Matrices y Determinantes-2

ÁLGEBRA II – ISFD “DR JUAN PUJOL” 2022
MATRICES Y DETERMINANTES
EL CONJUNTO DE MATRICES DE CLASE mn CON COEFICIENTES EN UN CUERPO K

Una matriz A es un arreglo o disposición rectangular de números. Si el arreglo tiene m filas (horizontales) y n
columnas (verticales), entonces se llama matriz mn (se lee “matriz m por n”). Se dice que el tamaño o
dimensión es m por n. o sea mn.
Definición: Dado un cuerpo K, sean m, n N; se llama matriz de clase mn con coeficientes en K a toda
disposición ordenada de m.n elementos de K en m filas y n columnas.
mn
Al conjunto de todas las matrices de clase mn con elementos en el cuerpo K lo denotaremos con K .
Los elementos de las matrices se escriben entre corchetes o paréntesis. Su forma genérica, distinguiendo una
fila i y una columna j es:
 a11 a12 a13  a1 j  a1n 

a   a 2n 
 21 a 22 a 23 a2 j
 a31 a32 a33  a3 j  a 3n  i  1; 2; 3; ....; m
  
A            aij mxn con  
 ai1 ai 2   ain   j  1; 2; 3; ....; n

ai 3 aij
 
        
a   a mn  mxn
 m1 a m 2 a m3 a mj
Decimos que esta matriz es de clase mn y podemos considerarla como un símbolo matemático abstracto. El
subíndice i, indica la fila a la que pertenece cada elemento; el subíndice j, su columna. Por ejemplo:
El elemento a13 es el número ubicado en la fila 1 y columna 3.
El elemento aij es el elemento ubicado en la fila i y en la columna j .
El elemento amn es el elemento ubicado en la fila m y en la columna n.
Ejemplos: Dada las siguientes matrices

8 9 3
 3 7 8 4
 3 5 2 2
A   4 0 3
7
B  C
4 3 1 23 6 5 4
 1 2 4 33  
3 0  2 43
En la matriz A el elemento 0 está ubicado en la fila 2 columna 2, entonces a22  0 .
En la matriz B el elemento 1 está ubicado en la fila 2 columna 3, entonces b23  1 .
En la matriz C el elemento –2 está ubicado en la fila 4 columna 3, entonces c43  2 .
Tanto a las filas como a las columnas se las llaman líneas de la matriz.
Una matriz 1n a menudo se llama vector fila n-dimensional (o simplemente vector fila o matriz fila), y una
matriz m1 se llama vector columna m-dimensional (o simplemente vector columna o matriz columna).
1
Igualdad de matrices
Dos matrices A y B son iguales cuando cumplen dos condiciones:
1) Son de la misma clase
2) Los elementos que ocupan la misma posición son iguales
Es decir, dadas las matrices Amn  aij  y Bmn  bij  se tiene que
Amn  Bmn  aij  bij ,i j
2 8 3 2 2 3 4  1
Ejemplo: Dadas las matrices D    y C 
4 0 3 2 x3 4 0 3  2 x3
La matriz C es igual a la matriz D, es decir que: C = D
ALGEBRA MATRICIAL
SUMA DE MATRICES
Definición: Dadas dos matrices A y B, siendo Amxn   aij  y Bmxn   bij  , llamamos matriz suma A+B
a la matriz que se obtiene sumando los elementos que ocupan la misma posición en las matrices sumandos.
Surge de esta definición, que sólo pueden sumarse matrices de la misma clase u orden. Entonces:
A B  aij mxn   bij mxn  C tal que cij  aij  bij  i j
Se puede decir que dos matrices son conformables para la suma si y sólo si son de la misma clase.
2 1 2    2  7 2
Ejemplo: Dadas A, BR23 con A    y B
0 4 9  0 4 9
A+B es la matriz de clase 23 tal que

2 1 2   2  7 2 2  2 1  7 2  2 0  6 4
A+B =  + 4 9  0  0 4  4 9  9 0 8 18
= =
0 4 9  0
mn
La operación recién definida es una ley de composición interna en K , que verifica las siguientes
propiedades:
1. Asociatividad
A, B, C K
mn
: (A+B)+C = A+(B+C)
(A+B)+C = ai j   bi j   ci j   ai j  bi j   ci j   ai j  bi j   ci j   ai j  bi j  ci j   ai j   bi j  ci j  
 ai j   bi j   ci j  = A+(B+C)

teniendo en cuenta que aij, bij y cij son elementos del cuerpo K, donde la suma es asociativa.
2. Conmutatividad
A, B K
mn
: A+B = B+A
A+B = ai j   bi j   ai j  bi j   bi j  ai j   bi j   ai j  = B+A
teniendo en cuenta la definición de suma de matrices y la conmutatividad de la suma en K.
2
3. Existencia de elemento neutro
definida por ni j = 0, i, j, (matriz de clase mn cuyos

mn
Elemento neutro es la matriz nula N K
coeficientes son todos nulos, lo cual significa que N tiene todos los coeficientes iguales al neutro de la suma
en K).
Entonces N K / A K

mn mn
: A+N = N+A = A
A+N = ai j   ni j   ai j  ni j   ni j  ai j   ai j  = A
por definición de suma de matrices y por ser 0 neutro de la suma en K.

Como la suma de matrices es conmutativa, no es necesario verificar que N+A = A.
4. Existencia de elemento inverso
definida por a'i j  ai j i, j, (matriz de clase

mn mn
Inversa aditiva de toda matriz A K es la matriz A’ K
mn cuyos coeficientes son todos los opuestos de los coeficientes de A).
Entonces A K , A’ K

mn mn
/ A+A’ = A’+A = N.
A+A’ = ai j    ai j   ai j   ai j   ni j   N
por definición de suma de matrices y por ser  ai j el opuesto de ai j en K.
Como la suma de matrices es conmutativa, no es necesario verificar que A’+A = N.

La matriz A’, inversa aditiva de A, se llama matriz opuesta de A, y se denota por A.
mn
Por lo tanto, ( K , +) es un grupo abeliano.
RESTA DE MATRICES
Definición: Dadas dos matrices A y B de la misma clase, siendo Amxn   aij  y Bmxn   bij  , llamamos
resta de esas matrices, en ese orden, a la matriz A – B que se obtiene restando los elementos que ocupan la
misma posición, en minuendo y sustraendo. Dicha matriz también se obtiene, sumando a la matriz minuendo,
la opuesta de la matriz sustraendo.
7 4 1  4 5  2
Ejemplo: Dadas A, BR23 con A    y B  
 0 3 6 1 2 5 
AB es la matriz de clase 23 tal que
7  4 4  5 1 (2)  3  1 3 
A B    
 0 1 3  2 6  5    1 1 1 
PRODUCTO DE UN ESCALAR POR UNA MATRIZ
Definición: Sean la matriz A  ai j  K y K. El producto del escalar  por la matriz A se define
mn
como, .A = . ai j  = .ai j  = B
Cada elemento de la matriz B se obtiene multiplicando por el escalar  los elementos de la matriz A dada.
Puede observarse que este producto es un ley de composición externa, que cumple las siguientes
propiedades:
3
1. Asociatividad mixta
,K,A K : .(.A) = (.).A

mn
.(.A) = ..ai j   ..ai j   ..ai j   ..ai j   ..ai j   (.).A
por definición de producto de un escalar por una matriz y asociatividad del producto en K.
2. El producto es distributivo respecto de la suma en K
,K,A K : ( + ).A = .A + .A

mn
( + ).A =   .ai j     .ai j   .ai j  .ai j   .ai j   .ai j   .ai j   .ai j  = .A + .A
por definición de producto de un escalar por una matriz, distributividad del producto respecto de la suma en
K y definición de suma de matrices.
mn
3. El producto es distributivo respecto de la suma en K
K,A,B K : .(A + B) = .A + .B

mn
.(A + B)= .ai j   bi j   .ai j  bi j   .ai j  bi j   .ai j  .bi j   .ai j   .bi j   .ai j   .bi j  
= .A + .B
por definición de suma de matrices, definición de producto de un escalar por una matriz, distributividad del
producto respecto de la suma en K.
4. La unidad del cuerpo es neutro para el producto
A K : 1.A = A. Entonces: 1.A = 1.ai j   1.ai j   ai j   A

mn
por definición de producto de un escalar por una matriz y por existencia de elemento neutro del producto en
K.
Por lo tanto, el conjunto de matrices de clase mn con coeficientes en un cuerpo K tiene estructura de
mn
espacio vectorial, es decir, ( K , +, K, .) es un espacio vectorial.
PRODUCTO DE MATRICES
Definición: Sea A  ai j  una matriz de clase mn y sea B  bi j  una matriz de clase np. Entonces el
producto de A y B es la matriz C = ci j  de clase mp tal que

n
ci j  ai1 .b1 j  ai 2 .b2 j    ai n .bn j  a
k 1
i k .bk j con i =1, 2, ... , m ; j = 1, 2, ... , p
o sea, el elemento ij-ésimo de A.B es igual al producto de la i-ésima fila de A y la j-ésima columna de B.
Para que el producto A.B de dos matrices esté definido, sus tamaños (clase) deben ser compatibles, es decir,
que el número de columnas de la primera matriz debe ser igual al número de filas de la segunda. La clase de
A.B es el número de filas de A por el número de columnas de B.
Amp . Bpn = Cmn
iguales
4
Nótese también que los tamaños de A y B pueden ser compatibles para que exista A.B pero no para B.A. Por
ejemplo, si A es una matriz de clase 23 y B es una matriz 34, entonces A.B existe (es una matriz 24) pero
B.A no existe.
2 1 2    3 5 8
Ejemplos: Sean las matrices A    , B  , C  1 3 2 , D   
0 4 9   5 2 9
Puede observarse que A es de clase 23 y B de clase 22, por lo tanto, es posible realizar B.A pero no A.B.
 3 5 2 1 2    3.2  5.0  3.1  5.4  3.2  5.9   6 17 39
B .A    .   
 5 2 0 4 9  5.2  2.0  5.1  2.4  5.2  2.9  10 3 8
La componente de la primera fila y la primera columna de B.A es el producto de la primera fila de B y la
primera columna de A: 3.2+5.0
La componente de la primera fila y la segunda columna de B.A es el producto de la primera fila de B y la
segunda columna de A: 3.1+5.4
El producto de la primera fila de B y la tercera columna de A: 3.2+5.9
Los productos de la segunda fila de B por las tres columnas de A dan lugar a la segunda fila de B.A.
El producto C.D no es posible ya que C es de clase 13 y D de clase 21, sin embargo, D.C es posible
realizar, resultando una matriz de clase 23.
8 8.1 8.3 8.2 8 24 16
D.C    .1 3 2    
9 9.1 9.3 9.2 9 27 18
Ejemplo:
Dada la matriz A  K 32 y la matriz B  K 23 se puede efectuar el producto A.B dado que son
conformables, y obtendremos como resultado una matriz 3x3 (número de filas de la matriz A y número de
columnas de la matriz B). Antes de ver cómo se realiza tal producto, observemos que
también se puede efectuar el producto B.A , dando por resultado una matriz de clase 2x2. Salta a la vista que
el producto de matrices no es, en general, conmutativo.
 a11 a12 
b11 b12 b13 
A  a21 a22  B  
 a31 a32  b21 b22 b23 
La Regla de Binet - Cauchy permite utilizar el siguiente esquema para efectuar el producto:
B b11 b12 b13
b21 b22 b23
a11 a12 a11.b11  a12 .b21 a11.b12  a12 .b22 a11.b13  a12 .b23
A a21 a22 a21.b11  a22 .b21 a21.b12  a22 .b22 a21.b13  a22 .b23
a31 a32 a31.b11  a32 .b21 a31.b12  a32 .b22 a31.b13  a32 .b23
5
 1 4
Dadas las matrices A  1 2 4 13 B  3 2
0 1 32
El producto A.B, se puede realizar, dado que el número de columnas de A es igual al número de filas de B y
obtendremos como resultado una matriz 1x2 (número de filas de A y número de columnas de B).
1 4
es decir, A. B  7 1212
B 3 2
0 1
A 1 2 4 1.1  2.3  4.0 1.4  2.2  4.1
El producto B.A no se puede realizar pues no son conformables, dado que el número de columnas de B , que
es 2, no coincide con el número de filas de A , que es 1.
PROPIEDADES DEL PRODUCTO DE MATRICES

1. El producto de matrices no cumple la Ley De Cierre.
Dadas dos matrices cualesquiera, no necesariamente su producto está definido. Por ejemplo, no pueden
multiplicarse dos matrices de clase 23, por lo que podemos afirmar que en K23 no se verifica la ley de
cierre del producto.
2. El producto de matrices es asociativo.
Sean A = [ai j ] K mn , B = [bi j ] K n p , C = [ci j ] K pq . Entonces: (A . B).C = A.(B. C)
3. El producto de matrices no es conmutativo.
Como se ha visto anteriormente, al realizar los productos A.B y B.A se han obtenido dos matrices diferentes,
y en algunos casos conmutando las matrices el producto no pudo realizarse.
4. El producto de matrices es distributivo a izquierda con respecto a la suma.
Dados A = [ai j ] K mn , B = [bi j ] K n p , C = [ci j ] K n p , se verifica: A.(B + C) = A.B + A.C
5. El producto de matrices es distributivo a derecha con respecto a la suma.
Dados A = [ai j ] K n p , B = [bi j ] K mn , C = [ci j ] K mn , se verifica: (B + C).A = B.A + C.A
mn
6. En K no existe elemento neutro para el producto.
mn
7. En K el producto de matrices no verifica la existencia de elemento inverso.
6
MATRICES ESPECIALES
De acuerdo a la disposición o naturaleza de sus elementos podemos clasificarlas en:
Matriz cuadrada: Si el número de filas de una matriz A coincide con el número de columnas, es decir, m =
n , la matriz se dice que es cuadrada.
mn
AK es cuadrada  m = n
 a11 a12 a13  a1 j  a1n 

a   a2n 
 21 a22 a23 a2 j
a31 a32 a33  a3 j  a3n  i  1; 2; 3; ....; n
  
Anxn             aij nxn con  
 ai1 ai 2   ain   j  1; 2; 3; ....; n

ai 3 aij
 
        
a   ann  nxn
 n1 an 2 an3 anj
 3 0 2 4
2 0  5 4 7 1
Ejemplos: Dadas M   T 
3 5  2 2 5 3
 
 1 9 6 8
La primera matriz es de clase 22 u orden 2 y la segunda es de clase 44 u orden 4.

En la matriz cuadrada el conjunto de los elementos que se ubican en la fila i y columna j, con i = j, se llama
“diagonal principal”, es decir, donde aij con i = j.
Matriz rectangular: Son aquellas en donde m  n.

Si m > n se llama “rectangular vertical”.
Si m < n se llama “rectangular horizontal”.
 3 7
 3 5 2
Ejemplos: A   4 0 B  
 1 2 32 4 3 1 23
La matriz A es una matriz rectangular vertical.

La matriz B es una matriz rectangular horizontal.
Matriz fila o vector fila: Es la que se compone de una sola fila.
A  a11 a12 a13 a14  a1n 1n
Ejemplo: B  0  1 313
Matriz columna o vector columna: Es la que se compone de una sola columna.

 a11 
a 
 21   4
   0 
A  Ejemplo: B 
 ai1   3
    
  1 41
a m1  m1
7
Matriz traspuesta:
La matriz traspuesta de la matriz A es la que se obtiene permutando ordenadamente filas por columnas y se la
anota AT.
La matriz traspuesta de la matriz A   aij   K mn es AT   a ji  K n m
 3 7
 3 4  1
Ejemplo: A   4 5  AT   
 1 9 32 7 5 9 23
Teorema 1
mn
Sean A, B K y K. Se verifica que:
 
1. AT
T
A
2.  A  B T  AT  BT
3. .A T  .AT
Teorema 2
y BK . Entonces  A.B T  BT .AT
mp pn
Sean AK
La traspuesta de un producto de matrices es igual al producto de las traspuestas en orden permutado.
Matriz conjugada
Dada la matriz A  ai j  C
mn
 
, se llama conjugada de A, a la matriz A  ai j C
mn
.
Dada una matriz, su conjugada se obtiene sustituyendo cada elemento por el complejo conjugado.
 i 0  1  i  i 0  1  i
Ejemplo: Sea A    . Entonces A  
4  2i 6 8i  4  2i 6  8 i 
Diremos que A y A son matrices conjugadas, una de la otra, pues A  A .

Matriz asociada
Dada la matriz A  ai j  C

mn
se llama matriz asociada de A, a la matriz A* = A .  T
 i 4  2i 
Para ejemplo anterior, A*   0 6 
 1  i  8i 
MATRICES CUADRADAS PARTICULARES

Matriz simétrica
Una matriz cuadrada es simétrica si y sólo si es igual a su traspuesta.
nn
AK es simétrica  A = AT  ai j = aj i i, j
 3 7 5
Ejemplo: A   7 0 3 es simétrica.
 5 3 1 
3
8
Matriz antisimétrica
Una matriz cuadrada es antisimétrica si y sólo si es igual a la opuesta de su traspuesta.
nn
AK es antisimétrica  A = AT  ai j = aj i i, j
Los elementos de la diagonal de toda matriz antisimétrica son nulos, pues:
A es antisimétrica  ai i = ai i , i  2.ai i = 0, i  ai i = 0, i
 0 7  5

Ejemplo: A   7 0 3 es antisimétrica
 5  3 0
Propiedades:
1. El producto de toda matriz por su traspuesta es una matriz simétrica.
Tenemos que: (A. AT)T = (AT)T . AT = A. AT. Luego, como A. AT es igual a su traspuesta, resulta que A. AT es
simétrica.
No es necesario que A sea cuadrada para que existan A. AT y AT. A, las que son, en todos los casos, matrices
cuadradas.
2. La suma de toda matriz cuadrada y de su traspuesta es simétrica.
nn
Sea AK . Se verifica que: (A + AT)T = (A)T + (AT)T = AT + A = A + AT. Por lo tanto, A + AT es simétrica.
3. La diferencia de toda matriz cuadrada con su traspuesta es antisimétrica.
nn
Sea AK . Se verifica que: (A  AT)T = (A)T  (AT)T = AT  A =  (A AT). Por lo tanto, A AT es
antisimétrica.
Matrices triangulares
nn
La matriz AK es triangular superior si y sólo si i > j  ai j = 0.
nn
Análogamente; AK es triangular inferior si y sólo si i < j  ai j = 0.
4 7  5
Ejemplo: A  0 0 3 es una matriz triangular superior
0 0 5 6 
Matriz diagonal
nn
La matriz AK es diagonal si y sólo si i j  ai j = 0.
Toda matriz diagonal tiene nulos los elementos que no figuran en la diagonal, en consecuencia, decir que una
matriz cuadrada es diagonal equivale a decir que es triangular superior y triangular inferior.
 4 0 0
Ejemplo: A  0 0 0 es una matriz diagonal
0 0 3
Matriz escalar
Una matriz diagonal se llama escalar si todos los elementos de la diagonal principal son iguales entre si.
nn
La matriz AK es escalar si y sólo si A es diagonal y ai i = a11 (1 i n)
9
 3 0 0
Ejemplo: A  0 3 0 es una matriz escalar
0 0 3
Al decir que una matriz es escalar, se están diciendo varias cosas de esa matriz: que es cuadrada, diagonal (y
por la tanto triangular superior y triangular inferior) y que todos los elementos de la diagonal principal son
iguales.
En particular, si todos los elementos de la diagonal principal de una matriz escalar de clase nn son iguales a
1, la matriz se llama la matriz identidad de clase nn y se la denota In. Es usual notar al elemento genérico
de esa matriz con la letra griega , escribiendo:
1 si i  j
I n   i j nn /  i j  
0 si i  j
nn
Por otra parte, la matriz identidad verifica: A.I = I.A = A cualquiera sea AK .
 1 0 0
Ejemplo: I 3  0 1 0 es la matriz identidad de clase 33 o de orden 3.
0 0 1
Matriz escalonada
Una matriz es escalonada si y sólo si verifica las dos condiciones siguientes:
1. Las filas nulas, si existen, están después de todas las no nulas.
2. En cada una de las filas no nulas, el número de ceros que precede al primer elemento no nulo es
mayor que en la anterior.
1 5 0 9  7 4 1
2
Ejemplos: A  0 1  2 , B  0
  0 7 2 son matrices escalonadas
0 0 1 0 0 0 1
9  7 4 1
2
1 5 0 0 0
C  0 0  9 , D  
0 0
no son matrices escalonadas
0 0 2 1
0 0 1  
0 0 0 4
ANILLO DE MATRICES CUADRADAS

nn
Tenemos que (K , +) es grupo abeliano pues cuando se estudió la suma de matrices se ha probado que,
mn
dados m,nN, la suma en K es una operación cerrada, que verifica las propiedades asociativa,
conmutativa, existencia de elemento neutro y existencia de elemento inverso.
mn
Luego de estudiar el producto de matrices, cabe preguntarnos sobre la estructura de K , +, .). Pero, como
se ha visto, el producto de matrices no cumple la mayoría de las propiedades analizadas si tomamos m y n
cualesquiera. Sin embargo, si los tomamos iguales, o sea, si consideramos matrices cuadradas, si nos
nn
limitamos a K con cualquier n natural, veremos que algunas propiedades sí se cumplen.
nn mn
(K , +) es grupo abeliano, por serlo K m,nN
10
nn
(K , .) verifica las siguientes propiedades:
a) Ley de cierre.
b) Asociativa.
c) Existencia de elemento neutro.
d) Distributiva con respecto a la suma a derecha e izquierda.
nn
K , +, .) es un anillo con unidad
e) Tiene divisores de cero , simbólicamente se escribe:
A, B  K nxn / A.B  0nn  A  0nn  B  0nn

nn
K , +, .) es un anillo con unidad y con divisores de cero.
MATRICES EQUIVALENTES. OPERACIONES ELEMENTALES, COMBINACIONES

LINEALES, DEPENDENCIA E INDEPENDENCIA LINEAL DE LÍNEAS DE UNA MATRIZ.
Dos matrices de la misma clase se dicen equivalentes si cualquiera de ellas puede transformarse en la otra
por aplicación de las llamadas operaciones elementales de líneas (filas y/o columnas) de la matriz:
Estas operaciones elementales son:
1) Permutación de dos líneas paralelas.
2) Multiplicación de una línea por un escalar no nulo.
3) Suma de una línea a otra línea paralela.
Es obvio que estas operaciones pueden combinarse y que cada una posee otra que destruye su efecto, a la que
podemos llamar ‘inversa’ de aquella.
Cuando una línea de una matriz surge de sumar o restar líneas paralelas de la misma, multiplicadas
previamente por números escalares, decimos que es una combinación lineal de las mismas y el conjunto de
sus líneas es linealmente dependiente.
OPERACIONES ELEMENTALES
Dada una matriz A, de clase mn, se usará la siguiente notación:
F1 representa a la primera fila de A
F2 representa a la segunda fila de A
.........................................................
Fm representa a la m-ésima fila de A
Cuando se represente una fila cualquiera, se usará Fi o Fj, entendiéndose que i y j son números naturales
menores o iguales que m.
mn
Definición: Dada una matriz AK , se llaman operaciones elementales de filas a las siguientes:
* Permutación de dos filas (o columnas): La fila Fi se reemplaza por la fila Fj y la fila Fj se reemplaza por la
fila Fi.
11
Se representan a las operaciones elementales de fila con la letra minúscula e; la operación realizada se
indicará señalando con una flecha qué expresión reemplaza a qué fila. Así, esta operación elemental se indica
e: Fi  Fj, indicando que la fila Fi reemplaza a la fila Fj y la fila Fj reemplaza a la fila Fi.
* Multiplicación de todos los elementos de una fila (o columna) por un escalar distinto de cero: Dado kK /
k  0, se multiplica cada elemento de la fila Fi por k, reemplazando los elementos de Fi por los valores así
obtenidos.
Esta operación elemental se indica e: k Fi  Fj, señalando que la fila obtenida al realizar el producto de k por
cada elemento de la fila Fi reemplaza a la fila Fi.
* Sustitución de una fila (o columna) por su suma con otra: Esta operación elemental se indica e: Fi + Fj 
Fi, señalando que la fila obtenida al sumar ordenadamente los elementos de la filas Fi y Fj reemplaza a la fila
Fi.
Al aplicar a una matriz cualquier operación elemental e, se obtiene una nueva matriz que es, en general,
distinta a la dada, y que se llamará e(A).
1 2 1  1
1 1 0 2
Ejemplo: Dada la matriz A  
0 1 2  1
 
2 2  1 2
Efectuamos, sucesivamente, las siguientes operaciones elementales:
 1  2  1 1
 1 1 0 2
e1  A   e1:1.F1  F1 se reemplaza la primera fila por la fila que se obtiene al
 0 1 2  1
  multiplicar cada uno de sus elementos por el escalar 1.
 2 2  1 2
 1  2  1 1
 0  1  1 3
e2:F1 + F2  F2 se suman elemento a elemento la primera y segunda fila y
e 2  A   
 0 1 2  1 el resultado obtenido se escribe como segunda fila.
 
 2 2  1 2
12
Estas operaciones elementales pueden combinarse, por ejemplo:
e3: 2.F1 + F4  F4 es una operación combinada, en la que intervienen dos
 1  2  1 1 operaciones: sustitución de la primera fila de la matriz obtenida por su
 0  1  1 3
e 3  A    producto por el escalar 2 y sustitución de la cuarta fila por su suma con la
 0 1 2  1
  primera fila. Este proceso puede hacerse en un solo paso, realizando el
 0  2  3 4 producto de cada elemento de la primera fila por 2 e ir sumando esos
productos y los correspondientes elementos de la cuarta fila.
MATRICES EQUIVALENTES
mn
Definición: Sean A, BK . Se dice que A es equivalente a B (y se denota A  B) si B se obtiene de A por la
sucesiva aplicación de un número finito de operaciones elementales (de filas o columnas) e1, e2, ..., ek.
A  B   e1, e2, ..., ek / ek (...e3 (e2 (e1 (A)))...) = B
Como para cada operación elemental existe una inversa que “deshace el efecto” de la primera, se concluye
que si A  B, también es B  A, razón por la cual se dirá que A y B son equivalentes.
MATRICES ELEMENTALES
Definición: Una matriz de clase nn se llama elemental si y sólo si se obtiene por aplicación de una sola
operación elemental a la matriz In.
0 1 0
Ejemplo: la siguiente matriz es elemental A  1 0 0 porque A se obtiene de I3, con la operación
0 0 1
elemental F2 F 1 .
Forma escalonada de una matriz

Como lo dijimos anteriormente una matriz no nula se dice escalonada, si cumple las dos condiciones
siguientes:
1) las filas no nulas, preceden a las filas nulas, si las hay;
2) la cantidad de ceros que precede al primer elemento no nulo de cada fila no nula (elemento distinguido)
es mayor que la cantidad de ceros que precede al elemento distinguido de la fila anterior.
Toda matriz es equivalente a una matriz escalonada. Puede obtenerse mediante operaciones de fila y
columna, pero se aconseja utilizar exclusivamente operaciones de fila.
Ejemplos
0 1  3  5  5  6   2 0

Sean las matrices: C  0  2 6 ; D   5 3  1 ; E   1 3
0 3  9  0 2 7  1 2
Escalonemos las matrices C, D y E:
13
0 1  3 0 1  3
 A la segunda fila se le sumó el duplo de la primera y a la tercera se le
C  0  2 6  0 0 0
sumó la primera previamente multiplicada por (-3).
0 3  9 0 0 0
 5  5  6 5  5  6 5  5  6 A la segunda fila se le sumó la primera y luego a la

D   5 3  1  0  2  7  0  2  7
tercera se le sumó la segunda.
 0 2 7 0 2 7 0 0 0
A la segunda fila multiplicada previamente por 2 se le sumó la
  2 0   2 0    2 0
E   1 3   0 6    0 6 primera. Igual operación se efectuó con la tercera fila. Luego a la
 1 2  0 4   0 0 tercera fila multiplicada por 6 se le sumó la segunda fila multiplicada
por (-4).
MATRICES INVERSIBLES O NO SINGULARES

Dado que sólo existe elemento neutro para el producto de matrices cuando se trabaja con matrices cuadradas
de la misma clase, a esas matrices se debe restringir el análisis sobre la existencia del inverso multiplicativo.
Sin embargo, dada una matriz cualquiera, no necesariamente existe otra, de la misma clase, tal que el
producto de ambas (a derecha y a izquierda) es el neutro del producto, la matriz identidad de esa clase, tal
como lo muestra el siguiente ejemplo:
1 2
Sea A    , buscamos la matriz X tal que A.X = I2. Entonces:
 2 4
1 2  x11 x12   x11  2 x 21 x12  2 x 22  1 0
A.X   .  
2 4  x 21

x22  2 x11  4 x 21 2 x12  4 x 22  0 1
Por igualdad de matrices:
 x11  2 x21  1  x12  2 x 22  0
 
2 x11  4 x21  0 2 x12  4 x 22  1
Pero ambos sistemas de ecuaciones lineales son incompatibles, es decir, no tienen solución. (Puede
comprobarlo)
Podemos afirmar, entonces, AR22 / A.X  I2 , XR22
 3 5  3 5
Pero las matrices, B    y C  , verifican que B.C = C.B = I2 (Compruébelo).
2 3  2  3
Por lo tanto, algunas matrices son inversibles, y a esas matrices las llamamos no singulares o inversibles.
Hasta el momento sabemos que la matrices inversibles son cuadradas, pero falta distinguir en el conjunto de
matrices cuadradas las inversibles de las que no lo son, y cómo determinar la inversa en caso de que exista.
Estas cuestiones son las que estudiaremos a continuación.
INVERSA DE UNA MATRIZ CUADRADA.

es inversible o no singular si y solo si existe A1K / A . A1= A1.A = In
nn nn
La matriz AK
14
PROPIEDADES
1. Si A y B son dos matrices no singulares de la misma clase, entonces A.B es también una matriz inversible
y la inversa de la matriz producto es igual al producto de las inversas de las dos matrices dadas, en orden
cambiado. (A.B)-1 = B-1 .A-1.
nn
2. Sea AK . A es inversible si y sólo si A es equivalente por filas a la matriz identidad.
nn
3. Sea AK una matriz inversible y, por lo tanto, equivalente por filas a la matriz identidad. Entonces, la
misma secuencia de operaciones elementales que transforma A en In, transforma In en A1.
Observación: propiedades análogas a las recién vistas son válidas trabajando con las columnas de una matriz
en vez de las filas
CÁLCULO DE LA INVERSA DE UNA MATRIZ
La última propiedad brinda una forma de calcular la inversa de una matriz cuadrada y es el fundamento de
uno de los métodos para hacerlo, llamado “método de Gauss-Jordan”
Método de Gauss-Jordan
Dada una matriz cuadrada A, se le aplican las operaciones elementales necesarias para producir la matriz
identidad. Si A fuera inversible, ello se logrará al cabo de un número k finito de pasos, según la propiedad 3.
Se realiza sobre la matriz identidad de la misma clase, la misma secuencia de operaciones elementales, la
matriz obtenida al cabo de los k pasos, es A1, según la propiedad 4.
Para simplificar la aplicación de la misma secuencia de operaciones elementales a las matrices A e I, es usual
trabajar al mismo tiempo con las dos, utilizando la siguiente disposición práctica.
A I
. . Se van aplicando a las matrices A e I, las operaciones elementales e1, e2, ...,
. . ek tratando de llegar, del lado izquierdo a I. Cuando ello se logra, del otro
. . lado está A1.
I A1
2  1
Ejemplo: Calculamos, utilizando este método, la inversa de A   
1  1
A I Op. elementales
2 1 1 0 Escribimos las matrices A e I2 separadas por una línea vertical
1 1 0 1 y aplicamos operaciones elementales a A, del lado izquierdo,
1 1 0 1 F1  F2 buscando llegar a la matriz identidad; vamos aplicando la
2 1 1 0 misma secuencia a la matriz identidad, del lado derecho.
1 1 0 1 Luego de permutar las filas, se elige cualquier elemento
0 1 1  2 2.F1 + F2  F2 distinto de cero, al cual se lo llama pivote, a veces es
1 0 1 1 F1 + F2  F1 conveniente elegir los elementos que se encuentran sobre la
0 1 1 2 diagonal principal.
I A1
15
Dada una matriz, se sigue sin saber “a priori” si será o no equivalente por filas a la matriz identidad, es decir,
si es o no inversible, por lo que se podría llegar a efectuar una serie de cuentas tratando de obtener la matriz
identidad a partir de la dada, para descubrir finalmente que ello no es posible, o sea que la matriz no es
inversible, porque no se llega a la identidad.
En este momento se podría adelantar una propiedad interesante que relaciona la existencia de la inversa con
el rango y el determinante de la matriz.
Una matriz de clase nn es inversible  su rango es igual a n  su determinante es distinto de cero.
De manera que dada una matriz cuadrada A de clase nn cuya inversa se quiere conocer, primero se calcula
su determinante o su rango, si el primero es distinto de cero, o el segundo igual a n, se tiene la seguridad de
que existe la inversa y se la puede buscar aplicando el método de Gauss-Jordan.
RANGO DE UNA MATRIZ

mn
Definición: Sea AK , se llama rango fila de A (rf (A)) al máximo número de filas linealmente
independientes de A y se llama rango columna de A (rc (A)) al máximo número de columnas linealmente
independientes de A.
PROPIEDADES
Las propiedades que siguen se demuestran para el rango fila de cualquier matriz, pero propiedades análogas
valen para el rango columna.
1) El rango fila de la matriz nula, de cualquier clase, es cero.
m,nN: rf ([0]mn) = 0
La demostración es trivial, pues ya se sabe que si un conjunto de vectores contiene al vector nulo, es
linealmente dependiente y como todas las filas de esta matriz son nulas, no existe ningún subconjunto de
filas linealmente independientes.
2) El rango fila de la matriz identidad de clase nn, es n.
nN: rf (In) = n
Esto significa que todas las filas de la matriz identidad son linealmente independientes.
3) Dos matrices equivalentes por filas tienen el mismo rango fila.
mn
Sean A,BK / A f B. Entonces, B se obtiene de A a partir de la aplicación de un número finito de
operaciones elementales.
Se puede probar que las operaciones elementales no alteran el rango fila de una matriz, porque no inciden
sobre la dependencia o independencia lineal de las filas. Por lo tanto, al aplicar operaciones elementales de
filas, la matriz obtenida tiene el mismo rango fila de la primera, de manera que rf (A) = rf (B).
4) Una matriz cuadrada de clase nn es inversible si y sólo si su rango fila es igual a n.
5) El rango fila de una matriz en forma escalonada es igual al número de filas no nulas de esa matriz.
Si la matriz es escalonada, el rango fila debe quedar determinado por las filas no nulas, porque todo conjunto
de filas que contenga a las nulas es linealmente dependiente. Y como en cada fila no nula el número de ceros
16
que precede al primer elemento no nulo es mayor que en la anterior, es claro que todas ellas son linealmente
independientes.
TEOREMA
El rango fila de toda matriz es igual a su rango columna.
CÁLCULO DEL RANGO

Cuando el rango de una matriz no es evidente, las propiedades vistas permitirán el cálculo.
1) Si se sabe ya que una matriz de clase nn es inversible, inmediatamente se afirma que su rango es n.
2) Si es una matriz escalonada, el rango coincide con el número de filas no nulas.
3) Un método eficaz para el cálculo del rango de cualquier matriz A es el siguiente: realizamos operaciones
elementales sobre las filas de la matriz A hasta obtener una matriz escalonada B. El rango de B es
evidente, pues se obtiene contando las filas no nulas (por propiedad 5); el mismo valor corresponde al
rango de A (por propiedad 3).
Ejemplos:
 1 2 4
C  . Como las dos filas son linealmente dependientes, el máximo número de filas
 2  4  8
linealmente independientes es 1, por la tanto, r (C) = 1.
 1 2
B   1  2 . Como las tres filas son linealmente dependientes, el máximo número de filas linealmente

 0 0
independientes es 1, por la tanto, r (B) = 1.
DETERMINANTES
DETERMINANTES DE ORDEN UNO, DOS Y TRES
 Para un determinante de primer orden, su valor es igual al único elemento de la matriz.
Así, el determinante de una matriz 11, A = [a11] es el propio escalar a11, es decir, det (A) = |a11| = a11.
Ejemplo A   3   3
 Para un determinante de segundo orden, su valor es igual al producto de los elementos de la diagonal
principal menos el producto de los elementos de la diagonal secundaria.
a11 a12
En forma genérica tendremos: A 2x2   a11 . a 22  a12 . a 21
a 21 a 22
 1 4
Ejemplo: El determinante asociado a la matriz A  
7
es:
 2
1 4
A   1.7  (2).4  15
2 7
17
Observemos la diferencia que hay entre un determinante y una matriz: “mientras el determinante es un
número unívocamente determinado, la matriz es una magnitud que no tiene valor numérico, sino que está
caracterizada por sus elementos y la ubicación de los mismos en un cuadro de valores”.
 Para un determinante de tercer orden, su valor es igual a la suma algebraica de todos los productos
posibles de sus elementos, donde en cada factor del producto hay un elemento de cada fila y uno de cada
columna, sin repetir ni filas, ni columnas.
Sin embargo, como resulta difícil tener bajo control este algoritmo, en el caso de un determinante de orden 3,
es muy práctico aplicar la Regla de Sarrus, que consiste en agregar a continuación de la última fila las dos
primeras filas y el determinante es igual a la suma de los productos de los elementos de la diagonal principal
y sus paralelas, menos el producto de los elementos de la diagonal secundaria y sus paralelas.
En forma genérica, agregando las dos primeras filas, tenemos (¡observe que no alargamos las barras!):
a11 a12 a13

a 21 a 22 a 23
A   a11 .a 22 .a 33  a 21 .a 32 .a13  a 31 .a12 .a 23  a13 .a 22 .a 31  a 23 .a 32 .a11  a 33 .a12 .a 21
a31 a 32 a33
a11 a12 a13
a 21 a 22 a 23
Lo mismo se logra si se copian a partir de la tercera columna, las dos primeras columnas.
Ejemplo:
3 0 1
Dada A   2 1 4 Agregando las dos primeras filas, tendremos:
3 0 1
3 0 1
2 1 4
A   3.1.(1)  (2).0.1 3.0.4 3.1.1 3.0.4 (2).0.(1)   3  3   6
3 0 1
3 0 1
2 1 4
La Regla de Sarrus sirve para calcular el valor del determinante cuyo orden sea tres. Para determinantes de
mayor orden se utiliza la Regla de Chío o el desarrollo de los elementos de una línea o Laplace. Este último
método lo veremos más adelante pues, para su presentación, necesitamos algunas definiciones previas.
18
MENOR COMPLEMENTARIO DEL ELEMENTO a i j DE UNA MATRIZ DE CLASE nn

Dada una matriz A = [a i j ]nn con 1 i  n y 1 j  n, llamamos menor complementario del elemento aij de A,
y anotamos M i j al determinante de la matriz de clase (n1)(n1) que se obtiene al eliminar la fila i y la
columna j de A.
Columna j de A
 a11 a12  a1( j 1 ) a1 j a1( j 1 )  a1n 

 a a22  a2( j 1 ) a2 j a2( j 1 )  a2n 
 21
         
  Fila i de A
 
A
ai1 ai 2 ai( j 1 ) aij ai( j 1 ) ain 
         
 
a( n1 )1 a( n1 )2  a( n1 )( j 1 ) a( n1 ) j a( n1 )( j 1 )  a( n1 )n 
 a an 2  an( j 1 ) anj an( j 1 )  ann 
 n1 
 
 0 1
2
1 0 1
 
 1  3 1 7 2
Ejemplo: Dada A =  2 0 1
3 3 vamos a hallar M34.
 1 4

 3 2 5 8 4
 0 3
6 5 5 55
 5
1
0 2
1 1
1  3 1 2
El menor complementario del elemento a34 es M34 = 1 que todavía no sabemos calcular.
3
2 5 4
0 3
5
6 5 4 4
ADJUNTO O COFACTOR DEL ELEMENTO a i j DE UNA MATRIZ DE CLASE nn

Dada una matriz A = [a i j ]nn , con 1 i  n y 1 j  n, llamamos adjunto o cofactor del elemento aij de A y
anotamos A i j a su menor complementario o a su opuesto según si i + j es par o impar respectivamente.
 Mij si i j es par
Es decir que A i j  
 M i j si i j es impar
o lo que es lo mismo: Ai j = (1)i + j . Mi j

Ejemplo: Dada la matriz A, queremos calcular el adjunto del elemento ubicado en la segunda fila, tercera
columna, siguiendo el procedimiento anterior:
 4 3 5
4 3 4 3
Si A    1 0 4 entonces A23  (1) 23  (1) .  (1).(4  6)   2
2 1 2 1
 2 1 7
19
DETERMINANTE DE UNA MATRIZ DE CLASE nn

nn
Dada una matriz AK , tal que A = [a i j ]nn , con 1 i  n y 1 j  n, llamamos determinante de A, y
escribimos det(A) o A, al elemento del cuerpo K, que la siguiente función, le hace corresponder a A:
 a11 si n  1
det : K nxn  K/det A  
a11 .A11  a21 .A 21  a31 .A 31  ...  an1 .A n1 si n  1
Es decir que:
a11  a11
a11 a12 a13 ... a1n

a 21 a 22 a 23 ... a 2n
 a11 .A11  a 21 .A 21  a31 .A 31  ...  a n1 .A n1
    
a n1 a n 2 a n3 ... a nn
Como los elementos a11, a21, a31,..., an1 no son más que los elementos de la primera columna de A y A11, A21,
A31,..., An1, son sus respectivos adjuntos, cuando utilizamos esta definición decimos que hemos desarrollado
el determinante de A por los elementos de su primera columna.
Nota: El desarrollo de un determinante por los elementos de una línea permite el cálculo de los mismos
cuando el orden es mayor que 3.
1 2 5 2
5 4 2 5
Ejemplo. Calculamos A 
3 1 0 0
0 6 4 3
Como el desarrollo no depende de la columna o fila que se elija es conveniente elegir aquella que requiera
menor trabajo, que en este caso es la tercera fila ya que al contener dos ceros, de los cuatro términos del
desarrollo dos serán nulos.
1 2 5 2
5 4 2 5
A   (3).A31  (1).A32  (0).A33  (0).A 34
3 1 0 0
0 6 4 3
2 5 2 1 5 2
A  (3).(1) . 4  2  5  (1).(1) . 5  2  5
4 5
6 4 3 0 4 3
2 5 2 1 5 2
A  3. 4  2  5  5 2 5
6 4 3 0 4 3
A  3. 12  32  150  24  40  60   6  40  20  75  372  21  351

Observación: De acuerdo con la propiedad vista anteriormente si todos los elementos de una línea son nulos
el determinante resulta ser cero, ya que todos los términos del desarrollo valdrán cero.
20
PROPIEDADES DE LOS DETERMINANTES
Propiedad 1
El determinante de toda matriz triangular es igual al producto de los elementos de la diagonal principal.
nn
Sea AK matriz triangular superior:
a11 a12 a13 ... a1( n1 ) a1n 

0 a  La matriz A es una matriz triangular superior, por
 22 a 23 ... a 2 ( n1 ) a2n 
0  lo tanto los puntos suspensivos que se
0 a 23  a3( n1 ) a3n
  encuentran debajo de la diagonal principal
A   ... ...  ... ... ... 
 ... ...  ... ... ...  representan ceros y los restantes, números
 
0 0 0 ... an1n1 an1n  cualesquiera.
0 ann 
 0 0 ... 0
Entonces: A  a11 . a22 . a33 ......an1n1 . ann .
Sucede lo mismo para una matriz triangular inferior.

1 0 0
1
Ejemplo: A  2 1 / 2 0  (1). . 4   2
2
10 4 4
Como toda matriz diagonal es una matriz triangular superior (e inferior), se tiene que:
“El determinante de toda matriz diagonal es igual al producto de los elementos de la diagonal principal”.
Además, como las matrices identidad de cualquier orden son matrices diagonales (más aún escalares) que
contienen unos en su diagonal principal resulta:
“El determinante de la matriz identidad de cualquier orden es 1”
Sea IKnn: I n  1 nN
Propiedad 2
El determinante de una matriz coincide con el determinante de su traspuesta: A  AT
4 5 4 1
Ejemplo: A   4 .2  5 .1 3 AT   4.2 1.5  3
1 2 5 2
Propiedad 3
Si se permutan dos filas (o columnas) de una matriz, se obtiene una matriz cuyo determinante es igual al
opuesto del determinante de la matriz primitiva.
4 5 5 4
Ejemplo: A1   4 .2  5 .1  3 A2   5.1 4.2   3
1 2 2 1
Propiedad 4
Si una matriz tiene dos líneas paralelas iguales, su determinante es cero.
nn
Sea AK una matriz que tiene las dos primeras filas idénticas.
Por la propiedad 3 será A   A  2. A  0  A  0
21
Es una consecuencia inmediata de la anterior pues si en A permutamos justamente esas dos filas iguales la
matriz que se obtiene es también A y sin embargo la propiedad 3 dice que la “nueva” matriz tiene su
determinante opuesto al de la primitiva. Como se sabe que el único escalar que es igual a su opuesto es el
cero, entonces el determinante de A es cero.
5 5
Ejemplo: A   5 .2  5 . 2  0
2 2
Propiedad 5
Si se multiplican todos los elementos de una línea de una matriz por un escalar no nulo el determinante
correspondiente queda multiplicado por dicho escalar.
nn
Sea AK y K con   0.
A  A1 A2 ... A j ... An  A1 A2 ... .A j ... An  . A j
Ejemplo:
5 4 5 4 5 4
A   3 si multiplicamos por 3 la segunda fila:   5.3  6.4   9
2 1 2.3 1.3 6 3
Propiedad 6
Si en una matriz los elementos de una línea son proporcionales a los correspondientes elementos de una
paralela a ella el determinante de dicha matriz es nulo.
4 5
Ejemplo: A   4.20  5.16  80  80  0 (La 2da. fila es la 1ra. multiplicada por 4)
16 20
Propiedad 7
Si una matriz contiene una línea nula, entonces su determinante es cero.
nn
Sea AK con su columna j-ésima nula entonces:
j
A  A1 A2 ... 0 ... An = 0
4 5
Ejemplo: A   4 .0  5 .0  0
0 0
Propiedad 8
nn
Si a una matriz AK se la multiplica por un escalar no nulo  se obtiene otra matriz cuyo determinante es
n veces el determinante de la matriz primitiva.
nn
Sea AK , K,   0: . A   n . A
Propiedad 5
.A  .A1 .A2 ... .Aj ... .An  

. . A =  n . A
..........

n
22
Propiedad 9
Si una línea de una matriz se reemplaza por la suma de esa línea más un múltiplo de otra paralela, se obtiene
otra matriz de igual determinante que la matriz primitiva.
1 1 0 1 1 0
Ejemplo: A  2 3 2  4 ; B  0 1 24
1 0 6 1 0 6
Las matrices A y B son equivalentes por filas (la segunda fila de B es la segunda fila de A más la primera
multiplicada previamente por (2). Ambas matrices tienen el mismo determinante.
Propiedad 10
Si una matriz tiene sus líneas paralelas linealmente dependientes, entonces su determinante es cero.
Propiedad 11
El determinante de dos matrices es igual al producto de los determinantes de esas matrices.
: A. B  A . B
nn
Sean A, BK
1 2 6 7
Ejemplo: A  4  6 2 ; B   48 ; A . B   2 .48   96
3 4 0 8
1 2 6 7  6 23 6 23
A.B    .   ; A.B   318  414  96
3 4 0 8 18 53 18 53
Propiedad 12
Si el rango de una matriz cuadrada es menor que su orden entonces su determinante es nulo.
0 1  3  5  5  6
Ejemplo: Sean las matrices cuadradas C  0  2 6 ; D   5 3  1
0 3  9  0 2 7
r (C33 ) 1  3 , por lo tanto, C  0 ; r ( D33 )  2  3 , por lo tanto, D  0
PROPIEDADES DE LOS DETERMINANTES DE LAS MATRICES INVERSIBLES

Propiedad 13
nn
Sea AK . Son equivalentes las siguientes afirmaciones:
a) La matriz A es inversible.
b) El determinante de A no es nulo.
c) El rango de A es n.
Propiedad 14
El determinante de la matriz inversa es igual al número inverso del determinante de la matriz.
nn
Sea AK y A inversible, entonces:
1 1
A1   A
A
23
ADJUNTA DE UNA MATRIZ CUADRADA
nn
Definición: Sea AK . Se llama Matriz Adjunta de A y anotamos Adj A a la matriz traspuesta de la que se
obtiene al reemplazar cada elemento de A por sus respectivos adjuntos.
CÁLCULO DE LA INVERSA DE UNA MATRIZ USANDO DETERMINANTES.

nn
Sea AK y A inversible. La matriz inversa de A es igual a la matriz adjunta de A dividida por el
determinante de A.
1 1
A =  Adj A
A
CÁLCULO DE DETERMINANTES
En el cálculo de determinantes existen muchas maneras de proceder, algunas ni siquiera las hemos trabajado
como la Regla de Chio y tampoco es claro cuál camino nos llevará más rápidamente a la respuesta.
Asimismo, la experiencia nos dice que a veces es “cuestión de gusto”, quiero decir que una persona puede
sentirse muy cómoda usando un método que otra aborrece. Por ello, sólo nos remitiremos a dar algunas
sugerencias.
1. Si la matriz es diagonal, triangular superior o inferior, directamente multiplique los elementos de la
diagonal.
1 0 0 0
4 3 1
5 3 0 0
 (1).(3). 13 .6  6 0 0 2 0
0 5 1 0
3
0 0 1
0 0 4 6
Esta matriz es triangular inferior Esta matriz es triangular superior
(observe además que (2)F3 = F2)
2. Si la matriz no tiene las condiciones del punto 1 y es de clase 22 ó 33 mírela fuerte para investigar si
no existe alguna combinación lineal que salte a la vista y concluir que su determinante es cero; de no ser así,
“este por este, menos este por este” y la Regla de Sarrus respectivamente.
3. Si la matriz no tiene las condiciones del punto 1 ó 2 y es de clase 44 y no posee alguna combinación
lineal evidente, puede usted optar por dos caminos:
3.1. Elegir la línea que más ceros contenga y hallar el determinante por el desarrollo de los elementos de
esa línea.
3 2 1 1
2 1 1 3 2 1
 10 1 1 5
  2 1 1  5  1.  10 1 1  2 (10  1  10  5)  (3  20  10  20) 1
 10 0 1 5
0 1 5  10 0 1
2 0 0 1
3.2. Hallar una matriz triangular equivalente a la dada (se aconseja trabajar con filas) y recordar que
algunas de las operaciones no son inocuas en relación al determinante.
24
3 2 1 1 1 2 1 3 1 2 1 3 1 2 1 3 1 2 1 3
 10 1 1 5 5 1 1  10 0 11  4 5 1 .1 0 11  4 5 1 . 1 .1 0 11  4 5
    11   11 1
 10 0 1 5 5 0 1  10 0 10  4 5 11 0 0 4 5 11 4 0 0 4 5
2 0 0 1 1 0 0 2 0 2 1 1 0 0 3 1 0 0 0 11
   
 C1C4 F2 + 5 F1  F2  11 F3 + (10) F2  F3  4 F4 + 3 F3  F4
F3 + 5 F1  F3  11 F4 + 2 F2  F4
F4  F1  F4
Los números resaltados en negrita significan que se ha multiplicado por un escalar no nulo a las filas donde
se hacen ceros y corresponde, según la prop. 5, equilibrar dividiendo por ellos mismos. Las operaciones
resaltadas con puntos son las no inocuas.
4. Si la matriz es de clase nxn con n5, es conveniente hallar el determinante con el método propuesto en
3.2.
BIBLIOGRAFÍA
 Andreoli, D. Determinantes. Editado por el Centro de Estudiantes de la Facultad de Ciencias Exactas y
Naturales y Agrimensura (UNNE). 1997.
 Grossman, S. Álgebra Lineal con aplicaciones. Ed. Mc.Graw Hill.
 Rojo, A. Álgebra II. Librería “El Ateneo”.
25

Matrices y Determinantes-2

Cargado por

Copyright:

Formatos disponibles

Matrices y Determinantes-2

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Matrices y Determinantes-2

Cargado por

Copyright:

Formatos disponibles

ÁLGEBRA II – ISFD “DR JUAN PUJOL” 2022

EL CONJUNTO DE MATRICES DE CLASE mn CON COEFICIENTES EN UN CUERPO K

 a11 a12 a13  a1 j  a1n 

El elemento aij es el elemento ubicado en la fila i y en la columna j .

El elemento amn es el elemento ubicado en la fila m y en la columna n.

Ejemplos: Dada las siguientes matrices

En la matriz A el elemento 0 está ubicado en la fila 2 columna 2, entonces a22  0 .

En la matriz B el elemento 1 está ubicado en la fila 2 columna 3, entonces b23  1 .

En la matriz C el elemento –2 está ubicado en la fila 4 columna 3, entonces c43  2 .

Amn  Bmn  aij  bij ,i j

La matriz C es igual a la matriz D, es decir que: C = D

A+B es la matriz de clase 23 tal que

 ai j   bi j   ci j  = A+(B+C)

teniendo en cuenta la definición de suma de matrices y la conmutatividad de la suma en K.

definida por ni j = 0, i, j, (matriz de clase mn cuyos

Entonces N K / A K

por definición de suma de matrices y por ser 0 neutro de la suma en K.

definida por a'i j  ai j i, j, (matriz de clase

Entonces A K , A’ K

por definición de suma de matrices y por ser  ai j el opuesto de ai j en K.

Como la suma de matrices es conmutativa, no es necesario verificar que A’+A = N.

PRODUCTO DE UN ESCALAR POR UNA MATRIZ

como, .A = . ai j  = .ai j  = B

,K,A K : .(.A) = (.).A

.(.A) = ..ai j   ..ai j   ..ai j   ..ai j   ..ai j   (.).A

,K,A K : ( + ).A = .A + .A

K,A,B K : .(A + B) = .A + .B

A K : 1.A = A. Entonces: 1.A = 1.ai j   1.ai j   ai j   A

producto de A y B es la matriz C = ci j  de clase mp tal que

PROPIEDADES DEL PRODUCTO DE MATRICES

 a11 a12 a13  a1 j  a1n 

La primera matriz es de clase 22 u orden 2 y la segunda es de clase 44 u orden 4.

Matriz rectangular: Son aquellas en donde m  n.

La matriz A es una matriz rectangular vertical.

Matriz columna o vector columna: Es la que se compone de una sola columna.

Diremos que A y A son matrices conjugadas, una de la otra, pues A  A .

Dada la matriz A  ai j  C

MATRICES CUADRADAS PARTICULARES

ANILLO DE MATRICES CUADRADAS

A, B  K nxn / A.B  0nn  A  0nn  B  0nn

MATRICES EQUIVALENTES. OPERACIONES ELEMENTALES, COMBINACIONES

Forma escalonada de una matriz

Escalonemos las matrices C, D y E:

 5  5  6 5  5  6 5  5  6 A la segunda fila se le sumó la primera y luego a la

MATRICES INVERSIBLES O NO SINGULARES

INVERSA DE UNA MATRIZ CUADRADA.

RANGO DE UNA MATRIZ

CÁLCULO DEL RANGO

independientes es 1, por la tanto, r (B) = 1.

a11 a12 a13

MENOR COMPLEMENTARIO DEL ELEMENTO a i j DE UNA MATRIZ DE CLASE nn

 a11 a12  a1( j 1 ) a1 j a1( j 1 )  a1n 

ADJUNTO O COFACTOR DEL ELEMENTO a i j DE UNA MATRIZ DE CLASE nn

o lo que es lo mismo: Ai j = (1)i + j . Mi j

DETERMINANTE DE UNA MATRIZ DE CLASE nn

a11 a12 a13 ... a1n

A  3. 12  32  150  24  40  60   6  40  20  75  372  21  351

a11 a12 a13 ... a1( n1 ) a1n 

Entonces: A  a11 . a22 . a33 ......an1n1 . ann .