
A 1 =
A
1 2 1 2 1 1 2 1 2 1 1 2 1 2 1
0 0 1 1 1 0 0 1 1 1 0 0 1 1 1
1 1 0 0 0 = F3 F1 = 0 1 1 2 1 = F5 F1 = 0 1 1 2 1 =
0 0 1 1 2 0 0 1 1 2 0 0 1 1 2
1 2 2 1 1 1 2 2 1 1 0 0 1 1 0
cambiamos las filas 2 y 3 (cambia el signo)
1 2 1 2 1 1 2 1 2 1
0 1 1 2 1 0 1 1 2 1
0 0 1 1 1 = F4 F3 = 0 0 1 1 1 =
0 0 1 1 2 0 0 0 0 1
0 0 1 1 0 0 0 1 1 0
1 2 1 2 1
0 1 1 2 1
= F5 F4 = 0 0 1 1 1
0 0 0 0 1
0 0 0 2 1
cambiamos 4 y 5 fila para dejarle triangular(el determinante cambia de signo):
1 2 1 2 1
0 1 1 2 1
=F45= () () 0 0 1 1 1 = 1 (1) 1 (2) 1 = 2
0 0 0 2 1
0 0 0 0 1
2 3 2 1 2 1
1 1 1 1 2 3
1 3 1 1 4
= 10 4 2
1 1 1 1
Adj( A nt ) =
3 1 3 1 1 3
7 7 0
1 2
1 2 1 2
3 1 3 1 1 2
Resultado:
Adj(A t )
-1
A =
A
Ejemplo 1-20
1 1 3
Calcular la matriz inversa de 2 2 1
1 3 1
1 2 1 1 1 4
t t
A = 14 A = 1 2 3 Adj(A ) = 10 4 2
3 1 1 7 7 0
1 1 4
-1Adj(A t ) 1
A = = 10 4 2
A 14
7 7 0
1
Multiplicar una fila por k 0
Multiplicar una fila por k 0 k
2 0 1 1 2 3
A =1 2 3 y B = 2 0 1
5 2 1 4 4 2
2 0 1 1 2 3 1 2 3
A = 1 2 3 F1,2 = 2 0 1 F3 -1.F1 = 2 0 1 = B
5 2 1 5 2 1 4 4 2
Ejemplo 1-22
1 1 1
Hallar la matriz inversa de A = 0 1 0
1 0 1
1 1 1 1 0 0 1 1 1 1 0 0 1 1 1 1 0 0
0 1 0 0 1 0 1 F1 = 0 1 0 0 1 0 F3 -1.F1 = 0 1 0 0 1 0
1 0 1 0 0 1 1 0 1 0 0 1 0 1 2 1 0 1
1 1 1 1 0 0 1 1 1 1 0 0
1
F3 -1.F2 = 0 1 0 0 1 0 F3 = 0 1 0 0 1 0
2
0 0 2 1 1 1 1 1 1
0 0 1
2 2 2
1 1 1 1 1 1
1 1 0 1 0 0
2 2 2 2 2 2
F1 +1.F3 = 0 1 0 0 1 0 F1 +1.F2 = 0 1 0 0 1 0
1 1 1 1 1 1
0 0 1 0 0 1
2 2 2 2 2 2
1 1 1
2 2 2
1 0 1 0
luego A =
1 1 1
2 2 2
i)Si tiene filas cuyos elementos son todos nulos, estn en las filas inferiores.
ii)El primer elemento distinto de cero de una fila (empezando por la izquierda),
se llama elemento pivote y a su columna, columna pivotal.
iii)Dadas dos filas sucesivas, el elemento pivote de la 2 fila est ms a la
derecha que el elemento pivote de la 1 fila.
Ejemplo 1-23
Formas escalonadas:
1 0 4 5 2 5 6
1 2 2 3 5 0
0 3 ; 0 3 1 2 ; 0 0 0 1 ; 0 1 4
0 0 0 0 0 0 3
Formas no escalonadas:
1 4 5
1 0 6 7
2 5 6 0 2 3
0 0 0 0 2 4 8
; 0 0 0 ; 0 0 1 ;
0 2 1 0 0 7 0 0 1 3
0 0 2
0 0 0 5 2
0 0
1.8.2 Forma reducida
Se llama forma reducida por filas de una matriz An m a toda matriz
escalonada con los pivotes unidad y los dems elementos de la columna del pivote,
nulos.
Ejemplo 1-24
1 0 3 1 3 0 0
1 2 0 3
0 1 2 ;
0 0 1 0 ; 0 0 1 4
0 0 0 0 0 0 1
1.8.3 Obtencin de una forma escalonada
El algoritmo para la obtencin de una forma escalonada se llama eliminacin
de Gauss o gaussiana y consta de los siguientes pasos:
1 Partiendo de la izquierda, buscamos en la 1 columna un elemento distinto de cero
que llevaremos a la 1 fila, si no le hay en la 1 fila, (mediante operaciones
elementales) y ser el 1er pivote. Seguidamente con las operaciones elementales
haremos ceros debajo del pivote.
2 Siguiendo a la derecha, buscamos en la 2 columna un elemento distinto de cero en
la 2 fila o siguientes filas. Se opera para tener un 2 pivote en la 2 fila, si est en las
siguientes filas. Seguidamente con las operaciones elementales haremos ceros debajo
del 2 pivote.
3 Seguimos sucesivamente movindonos hacia la derecha hasta no encontrar ms
pivotes.
1 2 1 2 1 0 1 2 1 2 1 0
F2 1 F1
1 2 4 1 4 3 0 0 3 3 3 3
F3 2 F1 =
2 4 5 1 5 2 0 0 3 3 3 2
F4 1 F1
1 3 1 2 6 0 0 1 0 0 5 0
1 2 1 2 1 0 1 2 1 2 1 0
0 0 3 3 3 3 0 1 0 0 5 0
F4,2 = F4 1 F3 =
0 0 3 3 3 2 0 0 3 3 3 2
0 1 0 0 5 0 0 0 3 3 3 3
1 2 1 2 1 0
0 1 0 0 5 0
=
0 0 3 3 3 2
0 0 0 0 0 5
Ejemplo 1-36
1 0
1 2 1 1
1 1 0 5
rg = 2 ; rg 0 -1 4 3 = 2 ; rg =2
0 3 0 0 0 0
0 0
0 0
1 0 0 0
2 1 0 0
L= donde los multiplicadores{1, 2 } se han cambiado de signo y
1 1 1 0
3 2 1
colocados en la segunda columna.
3 paso
2 8 1 1 2 8 1 1
0 3 1 3 0 3 1 3
0 0 1 1 F4 + 4 F3 0 0 1 1
=U
0 0 4 2 0 0 0 2
1 0 0 0
2 1 0 0
L= donde el multiplicador{ 4 } se han cambiado de signo y
1 1 1 0
3 2 4 1
colocado en la tercera columna.
Luego ya tenemos :
2 8 1 1 1 0 0 0 2 8 1 1
4 13 3 1 2 1 0 0 0 3 1 3
A= = = L U
2 5 3 3 1 1 1 0 0 0 1 1
6 18 1 1 3 2 4 1 0 0 0 2
Factorizacin de forma nica para toda matriz que cumpla los requisitos de
salida, es decir para matrices regulares y sin intercambios.
1 0 0 1 0 0
L = 2 1 0 despues de la permutacin P L = 2 1 0
2 0 1 2 0 1
Ejemplo 1.27
0 0 3
Factorizar A = 2 4 1
6 5 5
0 0 3 2 4 1 2 4 1
A = 2 4 1 F2,1 (P1 ) = 0 0 3 F3 3 F1 = 0 0 3
6 5 5 6 5 5 0 7 8
1 0 0 1 0 0
L = 0 1 0 despues de la permutacin P1 L = 0 1 0
3 1 3 1
2 4 1 2 4 1
0 0 3 F2,3 (P2 ) = 0 7 8 =U
0 7 8 0 0 3
1 0 0 1 0 0 0 1 0
L = 0 1 0 F2,3 (P2 ) L = 3 1 0 y P = P2 P1 = 0 0 1
3 1 0 0 1 1 0 0
P2.P1.A =L.U
En este caso, el resultado de la factorizacin no es nica ya que existen varias
matrices de permutacin para hacer la descomposicin.
1.9.3 Factorizacin de Cholesky: A = C Ct
Es un caso particular para matrices simtricas y con pivotes positivos (matrices
definidas positivas) resultando entonces que la factorizacin es en una matriz por su
traspuesta.
Ejemplo 1.28
4 8 16
Factorizar segn Cholesky la matriz: A = 8 20 44
16 44 109
Se basa en hallar U como una matriz escalonada pero reduciendo los pivotes en
su raz cuadrada en cada eliminacin gaussiana en las columnas. Usaremos un
algoritmo que simplifica su obtencin:
i) Dividimos la 1 fila por la raz del primer pivote y reducimos la 1 columna a
ceros menos el pivote:
4 8 16 2 4 8
1 F2 -4 F1
A = 8 20 44 F1 = 8 20 44
16 4 F3 -8 F1
44 109 16 44 109
2 4 8
= 0 4 12
0 12 45
ii) Dividimos la 2 fila por la raz del 2 pivote y reducimos por debajo del
pivote a ceros:
2 4 8 2 4 8
1 24 8
0 4 12 F2 = F3 -6 F2 = 0 2 6
0 12 45 4 0 2 6 0 0
0 12 45 9
iii) Dividimos la 3 fila por la raz del 3er pivote:
2 4 8 2 4 8 2 0 0
1 t
0 2 6 9 F3 = 0 2 6 = C ; C = 4 2 0
0 0 9 0 0 3 8 6 3
4 8 16 2 0 0 2 4 8
A = 8 20 44 = 4 2 0 0 2 6 = C Ct
16 44 109 8 6 3 0 0 3
Ejemplo 1.29
2 8 1 1
4 13 3 1
Calcular el valor del determinante de la matriz A =
2 5 3 3
6 18 1 1
Como sabemos la matriz A se puede factorizar: pag.21
1 0 0 0 2 8 1 1
2 1 0 0 0 3 1 3
A =
= L U
1 1 1 0 0 0 1 1
3 2 4 1 0 0 0 2
1 0 0 0 2 8 1 1
2 1 0 0 0 3 1 3
Luego: A = LU = =1 12 = 12
1 1 1 0 0 0 1 1
3 2 4 1 0 0 0 2
Hoja n 1
1 0
1 Hallar una matriz simtrica y otra antisimtrica a partir de A =
2 3
2 1
2 Expresar la matriz como suma de una matriz simtrica y otra
3 5
antisimtrica.
2 3
3 Hallar dos matrices simtricas distintas a partir de A = 1 0
4 1
1 0 2 0
1 2 0 1
4 Calcular el valor del determinante por los adjuntos.
1 1 4 1
3 1 3 2
1 2 1 2 1
0 0 1 1 1
1 1 0 0 0
0 0 1 1 2
1 2 2 1 1
1 1 3
6 Calcular la matriz inversa de 2 2 1
1 3 1
2 0 1 1 23
A =1 2 3 y B = 2 0 1
5 2 1 4 4 2
1 1 1
8 Hallar la matriz inversa de A = 0 1 0
1 0 1
1 2 1 2 1 0
1 2 4 1 4 3
9 Hallar la forma escalonada de la matriz A =
2 4 5 1 5 2
1 3 1 2 6 0
2 8 1 1
2 3 1
4 13 3 1
10 Factorizar las matrices A = B = 4 6 5
2 5 3 3 4 1 2
6 18 1 1
0 0 3
C = 2 4 1
6 5 5
4 8 16
11 Factorizar segn Cholesky la matriz: A = 8 20 44
16 44 109
2 8 1 1
4 13 3 1
12 Calcular el valor del determinante de la matriz A =
2 5 3 3
6 18 1 1
1 1 2
13 Hallar la inversa de 1 1 1
2 1 1
14 Factorizar por Cholesky la matriz
1 1 0
A= 1 2 1
0 1 5