MATRIZ ORTOGONAL

Una matriz ortogonal, (es una matriz cuadrada no singular 1) es una

matriz A, que su inversa es igual a su transpuesta.

A-1 = At
PROPIEDADES:
Si

A-1 = At

A A-1 = A At
A-1A = At A
A At = At A = I

Una matriz cuadrada es regular o no singular si: Det (aij) 0

Si

(AB)(AB)t

ABBtAt
A I At
A At = I

Si (AB)t (AB)

BtAtAB
Bt I B
BtB = I

DETERMINANTE DE UNA MATRIZ

El determinante de una matriz es un escalar, obtenido a partir de los
elementos de una matriz por operaciones especificas y que es
caracterstico de la matriz.
Los determinantes
cuadradas.
Sea la matriz A:

estn

definidos

solamente

para

matrices

1 3 4

A 2 1 3

0 1 4

Hallar la determinante de la Matriz A mediante los siguientes mtodos:

A 2

REGLA DE SARRUS:

1
Det ( A) A 1
1

3 2 3
4 3 0 4 4

3
1
1

2 1
0 1

Det ( A) A 1(4 3) 3( 8 0) 4(2 0)

Det ( A) A 1(1) 3(8) 4(2)
Det ( A) A 1 24 8

Det ( A) A 17

Interpretacin Geomtrica de determinantes de orden 3:

(a31, a32, a33)

(a21, a22, a23)

Y
(a11, a12, a13)

a11
a21

a12
a22

a13
a23

a31

a32

a33

El volumen del
cubo
esta
construido
sobre los tres
vectores.

REGLA DE CRAMER:
Sea el sistema de ecuaciones lineales:
su matriz de coeficientes es:

a11
A
a21

a12

a22

resolviendo el sistema se tiene:

b1a22 b2 a12
X1
a11a22 a21a12
Ntese que el denominador de

a11 X 1 a12 X 2 b1
a21 X 1 a22 X 2 b2
a11
X 1
X a

2
21
X 1 b1
X b

2
2

a
12 b1
b
a 22

2
a11 a12
a21 a
22

b2 a11 b1a21
X2
a11a22 a21a12

X1 y X2 son comunes, el cual viene hacer

el determinante de la matriz A.

Det ( A) D ( A) A a11a22 a21a12

Ntese que si este determinante (

IAI= 0 ) es cero, las expresiones X1 y

X2 se quedan sin sentido (no tiene solucin o tiene soluciones infinitas).

Las matrices de orden 2 x 2, tendrn un determinante de orden 2.

X1 y X2 se pueden escribir tambin

como determinantes. En efecto si IAI 0, entonces:
Los numeradores de las expresiones

b1a22 b2 a12
X1
a11a22 a21a12
b1
b
X1 2
a11
a
21

a12

a22
a12

a22

Este es un caso particular de un

resultado que se conoce como la
Regla de Cramer.

X1

b1
b
2

a12
a22

b2 a11 b1a21
X2
a11a22 a21a12
b2
b
X2 1
a11
a
21

a21
a11

a12
a22

Este es un caso particular de un

resultado que se conoce como la
Regla de Cramer.

X2

b2
b
1

a21

a11
A

Ejemplo: Hallar las soluciones del siguiente sistema de ecuaciones,

utilizando la regla de Cramer.
2 X1 4 X 2 7
Solucin:
2 X 1 2 X 2 2
4
7
2 2
6 1
X1
2 4
12 2
2 2

2
2
X2
2
2

7
2
18 3
4
12 2
2

Comprobamos
si
la
solucin es correcta,
reemplazando X1 y X2
en
el
sistema
de
ecuaciones.

Hallar Q1d y Q2d en funcin de los parmetros en el sistema

2(b B1 )Q bQ2 a 1
d
1

bQ1d 2(b B2 )Q2 d a 2

La matriz de coeficientes ser:

2(b B1 )
b
A
b
2(b B2 )
El determinante de la matriz A, ser:

A 2(b B1 ) 2(b B2 ) bb
A 4(b B1 )(b B2 ) b 2

Como IAI

Q1d

Q2 d

0, las soluciones sern:

a 1
a 2

b
2(b B2 )
2(b B2 )( a 1 ) b(a 2 )

A
A

2(b B1 ) a 1
b
a 2
2(b B1 )( a 2 ) b( a 1 )

A
A

Cuando se trata o trabaja con varias variables, es conveniente utilizar la

regla de Cramer.
Interpretacin Geomtrica de determinantes de orden 2:
Las determinantes de orden 2 tienen una interpretacin geomtrica
curiosa, como se puede ver en las siguientes figuras:

T3

T1

a21, a22

T2

T
a11, a12

Area T

a11

a12

a21

a22

T2
T3

T1

a12 + a22

Donde:

a22

T1 = a12 a21

T2 = 1/2(a21 a22)

T3 = 1/2(a11 a12)

T = a11 a22 a21a12

a12

2T1 + 2T2 + 2T3 + T = (a11 + a21)(a12 + a22)

R = Resultante

a21

a11

a11 + a21

(a21, a22)

a21, a22
6

(2,6)

(5,6)

T
a11, a12

Area T

a11

a12

a21

a22

(3,0)

(a11, a12)

Area T

18

rea Total = 6 + 6 + 18

18
=
T

rea Total = 30

rea Total = T2 + T2 + T

TALLER 4:
Dado los siguientes modelos, ligado a dos pases (i =1, 2) que
comercializan entre s:

Y1 C1 A1 X 1 M 1

Y2 C2 A2 X 2 M 2 ; C2 c2Y2 ; M 2 m2Y2

Donde:
Yi = Renta.

; C1 c1Y1 ; M 1 m1Y1

Ci = Consumo.

Xi = Exportaciones.

Ai = Gasto Autnomo (exgeno)

Mi = Importaciones.

(a)

Interpretar las dos ecuaciones

(b)

Dadas las ecuaciones de la parte (a), calcular los valores de equilibrio

de Y1 y Y2 como funciones de las variables exgenas.

(c)

Como afecta a Y2 un aumento de A1?. Interpretar su resultado.

Dado la matriz A:

t2
2t

X1 = M2 y X2 = M1

2t 1

Calcular el determinante de A y hallar los valores de t para los cuales

IAI = 0.

REGLA DE CHIO:
Pivote

1 3 4 F1
A 2 1 3 F2

0 1 4 F
3

1 3 4 L1
A 0 7 11 L2 = F2+2F1

0 1 4 L =F
3
3

7 11
Det ( A) A 1

1 4
Det ( A) A 1(28 11)
Det ( A) A 1(17)

Det ( A) A 17

REGLA DE LOS COFACTORES:

+ 2

3
1

4 3 -

+ 0

4 4
3

+ 1

2
0

1
1

3
4

1
2

3
1

4
3

1
2

2
0

1
1

3 2 1
4 0 1

3
1

2
0

1
1

A 2

3
1
1

3 2 1
4 0 1

A (1x1x 4) (2 x1x 4) (0 x3 x3)

(4 x1x0) (3x1x1) (4 x3x 2)
A (4) (8) (0) (0) (3) (24)
A (4) (21)
A (4) 21

A 17

TALLER 4:
Hallar la determinante de la matriz A, por el mtodo de Chio:

Respuesta tentativa: Det(A) = -32

2 0 1 2
3 2 2 3

A
0 2 2 2

2
3
0

Hallar la determinante de la matriz A, por el mtodo de Sarrus:

2 0
1 1
A
2 1

6 5

5
0 0

3 4

2 1
0

Reglas Bsicas para los Determinantes:

Si todos los elementos de una o ms filas o columnas de

son 0, entonces IAI = 0.

El determinante de la transpuesta de
IAI = IAtI.

Si B es la matriz que se obtiene multiplicando todos los

elementos de una fila (o columna) de A por el nmero ,
entonces IBI = IAI.

Si se intercambian dos filas (o columnas) de A, el

determinante cambia de signo, pero conserva su valor
absoluto.

Si A tiene dos filas (o columnas) iguales, entonces

Si

A coincide con el de A:

IAI = 0.

A tiene dos filas (o columnas) proporcionales, entonces IAI

= 0.

Reglas Bsicas para los Determinantes:

Si se sustituye una fila (o columna) por ella ms un mltiplo escalar de

otra fila (o columna) distinta, el determinante no vara.

El determinante del producto de las dos matrices A y B de orden n x n

es igual al producto de los determinantes de los factores:

IABI = IAI . IBI

Si A es una matriz n x n y es un nmero real, es:

IAI = nIAI

El determinante de una suma no es igual a la suma de los

determinantes:

IA + BI IAI + IBI
TALLER 4: Demostrar con ejemplos, cada una de las 10 reglas
bsicas para los determinantes.

REGLA DE LAPLACE: expansin de Laplace del

Determinante de n-simo orden
La extensin de Laplace utiliza el concepto de la matriz menor del
cofactor. Se puede expresar como:
n
La extensin de Laplace de un
determinante de n-simo orden
reducir el problema a uno en el que
se evalan n cofactores.
Ejemplo:

Dado la matriz
determinante

A,

hallar su

Det ( A) ai j Cij
j 1

5
A 2

Primero se desarrollaran las filas y despus las

columnas, tomando en cuenta la matriz de signos:

6
3
3

 5
A 2

6
3
3

El desarrollo de la primera fila produce el resultado:

3
A 5
3

0 2 0
2 3
0 6 7 0 1 7 3 0 0 27 27

El desarrollo de la segunda fila produce el resultado:

6
A 2
3

1 5 1
5 6
0 3 7 0 0 7 3 6 21 0 27

El desarrollo de la tercera fila produce el resultado:

6 1
5 1
A 7
(3)
0

3 0
2 0

5 6
2 3 21 6 0 27

 5
A 2

6
3
3

El desarrollo de la primera columna produce el resultado:

3
A 5
3

0 6 1
0 2 3 0 7

6 1
3 0 0 6 21 27

El desarrollo de la segunda columna produce el resultado:

2 0 5 1

A 6
3
( 3)

7 0 7 0

5 1
2 0 0 21 6 27

El desarrollo de la tercera columna produce el resultado:

2 3 5 6
A 1
0
0

7 3 7 3

5 6
2 3 27 0 0 27

Trabajando las filas y las columna obtenemos el mismo resultado. Lo que

buscamos es simplificar todas estas operaciones y buscamos la fila o
columna que tiene los mayores elementos nulos (0) o tendientes a cero, o
con elementos unitarios.
6
1

5

A 2
3
0

3
0
El desarrollo de la tercera columna produce el mismo resultado y con
ella simplificamos las operaciones.

2
A 1
7

3
1(6 21) 27

En resumen, el valor de un determinante IAI de orden n se determina

mediante la expansin de Laplace de cualquier fila o columna.

Det ( A)

a
j 1

Det ( A)

i j

a
i 1

i j

Cij

expansin mediante el i-sima fila

Cij

expansin mediante el j-sima columna

INVERSA DE UNA MATRIZ

Dada una matriz A cuadrada, diremos que la matriz A-1 es la matriz
inversa de A si:

AA-1 = A-1A = I

No toda matriz cuadrada tiene inversa.

La condicin necesaria y suficiente para que una matriz cuadrada

admita inversa, es que su determinante sea distinto de cero.
cero

PROPIEDADES:
La inversa de una matriz cuadrada es nica.
(A-1)-1 = A
(AB)-1 = B-1A-1
(A-1)t = (At)-1

MTODO DE LA ADJUNTA:

Adj ( A)
A

1 2 1
A 1 2 0

1 2 3
Primer Paso:
Hallar la determinante de la matriz A:

Det ( A) 6 2 0 2 0 6
Det ( A) 4 4
Det ( A) 8

Segundo Paso:
Hallar la matriz menor de A:

2
2
M ( A)
2

2
2

0
3
1
3
1
0

1
1

0
3
1 1
1 3

1
1

1
0

6 3 4

M ( A) 4 2 0

2 1 4

1 2
1 2

1 2
1 2

1 2
1 2

Tercer Paso:
Hallar la matriz de cofactores de A:

6 3 4

M (Cof ( A)) 4 2 0 *

2 1 4
6 3 4

M (Cof ( A)) 4 2 0

2 1 4

Cuarto Paso:
Hallar la matriz adjunta de A:
(Que viene hacer la transpuesta de la M(Cof(A))

6 3 4
t

M (Cof ( A)) 4 2 0 M ( Adj ( A)

2 1 4
6 4 2

M ( Adj ( A)) 3 2 1

4 0 4

Quinto Paso:
Aplicar en la frmula en los
resultados obtenidos:

6 4 2
1

1
A
3 2 1

8
4 0 4

M ( Adj ( A))
A

6/8 4/8 2/8

1
A 3/8 2/8 1/8

4/8 0/8 4/8

3/ 4 1/ 2 1/ 4

1
A 3/8 1/ 4 1/8

1/ 2
0
1/ 2

MTODO DE GAUSS:
Este mtodo consiste en convertir la matriz A
en una matriz identidad
Pivote

1 2
1 2

1 2

1 1 0 0 L1
0 0 1 0
L2

3 0 0 1 L
3

1 2 1 1 0 0 M1 = L1
0 4 1 1 1 0
M2 = L2 M1

0 0 2 1 0 1 M = L M
3
3
1

1 2 1
A 1 2 0

1 2 3

 1 2 1 1 0 0 M1 = L1
0 4 1 1 1 0
M2 = L2 M1

0 0 2 1 0 1 M = L M
3
3
1
1 0 1/ 2 1/ 2 1/ 2 0 N1 = M1-2N2
0 1 1/ 4 1/ 4 1/ 4 0
N2 = M2 (-1/4)

0 0 2 1
0 1 N = M
3
3
1 0 0 3/ 4 1/ 2 1/ 4 O1 = N1- (1/2)O3
0 1 0 3/8 1/ 4 1/8

O2 = N2 - (1/4)O3

0 0 1 1/ 2 0
1/ 2 O = N (1/2)
3
3
I

A-1

A.A-1 = I

Verificando que:

A-1

1 2 1 3/ 4 1/ 2 1/ 4 1 0 0
1 2 0 * 3/8 1/ 4 1/8
0 1 0

1 2 3 1/ 2 0 1/ 2 0 0 1
Por lo tanto, se verifica que:

TALLER 4:

A.A-1 = I

Dada la matriz:

3 2
A

1
2

Hallar la inversa de la matriz A, utilizando el teorema de Hamilton - Cayley

TALLER 4:

Leer y practicar del libro Mtodos Fundamentales de

Economa Matemtica. Alpha C. Chiang:
Las aplicaciones y ejercicios de
estos temas (determinantes e
inversas de matrices) aplicados a
modelos de mercado y en el
ingreso nacional, se encuentran en
las paginas 107 al 112.

Tenemos
que
estudiar...

RANGO DE UNA MATRIZ

Dado una matriz A, se denomina rango de una matriz A, R(A), al orden
de la mayor sub-matriz cuadrada contenida en la matriz A, que posea
determinante diferente de cero (no nulo).

PROPIEDADES:
R(A) es un nmero natural, incluyendo el cero.
R(In) =

La matriz nula de cualquier orden tiene un rango igual a cero:

R() = 0
Si A es una matriz de orden: (mxn), entonces:
R(A) mn(m,n)
t

 Si en una matriz A intercambiamos entre s dos o ms lneas

.
paralelas, la matriz resultante (A ). Se verifica que:

.
R(A ) = R(A)
Dada la siguiente matriz:

3
A
6

1
2

3 1 2
A

6 2 4

2
4

Hallar el rango
de la matriz A

(2 x 3)
mxn

 3
A
6
Sub matrices de orden
(1x1)

D(A11) = 3 0
D(A12) = 1 0
D(A13) = 2 0
D(A21) = 6 0
D(A22) = 2 0
D(A23) = 4 0

1
2

Sub matrices de orden

(2x2)

3
D ( A1 )
6

1
2 0

3
D ( A2 )
6

2
4 0

1
D ( A3 )
2

2
4 0

Por lo tanto, R(A) = 1 pues el orden de mayor determinante no nulo

que posee la matriz A es uno

2
4

Determinar el rango de la siguiente matriz:

A 1

0
D(A11) = 1 0

1
2
1

0
3

mxn

D(A11) = 1

1
D ( A1 )
1

2 1 0

1
D ( A) 1

1
2
1

0
3 1 0

(3 x 3)

R(A1) = 2

R(A) = 3
Por lo tanto el R(A) = 3

Determinar el rango de la matriz:

0
2

5
D(A11) = 0 = 0
D(A11) = 0
1

Entonces intercambiamos entre s las

columnas 1 y 2:
4

6
(4 x 3)
mxn

1
3

5
1

D(A11) = 1 0

1 0
D( A1 )
20

3 2
3 2 1
D( A2 ) 4 2 4 0 0

2 2 6

D(A11) = 1
R(A1) = 2

R(A2) = E

Como cualquier combinacin de las matrices de 3x3 sus

determinantes es igual a cero y el orden del mayor determinante de
A distinto de cero (0) es 2
Por lo tanto, el R(A) = 2

TALLER 4:
Calcular el rango de la matriz:

0 1 1 2 2
2 3 5 8 3

A
0 2 2 4 5

0
0
1
1
9

Calcular la inversa de las siguientes matrices:

4 1 3
A 2 1 4

0 1 2

1 2 3
B 0 1 1

1 3 0

MATRICES SEMEJANTES
Dos matrices cuadradas A y B de orden n son semejantes, si y solo si,
existe una matriz no singular P (con determinante no nulo) tal que se
verifica que::

B = P-1AP

bien

A = P-1BP

Obsrvese que P es la matriz de cambio de base de las bases cannicas

a la nueva base y contiene los vectores de la base respecto de la cual
tiene por matriz asociada la matriz diagonal
La transformacin de A en B (o de B en A) se llama transformacin de
semejanza.
Esta relacin de semejanza en el conjunto de las matrices cuadradas es
una relacin de equivalencia.
Por tanto, todas las matrices semejantes a una matriz dada de orden n
constituyen una clase de equivalencia en el conjunto de las matrices de
dicho orden.

La relacin que existe entre los valores propios de dos matrices

semejanza, se demuestra con los dos siguientes teoremas:

TEOREMA 1:
Dos matrices semejantes tienen la misma ecuacin caracterstica y, por
tanto, los mismos valores propios con el mismo orden de multiplicidad.
Si A es semejante a B entonces existe una matriz invertible P, tal que:

B = P-1AP
De lo que se deduce que:

Det (B - I) = Det (P-1AP - P-1P)

= Det (P-1(A I)P)
= Det (P-1) Det(A I) Det(P)
= Det(A I)
Det (B - I) = Det (A - I)

TEOREMA 2:
Si B = P-1AP y w representa los vectores propios de B,
correspondientes al valor propio , entonces, los vectores propios, de
la matriz A, asociados a son de la forma Pw.

Sabemos que Bw = w.
Entonces multiplicando por P:

PBw = Pw

Ahora bien, como PB = AP, queda:

APw = Pw
por tanto, Pw es vector propio de A, asociado a

Bw

= w

PBw = Pw
APw = Pw

DIAGONIZALIZACIN DE MATRICES
Dada una matriz cuadrada A de orden n, diremos que es diagonalizable,
si y solo si, existe una matriz P, tal que, A y D sean semejantes.
Siendo D una matriz diagonal Semejante a A, es decir:

A = PDP-1
No toda matriz cuadrada es diagonalizable
= Valores propios

Entonces:

D = P-1AP
d1 0 L
0 d L
2

0
0

D
M M M M

0
0
L
d
n

Diagonal principal

Det(D - I) = (d1- )(d2 - ) ... (dn - )

Por lo que sus ceros (0) son:

1 =d1;

2 = d2;

3 = d3; ... ; n = dn

Si A es una matriz de orden n diagonalizable, entonces su matriz

diagonal ser:

1 0 L
0 L
2

0
0

D
M M M M

0 0 L n

Donde 1, 2, ..., n son los

valores propios de la
matriz

Por tanto, la condicin necesaria y suficiente para que una matriz

cuadrada sea diagonalizable es que exista una base del espacio
vectorial formada por vectores propios del endomorfismo asociado a la
matriz dada.
Como para determinar los valores propios de la matriz A se calcula las
races de la ecuacin:

Det(D - I) = 0

Entonces distinguimos dos casos:

CASO 1: Valores propios con orden de multiplicidad

Se da cuando los valores propios son distintos:

1 2 ,..., n
Si las races caractersticas de una matriz A son todas distintas, existe
una matriz regular P, tal que:

P-1AP es una matriz diagonal D formada por los valores propios de A:

D = P-1AP

CASO 2: Valores propios con orden de multiplicidad

mayor que 1:

1 con orden de multiplicidad r1

2 con orden de multiplicidad r2
.
.
.
.
.
.
n con orden de multiplicidad rp
p

r
i 1

Las dimensiones de los subespacios asociados a cada valor propio i

(que denominamos di) se encuentran dentro del intervalo:

1 di ri
La condicin necesaria y suficiente para que exista una base formada
por vectores propios, es que la dimensin del subespacio coincida con
el orden de multiplicidad del valor propio:

di = r i

; i = 1,2,,p

Los vectores propios asociados a los valores propios A son los que
verifican el sistema:

(A - I)V = 0

Para que la dimensin del subespacio asociado de vectores propios

sea ri, han de existir ri parmetros en el sistema:
Siendo:

Rango(A - I) = n - ri

En Conclusin:
La condicin necesaria y suficiente para que una matriz A sea
diagonalizable, es que para cada valor propio i de orden de
multiplicidad ri se verifique que:

Rango(A - I) = n - ri

; i=1,2,,p

Sea la matriz:

0 1 1

A 2 1 1

2 2 2

determinar si es diagonalizable.

Solucin:

0
( A I ) 2

( A I ) 2

1
1
2

1
2

1
1
1 0

0
2

0 0
1 0

0 1

D( A I ) ( )(1 )(2 ) (2)(2)(1) (2)(1)(1)

(1)(1 )(2) (1)(2)( ) (2 )(1)(2)

3
2

D( A I ) ( 3 4) 0

Por lo tanto:

p( ) 3 4 0
3

Para encontrar los valores propios, se utilizara el mtodo de

simplificacin de RUFFINI:

1
2

1
1

2
1

1 1

2 3 2

Entonces el orden de multiplicidad ser:

Para 1 sera : r1 1

Para 2 sera : r2 2

Rango(A - I) = n - ri
Para 1=-1:

Rango(A (-1)I)

Rango(A + I)

1
1
1

Rango( A I ) 2 1 1 1

2
2
2 1
1

Rango( A I ) 2

1 1

2 1

2
3

Hallando la determinante de:

1
D ( A I ) 2

1 1
2 1 0

2
3

1 1
D( A I )
3

2 1
Entonces:

R(A+I) = 2
n r1 = 3 -1= 2

Por tanto el

R(A+I) =2

n3
2=2

Rango(A - I) = n - ri
Para 2= 2:

Rango(A 2I)

1
2

Rango( A 2 I ) 2 1 2

2
2
2

Rango( A 2 I ) 2

2 2

1 1

1 1

2
0

Hallando la determinante de:

2
D ( A 2 I ) 2

1 1
1 1 0

2
0

1 1
D( A 2 I )
2

0
2
Entonces:

R(A - 2I) = 2
n r2 = 3 -2 = 1

Por tanto el

R(A - 2I) = 2

n3
2>1

De donde podemos concluir que la matriz A no es diagonalizable

TALLER 4:
Compruebe que
diagonalizable:

la

matriz

es

1 1 1
A 1 1 0

1 0 1

Estdiese para qu valores de y es diagonalizable la matriz:

5 0 0
A 0 1

3 0

DIAGONIZALIZACIN DE UNA MATRIZ

CUADRADA
Se puede encontrar una matriz P de tal forma que:
Donde:

D es una matriz diagonal que tiene las n

races caractersticas en su diagonal.

P 1 AP D

A y D son matrices semejantes.

Determinando la matriz modal de A:

Con los tres vectores V1, V2, V3 caractersticos de A construimos la
matriz P de tal forma que:

P V1 , V2 , V3

Si:

1
V1 1

0

1
V2 1

0

P es la matriz modal de A.

1
1
V

y 3
1

Entonces:

P V1 , V2 , V3

1
1

1
1
0

Siendo
cada
columna un vector
caracterstico de A

P es la matriz modal de A y ser la matriz que precisamente transforme

a la matriz A en la matriz diagonal D que buscamos.
Diagonalizando la matriz cuadrada:
Con la matriz modal P =[ V1, V2, V3 ] y sabiendo tambin que:

Donde:

i = Son las races caractersticas

Vi = Los vectores caractersticos

(A - iI)Vi = 0

Del cual deducimos que:

AVi = iVi
Para:

V1

AV1 = 1V1

Para:

V2

AV2 = 2V2

Para:

V3

AV3 = 3V3

De esta forma, sumando estas tres

ecuaciones resulta:
Siendo:

AP = PD

Como losvectores Vi no son nulos, premultiplicando por P-1, tenemos:

P-1AP = D
De esta forma, la matriz modal P transforma a la matriz A en una
matriz diagonal cuyas races caractersticas estn en la diagonal.
Ejemplo:
Sean las matrices A y

P:

P-1
1/ 2 1/ 2 0
D 0
1
1

1/ 2 1/ 2 1

2
A 1

0
* 1 1

1 1
2

P
1
1 1 1
1 * 1 1 1

3
1 0 1

0 1
1 1

1 3

1 1 1

P 1 1 1

1 0 1

 1/ 2 1/ 2 0
D 0
2
2

3/ 2 3/ 2 3

P = (P-1)-1

1 1 1
* 1 1 1

1 0 1

1 0 0
1 0 0
D 0 2 0 0 2 0

0 0 3
0 0 3

Ntese que D y
matrices semejantes.

son

Cabe recalcar, que partimos de la hiptesis de una matriz cuadrada

con n races caractersticas distintas:

1 2 3
TALLER 4:

0 1
Dada la matriz: A 1 0

1 1

1
1

Hallar la matriz modal P.

Determinar P-1
Hallar D

= P-1AP

Nota:
para
hallar la matriz
modal P, hay
que determinar
primero
el
vector
caracterstico
de A.

El vector caracterstico (propio) de

mediante los siguientes pasos:

P1

2
(A I ) 1

0
1
1

1
1

1 0

3
0

P2

2
(A I ) 1

0
1
1

1
1

P3

2
(A I )
1

P4

0
1
1

0
1
0

0
0

Valores Propios:

P6 3 3;

0 0
0
0
1
1

2
se encuentra
A 1

1
1 1

1 3
0

2 2; 1 1

Con =1 los vectores propios sern los que

verifiquen (A

P7

1
(A I) 1

Det ( A I ) (2 )(1 )(3 ) (1)( 1)(1)

(1)(1 )(1) (1)(1)(2 )

Det ( A I ) (2 )(1 )(3 )

- I) V = 0, es decir:
0
0
1

V1
1 * V2

V3

Determino el Rango de

0
0

A:

P8 Det ( A I )3 x 3 0
Det ( A I ) 2 x 2 0
Por tanto, el Rango de

Polinomio
caracterstico
caracterstica: 3
2

ecuacin

P5 P ( ) 6 11 6 0

A=2

El sistema se reducir a dos

ecuaciones, pudiendo eliminar
la
primera
o
segunda
ecuacin:

Con lo cual resulta que:

P9 V1 0V2 V3 0
V1 V2 2V3 0

V3 V1

V1 V3

V2 V1 2V3

V1 V2 2V3

V2 V3

V2 V1 2(V1 )

V2 V1 2V1
V2 V1

V1 V2

Por lo tanto, el vector propio ser:

P10 V (V1 ,V2 ,V3 ) V ( 1V2 ,1V2 ,1V3 ) ( 1,1,1)

De la misma forma se procede con =2, obtenindose los siguientes resultados:

0V1 0V2 V3 0
V1 V2 V3

Por lo tanto, el vector propio ser:

V3 0 V1 V2 V3
V1 V2 (0)

Reemplazando V3 en V1:

V1 V2

V (V1 ,V2 ,V3 ) V (1V2 ,1V2 ,0V3 ) (1,1,0)

De la misma forma se procede con =3, obtenindose los siguientes resultados:

V1 2V2 V3 0

V2 V1 V1 2V2 V3

V1 V2 0V3 0

Reemplazando V2 en V1:

V1 2(V1 ) V3
V3 V1

V2 V3 V1

Por lo tanto, el vector propio ser:

V (V1 ,V2 ,V3 ) V (1V2 ,1V2 ,1V3 ) (1,1,1)

En definitiva tendremos, la matriz modal

TALLER 4:

P:

1 1 1
P 1 1 1

1 0 1

Dada las sgtes matrices:

0 3 0
A 3 0 4

0 4 0

2 2 1
A 1 3 1

1 2 2

Hallar la matriz modal P.

Determinar P-1
Hallar D

= P-1AP

ECUACIN CARACTERSTICA DE UNA MATRIZ

CUADRADA
Sea la siguiente matriz cuadrada no singular:

Si construimos una matriz

2 3
A

3
2

A I

Siendo una variable escalar e

tendremos:

la matriz unitaria, entonces

A I

3
1 0
2 0 1

A I

3
2 3 0
2

3
2
0

3
2

 A I
Se determinante

Se llama matriz caracterstica de A

A I

se llama determinante caracterstico de

Desarrollando el determinante:

A I (2 )(2 ) (3)(3)
A I (

4 4) (9)

2
A

4 5)

Entonces, el polinomio escalar (polinomio caracterstico) de la matriz

ser:

f ( ) P( ) A I 4 5
2

Tenemos un polinomio de segundo grado en la variable escalar

Si tuviramos una matriz A de orden n, la funcin sera de orden n.

Si a continuacin hacemos:

f ( ) P ( ) 2 4 5 0
Obtendremos la ecuacin caracterstica de la matriz
resuelta nos da:

A,

ecuacin que

f ( ) P ( ) ( 1)( 5) 0
Entonces:
1 = -1 y
2 = 5, que satisfacen la ecuacin
caracterstica, siendo dichas races, las races caractersticas de la
matriz A.

El teorema de HamiltonCayley dice que cada matriz satisface su

ecuacin caracterstica.
En nuestro ejemplo, esto significa que:

f ( A) P( A) ( A 1I )( A 5I ) 0
Comprobando:

2 3 1 0
f ( A) P ( A)

3 2 0 1
3
f ( A) P( A)
3

3
3 *

2
3

2 3
1 0
3 2 5 0 1

5 0
3
2 0 5

 3 3
f ( A) P( A)

3
3

3
* 3

3
3

0 0
f ( A) P( A)

0 0
El orden de las matrices factores es indiferente. Es decir:

f ( A) P( A) ( A 1I ) * ( A 5 I ) 0
f ( A) P( A) ( A 5 I ) * ( A 1I ) 0
Podemos tambin expresar la ecuacin f ( A) P ( A) 0 en la formar:

f ( A) P( A) 5I 4 A A 0
2

Comprobando:

1
f ( A) P ( A) 5
0
5
f ( A) P( A)
0

0
2 3 2
2 3
1 4 3 2 3 2 * 3

0
5

5 8
f ( A) P( A)
0 12
13
f ( A) P ( A)
12

8
12

0 12
5 8

12
13

13 13
f ( A) P ( A)
12 12

3
0
2

13 12
12
8 12 13 0

13 12

12 13 0

13 12

12 13 0

12 12
0

13 13

0 0
f ( A) P ( A)

0
0

En general, dada una matriz cuadrada A:

f ( ) P ( ) A I a0 a1 a2 2 ... ann 0
Es su ecuacin caracterstica y

f ( )

se satisface mediante

A, esto es,

f ( A) 0 , siendo sta una ecuacin matricial.

TALLER 4:
Hallar las races caractersticas de las siguientes matrices:

1 4
1 1

2
A
1

1
2

3
A 1

0
1
2

4
2

Sustituir la matriz A en la ecuacin caracterstica y comprobar que

= 0 en cada una de las matrices A.

f(A)