Algebra Tema2 A Prob

2.
Matrices: determinantes y diagonalizacin
1. Vectores y matrices (I)
El estudio de vectores y matrices es la base del lgebra lineal.
A modo de introduccin veamos algunas definiciones.
Un vector rengln (fila) de n componentes se define como un conjunto

ordenado de n nmeros escritos como sigue: (x1, x2, ...,xn)
x1
Del mismo modo tendremos la definicin de un vector columna x2
de n componentes. :
xn
Grado en Fsica 2.1 LGEBRA

2. Matrices: determinantes y diagonalizacin
1. Vectores y matrices (II)
Las componentes de los vectores que veremos en el curso sern nmeros

reales (pertenecientes a R) o nmeros complejos (pertenecientes a C).
El conjunto de todos los n-vectores cuyas componentes son nmeros reales

se identificar con el smbolo Rn.
a11 a12 .. a1j .. a1n
Una matriz A de tamao m X n es una a21 a22 .. a2j .. a2n
formacin (array) rectangular de A = aij = : : : :
a a .. a .. a
m X n nmeros dispuestos en m i1 i2 ij in
filas y n columnas. a: : :
m1 am2 .. amj .. amn
:
Al tamao de la matriz tambin se le llama rden.
Una matriz A de tamao m X n se llama matriz cuadrada cuando m = n.

La matriz A se llama matriz cero cuando: i{1..m} j{1..n}.aij = 0

2. Operaciones con matrices (I)
Sean A y B dos matrices m X n. La suma de A y B ser la matriz m X n que se

obtendr al sumar las componentes de ndices iguales de cada matriz.
a11+b11 a12+b12 .. a1n+b1n
a21+b21 a22+b22 .. a2n+b2n
A+B = ( aij+bij ) =
: : :
am1+bm1 am2+bm2 .. amn+bmn
Sea A una matriz m X n y un escalar. El producto de por A vendr dado

por la matriz m X n obtenida al multiplicar cada componente de A por .
a11 a12 .. a1n
a21 a22 .. a2n
A = ( aij ) =
: : :
am1 am2 .. amn

2. Operaciones con matrices (II)
Veamos un ejemplo de suma de matrices:

1 0 1
A = 2 -1 2
-3 2 1 1 0 1 0 7 -1 1 7 0
A+B = 2 -1 2 + 1 -4 0 = 3 -5 2
0 7 -1 -3 2 1 5 -5 2 2 -3 3
B = 1 -4 0
5 -5 2
Y un ejemplo de producto de una matriz por un escalar:
1 0 1 3 0 3
3A = 3 2 -1 2 = 6 -3 6
-3 2 1 -9 6 3

2. Operaciones con matrices (III)
Resolveremos el problema vigesimotercero de los ejercicios de repaso para

practicar las dos operaciones vistas previamente.
1 -1 -4 7
6 3 -4 -2 0 -3 =
-1 2 2 6

2. Operaciones con matrices (IV)
Puesto que los vectores son tipos especiales de matrices podemos considerar
una operacin que nos permita multiplicar dichos vectores. Esta operacin
es lo que se denomina producto escalar y la forma de calcularlo es la
siguiente:
b1
a = (a1, a2, ...,an) b = b2 ab = a1b1 + a2b2 + ... + anbn =
:
bn = k{1..n} akbk
Puede observarse que:
el producto escalar de dos n-vectores es un escalar y

para poder calcular el producto escalar de dos vectores ambos deben
tener el mismo nmero de componentes.

2. Operaciones con matrices (V)
Sea A una matriz m X n y B una matriz n X p. El producto de A por B ser una

matriz C de tamao m X p para la que cada componente se obtendr como:
cij = k{1..n} aikbkj es decir: cij = ai1b1j + ai2b2j + ... + ainbnj
Para poder hacerse esto A y B deben ser compatibles, es decir, el nmero de

columnas de A y el nmero de filas de B deben ser iguales.
Veamos un ejemplo de producto de matrices:

1 0 1
A = 2 -1 2 1 0 1 0 2 5 2
-3 2 1 AB = 2 -1 2 1 -1 = 9 5
-3 2 1 5 0 7 -8
0 2
La componente sealada (fila 2, columna 1) se
B = 1 -1
calcula como: (2*0)+(-1*1)+(2*5) = 01+10 = 9
5 0

2. Operaciones con matrices (VI)
Resolveremos el problema vigesimoquinto de los ejercicios de repaso para

practicar el producto de dos matrices.
2 3 5 0 -1 2
-1 6 4 3 1 2 =
1 0 6 -7 3 5
Veamos el detalle para el clculo de la componente de la fila 3 y columna 2 a

modo de ejemplo:

3. Matrices y sistemas de ecuaciones lineales (I)
En el tema anterior resolvimos sistemas de ecuaciones utilizando la notacin

matricial. Con lo que hemos visto en este tema ya nos encontramos en
disposicin de poder representar dichos sistemas como un producto
matricial del siguiente modo:
a11x1 + a12x2 + .. + a1nxn = b1 a11 a12 .. a1n x1 b1

a21x1 + a22x2 + .. + a2nxn = b2 a21 a22 .. a2n x2
= b2 Ax = b
: : : : : : : : :
am1x1 + am2x2 + .. + amnxn = bm am1 am2 .. amn xn bn
sistema de matriz de los vector de las vector de los

ecuaciones lineales coeficientes incgnitas trminos
independientes

4. Inversa de una matriz cuadrada (I)
En primer lugar necesitaremos saber que la diagonal principal de una matriz

est formada por los coeficientes con igual ndice de fila que de columna.
Por otra parte ser necesario definir el concepto de matriz identidad. Una
matriz es de este tipo cuando es cuadrada (de orden n X n) y todos sus
elementos son cero excepto los de la diagonal principal que son unos.
Dicho de otro modo:

In = (bij) donde bij=1 si i=j y bij=0 si ij
Si In es una matriz identidad y A es una matriz de orden n X n, se cumplir

que: AIn = InA = A es decir, la matriz identidad se comporta como un
elemento neutro respecto del producto de matrices.

4. Inversa de una matriz cuadrada (II)
Sean A y B dos matrices n X n. Diremos que la matriz B es la inversa de la

matriz A (y se denotar como A-1) cuando se cumpla que: AB = BA = I
Cuando una matriz cuadrada tiene inversa se dice que es invertible y se le

llama no singular y si no tiene inversa se le denomina singular.
Conclusiones:
Si A es invertible se deduce que (A-1)-1 = A
No todas las matrices cuadradas son invertibles.

4. Inversa de una matriz cuadrada (III)
Procedimiento para encontrar la inversa de una matriz cuadrada A:
1. Se escribe la matriz ampliada (A|I)
2. Se pone la matriz A en su forma escalonada reducida por renglones
3. Se decide si A es invertible
Si la forma escalonada reducida por renglones de A es la matriz
identidad, entonces A-1 es la matriz que se ha obtenido a la derecha
de la lnea vertical
Si en la reduccin de A se ha obtenido un rengln de ceros en la
matriz de la izquierda de la lnea vertical, entonces A no es invertible

4. Inversa de una matriz cuadrada (IV)
Resolveremos el problema cuadragesimoprimero de los ejercicios de repaso

para practicar el clculo de la inversa de una matriz.
-1 2 0 | 1 0 0 R1-1R1
1 -2 0 | -1 0 0
4 1 -3 | 0 1 0 4 1 -3 | 0 1 0
2 5 -3 | 0 0 1 2 5 -3 | 0 0 1
R2 R2-4R1
1 -2 0 | -1 0 0 R3 R3 -R2
1 -2 0 | -1 0 0
0 9 -3 | 4 1 0 0 9 -3 | 4 1 0
R3 R3-2R1
0 9 -3 | 2 0 1 0 0 0 | -2 -1 1
R2 1/9R2
1 -2 0 | -1 0 0
0 1 -1/3| 4/9 1/9 0
0 0 0 | -2 -1 1
En la reduccin de la matriz se ha obtenido un rengln de ceros en la
matriz de la izquierda de la lnea vertical. La matriz no es invertible.

4. Inversa de una matriz cuadrada (V)
Resolveremos el problema anterior con una pequea modificacin para

practicar el clculo de la inversa de una matriz.
-1 2 1 | 1 0 0
4 1 -3 | 0 1 0
2 5 -3 | 0 0 1

5. Transpuesta de una matriz (I)
Sean A una matriz de orden m X n. Diremos que la matriz transpuesta de la

matriz A (y se denotar como At) es la matriz de orden n X m obtenida al
intercambiar los renglones por las columnas de A .
Dicho de otro modo, si A = (aij) entonces At = (aji)
Por otra parte, una matriz cuadrada A se denomina simtrica si At = A .
Veamos un ejemplo de esto:

1 2 -3
1 1 1 2 1 -1 2
A = 2 -1 2 4 At =
1 2 3
-3 2 3 8 2 4 8

6. Matrices: ms definiciones (I)
Una matriz cuadrada E de orden n se dice que es una matriz elemental si se

puede obtener a partir de la matriz identidad de orden n mediante una sola
operacin elemental con renglones (ver el punto cinco del tema anterior)
Para realizar una operacin elemental en una matriz A es necesario

multiplicar la matriz elemental adecuada por dicha matriz y en este orden.
Por ejemplo, si queremos restar el doble de la primera fila a la segunda fila de

la matriz A:
R2R2-2R1 1 0 0 1 1 1 1 1 1
(R2-2R1)A = -2 1 0 2 -1 2 = 0 -3 0
0 0 1 -3 2 3 -3 2 3

6. Matrices: ms definiciones (II)
Veamos algunos ejemplos de matrices elementales y de la forma de obtener

sus inversas.
OPERACIN MATRIZ ELEMENTAL MATRIZ INVERSA

1 0 0 1 0 0
R2R2-2R1 -2 1 0 2 1 0
0 0 1 0 0 1
1 0 0 1 0 0
R3R3+5R2 0 1 0 0 1 0
0 5 1 0 -5 1
3 0 0 1/3 0 0
R13R1 0 1 0 0 1 0
0 0 1 0 0 1

6. Matrices: ms definiciones (III)
Una matriz cuadrada se llama triangular superior si todas sus componentes

por debajo de la diagonal son cero. Cuando todas sus componentes por
encima de la diagonal son cero se dice que es triangular inferior.
1 0 1 1 0 0
TS = 0 -1 2 TI = 2 -1 0
0 0 1 -3 2 1
Diremos que la matriz es diagonal si todas las componentes que no estn en

la diagonal son cero. Un caso particular de estas lo es la matriz identidad.
1 0 0 1 0 0
D = 0 -1 0 I= 0 1 0
0 0 1 0 0 1

7. Factorizacin LU (lower-upper) de una matriz (I)
La factorizacin de una matriz es la descomposicin de la misma como

producto de dos o ms matrices segn una forma cannica (reglada).
La factorizacin LU es una forma de descomposicin de una matriz (A) como

el producto de una matriz triangular inferior (L) y otra triangular superior
(U), de modo que todos los elementos de la diagonal de L deben ser unos.
Para que las matrices L y U sean nicas, la matriz A debe ser no singular.
Si fuera necesario realizar operaciones de intercambio (permutaciones) de

filas para factorizar la matriz A, se dira que se trata de una factorizacin
PA = LU, de tal modo que P sera la llamada matriz de permutacin y se
obtendra como el producto de las matrices de permutacin elementales.

7. Factorizacin LU (lower-upper) de una matriz (II)
Veamos un ejemplo de factorizacin LU aplicndola a la matriz siguiente:

1 -2 -5 R3R3-2R1
1 -2 -5 R3R3+1/2R2
1 -2 -5
A= 0 2 3 0 2 3 0 2 3 =U
2 -5 -7 0 -1 3 0 0 9/2
La matriz inversa de L vendr dada como el producto de las dos matrices
elementales necesarias para obtener U a partir de la triangulacin de A.
R3R3+1/2R2 R3R3-2R1 A
1 0 0 1 0 0 1 -2 -5 1 0 0 1 -2 -5
U= 0 1 0 0 1 0 0 2 3 = 0 1 0 0 2 3
0 1/2 1 -2 0 1 2 -5 -7 -2 1/2 1 2 -5 -7
Tomando las inversas de las matrices elementales obtendremos la matriz L.
1 0 0 1 0 0 1 0 0
Puede comprobarse
L= 0 1 0 0 1 0 = 0 1 0 que: A = LU
2 0 1 0 -1/2 1 2 -1/2 1

8. Determinantes: definiciones (I)
Sea A una matriz de orden 2 X 2. Se define el determinante de A del siguiente

modo:
a11 a12 a11 a12

A= det A = |A| = = a11a22 - a12a21
a21 a22 a21 a22
El determinante de una matriz se definir de manera inductiva. A partir de uno

2 X 2 se definir uno 3 X 3 a partir de este uno 4 X 4 y as sucesivamente.
Sea B una matriz de orden 3 X 3.
b22 b23 b b b21 b22

det B = |B| = b11 - b12 21 23 + b13
b32 b33 b31 b33 b31 b32

8. Determinantes: definiciones (II)
Sea A una matriz n X n. Se denominar menor ij de A , y se denotar Mij , a

la matriz (n-1)X(n-1) obtenida de A al eliminar la fila i y la columna j.
Si tenemos una matriz A de orden 3 X 3, los menores de la primera fila sern:
a22 a23 a21 a23 a21 a22

M11 = a32 a33 M12 = a31 a33 M13 = a31 a32
Sea A una matriz n X n. El cofactor ij de A , denotado como Aij , vendr

dado como: 1 si i+j es par
Aij = (-1)i+j|Mij| donde: (-1)i+j =
-1 si i+j es impar
De este modo tendremos que, para la matriz A de 3 X 3 previa, los cofactores

de la primera fila sern: A11 = |M11|, A12 = -|M12| y A13 = |M13|
Por lo que:
det A = |A| = a11A11 + a12A12 + a13A13 = k{1..3} a1kA1k

8. Determinantes: definiciones (III)
A la vista de las anteriores definiciones se puede decir que el determinante

de una matriz A de orden 3 X 3 se denotar como det A o como |A| y
podr calcularse con la siguiente expresin (llamada expansin por
cofactores)
|A| = a11A11 + a12A12 + ... + a1nA1n = k{1..n} a1kA1k
El determinante de una matriz triangular es igual al producto de sus

elementos de la diagonal.
det A = a11a22... ann = k{1..n} akk
Sea T una matriz triangular superior. Entonces T ser invertible si y slo si su

determinante no es nulo.
A-1 |A| 0

9. Determinantes: propiedades (I)
Teorema: Dadas dos matrices A y B de orden n X n, el determinante de su

producto es igual al producto de sus respectivos determinantes.
det AB = det Adet B
Corolario: Si una matriz cuadrada A tiene factorizacin LU, su determinante se

podr calcular como sigue: det A = det U
Dadas dos matrices A y B de orden n X n, el determinante de su suma no tiene

por qu ser igual a la suma de sus determinantes.
En general det A + B det A + det B

9. Determinantes: propiedades (II)
Teorema: Dada una matriz A de orden n X n, el determinante de su matriz

transpuesta es igual al determinante de ella misma.
det At = det A
Teorema bsico: El clculo del determinante de una matriz por el mtodo de

expansin por cofactores se puede hacer tanto expandiendo por filas en
cualquier fila de la matriz como por columnas en cualquier columna.
Propiedad: Si cualquier fila o columna de una matriz A es un vector cero,

entonces el determinante de la matriz es nulo. det A = 0
Propiedad: Si una fila o columna de una matriz A se multiplica por un escalar ,

obtenindose una matriz a la que llamaremos B, entonces el determinante
de B ser el producto de por el determinante de A. det B = det A

9. Determinantes: propiedades (III)
Resolveremos el sexto problema de los ejercicios de repaso para practicar el

clculo del determinante de una matriz.
1 -1 2
det A = 3 4 2 =
-2 3 4
Resolvmosla expandiendo por la ltima columna y multiplicando sta por 1/2:

1 -1 1
det B = 3 4 1 =
-2 3 2
Aplicando la ltima propiedad vista, como hemos multiplicado una columna por
1/2 deberemos ahora tenerlo en cuenta: det A = det B /

9. Determinantes: propiedades (IV)
Propiedad: Dadas tres matrices A, B y C de orden n X n, si son idnticas las

tres excepto por la fila i de tal modo que cada elemento de esa fila en la
matriz C es igual a la suma de los respectivos elementos de A y B, entonces
el determinante de C es igual a la suma de los determinantes de A y B.
Si j{1..n}.cij = aij+bij k,j{1..n} k i.akj = bkj = ckj
entonces det C = det A + det B
La misma afirmacin es cierta para columnas de las tres matrices.
Propiedad: El intercambio de cualesquiera dos filas (o columnas) distintas de

una matriz tiene el efecto de multiplicar su determinante por menos uno.
Propiedad: Si una matriz A tiene dos filas iguales su determinante es nulo.

Si i,k{1..n} i k j{1..n}.aij = akj entonces det A = 0
La misma afirmacin es cierta para matrices con dos columnas iguales.

9. Determinantes: propiedades (V)
Propiedad: Si una matriz A tiene dos filas de tal modo que una es un mltiplo
de la otra por un escalar , entonces su determinante es nulo.
Si i,k{1..n} i k j{1..n}.aij = akj entonces det A = 0
La misma afirmacin es cierta para matrices con dos columnas de este tipo.
Propiedad: Si a cada elemento de una fila de una matriz A se le suma el

mismo elemento de otra fila multiplicado por un escalar , se obtendr una
matriz B, diferente de A, cuyo determinante ser igual al de la primera.
Si i,k{1..n} i k j{1..n}.bij = aij + akj
h{1..n} h i.bhj = ahj
entonces det B = det A
La misma afirmacin es cierta si se realiza con columnas de las dos matrices.

10. Determinantes e inversas (I)
Ahora veremos cmo se pueden calcular las inversas de las matrices usando
los determinantes.
Teorema: Si la matriz A es invertible entonces su determinante es distinto de
cero y se cumple que: det A-1 = 1/det A
Sea A una matriz de orden n X n y sea B la matriz de sus cofactores. En este

contexto se define la matriz adjunta de A, y se denota como adj A, a la
matriz transpuesta de B.
Teorema: Sea una matriz A de orden n X n. Entonces: Aadj A = (det A)I
Teorema: Una matriz A de orden n X n es invertible si y solo si det A 0

Si det A 0 entonces A-1 = (1/det A)adj A
10. Determinantes e inversas (II)
Resolveremos el decimoquinto problema de los ejercicios de repaso para

practicar el clculo de la inversa de una matriz (si existe).
Expandiendo por la primera columna vemos que el 1 1 1

determinante de la matriz es -1, luego det A 0 A= 1 0 1
0 1 1

10. Determinantes e inversas (III)
Teorema de resumen: Dada una matriz A de orden n X n, las siguientes siete

afirmaciones son equivalentes:
A es invertible
La nica solucin al sistema homogneo A x = 0 es la solucin trivial (x = 0)
El sistema A x = b tiene una solucin nica para cada n-vector b

A es equivalente por filas a la matriz identidad de n X n, In
A es el producto de matrices elementales
La forma escalonada por filas de A tiene n pivotes
det A 0

11. Regla de Cramer (I)
En este apartado se ver un mtodo para resolver sistemas de n ecuaciones

lineales con n incgnitas.
Regla de Cramer: Sea el sistema de ecuaciones representado por A x = b,

de modo que la matriz A es de de orden n X n y det A 0.
A su vez, sea D el valor del determinante de A y sea Di el determinante de
la matriz obtenida al sustituir la columna i de la matriz A por b.
En estas condiciones, la solucin nica al sistema de ecuaciones viene
dada por: i{1..n}.xi = Di/D
Resolveremos el vigesimotercer problema de los ejercicios de repaso para

practicar la resolucin de sistemas de ecuaciones lineales por Cramer.
1 0 -1 1| 7
La matriz que representa el
sistema de ecuaciones 0 2 2 -3| -1
es la siguiente: 4 -1 -1 0| 0
-2 1 4 0| 2

11. Regla de Cramer (II)
Los determinantes necesarios son los siguientes:

7 0 -1 1 1 7 -1 1
D1 = -1 2 2 -3 = 66 D2 = 0 -1 2 -3 = 282
0 -1 -1 0 4 0 -1 0
2 1 4 0 1 0 -1 1 -2 2 4 0
D = 0 2 2 -3 = 39
4 -1 -1 0
1 0 7 1 -2 1 4 0 1 0 -1 7
D3 = 0 2 -1 -3 = -18 D4 = 0 2 2 -1 = 189
4 -1 0 0 4 -1 -1 0
-2 1 2 0 -2 1 4 2
Por lo tanto:

Algebra Tema2 A Prob

Uploaded by

Document Information

Original Title

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

Algebra Tema2 A Prob

Uploaded by

Copyright:

Available Formats

2.

Matrices: determinantes y diagonalizacin

1. Vectores y matrices (I)

El estudio de vectores y matrices es la base del lgebra lineal.

A modo de introduccin veamos algunas definiciones.

Un vector rengln (fila) de n componentes se define como un conjunto

Grado en Fsica 2.1 LGEBRA

1. Vectores y matrices (II)

Las componentes de los vectores que veremos en el curso sern nmeros

El conjunto de todos los n-vectores cuyas componentes son nmeros reales

Una matriz A de tamao m X n se llama matriz cuadrada cuando m = n.

Grado en Fsica 2.2 LGEBRA

2. Operaciones con matrices (I)

Sean A y B dos matrices m X n. La suma de A y B ser la matriz m X n que se

Sea A una matriz m X n y un escalar. El producto de por A vendr dado

Grado en Fsica 2.3 LGEBRA

2. Operaciones con matrices (II)

Veamos un ejemplo de suma de matrices:

Y un ejemplo de producto de una matriz por un escalar:

Grado en Fsica 2.4 LGEBRA

2. Operaciones con matrices (III)

Resolveremos el problema vigesimotercero de los ejercicios de repaso para

Grado en Fsica 2.5 LGEBRA

2. Operaciones con matrices (IV)

Puede observarse que:

el producto escalar de dos n-vectores es un escalar y

Grado en Fsica 2.6 LGEBRA

2. Operaciones con matrices (V)

Sea A una matriz m X n y B una matriz n X p. El producto de A por B ser una

cij = k{1..n} aikbkj es decir: cij = ai1b1j + ai2b2j + ... + ainbnj

Para poder hacerse esto A y B deben ser compatibles, es decir, el nmero de

Veamos un ejemplo de producto de matrices:

Grado en Fsica 2.7 LGEBRA

2. Operaciones con matrices (VI)

Resolveremos el problema vigesimoquinto de los ejercicios de repaso para

Veamos el detalle para el clculo de la componente de la fila 3 y columna 2 a

Grado en Fsica 2.8 LGEBRA

3. Matrices y sistemas de ecuaciones lineales (I)

En el tema anterior resolvimos sistemas de ecuaciones utilizando la notacin

a11x1 + a12x2 + .. + a1nxn = b1 a11 a12 .. a1n x1 b1

sistema de matriz de los vector de las vector de los

Grado en Fsica 2.9 LGEBRA

4. Inversa de una matriz cuadrada (I)

En primer lugar necesitaremos saber que la diagonal principal de una matriz

Dicho de otro modo:

Si In es una matriz identidad y A es una matriz de orden n X n, se cumplir

Grado en Fsica 2.10 LGEBRA

4. Inversa de una matriz cuadrada (II)

Sean A y B dos matrices n X n. Diremos que la matriz B es la inversa de la

Cuando una matriz cuadrada tiene inversa se dice que es invertible y se le

Grado en Fsica 2.11 LGEBRA

4. Inversa de una matriz cuadrada (III)

Procedimiento para encontrar la inversa de una matriz cuadrada A:

1. Se escribe la matriz ampliada (A|I)

2. Se pone la matriz A en su forma escalonada reducida por renglones

Grado en Fsica 2.12 LGEBRA

4. Inversa de una matriz cuadrada (IV)

Resolveremos el problema cuadragesimoprimero de los ejercicios de repaso

Grado en Fsica 2.13 LGEBRA

4. Inversa de una matriz cuadrada (V)

Resolveremos el problema anterior con una pequea modificacin para

Grado en Fsica 2.14 LGEBRA

5. Transpuesta de una matriz (I)