ALGEBRA LINEAL

CICLO

TERCER

UNIVERSIDAD NACIONAL DE CAJAMARCA

UNIVERSIDAD NACIONAL DE CAJAMARCA-SEDE JAEN

ALGEBRA LINEAL
CICLO

TERCER

Norte De La Universidad Peruana

INGENIERIA CIVIL

Curso: Algebra Lineal

Ciclo : III
Docente: Lic. Eladio Snchez Culqui
Tema: Matrices Y Determinantes
Integrantes:
Facundo Altamirano, Jhon Lary
Lozano Prez, Mercy
Montenegro Arvalo, Magni
Montenegro Vsquez, Jos Orlando
Olano rubio, Jhosver
Rubio Vargas Yover
Fernndez Silva Jonatn

INDICE
MATRICES
Clases de matrices
-

Matriz Cuadrada
Matriz Triangular
Matriz Diagonal
Matriz Transpuesta

Matriz
Simtrica
y
Matriz
Antesimtrica o hemisimtrica
Matrices Ortogonal
Matriz Normales

UNIVERSIDAD NACIONAL DE CAJAMARCA-SEDE JAEN

Operaciones con Matrices

Suma y Resta de Matrices

Producto de Matrices
Matriz de un Escalar
Divisin de una Matriz
Matrices Invertibles
Mtodo de gauss

Matrices y Sistemas de Ecuaciones Lineales

Mtodo de Gauss

DETERMINANTES
-

Determinantes de orden uno y dos

Determinantes de Orden Tres
Propiedad de los determinantes
Propiedad 1
Propiedad 2: de Paridad de las filas y columnas de determinantes.
Propiedad 3
Propiedad 4
-

Existencia de los Determinantes

Menor de una Componente

Cofactor de una Componente

Adjunto de una Matriz

Calculo de Determinante de cualquier Orden

Calculo del Rango de una Matriz

Aplicaciones de Determinantes

Reglas de Cramer

Discusin de los sistemas de ecuaciones lineales

Polinomios Caractersticos

MATRICES

- Introduccin:
-

Las matrices se utilizan en el clculo numrico, en la resolucin de

sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de
las derivadas parciales. Tienen tambin muchas aplicaciones en el
campo de la fsica.

Las matrices y los determinantes son herramientas del algebra que

facilitan el ordenamiento de datos, as como su manejo.
Los conceptos de matriz y todos los relacionados fueron desarrollados
bsicamente en el siglo XIX por matemticos como los ingleses J.J.
Sylvester y Arthur Cayley y el irlands William Hamilton.
Las matrices se encuentran en aquellos mbitos en los que se
trabaja con datos regularmente ordenados y aparecen en situaciones
propias de las ciencias sociales, econmicas y biolgicas.

- Definicin:
-

Una matriz Amxn, es un arreglo rectangular de mxn nmeros reales

dispuestos en m filas y n columnas.

- Consideremos la matriz A = (aij):

- Y se dice que es de orden mxn.
La fila i-esima de la matriz A es la formada por los elementos ai1; ai2;;
ain.
La columna j-esima de la matriz A es la formada por los elementos a1j;
a2j;; amj.
El termino (i; j) de la matriz A es aij.
- Las matrices se denotarn usualmente por letras maysculas, A, B,
etc, y los elementos de las mismas por minsculas, a, b,..., z.
- Ejemplo:

Filas: (1; 0; 2), (2;-1; 3), (4,1; 8)

Columnas: (1; 2; 4), (0;-1; 3), (2; 3; 8)

- Clases de matrices:
-

1. Segn su forma:
-

Matriz fila: Es una matriz que solo tiene una fila, es decir m =1 y

por tanto es de orden 1xn. Tambin se le denomina vector fila.

Ejemplo:
A: (2 -3 1 4) es una matriz o vector fila de orden 1x4.
Matriz columna: Es una matriz que solo tiene una columna, es
decir, n =1 y por tanto es de orden mx1.
Ejemplo:
Matriz cuadrada: Una matriz cuadrada es la que tiene el mismo
nmero de filas que de columnas. Se dice que una matriz
cuadrada nxn es de orden n y se denomina matriz ncuadrada.
Ejemplo:
De orden 2
Matriz traspuesta: Dada una matriz A, se llama traspuesta de A,
y se representa por A t, a la matriz que se obtiene cambiando filas
por columnas. La primera fila de A es la primera fila de A t, la
segunda fila de A es la segunda columna de A t, etc.
De la definicin se deduce que si A es de orden m n,
entonces At es de orden nx m.
Ejemplo:

Matriz simtrica: Una matriz cuadrada A es simtrica si A = A t,

es decir, si aij = aji i, j.
Matriz antisimtrica: Una matriz cuadrada es antisimtrica si A
= At, es decir, si aij = aji i, j.

2. Segn los elementos:

Matriz nula: es aquella que todos sus elementos son 0 y se
representa por 0.
Ejemplo:
-

de orden 3

Matriz diagonal: Es una matriz cuadrada, en la que todos los

elementos no pertenecientes a la diagonal principal son nulos.
Ejemplo:

Matriz escalar: Es una matriz diagonal con todos los elementos

de la diagonal iguales.
Ejemplo:
-

Matriz unidad o identidad: Es una matriz escalar con los

elementos de la diagonal principal iguales a 1.
Ejemplo:

Matriz Triangular: Es una matriz cuadrada que tiene nulos todos

los elementos que estn a un mismo lado de la diagonal principal.
Las matrices triangulares pueden ser de dos tipos:
Ejemplo:

Triangular superior: si los elementos que estn por debajo de la diagonal

principal son todos nulos. Es decir, aij =0 i<j.
Ejemplo:
-

,de orden 3
Triangular inferior: si los elementos que estn por encima de la diagonal principal
son todos nulos. Es decir, aij =0 j<i.

Ejemplo:
-

De orden 3

- Operaciones con matrices:

Suma y diferencia de matrices:

-

La suma de dos matrices A=(a ij), B=(bij) de la misma dimensin, es

otra matriz S=(sij) de la misma dimensin que los sumandos y con
trmino genrico sij=aij+bij. Por tanto, para poder sumar dos matrices
estas han de tener la misma dimensin.

La suma de matrices A y B se denota por A+B.

La diferencia de matrices A y B se representa por A-B, y se define

como: A+ (-B)

Ejemplo:

Propiedades de la suma de matrices:

-

1. A + (B + C) = (A + B) + C (propiedad asociativa)
2. A + B = B + A (propiedad conmutativa)
3. A + 0 = A (0 es la matriz nula)
4. La matriz A, que se obtiene cambiando de signo todos los

elementos de A, recibe el nombre de matriz opuesta de A, ya que A

(A) 0.

Producto de matrices:
- Para poder multiplicar dos matrices, la primera debe tener el
mismo nmero de columnas que filas la segunda. La matriz
resultante del producto quedar con el mismo nmero de filas de la
primera y con el mismo nmero de columnas de la segunda.
- Es decir, si tenemos una matriz 2 3 y la multiplicamos por otra
de orden 3 5, la matriz resultante ser de orden 2 5.
-

(2 3) (3 5) = (2 5), esto es,

Ejemplo:

1.

2.

Propiedades del producto de matrices:

-

1. A(BC) = (AB)C
2. El producto de matrices en general no es conmutativo.
3. Si A es una matriz cuadrada de orden n se tiene AIn = InA = A.
4. Dada una matriz cuadrada A de orden n, no siempre existe otra

matriz B tal que AB = BA = In. Si existe dicha matriz B, se dice que

es la matriz inversa de A y se representa por A1 .
5. El producto de matrices es distributivo respecto de la suma de

matrices, es decir: A(B + C) = AB + AC

Producto de una matriz por un nmero: El producto de una matriz A

= (aij) por un nmero real k es otra matriz B = (bij) de la misma
dimensin que A y tal que cada elemento bij de B se obtiene
multiplicando aij por k, es decir, bij = kaij.
Ejemplo:
-

El producto de la matriz A por el nmero real k se designa por kA.

Al nmero real k se le llama tambin escalar, y a este producto,
producto de escalares por matrices.
- Propiedades del producto de una matriz por un escalar:
-

1. k (A + B) = k A + k B (propiedad distributiva 1)
2. (k + h)A = k A + h A (propiedad distributiva 2)
3. k [h A] = (k h) A (propiedad asociativa mixta)
4. 1A = A (elemento unidad)

Propiedades simplificativas:

1. A + C = B + C

A = B.

2. k A = k B

A = B si k es distinto de 0.

3. k A = h A

h = k si A es distinto de 0.

Consecuencia de las propiedades:

1. Si AB= 0 no implica que A=0 B=0.
2. Si AB=AC no implica que B = C.
-

3. En general (A+B)2 A2 + B2 +2AB, ya que AB BA.

4. En general (A+B) (AB) A2B2, ya que AB BA.

Divisin de matrices: La divisin de matrices se define como el

producto del numerador multiplicado por la matriz inversa del
denominador. Es decir, sean las matrices A y B tal que A/B = AB-1:
Si una matriz est dividida entre un escalar, todos los
trminos de la matriz quedarn divididos por ese escalar.
Ejemplo:
-

Matrices inversibles: Una matriz cuadrada que posee inversa se dice

que es inversible o regular; en caso contrario recibe el nombre de
singular.

Propiedades de la inversin de matrices:

1. La matriz inversa, si existe, es nica.
2. A-1A=AA-1=I
3. (AB) -1=B-1A-1
4. (A-1) -1=A
5. (kA) -1=(1/kA-1
6.

(At) 1=(A-1)

Observacin:
Podemos encontrar matrices que cumplen AB = I, pero que BA I,
en tal caso, podemos decir que A es la inversa de B "por la izquierda"
o que B es la inversa de A "por la derecha".

Hay varios mtodos para calcular la matriz inversa de una matriz

dada:

Directamente
-

Dada la matriz
es decir

Ejemplo:

buscamos una matriz que cumpla AA -1 = I,

Para ello planteamos el sistema de ecuaciones:

La matriz que se ha calculado realmente seria la inversa por la

derecha, pero es fcil comprobar que tambin cumple A -1.A = I, con lo cual
es realmente la inversa de A.
Usando determinantes: Dada una matriz cuadrada A, se llama matriz adjunta
de A, y se representa por Adj(A), a la matriz de los adjuntos, Adj(A) = (A ij).
-

Ejemplo:

Queremos calcular la inversa de

Se escribe la matriz A junto a esta la matriz identidad,

Triangularizamos la matriz A de arriba a abajo y realizamos las mismas

operaciones en la matriz de la derecha.

Como podemos observar el rango de la matriz es mximo, por tanto la

matriz A es regular (tiene inversa), podemos calcular su inversa.
Triangularizamos la matriz de abajo
operaciones en la matriz de la derecha.

a arriba,

realizando las mismas

Por ltimo se divide cada fila por el elemento diagonal correspondiente.

Si tenemos una matriz tal que det (A) 0, se verifica:

Esto es fcil probarlo puesto que sabemos que la suma de los

productos de los elementos de una fila por sus adjuntos es el valor
del determinante, y que la suma de los productos de los elementos
de una fila por los adjuntos de otra fila diferente es 0 (esto sera el
desarrollo de un determinante que tiene dos filas iguales por los
adjuntos de una de ellas).

Mtodo de Gauss- Jordan

El mtodo de Gauss-Jordan para calcular la matriz inversa de una

dada se basa en una triangularizacin superior y luego otra inferior
de la matriz a la cual se le quiere calcular la inversa.

Ejemplo:
Aplicando el mtodo de Gauss-Jordan a la matriz

En primer lugar triangularizamos inferiormente:

Una vez
inferiormente:

que

hemos

triangularizado

superiormente

lo

hacemos

- Por ltimo, habr que convertir la matriz diagonal en la matriz

identidad:

De donde, la matriz inversa de A

es:

Para aplicar el mtodo se

necesita una matriz
cuadrada de rango mximo.
Sabemos
que
no
siempre una matriz tiene
inversa, por lo cual
comprobaremos que la matriz tenga rango mximo al aplicar el
mtodo de Gauss para realizar la triangularizacin superior. Si al
aplicar el mtodo de Gauss (triangularizacin inferior) se obtiene una
lnea de ceros, la matriz no tiene inversa.

Matrices y sistemas de ecuaciones lineales

La matriz ampliada M de un sistema de m ecuaciones con n

incgnitas es la siguiente:

Cada fila de M corresponde a una ecuacin del sistema y cada columna

a los coeficientes de una incgnita, excepto la ltima, que corresponde a las
constantes del sistema.
Un sistema de ecuaciones lineales puede resolverse trabajando con su
matriz ampliada, especficamente, reducindola a forma escalonada mediante
el proceso de Gauss.
Mtodo de gauss
-

Para resolver sistemas de ecuaciones lineales, se aplica el

mtodo de Gauss. Este proceso se ilustra en el siguiente ejemplo.
Ejemplo:
Sea el sistema:

Su matriz ampliada asociada es:

Ahora resolvemos por el mtodo de Gauss sabiendo que la

primera columna corresponde a los coeficientes de la x, la segunda
a los de la y, la tercera a los de la z y la cuarta a los trminos
independientes:
-

De este modo, el sistema tiene solucin nica x=2, y=-1, z=3

La resolucin de sistemas de ecuaciones lineales por matrices,
aplicando el mtodo de gauss u otros, es una de las mltiples aplicaciones
que tienes estas.
Ejemplo:
Hallar el valor de x, y, z, t en los siguientes sistemas de ecuaciones
lineales aplicando matrices:
-

La matriz M asociada al sistema de ecuaciones es:

a)
-

La tercera fila se suprime, puesto que es mltiplo de la segunda y

resultara una fila nula. As, el sistema queda formado por dos ecuaciones con
cuatro incgnitas:

La solucin del sistema es compatible e indeterminado, esto es, tiene

infinitas soluciones.
x = -9 - y + 10t
z = 7t - 7 (- 9 - y + 10t, y, 7t - 7, t).
Dependiendo de qu valores se escojan para y y t, salen distintos
resultados. As, para y = t = 0 tendremos la solucin del sistema
x = -9, y = 0, z = -7, t = 0.
b) La matriz M asociada al sistema de ecuaciones es:

No hay necesidad de continuar calculando nada ms, puesto que la

matriz escalonada ya nos indica que el sistema es incompatible (SI), es decir,
que no tiene solucin. Especficamente, la tercera fila de la matriz escalonada
corresponde a la ecuacin
0x + 0y + 0z + 0t = -5
Obteniendo como resultado 0 = -5, que es absurdo. Por lo tanto,
decimos que no tiene solucin.

POLINOMIO CARACTERSTICO
Consideremos una matriz n-cuadrada arbitraria:

La

matriz

(A

In),
cuadrada y un escalar

donde In es

la matriz

identidad

n-

Indeterminado, se denomina matriz caracterstica de A:

Su determinante, det (A - In), que es un polinomio en , recibe el

nombre de polinomio caracterstico de A. Asimismo, llamamos a det
(A - In) = 0

Ecuacin caracterstica de A.

Ejemplo:
Hallar la matriz caracterstica y el polinomio caracterstico de la
matriz A:

La matriz caracterstica ser (A - In). Luego:

As pues, el polinomio caracterstico es 2 - + 4.

Y el polinomio caracterstico,

DIAGONALIZACIN

Condiciones:

Siendo f un endomorfismo de un e.v. E de dimensin n, diagonalizar f

consiste en buscar una base (a1,. . ., an) tal que la matriz [f, (ai)] sea diagonal.
Cuando tal base existe, se dice que f es diagonalizable. Ntese que la base
(a1,. . ., an) ser entonces una base formada por vectores propios de /.
Diagonalizar una matriz A, n x n con elementos en IK, consiste en buscar
una matriz inversible P, con elementos en IK, tal que P1 AP sea una matriz
diagonal. Cuando tal matriz P existe, se dice que A es diagonalizable en IK.
La relacin habitual entre endomorfismos y matrices permite abordar
conjuntamente estos dos aspectos de la diagonalizacin.
La siguiente doble condicin es necesaria y suficiente para que el
endomorfismo / sea diagonalizable:
(di)
Pf(X) posee n races en IK, iguales o distintas, ropiedad que
siempre se verifica cuando IK = C, y
(d2) para cada raz x pertenece IK Pf(X), dim V(x) = k, donde k es el orden
de multiplicidad de X.
El mismo resultado es cierto para una matriz A MK(n), sustituyendo
Pf(x) por pA(X).
Si estas condiciones son ciertas y el endomorfismo/es diagonalizable, se
obtendr una base en la que f se representa por una matriz diagonal reuniendo
bases de los sub-espacios propios V(), . . . , F(p) correspondientes a los valores
propios (diferentes) de f, i, . . . , p. Esto se debe a que, cuando f es
diagonalizable, entonces E = V(1) V(P).
Para una matriz diagonalizable, A, la matriz P que hace que P1 AP sea
diagonal se obtiene como matriz de paso entre la base cannica de IKn y la base
que diagonaliza el endomorfismo dado por A.
Obsrvese que, si un endomorfismo f de un espacio de dimensin n
admite n valores propios diferentes, es decir, Pf(X) posee n races diferentes en
IK, entonces f es diagonalizable. Esta condicin suficiente no es sin embargo
necesaria.
La situacin opuesta corresponde al caso en que Pf(X) posee una sola raz
de multiplicidad n; en este caso, f es diagonalizable slo si se trata de una
homotecia. Si IK es un escalar, la homotecia de razn X de E es el
endomorfismo dado por:
-

(Para todo x E) f(x) = x.

Si E es de dimensin n, la matriz de dicha homotecia en cualquier base es la

matriz diagonal fn.
-

- DETERMINAN
TES
-

DEFINICIN: sea la matriz cuadrada

llamaremos determinante de la matriz
relacionado con los elementos

NOTACIN:
cuadrada

| A| ,

det ( A)

aij

A= [ aij ]

A , al nmero real que est

de la matriz.

indican el determinante de la matriz

A .

La definicin formal de determinante es como sigue:

det : R nxn R

A R

de orden n,

El determinante de una funcin de

corresponder a cada matriz

nxn

en , tal que

un nico nmero real

det

hace

det A , que

por induccin se define del siguiente modo:

1) Para n=1,

A
=a11
det

A= [ a11 ] ; entonces

2) Para n=2,

a
a
A= 11 12
a21 a 22

; entonces

A
=a11

det

3) Para n=3,

[ ]

a11 a12 a13

A= a21 a22 a 23
a31 a32 a 33

; entonces

det ( A )=a11

| |

| |

a22 a23
a
a
a a
a12 21 23 + a13 21 22
a32 a33
a31 a 33
a31 a32

En general:
n

Si

1+ j
a11 a12 a1 n det ( A )= (1) a 1 jdetA ( 1 )
j=1
j
a
a
a
21
22
2
n
A=

an 1 an 2 ann A 1 es submatriz de A eliminando la fila 1 y la jenesima columna

j

[ ]()

FORMULA DE LAPLACE

Observacin: El determinante de orden 3, se puede desarrollar por

el mtodo prctico de SARRUS:

As:

| | | |
a b c
d e f
g h i

a
d
g
a
d

b
e
h
b
e

c
f
i
c
f

= ( aei+d h c+ gbf )+(dbi+a h f + gec )

El mtodo de sarrus, solo se aplica a determinantes de 3x3.

PROPIEDADES

1)

|I n|=1 ,|n|=0

2)

| AT|=| A|

3)

| AB|=| A||B|
1
| A|

| A1|=

4)

+
| A |=|A|m , m Z
m

5)

6) Si se intercambian 2 filas o 2 columnas el determinante cambia de signo.

7) Si la fila o columna se multiplica por una constante, entonces el
determinante queda multiplicado por dicha constante:

|A|= n| A| .

8) Si a una fila (columna) se le multiplica por una constante y se suma a

otra fila (columna), el determinante no vara.
9) Si una fila o columna de la matriz tiene todos sus elementos nulos, el
determinante es 0.
10)
Si 2filas o columnas son proporcionales, el determinante es 0.
11)
-

Si

A=|aij|n

es TRIANGULAR, entonces el determinante es

| A|=a11 a 22 a22 ..a nn

12)

12+ b 12 a1 n +b1 n
11+ b 11 a a21 a22 a 2 n
a
=

a n1 an 2 ann

| || |
a11 a 12 a1 n b11 b 12 b1 n
a21 a 22 a2 n
a21 a22 a2 n
+

a n1 an 2 ann an 1 a n 2 a n 2

Clculo de determinantes de cualquier orden

Sea
como

det A = a11a22 - a12a21 (1)

una matriz de 2 x 2 su determinante se define

Con frecuencia denotaremos det A como

(2)

Mostraremos que A es invertible si y slo si det A 0. Como veremos,

este importante teorema es vlido para matrices de n x n.

Definiremos por induccin el determinante de una matriz de n x n. En

otras palabras, usaremos nuestro conocimiento de un determinante
de 2 x 2 para definir un determinante de 3 x 3; ste para definir el de
4 x 4 y as sucesivamente. Empezaremos por definir un determinante
de x 3.

Definicin 1. Determinante de 3 x 3. Sea

. Entonces

(3)

Notemos el signo menos antes del segundo trmino del lado derecho

Ejemplo 1: Sea

Solucin:

. Calcule |A|.

Existe un mtodo ms sencillo para calcular determinantes de 3 x 3.

O sea

(4)

Escribimos A y junto a ella sus primeras dos columnas

Luego se calculan los seis productos, poniendo signo menos antes de

los productos con flechas que apuntan hacia arriba y efectuamos la
suma. Con esto obtenemos la suma de la Ecuacin 4

Ejemplo 3: Calcule

Solucin: Si escribimos
indic,

usando este nuevo mtodo

y multiplicamos como se

Observacin: El mtodo expuesto anteriormente no funciona para

determinantes de n x n si n 3.

Antes de definir determinantes de n x n, primero notemos que en la

Ecuacin (3),

es la matriz que se obtiene al eliminar el

primer rengln y la primera columna de A;

es la matriz que
obtenemos si eliminamos el primer rengln y la segunda columna de
A y
es la matriz que se obtiene si eliminamos el primer
rengln y la tercera columna de A. Si denotamos estas tres matrices
como M11, M12 y M13, respectivamente, y si A11 = det M11, A12 = -det
M12 y A13 = det M13, entonces la Ecuacin (3) puede ser escrita:

Definicin 2. Determinante de n x n. Sea A una matriz de n x n.

Entonces el determinante de A, escrito det A, o bien |A|, est dado por

(8)

La expresin del lado derecho de (8) se conoce como desarrollo por

cofactores.

Ejemplo 4: Calcule det A si

Solucin:

MENOR DE UNA COMPONENTE

Si A es una matriz cuadrada de orden n, entonces el menor elemento
aij se denota por Mij y se define como el determinante de la sub matriz
(n-1)x(n-1) de A que se forma suprimiendo todos los elementos de la
fila i y todos los elementos de la columna j.
Observacin.- De una matriz de orden m x n se puede formar C km =
Ckn menores de orden k, y de las matrices cuadradas de orden n se
puede formar Ckm . Ckn menores que k.

Ckn es el nmero de combinaciones de n objetos romados de k en k,

y se calcula por la frmula:

Menores de una matriz

Adems del determinante de una matriz cuadrada, dada una matriz

se pueden definir otras magnitudes mediante el empleo de
determinantes relacionadas con las propiedades algebraicas de dicha
matriz. En concreto dada una matriz cuadrada o rectangular se
pueden definir los llamados determinantes menores de orden r a
partir del determinante de submatrices cuadradas de rxr de la matriz

n!
k ! ( nk ) !

original. Dada la matriz

Se define cualquier menor de rango r como:

Debe notarse que en general existir un nmero elevado de menores

de orden r, de hecho el nmero de menores de orden r de una matriz
mxn viene dado por:

Una propiedad interesante es que el rango coincide con el orden del

menor no nulo ms grande posible, siendo el clculo de menores una
de los medios ms empleados para calcular el rango de una matriz o
de una aplicacin lineal.

COFACTOR DE UNA COMPONENTE

El cofactor de una componente aij, denota por Aij, est definido por:

Aij = (-1)i+j ( Mij )

Es decir, el cofactor de la componente a ij es el menor de Mij con el
signo prefijado
(-1) i+j.

Por ejemplo, para la matriz de tercer orden, A =

, los
menores y cofactores correspondientes a las componentes de la
primera fila son, respectivamente:

M11 =

A11 = (-1)1-1

=+

M12 =

A12 = (-1)1+2

=-

M13 =

A13 = (-1)1+3

=+

De la frmula:
D(A) = a11 D(A11) a21D(A21) + a31 D(A31)
Establece que el determinante de la matriz A es el producto interno
de los vectores.

Donde los elementos del primer vector, son los elementos de la

primera columna de A y los elementos del segundo vector son los
cofactores de los elementos correspondientes a la primera columna
de A. Es evidente que este resultado es cierto para cualquier fila o
columna de A. Podemos afirmar entonces que, el determinante de
una matriz 3x3 se puede obtener de 6 maneras diferentes, al tomar
componentes de cualquier fila o columna de la matriz y multiplicar
cada una de estas componentes por su cofactor y sumando los
resultados.
Enseguida una generalizacin para determinantes de matrices de nxn
en trminos de determinantes de matrices (n-1) x (n-1).

Para cada 1 < i < n y cada 1 < j < n, se define:

(Desarrollo por cofactores a lo largo de la j-sima columna)

Haciendo uso de la anotacin correspondiente a las sumatorias para
los que i vara de 1 a n, se tiene:

Del mismo modo, se tiene que:

(Desarrollo por cofactores a lo largo de la i-sima fila)

Expresando en forma de sumatoria, en las que j vara de 1 a n, se
tiene:

Cada una de las sumas es el producto escalar de una columna de A

con el vector cuyos elementos son los cofactores asociados.
Cada una de las sumas (i-sima) es el producto escalar de una fila A
con el correspondiente vector cofactor.
Las formulas de la sumatorias reciben el nombre de expansin de un
determinante por menores.

RANGO DE UNA MATRIZ

DEFINICIN: sea la matriz

A= [ aij ] mxn

, diremos que el rango de la

matriz A es p si existe una submatriz cuadrada B de A de orden p,

tal que,

|B| 0 y el determinante de cualquier submatriz cuadrada

de A de orden mayor que B es cero.

-

NOTACIN: si

A= [ aij ] mxn

, denotamos

( A )= p

para indicar el

rango de la matriz A.
-

PROPIEDADES: si
cumplen:

A= [ aij ] mxn es una matriz de orden

mxn , se

 ( A ) min ( m ,n)

1)
-

( A T ) =( A)

2)
-

si A=[ aij ]n implica

3)

( A)<n , si y slo si,

| A|=0 .

OPERACIONES ELEMENTALES SOBRE LAS FILAS DE UNA

MATRIZ

Una forma prctica de hallar: el rango de una matriz, la inversa de

una matriz, el determinante de una matriz y una solucin de
ecuaciones lineales; es reduciendo una matriz dada a una matriz
equivalente, pero ms simple, haciendo operaciones elementales
sobre las filas de la matriz dada.

Las operaciones elementales que se hacen sobre las filas de una

A= [ aij ]n , son:

matriz

1) Permutar dos filas.

2) Multiplicar a una fila por un escalar.
3) Sumar a una fila el mltiplo de otra fila. Combinando estas operaciones
elementales se reduce la matriz A hasta convertirse en otra matriz
equivalente simple, similar a la siguiente matriz.
-

F . C . ( A )=

Donde:

Ip

N px(n p)

N (m p ) xp N ( m p ) x(n p) mxn
Ip

Forma canonca de una matriz

es una matriz identidad de orden p

N (mp ) xp

Es matriz NULA.

EQUIVALENCIAS DE MATRICES

B mxn

Diremos que la matriz

es equivalente a la matriz

A mxn , si y

slo si, b puede obtenerse efectuando un nmero finito de

operaciones elementales sobre A:
-

NOTACIN:

Como

B A

se lee b es equivalente a A.

A F .C .( A) , entonces

( A )= ( F . C . ( A ) ) =p=N de vectores can nicos=N de vectores filas no nulas .

A B , entonces

( A) (B) .

En general, si

Reducir una matriz A a la forma cannica consiste en convertirlo en

otra matriz sencilla, en la cual, los elementos de la diagonal principal,
de arriba hacia abajo, son 1 y 0. Adems, los elementos que
estn debajo de la diagonal principal deben ser ceros.

Se empieza convirtiendo el primer elemento

elementos que estn debajo de

MATRIZ NO SINGULAR

Una matriz cuadrada

( A )=n
-

A= [ aij ]n

a11

a11

en la unidad y los

convertirlas en ceros.

de orden n no es singular

| A| 0

Se dice que una matriz A es no singular si y solo si el

D( A) 0 , esto

es, si admite una inversa.

-

MATRIZ SINGULAR

Se dice que una matriz cuadrada A es singular si y solo si el

D ( A )=0 , o en su defecto, si no admite una inversa.

-

Ejemplo:

Si

A=

2 sen 2 x
3
cos 2 x sen 2 x

, hallar todos los valores de x de modo que A

sea singular.
-

Solucin:

Si A es una matriz singular

D ( A )=0

3 =2 sen 2 2 x3 cos 2 x=0

D ( A )= 2 sen 2 x
cos 2 x sen 2 x
De donde:

1
2
2 cos 2 x3 cos 2 x2=0 cos 2 x= cos 2 x =2
2

Para la segunda posibilidad no existe solucin, luego, si:

cos 2 x= 2 x=2 k x=k . k N

2
3
6
-

CALCULO DE DETERMINANTES MEDIANTE LA REDUCCION A LA

FORMA ESCALONADA

El clculo de determinantes de ciertas matrices se pude

efectuar haciendo uso de la matriz escalonada, para lo cual se tiene
en consideracin la siguiente propiedad.

PROPIEDAD

Si A es matriz triangular (superior o inferior) de orden n, entonces

la D(A) es igual al producto de las componentes que pertenecen a la
diagonal principal, esto es si

A =

a 11 a12 a 13 a1 n
0 a 22 a 23 a 2 n
0
0
a 33 a 3 n
.
.
.

.
.
.
.

.
.
.
.

.
0
0
0
ann

D(A) = a11 a22 a33.ann =

aii
i=1

La idea bsica de este mtodo consiste en aplicar operaciones

elementales en las filas de la matriz original A y transformarla a una
matriz B que tenga la forma escalonada. Puesto que la forma
escalonada de una matriz escalonada es triangular superior o inferior,
el D(A) = D(B) se puede calcular aplicando la propiedad establecida
anteriormente.

Ejemplo: Calcular la determinante de:

A=

[ ]
1
2
1
2
1
2
1
3

1
2
1
2
1
3
1

1
0
1
3
1
3

1
2
1
2
0
0

Solucin:

Factorizando

de la

primera y segunda fila y

1
3

de la tercera

y cuarta fila,
-

Obtenemos:

1
( )
2

D(A) =

1
( )
2

1
( )
3

1
( )
3

1
1
2
1

1
1
1
3

2
0
1
1

1
1
0
0

Intercambiando la primera y cuarta columna

D(A)

1
1 0
( )
36 0
0

1
)
36

(1)3

1
1
0
0

1
1
1
3

2 1
0 1
1 2
1 1

F 2F 1

1 2
1
0 2 2
1 1
2
3 1
1

Hacemos un intercambio de la segunda fila con la tercera fila

=-

1
( )
36

D(A) =

1
1 0
( )
36 0
0

1
0
0
0

(1)

1 2
1
1 1
2
0 2 2
3 1
1

F 43 F 2

1 2
1
1 1
2
0 2 2
0 2 5

Finalmente aplicando la operacin f4 - f3

D(A) =

1
( )
36

1
0
0
0

1 2
1
1 1
2
0 2 2
0 0 3

Como la determinante de la matriz A tiene la forma escalonada,

aplicamos la propiedad

D(A) =

D(A) =

1
6

1
)(1)(1)(2)(3)
36

1
( )
6

- INVERSA DE UNA MATRIZ

-

EXISTENCIA DE LA INVERSA DE UNA MATRIZ CUADRADA

Una matriz

cuadrada

A= [ aij ] n

tiene

inversa

( A )=n

| A| 0
-

Sea

A n= [ aij ]

una matriz cuadrada

nxn . Se dice que A es

invertible o no singular si existe una matriz B de

nxn

tal que

AB=BA=I n .
-

La matriz B se conoce como inversa de A y se denota con

PROPIEDADES

A1

1)
-

AB 1=B1 A1

2)
-

3)
4)

1
A 1 = A 1

A 0=I
A n= A . An1 , n Z+
5) (
+ donde
A1 n n Z
A n 1=
6)

I =I ,

I =identidad .

A1 .

ADJUNTA DE UNA MATRIZ

DEFINICIN: sea la matriz cuadrada

Llamemos ADJUNTA de A (denotado por

A= [ aij ] n y sea

adj( A)

i/ j
A
.
aij =(1)i+ j

a la matriz:

[ aij ]

T
, es decir:
adj ( A )=[ a ij ]

, donde

[ aij ]=cofA

Adjunta de A es igual a la TRANSPUESTA del COFACTOR de A

TEOREMA 1: sea la matriz cuadrada

A= [ aij ]n , tal que

| A| 0 ,

entonces:
-

A . adj ( A ) =| A|. I

Producto de

La matriz A

Por su adjunta

PRUEBA

1) Se tiene
-

A= [ aij ] n

adj ( A )=[ a ij ]

Donde:

a)

[ aij ]

b)

i/ j
A
aij =(1)i+ j

es la matriz COFACTOR de A

Determinante de la matriz
A por la matriz identidad I

aij

es el determinante de la submatriz

(1)i+ j . La matriz

( ij )

( ij )

con signo

se obtiene despus de anular la i-sima

fila y la j-sima columna.

aij

[ aij ]

c)

es la TRANSPUESTA de

[ aij ]

de

[ aij ]

es un elemento de la matriz

, entonces

aij

[ aij ]

aij

. Por tanto: si

es un elemento de

[ aij ]

es un elemento

- Es la TRANSPUESTA de la
matriz

[ aij ]

2) El producto de A por

c ij

adj( A)

es otra matriz

son de la forma:
n

c ij = aik a jk
k=1

A . adj ( A ) =[ c ij ] , tal que

Es decir

b) Si

c ij = aik a jk
k=1

Donde:
n

a) Si

j=i c ij = a ik a jk = (1) aik detA ik=det ( A ) , i

k=1

j i c ij =0

3) Por tanto:

i+k

[ c ij ]

cuyos elementos

| A|0 0 0
A . adj ( A ) = 0| A|0 0

COROLARIO:

PRUEBA

1) Si

][

1000
=| A| 0 1 0 0


0

1
0 | A|

A1=

| A|

adj ( A ) , si| A| 0

| A| 0 , por el teorema 1 , se tiene: A . adj ( A ) =| A|. I

2) Por definicin de inversa: si

A1

es la inversa de A, implica que

A1 . A=A . A1=I
3) Multiplicar por

A1 , por izquierda, en ambos iembros de (1)

A ( A .adj ( A ) ) =A (| A|. I )

( A1 . A ) . adj ( A )=| A|( A1 . I )

I . adj ( A )=| A|. A1 , pues A1 . I =A1

adj ( A )=| A| . A1

1
adj ( A )= A1 , pues| A|es un escalar diferente de cero .
| A|

PROPIEDADES

1)

adj ( I )=I

2)

(a)
adj

T
adj ( A ) =

3)

adj ( A1 )=(adj ( A ))

4)

adj ( AB )=adj ( B ) . adj ( A ) ,| A| 0,|B| 0

5)

A
adj()

n
adj ( A )=

6)

adj ( A )= n1 adj ( A ) , C

7)

|adj( A)|=|A|

8)

A n1 n| A|
|adj( A )|=

9)

|adj( A n)|=[ A n1 ]

n 1

n1

adj (A )
(n1)
adj =| A|

10)
-

SISTEMA DE ECUACIONES LINEALES

1. DEFINICIN
-

Un sistema de m-ecuaciones con n-incgnitas es un conjunto de

ecuaciones de la forma:

n= b1
n= b2
2+ + a 2 n x
1+ a22 x
2+ + amn xn= b
(*)=
1+ am 2 x
2+ + a1 n x a21 x am 1 x
1+ a12 x

a11 x

Donde

A=

X=

[ ]
[]
[]
a11 a 12 . a1 n
a11 a 12 . a1 n

am 1 am 2 .. amn

x1
x2

xn

mxn

es la matriz de las n- incgnitas.

nx 1

B=

es la matriz de coeficientes.

b
b2

bm

es la matriz de los trminos

mx 1

independientes.

[ A /B ]

[ |]
a11 a 12 . a1 n
a11 a 12 . a1 n

am 1 am2 .. amn

b1
b2

bm

es la matriz ampliada (o

aumentada) del sistema (*)

-

En la forma matricial, el sistema (*) se escribe: AX=B.

SISTEMA DE ECUACIONES LINEALES HOMOGNEAS Y NO

HOMOGNEAS.

Dado la ecuacin matricial AX=B, se tiene:

a) Si B=

mx 1 entonces diremos que el sistema es homognea.

b) Si B=

mx 1

entonces diremos que el sistema es no homognea.

mx 1

Es la matriz nula mx1.

MTODOS PARA RESOLVER UN SISTEMA DE ECUACIONES

REGLA DE CRAMER
-

Si AX=B es un sistema de n- ecuaciones con n- incgnitas:

x 2 ,,
-

x1

xn

| A| 0 , entonces existe una solucin nica X, dada por

En el cual

las formulas:
n

j=

bk . cof akj

1
detA k=1

, para j=1, 2,3,, n

Ejemplo

x+ y+ 3 z
2 x y + 4 z
y+z

Resolver

La regla de CRAMER se aplica solo a un sistema de n ecuaciones

lineales con n incgnitas, siempre que

1 2 3
det A= 2 1 4 =5
0 1 1

1)

| |

1 5 3
det c2 = 2 11 4 =7
0 3 1

det A 0

5
1 3
det c1= 11 1 4 =8
3 1 1

1 1
5
det c3 = 2 1 11 =8
0 1 3

2) Luego:

x 1=

8 8
=
5 5

x 2=

7 7
=
5 5

x 3=

8 8
=
5 5

[ ]

8/ 5
X = 7/ 5
8/ 5

El vector solucin es:

Definiendo: La regla de CRAMER es un teorema en lgebra lineal, que

da la solucin de un sistema lineal de ecuaciones en trminos de
determinantes. Recibe este nombre en honor a Gabriel Cramer (1704
- 1752), quien public la regla en su Introduction l'analyse des
lignes courbes algbriques de 1750, aunque Colin Maclaurin tambin
public el mtodo en su Treatise of Geometry de 1748 (y
probablemente saba del mtodo desde 1729).

La regla de Cramer es de importancia terica porque da una

expresin explcita para la solucin del sistema. Sin embargo, para
sistemas de ecuaciones lineales de ms de tres ecuaciones su
aplicacin para la resolucin del mismo resulta excesivamente
costosa: computacionalmente, es ineficiente para grandes matrices y
por ello no es usado en aplicaciones prcticas que pueden implicar
muchas ecuaciones. Sin embargo, como no es necesario pivotar
matrices, es ms eficiente que la eliminacin gaussiana para matrices
pequeas, particularmente cuando son usadas operaciones SIMD.

Si

AX =B

es un sistema de ecuaciones.

A es la matriz de coeficientes del sistema

n
x 1 , , x
X=

B es el vector columna de los trminos independientes.

es el vector columna de las incgnitas

Entonces la solucin al sistema se presenta as:

det ( A j )
det ( A)

x j=

Donde

Aj

es la matriz resultante de reemplazar la j-sima columna

de A por el vector columna b. Hgase notar que para que el sistema

sea compatible determinado, el determinante de la matriz A ha de ser
no nulo.
-

Frmulas explcitas para sistemas pequeos

Sistema de 2 ecuaciones con 2 incgnitas

Para la resolucin de un sistema de dos ecuaciones con dos

incgnitas, de la forma. Dado el sistema de ecuaciones:

by=e
{ax+
cx +dy =f
Lo representamos en forma de matrices:

[ ][ ] [ ]
a b x
=e
c d y
f

Entonces, x e y pueden ser encontradas con la regla de Cramer, con

una divisin de determinantes, de la siguiente manera:

x=

| |
| |
e b
f d
a b
c d

edbf
adbc

x=

| |
| |
a e
c f

a b
c d

ef ec
adbc

Sistema de 3 ecuaciones con 3 incgnitas

La regla para un sistema de tres ecuaciones con tres incgnitas es

similar, con una divisin de determinantes:

ax+ by+ cz= j

dx+ ey +fz=k
ax +by +iz=l

Que representadas en forma de matriz es:

[ ][ ][ ]
a b c x j
d e f y k
g h i z l

x, y, z pueden ser encontradas como sigue:

x=

| | | | | |
| | | | | |
j b c
k e f
l h i
a b c
d e f
g h i

y=

DEMOSTRACIN

Sean:

a j c
d k f
g l i

z=

a b c
d e f
g h i

x1
x = x2
x3

a1,1 a1, j1 b 1 a1, j+1 a1, n

a2,1 a2, j1 b 2 a2, j+ 1 a2, n

A j=

a n1,1 a n1, j1 bn1 an1, j+1 an1,n
an ,1 an , j1 bn an , j+1 an , n

()

a1,1 a1,n
A=

an , 1 a n ,n

a b j
d e k
g h l

a b c
d e f
g h i

b1
b = b2
b3

()

Usando las propiedades de la multiplicacin matricial (Producto de

Matrices):

A x =b A1 A x = A1 b I x =A1 b x = A1 b
Entonces:

( AdjA )
1
x = A b=
b
| A|
Sean:

A1 b= p jk

A'pl
( AdjA) = ' = Alp
A pl
t

Por lo tanto:
n

'
Aij bi
A
| A j|
ji
A b= p jk =
bik = i=1
=(1)
|A|
| A|
i=1 | A|
n

Aparte, recordando la definicin de determinante, la sumatoria

definida acumula la multiplicacin del elemento adjunto o Cofactor de
la posicin ij, con el elemento i-simo del vector B (que es
precisamente el elemento i-simo de la columna j, en la matriz Aj.