Beruflich Dokumente
Kultur Dokumente
Matrices
1. Introducción
Es esta sección tenemos dos K espacios vectoriales, V y W , y se supone fijada una base de V ,
BV = {v1 , . . . , vn }, y una base de W , BW = {w1 , . . . , wm }. Dada una aplicación lineal f : V ! W , se
hallan las imágenes de los elementos de BV y las expresamos como combinación lineal de los elementos
de la base BW :
Puesto que la imagen de cualquier vector de V se puede obtener a partir de las imágenes de los de
la base de V , queda claro que “toda la información sobre f ”queda recogida en el “cuadro de números”
0 1
a11 a12 . . . a1n
B C
B a21 a22 . . . a2n C
B .. .. . . .. C.
B C
@ . . . . A
am1 am2 . . . amn
Esto nos hace pensar que es conveniente estudiar y aprender más sobre “cuadros de números”. Serán
útiles para manejar las aplicaciones lineales, a la vez que las aplicaciones lineales nos servirán para
conocer más sobre esos cuadros de números, que aparecen en muchas ramas de la ciencia.
37
Grado en Ingenierı́a Informática.
Matemáticas I. Curso 2017-18
Tema 3. Matrices
2. Definiciones básicas
Notación: Podemos escribir simplemente A = (aij )m⇥n , indicando ası́ el tamaño de la matriz, y cómo
vamos a llamar a su elemento genérico.
Definición 2.2 .
Si m = 1, se dice que A es una matriz fila y si n = 1, que A es una matriz columna. Si n = m, se
dice que la matriz es cuadrada de orden n. En ese caso, los elementos a11 , a22 . . . , ann constituyen
la denominada diagonal principal de la matriz.
Definición 2.3 .
Una matriz cuadrada A = (aij )n⇥n se llama
38 2. Definiciones básicas
Grado en Ingenierı́a Informática.
Matemáticas I. Curso 2017-18
Tema 3. Matrices
Ejemplo 2.1.
Dada A, matriz m ⇥ n sobre K, son bloques:
(i) Cada una de sus filas, que denotaremos A1 , . . . , Am . Se puede escribir la matriz A como
0 1
A1
B . C
A=B . C
@ . A.
Am
A = (A1 | . . . |An ).
Nota. Para cada 1 i m y 1 j m, el elemento que ocupa el lugar (i, j) en A0 es el que ocupaba
el lugar (j, i) en A.
A la vista de lo dicho en la introducción, queda claro que, una vez fijada una base de V y una de W ,
cada aplicación lineal de V en W la podemos identificar con una matriz. En cierto modo “aplicación
lineal=matriz”. Puesto que sabemos hacer operaciones con aplicaciones lineales (suma, multiplicación
por un escalar, composición), vamos a definir operaciones con matrices que se correspondan con las
que tenemos con aplicaciones lineales.
Proposición 3.2 .
La suma en el conjunto de las matrices m ⇥ n sobre un cuerpo K verifica las siguientes propiedades,
en las que A, B, C son matrices m ⇥ n cualesquiera:
Conmutativa: A + B = B + A.
Asociativa: (A + B) + C = A + (B + C).
0 1
0 ··· 0
B . .. C
B
Existencia de elemento neutro: La matriz m ⇥ n nula, @ .. . C
A, que denotaremos por
0 ··· 0
0, verifica A + 0 = A = 0 + A para cualquier matriz A m ⇥ n.
Existencia
0 1 opuesto: Para cada matriz m ⇥ n, A, existe una matriz m ⇥ n,
de elemento
a11 · · · a1n
B .. .. C
B . . C, que denotamos por A, tal que A + ( A) = 0 y ( A) + A = 0.
@ A
am1 · · · amn
(A + B)0 = A0 + B 0 .
Proposición 3.4 .
Esta operación verifica las siguientes propiedades, en las que A y B son matrices cualesquiera m ⇥ n
y t y s son escalares del cuerpo K:
(t + s)A = tA + sA.
(ts)A = t(sA).
t(A + B) = tA + tB.
1A = A.
(tA)0 = t(A0 ).
se llama matriz producto de A por B a la matriz C de orden m ⇥ p sobre K, donde cada elemento
cij de dicha matriz es el producto definido anteriormente de la fila Ai por la columna B j . Se denota
A · B = C o simplemente AB = C.
Hay veces en que las matrices se encuentran divididas en bloques cuyos tamaños encajan a la hora
de hacer el producto. En ese caso, podemos utilizar el siguiente resultado para multiplicar matrices:
Proposición 3.7 .
Supongamos que una matriz A, m ⇥ n, se puede dividir en r ⇥ s bloques,
0 1
C11 C12 · · · C1s
B C
A=B ... ... ... C ,
@ A
Cr1 Cr2 · · · Crs
de forma que, para cada j 2 {1, . . . , s}, los bloques C1j , . . . , Crj tengan nj columnas (n1 + · · · + ns =
n).
Por otro lado, supongamos que B, matriz n ⇥ p, puede ser dividida en s ⇥ t bloques,
0 1
D11 D12 · · · D1t
B .. .. .. C
B=B @ . . . C
A,
Ds1 Ds2 · · · Dst
de forma que, para cada i 2 {1, . . . , s}, los bloques Di1 , . . . , Dit tengan ni filas (n1 + · · · + ns = n).
Entonces 0 1
P11 P12 · · · P1t
B .. .. .. C
AB = B @ . . . C
A,
Pr1 Pr2 · · · Prt
donde cada bloque Pij = Ci1 D1j + Ci2 D2j + · · · + Cis Dsj .
Ejemplo 3.1.
Para hacer el producto de una matriz A, m ⇥ n, por una matriz B, n ⇥ p, podemos escribir B =
(B 1 | · · · |B p ), donde B 1 , · · · , B p son las columnas de B. Entonces
0 10 1 0 1
A1 A1 B
B . CB C B .. C
AB = B . C
@ . A@ B A=B
@ . A.
C
Am Am B
0 10 1 0 1
a11 · · · a1n B1 a11 B1 + · · · + a1n Bn
B . .. C B . C B .. C
AB = B
@ .
. . C B .
A@ .
C=B
A @ . C.
A
am1 amn Bn am1 B1 + · · · + amn Bn
Nota. El producto definido entre matrices no es conmutativo. De hecho, incluso puede ocurrir que se
pueda hacer A · B y sin embargo B · A no tenga sentido.
Si A y B son matrices tales que AB = BA, decimos que A y B conmutan.
(v) AIn = Im A, donde In denota la matriz n ⇥ n con valor 1 en todos los lugares de la diagonal
principal y 0 en el resto.
(vi) (AB)0 = B 0 A0 .
Nota.
(i) Las matrices de la forma tIn con t 2 K se comportan con respecto a este producto de la misma
forma que los escalares de K en la operación externa sobre matrices. Por ello se les llama matrices
escalares.
(ii) No es cierto, en general, que AB = BA. Por tanto, tampoco se verifica siempre que (A + B)2 =
A2 + 2AB + B 2 .
(iii) Tampoco es cierto, en general, que AB = AC implique B = C, ni siquiera cuando las matrices
son cuadradas.
Si existe una inversa de la matriz A, tal como se define a continuación, la cosa cambia.
Proposición 3.10 .
Se verifica que:
1 1 1
(AB) =B A .
Algunas propiedades de las que hemos mencionado en la sección anterior, como la asociativa del
producto de matrices, no son sencillas de demostrar. Sin embargo, cuando relacionemos los conceptos
de matriz y aplicación lineal (“son la mis cosa”), veremos que esas propiedades resultan evidentes.
Como ya hemos dicho en la introducción del tema, fijadas una base {v1 , . . . , vn } de V y una base
{w1 , . . . , wm } de W , una aplicación lineal, f : V ! W queda perfectamente determinada si conocemos
la matriz cuya columna j-ésima son las coordenadas de f (vj ) en la base {w1 , . . . , wm }.
Usando notación matricial (también para matrices cuyos elementos no son números, sino vectores),
lo dicho al comienzo de la introducción se recoge en la expresión:
0 1
a11 a12 . . . a1n
B C
B a21 a22 . . . a2n C
(f (v1 ) f (v2 ) . . . f (vn )) = (w1 . . . wm ) B
B .. .. . . .. C.
C
@ . . . . A
am1 am2 . . . amn
Nota. Supongamos que (x1 , . . . , xn ) son las coordenadas de un vector v 2 V en la base de V (o sea,
v = x1 v1 + . . . + xn vn ), se tiene:
0 1
x1
B C
B x2 C
f (v) = x1 f (v1 ) + . . . + xn f (vn ) = (f (v1 ) f (v2 ) . . . f (vn )) B
B .. C
C
@ . A
xn
0 10 1
a11 a12 . . . a1n x1
B CB C
B a21 a22 . . . a2n CB x2 C
= (w1 . . . wm ) B
B .. .. . . .. CB
CB .. C.
C
@ . . . . A@ . A
am1 am2 . . . amn xn
la relación entre las coordenadas X e Y puede escribirse ahora en forma matricial mediante Y = AX.
La ecuación anterior se llama ecuación coordenada de la aplicación lineal f en las bases {v1 , . . . , vn }
y {w1 , . . . , wm }.
Proposición 4.3 .
Dadas las aplicaciones lineales, f1 : V ! W , f2 : V ! W y g : W ! U , fijamos las bases
{v1 , . . . , vn } de V , {w1 , . . . , wm } de W y {u1 , . . . , up } de U . Supongamos que, en las bases dadas, la
matriz coordenada de f1 es A1 , la de f2 es A2 y la de g es B. Entonces se verifica:
Nota. Todas las propiedades sobre las operaciones con matrices (en particular la asociatividad del
producto) se demuestran de manera sencilla como consecuencia de la proposición anterior.
Nuestro objetivo será transformar, mediante “operaciones elementales”por filas, cualquier matriz
m ⇥ n sobre K en una matriz escalonada.
Recordemos que si realizamos “operaciones elementales.en una familia de vectores, su clausura lineal
no cambia. Cuando tenemos una matriz A de tamaño m⇥n, sus filas forman una familia {A1 , . . . , Am }
de vectores de Kn ; y sus columnas una familia {A1 , . . . , An } de vectores de Km . De esta manera,
Las operaciones elementales por filas que podemos realizar sobre las filas de A son las siguientes:
Teorema 4.5 .
Dada una matriz A, m ⇥ n, es posible obtener mediante sucesivas operaciones elementales sobre sus
filas, una matriz escalonada.
Buscamos la primera columna de A que no sea totalmente nula. Vamos a llamarle j-ésima.
Si el elemento (1, j) es no nulo, saltamos al paso 2). Si es igual a cero, buscamos en la misma
columna el primer elemento no nulo e intercambiamos la fila en la que se encuentre con la
primera.
Llamamos pivote al elemento p que ahora ocupa el lugar (1, j). Ahora, para i = 2, . . . , m,
elto. (i, j)
sustituimos la fila i-ésima por ella menos p veces la primera fila.
Después, repetimos el proceso anterior sobre la submatriz que resulta de suprimir la primera
fila de la matriz anterior y sus j primeras columnas.
El proceso termina cuando, o bien la submatriz sobre la que hay que reiterar el proceso es nula, o
bien cuando tiene una sola fila. Se obtiene ası́ una matriz escalonada.
Nota. La matriz E que aparece en el teorema anterior no es única para cada A. Es decir, a partir de
una matriz A, pueden obtenerse mediante operaciones elementales sobre sus filas, distintas matrices
escalonadas.
Aunque se haya llegado ya, a partir de una matriz A, a una matriz escalonada E, todavı́a se pueden
seguir realizando operaciones elementales sobre las filas de E hasta obtener una matriz del siguiente
tipo.
(i) H es escalonada.
(ii) En cada fila no nula de H, el primer elemento no nulo es igual a 1 y la columna a la que
pertenece es del tipo 0 1
0
B . C
B .. C
B C
B C
B 0 C
B C
i) B C
B 1 C.
B C
B 0 C
B . C
B . C
@ . A
0
Proposición 4.8 .
Dada una matriz escalonada E, es posible obtener una matriz escalonada reducida mediante opera-
ciones elementales sobre sus filas.
Nota. Si multiplicamos cada fila no nula de E por el inverso de su primer elemento no nulo, obtenemos
un 1 en la primera posición no nula de cada una de estas filas. Ahora, utilizando cada 1 de éstos como
pivote (empezando por el de más abajo), hacemos ceros por encima de él con operaciones elementales
del tipo II hasta obtener una matriz escalonada reducida, H.
Teorema 4.9 .
Dada una matriz A, m ⇥ n, la matriz de Hermite a la que se puede llegar mediante operaciones
elementales sobre las filas de A es única.
Nota. Observemos que el rango de A es el rango de la familia formada por sus lilas (que son vectores
de Kn ). Además puede conocerse en el momento en que tenemos una matriz escalonada obtenida a
partir de A mediante operaciones elementales por filas: es el número de filas no nulas de la escalonada.
Veamos ahora que cada operación elemental realizada sobre las filas de A puede interpretarse como
el producto de A por una cierta matriz regular a su izquierda.
(i) Pij , con i 6= j, es la matriz que resulta al intercambiar las filas i-ésima y j-ésima de la matriz
Im .
(ii) Sij (t), con i 6= j y t 2 K, es la matriz que resulta al sumar a la fila i-ésima de la matriz Im , t
veces la fila j-ésima.
(iii) Mi (t), con 0 6= t 2 K, es la matriz que se obtiene al multiplicar la fila i-ésima de la matriz Im
por t.
Proposición 4.13 .
Sea A matriz m ⇥ n sobre K y Pij , Sij (t) y Mi (t) como en la definición anterior. Entonces,
(i) Pij A es la matriz que se obtiene al intercambiar en la matriz A las filas i-ésima y j-ésima.
(ii) Sij (t)A es la matriz que se obtiene al sumar a la fila i-ésima de la matriz A, t veces la fila
j-ésima.
(iii) Mi (t)A es la matriz que se obtiene al multiplicar la fila i-ésima de la matriz A por t.
Proposición 4.14 .
Las matrices elementales son regulares. Además, la inversa de una matriz elemental vuelve a ser
elemental. Concretamente:
1
(i) Pij = Pij .
El hecho conocido de que toda matriz m⇥n sobre K puede transformarse en una matriz escalonada
(ó escalonada reducida),realizando solamente operaciones elementales sobre sus filas, tiene ahora una
nueva interpretación:
Teorema 4.15 .
Dada A, matriz m ⇥ n sobre K, se tiene:
Ls Ls 1 . . . L1 A = E, matriz escalonada.
(ii) Existe una matriz regular de orden m, R = Ls Ls 1 . . . L1 , tal que RA = E, matriz escalonada.
(iv) Existe una matriz regular de orden m, Q = Lt . . . Ls+1 Ls . . . L1 , tal que QA = H, forma
normal de Hermite de A.
rang A = n.
H es la matriz identidad.
rang A < n.
A no es invertible.
Teorema 4.16 .
Dada una matriz cuadrada A, n ⇥ n sobre K, entonces:
A es regular () rang A = n.
Proposición 4.17 .
Toda matriz cuadrada A, regular, se puede escribir como producto de matrices elementales.
5. Equivalencia de matrices
Hemos visto que una matriz A, m ⇥ n, sobre K puede transformarse, mediante operaciones ele-
mentales sobre sus filas, en una matriz normal de Hermite con un número r de filas no nulas. Es fácil
ver que, si aplicamos operaciones elementales a sus vectores columna, podemos obtener una matriz
del tipo !
Ir 0
.
0 0
En efecto. Realizamos en primer lugar las permutaciones de columnas que sean necesarias para
que los 10 s iniciales de las filas no nulas ocupen las primeras columnas. Llegamos ası́ a una matriz del
tipo !
Ir M
.
0 0
Ahora, basta utilizar el 1 inicial de cada fila no nula como pivote para hacer ceros a su derecha,
en toda su fila, para obtener una matriz del tipo deseado. Además, sigue siendo r =rangA.
Veamos que realizar una operación elemental sobre las columnas de una matriz equivale a multi-
plicarla a derecha por una matriz elemental:
Proposición 5.1 .
Dada A, matriz m ⇥ n sobre K y Pij , Sij (t) y Mi (t) como en la definición de matrices elementales.
Entonces,
(i) APij es la matriz que se obtiene al intercambiar en la matriz A las columnas i-ésima y j-ésima.
(ii) ASij (t) es la matriz que se obtiene al sustituir en la matriz A la columa j-ésima, Aj , por
Aj + tAi .
(iii) AMi (t) es la matriz que se obtiene al sustituir en la matriz A la columna i-ésima, Ai , por
tAi .
Proposición 5.3 .
Para cada matriz A se verifica: dimFil(A) =rangA =dimCol(A).
50 5. Equivalencia de matrices
Grado en Ingenierı́a Informática.
Matemáticas I. Curso 2017-18
Tema 3. Matrices
Proposición 5.5 .
En el conjunto Mat(m⇥n, K), la relación “ser equivalente a.es una relación de equivalencia (reflexi-
va, simétrica y transitiva). En consecuencia, se tiene una clasificación en el conjunto Mat(m⇥n, K).
Proposición 5.6 .
Una matriz P de tamaño n ⇥ n sobre K es regular si y solo si las columnas de P forman una base
de Kn . Este resultado es equivalente a decir que P es regular si y solo si es matriz de un cambio de
base.
Proposición 5.7 .
Sean A y B 2Mat(m ⇥ n, K). Las tres afirmaciones siguientes son equivalentes:
(ii) Existe una aplicación lineal f : Kn ! Km para la que tanto A como B son matrices coorde-
nadas (en distintas bases).
Proposición 5.8 .
Dada una aplicación lineal f : V ! W , se puede elegir una base de V y una de W respecto de las
cuales la matriz coordenada de f es (Ir , 0), siendo r =rangf .
.
5. Equivalencia de matrices 51
Grado en Ingenierı́a Informática.
Matemáticas I. Curso 2017-18
Tema 3. Matrices
donde los aij son elementos del cuerpo K, que se denominan coeficientes del sistema, y los bi son
también elementos de K, denominados términos independientes del sistema.
Definición 6.2 .
Si escribimos un sistema de ecuaciones lineales en forma matricial,
0 10 1 0 1
a11 . . . a1n x1 b1
B CBB .. C
C
B .
B
C
C,
@ . . . . . . . . . A @ . A = @ .. A
am1 . . . amn xn bm
entonces la matriz A = (aij )m⇥n se denomina matriz de coeficientes del sistema y la matriz
0 1
a11 . . . a1n b1
B C
(A|B) = @ . . . . . . . . . . . . A
am1 . . . amn bm
Nota. Observemos que las soluciones de un sistema lineal sobre K no son números, sino n-tuplas.
Proposición 6.5 .
1 0
0
B . C
Un sistema de ecuaciones homogéneo siempre es compatible ya que la columna nula, X 0 = B . C
@ . A
0
siempre es solución del mismo. Obviamente, puede ser determinado, si solo tiene la solución nula,
o indeterminado, en el caso en que tenga más soluciones que la nula.
hasta obtener una matriz escalonada, que denominamos (E|D), donde E es también una matriz
escalonada m ⇥ n y D es la última columna. Por último, resolvemos el sistema EX = D. Tenemos
que asegurarnos de que las soluciones de este último sistema son las mismas que las del sistema de
partida.
Proposición 6.6 .
Si L es una matriz regular m ⇥ m, entonces el sistema LAX = LB tiene exactamente las mismas
soluciones que el sistema de partida, AX = B.
Teorema 6.7 .
Las soluciones del sistema cuya matriz ampliada es (E|D) son las mismas que las del sistema de
partida AX = B.
Para hallarlas consideramos las ecuaciones del sistema escalonado EX = D, de abajo arriba.
Dejamos libres las variables que no aparezcan en primer lugar en ninguna de las filas. Despejamos las
demás en función de las que hemos dejado libres.
Nota. Por el teorema anterior, sabemos que, si el sistema EX = D es incompatible, también lo será
el sistema original AX = B.
Teorema 6.8 .
Dado un sistema de ecuaciones AX = B, con A matriz m ⇥ n sobre K, entonces
Nota.
(i) Para una matriz dada A, es posible que existan varias inversas generalizadas distintas.
(ii) Si A es una matriz cuadrada, regular, la única inversa generalizada que posee es su inversa A 1.
(iii) Cualquier matriz A tiene, al menos, una inversa generalizada, como se ve en la proposición
siguiente.
Proposición 7.2 .
Dada A, matriz m ⇥ n sobre K, supongamos que Q y P son matrices regulares tales que
!
Ir 0
QAP = .
0 0
Entonces, la matriz !
Ir 0
G=P Q.
0 0
es una inversa generalizada de A.
Nota. Observemos que con el método anterior podemos obtener más de una inversa generalizada de
no son uńicas.
Para ver la utilidad de la inversa generalizada de una matriz, comparemos el siguiente resultado,
sobre la solución de un sistema en el que la matriz A de los coeficientes es cuadrada y regular, con el
que se tiene a continuación para una matriz A cualquiera (aunque no sea cuadrada).
Proposición 7.3 .
Dada A una matriz regular, entonces cualquier sistema AX = B es compatible determinado y,
además, la columna X = A 1 B es su única solución.
Teorema 7.4 .
Dadas A una matriz m⇥n y G una inversa generalizada de A. Si el sistema AX = B es compatible,
entonces la columna X = GB es una de sus soluciones.
Recı́procamente, una vez fijada A, si para cualquier sistema compatible AX = B se cumple que GB
es solución, entonces G es una inversa generalizada de A.
Nota. Si, después de hallar la columna X = GB, comprobamos que no sirve como solución del sistema,
habremos demostrado que el sistema dado es incompatible puesto que, en caso de que fuera compatible,
la columna X = GB deberı́a ser solución.
8. Determinantes
(ii) Si A es una matriz n ⇥ n sobre K, llamamos matriz adjunta del elemento que ocupa el lugar
(i, j) de A a la matriz (n 1) ⇥ (n 1) que se obtiene al eliminar la fila i-ésima y la columna
j-ésima de A. Se denota por Aij . Definimos el determinante de A a partir de los determinantes
de sus matrices adjuntas, de la forma siguiente:
8. Determinantes 55
Grado en Ingenierı́a Informática.
Matemáticas I. Curso 2017-18
Tema 3. Matrices
(i) Si una fila de A, Ai 2 Kn , puede escribirse como suma de dos vectores B, C 2 Kn , pongamos
Ai = B + C, entonces
0 1 0 1 0 1
A1 A1 A1
B . C B . C B . C
B . C B . C B . C
B . C B . C B . C
B C B C B C
det B Ai C = det B B C + det B
B C B C
B C C.
C
B . C B . C B . C
B .. C B .. C B .. C
@ A @ A @ A
An An An
(vi) Si intercambiamos dos filas de A entre sı́, el determinante cambia de signo, es decir
0 1 0 1
.. ..
B . C B . C
B A C B A C
B i C B j C
B . C B . C
det B .
B . C
C = det B .. C ó lo que es lo mismo, |Pij · A| = |A|.
B C
B C B C
B Aj C B Ai C
@ A @ A
.. ..
. .
(vii) Si realizamos sobre las filas de A una operación elemental de tipo II, el determinante de A no
cambia: |Sij (t) · A| = |A|.
Nota.
56 8. Determinantes
Grado en Ingenierı́a Informática.
Matemáticas I. Curso 2017-18
Tema 3. Matrices
Proposición 8.3 .
Los determinantes de las matrices elementales cumplen:
Proposición 8.4 .
Si L es una matriz elemental n⇥n, entonces, para cualquier matriz A, n⇥n, det (LA) = det L·detA.
Teorema 8.5 .
A es regular si y sólo si det A 6= 0.
Proposición 8.6 .
Dadas A y B, matrices cuadradas del mismo orden, det(AB) = det(A)det(B). En particular, si A
es regular, det A 1 = 1/det A.
Nota. Si L es una matriz elemental n ⇥ n, entonces det(L0 ) = det(L) ya que las de los tipos I y III
son simétricas y la del tipo II verifica que (Sij (t))0 = Sji (t)
Proposición 8.7 .
Para cualquier matriz cuadrada, A, se verifica que det A0 = det A.
Por la proposición anterior, cualquier propiedad sobre determinantes que pueda expresarse en
términos de las filas de la matriz, también se verifica si cambiamos fila por columna en su redacción:
Teorema 8.8 .
Podemos calcular el valor del determinante de una matriz desarrollándolo por cualquiera de sus
columnas, 1 j n,
|A| = a1j ( 1)1+j |A1j | + a2j ( 1)2+j |A2j | + · · · + anj ( 1)n+j |Anj |,
|A| = ai1 ( 1)i+1 |Ai1 | + ai2 ( 1)i+2 |Ai2 | + · · · + ain ( 1)i+n |Ain |.
8. Determinantes 57
Grado en Ingenierı́a Informática.
Matemáticas I. Curso 2017-18
Tema 3. Matrices
Proposición 8.9 .
Si T = (tij )n⇥n es una matriz triangular, superior o inferior, entonces
58 8. Determinantes
Grado en Ingenierı́a Informática.
Matemáticas I. Curso 2017-18
Tema 3. Matrices
Ejercicios
⇤
⇥3.1. Escribe una matriz no nula, A = (aij )3⇥3 que responda a cada uno de los siguientes tipos:
⇤
⇥3.2. Dadas las matrices 0 1
2 1 1 0 1
B C 1
B 1 2 2 C
A=B C, B = B C
@ 0 A,
B 0 1 3 C
@ A
3
2 0 1
0 1
B C
(a) escribe el producto de A por B utilizando que A = @ A1 A2 A3 A y B está formado por tres
⇤
⇥3.3. Para cualquier matriz cuadrada A de orden 3 calcula:
0 1 0 1 0 1
1 0 0
B C B C B C
(a) A @ 0 A, A @ 1 A y A @ 0 A.
0 0 1
⇤
⇥3.4. Dadas las matrices
0 1
⇣ ⌘ 1 2 2
B C
A= 1 2 1 , y B=@ 0 1 3 A
2 0 1
0 1
B1
B C
(a) Halla el producto de A por B escribiendo B = @ B2 A. Observa que AB es una combinación
B3
lineal de las filas de B.
Ejercicios 59
Grado en Ingenierı́a Informática.
Matemáticas I. Curso 2017-18
Tema 3. Matrices
0 1
B C
(b) Halla el producto de A por B escribiendo B = @ B 1 B 2 B 3 A y tomando A como un único
bloque.
⇤
⇥3.5. Estudia si cada una de las siguientes afirmaciones es verdadera o falsa. Escribe un contraejemplo
en caso de falsedad:
(a) Si las columnas primera y tercera de B coinciden, también coinciden las columnas primera y
tercera de AB.
(b) Si las filas primera y tercera de B coinciden, también coinciden las filas primera y tercera de AB.
(c) Si las filas primera y tercera de A coinciden, también coinciden las filas primera y tercera de AB.
(d) (AB)2 = A2 B 2 .
⇤
! !
⇤
⇥3.7. Escribe las matrices A = (aij )2⇥2 y B = (bij )2⇥2 , con aij = i + j y bij = ( 1) . Estudia si A
i+j
y B conmutan.
⇤
⇥3.8. Halla matrices A y B, 2 ⇥ 2, que verifiquen cada una de las siguientes afirmaciones:
(a) A2 = I2 .
(b) A2 = 0, con A 6= 0.
(c) AB = 0 con A 6= 0 y B 6= 0.
⇤
⇥3.9. Supongamos que A es una matriz 2 ⇥ 2 que conmuta con toda matriz B, también de orden
2 ⇥ 2. Prueba que A es una matriz escalar.! !
1 0 0 1
Pista: Utiliza que A conmuta con y con .
0 0 0 0
⇤
⇥3.10. ¿Cuáles de las siguientes matrices son iguales a (A + B)2 ? (a) A2 + 2AB + B 2 (a) A(A +
B) + B(A + B) (c) (A + B)(B + A).
⇤
⇥3.11. Halla los siguientes productos de matrices.
0 1 0 1
1 ⇣ 1 !
⌘ ⇣ ⌘ 0 ⇣ ⌘
B C B C
@ 2 A 1 4 2 , 2 0 1 @ 1 A, 2 1
1
3 0
60 Ejercicios
Grado en Ingenierı́a Informática.
Matemáticas I. Curso 2017-18
Tema 3. Matrices
⇤
⇥3.12. Halla el valor de t 2 R para que las matrices
! !
0 1 1 1
A= yB =
t 1 0 2
conmuten.
⇤
⇥3.13. Halla la inversa de las matrices:
! ! !
Im B Im 0 A 0
, , ,
0 In C In C D
⇤
⇥3.14. Supongamos que la matriz A, n⇥n, tiene una inversa a izquierda (una matriz B con BA = In )
y también una inversa a derecha (una matriz C con AC = In ). Demuestra que B = C.
⇤
⇥3.15. Supongamos que A y B son matrices n ⇥ n y que AB es regular. Demuestra que A es regular
y expresa su inversa en función de la inversa de AB. Lo mismo para B.
⇤
⇥3.16. Una matriz A, n ⇥ n, se dice idempotente cuando A = A. Demuestra que, si A es idempotente
2
y regular, entonces A = In .
⇤
⇥3.17. Se dice que
2
! una matriz A, n ⇥ n, es involutiva si verifica que A = In . Demuestra que la matriz
In 0
A= , en la que B es un bloque n ⇥ n, es involutiva. ¿Tiene inversa?
B In
⇤
⇥3.18. ¿Cuáles de las siguientes matrices son matrices elementales?
0 1 0 1 0 1 0 1
1 0 0 0 1 0 1 0 0 0 0 1 1 0 0 0
B C B C B C B C
B 0 1 0 0 C B 0 1 0 0 C B 0 1 0 0 C B 0 1 0 3 C
B C,B C,B C,B C
B 0 0 2 0 C B 1 0 1 0 C B 0 0 1 0 C B 0 0 1 0 C
@ A @ A @ A @ A
0 0 0 1 0 0 0 1 1 0 0 0 0 0 0 1
Escribe las que lo sean en notación abreviada (como Pij , etc.). Halla sus productos a izquierda y
derecha por las restantes matrices de la lista.
⇤
⇥3.19. Halla las traspuestas de las matrices elementales. ¿Cuáles de ellas son simétricas?
⇤
⇥3.20. Sea A una matriz regular n ⇥ n. Estudia cómo cambia A cuando A se multiplica a izquierda
1
⇤
⇥3.21. Escalona las siguientes matrices. Da el rango y la forma normal de Hermite de cada una de
Ejercicios 61
Grado en Ingenierı́a Informática.
Matemáticas I. Curso 2017-18
Tema 3. Matrices
ellas.
0 1
1
B C
0 1 B 2 C
! ! 2 1 ! B C
2 1 1 2 3 1 1 B 3 C
B C B C
, , @ 1 0 A, , B C,
1 2 0 1 1 1 1 B 4 C
0 2 B C
B 5 C
@ A
6
0 1 0 1
1 1 1 ! 1 0 2 1
⇣ ⌘ a 1
B C B C
@ 1 1 1 A, 1 1 0 , , @ 1 1 1 3 A,
0 a
1 1 1 0 1 3 2
0 1
0 1 2 1 2
1 0 1 1 2 B C 0 1
B C B 0 1 1 C 0 0 2 1 2
B 0 1 0 1 1 C B C B C
B C, B 0 0 3 C, @ 0 0 0 1 1 A,
B 0 0 0 2 1 C B C
@ A B C
@ 0 0 0 A 0 0 0 0 0
0 0 0 0 0
0 0 0
0 1 0 1
2 3 1 0 1 5 1 5 7 6 3
B C B C
B 0 0 2 4 6 2 C B 0 0 0 1 3 C
B C, B C.
B 0 0 1 2 3 1 C B 0 0 0 1 4 C
@ A @ A
0 0 0 0 0 0 0 0 0 0 0
⇤
⇥3.22. Si A es cualquiera de las matrices siguientes
0 1
! ! ! 1 0 1
1 1 1 2 1 1 2 1 B C
, , ,@ 0 1 1 A,
1 1 2 4 2 2 4 1
0 0 1
(a) Encuentra matrices elementales, L1 , . . . , Lt tales que la matriz Lt . . . L1 A sea escalonada reducida
(ó matriz de Hermite).
(b) Para los casos en que sea posible, expresa la matriz A como producto de matrices elementales.
(c) En esos mismos casos, observa que existe A 1 y exprésala también como producto de matrices
elementales.
⇤
⇥3.23. Llamemos A a cada una de las siguientes matrices. Estudia si A es o no una matriz de Hermite.
0 1 0 1 0 1 0 1
0 1 1 2 0 1 0 2 1 0 2 0 0 0
B C B C B C B C
@ 0 0 0 0 1 A, @ 0 1 1 A, @ 0 1 1 A, @ 0 1 0 A.
0 0 0 0 0 0 0 0 0 0 1 0 0 1
(b) Expresa los vectores fila de H como combinación lineal de los vectores fila de A.
(c) Expresa los vectores fila de A como combinación lineal de los vectores fila de H.
62 Ejercicios
Grado en Ingenierı́a Informática.
Matemáticas I. Curso 2017-18
Tema 3. Matrices
⇤
⇥3.24. Calcula, en función de los valores del parámetro a, el rango y la forma normal de Hermite de
cada una de las matrices siguientes. Cuando sea posible, halla también su inversa.
0 1 0 1
1 0 a a 0 1
B C B C
A = @ 1 1 2 A, B = @ 0 1 1 A,
0 1 a a 1 a
0 1 0 1
0 1 1 1 1 1
B C B C
C = @ a 1 1 A, D = @ 1 a 1 A.
1 0 1 a 0 1
⇤
⇥3.25. Estudia si cada una de las siguientes afirmaciones es verdadera o falsa. Demuestra las verda-
deras y da un contraejemplo de cada una de las falsas. Dadas A, B, matrices n ⇥ n sobre K:
(a) Si A es regular, A · B = 0 =) B = 0.
(c) AB = In =) B = A 1 yA=B 1.
(d) Si A y B tienen la misma forma de Hermite, entonces existe una matriz P , regular, con P A = B.
(e) Si A y B tienen el mismo rango, entonces la forma normal de Hermite de A coincide con la de B.
⇤
⇥3.26. (a) Encuentra dos matrices A, B regulares tales que A + B sea singular.
⇤
⇥3.27. Sea A una cualquiera de las siguientes matrices y r = rang A:
0 1 0 1
! 1 1 1 2 2
1 1 2 B C B C
,@ 2 A,@
2 3 4 2 A,
2 2 3
3 1 2 2 4
0 1
0 1 0 0 0 1
1 0 1 1 B C
B C B 1 0 1 2 C
@ 2 1 0 2 A,B
B 1 1
C.
C
@ 1 1 A
1 1 1 1
1 1 1 5
⇤
⇥3.28. Dadas las matrices
! !
1 0 1 1 2 3
A= ,yB= .
1 1 2 3 2 1
Ejercicios 63
Grado en Ingenierı́a Informática.
Matemáticas I. Curso 2017-18
Tema 3. Matrices
(d) Con todo ello, encuentra matrices invertibles P y Q tales que QAP = B.
⇤
⇥3.29. ¿Para qué valores del parámetro a las matrices
0 1 0 1
1 1 1 1 0 1
B C B C
A=@ 2 1 0 AyB=@ 1 1 3 A
3 0 1 0 1 a+2
tienen el mismo rango? Determina, en ese caso, matrices invertibles P y Q tales que QAP = B.
⇤
⇥3.30. Dada la matriz 3 ⇥ 3 sobre R,
0 1
a+1 0 a
B C
Ca = @ 2a + 2 a 1 + 2a A ,
0 a+1 a+1
se pide:
(a) Halla la forma de Hermite de Ca , distinguiendo los posibles casos que aparezcan.
⇤
⇥3.31. Escribe los siguientes sistemas en forma matricial. Indica la correspondiente matriz de coefi-
cientes y la matriz ampliada. Resuélvelos cuando sea posible.
9 9 9
x y+z =3 = > x + 2y + 2z + t = 3 >
= 2x + y + z = 0 > =
5x + 2y 5z = 5 x + 3z = 1 x + 2y + z = 1
>
; >
; >
;
3x 4y + 3z = 1 3x + y + 8z + t = 7 x + y + 2z = 1
9 9
x+y+z+t=0 > >
> x + y + z + t = 0 >
>
>
>
= >
x+y+z t=4 x y z+t=0 =
x+y z+t= 4 > >
> x y+z+t=0 > >
>
>
; >
x y+z+t=2 x 3y + 5z + 9t = 0 ;
⇤
⇥3.32. Estudia y resuelve, cuando sea posible, los siguientes sistemas dependientes de un parámetro
a.
64 Ejercicios
Grado en Ingenierı́a Informática.
Matemáticas I. Curso 2017-18
Tema 3. Matrices
9 9
2x ay + 4z = 0 > = ax + y + z = 1 >
=
x + y + 7z = 0 x + ay + z = a
>
; >
;
ax y + 13z = 0 x + y + az = a2
9
2x + y 4z = a + 1 > >
>
9
> x + ay = 0 >
x + 5y 5z = a 12 = =
ax + y + z = 0
x + 6y 5z = a + 12 > >
>
>
;
> 2x + az = 0
2x 4y + 5z = a ;
9
9 ax + y + z + t = a >
>
2x + (2 a)y = 0 > >
>
= x + ay + z + t = a =
(2a + 2)x + ay + 2z = 2a 2
>
; x + y + az + t = a >
>
(a + 1)x + (a + 1)z = a 1 >
>
x + y + z + at = a ;
⇤
⇥3.33. Estudia y resuelve, cuando sea posible, los siguientes sistemas, dependientes de los parámetros
a y b: 9 9
>
ax + by + 2z = 1 = ) >
ax + y + bz = 0 =
by + 2z = 1
ax + (2b 1)y + 3z = 1 x+y+z =0
>
; x 2y + 2z = 1 >
;
ax + by + (b + 3)z = 1 y + az = 0
⇤
⇥3.34. Calcula una inversa generalizada de cada una de las matrices
0 1 0 1
1 0 1 ! 2 1
B C 1 1 3 1 2 B C
@ 2 1 0 A, , @ 3 2 A.
2 2 6 3 1
1 1 1 2 3
Usando dichas inversas generalizadas determina, en caso de que exista, una solución de cada uno de
los sistemas:
9 9
x+z =1 > ) 2x y = 1 >
= x1 x2 + 3x3 + x4 + 2x5 = 2 =
2x + y = 3 , , 3x + 2y = 5 .
>
; 2x1 2x2 + 6x3 + 3x4 + x5 = 5 >
;
x+y z =1 2x + 3y = 5
⇤
⇥3.35. Estudia para qué valores de a, b, c y d es regular una matriz
!
a b
A= .
c d
¿Tiene esto algo que ver con el valor de su determinante?
⇤
⇥3.36. Sabemos que
1 0
= 1,
0 1
pero vamos a calcularlo utilizando propiedades de los determinantes. Sustituimos la primera fila por
ella más la segunda y la segunda fila por ella más la primera. Se tiene entonces
1 0 1 1
= = 0.
0 1 1 1
Ejercicios 65
Grado en Ingenierı́a Informática.
Matemáticas I. Curso 2017-18
Tema 3. Matrices
⇤
⇥3.37. Halla los determinantes de las siguientes matrices:
0 1 0 1 0 1
1 1 1 1 1 1 1 1 1
B C B C B C
@ 1 2 3 A, @ a b c A,@ a b c A,
1 4 9 a 2 b2 c 2 a 3 b3 c 3
0 1 0 1 0 1
0 2 1 2 2 3 2 4 1 1 1 1
B C B C B C
B 2 3 C B
2 4 C B 3 2 1 C B
2 C B a b c d C
B C.
B 2 2 1 3 C, B 3 2 0 1 C
,B 2
b2 c 2 d 2 C
@ A @ A @ a A
0 1 4 3 2 1 0 1 a3 b3 c 3 d 3
⇤
⇥3.38. Halla la expresión de las siguientes aplicaciones lineales de R en R . Halla también el conjunto
2 2
(Pista: Busca vectores que formen base de R2 cuyos transformados sean sencillos de conocer)
⇤
⇥3.39. Halla la expresión de las siguientes aplicaciones lineales de R en R en cada caso:
3 3
(Pista: Busca vectores que formen base de R3 cuyos transformados sean sencillos de conocer)
⇤
⇥3.40. Encuentra dos aplicaciones lineales distintas de R en R tales que
3 2
⇤
⇥3.41. Razona si es posible encontrar o no cada una de las aplicaciones lineales f, g, h : R3 ! R3 ,
de forma que:
⇤
⇥3.42. Consideremos la aplicación lineal f : R ! R dada por
2 3
66 Ejercicios
Grado en Ingenierı́a Informática.
Matemáticas I. Curso 2017-18
Tema 3. Matrices
⇤
⇥3.43. Consideramos la aplicación lineal f : Q ! Q dada por f (x, y, z) = (x + y, 2x + y, x + z).
3 3
[(1, 0, 1), (0, 1, 0), (0, 0, 1)], [(0, 0, 1), (0, 1, 1), (1, 1, 1)].
[(0, 0, 1), (0, 1, 1), (1, 1, 1)], [( 1, 1, 1), (0, 1, 1), (0, 0, 1)]
de R3 .
(d) Halla f 1 (2, 3, 2) de dos formas distintas: utilizando, por un lado, la matriz A y, por otro, la matriz
B.
[(1, 0, 1), (0, 1, 0), (0, 0, 1)], [( 1, 1, 1), (0, 1, 1), (0, 0, 1)].
⇤
⇥3.44. Se considera la aplicación lineal f : R3 [x] ! R3 [x] dada por f (p) = p , p 2 R3 [x].
0
(a) Halla la matriz coordenada A de f respecto de la base natural de R3 [x] y la matriz coordenada C
de f 2 en dicha base.
también en este caso tanto para el espacio de partida como para el de llegada.
⇤
⇥3.45. Sea f : R 7! M2⇥2 (R) una aplicación lineal tal que
3
! ! !
3 1 1 1 2 2
f (e1 ) = , f (e2 ) = y f (e3 ) = .
2 4 5 5 1 4
Ejercicios 67
Grado en Ingenierı́a Informática.
Matemáticas I. Curso 2017-18
Tema 3. Matrices
⇤
⇥3.46. Sea f : R3 [x] ! R3 [x] la aplicación lineal definida por
68 Ejercicios