Documente Academic
Documente Profesional
Documente Cultură
Matrices y determinantes
aij = bij i = 1, 2, . . . , m y j = 1, 2, . . . , n
7
8 Matrices y determinantes
A = (a1 a2 an ) R1n
0 0 0 0
Propiedades
Asociativa:
A, B, C Rmn = (A + B) + C = A + (B + C).
Conmutativa: A, B Rmn = A + B = B + A.
Elemento neutro: Existe la matriz 0 Rmn denominada matriz
nula y cuyos elementos son todos nulos, tal que
A Rmn = A + 0 = 0 + A = A.
A + (A) = A + A = 0
Propiedades
R y A, B Rmn = (A + B) = A + B.
Producto de matrices
Propiedades:
Asociativa:
Distributiva:
Trasposicion
a0ij = aji 1 i m 1 j n
Propiedades
(AT )T = A.
Xn n
X
(A + B)T = AT + B T o generalizando, ( Ai )T = ATi .
i=1 i=1
n
Y 1
Y
(AB)T = B T AT o generalizando, ( Ai )T = ATi .
i=1 i=n
A simetrica A = AT
Transformaciones elementales. 13
tr (A + B) = tr A + tr B.
tr (A) = tr A.
Transformaciones Fij
1 0 2 3
a a
Para intercambiar
las filas 2 y 3 aplicamos F23 cuya matriz es
1 0 0
F23 = 0 0 1 (en I3 se han permutado las filas segunda y tercera).
0 1 0
1 0 0 2 1 3 4 2 1 3 4
F23 A = 0 0 1 4 2 1 5 = 1 0 2 3
0 1 0 1 0 2 3 4 2 1 5
Transformaciones Fi ()
0 0 1
Transformaciones elementales. 15
0 0 1 1 0 2 3 1 0 2 3
pudiendose ver que ha quedado multiplicada por 3 la segunda fila de la
matriz A.
Transformaciones Fij ()
0 0 1
de la matriz I3 ).
1 0 0 2 1 3 4 2 1 3 4
F21 (2)A = 2 1 0 4 2 1 5 = 0 0 5 3
0 0 1 1 0 2 3 1 0 2 3
observandose que se ha producido en la matriz A el efecto deseado.
Transformaciones Cij
Transformaciones Ci ()
Transformaciones Cij ()
Procedemos despues con a22 (el elemento a22 resultante de las transfor-
maciones anteriores) al igual que procedimos con a11 anteriormente, es
decir, si a22 6= 0 lo utilizamos para hacer ceros por debajo de el en la
segunda columna. Si fuese a22 = 0 vemos si existe por debajo de el algun
elemento ai2 6= 0 y, en caso de haberlo, realizamos la transformacion F2i ,
etc.
0 0 5 3
que es una matriz escalonada. Dado que
1
F23 F31 ( )F21 (2)A = U = F A = U
2
con
1 0 0 1 0 0 1 0 0
1
F = F23 F31 ( )F21 (2) = 0 0 1 0 1 0 2 1 0
2
0 1 0 1/2 0 1 0 0 1
1 0 0
F = 1/2 0 1
2 1 0
Algoritmo de Gauss-Jordan. 19
Teorema 1.2 Toda matriz puede ser reducida mediante transformaciones ele-
mentales fila a una escalonada canonica.
0 0 5 3 0 0 5 3
1 1/2 3/2 2 1 0 2 3 1 0 2 3
F12 ( 12 ) F3 ( 15 )
0 1 1 2 0 1 1 2 0 1 1 2
0 0 5 3 0 0 5 3 0 0 1 3/5
1 0 0 9/5 1 0 0 9/5
F13 (2) F23 (1)
0 1 1 2 0 1 0 7/5
0 0 1 3/5 0 0 1 3/5
Los elementos que utilizamos para anular a los demas elementos de una co-
lumna se denominan pivotes. Si en un determinado paso del proceso de pasar
de A a U alguna columna es de ceros, diremos que el correspondiente pivote
es nulo.
Ejemplo 1.9 Si nos fijamos en la matriz del Ejemplo 1.7 que transformamos,
mediante transformaciones elementales fila (ver Ejercicio 1.8) en la escalonada
canonica
1 0 0 9/5
0 1 0 7/5
0 0 1 3/5
0 0 1 0
Teorema 1.4 Una condicion necesaria y suficiente para que una matriz cua-
drada posea inversa es que su forma escalonada canonica sea la matriz unidad.
Algoritmo de Gauss-Jordan
Este teorema nos permite calcular la matriz inversa, de una matriz dada,
mediante transformaciones elementales (filas o columnas, pero no ambas si-
multaneamente).
1 2 0
1 0 0 1 3 0 1 0 0 1 3 0
F31 (1) F12 (3)
(I3 | A) = 0 1 0 0 1 1 0 1 0 0 1 1
0 0 1 1 2 0 1 0 1 0 1 0
Algoritmo de Gauss-Jordan. 21
A R mn
i := 1, j := 1
i > m ? SI
j := j + 1
j > n ? STOP
NO
NO
asi 0, SI
s > i?
aij = 0?
SI NO
A:= Eis A k := i + 1
aki
SI NO A := E ki ( )A
i := i + 1 k > m ? aii
k := k + 1
1 3 0 1 0 3 1 3 0 1 0 3
F32 (1) F13 (3)
0 1 0 0 1 1 0 1 0 0 1 1
1 0 1 0 1 0 1 1 1 0 0 1
2 0 3 1 0 0 2 0 3 1 0 0
F23 (1)
0 1 0 0 1 1 1 0 1 0 1 0 =
1 1 1 0 0 1 1 1 1 0 0 1
2 0 3
A1 = 1 0 1
1 1 1
ya que:
F23 (1)F13 (3)F32 (1)F12 (3)F31 (1)(A) = I3 =
2 0 3
[F23 (1)F13 (3)F32 (1)F12 (3)F31 (1)]A = I3 = 1 0 1 A = I3
1 1 1
2 0 3
A1 = 1 0 1
1 1 1
22 Matrices y determinantes
det(A) = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31 a12 a21 a33 a11 a23 a32
Regla de Sarrus
6.- Si todos los elementos de una lnea se multiplican por un numero , todo
el determinante queda multiplicado por dicho numero.
2 1 3
Ejemplo 1.13 Considerese la matriz A = 4 2 5
6 5 4
2 1 3 2 1 3 2 1 3
F21 (2) F31 (3) F23 0
A 0 0 1 0 0 1 0 2 5 = U
6 5 4 0 2 5 0 0 1
F = F23 F31 (3)F21 (2) = F21 (3)F23 F21 (2) = F21 (3)F32 (2)F23
1 0 0
F = L1 P con L1 = F21 (3)F31 (2) = 3 1 0 =
2 0 1
1 0 0 1 0 0
L = 3 1 0 y P = F23 = 0 0 1
2 0 1 0 1 0
1 3
2 0 0 1 2 2
0
A su vez U = 0 2 0 0 1 52 = DU .
0 0 1 0 0 1
Es decir: P A = LDU .
Teorema 1.8 Una matriz es singular (det A = 0) si, y solo si, tiene una lnea
combinacion lineal de las paralelas.
Demostracion.
1
Si A posee inversa A1 se verifica que det A1 = .
det A
A1 A = I det(A1 A) = det I =
1
det A1 det A = 1 = det A1 =
det A
A Adj AT = det A I.
Un total de n3 n2 operaciones.
El proceso es O(n3 )
0 0 1
Solucion:
0 1 1 0 1 1 0 1 2
A2 = 0 1 1 0 1 1 = 0 1 2
0 0 1 0 0 1 0 0 1
30 Matrices y determinantes
0 1 1 0 1 2 0 1 3
A3 = AA2 = 0 1 1 0 1 2 = 0 1 3
0 0 1 0 0 1 0 0 1
Probemos por induccion en n que
0 1 n
An = 0 1 n
0 0 1
Para n = 1 se verifica.
0 1 n
Si An = 0 1 n =
0 0 1
0 1 1 0 1 n
An+1 = AAn = 0 1 1 0 1 n =
0 0 1 0 0 1
0 1 n+1
= 0 1 (n + 1)
0 0 1
por lo que
0 1 n
An = 0 1 n n Z+
0 0 1
1
1
1
Ejercicio 1.2 Dada la matriz A = In .. 1 1 1 , probar
n
.
1
que:
a) Es simetrica.
b) A2 = A.
c) tr A = n 1.
T
Solucion: Denotemos por un = 1 1 1
Ejercicios resueltos 31
1
a) A = In un uTn
n
1 1 1
AT = (In un uTn )T = InT (un uTn )T = In un uTn = A
n n n
por lo que A es simetrica.
b)
1 1 2 1
A2 = (In un uTn )(In un uTn ) = In2 un uTn + 2 un uTn un uTn =
n n n n
2 1 2 1
= In un uTn + 2 un n uTn = In un uTn + un uTn =
n n n n
1
= In un uTn = A = A2 = A
n
1 1
c) tr A = tr In tr (un uTn ) = n n = n 1.
n n
Solucion: Cuando al escalonar la matriz hacemos ceros por debajo del ele-
mento a11 todos los elementos de la matriz ai j con i, j 2 solo pueden resultar
0, 2 o 2, por lo que al desarrollar por la primera columna nos queda un de-
terminante con todos sus elementos pares y, por tanto, el determinante es
par.
Puede verse en el siguiente ejemplo
1 1 1 1 1 1
0 2
1 1 1 = 0 0 2 =
2 2
1 1 1 0 2 2
a2 a1 a3 a1 an a1
a2 (a2 a1 ) a3 (a3 a1 ) an (an a1 )
= .. .. ... .. =
. . .
n2 n2 n2
a2 (a2 a1 ) a3 (a3 a1 ) an (an a1 )
1 1 1
a2 a3 an
= (a2 a1 )(a3 a1 ) (an a1 ) .. .. .. ..
. . . .
n2 n2
n2
a2 a3 an
que es otro Vandermonde de un orden inferior en el que falta a1 , por lo que
resultara el producto de (a3 a2 ) (an a2 ) por un nuevo Vandermonde de
otro orden inferior en el que falte ahoraY a2 y as sucesivamente, por lo que el
determinante buscado resulta ser (aj ai )
1i<jn
Sol : Es conmutativo.
Ejercicio 1.6 Hallar todas las matrices cuadradas de orden 2 cuyo cuadrado
sea nulo.
Ejercicios propuestos 33
!
ac a2
Sol : .
c2 ac
Sol : V,V,V,F.
Ejercicio 1.9 Demostrar que una matriz cuadrada de orden n puede des-
componerse de forma unica como suma de una matriz simetrica y otra anti-
simetrica. Realizar la descomposicion de la matriz
2 7 0
A= 5 4 1
2 5 5
2 6 1 0 1 1
Sol : A = 6 4 2 + 1 0 3 .
1 2 5 1 3 0
a) A2 es simetrica.
34 Matrices y determinantes
Sol : 2, x3 3x + 2, x3 + 3x2 .
Sol : 276 y 4.
Ejercicio 1.16 Sabiendo que los numeros 23715, 23529, 21359, 19437 y 17453
son multiplos de 31, probar que el determinante de la matriz
2 3 7 1 5
2 3 5 2 9
A= 2 1 3 5 9
1 9 4 3 7
1 7 4 5 3
es divisible por 31, sin calcular el determinante.
Ejercicios propuestos 35
Ejercicio 1.17 Hallar los posibles valores del determinante de una matriz A
en cada uno de los casos siguientes:
a) A es idempotente, es decir A2 = A.
Sol : a) 1, b) 1 y c) 0.
Sol : n! y (n 1)!.
Sol : x3 (x + 4) = 0 = 0, 0, 0, 4.
Sol : n + 1 y 2n 1.
36 Matrices y determinantes
37
38 Sistemas de ecuaciones lineales. Espacios vectoriales.
Los sistemas lineales admiten una sencilla representacion matricial. As, po-
demos denotar Ax = b siendo:
a11 a12 a1n x1 b1
a21 a22 a2n x2 b2
A= .. .. ... .. x= .. y b= ..
. . . . .
am1 am2 amn xn bm
2 2 1 7
2 2 1 7 0 3 2 8
0 3 2 8 0 0 4 4
2x + y + z =
1
00
S y 2z = 4
4z = 4
y 2 = 4 = y = 2
2x + 2 + 1 = 1 = x = 1
Este proceso para obtener los valores de las incognitas, se conoce con el nombre
de sustitucion regresiva.
1 1 0 1 1 1 0 1 0 0 1 0
Metodo de eliminacion gaussiana 43
1 1 1 1
F32 (1)
0 0 1 0
0 0 0 0
La presencia de la ultima fila de ceros indica que existan dos ecuaciones pro-
porcionales en el ultimo paso (la segunda y tercera ecuaciones son identicas)
por lo que puede ser eliminada del sistema equivalente:
(
x + y + z = 1
z = 0
2 3 2 1 2 3 2 1
1 2 2 3 1 2 2 3
F32 (1)
0 1 2 8 0 1 2 8
0 1 2 5 0 0 0 3
44 Sistemas de ecuaciones lineales. Espacios vectoriales.
En el primer paso hay que realizar una operacion por cada termino de la
primera ecuacion para cada una de las n 1 ecuaciones que hay debajo:
n(n 1) = n2 n operaciones.
3 1 0 2 3 1 0 2
2 1 1 1 2 1 1 1
F32 ( 53 )
3/2 3/2
0 3/2 0 3/2 3/2 3/2
0 0 4 6 0 0 2 3
Los pivotes se encuentran sobre las tres primeras columnas por lo que to-
maremos como variables dependientes x, y, z, resultando t la unica variable
independiente.
El sistema homogeneo es compatible; presenta infinitas soluciones que podemos
expresar, parametricamente, como
1 1 3
x= y= z= t=
2 2 2
0 0 24 36
Aunque no se sigue el metodo de Gauss-Jordan en sentido estricto, los sistemas
resultantes tambien son equivalentes. En nuestro ejemplo, las dos ultimas filas
son proporcionales a las obtenidas anteriormente.
x 1 a1 + x 2 a2 + + x n an = b (2.5)