Professional Documents
Culture Documents
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
* 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
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
4 1 3
0 2 1
0 3 0
4 1 3
0 0 3
0 1 0
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
1 0
1 0
2 1
y B =
1 0
2 1
1 1
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 1 0
2 1 3
5 1 5 (1) 5 0
5 2 5 1 5 3
5 5 0
10 5 15
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
1 +i 0
2 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
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
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
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
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
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
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
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
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
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
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
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
0 2 3
2 0 2
3 2 0
2 1
3 5
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 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
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
1 0 0
2 1 0
0 0 1
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
0 2 3
4 2 1
1 2 3
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
1 2 2
0 4 1
1 0 1
2 1 2
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 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
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
, 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
,
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
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
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
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
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
1 2 1 1 0 0
0 1 2 2 0 1
0 0 1 3/4 1/8 1/2
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
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
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
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
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
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
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
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
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
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
3 5 1
2 3 5
1 2 3
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
=
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
3
3
33
d
d
t
t
t
r
r
rr
con signo +
; con signo
2 1 3
0 1 2
1 2 3
= 6 + 0 2 3 8 0 = 7
2 +i 4 i
6 5i
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
. . . . . . . . . . . .
a
n1
a
n2
. . . a
nn
j=1
a
ij
A
ij
o
elegida una columna j |A| =
n
i=1
a
ij
A
ij
CAP
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
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
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
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
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
Dada una matriz cuadrada A
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
|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
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
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)
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
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
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 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
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
f
1
f
2
... f
n
f
1
f
2
... f
n
... ... ... ...
... ... ... ...
f
n1
1
f
n1
2
... f
n1
n
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
2
2
Representan geometricamente, v =
6
1
y u +v =
4
3
3
1
x
1
x
2
x
3
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
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
=
2 1 3 2
0 1 2 1
4 1 3 0
B =
2 0
1 2
4 1
0 3
1 2 0
0 1 2
B =
5 0
2 3
C =
2 0
1 4
0 3
2 1
1 2
1 2
3
1 0
2 1
2 1 2
1 0 2
B =
1 0
1 2
2 1
C =
2 1
2 3
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
2 1
1 2
B =
a c
c b
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
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
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
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
1 2 1
1 2 3
3 1 1
CAP
1 i
i 2
1 2 2 1
2 a 1 2
0 4 1 b
1 4 1 2
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
1 0 0
0 1 1/2
0 0 1/2
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
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
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
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
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
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
1 5
0 2
(CA)
t
=
3 1
2 2
6 10
CAP
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
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
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 . . .
=
Haciendo las operaciones F
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
0 1 1 . . . 1
1 1 0 . . . 0
1 0 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1 0 0 . . . 1
n 1 0 0 . . . 0
1 1 0 . . . 0
1 0 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1 0 0 . . . 1
= (n 1)(1)
n1
CAP
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
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
a 4 5 0
4 1 b
6 3 3
a 4 5 0
4 1 b b
6 0 3
1 2 0
0 1 1
1 2 1
B
1
=
C
1
=
D
1
=
7 1 2
5 1 1
2 1 0
2 1 0 | 1 0 0
1 1 1 | 0 1 0
4 1 3 | 0 0 1
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)
F
12(1/2)
E
1
=
= 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
1 0 0
0 1 1
0 0 2
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
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
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
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
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
a b
b c
a b
b c
a b
b c
a
2
+b
2
ab +bc
ba +cb b
2
+c
2
a b
b c
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
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
a +
a a
2
+
a a
2
1 a
con 0 a 1,
a a
2
a a
2
1 a
0 0
0 0
1 0
0 1