Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Matrices PDF
Matrices PDF
1.1.Ecuación lineal
Definiciones:
Se llama ecuación lineal a una ecuación de la forma:
a 1 x 1 + a 2 x 2 + ... + a n x n = b ,
donde los coeficientes a 1 , a 2 ,..., a n , así como el término independiente b , son escalares de un
cuerpo conmutativo K, y x 1 , x 2 ,..., x n son las incógnitas.
• Ecuación compatible es aquella que tiene alguna solución. Puede ser, a su vez,
compatible determinada cuando tiene una única solución, y compatible indeterminada
cuando tiene más de una solución (en este caso tendrá infinitas soluciones).
⎧a 11 x 1 + a 12 x 2 + ... + a 1n x n = b1
⎪a x + a x + ... + a x = b
⎪
S ≡ ⎨ 21 1 22 2 2n n 2
⎪ ...
⎪⎩a m1 x 1 + a m 2 x 2 + ... + a mn x n = b m
donde los coeficientes a ij , i=1,...,m, j=1,...,n, y los términos independientes b i , i=1,...,m,
son escalares de un cuerpo K y x 1 , x 2 , ..., x n son las incógnitas.
Una solución particular del sistema anterior es una n-upla de escalares (c1 , c 2 ,..., c n )
que sea solución de cada una de las m ecuaciones del sistema.
• Sistema compatible es aquél que tiene alguna solución. Puede ser, a su vez, compatible
determinado cuando tiene una única solución, y compatible indeterminado cuando
tiene más de una solución (en este caso tendrá infinitas soluciones).
⎧a 11 x 1 + a 12 x 2 + ... + a 1n x n = b1
⎪a x + a x + ... + a x = b
⎪
Definición: Dado el sistema ⎨ 21 1 22 2 2n n 2
, se llama sistema
⎪ ...
⎪⎩a m1 x 1 + a m 2 x 2 + ... + a mn x n = b m
⎧a 11 x 1 + a 12 x 2 + ... + a 1n x n = 0
⎪a x + a x + ... + a x = 0
⎪
homogéneo asociado al mismo, al sistema ⎨ 21 1 22 2 2n n
⎪ ...
⎪⎩a m1 x 1 + a m 2 x 2 + ... + a mn x n = 0
1.3.Sistemas equivalentes
Dos sistemas S y S’ son equivalentes cuando tienen la misma solución general,
es decir, cuando toda solución de S lo es de S’ y viceversa.
Consecuencia
Si en S una ecuación es combinación lineal de las restantes entonces, el sistema que
resulta, al suprimir dicha ecuación, es equivalente a S. En particular, si una de las ecuaciones
es nula, el sistema que resulta al suprimirla es equivalente a S
A lo largo del tema se estudiarán métodos para analizar de qué tipo es un sistema y
métodos de resolución del sistema.
Ejemplo 1:
Resolver el sistema:
⎧2x + y − 2z = 10 ⎧2 x + y − 2z = 10 ⎧2x + y − 2z = 10
⎪ ⎪ ⎪
S ≡ ⎨3x + 2 y + 2z = 1 ⇔ ⎨ − y − 10z = 28 ⇔ ⎨ − y − 10z = 28 ⇒
⎪5x + 4 y + 3z = 4 − 2⋅2 ª +3⋅1ª ⎪ −3⋅2 ª +3ª ⎪
⎩ 5⋅1ª −2⋅3ª ⎩ − 3y − 16z = 42 ⎩ 14z = -42
⎧ 1
⎪x = 2 (10 − y + 2z) = 1
⎪
⎨ y = −10z − 28 = 2 .Por tanto x=1, y=2, z=-3.
⎪z = −3
⎪
⎩
2. El nº de ecuaciones no nulas de S’ es menor que el nº de incógnitas y no hay
ecuaciones incompatibles, entonces el sistema es compatible indeterminado.
Ejemplo 2:
Resolver el sistema:
⎧x + 2 y − 3z = 1 ⎧x + 2 y − 3z = 1 ⎧x + 2 y − 3z = 1
⎪ ⎪ ⎪ ⎧x + 2 y − 3z = 1
S ≡ ⎨ 2 x + 5 y − 8z = 4 ⇔ ⎨ y - 2z = 2 ⇔ ⎨ y − 2z = 2 ⇔ ⎨ ⇒
⎪3x + 8 y − 13z = 7 ⎪ 2y - 4z = 4 ⎪ ⎩ y − 2 z = 2
⎩ ⎩ ⎩ 0=0
⎧x = 1 − 2 y + 3z = −3 − z
⎨ . Por tanto x=-3-z, y=2+2z, z=z.
⎩ y = 2 + 2z
⎧ x = −3 − λ
⎧ x = −3 − z ⎪
) Observemos que ⎨ ⇔ ⎨ y = 2 + 2λ λ ∈ R .
⎩ y = 2 + 2z ⎪z = λ
⎩
) Estas ecuaciones reciben el nombre de ecuaciones paramétricas del conjunto solución.
) Podemos escribir {(-3 - λ,2 + 2λ, λ ) λ ∈ R} .
) λ recibe el nombre de parámetro.
Resolver el sistema:
⎧x + 2 y − 3z = −1 ⎧x + 2 y − 3z = −1 ⎧x + 2 y − 3z = −1
⎪ ⎪ ⎪
S ≡ ⎨3x − y + 2z = 7 ⇔ ⎨ - 7y + 11z = 10 ⇔ ⎨ - 7y + 11z = 10
⎪5x + 3y − 4z = 2 ⎪ - 7y + 11z = 7 ⎪ ¡ 0 = -3 !
⎩ ⎩ ⎩
luego S es incompatible.
1.5.Método de Gauss-Jordan
Procediendo de manera análoga al método anterior, se trata de transformar S, mediante
operaciones elementales y siempre que sea posible, en un sistema S’ de la siguiente forma que
denominaremos diagonal
⎧x 1 = b'1
⎪ x = b' 2
⎪ 2
S' ≡ ⎨
⎪
⎪⎩ x n = b' n
Ejemplo:
⎧2 x + y − 2 z = 0 ⎧2 x + y − 2 z = 0 ⎧2 x + y − 2 z = 0
⎪ ⎪ ⎪
S H1 ≡ ⎨3x + 2 y + 2z = 0 ⇔ ⎨ − y − 10z = 0 ⇔ ⎨ − y − 10z = 0 ⇒
⎪5x + 4 y + 3z = 0 ⎪ − 3y − 16z = 0 ⎪ 14z = -0
⎩ ⎩ ⎩
⎧ 1
⎪ x = 2 ( − y + 2z ) = 0
⎪
⎨ y = −10z = 0 . Por tanto x=y=z=0
⎪z = 0
⎪
⎩
Obsérvese que S H1 procede de un sistema compatible determinado cuya solución puede
escribirse en la forma:
{(1,2,-3) = (1,2,-3) + (0,0,0)}
Ejemplo:
⎧x + 2 y − 3z = 0 ⎧x + 2 y − 3z = 0
⎪ ⎪ ⎧x + 2 y − 3z = 0
SH2 ≡ ⎨2 x + 5 y − 8z = 0 ⇔ ⎨ y - 2z = 0 ⇔ ⎨ ⇒
⎪3x + 8 y − 13z = 0 ⎪ 2y - 4z = 0 ⎩ y − 2 z = 2
⎩ ⎩
⎧ x = −λ
⎧x = −2 y + 3z = −z ⎪
⎨ ⇔ ⎨ y = 2λ , λ ∈ R .
⎩ y = 2z ⎪z = λ
⎩
Obsérvese que SH 2 procede de un sistema compatible indeterminado cuya solución se puede
escribir en la forma:
{(-3 - λ,2 + 2λ, λ), λ ∈ R} = {(−3,2,0) + λ(−1,2,1), λ ∈ R}
2.Matrices
2.1.Matriz
Definición:
Una matriz es un conjunto de elementos de un cuerpo K ordenados en filas y
columnas.
Si la matriz tiene m filas y n columnas, se escribe así:
⎛ a 11 a 12 ... a 1n ⎞
⎜ ⎟
⎜a a 22 ... a 2 n ⎟
A = ⎜ 21
... ⎟ = (a ij )m×n
⎜ ⎟
⎜a
⎝ m1 a m2 ... a mn ⎟⎠
El elemento general a ij de la matriz tiene asociados el subíndice i, que indica la fila, y
el subíndice j que indica la columna en las que se encuentra dicho elemento.
Se designa por M m × n el conjunto formado por las matrices con m filas y n columnas,
y por M m × n ( K ) al conjunto de matrices de dimensión m × n cuyos elementos son escalares
del cuerpo K.
Definición:
Matrices equidimensionales son las que tienen la misma dimensión; dos matrices
equidimensionales A y B son iguales cuando aij = bij, i=1,...,m, j=1,...,n.
Tipos de matrices:
2.2.Matrices cuadradas
Matriz diagonal es aquella que tiene nulos todos sus elementos, salvo, a lo sumo, los
de la diagonal principal.
Matriz escalar es una matriz diagonal con todos los elementos de la diagonal
principal iguales.
La matriz unidad de orden n tiene nulos todos sus elementos excepto los de la
diagonal
⎛1 0 ... 0 ⎞
⎜ ⎟
⎜0 1 ... 0 ⎟
principal que son unos; se denota por I n = ⎜ ⎟
...
⎜ ⎟
⎜0
⎝ 0 ... 1 ⎟⎠
Matriz triangular superior es la que tiene nulos todos los elementos por debajo de la
diagonal principal.
Matriz triangular inferior es la que tiene nulos todos los elementos por encima de la
diagonal principal.
Definición:
Se llama matriz traspuesta de la matriz A ∈ M m×n a la matriz A t ∈ M n×m que se
obtiene al intercambiar cada fila con la correspondiente columna de A; es decir, a ijt = a ji , i, j =
1, 2, ...,n.
⎛1 4⎞
⎛ 1 3 2⎞ t ⎜ ⎟
Ejemplo: La traspuesta de la matriz A= ⎜ ⎟ ∈ M 2×3 es A = ⎜ 3 0 ⎟ ∈ M 3×2 .
⎝ 4 0 5⎠ ⎜ 2 5⎟
⎝ ⎠
2.3.1.Suma de matrices
Para cualesquiera matrices A=(aij), B=(bij) ∈ M m×n se define la suma de A y B y se
designa A+B como la matriz C=(cij) ∈ M m×n tal que
cij=aij+bij ∀i = 1, , m, j = 1, ,n
+
M m× n × M m× n ⎯
⎯→ M m× n
La suma es una operación interna en M m×n y es fácil comprobar
(A, B) ⎯
⎯→ C
que ( M m×n , +) tiene estructura de grupo conmutativo o abeliano, es decir, se verifican las
propiedades:
2. Elemento neutro: Es la matriz cuyos elementos son todos nulos, la designaremos por O:
A+O=O+A=A ∀A ∈ M m×n .
3. Elemento simétrico: Es la matriz cuyos elementos son los opuestos respectivos a los de
la matriz dada. ∀A ∈ M m×n , designaremos por –A ∈ M m×n a su matriz opuesta: A+(-
A)=(-A)+A=O.
A=(aij) ∈ M m×n y la matriz simétrica u opuesta de A, será: -A=(-aij) ∈ M m×n ya que
A+(-A)=(aij)+(-aij)=(aij-aij)=(0)=O
(-A)+A =(-aij)+(aij)= (-aij+aij)=(0) =O, ya que se cumple la propiedad de existencia de
elemento opuesto en K.
⎛ 2 1⎞ ⎛ 5 1⎞
Efectuar 3⎜ ⎟ − 4⎜ ⎟
⎝ −1 3⎠ ⎝ 6 0⎠
⎛ 2 1 ⎞ ⎛ 5 1 ⎞ ⎛ 6 3 ⎞ ⎛ 20 4 ⎞ ⎛ − 14 − 1⎞
3⎜⎜ ⎟⎟ − 4⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ − ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟
⎝ − 1 3 ⎠ ⎝ 6 0 ⎠ ⎝ − 3 9 ⎠ ⎝ − 24 0 ⎠ ⎝ − 27 9 ⎠
2.3.3.Producto de matrices
Sean A = (a ik ) ∈ M m×n y B = (b kj ) ∈ M n×p definimos el producto de A y B,
que designaremos AB, como otra matriz C=(cij) ∈ M m×p tal que
n
c ij = ∑ a ik b kj =a i1 b1 j + a i 2 b 2 j + + a in b nj ∀i = 1, , m ∀j = 1, ,p
k =1
∑a
k =1
ik b kj y el elemento que ocupa el lugar (i,l) en la matriz (AB)C resulta
p
⎛ n ⎞
∑ ⎜ ∑ a ik b kj ⎟c jl . En el segundo miembro A(BC) el elemento genérico (i,l) es
j=1 ⎝ k =1 ⎠
n ⎛ p ⎞
∑ a ik ⎜ ∑ b kj c jl ⎟ que es igual al anterior porque se cumple la propiedad asociativa de
⎜ ⎟
k =1 ⎝ j=1 ⎠
elementos de K.
2. Distributiva: Cuando sea posible efectuar las operaciones A(B+C) y (B+C)A, se verifica
⎧A(B + C) = AB + AC
⎨ .
⎩(B + C)A = BA + CA
⎝ k =1 ⎠ ⎝ k =1 ⎠ ⎝ k =1 k =1 ⎠
3. ∀A ∈ M m×n , la matriz identidad Im verifica que ImA=A, y análogamente la matriz
identidad In verifica que AIn =A.
Es fácil ver que:
⎛ a 11 a 12 ... a 1n ⎞ ⎛1 0 ... 0 ⎞ ⎛ a 11 a 12 ... a 1n ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜a a 22 ... a 2 n ⎟ ⎜0 1 ... 0 ⎟ ⎜ a 21 a 22 ... a 2 n ⎟
AIn = ⎜ 21 ⎟ ⎜ ⎟ =⎜ ⎟ =A
... ... ...
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜a
⎝ m1 a m2 ... a mn ⎟⎠ ⎜0
⎝ 0 ... 1 ⎟⎠ ⎜⎝ a m1 a m2 ... a mn ⎟⎠
Ejemplo:
Solución: No se puede efectuar la operación por no estar definido dicho producto matricial (el
nº de columnas de la 1ª matriz es distinto al nº de filas de la 2ª).
b) ( 2 1 0)(1 0 1)
Solución: No se puede efectuar la operación por no estar definido dicho producto matricial (el
nº de columnas de la 1ª matriz es distinto al nº de filas de la 2ª).
⎛1 1 ⎞ ⎛ 1 0 1⎞
c) Sean A = ⎜ ⎟y B=⎜ ⎟ . Calcular AB y BA.
⎝ 2 −1⎠ ⎝ 3 −1 0⎠
⎛ 4 −1 1⎞
Solución: Sí es posible efectuar AB obteniéndose AB = ⎜ ⎟ , pero no es posible
⎝ −1 1 2⎠
efectuar BA porque el nº de columnas de la matriz B es distinto al nº de filas de la matriz A
⎛ 1 2 3⎞ ⎛2 1 0⎞
⎜ ⎟ ⎜ ⎟
d) Sean A = ⎜ − 1 0 1 ⎟ y B = ⎜ 1 1 1 ⎟ . Calcular AB y BA.
⎜ 0 1 1⎟ ⎜ 1 − 2 − 1⎟
⎝ ⎠ ⎝ ⎠
ii) (A+B)t=At+Bt .
Sea A = (a ij ) ∈ M m×n y B = (b ij ) ∈ M m×n , luego A t = (a ji ) ∈ M n×m y
B t = (b ji ) ∈ M n×m . Entonces:
(A+B)t= ((aij)+(bij))t=(aij+bij)t=(aji+bji)=(aji)+(bji)= At+Bt.
iii) (kA)t=kAt ∀k ∈ K.
t t
⎛ ⎛ a 11 a 12 ... a 1n ⎞⎞ ⎛ ka 11 ka 12 ... ka 1n ⎞
⎜ ⎜ ⎟⎟ ⎜ ⎟
⎜ ⎜a a 22 ... a 2 n ⎟⎟ ⎜ ka ka 22 ... ka 2 n ⎟
(kA)t= ⎜ k⎜ 21 ⎟⎟ = ⎜ 21 ⎟ =
... ...
⎜ ⎜ ⎟⎟ ⎜ ⎟
⎜ ⎜a
⎝ ⎝ m1 a m2 ... a mn ⎟⎟
⎠⎠
⎜ ka
⎝ m1 ka m 2 ... ka mn ⎟⎠
⎛ ka 11 ka 21 ... ka n1 ⎞ ⎛ a 11 a 21 ... a n1 ⎞
⎜ ⎟ ⎜ ⎟
⎜ ka ka 22 ... ka n 2 ⎟ ⎜ a 12 a 22 ... a n 2 ⎟ t
= ⎜ 12 ⎟ = k ⎜ ⎟ =kA .
... ...
⎜ ⎟ ⎜ ⎟
⎜ ka ka 2 m ... ka nm ⎟⎠ ⎜a a 2m ... a nm ⎟⎠
⎝ 1m ⎝ 1m
iv) (AB)t=BtAt.
Si A=(aik) ∈ M m×n , B=(bkj) ∈ M n×p entonces
t
⎛ n ⎞ ⎛ n ⎞ ⎛ n ⎞
(AB) = ⎜ ∑ a ik b kj ⎟ = ⎜ ∑ a ki b jk ⎟ = ⎜ ∑ b jk a ki ⎟ = BtAt
t
⎝ k =1 ⎠ ⎝ k =1 ⎠ ⎝ k =1 ⎠
⎧A(B + C) = AB + AC ⎫
3. Distributiva ⎨ ⎬ ∀A, B, C ∈ M n .
⎩(B + C)A = BA + CA ⎭
Luego ( M n ,+,⋅ ) es un anillo con elemento unidad.
En el anillo anterior existen divisores de cero; puesto que el producto de dos matrices
distintas del elemento neutro de la adición (matriz nula) es igual a la matriz dada.
⎧a = 0
⎪
0 En R se verifica que si a,b∈R, y ab=0 ⇒ ⎨ó . Sin embargo esto no sucede en Mn.
⎪b = 0
⎩
⎛ 0 1⎞ ⎛0 1⎞ ⎛ 0 1⎞ ⎛ 0 1 ⎞ ⎛ 0 0 ⎞
0 Para A= ⎜⎜ ⎟⎟ y B= ⎜⎜ ⎟⎟ se verifica que AB= ⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ =O ,
⎝ 0 1⎠ ⎝0 0⎠ ⎝ 0 1⎠ ⎝ 0 0 ⎠ ⎝ 0 0 ⎠
donde O es la matriz nula. Es decir, en el conjunto Mn de la igualdad AB=O no se puede
deducir, en general, que o bien A es la matriz nula, o bien B es la matriz nula.
Observación
( M n ,⋅ ) no tiene la propiedad del elemento inverso, pero hay matrices que sí tienen
elemento inverso, entonces definimos:
2.3.6.Matriz inversa
Llamaremos matriz inversa de A ∈ M n , y designaremos A-1, a la matriz
cuadrada de orden n, que verifique que AA-1=A-1A= I n
Propiedades de la inversa
El operador inversa de una matriz verifica las siguientes propiedades ∀A, B ∈ M n :
1. La inversa de una matriz, si existe, es única.
2. Si A y B son inversibles, entonces AB es inversible y (AB)−1 = B−1A −1
3. Si A es inversible, entonces A −1 ( ) =A −1
4. Si A es inversible, entonces (A ) = (A ) t −1 −1 t
Demostración:
1. Sean A −1 y B sendas matrices inversas de la matriz A, entonces:
In
−1
BA= I n ⇒ BAA −1 = I n A −1 ⇒ A = B
2. Demostremos la definición de inversa (AB)−1 AB = I n
In In
(B −1
A −1
)AB = B −1
AA B = B B = I n ⇒ (AB) = B A
−1 −1 −1 −1 −1
(A ) = (A )
t −1 −1 t
.
Para realizar ciertos cálculos resulta conveniente, en algunas ocasiones, repartir los
elementos de una matriz A, mediante rectas verticales y horizontales, en submatrices que
denominaremos bloques, cajas o células de A.
⎧A11 = (1 4)
⎪A = (6 7)
⎛1 4 6 7⎞ ⎪ 12
⎜ ⎟ ⎛ A11 A12 ⎞
⎜ ⎟ ⎜ ⎟ ⎪⎪ ⎛0 0⎞
Ejemplo: A = ⎜ =⎜ ⎟ siendo ⎨A 21 = ⎜⎜ ⎟
0 0 1 1⎟ ⎜ ⎝0 0 ⎟⎠
⎜ ⎟ A 21 A 22 ⎟⎠ ⎪
⎜0
⎝ 0 3 2 ⎟⎠ ⎝ ⎪ ⎛1 1⎞
⎪A 22 = ⎜⎜ ⎟
⎪⎩ ⎝3 2 ⎟⎠
Las operaciones entre matrices por bloques se realizan análogamente a las
operaciones entre matrices, con la única condición de que los bloques, submatrices, se puedan
operar entre sí. Así:
Para sumar dos matrices A y B equidimensionales, por bloques, es necesario
que:
i) Ambas estén divididas en el mismo nº de bloques.
ii) Los bloques correspondientes sean equidimensionales
⎛1 3 4 1⎞ ⎛ 1 4 0 0⎞ ⎛ 2 7 4 1⎞
Ejemplo: ⎜ ⎟ +⎜ ⎟=⎜ ⎟
⎝2 1 3 0⎠ ⎝ 7 1 2 2⎠ ⎝ 9 2 5 2⎠
⎛1 0 0⎞
⎜ ⎟
⎜ ⎟
nº de bloques fila en A y el nº de bloques columna en B, por ejemplo. A= ⎜ ,
0 2 3⎟
⎜ ⎟
⎜0 4 5 ⎟⎠
⎝
⎛1 0 0 0⎞
⎜ ⎟
⎜ ⎟
B= ⎜
1 2 3 4⎟
⎜ ⎟
⎜0 − 1 0 1 ⎟⎠
⎝
⎛ ⎞ ⎛1 0 0 0⎞
⎜ 1+ 0
⎜
( 0 0 0) + (0 0 0) ⎟ ⎜
⎟ ⎜
⎟ ⎛1 0 0 0 ⎞
⎟ = ⎜ 2 1 6 11⎟
AB= ⎜ ⎟ =⎜
⎜ ⎛ 0⎞ ⎛ 2⎞ ⎛ 0 0 0⎞ ⎛ 1 6 11 ⎞ ⎟ ⎜ 2 1 6 11⎟ ⎜⎜ ⎟
⎟
⎟ ⎝ 4 3 12 21⎠
⎜ ⎜⎝ 0⎟⎠ + ⎜⎝ 4⎟⎠ ⎜⎝ 0 0 0⎟⎠ + ⎜⎝ 3 12 21⎟⎠ ⎟ ⎝ 4 3 12 21⎠
⎝ ⎠
Observación
Como consecuencia del cálculo del producto de matrices por bloques, se puede hallar
la inversa de una matriz por bloques aplicando la propiedad de elemento inverso, mediante la
resolución de un sistema de ecuaciones matricial, siempre que conozcamos la inversa de
algún bloque.
⎛1 0 0⎞
⎜ ⎟
Ejemplo: Hallar la inversa de la matriz A = ⎜ 0 2 3 ⎟
⎜ 0 4 5⎟
⎝ ⎠
⎛1 0 0⎞
⎜ ⎟ ⎛ A11 A12 ⎞
⎜ ⎟ ⎜ ⎟
Consideramos la matriz A dividida en los bloques A = ⎜ =⎜ ⎟ , es
0 2 3⎟ ⎜
⎜ ⎟ A 21 A 22 ⎟⎠
⎜0
⎝ 4 5 ⎟⎠ ⎝
⎛0⎞ ⎛ 2 3 ⎞⎫
decir {A11 = (1), A12 = (0 0 ), A 22 = ⎜⎜ ⎟⎟, A 23 = ⎜⎜ ⎟⎟⎬ , y designamos
0
⎝ ⎠ ⎝ 4 5 ⎠⎭
⎛ B11 B12 ⎞
⎜ ⎟
A −1 =⎜ -1
⎟ , entonces por definición de matriz inversa: AA =In ⇒
⎜B B 22 ⎟⎠
⎝ 21
⎛1 0 0⎞
⎛ A11 A12 ⎞ ⎛ B11 B12 ⎞ ⎜ ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ ⎟ ⎜ ⎟ =⎜ y por ser inversibles A11 y A22:
⎜A 0 1 0⎟
⎝ 21 A 22 ⎟⎠ ⎜B
⎝ 21 B 22 ⎟⎠ ⎜⎜ ⎟
⎝0 0 1 ⎟⎠
−1 ⎛1 0 0⎞
⎧A11 = 1−1 = 1 ⎜ ⎟
⎪ ⎜… ⎟
⎪ 3 ⎞ ⇒ Luego A −1
Sabiendo que ⎨ −1 ⎛ 2 3 ⎞ −1 ⎛⎜ − 5 ⎟
=⎜ 5 3⎟
⎟⎟ = 0 −
⎪A 22 = ⎜⎜ ⎜ 2 2⎟ ⎜ 2 2⎟
⎪⎩ ⎝ 4 5⎠ ⎝ 2 − 1⎠ ⎜0 2 − 1⎟⎠
⎝
⎛ a 11 a 12 ... a 1n ⎞
⎜ ⎟
⎜a a 22 ... a 2 n ⎟
coeficientes ó matriz del sistema a la siguiente matriz: A = ⎜ 21 ⎟.
...
⎜ ⎟
⎜a
⎝ m1 a m2 ... a mn ⎟⎠
⎛ b1 ⎞
⎜ ⎟
⎜b ⎟
La matriz de los términos independientes es: B = ⎜ 2 ⎟ .
...
⎜ ⎟
⎜b ⎟
⎝ m⎠
⎛ ⎞
⎜ ⎟
⎜ a 11 a 12 ... a 1n b1 ⎟
⎜a a 22 ... a 2 n b2 ⎟
La matriz ampliada del sistema es: A ∗ = ⎜ 21 ⎟.
⎜ ... ... ⎟
⎜a a m2 ... a mn bm ⎟
⎜ m1 ⎟
⎜ ⎟
⎝ A ⎠
⎛ x1 ⎞
⎜ ⎟
⎜x ⎟
Por último, la matriz de las incógnitas es: X = ⎜ 2 ⎟ .
...
⎜ ⎟
⎜x ⎟
⎝ n⎠
Con esta notación, tal como se ha definido el producto de matrices, el sistema de partida
puede escribirse en la forma:
AX = B
⎧ x+ y+ z =6
⎪
Ejemplo: El sistema ⎨2 x − y + 3z = 9 puede también escribirse en forma matricial:
⎪3x + 2 y − z = 4
⎩
⎛1 1 1 ⎞⎛ x ⎞ ⎛ 6 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ 2 − 1 3 ⎟⎜ y ⎟ = ⎜ 9 ⎟ .
⎜ 3 2 − 1⎟⎜ z ⎟ ⎜ 4 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
⎛x⎞
⎧2 x + 3 y − 4 z = 7 ⎛ 2 3 - 4 ⎞⎜ ⎟ ⎛ 7 ⎞
Ejemplo: El sistema S ≡ ⎨ en forma matricial ⎜⎜ ⎟⎟⎜ y ⎟ = ⎜⎜ ⎟⎟
⎩x − 2 y − 5z = 3 ⎝ 1 - 2 - 5 ⎠⎜ z ⎟ ⎝ 3 ⎠
⎝ ⎠
Todo sistema homogéneo SH se escribe, en forma matricial, como AX=O
dónde A es la matriz de los coeficientes, X la matriz columna de las incógnitas y O la
matriz columna nula correspondiente.
⎛x⎞
⎧2 x + 3 y − 4 z = 0 ⎛ 2 3 - 4 ⎞⎜ ⎟ ⎛ 0 ⎞
Ejemplo: El sistema S ≡ ⎨ ⇔ ⎜⎜ ⎟⎟⎜ y ⎟ = ⎜⎜ ⎟⎟
⎩x − 2 y − 5z = 0 ⎝ 1 - 2 - 5 ⎠⎜ z ⎟ ⎝ 0 ⎠
⎝ ⎠
Definición:
⎛a a 12 ⎞
El determinante de la matriz A = ⎜⎜ 11 ⎟ ∈ M 2 (K ) es el escalar a 11a 22 − a 12 a 21 ;
⎝ a 21 a 22 ⎟⎠
⎛a a 12 ⎞ a 11 a 12
se escribe así: A = Det⎜⎜ 11 ⎟= = a 11a 22 − a 12 a 21 .
⎝ a 21 a 22 ⎟⎠ a 21 a 22
M 2 ⎯⎯→ K
Queda entonces definida la aplicación
A⎯
⎯→ A
a 22 a 23 a a 23 a a 22
solo si a 11 − a 12 21 + a 13 21 ≠ 0.
a 32 a 33 a 31 a 33 a 31 a 32
a 11 a 12 a 13
a 21 a 22 a 23 = a 11a 22 a 33 − a 11a 23 a 32 − a 12 a 21a 33 + a 12 a 23 a 32 + a 13 a 21a 32 − a 13 a 22 a 31 =
a 31 a 32 a 33
= a 11a 22 a 33 + a 12 a 23 a 32 + a 13 a 21a 32 − a 13 a 22 a 31 − a 12 a 21a 33 − a 11a 23 a 32
Esta nueva forma de expresar el determinante de una matriz de orden tres se llama:
Regla de Sarrus para el cálculo de un determinante.
Regla de Sarrus
El escalar A también puede obtenerse mediante la suma de los productos de los
elementos de la diagonal principal y sus dos paralelas menos la suma de los productos de los
elementos de la diagonal secundaria y sus dos paralelas, en la siguiente matriz obtenida al
añadir a la matriz A las dos primeras filas
a 11 a 11 a 11
a 21 a 21 a 21
a 31 a 31 a 31
a 11 a 11 a 11
a 21 a 21 a 21
M 3 ⎯⎯→ K
Queda entonces definida la aplicación
A⎯
⎯→ A
Con esta notación, el último sistema planteado tiene solución única si y solo si el
a 11 a 12 a 13
determinante de la matriz de los coeficientes A = a 21 a 22 a 23 ≠ 0 y la solución es
a 31 a 32 a 33
b1 a 12 a 13 a 11 b1 a 13 a 11 a 12 b1
b2 a 22 a 23 a 21 b2 a 23 a 21 a 22 b2
b3 a 32 a 33 a 31 b3 a 33 a 31 a 32 b3
x1 = , x2 = , x3 = .
A A A
a 22 a 23 a 21 a 23 a 21 a 22
− a11 + a12 − a13 = −A
a 32 a 33 a 31 a 33 a 31 a 32
Si intercambiamos la 1ª fila con alguna de las otras dos la demostración se realiza
directamente calculando los determinantes.
Para columnas también se cumple por la propiedad primera.
7) Si en un determinante los elementos de una línea son suma de dos sumandos, dicho
determinante es igual a la suma de dos determinantes, uno de ellos con esa línea formada por
los primeros sumandos y el resto de las líneas como las del determinante original, y el otro
determinante análogo a éste, pero con los segundos sumandos en vez de los primeros.
Para el caso de orden dos y de la primera fila, por ejemplo, esta propiedad se
a 11 + a '11 a 12 + a '12 a 11 a 12 a '11 a '12
expresaría así: = + y su comprobación es inmediata,
a 21 a 22 a 21 a 22 a 21 a 22
a 11 + a '11 a 12 + a '12 a 11 a 12 a '11 a '12
= (a 11 + a '11 )a 22 − (a 12 + a '12 )a 21 = +
a 21 a 22 a 21 a 22 a 21 a 22
a 11 + a '11 a 12 + a '12 a 13 + a '13
Análogamente, a 21 a 22 a 23 =
a 31 a 32 a 33
a 22 a 23 a 21 a 23 a 21 a 22
= (a 11 + a '11 ) − (a 12 + a '12 ) + (a 13 + a '13 ) =
a 32 a 33 a 31 a 33 a 31 a 32
a 22 a 23 a a a a a a 23 a a a a
= a11 − a12 21 23 + a13 21 22 + a '11 22 − a '12 21 23 + a'13 21 22
a 32 a 33 a 31 a 33 a 31 a 32 a 32 a 33 a 31 a 33 a 31 a 32
a11 a12 a13 a '11 a '12 a'13
= a 21 a 22 a 23 + a 21 a 22 a 23
a 31 a 32 a 33 a 31 a 32 a 33
La demostración para cualquier otra fila es inmediata, o bien desarrollando los
determinantes.
9) Si a una línea se le suma una combinación lineal de otras líneas paralelas, entonces el
determinante no varía.
Por la propiedad anterior, equivale a suma cero. Veamos la primera fila más una
combinación lineal de las restantes f 1 + λf 2 + μf 3 , entonces:
a 11 + λa 21 + μa 31 a 12 + λa 22 + μa 32 a 13 + λa 23 + μa 33 a 11 a 12 a 13
a 21 a 22 a 23 = a 21 a 22 a 23 +
prop.8 )
a 31 a 32 a 33 a 31 a 32 a 33
λa 21 + μa 31 λa 22 + μa 32 λa 23 + μa 33
a 21 a 22 a 23
a 31 a 32 a 33
Definición:
Si A = (a ij )∈ M 3 (K ) , se llama menor complementario del elemento aij, y se le
denota por αij, al determinante de la submatriz de orden dos de A que se obtiene eliminando la
fila i y la columna j.
Definición:
El adjunto del elemento aij es αij , si i+j es par, ó bien, - αij, si i+j es impar; se le
denota por Aij; por tanto, A ij = (-1) i + j α ij .
Ejemplo:
1 2 1 2
Solución : α 23 = =-2 y A23= (−1) 2+3 =2.
1 0 1 0
Definición:
De acuerdo con la regla de Sarrus y con las definiciones anteriores, si A ∈ M 3 (K ) ,
puede definirse el determinante de A como la suma de los productos de los elementos de
primera fila de A por sus correspondientes adjuntos; es decir, A = a 11A11 + a 12 A12 + a 13 A13 .
Definición general:
Si A ∈ M n (K ) , se define el determinante de A, y se denota como antes, a la suma de
los productos de los elementos de la primera fila de A por sus correspondientes adjuntos (que
serán determinantes de orden n-1).
n
B = ∑ a 1 j B1 j donde cada adjunto B1j es una matriz cuadrada de orden n-1 con dos filas
j=1
⎛ a 11 .. a 1n ⎞
⎜ ⎟
⎜ a i + k1 .. a i + kn ⎟ ←⎯ ⎯ ⎯
Si se intercambian las filas i e i+k: B = ⎜ ... ...
⎟
fila i
esta matriz se puede
⎜ a i1 .. a in ⎟ ←⎯ ⎯
fila i + k
⎯
⎜a .. a nn ⎠ ⎟
⎝ n1
conseguir realizando 2k-1 intercambios de filas consecutivas; puesto que la fila i+k
necesita k cambios hasta llegar a ocupar la fila i y la fila i queda en la posición de la fila
i+1 y necesita k-1 intercambios para quedar como indica B en total k+k-1=2k-1. Cada uno
de estos intercambios cambia de signo el determinante y 2k-1 es impar, luego
B = (−1) 2 k −1 A = − A
Por la propiedad anterior sacando el valor de proporcionalidad resulta la matriz con dos
filas iguales y su determinante es cero.
6) Si en un determinante los elementos de una fila son suma de dos sumandos, dicho
determinante es igual a la suma de dos determinantes, uno de ellos con esa fila formada
por los primeros sumandos y el resto de las filas como las del determinante original, y el
otro determinante análogo a éste, pero con los segundos sumandos en vez de los primeros.
a 11 a 12 . . . a 1n a 11 a 12 . . . a 1n
a 21 a 22 . . . a 2n a 21 a 22 . . . a 2n
. . . . . . . . . . . .
C= = +
a i1 + b i1 a i2 + bi2 . . . a in + b in a i1 a i2 . . . a in
. . . . . . . . . . . .
a n1 a n2 . . . a nn a n1 a n2 . . . a nn
a 11 a 12 . . . a 1n
a 21 a 22 . . . a 2n
. . . . . .
+ = A + B para todo i=1,2,...,n
b i1 bi2 . . . b in
. . . . . .
a n1 a n2 . . . a nn
Tenemos C = a 11C11 + a 12 C12 + ... + a 1n C1n donde cada adjunto C1k es una matriz de orden
n-1 con una fila que es suma y se puede escribir Cik=Aik+Bik como suma de adjuntos de la
matriz A y de la matriz B. Sustituyendo este resultado en la igualdad anterior
C = a 11 (A 11 + B11 ) + a 12 (A 12 + B12 ) + ... + a 1n (A 1n + B1n ) =
= a 11 A11 + a 12 A 12 + ... + a 1n A 1n + a 11 B11 + a 12 B12 + ... + a 1n B1n = A + B
μa 31 μa 32 . . . μa 3n
a 21 a 22 . . . a 2n
a 31 a 32 . . . a 3n
+ = 0 . En el caso de que la fila primera no fuera combinación
. . . . . .
. . . . . .
a n1 a n2 . . . a nn
lineal de las siguientes y si lo fuera la fila i se intercambian entre si aunque el
determinante cambia de signo (propiedad 3) resultando por supuesto cero.
8) Si a una fila se le suma una combinación lineal de otras filas, entonces el determinante no
varía.
Si multiplicamos la fila i de la matriz cuadrada A por k y se suma a la fila k para obtener B
por las propiedades 4) y 6) el determinante no varía.
a 11 + ka 21 a 12 + ka 22 . . . a 1n + ka 2 n ka 21 ka 22 . . . ka 2 n
a 21 a 22 . . . a 2n a 21 a 22 . . . a 2n
. . . . . . . . . . . .
A = = A+
. . . . . . . . . . . .
. . . . . . . . . . . .
a n1 a n2 . . . a nn a n1 a n2 . . . a nn
El segundo determinante es nulo por la propiedad 5)
n n
B1 j = A 1t j = A ji , que resulta A t = ∑ a j1 B1 j = ∑ a j1 A j1 = A .
j= 0 j= 0
A partir de este resultado, en todas las propiedades anteriores se puede sustituir la palabra fila
por la palabra columna.
Observación
Las propiedades 2, 4 y 6 se resumen diciendo que la aplicación determinante
M n ⎯⎯→ K
es una forma n-lineal alternada.
A⎯
⎯→ A
Demostración:
Demostremos, en primer lugar, el apartado i) :
a11 a12 a1n a i1 a i 2 a in
a n1 a n 2 a nn a n1 a n 2 a nn
⎡ a 22 a 23 a 2n a 21 a 22 a 2n −1 ⎤
⎢ ⎥
⎢ ⎥
− ⎢a i1 (−1) 2 a12 a13 a1n + + a in (−1)1+ n a11 a12 a1n −1 ⎥ =
⎢ ⎥ subiendo la fila i -1ª hasta la 1ª
⎢ ⎥ intercambi ándola sucesivamente
con la inmediata anterior
⎢ a n 2 a n 3 a nn a n1 a n 2 a nn −1 ⎥⎦
⎣
⎡ a12 a13 a1n a11 a12 a1n −1 ⎤
⎢ ⎥
⎢ ⎥
⎢ 2
a a
i − 2 i −12 i −13
a i −1n 1+ n
a a
i − 2 i −11 i −12
a i −1n −1 ⎥
− a i1 ( −1) ( −1) + + a in ( −1) (−1) =
⎢ a i +12 a i +13 a i +1n a i +11 a i +12 a i +1n −1 ⎥
⎢ ⎥
⎢ ⎥
⎢⎣ a n 2 a n3 a nn a n1 a n 2 a nn −1 ⎥⎦
[
− a i1 (−1) 2+i − 2 α i1 + ]
+ a in (−1)1+ n +i − 2 α in = a i1 (−1) i +1 α i1 + + a in (−1) i + n α in ⇒
Corolario
El desarrollo formado por los elementos de una línea, tomando como adjuntos
los de una paralela a la misma es el cero de K.
Demostración:
Consideramos el desarrollo por los elementos de la fila i de la matriz A ∈ M n tomando
como adjuntos, por ejemplo, los de la 1ª fila. Entonces:
a 22 a 2n a 21 a 2 n −1
an2 a nn a n1 a nn −1
a i1 a i 2 a in
a i1 a i 2 a in = 0.
fila1ª = fila i ª
a n1 a n 2 a nn
Análogamente se demuestra tomando como adjuntos los de cualquier otra fila distinta de la
fila i-ésima.
Ejemplo:
2 01 3
−1 12 1
Calcular el determinante
−3 2 −1 1
4 −2 1 2
2 0 1 3 2 0 1 3 2 0 1 3
−1 1 2 1 −1 1 2 1 −1 1 2 1
Solución: = = =
−3 2 −1 1 fila 3 ª −2 fila 2 ª − 1 0 − 5 −1 fila 4 ª +2 fila 2 ª − 1 0 − 5 −1
4 −2 1 2 4 −2 1 2 2 0 5 4
2 1 3 2 1 3 2 1 3
1 3
= 1−1 − 5 −1 = 1 0 3 = 1 0 3 = = − =
desarrollando 2ª fila + 5 fila 1ª 3ª fila -5 fila 1ª desarrollando − 8 − 11
por la 2ª columna
2 5 4 2 5 4 − 8 0 − 11 por la 2ª columna
-(-11+24)= -13.
Ejercicio.
1 a a2 a3
1 b b2 b3
Calcular el determinante denominado de Vandermonde D=
1 c c2 c3
1 d d2 d3
Solución:
1a a2 a3 1 a a2 a3
0 b − a b2 − a 2 b3 − a 3 0 b − a (b − a )(b + a ) (
(b − a ) b 2 + ab + a 2 )
D =
2 ª −1ª 0 c − a c 2 − a 2
=
c3 − a 3 0 c − a (c − a )(c + a ) (
(c − a ) c 2 + ac + a 2 )
3ª −1ª
4 ª −1ª 0 d − a d 2 − a 2 d3 − a 3 0 d − a (d − a )(d + a ) (
(d − a ) d 2 + ad + a 2 )
1 a a2 a3
= (b − a )(c − a )(d − a )
0 1 (b + a ) ( b 2 + ab + a 2 )
4 ª prop. det . 0 1 (c + a ) ( c 2 + ac + a 2 )
0 1 (d + a ) (d 2
+ ad + a 2 )
1 b+a b 2 + ab + a 2
= (b − a )(c − a )(d − a )1 c+a c 2 + ac + a 2
desarrollo por la 1ª columna
1 d + a d 2 + ad + a 2
1 b+a b 2 + ab + a 2
= (b − a )(c − a )(d − a ) 0 c − b c 2 − b 2 + a (c − b )
2 ª −1ª
3ª −1ª 0 d − b d 2 − b 2 + a (d − b )
1 b+a b 2 + ab + a 2
=(b − a )(c − a )(d − a ) 0 c − b (c − b )(c + b + a )
0 d−b (d − b )(d + b + a )
1 b + a b 2 + ab + a 2
= (b − a )(c − a )(d − a )(c − b )(d − b ) 0 1
4 ª prop. det .
(c + b + a )
0 1 (d + b + a )
1 c+b+a
= (b − a )(c − a )(d − a )(c − b )(d − b )
desarrollo por la 1ª columna 1 d+b+a
1 c+b+a
= (b − a )(c − a )(d − a )(c − b )(d − b ) = (b − a )(c − a )(d − a )(c − b )(d − b )(d − c )
2 ª −1ª 0 d − c def
1 a a2 a3
1 b b2 b3
= (b − a )(c − a )(d − a )(c − b )(d − b )(d − c )
1 c c2 c3
1 d d2 d3
Definición:
Se dice que una matriz A ∈ M n (K ) es:
1) Inversible si existe A −1 .
2) Regular cuando A ≠ 0 .
3) Singular cuando A = 0 .
Demostración:
⎛ a 11 a 12 ... a 1n ⎞ ⎛ A11 A 12 ... A1n ⎞
⎜ ⎟ ⎜ ⎟
⎜a a 22 ... a 2 n ⎟ ⎜ A 21 A 22 ... A 2 n ⎟
Siendo A = ⎜ 21 ⎟ , entonces Adj A = ⎜ ⎟.
... ...
⎜ ⎟ ⎜ ⎟
⎜a
⎝ n1 a n2 ... a nn ⎟⎠ ⎜A
⎝ n1 An2 ... A nn ⎟⎠
⎛ A11 A 21 ... A n1 ⎞
⎜ ⎟
⎜A A 22 ... A n 2 ⎟
Por tanto, (Adj A) t = ⎜ 12 ⎟;
...
⎜ ⎟
⎜A
⎝ 1n A 2n ... A nn ⎟⎠
⎛ A11 A 21A n1 ⎞
⎜ ⎟
...
⎜ A A A ⎟
⎜ A12 A 22An2 ⎟
1 ... ⎟
luego: (Adj A) = ⎜ A
t
A A ⎟.
A ⎜
⎜ ... ⎟
⎜ A1n A 2nA nn ⎟
⎜ ... ⎟
⎝ A A A ⎠
Por otra parte, aplicando el resultado del último teorema de los determinantes, se tiene:
⎛ A A A A A A ⎞
⎜ a 11 11 + a 12 12 + ... + a 1n 1n ... a 11 n1 + a 12 n 2 + ... + a 1n nn ⎟
⎜ A A A A A A ⎟
1
A( (Adj A) ) = t
⎜ ... ... ... ⎟
A ⎜ A11 A12 A1n A n1 An2 A ⎟
⎜⎜ a n1 + a n2 + ... + a nn ... a n1 + a n2 + ... + a nn nn ⎟⎟
A A A A A A
⎝ ⎠
⎛ a 11 A11 + a 12 A12 + ... + a 1n A1n a 11 A n1 + a 12 A n 2 + ... + a 1n A nn ⎞
⎜ ... ⎟ 1 ... 0
⎜ A A ⎟ ⎛⎜ ⎞
⎟
=⎜ ... ... ... ⎟ = ⎜ ... ⎟ = I n
⎜ a n1A11 + a n 2 A12 + ... + a nn A1n a n1 A n1 + a n 2 A n 2 + ... + a nn A nn ⎟ ⎜ ⎟
⎜⎜ ... ⎟⎟ ⎝ 0 ... 1 ⎠
A A
⎝ ⎠
Denotaremos por
i j
⎛1 0 0 0⎞
⎜ ⎟
⎜ ⎟
⎜0 0 1 0 ⎟← i
I(i,j)= ⎜ ⎟ ,
⎜ ⎟
⎜0 1 0 0 ⎟⎟ ← j
⎜
⎜ ⎟
⎜ ⎟
⎝0 0 0 1⎠
⎛1 0 0⎞
⎜ ⎟
⎜ ⎟
I(α i)= ⎜ 0 α 0 ⎟ ←i
⎜ ⎟
⎜ ⎟
⎜0 1 ⎟⎠
⎝
y
i j
⎛1 0 0 0⎞
⎜ ⎟
⎜ ⎟
I(i+αj) = ⎜
0 1 α 0 ⎟← i
⎜ ⎟
⎜ ⎟
⎜0 0 0 1 ⎟⎠
⎝
las matrices elementales que se obtienen al aplicar a la matriz unidad las operaciones
elementales (1), (2) y (3), respectivamente.
Nota: Las operaciones elementales entre las columnas de una matriz A ∈ M n , se pueden
expresar de manera análoga, como producto, a la derecha de A, por matrices elementales, las
cuales se obtienen aplicando a la matriz identidad In la operación elemental correspondiente.
Proposición:
Se verifican los dos siguientes resultados:
1) Las matrices elementales son inversibles.
2) La inversa de una matriz elemental es también una matriz elemental.
Demostración:
1) Es inmediato ya que I(i, j) = −1 ≠ 0 , I(αi) = α ≠ 0 y I(i + αj) = 1 ≠ 0 .
2) Fácilmente se comprueba que:
1
(I(i, j)) −1 = I(i, j) , (I(αi)) −1 = I( i) , (I(i + αj)) −1 = I(i − αj) .
α
Proposición:
Efectuar una operación elemental en las filas de una matriz A equivale a efectuar dicha
transformación en las filas de la matriz unidad de orden correspondiente y después
multiplicarla por A por la izquierda.
Demostración:
El resultado se basa en el hecho más general de que si X e Y son matrices que pueden
multiplicarse, la fila i del producto XY coincide con el producto de la fila i de X por Y, por lo
que el efecto producido al aplicar una operación elemental sobre las filas de la matriz X y
multiplicar luego por Y, es el mismo que si efectuamos la misma operación elemental sobre
las filas de XY.
Si tomamos X = I e Y = A, se sigue ya la tesis de la proposición.
Proposición:
Utilizando estos resultados puede darse una demostración sencilla de la propiedad de
los determinantes relativa al determinante del producto de dos matrices cuadradas del mismo
orden: AB = A B .
Demostración:
En efecto:
i) Si A es una matriz elemental, caben tres posibilidades:
i1)A = I(i,j) ⇒ AB = − B = (−1) B = A B .
i2)A = I(α i) ⇒ AB = α B = A B .
i3) A = I(i+αj) ⇒ AB = B = 1 B = A B .
Proposición:
1
Si A es invertible, entonces A ≠ 0 y A −1 = .
A
Demostración:
Por ser A invertible, existe A −1 y, por definición de matriz inversa, se verifica que
A A −1 = I . Tomando determinantes y calculando el determinante del producto, se obtiene:
A A −1 = A A −1 = I = 1 .
1
Luego A ≠ 0 y A −1 = .
A
Luego, efectuando en las filas de la matriz unidad las mismas operaciones elementales
que efectuadas sobre las filas de A nos la transforman en la matriz unidad, obtenemos la
matriz inversa de A. En esto consiste precisamente el método de Gauss cuya forma práctica
de realización viene dada por el siguiente esquema:
operaciones
elementales
(A I) → ... → I A −1 ( )
Ejemplo:
⎛ 1 4⎞
Hallar la inversa de la matriz A= ⎜ ⎟ utilizando el método de Gauss, y escribir dicha
⎝ 2 1⎠
inversa como producto de matrices elementales.
⎛ 1 4 ⎞
⎛1 4 1 0⎞ ⎛1 4 1 0⎞ ⎛ 14 1 0 ⎞ ⎜ −
10 7 7 ⎟
(A I2 ) = ⎜ ⎟ ≈ ⎜⎜ ⎟⎟ ≈ ⎜ 2 1⎟ ≈ ⎜ ⎟
1 ⎜0 1 - ⎟ 2 1
⎝2 1 0 1⎠ − 2⋅1ª +2 ª 0 - 7 - 2 1
⎝ ⎠ 7 ⎝
− ⋅ 2 ª
7 7⎠
1ª −4⋅2 ª 0 1
⎜
⎜ − ⎟⎟
⎝ 7 7⎠
⎛ 1 4 ⎞
⎜− ⎟
∗ La inversa de la matriz A es A
−1
=⎜ 7 7 ⎟ .
⎜ 2 − 1⎟
⎝ 7 7⎠
⎛ 1 0⎞
∗ Obsérvese que la 1ª operación elemental equivale a multiplicar por la matriz ⎜ ⎟ (de
⎝ −2 1⎠
tipo I(2ª −2.1ª ) ) a la izquierda de A; la 2ª operación equivale a multiplicar por la matriz
⎛1 0 ⎞
⎜ 1 ⎟ (de tipo I(− 1 .2ª ) ) a la izquierda del producto anterior y la 3ª operación
⎜0 − ⎟ 7
⎝ 7⎠
⎛ 1 −4⎞
equivale a multiplicar por la matriz ⎜ ⎟ (de tipo I(1ª −4.2ª ) ) a la izquierda del último
⎝0 1 ⎠
producto, entonces resulta que
⎛ 1 4 ⎞
⎛ 1 − 4⎞ ⎛ 1 0 ⎞ ⎛ 1 0⎞ ⎜− ⎟
⎜ ⎜ 1 ⎟
⎟ ⎜0 − ⎟ ⎜ ⎟ A=I2 ⇔ ⎜ 27 71 ⎟ A = I 2 ⇒
⎝0 1 ⎠ ⎝ −2 1⎠
7⎠ ⎝ ⎜ − ⎟
⎝ 7 7⎠
⎛ 1 4 ⎞
⎛ 1 − 4 ⎛
⎞⎜ 1 0 ⎞
⎟ ⎛ 1 0⎞ ⎜− 7 7 ⎟ −1
⎜ 1
⎟⎜0 − ⎟⎜ ⎟ =⎜ 2 ⎟ =A
⎝0 1 ⎠⎝ −2 1⎠ ⎜ 1
7⎠ ⎝ − ⎟
⎝ 7 7⎠
Definición:
Sea A ∈ M m×n (K ) . Un menor de orden h de A es el determinante de una submatriz
cuadrada de orden h de A. Evidentemente, ha de ser h ≤ m, n .
Definición:
Se llama rango de la matriz A al orden del menor de mayor orden no nulo de A. Lo
denotaremos por r(A) o bien por rg(A).
Corolario:
Si r(A) = h, entonces:
1) Existe al menos un menor de orden h no nulo de A.
2) Todos los menores de orden mayor que h son nulos.
Teorema:
El rango de una matriz no cambia mediante operaciones elementales.
Ejemplo:
⎛ 1 2 3 4 − 3⎞
⎜ ⎟
⎜ 0 1 −1 6 − 2⎟
A=⎜ es una matriz de rango 2, ya que, como es fácil
2 5 5 14 −8⎟
⎜ ⎟
⎜ −1 − 3
⎝ −2 − 10 5 ⎟⎠
1 2
comprobar, el menor ≠ 0 , y todos los menores de orden 3 son nulos.
0 1
Definición:
Sean f1, f2,…,fk filas de una matriz cualquiera A. Diremos que las filas f1, f2,…,fk son
linealmente dependientes, cuando existan los elementos λ 1 ,..., λ k ∈ K no todos nulos, tales
(0) = λ 1f 1 + ... + λ k f k , siendo (0) la fila formada por ceros.
Definición:
Sean f1, f2,…,fk filas de una matriz cualquiera A. Diremos que las filas f1, f2,…,fk son
linealmente independientes, cuando no sean linealmente dependientes, es decir, cuando si
(0) = λ 1f 1 + ... + λ k f k , siendo (0) la fila formada por ceros, se deduce obligatoriamente que
λ i = 0, ∀i .
La relación entre las filas de la matriz A es la siguiente: ⎧f 3 = 2f1 + f 2 . Sólo hay dos
⎨
⎩f 4 = f1 − f 3
filas linealmente independientes (las dos primeras) y es r(A) = 2. El siguiente teorema
justifica esta coincidencia.
Demostración:
Por simplicidad en la notación, supongamos que A es una matriz 3×4:
U. D. de Matemáticas. ETSI en Topografía, Geodesia y Cartografía 42
Sistemas de ecuaciones lineales. Matrices y determinantes.
⎛ a 11 a 12 a 13 a 14 ⎞
⎜ ⎟
A = ⎜ a 21 a 22 a 23 a 24 ⎟ y que el rango de A es r(A) = 2.
⎜a a 32 a 33 a 34 ⎟⎠
⎝ 31
Por definición de rango, existe un menor de orden dos de A, distinto de cero. Podemos
a 11 a 12
suponer sin pérdida de generalidad que sea ≠ 0 . Por tanto, las dos primeras filas de
a 21 a 22
A son linealmente independientes. Comprobemos en primer lugar que la tercera fila es
combinación lineal de las dos primeras.
Por definición de rango, todos los menores de orden tres de A han de ser nulos; por
a 11 a 12 a 13
tanto, se tiene que: a 21 a 22 a 23 = 0 = a 13 A13 + a 23 A 23 + a 33 A 33 , desarrollando el
a 31 a 32 a 33
determinante por la tercera columna y llamando A ij al adjunto de a ij , no en la matriz A sino
en la submatriz de A que estamos considerando.
a 11 a 12
Como A 33 = ≠ 0 , puede despejarse a 33 en la igualdad anterior,
a 21 a 22
A13 A A
obteniéndose: a 33 = − a 13 − 23 a 23 = λa 13 + μa 23 , habiendo llamado λ y μ a − 13 y
A 33 A 33 A 33
A 23
− respectivamente.
A 33
a 11 a 12 a 14
Por el mismo motivo, también es a 21 a 22 a 24 = 0 = a 14 A14 + a 24 A 24 + a 34 A 34 . Y,
a 31 a 32 a 34
A14 A
procediendo como antes, puede escribirse: a 34 = − a 14 − 24 a 24 = λa 14 + μa 24 , ya que los
A 34 A 34
A14 , A 24 y A 34 de ahora son los A13 , A 23 y A 33 de antes, respectivamente.
a 11 a 12 a 13
Considerando de nuevo el menor a 21 a 22 a 23 , y, aplicándole el corolario de los
a 31 a 32 a 33
determinantes, se verifica que a 12 A13 + a 22 A 23 + a 32 A 33 = 0 . De donde, despejando, se
A13 A
obtiene: a 32 = − a 12 − 23 a 22 = λa 12 + μa 22 .
A 33 A 33
a 11 a 12
En segundo lugar, por ser ≠ 0 , también se deduce que las dos primeras
a 21 a 22
columnas de A son linealmente independientes y, falta demostrar que la tercera y la cuarta
columna son combinaciones lineales de las dos primeras.
El razonamiento seguido en el caso de las filas puede trasladarse a este caso sin más
que desarrollar los menores de orden tres por columnas en vez de filas, obteniéndose el
resultado perseguido.
Definición:
Se llama orlar un menor de una matriz A ∈ M m×n (K ) , a construir otro de orden
superior añadiéndole filas y columnas de A.
En efecto:
Las filas o las columnas de una matriz cuadrada A son linealmente independientes si y
solo si r(A) = n, como consecuencia inmediata del teorema. Ahora bien, por definición de
rango, esto ocurre si y solo si A ≠ 0 .
3) r(A)=r(At).
filas y de columnas, y así sucesivamente. El rango sería el orden del menor de mayor orden
no nulo encontrado por este procedimiento.
Ejemplo:
⎛1 2 3 − 1⎞
⎜ ⎟
⎜ −1 3 2 0⎟
Calcular el rango de la siguiente matriz: A= ⎜ 2 0 1 6⎟
⎜ ⎟
⎜0 1 0 7⎟
⎜1 2 3 − 1⎟⎠
⎝
⎛1 2 3 − 1⎞ ⎛1 2 3 − 1⎞ ⎛1 2 3 − 1⎞ ⎛1 2 3 −1 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ −1 3 2 0⎟ ⎜0 5 5 − 1⎟ ⎜0 1 0 7⎟ ⎜0 1 0 7 ⎟
⎜2 0 1 6 ⎟ = ⎜0 − 4 − 5 8 ⎟ = ⎜0 − 4 − 5 8 ⎟ = ⎜0 0 − 5 36 ⎟
⎜ ⎟ 2 ª +1ª ⎜ ⎟ 4 ª ↔2 ª⎜ ⎟ 3ª +4⋅2 ª ⎜ ⎟
⎜0 1 0 7 ⎟ 35 ªª −−21⋅ª1ª⎜ 0 1 0 7⎟ ⎜0 5 5 − 1⎟ 4 ª −5⋅2 ª⎜ 0 0 5 − 36 ⎟
⎜1 2 3 − 1⎟⎠ ⎜0 0 0 0 ⎟⎠ ⎜0 0 0 0 ⎟⎠ ⎜0 0 0 0 ⎟⎠
⎝ ⎝ ⎝ ⎝
⎛ 1 2 3 − 1⎞
⎜ ⎟
⎜0 1 0 7⎟
= ⎜ 0 0 − 5 36 ⎟ ⇒ rgA=3
4 ª +3ª ⎜ ⎟
⎜0 0 0 0⎟
⎜0 0 0 0 ⎟⎠
⎝
2. Aplicando el procedimiento de orlar:
1 2
¾Observamos que el menor de orden 2 = 5 ≠ 0 , luego rg(A)≥2.
−1 3
¾Orlamos entonces este menor con la tercera fila y la tercera columna, obteniendo el
1 2 3
menor de orden 3 − 1 3 2 = −5 ≠ 0 luego rg(A)≥3.
2 0 1
¾Orlamos ahora este menor con la cuarta fila y la cuarta columna, obteniendo el menor de
1 2 3 −1
−1 3 2 0
orden cuatro = 0 . Consideramos el otro menor de orden cuatro posible,
2 0 1 6
0 1 0 7
orlando el menor de orden tres no nulo con la quinta fila y la cuarta columna
1 2 3 −1
−1 3 2 0
= 0 . Luego todos los menores posibles de orden cuatro, obtenidos a partir
2 0 1 6
1 2 3 −1
del menor de orden tres no nulo, son nulos y por tanto rg(A)=3
El concepto de rango se aplica en la resolución de sistemas de ecuaciones lineales.
Regla de Cramer:
Un sistema de Cramer tiene siempre solución única, es decir, es un sistema compatible
determinado.
Demostración:
Sea AX=B la ecuación matricial del sistema de Cramer S. Como S es de Cramer, la
matriz A de los coeficientes es regular ( A ≠ 0 ) , por tanto tiene inversa A-1 y multiplicando, a
la izquierda, por A-1 se obtiene:
A-1AX= A-1 B ⇒ X=A-1B, es decir :
−1
⎛ x 1 ⎞ ⎛ a 11 a 12 a 1n ⎞ ⎛ b1 ⎞ ⎛ A 11 A 21 A n1 ⎞⎛ b1 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎜ ⎟
⎜ x 2 ⎟ ⎜ a 21 a 22 a 2n ⎟ ⎜ b 2 ⎟ 1 ⎜ A 12 A 22 A n 2 ⎟⎜ b 2 ⎟
⎜ ⎟=⎜ ⎟ ⎜ ⎟= A ⎜ ⎟⎜ ⎟ =
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎜ ⎟
⎜x ⎟ ⎜a a n2 a nn ⎟⎠ ⎜b ⎟ ⎜A A 2n A nn ⎟⎠⎜⎝ b n ⎟⎠
⎝ n ⎠ ⎝ n1 ⎝ n⎠ ⎝ 1n
⎛ b1 A 11 + b 2 A 21 + + b n A n1 ⎞
⎜ ⎟
1 ⎜ b1 A 12 + b 2 A 22 + + b n A n 2 ⎟ b A + b 2 A 2i + + b n A ni
⎜ ⎟ ⇒ x i = 1 1i ∀i = 1, ,n ⇔
A A
⎜ ⎟
⎜b A + b A + + b A ⎟
⎝ 1 1n 2 2n n nn ⎠
a 11 a 1i −1 b1 a 1i +1 a 1n
a 21 a 2i −1 b2 a 2i +1 a 2n
a n1 a ni −1 bn a ni +1 a nn
xi = ∀i = 1, , n . Expresión que constituye la regla
A
de Cramer.
Observación:
∗
Si el sistema S no es de Cramer pero es compatible con rgA=rg A =h<n (compatible
a11 a1h
indeterminado) siendo, por ejemplo, el menor ≠ 0 , entonces el sistema S es
a h1 a hh
⎧a 11 x 1 + + a 1h x h = b1 − a 1h +1 x h +1 − − a 1n x n
⎪
equivalente al sistema S′ = ⎨
⎪a x + + a hh x h = b h − a hh +1 x h +1 − − a hn x n
⎩ h1 1
que es de Cramer y cuya solución depende n-h incógnitas.
Ejemplo:
⎧x + 2 y − 3z = 1
⎪
Resolver el sistema: S ≡ ⎨ − 7z = 1
⎪− x + 2 y − 4z = −4
⎩
Solución:
El sistema dado puede escribirse en forma matricial de la siguiente manera:
⎛ 1 2 − 3 ⎞⎛ x 1 ⎞ ⎛ 1 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ 0 0 − 7 ⎟⎜ x 2 ⎟ = ⎜ 1 ⎟
⎜ − 1 2 − 4 ⎟⎜ x ⎟ ⎜ − 4 ⎟
⎝ ⎠⎝ 3 ⎠ ⎝ ⎠
6.2.Teorema de Rouché-Frobenius
⎛ a 11 a 12 ... a 1n ⎞⎛ x 1 ⎞ ⎛ b1 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ a 21 a 22 ... a 2 n ⎟⎜ x 2 ⎟ ⎜ b 2 ⎟
Sea S ≡ ⎜ ⎟⎜ ... ⎟ = ⎜ ... ⎟ ⇔ AX = B un sistema lineal de m
...
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜a a ... a ⎟⎜ ⎟ ⎜ b ⎟
⎝ m1 m2 mn ⎠⎝ x n ⎠ ⎝ m⎠
ecuaciones con n incógnitas, siendo A la matriz de los coeficientes y A* la matriz ampliada
(A*=A⏐B). Bajo estas hipótesis se verifica que:
1) S es compatible si y sólo si r(A)=r(A*).
2) Si, r(A)=r(A*)=n entonces S es compatible determinado.
3) Si r(A)=r(A*)<n entonces S es compatible indeterminado.
Demostración:
1) Si el sistema S es compatible, entonces r(A)=r(A*). En efecto:
⎛ a 11 ⎞ ⎛ a 12 ⎞ ⎛ a 1n ⎞ ⎛ b1 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ a 21 ⎟ ⎜ a 22 ⎟ ⎜ a 2n ⎟ ⎜b ⎟
S≡⎜ ⎟ x1 + ⎜ ⎟ x 2 + ... + ⎜ ⎟ xn = ⎜ 2 ⎟
... ... ... ...
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜a ⎟ ⎜a ⎟ ⎜a ⎟ ⎜b ⎟
⎝ m1 ⎠ ⎝ m2 ⎠ ⎝ mn ⎠ ⎝ m⎠
⎛ b1 ⎞
⎜ ⎟
⎜b ⎟
Que S tenga solución, significa que existen escalares x 1 ,..., x n tales que ⎜ 2 ⎟ es combinación
...
⎜ ⎟
⎜b ⎟
⎝ m⎠
⎛ a 11 ⎞ ⎛ a 12 ⎞ ⎛ a 1n ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ a 21 ⎟ ⎜ a 22 ⎟ ⎜ a 2n ⎟
lineal de ⎜ ⎟,⎜ ⎟, ... , ⎜ ⎟ ; luego, la última columna de A* es combinación lineal de las
... ... ...
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜a ⎟ ⎜a ⎟ ⎜a ⎟
⎝ m1 ⎠ ⎝ m 2 ⎠ ⎝ mn ⎠
anteriores (que constituían las columnas de A), y, por tanto r(A)=r(A*).
a 11 a 12 ... b1 − a 1h +1 x h +1 − ... − a 1n x n
...
a h1 a h2 ... b h − a hh +1 x h +1 − ... − a hn x n
xh =
a 11 ... a 1h
....
a h1 ... a hh
Para cada valor que tomen dichos parámetros obtendremos una solución del sistema,
que será, por tanto, compatible indeterminado.
Ejemplo:
⎧ax + y + z = 1
⎪
Estudiar y resolver el sistema S= ⎨x + ay + z = a
⎪ 2
⎩x + y + az = a
⎛a 1 1⎞ ⎛ x ⎞ ⎛ 1 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟
Escribimos S en forma matricial: ⎜ 1 a 1 ⎟ ⎜ y ⎟ = ⎜ a ⎟ . El determinante de la matriz A de
⎜1 1 a ⎟ ⎜ z ⎟ ⎜a 2 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
a 1 1
⎧a = 1
los coeficientes es: A = 1 a 1 = (a − 1)2 (a + 2 ) ⇒ A = 0 ⇔ ⎨ . Tenemos que
⎩a = −2
1 1 a
considerar los siguientes casos:
i) Si a ≠ 1 y a ≠ -2 , entonces el sistema es de Cramer y su solución es:
1 1 1 a 1 1 a 1 1
a a 1 1 a 1 1 a a
a2 1 a a +1 1 a2 a
1 1 1 a2
(a + 1) 2
x= =− , y= = , z = = .
(a − 1)2 (a + 2) a+2 (a − 1)2 (a + 2) a + 2 (a − 1)2 (a + 2) a + 2
U. D. de Matemáticas. ETSI en Topografía, Geodesia y Cartografía 50
Sistemas de ecuaciones lineales. Matrices y determinantes.
⎛1 1 1⎞ ⎛ x ⎞ ⎛1⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟
ii) Si a=1, S ⇔ ⎜1 1 1⎟ ⎜ y ⎟ = ⎜1⎟ ⇔ x + y + z = 1 ⇒ x = 1 − y − z , luego se trata de
⎜1 1 1⎟ ⎜ z ⎟ ⎜1⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
un sistema compatible indeterminado y unas ecuaciones paramétricas son:
⎧x = 1 − λ − μ
⎪
⎨y = λ , λ, μ ∈ R.
⎪z = μ
⎩
⎛− 2 1 1 ⎞ ⎛x⎞ ⎛ 1 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟ -2 1
iii) Si a=-2, S ⇔ ⎜ 1 − 2 1 ⎟ ⎜ y ⎟ = ⎜ − 2 ⎟ . Siendo A = 0 con ≠ 0 pero
⎜ 1 ⎟ ⎜ ⎟ ⎜ ⎟ 1 -2
⎝ 1 − 2⎠ ⎝ z ⎠ ⎝ 4 ⎠
orlando este menor con la columna de términos independientes y la última fila
−2 1 1
resulta que 1 − 2 − 2 = 9 ≠ 0 . Luego r(A)=2≠r(A∗)=3 y en este caso el
1 1 4
sistema es incompatible.
Demostración:
Por ser S1 y S2 soluciones del sistema homogéneo, se verifica que A S1.=A S2 =(0).
Por tanto, A(S1 + S2)=A S1 +A S2 = (0) + (0) = (0) .
Demostración:
Si el sistema AX = (0) admite más soluciones que la trivial es por que r (A) = h < n .
Por tanto, pueden despejarse h incógnitas en función de las demás (sin pérdida de generalidad,
podemos suponer que son las h primeras):
⎧x 1 = λ1 h +1 x h +1 + ... + λ1 n x n
⎪x = λ x + ... + λ x
⎪ 2 2 h +1 h +1 2n n
⎨
⎪ ...
⎪⎩x h = λ h h +1 x h +1 + ... + λ h n x n
⎜ ... ⎟ ⎜ 0 ⎟ ⎜ 1 ⎟ ⎜ 0 ⎟
⎜x ⎟ ⎜ ... ⎟ ⎜ ... ⎟ ⎜ ... ⎟
⎝ n⎠
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ 0 ⎠ ⎝ 0 ⎠ ⎝ 1 ⎠
⎛ λ 1 h +1 ⎞ ⎛ λ1 h +2 ⎞ ⎛ λ1n ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎛ x1 ⎞ ⎜ ... ⎟ ⎜ ... ⎟ ⎜ ... ⎟
⎜ ⎟ ⎜λ ⎟ ⎜λ ⎟ ⎜λ ⎟
⎜ ... ⎟ ⎜ h h +1 ⎟ ⎜ h h +2 ⎟ ⎜ hn ⎟
⎜ ⎟
S = x h , S1 = ⎜ 1 ⎟, S 2 = ⎜ 0 ⎟,..., S K = ⎜ 0 ⎟, λ 1 = x h +1 , λ 2 = x h + 2 , λ k = x n
⎜ ⎟ ⎜ 0 ⎟ ⎜ 1 ⎟ ⎜ 0 ⎟
⎜ ... ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜x ⎟ ⎜ ... ⎟ ⎜ ... ⎟ ⎜ ... ⎟
⎝ n⎠
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ 0 ⎠ ⎝ 0 ⎠ ⎝ 1 ⎠
Evidentemente, S1, S2,…, Sk son linealmente independientes (no hay más que observar
cómo son sus filas h+1, h+2, ..., n) y k = n − h = n − r (A) , como queríamos demostrar.
Demostración:
Cualquier solución general S* del sistema AX=B, se puede expresar como S*=(S*-
S1)+S1, de donde, por ser S* y S1 soluciones del sistema queda:
A( S * − S1 ) = A S * − A S1 = B − B = (0) .
El recíproco es inmediato:
Si S1 es una solución particular del sistema AX = B y S0 es la solución general del
sistema homogéneo asociado, entonces, S1+S0 es solución de AX = B . En efecto:
A( S1 + S 0 ) = A S1 + A S 0 = B + (0) = B .
7. Matrices Ortogonales
Definición:
Una matriz A ∈ M n se dice que es ortogonal cuando su inversa coincide con su
traspuesta, es decir, A −1 = A t .
⎛ 0 −1 0⎞
⎜ ⎟ ⎛ cos x − senx ⎞ ⎛ 0 − 1⎞
Ejemplos: A=⎜ 0 0 1⎟ , B = ⎜⎜ ⎟⎟ , y C = ⎜⎜ ⎟⎟ son matrices
⎜ −1 0 0⎟ ⎝ senx cos x ⎠ ⎝−1 0 ⎠
⎝ ⎠
ortogonales.
Proposición:
Si una matriz A es ortogonal, entonces, A = ±1 .
Demostración:
I = AA −1 = AA t , por ser A ortogonal. Tomando determinantes en ambos miembros,
2
se obtiene: 1 = A A t = A ⇒ A = ±1.
Teorema
1) Si A ∈ M m×n , se verifica que A t A es una matriz simétrica.
2) Si A ∈ M m×n , con m>n, es una matriz de rango completo, es decir, r(A) = n,
entonces r (A t A) = n .
Definición:
Dada una matriz A ∈ M m×n , se llama matriz pseudoinversa de A, a una matriz
A + ∈ M n×m que verifique las cuatro condiciones siguientes:
1) A A + A = A 3) A A + es simétrica.
2) A + A A + = A + 4) A + A es simétrica.
Teorema
Si A ∈ M m×n , existe una única matriz pseudoinversa.de A.
Proposición:
Si A es invertible, entonces A + = A −1 .
Definición:
Si A ∈ M m×n , una matriz G ∈ M n×m se dice que es una inversa generalizada de A si
verifica que AGA = A.
Observación: En general, una matriz A ∈ M m×n tiene infinitas inversas generalizadas, por
ejemplo, A + es una de ellas.
Ejercicio: