Capitulo 1

Contenidos
1 Matrices y determinantes 3
1.1 Denicion de matriz y algunos tipos de matrices . . . . . . . . . . . . . . . 3
1.2 Operaciones con matrices y propiedades de las operaciones . . . . . . . . . . 6
1.2.1 Igualdad de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.2 Suma de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.3 Propiedades de la suma de matrices . . . . . . . . . . . . . . . . . . 6
1.2.4 Producto de una matriz por un escalar del mismo cuerpo . . . . . 7
1.2.5 Propiedades del producto de una matriz por un escalar del mismo
cuerpo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.6 Producto de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.7 Propiedades del producto de matrices . . . . . . . . . . . . . . . . . 8
1.2.8 Estructura algebraica de las matrices M
mn
en IK . . . . . . . . . . 9
1.2.9 Analisis de otras propiedades del producto de matrices . . . . . . . . 9
1.3 Inversa de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.4 Transformaciones de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.4.1 Traspuesta de una matriz . . . . . . . . . . . . . . . . . . . . . . . . 12
1.4.2 Conjugada de una matriz . . . . . . . . . . . . . . . . . . . . . . . . 14
1.5 Potencia de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.6 Operaciones elementales y equivalencia . . . . . . . . . . . . . . . . . . . . . 15
1.6.1 Operaciones elementales . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.6.2 Equivalencia por las, equivalencia por columnas y equivalencia . . . 15
1.6.3 Inversa de una operacion elemental . . . . . . . . . . . . . . . . . . . 16
1.6.4 Matrices equivalentes por las, equivalentes por columnas y equiva-
lentes: una relacion de equivalencia . . . . . . . . . . . . . . . . . . . 16
1.6.5 Matrices elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.6.6 Operacion elemental como producto por una matriz elemental . . . . 17
1.6.7 Inversa de una matriz elemental . . . . . . . . . . . . . . . . . . . . 18
1.6.8 Varios resultados sobre equivalencia de matrices . . . . . . . . . . . 19
1.7 Formas escalonadas por las de una matriz . . . . . . . . . . . . . . . . . . 20
1.7.1 Deniciones de forma escalonada por las y forma canonica por las 20
1.7.2 Algoritmo de Eliminacion Gaussiana Simple . . . . . . . . . . . . . . 20
1.7.3 Rango de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.7.4 Matrices equivalentes a la identidad: aplicacion para obtener la inversa 23
1.8 Forma escalonada y forma canonica de una matriz . . . . . . . . . . . . . . 24
1.9 Matrices de intercambio, de Jordan, de Toeplitz y de Hankel . . . . . . . . 26
1.10 Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.10.1 Denicion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.10.2 Calculo de un determinante de orden n, por adjuntos . . . . . . . . . 29
1.10.3 Propiedades de los determinantes . . . . . . . . . . . . . . . . . . . . 30
1.11 Determinante e inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.11.1 Calculo de la inversa de una matriz, por adjuntos . . . . . . . . . . . 32
1.11.2 Algunas propiedades de matrices inversibles . . . . . . . . . . . . . . 33
1
CONTENIDOS 2
1.12 Relacion equivalencia con la identidad, determinante, rango y existencia de
inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
1.13 Determinantes notables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.13.1 Determinante de la matriz de Vandermonde . . . . . . . . . . . . . . 37
1.13.2 Jacobiano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.13.3 Hessiano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.13.4 Wronskiano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
1.14 Repaso sobre vectores de IR
n
. . . . . . . . . . . . . . . . . . . . . . . . . . 39
1.14.1 Denicion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
1.14.2 Combinacion lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
1.14.3 Dependencia e independencia lineal . . . . . . . . . . . . . . . . . . . 41
1.15 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
1.16 Soluciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
Cap
tulo 1
Matrices y determinantes
1.1 Denicion de matriz y algunos tipos de matrices
Una matriz es una ordenacion rectangular de elementos dispuestos en las y columnas
encerrados entre corchetes, por ejemplo
B =
3 2 3 1
1 4 0 0
0 1 1 1
C =
2 +i 1 i 0 3i
3 2i 2 + 6i 2 i
0 i 1 +i 2 + 0i
Las matrices se representan por letras may usculas A,B,C, ... y sus elementos por min usculas
con dos subndices, a
ij
. Los subndices indican, por este orden, la la y la columna en la
que se sit ua el elemento.
A =
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
. . . . . . . . . . . .
a
m1
a
m2
. . . a
mn
Se denota tambien A = {a
ij
}
Una matriz de m las y n columnas se dice que es una matriz de orden m n, y esto
tambien se denota as: A
mn
. El primer ndice se reere siempre al n umero de las y el
segundo al n umero de columnas.
Las matrices que trataremos tendran elementos de un cuerpo IK. Consideraremos el cuerpo
de los n umeros reales, IR, o el cuerpo de los n umeros complejos, C. Ambos son cuerpos
conmutativos (tanto la suma como la multiplicacion cumplen la propiedad conmutativa).
Hablaremos de matrices en IR si a
ij
IR y de matrices en C si a
ij
C.
La matriz ejemplo B se puede considerar como una matriz en el cuerpo de los n umeros
reales, IR, o tambien en el cuerpo de los n umeros complejos, C, sin mas que tener en
cuenta que todo real es un elemento de C con parte imaginaria nula.
La matriz ejemplo C es una matriz en el cuerpo de los n umeros complejos. No es una
matriz en el cuerpo de los reales ya que tiene elementos que no son n umeros reales.
Denimos a continuacion algunos tipos de matrices.
1) Matriz la es una matriz de orden 1 n, A = [a
11
a
12
. . . a
1n
]
2) Matriz columna es una matriz de orden m1, B =
b
11
b
21
.
.
.
b
m1
A una matriz columna se le denomina tambien vector.

3
CAP
ITULO 1. MATRICES Y DETERMINANTES 4

3) Matriz nula es aquella que tiene todos los terminos nulos. Se denota como A = 0, o
como .
El elemento nulo de un cuerpo es el elemento neutro de la suma. El elemento nulo de los
n umeros reales es 0, y el elemento nulo de los n umeros complejos es 0 + 0i.
4) La matriz opuesta de A, denotada A, es aquella que resulta de sustituir en A cada
elemento por su opuesto (el elemento simetrico de la suma en el cuerpo).
Si A = {a
ij
}, los elementos de A son: A = {a
ij
}
5) Matriz cuadrada es aquella con igual n umero de las que de columnas. m = n.
Una matriz cuadrada de n las y n columnas se dice que es una matriz de orden n. Una
matriz de este tipo se denota como A
nn
o A
n
.
En una matriz cuadrada la diagonal principal es la lnea formada por los elementos
cuyos subndices de la y columna coinciden, a
11
, a
22
, . . . a
nn
.
La diagonal secundaria es la lnea formada por los elementos a
ij
tales que i +j = n+1.
Se denomina traza, denotada tr(A), a la suma de los elementos de la diagonal principal
de A. trA = a
11
+a
22
+. . . +a
nn
Se llama triangulo superior al formado por los elementos a
ij
situados por encima de la
diagonal principal.
Se llama triangulo inferior al formado por los elementos a
ij
situados por debajo de la
diagonal principal.
* diagonal principal
triangulo superior
triangulo inferior
Matriz triangular superior. Matriz cuadrada que tiene el triangulo inferior nulo.
O lo que es lo mismo, a
ij
= 0 para i > j.
Matriz triangular inferior. Matriz cuadrada que tiene el triangulo superior nulo.
O lo que es lo mismo, a
ij
= 0 para i < j
Matriz diagonal. Es aquella que es triangular superior y triangular inferior a la vez.
Entre estas cabe destacar la matriz escalar, matriz cuya diagonal principal tiene
todos los elementos iguales. La matriz unidad es una matriz escalar cuya diagonal
principal esta formada solo por unos. La matriz unidad tambien se denomina matriz
identidad. La matriz identidad de orden n se denota como I
n
. Uno es el el. neutro
de la multiplicacion en el cuerpo.
Matriz simetrica. Una matriz A
n
es simetrica si a
ij
= a
ji
para todos los valores
de i y de j.
Matriz antisimetrica o hemisimetrica. Una matriz A
n
es antisimetrica si a
ij
=
a
ji
para todos los valores de i y de j. Evidentemente, para los elementos de la
diagonal principal se concluye a
ii
= a
ii
, por tanto a
ii
= 0 para i = 1, 2, . . . n.
CAP

6) Se dice que A
mn
es escalonada si verica:
a) Si tiene las cuyos elementos son todos ceros, aparecen en la parte inferior de la matriz.
b) El primer elemento distinto de cero de una la, empezando por la izquierda, se llama
elemento pivote o cabecera. Dadas dos las sucesivas, el elemento pivote de la 2
a
la esta
mas a la derecha que el elemento pivote de la 1
a
la.
Ejemplo 1.1 Matrices escalonadas.
1 1
0 3
1 2 1 1
0 5 1 2
0 0 0 0
2 0 1 3
0 0 1 2
4 1 1 2
0 1 2 3
0 0 0 1
1 1 3
0 2 3
0 0 1
1 1 3
0 0 3
0 0 0
1 1 3
0 2 3
0 0 0
0 1 2
0 0 2
0 0 0
Se indican en negrita los elementos pivote.

A continuacion damos dos ejemplos de matrices que no son escalonadas.
4 1 3
0 2 1
0 3 0
4 1 3
0 0 3
0 1 0
Toda matriz cuadrada en forma escalonada es triangular superior

En una matriz escalonada, las columnas que contienen pivotes se denominan columnas
pivotales.
7) Se dice que A
mn
es canonica por las o reducida por las si es escalonada, con
pivotes unidad, y tal que en las columnas pivotales todos los elementos salvo el pivote son
nulos.
Ejemplo 1.2 Matrices canonicas por las.
1 0
0 1
1 0 1 1
0 1 1 2
0 0 0 0
1 0 0 3
0 0 1 2
1 0 1 0
0 1 2 0
0 0 0 1
Observese la diferencia con las matrices escalonadas.

8) La division de matrices por bloques o submatrices permite simplicar los calculos
CAP

1.2 Operaciones con matrices y propiedades de las opera-
ciones
El conjunto de las matrices de orden m n con elementos del cuerpo IK tiene distintas
notaciones:
M
mn
(IK) o IK
mn
, entre otras.
1.2.1 Igualdad de matrices
Decimos que dos matrices A = {a
ij
} y B = {b
ij
} del mismo orden son iguales si {a
ij
} =
{b
ij
} i = 1, . . . , m , j = 1, . . . , n
1.2.2 Suma de matrices
Dadas A = {a
ij
} y B = {b
ij
}, se dene A + B como la matriz C = {c
ij
} tal que c
ij
=
a
ij
+b
ij
.
Para poder sumar dos matrices deben tener el mismo orden, y el resultado es de ese mismo
orden.
Ejemplo 1.3 Calcular A+B con A =
1 0
1 0
2 1
y B =
1 0
2 1
1 1
El resultado es una matriz del mismo orden, en nuestro caso 3 2.

A+B =
1 0
1 0
2 1
1 0
2 1
1 1
2 0
3 1
3 0
Ejemplo 1.4 Calcular AB, tomando las matrices del apartado anterior. (Notese como
la resta es la suma de la opuesta).
AB =
1 0
1 0
2 1
1 0
2 1
1 1
1 0
1 0
2 1
1 0
2 1
1 1
0 0
1 1
1 2
1.2.3 Propiedades de la suma de matrices

Tanto para las matrices en IR como para las matrices en C (separadamente), se cumplen
las siguientes propiedades.
1) Operacion cerrada: A, B M, A+B M
2) Asociativa: A, B, C M, A+ (B +C) = A+ (B +C)
3) Elemento neutro: 0 M/ A M, A+ 0 = A
4) Conmutativa: A, B M, A+B = B +A
5) Existencia de elemento opuesto:
A M A / A+ (A) = 0
A es la que hemos denominado anteriormente matriz opuesta.
El elemento opuesto de a IR es a IR
El elemento opuesto de a +bi C es a bi C. (Signo opuesto en la parte real y en la
parte imaginaria).
CAP

1.2.4 Producto de una matriz por un escalar del mismo cuerpo
Dada A = {a
ij
} denida en el cuerpo IK y IK, se dene
A = C a
ij
= c
ij
i = 1, . . . , m , j = 1, . . . , n , a
ij
y c
ij
IK.
Es decir, se dene como otra matriz C = {c
ij
} cuyos elementos se forman multiplicando
por cada uno de los elementos de A = {a
ij
}
La matriz C es del mismo orden que A.
Para matrices en el cuerpo IR, tomando los escalares IR se garantiza que la operacion
sea cerrada, es decir que la matriz producto resulte ser una matriz en el cuerpo IR.
Ejemplo 1.5 5
1 1 0
2 1 3
5 1 5 (1) 5 0
5 2 5 1 5 3
5 5 0
10 5 15
Ejemplo 1.6 (5 +i)
1 1 0
2 1 3
5 +i 5 i 0
10 + 2i 5 +i 15 + 3i
Ejemplo 1.7 5
1 +i 0
2 i 3i
5 (1 +i) 5 0
5 (2 i) 5 3i
5 + 5i 0
10 5i 15i
Ejemplo 1.8 (5 +i)
1 +i 0
2 i 3i
(5 +i) (1 +i) (5 +i) 0

(5 +i) (2 i) (5 +i) 3i
4 + 6i 0
11 3i 3 + 15i
1.2.5 Propiedades del producto de una matriz por un escalar del mismo
cuerpo
Se cumplen las siguientes propiedades para las matrices en el cuerpo IR y en el cuerpo C,
separadamente.
1) Cerrada: A M en IK y IK, A M en IK
2) Distributiva respecto a la suma de matrices: (A+B) = A+B A, B M, IK
3) Distributiva respecto a la suma de escalares:
( +)A = A+A A M, , IK
4) Pseudoasociativa (asociativa entre el producto externo y el producto interno en IK):
()A = (A) = (A) A M, , IK
5) Ley de identidad o de unidad del producto externo: 1 A = A 1 es el elemento neutro
del producto en el cuerpo IK
En IR es el escalar 1, ejemplo 1. 25 = 25
En C es el escalar 1 + 0i, ejemplo (1 + 0i).(2 6i) = (2 6i)
CAP

1.2.6 Producto de matrices
Dadas dos matrices A
mn
= {a
ij
} y B
np
= {b
ij
}, compatibles para el producto, es decir,
tales que el n umero de columnas de A coincide con el n umero de las de B, se dene
A.B = C, como otra matriz C
mp
con tantas las como A y tantas columnas como B,
siendo su elemento c
ij
el resultado de sumar los productos de los elementos de la la i de
A por los de la columna j de B, en la forma dada en el siguiente sumatorio:
C = A B = {c
ij
} c
ij
=
n
k=1
a
ik
b
kj
i = 1, . . . , m j = 1, . . . , p
El algoritmo puede entenderse facilmente observando el siguiente esquema:
la i columna j c
ij
mn n p mp
Es decir, c
ij
= a
i1
b
1j
+a
i2
b
2j
+... +a
in
b
nj
Ejemplo 1.9 Multiplicar las siguientes matrices:
2 3 1
0 1 2
1 0
1 2
2 3
2 1 + 3 1 + 1 2 2 0 + 3 2 + 1 3
0 1 +1 1 +2 2 0 0 +1 2 +2 3
3 9
5 8
Ejemplo 1.10 Multiplicar entre s por pares, las matrices A = [ 1 2 3 ] , B =
1
2
3
y
C =
2 2
3 1
A B = [ 1 2 3 ]
1
2
3
= [ 1 1 + 2 2 + 3 3 ] = 14
B A =
1
2
3
[ 1 2 3 ] =
1 2 3
2 4 6
3 6 9
AC, CA, CB, BC no son operaciones posibles

1.2.7 Propiedades del producto de matrices
Siempre que los productos sean posibles, se verican las siguientes propiedades:
1) Asociativa: A, B, C M A (B C) = (A B) C
2) Distributiva respecto a la suma de matrices:
A, B, C M A (B +C) = (A B) + (A C)
(A+B) C = A C +B C
3) Pseudoasociativa (asociativa entre el producto externo y el producto interno en M)
A, B M y K (A B) = (A) B = A (B)
CAP

1.2.8 Estructura algebraica de las matrices M
mn
en IK
M
mn
en IK ( + , IK). El conjunto de matrices M
mn
en IK, con la suma y producto
externo con IK, cuyas deniciones y propiedades se enunciaron en las secciones anteriores,
tiene estructura de espacio vectorial sobre el cuerpo IK.
M
mn
en IK ( + , . , IK). El conjunto de matrices M
n
en IK, con la suma, producto
interno, y con el producto externo con IK, cuyas deniciones y propiedades se enunciaron
en las secciones anteriores, tiene estructura de algebra sobre el cuerpo IK.
1.2.9 Analisis de otras propiedades del producto de matrices
4) I
m
A
mn
= A
mn
; A
mn
I
n
= A
mn
; I
m
A
mn
I
n
= A
mn
Ejemplo 1.11 I
2
=
1 0
0 1
I
3
=
1 0 0
0 1 0
0 0 1
A =
1 2 3
4 5 6
. Se cumple:
I
2
A = A
A I
3
= A
I
2
A I
3
= A
Ejemplo 1.12
2 +i 7 3i
4i 6

1 0
0 1
2 +i 7 3i
4i 6
5) El producto de matrices no es conmutativo, es decir, en general A B = B A

Una condicion necesaria, aunque no suciente, para que se cumpla A.B = B.A es que A
y B sean matrices cuadradas del mismo orden.
A
mn
B
np
= C
mp
B
np
A
mn
= C
nn
Tenemos por una parte que el producto es de orden m p, y por otra que p = m (para
poder multiplicar B por A) y que el producto es de orden n n. Para que C y C
sean
del mismo orden se requiere m = p = n. Por tanto A y B han de ser matrices cuadradas
de orden n.
Se dice que dos matrices cuadradas de orden n conmutan o que son conmutativas o que
son permutables si se cumple la igualdad A B = B A. Tambien se utiliza la denominacion
conmutante o permutante.
En algunos casos se verica que A B = B A, entonces se dice que las matrices cuadradas
de orden A y B son anticonmutativas o antipermutables. Tambien se utiliza la denomi-
nacion anticonmutante o antipermutante
Ejemplo 1.13 Ejemplo de dos matrices cuadradas del mismo orden que no son permuta-
bles ni antipermutables.
A =
1 2
3 1
B =
4 1
5 0
A B =
1 2
3 1

4 1
5 0
14 1
17 3
B A =
4 1
5 0

1 2
3 1
7 9
5 10
CAP

6) El producto de matrices tiene divisores de cero: A B = 0 no implica necesariamente
que A = 0 o B = 0.
La denicion estricta de los divisores de cero es la siguiente: Dos matrices no nulas A y
B se denominan respectivamente divisor de cero por la izquierda y divisor de cero por la
derecha si AB = 0. Una matriz C que sea divisor de cero por la izquierda o divisor de cero
por la derecha se denomina simplemente divisor de cero. Una matriz F que sea divisor de
cero por la izquierda y por la derecha se denomina divisor de cero por la izquierda y por
la derecha o divisor de cero por los dos lados.
Ejemplo 1.14 A =
1 1
1 1
= 0 B =
3 2
3 2
= 0 y A B = 0
1 1
1 1

3 2
3 2
0 0
0 0
En este ejemplo hemos determinado que A y B son divisores de cero.

7) El producto de matrices no verica la propiedad de simplicacion:
Si A B = A C no necesariamente B = C
Ejemplo 1.15 A B = A C, sin embargo B = C
1 1
1 1

3 2
3 2
1 1
1 1

3 2
3 2
0 0
0 0
sin embargo,
3 2
3 2
3 2
3 2
8) El producto de dos matrices triangulares superiores es una matriz triangular superior.

9) El producto de dos matrices triangulares inferiores es una matriz triangular inferior.
Ejemplo 1.16
1 0 0
2 3 0
4 5 6
1 0 0
2 1 0
0 4 2
1 0 0
4 3 0
6 29 12
10) El producto de dos matrices diagonales es otra matriz diagonal. Ademas c

ii
= a
ii
b
ii
Ejemplo 1.17
2 0 0
0 4 0
0 0 6
1 0 0
0 2 0
0 0 3
2 0 0
0 8 0
0 0 18
11) Una matriz diagonal conmuta con todas las matrices diagonales. Es consecuencia de
que el producto de elementos del cuerpo IK sea conmutativo.
Ejemplo 1.18
1 0 0
0 2 0
0 0 3
2 0 0
0 4 0
0 0 6
2 0 0
0 8 0
0 0 18
2 0 0
0 4 0
0 0 6
1 0 0
0 2 0
0 0 3
2 0 0
0 8 0
0 0 18
CAP

Ejemplo 1.19 En este ejemplo se observa como se obtiene el producto de una matriz
dada por una una matriz diagonal.
1 2 3
4 5 6
2 3 2
1 0 0
0 2 0
0 0 3
1 4 9
4 10 18
2 6 6
1 0 0
0 2 0
0 0 3
1 2 3
4 5 6
2 3 2
1 2 3
8 10 12
6 9 6
En el primer caso cada columna queda multiplicada por el elemento de la diagonal.

En el segundo caso cada la queda multiplicada por el elemento de la diagonal.
A D D A
c
ij
=
n
k=1
a
ik
d
kj
= a
ij
d
jj
c
ij
=
n
k=1
d
ik
a
kj
= d
ii
a
ij
1.3 Inversa de una matriz
Dada una matriz A M
n
decimos que F es la inversa de A si: A F = F A = I.
La inversa de A se denota como A
1
, es decir F = A
1
, y se tiene entonces A A
1
=
A
1
A = I A
1
M
n
No todas las matrices cuadradas tienen inversa. Una matriz A que posee inversa se de-
nomina matriz regular o matriz inversible. De una matriz que no tiene inversa se dice
que es no inversible o singular.
Propiedades
Dadas A y B inversibles y IK, = 0 se cumple:
1) A
1
es unica
2) (A
1
)
1
= A
3) A B es inversible, y (A B)
1
= B
1
A
1
4) ( A)
1
=
1
A
1
Dem.
1) Sea A
1
la inversa de A, y B otra matriz tal que A B = I. Premultiplicando la ultima
expresion por A
1
obtenemos:
A
1
A B = A
1
I B = A
1
concluimos que B es la misma matriz que A
1
.
2) A
1
A = AA
1
= I (A
1
)
1
= A
3) Consideramos el producto B
1
A
1
ABB
1
A
1
= AIA
1
= AA
1
= I y
B
1
A
1
AB = B
1
IB = B
1
B = I
(AB)
1
= B
1
A
1
4) A
1
A
1
=
1
AA
1
= 1I = I y
1
A
1
A = 1I = I
(A)
1
=
1
A
1
Observaciones:
Una consecuencia de la propiedad 3 es que el producto de tres matrices inversibles de
orden n es inversible, y la inversa es el producto de las inversas en el orden contrario. La
generalizacion a productos de mas matrices es obvia.
(A B C)
1
= ((A B) C)
1
= C
1
(A B)
1
= C
1
B
1
C
1
CAP

(A B . . . F)
1
= F
1
. . . B
1
A
1
I
n
es inversible y su inversa es I
n
1.4 Transformaciones de una matriz
1.4.1 Traspuesta de una matriz
Dada una matriz A
mn
se llama traspuesta de A y se denota A
t
, a la matriz que resulta
de cambiar ordenadamente sus las por sus columnas.
A
t
sera entonces de orden n m. a
t
ij
= a
ji
i = 1, . . . , n , j = 1, . . . , m
Ejemplo 1.20 A =
2 3 1
0 1 2
A
t
=
2 0
3 1
1 2
Propiedades:
1) (A
t
)
t
= A
2) ( A)
t
= A
t
IK
3) (AB)
t
= A
t
B
t
4) (A B)
t
= B
t
A
t
Demostracion de la propiedad 4):
Sea A B = C
c
t
ij
= c
ji
=
n
k=1
a
jk
b
ki
=
n
k=1
a
t
kj
b
t
ik
=
n
k=1
b
t
ik
a
t
kj
La pen ultima igualdad se obtiene por cumplir la propiedad conmutativa el producto de
elementos del cuerpo IK.
El primer termino de la igualdad es el elemento (i, j) de (A B)
t
y el ultimo termino es el
elemento (i, j) de la matriz B
t
A
t
. Concluyendo entonces que (AB)
t
= B
t
A
t
Cuando A es cuadrada tenemos:
Una matriz A
n
es simetrica si y solo si A = A
t
.
En efecto A
n
es simetrica si y solo si a
ij
= a
ji
, y como a
ji
= a
t
ij
, tenemos que
a
ij
= a
t
ij
y por tanto A = A
t
Ejemplo 1.21 A =
1 2 3
2 1 2
3 2 0
es una matriz simetrica

Una matriz A
n
es antisimetrica o hemisimetrica si y solo si A = A
t
.
En efecto A
n
es antisimetrica o hemisimetrica si y solo si a
ij
= a
ji
, y como a
ji
=
a
t
ij
, tenemos que a
ij
= a
t
ij
y por tanto A = A
t
Ejemplo 1.22 A =
0 2 3
2 0 2
3 2 0
es una matriz antisimetrica

Dada una matriz cuadrada A
n
, A+A
t
es una matriz simetrica.
Veamos la demostracion: Denimos C = A+A
t
c
ij
= a
ij
+a
t
ij
= a
t
ji
+a
ji
= a
ji
+a
t
ji
= c
ji
(La tercera igualdad se cumple por la propiedad conmutativa de la suma de los
elementos del cuerpo IK).
CAP

n
, AA
t
es una matriz antisimetrica.
Veamos la demostracion: Denimos C = AA
t
c
ij
= a
ij
a
t
ij
= a
t
ji
a
ji
= a
ji
+a
t
ji
= (a
ji
a
t
ji
) = c
ji
(La tercera igualdad se cumple por la propiedad conmutativa de la suma de los
elementos del cuerpo IK).
Toda matriz cuadrada A
n
se puede expresar de forma unica como suma de una
matriz simetrica S y otra antisimetrica H: A = S +H
Veamos la demostracion:
A = S +H [1]
y tomando traspuestas A
t
= S
t
+H
t
Por otra parte S
t
= S y H
t
= H, por tanto A
t
= S H [2]
Sumando [1] y [2] obtenemos A+A
t
= 2S S =
1
2
(A+A
t
)
Restando [1] y [2] obtenemos AA
t
= 2H H =
1
2
(AA
t
)
Hemos demostrado como obtener S y H a partir de A
Ejemplo 1.23 Descomponer A =
2 1
3 5
como suma de una matriz simetrica y otra

antisimetrica.
S =
1
2
(A+A
t
) =
1
2
2 1
3 5
2 3
1 5
=
1
2
4 2
2 10
2 1
1 5
H =
1
2
(AA
t
) =
1
2
2 1
3 5
2 3
1 5
=
1
2
0 4
4 0
0 2
2 0
2 1
1 5
0 2
2 0
2 1
3 5
Propiedad adicional
Dada A
mn
, las matrices AA
t
y A
t
A son ambas simetricas.
Demostracion: (AA
t
)
t
= (A
t
)
t
A
t
= AA
t
(A
t
A)
t
= A
t
(A
t
)
t
= A
t
A
Matriz ortogonal
Una matriz cuadrada se dice ortogonal si AA
t
= A
t
A = I
Propiedades
a) A
1
= A
t
b) La inversa y la traspuesta de una matriz ortogonal es ortogonal
c) El producto de dos o mas matrices ortogonales es ortogonal
Dem.
a) Por la denicion de inversa
b1) Sea A ortogonal,
A
1
(A
1
)
t
= A
t
(A
t
)
t
= A
t
A = I y
(A
1
)
t
A
1
= (A
t
)
t
A
t
= AA
t
= I, por tanto A
1
es ortogonal.
b2) Sea A ortogonal,
A
t
(A
t
)
t
= A
t
A = I y
(A
t
)
t
A
t
= AA
t
= I, por tanto A
t
es ortogonal.
c) Lo demostramos para el producto de dos matrices. Sean A y B ortogonales
(AB) (AB)
t
= ABB
t
A
t
= AIA
t
= AA
t
= I
(AB)
t
AB = B
t
A
t
AB = B
t
IB = B
t
B = I
CAP

1.4.2 Conjugada de una matriz
Dada una matriz A
mn
se llama conjugada de A y se denota A, a una nueva matriz cuyos
elementos son los conjugados de los elementos de A.
La parte real de los elementos no vara, mientras que la parte imaginaria cambia de signo.
Propiedades:
A = A
A = A
AB = AB
AB = A B
Si todos los elementos de A son reales A = A
Si todos los elementos de A son imaginarios puros A = A
Cuando A es cuadrada tenemos:
A
n
se dice hermtica o autoadjunta si A
t
= A, es decir, si a
ij
= a
ji
para todos los valores
de i y j. Obviamente, los elementos de la diagonal principal de una matriz hermtica han
de ser n umeros reales.
A
n
se dice antihermtica o hemihermtica si A
t
= A, es decir, si a
ij
= a
ji
para todos
los valores de i y j. Se desprende que los elementos de la diagonal principal de una matriz
antihermtica han de ser nulos o imaginarios puros.
A
n
se dice normal si A A
t
= A
t
A
A
n
se dice unitaria si A
t
= A
1
1.5 Potencia de una matriz
Dada una matriz A
n
y k un entero positivo, entonces A
k
denota el producto de A por s
misma k veces.
A
k
=
k veces
. .. .
AA. . . A
Matriz periodica es aquella matriz A cuadrada que verica que A
k+1
= A para alg un k
entero positivo. Si k es el menor de esos enteros, entonces se dice que la matriz A tiene
perodo k.
Cuando k = 1 se tiene A
2
= A, y resulta inmediato demostrar que entonces A
k
= A para
todo k. Se dice que A es idempotente.
A
3
= A
2
A = AA = A, etc.
Matriz nihilpotente de ndice k es aquella matriz A que verica A
k
= 0, siendo k el menor
entero positivo para el que se cumple la igualdad.
Si k = 2 se dice directamente que A es nihilpotente
Matriz involutiva es la matriz A que verica A
2
= I,
Si A es involutiva AA = I, es decir, A
1
= A
A
k
:= (A
1
)
k
A
0
:= I
(:= signica que es igualdad por denicion, se utiliza tambien el smbolo )
CAP

1.6 Operaciones elementales y equivalencia
1.6.1 Operaciones elementales
Sea la matriz A
mn
, efectuamos una operacion elemental sobre una lnea (la o columna)
de A cuando realizamos una de estas tres operaciones:
a) Intercambiar entre s las lneas i y j (intercambiar dos las entre s o dos columnas
entre s ). Tambien se denomina trasposicion o permutacion.
b) Multiplicar la lnea i (la o columna) por un escalar k = 0. Tambien se denomina
escalamiento, o lnea-homotecia.
c) Sumar a la lnea i la j (paralela a ella) multiplicada por un escalar cualquiera. Tambien
se denomina reemplazamiento o manipulacion.
A lo largo del curso se realizara un amplio uso de las operaciones elementales por las,
para resolver sistemas de ecuaciones, calcular rangos, determinantes, etc. Se realizara un
uso menos extenso de las operaciones elementales por columnas, aunque s se utilizaran
por ejemplo para el calculo de determinantes.
Notacion:
F
13
se intercambian las las 1 y 3
F
1(7)
la la 1 se multiplica por 7
F
13(4)
a la la 1 se le suma la 3 multiplicada por 4
C
13
se intercambian las columnas 1 y 3
C
1(7)
la columna 1 se multiplica por 7
C
13(4)
a la columna 1 se le suma la 3 multiplicada por 4
Ejemplo: A =
1 2
1 4
1 2
0 2
= B
La operacion elemental realizada ha sido F
21(1)
Ejemplo: G =
1 2
1 4
2 1
4 1
= H
La operacion elemental realizada ha sido C
12
Ejemplo: R =
1 2
1 4
2 1
4 1
2 1
0 1
= S
Las operaciones elementales realizadas han sido primero C
12
y seguidamente F
21(2)
1.6.2 Equivalencia por las, equivalencia por columnas y equivalencia
Se dice que A
mn
es equivalente por las a B
mn
si partiendo de A podemos obtener
B efectuando un n umero nito de operaciones elementales por las.
Notacion: A
f
B
Se dice que A
mn
es equivalente por columnas a B
mn
si partiendo de A podemos
obtener B efectuando un n umero nito de operaciones elementales por columnas.
Notacion: A
c
B
Se dice que A
mn
es equivalente a B
mn
si partiendo de A podemos obtener B efectuando
un n umero nito de operaciones elementales por columnas, por las o combinando los dos
tipos.
Notacion: A B
CAP

Observaciones:
A
f
B A B
A
c
B A B
A B no implica que necesariamente A sea equivalente por las a B ni que necesaria-
mente A sea equivalente por columnas a B
1.6.3 Inversa de una operacion elemental
Se llama inversa de una operacion elemental a una operacion elemental que cancela
el efecto de la primera; es decir, si despues de realizar una operacion elemental sobre A se
aplica la operacion elemental inversa, se obtiene de nuevo la matriz original A.
La inversa de una o.e. de las (columnas) es una o.e. de las (columnas).
La inversa de F
ij
es F
ij
La inversa de C
ij
es C
ij
La inversa de F
ij()
es F
ij()
La inversa de C
ij()
es C
ij()
La inversa de F
i()
es F
i(1/)
La inversa de C
i()
es C
i(1/)
1.6.4 Matrices equivalentes por las, equivalentes por columnas y equi-
valentes: una relacion de equivalencia
Desde el punto de vista de las relaciones entre los elementos de un conjunto, en este caso
el conjunto de matrices de un orden mn dado, la relacion de equivalencia por las, por
columnas, y la relacion de equivalencia pertenecen a la clase de relaciones denominadas
relaciones de equivalencia, puesto que cumplen las propiedades reexiva, simetrica
y transitiva.
Lo podemos ver por ejemplo para el caso de la equivalencia por las:
Reexiva: A es equivalente por las a A, sin mas que considerar la operacion de multiplicar
una la por el escalar 1.
Simetrica: Si A es equivalente por las a B, B es equivalente por las a A, simplemente
realizando la o.e. inversa.
Transitiva: Si A es equivalente por las a B, y B es equivalente por las a C, entonces A
es equivalente por las a C.
A o.e. 1 ... o.e. l B y B o.e. l+1 ... o.e. k C
A o.e. 1 ... o.e. l o.e. l+1 ... o.e. k C
A equivalente a B por las, por columnas o por o.e. de ambos tipos, implica que B tiene
establecido el mismo tipo de relacion con A. Por ello se dira entonces que A y B son
equivalentes por las, por columnas, o equivalentes sin mas, en vez de indicar un orden
A equivalente a B o B equivalente a A.
1.6.5 Matrices elementales
Se dene matriz elemental como aquella matriz cuadrada de orden n, que se obtiene al
efectuar una operacion elemental sobre una lnea (la o columna) de la matriz identidad
de orden n.
CAP

Ejemplos:
1 0 0
0 1 0
0 0 1
1 0 0
0 0 1
0 1 0
= E
F
23
Se intercambia la 2
a
con la 3
a
F
23
1 0 0
0 1 0
0 0 1
3 0 0
0 1 0
0 0 1
= E
F
1(3)
Se multiplica la 1
a
la por 3
F
1(3)
1 0 0
0 1 0
0 0 1
1 0 0
0 1 0
2 0 1
= E
F
31(2)
Se suma a la 3
a
la la 1
a
por 2
F
31(2)
Con frecuencia para simplicar la notacion se designan las matrices elementales como las
operaciones elementales asociadas. Para los ejemplos anteriores la notacion sera: F
23
,
F
1(3)
y F
31(2)
Para las operaciones elementales por columnas las correspondientes matrices elementales
seran: C
23
, C
1(3)
y C
31(2)
Notese la relacion entre las matrices elementales de las y las matrices elementales de
columnas:
F
23
= C
23
son iguales
F
1(3)
= C
1(3)
son iguales
F
31(2)
= C
13(2)
las lneas transformada y auxiliar aparecen intercambiadas.
1.6.6 Operacion elemental como producto por una matriz elemental
Sea la matriz elemental F
m
correspondiente a determinada operacion elemental por
las, y una matriz A
mn
; entonces el producto F
m
A
mn
es igual a la matriz que resulta
de efectuar la misma operacion elemental sobre las las de A
mn
.
Sea la matriz elemental C
n
correspondiente a determinada operacion elemental por
columnas, y una matriz A
mn
; entonces el producto A
mn
C
n
es igual a la matriz que
resulta de efectuar la misma operacion elemental sobre las columnas de A
mn
.
Ejemplo: Dada A =
2 1 0 1
1 2 1 2
3 1 0 1
, sumar a la segunda la la primera multiplicada

por (2) utilizando el producto por una matriz elemental.
F
21(2)
=
1 0 0
2 1 0
0 0 1
es la matriz elemental que resulta de sumarle

a la la 2
a
de I
3
, la 1
a
multiplicada por (2).
F
21(2)
A =
1 0 0
2 1 0
0 0 1
2 1 0 1
1 2 1 2
3 1 0 1
2 1 0 1
3 4 1 0
3 1 0 1
es igual resultado que si le sumamos a la 2

a
la de A la 1
a
multiplicada por (2). Es
decir, es lo mismo que efectuar F
21(2)
sobre A.
CAP

Ejemplo: Dada A =
0 2 3
4 2 1
1 2 3
, intercambiar las columnas 1 y 3 utilizando el producto

por una matriz elemental.
C
13
=
0 0 1
0 1 0
1 0 0
0 2 3
4 2 1
1 2 3
0 0 1
0 1 0
1 0 0
3 2 0
1 2 4
3 2 1
Ejemplo 1.24 A partir de la matriz A =
1 2 2
0 4 1
1 0 1
2 1 2
queremos obtener la matric C

que tiene intercambiadas las las 2 y 4. Determina la matriz elemental B tal que B.A = C
B =
1 0 0 0
0 0 0 1
0 0 1 0
0 1 0 0
Comprobacion:
1 0 0 0
0 0 0 1
0 0 1 0
0 1 0 0
1 2 2
0 4 1
1 0 1
2 1 2
1 2 2
2 1 2
1 0 1
0 4 1
1.6.7 Inversa de una matriz elemental

Toda matriz elemental tiene inversa, y la inversa de una matriz elemental es elemental
(corresponde a la operacion elemental inversa).
La inversa de F
ij
es F
ij
La inversa de F
ij()
es F
ij()
La inversa de F
i()
es F
i(1/)
Analogamente para columnas, sin mas que sustituir F por C.
Comprobaciones para matrices elementales correspondientes a operaciones elementales por
las:
F
ij
F
ij
I = I F
ij
F
ij
= I
F
ij()
F
ij()
I = I F
ij()
F
ij()
= I
F
ij()
F
ij()
I = I F
ij()
F
ij()
= I
F
i()
F
i(1/)
I = I F
i()
F
i(1/)
= I
F
i(1/)
F
i()
I = I F
i(1/)
F
i()
= I
Y analogamente para las o.e. por columnas
Ejemplos:
E
23
E
F
23
=
1 0 0
0 0 1
0 1 0
1 0 0
0 0 1
0 1 0
1 0 0
0 1 0
0 0 1
CAP

E
F
1(1/3)
E
F
1(3)
=
1/3 0 0
0 1 0
0 0 1
3 0 0
0 1 0
0 0 1
1 0 0
0 1 0
0 0 1
E
F
31(2)
E
F
31(2)
=
1 0 0
0 1 0
2 0 1
1 0 0
0 1 0
2 0 1
1 0 0
0 1 0
0 0 1
1.6.8 Varios resultados sobre equivalencia de matrices

A y B equivalentes por las implica que existen F
1
, F
2
, ..., F
a
/
F
a
... F
2
F
1
A = B
A y B equivalentes por columnas implica que existen C
1
, C
2
, ..., C
b
/
A C
1
C
2
... C
b
= B
A y B equivalentes implica que existen F
1
, F
2
, ... , F
a
, C
1
, C
2
, ... , C
b
/
F
a
... F
2
F
1
A C
1
C
2
... C
b
= B
Ya que las relaciones anteriores son simetricas, tambien podramos haber escrito:
A y B equivalentes por las implica que existen F
1
, F
2
, ..., F
s
/
F
s
... F
2
F
1
B = A
A y B equivalentes por columnas implica que existen C
1
, C
2
, ..., C
t
/
B C
1
C
2
... C
t
= A
A y B equivalentes implica que existen F
1
, F
2
, ... , F
s
, C
1
, C
2
, ... , C
t
/
F
s
... F
2
F
1
B C
1
C
2
... C
t
= A
Pero en realidad las F y las F
no son independientes, ni lo son las C respecto de las C
,
pues obviamente:
F
a
... F
2
F
1
A = B (F
1
)
1
(F
2
)
1
... (F
a
)
1
F
a
... F
2
F
1
A = (F
1
)
1
(F
2
)
1
... (F
a
)
1
B
(F
1
)
1
(F
2
)
1
... (F
a
)
1
B = A
(Por ser las matrices elementales inversibles).
Por otra parte, por ser el producto de inversibles inversible, tenemos:
A y B equivalentes por las implica que existe P inversible / P A = B
(A = P
1
B)
Notese que manteniendo la notacion anterior:
P = F
a
... F
2
F
1
P
1
= F
1
1
F
1
2
... F
1
a
A y B equivalentes por columnas implica que existe Q inversible / A Q = B
(A = BQ
1
)
Q = C
1
C
2
... C
b
Q
1
= C
1
b
... C
1
2
C
1
1
A y B equivalentes implica que existen P y Q inversibles / P A Q = B
(A = P
1
BQ
1
)
CAP

De las ecuaciones anteriores se deduce directamente (por el hecho de que el producto de
inversibles es inversible) que si A y B son equivalentes por las, equivalentes por columnas
o equivalentes, entonces o ambas, A y B, son inversibles, o ninguna de ellas lo es.
1.7 Formas escalonadas por las de una matriz
1.7.1 Deniciones de forma escalonada por las y forma canonica por
las
Partiendo de cualquier matriz A se puede llegar mediante un n umero nito de o.e. por
las a una matriz U escalonada, y a esta se le denomina forma escalonada por las de
A. Para una matriz dada existen innitas formas escalonadas por las.
Notese que si U es una forma escalonada por las de A, aparte de ser escalonada cumple que
existira P inversible tal que PA = U. Esa matriz inversible corresponde a los productos
de las matrices elementales por las aplicadas. P = F
a
... F
2
F
1
Al proceso de obtener una forma escalonada por las de una matriz tambien se le conoce
como eliminacion gaussiana.
Se denomina forma canonica por las o reducida por las de una matriz A a la
forma escalonada por las de A con pivotes unidad y ceros encima de los elementos pivote.
Dada A, la forma canonica por las es unica. En general utilizaremos para esta matriz la
notacion A
can filas
o A
red filas
.
Debido a que la equivalencia por las cumple la propiedad transitiva, todas las matrices
equivalentes por las entre s tienen la misma forma canonica por las.
1.7.2 Algoritmo de Eliminacion Gaussiana Simple
Describimos a continuacion un algoritmo para obtener a partir de una matriz dada A
mn
una forma escalonada por las, y la forma canonica por las. El metodo se denomina
Eliminacion Gaussiana Simple y el orden en el que se efect uan las operaciones ele-
mentales por las viene prejado por un convenio. No se pueden realizar escalamientos. El
intercambio de las solo se puede realizar para buscar un elemento pivote en la obtencion
de la forma escalonada por las, y se ha de realizar con la primera la siguiente que s
posea pivote.
El algoritmo de Eliminacion Gaussiana Simple consta de los siguientes pasos:
1) Partiendo de la izquierda, buscamos la 1
a
columna con un elemento distinto de cero,
llamemosla j
1
. Esta columna j
1
es la primera columna pivotal. Si el primer elemento no
nulo de j
1
(el de la la mas alta) no esta en la 1
a
la se intercambian la primera la y
esta. Este elemento no nulo, en la posicion (1,j
1
) es el primer elemento pivote. Mediante
operaciones elementales por las convertimos los elementos de la primera columna pivotal
que estan debajo del elemento pivote, en ceros. La la auxiliar utilizada es la 1
a
la.
La operacion elemental que elimina el elemento b es la de sumar a la la que contiene el
elemento b la la auxiliar multiplicada por (b / primer pivote).
2) Moviendonos hacia la derecha, a partir de la 1
a
columna pivotal, buscamos la siguiente
columna que tenga un elemento no nulo en la 2
a
la o siguientes. Esa columna j
2
sera
la segunda columna pivotal. Se realizara un intercambio de las si este primer elemento
no nulo no estuviera en la 2
a
la, para colocarlo precisamente en esta. Este es el segundo
elemento pivote. Ademas de esta operacion elemental de intercambio a n de que el
elemento pivote se encuentre en la 2
a
la (posicion (2,j
2
)), se realizaran las operaciones
CAP

elementales necesarias para que todos los elementos de la columna pivotal, por debajo del
pivote, sean ceros, utilizando como la auxiliar la la 2
a
. Estas operaciones elementales no
afectan a los elementos de las columnas situadas a la izquierda de j
2
, ya que los elementos
de la la 2 a la izquierda de j
2
son todos nulos.
3) Seguimos moviendonos hacia la derecha. Sea j
3
la siguiente columna que tiene un
elemento no nulo, ahora en la 3
a
la o mas abajo. Si es necesario intercambiaremos las
las para que, en la nueva matriz, la columna j
3
tenga en la la 3 el primer elemento no
nulo encontrado (tercer elemento pivote), y a continuacion realizaremos las operaciones
para transformar a ceros los elementos por debajo de el, utilizando la la 3 como auxiliar.
4) Seguimos repitiendo el proceso hasta conseguir r columnas pivotales, j
1
, j
2
. . . , j
r
y
solamente ceros en las las r + 1, r + 2, ..., m.
Al nal de estos cuatro pasos habremos conseguido transformar la matriz, a traves de
operaciones elementales por las, en una forma escalonada por las.
Dada una matriz, mediante el metodo de eliminacion gaussiana simple se obtiene una unica
matriz en la forma escalonada por las. Esto es debido a que las operaciones elementales
que se realizan y el orden en que se realizan estan jadas por el metodo.
Ejemplo: Obten la forma escalonada de la matriz A =
0 0 2 3
0 0 0 1
0 2 6 4
0 1 4 0
0 0 1 2
mediante elimi-
nacion gaussiana simple.
A =
0 0 2 3
0 0 0 1
0 2 6 4
0 1 4 0
0 0 1 2
0 2 6 4
0 0 0 1
0 0 2 3
0 1 4 0
0 0 1 2
0 2 6 4
0 0 0 1
0 0 2 3
0 1 1 4 3 0 2
0 0 1 2
=
F
13
F
41(1/2)
0 2 6 4
0 0 0 1
0 0 2 3
0 0 1 2
0 0 1 2
0 2 6 4
0 0 2 3
0 0 0 1
0 0 1 2
0 0 1 2
0 2 6 4
0 0 2 3
0 0 0 1
0 0 1 1 2 3/2
0 0 1 1 2 3/2
=
F
23
F
42(1/2)
F
52(1/2)
0 2 6 4
0 0 2 3
0 0 0 1
0 0 0 7/2
0 0 0 1/2
0 2 6 4
0 0 2 3
0 0 0 1
0 0 0 0
0 0 0 0
= A
esc filas
A
f
A
esc filas
F
43(7/2)
F
53(1/2)
3 cols. pivotales: la 2
a
, la 3
a
y la 4
a
. Los pivotes respectivos son 2, 2 y 1.
5) Una vez obtenida la matriz equivalente por las escalonada, debemos continuar el
proceso transformando en unos los elementos pivote y en ceros los elementos de las
columnas pivotales situados por encima del elemento pivote.
a) Para hacer unos los elementos pivote se escalan las las no nulas, a n de que todos
los pivotes tomen el valor 1.
b) Para obtener los ceros por encima de los elementos pivote los pasos son los siguientes:
b.1) Considerando la ultima la no nula, que llamamos la r, como auxiliar, y con las
correspondientes operaciones elementales sobre las las, consigamos mediante reemplaza-
CAP

mientos que la columna j
r
tenga ceros en las las 1,2,....r 1. Ninguna columna a la
izquierda de j
r
se vera afectada por estas operaciones, ya que los elementos de la la r a
la izquierda de la columna pivotal j
r
son todos nulos.
b.2) Continuamos hacia arriba, en la la r 1, donde a traves de operaciones elementales,
tomando la la r 1 como la auxiliar, haremos cero los elementos de esa columna pivotal
en las las 1,2 ,... r 2. Continuamos con estas transformaciones para que cada columna
pivotal j
i
tenga ceros en las i 1 primeras las, siempre disminuyendo i, hasta i = 2.
Con el proceso descrito en este quinto paso se obtiene la forma canonica por las con:
r las con sus elementos no todos nulos, que son ademas las r primeras las de la matriz.
El primer elemento no nulo en cada la es el 1.
r columnas pivotales, no necesitariamente las r primeras, con todos los elementos nulos
salvo un 1.
Ejemplo: Partiendo de la forma escalonada por las obtenida, calcula la forma canonica
por las (o forma reducida por las), seg un el procedimiento de eliminacion gaussiana
simple.
0 2 6 4
0 0 2 3
0 0 0 1
0 0 0 0
0 0 0 0
0 1 3 2
0 0 1 3/2
0 0 0 1
0 0 0 0
0 0 0 0
0 1 3 0
0 0 1 0
0 0 0 1
0 0 0 0
0 0 0 0
F
1(1/2)
F
23(3/2)
F
2(1/2)
F
13(2)
0 1 0 0
0 0 1 0
0 0 0 1
0 0 0 0
0 0 0 0
= A
can filas
, A
f
A
can filas
F
12(3)
Las columnas pivotales son las mismas: la segunda, la tercera y la cuarta. Los pivotes
ahora son todos 1 y cada columna pivotal tiene ceros por encima de los elementos pivote.
1.7.3 Rango de una matriz
Se denomina rango de una matriz A
mn
al n umero de columnas pivotales o n umero de
las no nulas de cualquier forma escalonada por las de la matriz. En efecto todas las
formas escalonadas por las de una matriz tienen el mismo rango.
Propiedades:
El rango de la matriz I
n
es n, pues la matriz ya es escalonada por las y tiene n las no
nulas (o lo que es lo mismo, n columnas pivotales).
Debido a que la equivalencia por las cumple la propiedad transitiva, todas las matrices
equivalentes por las entre s tienen el mismo rango.
Dada una matriz A
mn
el rango ha de ser menor o igual que m y menor o igual que n.
Por comodidad se suele obtener el rango de una matriz A a partir de una forma escalo-
nada por las de A.
Un resultado muy importante que no vamos a demostrar es el siguiente:
rgA = rgA
t
Ejemplo 1.25 rg
1 1
0 3
= 2 , rg
1 2 1 1
0 2 1 2
0 0 0 0
= 2 , rg
4 1 1 2
0 1 2 3
0 0 0 9
= 3
CAP

Ejemplo 1.26 Determina el rango de la matriz A =
1 5 0
2 4 1
0 2 0
A =
1 5 0
2 4 1
0 2 0
1 5 0
0 6 1
0 2 0
1 5 0
0 6 1
0 0 1/3
rgA = 3
F
21(2)
F
32(1/3)
1.7.4 Matrices equivalentes a la identidad: aplicacion para obtener la
inversa
Partiendo de A
n
, A
can las
= I
n
F
a
. . . F
2
F
1
A = I
(F
a
. . . F
2
F
1
)
1
(F
a
. . . F
2
F
1
) A = (F
a
. . . F
2
F
1
)
1
I
A = (F
a
. . . F
2
F
1
)
1
I = (F
a
. . . F
2
F
1
)
1
A inversible y A
1
= F
a
. . . F
2
F
1
I
Concluimos que efectuando la misma secuencia de operaciones elementales por las y en
el mismo orden que llevan de A a I, la matriz I se transforma en A
1
.
Este metodo de determinacion de la inversa de una matriz se conoce como metodo de
Gauss-Jordan. El esquema es el siguiente:
[ A | I ] . . . [ I | A
1
]
operaciones elementales por las
Ademas tenemos el importante resultado de que A
can las
= I
n
rgA=n
Ejemplo 1.27 Determina la inversa de A =
1 2 1
2 0 2
2 3 0
por el metodo de Gauss-Jordan,

si es que dicha inversa existe.
A =
1 2 1 1 0 0
2 0 2 0 1 0
2 3 0 0 0 1
1 2 1 1 0 0
0 4 0 2 1 0
0 1 2 2 0 1
1 2 1 1 0 0
0 1 2 2 0 1
0 4 0 2 1 0
1 2 1 1 0 0
0 1 2 2 0 1
0 4 0 2 1 0
1 2 1 1 0 0
0 1 2 2 0 1
0 0 8 6 1 4
la2 = la2 - 2 * la1

la3 = la3 - 2 * la1
Se intercambian las las 2 y 3
la 2 = la 2 * (-1)
la3 = la3 + 4* la2
Observamos que el rango es 3, igual al orden de la matriz A, por tanto A tiene inversa.
La submatriz de la izquierda es ya triangular superior, pero falta hacer 1 uno de los
pivotes.
Aplicando la3 = 1/8 * la3 tenemos:
CAP
1 2 1 1 0 0
0 1 2 2 0 1
0 0 1 3/4 1/8 1/2
la2 = la2 - 2*la3

la1 = la1 - la 3
1 2 0 1 3/4 1/8 1/2

0 1 0 2 3/2 0 1/4 1 + 1
0 0 1 3/4 1/8 1/2
1 2 0 1/4 1/8 1/2

0 1 0 1/2 1/4 0
0 0 1 3/4 1/8 1/2
la1 = la1 - 2*la2
1 0 0 1/4 1 1/8 + 1/2 1/2

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

0 1 0 1/2 1/4 0
0 0 1 3/4 1/8 1/2
Resultado: La matriz inversa de A es A

1
=
3/4 3/8 1/2

1/2 1/4 0
3/4 1/8 1/2
1.8 Forma escalonada y forma canonica de una matriz

Forma escalonada de la matriz A
mn
es cualquier matriz equivalente a A y escalonada.
Para una matriz dada existen innitas formas escalonadas. Al requerir que la matriz sea
simplemente equivalente, y no equivalente por las, estan permitidas tanto las o.e. por
las como las o.e. por columnas.
Ejemplo. Para A =
0 2 3
4 2 1
1 2 3
A =
0 2 3
4 2 1
1 2 3
1 2 3
4 2 1
0 2 3
1 2 3
0 6 11
0 2 3
1 2 3
0 6 11
0 6 9
1 2 3
0 6 11
0 0 2
F
13
F
21(4)
F
3(3)
F
32(1)
1 2 3
0 6 11
0 0 1
1 0 3
0 6 11
0 0 1
1 0 0
0 6 11
0 0 1
F
3(1/2)
C
21(2)
C
31(3)
Las cuatro ultimas matrices son formas escalonadas de la matriz A
Notese que si U es forma escalonada de A, aparte de ser escalonada cumple que existiran
P y Q inversibles tales que PAQ = U. Esas matrices inversibles corresponden a los
productos de las matrices elementales aplicadas.
P = F
a
... F
2
F
1
Q = C
1
C
2
... C
b
Una forma escalonada por las es un caso particular de forma escalonada, que corresponde
a tomar Q = I
Forma canonica de la matriz A
mn
es la forma escalonada de A que tiene la expresion:
I
r
|

|
, siendo r el rango de A
CAP

La forma canonica de una matriz A dada es unica. Se suele utilizar para ella la notacion
A
can
. Para obtener la forma canonica sera necesario, en general, efectuar los dos tipos de
operaciones elementales, es decir, por las y por columnas.
Obviamente si A
n
es equivalente por las a la identidad, I
n
, entonces la forma canonica
de A es la identidad, I
n
.
Se demuestra facilmente que si A
n
es equivalente a I
n
, tambien es equivalente por las a
I
n
.
Demostracion: A = PIQ A = PQ A = PQI = RI
P, Q y R son matrices inversibles.
Ejemplo 1.28 Obten la forma canonica de A =
1 2 1
1 2 0
1 2 3
F
21(1)
F
31(1)
F
32(2)
F
12(1)
F
2(1)
A =
1 2 1
1 2 0
1 2 3
1 2 1
0 0 1
0 0 2
1 2 1
0 0 1
0 0 0
1 2 0
0 0 1
0 0 0
1 2 0
0 0 1
0 0 0
Forma esc.
por las
Forma canon.
por las
C
21(2)
C
23
1 0 0
0 0 1
0 0 0
1 0 0
0 1 0
0 0 0
Forma canon.
Ejemplo 1.29 Obten la forma canonica de A =
0 1 2 0 0 2
0 0 0 1 2 1
0 0 0 1 2 1
.
A =
0 1 2 0 0 2
0 0 0 1 2 1
0 0 0 1 2 1
0 1 2 0 0 2
0 0 0 1 2 1
0 0 0 0 0 0
1 0 2 0 0 2
0 0 0 1 2 1
0 0 0 0 0 0
F
32(1)
C
12
C
31(2)
C
61(2)
1 0 0 0 0 0
0 0 0 1 2 1
0 0 0 0 0 0
1 0 0 0 0 0
0 0 0 1 0 0
0 0 0 0 0 0
1 0 0 0 0 0
0 1 0 0 0 0
0 0 0 0 0 0
C
54(2)
C
24
C
64(1)
Notese con este ejemplo como no siempre se puede llegar a una forma escalonada aplicando
simplemente operaciones elementales por columnas.
CAP

1.9 Matrices de intercambio, de Jordan, de Toeplitz y de
Hankel
Matriz de intercambio E
n
, es igual a la matriz I
n
, pero invirtiendo el orden de las
columnas (tambien se podra haber dicho el de las las), como se indica a continuacion:
E
n
=
0 0 . . . 0 1
0 0 . . . 1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 1 . . . 0 0
1 0 . . . 0 0
Podramos decir tambien que es la reexion, respecto de la horizontal (o respecto de la

vertical), de la matriz identidad.
Otra denicion posible sera la de la matriz cuadrada en la que todos los elementos son
cero excepto los de la diagonal secundaria, que valen todos 1.
Veamos un ejemplo de como opera sobre una matriz dada, pre-multiplicando o post-
multiplicando:
E
4
=
0 0 0 1
0 0 1 0
0 1 0 0
1 0 0 0
0 0 0 1
0 0 1 0
0 1 0 0
1 0 0 0
1 2 3 4
5 6 7 8
9 0 1 2
3 4 5 6
3 4 5 6
9 0 1 2
5 6 7 8
1 2 3 4
Coloca las las en orden inverso
1 2 3 4
5 6 7 8
9 0 1 2
3 4 5 6
0 0 0 1
0 0 1 0
0 1 0 0
1 0 0 0
4 3 2 1
8 7 6 5
2 1 0 9
6 5 4 3
Coloca las columnas en orden inverso

Matriz de Jordan completa de orden n: J
n
() =
0 0 . . . 0 0 0
1 0 . . . 0 0 0
0 1 . . . 0 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . 0 0
0 0 0 . . . 1 0
0 0 0 . . . 0 1
Matriz de Jordan de orden n, cuando en la subdiagonal primera hay aleatoriamente

unos o ceros, por ejemplo:
0 0 0 0 0
1 0 0 0 0
0 1 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 1
Deniendo J
n
como: J
n
J
n
(0) =
0 0 0 . . . 0 0 0
1 0 0 . . . 0 0 0
0 1 0 . . . 0 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . 1 0 0
0 0 0 . . . 0 1 0
(Jordan completa)
CAP

Tenemos que J
n
() = I
n
+J
n
.
Vemos que el rango de J
n
es n 1
Se demuestra facilmente que J
2
n
es:
0 0 0 . . . 0 0 0
0 0 0 . . . 0 0 0
1 0 0 . . . 0 0 0
0 1 0 . . . 0 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . 1 0 0
, con rango n 2, y que

al obtener J
3
n
, . . . , J
n1
n
, siguen bajando las las que tienen unos de forma que rango
J
k
n
= n k, llegando nalmente a J
n
n
= , con rango 0.
Otra forma de describir el efecto del exponente es que si este es 1, los unos se encuentran
en la subdiagonal primera, y si es k se encuentran en la subdiagonal k-esima, de forma
que para el exponente n tendramos la subdiagonal n-esima, que ya se encuentra fuera
de la matriz, obteniendose por tanto la matriz nula.
Tambien se demuestra facilmente que en la matriz (J
n
)
t
los unos ocupan la supradiagonal
primera, y que en las sucesivas matrices (J
t
n
)
k
, aumentando k, suben las las que tienen
unos, o dicho de otra forma, sube la supradiagonal que continene los unos.
Analogamente, rg(J
t
n
)
k
= n k y (J
t
n
)
n
=
Se demuestra facilmente que (J
t
n
)
k
= (J
k
n
)
t
La matriz de Toeplitz de orden n, de parametros
1
. . .
2n1
, tiene la forma.
T
n
(
1
, . . . ,
2n1
) =
n

n+1

n+2
. . .
2n2

2n1
n1

n

n+1
. . .
2n3

2n2
n2

n1

n
. . .
2n4

2n3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2

3

4
. . .
n

n+1
1

2

3
. . .
n1

n
Su expresion general, como combinacion lineal de otras mas simples es:

T
n
(
1
, . . . ,
2n1
) =
n
I
n
+
n1
i=1
ni
J
i
n
+
n+i
(J
i
n
)
t
La matriz de Hankel de orden n, de parametros
1
. . .
2n1
, tiene la forma:
H
n
(
1
, . . . ,
2n1
) =
1

2

3
. . .
n1

n
2

3

4
. . .
n

n+1
3

4

5
. . .
n+1

n+2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
n1

n

n+1
. . .
2n3

2n2
n

n+1

n+2
. . .
2n2

2n1
Esta matriz es la reexion respecto de la horizontal de la matriz de Toeplitz. Se puede

comprobar facilmente que E
n
T
n
= H
n
, con los mismos parametros
i
.
CAP

Ejemplo: Matriz de Toeplitz T(1, 2, 3, 5, 1) =
3 5 1
2 3 5
1 2 3
Ejemplo: Matriz de Hankel H(2, 3, 4, 1, 2) =
2 3 4
3 4 1
4 1 2
1.10 Determinantes
1.10.1 Denicion
A toda matriz cuadrada A
n
le asociamos un n umero denominado determinante de A,
detA o |A| simbolizado as :
detA = |A| =
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
. . . . . . . . . . . .
a
n1
a
n2
. . . a
nn
IK
Este n umero se calcula sumando todos los productos que se obtienen al multiplicar n
elementos de la matriz de todas las formas posibles, con la condicion de que en cada
producto exista un unico elemento de cada la y un unico elemento de cada columna;
cada uno de estos productos llevara su signo o el contrario seg un la permutacion formada
por los subndices la de los n factores y la formada por los subndices columna de los n
factores, sean o no de la misma clase.
Cada sumando tiene esta forma:
a
1 i
a
2 j
. . . a
n1 l
a
n k
siendo i, j . . . l, k una permutacion de 1, 2 . . . n. Por simplicidad hemos tomado para las
las el orden natural.
El n umero de permutaciones (ordenaciones) de n elementos distintos 1, 2 . . . n1, n es n!,
por tanto el n umero de sumandos es n!.
Dos permutaciones son de la misma clase (distinta clase) cuando para pasar de una otra se
necesita un n umero par (impar) de intercambios (tambien llamados inversiones o trasposi-
ciones).
Cuando el determinante es de una matriz de orden 2 se obtiene:
a
11
a
12
a
21
a
22
= a
11
a
22
a
12
a
21
=
Filas Columnas Signo

1 2 1 2 Misma clase +
1 2 2 1 Distinta clase
Para un determinante de orden 3 resulta:
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
= a
11
a
22
a
33
a
11
a
23
a
32
a
12
a
21
a
33
+a
12
a
23
a
31
+a
13
a
21
a
32
a
13
a
22
a
31
CAP

Filas Columnas Signo Inversiones
1 2 3 1 2 3 Misma clase + 0
1 2 3 1 3 2 Distinta clase 1
1 2 3 2 3 1 Misma clase + 2
1 2 3 3 1 2 Misma clase + 2
La regla de Sarrus simplica la obtencion del determinante de orden 3.
d
d
d
d
d
d
3
3
33
3
3
33
d
d
t
t
t
r
r
rr
con signo +
; con signo
Para un determinante de orden 4, tendramos 4 3 2 1 = 24 sumandos, cada uno

formado por el producto de 4 elementos. Sin embargo, veremos como las propiedades de
los determinantes permiten reducir el n umero de operaciones.
Ejemplo 1.30 Calcular los siguientes determinantes:
2 1 3
0 1 2
1 2 3
= 6 + 0 2 3 8 0 = 7
2 +i 4 i
6 5i
= (2 +i)5i 6(4 i) = 10i 5 24 + 6i = 16i 29

1.10.2 Calculo de un determinante de orden n, por adjuntos
El desarrollo de determinantes de orden superior a 3 se complica enormemente. Vamos
a describir un metodo en el que el calculo del determinante de una matriz de orden n se
reduce basicamente al calculo de otros determinantes de orden inferior.
Sea la matriz A
n
=
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
. . . . . . . . . . . .
a
n1
a
n2
. . . a
nn
, se llama menor complementario de un

elemento a
ij
y se denota m
ij
al determinante de la matriz de orden n 1 que resulta de
suprimir en A la la i y la columna j.
Se denomina adjunto de un elemento a
ij
y se denota A
ij
, al producto del menor comple-
mentario m
ij
de a
ij
por el signo que resulte de calcular (1)
i+j
:
A
ij
= (1)
i+j
m
ij
Se puede demostrar una propiedad interesante (la propiedad X en la lista que damos mas
adelante): el valor del determinante de una matriz A es igual a la suma de los productos
de los elementos de una lnea (la o columna) de A por sus respectivos adjuntos. Es decir
elegida una la i |A| =
n
j=1
a
ij
A
ij
o
elegida una columna j |A| =
n
i=1
a
ij
A
ij
CAP

Ejemplo 1.31 Calcula el siguiente determinante por adjuntos de la primera columna.
1 0 2 0
1 2 0 1
1 1 4 1
3 1 3 2
= 1 A
11
+1 A
21
+(1) A
31
+3 A
41
= 1 (1)
1+1
2 0 1
1 4 1
1 3 2
+1 (1)
2+1
0 2 0
1 4 1
1 3 2
+ (1) (1)
3+1
0 2 0
2 0 1
1 3 2
+ 3 (1)
4+1
0 2 0
2 0 1
1 4 1
2 0 1
1 4 1
1 3 2
0 2 0
1 4 1
1 3 2
0 2 0
2 0 1
1 3 2
0 2 0
2 0 1
1 4 1
= . . .
1.10.3 Propiedades de los determinantes
I) El valor de un determinante no vara cuando cambiamos ordenadamente sus las por
sus columnas. |A|=|A
t
|.
II) Si se intercambian entre s dos lneas paralelas el determinante cambia de signo.
III) Si todos los elementos de una lnea tienen un factor com un, el determinante puede
obtenerse como el producto de ese factor com un por el determinante que resulta de eliminar
ese factor com un en la correspondiente lnea (dividiendo los elementos de esa lnea por el
factor com un).
por ejemplo
1 a 0
2 a 1
3 a 4
= a
1 1 0
2 1 1
3 1 4
IV) Si los elementos de una lnea (la o columna) son nulos, el determinante es nulo.
(Consecuencia inmediata de la propiedad III, puesto que el escalar que sera factor com un
es el cero).
V) Un determinante con dos lneas paralelas iguales es nulo. (Consecuencia inmediata de
II).
VI) Si la matriz A tiene dos lneas paralelas proporcionales el determinante de A es nulo.
Consecuencia de III y V, pues al sacar factor com un quedaran dos lneas iguales.
a
11
a
11
a
21
a
21
a
11
a
11
a
21
a
21
= 0
VII) Si los elementos de una lnea estan formados por una suma de r sumandos, el deter-
minante se puede descomponer en suma de r determinantes que tienen las restantes lneas
iguales y en el lugar de aquella, otra formada por los primeros, segundos, terceros, etc,
sumandos.
a +b +c 5 0
d +e +f 1 1
g +h +i 0 4
a 5 0
d 1 1
g 0 4
b 5 0
e 1 1
h 0 4
c 5 0
f 1 1
i 0 4
2 +a 1
a 6
2 1
0 6
a 1
a 6
2 1
0 6
+a
1 1
1 6
CAP

VIII) Si los elementos de una lnea son combinacion lineal
1
de lneas paralelas, el deter-
minante es nulo.
a
12
+a
13
a
12
a
13
a
22
+a
23
a
22
a
23
a
32
+a
33
a
32
a
33
a
12
a
12
a
13
a
22
a
22
a
23
a
32
a
32
a
33
a
13
a
12
a
13
a
23
a
22
a
23
a
33
a
32
a
33
= 0 + 0 = 0
IX) Si a los elementos de una lnea se le suman los correspondientes a otra paralela mul-
tiplicados por un n umero, el determinante no vara.
a
11
+a
12
a
12
a
13
a
21
+a
22
a
22
a
23
a
31
+a
32
a
32
a
33
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
a
12
a
12
a
13
a
22
a
22
a
23
a
32
a
32
a
33
= |A| + 0 = |A|
Esta propiedad es muy util para simplicar el calculo de determinantes
X) La suma de los elementos de una lnea multiplicados por sus respectivos adjuntos es
igual al valor del determinante.
XI) La suma de los elementos de una lnea multiplicados por los adjuntos de otra paralela
es nula.
XII) El determinante de las matrices triangulares y diagonales es el producto de los ele-
mentos de la diagonal principal. De esta propiedad se deduce de forma inmediata que el
determinante de la matriz identidad es 1.
XIII) Dadas A
n
, B
n
1) |A B| = |A| |B|
2) |A| =
n
|A|
3) Si A es inversible su determinante es distinto de cero, y |A
1
| =
1
|A|
= |A|
1
Generalizacion del apartado 1) (C cuadrada de orden n)
|A B C| = |(A B) C| = |(A B)| |C| = |A| |B| |C|
y lo mismo para mas de tres factores
Demostracion del apartado 3)
AA
1
= I y obteniendo los determinantes: |AA
1
| = |I| = 1
por el apartado 1) |AA
1
| = |A||A
1
|
por tanto |A||A
1
| = 1 y ello implica:
|A| = 0 y |A
1
| = 0 y |A
1
| =
1
|A|
Aplicando las propiedades anteriormente expuestas podemos simplicar enormemente el
calculo de determinantes.
Ejemplo 1.32 Calcula el valor del siguiente determinante.
|A| =
1 2 1 2 1
0 0 1 1 1
1 1 0 2 0
0 0 1 1 2
1 2 2 1 1
Desarrollaremos por ejemplo por adjuntos de la 1

a
columna. En primer lugar realizare-
mos las operaciones (IX) necesarias para hacer ceros todos los elementos de esta columna
1
Considerando los elementos de una lnea como un vector
CAP

excepto el primero. Llamaremos a la la 1 la la auxiliar, porque es la la que utilizamos
para transformar los elementos de las las 3 y 5.
|A| =
1 2 1 2 1
0 0 1 1 1
1 1 0 2 0
0 0 1 1 2
1 2 2 1 1
=
F
31(1)
F
51(1)
1 2 1 2 1
0 0 1 1 1
1 + (1) 1 + (2) 0 + (1) 2 + (2) 0 + (1)
0 0 1 1 2
1 + (1) 2 + (2) 2 + (1) 1 + (2) 1 + (1)
1 2 1 2 1
0 0 1 1 1
0 1 1 0 1
0 0 1 1 2
0 0 1 1 0
Desarrollando el determinante por adjuntos de la 1

a
columna:
|A| = 1(1)
1+1
0 1 1 1
1 1 0 1
0 1 1 2
0 1 1 0
0 1 1 1
1 1 0 1
0 1 1 2
0 1 1 0
Y desarrollando el determinante de orden 4 por adjuntos de la 1

a
columna.
|A| = (1)(1)
3
1 1 1
1 1 2
1 1 0
= 1(1 + 2 1 + 2) = 2
1.11 Determinante e inversa
1.11.1 Calculo de la inversa de una matriz, por adjuntos
n
, se llama matriz adjunta de A a la matriz que resulta de
sustituir cada elemento por su adjunto. A la matriz adjunta de A se la denota como adjA
adjA = {A
ij
}
Consideremos el producto de matrices A adj(A
t
),
A adj(A
t
) =
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
. . . . . . . . . . . .
a
n1
a
n2
. . . a
nn
A
11
A
21
. . . A
n1
A
12
A
22
. . . A
n2
. . . . . . . . . . . .
A
1n
A
2n
. . . A
nn
(se prueba facilmente que adj(A

t
) = (adjA)
t
)
Recordando que el producto de los elementos de una lnea de A por sus adjuntos respectivos
es el determinante de A, y que el producto de los elementos de una lnea por los adjuntos
de otra paralela es nulo, tenemos:
A adj(A
t
) =
|A| 0 . . . 0
0 |A| . . . 0
. . . . . . . . . . . .
0 0 . . . |A|
= |A|I
Si |A| = 0, podemos pasar |A| al primer miembro, dividiendo, y obtenemos:
A
adj(A
t
)
|A|
= I
CAP

Partiendo del producto de matrices adj(A
t
) A, y con el mismo desarrollo, obtendramos:
adj(A
t
)
|A|
A = I
A
1
=
adj(A
t
)
|A|
RESUMEN: |A| = 0 A invertible, siendo A
1
= adj(A
t
)/|A|
Ejemplo 1.33 Calcular la inversa de la matriz A =
1 3 0
1 0 2
0 2 2
por adjuntos.
A
t
=
1 1 0
3 0 2
0 2 2
adj(A
t
) =
4 6 6
2 2 2
2 2 3
|A| = 10
A
1
=
1
10
4 6 6
2 2 2
2 2 3
2/5 3/5 3/5

1/5 1/5 1/5
1/5 1/5 3/10
1.11.2 Algunas propiedades de matrices inversibles

Una matriz A
n
tiene inversa (es regular) |A| = 0
Demostracion:
Si A tiene inversa AA
1
= I
tomando determinantes: |A||A
1
| = 1, por tanto |A| = 0 (ver Propiedad XIII)
Si |A| = 0 esta garantizado que existe A
1
. En efecto A
1
se obtiene como
hemos visto en la seccion anterior, es decir,
A
1
=
adjA
t
|A|
Si A
n
es inversible tambien lo es A
t
, y (A
t
)
1
= (A
1
)
t
.
Demostracion:
|A
t
| = |A|, por tanto si |A| = 0 |A
t
| = 0, luego A
t
es inversible
(A
t
)
1
=
adjA
|A
t
|
=
adjA
|A|
=
(adjA
t
)
t
|A|
= (A
1
)
t
(se prueba facilmente que adjA
t
= (adjA)
t
)
Q ortogonal |Q| es 1 o 1
Recordamos que una matriz cuadrada Q se dice ortogonal si QQ
t
= Q
t
Q = I.
Tomando determinantes y teniendo en cuenta que |Q
t
| = |Q|, obtenemos
|Q||Q| = 1 |Q| = 1 o |Q| = 1
CAP

1.12 Relacion equivalencia con la identidad, determinante,
rango y existencia de inversa
Se presenta la relacion en matrices cuadradas entre la equivalencia o no a la identidad, el
rango, la existencia o no de inversa y la nulidad o no del determinante.
A inversible |A| = 0
Habamos visto anteriormente que si dos matrices A y B son equivalentes, entonces
o bien las dos son inversibles o ninguna de ellas lo es. Por la propiedad anterior
podemos decir que si A y B son equivalentes o bien ambas tienen determinante nulo
o ninguna de ellas tiene determinante nulo.
El segundo resultado tambien se podra haber deducido estudiando como cambia el
determinante de una matriz al efectuar sobre ella operaciones elementales, es decir,
analizando como se relaciona el determinante de una matriz con el determinante de
una matriz equivalente a ella.
la permutacion o intercambio de lneas cambia el signo del determinante
reemplazar una lnea por ella mas un m ultiplo de otra no hace variar el deter-
minante
el escalamiento de una lnea (recordemos que ha de ser con un factor no nulo)
escala el determinante por el mismo factor
Por tanto, si A B, |B| = |A| (1)
s

1
. . .
p
siendo s el n umero de
intercambios de lneas y
i
(todos distintos de 0) los factores de los escalamientos
realizados al transformar A en B mediante operaciones elementales.
La conclusion inmediata es que A y B tienen ambas determinante nulo, o ambas de-
terminante no nulo. Ya lo habamos mencionado anteriormente respecto al caracter
inversible o no inversible, que hemos visto que es una propiedad equivalente (in-
versible si y solo si determinante no nulo).
Expresado de otra forma: Si A B, |A| = 0 |B| = 0
Supongamos que realizamos operaciones elementales por las en una matriz cuadrada
A hasta llegar a una forma escalonada por las, que denotamos como U. Por ser
U cuadrada y escalonada es triangular superior y |U| es igual al producto de los
terminos de la diagonal principal. Por tanto:
|U| = producto de las entradas de la diagonal de U = u
11
u
22
. . . u
nn
|A| = 0 |U| = 0 u
ii
= 0 el n umero de pivotes es menor que n rgA<n.
Expresado de otra forma:
|A| = 0 |U| = 0 i = 1, . . . , n u
ii
= 0 el n umero de pivotes es n rgA=n.
Si todos los elementos u
11
, u
22
, . . . u
nn
son no nulos, entonces |U| = 0, |A| = 0 , y
ademas todos pivotes y por tanto rgA=n.
CAP

Conclusiones:
Mediante operaciones elementales por las sobre A
n
llegaremos a su forma canonica
por las, es decir, A ... A
can las
, y se dara uno de los casos siguientes:
A
can las
= I rgA = n n pivotes |A| = 0 A inversible
A
can las
= I rgA < n menos de n pivotes |A| = 0 A no inversible
Ya que toda matriz inversible es equivalente por las a la identidad, toda matriz
inversible puede factorizarse como producto de matrices elementales por las. Es
decir, si A inversible, A = F
1
1
F
1
2
. . . F
1
a
(ver el inicio de la seccion 1.7.4). Debido
a la relacion entre las matrices elementales por las y las matrices elementales por
columnas, se puede decir tambien que toda matriz inversible puede expresarse como
producto de matrices elementales por columnas.
Ejemplo 1.34 Determina si las siguientes matrices son o no regulares.
A =
1 5 0
2 4 1
0 2 0
B =
1 5 4
2 4 2
0 2 2
|A| =
1 5 0
2 4 1
0 2 0
1 5 0
0 6 1
0 2 0
1 5 0
0 6 1
0 0 1/3
= 2 A es regular
o rg A = 3 pues en la EG quedan 3 pivotes, por tanto A regular
Por tener tres columnas pivotales A es equivalente por las a I
3
(solo hace falta escalar
las las para hacer unos los pivotes y realizar la eliminacion de Gauss-Jordan).
|B| =
1 5 4
2 4 2
0 2 2
1 5 4
0 6 6
0 2 2
1 5 4
0 6 6
0 0 0
= 0 B no es regular
o rg B=2 pues en la EG quedan 2 pivotes, por tanto B no es regular
|B| = 0 B no es equivalente a I
3
(|I| = 1).
Ejemplo 1.35 Determina el valor de c para que la matriz A =
1 2 1
2 c 2
2 3 0
sea inversible,
analizando si A es equivalente por las a la matriz identidad.
A =
1 2 1
2 c 2
2 3 0
1 2 1
0 c 4 0
0 1 2
1 2 1
0 1 2
0 c 4 0
1 2 1
0 1 2
0 0 2(c 4)
la2 = la2 - 2 * la1

la3 = la3 - 2 * la1
Se intercambian las las 2 y 3
la3 = la3 + la2 (c-4) (Esta operacion se puede realizar aunque c sea 4)
1 2 1
0 1 2
0 0 2(c 4)
1 2 1
0 1 2
0 0 2(c 4)
= B
la 2 = la 2 * (-1)
Si c = 4 queda la matriz
1 2 1
0 1 2
0 0 0
que no puede transformarse mediante operaciones

elementales por las en I
3
CAP

Si c = 4
la3 = la3/[2(c-4)] B
1 2 1
0 1 2
0 0 1
La matriz es triangular superior y todos los elementos de la diagonal principal son 1. Para
llegar a la matriz identidad haremos ceros los elementos del triangulo superior, sobre la
diagonal principal, yendo de derecha a izda.
la2 = la2 - 2 * la3
la1 = la1 - la3

1 2 0
0 1 0
0 0 1
la1 = la1 - 2 * la2
1 0 0
0 1 0
0 0 1
= I
La matriz A es equivalente por las a la matriz identidad por tanto es inversible.
Resultado: La matriz es inversible si y solo si c = 4
CAP

1.13 Determinantes notables
1.13.1 Determinante de la matriz de Vandermonde
La matriz de Vandermonde de orden n tiene la forma:
V
n
=
1 1 1 ... 1
a
1
a
2
a
3
... a
n
a
2
1
a
2
2
a
2
3
... a
2
n
... ... ... ... ...
a
n1
1
a
n1
2
... ... a
n1
n
|V
n
| =

1i<jn
(a
j
a
i
)
La matriz de Vandermonde y su determinante tienen como aplicacion mas importante la
interpolacion de funciones discretas mediante polinomios.
1.13.2 Jacobiano
Dadas n funciones de IR
n
en IR, con n variables x
1
, x
2
, . . . , x
n
,
f
1
(x
1
, x
2
, . . . , x
n
)
f
2
(x
1
, x
2
, . . . , x
n
)
. . .
f
n
(x
1
, x
2
, . . . , x
n
)
para las que existen las derivadas parciales respecto de todas las variables, se dene el
jacobiano de las n funciones como el siguiente determinante funcional:
J =
f
1
x
1
f
1
x
2
... ...
f
1
x
n
... ... ... ... ...
... ... ... ... ...
... ... ... ... ...
f
n
x
1
f
n
x
2
... ...
f
n
x
n
La matriz anterior y su determinante tienen una importante aplicacion en geometra dife-

rencial.
1.13.3 Hessiano
Dada una funcion f de IR
n
en IR, con n variables x
1
, x
2
, . . . , x
n
, es decir, f(x
1
, x
2
, . . . , x
n
),
y para las que existen las derivadas parciales de segundo orden, se dene el hessiano de f
como el siguiente determinante funcional:
CAP

H =
2
f
x
2
1
2
f
x
1
x
2
... ...

2
f
x
1
x
n
... ... ... ... ...
... ... ... ... ...
... ... ... ... ...
2
f
x
n
x
1
2
f
x
n
x
2
... ...

2
f
x
2
n
Esta matriz describe la curvatura local de una funcion de varias variables.

1.13.4 Wronskiano
Dadas n funciones de IR en IR, f
1
, f
2
, . . . , f
n
, diferenciables n 1 veces, se dene el
wronskiano de f como el siguiente determinante funcional:
W =
f
1
f
2
... f
n
f
1
f
2
... f
n
... ... ... ...
... ... ... ...
f
n1
1
f
n1
2
... f
n1
n
La aplicacion mas importante de este determinante se encuentra en el campo de la res-

olucion de ecuaciones diferenciales.
CAP

1.14 Repaso sobre vectores de IR
n
1.14.1 Denicion
Denotamos el conjunto de las matrices columna reales de n componentes, M
n1
(IR) o
IR
n
. Los elementos de IR
n
se denominan vectores y en general se denotan con una letra
min uscula latina y con una echa encima: x =
x
1
x
2
.
.
.
x
n
Los elementos x
1
, x
2
, . . . , x
n
se denominan primera, segunda, ...., enesima componente
de x. Tambien se admite la notacion x = (x
1
, x
2
, . . . , x
n
)
IR
2
IR
2
= {
x
1
x
2
/ x
1
IR, x
2
IR}.
x,

x
IR
2
, IR
x =
x
1
x
2
con x
1
, x
2
IR

x
1
x
con x
1
, x
2
IR
Suma: x +

x
x
1
x
2
1
x
x
1
+x
1
x
2
+x
IR
2
Producto por un escalar: x =
x
1
x
2
x
1
x
2
IR
2
IR
2
tambien se puede expresar as : IR
2
= {(x
1
, x
2
) / x
1
IR, x
2
IR}.
Suma: (x
1
, x
2
) + (x
1
, x
2
) = (x
1
+x
1
, x
2
+x
2
)
Multiplicacion por un escalar: (x
1
, x
2
) = (x
1
, x
2
)
El elemento neutro, tambien llamado vector nulo de IR
2
, es el vector (0,0).
El opuesto de un vector dado x = (x
1
, x
2
) es el vector x = (x
1
, x
2
).
Descripcion geometrica de IR
2
Considerando el sistema de referencia cartesiano bidimensional con ejes perpendiculares
X e Y que se cortan en (0, 0), puesto que cada punto del plano esta determinado por un
par ordenado de n umeros o coordenadas, podemos identicar el vector x =
x
1
x
2
con el
punto geometrico P = (x
1
, x
2
).
Analogamente se tiene la representacion del vector x =
x
1
x
2
como el segmento orientado

con origen en (0, 0) y extremo en (x
1
, x
2
).
Esta relacion biunvoca entre vectores y puntos, una vez denido el origen (0, 0), permite
identicar el plano XY con IR
2
.
La suma de dos vectores tiene una representacion geometrica interesante, vericandose el
resultado conocido como REGLA DEL PARALELOGRAMO: u+v corresponde al cuarto
vertice (opuesto a

0) del paralelogramo cuyos otros vertices vienen dados por u, v y

0.
La suma de vectores se puede interpretar como suma de desplazamientos: para sumar
v al vector u, se sit ua el origen de v en el extremo de u, trasladandolo paralelamente, y el
vector suma tiene origen en

0 y extremo en el del vector v trasladado.
CAP

Ejemplo 1.36 Representar en un plano u =
2
2
Representan geometricamente, v =
6
1
y u +v =
4
3
Ejemplo 1.37 Sea u =
3
1
. Representa gracamente los vectores u, 2u, y

2
3
u.
Para simplicar la notacion, tambien utilizamos la resta de vectores, y escribimos u v
en lugar de u +v. La gura muestra u v como suma de u y v.
IR
3
Un vector de IR
3
es una matriz columna 3 1 con tres entradas reales. En el sistema
de referencia cartesiano tridimensional con ejes perpendiculares X, Y, Z, que se cortan
en (0, 0, 0), el vector x =
x
1
x
2
x
3
representa geometricamente el punto P = (x

1
, x
2
, x
3
).
Asimismo se utiliza la representacion como un segmento orientado con origen en (0, 0, 0)
y extremo en P = (x
1
, x
2
, x
3
).
La relacion biunvoca entre vectores y puntos, una vez denido el origen, permite identicar
el espacio tridimensional XYZ con IR
3
.
CAP

Ejemplo 1.38 Sean v
1
=
3
1
4
, v
2
=
2
2
3
. Calcula 2v
1
v
2
2v
1
v
2
=
6
2
8
2
2
3
4
0
5
1.14.2 Combinacion lineal

Denicion 1.1 Dado un conjunto de vectores {v
1
, v
2
, . . . , v
p
} de IR
n
, llamamos combi-
nacion lineal de estos vectores a cualquier vector v IR
n
que se pueda escribir en la forma
v = c
1
v
1
+c
2
v
2
+. . . +c
p
v
p
, con c
1
, c
2
, . . . , c
p
IR.
A los escalares c
1
, c
2
, . . . c
p
se les llama pesos o coecientes de la combinacion lineal. Los
pesos pueden ser cualquier real, incluyendo el cero.
Son por ejemplo combinaciones lineales de los vectores v
1
y v
2
los siguientes vectores:
3v
1
+v
2
,
1
2
v
1
=
1
2
v
1
+ 0v
2
,

0 = 0v
1
+ 0v
2
Ejemplo 1.39 En la gura se muestran combinaciones lineales seleccionadas de los vec-
tores v
1
= (1, 1) y v
2
= (2, 1) IR
2
. Estima las combinaciones lineales de los vectores
v
1
y v
2
que generan a los vectores u y w.
u 1.8v
1
+ 1.2v
2
w 3v
1
+ 0.5v
2
1.14.3 Dependencia e independencia lineal
Un conjunto de vectores {v
1
, v
2
, . . . , v
p
} IR
n
es linealmente dependiente (tambien
llamado ligado) si existen unos escalares (
1
,
2
, . . . ,
p
), no todos nulos, tales que
1
v
1
+
2
v
2
+. . . +
p
v
p
=
0
Un conjunto es linealmente independiente (tambien llamado libre) si y solo si no
es linealmente dependiente. Expresado de otra forma, un conjunto {v
1
, v
2
, . . . , v
p
} es
linealmente independiente si la ecuacion vectorial
1
v
1
+
2
v
2
+. . . +
p
v
p
=
0 implica necesariamente que

1
=
2
= . . . =
p
= 0.
CAP

1.15 Ejercicios
Matrices
Ejercicio 1.1 Obten AB siendo A y B las siguientes matrices en el cuerpo IR
A =
2 1 3 2
0 1 2 1
4 1 3 0
B =
2 0
1 2
4 1
0 3
Ejercicio 1.2 Obten AC y B

2
+B, siendo A,B y C las siguientes matrices en el cuerpo IR
A =
1 2 0
0 1 2
B =
5 0
2 3
C =
2 0
1 4
0 3
Ejercicio 1.3 Dada la matriz A en IR, A =
2 1
1 2
, comprobar que se puede vericar

una relacion de la forma A
2
+A+I = 0, con , IR
Ejercicio 1.4 Dada la matriz A =
1 2
3
en IR, calcula, en funcion de , las matrices

B de orden 2 tales que AB=0
Ejercicio 1.5 Dada la matriz A =
1 0
2 1
en IR, hallar todas las matrices permutables

con ella.
Ejercicio 1.6 Considera el siguiente sistema constituido por 4 masas puntuales:
Punto Masa
x
1
= (5, 4, 3) m
1
= 2g
x
2
= (4, 3, 2) m
2
= 5g
x
3
= (4, 3, 1) m
3
= 2g
x
4
= (9, 8, 6) m
4
= 1g
Calcula el centro de gravedad x del sistema, sabiendo que:
x =
m
1
x
1
+. . . +m
k
x
k
m
1
+. . . +m
k
Traspuestas, simetricas, antisimetricas, descomposicion sim + antisim
Ejercicio 1.7 Dadas las matrices en IR,
A =
2 1 2
1 0 2
B =
1 0
1 2
2 1
C =
2 1
2 3
a) Determina AB, AC, CA

b) las traspuestas de estos productos
Ejercicio 1.8 Sea la matriz A =
2 0
1 1
en IR. Calcula A
2
3AA
t
+ (A
t
)
2
Ejercicio 1.9 Descomponer la matriz A =
1 2
1 3
en IR como suma de una matriz

simetrica y otra antisimetrica.
CAP

Ejercicio 1.10 Sean las matrices cuadradas de orden 2, simetricas y en R,
A =
2 1
1 2
B =
a c
c b
determinar los posibles valores de a, b y c para que AB sea simetrica.

Ejercicio 1.11 Si P es una matriz antisimetrica, que se puede decir de P
2
.
Potencias
Ejercicio 1.12 Calcula las tres primeras potencias de la matriz A =
1 1 1
1 1 1
1 1 1
, y la
expresion general de A
k
Determinantes
Ejercicio 1.13 Calcula el siguiente determinante, desarrollandolo por adjuntos de la ter-
cera la.
2 1 0 3
5 1 4 2
1 1 3 0
0 2 3 1
Ejercicio 1.14 Demostrar que
a b c 2a 2a
2b b c a 2b
2c 2c c a b
= (a +b +c)
3
Ejercicio 1.15 Demostrar que,
1 a b +c
1 b c +a
1 c a +b
= 0 , sin efectuar el desarrollo correspondiente.

Ejercicio 1.16 Hallar el valor de los siguientes determinantes de orden n
n 1 1 . . . 1
n 2 1 . . . 1
n 1 3 . . . 1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
n 1 1 . . . n
1 1 1 . . . 1
1 1 . . . 1
1 1 . . . 1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1 1 1 . . .
0 1 1 . . . 1
1 0 1 . . . 1
1 1 0 . . . 1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1 1 1 . . . 0
Ejercicio 1.17 Calcula el valor de los siguientes determinantes
3 1 2 6
4 2 1 3
2 0 3 1
2 4 2 5
1 2 1 3
1 1 3 1
2 1 1 1
2 4 1 0
1 0 5 1
2 1 0 a
4 3 10 7
3 2 7 0
Inversas por adjuntos, existencia en funcion de determinante no nulo

Ejercicio 1.18 Obten la inversa de la matriz A, por adjuntos.
A =
1 2 1
1 2 3
3 1 1
CAP

Ejercicio 1.19 Calcula la inversa de la matriz compleja A =
1 i
i 2
Ejercicio 1.20 Determina si la matriz A es inversible, en funcion de los valores de a y

b. (Pista: utiliza el determinante, si det = 0 no inversible, si det = 0 inversible).
A =
1 2 2 1
2 a 1 2
0 4 1 b
1 4 1 2
Matrices equivalentes por las: Inversas por Gauss-Jordan,

formas escalonada y reducida por las, rango
Ejercicio 1.21 Calcula, si existen, las inversas de las siguientes matrices, aplicando el
metodo de Gauss-Jordan.
A =
1 2 2
1 1 1
1 0 1
B =
1 1 2
1 3 4
2 5 9
C =
1 0 2
3 1 1
2 1 3
D =
1 2 1
2 4 3
3 5 2
E =
2 1 0
1 1 1
4 1 3
Ejercicio 1.22 Dada A =
1 0 0
0 1 1/2
0 0 1/2
, se nala cual de las expresiones siguientes co-

rresponde a la forma general de la matriz (A
k
)
1
, k 1:
a)
1 0 0
0 1 2
k
1
0 0 2
k
b)
1 0 0
0 1 2
1k
0 0 2
k
c)
1 0 0
0 1 1
0 0 2
k
(Calcula la matriz inversa mediante Gauss-Jordan)

Ejercicio 1.23 Calcula el rango de las siguientes matrices
A =
1 3 5 0 2
2 6 0 1 4
2 6 10 0 4
0 0 10 1 8
, B =
3 3 1 0
2 1 1 1
1 11 1 2
0 2 0 1
1 1 1 3
C =
1 1 2 2 1
1 2 0 3 1
1 0 4 1 3
2 1 6 3 4
D =
1 2 3 1 5
2 1 3 0 1
1 1 2 0 2
4 4 8 1 8
Ejercicio 1.24 Dada las matrices A =
1 2 3 0
2 4 3 2
3 2 1 3
6 8 7 5
y B =
2 4 6
2 6 6
2 4 8
, deter-
mina para cada una de ellas:
a) Una forma escalonada por las
b) La forma reducida por las
c) El rango
d) El determinante
e) La inversa si existe
CAP

Ejercicio 1.25 Determina el rango de la matriz A en funcion del parametro a.
A =
1 0 5 1
2 1 0 a
4 3 10 7
3 2 7 0
Ejercicio 1.26 Determina el rango de las siguientes matrices, en funcion del parametro
que contienen:
A =
1 1 s
1 s s
1 2 s
1 1 2
B =
1 2 0 s 1
1 3 s 0 3
0 1 s 2 s
0 1 1 s s
C =
1 3 3 0
1 2 3 3
0 0 a 1
0 1 a 2
0 0 a a
D =
1 2 a 3
1 1 a a
2 1 3 0
1 1 2 1
Varios
Ejercicio 1.27 Sea A =
3 0
0 1 4
0 k
2
1
, siendo , k IR. Calcula, en

funcion de y k, los valores de tales que |A| = 0
Ejercicio 1.28 Hallar todas las matrices A de tama no 2 2 tales que A
t
= A y (A
t
)
2
=
A
2
.
Ejercicio 1.29 Hallar todas las posibles matrices de orden 2 que son a la vez simetricas
e idempotentes.
CAP

1.16 Soluciones
1
AB =
17 1
9 7
19 1
2
AC =
4 8
1 10
B
2
+B =
30 0
18 12
3
Se verica la ecuacion para = 4 y = 3
4

1 2
3

a b
c d
a + 2c b + 2d
3a +c 3b +d
0 0
0 0
Obtenemos un sistema con 4 ecuaciones y 4 incognitas cuya solucion depende del parametro
.
Si = 6 la solucion es cualquier matriz B de la forma:
B =
2c 2d
c d
con c, d IR
Si = 6 la unica solucion es la trivial:
B =
0 0
0 0
5
Planteamos
1 0
2 1

a b
c d
a b
c d

1 0
2 1
y obtenemos cuatro ecuaciones con las incognitas a, b, c, d. La solucion del sistema es

a = d, b = 0. Por tanto las matrices permutables con A son de la forma:
a 0
c a
con
a, c IR
6 (1.3, 0.9, 0)
7
AB =
1 0
5 2
AC no se puede CA =
3 2 6
1 2 10
Las traspuestas son:

(AB)
t
=
1 5
0 2
(CA)
t
=
3 1
2 2
6 10
CAP

8
4 5
5 4
9
A = S +H S =
1 1/2
1/2 3
H =
0 3/2
3/2 0
10
a = b y c cualquier valor, por tanto la matriz B debe tener la forma:
B =
a c
c a
con a, c IR
11
(P.P)
t
= P
t
.P
t
= P. P = P.P, por tanto P
2
es simetrica.
12
A
n
= 3
n1
A
13
1
1 0 3
1 4 2
2 3 1
+ 1
2 0 3
5 4 2
0 3 1
+ 3
2 1 3
5 1 2
0 2 1
= 5
14
Sumando a la la 1 las las 2 y 3 obtenemos:
|A| =
a +b +c a +b +c a +b +c
2b b c a 2b
2c 2c c a b
= (a +b +c)
1 1 1
2b b c a 2b
2c 2c c a b
Sumando a la columna 2 la columna1*-1 y sumando a la columna 3 la columna1*-1 obte-

nemos:
|A| = (a +b +c)
1 0 0
2b b c a 0
2c 0 c a b
= (a +b +c)
3
La ultima matriz es triangular y por tanto su determinante es el producto de los elementos
de la diagonal.
15
A =
1 a b +c
1 b c +a
1 c a +b
= 0, sumando a la columna 3 la columna 2, y sacando el factor

(a + b + c) fuera, tendremos dos columnas iguales (1,1,1), y por tanto el determinante es
0.
CAP

16
n 1 1 . . . 1
n 2 1 . . . 1
n 1 3 . . . 1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
n 1 1 . . . n
=
Haciendo las operaciones F
i1
(1) para i = 2, . . . , n obtenemos:
n 1 1 . . . 1
0 1 0 . . . 0
0 0 2 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . n 1
= n!
1 1 1 . . . 1
1 1 . . . 1
1 1 . . . 1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1 1 1 . . .
=
i1
(1) i = 2, . . . , n obtenemos:
1 1 1 . . . 1
0 + 1 2 . . . 2
0 0 + 1 . . . 2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . + 1
= ( + 1)
n1
0 1 1 . . . 1
1 0 1 . . . 1
1 1 0 . . . 1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1 1 1 . . . 0

i1
(1) i = 2, . . . , n obtenemos:
0 1 1 . . . 1
1 1 0 . . . 0
1 0 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1 0 0 . . . 1

1i
(1) i = 2, . . . , n obtenemos:
n 1 0 0 . . . 0
1 1 0 . . . 0
1 0 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1 0 0 . . . 1
= (n 1)(1)
n1
CAP

17
3 1 2 6
4 2 1 3
2 0 3 1
2 4 2 5
= 116
1 2 1 3
1 1 3 1
2 1 1 1
2 4 1 0
= 63
1 0 5 1
2 1 0 a
4 3 10 7
3 2 7 0
= 108 36a
18
A
t
=
1 1 3
2 2 1
1 3 1
adjA
t
=
1 1 4
10 4 2
7 7 0
|A| = 14 A
1
= 1/14
1 1 4
10 4 2
7 7 0
19
|A| = 2 i
2
= 3 adjA
t
=
2 i
i 1
A
1
=
2/3 i/3
i/3 1/3
20
|A| =
1 2 2 1
2 a 1 2
0 4 1 b
1 4 1 2
Las operaciones de sumar a una lnea un m ultiplo de otra no modican el determinante

f2=f2-2*f1
f4=f4+f1
|A| =
1 2 2 1
2 a 1 2
0 4 1 b
1 4 1 2
1 2 2 1
0 a 4 5 0
0 4 1 b
0 6 3 3
= 1
a 4 5 0
4 1 b
6 3 3
La operacion c2=c2-c3 (columna2 = columna2 - columna3) no modica el determinante

|A| =
a 4 5 0
4 1 b
6 3 3
a 4 5 0
4 1 b b
6 0 3
= (a 4)(1 b)3 30b + 60

|A| = (aab 4 +4b)3 30b +60 = 3(aab 4 +4b 10b +20) = 3(aab 6b +16)
A es no inversible a ab 6b + 16 = 0
a ab 6b + 16 = 16 +a (a + 6)b = 10 + (6 +a) (6 +a)b = 10 + (6 +a)(1 b) =
10 + (6 +a)(1 b) = 0
A no inversible si y solo si (6 +a)(b 1) = 10
no inversible (6 +a)(b 1) = 10 a = 6 y b = 1 y b = 10/(6 +a) + 1
inversible (6 +a)(b 1) = 10 a = 6 o b = 1 o b = 10/(6 +a) + 1
CAP

Otra forma de resolver el problema partiendo de
Despejamos b: a +b(a 6) + 16 = 0 (a 6) b = 16 a
(a + 6) b = a + 16
Ahora hay que distinguir dos casos. Si a = 6 entonces la ecuacion anterior queda: 0 = 10,
absurda, por tanto la hipotesis A no inversible no se cumple, y por tanto A tiene inversa.
Si a = 6, entonces podemos despejar b en la ecuacion, obteniendo:
b =
16 +a
6 +a
=
10 + 6 +a
6 +a
=
10
6 +a
+ 1
Para los valores de b anteriores, la matriz A no es inversible. Observamos que la funcion
tiene la asntota b = 1.
100 50 0 50 100
5
4
3
2
1
0
1
2
3
4
5
21
A
1
=
1 2 0
0 1 1
1 2 1
B
1
=
7/4 1/4 1/2

1/4 5/4 1/2
1/4 3/4 1/2
C
1
=
1/6 1/6 1/6

11/12 7/12 5/12
5/12 1/12 1/12
D
1
=
7 1 2
5 1 1
2 1 0
Resolucion completa para E
2 1 0 | 1 0 0
1 1 1 | 0 1 0
4 1 3 | 0 0 1
En primer lugar haremos cero los elementos a

21
y a
31
mediante las operaciones elementales
F
21(1/2)
y F
31(2)
. La la 1 es la la auxiliar. La forma de proceder es la siguiente.
fila2 = fila2 + (1) (1/2) fila1
fila3 = fila3 + (4) (1/2) fila1
Lo que llamamos ahora fila engloba toda la matriz [ A | I ]. Notese como las operacio-
nes realizadas afectan a todos los elementos de la la, no solo a los que queramos hacer
cero.

2 1 0 | 1 0 0
0 3/2 1 | 1/2 1 0
0 1 3 | 2 0 1
F
21(1/2)
F
31(2)
Ahora para hacer cero el elemento a
32
la la auxiliar es la segunda y la operacion elemental
es: f3 = f3 + (1) (2/3) f2 o lo que es lo mismo F
32(2/3)
CAP

2 1 0 | 1 0 0
0 3/2 1 | 1/2 1 0
0 0 11/3 | 5/3 2/3 1
F
32(2/3)
La matriz ya es triangular. Ahora hay que convertir en 1 los elementos de la diagonal, con
las siguientes operaciones: f1 = f1 1/2, f2 = f2 2/3 y f3 = f3 3/11

1 1/2 0 | 1/2 0 0
0 1 2/3 | 1/3 2/3 0
0 0 1 | 5/11 2/11 3/11
F
1(1/2)
F
2(2/3)
F
3(3/11)
Tenemos que hacer ceros los elementos del triangulo superior, y en vez de ir de izquierda
a derecha, vamos de derecha a izquierda.

1 1/2 0 | 1/2 0 0
0 1 0 | 7/11 6/11 2/11
0 0 1 | 5/11 2/11 3/11
F
23(2/3)

1 0 0 | 2/11 3/11 1/11

0 1 0 | 7/11 6/11 2/11
0 0 1 | 5/11 2/11 3/11
F
12(1/2)
E
1
=
2/11 3/11 1/11

7/11 6/11 2/11
5/11 2/11 3/11
= 1/11
2 3 1
7 6 2
5 2 3
22
Obtenemos la inversa por Gauss-Jordan:
1 0 0 1 0 0
0 1 1/2 0 1 0
0 0 1/2 0 0 1
1 0 0 1 0 0
0 1 0 0 1 1
0 0 1 0 0 2
Por tanto la inversa es: A

1
=
1 0 0
0 1 1
0 0 2
Las tres opciones son compatibles con A

1
. Veamos que sucede para k = 2.
(A.A)
1
= A
1
.A
1
=
1 0 0
0 1 1
0 0 2
1 0 0
0 1 1
0 0 2
1 0 0
0 1 3
0 0 4
Las unica opcion compatible con (A

2
)
1
es la (a).
23
A =
1 3 5 0 2
2 6 0 1 4
2 6 10 0 4
0 0 10 1 8
rango 2, B =
3 3 1 0
2 1 1 1
1 11 1 2
0 2 0 1
1 1 1 3
rango 4
C =
1 1 2 2 1
1 2 0 3 1
1 0 4 1 3
2 1 6 3 4
rango 2 D =
1 2 3 1 5
2 1 3 0 1
1 1 2 0 2
4 4 8 1 8
rango 3
CAP

24
A =
1 2 3 0
2 4 3 2
3 2 1 3
6 8 7 5
1 2 3 0
0 0 3 2
0 4 8 3
0 4 11 5
1 2 3 0
0 4 8 3
0 0 3 2
0 0 3 2
1 2 3 0
0 4 8 3
0 0 3 2
0 0 0 0
De aqu sacamos cuatro respuestas: La ultima matriz es una forma escalonada de

A, el rango de A es 3, el determinante de A es nulo y A no tiene inversa.
Pasamos ahora a calcular la forma reducida por las.
1 2 3 0
0 4 8 3
0 0 3 2
0 0 0 0
1 2 3 0
0 1 2 3/4
0 0 1 2/3
0 0 0 0
1 2 0 2
0 1 0 4/3 3/4
0 0 1 2/3
0 0 0 0
1 2 0 2
0 1 0 7/12
0 0 1 2/3
0 0 0 0
1 0 0 2 7/6
0 1 0 7/12
0 0 1 2/3
0 0 0 0
1 0 0 5/6
0 1 0 7/12
0 0 1 2/3
0 0 0 0
La ultima matriz calculada es la forma reducida por las de A

B =
2 4 6
2 6 6
2 4 8
2 4 6
0 2 0
0 0 2
= B
e
De aqu sacamos dos respuestas: La ultima matriz es una forma escalonada de B y
el rango de B es 3. Por ser el rango igual al orden de la matriz sabemos ademas que
el determinante de B sera distinto de 0 y que B es inversible.
Al pasar de B a B
e
solo hemos realizado la operacion de sumar a una la un m ultiplo
de otra (dos veces). Como esta operacion no vara el determinante, |B| = |B
e
| =
2 2 2 = 8
A continuacion obtenemos la inversa de B por el metodo de Gauss-Jordan:
2 4 6 | 1 0 0
2 6 6 | 0 1 0
2 4 8 | 0 0 1
2 4 6 | 1 0 0
0 2 0 | 1 1 0
0 0 2 | 1 0 1
2 4 0 | 4 0 3
0 2 0 | 1 1 0
0 0 2 | 1 0 1
2 0 0 | 6 2 3
0 2 0 | 1 1 0
0 0 2 | 1 0 1
1 0 0 | 3 1 3/2
0 1 0 | 1/2 1/2 0
0 0 1 | 1/2 0 1/2
B
1
=
3 1 3/2
1/2 1/2 0
1/2 0 1/2
CAP

28
Por ser simetrica:
a b
b c
Por ser idempotente: A

2
= A
a b
b c

a b
b c
a
2
+b
2
ab +bc
ba +cb b
2
+c
2
a b
b c
Se obtienen tres ecuaciones:
a
2
+b
2
= a [I]
(a +c)b = b (a +c 1)b = 0 [II]
b = 0 [II i]
c = 1 a [II ii]
b
2
+c
2
= c [III]
[II i] ([I] y [III])
a
2
a = a(a 1) = 0
c
2
c = c(c 1) = 0
a = 0 c = 0
a = 0 c = 1
a = 1 c = 0
a = 1 c = 1
Caso 1 : a = 0, b = 0, c = 0
0 0
0 0
Caso 2 : a = 0, b = 0, c = 1
0 0
0 1
Caso 3 : a = 1, b = 0, c = 0
1 0
0 0
Caso 4 : a = 1, b = 0, c = 1
1 0
0 1
[II ii] : Tenemos c = 1 a

Mediante [I] podemos despejar b en funcion de a como: b =
a a
2
=
a(1 a)
Comprobamos que se cumple la ecuacion [III]:
a a
2
+ (1 a)
2
= a a
2
+ 1 2a +a
2
= 1 a = c
Quedaran las matrices de la forma:
a +
a a
2
+
a a
2
1 a
a a
2
a a
2
1 a
en ambos casos con a a

2
0 a a
2
0 a 1
De los 4 casos anteriores [II i] hemos de aniadir el Caso 1 y el Caso 4.
No es necesario aniadir el Caso 2 ni el Caso 3 puesto que ambos ya estan incluidos
en las expresiones generales encontradas.
Por tanto las soluciones se pueden sintetizar en los siguientes casos:
a +
a a
2
+
a a
2
1 a
con 0 a 1,
a a
2
a a
2
1 a
con 0 < a < 1,
0 0
0 0
1 0
0 1

Capitulo 1

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Capitulo 1

Uploaded by

Copyright:

Available Formats

Contenidos

A una matriz columna se le denomina tambien vector.

ITULO 1. MATRICES Y DETERMINANTES 4

ITULO 1. MATRICES Y DETERMINANTES 5

Se indican en negrita los elementos pivote.

Toda matriz cuadrada en forma escalonada es triangular superior

Observese la diferencia con las matrices escalonadas.

ITULO 1. MATRICES Y DETERMINANTES 6

El resultado es una matriz del mismo orden, en nuestro caso 3 2.

1.2.3 Propiedades de la suma de matrices

ITULO 1. MATRICES Y DETERMINANTES 7

Ejemplo 1.6 (5 +i)

Ejemplo 1.8 (5 +i)

(5 +i) (1 +i) (5 +i) 0

ITULO 1. MATRICES Y DETERMINANTES 8

Ejemplo 1.10 Multiplicar entre s por pares, las matrices A = [ 1 2 3 ] , B =

AC, CA, CB, BC no son operaciones posibles

ITULO 1. MATRICES Y DETERMINANTES 9

5) El producto de matrices no es conmutativo, es decir, en general A B = B A

ITULO 1. MATRICES Y DETERMINANTES 10

En este ejemplo hemos determinado que A y B son divisores de cero.

8) El producto de dos matrices triangulares superiores es una matriz triangular superior.

10) El producto de dos matrices diagonales es otra matriz diagonal. Ademas c

ITULO 1. MATRICES Y DETERMINANTES 11

En el primer caso cada columna queda multiplicada por el elemento de la diagonal.

ITULO 1. MATRICES Y DETERMINANTES 12

es una matriz simetrica

es una matriz antisimetrica

ITULO 1. MATRICES Y DETERMINANTES 13

como suma de una matriz simetrica y otra

ITULO 1. MATRICES Y DETERMINANTES 14

ITULO 1. MATRICES Y DETERMINANTES 15

ITULO 1. MATRICES Y DETERMINANTES 16

ITULO 1. MATRICES Y DETERMINANTES 17

, sumar a la segunda la la primera multiplicada

es la matriz elemental que resulta de sumarle

es igual resultado que si le sumamos a la 2

ITULO 1. MATRICES Y DETERMINANTES 18

, intercambiar las columnas 1 y 3 utilizando el producto

Ejemplo 1.24 A partir de la matriz A =

queremos obtener la matric C

1.6.7 Inversa de una matriz elemental

ITULO 1. MATRICES Y DETERMINANTES 19

1.6.8 Varios resultados sobre equivalencia de matrices

no son independientes, ni lo son las C respecto de las C

ITULO 1. MATRICES Y DETERMINANTES 20

ITULO 1. MATRICES Y DETERMINANTES 21

ITULO 1. MATRICES Y DETERMINANTES 22

ITULO 1. MATRICES Y DETERMINANTES 23

por el metodo de Gauss-Jordan,

la2 = la2 - 2 * la1

ITULO 1. MATRICES Y DETERMINANTES 24

la2 = la2 - 2*la3

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

1 2 0 1/4 1/8 1/2

la1 = la1 - 2*la2

1 0 0 1/4 1 1/8 + 1/2 1/2

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

Resultado: La matriz inversa de A es A

3/4 3/8 1/2

1.8 Forma escalonada y forma canonica de una matriz

ITULO 1. MATRICES Y DETERMINANTES 25

ITULO 1. MATRICES Y DETERMINANTES 26