Professional Documents
Culture Documents
Matrices
Las matrices son objetos que aparecen con mucha frecuencia en la modelacion de diversos problemas. Sobre ellas se han desarrollado teoras y tecnicas
de gran importancia. Su manejo permite abordar y encontrar soluciones a
numerosos problemas, adem
as de apoyar decididamente a la organizaci
on de
la informaci
on.
Antes de continuar, recordemos la definicion de matriz vista en el captulo
anterior: Una matriz A de m filas o renglones y n columnas es un arreglo
de la forma:
a11
a21
..
.
a12
a22
..
.
...
...
..
.
A=
ai1 ai2 . . .
..
..
..
.
.
.
am1 am2 . . .
a1j
a2j
..
.
..
.
a1n
a2n
..
.
aij
..
.
..
.
ain
..
.
amj
amn
CAPITULO 5.
MATRICES
1
0
0
1
En R3 , los vectores 0 , 1 , 0 , 2 , son matrices de tres
0
0
1
2
renglones por una columna.
y1
y2
Con m
as frecuencia utilizaremos letras may
usculas para denotar a las
matrices: A, B, a veces, les pondremos subndices para distinguirlas, como
Ai , Bi , por ejemplo.
En una matriz vamos a distinguir sus renglones y columnas. Sea A tal
que
1 3 4
A= 1 0 2
6 1 4
Llamamos a:
3
[1, 3, 4] su primer rengl
on, lo denotamos R1 (A).
[1, 0, 2] su segundo rengl
on, lo denotamos R2 (A).
[6, 1, 4] su tercer rengl
on, lo denotamos R3 (A).
y a:
1
1 , su primera columna, la denotamos Col1 (A).
6
3
0 su segunda columna, la denotamos Col2 (A).
1
4
2 su tercera columna, la denotamos Col3 (A).
4
Para
1
2
A=
1
0
1
1
5
3
4
2
8
1
1
2
Col1 (A) =
1 ,
0
1
1
Col2 (A) =
5 ,
3
4
2
Col3 (A) =
8 .
1
CAPITULO 5.
MATRICES
R1 (A)
R2 (A)
..
A=
Ri (A)
..
.
Rm (A)
Ri (A) = [ai1 , ai2 , ai3 , . . . , aij , . . . , ain ]; i = 1, . . . , m.
Tambien, puede describirse mediante sus columnas:
A=
| Coln (A)
donde
a1j
a2j
a3j
..
.
Colj (A) =
aij
..
.
amj
; j = i, . . . , n.
Observaci
on: Si A Mmn podemos ver a los renglones o filas de la
matriz como vectores con n componentes, est
an en Rn ; mientras que
sus columnas tienen m componentes, son vectores en Rm .
Como se recordara, se dijo que los vectores ~v = [a, b] y w
~ = [c, d] son
iguales si y solamente si a = c y b = d, es decir, la primera entrada de cada
uno de ellos es igual y la segunda entrada tambien.
Haremos algo similar para establecer la igualdad entre matrices:
Ejemplo 5.2.
5
1. Sean A y B las siguientes matrices:
1 2
1
2
A=
; B=
3 1
3 a6
Como se puede ver, las entradas ent11 , ent12 y la ent21 coinciden en
ambas. Tendremos que A = B siempre y cuando la entrada ent22 sea
igual para ambas, es decir, 1 = a 6, o a = 7.
2. Sean A y B las siguientes matrices:
1 2 a+1
;
A=
3 7
1
B=
1 2 3
3 3b 1
Como se puede ver, las entradas ent11 , ent12 , ent21 y la entrada ent23
coinciden en ambas. Tendremos que A = B siempre y cuando se
cumpla: ent13 (A) = ent13 (B) y ent23 (A) = ent23 (B), es decir, a + 1 =
3 y 3b = 7, en forma equivalente, a = 2 y b = 21.
Observe que para considerar una igualdad entre dos matrices A y B, se
debe ver primero que su tama
no u orden sea igual. Posteriormente, verificar
que coincidan cada una de las entradas correspondientes.
Definici
on 5.1: Igualdad entre matrices
Sean A y B dos matrices de tama
no m n.
b11 b12
a11 a12 a1n
b21 b22
a21 a22 a2n
..
..
..
..
..
.
.
.
.
; B = .
A=
bi1 bi2
ai1 ai2 ain
..
..
..
..
..
.
.
.
.
.
bm1 bm2
am1 am2 amn
b1n
b2n
..
.
bin
..
.
bmn
j = 1, . . . , n.
CAPITULO 5.
MATRICES
A1 =
1 2
2 5
1 2 3
A2 = 4 5 6 .
7 8 9
1 0 0
1 0
I1 = [1], I2 =
, I3 = 0 1 0 ,
0 1
0 0 1
1 0 0 0 0
0 1 0 0 0
0 0 1 0 0
In = . . .
.. .
.. .. ..
.
0 0 0 1 0
0 0 0 0 1
son llamadas respectivamente matriz identidad de tama
no uno, 2, 3,
y n.
Definici
on 5.2: Matriz identidad
Para n cualquier n
umero natural, se llama la matriz identidad a la
matriz Inn de tama
no n. Por comodidad escribiremos Inn = In .
In = [isr ], s, r = 1, . . . , n, tal que la entrada entsr (In ) = isr es:
isr = 1, s = r
isr =
isr = 0, s 6= r
Otro tipo de matrices cuadradas son las matrices que se llaman matrices
diagonales, ejemplos de ellas son las que llamamos matrices identidad y las
siguientes:
A1 =
4 0
0 3
3 0 0
A2 = 0 4 0 ,
0 0 0
2 0 0
A3 = 0 3 0 ,
0 0 4
2
0
A4 =
0
0
0
2
0
0
0
0
4
0
0
0
.
0
4
5.1. ALGEBRA
DE MATRICES
Dg[1 , 2 , . . . , n ] =
1 0 . . .
0 2 . . .
..
..
..
.
.
.
0 0
0
0
0
..
.
n
0
0
0=
0
0
5.0.1
0
0
0
0
0
0
0
0
0
0
.
0
0
Ejercicios
1
2
1. Para la matriz A =
1
0
0
2
3
1
0 1
3
5
encuentre:
0
9
0 10
5.1
Algebra
de matrices
En esta secci
on estableceremos las operaciones algebraicas que podemos realizar con las matrices y sus propiedades.
CAPITULO 5.
5.1.1
MATRICES
Producto de matrices
1
3
6
2
4
6
4
8
6
24
50
48
Se quiere conocer el n
umero de canastas que fueron armadas de cada
uno de los tama
nos.
Sea x1 el n
umero de canastas que se armaron de tama
no chico con una
bolsa de nueces, tres de pistaches y 6 de avellanas.
Sea x2 el n
umero de canastas que se armaron de tama
no mediano con
dos bolsas de nueces, 4 de pistaches y 6 de avellanas.
Sea x3 el n
umero de canastas que se armaron de tama
no grande con 4
bolsas de nueces, 8 de pistaches y 6 de avellanas.
Tenemos que se utilizaron 24 bolsas de nueces para armar x1 canastas
con una bolsa de nueces, x2 canastas con 2 bolsas de nueces y x3 canastas
con 4 bolsas de nueces. Esto lo representamos como:
x1 + 2x2 + 4x3 = 24
5.1. ALGEBRA
DE MATRICES
x1
2
x2 = 1 .
x3
5
De donde el due
no del negocio puede registrar la venta que hizo su empleado. El empleado arm
o y vendi
o 2 canastas chicas, 1 mediana y 5 grandes.
Veamos la raz
on de analizar el ejemplo:
Comparemos la informaci
on que aparece en la fila de las nueces de la
tabla que hicimos y la primera ecuaci
on del sistema obtenido:
nueces
1
2
4
24
x1 + 2x2 + 4x3 = 24
Las inc
ognitas en el problema son el n
umero de bolsas utilizados en las
canastas de cada tama
no, x1 , x2 y x3 .
10
CAPITULO 5.
MATRICES
w1
w
~ = w2 es una matriz columna de tama
no 3 1.
w3
La ecuaci
on que nos da el total de bolsas de nueces utilizadas para armar
todas las canastas
x1 + 2x2 + 4x3 = 24
x1
[1, 2, 4] x2 = 1x1 + 2x2 + 4x3 = 24.
x3
Analogamente, la ecuaci
on que nos da el total de bolsas de pistaches
utilizadas para armar todas las canastas
3x1 + 4x2 + 8x3 = 50
la interpretamos como el producto punto de los vectores:
x1
[3, 4, 8] x2 = 3x1 + 4x2 + 8x3 = 50.
x3
x1
[6, 6, 6] x2 = 6x1 + 6x2 + 6x3 = 48.
x3
5.1. ALGEBRA
DE MATRICES
11
x1
1 2 4
3 4 8 x2 =
6 6 6
x3
(1)
24
2
1 2 4
3 4 8 1 = 50 (1 )
48
5
6 6 6
x1
2
B = x2 = 1 .
5
x3
c11
24
C = c21 = 50 ,
48
c31
observe que esta matriz columna corresponde a los terminos independientes del sistema.
CAPITULO 5.
12
MATRICES
24
a11 a12 a13
2
x1
1 2 4
A B = a21 a22 a23 x2 = 3 4 8 1 = 50 = C.
48
5
6 6 6
a31 a32 a33
x3
24
a11 x1 + a12 x2 + a13 x3
12+21+45
a21 x1 + a22 x2 + a23 x3 = 3 2 + 4 1 + 8 5 = 50 .
48
62+61+65
a31 x1 + a32 x2 + a33 x3
c11
R1 (A) Col1 (B)
= R2 (A) Col1 (B) = c21 = Col1 (C) = C.
R3 (A) Col1 (B)
c31
5.1. ALGEBRA
DE MATRICES
13
b11 b12
B = b21 b22 .
b31 b32
b11 b12
a11 a12 a13
A B = a21 a22 a23 b21 b22 .
a31 a32 a33
b31 b32
a11 b11 + a12 b21 + a13 b31 a11 b12 + a12 b22 + a13 b32
= a21 b11 + a22 b21 + a23 b31 a21 b12 + a22 b22 + a23 b32
a31 b11 + a32 b21 + a33 b31 a31 b12 + a32 b22 + a33 b32
c11 c12
= c21 c22 = Col1 (C) Col2 (C) = C.
c31 c32
CAPITULO 5.
14
MATRICES
Observaci
on: Se ha considerado en todos los casos que, vistos como
vectores, cada uno de los renglones de A tengan el mismo n
umero de
componentes que cada una de las columnas de B.
Ejemplo 5.4.
Para las matrices A y B en cada uno de los casos que se presentan,
realizaremos el producto AB en forma similar a lo presentado previamente.
1. A es de orden 1 2 y B es de orden 2 1.
A=
AB =
1 3
1 3
5
8
B=
5
8
.
1 5 + 3 8
19
A B es de orden 1 1.
2. A es de orden 2 2 y B es de orden 2 1.
A=
AB =
1 3
2 3
1 3
2 3
B=
5
8
1 5 + (3 8)
19
5
=
=
.
8
2 5 + (3 8)
14
A B es de orden 2 1.
3. A es de orden 3 2 y B es de orden 2 1.
1 3
A= 2
1 ,
0
2
B=
5
8
1 3
1 5 + (3 8)
19
5
A B = 2 3
= 2 5 + (3 8) = 14 .
8
0
2
05+ 28
16
A B es de orden 3 1.
5.1. ALGEBRA
DE MATRICES
15
4. A es de orden 3 3 y B es de orden 3 1.
2 0 3
A= 1 2
1 ,
4 0
2
2
B = 1 .
4
2 0 3
2
2(2) + 0(1) + (3)(4)
16
1 1 = 1(2) + 2(1) +
1(4) = 8 .
AB = 1 2
4 0
2
4
4(2) + 0(1) +
2(4)
16
A B es de orden 3 1.
5. A es de orden 3 3 y B es de orden 3 2.
2 0 3
1 ,
A= 1 2
4 0
2
2 0
B = 1 1 .
4 3
2 0 3
2 0
AB = 1 2
1 1 1
4 3
4 0
2
CAPITULO 5.
16
MATRICES
Definici
on 5.3: Producto de matrices
Para m, n, t N. Sean A = [aij ] Mmn y B = [bjk ] Mnt donde
i = 1, . . . , m, j = 1, . . . n y k = 1, . . . p.
La matriz producto de A y B es la matriz C Mmp , tal que
A B = C = [cik ]. La entrada cik de C es el resultado de realizar
el producto punto del vector en el rengl
on i-esimo de A con el vector
columna k-esima de B :
b1k
b2k
cik = [ai1 , ai2 , . . . , ain ] . = ai1 b1k + ai2 b2k + + ain bnk
.
.
bnk
a11
a21
..
.
a12
a22
..
.
...
...
..
.
A=
ai1 ai2 . . .
..
..
..
.
.
.
am1 am2 . . .
a1n
a2n
..
.
ain
..
.
amn
b11
b21
..
.
b12
b22
..
.
...
...
..
.
b1p
b2p
..
.
,B =
bi1 bi2 . . .
..
..
..
.
.
.
bn1 bn2 . . .
bip
..
.
bnp
a11
a21
..
.
a12
a22
..
.
...
...
..
.
AB =
ai1 ai2 . . .
..
..
..
.
.
.
am1 am2 . . .
a1n
a2n
..
.
ain
..
.
amn
b11
b21
..
.
b12
b22
..
.
...
...
..
.
bi1
..
.
bi2
..
.
...
..
.
bn1 bn2 . . .
b1p
b2p
..
.
c11
c21
..
.
c12
c22
..
.
...
...
..
.
bip
ci1 ci2 . . .
.. ..
..
..
. .
.
.
bnp
cm1 cm2 . . .
c1p
c2p
..
.
cip
..
.
cmp
5.1. ALGEBRA
DE MATRICES
b1k
b2k
..
.
bnk
17
Observaci
on. La entrada cik de la matriz C es el producto punto del
i-esimo rengl
on de la matriz A, Ri (A), con la k-esima columna Colk (B)
de la matriz B, cada uno vistos como vectores de n componentes.
En el ejemplo 5.4 hicimos varios productos, ya con la definicion general
haremos otros:
Ejemplo 5.5.
1. A es de orden 3 3 y B es de orden 3 3.
1 0 2
A = 1 1 1 ,
3 1
2
1 0
1 0
B=
1 1
1 0 2
1 0
A B = 1 1 1 1 0
3 1
2
1 1
1
1 .
2
1
1
2
2 5
3
= 1 1 0 .
2 8
4
2. A es de orden 2 4 y B es de orden 4 4.
CAPITULO 5.
18
A=
1 2 2 1
1 1 3 1
AB =
1
0
B=
1
1
1 2 2 1
1 1 3 1
1
1
1
1
1
1
1
1
1
0
1
1
0
1
2
2
0
1
2
2
MATRICES
0
1
.
3
4
0
1
=
3
4
4 2 4 8
5 4 7 12
Los siguientes ejemplos nos ilustran ciertos casos en los que debemos poner
atenci
on al multiplicar matrices:
Ejemplo 5.6.
Sean A y B M22 .
A=
2 1
3 6
B=
1 0
3 2
Calculamos AB y BA :
AB =
1 2
15 12
, BA =
2 1
12 15
; AB 6= BA.
5.1. ALGEBRA
DE MATRICES
19
Observaci
on. El producto de matrices no es conmutativo.
Ejemplo 5.7.
Si A M34 y B M45 , podemos calcular su producto AB ya que A
tiene 4 columnas y B tiene 4 renglones, AB M35 .
2 1
4 0
A= 0
1 1 4
1
2
3 4
8
AB = 3
9
2 1
4 0 1
1 1 4 1
,B = 0
1
2
3 4 5
1
1
2 1 2
7 21 12 21
3 4 4 4
11 19 24 26
En este ejemplo calculamos el producto AB, sin embargo no podemos calcular el producto BA pues no est
a definido, debido a que B tiene 5 columnas
y A tiene 4 renglones.
Observaci
on. Aun cuando el producto de matrices AB este definido,
el producto BA puede no estarlo.
Ejemplo 5.8.
Si A M32 y B M23 , podemos calcular el producto AB y tambien
podemos calcular BA, observe que no son de igual tama
no ya que AB
M33 mientras que BA M22 .
2 1
1
4 0
A = 0 1 , B =
0
1 1
1 4
2
7
1
2 3
AB =
0 1
1 , BA=
1 5
1
8 1
CAPITULO 5.
20
MATRICES
Observaci
on. Aun cuando los productos AB y BA esten definidos,
AB y BA resultan ser matrices diferentes.
Ejemplo 5.9.
Consideremos que las matrices A y B coincidan en tama
no, por ejemplo,
A M22 y B M22 , podemos calcular los productos AB M22 y
BA M22 , puede ser que AB 6= BA.
A=
AB =
2 1
0 1
2
1
0 1
,B =
, BA =
1 1
0 1
2
0
0 1
Observaci
on. Aun cuando los productos AB y BA esten definidos
y las matrices AB y BA sean del mismo tama
no, no son iguales en
general.
Ejemplo 5.10.
Veamos como se contruyen las columnas y los renglones de la matriz
resultado de multiplicar dos matrices. Sean A y B dos matrices de 3 3:
c11
a11 b11 + a12 b21 + a13 b31
Col1 (C) = Col1 (AB) = c21 = a21 b11 + a22 b21 + a23 b31 =
c31
a31 b11 + a32 b21 + a33 b31
5.1. ALGEBRA
DE MATRICES
21
a21 b11 + a22 b21 + a23 b31 a21 b12 + a23 b32 a21 b13 + a22 b23 + a23 b33
a11
a21
..
.
a12
a22
..
.
...
...
..
.
A=
ai1 ai2 . . .
..
..
..
.
.
.
am1 am2 . . .
a1n
a2n
..
.
ain
..
.
amn
b11
b21
..
.
b12 . . .
b22 . . .
..
..
.
.
bi2 . . .
..
..
.
.
,B =
bi1
..
.
bn1 bn2 . . .
b1t
b2t
..
.
bit
..
.
bnt
CAPITULO 5.
22
MATRICES
R1 (A)
R2 (A)
..
.
Col1 (B) Col2 (B) . . . Colk (B) . . . Colt (B) =
AB =
R
(A)
..
.
Rm (A)
R1 (A) Col1 (B) R1 (A) Col2 (B) . . . R1 (A) Colk (B) . . . R1 (A) Colt (B)
R2 (A) Col1 (B) R2 (A) Col2 (B) . . . R2 (A) Colk (B) . . . R2 (A) Colt (B)
..
..
..
..
.
.
.
.
Ri (A) Col1 (B) Ri (A) Col2 (B) . . . Ri (A) Colk (B) . . . Ri (A) Colt (B)
..
..
..
..
.
.
.
.
Rm (A) Col1 (B) Rm (A) Col2 (B) . . . Rm (A) Colk (B) . . . Rm (A) Colt (B)
En el cuadro siguiente establecemos como son los renglones y las columnas de una matriz que es el resultado de multiplicar dos matrices:
Sean A Mmn , B Mnp , tenemos que AB Mmp . Se cumple
que:
Los renglones de la matriz producto AB, son el producto
de cada rengl
on de A con la matriz B.
Ri (AB) = Ri (A) B;
i = 1, . . . m.
k = 1, . . . p.
AIn = A.
5.1. ALGEBRA
DE MATRICES
23
2
1
Veamos el ejemplo siguiente, sea A = 0 1 .
1 1
1
2
1 0 0
I3 A = 0 1 0 0 1 .
0 0 1
1 1
2
1
R1 (I3 A) = [R1 (I3 ) A] = [( 1 0 0 ) 0 1 ] =
1 1
Para i = 2 :
2 + 0 + 0 1 + 0 + 0
2 1
2
1
R2 (I3 A) = [R2 (I3 )A] = [( 0 1 0 ) 0 1 ] = 0 1 .
1 1
Para i = 3 :
2
1
R3 (I3 A) = [R3 (I3 ) A] = [( 0 0 1 ) 0 1 ] = 1 1 .
1 1
R1 (I3 A)
2
1
I3 A = R2 (I3 A) = 0 1 = A.
R3 (I3 A)
1 1
Analogamente se ve que A I2 = A
CAPITULO 5.
24
MATRICES
Observaci
on. Si A es una matriz cuadrada, es decir, A Mnn , entonces:
In A = A = A In .
Definici
on 5.4: Potencias de una matriz cuadrada
Sea A = [aij ] Mnn una matriz cuadrada. Definimos las potencias
de A por A1 = A, A2 = A A, A3 = A A2 , A4 = A A3 , etcetera.
En general, si s es un n
umero natural se define la s-esima potencia
de A como:
As = A As1 .
Ejemplo 5.13.
2
1
Sea A =
.
0 1
2
A =AA =
A =AA =
2
1
0 1
2
1
4 3
=
.
0 1
0
1
2
1
0 1
4 3
8
7
=
.
0
1
0 1
Ejemplo 5.14.
2
0
Sea B1 =
.
0 1
B 1 = B 1 B 1 =
B 1 = B 1 B 1 =
Ejemplo 5.15.
2
0
2
0
4 0
(2)2
0
=
.
=
0 1
0 1
0 1
0
(1)2
2
0
4 0
8
0
(2)3
0
=
.
=
0 1
0 1
0 1
0
(1)3
5.1. ALGEBRA
DE MATRICES
25
1
0 0
Sea B 2 = 0 3 0 .
0
0 2
B 22
(1)2
0
0
1
0 0
1
0 0
1
0
= B 2 B 2 = 0 3 0 0 3 0 = 0 9 0 = 0
(3)2
0 .
0
0 2
0
0 2
0 0 4
0
0
(2)2
B 2 3 = B 2 B 2 2
(1)2
0
0
(1)3
0
0
1
0 0
= 0 3 0 0
(3)2
0 = 0
(3)3
0 .
2
0
0 2
0
0
(2)
0
0
(2)3
Observaci
on. Si A Mnn , es una matriz diagonal, entonces: La
matriz An es la matriz diagonal cuyas entradas son las entradas de A
elevadas a la n-esima potencia.
Ejemplo 5.16.
0 1
Sea C =
.
0 0
0
C =C C =
0
0 1
0
3
2
C =CC =
0 0
0
2
0 1
0 0
1
0
0 0
0 0
0
0
0 0
0 0
0
0
0 0
0 0
0
0
0 0
0 0
Ejemplo 5.17.
0 0
Sea D =
.
1 0
0
D =DD =
1
0 0
0
3
2
D =DD =
1 0
0
2
0 0
1 0
CAPITULO 5.
26
MATRICES
Ejemplo 5.18.
0 1 1
Sea E = 0 0 1 .
0 0 0
0 1 1
0 1 1
0 0 2
E2 = E E = 0 0 1 0 0 1 = 0 0 0 .
0 0 0
0 0 0
0 0 0
0 1 1
0 0 2
0 0 0
E3 = E E2 = 0 0 1 0 0 0 = 0 0 0 .
0 0 0
0 0 0
0 0 0
Observaci
on. Los tres u
ltimos ejemplos nos dicen que existen matrices
cuadradas A, tales que elevadas a cierta potencia son la matriz cero.
Si A es tal que para alguna n, la matriz An es la matriz cero, decimos
que A es una matriz nilpotente.
Los siguientes ejemplos nos permiten ilustrar que el producto de matrices
es asociativo.
Ejemplo 5.19.
Sean A M13 , B M31 y C M12 . Se cumple que:
A(BC) = (AB)C.
A=
1 2 3
4
B = 5 ,
6
C=
7 8
Veamos que tanto los productos A(BC) = (AB)C pueden llevarse a cabo
y que su resultado son matrices que coindiden en tama
no:
Como A M13 , B M31 y C M12 :
(BC) M32 , de esta forma, A(BC) M12 .
AB M11 , de esta forma, (AB)C M12 .
Las matrices A(BC) y (AB)C son del mismo tama
no.
5.1. ALGEBRA
DE MATRICES
A (BC) =
A (BC) =
A (BC) =
A (BC) =
27
1 2 3
4
5 7 8 =
6
1 2 3
47 48
5 7 5 8 =
67 68
1 2 3
28 32
35 40 =
42 48
1 28 + 2 35 + 3 42 1 32 + 2 40 + 3 48
A (BC) =
28 + 70 + 126 32 + 80 + 144
A (BC) =
Por otro lado:
224 256
4
1 2 3 5 7 8 =
(A B)C =
6
(A B)C =
14+25+36
7 8
4 + 10 + 18 7 8 =
(A B)C = 32 7 8 =
(A B)C = 32 7 32 8 = 224 256 .
(A B)C =
CAPITULO 5.
28
A=
a11 a12 . . .
a1m
B=
b11
b21
..
.
b12
b22
..
.
...
...
..
.
b1n
b2n
..
.
bm1 bm2 . . .
bmn
MATRICES
C=
c11
c21
..
.
cn1
Veamos que tanto los productos A(BC) = (AB)C pueden llevarse a cabo
y que su resultado son matrices que coindiden en tama
no:
Como A M1m , B Mmn y C Mn1 :
A M1m y (BC) Mm1 , de esta forma, A(BC) M11 .
AB M1n y C Mn1 de esta forma, (AB)C M11 .
Las matrices A(BC) y (AB)C son del mismo tama
no.
Para simplificar la notaci
on hagamos A(BC) = D y (AB)C = E.
Verificar esta propiedad, aunque es laboriosa, nos permite comprender
mejor el producto de las matrices.
Para verificar que el producto de matrices es asociativo debemos ver que
la u
nica entrada en las matrices A(BC) = D y (AB)C = E coincide, es
decir, d11 = e11 .
Para verificar la igualdad d11 = e11 . tenemos que cada una de estas
entradas se componen de la siguiente manera:
d11 = R1 A Col1 (BC),
e11 = R1 (AB)Col1 C
Calculemos d11 :
Veamos los factores de la entrada d11 = R1 A Col1 (BC):
El rengl
on R1 (A) = a11 a12 . . . a1m .
Las entradas de la columna Col1 (BC) las escribimos como (bc)j1 donde
j = 1, . . . n, la columna queda en la forma:
Col1 (BC) =
(bc)11
(bc)21
..
.
(bc)n1
5.1. ALGEBRA
DE MATRICES
29
bj1 bj2 . . .
bjn
c11
c21
..
.
cn1
a11 a12 . . .
a1n
a11 a12 . . .
a1n
(bc)11
(bc)21
..
.
(bc)n1
CAPITULO 5.
30
MATRICES
(ab)1i = R1 A Coli B =
a1i a12 . . .
a1m
b1i
b2i
..
.
bmi
c11
c21
(ab)11 . . .
(ab)1n
c11
c21
..
.
cn1
c11
c21
..
.
cn1
5.1. ALGEBRA
DE MATRICES
31
e11 = a11 b11 c11 + a12 b21 c11 + + a1m bm1 c11
+ a11 b12 c21 + a12 b22 c21 + + a1m bm2 c21
..
.
+ a11 b1n cn1 + a12 b2n cn1 + + a1m bmn cn1 .
Ahora comparemos las dos expresiones que hemos obtenido para cada
una de las entradas d11 y e11 y observemos que:
Cada entrada consta de m n sumandos y aparecen en un arreglo rectangular de esta talla.
Los n sumandos en el primer rengl
on del arreglo para d11 coinciden con
los n sumandos que aparecen en la primera columna del arreglo de e11 y lo
mismo para cada uno de los renglones subsecuentes.
d11 = a11 b11 c11 + a11 b12 c21 + + a11 b1n cn1 +
a12 b21 c11 + a12 b22 c21 + + a12 b2n cn1 +
.
..
.
a1n bn1 c11 + a1n bn2 c21 + + a1n bnn cn1 .
e11 = a11 b11 c11 + a12 b21 c11 + + a1m bm1 c11
+ a11 b12 c21 + a12 b22 c21 + + a1m bm2 c21
..
.
+ a11 b1n cn1 + a12 b2n cn1 + + a1m bmn cn1 .
Por lo tanto podemos concluir que:
d11 = e11 .
Por lo tanto D = E, que es lo mismo que (AB)C = A(BC), lo que se
deseaba mostrar.
Proposici
on 5.1 (El producto de matrices es asociativo). Sean A =
[aij ] Mmn , B = [bij ] Mnp y C = [cij ] Mpr , se cumple que
A(BC) = (AB)C.
CAPITULO 5.
32
MATRICES
Representaci
on de un sistema de ecuaciones lineales como producto de matrices
Ya con el producto de matrices definido, vale la pena resaltar que esta operaci
on nos permite ofrecer una forma distinta de mirar a un sistema de
ecuaciones lineales.
Nos debe quedar claro que un sistema de ecuaciones lineales puede representarse como el producto de dos matrices, como veremos a continuaci
on:
Consideremos el sistema:
a11 x1 + a12 x2 + a13 x3 = b1
a21 x1 + a22 x2 + a23 x3 = b2
a31 x1 + a32 x2 + a33 x3 = b3
Consideramos las matrices: A M33 , cuyos renglones se forman con
los coeficientes de las inc
ognitas de cada ecuaci
on del sistema, X M31 ,
formada como la matriz columna de las inc
ognitas y por u
ltimo B M31
la matriz columna de los terminos independientes, por ello:
x1
X = x2 ;
x3
b1
B b2 .
b3
5.1. ALGEBRA
DE MATRICES
5.1.2
33
Ejercicios
1. Calcule AB para A =
1 3 5
2 2 3
1
2. Calcule A2 , AB y BA para A =
3
1
y
0
2
2
0
3 2
B = 1 4 .
2 4
0
1
2 1
yB =
3
4
0
4
1
0
1
1
0 5 0
3 0 4
.
0 5 0
3 5 0
5.1.3
Suma de matrices
2 1
3 6
B=
1 0
3 2
A+B =
2 1
3 6
1 0
3 2
2 + 1 1 + 0
3 + 3 6 + 2
3 1
6 4
Ejemplo 5.22.
Sean A y B M33 .
1 2 3
A = 4 5 6 ;
0 1 2
1 0 2
B = 4 3 2
2 3 9
CAPITULO 5.
34
MATRICES
0 2 5
11 2+0 3+2
1 0 2
1 2 3
A+B = 4 5 6 + 4 3 2 = 4 4 5 + 3 6 + 2 = 0 8 8 .
2 4 11
0+2 1+3 2+9
2 3 9
0 1 2
Definici
on 5.5: Suma de matrices
Para m, n, N, sean A = [aij ] Mmn y B = [bij ] Mmn para las
cuales i = 1, . . . , m y j = 1, . . . n.
Se define la suma de las matrices A y B como la matriz A + B =
C Mmn , tal que A + B = C = [cij ]. Cada entrada cij de C es el
resultado de sumar las entradas aij de A y bij de B :
cij = aij + bij , para i = 1, . . . , m y j = 1, . . . n.
Explcitamente, para A Mmn y B Mmn :
a11
a21
..
.
a12
a22
..
.
...
...
..
.
A=
ai1 ai2 . . .
..
..
..
.
.
.
am1 am2 . . .
a1n
a2n
..
.
ain
..
.
amn
b11
b21
..
.
b12
b22
..
.
...
...
..
.
,B =
bi1 bi2 . . .
..
..
..
.
.
.
bm1 bm2 . . .
b1n
b2n
..
.
bin
..
.
bmn
a11 + b11
a21 + b21
..
.
a12 + b12
a22 + b22
..
.
...
...
..
.
A+B =
ai1 + bi1
ai2 + bi2 . . .
..
..
..
.
.
.
am1 + bm1 am2 + bm2 . . .
a1n + b1n
a2n + b2n
..
.
ain + bin
..
.
amn + bmn
5.1. ALGEBRA
DE MATRICES
c11
c21
..
.
c12
c22
..
.
35
...
...
..
.
ci1 ci2 . . .
..
..
..
.
.
.
cm1 cm2 . . .
cij = aij + bij ;
c1n
c2n
..
.
cin
..
.
cmn
i = {1, . . . , m},
=C
j = {1, . . . , n}.
5.1.4
Multiplicaci
on por un escalar
(A) = 3(A) = 3
2 1
3 6
(3)(2) (3)(1)
(3)( 3) (3)(6)
CAPITULO 5.
36
6 3
9 18
MATRICES
1 2 5
5(1) 5(2) 5(5)
(A) = 5(A) = 5 0 7 8 = 5( 0) 5(7) 5(8) =
2 4 11
5( 2) 5(4) 5(11)
5 10 25
0 35 40 .
10 20 55
La matriz que resulta es aquella cuyas entradas son las entradas de la
matriz multiplicadas por el n
umero.
Definici
on 5.6: Multiplicaci
on de una matriz por un escalar
Para m, n, N, sean A = [aij ] Mmn para i = 1, . . . , m y j = 1, . . . n
y R cualquier escalar.
El producto del escalar por la matriz A es la matriz A Mmn ,
tal que A = C = [cij ].
La entrada cij de C es el resultado de multiplicar el escalar por
la entrada aij de A : cij = aij para i = 1, . . . , m y j = 1, . . . n.
Explcitamente, para R y A Mmn :
..
..
..
..
.
.
.
.
A =
ai1 ai2 . . . ain
..
..
..
..
.
.
.
.
am1 am2 . . . amn
5.1. ALGEBRA
DE MATRICES
37
()A = (A).
()a11
=
()A = ()
()a21
(a11 ) ()a12 ) (a13 )
a11
=
(a21 ) (a22 ) (a23 )
a21
a11 a12 a13
a21 a22 a23
()a12 ()a13
=
()a22 ()a23
a12 a13
= (A).
a22 a23
Observaci
on. Sea A Mmn y sean y dos n
umeros, se cumple
que:
()A = (A).
entij (()A) = entij ((A)).
Ejemplo 5.26.
Para R, A M23 , y B M32 , verificamos que se cumple:
Sean A =
a11
a21
b11 b12
a12 a13
y B = b21 b22 .
a22 a23
b31 b32
Tenemos que:
a11 b11 + a12 b21 + a13 b31 a11 b12 + a12 b22 + a13 b32
=
(AB) =
a21 b11 + a22 b21 + a23 b31 a21 b12 + a22 b22 + a23 b32
(a11 b11 + a12 b21 + a13 b31 ) (a11 b12 + a12 b22 + a13 b32 )
=
(a21 b11 + a22 b21 + a23 b31 ) (a21 b12 + a22 b22 + a23 b32 )
a11 b11 + a12 b21 + a13 b31 a11 b12 + a12 b22 + a13 b32
a21 b11 + a22 b21 + a23 b31 a21 b12 + a22 b22 + a23 b32
(a11 )b11 + (a12 )b21 + (a13 )b31 (a11 )b12 + (a12 )b22 + (a13 )b32
(a21 )b11 + (a22 )b21 + (a23 )b31 (a21 )b12 + (a22 )b22 + (a23 )b32
(A)B.
CAPITULO 5.
38
MATRICES
Observaci
on. El producto por un escalar conmuta con el producto de
matrices. Para R, A Mmn , y B Mmp , se cumple que:
(AB) = (A)B = A(B).
5.1.5
Distributividad
Propiedades distributivas
El producto de matrices se distribuye con respecto a la suma de
matrices.
1. Para m, n y p N, A = [aij ] Mmn , B = [bjk ] Mnp y
C = [cjk ] Mnp , se cumple que:
A(B + C) = AB + AC.
2. Para m, n y p N, y A = [aij ] Mmn , B = [bij ] Mmn
y C = [cjk ] Mnp , se cumple que:
(A + B)C = AC + BC.
El producto por un escalar se distribuye con respecto a la suma
de matrices.
Para R, A Mmn , y B Mmn , se cumple que:
(A + B) = A + B.
39
5.1.6
Ejercicios
2
1
3 36
5.2
Matriz inversa
0 31
0 3
2 21 + 0 0 2 0 + 0 13
=
0 21 + 3 0 0 0 + 3 13
1 0
=
= I2
0 1
Veamos que en este caso el orden de los factores no altera el producto:
1
0
2 0
2
F1 D1 =
=
0 31
0 3
CAPITULO 5.
40
1
2
2 + 0 0 12 0 + 0 3
0 2 + 31 0 0 0 + 13 3
1 0
=
= I2
0 1
MATRICES
Ejemplo 5.28.
Veamos que la matriz A =
1 2
1 1
es invertible.
a b
c d
= I2 .
BA = I2 :
AB =
a + 2c b + 2d
a + c b + d
1 0
0 1
Por lo que:
a + 2c = 1
a + c = 0
b + 2d = 0
b + d = 1
1
3
a=c=
AB =
1
1
1
1
1( ) + 2( )
3
3
1
1
(1)( ) + 1( )
3
3
2
3
.
1
3
1
2
3
3
2
=
1
1
1
3
3
1
2
1( ) + 2( )
3
3
=
1
2
(1)( ) + 1( )
3
3
, con AB =
41
0
1
=
= I2 .
0 1
2 1
1 1
+
+
3 3
3 3
En forma an
aloga se comprueba que B A = I2 .
1 2
+
3 3
Definici
on 5.7: Matriz inversa
Sean A Mnn y B Mnn tal que AB = In = BA.
La matriz B se le llama la matriz inversa de A.
La matriz A se le llama la matriz inversa de B.
Denotamos a la matriz inversa de A por A1 , as B = A1 .
Si la matriz A tiene inversa A1 , a A se llama invertible. Se tiene
que AA1 = In = A1 A.
Ejemplo 5.29.
La matriz In tiene inversa, adem
as In 1 = In .
Observaci
on:
Sea A una matriz cuya matriz inversa A1 existe, se tiene
que A1 es u
nica.
Lo anterior es consecuencia de que el producto de matrices es asociativo:
Sean B y C matrices que son inversas de la matriz A :
BA = I = AB,
CA = I = AC.
B = IB = (CA)B = C(AB) = CI = C.
5.2.1
Recordemos que el metodo de Gauss Jordan para resolver, en su caso, sistemas de ecuaciones lineales, involucra el hacer que la matriz aumentada del
CAPITULO 5.
42
MATRICES
1
0 2
Ejemplo 5.30. Encontrar la inversa de la matriz A = 0
1 3 .
1 2 0
1 0 0
1
0 2
1 3 | 0 1 0
Consideramos [A | I3 ] = 0
0 0 1
1 2 0
La matriz A tiene ya un pivote en la posici
on a11 = 1 correspondiente al
primer rengl
on y la primera columna. Se procede como siempre aplicando
las operaciones elementales en la primera columna para obtener ceros abajo
del pivote en ella.
1 0 0
1
0
2
[A | I3 ]
0
1
3 | 0 1 0
R3 R1
1 0 1
0 2 2
43
1 0 2
1 0 0
0 1 3 | 0 1 0
R3 + 2R2
0 0 4
1 2 1
Se observa que la primera y segunda columnas de la matriz del lado
izquierdo ya est
an escalonadas y reducidas. El siguiente paso ser
a obtener
el pivote en la tercera columna en la posici
on a33 = 4 y proceder utilizando
el pivote producido igual a 1 en el tercer rengl
on, para obtener ceros arriba
de el:
1 0 2
1
0
1
3
|
0
1
4 R3
0 0 1
41
0
0
0
1
1
2
1
4
1 0 2
1
0
0
0 1 0 | 43 12 43
R2 3R3
1
1
41
0 0 1
2
4
3
1 0 0
2
0 1 0 | 43
R1 2R3
41
0 0 1
1 12
12 43 = [I3 | B]
1
2
1
4
1
1
0 2
2 1 2
AB = AA1 = 0
1 3 34 21 43 =
1
1
1 2 0
14
2
4
1 32 + 0 43 + 2 14 1 1 + 0 12 + 2 21 1 21 + 0 34 + 2 41
0 3 + 1 3 + 3 1 0 1 + 1 1 + 3 1 0 1 + 1 3 + 3 1 =
2
4
4
2
2
2
4
4
3
1
1
3
1
1
3
1
1 2 2 4 + 0 4 1 1 2 2 + 0 2 1 2 2 4 + 0 4
CAPITULO 5.
44
MATRICES
1 0 0
0 1 0 = I3 .
0 0 1
En forma an
aloga tenemos que A1 A = I3 .
Observaci
on.
1 0 0
1
0 2
1 3 | 0 1 0
Al considerar [A | I3 ] = 0
0 0 1
1 2 0
1
0 2 1
[A | I3 ] = 0
1 3 0
1 2 0 0
1
0 2 0
[A | I3 ] = 0
1 3 1
1 2 0 0
1
0 2 0
1 3 0
[A | I3 ] = 0
1 2 0 1
5.2.2
45
x1
X = x2 ,
x3
b1
B = b2 .
b3
CAPITULO 5.
46
MATRICES
1 0 0 c1
[A|B] 0 1 0 c2
0 0 1 c3
X Mn1 ,
B Mn1 .
47
1 3 3
(a) A = 1 3 4
1 4 3
2 4 3
2
3 6 5
2
(b) A =
2 5 2 3
4 5 14
14
2. Encuentre la soluci
on del sistema siguiente utilizando la inversa de la
matriz asociada al sistema.
x1 + 3x2 + 3x3 = 1
x1 + 3x2 + 4x3 = 1
x1 + 4x2 + 3x3 = 1
5.2.3
2 1 4 0 1
Sea A M35 , tal que A = 0 1 1 4 1
1 2
3 4 5
A la matriz A se le aplica la operaci
on elemental del tipo 1: intercambiar
el tercer reng
on por el primero: R1 R3
2 1 4 0 1
1 2
3 4 5
A = 0 1 1 4 1 R1 R3 0 1 1 4 1
1 2
3 4 5
2 1 4 0 1
CAPITULO 5.
48
MATRICES
1 21
2 1 4 0 1
0 1
A = 0 1 1 4 1
1
R1
2
1 2
1 2
3 4 5
2 0 52
1 4 1
3 4 5
2 1 4 0 1
0 5 2 8 9
A = 0 1 1 4 1
0 1 1 4
1
R1 2R3
1 2
3 4 5
1 2
3
4
5
Cuidar la notaci
on nos ayuda a evitar errores. Rj +sRi denotara siempre
que el rengl
on j est
a siendo sustituido por su suma m
as s veces el reng
on i.
Definici
on 5.8:
Matriz elemental
1 0 0
I= 0 1 0
0 0 1
A la matriz I se le aplica la operaci
on elemental del tipo 1: intercambiar
el tercer reng
on por el primero: R1 R3 , a la matriz elemental obtenida la
llamamos E1 .
1 0 0
0 0 1
I = 0 1 0 R1 R3 0 1 0 = E1
0 0 1
1 0 0
49
1 0 0
2 0 0
0 1 0 = E2
I = 0 1 0
1
R1
2
0 0 1
0 0 1
1 0 0
0 0 2
I = 0 1 0
0 1 0 = E3
2R3 + R1
0 0 1
0 0 1
Ejemplo 5.32. Para las matrices elementales E1 , E2 y E3 , obtenidas en
el ejemplo anterior, veamos que cambio producimos en una matriz A si la
multiplicamos por cada una de ellas.
2 1
4 0 1
Sea A = 0
1 1 4 1 .
1
2
3 4 5
Para i = {1, 2, 3}, se tiene que Ei M33 y A M35 . Tenemos que
para cada valor de i, el producto Ei A est
a definido. Observemos que sucede:
1.
0 0 1
2 1
4 0 1
1
2
3 4 5
E1 A = 0 1 0 0
1 1 4 1 = 0 1 1 4 1 .
1 0 0
1
2
3 4 5
2 1
4 0 1
E1 es el resultado de aplicar la operaci
on elemental del tipo 1: intercambiar el tercer reng
on por el primero: R1 R3 a la matriz I3 .
El resultado de E1 A es intercambiar el tercer reng
on de A por el
primero: R1 R3 .
2.
1 21
2 1
4 0 1
0 0
2 0 52
1 1 4 1 .
1 1 4 1 = 0
E2 A = 0 1 0 0
1
2
3 4 5
1
2
3 4 5
0 0 1
1
2
CAPITULO 5.
50
MATRICES
1
2
el primer rengl
on de A.
3.
0 5 2 8 9
2 1
4 0 1
1 0 2
1 1
4
1 .
1 1 4 1 = 0
E3 A = 0 1
0 0
1
2
3
4
5
1
2
3 4 5
0 0
1
Observaci
on. Hacer una operaci
on elementaldel tipo i a una matriz
A Mnm , es lo mismo que multiplicarla por la izquierda por la matriz
elemental de tama
no n n obtenida al aplicarle a In la operaci
on
elemental del tipo i.
Ejemplo 5.33. Considere las matrices elementales de tama
no 33 siguientes:
1. E1 es la matriz elemental resultado de aplicar la operaci
on elemental
del tipo 1 a I3 : intercambiar el tercer reng
on por el primero: R1 R3
a la matriz I3 .
0 0 1
E1 = 0 1 0
1 0 0
Sabemos que el resultado de E1 A para cualquier matriz A es intercambiar el tercer reng
on de A por el primero. Calculemos E1 E1 .
0 0 1
0 0 1
1 0 0
E1 E1 = 0 1 0 0 1 0 = 0 1 0 = I3
1 0 0
1 0 0
0 0 1
Concluimos que E1 es invertible y su inversa es ella misma.
51
1 0 0
E2 = 0 0
0 0 1
Sabemos que el resultado de E2 A para cualquier matriz A es multiplicar el segundo rengl
on de A por el n
umero .
Consideremos la matriz elemental:
1 0
B = 0 1
0 0
0
0
1
Calculemos E2 B.
1 0 0
1
E2 B = 0 0 0
0 0 1
0
0
1
0
1 0 0
0 = 0 1 0 = I3
0 0 1
1
1 0 2
E3 = 0 1
0
0 0
1
Sabemos que el resultado de E2 A para cualquier matriz A es El resultado de E3 A es remplazar el primer rengl
on de A por la suma del
primero m
as 2 veces el tercer rengl
on, R1 2R3 .
Consideremos la matriz elemental:
1 0 2
C= 0 1 0
0 0 1
CAPITULO 5.
52
MATRICES
Calculemos E3 C.
1 0 2
1 0 2
1 0 0
E3 C = 0 1
0 0 1 0 = 0 1 0 = I3
0 0
1
0 0 1
0 0 1
Concluimos que E3 es invertible y su inversa es la matriz elemental
del mismo tipo obtenida de remplazar el primer reng
on de I3 por la
suma del primero m
as 2 veces el tercer rengl
on, R1 + 2R3 .
Generalizamos estos ejemplos para establecer la siguiente:
Observaci
on. Para cualquier n
umero natural n, las matrices elementales de orden n n, son invertibles.
1
La matriz (E2 ) queda determinada al aplicarle a In la operaci
on
1
1
elemental Rj Rj , es decir, se multiplica por , el recproco de
.
3. Si E3 es la matriz elemental que se produce al reemplazar el rengl
on Rj
por la suma de el y veces el rengl
on Ri , Rj Rj + Ri , entonces
E3 es invertible y su matriz inversa es la matriz elemental obtenida
por reemplazar el rengl
on Rj por la suma de el y veces el rengl
on
Ri , Rj Rj Ri
La matriz (E3 )1 queda determinada al aplicarle a In la operaci
on
elemental Rj Rj Ri .
53
5.2.4
Para continuar, recordemos que una matriz elemental es una matriz obtenida
de la matriz In al aplicarle a ella una operaci
on elemental.
Como ya vimos anteriormente, aplicar una operaci
on elemental a una
matriz es lo mismo que multiplicarla por la izquierda por la matriz elemental
que le corresponde a la operaci
on elemental.
Mediante el metodo de Gauss Jordan para encontrar la matriz inversa
se est
a multiplicando por la izquierda en forma simult
anea por cada matriz elemental equivalente a la operaci
on establecida en cada paso a las dos
matrices que se van obteniendo, iniciando con las dos matrices [A | I3 ].
Para ver esto, consideramos cada una de las cinco operaciones de rengl
on
que se llevaron a cabo para encontrar la matriz inversa en el ejemplo 5.30 y
que fueron:
R3 R1
R3 + 2R2
1
4 R3
R2 3R3
R1 2R3
Representamos a cada una de las operaciones como las matrices elementales Ei para i = 1, . . . , 5 que aparecen a continuaci
on:
1 0 0
I3
0 1 0 = E1
R3 R1
1 0 1
1 0 0
I3
0 1 0 = E2
R3 + 2R2
0 2 1
1 0 0
0 1 0 = E3
I3
1
4 R3
0 0 14
1 0
0
I3
0 1 3 = E4
R2 3R3
0 0
1
CAPITULO 5.
54
MATRICES
1 0 2
0 1 0 = E5
I3
R1 2R3
0 0 1
Veremos que lo que se hizo fue multiplicar en cada paso por las matrices
elementales correspondientes al aplicar el metodo:
E1 A|E1 I3 = E1
E1
1
0 2 1 0 0
1 0 0
1
0
2
0
0 1 0
1 3 0 1 0
0
1
3
R3 R1
1 2 0 0 0 1
0 2 2 1 0 1
[A | I3 ]
E1 A|E1 I3 = E1
E2 E1 A|E2 E1
E2
1 0 2
1 0 0
1 0 0
1
0
2
0
0 1 0
0 1 0
1
3
0 1 3
R3 + 2R2
0 2 2 1 0 1
0 0 4 1 2 1
E2 E1 A|E2 E1
E3 E2 E1 A|E3 E2 E1
E3
1 0 2
1 0 0
1
1 0 2
0 1 3
0 1 0
0
0 1 3
1
4 R3
0 0 4 1 2 1
0 0 1 14
E3 E2 E1 A|E3 E2 E1
1
1 0 2
0 1 3
0
0 0 1 14
0
1
1
2
0
1
1
2
0
0
1
4
E4 E3 E2 E1 A|E4 E3 E2 E1
E4
0
1
0
0
1 0 2
3
1
3
0 1 0
0
4 2 4
R
3R
2
3
1
1
1
0 0 1 14
4
2
4
E4 E3 E2 E1 A|E4 E3 E2 E1
E5 E4 E3 E2 E1 A = I3 |E5 E4 E3 E2 E1 =
E5
55
1
1
2
21 43
3
1
0
0
1 0 2
1 0 0
2
3
3
1
3
0 1 0
0 1 0
4 2 4
4
R1 2R3
1
1
1
1
0 0 1 4
0 0 1 4
2
4
1
2
1
4
(E5 (E4 (E3 (E2 (E1 A))))) | (E5 (E4 (E3 (E2 (E1 I3 ))))) =
(E5 E4 E3 E2 E1 )A | (E5 E4 E3 E2 E1 ) = I3 | A1 .
Observaci
on. Para expresar a la matriz A1 como producto de matrices elementales, el lector debe tener cuidado del orden en el que las
multiplica ya que la multiplicaci
on de matrices no es conmutativa.
Ejemplo 5.34. Veamos el caso de una matriz A que no tiene inversa, para
la cual al aplicarle el metodo se producir
a una matriz que no es equivalente
a la matriz identidad.
2
1
Sea A =
.
2 1
[A|I2 ] =
2
1 1 0
2 1 0 1
R2 + 2R1
2 1 1 0
0 0 2 0
= [B|C] .
56
CAPITULO 5.
MATRICES
la forma [I2 |D] . Esto es claro si las operaciones son del tipo 1 o 2, es decir,
intercambiar renglones o multiplicar un rengl
on por un escalar distinto de
cero. Si es del tipo 3, remplazar el primer rengl
on por su suma con un
m
ultiplo escalar del segundo reng
on y es lo que est
a detr
as en casos como
este y vale la pena resaltar, es que cuando la matriz no es invertible es posible
producir un rengl
on de ceros al escalonar la matriz A de la que partimos,
mediante esta operci
on: remplazar el rengl
on Ri con Ri + cRj provoca que
el rengl
on Ri se convierta en un reng
on de puros ceros.
2
1
.
Tenamos A =
2 1
Pensemos a los renglones como vectores, si remplazamos R2 = 2 1
por:
R2 + R1 = 2 1 2 1 = 2 + 2 1 + 1 = 0 0 .
R2 + R1 = 0 0 es lo mismo que R2 = R1 , es decir, el segundo
rengl
on de la matriz A es, como se observa sin dificultad, m
ultiplo escalar
del primer reng
on de A.
En general, si podemos producir un reng
on de ceros, por ejemplo, en
el rengl
on Ri , tendremos que habra s renglones Rj1 , Rj2 , Rj3 , Rjs todos
diferentes a Ri y escalares cjl , l = {1, . . . s} tal que:
Ri = cj1 Rj1 + cj2 Rj2 + cj3 Rj3 + + cjs Rjs .
Esto nos dice que al reng
on Ri lo podemos obtener de una suma de m
ultiplos
escalares de los s renglones Rjl . Dicho de otra forma, el rengl
on Ri es combinaci
on lineal de los s renglones Rjl .
Ejercicios
Exprese la matriz inversa como producto de matrices elementales para
cada una de las matrices siguientes:
1 3 3
1. A = 1 3 4
1 4 3
2 4 3
2
3 6 5
2
2. A =
2 5 2 3
4 5 14
14
57
5.3
Matriz transpuesta
1 2 3
4 5 6
Ejemplo 5.36.
1
2
Si A =
3
0
2
1
6
1
Definici
on 5.9:
3
0
7
0
1 4
At = 2 5 .
3 6
4
3
,
8
1
2
At =
3
4
2
1
0
3
3
6
7
8
0
1
.
0
1
Matriz transpuesta
A=
1 2 3
4 5 6
tenamos que:
1 4
At = 2 5
3 6
CAPITULO 5.
58
MATRICES
(A ) =
1 2 3
4 5 6
=A
1 2 3
A=
4 5 6
1 4
At = 2 5
3 6
1 4
(At ) = 2 5
3 6
Por otro lado,
A =
1 2 3
4 5 6
1 4
(A)t = 2 5 = (At )
3 6
Ejemplo 5.39. Calcule (A + B)t y At + B t para las siguientes matrices:
A=
A+B =
1 2 3
4 5 6
B=
1+0 2+3 31
4+2 5+4 68
0 3 1
2 4 8
Por lo que
1
6
(A + B)t = 5
9 .
2 2
1 5
2
6 9 2
59
0
2
Bt = 3
4
1 8
1 4
At = 2 5 ,
3 6
De donde
1+0 4+2
1
6
At + B t = 2 + 3 5 + 4 = 5
9 = (A + B)t .
31 68
2 2
Ejemplo 5.40. Calcule (AB)t y B t At para las siguientes matrices:
A=
1 2 3
4 5 6
1
3
2
B= 1
3 1
1 4
1 1 3
Bt =
, At = 2 5 ,
3 2 1
3 6
Tenemos que B t es de orden 2 3 y At es de orden 3 2, la matriz B t At
est
a definida y es de orden 2 2.
1(1) + 2(1) + 3(3) 1(3) + 2(2) + 3(1)
AB =
=
4(1) + 5(1) + 6(3) 4(3) + 5(2) + 6(1)
1+2+9
3+43
12 4
=
=
4 + 5 + 18 12 + 10 6
26 16
Por lo que
t
(AB) =
12 26
4 16
BA =
CAPITULO 5.
60
1 + 2 + 9 4 + 4 + 18
3 + 4 3 12 + 10 6
12 26
4 16
MATRICES
1
0 2
1 3
A= 0
1 2 0
De esta manera,
1 0
1
A = 0 1 2
2 3
0
t
A1
3
2
3
4
1
2
3
4
1
2
1
2
1
4
3
4
3
2
1 t
(A ) =
1
1
2
3
4
1
4
1
4
At (A1 )t
Veremos que
= I3 , como sabemos que la matriz inversa es
t
1
unica, tendremos que (A ) = (A1 )t .
Hay dos formas de hacerlo, una es corta. Utilizamos la propiedad que
nos brindo el ejemplo anterior: At (A1 )t = (A1 A)t = (I3 )t = I3 .
La otra es calcular directamente At (A1 )t = I3 utilizando la definicion
del producto de matrices. Nosotros preferimos hacer la corta.
Propiedades de la transpuesta
Sean A y B Mmn , y sean y n
umeros reales, se cumple que:
(At )t = A.
(At ) = (A)t .
(A + B)t = At + B t .
61
(A + B)t = At + B t .
Si A Mmn y B Mnp , entonces:
(AB)t = B t At .
Si A Mnn es invertible, entonces At tambien lo es y
t
(At )1 = (A1 ) .
Ejemplo 5.42.
Para algunas matrices cuadradas, como la matriz identidad y las matrices
diagonales se cumple que son iguales a su transpuesta.
1 0
1 0
t
Si A =
, A =
.
0 2
0 2
Existen matrices que no son diagonales y cumplen con esa propiedad,
por ejemplo:
3 1
3 1
t
Si A =
, A =
.
1 1
1 1
Esto da origen a la siguiente definicion:
Definici
on 5.10: Matriz sim
etrica
Si una matriz cuadrada A, es tal que A = At , entonces decimos que A
es una matriz sim
etrica.
5.4
Cuando est
a definido, el producto de matrices es asociativo.
CAPITULO 5.
62
MATRICES
Para cada k = {1, . . . , q}, las entradas de cada columna Colk (BC) las
escribimos como (bc)jk donde j = 1, . . . n y k est
a fijo, la columna queda en
la forma:
Colk (BC) =
(bc)1k
(bc)2k
..
.
(bc)nk
63
bj1 bj2 . . .
bjp
c1k
c2k
..
.
cpk
ai1 ai2 . . .
ain
ai1 ai2 . . .
ain
(bc)1k
(bc)2k
..
.
(bc)nk
eik
CAPITULO 5.
64
MATRICES
(ab)is = Ri A Cols B =
ai1 ai2 . . .
ain
b1s
b2s
..
.
bns
c1k
c2k
(ab)i1 . . .
(ab)ip
c1k
c2k
..
.
cpk
c1k
c2k
... =
cpk
65
i = {1, . . . , m},
k = {1, . . . , p}.
Como cada una de sus entradas son iguales tenemos que D = E, que es
lo mismo que (AB)C = A(BC), lo que se deseaba mostrar.