You are on page 1of 18

Algebra Lineal y Geometra I. Curso 2009/10.

Departamento de

Algebra. http://www.departamento.us.es/da
Captulo 2

Algebra matricial
Estas notas est an basadas en las realizadas por el profesor Manuel Jes us Gago Vargas
para la asignatura M etodos matem aticos:

Algebra lineal de la Licenciatura en Ciencias y
T ecnicas Estadsticas.
2.1. Adici on y trasposici on
Nota 2.1.1. Como en el anterior tema, consideraremos jado un cuerpo k de coecientes.
Nos referiremos a los elementos del cuerpo como n umeros o escalares.
Alguna de las deniciones de este tema ser an especcas para el caso en que k es el
cuerpo C de los n umeros complejos. En ese caso se advertir a especcamente.
Dos matrices A = (a
ij
) y B = (b
ij
) son iguales cuando A y B tienen el mismo orden
y las entradas correspondientes son iguales.
Si es necesario pondremos el orden de la matriz como subndice. As escribiremos
A
mn
para indicar que la matriz A es de orden mn.
Denotaremos tambi en [A]
ij
a entrada de la la i y la columna j en la matriz A.
Suma de matrices
Si Ay B son matrices de orden mn, la suma de Ay B se dene como
la matriz de orden mn notada por A+ B, cuyas entradas verican
[A+ B]
ij
= [A]
ij
+ [B]
ij
para cada i, j.
La matriz A, llamada opuesta de A, se dene como
[A]
ij
= [A]
ij
.
La diferencia de A y B es
A B = A+ (B).

Algebra Lineal y Geometra I. Curso 2009/10. Departamento de



Algebra. http://www.departamento.us.es/da
Propiedades de la suma de matrices
Sean A, B y C matrices de orden m n. Se verican las siguientes
propiedades:
A+ B es una matriz de orden mn.
(A+ B) + C = A+ (B + C).
A+ B = B + A.
La matriz 0
mn
que tiene todas sus entradas nulas verica A +
0 = A.
La matriz A es de orden mn y verica A+ (A) = 0.
Multiplicaci on por un escalar
El producto de un escalar por una matriz A de orden m n, notada
por A, se dene como la matriz de orden mn que verica
[A]
ij
= [A]
ij
.
Propiedades de la multiplicaci on por un escalar
Sean A, B matrices de orden mn, y , escalares.
A es una matriz mn.
()A = (A).
(A+ B) = A+ B.
( + )A = A+ A.
1A = A.
Se tienen propiedades an alogas para A = A.
34

Algebra Lineal y Geometra I. Curso 2009/10. Departamento de



Algebra. http://www.departamento.us.es/da
Trasposici on
La traspuesta de una matriz A
mn
es la matriz notada por A
t
de orden
n m denida como
[A
t
]
ij
= [A]
ji
.
Es evidente que (A
t
)
t
= A.
Para el caso en que k = C, el cuerpo de los n umeros complejos, denimos dos
operaciones m as. Recu erdese que el conjugado de un n umero complejo = a + ib
es = a ib.
Conjugada traspuesta
La matriz conjugada de una matriz A
mn
es la matriz de orden m n
notada por A denida como
[A]
ij
= [A]
ij
.
La matriz conjugada traspuesta de una matriz A
mn
es la matriz de
orden n m notada por A

y denida como
[A

]
ij
= [A]
ji
.
Es decir, A

= A
t
.
Nota 2.1.2. Se tiene que (A

= A. En el caso de matrices reales, cuyas entradas perte-


necen a R, se tiene que A = A y A

= A
t
.
Propiedades de la matriz traspuesta
Sean A y B matrices del mismo orden y un escalar. Entonces
(A+ B)
t
= A
t
+ B
t
y (A+ B)

= A

+ B

.
(A)
t
= A
t
y (A)

= A

.
35

Algebra Lineal y Geometra I. Curso 2009/10. Departamento de



Algebra. http://www.departamento.us.es/da
Simetras
Sea A = (a
ij
) una matriz cuadrada.
Decimos que A es sim etrica si A = A
t
, esto es, a
ij
= a
ji
.
Decimos que A es anti-sim etrica si A = A
t
, esto es, a
ij
=
a
ji
.
Si adem as A es una matriz compleja:
Decimos que A es hermitiana si A = A

, esto es, a
ij
= a
ji
.
Decimos que A es anti-hermitiana si A = A

, esto es, a
ij
=
a
ji
.
Ejercicio 2.1.1. Probar que si A es una matriz hermitiana entonces las entradas de la
diagonal, [A]
ii
, son n umeros reales.
2.2. Multiplicaci on de matrices
Multiplicaci on de matrices
Dos matrices A y B se dicen ajustadas para multiplicaci on en el
orden AB cuando el n umero de columnas de Aes igual al n umero
de las de B, esto es, si Aes de orden mp y B es de orden pn.
Para matrices ajustadas A
mp
= (a
ij
) y B
pn
= (b
ij
), la matriz
producto AB, de orden mn, se dene como
[AB]
ij
= a
i1
b
1j
+ a
i2
b
2j
+ . . . + a
ip
b
pj
=
p

k=1
a
ik
b
kj
Nota 2.2.1. Puede ocurrir dos matrices A y B est en ajustadas para la multiplicaci on en el
orden AB pero no en el orden BA. Es decir, que exista el producto AB, pero que no BA.
Ejemplo 2.2.1. (LA MULTIPLICACI ON DE MATRICES NO ES CONMUTATIVA). Conside-
re lo que ocurre al tomar
A =
_
1 2
_
, B =
_
3
4
_
,
y calcular AB y BA. Ni siquiera son matrices del mismo orden.
Pero aunque fueran matrices cuadradas el producto no es conmutativo en general.
Sean las matrices
C =
_
2 1
0 1
_
, D =
_
1 1
2 3
_
.
Entonces CD y DC son distintas.
36

Algebra Lineal y Geometra I. Curso 2009/10. Departamento de



Algebra. http://www.departamento.us.es/da
Filas y columnas de un producto
Supongamos que A
mp
= (a
ij
) y B
pn
= (b
ij
).
[AB]
i
= A
i
B; esto es, la i- esima la de AB es la i-esima la
de A multiplicada por B.
[AB]
j
= AB
j
; esto es, la j- esima la de AB es A multiplicada
por la j- esima la de B.
[AB]
i
= a
i1
B
1
+ a
i2
B
2
+ . . . + a
ip
B
p
=

p
k=1
a
ik
B
k
.
[AB]
j
= A
1
b
1j
+ A
2
b
2j
+ . . . + A
p
b
pj
=

p
k=1
A
k
b
kj
.
Nota 2.2.2. Las dos ultimas ecuaciones indican que las las de AB son combinaci on
lineal de las las de B, y que las columnas de AB son combinaci on lineal de las columnas
de A.
Sistemas lineales
Todo sistema de m ecuaciones y n inc ognitas
_

_
a
11
x
1
+ a
12
x
2
+ . . . + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ . . . + a
2n
x
n
= b
2
.
.
.
a
m1
x
1
+ a
m2
x
2
+ . . . + a
mn
x
n
= b
m
,
se puede escribir en forma matricial como Ax = b, donde
A =
_
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
_
_
_
_
_
, x =
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
, b =
_
_
_
_
_
b
1
b
2
.
.
.
b
m
_
_
_
_
_
.
Recprocamente, toda ecuaci on matricial A
mn
x
n1
= b
m1
represen-
ta un sistema lineal de m ecuaciones y n inc ognitas.
37

Algebra Lineal y Geometra I. Curso 2009/10. Departamento de



Algebra. http://www.departamento.us.es/da
2.3. Propiedades de la multiplicaci on matricial
Propiedades distributiva y asociativa
Para matrices ajustadas se verica
A(B + C) = AB + AC.
(D + E)F = DF + EF.
A(BC) = (AB)C.
Matriz identidad
La matriz de orden n n con unos en la diagonal y ceros en el resto
I
n
=
_
_
_
_
_
1 0 . . . 0
0 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . 1
_
_
_
_
_
se denomina matriz identidad de orden n. Para toda matriz A de orden
mn se verica
AI
n
= A y I
m
A = A.
Nota 2.3.1. El subndice de I
n
se elimina cuando el tama no es obvio por el contexto.
Trasposici on y producto
Para matrices ajustadas A y B se verica que
(AB)
t
= B
t
A
t
y
(AB)

= B

.
Ejercicio 2.3.1. Probar las propiedades anteriores.
Nota 2.3.2. Para cada matriz A
mn
las matrices AA
t
y A
t
A son sim etricas, y
si A es una matriz compleja, las matrices AA

y A

A son hermitianas.
38

Algebra Lineal y Geometra I. Curso 2009/10. Departamento de



Algebra. http://www.departamento.us.es/da
Ejercicio 2.3.2. Llamamos traza de A al n umero
traza(A) = a
11
+ a
22
+ . . . + a
bm
=
n

i=1
a
ii
.
Probar que para dos matrices A
mn
y B
nm
se verica
traza(AB) = traza(BA).
Nota 2.3.3. De lo anterior se deduce que traza(ABC) = traza(BCA) = traza(CAB),
pero, en general, traza(ABC) = traza(BAC).
Multiplicaci on por bloques
Supongamos que A y B se particionan en submatrices, tambi en llama-
dos bloques, como sigue:
A =
_
_
_
_
_
A
11
A
12
. . . A
1r
A
21
A
22
. . . A
2r
.
.
.
.
.
.
.
.
.
.
.
.
A
s1
A
s2
. . . A
sr
_
_
_
_
_
, B =
_
_
_
_
_
B
11
B
12
. . . B
1t
B
21
B
22
. . . B
2t
.
.
.
.
.
.
.
.
.
.
.
.
B
r1
B
r2
. . . B
rt
_
_
_
_
_
.
Si los pares (A
ik
, B
kj
) son ajustados para el producto, entonces deci-
mos que A y B tienen una partici on ajustada. Para tales matrices, el
producto AB se forma combinando los bloques exactamente de la mis-
ma forma como se hace con los escalares en la multiplicaci on ordinaria.
Esto es, el bloque (i, j) en AB es
A
i1
B
1j
+ A
i2
B
2j
+ . . . + A
ir
B
rj
.
Ejemplo 2.3.1. Consideremos las matrices particionadas
A =
_
_
_
_
1 2 1 0
3 4 0 1
1 0 0 0
0 1 0 0
_
_
_
_
=
_
C I
I 0
_
, B =
_
_
_
_
1 0 0 0
0 1 0 0
1 2 1 2
3 4 3 4
_
_
_
_
=
_
I 0
C C
_
,
donde
I =
_
1 0
0 1
_
y C =
_
1 2
3 4
_
.
Mediante la multiplicaci on por bloques, el producto AB es f acil de obtener:
AB =
_
C I
I 0
__
I 0
C C
_
=
_
2C C
I 0
_
=
_
_
_
_
2 4 1 2
6 8 3 4
1 0 0 0
0 1 0 0
_
_
_
_
39

Algebra Lineal y Geometra I. Curso 2009/10. Departamento de



Algebra. http://www.departamento.us.es/da
2.4. Inversa de una matriz
Inversa de una matriz
Para una matriz cuadrada A
nn
, la matriz B
nn
que verica las condi-
ciones
AB = I
n
y BA = I
n
se denomina inversa de A, y la denotaremos por B = A
1
. No todas
la matrices cuadradas tienen inversa. Una matriz cuadrada sin inversa
se llama singular, y una matriz con inversa se denomina no singular o
regular.
Proposici on 2.4.1. La inversia de una matriz, si existe, es unica.
PRUEBA: Supongamos que X
1
y X
2
son inversas de una matriz no singular A. En-
tonces
X
1
= X
1
I = X
1
(AX
2
) = (X
1
A)X
2
= IX
2
= X
2
.
2
Ecuaciones matriciales
Si Aes una matriz no singular, entonces existe una unica soluci on
para X en la ecuaci on matricial A
nn
X
np
= B
np
, y la soluci on
es
X = A
1
B.
Un sistema de n ecuaciones y n inc ognitas se puede escribir como
una ecuaci on matricial A
nn
x
n1
= b
n1
. Por lo anterior, si A es
no singular, el sistema tiene soluci on unica igual a x = A
1
b.
Nota 2.4.1. Sin embargo, debemos hacer hincapi e en que la representaci on de la soluci on
como x = A
1
b es conveniente desde el punto de vista te orico o de notaci on. En la
pr actica, un sistema no singular Ax = b nunca se resuelve calculando A
1
y despu es el
producto A
1
b. Se realizan m as operaciones as que aplicando las t ecnicas de eliminaci on
descritas en el tema anterior.
El siguiente resultado nos permite distinguir entre matrices singulares y no singulares.
40

Algebra Lineal y Geometra I. Curso 2009/10. Departamento de



Algebra. http://www.departamento.us.es/da
Existencia de inversa
Para una matriz cuadrada A de orden n, son equivalentes:
1. A
1
existe (A es no singular).
2. rango(A) = n.
3. A
Gauss-Jordan
I
n
.
4. Ax = 0 implica que x = 0.
PRUEBA: El hecho de 2) 3) es una consecuencia directa de la denici on de rango.
La equivalencia 2) 4) la hemos visto en el tema anterior. Solamente falta por establecer
1) 2) para completar la prueba.
1) 2). Consideremos la matriz X =
_
X
1
X
2
. . . X
n
_
. Esta matriz X
verica la ecuaci on AX = I si y solamente si X
j
es soluci on del sistema Ax = I
j
.
Si A es no singular, entonces sabemos que existe una soluci on unica de AX = I, y por
tanto cada sistema Ax = I
j
tiene soluci on unica. Pero sabemos que un sistema tiene
soluci on unica si y solamente si el rango de la matriz de coecientes es igual al n umero
de inc ognitas, esto es, rango(A) = n.
2) 1). Si rango(A) = n, entonces cada sistema Ax = I
j
es compatible, porque
rango([A|I
j
]) = n = rango(A). Adem as, la soluci on es unica, por lo que la ecuaci on
matricial AX = I tiene una unica soluci on. Nos gustara decir ya que X = A
1
, pero nos
hace falta primero probar que XA = I. Supongamos que no es cierto, esto es, XAI =
0. Como
A(XAI) = AXA A = IAA = 0,
se sigue que cada columna no nula de XA I es una soluci on no trivial del sistema
homog eneo Ax = 0. Pero esto es una contradicci on. Por tanto, XA I = 0, y XA =
AX = I. 2
Nota 2.4.2. C ALCULO DE LA MATRIZ INVERSA USANDO GAUSS-JORDAN. En la de-
mostraci on anterior hemos probado adem as que si A
nn
es una matriz para la que existe
X
nn
con AX = I
n
, entonces X = A
1
.
Para construir un algoritmo que nos devuelva A
1
cuando A
nn
es no singular, recor-
demos que determinar A
1
es equivalente a resolver la ecuaci on matricial AX = I, que
es lo mismo que resolver los n sistemas de ecuaciones denidos por
Ax = I
j
, j = 1, 2, . . . , n.
En otras palabras, si X
1
, X
2
, . . . , X
n
son las respectivas soluciones, entonces X =
_
X
1
X
2
. . . X
n
_
resuelve la ecuaci on AX = I y de aqu X = A
1
.
Si A es no singular, el m etodo de Gauss-Jordan reduce la matriz ampliada [A|I
j
] a
[I|X
j
], y sabemos que X
j
es la unica soluci on de Ax = I
j
. En otras palabras,
[A|I
j
]
Gauss-Jordan
[I|[A
1
]
j
].
41

Algebra Lineal y Geometra I. Curso 2009/10. Departamento de



Algebra. http://www.departamento.us.es/da
Pero mejor que resolver cada sistema Ax = I
j
de forma independiente, podemos resol-
verlos simult aneamente aprovechando que todos tienen la misma matriz de coecientes.
En otras palabras, si aplicamos Gauss-Jordan a la matriz ampliada [A|I
1
|I
2
| . . . |I
n
] ob-
tenemos
[A|I
1
|I
2
| . . . |I
n
]
Gauss-Jordan
[I|[A
1
]
1
|[A
1
]
2
| . . . |[A
1
]
n
],
o, de manera m as compacta,
[A|I]
Gauss-Jordan
[I|A
1
].
Qu e ocurre si intentamos invertir una matriz singular con este procedimiento? El re-
sultado anterior nos indica que una matriz singular A no puede ser reducida mediante
Gauss-Jordan a la matriz I porque una la de ceros aparecer a en alg un momento. Por
ello, no tenemos que saber a priori si la matriz que tenemos es o no singular, pues resul-
tar a evidente en el proceso de c alculo.
C alculo de la inversa
La eliminaci on de Gauss-Jordan se puede usar para el c alculo de la
inversa de una matriz A mediante la reducci on
[A|I]
GaussJordan
[I|A
1
].
La unica posibilidad de que este m etodo falle esque aparezca una la
de ceros en el lado izquierdo de la matriz ampliada, y esto ocurre si y
solamente si la matriz A es singular.
Ejemplo 2.4.1. Calculemos, si existe, la inversa de la matriz
A =
_
_
1 1 1
1 2 2
1 2 3
_
_
.
Aplicamos el m etodo de Gauss-Jordan para obtener
[A|I] =
_
_
1 1 1 | 1 0 0
1 2 2 | 0 1 0
1 2 3 | 0 0 1
_
_

_
_
1 1 1 | 1 0 0
0 1 1 | 1 1 0
0 1 2 | 1 0 1
_
_

_
_
1 0 0 | 2 1 0
0 1 1 | 1 1 0
0 0 1 | 0 1 1
_
_

_
_
1 0 0 | 2 1 0
0 1 0 | 1 2 1
0 0 1 | 0 1 1
_
_
.
Por tanto , la matriz es no singular y
A
1
=
_
_
2 1 0
1 2 1
0 1 1
_
_
.
42

Algebra Lineal y Geometra I. Curso 2009/10. Departamento de



Algebra. http://www.departamento.us.es/da
Propiedades de la inversi on de matrices
Para matrices no singulares A y B, se verica que
(A
1
)
1
= A.
El producto AB es no singular.
(AB)
1
= B
1
A
1
.
(A
1
)
t
= (A
t
)
1
y, si A es compleja, (A
1
)

= (A

)
1
.
PRUEBA: La primera es inmediata. La segunda y la tercera se prueban simult aneamente.
Sea X = B
1
A
1
. Entonces (AB)X = I, y como son matrices cuadradas, tenemos
que X = (AB)
1
. La ultima propiedad tiene un tratamiento similar. Sea X = (A
1
)
t
,
que sabemos que existe (observemos que todava no podemos garantizar el car acter no
singular de A
t
). Entonces
A
t
X = A
t
(A
1
)
t
= (A
1
A)
t
= I
t
= I,
de donde A
t
es no singular y (A
t
)
1
= (A
1
)
t
. La prueba de la segunda parte es similar.
2
2.5. Matrices elementales y equivalencia
Nota 2.5.1. OPERACIONES ELEMENTALES POR COLUMNAS. Es evidente que las mis-
mas operaciones elementales por las descritas en el tema anterior pueden realizarse por
columnas. Tenemos entonces tres tipos de operaciones an alogas a las operaciones ele-
mentales por las:
Tipo I. Intercambiar las columnas i y j.
Tipo II. Reemplazar la columna i por un m ultiplo no nulo de ella misma.
Tipo III. Reemplazar la columna j por la suma de ella misma con un m ultiplo de
la columna j.
An alogamente a lo visto para las las existen unas matrices especiales llamadas formas
escalonadas por columnas y formas escalonadas reducidas por columnas. La trasposici on
de matrices nos permite denir r apidamente estos conceptos:
Una matriz se dice que es una forma escalonada por columnas si su traspuesta es
una forma escalonada por las.
Una matriz se dice que es una forma escalonada reducida por columnas si su
traspuesta es una forma escalonada reducida por las.
43

Algebra Lineal y Geometra I. Curso 2009/10. Departamento de



Algebra. http://www.departamento.us.es/da
Igualmente se puede comprobar que toda matriz puede ser transformada. mediante ope-
raciones por columnas en una forma escalonada por columnas y en una forma escalonada
reducida por columnas. Por ultimo, dos matrices se dicen equivalentes por columnas si
puede transformarse una en otra mediante operaciones elementales por columnas.
Obs ervese que las operaciones elementales por columnas no transforman la matriz
de un sistema lineal en la matriz de otros sistema lineal equivalente.
Teorema 2.5.1. Toda matriz A es equivalente por columnas a una unica forma escalo-
nada reducida por columnas.
PRUEBA: Sabemos que la matriz A
t
es equivalente por las a una unica forma esca-
lonada reducida por las. 2
Nota 2.5.2. Sean los vectores columna de orden m1, e
i
, que tienen todas sus entradas
nulas salvo un 1 en la posici on i, con i = 1, . . . , m. Obs ervese que la multiplicaci on de
una matriz A
mn
por un vector columna e
j
resulta Ae
j
= A
j
. An alogamente, si ahora
e
i
es de orden n 1, la m ultiplicaci on del traspuesto de este con la matriz A resulta
e
t
i
A = A
i
.
Obs ervese que la matriz identidad tiene por columnas a estos e
j
y por las a e
t
i
.
Vamos a ver que las operaciones elementales que usamos para la eliminaci on Gaussia-
na pueden interpretarse como productos por ciertas matrices de estructura muy sencilla.
Matrices elementales de tipo I
Decimos que una matriz cuadrada E es elemental tipo I si se obtiene
a partir de la matriz identidad I
n
mediante una operaci on elemental por
las de tipo I. Es decir, si E se obtiene de I
n
al intercambiar las las i y
j.
En este caso todas las entradas de la matriz E son nulas, salvo [E]
kk
=
1, k = i, j, [E]
ij
= 1 y [E]
ji
= 1. Si atendemos a las las de E
observamos que E
k
= e
t
k
si k = i, j, E
i
= e
t
j
y E
j
= e
t
i
.
Proposici on 2.5.2. (MULTIPLICACI ON POR UNA MATRIZ ELEMENTAL DE TIPO I).
La multiplicaci on de una matriz elemental de tipo I a la izquierda de una matriz
produce en esta una operaci on elemental por las de tipo I.
La multiplicaci on de una matriz elemental de tipo I a la derecha de una matriz
produce en esta una operaci on elemental por columnas de tipo I.
PRUEBA: Basta probar el primer punto, pues el segundo, adem as de ser an alogo, se
deduce del primero por trasposici on de matrices.
Sean entonces A
mn
y E
mm
la matriz obtenida de a identidad al intercambiar las
las i y j. Vamos a describir la multiplicaci on EA por las, es decir,
[EA]
k
= E
k
A, k = 1, . . . m.
44

Algebra Lineal y Geometra I. Curso 2009/10. Departamento de



Algebra. http://www.departamento.us.es/da
Si k = i, j sabemos que E
k
= e
t
k
, de donde calculamos la la k esima de EA:
[EA]
k
= E
k
A = e
t
k
A = A
k
, con k = i, j.
Adem as E
i
= e
t
j
y E
j
= e
t
i
. Luego las las i esima y j esima de EA son
[EA]
i
= E
i
A = e
t
j
A = A
j
y [EA]
j
= E
j
A = e
t
i
A = A
i
.
Es decir, la matriz EA es la que se obtiene de A al intercambiar las las i y j 2
Proposici on 2.5.3. Si E es una matriz elemental de tipo I entonces E es no singular y su
inversa es ella misma. Es decir, EE = I.
PRUEBA: La demostraci on es consecuencia del resultado anterior. Si E es la matriz
que se obtiene de la identidad al intercambiar las las i y j, el producto a la izquierda de
E por ella misma vuelve a intercambiar las las i y j, obteniendo EE = I. 2
Matrices elementales de tipo II
Decimos que una matriz cuadrada E es elemental tipo II si se obtiene
a partir de la matriz identidad I
n
mediante una operaci on elemental por
las de tipo II. Es decir, si E se obtiene de I
n
al sustituir la la i por un
m ultiplo no nulo de ella.
En este caso todas las entradas de la matriz E son nulas, salvo [E]
kk
=
1, k = i, [E]
ii
= con = 0. Si atendemos a las las de E observamos
que E
k
= e
t
k
si k = i, E
i
= e
t
i
con = 0.
Proposici on 2.5.4. (MULTIPLICACI ON POR UNA MATRIZ ELEMENTAL DE TIPO II).
La multiplicaci on de una matriz elemental de tipo II a la izquierda de una matriz
produce en esta una operaci on elemental por las de tipo II.
La multiplicaci on de una matriz elemental de tipo II a la derecha de una matriz
produce en esta una operaci on elemental por columnas de tipo II.
Ejercicio 2.5.1. Dejamos la prueba de la proposici on anterior como ejercicio.
Proposici on 2.5.5. Si E es una matriz elemental de tipo II entonces E es no singular y
su inversa es otra matriz elemental tipo II.
PRUEBA: Es f acil comprobar que si E es la matriz que se obtiene de la identidad al
multiplicar la la i por = 0 entonces E
1
es la matriz que se obtiene de la identidad al
multiplicar por 1/ la la i. 2
45

Algebra Lineal y Geometra I. Curso 2009/10. Departamento de



Algebra. http://www.departamento.us.es/da
Matrices elementales de tipo III
Decimos que una matriz cuadrada E es elemental tipo III si se obtiene
a partir de la matriz identidad I
n
mediante una operaci on elemental por
las de tipo III. Es decir, si E se obtiene de I
n
al sustituir la la j por la
suma de ella misma con un m ultiplo de la la i.
En este caso todas las entradas de la matriz E son nulas, salvo [E]
ii
=
1, i = 1, . . . n y [E]
ji
= . Si atendemos a las las de E observamos
que E
k
= e
t
k
si k = k, E
i
= e
t
i
+ e
t
j
.
Proposici on 2.5.6. (MULTIPLICACI ON POR UNA MATRIZ ELEMENTAL DE TIPO II).
La multiplicaci on de una matriz elemental de tipo III a la izquierda de una matriz
produce en esta una operaci on elemental por las de tipo III.
La multiplicaci on de una matriz elemental de tipo III a la derecha de una matriz
produce en esta una operaci on elemental por columnas de tipo III.
Ejercicio 2.5.2. Dejamos la prueba de la proposici on anterior como ejercicio.
Proposici on 2.5.7. Si E es una matriz elemental de tipo III entonces E es no singular y
su inversa es otra matriz elemental tipo III.
PRUEBA: Es f acil comprobar que si E es la matriz que se obtiene de la identidad
al reemplazar la la j por la suma de ella misma con la la i por , entonces E
1
es la
matriz que se obtiene de la identidad al reemplazar la la j por la suma de ella misma con
la la i por . 2
Ejemplo 2.5.1. Consideremos la sucesi on de operaciones para reducir
A =
_
_
1 2 4
2 4 8
3 6 13
_
_
a su forma escalonada reducida por las E
A
.
A =
_
_
1 2 4
2 4 8
3 6 13
_
_
R
2
2R
1
R
3
3R
1

_
_
1 2 4
0 0 0
0 0 1
_
_
Cambia R
2
y R
3

_
_
1 2 4
0 0 1
0 0 0
_
_
R
1
4R
2

_
_
1 2 0
0 0 1
0 0 0
_
_
= E
A
La reducci on se puede ver como una sucesi on de multiplicaciones a izquierda por la
matrices elementales correspondientes.
_
_
1 4 0
0 1 0
0 0 1
_
_
_
_
1 0 0
0 0 1
0 1 0
_
_
_
_
1 0 0
0 1 0
3 0 1
_
_
_
_
1 0 0
2 1 0
0 0 1
_
_
A = E
A
.
46

Algebra Lineal y Geometra I. Curso 2009/10. Departamento de



Algebra. http://www.departamento.us.es/da
Producto de matrices elementales
Una matriz A es no singular si y solamente si A es el producto de ma-
trices elementales de tipos 1, 2, o 3.
PRUEBA: Si A es no singular, el m etodo de Gauss-Jordan reduce A a la matriz I
mediante operaciones por la. Si E
1
, E
2
, . . . , E
k
son las correspondientes matrices ele-
mentales, entonces
E
k
E
2
E
1
A = I, o bien A = E
1
1
E
1
2
E
1
k
.
Como la inversa de una matriz elemental es una matriz elemental, esto prueba que A se
puede expresar como producto de matrices elementales.
Recprocamente, si A = E
1
E
2
E
k
es un producto de matrices elementales, enton-
ces A es no singular, pues es el producto de matrices no singulares. 2
Equivalencia de matrices
Cuando una matriz B se puede derivar de una matriz A mediante
operaciones elementales de las y columnas, escribiremos A
B, y diremos que A y B son matrices equivalentes. Otra forma
de expresarlo es que
A B B = PAQ para matrices no singulares P y Q.
An alogamente se dene la equivalencia por las:
A
f
B B = PA para P matriz no singular,
y la equivalencia por columnas:
A
c
B B = AQ para Q matriz no singular.
Ejercicio 2.5.3. Estas relaciones son de equivalencia.
La forma escalonada reducida por las E
A
es lo m as lejos que podemos llegar me-
diante transformaciones por las. Sin embargo, si permitimos adem as el uso de transfor-
maciones por columnas, la reducci on es mucho mayor.
47

Algebra Lineal y Geometra I. Curso 2009/10. Departamento de



Algebra. http://www.departamento.us.es/da
Forma normal de rango
Si A es una matriz de orden mn y rango(A) = r, entonces
A N
r
=
_
I
r
0
0 0
_
.
N
r
se denomina forma normal de rango de A.
PRUEBA: Como A
f
E
A
, existe una matriz no singular P tal que PA = E
A
. Si
rango(A) = r, entonces las columnas b asicas de E
A
son las r columnas unitarias. Me-
diante intercambio de columnas aplicados a E
A
, podemos poner estas r columnas en la
parte superior izquierda. Si Q
1
es el producto de las matrices elementales que hacen estos
intercambios, entonces
PAQ
1
= E
A
Q
1
=
_
I
r
J
0 0
_
.
Ahora multiplicamos ambos lados de esta ecuaci on por la matriz no singular
Q
2
=
_
I
r
J
0 I
_
,
y nos queda
PAQ
1
Q
2
=
_
I
r
0
0 0
_
.
Entonces A N
r
. 2
Nota 2.5.3. De hecho N
r
es la forma escalonada reducida por columnas de la forma
escalonada reducida por las de A.
Ejemplo 2.5.2. Veamos que
rango
_
A 0
0 B
_
= rango(A) + rango(B).
Si rango(A) = r y rango(B) = s, entonces A N
r
y B N
s
, y
_
A 0
0 B
_

_
N
r
0
0 N
s
_
,
de donde
rango
_
A 0
0 B
_
= r + s.
Dadas matrices A y B, c omo decidimos si A B, A
f
B o A
c
B?
48

Algebra Lineal y Geometra I. Curso 2009/10. Departamento de



Algebra. http://www.departamento.us.es/da
Test de equivalencia
Sean A y B matrices de orden mn. Entonces
A B si y solamente si rango(A) = rango(B).
A
f
B si y solamente si E
A
= E
B
.
A
c
B si y solamente si E
A
t = E
B
t .
En consecuencia, el producto por matrices no singulares no altera el
rango.
PRUEBA: Si rango(A) = rango(B), entonces A N
r
y B N
r
, de donde A N
r

B. Recprocamente, si A B, y rango(A) = r, rango(B) = s, tenemos que A N
r
y
B N
s
, por lo que N
r
N
s
, y esto implica que r = s.
Supongamos ahora que A
f
B. Como B
f
E
B
, entonces A
f
E
B
. Como la forma
escalonada reducida por las es unica, se sigue que E
B
= E
A
. Recprocamente, si E
A
=
E
B
, entonces
A
f
E
A
= E
B
f
B.
Para las columnas, basta considerar que
A
c
B AQ = B (AQ)
t
= B
t
Q
t
A
t
= B
t
A
t
f
B
t
.
2
Rango y trasposici on
rango(A) = rango(A
t
) y rango(A) = rango(A

).
PRUEBA: Sea rango(A) = r, y sean P y Q matrices no singulares tales que
PAQ = N
r
=
_
I
r
0
r(nr)
0
(mr)r
0
(mr)(nr)
_
.
Entonces N
t
r
= Q
t
A
t
P
t
. Como Q
t
y P
t
son no singulares, se sigue que A
t
N
t
r
, y
entonces
rango(A
t
) = rango(N
t
r
) = rango
_
I
r
0
r(mr)
0
(nr)r
0
(nr)(mr)
_
= r = rango(A).
49

Algebra Lineal y Geometra I. Curso 2009/10. Departamento de



Algebra. http://www.departamento.us.es/da
Para probar que rango(A) = rango(A

), escribimos N
r
= N
r
= PAQ = PAQ. Es f acil
ver que K
1
= K
1
, de donde N
r
A y rango(A) = rango(A). Entonces
rango(A

) = rango(A
t
) = rango(A) = rango(A).
2
50