Matrices Determinantes

Enrique R.
Aznar
Dpto. de Álgebra
MATRICES Y DETERMINANTES.
¿Cómo ordenar bidimensionalmente?
Página web personal
Página de Abertura
1. Introducción 4
2. Matrices 7 Contenido
Definición 1 7
Ejemplo 1 8 JJ II
Definición 2 9
J I
Definición 3 9
Ejemplo 2 9 Página 1 de 65
Definición 4 9
3. Aritmética de matrices 10 Atrás
3.1. Suma de Matrices 10

Pantalla grande/pequeña
Ejemplo 3 11
Definición 5 12 Cerrar
3.2. Producto de un escalar por una matriz 13
Ejemplo 4 13
Definición 6 13
Enrique R. Aznar
3.3. Producto de matrices 14 Dpto. de Álgebra
Ejemplo 5 15
Teorema 1 16
Ejemplo 6 17
4. Matriz traspuesta 17
Ejemplo 7 18
Definición 7 18
Ejemplo 8 19
5. Producto escalar de vectores 20 Página de Abertura
Definición 8 20
Ejemplo 9 21 Contenido
6. Matrices inversas y regulares 22

JJ II
Definición 9 22
Ejemplo 10 22 J I
Lema 1 22
Lema 2 23 Página 2 de 65
Definición 10 23
Atrás
Lema 3 23
Ejemplo 11 24 Pantalla grande/pequeña
Definición 11 25
Teorema 2 26 Cerrar
Corolario 1 27
7. Transformaciones elementales 27
Enrique R. Aznar
Lema 4 28 Dpto. de Álgebra
Ejemplo 12 28
Ejemplo 13 30
8. Determinantes 33
Definición 12 33
Lema 5 39
Ejemplo 14 40
Lema 6 40
Teorema 3 41 Página de Abertura
Lema 7 42
Definición 13 45 Contenido
Lema 8 45
JJ II
9. Formas normales de Hermite. 47
Definición 14 47 J I
Ejemplo 15 47
10. Equivalencia de matrices. 49 Página 3 de 65
Definición 15 49
Atrás
Ejemplo 16 50
Teorema 4 52 Pantalla grande/pequeña
Ejemplo 17 53
11. Apéndice : Matriz de Vandermonde. 55 Cerrar
Teorema 5 57
Corolario 2 57
Enrique R. Aznar
Ejemplo 18 58 Dpto. de Álgebra
12. Ejercicios. 59
Ejercicio 1 59
Ejercicio 2 59
Ejercicio 3 60
Ejercicio 4 60
Ejercicio 5 60
Ejercicio 6 60
Ejercicio 7 60 Página de Abertura
Ejercicio 8 61
Ejercicio 9 61 Contenido
Ejercicio 10 61
JJ II
13. Test de repaso. 61
J I
Página 4 de 65
1. I NTRODUCCIÓN Atrás
Una matriz puede ser definida inicialmente como una tabla rectangular que Pantalla grande/pequeña
contiene cantidades abstractas que pueden ser sumadas o multiplicadas.
Cerrar
Aunque el nombre de matriz es relativamente reciente (fue introducido en
1850 por James Joseph Sylvester), su uso se remonta a la antigua China, con
el estudio de sistemas de varias ecuaciones lineales.
Enrique R. Aznar
Las matrices están presentes en Matemáticas así como en casi todas las dis- Dpto. de Álgebra
ciplinas científicas actuales. La teoría de matrices es una de las ramas mas
rica, abstracta y útil de las matemáticas.
Las matrices de números son especialmente útiles para el tratamiento de
datos estadísticos. Sus aplicaciones van desde la ingeniería hasta la física,
pasando por todas las ramas científicas. Hoy día, no se concibe una matemática
aplicada sin este concepto. Página web personal
Las matrices proporcionan una notación compacta y flexible especialmente Página de Abertura
adecuada para estudiar transformaciones lineales. Permiten, además, un
tratamiento simple y organizado de la resolución de sistemas lineales, in- Contenido
cluidos sistemas de ecuaciones diferenciales.
JJ II
Fueron estudiadas, en 1857, por Cayley1 considerado el padre del Álgebra
Lineal. Sin embargo mucho antes, en 1683, el japonés Seki Takakazu e J I
independientemente, en 1693, el alemán Gottfried Leibnitz ya habían con-
Página 5 de 65
siderado la asignación de un número a un array cuadrado de números.
Atrás
Cerrar
1
Matemático británico y profesor en Cambridge, Arthur Cayley (1821-1895), fue uno de
los matemáticos mas prolíficos de la historia junto con Leonard Euler y Paul Erdös.
Enrique R. Aznar
O sea, ya habían considerado la definición de determinante de una matriz Dpto. de Álgebra
cuadrada. Durante los siguientes 120 años los determinantes fueron estudia-
dos en conexión con la solución de s.l. de ecuaciones como p.ej.
¾
a 11 x + a 12 y = b 1 Página web personal
a 21 x + a 22 y = b 2
Página de Abertura
Contenido
En 1812, Augustin-Louis Cauchy publicó un artículo donde usó determi- JJ II

nantes para dar fórmulas para el volumen de ciertos sólidos poliédricos.
J I
De hecho, fue el primero en probar que el volumen de un cristal paralelepípedo
coincide con el valor absoluto del determinante formado por las coordenadas Página 6 de 65
de 3 vectores que lo definan. Cauchy y sus sucesores aplicaron los determi-
nantes a toda la geometría analítica. Atrás
Así, las aplicaciones de los determinantes fueron investigadas antes e inde- Pantalla grande/pequeña
pendientemente del desarrollo de la teoría de matrices. En 1900, Thomas
Cerrar
Muir compendió todo lo conocido en un tratado de 4 volúmenes.
Hoy día, los determinantes representan un papel pequeño en los tremendos
cálculos matriciales que surgen a menudo en las aplicaciones modernas.
Enrique R. Aznar
2. M ATRICES Dpto. de Álgebra
Dado un cuerpo2 K , una matriz de orden m x n con coeficientes en K es una

objeto matemático que se describe como una tabla bidimensional
 
a 11 ... a 1n
 . .. .. 
A =  .. . . 
a m1 . . . a mn
Página de Abertura
O sea, es una colección, doblemente ordenada, de elementos en un cuerpo.
Contenido
Una forma de definirla con más precisión, es fijándonos en la colección de
sus filas3. JJ II
Definición 1. Una matriz m × n con coeficientes en K es un vector de longi- J I

tud m , cuyos elementos son vectores en K de longitud n . O sea,
Página 7 de 65
A = ((a 11 , . . . , a 1n ), . . . , (a m1 , . . . , a mn ))
Atrás
Al número m lo llamamos número de filas y al número n número de colum- Pantalla grande/pequeña
nas. Y decimos que la dimensión u orden de la matriz es m × n .

Cerrar
2
K usualmente será Q, R o C.
3
Hay otra forma equivalente de definir matriz por columnas.
Enrique R. Aznar
Por ejemplo, con esta definición, la matriz Dpto. de Álgebra
µ ¶
1 1
A =
2 −1
será el vector formado por sus filas4
A = ((1, 1), (2, −1))
µ ¶ Página web personal
1 −1 9
Ejemplo 1. A = es de orden 2 × 3. O sea, tiene 2 filas y 3
2 0 5
Página de Abertura
columnas.
Contenido
Claramente, dos matrices son iguales si tienen igual orden e iguales elemen-
tos en cada una de sus posiciones. JJ II
Por ejemplo, la matriz J I

µ ¶
1 a 9
B = Página 8 de 65
2 0 b
es igual a la matriz, A , anterior si y sólo si a = −1 y b = 5. Atrás
De una matriz con una única fila diremos que es una matriz fila y de una Pantalla grande/pequeña
matriz con una única columna que es una matriz columna. Una matriz es
cuadrada si tiene igual número de filas que de columnas, esto es: si es de Cerrar
orden n × n para algún n .

4
La otra forma equivalente sería el vector formado por sus columnas A = ((1, 2), (1, −1)).
Enrique R. Aznar
Definición 2. Al conjunto de todas las matrices de orden m × n con coefi- Dpto. de Álgebra
cientes en el cuerpo K lo denotaremos por Mm×n (K ). Para el caso, m = n ,
escribiremos simplemente Mn (K ).
Así, por ejemplo, M3 (R) designará al conjunto de todas las matrices cuadradas
de orden 3 con coeficientes en el cuerpo R de los números reales, mientras
que M2×3 (Q) será el conjunto de todas las matrices de 2 filas y 3 columnas
con coeficientes en el cuerpo de los racionales.
Definición 3. Para una matriz A , llamaremos submatriz de A , a cada matriz Página de Abertura
que se obtenga de ella suprimiendo algunas de sus filas y/o columnas.

µ ¶ Contenido
1 −1 9
Ejemplo 2. La matriz A = de 2 filas y 3 columnas, tiene 3 JJ II
2 0 5
µ ¶
1 9
submatrices 2 × 2. Una de ellas es J I
2 5
Página 9 de 65
Dada una matriz cuadrada
 
a 11 ... a 1n Atrás
 . .. .. 
A =  .. . .  Pantalla grande/pequeña
a n1 . . . a nn
Cerrar
Definición 4. Los n elementos a11 , a22 , . . . , ann constituyen su diagonal prin-
cipal. Se dice que A es una matriz diagonal si todos los elementos fuera de
su diagonal principal son cero. Esto es, si ai j = 0, ∀i 6= j .
Enrique R. Aznar
A se dice triangular superior si todos los elementos por debajo de su diago- Dpto. de Álgebra
nal son cero, ai j = 0, ∀i > j . Triangular inferior si todos los elementos por
encima de su diagonal son cero5, ai j = 0, ∀i < j .
   
1 0 0 1 2 3
Por ejemplo, 2 1 0 es triangular inferior. 0 1 −1 es triangular su-
2 3 5 0 0 5 Página web personal
 
1 0 0
perior. Mientras que la matriz 0 1 0 es diagonal. Página de Abertura
0 0 5
Contenido
JJ II
3. A RITMÉTICA DE MATRICES
J I
3.1. Suma de Matrices. Dadas dos matrices de igual orden m × n , A =
(a i j ) y B = (b i j ) se define su suma como la matriz del mismo orden dada Página 10 de 65
por:
  Atrás
a 11 + b 11 ... a 1n + b 1n
A + B = (a i j + b i j ) = 
 .. .. ..  Pantalla grande/pequeña
. . . 
a m1 + b m1 . . . a mn + b mn Cerrar
5Es costumbre dar estas definiciones para matrices cuadradas. Aunque, las mismas
definiciones tienen sentido para matrices rectangulares.
Enrique R. Aznar
Esto es, la suma de las matrices A y B es la matriz que en la fila i , columna Dpto. de Álgebra
j , tiene al elemento a i j + b i j , suma de los correspondientes elementos de A
y B . La suma de matrices sólo está definida para matrices de igual orden.
Ejemplo 3.
µ ¶ µ ¶ µ ¶
1 2 −1 3 1 1 4 3 0
+ = Página web personal
0 1 1 −1 1 1 −1 2 2
Página de Abertura
Esta operación de suma, para matrices A y B arbitrarias en el conjunto Contenido

M m×n (K ), verifica las siguientes propiedades:
JJ II
Asociativa: (A + B ) +C = A + (B +C )
J I
Conmutativa: A + B = B + A
Elemento neutro: A + 0 = 0 + A = A Página 11 de 65
Elementos simétricos: A + (−A) = −A + A = 0
Atrás
donde la matriz cero tiene todas sus entradas cero, ai j = 0. Esto es,
Cerrar
 
0 ... 0
. .
0 =  .. . . . .. 
0 ... 0
Enrique R. Aznar
y donde la matriz opuesta, de una matriz A , se define cambiando el signo a Dpto. de Álgebra
cada entrada o elemento de la matriz original:
 
−a 11 ... −a 1n
 . .. .. 
−A =  .. . . 
−a n1 . . . −a nn
La demostración de las 4 propiedades de la suma se basa en que las mismas Página web personal
propiedades son ciertas para la suma de elementos en el cuerpo K 6.
Página de Abertura
Definición 5. Un conjunto V junto con una operación interna que verifique
las 4 propiedades anteriores: Asociativa, Existencia de neutro, Existencia Contenido
de simétricos y Conmutativa lo llamaremos un grupo abeliano.
JJ II
Cuando a la operación la denominamos suma, +. Entonces, al elemento
neutro lo llamamos cero, a los simétricos los llamamos opuestos y al grupo J I
abeliano, lo denotamos (V, +) y lo llamamos un grupo aditivo.
Página 12 de 65
Por lo visto anteriormente, el conjunto de todas las matrices, Mm×n (K ), de Atrás

la misma dimensión con entradas en un cuerpo K , y con la suma de matrices,
es un grupo aditivo, denotado (Mm×n (K ), +). Pantalla grande/pequeña
Existen por tanto muchos grupos aditivos de matrices. Por ejemplo, (M2×3 (R), +) Cerrar
es un grupo aditivo, también (M2×2 (Q), +), (M3×3 (C), +), etc.
6Recuerda que K será normalmente un cuerpo numérico Q, R o C.
Enrique R. Aznar
3.2. Producto de un escalar por una matriz. Dada una matriz A = (ai j ) ∈ Dpto. de Álgebra
M m×n (K ) y dado un escalar a ∈ K , se define su producto como la matriz de
orden m × n
 
aa 11 . . . aa 1n
 . .. .. 
a A = (aa i j ) =  .. . . 
aa n1 . . . aa nn
µ ¶ Página web personal
1 2 −1
Ejemplo 4. Si multiplicamos 2 por la matriz A = obtenemos
0 1 1 Página de Abertura
µ ¶ µ ¶
1 2 −1 2 4 −2 Contenido
2A = 2 =
0 1 1 0 2 2
JJ II
El producto de un escalar por una matriz verifica las siguientes 4 propiedades. J I
Distributiva respecto de la suma de escalares: (a + b)A = a A + b A Página 13 de 65
Distributiva respecto de la suma de matrices: a(A + B ) = a A + aB

Atrás
Pseudoasociativa respecto de los escalares: (ab)A = a(b A)
Unitaria: 1A = A Pantalla grande/pequeña
Definición 6. Un grupo aditivo (V, +) junto con un producto por los elemen- Cerrar
tos (escalares) de un cuerpo K que verifique las 4 propiedades anteriores:
las dos Distributivas, la Pseudoasociativa y la Unitaria lo llamaremos un
espacio vectorial. A veces, a sus elementos los llamaremos vectores.
Enrique R. Aznar
Por lo visto anteriormente, el conjunto de todas las matrices, V = Mm×n (K ), Dpto. de Álgebra
de la misma dimensión con entradas en un cuerpo K , con la suma de matrices
y con el producto por escalares definido antes, es un espacio vectorial.
Existen por tanto muchos espacios vectoriales de matrices. Por ejemplo,
M 2×3 (R), también M 2×2 (Q), M 3×3 (C), etc. Entre todos ellos, hay algunos que
son mas sencillos o que admiten interpretación geométrica. Son las matrices
que tienen una única fila. Página web personal
Por ejemplo, M1×2 (R) es el conjunto de los puntos o vectores usuales del Página de Abertura
plano (dos dimensiones). Y M1×3 (R) el de los puntos o vectores usuales del
espacio (tres dimensiones)7. Contenido
JJ II
3.3. Producto de matrices. Dadas matrices A y B en las siguientes condi-
J I
ciones:
Página 14 de 65
• A = (a i k ) ∈ M m×p (K ) (m filas y p columnas)
• A = (b k j ) ∈ M p×n (K ) (p filas y n columnas) Atrás
se define su producto como la matriz C = (c i j ) ∈ Mm×n (K ) (m filas y n Pantalla grande/pequeña
columnas), donde todas sus entradas son sumas de productos

Cerrar
7Es costumbre, denotar al espacio vectorial M n

1×n (R) simplemente por R y decir que
tiene dimensión n . Son los llamados usualmente, vectores de dimensión n .
Enrique R. Aznar
Pp Dpto. de Álgebra
ci j = k=1
ai k bk j = ai 1 b1 j + · · · + ai p b p j
O sea,  Pp Pp 
k=1
a 1k b k1 ... k=1
a 1k b kn
C = AB = 
 .. ... .. 
. . 
Pp Pp
k=1
a mk b k1 ... k=1
a mk b kn
gráficamente los órdenes o dimensiones de las matrices son Página web personal
A · B = C Página de Abertura
m×p p ×n = m ×n
µ ¶ Contenido
1 2 −1
Ejemplo 5. Si multiplicamos la matriz A = por la matriz
0 1 1 JJ II
 
1 −1 0
J I
B = 0 1 1
1 1 1 Página 15 de 65
obtenemos la matriz
  Atrás
µ ¶ 1 −1 0 µ ¶
1 2 −1  0 0 1
C = AB = 0 1 1 =
 Pantalla grande/pequeña
0 1 1 1 2 2
1 1 1
Cerrar
Observaremos, que el otro producto B A no tiene sentido, ya que no está
definido al no coincidir el número de columnas, 3 de la matriz B con el
número de filas, 2, de la matriz A .
Enrique R. Aznar
Recordemos que el elemento c i j que ocupa el lugar i , j en AB se obtiene a Dpto. de Álgebra
partir de la fila i -ésima de A y la columna j -ésima de B (que han de tener
igual número de elementos, en este caso p )
 

a 11 ... a 1p
 c 11 ... c1 j ... c 1n
 .. ..   b  .. .. .. 
 . . . 

 . .  11 . . . b 1 j . . . b 1n
.. .. ..
 
 =  ci 1 ... ci j ... ci n 
 
 ai 1 . . . ai p    
  . . .  Página web personal
 .. .
..  b p1 . . . b p j

 . .. .. 

. . . a pn

 .  .. . .  Página de Abertura
a m1 . . . a mp c m1 . . . cm j . . . c mn
Contenido
El producto de matrices, cuando existe, verifica las siguientes propiedades.
JJ II
Asociativa: (AB )C = A(BC )
Unitarias: I m A = A = AI n J I
Distributiva derecha: A(B +C ) = AB + AC
Página 16 de 65
Distributiva izquierda: (B +C )A = B A +C A
Pseudoasociativa respecto de las matrices: a(AB ) = (a A)B = A(aB ) Atrás
Cuando las matrices son cuadradas del mismo orden; o sea, en el conjunto Pantalla grande/pequeña
M n (K ), todos los productos anteriores tienen sentido. Por tanto, obtenemos.
Cerrar
Teorema 1. El conjunto de las matrices cuadradas con coeficientes en un
cuerpo con su aritmética , (Mn (K ), +, .), tiene estructura de anillo, no con-
mutativo para todo n > 1.
Enrique R. Aznar
Para ver la no conmutatividad, veamos el siguiente. Dpto. de Álgebra
Ejemplo 6. Los siguientes productos no son iguales

     
1 −1 1 1 2 3 0 0 0
−3 2 −1 . 2 4 6 = 0 0 0
−2 1 0 1 2 3 0 0 0
    
1 2 3 1 −1 1 −11 6 −1 Página web personal
2 4 6 −3 2 −1 = −22 12 −2
1 2 3 −2 1 0 −11 6 −1 Página de Abertura
Contenido
4. M ATRIZ TRASPUESTA
JJ II
Dada una matriz  
a 11 ... a 1n J I
 .. .. .. 
A =  . . . 
Página 17 de 65
a m1 . . . a mn
llamamos matriz traspuesta de A , y la denotamos por A t , a la matriz que se Atrás
obtiene cambiando filas por columnas. O sea, a la matriz

  Pantalla grande/pequeña
a 11 ... a m1
 . ... .. 
A t =  .. . 
Cerrar
a 1n . . . a mn
Por tanto, si A es m × n . Su traspuesta es n × m .
Enrique R. Aznar
Ejemplo 7. Si Dpto. de Álgebra
 
1 −1 1
A = −3 2 −1
−2 1 0
Entonces, su traspuesta es
 
1 −3 −2
A t = −1 2 1 Página web personal
1 −1 0
Página de Abertura
La trasposición de matrices, verifica las siguientes propiedades.
Contenido
Aditiva: (A + B )t = A t + B t
Multiplicativa: (AB )t = B t A t JJ II
Preservación del producto escalar: (a A)t = a A t
J I
Definición 7. Dada una matriz cuadrada, A ∈ Mn (K ), se dice que A es
simétrica cuando coincide con su traspuesta. Esto es, A = A t . Página 18 de 65
Atrás
Cláramente, el que una matriz A = (ai j ) sea simétrica equivale a las igual-
dades ai j = a j i para todo i 6= j . Gráficamente, a que sus entradas sean Pantalla grande/pequeña
simétricas respecto de la diagonal principal.
Cerrar
 
a 11 ... a 1n
 . .. .. 
A =  .. . . 
a 1n . . . a nn
Enrique R. Aznar
Por ejemplo, la siguiente matriz es simétrica 3 × 3 Dpto. de Álgebra
Ejemplo 8.
 
1 −1 2
A = −1 2 0
2 0 3 Página web personal
ya que si cambiamos filas por columnas, coincide con ella misma. Sin em- Página de Abertura
bargo la matriz
Contenido
 
1 −1 2 JJ II
B = 3 2 0
2 0 3 J I
Página 19 de 65
no es simétrica porque su traspuesta
Atrás
 
1 3 2 Pantalla grande/pequeña
B t = −1 2 0
Cerrar
2 0 3
no coincide con ella.

Enrique R. Aznar
5. P RODUCTO ESCALAR DE VECTORES Dpto. de Álgebra
Un caso particularmente sencillo de multiplicación de matrices es cuando se

multiplica una sóla fila por una sóla columna.
 
b1
 b2 
¢
¡ 
a1 . . . a p  .  = a1 b1 + · · · + a p b p
 ..  Página web personal
bp Página de Abertura
8
se obtiene una matriz 1 × 1. O sea, un único escalar . Contenido
Como un conjunto finito ordenado de escalares se puede ver tanto como una
JJ II
matriz fila, como una matriz columna. Es costumbre, definir el producto
escalar de dos vectores fila, u = (a1 , . . . , a p ) y v = (b1 , . . . , b p ) de la forma J I
anterior. O sea,
Página 20 de 65
Definición 8.
  Atrás
b1
 b2 
¢ 
u.v = uv t = a 1
¡
. . . a p  .  = a1 b1 + · · · + a p b p
 .. 
Cerrar
bp
8Es costumbre no escribir paréntesis, para las matrices 1 × 1.

Enrique R. Aznar
Veamos un ejemplo. Dpto. de Álgebra
Ejemplo 9. Sean, u = (1, 2, −1) y v = (−2, 1, 0) pertenecientes a M3 (Q). Su

producto escalar vale cero:
 
−1
u.v = uv t = 1 2 −1  1  = −2 + 2 + 0 = 0
¡ ¢
0
Sin embargo, el producto
    Página de Abertura
1 ¡ −2 1 0
u t v =  2  −2 1 0 = −4
¢
2 0 Contenido
−1 2 −1 0
JJ II
es una matriz cuadrada 4 × 4 que no es la matriz cero9.
J I
10
El producto escalar de vectores, verifica las siguientes propiedades . Página 21 de 65
Conmutativa: u.v = v.u Atrás

Distributiva: u.(v 1 + v 2 ) = u.v 1 + u.v 2
Pseudoasociativa: a(u.v) = (au).v = u.(av) Pantalla grande/pequeña
9Si se multiplica una columna por una fila, lo que se obtiene siempre es una matriz Cerrar
rectangular.
10Son consecuencia de las propiedades del producto de matrices, del producto de un
escalar por una matriz y de la conmutativa del producto de escalares.
Enrique R. Aznar
6. M ATRICES INVERSAS Y REGULARES Dpto. de Álgebra
Definición 9. Dadas dos matrices cuadradas, A, B ∈ Mn (K ), se dice que B

es inversa de A si
AB = B A = I n

No toda matriz cuadrada tiene inversa, ya que por ejemplo la siguiente matriz
Ejemplo 10. µ ¶
Página de Abertura
1 0
A= Contenido
0 0
no puede tener inversa, ya que al multiplicar por cualquier matriz cuadrada JJ II
2 × 2, se tiene µ ¶µ ¶ µ ¶ J I
1 0 a b a b
=
0 0 c d 0 0 Página 22 de 65
nunca puede dar la matriz identidad.

Atrás
Este ejemplo se puede generalizar a cualquier matriz. Pantalla grande/pequeña
Lema 1. Si una matriz A tiene una fila de ceros cualquier producto AB

Cerrar
tiene una fila de ceros. También, si A tiene una columna de ceros cualquier
producto C A tiene una columna de ceros. Por tanto, una matriz invertible
nunca tiene ni una fila ni una columna de ceros.
Enrique R. Aznar
Lema 2. Si existe la matriz inversa de una matriz A ∈ Mn (K ). Ésta es única. Dpto. de Álgebra
Demostración: Si existieran dos matrices B, B 0 ∈ Mn (K ) tales que

AB = B A = I n = AB 0 = B 0 A
entonces, son ciertas las siguientes igualdades
B 0 = I n B 0 = (B A)B 0 = B (AB 0 ) = B I n = B
lo que demuestra la unicidad.
Página de Abertura
Como la inversa si existe es única, se le puede dar nombre propio.
Contenido
Definición 10. A la inversa de A , si existe, se le llama A −1 . Una matriz
cuadrada, A ∈ Mn (K ), se dice que es invertible o regular si existe A −1 . JJ II
Lema 3. [Propiedades de la matrices invertibles] Si las matrices cuadradas J I

A 1 , A 2 , . . . , A r ∈ M n (K ) son invertibles. Entonces,
Página 23 de 65
• La matriz producto, A 1 · · · A r , es invertible y su inversa es
Atrás
(A 1 · · · A r )−1 = A −1 −1
r · · · A1
• La matriz traspuesta de una invertible es invertible. De hecho,
Cerrar
(A t )−1 = (A −1 )t
Demostración:
Enrique R. Aznar
• Basta comprobar que Dpto. de Álgebra
(A 1 · · · A r )(A −1 −1 −1 −1 −1
r · · · A 1 ) = A 1 · · · (A r A r ) · · · A 1 = · · · = A 1 A 1 = I
• Basta comprobar que
A t (A −1 )t = (A A −1 )t = I t = I
Veamos algunos ejemplos de matrices invertibles.

Ejemplo 11. Un ejemplo de matriz de tipo I:
     Página de Abertura
1 0 0 1 0 0 1 0 0
0 0 1 0 0 1 = 0 1 0
Contenido
0 1 0 0 1 0 0 0 1
Un ejemplo de matriz de tipo II: JJ II
    
1 0 0 1 0 0 1 0 0 J I
0 3 0 0 1 0 = 0 1 0
3
0 0 1 0 0 1 0 0 1 Página 24 de 65
Un ejemplo de matriz de tipo III: Atrás

    
1 0 0 1 0 0 1 0 0
0 1 2 0 1 −2 = 0 1 0
0 0 1 0 0 1 0 0 1 Cerrar
Los ejemplos anteriores de matrices invertibles se pueden generalizar, a cualquier

dimensión, en los tipos siguientes.
Enrique R. Aznar
Definición 11. [Matrices elementales] Para un orden n fijo, Las siguientes Dpto. de Álgebra
matrices cuadradas se denominan:
Tipo I: La matriz que se obtiene de la matriz identidad, intercam-

biando las filas i , j entre si, se denomina E i j .
Tipo II: La matriz que se obtiene de la matriz identidad, multiplicando
la fila i por un escalar k , se denomina E i (k). Página web personal
Tipo III: La matriz que se obtiene de la matriz identidad, sumándole
a la fila i la fila j multiplicada por k , se denomina E i j (k). Página de Abertura
Contenido
Con esta definición, los ejemplos anteriores son.

JJ II
      J I
1 0 0 1 0 0 1 0 0
E 23 = 0 0 1 , E 2 (3) = 0 3 0 , E 23 (2) = 0 1 2 Página 25 de 65
0 1 0 0 0 1 0 0 1
Atrás
Además, siempre se verifica que la inversa de una matriz de tipo I, E i j , es Pantalla grande/pequeña
ella misma, E i−1

j
= Ei j .
Cerrar
La inversa de una matriz de tipo II, E i (k), es la matriz E i (k) = E i ( k1 ).

−1
Y la inversa de una matriz de tipo III, E i j (k), es la matriz E i j (k)−1 = E i j (−k).

Enrique R. Aznar
Como consecuencia del lema anterior, si multiplicamos una matriz invertible, Dpto. de Álgebra
A , por una matriz elemental, E , de la misma dimensión. El producto, E A
sigue siendo una matriz invertible11.
Teorema 2. [Caracterización de las matrices invertibles] Una matriz cuadrada,
A ∈ M n (K ) es invertible si y sólo si es producto de matrices elementales.
Demostración: En efecto, como todas las matrices elementales son invert- Página web personal
ibles, cualquier producto finito de ellas será de nuevo invertible.
Página de Abertura
Por tanto, lo que queda por demostrar es que si A es invertible existen matri-
ces A 1 , . . . , A r ∈ Mn (K ) elementales tales que A = A 1 · · · A r . Contenido
La demostración de esa existencia es constructiva. Consiste en aplicar un JJ II

algoritmo a la matriz original en el que, cada paso consistirá en multiplicar
a izquierda por una matriz elemental adecuada, B i . De forma que, en un J I
número finito de pasos, el producto total sea la matriz identidad.
Página 26 de 65
Br · · · B1 A = I
Atrás
Ahora, multiplicando sucesivamente por las inversas de las matrices elemen-
tales, obtenemos Pantalla grande/pequeña
B r −1 · · · B 1 A = B r−1 B r · · · B 1 A = B r−1 I = B r−1

Cerrar
B r −2 · · · B 1 A = B r−1 −1 −1
−1 B r −1 · · · B 1 A = B r −1 B r
11Y por tanto, E A no puede tener una fila o columna de ceros.

Enrique R. Aznar
sucesivamente hasta conseguir que Dpto. de Álgebra
A = B 1−1 · · · B r−1
que es lo queríamos demostrar.
Corolario 1. Si una matriz A es invertible, su inversa también se puede
obtener como producto de matrices elementales.
Demostración: Como
Página de Abertura
A = B 1−1 · · · B r−1 = (B r · · · B 1 )−1
Contenido
y la inversa de una matriz es única, se tiene que A −1 = B r · · · B 1 .
Por todo lo anterior, conociendo y aplicando el algoritmo a una matriz A JJ II
invertible lo que se obtiene es su matriz inversa. J I
En realidad, veremos que el algoritmo siempre se puede aplicar a toda matriz
Página 27 de 65
cuadrada o no. A veces no se obtiene la matriz identidad12.
Atrás
7. T RANSFORMACIONES ELEMENTALES Pantalla grande/pequeña
De hecho, hay dos versiones del algoritmo, una por filas y otra por columnas. Cerrar
Y se pueden aplicar a cualquier matriz aunque no sea cuadrada, ni invertible.
12En general, cuando A no es invertible se obtiene una forma normal de Hermite.
Enrique R. Aznar
Una posible salida de las dos versiones del algoritmo son matrices triangu- Dpto. de Álgebra
lares.
Veamos primero cual es el resultado de multiplicar a izquierda por una matriz
elemental.
Lema 4. [Transformaciones elementales de filas] Si se multiplica una ma-
triz A ∈ Mm×n (K ), a la izquierda por una matriz elemental E ∈ Mm (K ). El
producto E A verifica:
Página de Abertura
Tipo I: Si E = E i j , el producto E A es el resultado de intercambiar en
A , las filas i , j . Contenido
Tipo II: Si E = E i (k), el producto E A es el resultado de multiplicar en
A , la fila i por el escalar k . JJ II
Tipo III: Si E = E i j (k), el producto E A es el resultado de multiplicar J I
en A , la fila j por el escalar k , y el resultado sumarselo a la fila i .
Página 28 de 65
La demostración del lema es consecuencia inmediata de la definición de pro-
ducto de matrices y de las matrices elementales13. Atrás
Veamos un ejemplo de como aplicar las transformaciones elementales de Pantalla grande/pequeña
filas para obtener una matriz triangular.

Cerrar
13Hay otro lema, llamado dual del anterior, donde se multiplica a derecha por E y lo que
se obtiene son transformaciones de columnas en vez de filas.
Enrique R. Aznar
Ejemplo 12. Dada la matriz 3 × 4 siguiente Dpto. de Álgebra
 
1 −2 0 1
A = −1 1 2 0
1 0 2 1
1ª etapa: Elegimos como pivote el primer elemento, no cero, de la primera

fila y hacemos ceros por debajo. Página web personal
Primero multiplicamos, a izquierda, por E 21 (1). O sea,

Página de Abertura
    
1 0 0 1 −2 0 1 1 −2 0 1
Contenido
E 21 (1)A = 1 1 0 −1 1 2 0 = 0 −1 2 1
0 0 1 1 0 2 1 1 0 2 1 JJ II
Ahora multiplicamos, a izquierda, por E 31 (−1). J I

    
1 0 0 1 −2 0 1 1 −2 0 1 Página 29 de 65
E 31 (−1)E 21 (1)A =  0 1 0 0 −1 2 1 = 0 −1 2 1
Atrás
−1 0 1 1 0 2 1 0 2 2 0
2ª etapa: Elegimos el pivote de la segunda fila y hacemos cero por debajo.
     Cerrar
1 0 0 1 −2 0 1 1 −2 0 1
E 32 (2)E 31 (−1)E 21 (1)A = 0 1 0 0 −1 2 1 = 0 −1 2 1
0 2 1 0 2 2 0 0 0 6 2
Enrique R. Aznar
No seguimos multiplicando por matrices elementales porque ya hemos en- Dpto. de Álgebra
contrado una matriz triangular superior14.
Si la matriz inicial A es cuadrada, a veces, se puede llegar a la matriz identi-

dad por transformaciones elementales de filas. Veamoslo en un ejemplo.
Ejemplo 13. Dada la matriz 3 × 3 siguiente
 
1 −2 0 Página web personal
A = −1 1 2
Página de Abertura
1 0 2
Como en el ejemplo anterior, multiplicando por 3 matrices elementales, con- Contenido
seguimos una matriz triangular superior.

  JJ II
1 −2 4
E 32 (2)E 31 (−1)E 21 (1)A = 0 −1 2 J I
0 0 6
Página 30 de 65
Ahora, podemos continuar haciendo ceros por encima de la diagonal prin-
cipal. Así Atrás
    
1 −2 0 1 −2 0 1 0 −4 Pantalla grande/pequeña
E 12 (−2)E 32 (2)E 31 (−1)E 21 (1)A = 0 1 0 0 −1 2 = 0 −1 2
0 0 1 0 0 6 0 0 6 Cerrar
14Si multiplicamos a la derecha por matrices elementales 4×4, cambiando el papel de las
filas por las columnas, también se puede llegar a una matriz triangular. En este caso inferior.
Enrique R. Aznar
Ahora, podemos hacer ceros por encima en la tercera columna. Así Dpto. de Álgebra
      
1 0 −4 1 0 2/3 1 0 −4 1 0 0
E 13 (2/3) 0 −1 2 = 0 1 0 0 −1 2 = 0 −1 2
0 0 6 0 0 1 0 0 6 0 0 6
Y multiplicando por E 23 (−1/3) obtenemos una matriz diagonal

    
1 0 0 1 0 0 1 0 0 Página web personal
0 1 −1/3 0 −1 2 = 0 −1 0
Página de Abertura
0 0 1 0 0 6 0 0 6
Contenido
Finalmente, podemos conseguir la identidad, multiplicando sucesivamente
por E 2 (−1) y E 3 (1/6) JJ II
   
1 0 0 1 0 0 J I
E 3 (1/6)E 2 (−1) 0 −1 0 = 0 1 0 = I
0 0 6 0 0 1 Página 31 de 65
de donde obtenemos que el producto sucesivo de estas matrices elementales Atrás
por la matriz original vale la matriz identidad

E 3 (1/6)E 2 (−1)E 23 (−1/3)E 13 (2/3)E 12 (−2)E 32 (2)E 31 (−1)E 21 (1)A = I
Cerrar
De donde, se obtiene que
A −1 = E 3 (1/6)E 2 (−1)E 23 (−1/3)E 13 (2/3)E 12 (−2)E 32 (2)E 31 (−1)E 21 (1)
Enrique R. Aznar
El cálculo de la matriz inversa se puede hacer a la vez que se consigue la Dpto. de Álgebra
diagonal. Basta hacer las mismas transformaciones elementales empezando
en la matriz identidad.
Así, la condición necesaria y suficiente para que se pueda llegar a una matriz
diagonal, es que en cada etapa se pueda elegir un pivote, distinto de cero,
para hacer ceros por debajo y por encima del mismo15.
Lo cuál está asegurado cuando la matriz original A es invertible, ya que en
ese caso cada matriz intermedia en el cálculo es también invertible y por Página de Abertura
tanto no puede contener ninguna columna de ceros.
Contenido
Todo lo anterior se resume en el siguiente algoritmo:
JJ II
Primera etapa: Se inicia eligiendo el primer elemento, no cero, de la
primera columna de A . Se cambia si es necesario el pivote elegido a J I
la posición 1 y se hacen ceros por debajo del mismo.
Página 32 de 65
Etapa i : Se elige el primer elemento, no cero, a partir de la posición
i , en la columna i -ésima de A . Se cambia si es necesario el pivote Atrás
elegido a la posición i y se hacen ceros por debajo y por encima del
mismo. Pantalla grande/pequeña
Cerrar
15
Si es necesario, se intercambian filas para conseguir que los pivotes queden en la dia-
gonal principal.
Enrique R. Aznar
Finalmente, cuando ya no quedan columnas que procesar se ha obtenido una Dpto. de Álgebra
matriz escalonada16.
Veremos a continuación el uso de este algoritmo para calcular determinantes.
8. D ETERMINANTES
El concepto de determinante responde a la siguiente pregunta. ¿Existe una Página web personal
aplicación computacionalmente buena que haga corresponder a cada matriz
cuadrada, A ∈ Mn (K ), un escalar del mismo cuerpo, d et (A) = |A| ∈ K ? Página de Abertura
Esto es, para cada matriz cuadrada arbitraria, Contenido

 
a 11 ... a 1n JJ II
 .. ... .. 
A =  . . 
J I
a n1 . . . a nn
que escribiremos linealmente como A = {v 1 , . . . , v n }. Donde v 1 = {a11 , . . . , a1n }, Página 33 de 65
. . . , v n = {a n1 , . . . , a nn } son sus filas. Queremos analizar si existe un escalar

Atrás
d et (A) = d et (v 1 , . . . , v n ) ∈ K de forma que esta aplicación sea buena en el
sentido siguiente. Pantalla grande/pequeña
Definición 12. Decimos que una aplicación determinante es computacional-

Cerrar
mente buena cuando verifica las siguientes 4 propiedades.
16Opcionalmente, como en el ejemplo anterior, se pueden convertir en unos, todos los
pivotes.
Enrique R. Aznar
Multiplicativa: d et (AB ) = d et (A)d et (B ). Dpto. de Álgebra
Aditiva: Para cada índice i ,
d et (v 1 , . . . , v i + v i0 , . . . , v n ) = d et (v 1 , . . . , v i , . . . , v n ) + d et (v 1 , . . . , v i0 , . . . , v n )
lineal: Para cada índice i , y cada escalar k ∈ K
d et (v 1 , . . . , kv i , . . . , v n ) = kd et (v 1 , . . . , v i , . . . , v n )
Alternante: Para cada dos índices i , j , Página web personal
d et (v 1 , . . . , v i , . . . , v j , . . . v n ) = −d et (v 1 , . . . , v j , . . . , v i , . . . v n ) Página de Abertura
Ahora como |A| = |AI | = |A| · |I |. Lo primero que observamos es que si el Contenido
determinante de la matriz unidad fuera cero, d et (I ) = |I | = 0, también sale

JJ II
cero, el de cualquier matriz cuadrada del mismo orden17.
|A| = |A| · 0 = 0 J I
Por tanto, supondremos que d et (I ) = |I | 6= 0. Pero entonces, como Página 34 de 65
|I | = |I · I | = |I | · |I |
Atrás
1
podemos multiplicar por |I | ∈ K y obtenemos que
1 1
1 = |I | = |I | · |I | = |I | Cerrar
|I | |I |
17Una aplicación que cumple las 4 propiedades de determinante es la aplicación constate
cero, d et (A) = |A| = 0, pero no tiene utilidad.
Enrique R. Aznar
O sea, si queremos que la aplicación determinante sea multiplicativa y no sea Dpto. de Álgebra
cero, el determinante de cualquier matriz unidad debe valer uno, d et (I n ) = 1.
Ahora, podemos determinar los determinantes de las matrices elementales.
Tipo I: Como la matriz, E i j , se obtiene de la matriz identidad, intercam-
biando las filas i , j entre si, de la propiedad alternante obtenemos que
d et (E i j ) = −|I | = −1
También, usaremos la propiedad alternante para ver que el determinante de

Página de Abertura
una matriz, con dos filas iguales, es cero. En efecto, como
Contenido
d et (v 1 , . . . , v, . . . , v, . . . , v n ) = −d et (v 1 , . . . , v, . . . , v, . . . , v n )
JJ II
Entonces, 2d et (v 1 , . . . , v, . . . , v, . . . , v n ) = 0, y dividiendo por 2 se obtiene
d et (v 1 , . . . , v, . . . , v, . . . , v n ) = 0. J I
Tipo II:
Página 35 de 65
Como la matriz, E i (k), se obtiene de la matriz identidad, multiplicando la
fila i por un escalar k , se tiene por la propiedad lineal Atrás
¯ ¯
¯1 . . . 0 . . . 0 ¯
¯ .. .. .. ¯¯
¯ ¯
¯. . .¯
¯ Cerrar
d et (E i (k)) = ¯¯0 . . . k . . . 0¯¯ = k · |I | = k · 1 = k
¯ .. .. .. ¯¯
¯. . .¯
¯
¯0 . . . 0 . . . 1 ¯
Enrique R. Aznar
Realizando n veces el mismo argumento, se razona que el determinante de Dpto. de Álgebra
cualquier matriz diagonal está unívocamente determinado y es igual al pro-
ducto de los elementos de su diagonal principal. Por ejemplo, para n = 3
sería ¯ ¯ ¯ ¯ ¯ ¯
¯k 1 0 0 ¯ ¯1 0 0 ¯¯ ¯1 0 0 ¯
¯ ¯ ¯ ¯ ¯
¯ 0 k 2 0 ¯ = k 1 · ¯0 k 2 0 ¯¯ = k 1 k 2 · ¯¯0 1 0 ¯¯ =
¯ ¯ ¯
¯ 0 0 k3 ¯ ¯0 0 k3 ¯ ¯0 0 k 3 ¯
¯ ¯
¯1 0 0¯¯
Página de Abertura
¯
= k 1 k 2 k 3 · ¯¯0 1 0¯¯ = k 1 k 2 k 3 · 1 = k 1 k 2 k 3
¯0 0 1¯ Contenido
Ahora, razonaremos que los determinantes de las matrices de tipo III, tam-
JJ II
bién están unívocamente determinados por las propiedades anteriores.
Tipo III: E = E i j (k), es la matriz que se obtiene de la matriz identidad, J I
sumándole a la fila i la fila j multiplicada por k
¯ ¯ Página 36 de 65
¯1 . . . 0 . . . 0 . . . 0¯¯
¯ .. .. .. .. ¯
¯
¯. Atrás
¯ . . . ¯¯
¯0 . . . 1 . . . k . . . 0¯¯
¯. .. .. .. ¯¯ =
¯
d et (E i j (k)) = ¯ .. . . .¯
¯ Cerrar
¯0 . . . 0 . . . 1 . . . 0¯¯
¯
¯ .. .. .. .. ¯¯
¯. . . .¯
¯
¯0 . . . 0 . . . 0 . . . 1¯
¯ ¯ ¯ ¯
¯1 . . . 0 . . . 0 . . . 0¯¯ ¯1 . . . 0 . . . 0 . . . 0¯¯
¯ .. .. .. .. ¯ ¯ .. .. .. .. ¯
¯ ¯
¯. . . . ¯¯ ¯. . . . ¯¯ Enrique R. Aznar
¯
¯0 . . . 1 . . . 0 . . . 0¯¯
¯
¯0 . . . 0 . . . k . . . 0¯¯ Dpto. de Álgebra
¯. .. .. .. ¯¯ + ¯ .. .. .. .. ¯¯ =
¯ ¯
= ¯ .. . . .¯ ¯. . . .¯
¯ ¯
¯0 . . . 0 . . . 1 . . . 0¯¯ ¯0 . . . 0 . . . 1 . . . 0¯¯
¯ ¯
¯ .. .. .. .. ¯¯ ¯ .. .. .. .. ¯¯
¯. . . .¯ ¯. . . .¯
¯ ¯
¯0 . . . 0 . . . 0 . . . 1¯ ¯0 . . . 0 . . . 0 . . . 1¯
¯ ¯
¯1 . . . 0 . . . 0 . . . 0¯¯ Página web personal
¯ .. .. .. .. ¯
¯
¯. . . . ¯¯
¯ Página de Abertura
¯0 . . . 0 . . . 1 . . . 0¯¯
¯. .. .. .. ¯¯ = 1 + k · 0 = 1
¯
= d et (I ) + k ¯ .. . . .¯ Contenido
¯
¯0 . . . 0 . . . 1 . . . 0¯¯
¯
¯ .. .. .. .. ¯¯ JJ II
¯. . . .¯
¯
¯0 . . . 0 . . . 0 . . . 1¯ J I
También, usaremos la propiedad aditiva para ver que el determinante de una Página 37 de 65
matriz cuadrada con una fila de ceros es necesariamente cero.
En efecto, Atrás
¯ ¯
¯ a 11 . . . a 1n ¯
¯ .. .. .. ¯¯
¯ ¯
¯ . . . ¯
¯ Cerrar
d et (A) = ¯¯ 0 ··· 0 ¯¯ = d et (v 1 , . . . , 0, . . . , v n ) =
¯ .. .. .. ¯¯
¯ . . . ¯
¯
¯a m1 . . . a mn ¯
Enrique R. Aznar
= d et (v 1 , . . . , 0 + 0, . . . , v n ) = d et (A) + d et (A) Dpto. de Álgebra
y restando d et (A) en ambos miembros, obtenemos d et (A) = 0.
En particular, hemos obtenido que si existe una aplicación determinante, no
nula, que satisface las 4 propiedades anteriores (multiplicativa, aditiva, lineal
y alternante). Entonces los determinantes de las matrices elementales están
unívocamente determinados y son distintos de cero.
d et (I n ) = 1
d et (E i j ) = −1 Página de Abertura
d et (E i (k)) = k
d et (E i j (k)) = 1 Contenido
Por la propiedad multiplicativa, si E es una matriz elemental y B = E A en- JJ II

tonces
|B | = |E | · |A| J I
y por tanto |A| 6= 0 si y sólo si |B | 6= 0. Página 38 de 65
O sea, por transformaciones elementales de filas no se cambia el caracter

Atrás
de ser cero o no, del determinante. Además, como se conocen los determi-
nantes de la matrices elementales se puede calcular cualquier determinante Pantalla grande/pequeña
por transformaciones elementales de filas.
Basta aplicar transformaciones elementales de filas, hasta conseguir una ma- Cerrar
triz diagonal18, cuyo determinante está unívocamente determinado por el

18Basta con que sea triangular superior o inferior.
Enrique R. Aznar
producto de los elementos de su diagonal principal. Dpto. de Álgebra
En particular, por la propiedad multiplicativa, tenemos
Lema 5. Si A es una matriz triangular. su determinante está unívocamente
determinado por el producto de los elementos de su diagonal pricipal.
Demostración: Basta hacer la demostración para matrices triangulares su-

periores19 con todos los elementos de su diagonal distintos de cero. Página web personal
 
a 11 ... a 1n
 . .. ..  Página de Abertura
A =  .. . . 
0 . . . a nn Contenido
como sabemos que multiplicando, a izquierda, por matrices de tipo III, se JJ II

llega a la matriz diagonal
J I
 
a 11 ... 0
 . .. .. 
B =  .. . .  Página 39 de 65
0 . . . a nn
Atrás
y el determinante de cada matriz de tipo III vale 1, se tiene
¯ ¯ ¯ ¯ Pantalla grande/pequeña
¯a 11 ... a 1n ¯¯ ¯a 11 ... 0 ¯¯
¯ . .. ¯¯ = ¯¯ .. .. ¯¯ = a · · · a
¯ ¯
d et (A) = ¯ .. ... ..
.
¯ . ¯ ¯ . . ¯ 11 nn Cerrar
¯ 0 . . . a nn ¯ ¯ 0 . . . a nn ¯
19Para triangulares inferiores, el razonamiento es el mismo.

Enrique R. Aznar
Por este método se puede calcular el determinante de cualquier matriz cuadrada. Dpto. de Álgebra
 
1 −2 0
Ejemplo 14. para la matriz A = −1 1 2 del ejemplo 13, donde se
1 0 2
comprobó inicialmente que
 
1 −2 4 Página web personal
E 32 (2)E 31 (−1)E 21 (1)A = 0 −1 2
0 0 6 Página de Abertura
De nuevo, como los determinantes de todas las matrices de tipo III valen 1, Contenido
se tiene por el lema anterior que d et (A) = −6

JJ II
Un argumento parecido permite demostrar el resultado inductivo siguiente. J I

 
1 0 ... 0 Página 40 de 65
0 a 22 . . . a 2n 
Lema 6. Si A =  .. . Entonces, se verifica que
 
.. . . .. Atrás
. . . .
0 a n2 . . . a nn Pantalla grande/pequeña
¯ ¯
¯ a 22 . . . a 2n ¯ Cerrar
¯ . .. ¯¯
¯ ¯
d et (A) = ¯ .. ...
¯ . ¯
¯a n2 . . . a nn ¯
Enrique R. Aznar
Demostración: Basta darse cuenta que la matriz triangular superior que se Dpto. de Álgebra
obtiene por transformaciones elementales de filas a partir de A puede cam-
biar sólo a partir del segundo elemento de la diagonal principal.
Luego el producto de ellos será el mismo que cuando
 se aplican
 las mismas
a 22 ... a 2n
 .. .. .. 
transformaciones elementales a la matriz B =  . . . 
a n2 . . . a nn Página web personal
Observaremos, que la traspuesta de una matriz elemental es otra matriz ele-

Página de Abertura
mental del mismo tipo y sus determinantes coinciden:
d et (E it j ) = d et (E i j ) = −1 Contenido
t
d et (E i (k) ) = d et (E i (k)) = k JJ II
t
d et (E i j (k) ) = d et (E j i (k)) = 1
J I
Como aplicación del algoritmo de transformaciones elementales de filas, se
obtiene para cualquier matriz cuadrada A el siguiente. Página 41 de 65
Teorema 3. A tiene determinante distinto de cero si y sólo si es invertible. Atrás
Demostración: Basta razonar que una matriz cuadrada tiene determinante Pantalla grande/pequeña
distinto dero si y sólo si, por transformaciones elementales de filas, se obtiene
Cerrar
una matriz diagonal con todas sus entradas distintas de cero.
Si se continúa el algoritmo, también se obtiene la matriz unidad, y por tanto
también se puede poner la matriz como producto de matrices elementales.
Enrique R. Aznar
Finalmente, sólo queda recordar el teorema que dice que una matriz es in- Dpto. de Álgebra
vertible si y sólo es producto de matrices elementales.
Como sabemos que una matriz es invertible si y sólo si su traspuesta es in-
vertible, una matriz cuadrada tendrá determinante distinto de cero si y sólo si
su traspuesta también lo tiene. En realidad, podemos demostrar el siguiente.
Lema 7. Dada matriz cuadrada A , se tiene d et (A) = d et (A t ).
Demostración: Distinguiremos dos casos: Página de Abertura
• d et (A) = 0 si y sólo si no A es invertible si y sólo si A t no es Contenido

invertible si y sólo si d et (A t ) = 0.
• Si A es invertible, entonces existen matrices elementales, E 1 , . . . , E r , JJ II
tales que A = E 1 · · · E r . Entonces, su traspuesta será A t = E rt · · · E 1t . J I
Ahora, como para toda matriz elemental, E se tiene d et (E ) = d et (E t ),
y el producto de escalares es conmutativo, obtenemos Página 42 de 65
d et (A) = d et (E 1 ) · · · d et (E r ) = d et (E rt ) · · · d et (E 1t ) = d et (A t ) Atrás
En particular, las propiedades aditiva, lineal y alternante si se verifican por Pantalla grande/pequeña
filas también se verifican por columnas.
Cerrar
De todo lo anterior, parece deducirse que la aplicación determinante está
unívocamente determinada por las 4 propiedades multiplicativa, aditiva, li-
neal y alternante. En efecto, veámoslo inductivamente.
Enrique R. Aznar
Si la matriz es 1 × 1. O sea, un único escalar A = (k), tenemos que Dpto. de Álgebra
d et (A) = d et (k) = k · d et (1) = k · 1 = k

µ ¶
a 11 a 12
Si la matriz es 2 × 2, A = , por la propiedad aditiva, tenemos
a 21 a 22
¯ ¯ ¯ ¯ ¯ ¯
¯a 11 a 12 ¯ ¯a 11 0 ¯ ¯ 0 a 12 ¯ Página web personal
d et (A) = ¯
¯ ¯ = ¯
¯ ¯ + ¯
¯ ¯ =
a 21 a 22 ¯ a 21 a 22 ¯ a 21 a 22 ¯
Página de Abertura
¯ ¯ ¯ ¯
¯a 11 0 ¯ ¯a 21 a 22 ¯ Contenido
= ¯
¯ ¯ − ¯
¯ ¯ = a 11 a 22 − a 12 a 21
a 21 a 22 ¯ 0 a 12 ¯
JJ II
O sea, la famosa fórmula del determinante de una matriz de orden 2.
J I
El método que hemos usado, para hallar las fórmulas de los determinantes de
orden 2, es completamente generalizable a una matriz arbitraria A . Se llama Página 43 de 65
desarrollo por la primera fila.

Atrás
Pero veámoslo también para matrices 3 × 3.
Si la matriz es 3 × 3, por la propiedad aditiva, tenemos
¯ ¯ ¯ ¯ ¯ ¯ Cerrar
¯a 11 0 0 ¯ ¯ 0 a 12 0 ¯ ¯ 0 0 a 13 ¯
¯ ¯ ¯ ¯ ¯ ¯
d et (A) = ¯a 21 a 22 a 23 ¯ + ¯a 21 a 22 a 23 ¯ + ¯a 21 a 22 a 23 ¯¯ =
¯ ¯ ¯ ¯ ¯
¯a 31 a 32 a 33 ¯ ¯a 31 a 32 a 33 ¯ ¯a 31 a 32 a 33 ¯
Enrique R. Aznar
¯ ¯ ¯ ¯ ¯ ¯
¯a 11 0 0 ¯¯ ¯a 12 0 0 ¯¯ ¯a 13 0 0 ¯¯
Dpto. de Álgebra
¯ ¯ ¯
= ¯¯a 21 a 22 a 23 ¯¯ − ¯¯a 22 a 21 a 23 ¯¯ + ¯¯a 23 a 21 a 22 ¯¯ =
¯a 31 a 32 a 33 ¯ ¯a 32 a 31 a 33 ¯ ¯a 33 a 31 a 32 ¯
como toda matriz de tipo III, tiene determinante 1, obtenemos

¯ ¯ ¯ ¯ ¯ ¯
¯a 11 0 0 ¯¯ ¯a 12 0 0 ¯¯ ¯a 13 0 0 ¯¯
¯ ¯ ¯
= ¯¯ 0 a 22 a 23 ¯¯ − ¯¯ 0 a 21 a 23 ¯¯ + ¯¯ 0 a 21 a 22 ¯¯ =
¯ 0 a 32 a 33 ¯ ¯ 0 a 31 a 33 ¯ ¯ 0 a 31 a 32 ¯
ahora, por la propiedad multiplicativa, tenemos

Página de Abertura
¯ ¯ ¯ ¯ ¯ ¯
¯1 0 0 ¯ ¯1 0 0 ¯ ¯1 0 0 ¯
¯ ¯ ¯ ¯ ¯ ¯ Contenido
= a 11 ¯0 a 22 a 23 ¯ − a 12 ¯0 a 21 a 23 ¯ + a 13 ¯0 a 21 a 22 ¯¯ =
¯ ¯ ¯ ¯ ¯
¯0 a 32 a 33 ¯ ¯0 a 31 a 33 ¯ ¯0 a 31 a 32 ¯
JJ II
J I
¯ ¯ ¯ ¯ ¯ ¯
¯a 22 a 23 ¯ ¯a 21 a 23 ¯ ¯a 21 a 22 ¯
= a 11 ¯
¯ ¯ − a 12 ¯
¯ ¯ + a 13 ¯
¯ ¯ =
a 32 a 33 ¯ a 31 a 33 ¯ a 31 a 32 ¯ Página 44 de 65
= a 11 (a 22 a 33 − a 23 a 32 ) − a 12 (a 21 a 33 − a 31 a 23 ) + a 13 (a 21 a 32 − a 22 a 31 ) = Atrás
= a 11 a 22 a 33 + a 31 a 12 a 23 + a 21 a 13 a 32 − a 11 a 23 a 32 − a 12 a 21 a 33 − a 13 a 22 a 31 Pantalla grande/pequeña
y hemos obtenido la famosa fórmula de los determinantes de orden 3.
Cerrar
Esta fórmula se recuerda con el nombre de regla de Sarrus que describe
gráficamente los 3 sumandos positivos y los 3 negativos.
Primero definimos
Enrique R. Aznar
Definición 13. Llamamos i j -ésimo menor adjunto de A al escalar, αi j = Dpto. de Álgebra
(−1)i + j d et (A i j ), donde A i j es la matriz que se obtiene de A eliminando la
la fial i -ésima y la columna j -ésima.
Ahora se puede demostrar el siguiente.

Lema 8. [Desarrollo por la primera fila] Si existe una aplicación determi-
nante verificando las propiedades multiplicativa, aditiva, lineal y alternante. Página web personal
Entonces, d et (A) ∈ K está unívocamente determinado por la fórmula
Página de Abertura
d et (A) = a 11 α11 + · · · + a 1n α1n

Contenido
Demostración: Basta darse cuenta de que JJ II

¯ ¯ ¯ ¯
¯1 0 ... 0 ¯¯ ¯ 0 ... 0 1¯¯
¯ ¯ J I
¯0 a 22 ... a 2n ¯¯ ¯ a 21 ... a 2(n−1) 0¯¯
d et (A) = a 11 ¯ .. .. ¯¯ + · · · + a1n ¯¯ ..
¯ ¯
.. .. .. .. .. ¯¯ Página 45 de 65
¯.
¯ . . . ¯ ¯ . . . .¯
¯0 a n2 ... a nn ¯ ¯a n1 . . . a n(n−1) 0¯ Atrás
y de que hay que cambiar varias veces de signo el determinante para llevar
una columna a la primera posición.
Repitiendo esencialmente la misma demostración anterior, hallamos los de- Cerrar
sarrollos de un determinante por cualquier otra fila20.

20Como |A| = |A t | también se puede desarrollar por cualquier columna.
Enrique R. Aznar
Como los menores adjuntos de una matriz se obtienen a partir de determi- Dpto. de Álgebra
nantes de orden n −1. Haremos notar en este punto que se puede tomar como
definición de aplicación determinante justamente esa fórmula recursiva
d et (A) = a 11 α11 + · · · + a 1n α1n
añadiendo en la definición, el primer caso. O sea, que d et (1) = 1.
Tomando esta definición recursiva se pueden demostrar, por inducción, las 4
propiedades multiplicativa, aditiva, lineal y alternante.
Además, por el lema anterior, la aplicación determinante está unívocamente Página de Abertura
determinada por dichas 4 propiedades, obteniéndose la conocida fórmula:
Contenido
¯ ¯
¯ a 11 . . . a 1n ¯¯
JJ II
¯ .. .. ¯¯ = P (−1)ε(σ) a
¯
...
¯ . . ¯ σ 1σ(1) · · · a nσ(n)
J I
¯
¯a n1 . . . a nn ¯
Página 46 de 65
donde el determinante sale la suma de todos los productos que contienen un
elemento de cada fila y columna, sin repetir fila ni columna, y donde la mitad Atrás
de los productos son positivos y la otra mitad negativos.

Sin embargo, esta fórmula no es operativa para n medianamente grande21, ya
que el número de sumandos implicados es n! = n(n − 1) · · · 1 y se incrementa Cerrar
rápidamente. Para n = 5 ya salen 120 sumandos, para n = 6 salen 720, etc.

21Hoy día, se usa el método de transformaciones elementales.
Enrique R. Aznar
9. F ORMAS NORMALES DE H ERMITE . Dpto. de Álgebra
Daremos algunas definiciones de matrices especialmente sencillas que se en-

cuentran aplicando el algoritmo de transformaciones elementales (página 32)
a una matriz arbitraria (Charles Hermite matemático francés, 1822–1901).
Definición 14. Llamamos pivote de una fila de una matriz al primer número
no nulo de dicha fila. Análogamente, llamamos pivote de una columna al
primer número no nulo de dicha columna. Página de Abertura
Decimos que una matriz es escalonada por filas si verifica que el pivote de
cada fila está a la derecha del pivote de la fila inmediata superior. Contenido
Análogamente, decimos que una matriz es escolanada por columnas cuando

JJ II
el pivote de cada columna está mas abajo del pivote de la columna inmedi-
ata anterior. J I
Decimos que una matriz es una forma de Hermite por filas si es escalonada
por filas, todos los pivotes son 1. Además, todos los elementos de la matriz Página 47 de 65
por encima de cada pivote son cero y si hay filas de ceros están las últimas
Atrás
(abajo).
Decimos que una matriz es una forma de Hermite por columnas si es Pantalla grande/pequeña
escalonada por columnas, todos los pivotes son 1. Además, todos los ele-
mentos de la matriz a la izquierda de cada pivote son cero y si hay columnas Cerrar
de ceros están las últimas (a la derecha).

µ ¶ Enrique R. Aznar
1 2 −1 Dpto. de Álgebra
Ejemplo 15. La matriz, A = , es escalonada por filas pero no
0 2 3
es una forma de Hermite por filas.
µ ¶
1 2 −1
La matriz, A = , es escalonada por filas pero no es una forma
0 1 3
de Hermite por filas.
µ ¶
1
0 −1
La matriz, A = , es una forma de Hermite por filas. Página web personal
0
1 3
  Página de Abertura
1
0 −1
La matriz, A = 0 1 3, es una forma de Hermite por filas. Contenido
0
0 0
µ ¶ JJ II
1
0 0
La matriz, A = , es una forma de Hermite por filas y por columnas.
0
1 0 J I
 
1 0 0 Página 48 de 65
La matriz, A =  0 1 0, es una forma de Hermite por columnas pero
−1 3 0 Atrás
no por filas.
  Pantalla grande/pequeña
1 0 0
La matriz, I = 0 1 0, es una forma de Hermite por filas y por columnas. Cerrar
0 0 1
Enrique R. Aznar
10. E QUIVALENCIA DE MATRICES . Dpto. de Álgebra
Como muchos otros conceptos de matrices, la equivalencia puede ser por

filas o por columnas. Sus resultados y propiedades se dice que son duales.
Definición 15. Decimos que dos matrices, A, B ∈ Mm×n (K ) de la misma
dimensión, son equivalentes por filas, lo escribimos A ∼ f B , si se puede
pasar de la primera a la segunda haciendo transformaciones elementales de Página web personal
filas. Por lo visto anteriormente, equivale a que exista un número finito de
Página de Abertura
matrices elementales E 1 , . . . , E r tales que P = E r · · · E 1 y
B =P·A Contenido
Decimos que dos matrices, A, B ∈ Mm×n (K ) de la misma dimensión, son JJ II

equivalentes por columnas, lo escribimos A ∼c B , si se puede pasar de la
primera a la segunda haciendo transformaciones elementales de columnas. J I
O sea, si existen matrices elementales E 1 , . . . , E r tales que Q = E 1 · · · E r y Página 49 de 65
B = A ·Q
Atrás
Finalmente, decimos que dos matrices, A, B ∈ Mm×n (K ), son equivalentes, y

lo escribimos A ∼ B , si se puede pasar de la primera a la segunda haciendo
transformaciones elementales de filas y/o columnas. O sea, si Cerrar
B = P · A ·Q
donde tanto P como Q son productos de matrices elementales.
Enrique R. Aznar
Como la matriz identidad es elemental, la inversa de una matriz elemental Dpto. de Álgebra
es de nuevo elemental y el producto de matrices es asociativo. Estas rela-
ciones de equivalencia, por filas o por columnas, claramente satisfacen las
siguientes 3 propiedades:
• Reflexiva A ∼ A .
• Transitiva Si A ∼ B , B ∼ C entonces A ∼ C
• Simétrica Si A ∼ B entonces B ∼ A Página web personal
   
1 −2 0 1 −2 4 Página de Abertura
Ejemplo 16. Las matrices A = −1 1 2 y B = 0 −1 2 del ejem-
1 0 2 0 0 6 Contenido
plo 13, son equivalentes por filas ya que B = E 32 (2)E 31 (−1)E 21 (1)A . O sea,
JJ II
A ∼f B.
 
1 0 0 J I
También, es fácil de ver que la matriz C = 0 −1 0 es equivalente por
0 0 6 Página 50 de 65
filas a B . O sea, B ∼ f C . Por tanto,

Atrás
   
1 −2 0 1 0 0
−1 1 2 ∼ 0 −1 0
1 0 2 0 0 6 Cerrar
Vamos a demostrar que entre todas las matrices equivalentes por filas, a una
dada A , existe una única matriz que es una forma de Hermite por filas.
Enrique R. Aznar
En efecto, como dos matrices equivalentes por filas generan el mismo subes- Dpto. de Álgebra
pacio vectorial (llamado su espacio de filas), el número de filas no nulas
(igual al número de pivotes 1) de ambas matrices es el mismo por ser la
dimensión de dicho espacio vectorial22.
Por tanto, dos matrices, A y B , de Hermite por filas y equivalentes por filas
tienen el mismo número de filas no nulas (y el mismo de filas nulas).
Como además, B = P · A , también tienen el mismo número de columnas
nulas23. Por eso, para demostrar la unicidad de la forma Normal de Hermite Página de Abertura
por filas, basta hacerlo suponiendo que no hay ni filas ni columnas nulas.
Así, la relación P · A = B se despliega de la siguiente forma Contenido
   
 1 0 ... 0 ∗ ... ∗ 1 0 ... 0 ∗ ... ∗ JJ II

p 11 . . . p m1 
 .. ... .. · 0 1 . . . 0 ∗ . . . ∗  0 1 . . . 0 ∗ . . . ∗
 
 . . . . . . . = . . . . .
 .. .. . . . .. .. . . . ..  .. .. . . . .. .. . . . .. J I
    
p 1m . . . p mm
0 0 ... 1 ∗ ... ∗ 0 0 ... 1 ∗ ... ∗ Página 51 de 65
   
    1 1 Atrás
p 11 p 11 . . . p m1    
 .   . .. ..  ·  0  0
=⇒  ..  =  .. . .   . =  . =⇒ p 11 = 1, p 21 = 0, . . . , p m1 = 0
 ..  .. Pantalla grande/pequeña
p 1m p 1m . . . p mm
0 0 Cerrar
22Por el teorema de la base que se demuestra en el tema de espacios vectoriales.

23Ya que las columnas de ceros se mantienen por multiplicación a derecha.
Enrique R. Aznar
O sea, independientemente de las entradas designadas por * en ambas matri- Dpto. de Álgebra
ces, efectuando el producto e igualando las primeras m columnas, se deduce
que la matriz P = I y en consecuencia A = B como queríamos.
Dualmente24, entre todas las matrices equivalentes por columnas a una dada,
A , existe una única matriz que es una forma de Hermite por columnas. Como
consecuencia de ambos resultados se tiene que
Teorema 4. Entre todas las matrices equivalentes a una dada, A , existe una
única matriz, B , que es a la vez de Hermite por filas y columnas. Página de Abertura
Esta forma normal de Hermite única en cada clase de equivalencia es una Contenido
matriz identidad con posiblemente filas y/o columnas adicionales de ceros
que están abajo y/o a la derecha. Por ejemplo, JJ II
µ ¶
1 0 0 0 J I
0 1 0 0
Página 52 de 65
O bien,  
1 0 0 Atrás
0 1 0 
 
0 0 1  Pantalla grande/pequeña
0 0 0
Cerrar
24
Ya si A = B ·Q , con Q regular, tienen el mismo número de filas nulas y generan el mismo
espacio de columnas. El número de columnas no nulas en una forma normal de Hermite da
la dimensión y basta demostrar la unicidad suponiendo que hay ni filas ni columnas nulas.
Enrique R. Aznar
Para hallar esta forma normal de Hermite, basta aplicar ambos algoritmos Dpto. de Álgebra
(de filas y columnas) sucesivamente. Por ej.
µEjemplo 17.
¶ Para hallar la forma normal de Hermite de la matriz A =
1 −2 4
primero aplicamos el algoritmo de columnas25 añadiendo la
0 −1 2
identidad por debajo y haciendo transformaciones elementales de columnas
1 −2 4 1 0 4 1 0 0 1 0 0 1 0 0
         
0 −1 2 0 −1 2 0 −1 2 0 −1 0 0 1 0
  
      Página de Abertura
1 0 0 ∼ 1
  2 0 ∼ 1
  2 −4 ∼ 1
  2 0 ∼ 1 −2 0
 
 
0 1 0 0 1 0 0 1 0 0 1 2 0 −1 2 Contenido
0 0 1 0 0 1 0 0 1 0 0 1 0 0 1
JJ II
Luego obtenemos la forma normal de Hermite con una sóla matriz de cambio
  J I
µ ¶ µ ¶ 1 −2 0
1 0 0 1 −2 4 
= H = A ·Q = · 0 −1 2 Página 53 de 65
0 1 0 0 −1 2
0 0 1
Atrás
pero si añadimos la identidad por la izquierda y tranformamos por filas
µ ¶ µ ¶ µ ¶ Pantalla grande/pequeña
1 0 1 −2 4 1 2 1 0 8 1 2 1 0 8
∼ ∼
0 1 0 −1 2 0 1 0 −1 2 0 −1 0 1 −2 Cerrar
25La forma normal de Hermite que se obtiene es única pero no salen las mismas matrices
Q y P de cambio si se cambia el orden de aplicación de los algoritmos.
Enrique R. Aznar
obtenemos una matriz de cambio P por la izquierda Dpto. de Álgebra
µ¶ µ ¶ µ ¶
1 2 1 −2 4 1 0 8
P·A= · =
0 −1 0 −1 2 0 1 −2
después es necesario seguir con transformaciones de columnas
1 0 8 1 0 0 1 0 0
      Página web personal
0 1 −2 0 1 −2 0 1 0
      Página de Abertura
1 0 0 ∼ 1 0 −8 ∼ 1 0 −8
  
 
0 1 0   0 1 0 0 1 2 Contenido
0 0 1 0 0 1 0 0 1
JJ II
de forma que tenemos una nueva matriz de cambio Q 1 tal que
J I
 
µ ¶ 1 0 −8 µ ¶ Página 54 de 65
1 0 8  1 0 0
P · A · Q1 = · 0 1 2 = =H
0 1 −2 0 1 0
0 0 1 Atrás
En particular, el espacio de filas tiene dimensión 2 y lo mismo el espacio de
columnas y también es 2 el rango de las matrices A y H 26. Cerrar
26Por defición, el rango de una matriz es el número unos en una forma normal de Hermite
Enrique R. Aznar
11. A PÉNDICE : M ATRIZ DE VANDERMONDE . Dpto. de Álgebra
Se llama matriz de Vandermonde27 a una matriz cuadrada definida a partir

de n datos {x 1 , . . . , x n } y sus potencias de la siguiente forma
x 12 . . . x 1n−1
 
1 x1
1 x2 x 22 . . . x 2n−1 
V = ..
 
.
.. .. .. .. 
. . . .  Página web personal
n−1
1 xn x n2 . . . xn
Página de Abertura
Si multiplicamos la penúltima columna por x 1 y se la restamos a la última
Contenido
. . . x 1n−2 x 1n−1 . . . x 1n−2 0
   
1 x1 1 x1
n−2 n−1 
1 x2 . . . x2 x2  1
 x2 . . . x 2n−2 x 2n−2 (x 2 − x 1 )  JJ II
 ∼ ..
 
.. .. .. .. .. .. .. .. .. 
. . . . .  . . . . . 
n−2 n−1 n−2 n−2 J I
1 xn . . . xn xn 1 xn . . . xn x n (x n − x 1 )
Página 55 de 65
Si hacemos lo mismo con cada fila y su siguiente (desde n − 1 a 1)
. . . x 1n−2 x 1
n−1 
  
1 x1 1 0 ... 0 0 Atrás
n−2 n−1  n−3 n−2
x2 . . . x2 x2  1 x 2 − x 1 . . . x 2 (x 2 − x 1 ) x 2 (x 2 − x 1 ) 
1  
∼

.. .. .. .. ..  .
 ..
 .. .. .. ..  Pantalla grande/pequeña
. . . . .  . . . . 
n−2 n−1 n−3 n−2
1 xn . . . xn xn 1 x n − x 1 . . . x n (x n − x 1 ) x n (x n − x 1 ) Cerrar
27Alexandre-Théophile Vandermonde (1735–1796) fue un músico, químico y matemá-

tico francés que nació y vivió toda su vida en París.
Enrique R. Aznar
Hemos acabado la etapa de x 1 . Ahora, si multiplico la penúltima columna Dpto. de Álgebra
por x 2 y se la resto a la última, pasamos por transformaciones elementales a
 
1 0 ... 0 0
1 x 2 − x 1 . . . x 2n−3 (x 2 − x 1 ) 0 
. . . x 3n−3 (x 3 − x 1 ) n−3
 
V ∼ 1 x 3 − x 1 x 3 (x 3 − x 1 )(x 3 − x 2 ) 


. .. .. .. ..
 ..

. . . . 
1 x n − x 1 . . . x nn−3 (x n − x 1 ) x nn−3 (x n − x 1 )(x n − x 2 ) Página web personal
Así, multiplicando cada columna por x 2 y restando a su siguiente (hasta 2) Página de Abertura
 
1 0 0 ... 0 0 Contenido
1 x 2 − x 1 0 ... 0 0 
x 3n−4 (x 3 − x 1 )(x 3 − x 2 ) n−3 JJ II
 
1 x 3 − x 1 (x 3 − x 1 )(x 3 − x 2 ) ... x 3 (x 3 − x 1 )(x 3 − x 2 ) 
 
. .. .. .. .. ..
 ..

. . . . .  J I
1 x n − x 1 (x n − x 1 )(x n − x 2 ) . . . x nn−4 (x n − x 1 )(x n − x 2 ) x nn−3 (x n − x 1 )(x n − x 2 )
Página 56 de 65
Hemos terminado la etapa de x 2 . Si continuamos, llegamos por transforma-
ciones elementales de columnas hasta una matriz triangular inferior Atrás
 
1 0 0 ... 0 Pantalla grande/pequeña
1 x 2 − x 1 0 ... 0 
  Cerrar
1 x 3 − x 1 (x 3 − x 1 )(x 3 − x 2 ) ... 0 
 
. .. .. .. ..
 ..

. . . . 
1 x n − x 1 (x n − x 1 )(x n − x 2 ) . . . (x n − x 1 ) · · · (x n − x n−1 )
Enrique R. Aznar
28 Dpto. de Álgebra
Como las transformaciones usadas son de tipo III , el determinante de Van-
dermonde vale el producto de los elementos de la diagonal principal
Y
|V | = (x 2 − x 1 ) · · · (x n − x n−1 ) = (x i − x j )
i>j
En realidad, si los valores son distintos dos a dos, x i 6= x j , se puede continuar

por tranformaciones de columnas de tipo III, hasta la matriz diagonal
  Página web personal
1 0 0 ... 0
0 x 2 − x 1 0 ... 0  Página de Abertura
 
0 0 (x 3 − x 1 )(x 3 − x2 ) ... 0 
Contenido
 
. . . .. .
 .. .. .. . 
. . 
0 0 0 . . . (x n − x 1 ) · · · (x n − x n−1 ) JJ II
que tiene el mismo determinante que la matriz de Vandermonde original. J I

Por tanto, si los valores x i son distintos dos a dos, el determinante es distinto
Página 57 de 65
de cero y la matriz V es regular y tiene inversa. Como consecuencia,
Atrás
Teorema 5. Si i 6= j ⇒ x i 6= x j , todo s.l. de n ecuaciones y n incógnitas que
tenga como matriz del sistema V (x 1 , . . . , x n ) es de Cramer. Pantalla grande/pequeña
Corolario 2. Un polinomio de grado n − 1, está determinado por n puntos. Cerrar

O sea, por n puntos pasa una única función polinómica de grado n − 1.
28Equivalen a multiplicar por matrices con determinante 1.

Enrique R. Aznar
Demostración : Como un polinomio, p(x) = a0 +a1 x+· · ·+an x , de grado n−1 Dpto. de Álgebra
n−1 queda determinando por n coeficientes. Si conocemos (x 1 , y 1 ), . . . , (x n , y n )
y buscamos un polinomio tal p(x i ) = y i , para i ∈ {1, . . . , n}, su existencia es
equivalente a una solución del s.l. siguiente que es de Cramer cuando x i 6= x j
x 12 . . . x 1n−1
     
1 x1 a0 y1
n−1  
1 x2 x 22 . . . x 2  a 1  
y2 
 
· =

..
.
.. .. .. .. .
 .. 
   . 
.. 

. . . .
1 xn x n2 . . . x nn−1 an yn
Página de Abertura
Ejemplo 18. La matriz de Vandermonde de los primeros 5 naturales
Contenido
1 1 1 1 1
 
1 2 22 23 24  JJ II
32 33 34 
 
1
V (1, 2, 3, 4, 5) =  3
J I

1 4 42 43 44 
1 5 52 53 54 Página 58 de 65
como es equivalente por columnas a la matriz diagonal
Atrás
1 0 0 0 0
 
0 2−1 0 0 0  Pantalla grande/pequeña
 
0 0 (3 − 1)(3 − 2) 0 0 
 
0 Cerrar
0 0 (4 − 1)(4 − 2)(4 − 3) 0 
0 0 0 0 (5 − 1)(5 − 2)(5 − 3)(5 − 4)
tiene por determinante 23 ∗ 32 ∗ 4 = 25 ∗ 32 = 32 ∗ 9 = 288.
Enrique R. Aznar
Por la misma razón, el determinate de Vandermonde de cualesquiera 5 números Dpto. de Álgebra
consecutivos también vale 288. En particular, |V (2.1, 3.1, 4.1, 5.1, 6.1)| = 288.
12. E JERCICIOS .
 
1 2 1 0
0 1 1 −1
Ejercicio 1. Dada la matriz A = 
1
. Página web personal
2 −1 2
1 1 0 1 Página de Abertura
Razona que por transformaciones
 elementales de filas se puede llegar a la
1 0 0 0 Contenido
0 1 0 0
matriz B = 
0
.
JJ II
0 1 −1
0 0 0 0
J I
 
1 2 1 0
Página 59 de 65
0 1 1 −1
Ejercicio 2. Dada la matriz A = 
1
.
2 −1 2 Atrás
1 1 0 1
Razona que por transformaciones
  elementales de columnas se puede llegar
1 0 0 0
Cerrar
0 1 0 0
a la matriz C = 
0
.
0 1 0
1 −1 0 0

1 2 3
 Enrique R. Aznar
Ejercicio 3. Demuestra que la inversa de A = 2 3 4 es la matriz B = Dpto. de Álgebra
3 4 6
 
−2 0 1
 0 3 −2
1 −2 1
 
1 2 2
Ejercicio 4. Calcula el cuadrado de la matriz A = 13 2 −2 1 ¿Cuál Página web personal
2 1 −2
Página de Abertura
es la inversa de la matriz A ?.
µ ¶ Contenido
1 0
Ejercicio 5. Dada la matriz A = Calcula A 2 , A 3 y A 4 . ¿Cuánto vale
1 1 JJ II
A n ?.

1 1 1
 J I
Ejercicio 6. Dada la matriz A = 0 1 1 Calcula A 2 , A 3 y A 4 . Página 60 de 65
0 0 1
  Atrás
−1 0 1
Ejercicio 7. Dada la matriz A =  0 2 0 ¿Existe una matriz cuadrada Pantalla grande/pequeña
−3 0 3
  Cerrar
1 0 −1
P tal que P A = 0 1 0?.
0 0 0

−1 0 −1
 Enrique R. Aznar
Ejercicio 8. Dada la matriz B =  0 2 0 ¿Existe una matriz cuadrada Dpto. de Álgebra
−3 0 3
 
1 0 −1
Q tal que BQ = 0 1
 0?.
0 0 0
 
1 2 0 1
Ejercicio 9. Dada la matriz A = 1 1 2 0 ¿Existe una matriz cuadrada Página web personal
1 0 2 1
  Página de Abertura
1 0 0 0
Q tal que AQ = 0 1 0 0?. Contenido
0 0 1 0
  JJ II
1 2 0 1
Ejercicio 10. Dada la matriz A = 1 1 2 0 ¿Existe una matriz cuadrada J I
1 0 2 −1
  Página 61 de 65
1 0 0 −1
P tal que P A = 0 1 0 1?. Atrás
0 0 1 0
13. T EST DE REPASO . Cerrar
Para comenzar el cuestionario pulsa el botón de inicio.

Enrique R. Aznar
Cuando termines pulsa el botón de finalizar. Dpto. de Álgebra
Para marcar una respuesta coloca el ratón en la letra correspondiente y pulsa
el botón de la izquierda (del ratón).
1. ¿Cuál de las siguientes afirmaciones es la correcta?.

(a) Una matriz es un vector de vectores arbitrarios.
(b) Una matriz es un conjunto finito de filas cualesquiera. Página de Abertura
(c) Una matriz es un vector de vectores de longitud fija.

Contenido
(d) Una matriz es un conjunto finito de columnas.
JJ II
2. ¿Cuál de las siguientes afirmaciones es verdadera?.
J I
(a) Una matriz puede contener filas de distinta longitud.
(b) Una matriz puede contener columnas de distinta longitud. Página 62 de 65
(c) Una matriz tiene siempre el mismo número de filas que de columnas.
Atrás
(d) Una matriz puede tener mas columnas que filas.
µ ¶
1 −1 9
3. Dada la matriz A = . ¿Cuál de las siguientes afirmaciones es Cerrar
2 0 5
verdadera?.
(a) A tiene 4 submatrices 2 × 2.
Enrique R. Aznar
(b) A no tiene submatrices 2 × 2. Dpto. de Álgebra
(c) A tiene submatrices 3 × 3.
(d) A tiene exactamente 3 submatrices 2 × 2.

(a) Una matriz triangular también es diagonal.
(b) Una matriz diagonal es también triangular superior pero no inferior. Página web personal
(c) Una matriz triangular superior e inferior es lo mismo.

Página de Abertura
(d) Una matriz diagonal es también triangular superior e inferior.
Contenido

JJ II
(a) La suma de matrices es conmutativa pero el producto no.
(b) La suma de matrices es asociativa pero no conmutativa. J I
(c) Ni la suma ni el producto de matrices son conmutativos.
Página 63 de 65
(d) La suma y el producto de matrices son conmutativos.
Atrás

(a) El conjunto de todas las matrices de la misma dimensión no es un
grupo abeliano. Cerrar
(b) El conjunto de todas las matrices de la misma dimensión no es un

espacio vectorial.
Enrique R. Aznar
(c) Toda matriz se puede considerar un vector. Dpto. de Álgebra
(d) Dos matrices de la misma dimensión se pueden multiplicar.

(a) El producto de dos matrices siempre está definido.
(b) El producto de dos matrices cuando está definido es conmutativo.
(c) Dos matrices cuadradas siempre se pueden multiplicar. Página web personal
(d) Toda matriz se puede multiplicar por su traspuesta.

Página de Abertura
8. ¿Cuál de las siguientes afirmaciones es verdadera?. Contenido
(a) La inversa de una matriz siempre existe. JJ II

(b) La inversa de una matriz cuadrada siempre existe.
(c) La inversa de un producto de matrices siempre existe. J I
(d) Una matriz tiene inversa si y sólo si su traspuesta tiene inversa.
Página 64 de 65
9. ¿Cuál de las siguientes afirmaciones es verdadera?. Atrás
(a) Si existe un producto de matrices existe también la inversa del pro- Pantalla grande/pequeña
ducto.
(b) Aunque exista la inversa del producto de dos matrices, (AB )−1 , puede Cerrar
no existir el inverso de A o el de B .
Enrique R. Aznar
(c) Si A y B son matrices cuadradas de la misma dimensión, entonces Dpto. de Álgebra
existe (AB )−1 si y sólo si existen B −1 y A −1 .
(d) Si A y B son matrices cuadradas, entonces siempre (AB )−1 = B −1 A −1 .
(a) Una matriz elemental siempre tiene determinante uno.
(b) Los tres tipos de matrices elementales tienen el mismo determinante.
(c) Las matrices elementales pueden tener determinante cero. Página web personal
(d) La inversa de una matriz elemental es siempre otra matriz elemental.

Página de Abertura
Contenido
JJ II
J I
Página 65 de 65
Atrás
Cerrar

Matrices Determinantes

Uploaded by

Document Information

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

Matrices Determinantes

Uploaded by

Copyright:

Available Formats

Enrique R.

¿Cómo ordenar bidimensionalmente?

Página web personal

3.1. Suma de Matrices 10

6. Matrices inversas y regulares 22

En 1812, Augustin-Louis Cauchy publicó un artículo donde usó determi- JJ II

Dado un cuerpo2 K , una matriz de orden m x n con coeficientes en K es una

Definición 1. Una matriz m × n con coeficientes en K es un vector de longi- J I

Al número m lo llamamos número de filas y al número n número de colum- Pantalla grande/pequeña

nas. Y decimos que la dimensión u orden de la matriz es m × n .

Por ejemplo, la matriz J I

orden n × n para algún n .

que se obtenga de ella suprimiendo algunas de sus filas y/o columnas.

Esta operación de suma, para matrices A y B arbitrarias en el conjunto Contenido

Por lo visto anteriormente, el conjunto de todas las matrices, Mm×n (K ), de Atrás

El producto de un escalar por una matriz verifica las siguientes 4 propiedades. J I

Distributiva respecto de la suma de escalares: (a + b)A = a A + b A Página 13 de 65

Distributiva respecto de la suma de matrices: a(A + B ) = a A + aB

se define su producto como la matriz C = (c i j ) ∈ Mm×n (K ) (m filas y n Pantalla grande/pequeña

columnas), donde todas sus entradas son sumas de productos

7Es costumbre, denotar al espacio vectorial M n

Ejemplo 6. Los siguientes productos no son iguales

obtiene cambiando filas por columnas. O sea, a la matriz

no coincide con ella.

Un caso particularmente sencillo de multiplicación de matrices es cuando se

8Es costumbre no escribir paréntesis, para las matrices 1 × 1.

Ejemplo 9. Sean, u = (1, 2, −1) y v = (−2, 1, 0) pertenecientes a M3 (Q). Su

Conmutativa: u.v = v.u Atrás

Definición 9. Dadas dos matrices cuadradas, A, B ∈ Mn (K ), se dice que B

Página web personal

nunca puede dar la matriz identidad.

Este ejemplo se puede generalizar a cualquier matriz. Pantalla grande/pequeña

Lema 1. Si una matriz A tiene una fila de ceros cualquier producto AB

Demostración: Si existieran dos matrices B, B 0 ∈ Mn (K ) tales que

Lema 3. [Propiedades de la matrices invertibles] Si las matrices cuadradas J I

Veamos algunos ejemplos de matrices invertibles.

Un ejemplo de matriz de tipo III: Atrás

Los ejemplos anteriores de matrices invertibles se pueden generalizar, a cualquier

Tipo I: La matriz que se obtiene de la matriz identidad, intercam-

Con esta definición, los ejemplos anteriores son.

ella misma, E i−1

La inversa de una matriz de tipo II, E i (k), es la matriz E i (k) = E i ( k1 ).

Y la inversa de una matriz de tipo III, E i j (k), es la matriz E i j (k)−1 = E i j (−k).

La demostración de esa existencia es constructiva. Consiste en aplicar un JJ II

B r −1 · · · B 1 A = B r−1 B r · · · B 1 A = B r−1 I = B r−1

11Y por tanto, E A no puede tener una fila o columna de ceros.

7. T RANSFORMACIONES ELEMENTALES Pantalla grande/pequeña

Veamos un ejemplo de como aplicar las transformaciones elementales de Pantalla grande/pequeña

filas para obtener una matriz triangular.

1ª etapa: Elegimos como pivote el primer elemento, no cero, de la primera

Primero multiplicamos, a izquierda, por E 21 (1). O sea,

Ahora multiplicamos, a izquierda, por E 31 (−1). J I

Si la matriz inicial A es cuadrada, a veces, se puede llegar a la matriz identi-

seguimos una matriz triangular superior.

Y multiplicando por E 23 (−1/3) obtenemos una matriz diagonal

de donde obtenemos que el producto sucesivo de estas matrices elementales Atrás

por la matriz original vale la matriz identidad

Esto es, para cada matriz cuadrada arbitraria, Contenido

. . . , v n = {a n1 , . . . , a nn } son sus filas. Queremos analizar si existe un escalar

Definición 12. Decimos que una aplicación determinante es computacional-

determinante de la matriz unidad fuera cero, d et (I ) = |I | = 0, también sale

Por tanto, supondremos que d et (I ) = |I | 6= 0. Pero entonces, como Página 34 de 65

También, usaremos la propiedad alternante para ver que el determinante de

Por la propiedad multiplicativa, si E es una matriz elemental y B = E A en- JJ II