Академический Документы
Профессиональный Документы
Культура Документы
MATRICES Y DETERMINANTES.
PRIMER CURSO
Matrices
1.1
Introducci
on
El estudio de los determinantes y las matrices se llevo a cabo inicialmente en el siglo XIX y
aunque consideradas u
nicamente como innovadoras del lenguaje matematico, ya que por s mismas
no dicen directamente algo que no este dicho ya por las ecuaciones y las transformaciones aunque
de manera mas amplia, hoy nadie discute su importancia como herramientas altamente u
tiles y se
contemplan como una parte fundamental del aparato matematico.
Historicamente los determinantes surgieron a partir de la b
usqueda de soluciones de sistemas de
ecuaciones lineales. Fue Gauss el primero en nombrar la palabra determinante, pero es a Cauchy a
quien se debe la disposicion de los elementos en cuadrado y la notacion de los subndices dobles, as
mismo proporciono el primer tratamiento sistematico y casi moderno de los determinantes.
Un determinante contiene un cuadro de n
umeros y por lo general interesa el valor del cuadro,
dado por la definicion de determinante, cuando el cuadro como tal se le proporciona una entidad
independiente de la de determinante. La palabra matriz fue usada por primera vez por Sylvester
(1850) cuando quera referirse a un cuadro rectangular de n
umeros y no poda usar la palabra determinante, pero Arthur Caley (1855) fue a quien se le ocurrio introducirlas como entidades diferentes
como una forma conveniente de expresar las ecuaciones
(
ax + by = x0
cx + dy = y 0
a b
y as introdujo la matriz
c d
Aunque historicamente el concepto de determinante precede al de matriz, hemos preferido introducir primero la idea de matriz como un tabla rectangular de n
umeros, indicar algunos tipos
especiales de matrices y presentar las operaciones que se pueden realizar con aquellas. En el siguiente captulo definimos el determinante como un n
umero que lleva asociado una matriz cuadrada,
vemos sus propiedades, para tratar por u
ltimo la matriz inversa y el rango de una matriz.
1.2
1.2.1
Algebra matricial
Matrices. Notaciones b
asicas
A=
a11
a21
..
.
a12
a22
..
.
am1 am2
1
a1n
a2n
..
..
.
.
amn
1
0 2
4
5
3
A=
es una matriz real de orden 4 3 ,es decir, 4 filas y 3 columnas, y por ejemplo
4
1
2
1
3
0
2
1
a31 = 4 y a42 = .
2
Diremos que dos matrices del mismo orden (m n) son iguales, cuando los elementos correspondientes a ambas son iguales. Dicho de otro modo:
m,n
A = (aij )m,n
i,j=1 y B = (bij )i,j=1 son iguales si aij = bij para 1 i m , 1 j n
Tipos de matrices
A=
(aij )ni,j=1
a11 a12
a21 a22
..
..
.
.
an1 an2
a1n
a2n
..
..
. .
ann
Los elementos a11 , a22 , , ann de A, los llamaremos diagonal principal de la matriz cuadrada.
Ejemplo:
A=
3 1 0
5
2
2
4
0 1
1
la diagonal principal sera 3, , 1.
2
1
Los elementos 0, , 4 le llamamos diagonal secundaria de la matriz A.
2
Llamamos matrices triangulares inferiores (respectivamente superiores) a las matrices cuadradas
cuyos elementos situados por encima (respectivamente por debajo) de la diagonal principal son todos
A=
a11 0
0 a22
..
..
.
.
0
0
...
0
0
..
.
ann
A=
a
0
..
.
0
a
.. . .
.
.
0 0
0
0
..
.
= diag(a, a, , a)
A=
1
0
..
.
0
1
.. . .
.
.
0 0
0
0
..
.
A=
0
0
..
.
0
0
.. . .
.
.
0 0
0
0
..
.
b11
b21
..
.
bm1
!
3 0
matriz cuadrada de orden 2
A=
1 2
3 0 0
2
1 3 4
0 1 2 3
A=
1 0 0
A= 0
matriz diagonal de orden 3
0
3
0 0 1
3
1
A=
0
0
A=
0
0
1.3
0
matriz identidad de orden 2
1
0 0
0 0
matriz nula de orden 3
0 0
A=
a11
a21
..
.
a12
a22
..
.
am1 am2
a1n
a2n
..
..
.
.
amn
A =
a11 a21
a12 a22
..
..
.
.
a1n an2
am1
am2
..
..
.
.
amn
A=
1 2 3
4 5 6
1 4
t
A = 2 5
3 6
1
2 2
2 1 4
A=
2
0
5
1
2
0
4 1
1
0
5
2
Evidentemente si una matriz A es simetrica, A = At .
Una matriz cuadrada de elementos reales se llama antisimetrica si aij = aji con 1 i n , 1
j n.
De esta definicion se deduce que los elementos de la diagonal principal de una matriz antisimetrica
son nulos ya que aii = aii con 1 i n.
Ejemplo:
0 1
2
A=
1 0 3
2 3
0
Evidentemente si A es antisimetrica, At = A.
1.4
1.4.1
Suma de matrices
m,n
Dadas las matrices A = (aij )m,n
i,j=1 y B = (bij )i,j=1 del mismo orden, llamaremos suma a la matriz
m,n
del mismo orden A + B = (aij + bij )i,j=1 .
Ejemplo:
A=
1
2 0
3 1 2
A+B =
B=
1+0
2+1 0+4
3 + 2 1 + 3 2 2
0 1
4
2 3 2
1 3 4
5 2 0
Se puede comprobar facilmente las siguientes propiedades de suma de matrices del mismo orden
1. A + B = B + A (propiedad conmutativa de la suma)
2. A + (B + C) = (A + B) + C (propiedad asociativa de la suma)
3. Si es la matriz nula de orden m n, entonces A + = + A = A (elemento neutro para la
suma)
4. A se tiene que A + (A) = (A) + A = (elemento opuesto para la suma)
5. (A + B)t = At + B t
1.4.2
1
2
1
5
A = 0 1
2
3
1
5
1
1
A = 0 1 =
0
2
2
3
3
1
2
Se pueden comprobar las siguientes propiedades de esta operacion:
1
1. ( + ) A = A + A
2. (A + B) = A + B
3. ( A) = () A
5
4. 1 A = A
5. A =
6. (A)t = At
1.4.3
Multiplicaci
on de matrices
Dados dos vectores a y b del mismo orden, definimos su producto escalar como:
a b = (a1 , a2 , , an )
b1
b2
..
.
= a1 b1 + a2 b2 + + an bn
bn
Ejemplo:
1
0
Sea a = 2 , b = 1
3
2
t
a b = (1, 2, 3) 1 = 1 0 + 2 (1) + 3 2 = 4
2
Utilizaremos esta idea para definir el producto de dos matrices.
n,p
Dada la matriz A = (aik )m,n
i,k=1 y la matriz B = (bkj )k,j=1 . El producto A B es una matriz de
orden m p cuyo elemento cij es el producto escalar del vector fila i de A por el vector columna
j de B,
cij = ati bj = (
n
X
1 i m ; 1 j p.
k=1
Ejemplo:
2 3 1
1 2 0
B = 0 1 1
Sean A =
.
1 3 1
5 0
1
La matriz A B es de orden 2 3
AB =
(1, 2, 0), at2= (1, 3,1) sonlos vectores formados por las filas de A, y
dondeat1 =
2
3
1
c11
1
3
2
c21
2
3
1
t
t
t
= a2 b1 = (1, 3, 1) 0 = 3 c22 = a2 b2 = (1, 3, 1) 1 = 0 c23 = a2 b3 = (1, 3, 1) 1 = 1
5
0
1
luego:
2 5 3
3 0 1
AB =
Es necesario destacar que de la definicion se deduce que para que un producto de matrices A B
sea posible y en ese orden de multiplicacion, el n
umero de columnas de la matriz A ha de ser igual que
el n
umero de filas de la matriz B y la matriz producto tiene tantas filas como A y tantas columnas
como B.
Es evidente por tanto que la multiplicacion de matrices no posee la propiedad conmutativa con
caracter general. As por ejemplo, consideremos el caso particular
de la matriz fila de orden 1 n,
b11
b21
b11
b21
..
.
bn1
Es decir, A B es un escalar, es decir su orden es 1 1.
BA=
b11
b21
..
.
bn1
Es decir, B A es de orden n n.
Se pueden comprobar las siguientes propiedades para el producto de ordenes apropiados:
1. A I = I A = A donde I es la matriz identidad
2. A (B + C) = A B + A C
3. A (B C) = (A B) C
4. (A B)t = B t At
Conviene destacar que el producto de dos matrices puede ser nulo, no siendo ninguna de ellas la
matriz nula:
Ejemplo:
!
1 0
0 0
A=
, A 6= B =
, B 6=
2 0
2 3
AB =
1 0
2 0
0 0
2 3
=
7
0 0
0 0
= A B =
Dada una matriz cuadrada A definimos An como el producto de A por s mismo n veces, es decir:
An = A A nveces A
Determinantes
2.1
Definici
on de determinante
En este apartado nos proponemos asociar un escalar a toda matriz cuadrada, que llamaremos
determinante de la matriz.
Dada una matriz de orden 2 2
!
a11 a12
A=
a21 a22
se define el determinante de la matriz A como:
det(A) = |A| = a11 a22 a12 a21 .
Es decir, el producto de los elementos de la diagonal principal menos el producto de los elementos
de la diagonal secundaria.
El determinante de una matriz A de orden 3 3 esta definido por:
a
11
det(A) = a21
a31
a12 a13
a22 a23
a32 a33
= a11 a22 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31 a11 a23 a32 a12 a21 a33 .
a
11
a21
a31
a12 a13
a22 a23
a32 a33
a
11
a21
a31
a12 a13
a22 a23
a32 a33
donde (j) es el n
umero de inversiones de la permutacion j = (j1 , j2 , , jn ) y j recorre las n! permutaciones de
(1, 2, , n).
2.2
Las propiedades que vamos a ver nos sugeriran metodos generales para calcular el determinante
de una matriz cuadrada, A, de orden n n.
umero, el determi1. Si en una matriz cuadrada se multiplica una fila (o una columna) por un n
nante de la matriz queda multiplicado por ese n
umero.
a11
a21
.
.
.
an1
a12 a1n
a22 a2n
..
..
...
.
.
an2 ann
a11
a21
= .
an1
a12 a1n
a22 a2n
.. . .
..
.
.
.
an2 ann
2. Si en una matriz cuadrada una fila (o una columna) se descompone en dos, el determinante de
la matriz es suma de los determinantes de las matrices resultantes.
a11
0
00
a21 + a21
..
an1
a12
a1n
0
00
0
a22 + a22 a2n + a002n
..
..
...
.
.
an2
ann
a11
a
= .21
an1
a12 a1n
a022 a02n
.. . .
.. +
.
.
.
an2 ann
a11 a12
a0021 a0022
..
..
.
.
an1 an2
a1n
a002n
. . . ..
.
ann
2.3
o equivalentemente:
det(A) = a1j A1j + a2j A2j + + anj Anj
Es decir, multiplicamos los elementos de una fila (o columna) por los adjuntos correspondientes.
Ejemplo:
Dada la matriz A =
lo desarrollaremos por
3 12
1
0
0
3
0
4
1
5
0
1
3 12 1 0
1 0
5 6
0 3
0 0
0 4 1 2
la tercera fila:
0
6
0
2
1 0 6
1
0
5 6
5 6
0 0 1 0 3 0
0 0 12 0
= 3 3
0 4 2
0 1 2
4 1 2
0
6
0
2
= 3 1
1 0
0 0 3
0 4
5
0
1
= 138
3 12
1
0
0
3
0
4
1
5
0
1
1 0
5 6 = 138.
1 2
Observemos que el desarrollo se simplifica tanto mas cuantos mas ceros haya en una fila o columna.
2.4
Definici
on: Dada una matriz A de orden n n, la matriz adjunta de A, que escribimos adj(A), se
define como la matriz de los adjuntos de los elementos de A, es decir: adj(A) = (Aij )ni,j=1 .
Ejemplo:
2
1 1
0
2
0
Sea A =
1 1
3
A11 = +
A21 =
A31 = +
2 0
=6
1 3
1 1
= 2 ;
1
3
1 1
=2
2
0
A12 =
A22 = +
A32 =
0 0
=0
1 3
2 1
=7 ;
1
3
2 1
=0 ;
0
0
A13 = +
A23 =
A33 = +
6 0 2
3
luego adj(A) = 2 7
2 0
4
Definici
on: Sea A una matriz de orden n n.
La matriz B de orden n n es la matriz inversa de A si AB = BA = I.
10
= 2
1
=3
1
1
=4
2
0
2
1 1
2
1
2
0
1
adj(A)t
det(A)
2
1 1
2
0
Sea A = 0
1 1
3
6 2 2
6 2 2
1
1
0
7 0 A =
7 0
0
14
2
3 4
2
3 4
1
7
3
1
7
7
1
0
0
1
3 2
7 14 7
Son facilmente comprobables las siguientes propiedades:
1
luego A =
2.5
1
.
det(A)
Definici
on: Sea A = (aij )m,n
i,j=1 .
Llamamos menor de orden h de esta, al determinante de la matriz cuadrada de orden h que
resulta de suprimir m h filas de A y n h columnas de A.
Definici
on: Dados dos menores M y N de la matriz A de ordenes respectivos h y h + 1.
Diremos que N se ha obtenido de orlar M con la fila p y la columna q si en N figuran las h filas
de M y la fila p de A, y las h columnas de M y la columna q de A.
Ejemplo:
Dada la matriz A =
1
0
4
0
2
1
1
0
3
0
3
1
0
2
1
0
1 2
Un menor de orden 2 es por ejemplo M =
0 1
1 2 3
4 1 3
11
1 2 3
2 1 3 4
Sea A = 1 1 2 3
3 2 5 7
2 1
6= 0 y podemos comprobar que todos los menores de orden 3 son iguales a 0, por tanto
1 1
rag(A) = 2.
3 1
2
Sea B =
5 4 3 , det(B)6= 0, luego rag(B) = 3.
2 5 2
Debido a los conocimientos que poseemos hasta este momento, para calcular el rango de una matriz,
tendramos que calcular todos los posibles menores de dicha matriz. Para evitar la gran cantidad de
calculos que esto conlleva enunciamos los siguientes resultados.
Teorema. Sea A = (aij )m,n
i,j=1 tal que rag(A) = h, y sea M un menor principal de la matriz.
Cualquier fila (columna) de A que no este en M es combinaci
on lineal de las filas (columnas) que
figuran en el menor M .
Teorema. El rango de una matriz no cambia, si se le agrega o suprime una fila (columna) que sea
combinaci
on lineal de las demas filas (columnas).
Por lo tanto para calcular el rango de una matriz, se procedera del siguiente modo:
Sea M un menor de orden h, distinto de 0, M se orla con una fila de A que no este en M y cada
una de las restantes columnas de A (que no esten en M ).
Si todos los menores orlados son 0, la fila es combinacion lineal de las que forman el menor
M y se puede suprimir sin que varie el rango. Tomamos en este caso la siguiente fila de
la matriz.
Si alg
un menor orlado es distinto de 0, el rango sera al menos h + 1 y tenemos un menor de
orden h + 1 con el que se repite el procedimiento desde el principio.
Ejemplo:
A=
1 0
0 1
6= 0,
1
0
2
3
0
1
1
2
1 0 1
0 1 1
2 1 3
1
1
3
5
1 3
0 2
1 7
2 12
= 0,
12
1 0 1
0 1 0
2 1 1
6= 0
Encontramos un menor de orden 3 distinto de cero, seguimos orlando dicho menor con la fila cuarta.
1
0
2
3
0
1
1
2
1
0
1
2
1
1
3
5
= 0,
1
0
2
3
0
1
1
2
1 3
0 2
1 7
2 12
=0
1 0 1
la podramos suprimir sin que el rango variara, luego 0 1 0 es un menor principal de la matriz,
2 1 1
y el rango sera 3.
Si la matriz es cuadrada, podemos empezar calculando el determinante de A.
Sea A = 1
4
Sea A = 1
4
Hay casos
1
0
0
1
0
1
mas
2
3
, det(A)=10, luego rag(A) = 3.
2
2
3
, det(A)=0, con lo que rag(A) < 3 pero
5
evidentes:
1
2 1
1
2 1
A=
1 2
1
2
4 2
3 1
=
6 0, luego rag(A) = 2.
1 0
3
3.1
A la matriz A =
A la matriz A =
a11
a21
..
.
a12
a22
..
.
a1n
a2n
..
..
.
.
amn
a1n
a2n
..
..
.
.
= b1
= b2
.. ..
. .
= bm
am1 am2
a11 a12
b1
a21 a22
b2
..
..
..
.
.
.
am1 am2 amn bm
13
Si designamos X =
x1
x2
..
.
yb=
xn
a11
a21
..
.
a12
a22
..
.
am1 am2
b1
b2
..
.
bm
a1n
a2n
..
..
.
.
amn
x1
x2
..
.
xn
b1
b2
..
.
o abreviadamente A X = b
bm
x1 =
b1 a12 a1n
b2 a22 a2n
..
.. . .
.
. ..
.
.
bn an2 ann
, x2 =
|A|
Ejemplo:
3x 2y + z
2x + y z
x 3y + z
3 2
1
|A| = 2
1 3
x=
a11
a21
.
.
.
an1
b1 a1n
b2 a2n
.. . .
.
. ..
.
bn ann
, , xn =
|A|
a11
a21
.
.
.
an1
a12 b1
a22 b2
.. . .
.
. ..
.
an2 bn
|A|
= 1
=
2
=
0
1
1 = 7 6= 0 por lo que se trata de un sistema de Cramer y por tanto:
2
1
1 1
3
1
= 0, y =
|A|
3 1
1
2 1
2
1
0
1
|A|
14
= 1, z =
3 2 1
1
2
2
1 3
0
|A|
= 3
3.2
Teorema de Rouch
e-Frobenius
= b1
= b2
.. ..
. .
= bm
2x y =
1
2 1
3
1. x + 3y = 2
A= 1
5x 4y =
7
5 4
2 1
1
3 2
A= 1
5 4
7
x + 3y = 3
1 3
1 3 3
2. 3x + 5y = 7 A = 3 5 A = 3 5 7
2x + 4y = 5
2 4
2 4 5
rag(A) = 2
=3
rag(A)
rag(A) = 2
=2
rag(A)
S.I.
S.C.D.
)
3x 2y + z = 2
3 2
1
3 2
1 2
rag(A)
=
2
1 1 A = 2
1 1 2
3. 2x + y z = 2 A = 2
= 2 S.C.I.
rag(A)
x 3y + 2z = 0
1 3
2
1 3
2 0
6= n
ya que rag(A) = rag(A)
umero de incognitas y su solucion depender
a de n r = 3 2 = 1
par
ametro.
3.3
Sistemas Homog
eneos
Si rag(A) = n (n
umero de incognitas) entonces el sistema es compatible determinado y la u
nica
soluci
on es x1 = 0, x2 = 0, , xn = 0 (soluci
on trivial).
Si rag(A) < n (n
umero de incognitas) entonces el sistema es compatible indeterminado y
existen soluciones distinta de la trivial que depender
an de n r par
ametros..
3.4
Resoluci
on de sistemas
Para resolver un sistema, tanto S.C.D. como S.C.I., se puede utilizar un metodo general:
1. Se determina el menor principal de la matriz de coeficientes.
2. Se suprimen todas las ecuaciones (filas) que quedan fuera del menor principal.
(a) Si el sistema era un S.C.D. tenemos tantas incognitas como ecuaciones, es decir, hemos
obtenido un sistema de Cramer que sabemos resolver.
(b) Si el sistema era un S.C.I. tenemos mas incognitas que ecuaciones, las n r incognitas
que quedan fuera del menor principal las transformamos en par
ametros y nos queda un
sistema de Cramer (dependiente de n r par
ametros) que sabemos resolver.
Ejemplos:
x + 3y = 3
= 2=n
1. El sistema 3x + 5y = 7 vimos que era un S.C.D. con rag(A) = rag(A)
umero de
2x + 4y = 5
inc
ognitas.
1 3
Un menor principal es
3 5
Suprimiendo la u
ltima fila (ya que queda
fuera del menor principal) queda el sistema de Cramer
3
x =
x + 3y = 3
2
cuya solucion es:
1
3x + 5y = 7
y =
2
3x 2y + z = 2
= 2 6= n
2. El sistema 2x + y z = 2 vimos que era un S.C.I. con rag(A) = rag(A)
umero
x 3y + 2z = 0
de incognitas y que su solucion dependa de n r = 3 2 = 1 par
ametro.
Un menor principal es
2
2
.
1
Suprimimos la u
ltima fila (ya que queda fuera del menor principal) y la incognita z la transformamos en un par
ametro que pasamos al segundo miembro de la igualdad (tomamos z pues queda
fuera del menor principal) obteniendo el sistema
de Cramer
6+
x =
7
3x 2y = 2
2 + 5
cuya solucion es:
y =
2x + y = 2 +
z =
16
Problemas Propuestos
1. Calcular lasmatrices A y B !que verifican:
!
1 8 9
2 3 0
3A 2B =
, 5A + 7B =
6 8
7
4
1 3
2. Calcular los siguientes determinantes:
2 7 3
(a) 3 9 4
1 5 3
3 1 2
0 3 , (c)
, (b) 1
0 2
1
1
1
1
1 1
1
1
1
1 1
1
1
1
1 1
a a a a
a b b b
, (d)
.
a b c c
a b c d
!
1 1 1
1
0
1 2 , (b)
(a) 2
, (c)
2 1
0
0 1
4. Discutir
1
0
(a)
1
1
seg
un los
k
2
1 1k
0
1
0
0
1 1
0 1
0
2 1 1
1 2
1 1
1
0
1 3
diferentes
valores de k el rango de las matrices
0 1
1
1 1
, (b)
.
2 k 2k 1
0 0
0
2a b 1
2 b a
6. Resolver por la regla de Cramer:
x 3y + 4z
= 13
4x 3y + 3z = 0
= 3 , (b) 6x + y 9z = 9 .
(a) 3x y + 2z
3x + 5y z =
9
2x 5y 6z = 5
7. Estudiar y resolver las siguientes sistemas seg
un los diferentes valores de los par
ametros:
2y z
3x 2z
(a)
y+z
2x + y z
= a
(m + 1)x + y + z = 3
= 11
ax
= y
= 4 , (c)
, (b) x + 2y + mz
= 6
2x 2y = 0
x + my + 2z
= 2
= 9
= 0
= 0
3x + y + kz
x + y 2t
6x + 18y 2mz
xyz
= 0 , (e) 7x 2y 4z
= 0 , (f )
(d) x y z
mx + y + z
2x + ay z 2t = 0
4x + 10y 6z
= 0
x + my z
17
=
=
=
=
0
0
0
0