Professional Documents
Culture Documents
Los elementos de las matrices que aparecen en este curso son números o funciones. Los
designaremos con el apelativo común de escalares.
Si una matriz tiene m filas y n columnas, se dice que su tamaño es m por n (se escribe
m × n). Una matriz n × n se llama matriz cuadrada de orden n.
El término aij representa el elemento de la i-ésima fila y la j-ésima columna de una matriz
A de tamaño m × n; con ello, una matriz A, m × n, se escribe en la forma A = (aij ) m × n, o
simplemente A = (aij ). Una matriz A, 1 × 1, es sólo un escalar (un número o una función).
193
194 Introducción a las Matrices
Definición A.3 (Matriz columna) Una matriz columna X es cualquier matriz con n filas
y una columna:
x11
x21
X = .. = (xi1 ) n × 1
.
xn1
Una matriz columna se llama también vector columna o simplemente vector.
Es de notar que para toda matriz A, el producto kA es igual al producto Ak, por ejemplo,
µ ¶ µ −3t ¶ µ ¶
−3t 2 2e 2
e = −3t = e−3t
5 5e 5
Definición A.6 (Multiplicación de matrices) Sea A una matriz con m filas y n colum-
nas, y B otra con n filas y p columnas. El producto AB se define como la siguiente matriz
n
X
m × p cuyo elemento en la posición (i, j) es aik bkj . Es decir,
k=1
a11 a12 . . . a1n b11 b12 . . . b1p
a21 a22 . . . a2n b21 b22 . . . b2p
AB = .. .. .. .. =
. . . .
am1 am2 . . . amn bn1 bn2 . . . bnp
a11 b11 + a12 b21 + . . . + a1n b1n . . . a11 b1p + a12 b2p + . . . + a1n bnp
= a21 b11 + a22 b21 + . . . + a2n bn1 . . . a21 b1p + a22 b2p + . . . + a2n bnp
am1 b11 + am2 b21 + . . . + amn bn1 . . . am1 b1p + am2 b2p + . . . + amn bnp
à n !
X
= aik bkj (m × p)
k=1
196 Introducción a las Matrices
Se debe observar también que los elementos de la i-ésima fila de la matriz producto AB
se forman aplicando la definición del producto escalar de la i-ésima fila de A por cada una
de las columnas de B. En efecto, recordemos que dado dos vectores de n componentes:
a = (a1 , a2 , . . . , an ) y b = (b1 , b2 , . . . , bn ), el producto escalar de a por b se define como
a · b = a1 b1 + a2 b2 + · · · + an bn .
Ası́, el elemento de la posición (i, j) de AB es ai · bj , siendo ai la i-ésima fila de A y bj la
j-ésima columna de B.
Nos interesa mucho el producto de una matriz cuadrada por un vector columna.
2 −1 3 −3 2 · (−3) + (−1) · 6 + 3 · 4 0
a) 0 4 5 6 = 0 · (−3) + 4 · 6 + 5 · 4 = 44
1 −7 9 4 1 · (−3) + (−7) · 6 + 9 · 4 −9
µ ¶µ ¶ µ ¶
−4 2 x −4x + 2y
b) =
3 8 y 3x + 8y
AIn = In A = A
La matriz Cero. Una matriz,m × n, formada cuyos elementos son todos el número cero
se llama matriz cero y se representa con 0m×n ; por ejemplo,
µ ¶ µ ¶ 0 0
0 0 0
02×1 = , 02×2 = , 03×2 = 0 0
0 0 0
0 0
y ası́ sucesivamente. Cuando el tamaño de la matriz cero se puede deducir por el contexto,
o cuando se ha dado explı́ictamente con anterioridad, se suele prescrindir del subı́ndice que
indica el tamaño y se ecribe simplemente 0. Por ejemplo, si A y 0 son matrices de m × n,
entonces
A+0=0+A=A
A(BC) = (AB)C
es una matriz de m×n. El paréntesis indica la prioridad en la operación. Ası́, A(BC) significa
que multiplicamos primero B y C y entonces hacemos el producto de A por el resultado
obtenido al multiplicar B y C. Nótese que la asociatividad indica que independeinetmente
de la prioridad en las operaciones, el resultado es el mismo.
198 Introducción a las Matrices
Determinante de una matriz. Con toda matriz cuadrada A, hay un número asociado
llamado determinante de la matriz que se representa mediante det A. La fórmula general
para calcular el determinate de la matriz cuadrada A de orden n es
X
a1σ(1) a2σ(2) · · · anσ(n
σ
donde el sumatorio está extendido a las n! permutaciones σ de los números (1, 2, . . . , n). Ası́,
si n = 3, las 3! = 6 permutaciones posibles de (1, 2, 3) son: (1, 2, 3), (1, 3, 2), (2, 1, 3), (2, 3, 1),
(3, 1, 2) y (3, 2, 1). Por lo tanto, si A es 3 × 3 entonces
det A = a11 a22 a23 + a11 a23 a32 + a12 a21 a33 + a12 a23 a31 + a13 a21 a32 + a13 a22 a31 .
Por lo general para matrices cuadradas de tamaño grande el cálculo del determinante
es una labor costosa cuando se hace a mano y el uso de ordenadores es aconsejable. Los
métodos ideados para el cálculo de determinantes mediante ordenadores (métodos numéricos)
no se basan en la definición, sino en ciertas propiedades de las matrices. En este curso sólo
habrá que calcular determinantes de matrices de tamaño 3 a lo más. Para ello la fórmula
de más arriba es suficiente. No obstante, hay una fórmula que permite reducir el cálculo del
determinante de una matriz n × n a la suma de n determinantes de matrices de tamaño
(n − 1) × (n − 1). Es la fórmula conocida como desarrollo del determinante por los elementos
de una fila y que se debe, aunque con una formulación mucho más general, a Laplace:
det A = ai1 Ai1 + ai2 Ai2 + · · · + ain Ain
en donde Aij = (−1)i+j det Ãij y Ãij es la matriz que se obtiene de A al quitar la i-ésima fila
y la j-esima columna.
El cálculo del rango de una matriz es una tarea muy costosa cuando se quiere utilizar esta
definición. De hecho, casi nunca se utiliza. Veremos que mediante operaciones elementales
por filas se obtiene el rango de una matriz de una manera mucho más sencilla. Hay que
decir, no obstante, que para matrices muy grandes el cálculo del rango de una matriz es un
problema muy complicado, en general.
3 6 2 3 2 −1
a) La transpuesta de A = 6 5 2 es AT = 6 5 2 .
2 1 4 2 1 4
5
b) Si X = 0 , entonces X T = (5 0 3).
3
Definición A.9 (Inversa de una matriz) Sea A una matriz n × n. Si existe una matriz
B n × n tal que
AB = BA = In ,
en donde In es la matriz identidad, entonces B es la inversa de A y se representa con
B = A−1 .
El siguiente teorema especifica una condición necesaria y suficiente para que una matriz
cuadrada de números reales o complejos tenga inversa.
Teorema A.11 (La no singularidad implica que A tiene una inversa) Una matriz de
números reales o complejos A n × n tiene inversa A−1 si y sólo si A es no singular.
El teorema que sigue describe un método para hallar la inversa de una matriz no singular.
Teorema A.12 (Fórmula de la inversa de una matriz) Sea A una matriz no singular
n × n, y sea, como más arriba, Aij = (−1)i+j Mij , donde Mij es el determinante de la matriz
de (n − 1) × (n − 1) obtenido al eliminar la i-ésima fila y la j-ésima columna de A. Entonces
1
A−1 = (Aij )T (A.1)
det A
Cada Aij en el Teorema A.12 es tan sólo el cofactor (o menor con signo) del elemento
aij correspondiente a A. Obsérvese que en la fórmula (A.1) se utilizan las transpuesta.
µ ¶
1 4
Vamos a calcular la inversa de A =
2 10
Dado que la fórmula (A.1) para hallar la inversa de una matriz se basa en el cálculo
de determinantes, para hallar la inversa de matrices no singulares de tamaños grandes no
se emplea, en la práctica este método. Hay otros métodos mucho más eficaces, desde el
punto de vista del cálculo, que tienen que ver con la factorización de matrices yq eu pueden
202 Introducción a las Matrices
encontrarse en cualquier libro de Algebra Lineal Numérica. No los discutiremos aquı́ porque
el tamaño de nuestras matrices no será, en la práctica, nunca mayor que 3.
Como nuestra meta es utilizar las matrices para la resolución de sistemas de ecuaciones
diferenciales lineales de primer orden, necesitaremos otras definiciones adicionales:
Definición A.13 (Derivada de una matriz de funciones) Si A(t) = (aij (t)) es una
matriz m × n cuyos elementos son funciones diferenciables en un intervalo común, enton-
ces se define la derivada de A(t) como la matriz cuyos elementos son las derivadas de los
elementos de A(t). Es decir:
µ ¶
dA daij
(t) = (t) (m × n).
dt dt
Definición A.14 (Integral de una matriz de funciones) Si A(t) = (aij (t)) es una ma-
triz m × n cuyos elementos son funciones continuas en un intervalo que contiene a t y a t0 ,
entonces la integral de A(t) es una matriz cuyos elementos son las integrales de los elementos
de A(t). Es decir:
Z t µZ t ¶
A(s)ds = aij (s)ds (m × n)
t0 t0
En otras palabras, para derivar o integrar una matriz de funciones, tan sólo hay que
derivar o integrar cada uno de sus elementos. La derivada de una matriz también se representa
con A0(t).
Si
sen 2t
X(t) = e3t
8t − 1
entonces
d
dt
(sen 2t) 2 cos 2t
X 0 (t) = d
dt
(e3t ) = 3e3t .
d
dt
(8t − 1) 8
Y Rt 1
Z t 0R
sen 2sds − 2 cos 2t + 1
2
t 3s 1 3t .
X(x)ds = e ds = e − 13
Rt 0 3
0
(8s − 1)ds 4t2 − t
0
A.2 Eliminación de Gauss-Jordan 203
Las matrices son una ayuda insustituible para resolver sistemas algebraicos de ecuaciones
lineales. Recordemos que éstos son de la forma:
Si A representa la matriz de los coeficientes en (A.2), sabemos que se puede usar la regla
de Cramer para resolver el sistema, siempre que m = n y det A 6= 0. Sin embargo, seguir
esta regla es prácticamente imposible si el tamaño de A es mayor que 3. El procedimiento
que describiremos tiene la ventaja de ser no sólo un método eficiente para manejar sistemas
grandes, sino también un método para saber si el sistema (A.2) es consistente (es decir,
admite alguna solución), y, en su caso, hallar todas las soluciones.
Definición A.15 (Matriz aumentada) La matriz aumentada del sistema (A.2) es la ma-
triz de m × (n + 1)
a11 a12 . . . a1n b1
a21 a22 . . . a2n b2
.. ..
. .
an1 an2 . . . ann bn
b1
b2
Si B = .. , la matriz aumentada de (A.2) se expresa como (A/B).
.
bm
iii) Suma de un múltiplo constante, distinto de cero, de una fila a cualquier otra fila.
Métodos de eliminación.
Uno de los métodos que más utlizamos para resolver sistemas es el llamado método de
eliminación (también es famoso el método de sustitución que a veces es útil para sistemas
pequeños).
ii) En las filas consecutivas distintas de cero, el primer elemento 1 en la fila inferior aparece
a la derecha del primer 1 en la fila superior.
iii) Las filas formadas únicamente por ceros están en la parte inferior de la matriz.
iv) Una columna que contiene un primer elemento 1 tiene ceros en todos los demás lugares.
Es decir, la forma de una matriz en forma reducida de escalera por filas serı́a como sigue:
0 ··· 0 1 ∗ ··· ∗ 0 ∗ ··· ∗ 0 ∗ ··· ∗ 0 ∗ ··· ∗
0 ··· 0 0 0 ··· 0 1 ∗ ··· ∗ 0 ∗ ··· ∗ 0 ∗ ··· ∗
0 ··· 0 0 0 ··· 0 0 0 ··· 0 1 ∗ ··· ∗ 0 ∗ ··· ∗
. .. .. .. .. ..
.
. . . . . .
0 ··· 0 0 0 ··· 0 0 0 ··· 0 0 0 ··· 0 1 ∗ ··· ∗
0 ··· 0 0 0 ··· 0 0 0 ··· 0 0 0 ··· 0 0 0 ··· 0
. .. .. .. .. ..
.. . . . . .
0 ··· 0 0 0 ··· 0 0 0 ··· 0 0 0 ··· 0 0 0 ··· 0
donde los elementos indicados con ∗ pueden ser cero o distintos de cero. El número de filas
que son distintas de cero es, precisamente, el rango de la matriz.
En la eliminación de Gauss-Jordan nos detenemos una vez obtenida una matriz aumen-
tada en su forma de escalera reducida por filas. Cualesquiera que sean las operaciones que
realicemos para llegar a la forma de escalera reducida produce siempre la misma forma
reducida. Una vez obtenida esta matriz la solución del sistema se obtiene de forma muy sen-
cilla. Los 1’s significativos nos aislan unas cuantas incógnitas (tantas como filas distintas de
cero haya en la forma reducida) que pueden despejarse en función de las demás. Enseguida
veremos un ejemplo. Para facilitar el trabajo introducimos la siguiente notaciuón: :
Sı́mbolo Significado
Rij Intercambio de las filas i y j
cRi Multiplicaión de la i-ésima fila por la constante c, distinta de cero
cRi + Rj Multiplicaión de la i-ésima fila por c y suma del resultado a la j-ésima fila
Resolvamos el sistema
2x1 + 6x2 + x3 = 7
x1 + 2x2 − x3 = −1
5x1 + 7x2 − 4x3 = 9
eliminación de Gauss-Jordan.
SOLUCIÓN
Efectuamos operaciones elementales por filas en la matriz aumentada del sistema para
obtener
−2R1 + R2
2 6 1 7 1 2 −1 −1 −5R1 + R3 1 2 −1 −1
R12
1 2 −1 −1 −→ 2 6 1 7 −→ 0 2 3 9
5 7 −4 9 5 7 −4 9 0 −3 1 14
1
R
1 2 −1 −1 1 2 −1 −1 2
R
1 2 −1 −1
2 2 9 3R2 +R3 9 11 3
−→ 0 1 3
2 2
−→ 0 1 32 2
−→ 0 1 23 9
2
11 55
0 −3 1 14 0 0 2 2
0 0 1 5
206 Introducción a las Matrices
4R3 + R1
1 0 −4 −10 − 3
R + R 1 0 0 10
−2R2 +R1
0 1 3 9 2 3 2
0 1 0 −3
−→ 2 2
−→
0 0 1 5 0 0 1 5
Esta matriz ya se encuentra en su forma reducida de escalera por filas. El sistema corres-
pondiente es
x1 = 10
x2 = −3 ,
x3 = 5
de forma que la solcuión del sistema es x1 = 10, x2 = −3 y x3 = 5.
Resuélvase
x + 3y − 2z = −7
4x + y + 3z = 5
2x − 5y + 7z = 19
SOLUCIÓN
−4R1 + R2
1 3 −2 −7 −2R1 + R3 1 3 −2 −7
4 1 3 5 −→ 0 −11 11 33
2 −5 7 19 0 −11 11 33
1
− 11 R2 −3R2 + R1
1
− 11 R3 1 3 −2 −7 −R2 + R3 1 0 1 2
−→ 0 1 −1 −3 −→ 0 1 −1 −3 .
0 1 −1 −3 0 0 0 0
Esta es la forma reducida. El sistema correspondiente es
x+z =2
y − z = −3
Por lo tanto el sistema dado de tres ecuaciones y tres incógnitas equivale a otro de dos
ecuaciones y tres incógnitas. La solución general del sistema será
x=2−z
y = −3 + z
Es decir, el sistema es compatible indeterminado, tiene infinitas soluciones y todas las solu-
ciones se obtienen dando a z valores arbitrarios.
A.3 El problema de los valores propios 207
y el sistema correspondiente
x+z =2
y − z = −3
1
0 = − 11
Debido a la tercera ecuación este sistema no tiene solución. Es decir el sistema es incompa-
tible.
Definición A.16 (Valores propios y vectores propios) Sea A una matriz n×n. Se dice
que un número λ es un valor propio de A si existe un vector solución v, no cero, del
sistema lineal
Av = λv (A.3)
El vector solución v se dice que es un vector propio de A correspondiente al valor propio
λ.
208 Introducción a las Matrices
Por lo tanto Av = (−2)v con lo que −2 es valor propio de A y v vector propio correspondiente
al valor propio −2.
Si aplicamos las propiedades del álgebra de matrices, podemos expresar la ecuación (A.3)
en la forma alternativa
λv − Av = 0
y también
(λIn − A)v = 0 (A.4)
en donde In es la matriz identidad. Si escribimos v en función de sus componentes:
v1
v2
v = .. ,
.
vn
Una vez conocido el valor propio λ, el sistema (A.5) es un sistema algebraico lineal homogéneo
de n ecuaciones con n incógnitas. Es homogéneo porque los términos independientes son todos
iguales a cero (es decir, bi = 0, i = 1, 2, . . . , n en (A.2)), y las incógnitas son las componentes
de un vector propio correspondiente al valor propio λ.
Ahora bien, se sabe que un sistema homogéneo de n ecuaciones lineales con n incógnitas
tiene una solución no trivial si y sólo si, el determinante de la matriz de coeficientes es igual
a cero. Ası́, para hallar una solución v distinta de cero de la ecuación (A.5) se debe cumplir
Al examinar (A.6) se ve que el desarrollo del det (λIn − A) por cofactores da un polinomio
de grado n en λ. La ecuación (A.6) se llama ecuación caracterı́stica de A. Ası́ los valores
propios de A son las raı́ces de la ecuación caracterı́stica. Para hallar un vector propio que
corresponda al valor propio λ, se resuelve el sistema de ecuaciones (λIn − A) v = 0, aplicando
la eliminación de Gauss-Jordan a la matriz aumentada (λIn − A|0n×1 ).
Determı́nense los valores y hállese un vector propio para cada valor propio de
1 2 1
A = 6 −1 0 .
−1 −2 −1
SOLUCIÓN.
Para λ1 = 0,
6R1 + R2
−1 −2 −1 0 1 2 1 0 −R1 + R3 1 2 1 0
−1R
(0I3 − A|0) = −6 1 0 0 −→1 −6 1 0 0 −→ 0 13 6 0
1 2 1 0 1 2 1 0 0 0 0 0
1
1
− 13 R2
1 2 1 0 1 0 13 0
−→ 0 1 13 6
0 −2R2 +R1
−→ 0 6
1 13 0
0 0 0 0 0 0 0 0
Ası́, el sistema es compatible (debı́a serlo porque ya hemos visto que det(0I3 − A) = 0) y
tiene infinitas soluciones. El método de Gauss-Jordan nos indica que se pueden despejar las
incógnitas v1 y v2 en función de v3 . Es decir, las soluciones son:
1 6
v1 = − v3 y v2 = − v3 .
13 13
La infinitas soluciones del sistema se obtienen dando valores distintos a v3 . Como se nos pide
encontrar un vector propio damos a v3 un valor cualquiera. En efecto, cualquier valor de v3
valdrı́a para obtener un vector propio, pero si queremos que las componentes de este vector
sean números enteros podemos escoger v3 = −13. Ası́ un vector porpio serı́a:
1
v1 = 6 .
−13
−2R2 + R1
1 2 −3 0 1
R
1 2 −3 0 −8R + R 1 0 1 0
9 2 2 3
0 9 −18 0 −→ 0 1 −2 0 −→ 0 1 −2 0
0 8 −16 0 0 8 −16 0 0 0 0 0
La solución general del sistema será:
v1 = −v3 y v2 = 2v3 .
Eligiendo v3 = 1 se obtiene un vector propio correspondiente al valor propio λ2 = −4:
−1
v2 = 2
1
A.3 El problema de los valores propios 211
operaciones
2 −2 −1 0 por filas 1 0 1 0
(3I − A|0) = −6 4 0 0 −→ 0 1 3 0
2
1 2 4 0 0 0 0 0
Ası́
3
v1 = −v3 y v2 = − v3 .
2
Escogiendo v3 = −2 obtenemos un vector propio asociado al valor propio λ = 3:
2
v3 = 3 .
−2
Cuando la ecuación caracterı́stica tiene raı́ces repetidas, quizá no sea posible hallar n vec-
tores propios de A linealmente independientes. El siguiente ejemplo muestra esta situación.
SOLUCIÓN
212 Introducción a las Matrices
−2v1 + 4v2 = 0
−v1 + 2v2 = 0
De aquı́ se deduce que v1 = 2v2 . De modo que todos los vectores propios correspondientes al
valor propio λ = 5 tienen la siguiente forma
µ ¶
2v2
v=
v2
El siguiente y último ejemplo nos muestra que también puede suceder que haya dos
vectores propios linealmente independientes correspondientes a un valor propio repetido.
SOLUCIÓN
La ecuación caracterı́stica
λ − 9 −1 −1
det (λI3 − A) = det −1 λ − 9 −1 = (λ − 11) (λ − 8)2 = 0
−1 −1 λ − 9
operaciones
2 −1 −1 0 por filas 1 0 −1 0
(11I3 − A|0) = −1 2 −1 0 −→ 0 1 −1 0 .
−1 −1 −2 0 0 0 0 0
Por consiguiente, v1 = v3 y v2 = v3 . Si v3 = 1,
1
v1 = 1
1
Cuando λ2 = 8,
operaciones
−1 −1 −1 0 por filas 1 1 1 0
(8I3 − A|0) = −1 −1 −1 0 −→ 0 0 0 0 .
−1 −1 −1 0 0 0 0 0