BLOQUE 3:

3.1 MATRICES: ALGEBRA DE MATRICES

3.2 MATRICES: RANGO Y APLICACIONES.

3.1 MATRICES: LGEBRA DE MATRICES.
1.- ALGEBRA DE MATRICES.-
Definicin 1: Sea I = {1,2,...,p} J = {1,2,...,q} dos conjuntos de ndices, llamamos matriz de
dimensiones pxq,a cualquier conjunto de pxq elementos de K (cualquier aplicacin de I x J
K) distribuidos en p filas (lneas horizontales) y q columnas (lneas verticales). Las denotaremos
por:


a
11
a
12 ........
a
1q
a
21
a
22 ...............
a
2q

A = . . .......... . bien ( (a
ij
) )
pxq
a
p1
a
p2 ...............
a
pq


donde a
ij
es el elemento de la fila i y columna j.

Definicin 2: Si E y F son dos K- e.v. de dimensiones n y m respectivamente y B
E
= {e
1
,e
2,...,
e
p
} y
B
F
= {v
1
,v
2,...,
v
q
} bases de E y F respectivamente, sea f : E F una aplicacin lineal,
llamamos matriz de f referida a las bases B
E
de E y B
F
de F a:

a
11
a
12 ........
a
1q
M (f) = a
21
a
22 ...............
a
2q
bien M(f)=( (a
ij
) )
pxq



fqg Algebra Lineal EII 08-09 1/9

a
p1
a
p2 .
a
pq

donde la fila i (i = 1,...,n) son las coordenadas de f (e
i
) en la base B
F i=1,2,3,.q

=
=
p
1 i
j ij i
v a ) e ( f


Proposicin 1: Fijadas unas bases B
E
y B
F
, existe una biyeccin entre el conjunto de las matrices
pxq y las aplicaciones lineales de E F M (p, q) L (E, F)
Definicin 3: Dadas A, B M(p,q) A y B son iguales a
ij
= b
ij
a
ij
y b
ij.

Definicin 4: Llamamos diagonal principal de A M (p,q) a los elementos {a
kk
} k= 1, ...., r
siendo rp = min (p,q).
TIPOS DE MATRICES
Si p=q Matriz cuadrada
Si p q Matriz regular
Si p = 1 Matriz fila
Si q = 1 Matriz columna


a
ij
= 0 i j
Matriz diagonal D= ( (a
ij
) ) =
a
ij
0 i = j


Superior a
ij
= 0 i < j
Matriz triangular T: Inferior a
ij
= 0 i > j

AM(p) decimos que es simtrica: Si a
ij =
a
ji
i,j
A M (p) decimos que es antisimtrica o hemisimtrica : Si a
ij =
- a
ji
i,j

OPERACIONES CON MATRICES

Definicin 5: Suma: A, B M (p,q), A = ( (a
ij
) ), B = ( (b
ij
) ) entonces:
A + B = ( (a
ij
) ) + ( (b
ij
) ) = ( (a
ij
+ b
ij
) ) i,j
En trminos de aplicaciones lineales vimos en el tema anterior:
Si A = M (f), B = M (g), f,g L (E, F) llamamos suma a M(f)+M(g) = M(f +g)
( y la matriz de f+g se obtiene como dijimos anteriormente )

Definicin 6: Producto por un escalar: K, AM(n,m), A = ( (a
ij
) )
A = ( (a
ij
) ) = ( (a
ij
) ) i,j
En trminos de aplicaciones lineales: f L (E, F), se vio en el tema anterior M (f) = M(f)
Proposicin 2: El conjunto (M(p,q),+,*
K
) es un espacio vectorial
Proposicin 3: B = { Eij M (p,q) / Eij = 1 en el lugar (i.j) y 0 en el resto} es base del e.v.
anterior
Proposicin 4: Las matrices triangulares, diagonal y escalares son subEV del e.v. de las matrices

Ejercicio: Probar que el conjunto de matrices simtricas y hemisimtricas son dos subespacios vectoriales
suplementarios (esto es comprobar que toda matriz se puede descomponer de forma nica como suma de una matriz
simtrica y otra hemisimtrica ).

Definicin 7: Producto de matrices
Si A M(p,q), BM (q,r)) se define el producto AB = C M(p,r), a la matriz cuyos trminos se
obtienen: (esto es el elemento (i, j) es el producto de la fila i de A por la columna j de B)

=
=
q
1 k
kj ik ij
b a c
En trminos de aplicaciones lineales lo vimos en el tema anterior.
Proposicin 5: ( M(p), +,
*
) es un anillo unitario con divisores de cero.


fqg Algebra Lineal EII 08-09 2/9



fqg Algebra Lineal EII 08-09 3/9

Ejemplo de divisores de cero =

1 0
0 0

Definicin 8: Una matriz A M (p) decimos que es regular inversible si :

0 0
0 3
0 0
0 0
A
-1
M (p) / A.A
-1
= A
-1
.A = I
p
Decimos que es singular si no existe A
-1
Proposicin 6: Si A, B M (p) regulares AB es regular y se cumple (AB)
-1
= B
-1
A
-1

En general: ( A
1
...........A
p
)
-1
= A
p
-1
.A
p-1
-1
....... A
1
-1

Proposicin 7: Si (AB) regular entonces A y B son regulares y se cumple:
A
-1
= B (AB)
-1
y B
-1
= (AB)
-1
A
Proposicin 8: Si f es endomorfismo biyectivo M (f
-1
) = (M (f))
-1

Proposicin 9: Si A es regular no es divisor de cero.
En efecto: A regular A simplificable no es divisor de cero

q.d. que si A simplificable (no divisor de cero) A regular
(esto tambin se puede expresar A singular A no simplificable)
En efecto: A singular el endomorfismo asociado f
A
no es suprayectivo f
A
(k
n
) k
n
es de
dimensin r, esto es la base {u
1
,...,u
r
} se puede completar hasta { u
r+1
,...,u
n
} / {u
i
}
n
es base de k
n

Sea x = K=1
n
x
i
u
i
Sea B = M(g) / g(x) = ( 0,...,0, u
r+1
,...,u
n
)
g
B *
f
A
= g
B
(y
1
,...,y
r,
0
,...,
0) = ( 0,...,0) g o f = 0 A
*
B = 0 con A 0 y B 0, o sea A y B
son divisores de cero (no simplificables).
TEOREMA.- Son equivalentes las siguientes proposiciones:

a) Si f i = 0 cj = 0 No existe A
-1

b) A invertible rg( A ) = n.
c) Si A es invertible entonces no es divisor de cero.
d) A invertible A regular.

Definicin Proposicin 10: El conjunto de matrices de orden n regulares, tiene estructura de
grupo con la multiplicacin llamado grupo lineal, y se denota GL (n).

2.- NOTACIN MATRICIAL, EQUIVALENCIA, SEMEJANZA, CONGRUENCIA.
La utilidad de la notacin matricial ya se ha hecho ver en temas anteriores, por ejemplo:



2.1 EXPRESIN MATRICIAL DE UNA APLICACIN MATRICIAL:
Si f L(E, F), B
E
= {e
i
}
1
n
B
F
= {v
i
}
1
m
y sea entonces Y = X.

M(f) donde

=
=
m
1 j
j ij i
v a ) e ( f
M(f) es la matriz de f referida a las bases B
E
y B
F
a
11
a
12 ........
a
1m
(y
1,
y
2,...,
y
m
) = (x
1,
x
2,...,
x
n
) a
21
a
22 ...............
a
2m

. . .......... .
a
n1
a
n2 ...............
a
nm

2.2 EXPRESIN MATRICIAL DEL CAMBIO DE BASES VECTORIALES:
Sea V un e. v. n-dimensional y B = {e
1
,e
2,...,
e
n
} y B = {v
1
,v
2,...,
v
n
} dos bases de V, de tal forma que
se conocen las coordenadas de los vectores de una de ellas respecto de la otra (por ejemplo B en
funcin de B) o sea:
v
1
= a
11
e
1
+ ... + a
1n
e
n


v
2
= a
21
e
1
+ ... + a
2n
e
n


.
v
n
= a
n1
e
1
+ ... + a
nn
e
n


Sabemos que un cambio de bases consiste en que conocidas las coordenadas de un vector x
B
en B, obtener
x
B
en B (o viceversa)
Sea x
B
=
n
1 x
i
v
i
=
n
1
x
i
(
n
1 a
ij *
e
j
) =
m
J =1 (
n
i = 1
x
i
a
ij
) e
j
(1)
Si llamamos x
B
=
m
J =1 x
j
e
j
a las coordenadas de x en B (2)
Comparando (1) y (2) tenemos x
j
=
n
i = 1
x
i
a
ij
j = 1,2,...,n.
Esto es: a
11
a
12 ........
a
1n
a
21
a
22 ...............
a
2n

(x
1,
x
2,...,
x
n
) = (x
1,
x
2,...,
x
n
) . . .......... .
a
n1
a
n2 ...............
a
nn


o simplificadamente (forma matricial): X
B
= X
B
(B)
B
(B)
B
es la matriz del cambio de bases cuyas filas son las coordenadas de los vectores de la base B
respecto de B.
Ntese que se puede considerar que un cambio de bases es una aplicacin lineal de un e.v. en si mismo:
f: V V (x
1,
x
2,...,
x
n
) = (x
1,
x
2,...,
x
n
). B
B


B B
Como esta aplicacin es biyectiva la matriz del cambio es una matriz regular.






fqg Algebra Lineal EII 08-09 4/9
2.3 EFECTO DE UN CAMBIO DE BASES EN LA ECUACIN DE UNA APLICACIN LINEAL.
MATRICES EQUIVALENTES

Definicin 1: Si A, B M (n, m) decimos que A es equivalente a B (A B) si P M (n) y Q
M (m) / B = P A Q
-1
( P y Q regulares)
Proposicin: La relacin ser equivalente a es de equivalencia.
Veamos que ocurre en la ecuacin de una aplicacin lineal si se cambia de bases.
Sea f: E F de ecuacin y = x M con M = matriz de f referida a B
E
y B
F.
Supongamos que se cambian las bases:

B
E
B
E
x = x P P matriz del cambio de bases en E
B
F
B
F
y = yQ Q matriz del cambio de bases en F
Entonces: y = x M yQ = (xP)
*
M y = x (PMQ
-1
) y = xH
O sea la nueva matriz de f (referida a B
E
y B
F
) es H = PMQ
-1
(Segn la definicin anterior son matrices equivalentes)
Por tanto podemos definir:
Dos matrices son equivalentes si son matrices de una misma aplicacin lineal referida a bases distintas.
Matrices semejantes : Si A, B M (n) A es semejante a B P M (n) regular /
B = PAP
-1
(es el caso anterior E = F P=Q)
Propiedades:
1. P (A + B)P
-1
= PAP
-1
+ PBP
-1

2. P (A) P
-1
= (PAP
-1
)
3. P (AB)P
-1
= (PAP
-1
) (PBP
-1
)
4. P I P
-1
= I
5. PA
-1
P
-1
= (P
-1
AP)
-1


TRASPOSICIN DE MATRICES, CONGRUENCIA
Definicin: Si A, B M (n, m) se llama matriz traspuesta A
t
, a la matriz de M(n, m) / a
ij
t
= a
ji
i,j
Propiedades: 1.- (A
t
)
t
= A
2.- (A + B)
t
= A
t
+ B
t

3.- (AB)
t
= B
t
A
t

4.- (A
-1
)
t
= (A
t
)
-1

5.- si A ~ B entonces A
t
~ B
t

Con esta definicin de traspuesta podemos decir A M(n) es simtrica cuando coincide con la traspuesta
A=A
t
, y hemisimtrica si es A= -A
t

Definicin: A y B se dicen congruentes cuando P M(n) regular / B = PAP
t

Proposicin: La relacin de congruencia es una relacin de equivalencia


fqg Algebra Lineal EII 08-09 5/9
ANEXO I:
MATRICES ASOCIADAS ALA SUMA, PRODUCTO POR ESCALAR Y COMPOSICIN DE APLICACIONES
Matriz de la suma de dos aplicaciones:


Sea f: E
p
F
q
aplicacin lineal /
11 12 1
21 22 2
1 2
.. ..
.. ..
.. .. .. .. ( )
.. .. .. ..
.. ..
q
q
p p pq
a a a
a a a
A M f
a a a



= =





o sea que la fila i de A es f (e
i
) =
m
J =1 a
ij
u
j
donde B
E
= {e
1
,e
2,...,
e
n
} y B
F
= {u
1
,u
2,...,
u
n
}

Sea tambin g: E
p
F
q
otra aplicacin lineal de matriz
11 12 1
21 22 2
1 2
.. ..
.. ..
.. .. .. .. ( )
.. .. .. ..
.. ..
q
q
p p pq
b b b
b b b
B M g
b b b



= =





Nuestro problema es obtener la matriz asociada a la suma f + g, para ello obtenemos la fila i o sea
(f + g)(e
i
)=f(e
i
)+g(e
i
)=
m
J =1 a
ij
u
j
+
m
J =1 b
ij
u
j
=
m
J =1 (a
ij
+ b
ij
) u
j
o sea, la fila i es la suma de las filas i de A y B

Matriz asociada a la aplicacin
.
f :
Lo mismo nos podemos plantear para la matriz asociada a (f) siendo un escalar.
Obtenemos la fila i de (f) (f) (e
i
) = (f(e
i
)) = (
m
J =1 a
ij
u
j
) =
m
J =1 (a
ij
) u
j
, es decir la fila i de (f) es la
fila i de la matriz de A, multiplicada por el escalar .
O sea podemos definir:
Por tanto se puede definir M(f)= .M(f)
11 12 1
21 22 2
1 2
.. ..
.. ..
.. .. .. .. ( )
.. .. .. ..
.. ..
q
q
p p p
a a a
a a a
A M f
a a a

= =




q

. . .......... .








fqg Algebra Lineal EII 08-09 6/9
3.2 MATRICES: RANGO Y APLICACIONES

Recordamos que hasta ahora hemos utilizado el concepto de rango en:
- Rango de un conjunto de vectores = nmero mximo de vectores l.i. = dim <e
1
,e
2,...,
e
n
>
- Rango f L (E, F) = dim (Img (f)) = dim (f (E))
Adems recordamos que:
- el t de la dimensiones dice dim (Img (f)) + dim (Ker (f)) = dim E. donde f : E
p
F
q

- y f inyectiva rango (f) = dim (Img (f)) = dim (E)
Definicin 1: Rango de las filas de una matriz A M (n, m) es el nmero de (vectores) filas l.i.
r
f
(A) = rango filas A = rango vectores fila {a
i.
= (a
i1
,a
i2,...,
a
iq
)} p
Anlogamente:
Definicin 2: Rango de las columnas de A es el nmero de vectores columna l.i.
a
1j
a
2j
r (A) = rango columnas A = rango vectores columna { . = a
.j
} q
c
a
pj
Por definicin de matriz transpuesta:

r
f
(A) = r
c
(A
t
)


fqg Algebra Lineal EII 08-09 7/9
Si A M (p, q)
r
c
(A) = r
f
(A
t
)


Propiedades: Si A M(p,q), sea f la aplicacin lineal asociada tal que M(f) =A entonces:
r
f
(A) = dim (Img (f)) = rango (f) = (como f no depende de las bases elegidas) = rango filas de
todas las matrices equivalentes (PAQ
-1
).
adems: r
c
(A) = r
f
(A
t
) = rango filas de todas las matrices equivalentes

RANGO DE UNA MATRIZ
Vamos a definir rango de una matriz a partir de las definicines 1 y 2 anteriores.
Teorema fundamental del rango A M (p,q) el r
f
(A) = r
c
(A) y a este nmero comn le
llamamos rango de la matriz A.
La demostracin de este teorema es consecuencia de las dos proposiciones siguientes:
I
r
0
Proposicin 1: Si A M (p,q), r
f
(A) = r entonces A ~ B siendo B = 0 0
Con I
r
M (r) matriz unidad


Demostracin:
Sea f
A
: k
n
k
m
/ A = M (f
A
) respecto {e
1
,e
2,...,
e
n
} y {u
1
,u
2,...,
u
m
} y r (f
A
) = r,
dim(ker (f)) = n r. Sea una base de k
n
{v
1
,v
2,...,
v
n
} donde {v
r+1
,v
r+2,...,
v
n
} es base de Ker(f
A
)
{f(v
1
),f(v
2
)
,...,
f(v
r
)} es base Img (f) que la completamos hasta obtener una base de k
m

{f(v
1
),f(v
2
)
,...,
f(v
r
),w
r+1,...,
w
m
}
Si hallamos la matriz de f respecto a dichas bases (se obtiene una matriz equivalente) que ser

1
. 0
1
M (f) = = B ~A


fqg Algebra Lineal EII 08-09 8/9

0 0


I
s
0
Proposicin 2: Si r
c
= s A ~ con I
s
M (s) matriz unidad
0 0

Demostracin I
s
0
r
c
(A) = r
f
(A
t
) A
t
~ 0 0 (pero si A ~ B A
t
~ B
t
)

I
s
0
t
I
s
0
A ~ =
0 0 0 0


Por tanto A M (p,q) el r
f
(A) = r
c
(A) = r (A)

Corolario: A M(p,q) r (A) = r (A
t
)


RANGO Y MATRICES EQUIVALENTES
Teorema: Si dos matrices son equivalentes tienen igual rango
Demostracin: Sean A y B M (p,q) / A ~ B A, B son matrices asociadas a una aplicacin lineal f
respecto de distintas bases, por tanto r (A) = r
f
(A) = dim(Img (f)) = r
f
(B) = r (B)

Como la relacin A ~ B es una R.B.E el conjunto de M(p,q) queda dividido en clases de
equivalencia (cada clase est constituida por una matriz y todas sus equivalentes, o sea, las asociadas a
una misma aplicacin lineal, es decir, todas las que tienen el mismo rango). En cada clase hay un
representante (cannico) de la forma:

I
r
0 representante de todas la matrices de rango r,
0 0 Hay h+1 clases de equivalencia (siendo h=mn(p,q) )
RANGO Y MATRICES REGULARES
Teorema: Si A M (p) regular r(A)= p
Demostracin:
Si A regular A=M(f
A
) f
A
: k
p

k
p

f
A
biyectiva r(f
A
) = r = p

Si r (A) = p r (f
A
) = dim (Img (f)) = p f
A
suprayectiva
f biyectiva A regular y adems M(f
-1
)=(M (f ))
-1
pues f o f
-1
= i
a
, M(fof
1
)=M (i
a
)
M (f
-1
)
*
M (f ) = I M (f
-1
) = (M (f ))
-1

CLCULO EFECTIVO DEL RANGO DE UNA MATRIZ

Recordemos que si a un conjunto de vectores {x
1
,x
2,...,
x
n
} se realiza cualquiera de las manipulaciones
siguientes:
a) Permutar dos vectores entre si.
b) Sustituir x
i
por x
i
+ x
j
( K)
c) Multiplicar x
i
por un escalar
Se obtiene un sistema equivalente, o sea de igual rango.
(Anlogamente si se realizan todas las operaciones o combinaciones de ellas).

Operaciones elementales de una matriz:
Llamamos as a cualquiera de las operaciones anteriores efectuadas sobres los vectores filas o columnas de
la matriz.
Por consiguiente al aplicar operaciones elementales sobre una matriz, el rango de sus filas (o de sus
columnas) no cambia, o sea el rango de la matriz no cambia

Por tanto para el clculo del rango de una matriz, se le efectan operaciones elementales hasta obtener una
matriz equivalente diagonal:

Sea A M (p,q) se le realizan operaciones elementales hasta convertirla en matriz
diagonal de la forma:

0
b
.. r ..
b
b
r
2
1

entonces el rango es = r. (Nota.- En la prctica bastara con convertirla en
una matriz escalonadael rango ser el nmero de filas con algn elemento no nulo.
rango=r

0 ...
...
...
2
1
rr
n
n
a
a

0 0 0
...
. 0 .
23 22
13 12 11
a
a a
a a a






fqg Algebra Lineal EII 08-09 9/9