4unidad I de Algebra Lineal

MATRICES Y DETERMINANTES
UNIDAD I
INTRODUCCIN
La nocin de matriz es fundamental para el estudio del lgebra Lineal, ya que es una
herramienta bsica en esta rama de la Matemtica, como lo es el concepto de nmero en la
Aritmtica, el de polinomio y ecuacin en el lgebra elemental, el de funcin en el Clculo
Diferencial e Integral, en la Probabilidad o bien en la Estadstica. As esta primer unidad ser
dedicada al estudio y desarrollo de los principales conceptos y definiciones que se relacionan de
manera directa con el de una matriz, empezando por algunos ejemplos, en donde se utilizan las
matrices, su definicin, la notacin o simbolizacin, algunas matrices con nombre propio, las
operaciones con matrices, sus propiedades de estas, las matrices escalonadas, las escalonadas
reducidas, el proceso de escalonamiento para una matriz usando las operaciones elementales con
renglones, la importancia prctica que este proceso tendr en un buen porcentaje de los temas
posteriores, la matriz inversa, su definicin, sus propiedades, el proceso de escalonamiento
aplicado a la obtencin de la matriz inversa, el rango de una matriz, la funcin determinante para
matrices cuadradas, las propiedades de esta funcin, sus aplicaciones, la matriz adjunta, hasta
llegar a una forma alterna que permite obtener la matriz inversa usando la adjunta. Todo lo
anterior con varios ejemplos ilustrativos que faciliten la comprensin y aplicacin de los temas.
Las matrices permiten estudiar y trabajar los sistemas de ecuaciones lineales, haciendo uso del
proceso de escalonamiento, esto significa que uno de los aspectos esenciales ser que el lector al
trmino de esta unidad, adquiera habilidades para obtener matrices escalonadas reducidas o
1
escalonadas, a travs del proceso de escalonamiento conocido como de Gauss-Jordan o de Gauss
que es un elemento de gran importancia para manejar operativamente a los sistemas de
ecuaciones lineales.
Cabe sealar por otro lado, que una matriz se puede relacionar con lo que conoceremos como la
funcin determinante o simplemente el determinante, sin embargo son dos conceptos totalmente
diferentes, de ah la necesidad de usar de manera adecuada una simbolizacin precisa para cada
uno de estos dos conceptos.
Presentamos algunos ejemplos ilustrativos en donde las matrices se llegan a utilizar, a veces para
organizar informacin numrica que se recaba peridicamente en alguna empresa, o para el
manejo de probabilidades en la teora de juegos o para representar ciertos grficos, antes de
establecer su definicin de manera general.
Como primer ejemplo consideremos al dueo de una empresa fabricante de componentes
electrnicos (piezas) para computadoras, que desea implementar alguna forma o esquema, la cul
le permita organizar de manera adecuada la cantidad de piezas, que cada una de sus ocho
mquinas produce diariamente. Se tiene inters por buscar o proponer algn arreglo que informe
de manera inmediata el nmero de componentes fabricados, por cada una de estas mquinas en
los seis das laborables de la semana (de lunes a sbado).
Para una semana en particular la informacin recabada la podra escribir en una tabla, como se
muestra a continuacin:
2
Maq. M1 M2 M3 M4 M5 M6 M7 M8
Da
Lunes 225 230 226 221 243 246 251 222
Martes 221 212 241 213 216 243 262 213
Mircoles 212 0 240 215 217 240 270 215
Jueves 299 212 256 241 262 231 241 226
Viernes 212 266 0 212 273 251 242 262
Sbado 156 145 188 178 191 159 165 145
Con esta tabla el dueo se responde de manera directa, a preguntas como:
Cuntas piezas produjo la mquina M6 el da mircoles?, cuntas produjo la maquina M3 en
toda la semana?, cuntas se produjeron el da viernes?, en qu da de esta semana se produjo el
mayor nmero de piezas?, cuantas piezas se produjeron en toda la semana?, entre otras.
La tabla anterior es precisamente una matriz de coeficientes enteros con seis renglones (das
laborables de la semana) y ocho columnas (mquinas de la empresa).
Un segundo ejemplo se presenta en las cadenas de Markov y teora de juegos, se utilizan las
llamadas matrices de probabilidad, las cuales son arreglos cuadrados de n renglones (filas) y n
columnas, tales que, las entradas o componentes que integran dichos arreglos, son probabilidades
(valores entre cero y uno) y la suma de estos elementos en cada rengln debe ser igual al nmero
uno.
Algunas de estas matrices de probabilidad son las siguientes:
3
1 1 1 1
1 0 0 0 0
2 4 1 4 4 4 4
1 2 7 7 7 2 1 1 1
0 1 0 0 0
3 3 0.23 0.77 3 1 9 9 3 3
a) 1 1
b) c) 4 0 4 d) e) 0 0 1 0 0
2 2 0.44 0.56 1 2 2
0 0 1 0
5 5 5 1 3 1 1
0 0 0 1 0
8 8 4 4
0 0 0 0 1
Se puede apreciar que dichas matrices, cumplen con las dos caractersticas antes mencionadas, es
decir, los valores estn entre cero y uno, y la suma de los coeficientes para cada rengln es igual
al nmero uno.
Finalmente como tercer ejemplo, en los grficos dirigidos (teora de grficas), mediante arreglos
conocidos como matrices de vrtices, se puede representar un grfico dirigido, a travs de ceros
y unos, siguiendo el criterio que se establece a continuacin:
Cuando dos vrtices (puntos) estn unidos con una arista o lado (segmento dirigido) se
asigna el nmero uno (1) de acuerdo al sentido de la flecha, es decir de donde parte hacia
donde llega, en caso contrario se asigna el nmero cero (0). Cuando el segmento dirigido
tiene doble sentido se asigna el nmero (1) a los dos vrtices sin importar el orden.
As consideremos la siguiente grfica dirigida, la cual tiene como vrtices, a los puntos a, b,
c, d y e, que se encuentran unidos por aristas (segmentos dirigidos) como se muestra en la
figura:
a b
Su matriz de vrtices en el orden alfabtico de las letras queda de la siguiente manera:
4
a b c d e
a 0 1 0 1 1
b 1 0 1 1 1
c 0 0 0 0 1
d 1 0 1 0 0
e 0 1 1 1 0
En la matriz se aprecia que el vrtice a se encuentra unido de acuerdo al sentido de las aristas
con los vrtices b, d y e, por ello aparece el nmero 1 en el primer rengln y en la segunda,
cuarta y quinta columna. Para el vrtice b, observamos que se encuentra unido con los cuatro
vrtices a, c, d y e, por ello aparece el nmero 1 en casi todo el segundo rengln, a
excepcin del segundo rengln y segunda columna en donde aparece el 0. De manera anloga se
pueden observar los 1 y 0, en el resto de los renglones para los vrtices c, d y e.
En este tipo de grficos dirigidos el sentido de las aristas es muy importante, es por ello que el
vrtice c solo esta unido con el vrtice e, adems de que los vrtices no se encuentran unidos
consigo mismos, por lo que hay ceros en las parejas (a, a), (b, b), (c, c), (d, d) y (e, e).
Ahora se establece la definicin de una matriz.
1 MATRICES
1.1 Definicin y notacin: Una Matriz es un arreglo rectangular de nmeros reales,
colocados en renglones y en columnas, en donde a cada uno de estos nmeros se les
llama entradas, elementos, coordenadas o componentes.
Para denotar a una matriz podemos utilizar cualquier letra, de preferencia mayscula y a sus
entradas o elementos con letras minsculas o algn otro smbolo, como los usados para
representar a los nmeros.
5
Nota aclaratoria: si bien las entradas o elementos de las matrices pueden ser nmeros
complejos, en este libro siempre trabajaremos con nmeros reales, a menos que se diga lo
contrario.
La simbologa ms comn, para escribir a una matriz de m renglones con n columnas es:
=
A (=
a )
ij
aij con i = 1, 2, 3, , m y j = 1, 2, 3, , n .
Con aij , es el conjunto de los nmeros reales.
El orden o tamao de una matriz, es el nmero de renglones y de columnas que esta tiene, el
cual denotamos como m n y se puede anotar en la parte inferior derecha del arreglo, cuando sea
necesario. Dentro de los parntesis o corchetes se escriben todas las entradas que integran el
arreglo, por cuestiones meramente prcticas en el resto del libro usaremos solo los parntesis para
trabajar con las matrices.
La notacin anterior para una matriz al desarrollarse, es decir, al hacer variar los subndices
=
i 1,=
i 2,=
i 3, ,=
i m y=
j 1,=
j 2,=
j 3, ,=
j n , produce el arreglo:
a11 a12 a13 a1n

a21 a22 a23 a2 n
A = a31 a32 a33 a3n

a amn mn
m1 am 2 am 3
La cual es una forma explcita y general para escribir cualquier matriz de orden m n .
Ejemplo 1.1.1 Algunas matrices con sus respectivos tamaos u rdenes son:
7 3 6 6 2 2

A=
1 9 B=
8 ( 3 8)12
C = D=
1 1 4
2 5 5 3 5 6
32 31 33
6
3 2 3 11 5

0 7 12 3 0 1 2
E

=

F (=
5 1 0 1 2 )15 G
2 1
7 0 9 3 4 22
3

4 10 5 3 45
2 3 5 7
1 0 0
5 1 0 9 5 2 1
=H = I =0 1 0 J
1 8 3 2 0 0 1 3 7 0 23
33
7 2 4 3 44
1 1 2 2 0 4 3 1 4 2 7

K=
1 2 0 1 0 1 L=
1 0 2 1 9
0 3 4 5 3 1 7 8 4 3 1
36 35
La escritura anterior, permite tener bien ubicada a todas y a cada una de sus entradas o
componentes de cualquier matriz. Por ejemplo en la matriz A , el nmero 3 ocupa la posicin
a12 , es decir, se encuentra en el primer rengln y la segunda columna, por otro lado el numero 5
para la misma matriz se encuentra en la entrada a32 , es decir, se encuentra en el tercer rengln y
la segunda columna, sin embargo si preguntamos por la entrada a42 en la matriz A , podremos
decir que no existe en tal arreglo, ya que tiene tres renglones y no cuatro, por lo que, no existe la
entrada que ocupe dicha posicin. Para la matriz E , el valor de la entrada que ocupa el lugar 31
(tercer rengln, primera columna) es e31 = 2 , en el lugar 44 (cuarto rengln, cuarta columna) es
e44 = , en la posicin 45 (cuarto rengln, quinta columna) es e45 = 3 . En la matriz H se
aprecia que el valor de la entrada que ocupa el lugar 24 es, 9 , o bien, h24 = 9 . De modo que el
primer subndice nos seala el rengln y el segundo la columna, que ocupan las componentes en
las matrices. Por otro lado a las matrices C y F como solo tienen un rengln, se llaman
matrices rengln y B recibe el nombre de matriz columna, ya que solo tiene una columna.
7
Ejemplo 1.1.2 Supongamos que tenemos una matriz arbitraria A de orden 4 3 , la cual se
puede escribir como: A = ( aij ) =

donde, aij , i 1,=
2, 3, 4 y j 1, 2, 3
43
Al desarrollarse queda de la siguiente manera.
a11 a12 a13

A (=
aij )
a21 a22 a23
=
a31 a32 a33

a41 a42 a43 43
Observamos que en el primer rengln (i = 1) , el segundo subndice vari desde uno a tres
( j = 1, 2, 3) , en el segundo rengln el primer subndice (i = 2) se mantiene fijo y el segundo
subndice vara desde uno a tres ( j = 1, 2, 3) de nueva cuenta. Del mismo modo se aprecia, con los
dems renglones (horizontales).
Si tomramos las columnas fijas (verticales), quien vara es el primer subndice (i = 1, 2, 3, 4) y el
segundo subndice se mantiene fijo. As los subndices son contadores, el primero se encarga de
los renglones y el segundo de las columnas.
Ejemplo 1.1.3 Escribir una matriz arbitraria B = ( bij ) , en forma desarrollada.

35
Al proceder de manera anloga como el ejemplo anterior, tenemos que:
b11 b12 b13 b14 b15

=B (=
bij ) b21 b22 b23 b24 b25
35
b
31 b32 b33 b34 b35
1.2 OPERACIONES FUNDAMENTALES CON MATRICES
Las matrices, tienen una serie de operaciones con las cuales se puede hablar de una Aritmtica o
lgebra matricial, adems que tambin cumplen propiedades similares, en algunos casos a las
8
que se satisfacen con los nmeros reales en la Aritmtica tradicional. Antes de abordar las
operaciones con matrices, resulta conveniente conocer el nombre de ciertas matrices que tienen
condiciones en el nmero de renglones y de columnas o bien determinadas caractersticas en sus
componentes o entradas.
Matriz cuadrada: Es aquella que tiene igual nmero de renglones que de columnas, es decir,
aquella matriz cuyo orden es n n .
Ejemplo 1.2.a. Algunas matrices cuadradas son:
6 3 2 1
1 6 2
1 6 9 2 1 5
( 4 )11 ; B =
A= ; C=
3 4 5 ; D=
3 5 7
2 3 22 8 2 6 2
33
0 2 3 6 44
1 1 2 1 0
a b c d
a b c 1 2 0 3 1
a q e f g h
=P = ; Z d =
e f ; Y = ; C 1 1 1 6 1
w d 22 g h i i j k l
33 1 0 1 1 0
m n o p 44 0 1 1 2 3
55
Matriz nula o cero: Es aquella matriz de orden m n en la cual todas sus entradas son iguales al
nmero cero y se denota con la letra O
Ejemplo 1.2.b Algunas matrices nulas o cero, con su orden respectivo son:
0 0 0 0 0 0 0
0 0 0 0 0 0 0
O= , O = 0 0 0 0 , O = , O = 0 0 0
0 0 22 0 0 0 0 0 0 0 0 0 25 0 0 0
34 33
O = ( 0 0 0 0 0 ) 15 es la matriz nula de orden 1 5 (rengln nulo)
0

0
O= es la matriz nula de orden 4 1 (columna nula)
0

0 41
9
Podemos decir que, para cada orden o tamao m n , existe su correspondiente matriz nula Omn
Diagonal principal de una matriz: Para una matriz cuadrada A de orden n n , su diagonal
principal est integrada por las entradas a11 , a22 , a33 , , ann .
Ejemplo 1.2.c
4 1 5

1) Para la matriz A = 3 1 1 las entradas que forman su diagonal principal son:
2 0 5

diagonal principal
=a11 4,=a22 1 y=a33 5
4 3 4 1

6 7 3 0
2) Para la matriz B = las entradas que forman su diagonal principal son:
1 4 3 5

6
7 2 4
diagonal principal
b11 = 4, b22 = 7, b33 = 3 y b44 = 4
5 1 2 3 0

2 3 4 1 7
3) Para la matriz C = 6 1 1 0 2 las entradas que forman su diagonal principal son:

0 2 1 3 4
3
1 6 0 0
diagonal principal
c11 =
5, c22 =
3, c33 =
1, c44 =
3 y c55 =
0
Nota aclaratoria: la diagonal principal, no es una matriz, sino ms bien, una parte de una
matriz cuadrada, la cual est formada por las entradas que ocupan las posiciones
10
11, 22 , 33, 44 , y permite definir a las matrices identidad, as como a las matrices
diagonales principalmente.
Matriz identidad: Es aquella matriz cuadrada de orden n n , tal que, su diagonal principal est
formada solo de nmeros 1 y fuera de ella de nmeros 0 . Se denota con la letra I .
Ejemplo 1.2.d Algunas matrices identidad son:
I = (1) es la matriz identidad de orden 1 1
1 0
I = es la matriz identidad de orden 2 2
0 1
1 0 0

I = 0 1 0 es la matriz identidad de orden 3 3
0 0 1

1 0 0 0

0 1 0 0
I = es la matriz identidad de orden 4 4
0 0 1 0

0
0 0 1
1 0 0 0 0

0 1 0 0 0
I = 0 0 1 0 0 es la matriz identidad de orden 5 5

0 0 0 1 0
0
0 0 0 1
Igualdad de matrices: Dos matrices A y B del mismo orden m n , se dicen iguales y se escribe
A = B , si y solo si, sus componentes correspondientes (aquellas que ocupan las mismas
=
posiciones en las dos matrices) son iguales, es decir, A (=
a ) y B (b )
ij mn ij mn son iguales (
A = B ), si y solo si, aij = bij para toda i = 1, 2, 3, , m y j = 1, 2, 3, , n
En caso contrario, se dice que son diferentes ( A B )
11
5 2 5 2

Ejemplo 1.2.e =
Para las matrices A =3 4 ; B 3 4
7 9 x y 2

Obtener el valor de x y los valores de y , de manera que A = B .
Para que las matrices sean iguales, es decir, A = B , se debe cumplir que x = 7 y y = 3 , ya que
y 2 =
9 y2 =
9 y=
3
6 7 1 6 7 1

Ejemplo 1.2.f Las matrices A =
2 3 5 ; B=
2 3 5 no son iguales ( A B) ,
9 2 4 9 8 4

ya que aunque tienen el mismo orden, la componente a32 = 2 de la matriz A y la componente
b23 = 8 de la matriz B no son iguales. Con ello basta para decir que, las dos matrices no son
iguales ( A B) .
Ahora, definimos las operaciones bsicas entre matrices, como son la suma o adicin, el producto
de un escalar con una matriz, la resta o sustraccin y el producto o multiplicacin de matrices.
Antes de establecer la definicin mostraremos uno o ms ejemplos que la ilustren, con la
intencin de hacer ms accesible la operacin respectiva.
1.2.1 SUMA DE MATRICES
Para sumar dos matrices, se requiere que estas tengan el mismo orden o tamao y la operacin se
realiza sumando la entrada 11 de una matriz con la correspondiente entrada 11 de la otra, la
entrada 12 de una con la entrada 12 de la otra, as sucesivamente con las correspondientes
entradas, hasta obtener la matriz resultante de la suma, la cual ser del mismo orden que las dos
matrices iniciales. Ahora se muestran dos ejemplos concretos:
12
2 1 3 4 3 4 2 5

Ejemplo 1.2.1.1 Para las matrices A =
5 1 0 5 y B=
7 4 3 1
6 3 6 2 7 2 4 3

La suma de A con B es:
2 1 3 4 3 4 2 5 2+3 1+ 4 3 + (2) 4+5

A +=
B 5 1 0 5 + 7 4 3 =1 5+7 1 + 4 0+3 5 +1
2 + (3)
6 3 6 2 7 2 4 3 6 + (7) 3 + (2) 6+4
5 5 5 9

A+ B =
12 3 3 6
13 1 10 5

2 3 1 5 9 6

0 7 2 1 0 3
=
Ejemplo 1.2.1.2 Con las matrices A = y B
6 8 1 2 5 7

0 4 5 2 3 3
2 3 1 5 9 6 7 6 5

0 7 2 1 0 3 1 7 1
La suma de A con B =
es A + B + =
6 8 1 2 5 7 4 13 8

0 4 5 2 3 3 2 1 2
Definicin 1.2.1 Dadas dos matrices y del mismo orden , se define la suma de
con como:
, donde .
Consecuencia: En general si se tienen las matrices Amn , Bmn , Cmn y Omn se puede
concluir de la definicin anterior que:
1) La suma de matrices de orden m n , da como resultante, una matriz del mismo orden
m n , dicha propiedad se conoce como cerradura para la suma.
13
2) La suma de matrices es conmutativa, es decir, A + B = B + A
3) La suma de matrices es asociativa, es decir, A + ( B + C ) = ( A + B ) + C
4) Para cada matriz Amn , existe la matriz nula Omn , tal que, se cumple lo siguiente
A + O = O + A = A , esta es la propiedad de la matriz nula y como se puede apreciar, nos
dice que la suma de cualquier matriz A con su matriz nula, da como resultante la misma
matriz A
Las justificaciones de las propiedades anteriores se desprenden de las propiedades para la suma
en los nmeros reales. Se har la demostracin solo para la propiedad asociativa.
Demostracin: Partimos de A + ( B + C ) y llegamos a que es igual a ( A + B ) + C
Sean A= ( a ) , B= ( b ) y C= ( c )
ij ij ij con aij , bij y cij
A + ( B + C )= ( a )+( b
ij ij + cij ) = ( a +( b
ij ij + cij )) = ( ( a
ij )
+ bij ) + cij = ( A+ B )+C
asociativa para la suma de nmeros reales
Por lo tanto, A + ( B + C ) = ( A + B ) + C
La justificacin anterior se realiz de manera general, para tres matrices cualesquiera y se prob
la propiedad asociativa para la suma de matrices. Ahora se muestra un ejemplo especfico.
Ejemplo 1.2.1.3 Veamos un caso particular que ilustra la propiedad asociativa para la suma.
2 3 5 6 7 5
Consideremos a =
las matrices A = ; B = ; C
4 1 9 2 9 2
2 3 12 1 14 2
A + ( B +=
C) + =
4 1 0 0 4 1
Luego , es decir A + ( B + C ) = ( A + B ) + C
7 3 7 5 14 2
( A + B )=
+C + =
5 3 9 2 4 1
14
1.2.2 PRODUCTO DE UN ESCALAR CON UNA MATRIZ
1 2 4

Ejemplo 1.2.2.1. Sea la matriz A = 3 6 1 y los escalares r = 2 , r = 1 r = 1 y r = 0
2
0 3 2

Para realizar el producto del escalar r = 2 con A , se multiplica cada entrada de la matriz A con
el nmero 2 , como se muestra enseguida.
2(1) 2(2) 2(4) 2 4 8

=2 A = 2(3) 2(6) 2(1) 6 12 2

2(0) 2(3) 2(2) 0 6 4
De manera anloga para los escalares r = 1 , r = 1 y r = 0

2
1 2 4 12 1 2
1 3
=1
2 A 2= 3 6 1 2 3 12
0 3 2 0 3 1
2
1 2 4 1 2 4

1A =
1 3 6 1 = 3 6 1
3 2
0 3 2 0
0 0 0

=0 A =0 0 0 O
0 0 0

Definicin 1.2.2 Dada una matriz de orden y un escalar real , se define el
producto del escalar con como:
, donde .
15
Consecuencia: Si se tienen dos matrices de orden m n y dos escalares
Amn , Bmn y r , s , respectivamente, se concluye que:
1) El producto rA es una matriz de orden m n (cerradura para el producto por un escalar)
2) El producto de un escalar con una matriz es conmutativo, rA = A r
3) El producto de dos escalares con una matriz es asociativo, r ( sA ) = ( rs ) A
4) El producto de un escalar con respecto a la suma de matrices es distributivo, es decir,
r ( A + B ) = ( A + B ) r = rA + rB ,
5) Existe el nmero o escalar 1 , tal que, 1=

A A=
1 A , se conoce como la propiedad del
neutro para el producto de un escalar con una matriz.
1.2.3 RESTA DE MATRICES
Esta operacin es una consecuencia de la suma y el producto por un escalar.
Ejemplo 1.2.3.1
3 6 1 1 5 1
Si tenemos las matrices A = y A= la resta de A con B se realiza
2 3 4 3 1 5
de la siguiente manera:
3 6 1 1 5 1 3 6 1 1 5 1
= A + ( 1) B
A B = + ( 1) = +
2 3 4 3 1 5 2 3 4 3 1 5
2 1 0
A B =

1 2 9
Se puede apreciar que a la matriz sustraendo ( B ), se le cambia el signo a todas sus entradas y
despus se suman directamente las entradas respectivas de las dos matrices involucradas.
16
Definicin 1.2.3 Dadas dos matrices y del mismo orden , se define la resta de
con como:
, con .
Ejemplo 1.2.3.2 Consideremos las siguientes matrices de orden 3 3
1 4 5 3 2 2

A= 6 2 1 ; B = 4 5 6 Obtener A B ; B A
0 3 8 2 9
0
De acuerdo a la definicin, tenemos que A B y B A son:
1 4 5 3 2 2 1 4 5 3 2 2 4 2 7

A B = 6 2 1 4 5 6 = 6 2 1 + 4 5 6 = 2 7 5
0 3 8 2 0 9 0 3 8 2 0 9 2 3 1

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

B A= 4 5 6 6 2 1 = 4 5 6 + 6 2 1 = 2 7 5
2 0 9 0 3 8 2 0 9 0 3 8 2 1
3
4 2 7 4 2 7

A B = 2 7 5 2 7 5 = B A
2 3 1 2 1
3
Las matrices resultantes son diferentes A B B A . La resta de matrices no es conmutativa.
La resta de matrices es asociativa?, es decir, A ( B C ) = ( A B ) C , es vlida para toda
tercia de matrices A , B y C del mismo orden?
La respuesta en general es negativa, para comprobarlo, propn tres matrices particulares
A, B y C de orden 2 2 y verifica que A ( B C ) ( A B ) C , a esto se le llama un
contraejemplo y es usado en ocasiones para rebatir una afirmacin general.
17
Ejemplo 1.2.3.3 Con las matrices dadas, obtener 5 A 2 B + 3C
2 1 3 5 8 2 1 2 3
A = ; B = ; C =
4 0 4 3 6 1 4 5 6
10 5 15 10 16 4 3 6 9
=
Como 5 A = ; 2B = ; 3C
20 0 20 6 12 2 12 15 18
10 5 15 10 16 4 3 6 9
5 A 2 B + 3C = 5 A + ( 2 B ) + 3C = + +
20 0 20 6 12 2 12 15 18
3 15 28
5 A 2 B + 3C =

26 3 0
Ejemplo 1.2.3.4 Con las matrices que aparecen, obtener 3 A 5 B + 2C , en caso de que sea
posible.
2 1 3 5 8 2 1 2
A = ; B = ; C =
4 0 4 3 6 1 3 4
En este ejemplo podemos darnos cuenta que 3 A 5 B es una matriz de orden 2 3 , mientras que
2C es de orden 2 2 . Motivo por el cual, no es posible realizar la suma de 3 A 5 B con 2C y
en consecuencia no es vlida dicha operacin suma.
Consecuencia: para las matrices Amn , Bmn , r y s , se cumple lo siguiente:
i ) r ( A B ) = rA rB
ii ) ( r s ) A =rA sA
Demostracin: La justificacin se basa en las propiedades de las operaciones de los nmeros
reales como se indic en otro apartado.
Inciso i) Sean dos matrices =

A ( a ) , B= ( b )
ij ij con aij , bij , r y s
18
( )
r ( A B ) = r ( aij bij ) = r ( aij bij ) = ( raij rbij ) = ( raij ) ( rbij ) = rA rB
r ( A B ) = rA rB
Inciso ii)
( r s ) A =( r s ) ( aij ) =( ( r s ) aij ) =( raij saij ) =( raij ) ( saij ) =rA sA

( r s ) A =rA sA
El smbolo significa por lo tanto
La demostracin anterior seala que para todo par de matrices del mismo orden y dos nmeros
reales cualesquiera, se cumple la propiedad distributiva del producto de un escalar con respecto a
la suma o resta de matrices y de manera anloga se cumple la distributiva del producto de una
matriz con respecto a la suma o resta de dos nmeros reales.
Por ltimo llegamos a la multiplicacin o producto de matrices.
1.2.4 PRODUCTO DE MATRICES
Esta operacin requiere cierto cuidado, ya que no sigue la misma lgica de las operaciones
anteriores, en primer lugar, para poder realizar el producto de una matriz A con una matriz B
( AB ) , es necesario que el nmero de columnas de A sea igual al nmero de renglones de B . Lo
cual nos indica que en el producto de matrices, es importante el orden de las matrices y la
colocacin de ellas, es decir, AB no siempre es igual a BA.
En segundo lugar para llevar a cabo la operacin, hay que saber efectuar el producto de
renglones con columnas o viceversa.
Para ilustrar la operacin producto, consideremos el siguiente par de matrices:
19
1 2
2 3 5 6
3 4
A = 1 4 2 3 y B=
4 1 2 1 2 3
34
1 2 42
Primero observamos que el nmero de columnas de A es igual al nmero de renglones de B ,
entonces el producto de A con B ( AB ) , si es posible efectuarlo y se realiza de la siguiente
manera:
El primer rengln de A se multiplica con la primer columna de B (aparecen sealados en los
rectngulos de las matrices), para obtener la entrada c11 del producto ( AB )
1

3
c11 = ( 2 3 5 6 ) = 2 (1) + ( 3)( 3) + 5 ( 2 ) + 6 (1) = 2 + 9 + 10 + 6 = 27 .
2

1
Despus el mismo primer rengln de A se multiplica con la segunda columna de B , para obtener
la entrada c12 del producto
2

4
( 2 3 5 6 ) =
c12 = 2 ( 2 ) + ( 3)( 4 ) + 5 ( 3) + 6 ( 2 ) =
4 12 + 15 12 =5
3

2
As sucesivamente, hasta terminar de multiplicar los dems renglones de A con todas las
columnas de B . Tambin esta operacin se puede realizar multiplicando la primer columna de B
con el primer rengln de A , esto nos da la entrada c11 del producto, despus la misma primer
columna de B se multiplica con el segundo rengln de A , para obtener la entrada c21 del
producto y finalmente se multiplica la misma columna de B con el tercer rengln de A , para
20
obtener la entrada c31 . Este proceso se repite con las dems columnas posteriores a la primera, en
la matriz B .
As el producto de A con B , es la matriz resultante de multiplicar los renglones de A , con las
columnas de B como se muestra a continuacin.
1 2
2 3 5 6
3 4
AB = 1 4 2 3
4 1 2 1 2 3

1 2
2 (1) + ( 3)( 3) + 5 ( 2 ) + 6 (1) 2 ( 2 ) + ( 3)( 4 ) + 5 ( 3) + 6 ( 2 )

= 1(1) + 4 ( 3) + 2 ( 2 ) + 3 (1)
AB 1( 2 ) + 4 ( 4 ) + 2 ( 3) + 3 ( 2 )
4 (1) + ( 1)( 3) + ( 2 )( 2 ) + 1(1) 4 ( 2 ) + ( 1)( 4 ) + ( 2 )( 3) + 1( 2 )

2 + 9 + 10 + 6 4 12 + 15 12 27 5

AB = 1 12 + 4 + 3 2 + 16 + 6 6 = 4 18
4 + 3 4 +1 8 4 6 2 4 4

27 5

De manera que, la matriz producto de A con B es, AB = 4 18
4 4
32
Note que la matriz resultante es de orden 3 2 , los cuales son el nmero de renglones de A y el
nmero de columnas de B . El siguiente esquema, hace constar que los subndices internos deben
ser iguales para que el producto sea realizable, mientras que los subndices externos son
cualesquiera y nos darn el orden de la matriz resultante del producto.
A 34 B42 = ( AB )32
Establecemos ahora la definicin del Producto o Multiplicacin de matrices.
21
Definicin 1.2.4 Para dos matrices de orden y de orden , se define el
producto de con como:
donde
con y
Observese que las entradas resultantes cij , se obtienen del producto de que cada rengln de la
matriz A con cada columna de la matriz B . O bien de cada columna de B con cada rengln de
A . El orden de la matriz resultante del producto de estas matrices es m r .
1 2 1 6
2 3 1
Ejemplo 1.2.4.1 Para las matrices A = = ; B 2 0 2 1 obtenga el
1 4 3 23 1 2 3 4
34
producto de A con B ( AB ) .
Como el nmero de columnas de A , es igual al nmero de renglones de B , el producto requerido
si se puede obtener y al tomar cada rengln de A y multiplicarlo con las columnas de B se tiene
1 2 1 6
2 3 1 2 + 6 + 1 4 + 0 + 2 2 + 6 + 3 12 3 + 4
AB = 2 0 2 1
1 4 3 1 2 3 4 1 + 8 3 2 + 0 6 1 + 8 9 6 4 12

5 2 11 11
AB =
6 4 2 10
Como se acaba de decir, el orden de la matriz producto es 2 4 .
22
Sin embargo, si se quisiera el producto de B con A ( BA) , para las matrices del mismo ejemplo,
no se podra realizar la operacin, ya que el nmero de columnas de B no es igual al nmero de
renglones de A . Y entonces podemos escribir lo siguiente:
1 2 1 6
2 3 1
=BA 2 0 2 1 No se puede realizar, ya que no est definido.
1 2 3 4 1 4 3 23
34
Ejemplo 1.2.4.2 Para la matrices que aparecen enseguida, decida si los productos AB y BA se
2

3
pueden realizar y en caso afirmativo obtenga cada producto. A = = ; B (5 4 2 3)14
5

6 41
El producto AB si puede llevar a cabo, ya que los subndices internos son iguales y en
consecuencia la matriz producto ser:
2 2 ( 5 ) 2 ( 4 ) 2 ( 2 ) 2 ( 3) 10 8 4 6

3 ) 3 ( 3)
3 ( 5 ) 3 ( 4 ) 3 ( 2=

15 12 6 9

=AB ( 5=
4 2 3)
5 5 ( 5 ) 5 ( 4 ) 5 ( 2 ) 5 ( 3) 25 20 10 15

6 6 ( 5 ) 6 ( 4 ) 6 ( 2 ) 6 ( 3) 30 24 12 18 44
Por otro lado, el producto BA tambin se puede realizar, solo que la matriz producto es
2

3
BA = ( 5 4 2 3)14 = ( 5 ( 2 ) + 4 ( 3) + 2 ( 5 ) + ( 3)( 6 ) ) = ( 10 )11
5

6 41
En los ejemplos se puede dar cuenta que, el producto de matrices no es conmutativo, es decir
AB BA
23
1 1 2 3 0
4 6
1 6 0 2 1
Ejemplo 1.2.4.3 Para las matrices A = y B = 1 5
5 9 3 2 1 9
3 32
1 0 7 8 9 45
Tanto el producto AB , como BA no son realizables, por no cumplir la condicin de la igualdad
de los subndices interiores de la definicin.
Ejemplo 1.2.4.4 Consideremos las matrices:
2 3 4 2 3 1 0 0
1 2 3
A =
1 2 5 ; B = 1 1 ; C = ; I = 0 1 0
2 1 3 2 4 4 5 6 0 0 1

Obtenga 3 A 2 BC + I .
Primero podemos realizar los productos
2 3 4 6 9 12 2 3 28 38 48
1 2 3
3 A =3 1 2 5 =
3 6 15 ; 2 BC =
2 1 1 = 6 6 6
2 1 3 6 3 9 2 4 4 5 6 36 48 60

Luego entonces
6 9 12 28 38 48 1 0 0

3 A 2 BC + I = 3 A + ( 2 BC ) + I = 3 6 15 + 6 6 6 + 0 1 0
6 3 9 36 48 60 0 0 1

21 29 36

3 A 2 BC + I = 3 1 21
30 51 50

2 3
Ejemplo 1.2.4.5 Dada la funcin f ( x) = x 2 + 3 x 2 y la matriz A = , obtenga f ( A )
1 1
24
Al evaluar la funcin en x = A y considerando que 2 se interpreta como 2I , podemos
suponer que: f ( A ) = A2 + 3 A 2 I = A2 + 3 A + (2 I )
2 3 2 3 7 9 2 3 6 9
=
A 2
=
AA = = , 3 A 3=

1 1 1 1 3 4 1 1 3 3
1 0 2 0
2 I =2 =
0 1 0 2
7 9 6 9 2 0 11 18
Por lo que, f ( A )= A2 + 3 A + (2 I )= + + =
3 4 3 3 0 2 6 5
Como se puede apreciar en el ejemplo anterior, si A es una matriz cuadrada, entonces A2 es el
producto de la matriz A con ella misma, es decir ( A2 = AA )
Observacin: En general para una matriz cuadrada A , se tiene que
An = A A A A A
3 2
Ejemplo 1.2.4.6 Para la matriz A = , obtener A 3
1 5
Al aplicar la observacin anterior se tiene que:
3 2 3 2 3 2 7 16 3 2 5 94
3
3 2
=A = 3
= =

1 5 1 5 1 5 1 5 8 23 1 5 47 99
1 2 3

Ejemplo 1.2.4.7 Calcular B , para la matriz B = 4 5 6
2
7 8 9

1 2 3 1 2 3 30 36 42

=
2
B 4 5 6 4 5 6 66 81 96
7 8 9 7 8 9 102 126 150

25
1.3 PROPIEDADES ARITMTICAS DE LAS OPERACIONES
Las operaciones con matrices cumplen ciertas propiedades y se resumen como sigue:
Sean tres matrices A , B y C y dos escalares r , s , se cumplen las siguientes igualdades.
1) A + B = B + A (P. Conmutativa para la suma)
2) A + (B + C ) = ( A + B ) + C (P. Asociativa para la suma)
3) A + O =A , existe O la matriz nula. (P. neutro para la suma)
4) A + ( A ) =O , existe A (P. recproco para la suma)
5) rsA = (rs )A = r ( As ) (P. Asociativa para el producto por dos escalares)
6) r ( A B ) = rA rB (P. Distributiva del producto de un escalar con la suma de matrices)
7) ( r s ) A =rA sB (P. Distributiva del producto de una matriz con la suma de escalares)
8) 1A = A (P. Elemento neutro para el producto por un escalar)
9) rA = Ar (P. Conmutativa para el producto por un escalar)
10) A(B + C ) = AB + AC (P. Distributiva del producto con respecto a la suma)
11) ( A + B )C = AC + BC (P. Distributiva del producto con respecto a la suma)
12) ( AB ) C = A ( BC ) (P. Asociativa para el producto de matrices)
13) AI = IA = A (P. de la matriz Identidad)
Las 13 propiedades son vlidas, bajo el supuesto de que las matrices tienen tamaos adecuados
para que las operaciones estn bien definidas, su justificacin o demostracin se apoya en las
definiciones de estas y en las propiedades que tienen los nmeros reales con respecto a sus
operaciones, algunas se realizaron con la intencin de ilustrar la demostracin, aunque no es el
objetivo principal de este libro. Por otro lado las propiedades de la 1) a la 8), junto con las
26
propiedades de cerradura para la suma de matrices y el producto por un escalar, nos ayudarn a
definir en la unidad III el concepto de espacio vectorial.
Ejemplo 1.3.1 Ilustremos la propiedad asociativa para el producto de matrices A ( BC ) = ( AB ) C
con los siguientes arreglos particulares
2 3 1 1 2
1 0 2
A=
1 4 ; B =
; C=
3 0 4
3 5 3 4 1 2 3 1

Obtenemos por separado los productos A ( BC ) y ( AB ) C
2 3 1 1 2 2 3 45 8 69
1 0 2 3 5 0
A ( BC ) =
1 4 3 4 1 3 0 4 = 1 4 17 6 23 =
71 29 92

3 5 2 3 1 3 5 76 15 115
2 3 1 1 2 11 12 1 1 1 2 45 8 69
1 0 2
( AB ) C = 1 4 3 4 1 3 0 4 = 11 16 6 3 0 4 = 71 29 92
1
3 5 2 3 1 18 20 2 3 1 76 15 115
Con ello se comprueba que A ( BC ) = ( AB ) C , para estas tres matrices especficas. Vale la pena
sealar que la resta y el producto de matrices, no son conmutativas, como se ha dicho
anteriormente, es decir, existen matrices A y B para las cuales: A B B A y AB BA .
En el ejemplo se muestra la no conmutatividad de estas dos operaciones
5 3 4 5 4 1

Ejemplo 1.3.2 Para las matrices A =
2 7 1 ; B=
2 7 2
0 3 6 4 0 4

Las restas A B y B A son diferentes [ A B B A] , porque:
0 1 3 0 1 3

A B = 4 0 1 ; B A = 4 0 1

4 3 2 4 3 2
27
Para los productos AB y BA ocurre algo similar [ AB BA]
5 3 4 5 4 1 47 41 15

AB =
2 7 1 2 7 2 = 0 41 20
0 3 6 4 0 4 30 21 18

5 4 1 5 3 4 17 46 22

BA =
2 7 2 2 7 1 = 4 49 11
4 0 4 0 3 6 20 24 40

1.4 TIPOS DE MATRICES
Se han visto ciertas matrices con un nombre propio, antes de haber definido las operaciones de
suma, resta y producto de matrices, as como el producto por un escalar. Sin embargo se
requieren otros tipos de matrices, dentro de las que sobresalen las llamadas matrices
escalonadas y escalonadas reducidas. Su importancia se debe a que, mediante ellas podemos
desarrollar un buen porcentaje de los temas del libro, ya que como veremos, las matrices
escalonadas nos ayudarn a resolver sistemas de ecuaciones lineales usando el proceso de Gauss
y Gauss-Jordan.
Algunas de las matrices que ya se definieron fueron:
1.4.1 Matriz cuadrada: Es aquella que tiene igual nmero de renglones que de columnas, es
decir, aquella matriz cuyo orden es, n n
1.4.2 Matriz identidad: Es aquella matriz de orden n n , tal que, su diagonal principal esta
formada solo de unos y fuera de ella solo ceros. La denotamos con la letra I .
1.4.3 Matriz nula o matriz cero: Es aquella matriz de orden m n , en la cual todas sus entradas
son iguales a cero y se denota con la letra O
28
Ahora definimos otras matrices con nombre propio, como las siguientes:
1.4.4 Matriz transpuesta: Para una matriz A de orden m n , se define su transpuesta de A
como aquella matriz que resulta al convertir todas las columnas de la matriz A en renglones o
viceversa y se denota por AT .
En forma simblica se tiene
A = ( aij )mn ; AT = ( a ji )nm

i = 1, 2, 3, , m
j = 1, 2, 3, , n
Ejemplo 1.4.4.1
1

2
a) Para A = su transpuesta es AT =
( 1 2 3 7 )14
3

7 41
1 11 9
1 5 8 4
5 9 2
b) Para A = 11 9 0 1 su transpuesta es AT =
9 2 14 6 8 0 14
34
4 1 6 43
1 3 9 1 3 6

=
c) Para A 3 2 5 su transpuesta es=
AT 3 2 4
6 4 7 9 5 7
33 33
1 6

2 7
1 2 3 4 5
d) Para B = su transpuesta es B = 3 8
T
6 7 8 9 10 25
4 9
5 10
52
a b a c
e) Para C = su transpuesta es C T =
c d 22 b d 2 2
29
Observemos que el orden de la transpuesta cambia dependiendo del orden de la matriz inicial, no
as cuando la matriz es cuadrada. Como consecuencia de la definicin, la transpuesta cumple con
cuatro de propiedades que enseguida se escriben:
Propiedades de la matriz transpuesta
Para dos matrices A y B , un escalar r , se cumple que:
1) ( AT )T = A la transpuesta de la transpuesta de una matriz es igual a la matriz
2) ( rA)T = rAT La transpuesta del producto de un escalar con una matriz es igual al producto del
escalar con la transpuesta de dicha matriz
3) ( A B )T =AT BT la transpuesta de la suma o resta de matrices es igual a la suma o resta de
las transpuestas de dichas matrices
4) ( AB )T = BT AT La transpuesta del producto de dos matrices es igual al producto de las
transpuestas de las matrices, pero cambiando la colocacin inicial
El orden de las matrices A y B deber ser el adecuado para que las operaciones sean realizables.
Las justificaciones de las propiedades se omiten y mejor se da un ejemplo que ilustra a cada
propiedad
1 2 2 1
Ejemplo 1.4.4.2 Sean =
las matrices A = , B = y r 5
3 4 1 3
Entonces como
1 3 2 1 5 10 1 3 4 5
=AT = ; B =
T
; 5A = ; A+ B = ; AB
2 4 1 3 15 20 4 7 10 9
1 3 1 2
T
( A ) 2= ( AT )
T T
1)= T
= A , es decir= A
4 3 4
30
1 3 5 15 5 10 5 15
T
=
2) 5 A 5= y ( 5 A) =
= = ( 5 A) 5 AT
T T T
luego
2 4 10 20 15 20 10 20
1 3 1 4 1 3 2 1 1 4
T
3) ( A +=
B) = AT =
+ BT + =
T
y
4 7 3 7 2 4 1 3 3 7
( A + B) =AT + BT
T
Por lo que
4 5 4 10 2 1 1 3 4 10
T
4) ( AB ) =
= = =
T
y BT AT
10 9 5 9 1 3 2 4 5 9
Por lo que ( AB ) = BT AT
T
1.4.5 Matriz simtrica: Aquella matriz cuadrada que es igual a su matriz transpuesta.
Ann es simtrica, s A = A
T
Simblicamente,
Ejemplo 1.4.5.1 Algunas matrices simtricas son:
3 7
A= , ya que A = A
T
7 2
1 3 8

=A 3 2 7 , ya que cumple con A = A
T
8 7 3

1 4 5

4 2 6 , ya que cumple con A = A
A=
T
5 6 3

1 3 4 7

3 9 1 8
A= , ya que cumple con A = A
T
4 1 5 6

7 8 6 0
31
La caracterstica que distingue a este tipo de matrices, es que en la diagonal principal puede
aparecer cualquier nmero real, pero las entradas que estn por arriba de la diagonal, se deben
reflejar por debajo de la diagonal, es decir, la diagonal principal es el eje de simetra.
En general las matrices simtricas de orden n n se pueden escribir de la siguiente forma
a11 a12 a13 a1n

a12 a22 a23 a2 n
A = a13 a23 a33 a3 n

a ann
1n a2 n a3 n
1.4.6 Matriz antisimtrica: Aquella matriz cuadrada que es igual a menos su transpuesta, es
decir una matriz A es antisimtrica, si A = AT
Ejemplo 1.4.6.1 Algunas matrices antisimtricas son:
0 3 0 3 0 3
A= , ya que A = y=
AT = A o bien A = A
T T
3 0 3 0 3 0
0 2 5

=A 2 0 7 , ya que se tiene A = AT
5 7 0

0 1 2 3

1 0 4 5
A= , porque se tiene que A = AT
2 4 0 6

3 5 6 0
Podemos dar cuenta, para las matrices antisimtricas, que en la diagonal principal aparecen puros
ceros y los nmeros que se encuentran por arriba de la diagonal se reflejan con signo contrario
debajo de dicha diagonal.
32
De manera general las matrices antisimtricas de orden n n tienen la siguiente forma
0 a12 a13 a1n

a12 0 a23 a2 n
a13
A= a23 0 a3 n

a a2 n a3 n 0
1n
Ejemplo 1.4.6.2 Consideremos una matriz cuadrada de orden 3 3 , a saber
2 3 5

=A 4 1 6 La cual no es simtrica, ni antisimtrica.
4 7 8

2 4 4 2 4 4

Ya que A = 3 1 7 y A = 3
T T
1 7 es decir, A AT y A AT
5 6 8 5 6 8

4 1 1

Pero, si a la matriz A le sumamos su transpuesta A , obtenemos A + A = 1 2 13
T T
1 13 16

La cual es simtrica.
0 7 9

Por otro lado, si efectuamos la resta A=
AT 7 0 1 es una matriz antisimtrica.
9 1 0

El ejemplo nos muestra que podemos construir tanto matrices simtricas, como antisimtricas a
partir de cualquier matriz cuadrada distinta a la matriz nula.
Lo anterior se puede demostrar en general, para toda matriz cuadrada A O de orden n n ,
usando algunas propiedades de la transpuesta y de las operaciones.
Demostremos que para toda matriz cuadrada A O , se tiene que A + AT es simtrica.
Consideremos que B= A + AT y vamos a probar que B = BT
33
(A+ A )
T
B=
T T
B= A + ( A )
T T T T
Propiedad 3 de la transpuesta
BT= AT + A Propiedad 1 de la transpuesta
BT =A + AT =B Propiedad conmutativa para la suma de matrices
=
Por lo que, BT B=
o bien B BT
Con esto se ha demostrado que A + AT es simtrica.
Ahora demostremos que A AT es antisimtrica.
Consideremos que C= A AT y probaremos que C = C T
( A AT )
T
C T =
AT ( AT )
T
C T = Propiedad 3 de la transpuesta

C =
T
A A
T
Propiedad 1 de la transpuesta
C T =
AT + A Propiedad distributiva de un escalar con respecto a la suma
C T =
A AT =
C Propiedad conmutativa para suma de matrices
Por lo que, C =
C o bien C =
T
C T
Con esto se ha demostrado que A AT es antisimtrica.
Nota: Como se puede ver, en una demostracin se habla de todas las matrices cuadradas distintas
a la matriz nula, mientras que en una comprobacin se consideran matrices especficas o
particulares.
1.4.7 Matriz rengln: Aquella cuyo orden es 1 n , es decir, tiene un solo rengln.
Ejemplo 1.4.7.1 Algunas matrices rengln son:
( 3 7 ) ; R =
R= (1 2 3) ; R =
( 1 2 3 8) ; R =
( 0 0 1 1 0 )
R= (0 1 1 2 3 2 ) ; R = (0 0 0 1 1 2 1)
34
1.4.8 Matriz columna: Aquella cuyo orden es n 1 , es decir, tiene solo una columna.
Ejemplo 1.4.8.1 Algunas matrices columna son:
1 1 0 0
5
1 =0 1
= 0
= 0
=C = ; C =2 ; C ; C ;C ; C
3 4 0 2 0 0

0 8 0 1
1.4.9 Matriz triangular superior: Aquella matriz cuadrada, en la que todas sus entradas que
aparecen por debajo de la diagonal principal son iguales al cero, es decir,
( )nn , es triangular superior, s aij = 0

A = aij cuando i > j .
Ejemplo 1.4.9.1 Algunas matrices triangulares superiores son:
9 1 6 2 3
2 3 0 1

7
7 3 0
1 0 0 5 4 6 7
0 1 5 0 0 7
G= , H=
0 1 2 , I =
, Z= 0 2
0 0 4 1 0 1
0 0 2 0 0 0 0 7
0 0 0 3 0 0
0 0 6
1 1 1 16 14 3 0 4 5 2 4 3

T=
0 1 1 , L =
0 2 5 , T =
0 1 2 , L =
0 0 1
0 0 1 0 0 0 0 0 1 0 0 0

1.4.10 Matriz triangular inferior: Aquella matriz cuadrada, en la que todas sus entradas que
aparecen por arriba de la diagonal principal son iguales al cero, es decir
( )nn ,
A = aij es triangular inferior, s aij = 0 cuando i < j .
35
Ejemplo 1.4.10.1 Algunas matrices triangulares inferiores son:
2 0 0 0 3 0 0 0
1 0 0
6 1 0 0 1 0 1 2 0 0
=G = , R 1 =
1 0 , J = , T
4 1 4 0 3 4 1 2 1 0
1 1 1

1 0 0 3 0 3 4 13
1 0 0 0 0 0 9 0 0 2 0 0

Z=
3 1 0 , M =
1 2 0 , N =
9 1 0 , P =
2 2 0
1 4 1 4 6 8 1 4 0 2 2 2

1.4.11 Matriz diagonal: Aquella matriz cuadrada, tal que, las nicas entradas que pueden ser
diferentes de cero, son las que se encuentran en su diagonal principal.
( )nn ,
D = dij es diagonal, s dij = 0 cuando i j .
Ejemplo 1.4.11.1. Algunas matrices diagonales son:
2 0 0 0
2 0 0 1 0 0
0 1 0 0
D =0 1 0 ; K = ; I 0 1 0
0 0 8 0 0 0 0 0 0 1

0 0 0 6
2 0 0 0
a 0 0
0 3 0 0 2 0
R = ; L =0 b 0 ; Q
0 0 1 0 0 0 c 0 5

0 0 0 5
1 0 0 2 0 0
a 0
=Z 0 =
1 0 ; Y = ; A 0 0 0
0 0 0 0 b 0 0 0

Se puede decir que las matrices diagonales, son tambin triangulares tanto superiores, como
inferiores. Porque cumplen con las definiciones 1.4.9 y 1.4.10.
36
1.5 MATRIZ ESCALONADA Y ESCALONADA REDUCIDA
Definicin 1.5 Matriz escalonada reducida (e.r.): Es aquella matriz que cumple con las
siguientes condiciones:
1) En los renglones diferentes al rengln nulo ( 0 0 0 ) , la primera entrada de izquierda a
derecha distinta del nmero cero deber ser el nmero uno (1), al que llamaremos uno
principal o pivote del rengln respectivo. Por ejemplo: ( 0 1 1 2 )
2) En dos renglones no nulos, el uno principal o pivote del rengln superior debe
aparecer a la izquierda con respecto al uno principal o pivote del rengln inferior, es
decir, los unos principales o pivotes deben formar escalones descendentes en la matriz
y no debe haber dos unos principales o pivotes en la misma columna. Por ejemplo
1 1 3 5 0
1 2 1 5 6
; 0 1 1 1 2
0 0 1 2 1 0 0 0 1 1

3) Si aparece el rengln nulo, este tendr que estar en la parte inferior de la matriz (ltimo
rengln). Cabe sealar que dicha condicin es opcional, ya que depende de que se encuentre o
no el rengln nulo. Por ejemplo:
1 1 3 5 0

0 1 1 1 2
0 0 0 0 0

4) En las columnas donde aparecen los unos principales o pivotes, arriba y abajo de ellos
(en la columna) debern aparecer solo ceros.
37
Cuando una matriz satisface las tres primeras condiciones diremos que est en una forma
escalonada (e.) simplemente.
Ejemplo 1.5.1
A continuacin se dan algunos ejemplos de matrices escalonadas reducidas (e.r.).
1 0 0 0 0 1 2 1 0 0 0 0 1 2

0 1 0 0 0 4 3 0 0 1 0 0 4 3
A =0 0 1 0 0 0 1 ; B 0 0 0 1 0 0 1

0 0 0 1 0 5 0 0 0 0 0 1 3 0
0 0 0
0 0 0 0 1 1 2 0 0 0 0
1 3 0 4 0
1 0 0 2 3 4 1 0 3
0 0 1 1 0
E = = ; F 0 1 0 1 0 1 ; G = 0 1 2
0 0 0 0 1 0 0 1 0 0 2 0 0 0

0 0 0 0 0
1 0

0 0 1 2 4 0 7 1 0 0 1 6 0 0 1

H = 0 0 0 0 0 1 1 ; K = 0 0 1 1 0 0 ; L = 0 0

0 0 0 0 0 0 0 0 0 0 0 0 1 0 0

0
0
1 2 3 1
1 0 0 1 6 0
0 0 0 0
I = 0 1 0 ; N = 0 0 1 ; P=
0 0 1 0 0 0 0 0
0 0
0 0 0 0
Obsrvese que los unos principales o pivotes 1 forman escalones que descienden (de izquierda
a derecha) y sus anchos pueden ser diferentes o iguales, adems de que en las columnas donde
aparecen estos pivotes arriba y abajo de ellos aparecen solo ceros, as como a su izquierda en los
renglones respectivos.
38
Ejemplo 1.5.2 Algunos ejemplos de matrices escalonadas (e.) son:
1 1 3 0 1 0 1 0 2 5 4

=Q 0 0 1 4 5 =
; R 0 0 1 3 1 0
0 0 0 0 1 0 0 0 0 1 0

1 4 0 7 9 3
1 1 3
1 1 8 0 0 1 1 0 3
0 1 4
W = 0 1 1 ; Y = ; E = 0 0 0 1 2 1
0 0 1
0 0 1
0 0 0 0 1 5
0 0 0 0
0 0 0 0 1
0 1 1 1 0 2 3 1 1 2 3 0 2 3

0 0 1 1 1 0 2 0 0 1 1 1 0 2
C = 0 0 0 1 4 2 1 ; D = 0 0 0 1 4 2 1

0 0 0 0 1 1 1 0 0 0 0 1 1 1
0 1 2 0 0 0 0 0 0 0
0 0 0 0
En estas matrices se puede observar que tanto abajo como a su izquierda, de los pivotes que
forman los escalones descendentes, aparecen ceros.
De los ejemplos anteriores podemos decir que una matriz escalonada reducida es tambin
escalonada, mientras que una matriz escalonada no necesariamente es escalonada reducida.
Las matrices escalonadas y escalonadas reducidas son utilizadas con mucha frecuencia para
obtener el conjunto solucin en los sistemas de ecuaciones lineales, por ello resulta importante
manejar un procedimiento o mtodo que permita transformar toda matriz no nula, a una forma
escalonada o bien a la escalonada reducida.
Dicho mtodo suele llamarse: Proceso de Gauss-Jordan y est apoyado en tres operaciones
elementales que podemos realizarle a los renglones de cualquier matriz no nula.
A continuacin veremos estas operaciones con renglones.
39
1.6 OPERACIONES ELEMENTALES CON RENGLONES

Y EL MTODO DE GAUSS-JORDAN
Las operaciones elementales con renglones son:
1.6.1 Intercambio de renglones ( Int. Ri , R j ) : En una matriz, dos renglones se pueden
intercambiar entre s.
Esta operacin nos ayuda a colocar en el lugar adecuado al o los renglones nulos, as como a los
unos principales o pivotes de algunos renglones.
Ejemplo 1.6.1.1 En las siguientes matrices se ilustra el intercambio de renglones. La flecha se
utiliza para sealar la matriz resultante de la operacin y por consecuencia la segunda matriz no
es igual a la original. Si se desea podemos regresar a la inicial, realizando una operacin
intercambio.
1 3 3 6 4 1 3 3 6 4
Int. R2 , R3
0 0 0 0 0 0 0 0 1 5
0 0 0 1 5 0 0 0 0 0

0 1 3 4 1 1 2 1 1 0

1 2 1 1 0 Int. R1 , R2 0 1 3 4 1

0 0 0 0 0 Int. R3 , R4 0 0 0 1 3

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

0 0 1 1 2 0 0 1 0 0 1 2
Int. R2 , R3
0 1 0 0 1 2 0 0 1 1 2 0

0 0 0 0 1 5 0 0 0 0 1 5
0 0 0 0 0 0 0
0 0 0 0 0
0 0 0 1 2 5
Int.R1 , R3
0 1 4 0 1 4
1 2 5 0 0 0

40
La operacin intercambio, se puede realizar tantas veces como se quiera o sea necesario.
1.6.2 Mltiplo de un rengln ( rRi ) : En una matriz, podemos multiplicar (dividir) uno de sus
renglones Ri por cualquier escalar r 0 diferente de cero.
Esta operacin permite construir los unos principales o pivotes en los renglones no
nulos.
Ejemplo 1.6.2.1 En las matrices se muestra la operacin mltiplo de un rengln.
2 4 6 10 6 1 R 1 2 3 5 3
2 1
0 1 3 4 1 0 1 3 4 1
1R2
0 0 0 0 0 1 0
0 0 1
1 4 1 0 2 1 R 1 4 1 0 2
3 2
0 3 3 6 0 1 R 0 1 1 2 0
5
4 3
0 0 0 4 2 R4 0 0 0 1 5
4
0 0 0 0 1 0 0 1
2 0 0
1.6.3 Suma del mltiplo de un rengln a otro rengln ( rRi + R j ) : En una matriz, el mltiplo
de algn rengln rRi se puede sumar a otro rengln R j ( i j ) , de manera tal, que el rengln
resultante de dicha suma rRi + R j reemplazar a uno de los dos renglones involucrados (solo a
uno de los dos).
Esta tercera operacin se utiliza, para construir los ceros que deben estar arriba o abajo de
los unos principales o pivotes en las columnas respectivas y en ocasiones tambin nos
permite obtener los unos principales o pivotes de algunos renglones.
1 2 4 1

Ejemplo 1.6.3.1 Supongamos que se tiene la siguiente matriz: 3 2 1 4 , en la cual
0 1 4 6

como se puede apreciar en el primer rengln aparece su uno principal 1 y debajo de dicho
41
pivote, en la primera columna est el nmero 3 , si se quisiera convertir este nmero en cero,
podemos realizar la siguiente operacin: multiplicamos por 3 el primer rengln 3R1 y lo
sumamos al segundo rengln R2 , reemplazando este ltimo por el rengln resultante como se
3R1 3 6 12 3
R2 3 2 1 4
3R1 + R2 0 4 11 7
En la matriz se escribe de la siguiente manera:
1 2 4 1 1 2 4 1
3R1 + R2
3 2 1 4 0 4 11 7

0 1 4 6 4 6
0 1
Observemos que el segundo rengln fue reemplazado por el resultado de la operacin, aunque
tambin se pudo haber reemplazado el primer rengln en lugar del segundo.
Para indicar qu rengln se reemplazar en esta operacin, establecemos el siguiente criterio: Si
escribimos la notacin rRi + R j , el rengln que se cambiar ser R j y si escribimos
R j + rRi , el rengln que se cambiara ser Ri .
Estas tres operaciones, se podrn realizar tantas veces como se requieran o sean necesarias, para
que una matriz cualquiera sea llevada o transformada a una forma escalonada (e.) o a la
escalonada reducida (e.r.).
Ejemplo 1.6.3.2 La matriz que se da enseguida, se puede llevar a su forma escalonada reducida,
utilizando las operaciones elementales con renglones ya definidas anteriormente.
2 4 6 8

A =
1 1 2 3
0 1 1 0

42
1
Empezamos por construir el pivote del primer rengln, multiplicando por 2
dicho rengln
(dividiendo entre 2 ), enseguida se suman los renglones R1 y R2 y el resultado reemplaza al
segundo rengln, para que abajo del pivote aparezca un cero, despus como en el segundo
rengln ya est su pivote, se procede a convertir los nmeros 2 y 1 que se encuentran arriba y
abajo del pivote en la segunda columna en ceros, con las operaciones 2R2 + R1 y R2 + R3 ,
1
posteriormente en el tercer rengln se construye su pivote al multiplicar por 7
(dividir entre 7 )
este rengln y por ltimo se eliminan los nmeros 7 y 10 que estn arriba del tercer pivote con
las operaciones 7R3 + R2 y 10R3 + R1 , como se muestra a continuacin:
2 4 6 8 1 R 1 2 3 4 1 2 3 4
2 1 R1 + R2
=
A 1 1 2 3 1 1 2 3 0 1 1 7
0 1 1 0 0 1 1 0 0 1 1 0

1 0 1 10 1 R 1 0 1 10 1 0 1 0
2 R2 + R1 7 3 7 R3 + R2
0 1 1 7 0 1 1 7 0 1 1 0
R2 + R3 10 R3 + R1
0 0 0 7 0 0 0 1 0 0 0 1

2 4 6 8 1 0 1 0

Luego, para la matriz A =
1 1 2 3 su forma escalonada reducida es 0 1 1 0
0 1 1 0 0 0 0 1

En la forma escalonada reducida, se observan tres unos principales o pivotes, en sus respectivos
renglones no nulos y no aparece un rengln nulo, ya que la condicin 3) de la definicin para
matriz escalonada reducida, seala que cuando se presente el rengln nulo deber ubicarse en la
parte inferior del arreglo.
Con este ejemplo empezamos a dar cuenta del mtodo de escalonamiento de Gauss-Jordan.
43
1.6.4 PROCESO O MTODO DE GAUSS- JORDAN
Este proceso permite transformar o llevar a toda matriz no nula, a su forma escalonada reducida o
a una escalonada, recibe el nombre del mtodo de Gauss-Jordan o de Gauss y propone una
serie de pasos para alcanzar este propsito.
A continuacin se dan las principales sugerencias que describen el mtodo, en el entendido que
son pasos rutinarios o algortmicos y que para llegar a la forma escalonada reducida o a una
escalonada, se pueden seguir varios caminos que dependen de cada matriz en particular y del
lector.
Cuando se quiere llegar a la escalonada reducida al mtodo le llamamos de Gauss-Jordan y
cuando se llega a una escalonada le diremos de Gauss.
Se construye en el primer rengln no nulo, su uno principal o pivote, utilizando alguna
de las tres operaciones con renglones.
Posteriormente abajo del uno principal sobre la columna en la que aparece, se construyen
ceros, con el uso generalmente de la tercera operacin suma del mltiplo de un rengln a
otro rengln.
Ahora se pasa al segundo rengln no nulo y se construye su uno principal. Solo que ahora
arriba y abajo del uno principal, debern construirse ceros en la columna que lo contiene.
Este paso se repite tantas veces sea necesario, hasta terminar con los renglones que aparezcan
en la matriz y as llegar a la forma escalonada reducida.
Si se presenta un rengln nulo, con la operacin intercambio de renglones, se manda hasta la
parte inferior de la matriz.
Mostraremos con algunos ejemplos el mtodo de Gauss-Jordan y de Gauss.
44
Ejemplo 1.6.4.1 Para la matriz A , usar el mtodo de Gauss-Jordan, para llevarla a su forma
escalonada reducida.
2 5 2 1

=A 0 1 1 0
1 3 1 1

2 5 2 1 1 3 1 1 1 3 1 1
Int. R1 , R3 2 R1 + R3
=A 0 1 1 0 0 1 1 0 0 1 1 0
1 3 1 1 2 5 2 1 0 1 4 1

1 0 0 1
1 0 4 1 1 0 4 1 5
3R2 + R1
0 1 0 1

0 1 1 4 R + R
0 1 1 0 0 3 1
R2 + R3 R3 + R2
0 0 5 1 5 R3
1 5
0 0 1 1
5 0 0 1 1
5
Para la matriz A su forma escalonada reducida es:
1 0 0 1
5
0 1 0 1
5

0 0 1 1
5
Ejemplo 1.6.4.2 Para la matriz B , usar el mtodo de Gauss-Jordan, para transformarla a su
forma escalonada reducida.
1 2 3 6

B=
2 6 8 4
5 18 23 2

1 2 3 6 2 R1 + R2 1 2 3 6 1 1 2 3 6
2 R2
B = 2 6 8 4 0 2 2 8 1R
0 1 1 4
5 18 23 2 8 8 32 8
3 0 1 1 4
5 R1 + R3 0
45
2 R2 + R1
1 0 1 14

0 1 1 4
0
1R2 + R3 0 0 0
1 0 1 14

Luego, para la matriz B su forma escalonada reducida es: 0 1 1 4
0 0 0 0

Aqu el rengln nulo aparece y se ubica en la parte inferior del arreglo.
Ejemplo 1.6.4.3 Para la matriz C , usar el proceso Gauss-Jordan, para llevarla su forma
2 2 2

=
escalonada reducida. C 3 3 1
0 1 3

2 2 2 1 1 1 1 1 1 1 1 1
R2 + R1 3R1 + R2 Int.R2 , R3
3 3 1 3 3 1 0 0 4 0 1 3
0 1 3 0 1 3 0 1 3 0 0 4

1 1 1 1 0 4 1 0 0

R2 R2 + R1 4 R3 + R1
0 1 3 0 1 3 0 1 0
4 R3
1 3R3 + R2
0 0 4 0 0 1 0 0 1

1 0 0

Por lo que para la matriz C su forma escalonada reducida es 0 1 0 = I
0 0 1

Ejemplo 1.6.4.4 Para la matriz D , usar el proceso de Gauss-Jordan para transformarla a su
forma escalonada reducida.
1 1 2

D=
2 2 3
3 3 6

46
1 1 2 1 1 2 1 1 0
2 R1 + R2 2 R2 + R1
D = 2 2 3 0 0 1 0 0 1
3 3 6 3R1 + R3 0 0 0 0 0 0

1 1 0

Por lo tanto, para la matriz D su forma escalonada reducida es 0 0 1
0 0 0

Ejemplo 1.6.4.5 Para la siguiente matriz E usar el proceso Gauss-Jordan para transformarla a
2 5
su forma escalonada reducida. E =
3 7
2 5 R2 R1 1 2 3R1 + R2 1 2 2 R3 + R1 1 0
=E
3 7 3 7 0 1 0 1
1 0
Por lo tanto, para la matriz E su forma escalonada reducida es =I
0 1
Comentario: En algunas ocasiones la operacin mltiplo de un rengln sumado a otro
rengln, puede ser utilizada para construir el uno principal del primer rengln, o bien de otros
renglones.
Ejemplo 1.6.4.6 Para la matriz F , usar el proceso de GaussJordan, para llevarla a su forma
escalonada reducida.
2 2 4 0 4 2

2 3 2 1 0 1
F = 0 0 3 1 0 1

2 5 14 3 8 3
4 4 8 0 8 4

47
2 2 4 0 4 2 1 1 2 0 2 1

2 3 2 1 0 1 1
R 2 3 2 1 0 1
F 0 0 3 1 0 1
2 1
0 0 3 1 0 1

2 5 14 3 8 3 2 5 14 3 8 3
4 4 8 0 8 4
4 4 8 0 8 4
1 1 2 0 12 1 0 8 1 6 2
2 R1 + R2
0 1 6 1 14 0 1 6 1 4 1
2 R1 + R4 R2 + R1
0 0 3 1 0 1 0 0 3 1 0 1
4 R1 + R5 3R2 + R4
0 3 18 3 12 5 0 0 0 0 0 2
0 0 0 0 0 0 0 0
0 0 0 0
1 0 8 1 6 2 1 0 0 5 6 2
3 3
0 1 6 1 4 1 0 1 0 1 4 1
13 R3 +
0 1
6 R R
0 0 1 1 3 2
0 1 1 1
1R 3 3 8 R3 + R1 0 0
2 4
0 3 3
0 0 0 0 1 0 1
0 0 0 0
0 0 0 0 0 0
0 0 0 0 0 0
1 0 0 5 6 0
3
3 R4 + R1
2
0 1 0 1 4 0
R4 + R2

13 R4 + R3 0 0 1 1 0 0
3
0 0 0 0 0 1

0 0 0 0 0 0
1 0 0 5
6 0
3

0 1 0 1 4 0
Por lo tanto, para la matriz F su forma escalonada reducida es 0 0 1 13 0 0

0 0 0 0 0 1
0 0
0 0 0 0
48
En ocasiones no siempre se puede estar interesado en llevar una matriz a su forma escalonada
reducida, sino solo a una forma escalonada, cuando esto ocurre se dice que hacemos uso del
proceso de Gauss. En el siguiente ejemplo se ilustra la obtencin de una matriz escalonada.
Ejemplo 1.6.4.7 Consideremos la matriz F del ejemplo anterior, usar el proceso de Gauss para
llevarla a una forma escalonada.
2 2 4 0 4 2

2 3 2 1 0 1
F = 0 0 3 1 0 1

2 5 14 3 8 3
4 4 8 0 8 4

En este caso solo se quiere que abajo de cada uno principal aparezcan ceros.
2 2 4 0 4 2 1 1 2 0 2 1

2 3 2 1 0 1 1
R 2 3 2 1 0 1
F 0 0 3 1 0 1 2 1
0 0 3 1 0 1

2 5 14 3 8 3 2 5 14 3 8 3
4 4 8 0 8 4
4 4 8 0 8 4
1 1 2 0 2 1 1 1 2 0 2 1
2 R1 + R2
0 1 6 1 4 1 0 1 6 1 4 1
2 R1 + R4
0 0 3 1 0 1 0 0 3 1 0 1
4 R1 + R5 3R1 + R4
0 3 18 3 12 5 0 0 0 0 0 2
0 0 0 0 0 0 0 0
0 0 0 0
1 1 2 0 2 1

0 1 6 1 4 1
3 R3
1
0 0 1 1 0 1
1R 3 3
2 4
0 0 0 0 0 1

0 0 0 0 0 0
49
2 2 4 0 4 2 1 1 2 0 2 1

0 1 6 1 4 1
2 3 2 1 0 1
Para F = 0 0 3 1 0 1 una forma escalonada es 0 0 1 1 0 1
3 3
2 5 14 3 8 3 0 0 0 0 0 1

4 4 8 0 8 4 0 0 0 0 0 0
La cantidad de unos principales o pivotes es igual, tanto en la matriz escalonada reducida,
como en una escalonada cuando se tiene una misma matriz inicial, como se puede apreciar en los
ejemplos 1.6.4.6 y 1.6.4.7.
1 0 0 5
6 0 1 1 2 0 2 1
3

1 4 0 1 6 1 4 1
0 1 0 0
0 0 1 3
1 0 0 escalonada reducida y 0 0 1 1 0 1 escalonada
3 3
0 0 0 0 0 1 0 0 0 0 0 1
0
0 0 0 0 0 0 0 0 0 0 0
Dicha igualdad se generaliza, de la siguiente manera: En una matriz Amn O , cuando se lleva a
su forma escalonada reducida o a una de sus formas escalonadas, el nmero de pivotes en
ambas es el mismo.
Como una conclusin del mtodo de escalonamiento de Gauss-Jordan, se dice que para una
matriz Amn O , su forma escalonada reducida es nica, mientras que formas escalonadas puede
tener varias.
Observe que en los ejemplos anteriores, las matrices C y E son cuadradas y sus formas
escalonadas reducidas son matrices Identidad I , no as en la matriz D , cuya escalonada reducida
es diferente a la matriz Identidad I .
La observacin que se acaba de establecer, nos lleva a la definicin de la matriz inversa.
50
1.7 CLCULO DE LA MATRIZ INVERSA
Definicin 1.7 Una matriz cuadrada A de orden n n , se dice que es invertible (no singular),
si existe una matriz cuadrada A1 de orden n n , tal que, cumple lo siguiente.
1 1
=
AA A= A I
Donde I es la matriz identidad de orden n n y A1 recibe el nombre de matriz inversa de A .
En caso contrario, es decir, si no existe A1 , se dir que la matriz A no es invertible o que no
tiene inversa.
3 1 2 2 1 1
1
Ejemplo 1.7.1 Para la matriz A =
1 1 1 , su inversa es A = 1 1 1 , ya que
4 1 3 3 1 2

3 1 2 2 1 1 1 0 0
1
AA =
1 1 1 1 1 1 = 0 1 0 =I
4 1 3 3 1 2 0 0 1

2 1 1 3 1 2 1 0 0
1
A A = 1 1 1 1 1 1 = 0 1 0 =I
3 1 2 4 1 3 0 0 1

1 1
=
En efecto, se cumple que AA A= A I , es decir la matriz A es invertible.
El ejemplo nos ilustra por qu A1 es la matriz inversa de A , pero seguramente algo ms
relevante sera preguntarse, cmo saber obtener la matriz inversa? o dicho de otra manera cmo
se calcula la matriz inversa? Precisamente el mtodo de escalonamiento de Gauss-Jordan visto
en el apartado anterior, nos dar la respuesta a travs de las principales propiedades de la matriz
inversa.
51
1.8 PROPIEDADES DE LA MATRIZ INVERSA
Propiedad 1.8.1 (Existencia y clculo de la matriz inversa)
Para que una matriz cuadrada A sea invertible ( A1 exista ) , una condicin necesaria y suficiente
es que, su forma escalonada reducida sea la matriz identidad I y adems si le aplican las mismas
operaciones a los renglones de la matriz identidad I , que le fueron realizadas a la matriz A , se
obtendr la matriz inversa.
La importancia de esta propiedad es que no solo nos da un criterio para saber si la matriz inversa
existe, sino que adems nos dice cmo poder obtenerla.
En el siguiente diagrama se ilustra la primera parte de la propiedad 1.8.1
Operaciones
Una matriz A cuadrada es invertible A I matriz identidad
con renglones
Adems, para obtener la matriz inversa, las mismas operaciones que se realizan a la matriz A , se
le efectan a la matriz I , como se muestra en el recuadro
A
Operaciones
con renglones
I matriz identidad
I
Operaciones
con renglones
A1 matriz inversa
De manera ms prctica queda como:
( A I )
Operaciones
con renglones
( I A1 )
Cuando la escalonada reducida sea diferente a la matriz identidad I , se dir que no existe
la inversa y en consecuencia A no es invertible.
Esta propiedad es una primera aplicacin del mtodo de Gauss-Jordan, para determinar la
existencia de la matriz inversa, as de cmo calcularla.
52
Propiedad 1.8.2 La matriz inversa cuando existe, es nica
Propiedad 1.8.3 ( A1 ) = A . La inversa, de la inversa de una matriz A es igual a A

1
1 1
1.8.4 ( rA )
1
Propiedad= A con r 0
r
Propiedad 1.8.5 ( AB ) = B 1 A1
1
Ejemplo 1.8.1 Obtenga la matriz inversa, por medio del mtodo de Gauss-Jordan, para cada
una de las siguientes matrices (en caso de que exista).
3 1 2

1) A =
1 1 1
4 1 3

Iniciamos escribiendo el arreglo ( A I ) y enseguida con el uso de las operaciones elementales

con renglones, llevamos la matriz A a su forma escalonada reducida para determinar si dicha
forma es la matriz identidad I y simultneamente se van realizando las mismas operaciones a la
identidad I .
3 1 2 1 0 0 1 1 1 0 1 0
( A I )= 1 1 Int. R1 , R2
1 0 1 0 3 1 2 1 0 0

4 1 3 0 0 1 4 1 3 0 0 1

1 1 1 0 1 0 1 1 1 0 1 0
R1 3R1 + R2
3 1 2 1 0 0 0 2 1 1 3 0
4 R1 + R3
4 1 3 0 0 1 0 3 1 0 4 1

1 1 1 0 1 0 1 0 1 1 0 1
R3 R2 R2 + R1
0 1 0 1 1 1 0 1 0 1 1 1
3R2 + R3
0 3 1 0 4 1 0 0 1 3 1 2

1 0 1 1 0 1 1 0 0 2 1 1

R3 R3 + R1
0 1 0 1 1 1 0 1 0 1 1 1 = I A1
0 0 1 3 1 2 0 0 1 3 1 2
( )

53
Como la matriz A se pudo llevar a la matriz I , la matriz inversa A1 s existe y es
2 1 1
1
A = 1 1 1
3 1 2

Esta matriz inversa es precisamente la que se dio en el ejemplo 1.7.1
1 4 2

=
2) A 4 1 2
3 3 4

Procedemos de manera anloga como en el ejemplo anterior, solo que ya no se escribirn de
manera explcita las operaciones que se van realizando a los renglones, con la intencin de
empezar a trabajarlas mentalmente y con ello ahorrar notacin.
1 4 2 1 0 0 1 2 3 1 0 0 1 2 3 1 0 0

(A I) =
4 1 2 0 1 0 0 15 10 4 1 0 0 15 10 3 1 0
3 3 4 0 0 1 0 15 10 3 0 1 0 0 0 1 1 1

Como al ir escalonando la matriz A a su forma reducida, aparece un rengln nulo, esto nos
indica que no podemos llegar a la matriz identidad I por ms operaciones que realicemos con los
renglones de la matriz A , por lo que, diremos que la matriz inversa no existe. Dicho de otra
manera la matriz A no es invertible.
1 1 1

3) B = 1 1 1
0 1 2

1 1 1 1 0 0 1 1 1 1 0 0 1 1 1 1 0 0

( B I ) 1 1 1 0 1 0 0 0 2 1 1 0 0 1 2 0 0 1
=
0 1 2 0 0 1 0 1 2 0 0 1 0 0 1 1 1 0
2 2
54
1 0 3 1 0 1 1 0 0 12 3
1

2

0 1 2 0 0 1 0 1 0 1 1 1 = ( I B 1 )
0 0 1 12 12 0 0 0 1 12 1
0
2
Luego, B 1 si existe y es
12 3
2 1 1 3 2
1 1
B = 1 1 1 = 2 2 2 2
1 0 1 1 0

1
2 2
2 3 2

4) B = 1 1 1
2 3 3

2 3 2 1 0 0 1 1 1 0 1 0 1 1 1 0 1 0
( B I )= 1 1 1 0 1 0 2 3 2 1 0 0 0 1 4 1 2 0

2 3 3 0 0 1 2 3 3 0 0 1 0 1 5 0 2 1
1 1 1 0 1 0 1 0 5 1 3 0 1 0 0 6 3 5

0 1 4 1 2 0 0 1 4 1 2 0 0 1 0 5 2 4 = ( I B 1 )
1 1 0 1 0 0 1 1 0 1
0 1 5 0 2 1 0 0
6 3 5

Por lo que, B 1 si existe y B 1 = 5 2 4
1 0 1

1 1
=
Podemos hacer la comprobacin para verificar que BB B= B I
En efecto,
2 3 2 6 3 5 1 0 0
1
BB = 1 1 1 5 2 4 = 0 1 0 = I
2 3 3 1 0 1 0 0 1

6 3 5 2 3 2 1 0 0
1
B B = 5 2 4 1 1 1 = 0 1 0 =I
1 0 1 2 3 3 0 0 1

55
OBSERVACIN: Cabe decir que, cuando al escalonar una matriz cuadrada, aparece un
rengln nulo o una columna nula o bien un rengln (columna) que es mltiplo de otro
rengln (columna), la matriz inicial no tendr inversa.
En las cuatro matrices del ejemplo 1.8.1 bsicamente se mostr la utilidad del mtodo de
escalonamiento de Gauss-Jordan, pero hay otras propiedades para la inversa que veremos en el
siguiente ejemplo, en donde las propiedades 1.8.3 y 1.8.4 se pueden emplear.
2 3
Ejemplo 1.8.2 Se sabe que la matriz inversa de 2A es . Obtenga la matriz A
3 4
2 3
Sabemos que, ( 2 A ) =
1
y para obtener a la matriz A , podemos usar la propiedad 1.8.3
3 4
1 1
1 1 2 3 2 3
de la siguiente manera ( 2 A ) = o en otras palabras 2 A = y ahora
3 4 3 4
1
2 3
obtenemos con el mtodo de Gauss-Jordan (propiedad 1.8.1)
3 4
2 3 1 0 1 1 1 1 1 1 1 1 1 0 4 3

3 4 0 1 3 4 0 1 0 1 3 2 0 1 3 2
1
2 3 4 3 4 3
De modo=
que 2 A = , es decir 2 A =
3 4 3 2 3 2
2 3
4 3 2
= A 1=
2 3 2 3

Entonces
1
2
1 1
1.8.4 ( rA )
1
Tambin podemos utilizar la propiedad= A con r 0
r
2 3
( 2 A=
)
1
A1
=
1
2 , entonces al multiplicar por 2 , la igualdad se tiene que
3 4
56
2 3 4 6
=A1 2=

3 4 6 8
Luego por la propiedad 1.8.3 ( A1 ) = A y el mtodo de Gauss-Jordan.

1
4 6 1 0 1 32 14 0 1 32 1
0 1 32 1
0
(A 1
I )=
4

4

1
6 8 0 1 6 8 0 1 0 1 2 1 0 1 32
3
1 32 1
0 1 0 2 3

4
3
2
1 0 1 2 1
3 =(I A)
0 1 2
2 3
2 1 4 3
decir, A =
Es=
3 1 2 3 2

2
Ahora veamos un ejemplo que ilustra la propiedad 1.8.5
2 5 2 5
compruebe que ( AB ) = B A
1 1 1
Ejemplo 1.8.3 Para las=
matrices A = y B
1 3 3 7
3 5 7 5
A y B son: A1 =
Sus inversas de = y B
1
verificarlo!
1 2 3 2
19 45
Por otro lado AB = y al obtener su inversa por Gauss-Jordan
11 26
19 45 1 0 2 R2 + R1 3 7 1 2 R2 + 4 R1 1 2 4 7
( AB I ) 11 26 0 1
=
11 26 0 1 11 26 0 1
11R1 + R2 1 2 4 7 14 R2 1 2 4 7

0 4 44 76 0 1 11 19
2 R2 + R1 1 0 26 45 R1 1 0 26 45

0 1 11 19 0 1 11 19
26 45
Luego tenemos que ( AB ) =
1

11 19
57
7 5 3 5 26 45
( AB )
1
que B 1 A1
As finalmente se comprueba = = =
3 2 1 2 11 19
Podemos hablar de potencias, cuando se tienen matrices A cuadradas.
An =
AAAA
A
n veces
A n =
A1 A1 A
1 1 1
A
A , siempre que A1 exista.
n veces
3 5 1
Ejemplo 1.8.4 Para la matriz A = Obtenga A 2 A + I .
2
4 7
Podemos empezar por obtener A2
3 5 3 5 29 50
=
A 2
=
AA =
4 7 4 7 40 69
Ahora se determina A1
3 5 1 0 1 2 1 1 1 2 1 1 1 2 1 1
(A I)=
4 7 0 1 4 7 0 1 0 1 4 3 0 1 4 3
1 0 7 5
=( I A1 )
0 1 4 3
7 5 14 10
As A1 = 1
y 2 A =
4 3 8 6
Por lo tanto;
1 29 50 14 10 1 0 16 60
A2 2 A
= +I + + =
40 69 8 6 0 1 48 64
2 3 2

Ejemplo 1.8.5 para la matriz B = 1 1 1 obtener B 2
2 3 3

58
6 3 5

Como en el ejemplo 1.8.1 inciso 4) se obtuvo B 1 = 5 2 4
1 0 1

6 3 5 6 3 5 16 12 13
2 1
1
Luego entonces B =
B B =
5 2 4 5 2 4 =
16 11 13
1 0 1 1 0 1 5 3 4

5 3 5 2
Ejemplo 1.8.6 Si tenemos las matrices A = , B = , tales que cumplen con la
7 4 3 6
igualdad XA 4 B =.
B 2 Obtenga la matriz X .
Primero despejamos la matriz X adecuadamente, usando algunas propiedades de la igualdad,
para las operaciones con matrices y la definicin de matriz inversa, partiendo de
XA 4 B =
B2
= B2 + 4B
XA sumamos 4 B a los dos miembros de la igualdad
1
XAA= (B 2
+ 4 B ) A1 multiplicamos por A1 los dos miembros de la igualdad
( B 2 + 4 B ) A1
XI = sabemos que AA1 =
I
=
X (B 2
+ 4 B ) A1 ya que XI = X ; propiedad de la identidad I
Cuando se dice adecuadamente, se refiere al usar propiedades vlidas y adems de multiplicar por
la inversa A1 por la derecha de cada miembro, ya que de lo contrario no se podra despejar
correctamente a la matriz X (A 1
XA X ) , recurdese que el producto de matrices no es
conmutativo.
Luego, haciendo las operaciones necesarias, obtenemos la matriz X
5 2 5 2 19 2 20 8 39 6
=B2 = = ; 4B =; B2 + 4B
3 6 3 6 3 30 12 24 9 6
4 3
A1 = verifquelo!
7 5
59
39 6 4 3 114 87
( B 2 + 4B ) A1 =
Por lo tanto, X = =
9 6 7 5 78 57
Ejemplo 1.8.7 Para las matrices A , B , I se cumple que XA + 3I =

B2
1 2 1 1 1 2 1 0 0

Obtenga X , si A = 2 3 1 ; B = 0 3 1 ; I = 0 1 0
2 4 1 1 0 1 0 0 1

Procedemos de manera anloga, para despejar a la matriz X
XA + 3I =
B2
= B 2 3I
XA
1
XAA= ( B 2 3I ) A1
= ( B 2 3I ) A1
XI
X ( B 2 3I ) A1
=
Ahora obtenemos A1
1 2 1 1 0 0 1 2 1 1 0 0 1 0 1 3 2 0
( A I )= 2
3 1 0 1 0 0 1 1 2 1 0 0 1 1 2 1 0
2 4 1 0 0 1 0 0 1 2 0 1 0 0 1 2 0 1

1 0 0 1 2 1

0 1 0 0 1 1 =( I A1 )
0 0 1 2 0 1

1 2 1

=
Luego A1 0 1 1
2 0 1

3 2 1 3 0 0 0 2 1
2
Adems B 3I = 1 9 4 + 0 3 0 = 1 6 4
0 1 3 0 0 3 0 1 0

60
0 2 1 1 2 1 2 2 1

Finalmente, X =( B 2 3I ) A1 = 1 6 4 0 1 1 = 9 8 3
0 1 0 2 0 1 0 1 1

Ejemplo 1.8.8 Para dos matrices cuadradas A y B de orden n n , se sabe que A es invertible y
O donde O , es la matriz nula de orden n n

adems que satisfacen la igualdad AX + 2 I B 2 =
=
Demuestre que: X A1 ( B 2 2 I )
Demostracin: Usando propiedades de la igualdad, para las operaciones con matrices y la
definicin de la inversa se tiene que:
AX + 2 I B 2 =
O
AX + 2 I =O + B 2
= B2 2I
AX
A1 AX A1 ( B 2 2 I
= )
A1 ( B 2 2 I ) Luego entonces, X =
IX = A1 ( B 2 2 I )
1.9 RANGO DE UNA MATRIZ
Definicin 1.9 Para una matriz de cualquier orden, se define su Rango, como el nmero de
pivotes o unos principales que aparezcan en la forma escalonada reducida o en una forma
escalonada y se denota como , donde es el nmero de pivotes.
Ejemplo 1.9.1 Obtenga el Rango para las siguientes matrices.
2 4 6 8 1 0 1 0

1) A =
1 1 2 3 como su forma escalonada reducida es 0 1 1 0
0 1 1 0 0 0 0 1

Entonces rango ( A ) = 3
61
1 2 3 1 0 0

2) C = 2 3 1 como su forma escalonada reducida es 0 1 0
0 1 2 0 0 1

Entonces rango ( C ) = 3
1 1 2 1 1 0

3) D =
2 2 3 como su forma escalonada reducida es 0 0 1
3 3 6 0 0 0

Entonces, rango ( D ) = 2
1 2 3 6 1 0 1 14

4) B =
2 6 8 4 como su escalonada reducida es 0 1 1 4
5 18 23 2 0 0 0 0

Entonces, rango ( B ) = 2
2 2 4 0 4 2 1 1 2 0 2 1

0 1 6 1 4 1
2 3 2 1 0 1
5) F = 0 0 3 1 0 1 como una forma escalonada es 0 0 1 1 0 1
3 3
2 5 14 3 8 3 0 0 0 0 0 1

4 4 8 0 8 4 0 0 0 0 0 0
Entonces, rango ( F ) = 4
Para las matrices cuadradas el rango permite establecer un criterio que nos dice cundo una
matriz es invertible o cundo no y enseguida se enuncia.
Una matriz Ann es invertible, siempre y cuando, rango ( A ) = n . En caso de que rango ( A ) n ,
la matriz no es invertible.
Se han estudiado los aspectos bsicos de las matrices arbitrarias de orden m n , y un subconjunto
de ellas son las matrices cuadradas de orden n n , en las se defini la matriz inversa, ahora sern
usadas para comprender la funcin Determinante.

62
1.10 CONCEPTO, DEFINICIN Y NOTACIN

DEL DETERMINANTE
El concepto del Determinante, se puede entender como el de una funcin que va de las matrices
cuadradas, hacia los nmeros reales, es decir, que asocia a cada matriz cuadrada A , un y solo un,
nmero real.
Recta real
Matrices de orden
Matrices cuadradas
de orden
Funcin Determinante
63
En la figura se ilustra la idea de la funcin Determinante, en la cual se indica que su dominio es
el conjunto de matrices cuadradas Ann y a estas se le hace corresponder un y solo un nmero
real, al que llamamos valor del determinante y se simboliza como det ( A ) = A . En consecuencia
a varias matrices cuadradas se les puede asociar un mismo nmero real bajo esta nocin.
Antes de establecer la definicin, consideremos un ejemplo que relaciona a la matriz inversa y la
funcin determinante para matrices cuadradas de orden 2 2 .
a b
Proponemos una matriz cuadrada A = , tal que, a 0 c 0 y b 0 d 0. Para
c d
dar respuesta a la siguiente pregunta
Qu condiciones deben cumplir a, b, c y d para que la inversa de A exista?, y cuando esta
exista, obtenga la inversa A1 .
Usando el mtodo de Gauss-Jordan, se procede llevar a la matriz A a la matriz Identidad I .
1 b 1
R b 1
0 cR1 + R2
1 0
a b 1 0 a 1 1
(A I)
=

a a

a a

c d 0 1 0 ad bc c
1
c d 0 1
a a
bc ad bc
si a 0 +d =
a a
1 b 1
b 1 R2 1 0
aR2 1 0 ad bc
a a
a a
0 c a
0 ad bc c a 1
ad bc ad bc
S ad cb 0
Para que A1 exista, debe cumplirse que ad bc 0 y si continuamos con el proceso de
escalonamiento, llegamos a la matriz identidad.
64
b d b
R2 + R1 1 0
ad bc ad bc
a
= (I A1 )
0 1 c a

ad bc ad bc
bc 1 bc + ad bc d
= + =
a ( ad bc ) a a ( ad bc ) ad bc
De modo que la matriz inversa A1 existe, si ad bc 0 y ser:
d b
ad bc ad bc 1 d b 1 d b
=A1 = =
A1
c a ad bc c a ad bc c a

ad bc ad bc
La diferencia que aparece en el denominador ( ad bc ) es la definicin de la funcin
a b
determinante para las matrices cuadradas A = de orden 2 2 .
c d
La definicin que estableceremos es conocida frecuentemente por menores y cofactores,
empezando con matrices cuadradas 11 , 2 2 , 3 3 , hasta llegar a la funcin determinante para
matrices cuadradas A de orden n n .
DEFINICIN DE LA FUNCIN DETERMINANTE
Para una matriz de orden 1 1 , A = ( a11 ) , se define el determinante como: det( =

A ) a=
11 a11
Ejemplo 1.10.1 Obtener los siguientes determinantes:
det(4) =4 =4 ; det(5) = 5 =5 ; det( 3 ) =3 =3

7 7 7
det( 2 ) = 2 =
2 ; det( 2) = 2 =2 ; det( x) =x =x
3 3 3
65
a a12
Para una matriz de orden 2 2 , A = 11 , definimos su determinante como:
a21 a22
a11 a12
det (=
A) =
A = a11a22 a12 a21
a21 a22
Donde aij . Las barras verticales las usaremos para denotar a la funcin determinante,
teniendo cuidado y no confundirlas con el valor absoluto de un nmero real.
Ejemplo 1.10.2 Obtenga cada determinante:
4 3
1) = 4 ( 6 ) 3 ( 5 ) = 24 15 = 9
5 6
1 1
2 3 1 1 1 1 1 1 14 7
2) = = + = =
1 1 2 4 3 2 8 6 48 24

2 4
5 2
3) =( 5)(8) 2 ( 6 ) =40 + 12 =28
6 8
5 1
4) = 5 ( 3) ( 1)( 0 ) = 15 + 0 = 15
0 3
a b
5) = ad bc
c d
cos x senx
6) = ( cos x)(cos x ) ( senx)( senx
= ) cos 2 x + sen
= 2
x 1
senx cos x
a b
7) = a 2 b 2 = ( a b )( a + b )
b a
a2 b2
8) = a 3 b3 = ( a b ) ( a 2 + ab + b 2 )
b a
66
a2 b2
9) = a 2 + b 2 = ( a + b ) ( a 2 ab + b 2 )
b a
Ahora obtenga el valor de cada determinante, de manera directa
2 4 2 4 1 2 1 2
10) = 8 ; =0 ; =2 ; = 2
5 6 6 12 3 4 3 4
a11 a12 a13

Para una matriz cuadrada de orden 3 3 , A = a21 a22 a23 , tomando el primer rengln
a a33
31 a32
como referencia el determinante se define como:
a11 a12 a13

A = a21 a22 a23
a31 a32 a33
a11 a12 a13

a a23 a a23 a a22
det ( A ) =
A =
a21 a22 a23 =
a11 22 a12 21 + a13 21
a32 a33 a31 a33 a31 a32
a31 a32 a33
Al desarrollar cada determinante para las matrices 2 2, se tiene
det ( A ) =A =
a11 ( a22 a33 a23 a32 ) a12 ( a21a33 a23 a31 ) + a13 ( a21a32 a22 a31 )
det ( A ) ==
A a11a22 a33 a11a23 a32 a12 a21a33 + a12 a23 a31 + a13 a21a32 a13 a22 a31
Los seis productos que aparecen en la definicin del determinante para matrices de orden 3 3 ,
se pueden obtener de una manera muy prctica. Si se agregan en el orden como aparecen, las dos
primeras columnas a la derecha del determinante o bien los dos primeros renglones en la parte
inferior del mismo, al hacer esto, se obtienen seis diagonales de tres entradas cada una y al
realizar el producto de estas entradas en cada diagonal se producen los seis productos a los que se
les asocia un signo ( + ) o ( ) , siguiendo la regla: A los productos que se generan en la diagonal
67
principal y en las otras dos diagonales paralelas a esta, se les asocia un signo ( + ) , mientras que a
los otros tres productos de las diagonales no paralelas a la principal, un signo ( ) .
Lo anterior fue propuesto por Sarrus y se conoce como la forma de Sarrus (esta forma se
permite solo en los determinantes para matrices de orden 3 3 y no en otros).
El siguiente diagrama ilustra la forma de Sarrus en la construccin de los seis productos,
agregando las dos primeras columnas o los dos primeros renglones.
a11 a12 a13 a11 a12

A = a21 a22 a23 a21 a22
a31 a32 a33 a31 a32
Observe que aparecen los seis productos dados en la definicin con su signo respectivo.
Ejemplo 1.10.3 Obtener el valor de cada determinante tanto por la definicin de menores y
cofactores, como por la forma de Sarrus.
3 2 1
1) 2 1 2
1 3 1
Con la definicin respecto al primer rengln.
68
3 2 1
1 2 2 2 2 1
2 1 2 = 3 (2 ) + (1) 3 ( 5 ) + 2 ( 4 ) 1( 7 ) =
= 15 + 8 7 =
16
3 1 1 1 1 3
1 3 1
Por Sarrus
3 2 1 3 2
2 1 2 2 1 =3 + 4 6 1 + 18 + 4 =16
1 3 1 1 3
2 1 3
2) 1 4 2
0 3 1
2 1 3
4 2 1 2 1 4
1 4 2 =2 1 3 =20 1 + 9 =12 por la definicin.
3 1 0 1 0 3
0 3 1
Por Sarrus, tenemos que
2 1 3
1 4 2 =8 + 9 + 0 + 0 12 1 =12
0 3 1
2 1 3
1 4 2
Tngase presente que la forma de Sarrus, no se utiliza de manera general, solo se puede
recurrir a ella, cuando se quiera el determinante para matrices de orden 3 3 , adems de
que no debemos confundir lo que es la funcin determinante, con una matriz, es decir
69
recuerde que una matriz es un arreglo de nmeros reales de la forma ( aij ) , mientras que un
determinante es una funcin que asocia a cada matriz cuadrada un nmero real.
Ahora damos la definicin general de la funcin determinante para toda matriz de orden n n .
Definicin 1.10 Para una matriz de orden , se define su determinante como:
Donde el subndice puede tomar uno de los valores .
, se conoce como menor y lo definimos de la siguiente manera:
es el determinante de la submatriz de orden que resulta al eliminar el rengln
y la columna de la matriz original , al producto se le conoce cofactor .
En la definicin, el subndice i , toma un valor desde 1 hasta n . Y quiere decirnos que podemos
desarrollar el determinante con respecto al primer rengln, o con respecto al segundo rengln y
as sucesivamente. Ms an, se puede desarrollar el determinante con respecto a una de las n
columnas tambin, bastara con cambiar los subndices i por j y j por i en la definicin
anterior.
Si analizamos la definicin, podemos observar lo siguiente: El trmino ( 1)

i+ j
asocia un signo
( +) o ( ) a cada menor M ij , de modo que ( 1)

i+ j
M ij se conocen como los cofactores y el
determinante de A es la suma de los productos aij ( 1)

i+ j
M ij en donde aparecen n
determinantes de orden (n 1) (n 1). Veamos cmo queda la definicin del determinante con
respecto al primer rengln aplicada a una matriz cuadrada de orden 4 4 .
70
a11 a12 a13 a14
a ( 1)
4
a21 a22 a23 a24 i+ j
=A = ij M ij
a31 a32 a33 a34 j =1
a41 a42 a43 a44
Al considerar el primer rengln como referencia ( i = 1) , queda lo siguiente
a1 j ( 1)
1+ j
=A M1 j
j =1
A = a11 ( 1) M 11 + a12 ( 1) M 12 + a13 ( 1) M 13 + a14 ( 1)

1+1 1+ 2 1+ 3 1+ 4
M 14
a22 a23 a24 a21 a23 a24 a21 a22 a24 a21 a22 a23
A = a11 a32 a33 a34 a12 a31 a33 a34 + a13 a31 a32 a34 a14 a31 a32 a33
a42 a43 a44 a41 a43 a44 a41 a42 a44 a41 a42 a43
De manera anloga, se podra desarrollar con respecto a los dems renglones, esto es, para
=( i 2=
o i 3=
o i 4 ) , o bien a las columnas, segn convenga.
Ejemplo 1.10.4 Evale mediante la definicin, el siguiente determinante con respecto al primer y
tercer rengln.
1 2 1 3
0 1 2 1
A =
1 3 2 1
2 1 3 1
Con respecto al primer rengln (el subndice i = 1 ), el determinante queda como:
a
4
( 1) M 1 j = a11 ( 1) M 11 + a12 ( 1) M 12 + a13 ( 1) M 13 + a14 ( 1)

1+ j 1+1 1+ 2 1+ 3 1+ 4
A = 1j M 14
j =1
1 2 1 3
1 2 1 0 2 1 0 1 1 0 1 2
0 1 2 1
=A = 1 3 2 1 2 1 2 1 1 1 3 1 3 1 3 2
1 3 2 1
1 3 1 2 3 1 2 1 1 2 1 3
2 1 3 1
A =1( 5 + 8 11) 2 ( 6 1) 1( 3 7 ) 3 (1 + 14 ) =2 + 14 + 4 45 =29
71
Por lo que, A = 29
Con respecto al tercer rengln (el subndice i = 3 ), el determinante es
a
4
( 1) M 3 j = a31 ( 1) M 31 + a32 ( 1) M 32 + a33 ( 1) M 33 + a34 ( 1)

3+ j 3+1 3+ 2 3+ 3 3+ 4
A = 3j M 34
j =1
1 2 1 3
2 1 3 1 1 3 1 2 3 1 2 1
0 1 2 1
A = =
1 1 2 1 3 0 2 1 + 2 0 1 1 1 0 1 2
1 3 2 1
1 3 1 2 3 1 2 1 1 2 1 3
2 1 3 1
A =1( 2 3) 3 (1 2 + 12 ) + 2 ( 4 6 ) 1( 1 8 + 2 ) =1 33 4 + 7 =29
Por lo que A = 29 , como era de esperarse.
La definicin de la funcin determinante, tambin se establece con respecto a las columnas, con
solo cambiar los subndices i por j para obtener:
det ( A ) = aij ( 1) M ij ; donde j =

i+ j
A = 1, j =
2, , j =
n
i =1
Ejemplo 1.10.5 Obtenga el determinante del ejemplo anterior, usando la primera columna
( j = 1) como referencia para calcularlo.
De acuerdo a la definicin con respecto a las columnas tenemos que cuando j = 1 :
a ( 1)
4
M i1 = a11 ( 1) M 11 + a21 ( 1) M 21 + a31 ( 1) M 31 + a41 ( 1)

i +1 1+1 2 +1 3+1 4 +1
A = i1 M 41
i =1
1 2 1 3
1 2 1 2 1 3 2 1 3 2 1 3
0 1 2 1
=
A = 1 3 2 1 0 3 2 1 1 1 2 1 2 1 2 1
1 3 2 1
1 3 1 1 3 1 1 3 1 3 2 1
2 1 3 1
A =1( 5 + 4 11) 1( 2 3) 2 ( 8 2 + 24 ) =2 + 1 28 =29
72
Los valores de los determinantes para las matrices 3 3 , fueron obtenidos por medio de la
definicin con respecto al primer rengln, abreviando algunas operaciones.
Con los dos ejemplos, se hace ver que para calcular el valor del determinante para una matriz
cuadrada A de orden n n , podemos utilizar cualquier rengln o columna como referencia e
invariablemente debemos llegar al mismo resultado.
Por ello conviene obtener el determinante por medio de la definicin, tomando el rengln o la
columna de referencia, que cuente con la mayor cantidad de ceros, para realizar menos
operaciones aritmticas.
En general para arreglos cuyos tamaos sean de 4 4 , 5 5, etc. y tengan todas sus entradas
diferentes al cero, sus determinantes se vuelven bastantes largos y tediosos, por la cantidad de
operaciones aritmticas que deben realizarse.
Esta es una razn para estudiar y trabajar las de propiedades de la funcin determinante.
1.11 PROPIEDADES DE LOS DETERMINANTES
Partiendo de que las matrices a considerar son cuadradas, se cumple que:
1) El valor del determinante para una matriz que tenga un rengln nulo o columna nula, es igual a
cero, dicho de otra manera, si A es una matriz que tiene un rengln o columna nula,
entonces A = 0.
Ejemplo 1.11.1 cada determinante es igual a cero.
2 3 4 5 2 0 9 1
2 3 1
7 6 2 1 3 0 6 7
=
1 4 2 0 =
; 0 ;= 0
0 0 0 0 7 0 1 3
0 0 0
9 8 7 6 0 0 7 3
73
2) El determinante de una matriz triangular (superior o inferior), es igual al producto de las
entradas que aparecen en su diagonal principal.
a11 a13 a1n

a12
0 a22 a23 a2 n n
=A 0 =0 a33 a3n (=a11 )(a22 )(a33 ) (ann ) a ii
i =1
0 0 0 0 ann
Si A es triangular,
a11 0 0 0
a21 a22 0 0 n
=A a31 =
a32 a33 0 (=
a11 )(a22 )(a33 ) (ann ) a ii
i =1
an1 an 2 an 3 ann
Ejemplo 1.11.2 Obtenga cada determinante usando la propiedad 2)
3 1 4 0 5
0 2 1 2 1 3 0 0
A =
0 0 4 1 0 =( 3)( 2 )( 4 )( 5)( 2 ) =
240 ; B =
4 5 0 =
90
0 0 0 5 4 1 3 6
0 0 0 0 2
3 0 0 0 2 0 1 4
3 0 0
0 4 0 0 0 3 6 1
C = == 60 ; D =
192 ; E =1 8 0 =48
0 0 1 0 0 0 4 0
2 0 2
0 0 0 5 0 0 0 8
Dado que en cada determinante, aparece una matriz triangular, el producto de las componentes
que estn en la diagonal principal es el valor respectivo.
3) El determinante de la matriz transpuesta AT , es igual al determinante de la matriz A .
AT = A
74
7 4 2

Ejemplo 1.11.3 Para la matriz A = 8 8 6 se verifica que: AT = A
2 6 4

Ya que al calcular los determinantes, obtenemos el mismo valor.
7 8 3 7 4 2
=A T
=
4 8 1 94=
; A =
8 8 6 94 Verifquelo!
2 6 4 3 1 4
1
4) Para una matriz A , se cumple que A1 = , si y solo si, A 0 .
A
1
A1 = A 0
A
Ejemplo 1.11.4
1
Si se considera que A = 5 , entonces A1 = = 3
5
3 5
3
1 1 1
Si se considera que B = 3 , entonces B 1 = = =
3 3 3
1 1
Si se considera que C 1 = 4
3
entonces C = 1
= 4 = 3
4 = 3
4 = 34
C 3
5) El valor del determinante cambia de signo, cuando se intercambian dos renglones o dos
columnas. Esta propiedad nos dice que siempre que realicemos un intercambio de renglones en el
determinante, este cambiar de signo y si se quiere que el valor del nuevo determinante no se
altere, basta con multiplicarlo por un signo ( ) .
75
Ejemplo 1.11.5
Al intercambiar el rengln 1 con el rengln 3 ( R1 int . R3 ) , se tiene que
4 3 1 Int. R1 , R3 2 4 5
205 = 9 2 1 = ( ) 9 2 1 = ()(205) = 205
2 4 5 4 3 1
Al intercambiar R1 con R2 y luego al intercambiar R2 con R3 , se tiene que
5 2 3 1 0 1 1 0 1
18 =1 0 1 =()() 8 2 3 = 8 2 3 =
18
8 2 3 5 2 3 5 2 3
Como se puede apreciar en este ejemplo, como se efectan dos intercambios de renglones se
agregan dos signos, ( )( ) lo que lleva al signo inicial del determinante. Esto tambin ocurre
cuando se intercambian columnas.
6) En el determinante se puede factorizar o extraer un nmero diferente de cero (r 0) de
algn rengln (o columna), siempre y cuando, dicho escalar r divida al rengln (o columna) de
donde se extrajo. El siguiente ejemplo ilustra de varias formas, el uso que se le puede dar a esta
propiedad.
Ejemplo 1.11.6 Consideremos el siguiente determinante.
a11 a12 a13 a11 a12 a13 a11 ra12 a13

=
a21 a22 a23 r=
a21 a22 a23 a21 ra22 ra23
ra31 ra32 ra33 a31 a32 a33 a31 ra32 a33
Observe que el tercer rengln es mltiplo de r , podemos extraer a r para que quede
multiplicando al determinante de la nueva matriz y en su segundo rengln ya no aparece la r .
El escalar r , una vez que se extrajo, puede introducirse multiplicando a uno de los tres renglones
(solo a uno) o bien a una de las tres columnas, en este caso entr en la segunda columna.
76
Ahora consideremos el caso cuando el escalar r est multiplicando a una matriz A de orden
3 3 , es decir, r multiplica a los tres renglones del arreglo, luego con la propiedad podemos
asegurar que:
ra11 ra12 ra13 a11 a12 a13

=rA =
ra21 ra22 ra23 r= 3
a21 a22 a23 r 3 A
ra31 ra32 ra33 a31 a32 a33
Ya que el escalar r se extrae en tres ocasiones (una por cada rengln), dicho escalar sale
multiplicando al determinante.
La interpretacin de esta propiedad, aplicada a una matriz A de orden n n , queda de la
siguiente manera:
S Ann y r 0 , entonces rA = r n A
Algunos casos particulares son:
a) Si A33 , tal que A = 2 , entonces =

5 A 5=
3
= 250
A 125(2)
2 2 32
b) Si A44 , tal que A = , entonces =
2 A 2=
4
A 16 =
9 9 9
2 4 10 2 ( 1) 2 ( 2 ) 2 ( 5 ) 1 2 5
c) 3 3 12= 3 (1) 3 ( 1) 3 ( 4 ) = (2)(3)(5) 1 1 4
5 10 15 5 (1) 5 ( 2 ) 5 ( 3) 1 2 3
Extraemos los escalares 2, 3 y 5 del primer, segundo y tercer rengln, respectivamente.
5 4 2 5 (1) 2 ( 2 ) 2 (1) 1 2 1
=
d) 10 8 6 5 ( 2 ) 2 ( 4 ) 2 ( 3) (5)(2)(2)
= 2 4 3
10 6 2 5 ( 2 ) 2 ( 3) 2 (1) 2 3 1
Extraemos los escalares 5, 2 y 2 de la primer, segunda y tercer columna, respectivamente.
77
2 4
1
3 2 4 3 3
4 2
e) 5 4 2 = (3)(5)(6) 1
5 5
6 7 5
7 5
1
6 6
Extraemos los escalares 3, 5 y 6 del primer, segundo y tercer rengln, respectivamente.
1 1 1
3 4 5
4 1 3
f) 4 2 3 =(3)(4)(5)
3 2 5
5 6 4
5 3 4
3 2 5
Extraemos los escalares 3, 4 y 5 de la primer, segunda y tercer columna, respectivamente.
7) El determinante no se altera cuando se suma el mltiplo de un rengln (columna) a otro
rengln (columna), siempre que se reemplace el rengln (columna) que no fue multiplicado.
Esta propiedad se puede realizar tantas veces como se desee, siempre y cuando se respete lo que
afirma.
Ejemplo 1.11.7 Los siguientes determinantes son iguales
1 2 1 3 1 2 1 3 1 2 1 3
3R1 + R2 3R2 + R3
3 4 0 2 0 2 3 7 0 2 3 7
= =
2 2 3 1 0 6 5 7 0 0 4 14
2 R1 + R3 4 R2 + R4
0 8 2 3 0 8 2 3 0 0 14 25
Podemos observar que de acuerdo a la propiedad 7) el determinante inicial es igual al que aparece
en tercer lugar y en este ltimo el arreglo es prcticamente triangular, de no ser por el 14 que se
encuentra abajo del 4 .
78
Si se quisiera triangular el arreglo, bastara con volver a aplicar la propiedad 7) al tercer
determinante para llegar a que:
1 2 1 3 1 2 1 3 1 2 1 3 7 R3 + R4 1 2 1 3
2
3 4 0 2 0 2 3 7 0 2 3 7 0 2 3 7
= = =
2 2 3 1 0 6 5 7 0 0 4 14 0 0 4 14
0 8 2 3 0 8 2 3 0 0 14 25 0 0 0 24
Por la propiedad 2) tenemos que
1 2 1 3 1 2 1 3
0 2 3 7 3 4 0 2
=
1(2)(4)(24) =
192 , es decir, = 192
0 0 4 14 2 2 3 1
0 0 0 24 0 8 2 3
De modo que las propiedades, sobre todo las 5) ,6) y 7), son una alternativa para calcular el
determinante, cuando no se quiera recurrir a su definicin.
Se debe tener cuidado al usar la propiedad 7), ya que, de no respetarse lo que asegura, se pueden
cometer algunos errores. Por ejemplo, los siguientes determinantes son diferentes porque se us
de manera incorrecta la propiedad.
2 2 1 3 2 2 1 3
R1 2 R2
1 1 4 5 0 0 7 7

3 3 4 1 3 3 4 1
R2 R4
1 1 5 6 0 0 1 1
8) El determinante del producto de dos matrices, es igual al producto de los determinantes de
estas matrices, es decir,
AB = A B
79
Ejemplo 1.11.8 Considere A y B dos matrices cuadradas del mismo orden, tales que,
A = 8 ; B = 5 , entonces
AB =A B =8(5) =40
1 8 8
AB =
1
A B =
1
8 = =
B 5 5
1
( AB=
) 1 1
1
T
= =
ABT A B T
40
1.12 APLICACIONES DE LAS PROPIEDADES PARA

LOS DETERMINANTES
Las propiedades nos permiten calcular determinantes sin recurrir a la definicin y en los
siguientes ejemplos adicionales ilustramos algunas de sus aplicaciones.
Ejemplo 1.12.1 Aqu se utilizan, las propiedades 6), 4) y 3)
Si se tiene una matriz B33 , tal que B = 2 , entonces
=
5 B 5=
3
= 250
B 125(2) Propiedad 6)
1 1
( 5B=
)
1
= Propiedad 4)
5B 250
1 1 1 64 32
4 B= 43 B= 64 = = Propiedades 6) y 4)
B 250 125
( 1) BT =
1BT = 1 B =
1(2) =
2
3
Propiedades 6) y 3)
1 2 1 3
0 1 2 1
Ejemplo 1.12.2 Calcular el valor de , usando las propiedades
1 3 2 1
2 1 3 1
80
1 2 1 3 1 2 1 3 1 2 1 3
R1 + R3 5R2 + R3
0 1 2 1 0 1 2 1 0 1 2 1
= =
1 3 2 1 0 5 1 4 0 0 11 1
2 R1 + R4 3R2 + R4
2 1 3 1 0 3 1 5 0 0 7 2
1 2 3 1 1 2 3 1
Int. C3 , C4 2 R3 + R4
0 1 1 2 0 1 1 2
= ( ) = ( ) ( ) (1)(1)( 1)( 29 ) =
= 29
0 0 1 11 0 0 1 11
0 0 2 7 0 0 0 29
1 2 1 3
0 1 2 1
Por lo que, = 29
1 3 2 1
2 1 3 1
3 2 1 0 0
0 5 3 0 0
Ejemplo 1.12.3 Calcular el valor de 0 1 2 0 0 , usando las propiedades
0 0 0 6 1
0 0 0 2 4
3 2 1 0 0 3 2 1 0 0 3 2 1 0 0
0 5 3 0 0 Int. R2 , R3 0 1 2 0 0 5 R2 + R3 0 1 2 0 0
0 1 2 0 0 = ( )( ) 0 5 3 0 0 = 0 0 7 0 0
0 0 0 6 1 Int. R4 , R5 0 0 0 2 4 3R4 + R5 0 0 0 2 4
0 0 0 2 4 0 0 0 6 1 0 0 0 0 11
3 ( 1)( 7 )( 2 )(11) =
= 462
81
a b c
Ejemplo 1.12.4 Se sabe que d e f = 5 , obtener los siguientes determinantes usando las
g h i
propiedades 5), 6) y 7).
d e f 3a 3b 12c 4a 5 g 4b 5h 4c 5i
i) g h i , ii) d e 4 f y iii) 2 g 2h 2i
a b c g h 4i 2a + 3d 2b + 3e 2c + 3 f
Usando la propiedad 5)
d e f Int. R2 , R3 d e f Int. R1 , R2 a b c
i) g h i = () a b c = ( )( ) d e f =5
a b c g h i g h i
Usando la propiedad 6)
3a 3b 12c a b 4c a b c
ii) d e 4 f = ( 3) d e 4 f = ( 3)( 4 ) d e f = ( 3)( 4 )( 5)= 60
g h 4i g h 4i g h i
iii) En este inciso se usan las propiedades 5), 6) y 7)
4a 5 g 4b 5h 4c 5i 4a 5 g 4b 5h 4c 5i
2 g 2h 2i ( 2 )
= g h i
2a + 3d 2b + 3e 2c + 3 f 2a + 3d 2b + 3e 2c + 3 f
5 R2 + R1 4a4b 4c a b c
( 2 )
= g h i ( 2 )( 4 )
= g h i
2a + 3d 2b + 3e 2c + 3 f 2a + 3d 2b + 3e 2c + 3 f
2 R1 + R3 a b c a b c
= ( 2 )( 4 ) g h i ( 2 ) ( 4 )( 3) g h i
=
3d 3e 3 f d e f
Int. R2 , R3 a b c
= ( )( 2 )( 4 )( 3) d e ( )( 2 )( 4 )( 3)( 5) =120
f =
g h i
82
4a 5 g 4b 5h 4c 5i
Por lo que, 2 g 2h 2i =
120
2a + 3d 2b + 3e 2c + 3 f
Ejemplo 1.12.5 Para a 0, b 0 y c 0 , b + c 0 demostrar que:
b+c a+c a+b

a b c =0
1 1 1
Demostracin:
b + c a + c a + b aR + R b+c a+c a+b

3 2
a b =c 0 a + b a + c Propiedad 7)
1 1 1 1 1 1
R2 + R1 b+c b+c b+c 1 1 1

= 0 a + b a + c = (b + c ) 0 a + b a + c Propiedad 6)
1 1 1 1 1 1
dado que b + c 0
R3 + R1 0 0 0
= (b + c ) ( b c )( 0 ) =
0 a + b a + c =+ 0 Propiedad 1)
1 1 1
1 1 1 1 1 1
Ejemplo 1.12.6 Demostrar que: x y z = x y z para x 0, y 0 y z 0
yz zx xy x2 y2 z2
Demostracin: Partimos del determinante que aparece a la izquierda de la igualdad y con la
propiedad 6) extraemos a xyz del tercer rengln, ya que xyz 0 , posteriormente introducimos a
x , y y z multiplicando a la primer, segunda y tercera columna, respectivamente, como se
83
1 1 1 1 1 1 x y z
=
x y z (=
xyz ) x y z x2 y2 z2
yz zx xy 1 1 1 1 1 1
x y z
Despus se realizan dos intercambios de renglones, para llegar a lo deseado.
x y z Int. R1 , R3 1 1 1 Int. R2 , R3 1 1 1
=
x2 y 2 z 2 = x2 y 2 z 2 x y z
1 1 1 x y z x2 y2 z2
1 1 1 1 1 1
Por lo que, x y z = x y z queda demostrado.
yz zx xy x2 y2 z2
. 1.13 MENORES Y COFACTORES
En la definicin general de la funcin determinante para matrices de orden n n , ya se
mencionaron los menores y cofactores, enseguida retomamos su definicin.
Definicin 1.13 Para una matriz de orden , se define su menor , como el
determinante de aquella submatriz de orden que se obtiene al eliminar el rengln y
la columna de la matriz y el cofactor como: .
La matriz de cofactores de se define como: , donde
La definicin nos dice que: a cada posicin de la matriz A se puede calcular su cofactor
respectivo, como se muestra en el siguiente ejemplo:
84
Ejemplo 1.13.1 Obtenga para cada matriz dada, su matriz de cofactores.
2 4 3
3 4
A= =
y A 1 5 6
5 2 2 3 0

3 4
Para la matriz A = , primero obtenemos los cuatro cofactores
5 2
( 1) ( 1)
1+1 1+ 2
c11 = M 11 =
(+) 2 =
2 ; c12 = M 12 =
( ) 5 =
5
c21 =( 1) M 21 =() 4 =4 ; c22 =( 1)
2 +1 2+ 2
M 22 =(+) 3 =3
3 4 2 5
Luego entonces, la matriz de cofactores de A = es C =
5 2 4 3
En realidad lo que se hace, es a cada menor M ij se le multiplica por un signo (+) o () segn la
posicin de cada entrada. De modo que para abreviar, usamos la asignacin de los signos de la
+
siguiente manera: Para una matriz de orden 2 2 los signos quedan como , de orden
+
+ +

3 3 quedan como + , etc.
+ +

2 4 3

=
Para la matriz A 1 5 6 , sus cofactores son:
2 3 0

5 6 1 6 1 5
c11 =
(+) =
18 ; c12 =
( ) =
12 ; c13 =
(+) =
7
3 0 2 0 2 3
4 3 2 3 2 4
c21 =
( ) =
9 ; c22 =
(+) =
6 ; c23 =
( ) =
14
3 0 2 0 2 3
4 3 2 3 2 4
c31 =
(+ ) =
9 ; c32 =
( ) =
15 ; c33 =
(+ ) =
14
5 6 1 6 1 5
85
18 12 7

Por lo que la matriz de cofactores es C = 9 6 14
9 15 14

1.14 CLCULO DE LA MATRIZ ADJUNTA
Definicin 1.14 Para una matriz de orden , se define la matriz adjunta como la
transpuesta de su matriz de cofactores, es decir,
Ejemplo 1.14.1 Calcular para cada una de las dos matrices del ejemplo anterior, su adjunta.
3 4 2 5
Para A = , como la matriz de cofactores es C = , entonces su matriz adjunta es
5 2 4 3
2 4
adj ( A
= ) C=
T

5 3
2 4 3 18 12 7

=
Para A 1 5 6 , como la matriz de cofactores es C = 9 6 14 , entonces su
2 3 0 9 15 14

18 9 9

matriz de adjunta es adj ( A ) =C =
T
12 6 15
7 14 14

1.15 CLCULO DE LA MATRIZ INVERSA POR MEDIO

DE LA ADJUNTA
La matriz adjunta tiene una propiedad muy importante, que relaciona a dicha matriz con la
inversa y a continuacin se enuncia:
86
Propiedad de la matriz adjunta: Una matriz A = ( aij ) de orden n n , es invertible, si y solo si,
1
su determinante es diferente de cero ( A 0 ) y adems A1 = adj ( A )
A
Ejemplo 1.15.1 por medio de la matriz adjunta, obtenga la matriz inversa (en caso de que exista)
para las siguientes matrices.
2 4 3 3 1 2
3 4
i) A = =
ii) A 1 5 6 =
iii) A 2 5 1
5 2 2 3 0 5 7 4

3 4
i) Obtenemos el valor del determinante de A , A= = 14 0 , esto significa que la
5 2
1 1 2 4
matriz inversa A1 existe
= y es A1 = adj ( A )
A 14 5 3
2 4 3
ii) de manera anloga, como A = 1 5 6 =63 0 , A1 existe y est dada como:
2 3 0
18 9 9
1 1
A = adj ( A ) =
1
12 6 15
A 63
7 14 14
3 1 2
iii) En este caso, como A = 2 5 1 =0 , A1 no existe, en otras palabras la matriz A no
5 7 4
es invertible.
Con la matriz adjunta, se tiene una alternativa para calcular la matriz inversa, adems de un
criterio directo para decidir si la inversa existe o no, usando el determinante, si no se quiere
recurrir al mtodo de Gauss-Jordan.
87
En las matrices de orden 2 2 y 3 3 , el clculo de la inversa por medio de la adjunta es muy
prctico.
a b
Ejemplo 1.15.2 Para una matriz A = , obtenga su inversa, por medio de la adjunta.
c d
d b a b
La adjunta de A es adj ( A ) = y si suponemos que A = = ad bc 0 .
c a c d
1 1 d b
=
Entonces A1 = adj ( A ) , siempre que ad bc 0
A ad bc c a
Esta inversa se obtuvo, cuando se inici el estudio de la funcin determinante. La frmula la
podemos usar para obtener inversas de matrices de orden 2 2 .
3 2 1 1 5 2
La matriz inversa de A = es A =
1 5 17 1 3
3 2 1 1 5 2 5 2
La matriz inversa de A = = es A =
7 5 1 7 3 7 3
Ejemplo 1.15.3 Obtenga los valores de k , para los cuales la matriz dada tiene inversa.
k 2 2 3

A = 1 k 6 1
9 k + 4
2
Para que la matriz tenga inversa, debe cumplirse que A 0
Usando propiedades del determinante, tenemos que
k 2 2 3 R1 + R3 k 2 2 3 C3 + C1 k 5 2 3
A = 1 k 6 1 = 1 k 6 1 = 0 k 6 1
9 2 k+4 k +7 0 k +7 0 0 k +7
A = ( k 5 )( k 6 )( k + 7 ) 0
Los valores de k para los cuales la matriz dada tiene inversa son: k 5 , k 6 y k 7
88
EJERCICIOS DE LA UNIDAD I
1) Para las siguientes matrices realice las operaciones indicadas.
1 2 2 3 1 0
=A = ; B = ; C
3 4 3 4 2 1
i) A+ B ii ) 2 A iii ) 1
2 B iv) 2 A 3B + C v) A( BC ) vi ) ( AB )C
2) Se tienen las matrices
1 3 0 2
2 1 3 1 1 2
=
A B= C= 2 1 4 0
1 4 1 1 4 0 1 0 1 4

3
2 1
D=
1 E=

2 1 4

Obtenga (si es que se puede llevar a cabo)
i ) 2 A 3B ; ii ) AB ; iii ) AT C ; iv) DT AT ; v) E ( A + B ) ; vi ) BC
3 1
3) Para la matriz A = y la funcin f ( x ) = x + 2 x 7 , obtenga f ( A )
2
1 0
2 1
4) Para la matriz B = y la funcin g ( x ) = 2 x 6 x + 5 , obtenga g ( B )
3
3 1
1 2 2 1
5) Con las matrices A = y B= , verifique que ( AB ) = B A
T T T
4 3 1 3
6) A partir de cada matriz, construya una matriz simtrica y una antisimtrica.
1 2 3 1
2 1 3
1 3 4 5 6 1
A=
; B=
3 4 5 ; C=
5 2 9 2 7 3 12 2 10

5 2 7 9
89
7) Para cada matriz obtenga su forma escalonada reducida (e.r.)
1 2 6 2 1 1 2 4
=A = ; B = ; C =
; D
2 3 1 3 1 1 6 2
2 1 1 1 1 3 2 4

E=
1 3 4 ; F=
2 3 1 1 1
1 2 5 1 2 2 5 2

2 2 2 4 6 1 1 0 1 0 0 1

1 2 1 0 2 0 1 0 2 0 1 5
=G = ; H = ; J
1 1 0 1 8 1 2 0 1 1 0 2

4 3 1 1 4 0 2 0 1 1 1 5
1 2 3

2 2 2 4 2 1 3 4
2 3 5
K= 5 5 5 10 5 ; L=
1 1 1 2 1 0 1 1
3 3 3 3 3 1 3 2

2 4 6
8) Las matrices del ejercicio anterior, llevarlas a una forma escalonada (e.) y obtenga el rango de
cada una de ellas.
9) Usando el mtodo de escalonamiento de Gauss-Jordan, obtenga la inversa (en caso de que esta
exista)
1 1 1
1 3 2 5 1 3
=
A ; =
B ; =
C ; = D 0 1 1
2 5 3 7 2 4 0 0 1

1 1 2 1 3 4 5 1 3

E=
1 2 1 ; F=
2 7 9 ; G=
2 2 4
1 1
0 1 2 1 4 6 3
90
1 2 1 0
1 1 1 1 2 3
1 3 2 1
H =0 2 8 ; J 1=
1 2 ; K
0 1 0 1
3 3 4 0 5 5

0 1 0 1
1 2 2 3 8 4
10) Dadas las matrices A = ; B = ; C =
3 5 3 4 4 6
Obtenga la matriz X , que satisface, respectivamente cada una de las siguientes igualdades
AX = 2 B C XB + A C = O ( AX + 2 B ) = 3C
T
i) ; ii ) ; iii )
11) Sea B una matriz cuadrada e invertible, que satisface la ecuacin B 2 + 3B I =O , donde O
es la matriz nula del mismo orden que B . Demuestre que: B 1= B + 3I
12) Obtenga A2 + 3 A1 BC , donde
1 2 3 1 2
1 3 2
A=
1 1 2 ; B=
1 2 ; C=

0 1 2 1 1 2 1 5

13) La siguiente igualdad ( A + B ) =A1 + B 1 es falsa en general para dos matrices cuadradas
1
A y B del mismo orden e invertibles. Proponga dos matrices de orden 2 2 particulares que
tengan inversa y que contradigan la igualdad, es decir que se cumpla ( A + B ) A1 + B 1

1
3 7
14) La Inversa de 5A es , obtenga la matriz A .
4 9
2 3
15) La inversa de 1 B es , obtenga la matriz B .
2
2 4
1 1 1 1 0 2

1 1 3 , obtenga ( AB ) ( BA)
1 1 1
=
16) Se sabe que A =0 1 2 y B 1 y
1 1 3 1 1 0

17) Verifique que ( AB ) = B 1 A1 es correcto, para las siguientes matrices

1
91
2 3 1 1
A = ; B =
4 7 1 1
a b
18) Encuentre las condiciones que deben cumplir a , b , c y d para que la matriz A = sea
c d
invertible y adems obtenga la inversa de A , utilizando el proceso de Gauss-Jordan.
19) Se tienen dos matrices A y B invertibles de orden n n , es decir A1 y B 1 existen.
Demuestre que ( AB ) = B 1 A1 . Sugerencia: Use la definicin de la inversa, la propiedad

1
asociativa para el producto de matrices y la de la identidad.
20) Obtenga cada determinante
2 6 5 1
i) ii )
5 9 3 2
2 4 1
2
1
3
iii ) iv)
1 8 2
3
1
2
a b 2 6
v) vi ) 1 3
b a 3 2
21) Calcule cada determinante usando la definicin o sus propiedades:
4 2 5 2 3 1
i) 1 3 1 ii ) 3 1 4
7 8 2 4 2 1
2 2 3 1 2 3
iii ) 1 2 1 iv) 1 4 1
4 2 7 3 1 2
92
2 0 0 1 0 3 1 2
1 1 1 0 0 2 1 3
v) vi )
0 0 1 1 1 1 3 0
0 1 2 1 0 0 1 1
1 3 4 5 1 2 3 4
1 2 4 1 5 6 7 8
vii ) viii )
2 1 0 1 9 10 11 12
1 4 1 6 13 14 15 16
22) Para una matriz A de orden 3 3 , se sabe que A1 = 3 , usando propiedades obtenga
( 2 A)
1
i) 3A ii ) kA1 iii ) iv) 2 A1 v) 2 AT
23) Se tiene una matriz A de orden 4 4 , se sabe que A = 5 , usando propiedades obtenga.
i) 2A ii ) ( 2 A) 1 iii ) ( 3 A) T iv) kA v) 2 AAT
( 2 A)
1
AT
24) Se sabe que: A22 y B33 , A = 2
y B = 6 , obtenga =
2 B 1
3 1
2 BT
a b c
25) Sabemos que d e f = 5 obtenga el valor de cada determinante.
g h i
3c + 2 f 3b + 2e 3a + 2d
2a 2b 2c
f e d
a) d e f b)
2 2 2
3g 3h 3i
i + 3c h + 3b g + 3a
2
2c 5b 2b a
3 2c i 2b h 2a g
2
c) 2 f 5e 2e d d) i h g
3
f + 2c e + 2b d + 2a
2
2i 5h 2h g
3
93
26) Por medio de propiedades del determinante demuestre que:
1 1 1
a b c = (b a )(c a )(c b )
a2 b2 c2
27) Use propiedades para obtener el valor de cada determinante.
2 2 6 2 4
2 3 1 4
1 1 2 1 1
2 4 7 1
=
a) =
b) 0 2 3 2 1
6 9 3 1
0 0 1 3 1
10 16 2 1
1 1 1 1 4
28) Por qu la siguiente afirmacin es incorrecta?
S A y B son matrices cuadradas del mismo orden, entonces A + B = A + B
Sugerencia: Proponga dos matrices cuadradas y calcule el determinante de cada matriz, as como
el de la matriz suma, de manera que se contradiga la igualdad A + B = A + B
A esto se le llama un contraejemplo. ( A+ B A + B )

29) Una matriz A es simtrica, entonces AT = ?
30) Para una matriz A de orden 3 3 , si es antisimtrica, tal que A T = 10 obtenga A
31) Para A y B dos matrices cuadradas de orden n n , se cumple que: A B = A B
Usando las siguientes matrices compruebe la igualdad A B = A B
3 1 2 1 1 3

A = 3 2 2 y B = 1 1 4
1 4 5 2 4 3

94
32) Obtenga la inversa (en caso de que exista), usando la adjunta, para las siguientes matrices.
3 3 2 5 2 3
i) A = ii ) B = iii ) C
1 2 3 4 6 9
1 3 0 2 3 1 1 0 0

iv) D = 2 7 1 v) E = 3 4 6 vi ) F = 2 3 0

1 1 2 1 2 8 3 1 1
33) Para qu valores de k las matrices dadas, tienen inversa?
k 3 8 3 4 k + 2 1
i) ii ) iii )
0 k + 2 7 k 7 k 4
2k 1 3 4 2 3 4 k +8 5 9

iv) 0 k + 1 1 v) 0 k 8 vi ) 2 k 2 2
0 k + 7 0 2 k 11 5 k 12
0
k 9 3 2 k 7 1 2

vii ) 7 k + 5 7 viii ) 1 k +4 1
3 k 8 2k + 1 k + 6
3 1
95

4unidad I de Algebra Lineal

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

4unidad I de Algebra Lineal

Transféré par

Droits d'auteur :

Formats disponibles

MATRICES Y DETERMINANTES

herramienta bsica en esta rama de la Matemtica, como lo es el concepto de nmero en la

Aritmtica, el de polinomio y ecuacin en el lgebra elemental, el de funcin en el Clculo

Diferencial e Integral, en la Probabilidad o bien en la Estadstica. As esta primer unidad ser

dedicada al estudio y desarrollo de los principales conceptos y definiciones que se relacionan de

posteriores, la matriz inversa, su definicin, sus propiedades, el proceso de escalonamiento

escalonadas, a travs del proceso de escalonamiento conocido como de Gauss-Jordan o de Gauss

que es un elemento de gran importancia para manejar operativamente a los sistemas de

uno de estos dos conceptos.

organizar informacin numrica que se recaba peridicamente en alguna empresa, o para el

manejo de probabilidades en la teora de juegos o para representar ciertos grficos, antes de

establecer su definicin de manera general.

Como primer ejemplo consideremos al dueo de una empresa fabricante de componentes

los seis das laborables de la semana (de lunes a sbado).

Martes 221 212 241 213 216 243 262 213

Mircoles 212 0 240 215 217 240 270 215

Jueves 299 212 256 241 262 231 241 226

Viernes 212 266 0 212 273 251 242 262

Sbado 156 145 188 178 191 159 165 145

Con esta tabla el dueo se responde de manera directa, a preguntas como:

Cuntas piezas produjo la mquina M6 el da mircoles?, cuntas produjo la maquina M3 en

toda la semana?, cuntas se produjeron el da viernes?, en qu da de esta semana se produjo el

laborables de la semana) y ocho columnas (mquinas de la empresa).

Algunas de estas matrices de probabilidad son las siguientes:

y unos, siguiendo el criterio que se establece a continuacin:

c, d y e, que se encuentran unidos por aristas (segmentos dirigidos) como se muestra en la

Su matriz de vrtices en el orden alfabtico de las letras queda de la siguiente manera:

vrtices a, c, d y e, por ello aparece el nmero 1 en casi todo el segundo rengln, a

pueden observar los 1 y 0, en el resto de los renglones para los vrtices c, d y e.

Ahora se establece la definicin de una matriz.

colocados en renglones y en columnas, en donde a cada uno de estos nmeros se les

llama entradas, elementos, coordenadas o componentes.

representar a los nmeros.

Con aij , es el conjunto de los nmeros reales.

trabajar con las matrices.

a11 a12 a13 a1n

componentes de cualquier matriz. Por ejemplo en la matriz A , el nmero 3 ocupa la posicin

e44 = , en la posicin 45 (cuarto rengln, quinta columna) es e45 = 3 . En la matriz H se

puede escribir como: A = ( aij ) =

Al desarrollarse queda de la siguiente manera.

a11 a12 a13

( j = 1, 2, 3) , en el segundo rengln el primer subndice (i = 2) se mantiene fijo y el segundo

dems renglones (horizontales).

Si tomramos las columnas fijas (verticales), quien vara es el primer subndice (i = 1, 2, 3, 4) y el

los renglones y el segundo de las columnas.

Ejemplo 1.1.3 Escribir una matriz arbitraria B = ( bij ) , en forma desarrollada.

Al proceder de manera anloga como el ejemplo anterior, tenemos que:

b11 b12 b13 b14 b15

1.2 OPERACIONES FUNDAMENTALES CON MATRICES

condiciones en el nmero de renglones y de columnas o bien determinadas caractersticas en sus

aquella matriz cuyo orden es n n .

Ejemplo 1.2.a. Algunas matrices cuadradas son:

nmero cero y se denota con la letra O

O = ( 0 0 0 0 0 ) 15 es la matriz nula de orden 1 5 (rengln nulo)

=a11 4,=a22 1 y=a33 5

b11 = 4, b22 = 7, b33 = 3 y b44 = 4

formada solo de nmeros 1 y fuera de ella de nmeros 0 . Se denota con la letra I .

Ejemplo 1.2.d Algunas matrices identidad son:

I = (1) es la matriz identidad de orden 1 1

A = B ), si y solo si, aij = bij para toda i = 1, 2, 3, , m y j = 1, 2, 3, , n

En caso contrario, se dice que son diferentes ( A B )

Obtener el valor de x y los valores de y , de manera que A = B .

ya que aunque tienen el mismo orden, la componente a32 = 2 de la matriz A y la componente

de un escalar con una matriz, la resta o sustraccin y el producto o multiplicacin de matrices.