Practica 8

FACULTAD DE CIENCIAS FISICOMATEMATICAS E INGENIERIA
UCA
ALGEBRA Y GEOMETRIA
Primer Cuatrimestre 2011
Trabajo Pr actico 8
Contenido
Matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
Ejercicio 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
Diagonal principal Traza de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
Ejercicio 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Matriz transpuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Matriz sim etrica Matriz antisim etrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
Ejercicio 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Matriz diagonal Matriz Identidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
Operaciones (suma, producto por escalar, producto) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
Ejercicios 4 y 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
Ejercicios 6 y 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
Producto de matrices cuadradas (particularidades) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
Ejercicio 8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
Proposici on (transformaci on lineal asociada a una matriz) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
Ejercicios 9 y 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
Matriz inversible . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
Ejercicios 11 a 17 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2 FAC. DE INGENIERIA UCA ALGEBRA Y GEOMETRIA Primer Cuatrimestre 2011 TRABAJO PRACTICO 8
Proposici on (inversa del producto de matrices inversibles) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
Matriz ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
Matriz asociada a una transformaci on lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
Ejercicios 18 a 20 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
Proposici on (matriz de una composici on) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
Proposici on (matriz del isomorsmo inverso) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
Ejercicios 21 y 22 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
Rango la Rango columna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
Teorema (rango de una matriz) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
Ejercicio 23 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
Ejercicio 24 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
Aplicaci on (sistemas lineales homog eneos) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
Determinante (de orden 2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
Ejercicio 25 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
Propiedades del determinante (de orden 2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
Ejercicio 26 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
Teorema (determinante de un producto) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
Teorema (determinante de la matriz transpuesta) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
Teorema (determinante de la matriz inversa) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
Teorema (determinante de un isomorsmo) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
Determinante (de orden 3) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
Menor Cofactor Matriz adjunta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
Determinante (de orden n) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
Regla de Cramer (resoluci on de sistemas lineales) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
Ejercicio 27 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
P agina de Algebra y Geometra Consultas Online
http://www.lirweb.com.ar http://mateingeuca.wordpress.com
Una vez registrado podr a acceder a sus cursos
FAC. DE INGENIERIA UCA ALGEBRA Y GEOMETRIA Primer Cuatrimestre 2011 TRABAJO PRACTICO 8 1
Matrices y Determinantes
Matriz
Una matriz es una disposici on en forma rectangular de una cantidad nita de n umeros, cada
uno de los cuales se llama elemento de la matriz, ordenados en las y columnas. Los siguientes
son ejemplos de matrices
1 2 4
1
2
2
3
4
1 2 4 10
1 2
2
3
4
3 10
3
1
2
20
14
1 2 4
1
2
2
3
4
5
4 18 1 0
1 0 0 2
El tama no u orden de la matriz est a dado por la cantidad de las y columnas que tiene; se indica
en la forma
m n
donde m el primero indica el n umero de las y n el n umero de columnas. En los ejemplos
anteriores, el tama no de esas matrices, seg un el orden en que fueron escritas es
2 3 , 1 4 , 3 2 , 4 1 , 4 4 , 1 1
Al escribir una matriz gen erica de orden m n a sus elementos se los representa mediante dos
subndices: el primero indica en qu e la est a y el segundo en qu e columna,
A =
a
11
a
12
. . . a
1j
. . . a
1n
a
21
a
22
. . . a
2j
. . . a
2n
.
.
.
.
.
.
a
i1
a
i2
. . . a
i j
. . . a
2n
.
.
.
.
.
.
a
m1
a
m2
. . . a
mj
. . . a
mn
As, el elemento a
i j
est a en la intersecci on de la la i con la columna j.
El conjunto de todas las matrices de orden mn, cuyos elementos son n umeros reales, se denota
R
mn
Si, en cambio, los elementos son n umeros complejos, se denota
C
mn
Por ejemplo,
1 2
2
3
4
3 e
2
R
32
y
1 + 2i 2 4i
1
2
i 2
3
4
5
4 18 1 0
1 0 0 2
C
44
De ahora en m as, salvo indicaci on en contrario, trabajaremos con matrices de elementos reales.
Vamos a denir algunas operaciones entre matrices y entre matrices y escalares (reales).
Diremos que dos matrices A y B son iguales si son del mismo tama no y para cada i, j
a
i j
= b
i j
Ejercicio 1
Considere las matrices
A =
1 2 3 4 5
10 9 8 7 6
, B =
1 2
3 4
5 10
9 8
7 6
, C =
1
3
5
9
7
6
, D =
1 3 5 9 7 6
a) Indique el tama no de cada una

b) Calcule a
11
, b
31
, c
61
, d
13
, a
25
c) Indique qu e lugar ocupa
(i) 8 en la matriz A
(ii) 10 en la matriz B
(iii) 9 en la matriz C
(iv) 9 en la matriz D
d) Es cierto que C = D?
Diagonal principal (de una matriz cuadrada)
Dada A R
nn
, se llama diagonal principal de A al lugar que ocupan los elementos
a
ii
(i = 1, . . . , n)
a
11
a
12
. . . a
1i
. . . a
1n
a
21
a
22
. . . a
2i
. . . a
2n
.
.
.
.
.
.
a
i1
a
i2
. . . a
ii
. . . a
in
.
.
.
.
.
.
a
n1
a
n2
. . . a
ni
. . . a
nn
Traza
Dada A R
nn
, se llama traza de A al n umero
trA = a
11
+ + a
nn
Ejercicio 2
Cuando corresponda calcule la traza de la matriz
A =
1 2 3 4 5
10 9 8 7 6
0 9 3 7 5
, B =
0 2 5
2 0 2
5 2 0
, C =
1 5
5 0
, D =
1 3 5
3 9 7
5 7 1
Matriz Transpuesta
Dada A R
mn
se dene la transpuesta de A, que denotamos A
t
, como la matriz de orden n m
que tiene en el lugar i j el elemento que A tiene en el lugar ji; i.e., si indicamos con a a los
elementos de A y con b a los de A
t
,
b
i j
= a
ji
(para todo 1 i n , 1 j m)
o sea, si
A =
a
11
a
12
a
13
. . . a
1j
. . . a
1n
a
21
a
22
a
23
. . . a
2j
. . . a
2n
a
31
a
32
a
33
. . . a
3j
. . . a
3n
.
.
.
.
.
.
a
i1
a
i2
a
i3
. . . a
i j
. . . a
in
.
.
.
.
.
.
a
m1
a
m2
a
m3
. . . a
mj
. . . a
mn
R
mn
entonces,
A
t
=
a
11
a
21
a
31
. . . a
i1
. . . a
m1
a
12
a
22
a
32
. . . a
i2
. . . a
m2
a
13
a
23
a
33
. . . a
i3
. . . a
m3
.
.
.
.
.
.
a
1j
a
2j
a
3j
. . . a
i j
. . . a
mj
.
.
.
.
.
.
a
1n
a
2n
a
3n
. . . a
in
. . . a
mn
R
nm
De modo que transponer una matriz A es crear otra matriz A
t
cuyas columnas son las las de A.
Ejemplo
Sean
A =
1 2
3 4
5 6
7 8
, B =
d 1 2 3
1 d 4 5
2 4 d 6
3 5 6 d
entonces,
A
t
=
1 3 5 7
2 4 6 8
, B
t
=
d 1 2 3
1 d 4 5
2 4 d 6
3 5 6 d
Es importante notar que cuando la matriz es cuadrada los elementos de la diagonal (principal)
no cambian de posici on al transponerla y los dem as van al lugar sim etrico del que tenan, res-
pecto de la diagonal (principal).
Desde luego que la unica forma en que una matriz y su transpuesta pueden ser iguales es cuando
es cuadrada. Cuando esto sucede le damos un nombre especial,
Matriz Sim etrica
Una matriz cuadrada A R
nn
se dice sim etrica cuando
A = A
t
Esto signica que en los lugares sim etricos respecto de la diagonal, la matriz tiene el mismo
valor; i.e.,
a
i j
= a
ji
para todo 1 i, j n. De modo que una matriz sim etrica tiene la forma
a
11
a
12
. . . a
1i
. . . a
1n
a
12
a
22
. . . a
2i
. . . a
2n
.
.
.
.
.
.
a
1i
a
2i
. . . a
ii
. . . a
in
.
.
.
.
.
.
a
1n
a
2n
. . . a
in
. . . a
nn
Matriz Antisim etrica

nn
se dice antisim etrica cuando
A = A
t
Esto signica que en los lugares sim etricos respecto de la diagonal, la matriz tiene el mismo
n umero pero con signo opuesto; i.e.,
a
i j
= a
ji
para todo 1 i, j n. Esto dice que en particular para i = j
a
ii
= a
ii
de donde a
ii
= 0 para todo i. O sea, una matriz antisim etrica tiene s olo ceros en la diagonal.
Resulta entonces que una matriz antisim etrica tiene la forma
0 a
12
. . . a
1i
. . . a
1n
a
12
0 . . . a
2i
. . . a
2n
.
.
.
.
.
.
a
1i
a
2i
. . . 0 . . . a
in
.
.
.
.
.
.
a
1n
a
2n
. . . a
in
. . . 0
Ejercicio 3
Calcule las transpuestas de las matrices de los ejercicios 1 y 2 e indique cu ales son
sim etricas y cu ales antisim etricas, si las hubiere.
Matriz Diagonal
Una matriz cuadrada se dice diagonal si todos sus elementos fuera de la diagonal (principal)
son nulos. Es decir, A R
nn
es diagonal si
A =
d
1
0 0 . . . 0
0 d
2
0 . . . 0
0 0 d
3
. . . 0
.
.
.
0 0 0 . . . d
n
Matriz Identidad de orden n

Un caso muy especial entre las matrices diagonales se da cuando todos los elementos de la
diagonal son 1. Esa matriz, por razones que veremos enseguida, se llama identidad de orden
n y se la denota por
I
n
=
1 0 0 . . . 0
0 1 0 . . . 0
0 0 1 . . . 0
.
.
.
0 0 0 . . . 1
R
nn
Cuando no hay lugar a confusi on se la denota simplemente I.
Operaciones
O Suma
Dadas dos matrices A, B R
mn 1
se dene la suma de A con B como otra matriz de orden
m n, que denotaremos A + B, cuyos elementos est an dados por
c
i j
= a
i j
+ b
i j
(para 1 i m , 1 j n)
Es decir,
A + B =
a
11
+ b
11
. . . a
1j
+ b
1j
. . . a
1n
+ b
1n
.
.
.
.
.
.
a
i1
+ b
i1
. . . a
i j
+ b
i j
. . . a
in
+ b
in
.
.
.
.
.
.
a
m1
+ b
m1
. . . a
mj
+ b
mj
. . . a
mn
+ b
mn
1
note que ambas deben tener el mismo tama no
Claramente esta operaci on es asociativa y conmutativa y tiene por elemento neutro a la
matriz nula
0 . . . 0 . . . 0
.
.
.
.
.
.
0 . . . 0 . . . 0
.
.
.
.
.
.
0 . . . 0 . . . 0
O Producto por escalar

Dada la matriz A R
mn
y el n umero R se dene el producto de A por como la
matriz, del mismo tama no que A, dada por
A =
a
11
. . . a
1j
. . . a
1n
.
.
.
.
.
.
a
i1
. . . a
i j
. . . a
in
.
.
.
.
.
.
a
m1
. . . a
mj
. . . a
mn
Como en el caso anterior, aqu tambi en es evidente que esta operaci on es asociativa y
conmutativa y tiene por elemento neutro al n umero 1.
Adem as, es simple comprobar que este producto es distributivo respecto de la suma de
matrices y de la suma de escalares.
Conclusi on:
R
mn
con estas operaciones es un espacio vectorial
El conjunto de matrices
{E
i j
| 1 i m , 1 j n}
donde
j
E
i j
=
0 . . . 0 . . . 0
.
.
.
.
.
.
0 . . . 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 . . . 0 . . . 0
0
.
.
.
i
.
.
.
.
.
.
0
(todos los elementos de E
i j
son nulos salvo en el lugar i j donde tiene un 1) constituye
una base de R
mn
llamada base can onica. En particular se obtiene que
dim(R
mn
) = mn
Es muy simple vericar que los espacios vectoriales R
mn
y R
mn
son isomorfos. Basta
considerar una transformaci on lineal que transforme la base can onica de R
mn
en la base
can onica de R
mn
para obtener un isomorsmo entre ambos espacios.
Ejercicio 4
Dadas las matrices
A =
1 2 3 4 5
10 9 8 7 6
0 9 3 7 5
, B =
1 2 3
10 9 8
0 9 3
3 0 2
7 1 0
, C =
1 2
7 6
9 5
Cuando sea posible calcule

(a) A + B (b) A + B
t
(c) (3)C (d) B + C (e) 2A
t
B
Ejercicio 5
Averig ue si la funci on tr : R
nn
R es una transformaci on lineal. En caso de
serlo, halle n ucleo e imagen.
O Producto de matrices
Dadas dos matrices A y B vamos a denir el producto entre ambas como otra matriz que
tiene en el lugar i j al producto escalar entre la la i de la matriz A y la columna j de la
matriz B.
Es evidente que para que esto pueda hacerse es imprescindible que la cantidad de ele-
mentos que tiene la la i de la matriz A coincida con la cantidad de elementos que tiene
la columna j de la matriz B.
Esto muestra que no vamos a poder multiplicar cualquier par de matrices.
Dadas A R
mn
y B R
nk
denimos el producto entre A y B como la matriz que
denotaremos AB y cuyos elementos son
AB =
A
1
B
1
A
1
B
2
. . . A
1
B
k
A
2
B
1
A
2
B
2
. . . A
2
B
k
.
.
.
.
.
.
.
.
.
A
m
B
1
A
m
B
2
. . . A
m
B
k
donde,
A
i
= la i de A R
n
, B
j
= columna j de B R
n
De modo que el elemento i j del producto AB resulta ser
(a
i1
, . . . , a
in
) (b
1j
, . . . , b
nj
) =
n
=1
a
i
b
j
Otra forma de verlo, dadas las matrices
A =
a
11
. . . a
1n
.
.
.
.
.
.
a
i1
. . . a
in
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
. . . a
mn
, B =
b
11
. . . . . . b
1j
. . . b
1k
.
.
. . . . . . .
.
.
.
.
.
.
b
n1
. . . . . . b
nj
. . . b
nk
el lugar i j del producto AB tiene
. . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
. . . . . . a
i1
b
1j
+ + a
in
b
nj
. . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . . . . . . . . . . .
Es claro que
AB R
mk
Ejemplo
Dadas las matrices
A =
5 2 3 0 1
0 3 1 0 2
, B =
1 0
2 3
4 2
vamos a hallar su producto. Recordemos que no siempre se pueden multiplicar dos ma-
trices: el n umero de columnas del primer factor debe ser igual al n umero de las del
segundo factor.
En nuestro caso esto pasa solo si planteamos el producto BA; en el otro orden no se puede
realizar. Siendo B R
32
y A R
25
, ser a BA R
35
. Con la notaci on que introdujimos
antes, las las de B y las columnas de A son
B
1
= (1, 0) , B
2
= (2, 3) , B
3
= (4, 2)
y
A
1
= (5, 0) , A
2
= (2, 3) , A
3
= (3, 1) , A
4
= (0, 0) , A
5
= (1, 2)
Entonces,
BA =
(1, 0) (5, 0) (1, 0) (2, 3) (1, 0) (3, 1) (1, 0) (0, 0) (1, 0) (1, 2)
(2, 3) (5, 0) (2, 3) (2, 3) (2, 3) (3, 1) (2, 3) (0, 0) (2, 3) (1, 2)
(4, 2) (5, 0) (4, 2) (2, 3) (4, 2) (3, 1) (4, 2) (0, 0) (4, 2) (1, 2)
5 2 3 0 1
10 7 3 0 4
20 2 14 0 8
Ejercicio 6
Dadas las siguientes matrices
A =
1 0 2
3 1 0
, B =
0 2
3 5
0 2
7 1
, C =
4 0 5 2
0 3 1 1
2 1 1 2
Calcule todos los productos posibles entre dos de ellas.

Ejercicio 7
Dadas las matrices
A =
2 1 3 2
y B =
3
2
1
4
Determine si se pueden realizar los productos AB y BA, a qu e espacio pertenece

cada uno de ellos y calc ulelos.
Caso particular: AI
Dada una matriz cualquiera A R
mn
si la multiplicamos por la matriz identidad de orden
n,
AI
2
=
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
a
m1
a
m2
. . . a
mn
1 0 . . . 0
0 1 . . . 0
.
.
.
0 0 . . . 1
= A
2
tendra sentido, suponiendo n m, plantear IA? De qu e orden deberamos tomar la identidad para poder
calcular IA?
pues el elemento de AI que est a en el lugar i j es
(a
i1
, . . . , a
i j
, . . . , a
in
) (0, . . . , 0, 1
j
, 0 . . . , 0) = a
i j
.1 = a
i j
Producto de matrices cuadradas
Una situaci on particular se da cuando consideramos matrices cuadradas. En este caso,
siendo iguales el n umero de las y de columnas, dadas dos matrices A, B R
nn
cua-
lesquiera s se puede plantear tanto AB como BA. Lo que no ocurre, en general, es que
sean iguales.
Veamos un ejemplo,
A =
2 3
4 5
, B =
0 1
1 0
entonces,
AB =
3 2
5 4
4 5
2 3
= BA
Conclusi on
El producto entre matrices no es conmutativo.
Otra caracterstica que es conveniente tener presente es que, contrariamente a lo que
sucede con los n umeros reales (y tambi en complejos), el producto de dos matrices no
nulas puede ser cero. Veamos dos ejemplos.
Si bien
A =
1 1
1 1
, B =
1 1
1 1
no son nulas, su producto

AB =
1 1
1 1
1 1
1 1
0 0
0 0
Pero tal vez m as sorprendente a un es ver que el cuadrado de una matriz no nula puede ser
cero. Sea
A =
1 1
1 1
Claramente A no es nula. Sin embargo, su cuadrado s lo es

A
2
= AA =
1 1
1 1
1 1
1 1
0 0
0 0
Ejercicio 8
Halle todas las matrices A R
22
que conmutan con B =
0 1
1 0
.
Proposici on
Sea A R
nm
. Entonces la funci on T : R
n
R
m
denida por
T(u) = Au
t
(u R
n
)
es una transformaci on lineal.
Ejercicio 9
Demuestre la proposici on anterior.
Ejercicio 10
Halle el dominio, el codominio y la expresi on de las transformaciones lineales
asociadas a las matrices
2 1 0
3 1 1
4 0 2 1 7
5 0 1 3
0 3 6 1
10 2 0 0
1 3 3 1
d
1
0 0
0 d
2
0
0 0 d
3
6
2
3
5
4
Matriz inversible
nn
se dice inversible si existe una matriz B R
nn
tal que
AB = BA = I
n
Esta matriz B resulta ser unica y recibe el nombre de matriz inversa de A. Se la denota
B = A
1
Adem as es inmediato vericar que
(A
1
)
1
= A
Ejercicio 11
Para cada una de estas matrices
A =
3 0
2 4
, B =
1 2
3 4
, C =
1 1
1 1
, D =
1 2 3
0 4 5
0 0 6
, E =
1 0 0
2 3 0
4 5 6
halle su inversa o muestre que no es inversible.

Ejercicio 12
Compruebe que si ad bc 0
3
, entonces
a b
c d
1
=
1
ad bc
d b
c a
Ejercicio 13
Considere
S :
2x + 3y = 0
4x + 5y = 0
y A =
2 3
4 5
a) calcule A
x
y
b) cu al es la relaci on entre S y el conjunto
(x, y) R
2
x
y
0
0
?
c) halle A
1
d) le sirve la informaci on obtenida en el item anterior para averiguar qui en es
S?
NOTA: la matriz A se llama matriz asociada al sistema de ecuaciones.
Ejercicio 14
Utilice las ideas presentadas en el ejercicio anterior para resolver el sistema
S :
2x + 3y = 1
4x + 5y = 1
Ejercicio 15
Sean
A =
2 3 6
4 5 7
, X =
x
y
z
, B =
2
3
, C =
2 3
4 5
a) compruebe que el sistema

S :
2x + 3y + 6z = 2
4x + 5y + 7z = 3
se puede expresar en forma matricial como
S : AX = B
3
Luego veremos que esta condici on es necesaria y suciente para la inversibilidad de esta matriz
b) calcule C
1
A e investigue si es cierto que S = S
siendo
S
: C
1
AX = C
1
B
c) utilce los resultados obtenidos para resolver S .
Ejercicio 16
Escriba en forma matricial los siguientes sistemas de ecuaciones lineales y utilice
las ideas previas para resolverlos
S
1
:
x z = 1
z w = 1
x + y + 2z + w = 0
y + z = 2
, S
2
:
x z = 1
z w = 1
x + y + 2z + w = 0
NOTA:
1 0 1 0
0 0 1 1
1 1 2 1
0 1 1 0
1
=
2 1 1 1
1 1 1 2
1 1 1 1
1 0 1 1
1 0 1
0 0 1
1 1 2
1
=
1 1 0
1 1 1
0 1 0
Ejercicio 17
Imponga una condici on sobre la matriz A R
nn
que asegure que el sistema
AX = B
tenga soluci on unica.
Proposici on
Si A, B R
nn
son inversibles, entonces AB tambi en lo es y vale
(AB)
1
= B
1
A
1
Demostraci on:
ABB
1
A
1
= AI
n
A
1
= AA
1
= I
n
, B
1
A
1
AB = B
1
I
n
B = B
1
B = I
n
Matriz ortogonal
nn
se dice ortogonal si
AA
t
= I
n
Es decir, que toda matriz ortogonal es inversible y su inversa es su transpuesta.
Ejemplos
1. La matriz
cos sen
sen cos
es ortogonal.
En efecto, su transpuesta es
cos sen
sen cos
y el producto de ambas
cos sen
sen cos
cos sen
sen cos
1 0
0 1
2. Las matrices
cos sen 0
sen cos 0
0 0 1
cos 0 sen
0 1 0
sen 0 cos
1 0 0
0 cos sen
0 sen cos
son ortogonales y el efecto de aplicarlas a un vector es efectuar una rotaci on de angulo

alrededor del eje z (la primera), del eje y (la segunda) y del eje x (la tercera).
Observaci on
Sea A R
nn
una matriz ortogonal. Sabemos entonces que AA
t
= I. Llamemos A
i
a la la i de
A y B
j
a la columna j de A
t
, entonces
N cuando i j tenemos
A
i
B
j
= I
i j
= 0
pero como la columna j de A
t
es la la j de A esto dice que
A
i
A
j
= 0
N cuando i = j tenemos
A
i
B
i
= I
ii
= 1
o sea,
A
i
A
i
= 1
Conclusi on: el conjunto de las de una matriz ortogonal constituye una base ortonormal de
R
n
. Lo mismo sucede con las columnas.
Matriz de una transformaci on lineal
Sea T : R
n
R
m
una transformaci on lineal. Consideremos las bases can onicas
{e
1
, . . . , e
n
} de R
n
y {E
1
, . . . , E
m
} de R
m
Sean
T(e
1
) = (a
11
, . . . , a
m1
) = a
11
E
1
+ + a
m1
E
m
.
.
.
T(e
j
) = (a
1j
, . . . , a
mj
) = a
1j
E
1
+ + a
mj
E
m
.
.
.
T(e
n
) = (a
1n
, . . . , a
mn
) = a
1n
E
1
+ + a
mn
E
m
Llamamos matriz de T en las bases can onicas de R
n
y R
m
a la matriz cuyas columnas son los
vectores T(e
j
) (1 j m) y la denotamos
M
T
=
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
a
m1
a
m2
. . . a
mn
R
mn
Esta matriz satisface
T(x
1
, . . . , x
n
) = M
T
x
1
.
.
.
x
n
4
Nota: esta denici on se puede extender a espacios vectoriales de dimensi on nita y a bases
cualesquiera del dominio y codominio.
Ejemplo
Sea T(x, y, z) = (3x 2y + z, x z). Es una transformaci on lineal. Calculemos
T(1, 0, 0) = (3, 1) = 3E
1
+ 1E
2
T(0, 1, 0) = (2, 0) = 2E
1
+ 0E
2
T(0, 0, 1) = (1, 1) = 1E
1
+ (1)E
2
por lo tanto,
M
T
=
3 2 1
1 0 1
y podemos escribir (omitiendo la transposici on)

T(x, y, z) =
3 2 1
1 0 1
x
y
z
4
En realidad deberamos escribir
M
T
x
1
.
.
.
x
n
t
dado que T(x
1
, . . . , x
n
) es un vector la
Ejercicio 18
Para cada una de las siguientes transformaciones lineales halle
(i) dominio y codominio
(ii) la matriz asociada e indique a qu e espacio de
matrices pertenece
a) T(x, y, z) = (x + 3y 2z, x + y + z, x z, y + 4z)
b) T(x, y, z, w) = (x + w, y x + z 3w, x + 4z)
c) T(x
1
, x
2
, x
3
, x
4
, x
5
) = 2x
1
3x
2
+ 5x
4
x
5
d) T(x) = (x, 2x, 3x, 0, x, 5x, 7x)
e) T(x) = 3x
f) T(x, y) = (cos

3
x sen

3
y, sen

3
x + cos

3
y)
Ejercicio 19
Sea T : R
n
R
m
una transformaci on lineal. Si u
1
, . . . , u
n
son las columnas de M
T
,
halle u
1
, . . . , u
n
.
Ejercicio 20
Considere las siguientes transformaciones lineales
T(x, y, z) = (x + 3y 2z, x + y + z, x z, y + 4z) , R(x, y, z, w) = (x + w, y x + z 3w, x + 4z)
a) halle la expresi on de T R
b) calcule M
T
, M
R
y M
TR
c) compare M
T
M
R
con M
TR
Proposici on (matriz de una composici on)
Sean T : R
n
R
m
y S : R
m
R
k
transformaciones lineales. Entonces, la transformaci on
lineal S T : R
n
R
k
tiene por matriz
M
S T
= M
S
M
T
Demostraci on:
Denotemos
M
T
=
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
a
m1
a
m2
. . . a
mn
, M
S
=
b
11
b
12
. . . b
1m
b
21
b
22
. . . b
2m
.
.
.
b
k1
b
m2
. . . b
km
, M
S T
c
11
c
12
. . . c
1n
c
21
c
22
. . . c
2n
.
.
.
c
k1
c
m2
. . . c
kn
Tenemos, para cada u R
n
,
M
S T
u
t
= S T(u) = M
S
(M
T
u
t
) = M
S
M
T
u
t
Si lo aplicamos, en particular, a cada e
j
= (0, . . . , 0, 1, 0 . . . , 0)
M
S T
e
t
j
= M
S
M
T
e
t
j
pero esto dice que ambas matrices M
S T
y M
S
M
T
tienen las mismas columnas; luego, son
iguales.
Proposici on
Sea T : R
n
R
n
una transformaci on lineal. Entonces,
T es isomorsmo si y s olo si M
T
es inversible
En tal caso,
M
T
1 = (M
T
)
1
Demostraci on:
Supongamos que T es isomorsmo.
La proposici on anterior nos dice que la matriz de T T
1
es M
T
M
T
1 . Pero por otro lado, siendo
inversas, la matriz de T T
1
es I
n
; luego,
M
T
M
T
1 = I
n
y lo mismo vale para
M
T
1 M
T
= I
n
esto implica que M
T
es inversible y que su inversa es la matriz de T
1
.
Supongamos que M
T
es inversible.
Llamemos A a su inversa. Denamos la transformaci on lineal,
S (u) = Au
t
Tenemos,
S T(v) = A(M
T
v
t
) = AM
T
v
t
= v
t
(para todo v R
n
)
y
T S (u) = M
T
(Au
t
) = M
T
Au
t
= u
t
(para todo u R
n
)
lo que muestra que S es la inversa de T y en consecuencia T es un isomorsmo.
Ejercicio 21
Se sabe que las matrices
A =
2 0 4
8 2 8
0 0 2
y B =
1
2
0 1
2
1
2
2
0 0
1
2
son inversas una de otra. Halle M
T
para T : R
3
R
3
dada por
T(x, y, z) = (2x 4z, 8x + 2y + 8z, 2z)
Necesita hacer alg un c alculo para
a) responder si T es o no isomorsmo?
b) hallar la expresi on de T
1
?
Ejercicio 22
Dada la matriz A =
2 1 1
1 0 2
0 1 1
, considere su transformaci on lineal asociada

T : R
3
R
3
, T(x, y, z) = (2x + y + z, x 2z, y + z).
a) Halle la expresi on de T
1
(u, v, w)
5
b) Encuentre M
T
1
c) Necesita hacer alg un otro c alculo para dar A
1
?
Rango Fila Rango Columna
Dada una matriz A R
mn
llamamos
N rango la de A al n umero m aximo de las linealmente independientes que tiene la
matriz A
N rango columna de A al n umero m aximo de columnas linealmente independientes que
tiene la matriz A.
Ejemplos
1. Sea A = I
n
R
nn
Las las de A son los vectores de la base can onica de R
n
, luego el rango la de A es n. El
mismo valor toma el rango columna pues las columnas tambi en est an formadas por los
vectores de la base can onica de R
n
.
5
en la Pr actica 7 se mostr o una forma de hallarlo
2. Sea A =
1 0 3 4
5 1 0 3
R
24
Como los vectores (1, 0, 3, 4) y (5, 1, 0, 3) son independientes, su rango la es 2. Res-
pecto de las columnas es claro que las cuatro (siendo vectores de R
2
) no pueden ser
independientes. En realidad, por ejemplo las dos primeras (1, 5) y (0, 1) son indepen-
dientes y en consecuencia forman una base de R
2 6
. De modo que no puede haber m as de
dos linealmente independientes. Por lo tanto, el rango columna tambi en es 2.
3. Sea A =
2 4 8
1 2 4
1 0 0
Es claro que el rango la es 2. Respecto del rango columna, tenemos que considerar los
vectores
(2, 1, 1), (4, 2, 0), (8, 4, 0)
tambi en es f acil ver que el m aximo n umero de vectores linealmente independientes entre
ellos es 2. De modo que el rango columna tambi en es 2.
Observaci on
En estos ejemplos obtuvimos que los rangos la y columna coincidan. Esto pasa siempre. Se
puede probar el siguiente resultado,
Teorema
Para toda matriz A R
mn
los rangos la y columna coinciden.
Rango de una matriz
Dado que los rangos la y columna coinciden, podemos llamar simplemente rango de una
matriz A a cualquiera de esos dos valores y lo denotamos
rg(A)
Ejercicio 23
Sea T : R
n
R
m
una transformaci on lineal. Hay alguna relaci on entre rg (M
T
) y
dimImT?
Sugerencia: Recuerde la denici on de matriz asociada a una transformaci on lineal.
6
por qu e?
Proposici on
Sea T : R
n
R
m
una transformaci on lineal, n m. Entonces,
T es epimorsmo si y s olo si rgM
T
= m
Demostraci on:
Supongamos que T es epimorsmo.
En tal caso,
{T(e
1
), . . . , T(e
n
)} ({e
1
, . . . , e
n
} base can onica de R
n
)
generan R
m
y por lo tanto hay exactamente m de ellos que son linealmente independientes. Por
lo tanto,
rgM
T
= m
Supongamos que rgM
T
= m.
Los vectores columna de M
T
son
T(e
1
), . . . , T(e
n
)
y como el rango es m sabemos que m de ellos son linealmente independientes y como est an en
R
m
son una base. Pero entonces,
R
m
= T(e
1
), . . . , T(e
n
) = ImT
i.e., T es epimorsmo.
Ejercicio 24
Conociendo y habiendo justicado la respuesta al Ejercicio 23, se podra sim-
plicar la fundamentaci on de la proposici on anterior?
Aplicaci on (Sistemas de Ecuaciones Lineales Homog eneas)
Dado el sistema de ecuaciones lineales homog eneas
a
11
x
1
+ + a
1n
x
n
= 0
.
.
.
a
m1
x
1
+ + a
mn
x
n
= 0
con m n, llamemos S al subespacio de soluciones y A =
a
11
. . . a
1n
.
.
.
a
m1
. . . a
mn
a la matriz del
sistema
7
; es decir, el sistema dado se puede expresar en la forma
A
x
1
.
.
.
x
n
0
.
.
.
0
o simplemente AX = 0
7
en los Ejercicios 12 a 17 introdujimos este tema
Entonces,
dimS = n rgA
Para comprobarlo basta aplicar el teorema de la dimensi on a la transformaci on lineal
T : R
n
R
m
dada por
T(x
1
, . . . , x
n
) = (a
11
x
1
+ + a
1n
x
n
, . . . , a
m1
x
1
+ + a
mn
x
n
)
que escrita en forma matricial se expresa en la forma
T(X) = AX (A resulta ser M
T
)
cuyo n ucleo es precisamente el subespacio S. En consecuencia, el teorema de la dimensi on nos
permite armar que
dimS = dimNu T = dimR
n
dimImT = n rg (M
T
) = n rg (A)
Dicho de otra forma, un subespacio S de R
n
de dimensi on k n se puede expresar como el
conjunto de soluciones de un sistema de n k ecuaciones lineales homog eneas cuya matriz
asociada tiene rango n k.
Ejemplo
Dado el subespacio S = (1, 0, 0, 2), (2, 1, 1, 1) vamos a hallar un sistema de ecuaciones
cuyo conjunto de soluciones sea precisamente S.
Notemos que los generadores de S son linealmente independientes, luego dimS = 2; como el
espacio es R
4
, sabemos que S va a ser el conjunto de soluciones de un sistema de la forma
ax + by + cz + dw = 0
a
x + b
y + c
z + d
w = 0
con coecientes tales que el rango de la matriz
a b c d
a
sea 2; i.e., (a, b, c, d) y (a
, b
, c
, d
) deben ser independientes.

Solo tenemos que determinar cu anto valen los coecientes a, b, c, d, a
, b
, c
, d
.
Como los vectores (1, 0, 0, 2) y (2, 1, 1, 1) deben satisfacer estas ecuaciones tenemos
(a, b, c, d) (1, 0, 0, 2) = 0
(a, b, c, d) (2, 1, 1, 1) = 0
y
(a
, b
, c
, d
) (1, 0, 0, 2) = 0
(a
, b
, c
, d
) (2, 1, 1, 1) = 0
()
Teniendo en cuenta que {(1, 0, 0, 2), (2, 1, 1, 1)} es una base de S, () dice que los vectores
(a, b, c, d) y (a
, b
, c
, d
) son ortogonales a todos los vectores de S; es decir,

(a, b, c, d), (a
, b
, c
, d
) S
Siendo dimS
= dimR
4
dimS = 4 2 = 2 concluimos que
{(a, b, c, d), (a
, b
, c
, d
)}
tiene que ser una base de S
.
Se trata entonces de buscar una base de S
. Un (x, y, z, w) S
si y s olo si
(x, y, z, w) (1, 0, 0, 2) = 0
(x, y, z, w) (2, 1, 1, 1) = 0
x 2w = 0
2x + y z + w = 0
x = 2w
y = z 3w
es decir, (x, y, z, w) S
si y s olo si
(x, y, z, w) = (2w, z 3w, z, w) = (0, z, z, 0) + (2w, 3w, 0, w) = z(0, 1, 1, 0) + w(2, 3, 0, 1)
Obtenemos as una base de S
{(0, 1, 1, 0), (2, 3, 0, 1)}

y por lo tanto, S se puede expresar en la forma
S :
(0, 1, 1, 0) (x, y, z, w) = 0
(2, 3, 0, 1) (x, y, z, w) = 0
es decir,
S :
y + z = 0
2x 3y + w = 0
Determinantes
! Determinantes de orden 2
El determinante de orden 2 es la unica funci on
det : R
2
R
2
R
que satisface las siguientes propiedades
(i) det(u + v, w) = det(u, w) + det(v, w) u, v, w R
2
, , R
det(u, v + w) = det(u, v) + det(u, w) u, v, w R
2
, , R
(ii) det(u, u) = 0 u R
2
(iii) det(e
1
, e
2
) = 1 e
1
= (1, 0) , e
2
= (0, 1)
Las propiedades enunciadas en (i) dicen que si miramos a det como funci on solo de la
primera variable (o solo de la segunda) es una transformaci on lineal.
Ejercicio 25
A partir de la denici on de determinante de orden 2 calcule
a) det((3, 0), (0, 5))
b) det((1, 0), (2, 7))
Propiedades del determinante de orden 2
1. det(0, u) = det(u, 0) = 0 u R
2
det(0, u) =
=0
det(0.0, u) = 0 det(0, u) = 0
2. det(v, u) = det(u, v) u, v R
2
0 = det(u + v, u + v) = det(u, u + v) + det(v, u + v)
= det(u, u) + det(u, v) + det(v, u) + det(v, v)
= det(u, v) + det(v, u)
3. det(au + bv, u + v) = (a b) det(u, v) u, v R
2
, a, b, , R
det(au + bv, u + v) = a det(u, u + v) + b det(v, u + v)
= a[det(u, u) + det(u, v)] + b[det(v, u) + det(v, v)]
= a det(u, v) + bdet(v, u)
= (a b) det(u, v)
4. u y v son linealmente dependientes si y solo si det(u, v) = 0
Supongamos primero que u = v (i.e., son dependientes) y veamos que su
determinante es nulo,
det(u, v) = det(v, v) = det(v, v) = 0
Ahora asumamos que det(u, v) = 0 y comprobemos que u y v son linealmente
dependientes. Llamemos
u = (a, b) , v = (c, d)
entonces,
0 = det(u, v) = ad bc
lo que equivale a decir
ad = bc
Caso 1: a = 0
Esto implica que bc = 0, o sea b = 0 o c = 0
si b = 0: u = (a, b) = (0, 0) que es dependiente con cualquier otro, en
particular v
si b 0: c = 0 y entonces u = (0, b) y v = (0, d). Pero en tal caso
v = (0, d) =
d
b
(0, b) =
d
b
u
i.e. , u y v son linealmente dependientes.
Caso 2: a 0
En este caso, d =
b
a
c y por lo tanto,
v = (c, d) =
c,
b
a
c
= c
1,
b
a
=
c
a
(a, b) =
c
a
u
y tambi en concluimos en este caso que son linealmente dependientes.
Ejercicio 26
Utilizando la denici on y las propiedades del determinante de orden 2 calcule
a) det((2, 3), (5, 4))
b) det((2, 3), (4, 6))
c) det((0, 0), (7, 12))
d) det(3u 2v, 5u + 4v) sabiendo que det(u, v) = 2
e) det((a, b), (x, y))
Observaci on
Una consecuencia de la ultima propiedad es que
det((a, b), (, )) = det(a(1, 0) + b(0, 1), (1, 0) + (0, 1)) = a b
lo que dice que para cualquier par de vectores u = (u
1
, u
2
) y v = (v
1
, v
2
) en R
2
det((u
1
, u
2
), (v
1
, v
2
)) = u
1
v
2
u
2
v
1
()
Esto muestra que no puede haber m as de una funci on que cumpla las propiedades que
denen a det. Sigue faltando probar que realmente existe det. Pero para ello bastara
vericar que la funci on denida por () cumple con las condiciones (i) (iii), lo que es
muy simple.
Una consecuencia inmediata de este resultado es que
u y v son independientes det(u, v) 0
Determinante de una matriz 2 2
Dada una matriz A R
22
A =
a
11
a
12
a
21
a
22
pensamos a cada una de sus las como vectores de R

2
y as denimos
det A = det((a
11
, a
12
), (a
21
, a
22
))
teniendo en cuenta que
(a
11
, a
12
) = a
11
(1, 0) + a
12
(0, 1) , (a
21
, a
22
) = a
21
(1, 0) + a
22
(0, 1)
y usando propiedades de det obtenemos
det A = a
11
a
22
a
12
a
21
Teorema
Sean A, B R
22
, entonces
det(AB) = det Adet B
Demostraci on:
Denotemos
A =
a
11
a
12
a
21
a
22
, B =
b
11
b
12
b
21
b
22
con lo cual,
AB =
a
11
b
11
+ a
12
b
21
a
11
b
12
+ a
12
b
22
a
21
b
11
+ a
22
b
21
a
21
b
12
+ a
22
b
22
y entonces,
det(AB) = (a
11
b
11
+ a
12
b
21
)(a
21
b
12
+ a
22
b
22
) (a
11
b
12
+ a
12
b
22
)(a
21
b
11
+ a
22
b
21
)
= a
11
b
11
a
21
b
12
+ a
11
b
11
a
22
b
22
+ a
12
b
21
a
21
b
12
+ a
12
b
21
a
22
b
22
a
11
b
12
a
21
b
11
a
11
b
12
a
22
b
21
a
12
b
22
a
21
b
11
a
12
b
22
a
22
b
21
= a
11
b
11
a
22
b
22
a
12
b
22
a
21
b
11
+ a
12
b
21
a
21
b
12
a
11
b
12
a
22
b
21
= b
11
b
22
[a
11
a
22
a
12
a
21
] + b
12
b
21
[a
12
a
21
a
11
a
22
]
= b
11
b
22
[a
11
a
22
a
12
a
21
] b
12
b
21
[a
11
a
22
a
12
a
21
]
= [a
11
a
22
a
12
a
21
][b
11
b
22
b
12
b
21
]
= det A det B
Teorema
Sea A R
22
, entonces
det(A
t
) = det A
Demostraci on:
Si denotamos A =
a
11
a
12
a
21
a
22
, entonces
A
t
=
a
11
a
21
a
12
a
22
y por consiguiente
det(A
t
) = a
11
a
22
a
21
a
12
= det A
Teorema
Sea A R
22
inversible, entonces
det(A
1
) =
1
det A
Demostraci on:
Sabemos que AA
1
= I
2
=
1 0
0 1
. Entonces, un resultado anterior nos dice que

1 = det I
2
= det(AA
1
) = det A det(A
1
)
de donde,
det(A
1
) =
1
det A
Teorema
Sean A R
22
y T : R
2
R
2
la transformaci on lineal denida por
T(x, y) = A
x
y
Entonces,
T es isomorsmo si y solo si det A 0
Demostraci on:
Tenemos
T(1, 0) = (a
11
, a
21
) , T(0, 1) = (a
12
, a
22
)
Entonces,
T(1, 0) y T(0, 1) son linealmente independientes si y solo si
0 det((a
11
, a
21
), (a
12
, a
22
)) = det(A
t
) = det A
! Determinantes de orden 3
El determinante de orden 3 es la unica funci on
det : R
3
R
3
R
3
R
que satisface las siguientes propiedades para cada u
1
, u
2
, u
3
, v
1
R
3
y , R
(i) det(u
1
+ v
1
, u
2
, u
3
) = det(u
1
, u
2
, u
3
) + det(v
1
, u
2
, u
3
)
det(u
1
, u
2
+ v
2
, u
3
) = det(u
1
, u
2
, u
3
) + det(u
1
, v
2
, u
3
)
det(u
1
, u
2
, u
3
+ v
3
) = det(u
1
, u
2
, u
3
) + det(u
1
, u
2
, v
3
)
(ii) det(u
1
, u
2
, u
3
) = 0 si u
i
= u
j
para alg un i j
(iii) det(e
1
, e
2
, e
3
) = 1 e
1
= (1, 0, 0) , e
2
= (0, 1, 0) , e
3
= (0, 0, 1)
Propiedades del determinante de orden 3
1. det(u
1
, u
2
, u
3
) = 0 si alguno de los vectores u
i
= 0
2. det(u
2
, u
1
, u
3
) = det(u
1
, u
2
, u
3
)
det(u
3
, u
2
, u
1
) = det(u
1
, u
2
, u
3
)
det(u
1
, u
3
, u
2
) = det(u
1
, u
2
, u
3
)
Ve amoslo para det(u
3
, u
2
, u
1
) = det(u
1
, u
2
, u
3
). Como en el caso de los determi-
nantes de orden 2,
0 = det(u
1
+ u
3
, u
2
, u
1
+ u
3
) = det(u
1
, u
2
, u
3
) + det(u
3
, u
2
, u
1
)
de donde se concluye lo armado.
3. det(e
1
, (a
1
, a
2
, a
3
), (b
1
, b
2
, b
3
)) = a
2
b
3
a
3
b
2
e
1
= (1, 0, 0)
det(e
1
, (a
1
, a
2
, a
3
), (b
1
, b
2
, b
3
)) = det(e
1
, a
1
e
1
+ a
2
e
2
+ a
3
e
3
, b
1
e
1
+ b
2
e
2
+ b
3
e
3
)
= det(e
1
, a
1
e
1
, b
1
e
1
+ b
2
e
2
+ b
3
e
3
)
+ det(e
1
, a
2
e
2
, b
1
e
1
+ b
2
e
2
+ b
3
e
3
)
+ det(e
1
, a
3
e
3
, b
1
e
1
+ b
2
e
2
+ b
3
e
3
)
= det(e
1
, a
2
e
2
, b
1
e
1
) + det(e
1
, a
2
e
2
, b
2
e
2
)
+ det(e
1
, a
2
e
2
, b
3
e
3
) + det(e
1
, a
3
e
3
, b
1
e
1
)
+ det(e
1
, a
3
e
3
, b
2
e
2
) + det(e
1
, a
3
e
3
, b
3
e
3
)
= a
2
b
3
det(e
1
, e
2
, e
3
) + a
3
b
2
det(e
1
, e
3
, e
2
)
= a
2
b
3
a
3
b
2
4. det(e
2
, (a
1
, a
2
, a
3
), (b
1
, b
2
, b
3
)) = (a
1
b
3
a
3
b
1
) e
2
= (0, 1, 0)
5. det(e
3
, (a
1
, a
2
, a
3
), (b
1
, b
2
, b
3
)) = a
1
b
2
a
2
b
1
e
3
= (0, 0, 1)
Determinante de una matriz 3 3
Dada una matriz A R
33
A =
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
tal como hicimos en el caso 22 pensamos a sus las como vectores de R

3
y as denimos
det A = det((a
11
, a
12
, a
13
), (a
21
, a
22
, a
23
), (a
31
, a
32
, a
33
))
Las propiedades anteriores muestran que
det
1 0 0
a
21
a
22
a
23
a
31
a
32
a
33
= a
22
a
33
a
32
a
23
= det
a
22
a
23
a
32
a
33
det
0 1 0
a
21
a
22
a
23
a
31
a
32
a
33
= a
23
a
31
a
21
a
33
= det
a
21
a
23
a
31
a
33
det
0 0 1
a
21
a
22
a
23
a
31
a
32
a
33
= a
21
a
32
a
22
a
31
= det
a
21
a
22
a
31
a
32
Entonces,
det
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
= det
a
11
(1, 0, 0) + a
12
(0, 1, 0) + a
13
(0, 0, 1), (a
21
, a
22
, a
23
), (a
31
, a
32
, a
33
)
= a
11
det
(1, 0, 0), (a
21
, a
22
, a
23
), (a
31
, a
32
, a
33
)
+ a
12
det
(0, 1, 0), (a
21
, a
22
, a
23
), (a
31
, a
32
, a
33
)
+ a
12
det
(0, 0, 1), (a
21
, a
22
, a
23
), (a
31
, a
32
, a
33
)
= a
11
det
1 0 0
a
21
a
22
a
23
a
31
a
32
a
33
+ a
12
det
0 1 0
a
21
a
22
a
23
a
31
a
32
a
33
+ a
13
det
0 0 1
a
21
a
22
a
23
a
31
a
32
a
33
= a
11
det
a
22
a
23
a
32
a
33
+ (1)a
12
det
a
21
a
23
a
31
a
33
+ a
13
det
a
21
a
22
a
31
a
32
Observaci on
Esto provee una forma de calcular un determinante de orden 3 reduci endolo a calcular
determinantes de orden 2
! Determinantes de orden n
Vamos nalmente a enunciar los resultados correspondientes a un determinante de orden
n; las demostraciones hechas para el caso n = 2 dan una idea, en una situaci on mucho
m as simple, del por qu e de ciertas propiedades. Las demostraciones de estos resultados
en el caso general, si bien no son difciles, s son considerablemente engorrosas.
Antes vamos a necesitar unas ultimas deniciones,
Menores y Cofactores Matriz Adjunta
Dada la matriz
A =
a
11
. . . a
1j
. . . a
1n
.
.
.
.
.
.
a
i1
. . . a
i j
. . . a
in
.
.
.
.
.
.
a
n1
. . . a
nj
. . . a
nn
su determinante es de orden n. Si excluimos la la i y la columna j nos queda una matriz

de R
(n1)(n1)
. A su determinante
M
i j
= det
a
11
. . . a
1j1
a
1j+1
. . . a
1n
.
.
.
.
.
.
a
i11
. . . a
i1j1
a
i1j+1
. . . a
i1n
a
i+11
. . . a
i+1j1
a
i+1j+1
. . . a
i+1n
.
.
.
.
.
.
a
n1
. . . a
nj1
a
nj+1
. . . a
nn
que es de orden n 1 se lo llama menor correspondiente al elemento a

i j
de la matriz A
y al n umero
A
i j
= (1)
i+j
M
i j
se lo denomina cofactor del elemento a
i j
.
Se llama matriz adjunta de A a la matriz
adjA =
A
11
. . . A
1n
.
.
.
A
n1
. . . A
nn
i.e., la matriz que en el lugar i j tiene al cofactor del elemento a

i j
de A.
Esta notaci on nos ser a util para enunciar un resultado que generaliza lo hecho para reducir
el c alculo de determinantes de tercer orden al c alculo de determinantes de segundo orden
y, en particular, la matriz adjunta para hallar la inversa de una matriz.
Denici on
El determinante de orden n es la unica funci on
det : R
n
R
n
R
que satisface las siguientes propiedades
(i) det(u
1
, . . . , u
i
+ v
i
, . . . , u
n
) = det(u
1
, . . . , u
i
, . . . , u
n
) + det(u
1
, . . . , v
i
, . . . , u
n
)
(ii) det(u
1
, . . . , u
i
, . . . , u
i
, . . . , u
n
) = 0
(iii) det(e
1
, . . . , e
n
) = 1 {e
1
, . . . , e
n
} base can onica de R
n
Se dene el determinante de una matriz A R
nn
como
det A = det((a
11
, . . . , a
1n
) , . . . , (a
n1
, . . . , a
nn
))
Resultados (para orden n)
1. det(u
1
, . . . , 0, . . . , u
n
) = 0
2. det(u
1
, . . . , u
i
, . . . , u
j
, . . . , u
n
) = det(u
1
, . . . , u
j
, . . . , u
i
, . . . , u
n
)
3. {u
1
, . . . , u
n
} son linealmente independientes si y solo si det(u
1
, . . . , u
n
) 0
4. Si A, B R
nn
, det(AB) = det Adet B
5. det(A
t
) = det A
6. det(A) =
n
det A ( R)
7. Si A =
1
0 . . . 0
0
2
. . . 0
.
.
.
0 0 . . .
n
(matriz diagonal), entonces det A =

1

2
. . .
n
8. Si A =
a
11
a
12
. . . a
1n
0 a
22
. . . a
2n
.
.
.
0 0 . . . a
nn
(matriz triangular superior), entonces

det A = a
11
a
22
. . . a
nn
9. Si A es ortogonal, | det A| = 1
10. Si A es inversible, det(A
1
) =
1
det A
11. Si T : R
n
R
n
es una transformaci on lineal, T es isomorsmo si y solo si
det M
T
0
12. Reducci on del orden del determinante
Si A
i j
denota el cofactor del elemento a
i j
de la matriz A, para cualquier 1 j n
vale el desarrollo por la
det A = a
1j
A
1j
+ a
2j
A
2j
+ + a
nj
A
nj
= (1)
1+j
a
1j
M
1j
+ (1)
2+j
a
2j
M
2j
+ + (1)
n+j
a
nj
M
nj
y para cualquier 1 i n vale el desarrollo por columna
det A = a
i1
A
i1
+ a
i2
A
i2
+ + a
in
A
in
= (1)
i+1
a
i1
M
i1
+ (1)
i+2
a
i2
M
i2
+ + (1)
i+n
a
in
M
in
donde M
i j
indica el menor asociado al elemento a
i j
.
13. Relacionado con el resultado anterior se tiene que
a
1j
A
1k
+ a
2j
A
2k
+ + a
nj
A
nk
= 0 (k j)
y tambi en que
a
i1
A
k1
+ a
i2
A
k2
+ + a
in
A
kn
= 0 (k i)
14. Matriz inversa
Supongamos que A es inversible. Entonces,
A
1
=
1
det A
(adjA)
t
=
1
det A
A
11
. . . A
n1
.
.
.
A
1n
. . . A
nn
Ejemplo (C alculo de un determinante de orden 4)

Sea
A =
2 1 0 3
2 0 3 2
2 1 4 3
0 1 3 4
Entonces, usando la propiedad que nos permite reducir el orden del determinante y eligiendo la
la 4 resulta
det A = 0(1)
1+4
det
1 0 3
0 3 2
1 4 3
+ 1(1)
4+2
det
2 0 3
2 3 2
2 4 3
+ 3(1)
4+3
det
2 1 3
2 0 2
2 1 3
+ (4)(1)
4+4
det
2 1 0
2 0 3
2 1 4
= det
2 0 3
2 3 2
2 4 3
3 det
2 1 3
2 0 2
2 1 3
4 det
2 1 0
2 0 3
2 1 4
= det
2 0 3
2 3 2
2 4 3
4 det
2 1 0
2 0 3
2 1 4
pues el segundo determinante tiene dos las iguales, con lo cual vale 0.
Calculemos los dos determinantes de orden 3
det
2 0 3
2 3 2
2 4 3
= 2(1)
1+1
det
3 2
4 3
+ 0(1)
1+2
det
2 2
2 3
+ 3(1)
1+3
det
2 3
2 4
= 2 det
3 2
4 3
+ 3 det
2 3
2 4
= 2(9 8) + 3(8 6)
= 8
det
2 1 0
2 0 3
2 1 4
= 2(1)
1+1
det
0 3
1 4
+ (1)(1)
1+2
det
2 3
2 4
+ 0(1)
1+3
det
2 0
2 1
= 2 det
0 3
1 4
+ det
2 3
2 4
= 2(0 (3)) + (8 6)
= 8
Luego,
det A = 8 4.8 = 24
Esto nos dice, en particular, que A es inversible.
Ejemplos (C alculo de la inversa de una matriz)
1. Consideremos la matriz
A = det
2 1 0
2 0 3
2 1 4
En el ejemplo anterior comprobamos que

det A = 8
por lo que podemos asegurar que existe su inversa. Para hallarla, comencemos por los
cofactores
A
11
= (1)
1+1
det
0 3
1 4
= 3, A
12
= (1)
1+2
det
2 3
2 4
= 2, A
13
= (1)
1+3
det
2 0
2 1
= 2
A
21
= (1)
2+1
det
1 0
1 4
= 4, A
22
= (1)
2+2
det
2 0
2 4
= 8, A
23
= (1)
2+3
det
2 1
2 1
= 0
A
31
= (1)
3+1
det
1 0
0 3
= 3, A
32
= (1)
3+2
det
2 0
2 3
= 6, A
33
= (1)
3+3
det
2 1
2 0
= 2
Por lo tanto,
adjA =
3 2 2
4 8 0
3 6 2
su transpuesta,
(adjA)
t
=
3 4 3
2 8 6
2 0 2
Finalmente, recordando que det A = 8

A
1
=
1
8
3 4 3
2 8 6
2 0 2
es decir,
A
1
=
3
8
1
2

3
8
1
4
1
3
4
1
4
0
1
4
2. Rotaci on alrededor del eje z

A =
cos sen 0
sen cos 0
0 0 1
Siendo A ortogonal, su inversa es simplemente su transpuesta

A
1
= A
t
=
cos sen 0
sen cos 0
0 0 1
cos() sen() 0
sen() cos() 0
0 0 1
Esto nos conrma que la inversa de una rotaci on alrededor del eje z de angulo es otra
rotaci on, alrededor del mismo eje, pero de angulo .
Sistemas Lineales de n n Regla de Cramer
Anteriormente consideramos sistemas lineales con mayor n umero de inc ognitas que de ecua-
ciones y llegamos a ver c omo calcular su dimensi on a partir de conocer el rango de la matriz
del sistema.
Ahora nos ocuparemos de estudiar el caso de sistemas con igual n umero de inc ognitas y de
ecuaciones. Concretamente, se trata de estudiar las soluciones de
a
11
x
1
+ + a
1n
x
n
= b
1
a
21
x
1
+ + a
2n
x
n
= b
2
.
.
.
a
n1
x
1
+ + a
nn
x
n
= b
n
(N)
que se puede escribir en forma matricial (m as compacta) como
AX = B
donde A es la matriz del sistema (N) , X =
x
1
.
.
.
x
n
y B =
b
1
.
.
.
b
n
.
Comencemos por notar que si el rango de A no es n necesariamente hay por lo menos una la de
A que es linealmente dependiente con las dem as y en tal caso, esa ecuaci on no aporta ninguna
restricci on al sistema; por lo cual, en realidad se trata de un sistema con menor n umero de
ecuaciones que de inc ognitas que seguro no tendr a una unica soluci on.
Lo que vamos a hacer ahora es dar una manera de encontrar la unica soluci on para sistemas
lineales de orden n cuya matriz tiene rango n; i.e., es inversible
8
.
Vamos a encontrar la unica soluci on del sistema (N) suponiendo entonces que A es inversible,
con lo cual det A 0. Si con A
i j
denotamos el cofactor del elemento a
i j
, multiplicamos la
i esima ecuaci on por el cofactor A
i1
(1 i n) y nos queda el sistema
a
11
A
11
x
1
+ + a
1n
A
11
x
n
= b
1
A
11
a
21
A
21
x
1
+ + a
2n
A
21
x
n
= b
2
A
21
.
.
.
a
n1
A
n1
x
1
+ + a
nn
A
n1
x
n
= b
n
A
n1
()
est a claro que si (x
1
, . . . , x
n
) satisface (N), entonces tambi en es soluci on de ()
Ahora sumamos miembro a miembro, agrupamos y obtenemos que
i=1
a
i1
A
i1
x
1
+
i=1
a
i2
A
i1
x
2
+ +
i=1
a
in
A
i1
x
n
=
n
i=1
b
i
A
i1
Pero los resultados 12. y 13. de la p agina 32 nos dicen que el coeciente de x
1
es
det A
y los coecientes de x
2
, . . . , x
n
son nulos. Concluimos entonces que
x
1
=
n
i=1
b
i
A
i1
det A
Si en lugar de multiplicar la i esima ecuaci on del sistema (N) por A
i1
la multiplicamos por A
i j
y procedemos como antes, llegamos a que
x
j
=
n
i=1
b
i
A
i j
det A
Vemos entonces que la unica soluci on de (N) que est a dada por
8
Claramente la unica soluci on ser a: X = A
1
B pero esto requiere hallar la inversa de A cosa que puede llevar
bastante tiempo.
i=1
b
i
A
i1
det A
, . . . ,
n
i=1
b
i
A
in
det A
A este resultado se lo conoce como Regla de Cramer.

Por ultimo mencionamos que los numeradores
n
i=1
b
i
A
i j
(1 j n)
se pueden interpretar como el determinante de la matriz A en la que se reemplaz o la columna j
a
1j
.
.
.
a
nj
por el vector B. Con lo cual queda,
x
j
=
det
a
11
. . . a
1j1
b
1
a
1j+1
. . . a
1n
.
.
.
.
.
.
.
.
.
a
n1
. . . a
n j1
b
n
a
nj+1
. . . a
nn
det A
(1 j n)
Ejercicio 27
Resuelva el siguiente sistema de ecuaciones lineales
2x + z = 2
x + y = 3
y + z = 4
a) en forma matricial
b) usando la regla de Cramer
Problemas
1. Dadas las matrices
A
1
=
1 2 3 0
0 2 7 4
A
2
=
2 3 0
2 7 4
A
3
=
3 0 3 6
1 2 7 5
A
4
=
2 3
0 7
A
5
=
1
0
3
5
A
6
=
2 3 0
2 7 4
0 2 10
1 1 1
A
7
=
3 0
1 5
3 4
A
8
=
0 9
9 7
A
9
=
1 2 3 2
A
10
=
2 3 0
2 7 4
0 2 10
A
11
=
1
2
0
3
2
0 1 0
3
2
0
1
2
A
12
=
0 9
9 0
Indique el tama no de cada una y calcule

a) A
i
+ A
j
, cuando sea posible
b) A
i
+ A
t
j
c) A
i
A
j
, A
j
A
i
d) A
t
i
(1 i 12) e indique si es sim etrica o antisim etrica
e) A
1
, A
4
, A
5
f) trA
i
, cuando corresponda
g) la diagonal principal de las matrices que sean cuadradas
h) rgA
i
(1 i 12)
i) A
6
12
j) A
i
A
t
i
, cuando sea posible. Indique si es A
i
es ortogonal
2. Halle todas las matrices de R
22
que conmutan con
1 1
0 2
3. Calcule A
n
cuando
a)
1 1
1 1
d) A diagonal de orden n
b)
1 1
0 0
d) A matriz de rotaci on alrededor del eje z en R

3
c)
0 1
1 0
d) A triangular superior de orden 3

4. Halle todos los valores de y que hacen que la matriz
0
2
sea inversible y para un par de estos valores, halle la inversa.

Nota: resuelva el ejercicio sin usar determinantes.
5. Considere la funci on tr : R
nn
R que a cada matriz cuadrada de orden n le asigna su
traza.
a) es transformaci on lineal?
b) es monomorsmo?
c) es epimorsmo?
6. Considere la funci on : R
nn
R
nn
que a cada matriz cuadrada de orden n le asigna
su transpuesta y realice un an alisis similar al del ejercicio anterior.
7. Encuentre la forma que tienen las matrices del subespacio
S =

1 0
0 1
0 1
1 0
8. Sean P, Q R
nn
tales que P es inversible y Q es ortogonal. Dada A R
nn
, calcule
a) (P
1
AP)
k
(k N jo)
b) (Q
t
AQ)
k
(k N jo)
9. Halle todos los valores de a que hacen que la matriz
1 0 2
a 1 1
0 a 1
sea inversible.
10. a) Compruebe que las matrices de la forma
A = E
i j
+ E
ji
(1 i, j n)
son sim etricas. Cu antas son?
b) Analice si sucede lo mismo con las matrices de la forma
A = E
i j
E
ji
(1 i, j n)
De no suceder, investigue si pertenecen a alg un otro grupo de matrices mencionado
en la teora.
11. Sea A R
mn
. Entonces la funci on T : R
n
R
m
denida por
T(u) = Au
t
(u R
n
)
es una transformaci on lineal.
12. Muestre que toda matriz A R
nn
se puede escribir en la forma
A = A
s
+ A
a
siendo A
s
una matriz sim etrica y A
a
una matriz antisim etrica.
13. Analice si los siguientes subconjuntos de R
nn
son subespacios. En caso de serlo, halle
su dimensi on y exhiba una base
a) D = {A R
nn
| A es diagonal}
b) S = {A R
nn
| A es sim etrica}
c) T = {A R
nn
| trA = 0}
d) A = {A R
nn
| A es antisim etrica}
14. Dado el sistema de ecuaciones
2x 3y + z = 1
y 2z = 2
()
a) Halle la matriz del sistema y el sistema homog eneo asociado
b) Calcule la dimensi on del subespacio S formado por las soluciones del sistema ho-
mog eneo
c) Verique que (1, 0, 1) es soluci on del sistema ().
d) Es cierto que si (x
0
, y
0
, z
0
) es soluci on del homog eneo, entonces (1, 0, 1)+(x
0
, y
0
, z
0
)
es soluci on de ()?
e) Compruebe que si (x
1
, y
1
, z
1
) y (x
2
, y
2
, z
2
) son soluciones del sistema dado, entonces
(x
1
, y
1
, z
1
) (x
2
, y
2
, z
2
) S
f) Concluya que el conjunto de soluciones de () est a dado por
S = {(1, 0, 1) + (x, y, z) | (x, y, z) S}
g) Dira que esta conclusi on se puede generalizar o que es una particularidad del sis-
tema dado?
15. Siguiendo las ideas desarrolladas en el ejercicio 14. resuelva el sistema (en R
4
)
x y + 3z w = 4
2x + 5z 4w = 2
3x + y + 4z = 2
16. Interprete el conjunto de soluciones del sistema homog eneo asociado al sistema del ejer-
cicio anterior como el n ucleo de una transformaci on lineal. Exhiba la expresi on de dicha
funci on.
17. Considerando matrices 3 3, analice si es cierto que
a) el producto de matrices ortogonales es ortogonal
b) la suma de matrices ortogonales es ortogonal
c) el producto de una matriz ortogonal por un n umero es una matriz ortogonal
d) la matriz identidad es ortogonal
18. Se sabe que A es una matriz de rotaci on en R
3
alrededor del eje y que tiene traza nula.
Le alcanza la informaci on para saber cu al es el angulo? De ser as, haga un esquema
gr aco que ilustre en qu e transforma a la recta dada por (1, 0, 1).
19. Halle los determinantes de las matrices cuadradas del ejercicio 1.
20. Calcule los determinantes de las siguientes matrices
A
1
=
2 0 1
1 2 3
1 0 2
A
2
=
1 2 0
0 1 1
0 1 1
A
3
=
1 1 0
1 2 2
0 1 0
A
4
=
2 0 0
0 1 0
1 0 1
A
5
=
1 0 1
0 1 0
1 0 1
A
6
=
1 0 1
0 2 0
1 0 1
A
7
=
5 6 6
1 4 2
3 6 4
A
8
=
1 2 1
1 2 1
0 1 2
A
9
=
1 0 1 0
0 1 1 0
1 1 2 1
0 0 1 1
A
10
=
1 2 1 3
0 0 2 1
0 0 2 3
0 0 0 4
A
11
=
1 2 1 3
0 1 2 1
0 0 2 3
0 0 0 4
A
12
=
1 0 0 0
2 1 0 0
1 2 2 0
3 1 3 4
21. Dada A R
nn
consideremos la transformaci on lineal T : R
n
R
n
, T(u) = Au
t
.
Suponiendo que existe un v R
n
, v 0, tal que
T(v) = 2v
a) en qu e transforma T a la recta generada por v?
b) halle la matriz de la transformaci on

T(u) = T(u) 2u
c) puede ser

T isomorsmo?
d) puede ser M
T
inversible?
e) calcule det(A 2I).
22. Para cada una de las matrices del ejercicio 20. halle todos los valores de t R que son
races de la ecuaci on
det(A
i
tI) = 0
23. Con la notaci on introducida en el ejercicio 8., calcule
a) det(P
1
AP)
b) det(Q
t
AQ)
c) det[(P
1
AP)
k
] (k N jo)
d) det[(Q
t
AQ)
k
] (k N jo)
24. Sea A R
nn
y P una matriz inversible de orden n. Se dene la matriz B = P
1
AP.
Compare las funciones polin omicas dadas por
f (t) = det(A tI) , g(t) = det(B tI)
25. Dado el sistema en R
3
,
2x y = 1
2x + 3z = 3
2x y + 4z = 2
(i) escriba el sistema en forma matricial indicando qui en es la matriz del sistema y cu al
es el vector con los t erminos independientes
(ii) determine si tiene soluci on unica
(iii) si la respuesta anterior fue armativa, halle la soluci on utilizando la Regla de Cramer.
(iv) encuentre la matriz inversa del sistema dado
(v) aplique la matriz inversa al vector formado por los t erminos independientes y com-
pare el resultado con la soluci on obtenida antes.
26. Dado el sistema en R
4
,
2x z = 2
y + z = 3
x + y + 2z + w = 0
z w = 4
(i) escriba el sistema en forma matricial indicando qui en es la matriz del sistema y cu al
es el vector con los t erminos independientes
(ii) determine si tiene soluci on unica
(iii) si la respuesta anterior fue armativa, halle la soluci on utilizando la Regla de Cramer.
(iv) encuentre la matriz inversa del sistema dado
(v) aplique la matriz inversa al vector formado por los t erminos independientes y com-
pare el resultado con la soluci on obtenida antes.

Practica 8

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Practica 8

Cargado por

Copyright:

Formatos disponibles

FACULTAD DE CIENCIAS FISICOMATEMATICAS E INGENIERIA

a) Indique el tama no de cada una

Matriz Antisim etrica

Matriz Identidad de orden n

O Producto por escalar

Cuando sea posible calcule

el lugar i j del producto AB tiene

Calcule todos los productos posibles entre dos de ellas.

Determine si se pueden realizar los productos AB y BA, a qu e espacio pertenece

no son nulas, su producto

Claramente A no es nula. Sin embargo, su cuadrado s lo es

halle su inversa o muestre que no es inversible.

b) cu al es la relaci on entre S y el conjunto

a) compruebe que el sistema

son ortogonales y el efecto de aplicarlas a un vector es efectuar una rotaci on de angulo

y podemos escribir (omitiendo la transposici on)

, considere su transformaci on lineal asociada

sea 2; i.e., (a, b, c, d) y (a

) deben ser independientes.

) son ortogonales a todos los vectores de S; es decir,

{(0, 1, 1, 0), (2, 3, 0, 1)}

pensamos a cada una de sus las como vectores de R

. Entonces, un resultado anterior nos dice que

tal como hicimos en el caso 22 pensamos a sus las como vectores de R

su determinante es de orden n. Si excluimos la la i y la columna j nos queda una matriz

que es de orden n 1 se lo llama menor correspondiente al elemento a

i.e., la matriz que en el lugar i j tiene al cofactor del elemento a

(matriz diagonal), entonces det A =

(matriz triangular superior), entonces

Ejemplo (C alculo de un determinante de orden 4)

En el ejemplo anterior comprobamos que

Finalmente, recordando que det A = 8

2. Rotaci on alrededor del eje z

Siendo A ortogonal, su inversa es simplemente su transpuesta

A este resultado se lo conoce como Regla de Cramer.

Indique el tama no de cada una y calcule

d) A matriz de rotaci on alrededor del eje z en R

d) A triangular superior de orden 3

sea inversible y para un par de estos valores, halle la inversa.

También podría gustarte