Está en la página 1de 110

Matrices Pg.

Tema 2

MATRICES
Matrices Pg. 2

1.- Matrices. Definicin y primeros ejemplos

Una matriz es una tabla rectangular de nmeros reales dispuestos en filas y


columnas del modo:

a11 a12 a1n


a a22
a2 n
A 21 Filas de la matriz A

a amn
m1 am 2
Columnas de la matriz A

Abreviadamente se puede expresar A = (aij ).


Cada elemento de la matriz lleva dos subndices:
- El primero de ellos i, indica la fila en la que se encuentra el elemento,
- y el segundo, j, la columna.
As el elemento a23 est en la fila 2 y columna 3.
Las matrices siempre se representarn con letras maysculas (A, B, C, ).
Matrices Pg. 3

Observacin:

Los aij son llamados componentes o elementos de la Matriz.


Matrices Pg. 4

El conjunto de todas las matrices de


orden mxn y con elementos en K se
suele denotar por:
M mn ( K ) K mn

A ai j
mxn
/ ai j K
K : Q ; R; C
Matrices Pg. 5

1.- Matrices. Definicin y primeros ejemplos

EJEMPLOS Son ejemplos de matrices los siguientes:

3 1 0
2 4 0
2 1 6 4 0 C
A B
3 4 1 2 1 1 5 2
1 0
0
A tiene 2 filas y 2
B tiene 2 filas y 3
columnas, diremos que C tiene 4 filas y 3
columnas, diremos que
su dimensin 2 x 2. columnas, diremos que
su tamao es 2 x 3.
Qu elemento es a21? su dimensin 4 x 3.
Qu elemento es b23?
Qu elemento es c32?
Matrices Pg. 6

1.- Matrices. Definicin y primeros ejemplos

En general, si una matriz A tiene m filas y n columnas, diremos que su


tamao o dimensin es m x n (se lee m por n), siempre en primer lugar el
n de filas y en segundo lugar el de columnas.

Igualdad
Dos matrices A y B son iguales cuando contienen los mismos elementos,
dispuestos en los mismos lugares:

A = B aij = bij i, j

Lgicamente, para que dos matrices sean iguales es necesario que tengan
la misma dimensin.
Matrices Pg. 7

2.- Tipos de matrices


Segn su dimensin:
Se llama matriz fila a la que slo tiene una fila, es decir su dimensin es 1 x n.

Por ejemplo, B 1 0 4 9 es una matriz fila de dimensin 1 x 4.

Se llama matriz columna a la que slo consta de una columna, es decir su


dimensin ser m x 1.
1
Por ejemplo, C 0 es una matriz columna de dimensin 3 x 1.

8
Una matriz es cuadrada cuando tiene el mismo nmero de filas que de
columnas, es decir su dimensin es n x n.

2 1 es una matriz cuadrada 1 2 3 matriz


3 4 de dimensin 2 x 2 o
D 6 5 4 cuadrada de
simplemente de orden 2. 3 4 0 orden 3.

Matrices 8

Matriz cuadrada de orden n:

Mismo nmero de filas


que de columnas

forman la diagonal principal


Matrices Pg. 9

2.- Tipos de matrices

Dentro de las matrices cuadradas llamaremos diagonal principal a la formada


por los elementos a11, a22, a33, . . ., ann, siendo la matriz:

a11 a12 a1n


a a22 a2 n
A 21


a ann
n1 an 2
Diagonal principal

En la matriz D, la diagonal principal est formada por 1, 5, 0.


1 2 3
D 6 5 4
La diagonal secundaria es la formada por los
elementos a1n, a2,n1, a3,n2, . . ., an1. 3 4 0

En la matriz D est formada por 3, 5, -3.
Matrices Pg. 10

2.- Tipos de matrices


Segn sus elementos:
Una clase especial de matrices cuadradas son las matrices triangulares.
Una matriz es triangular superior si todos los elementos por debajo de la
diagonal principal son nulos y triangular inferior si son nulos todos los
elementos situados por encima de dicha diagonal.

1 0 0 0 1 4 3
0 4 0
E
0 F 0 9 5
3 4 5 0 0 0 3
1 3 16 78
Triangular superior
Triangular inferior

Si una matriz es a la vez triangular superior e


inferior, slo tiene elementos en la diagonal 1 0 0 0
principal. 0 45 0 0
Una matriz de este tipo se denomina matriz G
diagonal. 0 0 3 0
0 0
Un ejemplo de matriz diagonal es: 0 0
Matrices 11

Los siguientes conceptos se refieren exclusivamente a matrices cuadradas:

Matriz triangular superior Matriz triangular inferior

Ceros debajo de la diagonal principal Ceros encima de la diagonal principal


Matrices 12

Matriz diagonal
Matriz unidad

Ceros fuera de la diagonal principal

Ceros fuera de la diagonal principal,


unos en la diagonal principal
Matriz escalar

Delta de Kronecker
Matrices Pg. 13

2.- Tipos de matrices

Si una matriz diagonal tiene en su diagonal principal slo unos, se denomina


matriz unidad o identidad. Se suelen representar por In , donde n es el
orden o tamao de la matriz. Algunas matrices identidad son:

1 0 0 0
1 0
1 0 0 0 0
I2 I 3 0 1 0 I4
1 0
0 1 0 0 1 0 0 1 0
0
0 0 1

Se llama matriz nula a la que tiene todos los elementos cero.

0 0 0 0 0
Por ejemplo, A es una matriz nula de tamao 2x5.
0 0 0 0 0
Matrices Pg. 14

2.- Tipos de matrices


Matrices escalonadas

Fjate en las siguientes matrices:


1 6
1 5 0 1 5 0
1 1 1 0 0
A B 0 1 2 C D 0 1 2
0 1 6 0 0 1 0 0 0 0 0

En ellas se cumple que: 0 0

Si hay filas nulas, estn situadas en la parte inferior de la matriz.


En las filas no nulas, el primer elemento diferente de cero es uno.
En las filas no nulas, el primer elemento diferente de cero de una fila
est situado ms a la derecha que el primer elemento diferente de cero
de la fila inmediatamente superior.

De ellas se dice que son matrices escalonadas.


Matrices Pg. 15

3.-Transformaciones elementales
Existen una serie de operaciones que se pueden hacer con las filas de una
matriz y que permiten convertirla en una matriz escalonada: las
transformaciones elementales.

En general, si llamamos Fi a la fila i-sima y Fj a la fila j-sima, las


transformaciones elementales son:
Ejemplo

2 0 2 F2 F3 2 0 2
Intercambiar dos filas. Fi Fj. 4 2 1 1 5 3

1 5 3 4 2 1
Sumar a una fila los elementos
2 0 2 F1 F1 + 2F3 0 10 8
correspondientes de otra fila 4 2 1 4 2 1
multiplicada por un n real k.
Fi Fi + kFj 1 5 3 1 5 3
Multiplicar todos los elementos 2 0 2 F2 2F2 2 0 2
de una fila por un nmero real no 4 2 1 8 4 2
nulo.
1 5 3 1 5 3
Fi kFi
Matrices Pg. 16

3.-Transformaciones elementales
Estas transformaciones permiten definir una equivalencia entre las matrices
de igual dimensin.
Dos matrices son equivalentes si una de ellas se obtiene a partir de
la otra mediante transformaciones elementales.

EJEMPLO 2 1 3 1
A 1 1 2 2
Reducir a forma escalonada la matriz
1 4 3 1
Para facilitar los clculos posteriores,
hacemos que el elemento a11 sea 1:
F2 F2 2F1
2 1 3 1 F F 1 1 2 2 F3 F3 + F1
1 1 2 2 1 2 2 1 3 1

1 4 3 1 1 4 3 1 Hacemos que los dems elementos
de la primera fila sean 0:

1 1 2 2 1 1 2 2
0 1 1 3 F3 F3 + 5F2 0 1 1 3 Que est en
forma
0 5 5 1 0 0 0 14 escalonada
Hacemos que el
elemento a32 sea 0:
Matrices Pg. 17

3.-Transformaciones elementales

EJERCICIO Reduce a forma escalonada las matrices:

1 2 3 2 3 4 9
A 2 5 7 B 4 1 0 1
3 6 10 3 1 2 0

1 3 1 5 2 1 5 1 8
C 1 2 6 4 D 1 2 3 4 5
0 8 8 2 1 3 10 11 13

Matrices Pg. 18

4.- Operaciones con matrices 4. 1. Suma y diferencia

Dadas dos matrices A y B de la misma dimensin m n, la matriz suma,


A + B, es la que se obtiene sumando los elementos que en cada una de
ellas ocupan la misma posicin.

a11 ... a1n b11 ... b1n a11 b11 ... a1n b1n
A B ... ... ... ... ... ... ... ... ...
a b a b
m 1 ... a mn m 1 ... bmn m1 m1 ... a mn bmn

De forma abreviada: (aij) + (bij) = (aij + bij)

2 1 3 2 0 4 4 1 7
EJEMPLO 4 2 1 3 2 5 1 4 6

23 23 23

Si las matrices tienen diferente tamao, no se pueden sumar o restar entre s.


Matrices Pg. 19

4.- Operaciones con matrices 4. 1. Suma y diferencia

Propiedades de la suma de matrices:


a) Conmutativa: A + B = B + A
b) Asociativa: A + (B + C) = (A + B) + C

c) Elemento neutro: La matriz nula del tamao correspondiente. A + 0 = 0 + A


d) Elemento opuesto de A: La matriz A, que resulta de cambiar de signo a
los elementos de A.
A + ( A) = ( A) + A = 0

La existencia de elemento opuesto permite definir la matriz diferencia


(resta), A B. Es la que se obtiene al sumar A con B:

A B = A + ( B)

2 1 3 2 0 4 0 1 1
EJEMPLO 4 2 1 3 2 5 7 0 4

23 23 23
Matrices Pg. 20

Demostracin: Pongamos A a , B b , C C M
ij ij ij mn (K )
.Entonces:

A B aij bij bij aij B A

A B. C aij bij cij aij bij cij



aij bij cij aij bij cij A B C

A 0 . a 0 a
ij ij 0 A

A A a
ij
aij 0 0
Matrices Pg. 21

4.- Operaciones con matrices 4. 1. Suma y diferencia

EJEMPLO Opuesta de una matriz

0 1 0 1
Si A 4 2 A 4 2
3 9 3 9

32 32
porque:

0 1 0 1 0 0
4 2 4 2 0 0

3 9 3 9 0 0
32 32 32
Matrices Pg. 22

4.- Operaciones con matrices 4. 1. Suma y diferencia

EJERCICIOS
1. Las exportaciones, en millones de euros, de 3 pases A, B, C a otros tres X,
Y, Z, en los aos 2000 y 2001 vienen dadas por las matrices:
X Y Z X Y Z
11 6,7 0,5 A 13,3 7 1 A

A2000 14,5 10 1,2 B A2001 15,7 11,1 3,2 B

20,9 3,2 2,3 C 21 0,2 4,3 C

Calcula y expresa en forma de matriz el total de exportaciones para el
conjunto de los dos aos.
Cuntos millones ha exportado el pas B al Z en total?
Calcula el incremento de las exportaciones del ao 2000 al 2001.

x y 1 2 y 0 z 1 1 3
2. Calcula x, y, z en 1 y x z 2 3 0 4 4
la suma:
0 z 2 2 3 x 2 4 1
3. Calcula a, b, c
para que se cumpla 3 a b 2 2 a b 4 1 a 2

la igualdad: 4 c 1 6 1 c 2 0 2 0 6
Matrices Pg. 23

4.- Operaciones con matrices 4. 2. Producto por un n real

Dada una matriz cualquiera A de dimensin m n y un nmero real k, el


producto kA se realiza multiplicando todos los elementos de A por k,
resultando otra matriz de igual dimensin. (Evidentemente la misma regla
sirve para dividir una matriz por un nmero real).

a11 ... a1n k a11 ... k a1n


k A k ... ... ... ... ... ...
a k a
m1 ... a mn m1 ... k a mn

EJEMPLO 2 1 3 10 5 15
5 20 10 5
4 2 1
23 23

Propiedades:
a) Distributiva respecto de la suma de matrices: k(A + B) = kA + kB
b) Distributiva respecto de la suma de nmeros: (k + d)A= kA + dA
c) Asociativa: k(dA)=(kd)A
d) Elemento neutro, el nmero 1: 1A=A
Matrices Pg. 24

DEMOSTRACION.

Pongamos A (aij )i , j , B (bij )i , j .Entonces :

1.[ ] A [ ](aij ) ([ ]aij ) ([ aij ] [ aij ])


( aij ) ( aij ) A A.
2. ( A B) (aij bij ) ( [aij bij ]) ([ aij ] [ bij ])
( aij ) ( bij ) A B.
3.( ) A ([ ]aij ) ( [ aij ]) ( aij ) ( A).
4.1A (1aij ) (aij ) A.
Matrices Pg. 25

4.- Operaciones con matrices 4. 2. Producto por un n real

EJERCICIOS

1 1 1 0
1. Si A 0 1 y B 0 2

halla una matriz X que verifique la ecuacin: 2X 4A = B

2. Determina las matrices X e Y sabiendo que:

1 2
3 X 5Y
8 1
2 4
X 3Y
3 0
Matrices Pg. 26

4.- Operaciones con matrices 4. 3. Producto de matrices

Producto de una matriz fila por una matriz columna.

Sea A una matriz fila y B una matriz columna:


1
A 2 3 1 B 2
5
1x3
3x1

Definimos el producto de la matriz A por la matriz B (en este orden):

1
A B 2 3 1 2 21 + (3)2 + 15 = 2 6 + 5 = 1
5

1x3 3x1 Observa que el
resultado es un
Hemos emparejado cada elemento de A con un nmero
elemento de B, luego el nmero de estos
elementos (n de columnas de A y n de filas de
B) debe coincidir para poder realizar este
producto.
Matrices Pg. 27

4.- Operaciones con matrices 4. 3. Producto de matrices

Hay que dejar claro ya desde el principio que no todas las matrices pueden
multiplicarse. Dos matrices se pueden multiplicar cuando se cumple la
siguiente condicin:

Para multiplicar dos matrices A y B, en este orden, AB , es condicin


indispensable que el nmero de columnas de A sea igual al nmero de filas
de B
Si no se cumple esta condicin, el producto AB no puede realizarse, de
modo que esta es una condicin que debemos comprobar previamente a la
propia multiplicacin.

Una vez comprobado que el producto AB se puede realizar, si A es una


matriz m x n y B es una matriz n x p (observa que el n de columnas de A = n
= n de filas de B), entonces el producto AB da como resultado una matriz
C de tamao n x p del siguiente modo:

El elemento que se encuentra en la fila i y la columna j de la matriz C = AB,


se obtiene multiplicando los elementos de la fila i de A por la columna j de B y
sumando los resultados
Matrices Pg. 28

4.- Operaciones con matrices 4. 3. Producto de matrices

Filas

A B = AB
mn np mp

Columnas
Es posible
el producto

La matriz producto, AB, si existe, es la que se obtiene de la forma siguiente:


C1
F1 a11 ... a1k b11 ... b1n F1 C1 ... F1 Cn
A B ... ... ... ... ... ... ... ... ...
a ... amk bk1 ... bkn Fm C1 ... Fm Cn
m1

El elemento de esta matriz que ocupa la fila i-sima y la columna j-sima es


el que se obtiene de multiplicar la fila Fi por la columna Cj.
Matrices Pg. 29

4.- Operaciones con matrices 4. 3. Producto de matrices

EJEMPLO Para multiplicar las matrices:


0 4 1
3 2 1 4 1 2 1
A B
2 5 3 2 2 0 2
24 3 2 1

43
1.- Comprobamos que se puede realizar el producto AB, pues el n de
columnas de A es 4 y el n de filas de B tambin es 4.
2.- El resultado, segn lo dicho ser una matriz de dimensin 2 x 3, tiene 2
filas y 3 columnas:
0 4 1

3 2 1 4 1 2 1
2 5 3 2 =
2 0 2
3 2 1
24 23
43

3.- Slo nos falta completar los elementos de la matriz producto. Para ello,
seguimos la regla anterior:
Matrices Pg. 30

4.- Operaciones con matrices 4. 3. Producto de matrices

C1
0 4 1
F1 3 2 1 4 1 2 1 16
2 5 3 2 =
2 0 2
3 2 1
24 23
43

El elemento de la fila 1 y columna 1 de AB proviene de multiplicar elemento a


elemento la fila 1 de A por la columna 1 de B y sumar, es decir:

0
1
F1 C1 = (3 2 1 4) = (3)0 + 21 + 12 + 43 = 0 + 2 + 2 + 12 = 16
2
3
Matrices Pg. 31

4.- Operaciones con matrices 4. 3. Producto de matrices

C2
0 4 1
F1 3 2 1 4 1 2 1 16 16
2 5 3 2 =
2 0 2
3 2 1
24 23
43

El elemento de la fila 1 y columna 2 de AB proviene de multiplicar elemento a


elemento la fila 1 de A y la columna 2 de B y sumar:

4
2
F1C2 = (3 2 1 4) = (3)(4) + 2(2) + 10 + 42 = 12 4 + 0 + 8 = 16
0
2
Matrices Pg. 32

4.- Operaciones con matrices 4. 3. Producto de matrices

C3
0 4 1
F1 3 2 1 4 1 2 1 16 16 5
2 5 3 2 =
2 0 2
3 2 1
24 23
43

El elemento de la fila 1 y columna 3 de AB proviene de multiplicar elemento a


elemento la fila 1 de A y la columna 3 de B y sumar:

1
1
F1C3 = (3 2 1 4) = (3)1 + 21 + 12 + 41 = 3 + 2 + 2 + 4 = 5
2
1
Matrices Pg. 33

4.- Operaciones con matrices 4. 3. Producto de matrices

As sucesivamente se obtienen los dems elementos de la matriz producto:

C1
0 4 1
3 2 1 4 1 2 1 16 16 5
2 5 3 2 =
F2 2 0 2 5
3 2 1
24 23
43
Matrices Pg. 34

4.- Operaciones con matrices 4. 3. Producto de matrices

As sucesivamente se obtienen los dems elementos de la matriz producto:

C2
0 4 1
3 2 1 4 1 2 1 16 16 5
2 5 3 2 =
F2 2 0 2 5 22
3 2 1
24 23
43
Matrices Pg. 35

4.- Operaciones con matrices 4. 3. Producto de matrices

As sucesivamente se obtienen los dems elementos de la matriz producto:

C3
0 4 1
3 2 1 4 1 2 1 16 16 5
F2 2 5 3 2 =
2 0 2 5 22 11
3 2 1
24 23
43

16 16 5
As la matriz producto es: A B
5 22 11

Observa que el producto BA no se puede hacer:


B A
43 24


Matrices Pg. 36

4.- Operaciones con matrices 4. 3. Producto de matrices

EJERCICIOS

1 3 3 5
1. Si A B 2 1 calcula, si es posible, AB y BA.
2 6 Coinciden?

1 1
2. Lo mismo si
A 0 2 , 3 0 2
B
4 1 1 1 5

3. Calcula todos los productos posibles entre las matrices:

1 2 3 1
A 1 1 1 B 2 2 1 0
C
0 2 1 1 3 4 5

Adems, calcula A2 y A3.


Matrices Pg. 37

4.- Operaciones con matrices 4. 3. Producto de matrices

Propiedades del producto de matrices


a) Asociativa: A(BC) = (AB)C
b) Distributiva respecto de la suma: A ( B C ) A B A C
( B C) A B A C A
c) Elemento neutro: la matriz identidad correspondiente. Si A es m x n:
A In A
Im A A
d) En general el producto de matrices no es conmutativo
A B B A Pueden verse ejemplos en los
ejercicios anteriores. Ten
cuidado con esta propiedad.

e) El producto de dos matrices no nulas A y B puede dar lugar a una matriz


nula:
5 Se dice que el conjunto de las matrices
2 1 3 0
0 2 1 2 0 con la operacin producto tiene divisores
4 de cero, es decir, hay matrices no nulas
23 21 cuyo producto es nulo.
31
Matrices Pg. 38

A BC (aik )(l bkl clj ) ( k aik [l bkl clj ]) ( kl aik bkl clj )
(l [ k aik bkl ])i , j ( k aik bkl )i ,l ( AB)C
A( B C ) (aik )(bkj ckj ) ( k aik [bkj ckj ])
( k [aik bkj aik ckj ])
([k aik bkj ] [ k aik ckj ]) ( k aik bkj ) ( k aik ckj )
AB AC
Matrices Pg. 39

4.- Operaciones con matrices 4. 3. Producto de matrices

EJERCICIOS

1. Si A y B son dos matrices cuadradas del mismo orden, son ciertas las
propiedades siguientes, que son ciertas para las operaciones con nmeros
reales?:
a) (A + B)2 = A2 + B2 + 2 A B
b) (A B)2 = A2 + B2 2 A B
c) (A + B) (A B) = A2 B2
2 1
2. Determina los valores de a y b de la matriz A
a b
para que A2 = A.

1 2
3. Qu matrices conmutan con la matriz ?
0 1
Matrices
Propiedades del producto de matrices (II)

I. La multiplicacin de matrices no cumple la propiedad conmutativa: si una de


las dos matrices no es cuadrada ni siquiera tiene sentido plantear el producto en
un orden distinto al dado.

II. Si A . B = 0 entonces no siempre ocurre que A = 0 B = 0.


0 2 . 0 3 0 0
Ejemplo: Aunque
0 0 0 0 = 0 0 ninguno de los factores que
forman el producto es la matriz nula.

III. Si A . C = B . C y C 0, entonces no necesariamente A = B.

IV. (A + B)2 A2 + 2A . B + B2 salvo que A y B conmuten.

V. (A B)2 A2 2A . B + B2 salvo que A y B conmuten.

VI. A2 B2 (A B) . (A + B) salvo que A y B conmuten.


Matrices 41

POTENCIAS DE MATRICES CUADRADAS

Una de las herramientas principales en el estudio de las ecuaciones diferenciales


lineales es el lgebra matricial. En concreto, el clculo de potencias naturales de
matrices cuadradas resulta de gran inters en el estudio de las ecuaciones
diferenciales.
Adems, las potencias de matrices desempean un papel importante en diversas
aplicaciones, como por ejemplo en el modelo de Leontief de entrada-salida.

Si y : -PROPIEDADES.-

1.-

2.-
Matrices Pg. 42

4.- Operaciones con matrices 4. 4. Trasposicin de matrices

Dada una matriz cualquiera A, se llama matriz traspuesta de A, y se representa


por At a la matriz que resulta de intercambiar las filas y las columnas de A.

2 1 0 7
EJEMPLO Si A
3 4 2 1 24 2 3
1 4
entonces la matriz traspuesta de A es: A
t

0 2
7 1
42

Si A es una matriz de dimensin m x n, su traspuesta At tendr dimensin


n x m, pues el nmero de columnas pasa a ser el de filas y viceversa.
Si la matriz A es cuadrada, su traspuesta tendr la misma dimensin.
Propiedades:
a) (At)t = A, es decir, la traspuesta de la traspuesta es la matriz inicial.
b) (A + B)t = At + Bt
c) (k A)t = k At
d) (A B)t = Bt At
Matrices Pg. 43

La traspuesta de una matriz A cualquiera se


obtiene cambiando filas por columnas y se
representa por At. Si A = (aij ). entonces At = (aji ).
Si A es mxn, entonces At es nxm.
Matrices Pg. 44

4.- Operaciones con matrices 4. 4. Trasposicin de matrices


En base a esta nueva operacin, podemos definir otras dos clases de matrices:
Matriz simtrica: matriz cuadrada que coincide con su traspuesta; es decir,
una matriz cuadrada es simtrica si se cumple que At = A.

2 1 3
A 1 0 2 es simtrica
3 2 7

En una matriz simtrica, los elementos son simtricos respecto a la diagonal
principal.

Matriz antisimtrica: matriz cuadrada cuya opuesta coincide con su traspuesta;


es decir, si cumple que At = A.
Por ejemplo:
0 1 3
B 1 0 2 es antisimtrica (comprueba).
3 2 0

En una matriz antisimtrica, los elementos de la diagonal principal son siempre
nulos (por qu?), y los restantes son opuestos respecto a dicha diagonal.
Matrices 45

Las matrices (cuadradas) simtricas y antisimtricas se pueden caracterizar


utilizando la relacin que tienen con sus traspuestas.

Slo para matrices cuadradas

A simtrica si y slo si , es decir:

A antisimtrica si y slo si , es decir:

Cmo son los elementos de la diagonal principal


de una matriz antisimtrica?
Matrices 46

A continuacin estudiamos ciertas matrices que deben su peculiaridad al


comportamiento que presentan sus potencias. Las matrices idempotentes, por ejemplo,
desempean un papel importante en algunas reas de la Estadstica y la Econometra.

Slo para matrices cuadradas

A peridica si . Si p es el menor
nmero natural que satisface , entonces
decimos que A es una matriz peridica de perodo p.

A idempotente si .

A nilpotente si . Si p es el
menor nmero natural que satisface ,
decimos que A es una matriz nilpotente de ndice p.
A involutiva si .
Matrices Pg. 47

4.- Operaciones con matrices 4. 4. Trasposicin de matrices

EJERCICIOS
1 3 3 1 1 2
1. Dadas las matrices A 1 4 3 B 2 0 1
1 3 4 6 1 0

calcula 3At Bt .

2. Obtener las matrices X e Y que verifiquen los sistemas:


1 5 2 1 3 1
2 X 3Y X Y 2X Y
4 2 3 0 0 2
a) b) c)
1 0 6 2 1 0
X Y X Y X 2Y
3 6 0 1 2 4
Matrices Pg. 48
Matrices Pg. 49
Matrices Pg. 50

5.- La matriz inversa


En el caso particular de que tratemos con matrices cuadradas del mismo orden
A y B, es claro que podemos efectuar los productos AB y BA, que darn
como resultado otra matriz del mismo orden, aunque, como ya se ha dicho, las
matrices resultantes sern, en general, distintas.
Sabemos tambin que el elemento neutro del producto de matrices es la matriz
identidad In.

Recordemos que ocurra con los nmeros reales:


Esto nos permite
El inverso del nmero 2 para el producto es un nmero resolver ecuaciones
real x tal que del tipo:
2x = 1, ax = b
el producto de 2 por x es igual al elemento neutro, el 1.
2x = 6
En el caso de los nmeros
x=
1
reales es bien fcil despejar x: 1 2x = 1 6
2
2 2
El inverso de un nmero real es otro nmero que 1
multiplicado por l da el elemento neutro, el 1. x=3
Todo nmero real, salvo el 0, tiene inverso.
Matrices Pg. 51

5.- La matriz inversa

Trasladando esto a las matrices, nos podemos plantear si dada una matriz
cuadrada A de orden n, cualquiera, existe su inversa X para el producto de
matrices, tal que
A X In

es decir, el producto de A por su inversa produce el elemento neutro matricial,


la matriz identidad In.

Sin embargo, hay algunas diferencias con respecto al caso de los nmeros
reales:
1) No podemos despejar la matriz X del modo X = In/A, porque no hemos
definido la divisin de matrices.
2) No todas las matrices cuadradas no nulas tienen matriz inversa (sea lo
que sea, por analoga con los nmeros).
Matrices Pg. 52

5.- La matriz inversa

Si A es una matriz cuadrada, se dice que B es la inversa de A si


AB = BA = I,
siendo I la matriz unidad o identidad.
La matriz inversa de A se representa por A1.

Si una matriz cuadrada de orden n , A, tiene inversa se dice que A es


invertible (o que posee inversa o que es no singular o que es regular).
Por tanto, si una matriz cuadrada de orden n , A, tiene inversa, A1 , se
cumple que:
A A1 I n y A1 A I n

Si A no tiene inversa, se dice que es singular o no invertible.

Si una matriz tiene inversa, dicha matriz inversa es nica (slo hay una). Para
calcular dicha matriz inversa, podemos utilizar varios mtodos. A continuacin
veremos dos mtodos. En el tema 3 veremos otro.
Matrices Pg. 53

5.- La matriz inversa 5. 1. Mtodo directo

Consiste en determinar A1 planteando un sistema de ecuaciones, es decir, si


por ejemplo queremos determinar la inversa de la matriz

1 2
A
1 1
1 x y

t
lo que buscamos es otra matriz de igual tamao (orden 2) A
z
que debe cumplir A A1 = I2 y A1 A = I2,

1 2 x y 1 0 x 2 z y 2t 1 0
1
A A I2
z
t 0 1
x z y t 0 1
1 1

x + 2z = 1
y + 2t = 0 Es decir, hemos de resolver un sistema de 4 ecuaciones
x + z = 0 con 4 incgnitas, aunque en realidad son 2 sistemas de
y + t = 0 dos incgnitas cada uno (uno con x y z y otro con y y t).
Matrices Pg. 54

5.- La matriz inversa 5. 1. Mtodo directo

x + 2z = 1
y + 2t = 0
Resolviendo el sistema se obtiene que
x + z = 0
y + t = 0
x= 1 y = 2 z= 1 t= 1
3 3 3 3

1 2
3 3 1 1 2
por lo que la matriz inversa es: A1 =
1 1 3 1 1
3 3

Se puede comprobar que tambin se cumple que A1 A = I2, luego A es


invertible, tiene inversa.
Matrices Pg. 55

5.- La matriz inversa 5. 1. Mtodo directo

No todas las matrices tienen inversa.


Si el sistema no tiene solucin, la matriz no tiene inversa.
1 1
Por ejemplo, si A 2 2

1 1 x y 1 0 xz y t 1 0
1
A A I2 2 2 z
t 0 1
2 x 2 z 2 y 2t 0 1

x+z=1 Y por ejemplo de 2x + 2z = 0 se obtiene x = z, si
y+t=0 se sustituye en la primera ecuacin es z + z = 1,
2x + 2z = 0 es decir 0 = 1 (imposible). El sistema no tiene
2y + 2t = 0 solucin.

Por tanto A no es invertible, es singular.

Este mtodo directo slo se suele utilizar para matrices cuadradas de tamao
2, puesto que para las de tamao 3 obtenemos un sistemas de !9 ecuaciones
con 9 incgnitas! que realmente es difcil de resolver.
Matrices Pg. 56

5.- La matriz inversa 5. 2. Mtodo de Gauss-Jordan

Consiste en hacer transformaciones elementales en las filas de la matriz para


llegar a obtener la matriz identidad. Realizando estas mismas transformaciones
con la matriz identidad llegamos a la matriz A1.
Sea A = (aij) la matriz dada e I3 la matriz unidad. Se parte del siguiente esquema:

a11 a12 a13 1 0 0


a a23 0 1 0
21 a22 (A | I3)
a31 a32 a33 0 0 1
Aplicar transformaciones
elementales hasta llegar a
la forma:

1 0 0 b11 b12 b13


0 1 0 b b b (I3 | A1)
21 22 23

0 0 1 b31 b32 b33

Si en el proceso aparece en el lugar de la matriz A (en la parte izquierda)


alguna fila nula, la matriz no tiene inversa.
Matrices Pg. 57

5.- La matriz inversa 5. 2. Mtodo de Gauss-Jordan

EJEMPLO
1 2
Calcula por el mtodo de Gauss-Jordan la inversa de la matriz A
1 1

i) Consideramos la matriz formada por A y la matriz identidad correspondiente:


1 2 1 0
(A | I2) =
1 1 0 1
ii) Se hace la matriz A triangular superior (es decir, hacemos ceros por debajo
de la diagonal principal) usando transformaciones elementales en filas.

En nuestro caso, basta sumar la fila 2 con la fila 1, y se obtiene:

1 2 1 0 F2 F2 + F1 1 2 1 0
(A | I2) =
1 1 0 1 0 3 1 1
Matrices Pg. 58

5.- La matriz inversa 5. 2. Mtodo de Gauss-Jordan

iii) Una vez hecha la matriz triangular superior, se hace la matriz triangular
inferior, haciendo ceros a los elementos por encima de la diagonal. El proceso
es parecido al anterior:
1 2 1 0 F1 3F1 2F2 3 0 1 2
0 3 1 1 0 3 1 1
iv) Ya tenemos una matriz diagonal. Lo nico que falta es dividir a cada fila
entre el nmero adecuado para obtener unos en la diagonal principal, es decir,
para obtener la matriz identidad en la parte izquierda:

3 0 1 2 1 0 1/3 2/3
(F1)/3 , (F2)/3
0 3 1 1 0 1 1/3 1/3
v) Una vez se tiene la matriz identidad en la parte de la izquierda, la parte
derecha es la matriz inversa, es decir, llegamos a:

1 0 1/3 2/3 1/3 2/3 1 1 2


(I2 | A1) = A1 =
0 1 1/3 1/3 1/3 1/3 3 1 1
matriz que habamos obtenido antes por el mtodo directo.
Matrices Pg. 59

5.- La matriz inversa 5. 2. Mtodo de Gauss-Jordan

Condicin para que una matriz tenga inversa


(segn el mtodo de Gauss)
Si al realizar el mtodo de Gauss-Jordan en algn momento alguna fila es de
ceros, la matriz no tiene inversa.

EJEMPLO
1 1
Si calculamos por este mtodo la inversa de A 2 2 resulta:

1 1 1 0 F2 F2 2F1 1 1 1 0
(A | I2) =
2 2 0 1 0 0 2 1
Como aparece una fila de ceros, la matriz A no tiene inversa.

Cuanto mayor sea el orden de la matriz, mejor es este mtodo frente al directo.
Matrices Pg. 60

5.- La matriz inversa 5. 2. Mtodo de Gauss-Jordan

EJEMPLO
1 1 0

Calcula, por el mtodo de Gauss-Jordan, la inversa de la matriz B 1 1 2

1 0 1
Siguiendo los pasos anteriores:
F2 F2 + F1
1 1 0 1 0 0 1 1 0 1 0 0
F3 F3 F1
(B | I3) = 1 1 2 0 1 0 0 2 2 1 1 0
1 0 1 0 0 1 0 1 1 1 0 1

1 1 0 1 0 0
F3 2F3 + F2 F2 2F2 F3
0 2 2 1 1 0
0 0 4 1 1 2

1 1 0 1 0 0 F1 4F1 F2
4 0 0 1 1 2
0 4 0 3 1 2 0 4 0 3 1 2
0 0 4 1 1 2 0 0 4 1 1 2
Matrices Pg. 61

5.- La matriz inversa 5. 2. Mtodo de Gauss-Jordan

4 0 0 1 1 2 F1 F2 F3
4 4 4
0 4 0 3 1 2
0 0 4 1 1 2

1 0 0 1/4 1/4 2/4

0 1 0 3/4 1/4 2/4 = (I3 | B1)


0 0 1 1/4 1/4 2/4
1/4 1/4 1/2

B1 = 3/4 1/4 1/2


1/4 1/4 1/2

1 1 2
1
Tambin se puede expresar, sacando factor comn: B1 = 3 1 2
4
1 1 2
Matrices Pg. 62

5.- La matriz inversa

EJERCICIOS

1. Calcular por el mtodo de Gauss-Jordan la inversa de las matrices:


1 2 3 2 1 4
2 1
A B 3 2 4 C 0 1 2
3 1 2 1 0 1 0 1

3 0 0
2. Dada la matriz diagonal D 0 2 0
0 0 5

calcula su inversa. Cmo calcularas de forma rpida la inversa de una
matriz diagonal cualquiera?
Matrices
Matrices ortogonales

a11 a12 a1n



Amxn
a amn
m1 am 2
Matrices ortogonales
Anxn; inversa A-1: A A-1 = A-1A = I.
A transpuesta de A.
Qnxn es ortogonal si QQ = QQ = I.
(las columnas de una matriz ortogonal son vectores ortonormales)

ALGEBRA LINEAL 63
Matrices Pg. 64

6.- Rango de una matriz


A continuacin veremos cmo asignar a una matriz un parmetro llamado rango.

El concepto de rango se encuentra ligado al de independencia lineal de filas o


columnas de una matriz, pero no se introducir de esta manera porque se
requieren conceptos que no conocemos.

Baste saber que se define el rango de una matriz como el nmero mximo de
filas o columnas linealmente independientes.
Sin embargo, el clculo del rango de una matriz lo abordaremos desde otra
perspectiva, utilizando el mtodo de Gauss.

Supongamos que tenemos una matriz cualquiera A a la que aplicamos el


mtodo de Gauss con el fin de simplificarla lo ms posible (es decir,
consiguiendo que tenga el mayor nmero de ceros posible, que est en forma
escalonada), realizando operaciones elementales en filas.

Llamaremos rango de la matriz A y lo representaremos por Rang(A) al nmero


de filas no nulas de la matriz tras aplicarle el mtodo de Gauss.
Matrices Pg. 65

6.- Rango de una matriz


Rango de una matriz escalonada

El rango de una matriz escalonada A es el nmero de filas no nulas


de A. Lo denotamos por rang(A)

EJEMPLOS
4 6
0 0
3 1 1 rang(A) = 2
A C rang(C) = 1
0 2 6 0 0
0 0

1 5 0 1 5 0
B 0 3 2 rang(B) = 3 D 0 3 2 rang(D) = 2
0 0 2 0 0 0

Matrices Pg. 66

6.- Rango de una matriz


Rango de una matriz cualquiera
Nos preguntamos ahora cmo podemos definir el rango de una matriz
cualquiera.
Vimos que mediante transformaciones elementales podemos transformar
cualquier matriz en otra equivalente que sea escalonada.

El rango de una matriz A es el rango de una matriz escalonada


equivalente a A.

As que para obtener el rango de una matriz la transformamos en una


matriz escalonada mediante transformaciones elementales (Las
transformaciones elementales no modifican el rango).
El rango de la matriz ser el nmero de filas no nulas de la matriz
escalonada.
Matrices Pg. 67

6.- Rango de una matriz


EJEMPLOS Calcular el rango de las siguientes matrices:

1 1 F2 F2 2F1 1 1
a) A 0 0 Rg(A)=1 ,slo una fila distinta de cero.
2 2

0 3 F2 F1 1 1
b) B 0 3 Rg(B)=2 hay 2 filas no nulas.
1 1

1 1 0 F2 F2 2F1
1 1 0 1 1 0

c) C 2 1 1
F3 F3 + F1 0 1 1 F3 F3 + 2F2 0 1 1

1 1 2 0 2 2 0 0 0
Rg(C)=2 hay 2 filas
no nulas.

2 4 6 F2 2F2 + F1 2 4 6
d) D 0 0 0 Rg(D)=1, slo una fila
1 2 3 no nula.
Matrices Pg. 68

6.- Rango de una matriz


Los ejemplos anteriores ponen de manifiesto que el rango de cualquier matriz
siempre es menor o igual que el nmero de filas de la matriz.
De hecho se verifica que el rango de cualquier matriz siempre es menor o igual
que su nmero de filas y de columnas, pues el proceso para hacer el mtodo
de Gauss se puede hacer indistintamente mediante operaciones elementales
en filas o en columnas.
Esto permite, antes de calcular el rango de una matriz, saber entre qu valores
va a estar ese rango.
Por ejemplo, en el caso c) del ejemplo, como la matriz es 3x3 , el rango slo
puede ser 0, 1, 2 o 3, no hay otras posibilidades.
En el caso del apartado d), como la matriz es 2 x 3, el rango slo puede ser 0,1
o 2. (De hecho, podemos reducir esto algo ms , pues una matriz slo tiene
rango cero si es la matriz nula).Resumiendo:

Propiedad: Si A es una matriz de tamao m x n no nula se cumple que:

1 rang(A) min{m, n}
Matrices Pg. 69

6.- Rango de una matriz


1 1 2
EJEMPLO Calcular en funcin de k el rango de la matriz: A
3 3 k
Aplicando Gauss,
1 1 2 F2 F2 3F1 1 1 2
A 0 0 k 6
3 3 k
Ahora es evidente que si k 6 = 0, la ltima fila es nula. Por tanto, si k = 6, la
ltima fila es nula y el rango de A es 1, Rg(A)=1, mientras que si k - 6 es distinto
de cero, es decir si k es distinto de 6, hay 2 filas no nulas y el rango de A es 2,
Rg(A)=2. Resumiendo:
Si k 6, entonces Rg(A) = 2
Si k = 6, entonces Rg(A) = 1

La siguiente propiedad permite relacionar el concepto de rango con el de matriz


inversa visto anteriormente:

Propiedad:
Una matriz cuadrada A tiene inversa Rg(A) es mximo.
Matrices Pg. 70

6.- Rango de una matriz

EJERCICIOS
1 2 1

1. Calcula el rango de A segn los valores de k: A 1 1 3

5 1 k
Para qu valores de k tiene A inversa?

2. Calcula el rango de las matrices:


0 2 1
1 0 1
A B 1 0 1
2 1 0 0 4 2

2 1 1 1
0 0 2 1 5 1 8
0
D 1 2 3 4 5
1
C
2 1 1 1 1 3 10 11 13
0 0 1
0
Matrices Pg. 71

7.- Aplicaciones de las matrices


Las matrices se utilizan en el contexto de las ciencias como elementos que
sirven para clasificar valores numricos atendiendo a dos criterios o variables.
EJEMPLO Un importador de globos los importa de dos colores, naranja (N)
y fresa (F). Todos ellos se envasan en paquetes de 2, 5 y 10 unidades,
que se venden al precio (en euros) indicado por la tabla siguiente:
2 unid. 5 unid. 10 unid.
Color N 0,04 0,08 0,12
Color F 0,03 0,05 0,08
Sabiendo que en un ao se venden el siguiente nmero de paquetes:
Color N Color F
2 unid. 700000 50000
5 unid. 600000 40000
10 unid. 500000 500000

Resumir la informacin anterior en 2 matrices A y B, de tamao respectivo 2x3


y 3x2 que recojan las ventas en un ao (A) y los precios (B).
Matrices Pg. 72

7.- Aplicaciones de las matrices

Nos piden que organicemos la informacin anterior en dos matrices de tamao


concreto. Si nos fijamos en las tablas, es sencillo obtener las matrices:

2 unid 5 unid 10 unid N F


0,04 0,03 2 unid
700000 600000 500000 B 0,08 0,05
N
A 5 unid
50000 40000 500000 F 0,12 0,08 10 unid

Estas matrices se denominan matrices de informacin, y simplemente


recogen los datos numricos del problema en cuestin.

Otras matrices son las llamadas matrices de relacin, que indican si ciertos
elementos estn o no relacionados entre s. En general, la existencia de
relacin se expresa con un 1 en la matriz y la ausencia de dicha relacin se
expresa con un 0.
Estas matrices se utilizan cuando queremos trasladar la informacin dada por
un grafo y expresarla numricamente.
Matrices Pg. 73

7.- Aplicaciones de las matrices

En Matemticas, un grafo es una coleccin cualquiera de puntos conectados


por lneas.
Existen muchos tipos de grafos. Entre ellos, podemos destacar:
* Grafo simple: Es el grafo que no contiene ciclos, es decir, lneas que unan un
punto consigo mismo, ni lneas paralelas, es decir, lneas que conectan el
mismo par de puntos.
* Grafo dirigido: Es el grafo que indica un sentido de recorrido de cada lnea,
mediante una flecha.
Estos tipos de grafo pueden verse en la figura:

Grafo Grafo simple Grafo dirigido.


Matrices Pg. 74

7.- Aplicaciones de las matrices


Relacionadas con los grafos se pueden definir algunas matrices. Entre todas
ellas, nosotros nos fijaremos en la llamada matriz de adyacencia, que es
aquella formada por ceros y unos exclusivamente, de tal forma que:
* un 1 en el lugar (i,j) expresa la posibilidad de ir desde el punto de la fila i
hasta el punto de la columna j mediante una lnea que los una directamente.
* un 0 en el lugar (i,j) expresa la imposibilidad de ir del primer punto al
segundo mediante una lnea que los una directamente.

La matriz de adyacencia del grafo dirigido de la figura anterior ser:

A B C D
A 0 1 0 1
B 0 0 1 0

C
1 0 0 0
D 0 0
0 0
Matrices Pg. 75

7.- Aplicaciones de las matrices


EJERCICIOS

1. Escribe las correspondientes matrices de adyacencia de los grafos:

2. Dibuja los grafos dirigidos que correspondan a las matrices de adyacencia:


A B C D
A B C
A 0 1 1 1
0 1 0 0 1
A
B
1 0 1 B
0 0
C
1 0 0 0
C 0
0 0 0 D
1 1 0
Matrices 76

Resolucin de sistemas de ecuaciones lineales:


a11 x1 a12 x2 a1n xn b1
a21 x1 a22 x2 a2 n xn b2

am1 x1 am 2 x2 amn xn bm

Matriz aumentada
asociada, para resolver a11 a12 a1n b1
el sistema de ecuaciones
lineales. a21 a22 a2 n b2


am1 am 2 amn bm
Matrices 77
2x1 + 6x2 + x3 = 7 2 6 1 7 1 2 1 1
R12
x1 + 2x2 x3 = 1 1 2 1 1 2 6 1 7
5x1 + 7x2 4x3 = 9 5 7 4 9 5 7 4 9

2 R1 R2 1 2 1 1 1 2 1 1
5 R1 R3
1
2 R2

0 2 3 9 0 1 3
2
9
2
0 3 0 3
1 14 1 14
1 2 1 1 1 2 1 1
3 R2 R3
2 R
11 3

0 1
3
2
9
2 0 1
3
2
9
2
0 0 11 55 0 0
2 2 1 5
x1 2 x2 x3 1
x3 = 5, x2 = 3, x1 = 10 3
x2 x3
9
2 2
x3 5
Matrices 78

Resolver mediante el mtodo de Gauss-Jordan


x1 + 3x2 2x3 = 7
4x1 + x2 + 3x3 = 5
2x1 5x2 + 7x3 = 19

1 3 2 7 4 R1 R2 1 3 2 7
2 R1 R3
4 1 3 5 0 11 11 33
2 5 7 19 0 11 11 33

111R2
111R3
1 3 2 7 3 R2 R1 1 0 1 2
R2 R3
0 1 1 3 0 1 1 3
0 1 1 3 0 0
0 0

Entonces: x2 x3 = 3
x1 + x3 = 2
Haciendo x3 = t, tenemos x2 = 3 + t, x1 = 2 t.
Matrices 79

Resolver:
x1 + x2 = 1
4x1 x2 = 6
2x1 3x2 = 8
1 1 1 1 0 1

4 1 6 0 1 2
2 3 0 0 16
8

0 + 0 = 16 !! No tiene soluciones.
Matrices 80

a11 a12 a1n Vectores fila:



a21 a22 a2 n
A
u1 = (a11 a12 a1n),
u2 = (a21 a22, a2n),,
am1 am 2 amn
um = (am1 am2 amn)
Vectores columna: El rango de una
a11 a12 a1n matriz A m n, es el
mximo nmero de
a21 a22 a2 n vectores fila
v1 , v2 , , v n
linealmente

am1 am 2 amn independientes.

1 1 1 3 32RR1RR2 1 1 1 3 121R2R R3 1 1 1 3

6 8 0 4 8 2 0 1 2 2
1 3 4 2

A 2 2 1

3 5 7 8 0 2 4 1 0 0 0
0
rang A = 2.
Matrices 81

AX = 0

Siempre hay soluciones


(consistente)

Solucin nica X = 0 Infinitas soluciones


(solucin trivial) Rang(A) < n
rang(A) = n n r parmetros
Matrices 82

AX = B, B0

Consistente Inconsistente
rang(A) = rang(AB) rang(A) < rang(AB)

Solucin nica Infinitas soluciones


rang(A) = n rang(A) < n
n r parmetros
Matrices 83

Determinantes
a11 a12
det A a11a22 a12 a21
a21 a22
a11 a12 a13
det A a21 a22 a23
a31 a32 a33
a11a22a33 a12a23a31 a13a21a32 a13a22a31
a11a23a32 a12a21a33 .

a22 a23 a21 a23 a21 a22


det A a11 a12 a13
a32 a33 a31 a33 a31 a32
Expansin por cofactores a lo largo de la primera fila.
Matrices 84

a11 a12 a13 El cofactor de aij es


det A a21 a22 a23 Cij = (1)i+ j Mij
a31 a32 a33 donde Mij se llama menor.

a22 a23 a21 a23 a21 a22


C11 C12 C13
a32 a33 a31 a33 a31 a32

det A = a11C11 + a12C12 + a13C13

... O por la tercera fila:


det A = a31C31 + a32C32 + a33C33

Podemos expandir por filas o columnas.


Matrices 85

2 4 7 2 4 7
det A 6 0 3 2C11 4C12 7C13
A 6 0 3
1 5 3 1 5 3

2 4 7
11 0 3
C11 (1)11 6 0 3 (1)
5 3
1 5 3
2 4 7
1 2 6 3
C12 (1)12 6 0 3 (1)
1 3
1 5 3
2 4 7
13 6 0
C13 (1)13 6 0 3 (1)
1 5
1 5 3
Matrices 86

2 4 7
det A 6 0 3 2C11 4C12 7C13
1 5 3
11 03 1 2 6 3 13 6 0
det A 2(1) 4(1) 7(1)
5 3 1 3 1 5
2[0(3) 3(5)] 4[6(3) 3(1)] 7[6(5) 0(1)] 120
Ms corto desarrollando por la segunda fila...

det A 6C21 0C22 3C23


1 2 4 7 23 2 4
6(1) 3(1)
5 3 1 5
6(23) 3(6) 120
Matrices 87

6 5 0

A 1 8 7
2 4 0

6 5 0
det A 1 8 7 0C13 (7)C23 0C33
2 4 0
6 5 0
23 23 6 5
(7)( 1) 1 8 7 (7)( 1)
2 4
2 4 0
7[6(4) 5(2)] 238
Matrices 88

det AT = det A
5 7 5 3
det A 41 det A
T
41
3 4 7 4

Si dos filas (columnas) de una matriz A de n n


son idnticas, entonces det A = 0.

6 2 2 6 2 2

A 4 2 2 det A 4 2 2 0
9 2 2
9 2 2
Matrices 89

Si todos los elementos de una fila (columna) de una


matriz A de n n son cero, entonces det A = 0.

Si B es la matriz obtenida por intercambio de


dos filas (columnas) de una matriz A n n,
entonces:
det B = det A

2 1 3 4 1 9
det B 6 0 7 6 0 7 det A
4 1 9 2 1 3
Matrices 90

Si B se obtiene de una matriz A n n multiplicando


una fila (columna) por un nmero real k, entonces:
det B = k det A

det B kai1Ci1 kai 2Ci 2 kainCin


k (ai1Ci1 ai 2Ci 2 ainCin ) k det A

expansinde det A por cofactores a lo largo de la i -sima fila

5 8 1 8 1 1
5 58
20 16 4 16 4 2

1 1
582 80(1 2) 80
2 1
Matrices 91

Si A y B son matrices n n, entonces


det AB = det A det B.
2 6 3 4
A , B
1 1 3 5

12 22
AB
6 9

det AB = 24, det A = 8, det B = 3,


det AB = det A det B.
Matrices 92

Si B se obtiene como combinaciones lineales de


filas o columnas de una matriz A n n, entonces:

det B = det A

5 1 2 3 R R 5 1 2
1 3
A 3 0 7 3 0 7 B
4 1 4 11 4 2

det A = 45 = det B = 45.


Matrices 93

a11 0 0
a22 0
A a21 a22 0 det A a11
a32 a33
a
31 32
a a33 a11(a22a33 0 a32 ) a11a22a33
matriz triangular inferior

3 0 0 0 3 0 0 0

2 6 0 0 2 6 0 0
A det A
5 9 4 0 5 9 4 0

7 2 4 2 7 2 4 2
3 6 (4) (2) 144
matriz diagonal

3 0 0 3 0 0

A 0 6 0 det A 0 6 0 (3)64 72
0 0 4
0 0 4
Matrices 94

Supongamos que A es una matriz n n.


Si ai1, ai2, , ain son los elementos de la i-sima fila
y Ck1, Ck2, , Ckn son los cofactores de la k-sima
fila, entonces:

ai1 Ck1 + ai2 Ck2 + + ain Ckn = 0, para i k

Igualmente, si a1j, a2j, , anj son los elementos de la


j-sima columna y C1k, C2k, , Cnk son los
cofactores de la k-sima columna, entonces:

a1j C1k + a2j C2k + + anj Cnk = 0, para j k


Matrices 95

Demostracin
Sea B la matriz que obtenemos de A al
cambiarle los elementos de la i-sima fila
por los de su k-sima fila:

bi1 = ak1, bi2 = ak2, , bin = akn

B tendr entonces dos filas idnticas de


modo que det B = 0, y:
0 det B ak1Ck1 ak 2Ck 2 aknCkn
ai1Ck1 ai 2Ck 2 ainCkn
Matrices 96

6 2 7

A 4 3 2
2
4 8
a11C31 a12C32 a13C33
2 7 6 7 6 2
6 2 7
3 2 4 2 4 3
6(25) 2(40) 7(10) 0
Matrices 97

Inversa de un matriz
Sea A una matriz n n. Si existe una matriz
n n B tal que
AB = BA = I
donde I es la matriz identidad n n, entonces
se dice que A es una matriz no singular o
invertible. Y B es la matriz inversa de A.
Si A carece de inversa, se dice que es una
matriz singular.
Sean A, B matrices no singulares.
(i) (A-1)-1 = A
(ii) (AB)-1 = B-1A-1
(iii) (AT)-1 = (A-1)T
Matrices 98

Matriz adjunta

Sea A una matriz n n. La matriz formada por


la transpuesta de la matriz de cofactores
correspondientes a los elementos de A:
T
C11 C12 C1n C11 C21 Cn1

C21 C22 C2 n C12 C22 Cn 2



Cn1 Cn 2 Cnn C1n C2 n Cnn
se llama adjunta de A y se denota por adj A.
Matrices 99

Encontrar la matriz inversa:


Sea A una matriz n n. Si det A 0, entonces:

1
1
A adj A
det A
Para n =3:
a11 a12 a13 C11 C21 C31

A(adj A) a21 a22 a23 C12 C22 C32
a C
31 32 a a 33 13 C 23 C33

det A 0 0

0 det A 0
0
0 det A
Matrices 100

1 4
A
2 10
1 10 4 5 2
1
A
2 2 1 1 1
2

1 1 4 5 2 5 4 2 2 1 0
AA
2 10 1 12 10 10 4 5 0 1

1 5 2 1 4 5 4 20 20 1 0
A A
1 1
2 2 10 1 1 4 5 0 1
Matrices 101

2 2 0

A 2 1 1
3 0 1

1 1 2 1 2 1
C11 1 C12 5 C13 3
0 1 3 1 3 0
2 0 2 0 2 2
C21 2 C22 2 C23 6
0 1 3 1 3 0
2 0 2 0 2 2
C31 2 C32 2 C33 6
1 1 2 1 2 1

1 2 2 112 16 1
6
1 1 5
A 5 2 2 12 1
6 6
1
12 1 1
3 6 6 4 1
2 2
Matrices 102

a11 a12 a1n 1 0 0


2 0 1
a21 a22 a2 n 0 1 0
A 2 3 4 (A | I)

5 5 6
an1 an 2 ann 0 0 1

2 0 1 1 0 0 1
2 R1 1 0 1 1 0 0

2 2

2 3 4 0 1 0 2 3 4 0 1 0
5 5 6 0 0 1 5 5 0 0 1
6
2 R1 R2
5 R1 R3 1 0 1 1 0 0

2 2
0 3 5 1 1 0
0 5 0 1
17
2
5
2
Matrices 103

1
3 R2
1 R 1 0 1 1 0 0

5 3 2 2
0 1 5
3
1
3
1
3 0
0 1
1 17
10
1
2 0 5

R2 R3 1 0
0 1 1 0

2 2
0 1 5
3
1
3
1
3 0
0 1
0 1
30
1
6
1
3 5

30 R3 1 0 1 1 0 0

2 2
0 1 5
3
1
3
1
3 0
0 1 5 10 6
0
12 R3 R1
5 3 R3 R2 1 0 0 2 5 3 2 5 3

0 1 0 8 17 10 1
A 8 17 10
0 5 10 6 5 10
0 1 6
Matrices 104

1 1 2 1 1 2 1 0 0

A 2 4 5 2 4 5 0 1 0
6 0 3 6 0 3 0
0 1
2 R1 R2 1 1 2 1 0 0

0 6 9 2 1 0
6 0 3 0 0 1

6 R1 R3 1 1 2 1 0 0

0 6 9 2 1 0
0 6 9 6 0 1

R2 R3 1 1 2 1 0 0

0 6 9 2 1 0
0 0
Singular 0 4 1 1
Matrices 105

a11x1 a12 x2 a1n xn b1


a21x1 a22 x2 a2 n xn b2

AX = B
am1x1 am 2 x2 amn xn bm

a11 a12 a1n x1 b1



a21 a22 a2 n x2 b2
A , X , B


am1 am 2 amn xn bm

Si m = n, y A es no singular, entonces:
X = A-1B
Matrices 106

2 x1 9 x2 15 2 9 x1 15

3x1 6 x2 16 3 6 x2 16
1
2 9 2 9 1 6 9
39 0
3 6 3 6 39 3 2

x1 1 6 9 15 1 234 6
1
x2 39 3 2 16 39 13 3

x1 6 , x2 1/3
Matrices 107

2 x1 x3 2 2 0 1

5 x1 5 x2 6 x3 1 A 2 3 4
2 x1 3 x2 4 x3 4 5 5 6

1
x1 2 0 1 2

x2 2 3 4 4
x 5 5 6 1
3
2 5 3 2 19

8 17 10 4 62
5 10 6 1 36

x1 19 , x2 62 , x3 36
Matrices 108

C11 C21 Cn1 b1



1 C12 C22 Cn 2 b2
XA B
-1
det A

C1n C2 n Cnn bn
b1C11 b2C21 bncn1

1 b1C12 b2C22 bncn 2

det A

b1C1n b2C2 n bncnn
b1C1k b2C2 k bnCnk
Regla xk
de det A
det A k
Cramer
det A
Matrices 109

a11x1 a12 x2 a1n xn 0


a21x1 a22 x2 a2 n xn 0

am1 x1 am 2 x2 amn xn 0
Un sistema homogneo de n ecuaciones
lineales, AX = 0 tiene solo la solucin trivial
(ceros) si y solo si A es no singular.

Un sistema homogneo de n ecuaciones


lineales, AX = 0 tiene una solucin no trivial
si y solo si A es singular.
Matrices Pg. 110

También podría gustarte