You are on page 1of 70

Tema 2. Matrices y aplicaciones lineales. Determinantes.

Tema 2. Matrices y aplicaciones lineales. Determinantes.
Análisis Matemático I
1º Estadística
| Universidad de Granada | Octubre 2012 1 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Matrices
Matrices
Sección 1
| Universidad de Granada | Octubre 2012 2 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Matrices
Matrices
Matriz de números reales
Una matriz de números reales y orden m ×n es una aplicación f : I ×J −→R,
donde I = {1, 2, · · · , m}, J = {1, 2, · · · , n}. En lugar de usar la notación
anterior se suelen escribir de la forma
_
_
_
_
_
a
11
a
12
· · · a
1n
a
21
a
22
· · · a
2n
.
.
.
a
m1
a
m2
· · · a
mn
_
_
_
_
_
donde a
ij
= f (i , j ) para 1 i m, 1 j n.
En el caso anterior, diremos que la matriz tiene m filas y n columnas.
Notaremos por M
m×n
al espacio de las matrices reales de orden m ×n. Cuando
m = n escribiremos simplemente M
n
y a los elementos de ese conjunto los
llamaremos matrices cuadradas.
| Universidad de Granada | Octubre 2012 3 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Matrices
Matrices
Rango de una matriz
Para una matriz A de orden m ×n, se define su rango como el número máximo
de vectores columna de A que son linealmente independientes. Notaremos por
rg A el rango de la matriz A.
Ejemplo
Calcúlese el rango de la matriz A, siendo
_
_
2 2 2 0
0 −1 1 0
1 2 0 0
_
_
Como la última columna es el vector 0, es claro que una lista de vectores que lo
contenga será siempre linealmente dependiente. Así que comprobamos si los
vectores que aparecen en las tres primeras columnas son linealmente
dependientes.
| Universidad de Granada | Octubre 2012 4 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Matrices
Rango de una matriz
Ejemplo
A =
_
_
2 2 2 0
0 −1 1 0
1 2 0 0
_
_
Como la segunda columna se obtiene como 2 veces la primera menos la tercera,
el rango de A no puede ser 3. Finalmente, como las columnas primera y segunda
son vectores linealmente independientes, rg A = 2.
| Universidad de Granada | Octubre 2012 5 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Matrices
Rango de una matriz
Ejemplo
Si se considera una matriz cuadrada de orden n ×n diagonal, es decir, que tenga
la forma
_
_
_
_
_
_
_
d
1
0 0 · · · 0
0 d
2
0 · · · 0
0 0 d
3
· · · 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 · · · d
n
_
_
_
_
_
_
_
entonces su rango coincide con el número de escalares d
i
no nulos.
| Universidad de Granada | Octubre 2012 6 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Matrices
Producto de matrices
Definición
Sea A ∈ M
m×n
, B ∈ M
n×p
, entonces la matriz producto AB ∈ M
m×p
viene
dada por
AB = (a
ij
)
1 i m
1 j n
(b
jk
)
1 j n
1 k p
=
_
n

j=1
a
ij
b
jk
_
1 i m
1 k p
| Universidad de Granada | Octubre 2012 7 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Matrices
Producto de matrices
Propiedades del producto de matrices
Asociativa: (AB)C = A(BC), ∀A ∈ M
m×n
, B ∈ M
n×p
, C ∈ M
p×r
.
Existen matrices I
m
∈ M
m×m
, I
n
∈ M
n×n
tales que
I
m
A = A, AI
n
= A, ∀A ∈ M
m×n
.
Distributiva del producto respecto de la suma de matrices:
A(B + C) = AB + AC, ∀A ∈ M
m×n
, B, C ∈ M
n×p
.
No es conmutativo en general.
| Universidad de Granada | Octubre 2012 8 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Matrices
Matrices
Inversa de una matriz cuadrada
Se dice que la matriz A ∈ M
n
tiene inversa si existe otra matriz en M
n
, que
denotaremos por A
−1
, verificando
A
−1
A = I
n
y AA
−1
= I
n
.
Propiedades de la inversión de matrices
Sean A, B ∈ M
n
matrices con inversa.
La matriz A
−1
tiene inversa y ésta es A.
La matriz AB tiene inversa y (AB)
−1
= B
−1
A
−1
.
Si C ∈ M
n
y AC = I
n
, entonces C = A
−1
. De forma análoga, si CA = I
n
,
entonces C = A
−1
.
| Universidad de Granada | Octubre 2012 9 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Matrices
Matrices
Cálculo de la matriz inversa: (Método de Gauss-Jordan)
La idea general consiste en multiplicar una matriz A de orden n por un producto
finito de matrices tal que P
1
P
2
· · · P
r
A = D. Donde la matriz D es diagonal y
únicamente tiene unos y ceros en la diagonal.
Si D es la matriz identidad entonces P
1
P
2
· · · P
r
es la inversa de A
| Universidad de Granada | Octubre 2012 10 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Matrices
Cálculo de la matriz inversa: (Método de Gauss-Jordan)
El efecto que produce el producto por cada una de las matrices P
i
es alguno de
los siguientes:
Intercambiar dos filas de A (la matriz P de orden n que tiene las
coordenadas de e
j
en la fila i -ésima, y las de e
i
en la fila j -ésima y en la fila
k-ésima las coordenadas de e
k
verifica que al multiplicar PA intercambia las
filas i -ésima y j -ésima de la matriz A).
Multiplicar una fila por un escalar no nulo (basta con usar como P la
matriz que coincide con la identidad en cada fila y que en la fila i -ésima
tiene las coordenadas de te
i
, al multiplicar por A multiplica por t la fila
i -ésima de la matriz A).
Cambiar una fila por la suma de ésta con un múltiplo de otra fila. (Si P
tiene en la fila i -ésima las coordenadas de e
i
+ te
j
y en el resto de las filas
las que tenga la matriz identidad, entonces PA tiene en la fila i -ésima
f
i
+ tf
j
, donde f
i
es la fila i -ésima de A, y el resto de las filas son las de A).
Obsérvese que todas estas matrices son invertibles.
| Universidad de Granada | Octubre 2012 11 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Matrices
Matrices
Ejemplo
Consideramos matriz A =
_
0 2
1 1
_
.
Intercambiamos las dos filas, obteniendo
_
1 1
0 2
_
.
Ahora multiplicamos la segunda fila por
1
2
, obteniendo
_
1 1
0 1
_
.
Añadimos a la primera fila la segunda multiplicada por −1, con lo que
obtenemos
_
1 0
0 1
_
.
| Universidad de Granada | Octubre 2012 12 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Matrices
Matrices
Nos interesa que el procedimiento nos permita calcular fácilmente la matriz
inversa de la matriz dada.
En nuestro ejemplo, P
3
P
2
P
1
A = I
2
, donde P
1
, P
2
, P
3
son matrices
invertibles tales que al multiplicarlas por la izquierda por una matriz
producen uno de los tres tipos de cambios permitidos. Entonces tenemos
que P
3
P
2
P
1
= A
−1
, esto es, P
3
P
2
P
1
I
2
= A
−1
.
Es decir, la inversa de A se obtiene a partir de la matriz identidad,
aplicando las mismas transformaciones elementales que en cada paso hemos
de aplicar para transformar A en la matriz I
2
.
En la práctica lo que debemos hacer es anexar por la derecha la matriz
identidad del orden correspondiente a nuestra matriz y realizar los cambios
necesarios por filas para convertir A en la identidad. La matriz que queda a
la derecha será la inversa de A.
Si al aplicar cambios elementales llegamos a una matriz diagonal con algún
cero en la diagonal entonces nuestra matriz no es invertible. De hecho, el
rango de nuestra matriz coincide con el de dicha matriz diagonal.
| Universidad de Granada | Octubre 2012 13 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Aplicaciones lineales
Sección 2
| Universidad de Granada | Octubre 2012 14 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Aplicaciones lineales
Aplicación lineal
Sean X e Y espacios vectoriales sobre el mismo cuerpo K. Una aplicación
f : X −→ Y es lineal si verifica
f (αu +βv) = αf (u) +βf (v), ∀α, β ∈ K, u, v ∈ X .
Ejemplos
La aplicación f : R
2
−→R
2
dada por f (x, y) = (x, x + y) para cada vector
(x, y) ∈ R
2
es lineal.
La aplicación f : R
2
−→R
2
dada por f (x, y) = (x + 2, e
x
) para cada
vector (x, y) ∈ R
2
no es lineal.
| Universidad de Granada | Octubre 2012 15 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Aplicaciones lineales
Ejemplos
La aplicación identidad en un espacio vectorial es lineal.
En el espacio C[a, b] (funciones reales continuas en el intervalo [a,b]), la
aplicación I : C[a, b] −→R dada por I(f ) =
_
b
a
f (t) dt para cada función
f ∈ C[a, b] es lineal.
Proposición
Sean X, Y y Z espacios vectoriales sobre el mismo cuerpo K.
Si f , g : X −→ Y son aplicaciones lineales, entonces αf +βg es una
aplicación lineal de X en Y, para cualesquiera escalares α y β.
Si f : X −→ Y y g : Y −→ Z son aplicaciones lineales, entonces la
composición g ◦ f es una aplicación lineal de X en Z.
| Universidad de Granada | Octubre 2012 16 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Aplicaciones lineales
Inversa
Dados dos conjuntos X e Y y una aplicación f : X −→ Y, diremos que f tiene
inversa si existe una aplicación g : Y −→ X tal que f ◦ g = I
Y
y g ◦ f = I
X
,
donde I
X
es la aplicación identidad en X. En tal caso, la aplicación g es única,
se llama inversa de f y se suele notar g = f
−1
.
Proposición
Sean X e Y espacios vectoriales sobre el mismo cuerpo K. Si f : X −→ Y es
lineal y tiene inversa, entonces f
−1
es lineal.
| Universidad de Granada | Octubre 2012 17 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Aplicaciones lineales
Espacio de aplicaciones lineales
Sean X e Y espacios vectoriales sobre K. El conjunto L(X, Y) de las
aplicaciones lineales de X en Y es un espacio vectorial con las siguientes
operaciones:
(f +g)(x) := f (x)+g(x), (αf )(x) = αf (x), ∀f , g ∈ L(X, Y), α ∈ K, x ∈ X .
El elemento neutro de la suma es la aplicación que lleva cada vector de X en 0.
Propiedades de las aplicaciones lineales
Sean X e Y espacios vectoriales sobre K, f : X −→ Y una aplicación lineal, V
un subespacio de X y W un suespacio de Y. Se verifican:
Si D ⊂ X es lin. dependiente, entonces f (D) ⊂ Y es lin. dependiente.
f (V) es un subespacio de Y.
f
−1
(W) := {x ∈ X : f (x) ∈ W} es un subespacio de X.
| Universidad de Granada | Octubre 2012 18 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Aplicaciones lineales
Ejemplo
Consideramos la aplicación lineal f : R
2
−→R
2
dada por
f (x, y) = (x + 2y, 2x + 4y) ((x, y) ∈ R
2
) .
Esta aplicación lleva la base canónica en los vectores {(1, 2), (2, 4)} que son
linealmente dependientes, luego una aplicación lineal no tiene porqué conservar
la independencia lineal ni los sistemas de generadores.
| Universidad de Granada | Octubre 2012 19 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Aplicaciones lineales
Subespacios destacados asociados a una aplicación lineal
Sean X e Y son espacios vectoriales y f : X −→ Y lineal.
Llamamos núcleo de f al subespacio de X dado por f
−1
(0):
ker f = {x ∈ X : f (x) = 0} .
Llamamos imagen de f al subespacio vectorial dado por
Im(f ) = {f (x) : x ∈ X} .
| Universidad de Granada | Octubre 2012 20 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Aplicaciones lineales
Proposición
Si X e Y son espacios vectoriales y f : X −→ Y es lineal, entonces se verifican:
ker f = {0} ⇐⇒ f es inyectiva.
Si S es un sistema de generadores de X entonces f (S) es un sistema de
generadores de Im(f ).
Si X es de dimensión finita entonces dimIm(f ) dimX.
| Universidad de Granada | Octubre 2012 21 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Aplicaciones lineales
Ejemplo
Sea f : R
3
−→R
2
definida por f (x, y, z) = (x + y, 0).
El núcleo de f viene dado por
ker f = {(x, y, z) ∈ R
3
: f (x, y, z) = (0, 0)} = {(x, y, z) ∈ R
3
: x + y = 0}
que es un subespacio de R
3
de dimensión 2.
Es fácil comprobar que la imagen de f es el conjunto
Imf = {(x, 0) : x ∈ R} ,
que es un subespacio 1-dimensional de R
2
.
Obsérvese que
dimR
3
= dimker f + dimIm(f ).
| Universidad de Granada | Octubre 2012 22 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Aplicaciones lineales
Ejemplo
Sea f : R
3
−→R
3
la aplicación definida por
f (x, y, z) = (x, 2y, x + z) ((x, y, z) ∈ R
3
) .
El núcleo de f es ker f = {(0, 0, 0)}.
Para calcular la imagen basta usar que f ({e
1
, e
2
, e
3
}) es un sistema de
generadores de Imf y observar que f (e
1
) = (1, 0, 1), f (e
2
) = (0, 2, 0),
f (e
3
) = (0, 0, 1) son linealmente independientes. Por tanto,
Im(f ) = R
3
y también se verifica dimR
3
= dimker f + dimIm(f ).
| Universidad de Granada | Octubre 2012 23 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Aplicaciones lineales
Teorema (de la dimensión)
Sea f : X −→ Y una aplicación lineal entre dos espacios vectoriales sobre K tal
que X es finito-dimensional, entonces se verifica que
dimX = dimker f + dimImf .
Esquema de la demostración.
Supongamos que n = dimX, r = dimker f , s = dimImf .
Sea {y
1
, . . . , y
s
} una base de Imf y {x
1
, . . . , x
s
} vectores de X tales que
f (x
j
) = y
j
para 1 j s.
Consideramos ahora una base {u
1
, . . . , u
r
} del subespacio vectorial ker f .
No es difícil probar que
{u
1
, . . . , u
r
, x
1
, . . . , x
s
}
es una base de X, con lo que
dimX = n = r + s = dimker f + dimImf .
| Universidad de Granada | Octubre 2012 24 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Relación entre matrices y aplicaciones lineales
Proposición
Sean X e Y dos espacios vectoriales sobre K de dimensiones n y m,
respectivamente, y B
X
y B
Y
bases de los espacios X e Y. Para cada aplicación
lineal T : X −→ Y, existe una única matriz A de orden m ×n y coeficientes en
K tales que
T(u) = Au (u ∈ X).
De hecho, si B
X
= {x
1
, x
2
, · · · , x
n
}, B
Y
= {y
1
, · · · , y
m
}, la columna i -ésima de
A está formada por las coordenadas de T(x
i
) respecto de la base B
Y
.
Observaciones
Las columnas de A son un sistema de generadores de ImT.
rgA = dimImT.
| Universidad de Granada | Octubre 2012 25 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Relación entre matrices y aplicaciones lineales
Demostración.
Dado u ∈ X, lo escribimos en términos de la base B
X
: existen escalares
u(1), . . . , u(n) tales que u =

n
i =1
u(i )x
i
. Como T es lineal, tendremos que
T(u) =
n

i =1
u(i )T(x
i
) .
Por ser B
Y
una base de Y, podemos escribir cada elemento T(x
i
) como
combinación lineal de los elementos de B
Y
: existen escalares (a
ij
) tales que
T(x
1
) = a
11
y
1
+ a
21
y
2
+· · · + a
m1
y
m
T(x
2
) = a
12
y
1
+ a
22
y
2
+· · · + a
m2
y
m
.
.
.
T(x
n
) = a
1n
y
1
+ a
2n
y
2
+· · · + a
mn
y
m
Sustituyendo en la expresión T(u) =

n
i =1
u(i )T(x
i
) los vectores T(x
i
) por las
expresiones anteriores obtenemos
| Universidad de Granada | Octubre 2012 26 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Relación entre matrices y aplicaciones lineales
T(u) =u(1)
_
a
11
y
1
+ a
21
y
2
+· · · + a
m1
y
m
_
+
u(2)
_
a
12
y
1
+ a
22
y
2
+· · · + a
m2
y
m
_
+
.
.
.
u(n)
_
a
1n
y
1
+ a
2n
y
2
+· · · + a
mn
y
m
_
=
_
u(1)a
11
+ u(2)a
12
+· · · + u(n)a
1n
_
y
1
+
_
u(1)a
21
+ u(2)a
22
+· · · + u(n)a
2n
_
y
2
+
.
.
.
_
u(1)a
m1
+ u(2)a
m2
+· · · + u(n)a
mn
_
y
m
| Universidad de Granada | Octubre 2012 27 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Relación entre matrices y aplicaciones lineales
_
u(1)a
11
+ u(2)a
12
+· · · + u(n)a
1n
_
y
1
+
_
u(1)a
21
+ u(2)a
22
+· · · + u(n)a
2n
_
y
2
+
.
.
.
_
u(1)a
m1
+ u(2)a
m2
+· · · + u(n)a
mn
_
y
m
Por tanto, las coordenadas de T(u) respecto de la base B
Y
vienen dadas por el
producto de las matrices
_
_
_
_
_
a
11
a
12
· · · a
1n
a
21
a
22
· · · a
2n
.
.
.
.
.
.
.
.
.
a
m1
a
m2
· · · a
mn
_
_
_
_
_
_
_
_
_
_
u(1)
u(2)
.
.
.
u(n)
_
_
_
_
_
= Au

| Universidad de Granada | Octubre 2012 28 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Relación entre matrices y aplicaciones lineales
Por supuesto, la matriz depende de las bases que se fijen en ambos espacios
vectoriales.
Ejemplo
Sea T : R
3
−→R
2
dada por T(x, y, z) = (2x, x + z), ∀(x, y, z) ∈ R
3
.
La matriz asociada a T para las bases canónicas de R
3
y R
2
es
_
2 0 0
1 0 1
_
,
ya que las imágenes de e
1
, e
2
y e
3
son, respectivamente, los vectores (2, 1),
(0, 0) y (0, 1). El hecho de que la matriz asociada a T sea la anterior significa
simplemente que
T(x, y, z) =
_
2 0 0
1 0 1
_
_
_
x
y
z
_
_
= (2x, x + z), ∀(x, y, z) ∈ R
3
.
| Universidad de Granada | Octubre 2012 29 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Relación entre matrices y aplicaciones lineales
Ejemplo
Sea T : R
3
−→R
2
dada por T(x, y, z) = (2x, x + z), ∀(x, y, z) ∈ R
3
.
En R
3
consideramos la base B = {(1, 1, 0), (1, 0, 1), (0, 1, 1)}, y en R
2
consideramos la base canónica.Como se verifica que
T(1, 1, 0) = (2, 1), T(1, 0, 1) = (2, 2), T(0, 1, 1) = (0, 1) ,
la matriz asociada a T para estas bases viene dada por
_
2 2 0
1 2 1
_
.
| Universidad de Granada | Octubre 2012 30 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Relación entre matrices y aplicaciones lineales
Teorema
Sean X e Y espacios vectoriales sobre el cuerpo K de dimensiones m y n,
respectivamente. Si fijamos una base B
X
de X y otra base B
Y
de Y, entonces la
aplicación Φ : M
n×m
(K) −→ L(X, Y) dada por
φ(A)(x) = Ax ∀A ∈ M
n×m
(K), x ∈ X
es un isomorfismo lineal entre espacios vectoriales, esto es, Φ es biyectiva y
lineal.
Además, la identificación anterior lleva producto de matrices en composición de
aplicaciones, es decir, si X, Y y Z son espacios vectoriales sobre K de
dimensiones m, n y p, respectivamente, se tiene que
Φ(BA) = Φ(B) ◦ Φ(A), ∀A ∈ M
n×m
(K), B ∈ M
p×n
(K)
| Universidad de Granada | Octubre 2012 31 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Relación entre matrices y aplicaciones lineales
Es rutinario comprobar la primera parte del enunciado.
Probamos que la identificación Φ transforma el producto de matrices en
composición de aplicaciones. Dado un vector x ∈ X se verifica que
Φ(BA)(x) = (BA)x = B(Ax) = Φ(B)(Ax) =
Φ(B)(Φ(A)(x)) =
_
Φ(B) ◦ Φ(A)
_
(x).
Como x es un vector arbitrario de X hemos probado que Φ(BA) = Φ(B) ◦ Φ(A).
| Universidad de Granada | Octubre 2012 32 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Propiedades de matrices mediante operadores
Otra propiedad del producto de matrices
Se verifica que
rg (AB) min{rg (A), rg (B)}, ∀A ∈ M
m×n
, B ∈ M
n×p
.
Demostración. Llamamos S y T a las aplicaciones lineales asociadas a las
matrices A y B. Entonces sabemos que S ∈ L(K
n
, K
m
), T ∈ L(K
p
, K
n
). Tenemos
que
rg (AB) = dimIm(S ◦ T) dimImS = rg A ,
donde hemos usado que Im(S ◦ T) ⊂ ImS, luego dimIm(S ◦ T) dimImS.
Razonando de forma parecida, obtenemos
rg (AB) = dimIm(S ◦ T) dimImT = rg B ,
ya que si B es una base de ImT, entonces S(B) es un sistema de generadores de
Im(S ◦ T), luego dimIm(S ◦ T) dimImT.
| Universidad de Granada | Octubre 2012 33 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Matrices invertibles
Proposición
Una matriz A cuadrada de orden n tiene inversa si, y sólo si, rg A = n.
Demostración.
Si A tiene inversa, tenemos AA
−1
= I
n
= A
−1
A. Si llamamos S y T a las
aplicaciones lineales en R
n
asociadas a A y A
−1
tendremos S ◦ T = I
n
= T ◦ S, en
particular, S es inyectiva. Por tanto ker S = {0}, luego rg A = dimImS = n.
Recíprocamente, si rg (A) = n, entonces dimImS = n, luego dimker S = {0},
luego S es inyectivo y sobreyectivo, entonces S tiene inversa, que sabemos que es
lineal. Usando que la identificación de matrices y aplicaciones lineales transforma
productos en composición de aplicaciones, la matriz asociada a la inversa de S es
la inversa de A.
| Universidad de Granada | Octubre 2012 34 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Traza de una matriz
Definición
Dada una matriz cuadrada A de orden n, se define la traza de A, que notaremos
tr (A), como la suma de los elementos de la diagonal principal de A:
tr (A) =
n

i =1
a
ii
.
Ejemplo
Si A =
_
_
1 −1 0
2 4 −6
3 1 7
_
_
, entonces tr A = 1 + 4 + 7 = 12
| Universidad de Granada | Octubre 2012 35 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Traza de una matriz
Propiedades de la aplicación traza
La traza es una aplicación lineal de M
n
(K) en K, es decir:
tr (sA + B) = str (A) + tr (B), ∀A, B ∈ M
n
(K), s ∈ K.
Se verifica que
tr (AB) = tr (BA), ∀A ∈ M
m×n
, B ∈ M
n×m
.
Demostración.
La primera propiedad es evidente. Comprobamos la segunda: llamamos
C = AB, D = BA, entonces
tr (C) =
m

i =1
c
ii
=
m

i =1
n

k=1
a
ik
b
ki
=
n

k=1
m

i =1
b
ki
a
ik
= tr (D)
| Universidad de Granada | Octubre 2012 36 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Aplicaciones lineales
Traza de una matriz
Sean A, B ∈ M. En general se tiene que
tr (AB) = tr (A)tr (B) .
Por ejemplo, si A = B = I
n
, entonces AB = I
n
, con lo que, si n > 1
tr (AB) = n = n
2
= tr (A)tr (B) .
| Universidad de Granada | Octubre 2012 37 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Determinantes
Sección 3
| Universidad de Granada | Octubre 2012 38 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Permutaciones
Definición
Una permutación del conjunto {1, 2, . . . , n} es una aplicación biyectiva
σ : {1, 2, . . . , n} −→ {1, 2, . . . , n}. Una trasposición en {1, 2, . . . , n} es una
aplicación σ : {1, 2, . . . , n} −→ {1, 2, . . . , n} tales que existen i , j ∈ {1, 2, . . . , n}
de forma que
σ(i ) = j , σ(j ) = i , σ(k) = k, ∀k ∈ {1, 2, . . . , n}\{i , j } .
Notaremos por Π
n
al conjunto de todas las permutaciones de {1, 2, . . . , n}.
Se verifica que toda permutación se puede expresar como composición de
trasposiciones.
Si σ ∈ Π
n
, notaremos por s
σ
al número de trasposiciones necesarias para expresar
σ como composición de trasposiciones (para alguna descomposición). s
σ
coincide
con el número de trasposiciones necesarias para que al componer con σ se
obtenga la identidad.
| Universidad de Granada | Octubre 2012 39 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Permutaciones
Ejemplo
Sea n = 3 y σ = {3, 2, 1}. Es decir, σ(1) = 3, σ(2) = 2, σ(3) = 1. Entonces σ es
una trasposición y tenemos s
σ
= 1.
| Universidad de Granada | Octubre 2012 40 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Determinante de una matriz
Definición
Dada una matriz cuadrada A de orden n se define el determinante de A, que
notaremos det(A) ó |A|, como
det(A) =

σ∈Π
n
(−1)
s
σ
a
1σ(1)
a
2σ(2)
· · · a
nσ(n)
.
Cálculo del determinante
Supongamos que n = 2, entonces hay dos permutaciones del conjunto {1, 2},
que son I = {1, 2} y τ = {2, 1}. Como la segunda es una trasposición tenemos
s
I
= 0, s
τ
= 1, por lo que si A =
_
a
11
a
12
a
21
a
22
_
, tenemos
det(A) = (−1)
s
I
a
11
a
22
+ (−1)
s
τ
a
12
a
21
= a
11
a
22
−a
12
a
21
| Universidad de Granada | Octubre 2012 41 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Determinante
Cálculo del determinante
Si n = 3, entonces hay seis permutaciones del conjunto {1, 2, 3}:
I = {1, 2, 3} s
I
= 0
σ
2
= {2, 1, 3} s
σ
2
= 1
σ
3
= {2, 3, 1} s
σ
3
= 2
σ
4
= {3, 2, 1} s
σ
4
= 1
σ
5
= {3, 1, 2} s
σ
5
= 2
σ
6
= {1, 3, 2} s
σ
6
= 1
Por tanto, si A ∈ M
3
, obtenemos
det(A) =a
11
a
22
a
33
−a
12
a
21
a
33
+ a
12
a
23
a
31
−a
13
a
22
a
31
+ a
13
a
21
a
32
−a
11
a
23
a
32
| Universidad de Granada | Octubre 2012 42 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Determinante
Cálculo del determinante
Reescribiendo la expresión anterior obtenemos
det(A) = a
11
det
_
a
22
a
23
a
32
a
33
_
−a
12
det
_
a
21
a
23
a
31
a
33
_
+ a
13
_
a
21
a
22
a
31
a
32
_
que es el desarrollo del determinante usando la primera fila de la matriz. De
forma análoga, se puede desarrollar por cada fila y por cada columna.
| Universidad de Granada | Octubre 2012 43 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Determinante
Propiedades del determinante
Sean A, B, C ∈ M
n
y s ∈ R. Se verifica que:
Si todas las filas de A, B y C coinciden, salvo la j -ésima, y éstas verifican
que la fila j -ésima de C es la suma de las filas j -ésimas de A y B, entonces
det(C) = det(A) + det(B) .
Si se multiplica una fila de A por s, entonces el valor del determinante
también se multiplica por s.
det(sA) = s
n
det(A).
Si alguna de las filas de A es nula, entonces det(A) = 0.
Si en una matriz se intercambian dos filas, el determinante de la nueva
matriz cambia de signo.
Si dos filas son proporcionales en una matriz, entonces su determinante es
cero.
| Universidad de Granada | Octubre 2012 44 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Determinante
Propiedades del determinante
Sean A, B, C ∈ M
n
y s ∈ R. Se verifica que:
Si en una matriz se cambia una fila por la suma de ésta con una
combinación lineal de las restantes, el determinante no cambia.
det(AB) = det(A) det(B), como consecuencia det
_
A
−1
_
=
1
det(A)
si A tiene
inversa.
Todas la propiedades enunciadas por filas son válidas también por
columnas.
| Universidad de Granada | Octubre 2012 45 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Determinante y rango de una matriz
Proposición
Si A ∈ M
n
, se tiene que rg (A) < n si, y sólo si, det(A) = 0.
Demostración.
Si rg (A) < n, entonces los n vectores que aparecen en las columnas de A son
linealmente dependientes. Por las propiedades del determinante, se tiene
det(A) = 0.
Supongamos ahora que rg (A) = n. Usando la identificación de matrices y
operadores y el Teorema de la dimensión, se obtiene que A es invertible. Por tanto
AA
−1
= I
n
. Tomando determinantes en esta igualdad obtenemos que
1 = det(I
n
) = det(A) det
_
A
−1
_
,
luego det(A) = 0.
| Universidad de Granada | Octubre 2012 46 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Determinante y rango de una matriz
Proposición
Sea A ∈ M
m×n
. Si rg (A) = r , entonces A tiene r vectores fila linealmente
independientes y éste es el número máximo de vectores fila que verifican esa
condición.
Demostración.
Si A tiene rango r , sabemos que tiene r columnas linealmente independientes y
éste es el número máximo de columnas que verifica esa condición. Sea s el
máximo número de filas de A linealmente independientes. Probaremos que s = r .
Podemos suponer que las s primeras filas son linealmente independientes. Así,
pues, para el resto de las filas, es decir, si i = s + 1, · · · , m existen escalares {t
ij
}
tales que
a
ij
= t
i 1
a
1j
+· · · + t
is
a
sj
, ∀j ∈ {1, . . . , m} .
| Universidad de Granada | Octubre 2012 47 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Determinante y rango de una matriz
a
ij
= t
i 1
a
1j
+· · · + t
is
a
sj
, ∀j ∈ {1, . . . , m} , i = s + 1, . . . , m .
Por esto, la columna j -ésima de A (1 j n) tendrá la forma
_
_
_
_
_
_
_
_
_
_
_
_
a
1j
a
2j
.
.
.
a
sj

s
k=1
t
s+1k
a
kj
.
.
.

s
k=1
t
mk
a
kj
_
_
_
_
_
_
_
_
_
_
_
_
luego la podemos escribir como la siguiente combinación lineal:
| Universidad de Granada | Octubre 2012 48 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Determinante y rango de una matriz
a
1j
_
_
_
_
_
_
_
_
_
_
_
_
1
0
.
.
.
0
t
s+11
.
.
.
t
m1
_
_
_
_
_
_
_
_
_
_
_
_
+ a
2j
_
_
_
_
_
_
_
_
_
_
_
_
0
1
.
.
.
0
t
s+12
.
.
.
t
m2
_
_
_
_
_
_
_
_
_
_
_
_
+· · · + a
sj
_
_
_
_
_
_
_
_
_
_
_
_
0
0
.
.
.
1
t
s+1s
.
.
.
t
ms
_
_
_
_
_
_
_
_
_
_
_
_
Si llamamos w
1
, w
2
, · · · , w
s
a las matrices columna que aparecen antes, hemos
comprobado que el subespacio vectorial generado por {w
1
, · · · , w
s
} genera todas
las columnas de A, luego rg (A) = r s.
Cambiando el papel de filas y columnas de la matriz, se comprueba que s r .
| Universidad de Granada | Octubre 2012 49 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Determinante y rango de una matriz
Definición
Si A ∈ M
m×n
, una submatriz de A es una matriz que se obtiene a partir de A
suprimiendo filas o columnas.
Proposición
Dada A ∈ M
m×n
se tiene r = rg (A), si y sólo si, existe una submatriz cuadrada
A
r
de A de orden r tal que det A
r
= 0 y r es el mayor natural que verifica esa
condición.
| Universidad de Granada | Octubre 2012 50 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Demostración.
Si rg (A) = r hay r columnas de A que son linealmente independientes.
Suponemos que son las r primeras.Esto es, las columnas de la submatriz B son
linealmente independientes
B =
_
_
_
_
_
a
11
a
12
· · · a
1r
a
21
a
22
· · · a
2r
.
.
.
.
.
.
.
.
.
a
m1
a
m2
· · · a
mr
_
_
_
_
_
Por el resultado que hemos probado antes, B tiene también r filas linealmente
independientes; de nuevo podemos suponer que son las r primeras, con lo que la
matriz cuadrada C tiene rango r , siendo
C =
_
_
_
_
_
a
11
a
12
· · · a
1r
a
21
a
22
· · · a
2r
.
.
.
.
.
.
.
.
.
a
r1
a
r2
· · · a
rr
_
_
_
_
_
.
| Universidad de Granada | Octubre 2012 51 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Determinante y rango de una matriz
Por el resultado ya probado para matrices cuadradas, si C tiene rango máximo,
entonces det C = 0 y como C es una submatriz de A, basta tomar A
r
= C.
Como r es el número máximo de columnas lin. independientes, y para matrices
cuadradas hay equivalencia entre tener rango máximo y determinante no nulo,
entonces todas las submatrices cuadradas de A de orden mayor que r tienen
determinante nulo.
Para probar la otra implicación, basta usar que la hipótesis implica que la
submatriz A
r
tiene rango r , luego las r columnas de A
r
son lin. independientes.
Por ser A
r
una submatriz de A, hay (al menos) r columnas de A linealmente
independientes, luego rg (A) r .
Si ocurriese rg (A) > r , entonces, por lo probado en la primera parte, habría una
submatriz de A cuadrada e invertible de orden mayor que r , imposible por la
definición de r .
| Universidad de Granada | Octubre 2012 52 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Determinante y rango de una matriz
Ejemplo
La matriz A dada por
A =
_
_
2 1 1 3
3 4 −1 2
1 1 0 1
_
_
tiene rango 2 ya que det A
2
= det
_
2 1
3 4
_
= 8 −3 = 5 = 0 y las 4
submatrices de A de orden 3 no son invertibles, ya que son las siguientes
_
_
2 1 1
3 4 −1
1 1 0
_
_
,
_
_
2 1 3
3 4 2
1 1 1
_
_
,
_
_
2 1 3
3 −1 2
1 0 1
_
_
,
_
_
1 1 3
4 −1 2
1 0 1
_
_
y todas tienen determinante cero.
| Universidad de Granada | Octubre 2012 53 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Tipos de matrices
Definición
Sea A ∈ M
n
(K)
La matriz A es triangular superior si todos los elementos situados debajo de
la diagonal principal son nulos, es decir, si
a
ij
= 0, ∀i > j .
La matriz A es triangular inferior si todos los elementos situados encima de
la diagonal principal son nulos, es decir, si
a
ij
= 0, ∀i < j .
Si B ∈ M
n
(K), diremos que B es la matriz traspuesta de A si las filas de B
son las columnas de A, es decir, si
b
ij
= a
ji
, ∀i , j .
Notaremos por A
t
a la matriz traspuesta de A.
| Universidad de Granada | Octubre 2012 54 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Tipos de matrices
Definición
Sea A ∈ M
n
(K)
A es simétrica si A
t
= A, esto es, si
a
ij
= a
ji
, ∀i , j .
A es antisimétrica si A
t
= −A, esto es, si
a
ij
= −a
ji
, ∀i , j .
A es hermitiana si A = A
t
, donde A es la matriz conjugada de A, esto es, si
a
ij
= a
ji
, ∀i , j .
En caso de que K = R hermitiana significa simplemente simétrica.
| Universidad de Granada | Octubre 2012 55 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Tipos de matrices
Definición
Sea A ∈ M
n
(K)
A es semipositiva si se verifica a
ij
0, ∀i , j .
A es positiva si se verifica
a
ij
0, ∀i , j y existen i
0
, j
0
: a
i
0
j
0
> 0 .
A es estrictamente positiva si
a
ij
> 0, ∀i , j .
A es estocástica si es semipositiva y la suma de cada una de las filas es
uno, esto es, si
a
ij
0, ∀i , j ,
n

j=1
a
ij
= 1, ∀i .
| Universidad de Granada | Octubre 2012 56 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Tipos de matrices
Definición
Sea A ∈ M
n
(K)
Una matriz estocástica A es doblemente estocástica si la suma de los
elementos de cada una de sus columnas es uno, esto es, si
n

i =1
a
ij
= 1, ∀j .
A es ortogonal si AA
t
= I
n
.
Esto ocurre cuando las filas son ortogonales dos a dos y tienen norma
euclídea 1. Las matrices ortogonales en R
n
corresponden a las aplicaciones
lineales que son isometrías en R
n
.
A es idempotente si
A
2
= A.
Las matrices idempotentes corresponden a las proyecciones.
| Universidad de Granada | Octubre 2012 57 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Tipos de matrices
Propiedades de las matrices triangulares superiores
El conjunto de las matrices cuadradas de orden n que son triangulares
superiores es un subespacio vectorial del espacio M
n
(K) que es estable por
productos e inversas.
Si A ∈ M
n
(K) es triangular superior, entonces rg (A) es mayor o igual que
el número de elementos no nulos de la diagonal principal.
Si A ∈ M
n
(K) es triangular superior, entonces det(A) =

n
i =1
a
ii
Demostración. Es inmediato comprobar que el conjunto de las matrices
cuadradas de orden n que son triangulares superiores es un subespacio vectorial.
Si A, B ∈ M
n
(K) son triangulares superiores e i > j , entonces
1 k n ⇒ i > k o k i > j ⇒ a
ik
= 0 o b
kj
= 0.
Por tanto, si C = AB, entonces c
ij
=

n
k=1
a
ik
b
kj
= 0 para i > j , luego AB es
triangular superior.
| Universidad de Granada | Octubre 2012 58 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Tipos de matrices
Propiedades de las matrices triangulares superiores
Demostración.
Para comprobar la estabilidad por inversas basta observar que aplicando el
método de Gauss-Jordan se obtiene una matriz triangular superior.
Para matrices triangulares superiores, las r columnas cuyos elementos de la
diagonal son no nulos son linealmente independientes, luego el rango es
mayor o igual que el número de elementos de la diagonal principal no nulos.
Para ver que det(A) =

n
i =1
a
ii
basta desarrollar el determinante usando la
última columna de la matriz y usar inducción sobre el orden de la matriz, ya
que suprimiendo en una matriz triangular superior la última fila y la última
columna se obtiene otra matriz del mismo tipo y de orden uno menos que
la original.
| Universidad de Granada | Octubre 2012 59 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Tipos de matrices
Observación
Las propiedades anteriores son válidas para matrices triangulares inferiores.
Ejemplo
La matriz A =
_
_
_
_
1 0 0 0
0 0 1 0
0 0 0 0
0 0 0 1
_
_
_
_
tiene rango 3 y sólo dos elementos en la
diagonal no nulos.
| Universidad de Granada | Octubre 2012 60 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Tipos de matrices
Proposición
Sea A ∈ M
n
tal que det A
i
= 0 para 1 i n −1, donde
A
i
=
_
_
_
_
_
a
11
· · · a
1i
a
21
· · · a
2i
.
.
.
.
.
.
a
i 1
· · · a
ii
_
_
_
_
_
. Entonces A se puede expresar de la forma A = LU
donde L, U ∈ M
n
, L es triangular inferior y los elementos de su diagonal son 1 y
U es triangular superior.
Idea de la demostración
Hay que aplicar el método de Gauss-Jordan (por filas) para transformar A en una
matriz triangular superior que llamamos U. Obsérvese que no es necesario
intercambiar filas en el proceso gracias a que det A
i
= 0 para 1 i n −1.
Por tanto, existen matrices invertibles P
1
, P
2
, . . . , P
r
con la diagonal formada por
unos de modo que P
r
· · · P
2
P
1
A = U. Basta tomar L = (P
r
· · · P
2
P
1
)
−1
para
obtener la descomposición buscada.
| Universidad de Granada | Octubre 2012 61 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Tipos de matrices
Observación
En la práctica, la forma de proceder en la demostración anterior no proporciona
un método cómodo para calcular la descomposición LU.
Ejemplo
Descomponer la matriz A =
_
_
1 2 0
−1 3 1
0 5 1
_
_
en producto LU.
Las matrices L y U han de tener la siguiente forma
L =
_
_
1 0 0
l
21
1 0
l
31
l
32
1
_
_
, U =
_
_
u
11
u
12
u
13
0 u
22
u
23
0 0 u
33
_
_
.
Lo más cómodo es imponer que A = LU y resolver el sistema que aparece.
| Universidad de Granada | Octubre 2012 62 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Tipos de matrices
Ejemplo
_
_
1 0 0
l
21
1 0
l
31
l
32
1
_
_
_
_
u
11
u
12
u
13
0 u
22
u
23
0 0 u
33
_
_
=
_
_
1 2 0
−1 3 1
0 5 1
_
_
Obsérvese que la primera fila de U coincide con la primera fila de A y que
operando e igualando los elementos se puede averiguar la primera columna de L,
la segunda fila de U, la segunda columna de L, etc.
En este caso, obtenemos
L =
_
_
1 0 0
−1 1 0
0 1 1
_
_
y U =
_
_
1 2 0
0 5 1
0 0 0
_
_
| Universidad de Granada | Octubre 2012 63 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Tipos de matrices
Propiedades de la trasposición de matrices
Sean A ∈ M
m×n
, C ∈ M
n×p
. Se verifica que
La trasposición de matrices es una aplicación lineal.
(AC)
t
= C
t
A
t
.
(A
t
)
t
= A.
rg (A
t
) = rg (A).
Si A ∈ M
n
, entonces tr (A
t
) = tr (A) y det A = det A
t
.
Si A ∈ M
n
y det A = 0, entonces (A
t
)
−1
= (A
−1
)
t
.
Si A ∈ M
n
, entonces rg (A) = rg (A
t
A) = rg (AA
t
).
| Universidad de Granada | Octubre 2012 64 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Tipos de matrices
Propiedades de las matrices simétricas
El conjunto de las matrices simétricas de orden n es un espacio vectorial.
Si A, B ∈ M
n
son matrices simétricas y AB = BA, entonces AB es
simétrica.
Si A es invertible y simétrica, entonces A
−1
también es simétrica.
Si C ∈ M
m×n
, entonces C
t
C es simétrica.
| Universidad de Granada | Octubre 2012 65 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Tipos de matrices
Propiedades de las matrices antisimétricas
El conjunto de las matrices antisimétricas de orden n es un espacio
vectorial.
Si A, B ∈ M
n
son matrices antisimétricas y AB = BA, entonces AB es
simétrica.
Si A es inversible y antisimétrica, entonces A
−1
también es antisimétrica.
Si A ∈ M
n
es una matriz antisimétrica, entonces det A = (−1)
n
det(A), por
tanto, si n es impar, entonces det(A) = 0.
Si A ∈ M
n
es una matriz antisimétrica, entonces rg A es par.
| Universidad de Granada | Octubre 2012 66 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Tipos de matrices
Propiedades de las matrices hermitianas
El conjunto de las matrices hermitianas de orden n es un espacio vectorial
real.
Si A, B ∈ M
n
son matrices hermitianas y AB = BA, entonces AB es
hermitiana.
Si A es hermitiana, entonces A
t
y A son también hermitianas.
Si A ∈ M
n
es una matriz hermitiana e invertible, entonces A
−1
es también
hermitiana.
Si A ∈ M
n
es una matriz hermitiana, entonces det A ∈ R.
| Universidad de Granada | Octubre 2012 67 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Tipos de matrices
Propiedades de las matrices estocásticas
Si A ∈ M
m×n
, B ∈ M
n×p
son matrices estocásticas, entonces AB es
estocástica.
Si A ∈ M
n
es una matriz estocástica, entonces A
k
también es estocástica,
para todo natural k.
Si A ∈ M
m×n
es una matriz doblemente estocástica, entonces A
t
también
es lo es.
| Universidad de Granada | Octubre 2012 68 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Tipos de matrices
Propiedades de las matrices ortogonales
Sean A, B ∈ M
n
matrices ortogonales, entonces
AB es ortogonal.
det(A) = 1 ó det(A) = −1.
rg (A) = n.
A
−1
es ortogonal.
| Universidad de Granada | Octubre 2012 69 / 70
Tema 2. Matrices y aplicaciones lineales. Determinantes. | Determinantes
Tipos de matrices
Propiedades de las matrices idempotentes
Sean A, B ∈ M
n
matrices idempotentes.
Si AB = BA entonces AB es idempotente.
Si C = C
t
C entonces C es simétrica e idempotente.
det(A) ∈ {0, 1}.
Si det(A) = 1 entonces A = I
n
.
I
n
−A es idempotente.
| Universidad de Granada | Octubre 2012 70 / 70