Matrices y Determinantes

MATRICES Y DETERMINANTES
Matrices
Muchos problemas que se presentan en la estadstica, economa, mecnica clsica, ingeniera
mecnica - elctrica y an en las ciencias biolgicas y sociales se abordan mediante el empleo de las
matrices. El concepto de matriz no es nuevo, en 1858, Arthur Cayley, un matemtico del siglo XIX public
un trabajo llamado Memoria sobre la teora de matrices que modific muchos conceptos establecidos
hasta aquella poca; hoy con el adelanto de las mquinas computadoras se hace ms necesario el uso de
los mtodos matriciales para manejar problemas en los cuales se utiliza gran cantidad de datos.
Definicin 3.2 Sea F un campo y E={(i,j) / 1 i m, 1 j n} un conjunto de pares ordenados de enteros

positivos. Una matriz A de orden m x n sobre el campo F es una funcin A: E F, donde A(i ,j) = aij F
recibe el nombre de "entrada" o elemento de la matriz.
Usualmente la matriz A se representa mediante una disposicin rectangular de entradas

expresadas en m filas y n columnas. Cuando el campo F coincide con R o C, todos los elementos de la
matriz sern respectivamente nmeros reales o complejos.
Por ejemplo, supongamos que:
(a) E = {(i , j) / 1 i 3, 1 j 2} y F = R, La matriz A: E R representemos, por ejemplo, mediante:

1
0
4
A = 5 1

1 3

donde a11 = 1/4 se encuentra en la fila 1 y columna 1, a32 = 3 est ubicada en la fila 3 columna 2, etc.
Diremos que A es una matriz de orden 3x2 de tamao 3 por 2.
(b) E = {(i, j) / 1 i 2, 1 j 4} y F = C, entonces la matriz A: E C disponemos, por ejemplo, por

medio de
3 + i 5/ 2 i 2
A =
1 8i 0 1 4i
donde a13 = i se encuentra en la fila 1 columna 3, a24 = 1 4i est situado en la fila 2 columna 4, etc.
El orden de esta matriz es de 2x4.
En circunstancias especiales los elementos de las matrices pueden ser funciones , matrices, etc.
Por ejemplo:
0 1 0 2

sen t tan t 1 0 5 2
A = B=
t 1
2 t 1 0 1 2

0
1 3 4
en el cual los elementos pertenecen implcitamente a un campo convenientemente definido.
Representando la matriz A de m filas y n columnas mediante un arreglo rectangular, tenemos:
Mag. Jos L. Estrada P. UTEA 1

a 11 a 12 a 1n

a a a 2n
A = 21 22 = (aij) mxn

a a mn
m1 a m2
cuyo orden es mxn.
Cuando m = 1, entonces diremos que A es una matriz fila; y cuando n = 1 una matriz columna.
Si todos los elementos de la matriz A son ceros , sta se denomina la matriz cero.
La diagonal principal de una matriz cuadrada nxn est formada slo por los elementos a11, a22,...,
ann.
La matriz identidad In de orden n es una matriz cuadrada nxn, en el cual todos los elementos del
diagonal principal son 1 y los dems ceros; es decir, aij = 0 i j .
Ejemplos :
2
3 2 1 0 0
0
0 4 3 (0 1
1) 1 0 0
1 2
2 5
3
0
0

matriz cuadrada matriz fila matriz matriz
diagonal principal: 3, 4, -5 columna cero
1 0 0
1 0
I2 = I3 = 0 1 0
0 1 0
0 1
matriz identidad matriz identidad
Podemos considerar las matrices filas 1x n como elementos de F n o las matrices columna mx1
como elementos de F m. Ms concretamente, supongamos que el campo F sea R y n = 3, y como
sabemos los elementos de R3 son ternas ordenadas de nmeros reales, por ejemplo el vector (0, 1/2 ,
1); entonces la matriz fila (0 1/2 1) podemos considerar como elemento de R3. De aqu que la
matriz fila se llamar vector fila y la matriz columna vector columna.
En resumen, una matriz disponindose en forma rectangular de nmeros permite expresar
frecuentemente problemas en situaciones muy concretas. Por ejemplo supongamos que tres fbricas F1,
F2, F3 producen diariamente ladrillos, bloquetas y tubos de concreto en las cantidades que se indican ms
abajo. Este hecho lo representamos mediante el diagrama que se ilustra, y consiguientemente mediante
una matriz A:
PRODUCTO PRODUCCION DIARIA

FABRICA 1 FABRICA 2 FABRICA 3
LADRILLOS 3000 2500 1500
BLOQUETAS 1800 2600 2500
TUBOS DE C 1500 2300 2400
3000 2500 1500

A= 1800 2600 2500
1500 2300 2400


Otro ejemplo interesante de uso corriente es aquella matriz que expresa el origen-destino de
pasajeros en un sistema de transporte. Esta matriz se construye de una lista de pasajeros que se desplazan
de un lugar a otro. Formulamos, con un ejemplo, a travs del siguiente diagrama:
D E S T I N O
PUNO AREQUIP ICA LIMA
A
O CUSCO 180 300 200 350
R
I PUNO 0 150 50 60
G
E AREQUIPA 0 0 120 250
N
180 300 200 350

La matriz correspondiente viene dada por: A = 0 150 50 50
0 0 120 250

Operaciones con matrices
Mmxn(F) representa el conjunto de todas las matrices mxn. donde F es el campo de nmeros reales
o complejos. Vamos a definir operaciones en este conjunto:
Definicin 3.3 Dadas las matrices A = (aij)mxn y B = (bij)mxn sobre un campo F, entonces:
(1) Diremos que A y B son iguales; es decir, A = B si y slo si aij = bij para todo i = 1, 2, ..., m; todo j = 1,
2, ..., n.
(2) La suma de las matrices A y B es la matriz A + B = (cij)mxn, donde cij = aij + bij
(3) Si k F y A = (aij), entonces el producto del escalar k por la matriz A, es la matriz
kA = (cij)mxn, donde cij = kaij.
(4) Supongamos que A = (aij)mxn y B = (bij)nxp, entonces el producto de A y B viene dado por: AB =
n
(cij)mxp, donde cij = aik bkj ,
k =1
para 1 i m, 1 j n.
Obsrvese que el producto de A y B es posible efectuar slo cuando el nmero de columnas de la

primera matriz A es igual al nmero de filas de la segunda matriz B.
La operacin de multiplicacin de matrices se ilustra de una manera general de la siguiente forma.

Por ejemplo para i =1 de A, j =1 de B, fijos:
a 11 a 12 a 1n b11 b12 b1p c11 c12 c1p

a 21 a 22 a 2n b 21 b 22 b 2p c c c 2p
= 21 22

a a mn b n1 b n2 b np c m1 c m2 c mp
m1 a m2

n
donde c11 = a 11b11 + a 12 b 21 + ... + a 1n b n1 = a 1k b k1 . De igual modo se proceder para calcular los otros
k =1
elementos cij.
Abreviadamente el producto de matrices se efecta "fila por columna" en el orden en que son
escritas. Presentamos un esquema en el que cij es la interseccin de la i-sima fila de A y la j- sima
columna de B.
B
Columna j
nxp
Fila i cij
mxn mxp
AB
Muchas reglas para el lgebra de matrices son vlidas al igual que las leyes conocidas en el lgebra
en general, no obstante que existen algunas propiedades que s fallan en las matrices.
PROPIEDADES
Supongamos que A,B,C son matrices cuyos rdenes sean adecuadas para efectuar las operaciones
indicadas:
(1) A+B=B+A (6) k(B + C) = kB + kC, k F

(2) A + (B + C) = (A + B) + C (7) (a + b)C = aC + bC, a, b F
(3) A(BC) = (AB)C (8) (ab)C = a(bC)
(4) A(B + C) = AB + AC (9) a(BC) = (aB)C = B(aC)
(5) A(B C) = AB AC (10) AmAn = Am+ n, (Am)n =Amn ,m,nN
La propiedad (10) se incluye, a pesar de que en este momento todava no hemos definido la potencia de
una matriz. Es por conveniencia, a fin de que estn agrupados en un conjunto. Ms adelante trataremos
este punto.
Ejemplos:
0 1 2 1 1 2 1 0 0
1. + =
3 2 5 4 0 1 7 2 4
2
0 3
0
-i i 0 1
2 3
1 = 1
2
2. 0.5 + 1.5 = 2 3.
3 2 3
2 + 3i 1 - 2i 3 + i 6 3 4 2


2 1
3 2 1
4. Sean A = 0 1 y B = , entonces:
3 0 3 4
4
2 1 6 1 6
3 2 1
AB = 0 1 = 0 3 4 , mientras que
0 3 4
3
4 9 6 19

2 1
3 2 1 3 3

BA =
0 3 4 0 1 = 12 13

3 4

Observe que AB = (cij) 3x3, donde c12 = (2)(2) + (1)(3) = 1, c32 = (3)(2) + (4)(3) = 6, etc. y BA = (dij)2x2,
donde d11 = (3)(2) + (2)(0) + (1)(3) = 3, d22 = (0)(1) + (3)(1) + (4)(4) = 13, etc.
0 3 1 0
5. A = y B = , entonces:
1 2 3 4
0 3 1 0 9 12 1 0 0 3 0 3
AB = = y BA= =
1 2 3 4 5 8 3 4 1 2 4 17
6. Si A= (2) 1x1 y B = (5)1x1, entonces AB = (10)1x1 y BA = (10)1x1
7. APLICACIN: Considrese 3 pases P, Q, R donde ai, bj y ck denotan respectivamente el nmero de

aeropuertos de cada pas, para i =1, 2; j =1, 2; k =1, 2, 3, 4; tal como aparece en el diagrama siguiente:
c1
a1 b1 1
1 1 c2
2 1
3 2 c3
a2 b2 1
2 c4
P Q R
El nmero que aparece sobre las lneas de unin indica el nmero de posibilidades de viajar de un
aeropuerto a otro, debido a que hay tantas empresas de aviacin en cada trayecto. Por ejemplo, para
viajar de a2 a b1 hay 3 posibilidades, puesto que existen 3 lneas areas a lo largo de esa ruta. Se quiere
conocer las alternativas para viajar del pas P al pas R.
Solucin: Toda la informacin que se tiene podemos expresar en los cuadros siguientes:
b1 b2 c1 c2 c3 c4
a1 1 2 b1 1 1 1 1
a2 3 0 b2 2 0 0 2
Una ruta de a1 hasta c1 puede pasar por b1 o por b2; en el primer caso existe 1x1 posibilidades y en el
segundo caso 2x2 posibilidades, en total son 5 las posibilidades de escoger. Si disponemos los cuadros
anteriores en 2 matrices adecuadas se tendr:
1 2 1 1 1 1 5 1 1 5
A = i B = . El producto AB= proporciona el nmero total de alternativas
3 0 2 0 0 2 3 3 3 3
de las rutas para ir de P a R. Por tanto formamos el cuadro:

c1 c2 c3 c4
a1 5 1 1 5
a2 3 3 3 3
OBSERVACIONES
(1) Si A es una matriz cualquiera y 0 es la matriz cero con orden convenientemente definido, entonces:
A0 = 0 y 0A = 0. Pero no siempre A0 = 0A. Por ejemplo, si A es la
0 0
6 5 4 6 5 4 0 0
matriz A = , entonces: AO = 0 0 =
3 2 1 3 1 0 0
0
2
0
6 4
OA = (0 0 ) = (0 0 0 )
5
3 2 1
En cada caso el tamao de la matriz es diferente.
(2) En los nmeros reales se cumple la propiedad siguiente: Si a 0 y b 0, entonces ab 0. El producto

de matrices no nulas (no ceros) puede ser una matriz nula. Por ejemplo:
1 0 0 0 0 0
Si A = 0 i b = 0 , entonces AB = .
0 0 1 1 0 0
(3) Como consecuencia de la definicin del producto de 2 matrices se tiene AB BA; es decir, el producto
no es conmutativo, vase los ejemplos 4 y 5 anteriores.
(4) En el conjunto de nmeros reales, se cumple la ley de la cancelacin: ac = bc a =b, siempre que
c 0. En el conjunto de matrices no siempre se verifica. En efecto, sean:
1 0 2 1 3 0 6 5 7

A= 0 1 1 , B= 0 4 1 , C= 2 2 4
2 0 2 2 3 0 3 3 6

Puede comprobarse fcilmente que AC = BC; sin embargo A B y C 0.
(5) En algunos casos especiales AB = BA cuando A y B son matrices cuadradas, en tal caso decimos que A
conmuta con B. Por ejemplo, representemos A2 por A2 = AA, A3 = A2A = AA2, A4 = A3A = AA3, ..., An =
An-1A = AAn-1; es decir, A conmuta con cualquier potencia positiva entera de A. Para n = 0, definimos
A0 = I (Matriz identidad).
(6) La matriz identidad In conmuta con cualquier matriz cuadrada A de orden n: InA =AIn=A.
(7) La multiplicacin de una matriz por un vector columna nos sugiere interpretar de otra manera el
producto de matrices. Esta nueva interpretacin es conveniente para demostracin de algunas
propiedades que resultan tediosas y aburridas, por ejemplo, la asociatividad; y para plantear algunos
resultados que se vern ms adelante, como son los
1 4 3 1

espacios columna y los espacios fila. Supongamos que A = 2 1 5 y B= 0 ,
3 2
0 3x 3 2
3x1

5

entonces AB = 12 . Este clculo revela algo importante: el producto AB es de hecho una
3
3x1
combinacin lineal de las tres columnas de A ponderada por cada componente de B; es decir:
1 4 3 1 0 6 5

AB = 2 (1) + 1 (0) + 5 (2) = 2 + 0 + 10 = 12
3 2 0 3 0 0 3

Por consiguiente, el producto AB se puede hallar usando simultneamente todas las columnas de A.
Podemos extender esta idea al producto de 2 matrices, de la siguiente manera: Supongamos que
1 2 -1 0 3 9 2 11
A= y B= , entonces AB = .
0 4 5 1 4 20 4 16
Tomando el producto de A por cada columna de B y teniendo en cuenta el caso anterior resulta:
1 2 - 1 9 1 2 0 2 1 2 3 11
= , = , =
0 4 5 20 0 4 1 4 0 4 4 16
Esto demuestra que cada columna del producto AB es combinacin lineal de las columnas de A y
ponderadas por las entradas de B.
Surge ahora la pregunta. Cmo estn las filas de AB? Tomando el producto de cada fila de A por
la matriz B, del ejemplo anterior se obtiene:
1 0 3
( 1 2 ) = ( 1 )( 1 0 3 ) + ( 2 )( 5 1 4 ) = ( 9 2 11 )
5 1 4
1 0 3
( 0 4 ) = ( 0 )( 1 0 3 ) + ( 4 )( 5 1 4 ) = ( 20 4 16)
5 1 4
Resulta ahora que cada fila del producto AB es combinacin lineal de las filas de B y ponderadas
por las entradas de A.
Resumamos las tres maneras de visualizar la multiplicacin de matrices:

(1) Cada entrada de AB es el producto de una fila y una columna:
aij = (fila i de A)(columna j de B)
(2) Cada columna de AB es el producto de una matriz y una columna:
Columna j de AB = (matriz A)(columna j de B)
(3) Cada fila de AB es el producto de una fila y una matriz:
fila i de AB = (fila i de A)(matriz B).
EJERCICIOS
1. Diga si es verdadero o falso; dar un contraejemplo cuando sea falso.

(a) Si la primera y tercera columna de B son iguales, tambin lo son la primera y la tercera columna de
AB.
(b) Si la primera y la tercera filas de B son iguales, tambin lo son la primera y la tercera filas de AB.
(c) Si la primera y tercera filas de A son iguales, tambin lo son la primera y tercera filas de AB.

2. La primera fila de AB es una combinacin lineal de todas las filas de B. En esta combinacin, Cul es la
1 1
2 1 4
primera fila de AB, si A = , B = 0 1 ?
0 1 1 1 0

3. (a) Qu le sucede a una matriz A de 3x3 si la premultiplicamos por
1 0 0 1 0 0

E31 = 0 1 0 E23 = 0 1 5
4 0 1 0 0 1

(b) Qu sucede si postmultiplicamos para formar AE31?
2 3 0 1 2
1 1 2 4 0 3
4. Si: A = , B= , C= 5 1 4 2 , D= 1 . Encontrar:
0 3 4 1 2 3 1
0 0 3 3

(a) A+B (b) A + C (c) 3A 4B (d) AB (e) AC
(f) AD (g) BC (h) BD
2 2
5. Si A = , encontrar: (a) A2 (b) A3 (c) f(A) (d) g(A),
3 1
donde f(x) = x3 3x2 2x + 4 y g(x) = x2 x 8.
0 1 0

6. Si A = 0 0 1 , verifique que A3 = 5 I3
5 0 0

7. Resuelva cada una de las siguientes ecuaciones matriciales:

5 1 1 x1 0 5 1 1 x1 7

(a) 1 4 7 x2 = 0 (b)= 1 4 7 x2 = 3
4
3 6 x3
0

4
3 6 x3
0

8. Muestre que A y B conmutan si y slo si A In y B In conmutan para un cierto escalar .
0 0 0

9. Muestre que si N = a 0 0 , entonces N3 = 0.
b c 0

10. Construya matrices no nulas A y B de orden 3, tales que AB = 0.
11. Una industria de calzado fabrica por mes 4 modelos: 600 pares de un modelo A, 800 pares de un
modelo B, 500 pares de un modelo C y 1000 pares de un modelo D. Los precios de venta en 4 ciudades
distintas de los diferentes modelos de zapatos viene dado en el siguiente diagrama:
Precio Venta A B C D
CUSCO 50 60 54 40
AREQUIPA 45 48 58 38
LIMA 52 65 60 50
TRUJILLO 56 70 66 62
La industria desea saber a qu ciudad debe ser enviada toda la produccin del mes, para obtener una
renta mxima procedente de las ventas.

2 1
1 2 5
12. Dadas las matrices A = 1 0 y B = , halle: (a) AB, (b) BA.
3 3 4 0
4
1 3 x
13. Dada A = , encuentre un vector columna no cero X = tal que AX=3X.
4 3 y
x y 1 1
14. Encuentre todas las matrices que conmutan con
0 1 .
z w
1 2
15. Sea A = , encuentre An.
0 1
16. La Comisin de Admisin de una Universidad planea admitir 10000 postulantes para el ao prximo.
Al mismo tiempo determina las vacantes en la forma siguiente: 7500 vacantes para los que procedan
de la regin INCA (locales) y 2500 para los que son de fuera (forneos). Este hecho lo expresamos en
una matriz fila A = (7500 2500). Y establece los porcentajes para 4 grupos de carreras profesionales.
Grupo A: Ingenieras, grupo B: Ciencias de la Salud, grupo C: Ciencias Administrativas - Contables y
grupo D: Ciencias Sociales; tanto para estudiantes de la regin (L) como de fuera (F). La matriz B
expresa esta informacin:
A B C D
0.30 0.20 0.40 0.10 L

B =
0.40 0.30 0.25 0.05 F
Determine el nmero de estudiantes que se espera entren en cada grupo de facultades el ao
prximo.
17. Refirase al problema anterior. La oficina de bienestar estima que los estudiantes podrn escoger las
alternativas de vivienda y pensin universitaria de acuerdo con los porcentajes que aparece en la
siguiente matriz C:
VU CU VP
0.40 0.30 0.30 L

B =
0.60 0.20 0.20 F
donde: VU : Vivienda Universitaria , CU : Comedor Universitario.
VP : Vivienda Particular.
Encuentre el nmero de estudiantes que se espera elijan las diferentes opciones de vivienda y
pensin.
18. Una compaa elabora tres productos, cada uno de los cuales requiere de 3 especies de materia
prima y mano de obra. En la matriz D se resume la necesidad por unidad de cada producto. E1 :
Especie 1, E2 : Especie 2, E3 : Especie 3.
Materia Mano
Prima de
E1 E2 E3 Obra
2 4 5 5 Producto A

D = 3 2 3 8 Producto B
1 6 5 4
Producto C

Las necesidades de materia prima se establece en kilos por unidad, y las necesidades de mano de
obra en horas por unidad. Los costos de las tres especies de materia prima son 2, 3 y 1.5 nuevos soles
por kilo respectivamente. Los costos por mano de obra son de 5 nuevos soles por hora. Supngase
que se van a producir 500, 1000 y 400 unidades de los productos A, B y C.
(a) Determine las cantidades totales de los cuatro recursos que se requiere para elaborar los
productos A, B y C.
(b) Calcule el costo total combinado de produccin.
19. Los colores de mayor venta en una tienda de pinturas son el rojo y el azul. En cada color hay dos
calidades: la econmica y la superior. Se tiene 300 latas de pintura roja econmica, 400 latas de
pintura azul econmica, y 100 latas de cada color de calidad superior. Los precios de lista normales
son de S/. 8000 y S/. 6000 para la superior y la econmica respectivamente, pero estn a la venta con
un descuento de S/. 1000 por cada lata.
(a) Cul sera la ganancia total si se vendieran todas las latas al precio normal?
(b) Y si todas se vendieran con el descuento?
20. El dueo de varias tiendas en artesana hace 2 diseos de vajillas, en dos de sus plantas de fabricacin.
La produccin en la fbrica del Cusco en un da es la siguiente:
Platos
Tazas Pequeos Platos Tazones
Diseo Andino 40 40 30 6
Diseo Tradicional 24 24 20 3
Mientras que en la planta de Puno la produccin asciende a:
Platos
Tazas Pequeos Platos Tazone
s
Diseo Andino 26 26 16 0
Diseo 20 18 12 2
Tradicional
(a) Cuntos artculos de cada diseo se producen en las 2 fbricas combinadas?

Estos diseos tienen un buen mercado y el dueo decide hacerlos tambin en su fbrica en Lima.
Estima que la produccin de esta planta ser proporcional a la produccin de la fbrica de Cusco y
tres veces mayor.
(b) Cul ser la produccin en Lima?
(c) Cul es la produccin en las tres plantas?
21. Demuestre todas las propiedades sobre matrices, expuesta en la pgina 4.
Tipos especiales de matrices
Consideremos ahora ciertas clases de matrices que desempean un papel importante en el lgebra
lineal.

A. Matrices diagonales
Son aquellas matrices cuadradas en las cuales todos los elementos encima y debajo de la diagonal
principal son ceros; es decir, todos los aij = 0 para i j. Por ejemplo:
4 0 0 0

0 3 0 0
A= es una matriz diagonal.
0 0 0 0

0 0 0 1

Las matrices diagonales tienen propiedades muy tiles que veremos posteriormente. Mencionemos
unas cuantas:
(1) La suma y el producto de 2 matrices diagonales son diagonales.
d1 0 0 0 d 1k 0 0 0

0 d2 0 0 0 d k2 0 0
(2) Si D = 0

0 d3 0 es diagonal,

Dk= 0 0 d 3k 0 ;

0 0 0 dn 0 0 0 d kn
es decir, para elevar D a la potencia k, solamente se necesita elevar cada elemento de la diagonal principal
a la potencia k.
B. Matrices escalares
Si In es la matriz identidad y k es un escalar, entonces kIn = E se llama matriz escalar. Por

ejemplo:
1 0 0 5 0 0

E = 5 I3 = 5 0 1 0 = 0 5 0
0 0 1 0 0 5

Observamos que este es un caso particular de las matrices diagonales. Adems se puede
deducir que E conmuta con cualquier matriz cuadrada del mismo orden:
EA = (kI)A = k (IA) = kA
EA = AE
AE = A(kI) = k (AI) = kA
C. Matrices triangulares
Son matrices cuadradas tales que todos los elementos debajo de la diagonal principal son
ceros, o todos los elementos encima de la diagonal principal tambin son ceros. Respectivamente
se dirn matrices triangulares superiores y matrices triangulares inferiores; es decir, aij = 0 i >j
y bij = 0 i < j (respectivamente). Por ejemplo:
4 3 12 1 0 0 0

0 1 1 0 6 4 0 0
A= 0 i B=
0 5 6 1 2 0 0

0 0 0 2 0 1 4 3

aij = 0 i > j bij = 0 i < j
Matriz triangular Matriz Triangular
superior Inferior

Existe una propiedad que utilizamos con frecuencia: El determinante de una matriz triangular
es igual al producto de todos los elementos de la diagonal principal; as tenemos:
4 3 2 1
0 1 -1 0
det (A) = = (4) (1) (5) (2) = 40
0 0 5 6
0 0 0 -2
(La matriz triangular superior o inferior se puede definir an cuando la matriz no necesariamente
sea cuadrada.)
D. Matrices transpuestas
La transpuesta AT de una matriz A de orden m n es la matriz de orden n m obtenida a

partir de A intercambiando las filas por columnas. Por ejemplo:
1 4
1 - 2 3
Si A = , entonces AT = 2 5
- 4 5 - 6 3 6

PROPIEDADES
Supongamos que A,B son matrices cuyos rdenes sean compatibles para efectuar la operacin
correspondiente.
(a) (AT )T = A
(b) (A + B)T = AT + BT
(c) (AB)T = BTAT
(d) (kA)T = kAT, k R
La demostracin de estas propiedades son relativamente sencillas y dejamos como ejercicio para el
estudiante. Vamos a comprobar la propiedad (c) mediante un ejemplo:
3 2
4
Supongamos que A = 1 0 , B = , entonces:
2 1 3

3 2 18
4 3 1 2
AB = 1 0 = 4 , (AB)T = (18 4 5). Pero AT =
2 3 2 0 1
1
5
3 1 2
BT = (4 3) y BTAT = (4 3) = (18 4 5)
2 0 1
Lo que demuestra que (AB)T = BTAT. Observe que ATBT no existe, no es posible efectuar el producto.
E. Matrices simtricas
Una matriz cuadrada A se llama simtrica cuando coincide con su transpuesta; es decir, si A=AT. Se
denomina simtrica porque sus elementos estn dispuestos simtricamente respecto a la diagonal
principal. Por ejemplo:

1 3 5 0

A= 3 2 0 2

5 0 3 1

0 2 1 4

PROPIEDADES
Si A es una matriz simtrica con elementos reales o complejos, entonces se cumplen:
(a) kA es simtrica (k R o k C)
(b) AAT = ATA
(c) A2 es simtrica.
Vamos a demostrar la propiedad (c) a manera de ilustracin, dejando las partes (a) y (b) para
el lector. Debemos probar que A2 = (A2)T. Iniciamos con el segundo miembro . En efecto:
(A2)T = (AA)T = ATAT = A.A = A2.
Ejemplo (Aplicacin) Consideremos el nmero de carreteras que comunican 4 ciudades, tal como
estn mostradas en el diagrama siguiente:
(1) (4)
a b
(2) (3)
Esta informacin lo representamos en una matriz A de 4x4, donde aij = aji. Naturalmente A es
simtrica.
(1) (2) (3) (4)

(1) 0 2 0 1 5 1 2 2 4 14 1 6

(2) 2 0 1 1 1 6 0 2 14 4 6 7
A= , A2 = , A3 =
(3) 0 1 0 0 2

0 1 1

1 6 0 2

(4) 1 1 0 0 2
2 1 2 6 7 2 4

Los elementos de A indican el nmero de rutas para ir de una ciudad a otra. Por ejemplo; a13 = a31 =
0, indica que no existe ninguna carretera que une directamente la ciudad (1) con la ciudad (3); a12 = a21 =
2, significa que hay 2 carreteras que unen a estas dos ciudades.
Los elementos de A2 representa el nmero de maneras de viajar entre dos ciudades pasando
apenas por una ciudad (direcciones opuestas sobre la misma entrada son consideradas distintas). Por
ejemplo, a22 = 6, quiere decir que existen 6 posibilidades de viajar de la ciudad 2 a la misma ciudad pasando
slo por una ciudad. Verifquelo.
Los elementos de A3 representa el nmero de maneras de viajar de una ciudad a otra pasando
exactamente por 2 ciudades. Por ejemplo, a31 = a13 = 1, indica que hay una sola carretera para ir de (3) a
(1), y es precisamente la ruta: (3)-(2)-(4)-(1) la cual est pasando por dos ciudades (2) y (4).

Verificacin de las 14 rutas:

De la ciudad (1) a la ciudad (2) pasando exactamente por 2 ciudades:
a
1 (1) (4) (1) (2)
b
2 (1) (4) (1) (2)
a
3 (1) (2) (4) (2)
b
4 (1) (2) (4) (2)
a
5 (1) (2) (3) (2)
b
6 (1) (2) (3) (2)
a a a
7 (1) (2) (1) (2)
a a b
8 (1) (2) (1) (2)
a b a
9 (1) (2) (1) (2)
b a a
10 (1) (2) (1) (2)
b b b
11 (1) (2) (1) (2)
b b a
12 (1) (2) (1) (2)
b a b
13 (1) (2) (1) (2)
a b b
14 (1) (2) (1) (2)
Podemos extraer de este ejemplo un resultado que afirma lo siguiente: Si A es simtrica, entonces An es
simtrica, n N.
Las matrices simtricas aparecen en cualquier campo cuyas leyes sean justas. "Cada accin tiene
una reaccin igual y de sentido opuesto", y la entrada que describe la accin de i sobre j, corresponde con
otra que describe la accin de j sobre i. En la factorizacin de matrices, como consecuencia del proceso de
eliminacin Gaussiana, las matrices simtricas reducen el trabajo a la mitad. Los clculos encima de la
diagonal son el duplicado de los clculos debajo de la diagonal.
F. Matrices antisimtricas
Una matriz cuadrada A se llama antisimtrica cuando coincide con el inverso aditivo de su
transpuesta; es decir, cuando A = AT. Como consecuencia de sta definicin se puede mencionar
que: aij = aij para i j y aij = 0 para i = j. Por ejemplo, consideremos la matriz:
0 3 1 0 3 1 0 3 1

A= 3 0 2 , AT = 3 0 2 , AT = 3 0 2
1 2 0 1 2 0 1 2 0


luego A = AT. Observe que todos los elementos de la diagonal principal son ceros y los dems
elementos que estn dispuestos simtricamente con respecto a la diagonal tienen signos opuestos.
PROPIEDADES
Si A es una matriz antisimtrica con elementos reales o complejos, entonces se cumplen:

(a) kA es antisimtrica (k R o k C)
(b) AAT = ATA
(c) A2 es simtrica.
La demostracin de estas propiedades son anlogas a las de matrices simtricas. Se deja como
ejercicio.
G. Matrices idempotentes
Una matriz cuadrada A se llama idempotente cuando A2 = A. Por ejemplo:
1 - 1 1 - 1
(a) A = A 2 = , luego A = A2
0 0 0 0
1 1 1 1 1 1

(b) A = 1 1 1 A = 1 1 1 ,
2 luego A = A2.
1 1 1 1 1 1

(c) A = (1) A2 = (1) , luego A = A2.
Observe que si A es idempotente, An = A para cualquier n N. Estas matrices estn relacionadas

con ciertas transformaciones lineales que son objeto de estudio del lgebra lineal.
H. Matrices nilpotentes
Una matriz cuadrada A se llama nilpotente (nulipotente) si existe un entero positivo p tal que Ap =
0 y Ap 1 0. Por ejemplo:
0 0 1 0 0 0 0 0 0
2
3

N = 1 0 0 , N = 0 0 1 , N = 0 0 0
0 0 0 0 0 0 0 0 0

Luego N es una matriz nilpotente de ndice 3. El estudio de estas matrices se ven cuando se aborda
el estudio de "las formas cannicas", vistas tambin en el lgebra lineal.
I. Matrices inversas
Si A es una matriz cuadrada de orden n y existe una matriz B de orden n tal que AB = BA = In,
entonces B recibe el nombre de inversa de A.
Si A admite una inversa, entonces esa inversa es nica. En efecto, supongamos que C es otra matriz
inversa de A tal que AC = CA = In. Luego:

C = C In = C(AB) = (CA)B = In B = B ; lo que prueba la unicidad. Por consiguiente cuando la inversa existe,
es usual denotar B por A1 y decimos que A es invertible (inversible). Por tanto escribiremos AA1 = A
1A = I .
n
Este concepto es muy importante dentro del lgebra lineal y con mucha frecuencia se ver en
captulos posteriores, y estudiaremos diversos mtodos para encontrar la inversa de una matriz dada;
mientras tanto, cuando el orden es pequeo es posible encontrar su inversa, si es que existe,
3 4 a b
recurriendo a la definicin. Por ejemplo, si A = , vamos a suponer que B = sea su
5 2 c d
inversa, entonces AB = I2; esto es,
3 4 a b 1 0
=
5 2 c d 0 1
Igualando las matrices se tiene el sistema de ecuaciones lineales
3a - 4c = 1

3b - 4d = 0

5a + 2c = 0
5b + 2d = 1
Al resolver el sistema obtenemos: a = 1/13, b = 2/13, c = 5/26 y d = 3/26, luego: B =
1 2

13 13 es la inversa de A, y se comprueba fcilmente que AB = BA = I2.
- 5 3

26 26
Cuando una matriz A de orden n tiene inversa, otras veces A recibe el nombre matriz no singular
y cuando no tiene inversa, se dice que es singular.
PROPIEDADES
Supongamos que A y B son matrices invertibles del mismo orden, entonces se cumple:
(a) AB es invertible
(b) (AB) 1 = B1A1
(c) escalar k 0, kA es invertible y (kA) 1 = (1/k)A1
(d) A1 es invertible y (A1) 1 = A
(e) An es invertible y (An) 1 = (A1)n, para n = 0, 1, 2, ...
J. Adjunta de una matriz
Si A = (aij) es una matriz nxn y Cij es el cofactor de aij, entonces la matriz
C11 C12 ... C1n

C21 C22 ... C2n

. . ... .
cof (A) =
. . ... .

. . ... .

Cn1 Cn2 ... Cnn
Se llama la matriz de cofactores de A, donde el nmero Cij = ( 1)i + j Mij y Mij es el determinante de
la submatriz que se forma al suprimir la fila i con la columna j de A.

La transpuesta de la matriz de cofactores de A se llama adjunta de A; es decir,

T
a11 a12 ... a1n C11 C12 ... C1n

a 21 a 22 ... a 2n C21 C22 ... C2n

. . ... . . . ... .
Si A = , entonces adj (A) =
. . ... . . . ... .

. . ... . . . ... .

a n1 a n2 ... a nn Cn1 Cn2 ... Cnn
1 2 2

Por ejemplo, en A = 3 1 0 se tiene:
1 1 1

1 0 3 0 3 1
C11 = ( 1)1+ 1 = 1 C12 = ( 1)1+ 2 =3 C13 = ( 1)1+ 3 =2
1 1 1 1 1 1
2 2 1 2 1 2
C21 = ( 1)2 + 1 = 0 C22 = ( 1)2+ 2 =1 C23 = ( 1)2+ 3 =1
1 1 1 1 1 1
2 2 1 2 1 2
C31 = ( 1)3+ 1 =2 C32 = ( 1)3+ 2 =6 C33 = ( 1)3+ 3 =5
1 0 3 0 3 1
Por tanto:
T
1 3 2 1 0 2

adj(A) = 0 1 1 = 3 1 6
2 6 5 2 1 5

Ahora establecemos un resultado muy importante el cual permite obtener la inversa de una matriz.
(Si Usted no conoce determinantes pase a la seccin 3.5)
Teorema 1.1 Si A es una matriz invertible, entonces:
1
A-1 = [adj(A)] , donde det(A) 0.
det(A)
Ejemplo. Hallar la inversa, si es que existe, de la matriz
1 2 2

A = 3 1 0
1 1 1

1 0 2

Solucin: Del ejemplo anterior obtuvimos que: adj (A) = 3 1 6
2 1 5

Para aplicar la frmula anterior requerimos del determinante de A. En efecto, hallamos por el
mtodo de cofactores: (a lo largo de la primera fila)
1 0 2
1 0 3 0 3 1
det(A) = 1 2 +2 = 1 . Por lo tanto: -1
A = 3 1 6
1 1 1 1 1 1 2 1 5


EJERCICIOS
1 2 0
1. Si A = . Encontrar : (a) AAT y (b) ATA
3 -1 4
3 1 2 - 3 2 0 3 4
2. Calcule las inversas de las matrices A = , B = , C = i D = , y verifique la
5 2 4 4 0 3 5 6
relacin (AB) 1 = B 1 A 1 y (CD) 1 = D 1 C 1
-1 2
3. Sea A una matriz invertible, y supongamos que la inversa de 7A es . Encuentre la matriz A.
4 - 7
1 0
4. Sea A la matriz , calcule A3, A 3 .
2 3
5. Encuentre la inversa de las siguientes matrices, si es que poseen.
3 6 1 0 2 4 1 2 1

(a) 0 1 8 (b) 2 4 2 (c) 1 1 2
2 4 1 3 3 1 1 0 1

1 0 2 1 2 3 2 1 1

(d) 2 1 3 (e) 2 1 0 (f) 0 2 1
4 1 8 4 2 5 5 2 3

31 2 47 1 1 1

(g) 16 1 24 (h) 0 1 1
2 0 3 0 0 0

6. Calcule la inversa de las siguientes matrices, si es que tiene:
1 0 1 1 1 3 11 38

1 0 1 1 2
(a) 0
0 7
(b)
0 0 1 0 0 0 1 2

0 0 0 1 0 0 0 1

1 2 3 4 1 3 1 1

(c)
2 0 0 0 2 5 2 2
(d)
3 1 2 0 1 3 8 9

0 0 1 0 1 3 2 2

7. La comisin de admisin de una Universidad acuerda admitir 7500 vacantes para el prximo ao
distribuidos en la forma siguiente: 3000 para varones de la regin (VR), 2750 para mujeres de la regin
(MR), 1000 para varones fuera de la regin (VF) y 750 para mujeres fuera de la regin (MF). Esta
informacin lo expresamos en la matriz fila:
VR MR VF MF
A = (3000 2750 1000 750)
Los porcentajes de las vacantes por reas de Facultades estn dadas en la matriz B:
VR MR VF MF
0.30 0.30 0.30 0.24 Fac. de Ingenieras

B= 0.20 0.10 0.30 0.06 Fac. de Cs. Sociales
0.50 0.60 0.40 0.70 Fac. de Cs. Adm Cont .

Encuentre el nmero de estudiantes que habr el prximo ao en cada rea.
8. Una empresa nacional dedicada al alquiler de vehculos motorizados est planeando su programa de
mantenimiento para el prximo ao. Los ejecutivos estn interesados en determinar las necesidades
de la empresa en cuanto a determinadas reparaciones, as como en sus costos. La empresa renta
autos, camionetas y microbuses. La matriz N indica el nmero de vehculos por cada tipo en 4 regiones
del pas: A,B,C y D.
Au : Autos
Ca : Camionetas
Mi : Micros Au Ca Mi
16 40 50 A

B
N =
15 30 20
10 10 15 C

12 40 30 D

Las reparaciones que deben efectuarse son: platinos, bujas, condensadores y (juegos de) llantas.
Basados en estudios de los registros de mantenimiento en diferentes partes del pas se ha
determinado el nmero promedio de reparaciones que se necesitan por cada vehculo durante un
ao, y estn expresadas en la matriz M.
Au Ca Mi
1.7 1.6 1.5 Platinos
Bujas
12.0 8.0 5 .0
M= Condensadores
0.9 0.75 0.5
Llantas
4.0 6.5 6.0

La matriz fila C = (1.25 0.80 30.00 35.00) indica el costo en dlares, por unidad de platinos, bujas,
condensadores y llantas.
(a) Se desea conocer que cantidades de reparaciones se necesitar en cada regin.
(b) Cules son los costos anuales regionales de las 4 reparaciones?
(c) Cul es el costo total anual de las 4 reparaciones de la empresa?
9. Encontrar la adjunta (clsica), verificar que A adj(A) = det(A) I y determinar A 1 en las siguientes
matrices:
2 3 4 1 1 0 1 2 3

(a) A = 0 4 2 (b) A = 1 1 1 (c) A = 2 3 4
1 1 1 0 2 1 1 5 7

1 2 3 1 i 0 0

(d) A = 1 0 1 (e) A = 4 3i 0
1 1 1 2i 1 + 4i 1

10. Hallar la adjunta (clsica) de las siguientes matrices:

1 2 2 3 2 1 3 2

1 0 2 0 3 0 1 2
(a) (b)
3 1 1 2 1 1 4 3

4 3 0 2 2 2 1 1


Sistema de ecuaciones lineales
Una ecuacin lineal en las n variables xi es de la forma:
a1 x1 + a2 x2 + . . . + an xn = b
donde los ai F se llaman coeficientes de la ecuacin, y los xi las variables, para i = 1, 2, ... n.
(Vase la seccin 1.4 )
Entenderemos una solucin de la ecuacin anterior a una nupla de escalares (c1, c2, ...,
cn) tales que :
a1 c1 + a2 c2 + . . . + an cn = b
Un sistema de ecuaciones lineales es simplemente un conjunto de varias ecuaciones lineales. Por

ejemplo,
2x1 2x2 3x3 =2
3x1 3x2 2x3 + 5x4 = 7
x1 x2 2x3 x4 = 3
es un sistema de 3 ecuaciones lineales con 4 variables ( 4 incgnitas). Una solucin es una 4-upla de
nmeros (c1, c2, c3, c4) que satisface idnticamente las 3 ecuaciones. No todos los sistemas tienen
soluciones.
Consideremos el caso particular de 2 ecuaciones lineales con 2 variables:

a1x + b1y = d1
a2x + b2y = d2
En este sistema puede ocurrir 3 posibilidades: tiene infinitas soluciones, tiene exactamente una
solucin o no tiene soluciones. Las grficas de estas ecuaciones son rectas en el plano; si son paralelas
no tiene solucin el sistema, si se intersectan en un punto tienen una nica solucin, y si coinciden
entonces tiene el sistema infinitas soluciones.
Todava podemos seguir interpretando geomtricamente la solucin de un sistema de 3

ecuaciones lineales con 3 incgnitas:
a1x + b1y + c1z = d1
a2x + b2y + c2z = d2
a3x + b3y + c3z = d3
Cada una de estas ecuaciones, como sabemos, representa un plano en el espacio tridimensional
R3. Existen tambin tres posibilidades respecto a su solucin:
(a) Si los tres planos se intersectan en un punto P, entonces el sistema tiene una nica solucin, y es
justamente las coordenadas del punto P. Vase la figura 1.
(b) Si los tres planos se intersectan en una recta L, el sistema tiene un nmero infinito de soluciones.
Cada punto de la recta L es una solucin. vase la figura 2.

(c) Cuando los tres planos son paralelos, 2 de ellos son paralelos, o se intersectan en una recta dos
a dos como se muestran en las figuras 3, 4 y 5 respectivamente, el sistema no tiene solucin.
Fig. 1 P Fig. 2
P
P L P3
P
P
P
P
P
L1
P P
P L2
P
Fig. 3 P3 Fig. 4
P2 L1
L2
P1 L3
Fig. 5
Estos mismos resultados son vlidos para sistemas arbitrarios.
EJERCICIOS
Encuentre la inversa de las siguientes matrices, si es que poseen.
3 6 1 0 2 4 1 2 1

(a) 0 1 8 (b) 2 4 2 (c) 1 1 2
2 4 1 3 3 1 1 0 1

1 0 2 1 2 3 2 1 1

(d) 2 1 3 (e) 2 1 0 (f) 0 2 1
4 1 8 4 2 5 5 2 3

31 2 47 1 1 1

(g) 16 1 24 (h) 0 1 1
2 0 3 0 0 0

Calcule la inversa de las siguientes matrices, si es que tiene:

1 0 1 1 1 3 11 38

1 0 1 1 2
(a)
0 0 7
(b)
0 0 1 0 0 0 1 2

0 0 0 1 0 0 0 1

1 2 3 4 1 3 1 1

2 0 0 0 2 5 2 2
(c) (d)
3 1 2 0 1 3 8 9

0 0 1 0 1 3 2 2


Determinantes
El concepto de determinante, surgi en relacin con el problema de solucin de sistema de
ecuaciones lineales. Se quiere definir el determinante de una matriz cuadrada A nxn. Esto se puede
hacer de varias formas. Algunos autores lo plantean mediante permutaciones, que son ciertos
arreglos sobre un conjunto finito de nmeros naturales Nn = {1, 2, 3, ..., n}, de tal modo que se pueda
definir de manera general la funcin determinante. Parte de la teora de determinantes envuelve
procesos engorrosos y difciles que creemos que no debe exponerse, as que, asumiremos sin
demostracin aquellos teoremas o propiedades que se consideren de este modo. Definiremos el
determinante de A = (aij)nxn por las propiedades que deben poseer.
Sea Mnxn (F) el conjunto de matrices cuadradas sobre el campo F, la funcin det : Mnxn (F) R
que asigne un nmero real a cada variable matricial A, y que satisfagan las cuatro propiedades
siguientes, llamaremos la funcin determinante, o simplemente determinante de A.
1 det (A1 , ... , Ai , ... , Aj , ... , An ) = 0 si y slo si Ai = Aj , i j
2 det (A1 , ... , rAi , ... , An) = r det(A)
3 det (A1 , ... , Ai + A'i , ... , An) = det(A1 , ... , Ai , ... , An) + det (A1 , ... , A'i , ... , An )
4 det ( In ) = 1 , donde :
A1 , A2 y An denotan la 1ra fila, 2da fila, y nsima fila respectivamente de la matriz A.
Como notacin, det(A) = det (A1, ... , Ai , ... , An )
In es la matriz identidad de orden nxn.
2 1 3 1

1 0 1 1
Supngase que A = , entonces: cada componente Ai, i = 1, 2, 3, 4, de A podramos
0 2 1 0

0 1 2 3

considerar como una matriz fila o como vector fila: A1 = ( 2 1 3 1 ), A2 = (1 0 1 1 ), A3 = ( 0

2 1 0 ), A4 = ( 0 1 2 3).
Usualmente se denota el determinante de A tambin como det (A) = | A |.
Definicin de determinante de segundo y tercer orden
a 11 a 12
(a) Si A = , entonces det (A) = a11 a22 a12 a21
a 21 a 22
a 11 a 12 a 13

(b) Si A = a 21 a 22 a 23 , entonces:
a a 32 a 33
31
det (A) = (a11 a22 a33 +a12 a23 a31 + a13 a21 a32) (a13 a22 a31 + a11 a23 a32 + a12 a21 a33 )

Estas dos alternativas de definir el determinante de una matriz 2 2 y 3 3, naturalmente
satisfacen las cuatro propiedades anteriores. A fin de evitar la memorizacin de estas pesadas
expresiones, a continuacin ilustramos un artificio para evaluar determinantes de orden 3:
(1) Escriba A, y en seguida, a la derecha las dos primeras columnas de A, tal como se muestra a
continuacin (llamada regla de Sarrus):
( ) ( ) ( )
a11 a12 a13 a11 a12
a21 a22 a23 a21 a22
a31 a32 a33 a31 a32
(+ ) (+ ) (+ )
(2) Calcule los productos indicado por las flechas. Los que van hacia abajo van precedidos del signo (
+ ), y los que van hacia arriba van precedidos del signo ( - ).
Otro artificio puede establecerse tambin escribiendo las dos primeras filas de A debajo de la
tercera fila.
Atencin ! El diagrama sirve slo para determinantes de orden 3 y no pueden usarse para evaluar
determinantes de orden 4 o de orden mayor.
Ejemplo 1. Hallar el det (A) de las siguientes matrices:
3 2 1 6 2 4 2(2)
(a) A = (b) A = (c) A =
8 4 2 + 3 5 + 2 3 5
1 2 3 2 0 3 1 0 0

(d) A = 0 1 2 (e) A = 1 4 5 (f) A = 0 1 0
1 4 1 2 0 3 0 0 1

Solucin: (a) det (A) = (3)(4) (2)(8) = 4 (definicin de determinante de orden 2)
1 6 1 6
(b) det (A) = det +det =(-17) + (-20) = - 37 (propiedad 3D)
2 5 3 2
4 2
(c) det (A) = 2 det = 2 (26) = 52 (propiedad 2D)
3 5
(d) det (A) = ( -1 + 0 + (-4)) (3 + 8 + 0) = 16 (def. determinante de orden 3)
(e) det (A) = 0. Pues las filas 1 y 3 son iguales (propiedad 1D)
(f) det (A) = 1. Pues A es la matriz identidad (propiedad 4D)
A. Propiedades de los determinantes
Ahora mostramos que existe la posibilidad de evaluar el determinante de una matriz cuadrada de
cualquier orden, reducindola a la forma escalonada por filas. La importancia de ste mtodo radica
en el hecho de que evita los largos clculos relacionados con la aplicacin directa de la definicin:

Propiedad 1. Si A es cualquier matriz cuadrada que contiene una fila de ceros, entonces det (A) = 0.
3 4 5 6
1 2 0 7
As tenemos: det (A) = = 0 . Pues la fila A3 = 0
0 0 0 0
9 1 2 3
Propiedad 2. Si A es una matriz triangular (superior o inferior) de cualquier orden nxn, entonces det
(A) es el producto de los elementos de la diagonal principal. Por ejemplo:
4 5 1 0
0 3 6 2
det (A) = = (4) (3) (1) (8) = 96
0 0 1 2
0 0 0 8
Propiedad 3. Sea A una matriz de orden nxn:

(a) Si B es la matriz que se obtiene cuando una sola fila de A se multiplica por una constante k,
entonces det (B) = k det (A)
(b) Si B es la matriz que se obtiene al intercambiar dos filas de A, entonces:
det (B) = det (A)
(c) Si B es la matriz que se obtiene al sumar un mltiplo de una de las filas de A a otra, entonces det
(B) = det (A).
Los tres casos anteriores se reduce a escribir:

a 11 a 12 a 13 a 11 a 12 a 13
(a) ka 21 ka 22 ka 23 = k a 21 a 22 a 23
a 31 a 32 a 33 a 31 a 32 a 33
a 11 a 12 a 13 a 11 a 12 a 13
(b) a 31 a 32 a 33 = a 21 a 22 a 23
a 21 a 22 a 23 a 31 a 32 a 33
a 11 + ka 21 a 12 + ka 22 a 13 + ka 23 a 11 a 12 a 13
(c) a 21 a 22 a 23 = a 21 a 22 a 23
a 31 a 32 a 33 a 31 a 32 a 33
Ejemplo 2. Dadas las matrices :

1 2 1 4 8 4 0 1 4 1 2 1

A= 0 1 4 , B= 0 1 4 , C= 1 2 1 , D= 0 1 4
1 2 3 1 2 3 1 2 3 1 2 1

Al evaluar el determinante de cada una de ellas se obtiene: det (A) = 2. det (B) = 8, det (C) = 2 ,
det (D) = 2.
Propiedad 4. En cualquier matriz cuadrada A, det (A) = det (AT ), donde AT es la transpuesta de A.
En virtud de este resultado, casi todo teorema o propiedad acerca de los determinantes que contiene
la palabra fila en su enunciado, tambin es verdadero cuando se reemplaza con la palabra columna.

2 6 7

Ejemplo 4. Evaluar det (A), donde A = 3 9 5
1 3 4

Solucin: Las dos primeras columnas son proporcionales; es decir, 3(1ra. columna) = 2da. columna,
2 2 7

luego det(A) = 3 det 3 3 5 . Pero como tienen dos columnas iguales, se sigue que det (A) = 3 (
1 1 4

0 ) = 0.
Propiedad 5. Sean A y B matrices de orden nxn , y k cualquier escalar, entonces:

(a) det (kA) = k n det (A). (b) det (AB) = det (A) det (B).
NOTA : (1) det (A) + det (B) det (A + B)

(2) det (A) + det (B) = det (C),
nicamente en el caso de que A y B sean iguales, excepto en una fila. Por ejemplo:
a 11 a 12 a 11 a 12
Sean A = y B = dos matrices que difieren en la segunda fila, entonces C =
a 21 a 22 b 21 b 22
a 11 a 12

a 21 + b 21 a 22 + b 22
det (A) + det (B) = (a11 a22 a12 a21) + (a11 b22 a12 b21) = a11 (a22 + b22) a12(a21 + b21)
a 11 a 12
= det = det (C).
a 21 + b 21 a 22 + b 22
Ejemplo 5
4 2 20 10
(a) Sean A = y 5A = , evaluando resulta det(A) = 10 y det (5A) = 250. Esto
3 1 15 5
concuerda con la propiedad 5 (a): det (5A) = 52 det (A).
3 0 2 3 0 2 3 0 2

(b) Sean C = 4 1 5 , A= 4 1 5 , B= 4 1 5 . Evaluando resulta det(A) = 37,
1 + 2 3 + 4 6 + ( 1) 1 3 6 2 4 1

det(B) = 5 y det(C) = 2. Vemos que det(C) = det(A) + det(B)

1
Propiedad 6. Si A es una matriz de orden n invertible, entonces det(A-1) = .
det(A)
1
En efecto, ya que A-1A = In y det(A-1A) = det(A-1) det (A) = det (In) = 1, se sigue que: det(A-1) =
det(A)

a b c

Ejemplo 6 Supongamos que det(A) = 5, donde A = d e f . Hallar: (a) det (3A), (b) det (2A-1),
g h i

a g d

(c) det[(2A)-1], (d) det b h e .
c i f

Solucin:
(a) Sabemos que si A es la matriz nxn, entonces det(kA) = kn det(A). Ahora n = 3, luego det (3A) = 3n
det(A) = 27(5) = 135.
(b) De A1A = I3 se tiene: 2(A1A) = 2I3. Asociando (2A1) A = 2 I3. Tmese determinante en ambos
8
lados: det [(2A1) A] = 23 det (I3); es decir, det (2A 1 )det (A) = 23 (1), de donde det(2A 1) =
det(A)
= 8/5
1 1
(c) De (2A)1 (2A) = I3, se tiene det[(2A)1] det(2A) = det(I3); esto es, det [(2A)1] = = 3
det( 2A) 2 det(A)
= 1/40
a d g

(d) det (A) = det (AT) = det b e h = 5. Al intercambiar las columnas 2 y 3, se cambia de signo,
c f i

a g d

luego det b h e = 5.
c i f

b + c a + c a + b

Ejemplo 7. Sin evaluar directamente, demuestre que: det a b c =0
1 1 1

b + c a + c a + b a + b + c a + b + c a + b + c

Solucin: det a b c = det a b c
1 1 1 1
1 1
1 1 1

= (a + b + c) det a b c = (a + b + c) ( 0 ) = 0
1 1 1

a b c d

b a d c
Ejemplo 8. Si A = , hallar det (A).
c d a b

d c b a

a b c d a b c d

a d c b d c
Solucin: Efectuemos el producto ATA =
b a
c d a b c d a b

d c b a d c b a

x 0 0 0

0 x 0 0
= , donde x = a2 + b2 + c2 + d2 , luego det (ATA) = x4. Por otro lado det(ATA) = det(AT )
0 0 x 0

0 0 0 x

det (A), pero como det (AT ) = det (A), entonces

det(ATA) = [det(A)] 2, por tanto [det(A)] 2 = x4, de donde det(A) = x2; es decir,

det (A) = (a2 + b2 + c2 + d2 )2.
B. Desarrollo de un determinante por cofactores.
Es posible expresar el determinante de una matriz nxn en trminos de (n 1)(n 1). Para ello
primero necesitamos estudiar submatrices.
Dada la matriz A de nxn, una submatriz de A es una matriz que se obtiene suprimiendo de A una
o ms filas i/o, una o ms columnas. Nuestro inters se centrar en submatrices obtenidas al suprimir
una fila y una columna de la matriz nxn, y denotamos por Aij para indicar que se ha suprimido la fila i
y la columna j . Por ejemplo,
4 2 1 1

5 0 3 4
si A = , la submatriz A13 es aquella matriz 3x3 en donde se ha suprimido de A la fila 1
72 6 8

0 9 3 7

5 0 4

y la columna 3, resultando A13 = 7 2 8 ; la submatriz A42 es aquella matriz 3x3 en donde se ha
0 9 7

4 1 1

suprimido la fila 4 y la columna 2, obtenindose A42 = 5 3 4 ; etc.
7 6 8

Definicin 3.3. Para cualquier matriz A de orden nxn, con n 2, el menor complementario de aij de A es
el determinante de la submatriz Aij; osea, det (Aij) = Mij. El cofactor de aij se define por Cij = ( - 1)i+j Mij.
2 5 4

Por ejemplo, sea A = 1 3 2 , el cofactor de a11 = 2 es:
0 1 6

3 2
C11 = (1)1+1 M11 = 20, donde M11 = det (A11) = det = 20. Anlogamente:
1 6
1 2
C12 = (1)1+2 M12 = 6, donde M12 = det (A12) = det = 6
0 6
1 3
C13 = (1)1+3 M13 = 1, donde M13 = det (A13) = det = 1
0 1
Usted puede obtener los dems cofactores, y as obtener la matriz de cofactores:
20 6 1

cof (A) = 26 12 2
22 0 11

2 5 4

Ejemplo 9. Si A = 1 3 2 es la matriz 3x3 , entonces existen 2 3 = 6 maneras distintas de evaluar
0 1 6

su determinante: tres a lo largo de las filas y tres a lo largo de las columnas. Veamos dos de stas
expansiones:
5 4 2 4 2 5
(a) A lo largo de la segunda fila: det (A) = ( 1) + 3 2 = 58
1 6 0 6 0 1
3 2 5 4 5 4
(b) A lo largo de la primera columna: det (A) = 2 ( 1) + 0 = 58
1 6 1 6 3 2

C. Regla de Cramer
Con frecuencia resulta til tener una frmula para la solucin de un sistema de ecuaciones lineales,
y adems nos proporcione informacin de las propiedades de la solucin sin resolver el sistema. La
demostracin del siguiente teorema puede verse en: Introduccin al Algebra Lineal, Howard Anton,
teorema 9, pgina 105, Edit. Limusa 1990
Teorema: (Regla de Cramer). Si AX = B es un sistema de n ecuaciones lineales con n incgnitas, tal que
det(B1 ) det(B 2 )
det(A) 0, entonces el sistema tiene una solucin nica, y viene dado por: x1 = , x2 =
det(A) det(A)
det(B n )
, . . . , xn =
det(A)
donde Bj es la matriz nxn que se obtiene al reemplazare los elementos de la j-sima columna de A por
los elementos de la matriz nx1: B = (b1 b2 . . . bn)T
Ejemplo 12. Empleando la regla de Cramer, determinar la solucin del sistema:
6x + 4y 4z = 14
9x + 7y 16z = 29
10x + 5y 3z = 23
Solucin: El sistema escribimos en ecuacin matricial AX = B, donde:
6 4 4 x 14 14 4 4

A= 9 7 16 , X= y , B= 29 , luego B1 = 29 7 16 ,
10 5 3 z 23 23 5 3

6 14 4 6 4 14

B2 = 9 29 16 , B3 = 9 7 29 . Evaluando por cualquier mtodo los determinantes, resulta:
10 23 3 10 5 23

det(B1 ) det(B 2 )
det (A) = 78, det (B1) = 234 , det (B2) = 156, det (B3) = 78. Por tanto x = = 3, y = =
det(A) det(A)
det(B3 )
2, z= = 1.
det(A)
EJERCICIOS
1. Evale los siguientes determinantes:

1 4 0 2 a+b ab ab a+b
(a) (b) (c) (d)
5 3 6 8 ab a+b a+b ab
(e) 1 + 2 2 3
sen x cos x cos x sen x
(f) (g)
2+ 3 1 2 cos x sen x sen y cos y
a + bi b cos x + isen x 1
(h) (i)
2a a bi 1 cos x i sen x
2. Hallar el determinante de las matrices siguientes por simple inspeccin:

3 1 2 1 2 3 2 40 17

(a) 6 2 4 (b) 3 7 6 (c) 0 1 11
1 1 2 3
7 3 0
0 3
(d) Sin evaluar directamente, demuestre que x = 0 y x = 2, satisfacen la ecuacin:
2
x x 2
2 1 1 =0
0 0 2
3. Para qu valor, o cules valores de k, A no es invertible?

(una matriz es invertible cuando su determinante es diferente de cero)
1 2 4
(a) A =
k 3 2
(b) A = 3 1 6
2 k 2 k 3 2

4. Verifique que det(AB) = det (A). det (B), cuando:
2 1 0 1 1 3

A = 3 4 0 , B= 7 1 2
0 0 2 5 0 1

5. Por medio del desarrollo de cofactores a lo largo de cualquier fila o columna que se elija, halle det
(A):
0 6 0 1 3 7 1 4 7

(a) A = 8 6 8 (b) A = 2 0 8 (c) A = 2 5 8

3 2 2 1 3 4 3 6 9

3 8 2 0 1 1 k 1 2 3

(d) A = 4 7 1 (e) A = 1 0 1 (f) A = 2 k 3 4
5 2 8 1 1 0 3 4 k 4

1 2 1
6. Si A = 3 2
1 evale | A - I | , donde I es la matriz identidad I3.
0 1 4

7. Transformando a la forma escalonada determine det (A) :

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

1 4 6 1 2 2 1 4 3 0 1 2
(a) A= (b) A= (c) A=
2 1 7 1 3 1 2 8 1 1 2 1
1 0 1 2 4 4 1 7 1 0 3 2

1 2 3 4 3 2 1 7 1 3 5 2

0 1 2 1 1 1 4 6 2 0 3 7
(d) A= (e) A= (f) A=
0 0 1 2 4 3 5 11 3 2 1 1
2 3 1 2 2 0 0 6 0 4 6 3

4 4 0 4 1 1 1 3 8 7 2 10

1 1 0 1 1 0 2 0 8 2 7 10
(g) A= (h) A= (i) A=
3 0 3 1 1 1 1 2 4 4 4 5
6 14 3 6 2 0 0 2 0 4 3 2

Los ejercicios 8, 9, 10 son para estudiantes que conocen la geometra analtica.

8. Pruebe que la ecuacin de la recta que pasa por los puntos (a1, b1) y (a2, b2) se puede escribir
x y 1
como: a1 b1 1 =0
a2 b2 1
x1 x1 1
9. Demuestre que (x1, y1), (x2, y2), (x3, y3) son colineales si y slo si x 2 y 2 1 = 0
x3 y3 1
10. Verifique que la ecuacin del plano que pasa por los puntos no colineales (a1, b1, c1), (a2, b2, c2), (a3,
b3, c3) se puede escribir como:
x y z 1
a1 b1 c1 1
=0
a2 b2 c2 1
a3 b3 c3 1
1 1 1
11. Pruebe que el determinante de Vandermonde a b c = (b a)(c a)(c b)
a2 b2 c2
a b c

12. Suponga que det(A) = 5, donde A = d e f . Hallar:
g h i

d e f 2 b c a + d b+e c+f
(a) det g h i

(b) det 2d 2e 2f

(c) det d e f

(d) det
a b c g h i g h i

a b c

d 3a e 3b f 3c
2g 2h 2i
a b c b+c c+a a +b

13. Suponga que det (A) = 10, donde A = d e f, hallar: det e + f f + d d+e

x y+ z z + x x + y
y z
x 1 3 3 15 2x 11 10

14. Hallar la solucin de las ecuaciones: (a) det 3 x +5 3 = 0 (b) det 11 3x 17 16
6
0 x 4 7x 14 13
15. Por cualquier mtodo, halle el valor de det (A):

1 3 1 5 3 0 0 2 2 2

2 7 0 4 2
3 3 3 3 3
(a) A = 0 0 1 0 1

(b) A = 4 4 4 4 4
4 2
0 0 2 1 1
3 1 9

1 2 1 3 1
0 0 0 1 1
En los ejercicios del (16) al (21), evale del determinante de:

a 2 +1 ab ac a b c b + c a a

16. ab b +1
2
bc 17. a 2 b 2 c 2 18. b a+c b

ac c 2 + 1 3 3 3 c a + b

bc
a b c c
x y z 2x 2x
19. 2y yxz 2y

2z 2z z x y


0 x y 0 1 1 1 1
x 4a 2a 18x 4x 4a
x 1 0 y 2 x 4 3
20. y 4b 2b 18y 4y 4b 21. 22. Resolver la ecuacin det =0
z 4c 2c 18z 4z 4c y 0 1 x 4 x2 16 9
0 x y 1 8 x3 64 27

1 1 1 1

log 2 log 4 log 8 log 16
23. Resolver la ecuacin det =0
log 3 log 9 log 27 log 243
0 log x log x 2 log x 3

24. Usando la regla de Cramer, halle la solucin, si es que existe de cada uno de los sistemas:
x + 2y + 3z = 1 x + 2y + z = 1
(a) 2x + y 4z = 9 (b) 2x + z=2
x y + 2z = 2 x + y + 2z = 4
25. Empleando la regla de Cramer, resuelva el sistema:

2x1 + x2 + 5x3 + x4 = 5
x1 + x2 3x3 4x4 = 1
3x1 + 6x2 2x3 + x4 = 8
2x1 + 2x2 + 2x3 3x4 = 2
EJERCICIOS
1. Resolver los siguientes sistemas de ecuaciones lineales:
2x1 + x2 + x3 = 8 x1 + 2x2 3x3 = 6 x1 + 2x2 3x3 = 1

(a) 3x1 2x2 x3 = 1 (b) 2x1 x2 + 4x3 = 2 (c) 3x1 x2 + 2x3 = 7
4x1 7x2 + 3x3 = 10 4x1 + 3x2 2x3 = 14 5x1 + 3x2 4x3 = 2
x1 + 2x2 3x3 = 0 x + 2y + 3z = 3 2x + 3y 2z = 5
(d) 2x1 + 5x2 + 2x3 = 0 (e) 2x + 3y + 8z = 4 (f) x 2y + 3z = 2
7x1 + 7x2 + x3 = 0 3x + 2y + 17z = 1 4x y + 4z = 1
2. Hallar la solucin, si es que existe, en los sistemas siguientes:
3x1 + 2x2 x3 = 15 x1 3x2 + 4x3 2x4 = 5 2x1 3x2 = 2

(a) 5x1 + 3x2 + 2x3 = 0 (b) 2x2 + 5x3 + x4 = 2 (c) 2x1 + x2 = 1
3x1 + x2 + 3x3 = 11 x2 3x3 =4 3x1 + 2x2 = 1
11x1 + 7x2 = 30
4x1 8x2 = 12 5x1 + 2x2 + 6x3 = 0 x1 + 2x2 x3 + 3x4 = 3

(d) 3x1 6x2 = 9 (e) 2x1 + x2 + x3 = 0 (f) 2x1 + 4x2 + 4x3 + 3x4 = 9
2x1 + 4x2 = 6 3x1 + 6x2 x3 + 8x4 = 10
x1 2x2 + x3 4x4 = 1 3x1 + x2 + x3 + x4 = 0

(h)
(g) x1 + 3x2 + 7x3+ 2x4 = 2 5x1 x2 + x3 x4 = 0
x1 12x2 11x3 6x4 = 5
3. Resolver los siguientes sistemas de ecuaciones lineales:
2x1 4x2 + x3 + x4 = 0 x1 + x2 2x3 + x4 + 3x5 = 1

x1 5x2 + 2x3 =0 3x1 + 2x2 4x3 3x4 9x5 = 3
(a) 2x2 2x3 x4 = 0 (b) 2x1 x2 + 2x3 + 2x4 + 6x5 = 2
x1 + 3x2 + x4 = 0 6x1 + 2x2 4x3 =6
x1 2x2 x3 + x4 = 0 2x2 4x3 6x4 18x5 = 0

2x1 + 2x2 x3 + x5 = 0 x1 + 3x2 2x3 + 2x5 = 0

(c) x1 x2 + 2x3 3x4 +x5 = 0 (d) 2x1 + 6x2 5x3 2x4 + 4x5 3x6 = 1
x1 + x2 2x3 x5 = 0 5x3 +10x4 + 15x6 = 5
x3 + x4 +x5 = 0 2x1 + 6x2 + 8x4 + 4x5 +18x6 = 6
x1 + x2 + x3 + x4 + x5 = 7
3x1 + 2x2 + x3 + x4 3x5 = 2
(e) x2 + 2x3 + 2x4 + 6x5 = 23
5x1 + 4x2 + 3x3 + 3x4 x5 = 12
4. Para qu valor (es) de b el siguiente sistema de ecuaciones tiene solucin no triviales?
(b3)x + y=0
x + (b3)y = 0
En los ejercicios del 5 al 9 determine el valor de a de manera que el sistema siguiente tenga:
(a) ninguna solucin. (b) ms de una solucin (c) una nica solucin.
x+ y z =1 x + 2y 3z = 4 ax + y + z = 1
5. 2x + 3y + az = 3 6. 3x y + 5z = 2 7. x + ay + z = 1
x + ay + 3z = 2 4x + y + (a2 14)z = a + z x + y + az = 1
x + y + az = 2 x 3z = 3
8. 3x + 4y + 2z = a 9. 2x + ay z = 2
2x + 3y z = 1 x + 2y + az = 1

Matrices y Determinantes

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Matrices y Determinantes

Hochgeladen von

Copyright:

Verfügbare Formate

MATRICES Y DETERMINANTES

Definicin 3.2 Sea F un campo y E={(i,j) / 1 i m, 1 j n} un conjunto de pares ordenados de enteros

Usualmente la matriz A se representa mediante una disposicin rectangular de entradas

(a) E = {(i , j) / 1 i 3, 1 j 2} y F = R, La matriz A: E R representemos, por ejemplo, mediante:

(b) E = {(i, j) / 1 i 2, 1 j 4} y F = C, entonces la matriz A: E C disponemos, por ejemplo, por

Mag. Jos L. Estrada P. UTEA 1

PRODUCTO PRODUCCION DIARIA

3000 2500 1500

Mag. Jos L. Estrada P. UTEA 2

180 300 200 350

Operaciones con matrices

Obsrvese que el producto de A y B es posible efectuar slo cuando el nmero de columnas de la

La operacin de multiplicacin de matrices se ilustra de una manera general de la siguiente forma.

a 11 a 12 a 1n b11 b12 b1p c11 c12 c1p

Mag. Jos L. Estrada P. UTEA 3

(1) A+B=B+A (6) k(B + C) = kB + kC, k F

Mag. Jos L. Estrada P. UTEA 4

6. Si A= (2) 1x1 y B = (5)1x1, entonces AB = (10)1x1 y BA = (10)1x1

7. APLICACIN: Considrese 3 pases P, Q, R donde ai, bj y ck denotan respectivamente el nmero de

Mag. Jos L. Estrada P. UTEA 5

(2) En los nmeros reales se cumple la propiedad siguiente: Si a 0 y b 0, entonces ab 0. El producto

Mag. Jos L. Estrada P. UTEA 6

Resumamos las tres maneras de visualizar la multiplicacin de matrices:

1. Diga si es verdadero o falso; dar un contraejemplo cuando sea falso.

Mag. Jos L. Estrada P. UTEA 7

7. Resuelva cada una de las siguientes ecuaciones matriciales:

10. Construya matrices no nulas A y B de orden 3, tales que AB = 0.

Mag. Jos L. Estrada P. UTEA 8

0.30 0.20 0.40 0.10 L

0.40 0.30 0.30 L

Mag. Jos L. Estrada P. UTEA 9

Mientras que en la planta de Puno la produccin asciende a:

(a) Cuntos artculos de cada diseo se producen en las 2 fbricas combinadas?

21. Demuestre todas las propiedades sobre matrices, expuesta en la pgina 4.

Tipos especiales de matrices

Mag. Jos L. Estrada P. UTEA 10

(1) La suma y el producto de 2 matrices diagonales son diagonales.

Si In es la matriz identidad y k es un escalar, entonces kIn = E se llama matriz escalar. Por

Mag. Jos L. Estrada P. UTEA 11

La transpuesta AT de una matriz A de orden m n es la matriz de orden n m obtenida a

Mag. Jos L. Estrada P. UTEA 12

(1) (2) (3) (4)

Mag. Jos L. Estrada P. UTEA 13

Verificacin de las 14 rutas:

Mag. Jos L. Estrada P. UTEA 14

Si A es una matriz antisimtrica con elementos reales o complejos, entonces se cumplen:

Una matriz cuadrada A se llama idempotente cuando A2 = A. Por ejemplo:

Observe que si A es idempotente, An = A para cualquier n N. Estas matrices estn relacionadas

Mag. Jos L. Estrada P. UTEA 15

J. Adjunta de una matriz

Si A = (aij) es una matriz nxn y Cij es el cofactor de aij, entonces la matriz

C11 C12 ... C1n

Mag. Jos L. Estrada P. UTEA 16

La transpuesta de la matriz de cofactores de A se llama adjunta de A; es decir,

Teorema 1.1 Si A es una matriz invertible, entonces:

Ejemplo. Hallar la inversa, si es que existe, de la matriz

Mag. Jos L. Estrada P. UTEA 17

6. Calcule la inversa de las siguientes matrices, si es que tiene:

10. Hallar la adjunta (clsica) de las siguientes matrices:

Mag. Jos L. Estrada P. UTEA 19

Una ecuacin lineal en las n variables xi es de la forma:

Un sistema de ecuaciones lineales es simplemente un conjunto de varias ecuaciones lineales. Por

Consideremos el caso particular de 2 ecuaciones lineales con 2 variables: