Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Determinantes
Docente Catedrático: Carlos A. Rocha Tovar-Unimagdalena
• Matriz de 𝒎×𝒏.
Definición: Una matriz de 𝒎 × 𝒏, es un arreglo rectangular de 𝒎𝒏 números dispuestos en 𝑚 renglones y 𝑛 columnas, los cuales, se encuentran
encerrados entre corchetes o bien entre paréntesis, es decir tiene la forma
𝑱 − 𝒆𝒔𝒊𝒎𝒂 𝒄𝒐𝒍𝒖𝒎𝒏𝒂
𝒊𝒋 − 𝒆𝒔𝒊𝒎𝒐 𝒆𝒍𝒆𝒎𝒆𝒏𝒕𝒐
Las matrices se acostumbran a representar por letras mayúsculas de nuestro alfabeto , ejemplo las matrices 𝑨, 𝑩, etc. o bien por
tomando su elemento representativo y encerrándolo dentro de un paréntesis, esto es ( 𝒂𝒊𝒋 ) para la matriz 𝐴 y (𝒃𝒊𝒋 ) para la matriz 𝐵.
Una matriz de 𝒎 × 𝒏, se dice que es de tamaño 𝒎 × 𝒏 y el espacio al cual pertenece lo denotaremos por 𝓜𝒎×𝒏 .
Ejemplo:
𝟐 −𝟏 𝟓
𝑨 = [𝟏 𝟒 𝟎]
𝟓 𝟑 𝟔
Autor: Carlos A. Rocha Tovar
Docente Catedrático Unimagdalena Página 1
Curso: Algebra lineal. Tema: Matrices – operaciones. Determinantes
Docente Catedrático: Carlos A. Rocha Tovar-Unimagdalena
Igualdad de matrices
Sean 𝑨 = (𝒂𝒊𝒋 ) y 𝑩 = (𝒃𝒊𝒋 ) , se dice que 𝑨 = 𝑩 si y solo si 𝒂𝒊𝒋 = 𝒃𝒊𝒋 , para todo 𝒊 = 𝟏, 𝟐, … , 𝒎 y toda 𝒋 = 𝟏, 𝟐, … , 𝒏 .
𝒎×𝒏 𝒎×𝒏
Es decir, para que dos matrices sean iguales deben ser del mismo tamaño y sus componentes correspondientes ser iguales.
Operaciones
El espacio 𝓜𝒎×𝒏 goza de dos operaciones: la adición y la multiplicación de una matriz por un escalar. La primera es una operación
binaria interna, es decir que se requiere de dos elementos del conjunto de 𝓜𝒎×𝒏 para poderla efectuar y la segunda es una operación
externa en la medida que se requiere de un elemento de otro conjunto que no es 𝓜𝒎×𝒏 ( el conjunto los números reales )
ADICIÓN :
Sean 𝑨 = (𝒂𝒊𝒋 ) y 𝑩 = (𝒃𝒊𝒋 ) . La adición de 𝑨 y 𝑩 que se denota por 𝑨 + 𝑩 es una función que toma dos matrices del espacio
𝒎×𝒏 𝒎×𝒏
𝓜𝒎×𝒏 y le asocia otra matriz del mismo espacio; es decir
(𝑨, 𝑩) → 𝑪 = 𝑨 + 𝑩
definida por
Es decir, la suma es la matriz cuyo 𝒊𝒋 − 𝒆𝒔𝒊𝒎𝒐 elemento está dado por 𝒄𝒊𝒋 = 𝒂𝒊𝒋 + 𝒃𝒊𝒋
Ejemplo:
−𝟐 𝟕 𝟗 𝟖 𝟒 −𝟏𝟐
Dadas las matrices 𝑨 = ( )y𝑩=( ),
𝟓 𝟗 −𝟏 𝟐 𝟓 − 𝟔
−𝟐 𝟕 𝟗 𝟖 𝟒 −𝟏𝟐 𝟔 𝟏𝟏 − 𝟑
𝑨+𝑩=( )+( )=( )
𝟓 𝟗 −𝟏 𝟐 𝟓 − 𝟔 𝟕 𝟏𝟒 − 𝟕
Nota: Observe, que la adición de dos matrices de 𝟐 × 𝟑 es una matriz de tamaño 𝟐 × 𝟑
Propiedades
1. P. Clausurativa
𝑨 + 𝑩 ∈ 𝓜𝒎×𝒏
2. P. Asociativa.
(𝑨 + 𝑩) + 𝑪 = 𝑨 + (𝑩 + 𝑪)
Nota: La propiedad asociativa para la suma de matrices nos dice que podemos sumar todas las matrices
que queramos; no obstante, debemos hacerlo de dos en dos no importando la manera como las agrupemos.
3. P. Modulativa
𝟑 𝟓 𝟕 𝟎 𝟎 𝟎 𝟑 𝟓 𝟕
( )+( )=( )
𝟒 𝟏 −𝟖 𝟎 𝟎 𝟎 𝟒 𝟏 −𝟖
𝟎 𝟎 𝟎 𝟎
Ejemplo 2: En el espacio de las matrices de 𝟑 × 𝟒 , se tiene que la matriz cero está dada por (𝟎 𝟎 𝟎 𝟎)
𝟎 𝟎 𝟎 𝟎
4. P. Inverso Aditivo.
−𝟏 𝟎 𝟏 𝟎
Ejemplo: Para 𝑨 = ( 𝟐 −𝟓) , existe −𝑨 = ( −𝟐 𝟓)
−𝟑 𝟒 𝟑 −𝟒
Tal que
−𝟏 𝟎 𝟏 𝟎 𝟎 𝟎
𝑨 + (−𝑨) = ( 𝟐 −𝟓) + ( −𝟐 𝟓 ) = (𝟎 𝟎)
−𝟑 𝟒 𝟑 −𝟒 𝟎 𝟎
Nota: Observe que la matriz opuesta de una matriz 𝑨 se obtiene cambiándole de signos a todos los elementos de 𝑨.
5. P. Conmutativa
𝑨+𝑩=𝑩+𝑨
Nota. La estructura algebraica (𝓜𝒎×𝒏 , +) junto con las 5 propiedades antes mencionadas recibe el nombre de grupo
conmutativo u Abelino; si únicamente se cumplen las cuatro primeras recibe simplemente de grupo.
El hecho de que (𝓜𝒎×𝒏 , +) permite resolver en dicha estructura algébrica ecuaciones de la forma
𝑨+𝑿=𝑩
Veamos
𝑨+𝑿=𝑩
𝑨 + 𝑿 + (−𝑨) = 𝑩 + (−𝑨)
𝑨 + (−𝑨) + 𝑿 = 𝑩 − 𝑨
[𝑨 + (−𝑨)] + 𝑿 = 𝑩 − 𝑨
𝟎+𝑿=𝑩−𝑨
𝑿=𝑩−𝑨
Ejemplo
𝟏 𝟎 𝟏 𝟔
( 𝟐 − 𝟓) + 𝑿 = ( 𝟒 −𝟑)
𝟑 𝟒 𝟐 𝟏
𝟏 𝟎 −𝟏 𝟎 𝟏 𝟔 −𝟏 𝟎
( 𝟐 − 𝟓) + 𝑿 + ( −𝟐 𝟓) = ( 𝟒 −𝟑) + ( −𝟐 𝟓)
𝟑 𝟒 −𝟑 −𝟒 𝟐 𝟏 −𝟑 −𝟒
𝟏 𝟎 −𝟏 𝟎 𝟏 𝟔 −𝟏 𝟎
( 𝟐 − 𝟓) + ( −𝟐 𝟓) + 𝑿 = ( 𝟒 −𝟑) + ( −𝟐 𝟓)
𝟑 𝟒 −𝟑 −𝟒 𝟐 𝟏 −𝟑 −𝟒
𝟏 𝟎 −𝟏 𝟎 𝟏 𝟔 −𝟏 𝟎
[( 𝟐 − 𝟓) + ( −𝟐 𝟓 )] + 𝑿 = ( 𝟒 −𝟑) + ( −𝟐 𝟓)
𝟑 𝟒 −𝟑 −𝟒 𝟐 𝟏 −𝟑 −𝟒
𝟎 𝟎 𝟎 𝟔
( 𝟎 𝟎) + 𝑿 = ( 𝟐 𝟐)
𝟎 𝟎 −𝟑 −𝟑
𝟎 𝟔
𝑿= ( 𝟐 𝟐)
−𝟑 −𝟑
Nota: En los grupos, bajo la operación suma, es posible usar el convenio que dice que lo que se encuentra sumando a un lado de la igualdad puede
pasar al otro a restar.
Ejemplo
𝟏 𝟎 𝟏 𝟔
( 𝟐 − 𝟓) + 𝑿 = ( 𝟒 −𝟑)
𝟑 𝟒 𝟐 𝟏
𝟏 𝟔 𝟏 𝟎
𝑿= (𝟒 −𝟑) − ( 𝟐 − 𝟓)
𝟐 𝟏 𝟑 𝟒
𝟏 𝟔 −𝟏 𝟎
𝑿= (𝟒 −𝟑) + ( −𝟐 𝟓)
𝟐 𝟏 −𝟑 −𝟒
𝟎 𝟔
𝑿= ( 𝟐 𝟐)
−𝟑 −𝟑
Sea 𝑨 = (𝒂𝒊𝒋 ) y 𝜶 ∈ ℝ . El producto de un escalar 𝜶 por una matriz 𝑨 = (𝒂𝒊𝒋 ) , que se denota 𝜶𝑨, es una función que asigna a un
𝒎×𝒏 𝒎×𝒏
escalar 𝜶 y a una matriz del espacio 𝒎 × 𝒏 otra matriz del espacio 𝒎 × 𝒏; es decir
∙∶ ℝ × 𝓜𝒎×𝒏 → 𝓜𝒎×𝒏
definida por
𝜶𝑨 = 𝜶(𝒂𝒊𝒋 ) = (𝜶𝒂𝒊𝒋 )
𝒎×𝒏 𝒎×𝒏
Ejemplo.
−4 5 −12 15
3( 6 2 ) = ( 18 6)
1 −4 3 −12
Nota: Observe que el producto de un escalar por una matriz, puede considerarse como una suma abreviada de matrices iguales; por
ende es una matriz del mismo espacio que la matrices iniciales
Para recordar:
−4 5 −4 5 −4 5 −4 5
( 6 2 ) + ( 6 2 ) + ( 6 2 ) = 3 ( 6 2) 3×2=2+2+2=6
1 −4 1 −4 1 −4 1 −4
2×3=3+3=6
Por lo anterior, al igual que en los números reales, la multiplicación de una matriz por un escalar pasa a simplificar la adición de matrices
iguales.
Propiedades.
Sean 𝑨 = (𝒂𝒊𝒋 ) y 𝜶𝜷 ∈ ℝ.
𝒎×𝒏
1. Propiedad clausurativa
𝜶𝑨 ∈ 𝓜𝒎×𝒏
2. Propiedad asociativa
(𝜶𝜷)𝑨 = 𝜶(𝜷𝑨)
3. 𝟏𝑨 = 𝑨
Si consideramos el conjunto de las matrices de 𝒎 × 𝒏 junto con las dos operaciones suma y producto por un escalar, en forma
simultanea, surgen dos propiedades adicionales denominadas propiedades distributivas.
Propiedades distributivas
Se cumple que:
(𝜶 + 𝜷)𝑨 = 𝜶𝑨 + 𝜷𝑨
𝜶(𝑨 + 𝑩) = 𝜶𝑨 + 𝜶𝑩
Nota: Observe que la estructura algebraica (𝓜𝒎×𝒏 , +, . ) , junto con las 10 propiedades dadas
anteriormente es un espacio vectorial.
Ejemplo:
Resolver la ecuación
Solución.
−𝟏 𝟒 −𝟑 𝟑 𝟒 −𝟐
𝟓𝑿 + ( )=( )
−𝟒 𝟐 𝟖 𝟕 𝟓 𝟑
−𝟏 𝟒 −𝟑 𝟏 −𝟒 𝟑 𝟑 𝟒 −𝟐 𝟏 −𝟒 𝟑
𝟓𝑿 + ( )+( )=( )+( )
−𝟒 𝟐 𝟖 𝟒 −𝟐 −𝟖 𝟕 𝟓 𝟑 𝟒 −𝟐 −𝟖
𝟎 𝟎 𝟎 𝟒 𝟎 𝟏
𝟓𝑿 + ( )=( )
𝟎 𝟎 𝟎 𝟏𝟏 𝟑 −𝟓
𝟒 𝟎 𝟏
𝟓𝑿 = ( )
𝟏𝟏 𝟑 −𝟓
𝟏 𝟏 𝟒 𝟎 𝟏
(𝟓𝑿) = ( )
𝟓 𝟓 𝟏𝟏 𝟑 −𝟓
𝟏 𝟏 𝟒 𝟎 𝟏
( × 𝟓) 𝑿 = ( )
𝟓 𝟓 𝟏𝟏 𝟑 −𝟓
𝟒 𝟏
𝟎
𝟓 𝟓
𝟏𝑿 = (𝟏𝟏 𝟑 −𝟓
)
𝟓 𝟓 𝟓
𝟒 𝟎 𝟏
𝑿=(𝟓 𝟓 𝟓)
𝟏𝟏 𝟑
−𝟏
𝟓 𝟓
𝟏𝟕 −𝟒
𝟐𝑨 + 𝟑𝑩 = ( )
𝟏𝟐 𝟓
𝟏𝟓 −𝟏𝟎
𝟑𝑨 − 𝟒𝑩 = ( )
𝟏𝟗 𝟏𝟖
• Espacio ℝ𝒏
1. Definición:
−𝟏
Ejemplo 1: ( 𝟎 ) ∈ ℝ𝟑
𝟓
−𝟏
Ejemplo 2: ( 𝟔 ) ∈ ℝ𝟒
𝟓
−𝟔
−𝟏
Ejemplo 3: ( ) ∈ ℝ𝟐
𝟐
−𝟏 𝟐
Observe que: ( )≠( )
𝟐 −𝟏
En múltiples ocasiones los elementos de ℝ𝒏 se escriben en forma de renglones, es decir en la forma (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒋 , … , 𝒙𝒏 )
Igualdad de vectores en ℝ𝒏
𝒙𝟏 𝒚𝟏
𝒙𝟐 𝒚𝟐
⋮ ⋮
Sean ⃗𝒙 = 𝒙 y ⃗ = 𝒚
𝒚 se dice que ⃗𝒙 = 𝒚
⃗ , si y solo si 𝒙𝒋 = 𝒚𝒋 ,∀ 𝑗 = 1,2, … , 𝑛
𝒋 𝒋
⋮ ⋮
(𝒙𝒏 ) ( 𝒚𝒏 )
Ejemplo
−𝟏
Sea 𝒙⃗ = ( 𝟔 ) ; ¿cómo ha de ser un vector 𝒚
⃗ para que 𝒙
⃗ =𝒚
⃗ ?
𝟓
−𝟔
Solución.
−𝟏
⃗ = ( 𝟔)
𝒚
𝟓
−𝟔
Las operaciones de suma y multiplicación por un escalar habituales están definidas como se presenta a continuación:
Operaciones en ℝ𝒏
ADICIÓN
⃗ ∈ ℝ𝒏
Sean ⃗𝒙, 𝒚
+: ℝ𝑛 × ℝ𝑛 → ℝ𝑛
definida por
𝒙𝟏 𝒚𝟏 𝒙𝟏 + 𝒚𝟏
𝒙𝟐 𝒚𝟐 𝒙𝟐 + 𝒚𝟐
⋮ ⋮ ⋮
⃗𝒙 + 𝒚
⃗ = 𝒙 + 𝒚 = 𝒙 +𝒚
𝒋 𝒋 𝒋 𝒋
⋮ ⋮ ⋮
(𝒙𝒏 ) (𝒚𝒏 ) (𝒙𝒏 + 𝒚𝒏 )
Ejemplos
−𝟏 𝟔 −𝟏 𝟔 𝟓
⃗ = (−𝟐) 𝒚
Sean 𝒙 ⃗ = (−𝟏) ; luego ⃗ +𝒚
𝒙 ⃗ = (−𝟐) + (−𝟏) = ( −𝟑 )
𝟒 𝟓 𝟒 𝟓 𝟗
MULTIPLICACIÓN DE UN ESCALAR POR UN VECTOR
Sean ⃗𝒙 ∈ ℝ𝒏 y 𝜶 ∈ ℝ
∙∶ ℝ × ℝ𝑛 → ℝ𝑛
𝒙𝟏 𝜶𝒙𝟏
𝒙𝟐 𝜶𝒙𝟐
⋮ ⋮
⃗ = 𝜶 𝒙 = 𝜶𝒙
𝜶𝒙
𝒋 𝒋
⋮ ⋮
(𝒙𝒏 ) (𝜶𝒙𝒏 )
Ejemplo
Recuerde que en los reales 𝟒 × 𝟑 = 𝟑 + 𝟑 + 𝟑 + 𝟑
análogamente
−𝟏 −𝟏 −𝟏 −𝟏 −𝟏 −𝟒
𝟒 (−𝟐) = (−𝟐) + (−𝟐) + (−𝟐) + (−𝟐) = ( −𝟖 )
𝟒 𝟒 𝟒 𝟒 𝟒 𝟏𝟔
Observe que:
−𝟏 −𝟒
𝟒 (−𝟐) = ( −𝟖 )
𝟒 𝟏𝟔
Con lo que la multiplicación de un vector por un escalar puede verse como una suma abreviada de vectores iguales
TAREA:
1. Investigar las propiedades para la suma y la multiplicación por un escalar en el espacio ℝ𝑛 .
2. Es es el espacio ℝ𝑛 un espacio vectorial ?
Otras operaciones en ℝ𝑛
⃗ ∈ ℝ𝒏
Sean ⃗𝒙, 𝒚
𝒙𝟏 𝒚𝟏
𝒙𝟐 𝒚𝟐
⋮ ⋮
⃗⃗⃗ . 𝒚
𝒙 ⃗ = 𝒙 𝒚 = 𝒙𝟏 𝒚𝟏 + 𝒙𝟐 𝒚𝟐 + ⋯ + 𝒙𝒋 𝒚𝒋 + ⋯ 𝒙𝒏 𝒚𝒏
𝒋 𝒋
⋮ ⋮
(𝒙𝒏 ) (𝒚𝒏 )
Ejemplo.
−𝟏 𝟑 −𝟏 𝟑
𝟐 ⃗ = ( 𝟏)
⃗ =( ) y 𝒚
Sean 𝒙 𝟐
tenemos que 𝐱⃗ ∙ 𝐲 = ( ) . ( 𝟏) = (−𝟏)(𝟑) + (𝟐)(𝟏) + (𝟒)(𝟒) + (−𝟓)(−𝟐)
𝟒 𝟒 𝟒 𝟒
−𝟓 −𝟐 −𝟓 −𝟐
= −𝟑 + 𝟐 + 𝟏𝟔 + 𝟏𝟎
= 𝟐𝟓
Aplicaciones.
Consideremos una persona que acude a una tienda a comprar 𝟐 𝒍𝒃𝒔 de carne, 𝟑 𝒍𝒃𝒔 de arroz , 𝟒 𝒍𝒃𝒔 de azúcar y 𝟏𝟎
platanos; si la libra de carne cuesta $ 𝟏𝟎 𝟎𝟎𝟎 , $ 𝟐𝟓𝟎𝟎 la libra de arroz , $𝟏𝟖𝟎𝟎 la libra de azúcar y cada plátano $ 50𝟎
Entonces asumiendo que :
𝟐 𝟏𝟎𝟎𝟎𝟎
⃗𝒅 = ( 𝟑) : Vector de demanda y que 𝒑 ⃗ = ( 𝟐𝟓𝟎𝟎 ) : vector de precios
𝟒 𝟏𝟖𝟎𝟎
𝟏𝟎 𝟓𝟎𝟎
𝟏𝟎𝟎𝟎𝟎 𝟐
⃗ . ⃗𝒅 = ( 𝟐𝟓𝟎𝟎 ) . ( 𝟑) = 𝟐𝟎𝟎𝟎𝟎 + 𝟕𝟓𝟎𝟎 + 𝟕𝟐𝟎𝟎 + 𝟓𝟎𝟎𝟎 = 𝟑𝟗𝟒𝟎𝟎
𝒑
𝟏𝟖𝟎𝟎 𝟒
𝟓𝟎𝟎 𝟏𝟎
TAREA:
Investigar las propiedades para la producto escalar
Multiplicación de matrices
Conceptos previos
𝒚𝟏
𝒚𝟐
⋮
⃗ = (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒋 , … , 𝒙𝒏 ) un vector renglón y 𝒚
Sean 𝒙 ⃗ = 𝒚 columna.
𝒋
⋮
(𝒚𝒏 )
Se define el producto el producto de 𝒙 ⃗ e 𝒚
⃗ como
𝒚𝟏
𝒚𝟐
⋮
⃗ ∙𝒚
𝒙 ⃗ = (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒋 , … , 𝒙𝒏 ). 𝒚
𝒋
⋮
(𝒚 𝒏 )
= 𝒙𝟏 𝒚𝟏 + 𝒙𝟐 𝒚𝟐 + ⋯ + 𝒙𝒋 𝒚𝒋 + ⋯ + 𝒙𝒏 𝒚𝒏
Ejemplo:
𝟏
⃗ = (𝟒
Sea 𝒙 −𝟏 𝟔 ⃗ = ( 𝟐 ) un vector columna, el producto de dichos vectores está dado
𝟒) un vector renglón 𝒚 −𝟑
−𝟓
por:
𝟏
⃗ = (𝟒 𝟐
⃗ .𝒚
𝒙 −𝟏 𝟔 𝟒). (−𝟑) = (𝟒)(𝟏) + (−𝟏)(𝟐) + (𝟔)(−𝟑) + (𝟒)(−𝟓)
−𝟓
= 𝟒 + (−𝟐) + (−𝟏𝟖) + (−𝟐𝟎)
= −𝟑𝟔
Producto de Matrices
Sean 𝑨 = (𝒂𝒊𝒋 ) y 𝑩 = (𝒃𝒊𝒋 ) el producto de 𝑨 y 𝑩 que se denota 𝑨 × 𝑩 es la matriz 𝑪 = (𝒄𝒊𝒋 ) que se obtiene de multiplicar
𝒎×𝒏 𝒏×𝒑 𝒎×𝒑
el 𝒊 − 𝒆𝒔𝒊𝒎𝒐𝒏 renglón de 𝑨 por la 𝒋 − 𝒆𝒔𝒊𝒎𝒂 columna de 𝑩.
Simbólicamente
Tal que
(𝑨, 𝑩) → (𝒄𝒊𝒋 )
𝒎×𝒑
𝑏1𝑗
𝑏2𝑗
⋮
𝒄𝒊𝒋 = (𝑎𝑖1 , 𝑎𝑖2 , , … , 𝑎𝑖𝑗 , … , 𝑎𝑖𝑛, )
𝑏𝑖𝑗
⋮
(𝑏𝑛𝑗 )
Ejemplo.
Autor: Carlos A. Rocha Tovar
Docente Catedrático Unimagdalena Página 17
Curso: Algebra lineal. Tema: Matrices – operaciones. Determinantes
Docente Catedrático: Carlos A. Rocha Tovar-Unimagdalena
𝟐 𝟏 −𝟏 −𝟑
−𝟏 𝟐 𝟎
𝑨=( ) ; 𝑩 = (−𝟐 𝟒 𝟐 𝟎)
𝟓 𝟑 𝟒 𝟐×𝟑
𝟑 𝟕 𝟖 𝟕 𝟑×𝟒
𝟏
𝒄𝟏𝟐 = (−𝟏 𝟐 𝟎) ( 𝟒 ) = −𝟏 + 𝟖 + 𝟎 = 𝟕
𝟕
−𝟏
𝒄𝟏𝟑 = (−𝟏 𝟐 𝟎) ( 𝟐 ) = 𝟓
𝟖
𝟐
𝒄𝟏𝟏 = (−𝟏, 𝟐, 𝟎) ( −𝟐 ) = −𝟐 + (−𝟒) + 𝟎 = −𝟔
𝟑
𝟏
𝒄𝟏𝟐 = (−𝟏, 𝟐, 𝟎) ( 𝟒 ) = −𝟏 + 𝟖 + 𝟎 = 𝟕
𝟕
−𝟏
𝒄𝟏𝟑 = (−𝟏, 𝟐, 𝟎) ( 𝟐 ) = 𝟏 + 𝟒 + 𝟎 = 𝟓
𝟖
Autor: Carlos A. Rocha Tovar
Docente Catedrático Unimagdalena Página 18
Curso: Algebra lineal. Tema: Matrices – operaciones. Determinantes
Docente Catedrático: Carlos A. Rocha Tovar-Unimagdalena
−𝟑
𝒄𝟏𝟒 = (−𝟏, 𝟐, 𝟎) ( 𝟎 ) = 𝟑 + 𝟎 + 𝟎 = 𝟑
𝟕
𝟐
𝒄𝟐𝟏 = (𝟓, 𝟑, 𝟒) ( −𝟐 ) = 𝟏𝟎 + (−𝟏𝟓) + 𝟏𝟐 = 𝟕
𝟑
𝟏
𝒄𝟐𝟐 = (𝟓, 𝟑, 𝟒) ( 𝟒 ) = 𝟓 + 𝟏𝟐 + 𝟐𝟖 = 𝟒𝟓
𝟕
−𝟏
𝒄𝟐𝟑 = (𝟓, 𝟑, 𝟒) ( 𝟐 ) = −𝟓 + 𝟔 + 𝟑𝟐 = 𝟑𝟑
𝟖
−𝟑
𝒄𝟐𝟒 = (𝟓, 𝟑, 𝟒) ( 𝟎 ) = −𝟏𝟓 + 𝟎 + 𝟐𝟖 = 𝟏𝟑 ⋮
𝟕
Resumen:
Luego
−𝟔 𝟕 𝟓 𝟑
𝑨×𝑩=( )
𝟏𝟔 𝟒𝟓 𝟑𝟑 𝟏𝟑
Observe que 𝑩𝑨 No se puede realizar
Tarea.
Por lo anterior podemos observar que el producto de matrices permite que matrices del espacio 𝓜𝒎×𝒏 actúen sobre matrices del espacio
𝓜𝒏×𝒑 y las transformen en matrices del espacio 𝓜𝒎×𝒑 .
Cuando en el espacio de las matrices de 𝓜𝒎×𝒏 se hace 𝒎 = 𝒏, se obtiene el espacio, en el cual las matrices tienen igual número de renglones
que de columnas. Las matrices en este espacio reciben el nombre de matrices cuadradas.
Espacio 𝓜𝒏×𝒏
𝑬𝒔𝒑𝒂𝒄𝒊𝒐 𝓜𝒎×𝒏
Espacio 𝓜𝒏×𝒏
Espacio Espacio
Espacio
𝓜𝟒×𝟒 𝓜𝟐×𝟑
𝓜𝟐×𝟐
Espacio Espacio
𝓜𝟑×𝟑 ⋯ 𝓜𝟒×𝟑
1. El espacio 𝓜𝟐×𝟑
2. El espacio 𝓜𝟑×𝟒
3. El espacio 𝓜𝟒×𝟒
𝒂𝟏𝟏 𝒂𝟏𝟐
1. 𝓜𝟐×𝟐 = {(𝒂 𝒂𝟐𝟐 ): 𝒂𝟏𝟏 , 𝒂𝟏𝟐 , 𝒂𝟐𝟏 , 𝒂𝟐𝟐 ∈ ℝ}
𝟐𝟏
Conceptos básicos
Diagonal principal
Se define la diagonal principal de una matriz 𝑨 = (𝒂𝒊𝒋 ) , como el conjunto 𝑫 = {𝒂𝟏𝟏 , 𝒂𝟐𝟐 , … , 𝒂𝒏𝒏 } , simbólicamente
𝒏×𝒏
𝑫 = {𝒂𝒊𝒋 ∈ 𝑨: 𝒊 = 𝒋}
𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒋 ⋯ 𝒂𝟏𝒏
𝒂𝟐𝟏 𝒂𝟐𝟐 ⋯ 𝒂𝟐𝒋 ⋯ 𝒂𝟐𝒏
𝐴=
𝒂𝟐𝟏 𝒂𝟐𝟏 ⋮ 𝒂𝟐𝟏 𝒂𝟐𝟏 𝒂𝟐𝟏
𝒂𝒋𝟏 𝒂𝒋𝟐 ⋯ 𝒂𝒋𝒋 ⋯ 𝒂𝒋𝒏
𝒂𝟐𝟏 𝒂𝟐𝟏 ⋮ 𝒂𝟐𝟏 𝒂𝟐𝟏 𝒂𝟐𝟏
(𝒂𝒏𝟏 𝒂𝒏𝟐 ⋯ 𝒂𝒏𝒋 ⋯ 𝒂𝒏𝒏 )
𝐷𝑖𝑎𝑔𝑜𝑛𝑎𝑙 𝑝𝑟𝑖𝑛𝑐𝑖𝑝𝑎𝑙
Ejemplo
−𝟏 𝟓 𝟎
𝑨=( 𝟑 𝟒 𝟏) ; 𝑫 = {−𝟏, 𝟒, 𝟔}
−𝟐 𝟑 𝟔
𝟔 𝟖 𝟏
𝑩 = (−𝟐 𝟑 𝟎 ); 𝑫 = {𝟔, 𝟑, −𝟓}
𝟒 𝟏 −𝟓
Matriz identidad
Se denomina matriz identidad de orden 𝒏, que denotaremos 𝑰𝒏 a la matriz de 𝒏 × 𝒏 , que se caracteriza por tener 𝟏 en todos los elementos de la
diagonal principal y 𝟎 en los otros elementos.
Simbólicamente si hacemos 𝑰𝒏 = (𝒃𝒊𝒋 ) entonces
𝒏×𝒏
𝟏 , 𝒔𝒊 𝒊 = 𝒋
𝒃𝒊𝒋 =
𝟎 , 𝒔𝒊 𝒊 ≠ 𝒋
Ejemplos:
𝟏 𝟎
𝑰𝟐 = ( )
𝟎 𝟏
𝟏 𝟎 𝟎
𝑰𝟑 = (𝟎 𝟏 𝟎)
𝟎 𝟎 𝟏
𝟏 𝟎 𝟎 𝟎
𝑰𝟒 = (𝟎 𝟏 𝟎 𝟎)
𝟎 𝟎 𝟏 𝟎
𝟎 𝟎 𝟎 𝟏
La matriz es 𝑰𝒏 , es para el espacio de las matrices cuadradas de 𝒏 × 𝒏 , como el 1 es para los números reales “el elemento identidad”
Teorema:
Ejemplo 1
𝟏 𝟎 𝟐 𝟓 𝒄𝟏𝟏 𝒄𝟏𝟐
( ) ( ) = (𝒄 𝒄𝟐𝟐 )
𝟎 𝟏 𝟐×𝟐 𝟕 𝟒 𝟐×𝟐 𝟐𝟏
𝟐
𝒄𝟏𝟏 = (𝟏 𝟎) ( ) = 𝟏 × 𝟐 + 𝟎 × 𝟕 = 𝟐 + 𝟎 = 𝟐
𝟕
𝟓
𝒄𝟏𝟐 = (𝟏 𝟎) ( ) = 𝟏 × 𝟓 + 𝟎 × 𝟒 = 𝟓 + 𝟎 = 𝟓
𝟒
𝟐
𝒄𝟐𝟏 = (𝟎 𝟏) ( ) = 𝟎 × 𝟐 + 𝟏 × 𝟕 = 𝟎 + 𝟕 = 𝟕
𝟕
𝟓
𝒄𝟐𝟐 = (𝟎 𝟏) ( ) = 𝟎 × 𝟓 + 𝟏 × 𝟒 = 𝟎 + 𝟒 = 𝟒
𝟒
Resumen
𝒄𝟏𝟏 = 𝟐 ; 𝒄𝟏𝟐 = 𝟓 ;
𝒄𝟐𝟏 = 𝟕 ; 𝒄𝟐𝟐 = 𝟒
Luego,
𝟏 𝟎 𝟐 𝟓 𝟐 𝟓
( ) ( ) =( )
𝟎 𝟏 𝟐×𝟐 𝟕 𝟒 𝟐×𝟐 𝟕 𝟒 𝟐×𝟐
Tarea
𝟐 𝟓 𝟏 𝟎 𝟐 𝟓
Pruebe que ( )( )=( )
𝟕 𝟒 𝟎 𝟏 𝟕 𝟒
Ejemplo 2
𝟏 𝟎 𝟏𝟓 −𝟒 𝟏𝟓 −𝟒
( )( )=( )
𝟎 𝟏 𝟏 𝟖 𝟏 𝟖
𝟏𝟓 −𝟒 𝟏 𝟎 𝟏𝟓 −𝟒
( )( )=( )
𝟏 𝟖 𝟎 𝟏 𝟏 𝟖
Ejemplo 3
𝟏 𝟎 𝟎 𝟖 𝟔 −𝟏 𝟖 𝟔 −𝟏
(𝟎 𝟏 𝟎) ( −𝟒 𝟏 𝟎) = ( −𝟒 𝟏 𝟎)
𝟎 𝟎 𝟏 𝟑×𝟑 𝟔 𝟕 𝟗 𝟑×𝟑 𝟔 𝟕 𝟗 𝟑×𝟑
𝟖 𝟔 −𝟏 𝟏 𝟎 𝟎 𝟖 𝟔 −𝟏
( −𝟒 𝟏 𝟎) (𝟎 𝟏 𝟎) = ( −𝟒 𝟏 𝟎)
𝟔 𝟕 𝟗 𝟑×𝟑 𝟎 𝟎 𝟏 𝟑×𝟑 𝟔 𝟕 𝟗 𝟑×𝟑
Observe que
𝟏 𝟎 𝟎 𝟖 𝟔 −𝟏 𝟐 𝟖 𝟔 −𝟏 𝟐
(𝟎 𝟏 𝟎) ( −𝟒 𝟏 𝟎 −𝟏) = ( −𝟒 𝟏 𝟎 −𝟏)
𝟎 𝟎 𝟏 𝟑×𝟑 𝟔 𝟕 𝟗 −𝟖 𝟑×𝟒 𝟔 𝟕 𝟗 −𝟖 𝟑×𝟒
y que
𝟖 𝟔 −𝟏 𝟐 𝟏 𝟎 𝟎
( −𝟒 𝟏 𝟎 −𝟏 ) (𝟎 𝟏 𝟎) No se puede efectuar.
𝟔 𝟕 𝟗 −𝟖 𝟑×𝟒 𝟎 𝟎 𝟏 𝟑×𝟑
Luego, en los espacios de matrices no cuadradas no tienen elemento identidad por consiguiente no tiene sentido pensar que en dichos espacios
las matrices tengan inversas.
Para recordar. En los números reales se tiene que todo elemento
distinto de cero tiene inverso multiplicativo. Simbólicamente:
𝟏 𝟏 𝟏
∀𝒂 ∈ ℝ, 𝒂 ≠ 𝟎 , ∃ ∈ ℝ tal que 𝒂×𝒂=𝒂×𝒂=𝟏.
𝒂
𝟏
= 𝒂−𝟏 .
𝒂
En el espacio de las matrices de 𝒏 × 𝒏, las matrices se pueden multiplicar entre sí, hecho que no se da en el espacio de las matrices no cuadradas;
por otro lado, dada la existencia del elemento identidad en el espacio de las matrices 𝒏 × 𝒏 resulta interesante saber si, dada una matriz 𝑨 =
(𝒂𝒊𝒋 ) ¿ Existe una matriz 𝑩 = (𝒃𝒊𝒋 ) tal que 𝑨 × 𝑩 = 𝑩 × 𝑨 = 𝑰𝒏 ? … la respuesta a este interrogante es, en algunas ocasiones.
𝒏×𝒏 𝒏×𝒏
Matriz Inversa
Definición:
Sea 𝑨 = (𝒂𝒊𝒋 ) , la inversa de 𝑨, si existe, es una matriz 𝑩 = (𝒃𝒊𝒋 ) la cual satisface que 𝑨 × 𝑩 = 𝑩 × 𝑨 = 𝑰𝒏 . La inversa de la matriz 𝑨 la
𝒏×𝒏 𝒏×𝒏
−𝟏
denotaremos por 𝑨 .
Paso 2. Llevamos la matriz 𝑨 , presente en la matriz aumentada (𝑨|𝑰𝒏 ), a la forma escalonada por renglones reducida mediante operaciones
elementales de renglón; lo anterior, conduce a una matriz aumentada de la forma (𝑬|𝑩) , donde las matrices 𝑬 (matriz escalonada por renglones
reducida asociada a la matriz 𝑨 ) y 𝑩 son las matrices que se obtienen de 𝑨 e 𝑰𝒏 , respectivamente, a partir de este procedimiento.
Paso 3. Concluimos si la matriz 𝑨 tiene o no inversa. Para ello se tiene en cuenta las
siguientes observaciones:
Ejemplo 1
−𝟏 𝟐 −𝟑
Hallar la inversa de la matriz 𝑨 = ( 𝟎 𝟏 −𝟐)
𝟐 𝟒 𝟏
Solución
Solución
−𝟏 𝟐 −𝟑 𝟏 𝟎 𝟎
( 𝟎 𝟏 −𝟐|𝟎 𝟏 𝟎)
𝟐 𝟒 𝟏𝟎 𝟎 𝟏
Segundo paso: En (𝑨|𝑰𝟑 ), llevamos la matriz 𝑨 a la forma escalonada por renglones reducida, mediante
operaciones elementales de renglón.
−𝑭𝟏 → 𝟏 −𝟐 𝟑 −𝟏 𝟎 𝟎
. (𝟎 𝟏 −𝟐| 𝟎 𝟏 𝟎)
. 𝟐 𝟒 𝟏 𝟎 𝟎 𝟏
. 𝟏 −𝟐 𝟑 −𝟏 𝟎 𝟎
. (𝟎 𝟏 −𝟐 | 𝟎 𝟏 𝟎)
−𝟐𝑭𝟏 + 𝑭𝟑 → 𝟎 𝟖 −𝟓 𝟐 𝟎 𝟏
𝟐𝑭𝟐 + 𝑭𝟏 → 𝟏 𝟎 −𝟏 −𝟏 𝟐 𝟎
. (𝟎 𝟏 −𝟐 | 𝟎 𝟏 𝟎)
−𝟖𝑭𝟐 + 𝑭𝟑 → 𝟎 𝟎 𝟏𝟏 𝟐 −𝟖 𝟏
.
𝟏 . 𝟎 −𝟏 −𝟏 𝟐 𝟎
𝑭 𝟑 (𝟎 𝟏 −𝟐 | 𝟎 𝟏 𝟎)
→ 𝟎 𝟐 𝟖 𝟏
𝟏𝟏 𝟎 𝟏 𝟏𝟏 − 𝟏𝟏 𝟏𝟏
Luego
Prueba
𝑨 𝑨−𝟏 = 𝑨−𝟏 𝑨 = 𝑰𝟑
Tarea
donde:
⃗ 𝟏 𝟏 𝟏 𝟓 𝟓 𝟓
⃗ =𝒃
𝑨𝒙 𝟐𝒙 = 𝟓 (𝟐𝒙) = (𝟓) ( × 𝟐) 𝒙 = 𝟏𝒙= 𝒙=
𝟐 𝟐 𝟐 𝟐 𝟐 𝟐
Si en el sistema de ecuaciones ( 7) 𝒎 = 𝒏 y además la matriz de coeficientes 𝑨 es invertible el sistema tiene solución única y esta dada por :
⃗ = 𝑨−𝟏 ⃗𝒃
𝒙
Veámoslo
Sea ⃗ = ⃗𝒃
𝑨𝒙
Supongamos que 𝑨 es invertible, entonces multiplicando ambos miembros de la igualdad por 𝑨−𝟏 tenemos:
⃗ ) = 𝑨−𝟏 ⃗𝒃
𝑨−𝟏 ( 𝑨𝒙
(𝑨−𝟏 𝑨)𝒙 ⃗
⃗ = 𝑨−𝟏 𝒃
⃗
⃗ = 𝑨−𝟏 𝒃
𝑰𝒏 𝒙
⃗ = 𝑨−𝟏 ⃗𝒃
𝒙 𝑳. 𝑸. 𝑸. 𝑷. ( lo que queríamos probar )
Observe que
𝟏 𝟎 ⋯ 𝟎 ⋯ 𝟎 𝒙𝟏 𝒙𝟏
𝟎 𝟏 ⋯ 𝟎 ⋯ 𝟎 𝒙𝟐 𝒙𝟐
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑰𝒏 ⃗𝒙 = 𝟎 𝟎 ⋯ 𝟏 ⋯ 𝟎 𝒙𝒋 = 𝒙𝒋 = ⃗𝒙
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
(𝟎 𝟎 ⋯ 𝟎 ⋯ 𝟏)𝒏×𝒏 (𝒙𝒏 )𝒏×𝟏 (𝒙𝒏 )𝒏×𝟏
Ejemplo 1.
𝟐𝒙 + 𝟑𝒚 = −𝟏
−𝟑𝒙 + 𝟒𝒚 = 𝟏𝟎
Solución.
Sabemos que
⃗
⃗ =𝒃
𝑨𝒙
𝟐 𝟑 𝒙 −𝟏
Luego, dado que 𝑨=( ) ; ⃗ = ( 𝒚)
𝒙 ; ⃗𝒃 = ( )
−𝟑 𝟒 𝟏𝟎
entonces
𝟐 𝟑 𝒙 −𝟏
( )( ) = ( ) (*)
−𝟑 𝟒 𝒚 𝟏𝟎
Si 𝐴−1 existe, la ecuación (*) tendrá solución única y estará dada por
⃗
⃗ = 𝑨−𝟏 𝒃
𝒙
𝒙 𝟐 𝟑 −𝟏 −𝟏
(𝒚) = ( ) ( )
−𝟑 𝟒 𝟏𝟎
Veamos si 𝑨 es invertible
𝟐 𝟑
Cálculo de la inversa de ( )
−𝟑 𝟒
𝟐 𝟑𝟏 𝟎
( | )
−𝟑 𝟒 𝟎 𝟏
Segundo paso: Llevamos la matriz 𝑨 presente en (𝑨|𝑰𝟐 ) a la forma escalonada por renglones reducida.
𝑭𝟏 /𝟐 → 𝟏 𝟑/𝟐 𝟏/𝟐 𝟎
( | )
𝟕 −𝟑 𝟒 𝟎 𝟏
. 𝟏 𝟑/𝟐 𝟏/𝟐 𝟎
𝟑𝑭𝟏 + 𝑭𝟐 → (𝟎 |
𝟏𝟕/𝟐 𝟑/𝟐 𝟏
)
. 𝟏 𝟑/𝟐 𝟏/𝟐 𝟎
(𝟐/𝟏𝟕)𝑭𝟐 → ( | )
𝟎 𝟏 𝟑/𝟏𝟕 𝟐/𝟏𝟕
𝟑
(− 𝟐)𝑭𝟐 + 𝑭𝟏 → (𝟏 𝟎 𝟒/𝟏𝟕 −𝟑/𝟏𝟕
| )
. 𝟎 𝟏 𝟑/𝟏𝟕 𝟐/𝟏𝟕
Como la matriz que quedo a la izquierda de la barra vertical es la matriz 𝑰𝟐 , entonces 𝑨 tiene inversa y será la matriz que resulto al lado derecho
de la barra vertical.
𝟐 𝟑 −𝟏 𝟒/𝟏𝟕 −𝟑/𝟏𝟕 𝟏 𝟒 −𝟑
( ) =( ) = 𝟏𝟕 ( )
−𝟑 𝟒 𝟑/𝟏𝟕 𝟐/𝟏𝟕 𝟑 𝟐
Luego,
𝒙 𝟐 𝟑 −𝟏 −𝟏
(𝒚) = ( ) ( )
−𝟑 𝟒 𝟏𝟎
𝒙 𝟏 𝟒 −𝟑 −𝟏
(𝒚) = ( ) ( )
𝟏𝟕 𝟑 𝟐 𝟐×𝟐 𝟏𝟎 𝟐×𝟏
𝟒 −𝟑 −𝟏
Calculo de ( ) ( )
𝟑 𝟐 𝟐×𝟐 𝟏𝟎 𝟐×𝟏
−𝟏
(𝟒 −𝟑) ( ) = −𝟒 + (−𝟑𝟎) = −𝟑𝟒
𝟏𝟎
−𝟏
(𝟑 𝟐) ( ) = −𝟑 + 𝟐𝟎 = 𝟏𝟕
𝟏𝟎
𝟒 −𝟑 −𝟏 −𝟑𝟒
Luego ( ) ( ) =( )
𝟑 𝟐 𝟐×𝟐 𝟏𝟎 𝟐×𝟏 𝟏𝟕
Con lo que
𝒙 𝟏 −𝟑𝟒
(𝒚) = ( )
𝟏𝟕 𝟏𝟕
𝒙 −𝟑𝟒/𝟏𝟕
(𝒚) = ( )
𝟏𝟕/𝟏𝟕
𝒙 −𝟐
(𝒚) = ( )
𝟏
𝒙 = −𝟐
𝒚=𝟏
Ejemplo 2.
−𝒙 + 𝟐𝒚 − 𝟑𝒛 = 𝟏𝟕
𝒚 − 𝟐𝒛 = 𝟏𝟏
𝟐𝒙 + 𝟒𝒚 + 𝒛 = 𝟏𝟎
Solución.
−𝟏 𝟐 −𝟑 𝒙 𝟏𝟕
𝑨=( 𝟎 𝟏 −𝟐) ; ⃗𝒙 = (𝒚) ; ⃗ = (𝟏𝟏)
𝒃
𝟐 𝟒 𝟏 𝒛 𝟏𝟎
⃗
⃗ =𝒃
𝑨𝒙
−𝟏 𝟐 −𝟑 𝒙 𝟏𝟕
(𝟎 𝟏 −𝟐) ( ) = (𝟏𝟏)
𝒚
𝟐 𝟒 𝟏 𝒛 𝟏𝟎
−𝟏 𝟐 −𝟑
De ejemplo anterior tenemos que ( 𝟎𝟏 −𝟐) tiene inversa y está dada por
𝟐 𝟒 𝟏
−𝟏 𝟐 −𝟑 −𝟏 𝟏 −𝟗 𝟏𝟒 𝟏
(𝟎 𝟏 −𝟐) = (𝟒 −𝟓 𝟐)
𝟏𝟏
𝟐 𝟒 𝟏 𝟐 −𝟖 𝟏
⃗
⃗ = 𝑨−𝟏 𝒃
𝒙
Luego
𝒙 −𝟏 𝟐 −𝟑 −𝟏 𝟏𝟕
(𝒚) = ( 𝟎 𝟏 −𝟐) (𝟏𝟏)
𝒛 𝟐 𝟒 𝟏 𝟏𝟎
𝒙 𝟏 −𝟗 𝟏𝟒 𝟏 𝟏𝟕
(𝒚) = ( 𝟒 −𝟓 𝟐) (𝟏𝟏)
𝒛 𝟏𝟏
𝟐 −𝟖 𝟏 𝟏𝟎
𝒙 𝟏 𝟏𝟏
𝒚
( )= ( 𝟑𝟑 )
𝒛 𝟏𝟏
−𝟒𝟒
Autor: Carlos A. Rocha Tovar
Docente Catedrático Unimagdalena Página 34
Curso: Algebra lineal. Tema: Matrices – operaciones. Determinantes
Docente Catedrático: Carlos A. Rocha Tovar-Unimagdalena
𝒙 𝟏
(𝒚) = ( 𝟑 )
𝒛 −𝟒
𝒙=𝟏
Solución: 𝒚=𝟑
𝒛 = −𝟒
MATRICES TRIANGULARES
𝒂𝟏𝟏 𝟎 ⋯ 𝟎 ⋯ 𝟎
𝒂𝟐𝟏 𝒂𝟐𝟐 ⋯ 𝟎 ⋯ 𝟎
𝒂 𝒂𝟐𝟏 ⋮ 𝒂𝟐𝟏 𝒂𝟐𝟏 𝒂𝟐𝟏
𝐴 = 𝒂𝟐𝟏 𝒂𝒋𝟐 ⋯ 𝒂𝒋𝒋 ⋯ 𝟎
𝒋𝟏
𝒂𝟐𝟏 𝒂𝟐𝟏 ⋮ 𝒂𝟐𝟏 𝒂𝟐𝟏 𝒂𝟐𝟏
(𝒂𝒏𝟏 𝒂𝒏𝟐 ⋯ 𝒂𝒏𝒋 ⋯ 𝒂𝒏𝒏 )
Ejemplo
−𝟗 𝟎 𝟎
𝑨=( 𝟒 −𝟓 𝟎)
𝟐 −𝟖 𝟏
Sea 𝑨 = (𝒂𝒊𝒋 ) , se dice que la matriz 𝑨 es triangular superior si todos los elementos que están por debajo de la diagonal principal son ceros.
𝒏×𝒏
Ejemplo
−𝟗 𝟏𝟒 𝟏
𝐴=( 𝟎 𝟎 𝟐)
𝟎 𝟎 𝟏
MATRIZ TRANSPUESTA
Sea 𝑨 = (𝒂𝒊𝒋 ) . La transpuesta de 𝑨 que se denota 𝑨𝑻 es la matriz 𝒏 × 𝒎 que se obtiene de intercambiar las filas de 𝑨 por sus columnas o
𝒎×𝒏
viceversa; es decir 𝑨𝑻 = (𝒂𝒋𝒊 )
𝒏×𝒎
Ejemplo 1
𝟐 𝟒
𝟐 𝟏 𝟓 𝑻
La transpuesta de la matriz 𝑨 = ( ) es la matriz 𝑨 = (𝟏 𝟎 )
𝟒 𝟎 −𝟔
𝟓 −𝟔
Ejemplo 2
−𝟏 𝟑 −𝟏 𝟎 −𝟐
−𝟓 𝟒
La transpuesta de la matriz 𝑩 = ( 𝟎 𝟓 𝟐 −𝟏 ) es la matriz 𝑩𝑻 = ( 𝟑 𝟓 𝟏)
−𝟓 𝟐 𝟖
−𝟐 𝟏 𝟖 −𝟑 𝟑×𝟒 𝟒 −𝟏 −𝟑 𝟒×𝟑
Nota: Observe que la transpuesta de una matriz que se obtiene tomando las filas y escribiendolas como columnas o viceversa, ver esquema
siguiente
−𝟏 𝟑 −𝟏 𝟎 −𝟐
−𝟓 𝟒
𝑩=( 𝟎 𝟓 𝟐 −𝟏 ) 𝑩 =( 𝟑 𝟓
𝑻 𝟏)
−𝟓 𝟐 𝟖
−𝟐 𝟏 𝟖 −𝟑 𝟑×𝟒 𝟒 −𝟏 −𝟑 𝟒×𝟑
O bien
−𝟏 𝟑 −𝟏 𝟎 −𝟐
−𝟓 𝟒
𝑩=( 𝟎 𝟓 𝟐 −𝟏 ) 𝑩𝑻 = ( 𝟑 𝟓 𝟏)
−𝟓 𝟐 𝟖
−𝟐 𝟏 𝟖 −𝟑 𝟑×𝟒 𝟒 −𝟏 −𝟑 𝟒×𝟑
MATRIZ SIMETRICA
Sea 𝑨 = (𝒂𝒊𝒋 ) . Se dice que 𝑨 es simétrica si 𝑨𝑻 = 𝑨
𝒏×𝒏
Ejemplo 1
𝟏 𝟐 −𝟏 𝟏 𝟐 −𝟏
𝑨=( 𝟐 𝟑 𝟒) ; 𝑨𝑻 = ( 𝟐 𝟑 𝟒)
−𝟏 𝟒 𝟖 −𝟏 𝟒 𝟖
𝟏 −𝟐 𝟎 𝟓 𝟏 −𝟐 𝟎 𝟓
La matriz 𝑨 = (−𝟐 𝟕 𝟑 𝟒 ) es simétrica dado que 𝑨𝑻 = (−𝟐 𝟕 𝟑 𝟒 )=𝑨
𝟎 𝟑 𝟓 𝟖 𝟎 𝟑 𝟓 𝟖
𝟓 𝟒 𝟖 −𝟏 𝟓 𝟒 𝟖 −𝟏
Ejemplo 3
Observe que una matriz es simétrica, si los elementos correspondientes a uno y otro lado de la diagonal principal son iguales; es decir, que la diagonal principal
se comporta como un espejo; en el sentido que, los elementos que se encuentren por encima o por debajo de la diagonal principal, se encuentran reflejados al
otro lado de la diagonal, ver figura siguiente.
DETERMINANTES
Sea 𝑨 = (𝒂𝒊𝒋 ) , el determinante 𝑨 que se denota |𝑨| o bien 𝒅𝒆𝒕𝑨 es un número real asociado a dicha matriz. El determinante puede considerarse
𝒏×𝒏
como una función que asocia a cada matriz del espacio 𝓜𝒏×𝒏 un número real. Es decir,
|. |: 𝓜𝒏×𝒏 → ℝ
El término determinante se debe a que ellos determinan si un sistema de ecuaciones lineales de 𝒏 × 𝒏 tiene solución única o no; lo anterior se
establece de la siguiente manera:
Si el determinante de la matriz de coeficientes de dicho sistema es distinto de cero el sistema tiene solución única, si por el contrario es cero el sistema no
tiene solución o bien tiene infinitas soluciones.
Adicionalmente, el determinante de una matriz determina si dicha matriz tiene inversa o no.
Si el determinante de la matriz es distinto de cero la matriz tienen inversa de lo contrario no.
𝒂𝟏𝟏 𝒂𝟏𝟐
Sea 𝑨 = (𝒂 𝒂𝟐𝟐 ) ;
𝟐𝟏
𝒂𝟏𝟏 𝒂𝟏𝟐
𝒅𝒆𝒕𝑨 = |𝑨| = |𝒂 𝒂𝟐𝟐 | = 𝒂𝟏𝟏 𝒂𝟐𝟐 − 𝒂𝟐𝟏 𝒂𝟏𝟐
𝟐𝟏
Ejemplo
−𝟐 −𝟑
𝑨=( )
𝟒 𝟓
−𝟐 −𝟑
𝒅𝒆𝒕𝑨 = |𝑨| = | | = −𝟐(𝟓) − 𝟒(−𝟑) = −𝟏𝟎 + 𝟏𝟐 = 𝟐
𝟒 𝟓
𝟏 𝟐 −𝟏
Ejemplo calcular el determinante de 𝑨 = ( 𝟐 𝟑 𝟒)
−𝟏 𝟒 𝟖
𝟏 𝟐 −𝟏
𝟑 𝟒 𝟐 𝟒 𝟐 𝟑
|𝑨| = | 𝟐 𝟑 𝟒| = 𝟏 | | − 𝟐| | + (−𝟏) | |
𝟒 𝟖 −𝟏 𝟖 −𝟏 𝟒
−𝟏 𝟒 𝟖
Ejemplo
𝟏 𝟐 −𝟏
calcular el determinante de 𝑨 = ( 𝟐 𝟑 𝟒 ) por el método de Sarrus
−𝟏 𝟒 𝟖
𝟏 𝟐 −𝟏 𝟏 𝟐
|𝑨| = | 𝟐 𝟑 𝟒 | 𝟐 𝟑 = [𝟐𝟒 + (−𝟖) + (−𝟖)] − [𝟑 + 𝟏𝟔 + 𝟑𝟐] = 𝟖 − 𝟓𝟏 = −𝟒𝟑
−𝟏 𝟒 𝟖 −𝟏 𝟒
Sea 𝑨 = (𝒂𝒊𝒋 ) . El 𝒊𝒋– 𝐞𝐬𝐢𝐦𝐨 menor de 𝑨 que se denota por 𝑴𝒊𝒋 , es la matriz de (𝒏 − 𝟏) × (𝒏 − 𝟏) que resulta de eliminar 𝒊–esimo renglón y 𝒋– 𝐞𝐬𝐢𝐦𝐚
𝒏×𝒏
columna de 𝑨 . Una matriz tiene tantos menores como elementos tenga.
Ejemplo.
𝟏 𝟐 −𝟏
Determinar los menores de la matriz 𝑨 = ( 𝟐 𝟑 𝟒)
−𝟏 𝟒 𝟖
Solución
𝟑 𝟒 𝟐 𝟒 𝟐 𝟑
𝑴𝟏𝟏 = ( ) ; 𝑴𝟏𝟐 = ( ) ; 𝑴𝟏𝟑 = ( ) ;
𝟒 𝟖 −𝟏 𝟖 −𝟏 𝟒
𝟐 −𝟏 𝟏 −𝟏 𝟏 𝟐
𝑴𝟐𝟏 = ( ) ; 𝑴𝟐𝟐 = ( ) ; 𝑴𝟐𝟑 = ( )
𝟒 𝟖 −𝟏 𝟖 −𝟏 𝟒
𝟐 −𝟏 𝟏 −𝟏 𝟏 𝟐
𝑴𝟑𝟏 = ( ) ; 𝑴𝟑𝟐 = ( ) ; 𝑴𝟑𝟑 = ( )
𝟑 𝟒 𝟐 𝟒 𝟐 𝟑
𝟏 −𝟏
Nota : observe que, por ejemplo, 𝑴𝟑𝟐 = ( ) se obtiene de eliminar, en la matriz 𝑨, la fila 3 y la columna 2.
𝟐 𝟒
𝐶𝑜𝑙𝑢𝑚𝑛𝑎 2
𝟏 𝟐 −𝟏
𝟏 −𝟏
𝑨=( 𝟐 𝟑 𝟒) 𝑴𝟑𝟐 = ( )
v
𝟐 𝟒
−𝟏 𝟒v 𝟖 𝐹𝑖𝑙𝑎 3
Sea 𝑨 = (𝒂𝒊𝒋 ) . El 𝒊𝒋– 𝐞𝐬𝐢𝐦𝐨 cofactor de 𝑨 que se denota por 𝑨𝒊𝒋 , es el número dado por
𝒏×𝒏
Potencias enteras de – 𝟏
(−𝟏)𝟏 = −𝟏
(−𝟏)𝟐 = 𝟏
(−𝟏)𝟑 = −𝟏
(−𝟏)𝟒 = 𝟏
luego
−𝟏, 𝒔𝒊 𝒊 + 𝒋 𝒆𝒔 𝒊𝒎𝒑𝒂𝒓
(−𝟏)𝒊+𝒋 = {
𝟏, 𝒔𝒊 𝒊 + 𝒋 𝒆𝒔 𝒑𝒂𝒓
𝟏 𝟐 −𝟏
Ejemplo. Calcular los cofactores de la matriz 𝑨 = ( 𝟐 𝟑 𝟒)
−𝟏 𝟒 𝟖
𝟑 𝟒
𝑨𝟏𝟏 = |𝑴𝟏𝟏 | = | | = 𝟐𝟒 − 𝟏𝟔 = 𝟖
𝟒 𝟖
Autor: Carlos A. Rocha Tovar
Docente Catedrático Unimagdalena Página 42
Curso: Algebra lineal. Tema: Matrices – operaciones. Determinantes
Docente Catedrático: Carlos A. Rocha Tovar-Unimagdalena
𝟐 𝟒
𝑨𝟏𝟐 = −|𝑴𝟏𝟐 | = − | | = −(𝟏𝟔 − (−𝟒)) = −(𝟏𝟔 + 𝟒) = −𝟐𝟎
−𝟏 𝟖
𝟐 𝟑
𝑨𝟏𝟑 = |𝑴𝟏𝟑 | = | | = 𝟖 + 𝟑 = 𝟏𝟏
−𝟏 𝟒
𝟐 −𝟏
𝑨𝟐𝟏 = −|𝑴𝟐𝟏 | = − | | = −(𝟏𝟔 + 𝟒) = −𝟐𝟎
𝟒 𝟖
𝟏 −𝟏
𝑨𝟐𝟐 = |𝑴𝟐𝟐 | = | |=𝟖−𝟏 =𝟕
−𝟏 𝟖
𝟏 𝟐
𝑨𝟐𝟑 = −|𝑴𝟐𝟑 | = − | | = −(𝟒 + 𝟐) = −𝟔
−𝟏 𝟒
𝟐 −𝟏
𝑨𝟑𝟏 = |𝑴𝟑𝟏 | = | | = 𝟖 + 𝟑 = 𝟏𝟏
𝟑 𝟒
𝟏 −𝟏
𝑨𝟑𝟐 = −|𝑴𝟑𝟐 | = − | | = −(𝟒 + 𝟐) = −𝟔
𝟐 𝟒
𝟏 𝟐
𝑨𝟑𝟑 = |𝑴𝟑𝟑 | = | | = 𝟑 − 𝟒 = −𝟏
𝟐 𝟑
MATRIZ DE COFACTORES
Sea 𝑨 = (𝒂𝒊𝒋 ) . La matriz de cofactores de 𝑨, que denotaremos por la letra 𝑩 , está dada por
𝒏×𝒏
Ejemplo
𝟏 𝟐 −𝟏
Calcular la matriz de cofactores de la matriz 𝑨 = ( 𝟐 𝟑 𝟒)
−𝟏 𝟒 𝟖
Solución
MATRIZ ADJUNTA
Sea 𝑨 = (𝒂𝒊𝒋 ) , la matriz adjunta de 𝑨 , que se denota 𝒂𝒅𝒋𝑨 , es la transpuesta de la matriz de cofactores y está dada por
𝒏×𝒏
Ejemplo
𝟏 𝟐 −𝟏
Hallar la Adjunta de la matriz 𝑨 = ( 𝟐
𝟑 𝟒)
−𝟏 𝟒 𝟖
Solución
𝟖 −𝟐𝟎 𝟏𝟏
𝑩 = ( −𝟐𝟎 𝟕 −𝟔)
𝟏𝟏 −𝟔 −𝟏
luego
𝟖 −𝟐𝟎 𝟏𝟏
𝑨𝒅𝒋𝑨 = 𝑩𝑻 = ( −𝟐𝟎 𝟕 −𝟔)
𝟏𝟏 −𝟔 −𝟏
Nota Importante: Observe, en el ejemplo anterior, que la matriz 𝒂𝒅𝒋𝑨, es igual a la matriz de cofactores; esta situación es mera coincidencia, en general no es
así, tal situación fue determina porque la matriz 𝑨 es una matriz simétrica.
Teorema
Ejemplo
𝟏 𝟐 −𝟏
Hallar la inversa de la matriz 𝑨 = ( 𝟐 𝟑 𝟒 ) , si la tiene.
−𝟏 𝟒 𝟖
Solución:
Se tiene que por ejemplo antes realizado que 𝒅𝒆𝒕𝑨 = −𝟒𝟑 ≠ 𝟎 , luego 𝑨 es invertible,
Adicionalmente
𝟖 −𝟐𝟎 𝟏𝟏
𝑨𝒅𝒋𝑨 = (−𝟐𝟎 𝟕 −𝟔)
𝟏𝟏 −𝟔 −𝟏
𝟏 𝟖 −𝟐𝟎 𝟏𝟏
𝑨−𝟏 = (−𝟐𝟎 𝟕 −𝟔)
−𝟒𝟑
𝟏𝟏 −𝟔 −𝟏
Autor: Carlos A. Rocha Tovar
Docente Catedrático Unimagdalena Página 46
Curso: Algebra lineal. Tema: Matrices – operaciones. Determinantes
Docente Catedrático: Carlos A. Rocha Tovar-Unimagdalena
Cuando una matriz tiene inversa se dice que es no singular y cuando no tiene se dice que es singular
𝒂𝟏𝟏 𝒂𝟏𝟐
sea 𝑨 = (𝒂 𝒂𝟐𝟐 )
𝟐𝟏
si 𝒅𝒆𝒕 𝑨 ≠ 𝟎
Ejemplo
𝟑 −𝟒
Halla la inversa de 𝑨=( )
−𝟓 −𝟔
Solución
𝟑 −𝟒
𝒅𝒆𝒕𝑨 = | | = −𝟏𝟖 − 𝟐𝟎 = −𝟑𝟖 ≠ 𝟎
−𝟓 −𝟔
𝟏 𝒂𝟐𝟐 −𝒂𝟏𝟐
𝑨−𝟏 = (−𝒂 𝒂𝟏𝟏 )
𝒅𝒆𝒕 𝑨 𝟐𝟏
𝟏 −𝟔 𝟒
𝑨−𝟏 = ( )
−𝟑𝟖 𝟓 𝟑
Sea 𝑨 = (𝒂𝒊𝒋 )
𝒏×𝒏
Nota 1: Observe que en la definición de determinante de una matriz de 𝒏 × 𝒏 se usó la 𝑓𝑖𝑙𝑎 1 como base para dicha definición.
Nota 2: Es importante tener presente que para la definición de determinante de una matriz de 𝒏 × 𝒏 se puede usar cualquier fila o
cualquier columna, tal como aparece a continuación, en la cual se tomó la 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 2.
Ejercicio.
Autor: Carlos A. Rocha Tovar
Docente Catedrático Unimagdalena Página 48
Curso: Algebra lineal. Tema: Matrices – operaciones. Determinantes
Docente Catedrático: Carlos A. Rocha Tovar-Unimagdalena
Haciendo uso de la definición de determinante de una matriz de 𝒏 × 𝒏 pruebe la definición dada para una matriz de 𝟑 × 𝟑.
Prueba
Luego
𝒂𝟏𝟏 𝒂𝟏𝟐 𝒂𝟏𝟑
𝒂 𝒂𝟐𝟑 𝒂𝟐𝟏 𝒂𝟐𝟑 𝒂𝟐𝟏 𝒂𝟐𝟐
𝒅𝒆𝒕 𝑨 = |𝑨| = |𝒂𝟐𝟏 𝒂𝟐𝟐 𝒂𝟐𝟑 | = 𝒂𝟏𝟏 | 𝟐𝟐
𝒂𝟑𝟐 𝒂𝟑𝟑 | − 𝒂𝟏𝟐 |𝒂𝟑𝟏 𝒂𝟑𝟑 | + 𝒂𝟏𝟑 |𝒂𝟑𝟏 𝒂𝟑𝟐 |
𝒂𝟑𝟏 𝒂𝟑𝟐 𝒂𝟑𝟑
Ejemplo.
−𝟐 −𝟑 𝟏 −𝟓
Calcule el determinante de la matriz 𝑨 = ( 𝟓 𝟐 −𝟔 𝟒)
−𝟔 −𝟑 𝟕 𝟎
−𝟒 𝟐 −𝟒 𝟓
Solución.
−𝟐 −𝟑 𝟏 −𝟓
𝒅𝒆𝒕𝑨 = | 𝟓 𝟐 −𝟔 𝟒| = −𝟔𝑨 + (−𝟑)𝑨 + 𝟕𝑨 + 𝟎𝑨
𝟑𝟏 𝟑𝟐 𝟑𝟑 𝟑𝟒
−𝟔 −𝟑 𝟕 𝟎
−𝟒 𝟐 −𝟒 𝟓
El factor (−𝟏)𝒊+𝒋 , presente en la definición de cofactor da origen a una ley de signos que se suele usar como atajo para calcular
determinantes de 𝒏 × 𝒏; para una matriz de 𝟓 × 𝟓, esta ley de signos corresponde al esquema siguiente:
+ − + − +
− + − + −
||+ − + − +||
− + − + −
+ − + − +