Matrices y determinantes

Material elaborado por:

MSc. Wilfrido Almada Ortiz

Campus Universitario
San Lorenzo, Paraguay

Índice
Índice...................................................................................................................................................... 1
 Universidad Nacional de Asunción
Facultad de Ciencias Exactas y Naturales
Departamento de Educación a Distancia

1. Concepto de matriz ........................................................................................................................ 2

1.1. Orden de una matriz............................................................................................................... 2
1.2. Representación algebraica ..................................................................................................... 3
2. Tipos de matrices: cuadradas, unidad o identidad y transpuesta .................................................. 3
3. Igualdad de matrices ...................................................................................................................... 4
4. Operaciones con matrices .............................................................................................................. 5
4.1. Adición y sustracción .............................................................................................................. 5
4.2. Matriz Nula o Cero ................................................................................................................. 5
4.3. Matriz opuesta ....................................................................................................................... 6
4.4. Multiplicación de un número real por una matriz .................................................................. 7
4.5. Multiplicación de matrices ..................................................................................................... 7
4.6. Inversa de una matriz ............................................................................................................. 8
5. Matrices y sistemas de ecuaciones ................................................................................................ 9
5.1. Representación matricial de ecuaciones ................................................................................ 9
6. Determinantes ............................................................................................................................. 10
6.1. Determinante de una matriz cuadrada de 2º orden. ............................................................ 11
6.2. Menor complementaria ....................................................................................................... 11
6.3. Cofactor ................................................................................................................................ 12
6.4. Determinante de una matriz cuadrada de 3er. orden ......................................................... 12
6.5. Regla de Sarrus. .................................................................................................................... 13
6.6. Determinante de una matriz cuadrada de orden mayor que tres ........................................ 14
6.6.1. Propiedades de los determinantes ........................................................................... 15
6.7. Regla de Cramer ................................................................................................................... 16
6.8. Matrices inversas y sistemas de ecuaciones ......................................................................... 17
6.9. Método de Gauss ................................................................................................................. 19
6.10. Solución de problemas que involucren el empleo de matrices. ....................................... 21
Bibliografía ........................................................................................................................................... 24

1. Concepto de matriz
1.1. Orden de una matriz

Cuando los sistemas de ecuaciones lineales son extensos, mayormente se utiliza matrices
por su facilidad de manejo. Las matrices son ordenamientos de datos y se usan no solo en la
resolución de sistemas de ecuaciones lineales, sino además en el cálculo numérico, en la

2 www.virtual.facen.una.py
 Universidad Nacional de Asunción
Facultad de Ciencias Exactas y Naturales
Departamento de Educación a Distancia

resolución de sistemas de ecuaciones diferenciales y de derivadas parciales. Además las

matrices también aparecen de forma natural en geometría, estadística, economía,
informática, física, etc.

Está dado por el número de filas y columnas que la forma, si tiene m filas y n columnas,
entonces el orden de la matriz es m  n .

Ejemplo 1:

2 8 5 
El orden de la matriz A    es 2  3 .
2 7  1

1.2. Representación algebraica

Se llama matriz de orden m  n a todo conjunto rectangular de elementos aij (números,

polinomios, funciones, etc.), dispuestos en m líneas horizontales (filas) y n líneas verticales
(columnas) de la forma

 a11 a12 ..... a1n 

a a 22 ..... a 2 n 
A   21
 ..... ..... ..... ..... 
 
a m1 am 2 ..... a mn 

La matriz A puede ser representada abreviadamente por A   ai j  , con i  1, 2,3,..., m y

j  1, 2,3,..., n .

2. Tipos de matrices: cuadradas, unidad o identidad y transpuesta

Matriz Cuadrada: Es una matriz en la cual m  n

Ejemplo 2: A   2 5 es de orden 2 .

 1 3

Los elementos aij de una matriz cuadrada, donde i  j , forman una diagonal denominada
diagonal principal y a la otra diagonal se denomina diagonal secundaria.

a a12 ..... a1n 

 11 

a a22 ..... a2n 
A   21 
 
 
 am1 am2 ..... amn 

 

diagonal secundaria diagonal principal

3 www.virtual.facen.una.py
 Universidad Nacional de Asunción
Facultad de Ciencias Exactas y Naturales
Departamento de Educación a Distancia

Matriz Unidad o Identidad: Es una matriz escalar con los elementos de la diagonal principal
iguales a 1. Se denota por el símbolo I o I n

1 0 0
Ejemplo 3: I  0 1 0
3  
0 0 1 

Matriz Transpuesta: Dada una matriz A , la transpuesta de A , se representa por At , la cual

se obtiene cambiando filas por columnas. Se deduce que si A es de orden m  n , entonces
At es de orden n  m .

 3 5 
   3 7 3 
Ejemplo 4: A   7 9   At   
 3 8   5 9 8 23
 32

PROPIEDADES DE LA TRANSPUESTA

1)  A  B   At  Bt
t

2)  At   A
t

3)  k. A  k. At
t
para un escalar k.

4)  A.B   Bt . At
t

3. Igualdad de matrices
Dos matrices son iguales cuando tienen la misma dimensión y los elementos que ocupan el
mismo lugar en ambas son iguales.

3 8   4 1 5  3 
   
Ejemplo 5: Sean las matrices A   0 5  B   2  2 5 1 
1 2  1  2 4  2 
   

Observando que las matrices A y B son del mismo tipo ( 3  2 )

4 www.virtual.facen.una.py
 Universidad Nacional de Asunción
Facultad de Ciencias Exactas y Naturales
Departamento de Educación a Distancia

a11  3 y b11  4  1  3  a11  b11 

a21  0 y b21  2  2  0  a21  b21 
a31  1 y b31  1  2  3  a31  b31 
  todos los elementos correspondientes son iguales,
a12  8 y b12  5  3  8  a12  b12 
a22  5 y b22  5 1  5  a22  b22 

a32  2 y b32  4  2  2  a32  b32 
en este caso se dice que A = B .

4. Operaciones con matrices

4.1. Adición y sustracción

ADICIÓN:

Dada las matrices A y B del mismo orden se llama suma de matrices A y B (se
representa por A  B ), a la matriz C cuyos elementos se obtienen sumando los elementos
correspondientes de A y B entre sí. Es decir cij  aij  bij .

a a a13   b11 b12 b13   a11  b11 a12  b12 a13  b13 
A   11 12  B   A B   
 a21 a22 a23   b21 b22 b23   a21  b21 a22  b22 a23  b23 

Ejemplo 6:

1 3 7  8 3 6  1  8 3  (3) 7  6 
A  B   A B   
 4 0 9   9 7 1   4  (9) 0  (7) 9  1 

9 6 13 
A B   
 13 7 10 

OBS: puede observarse fácilmente que la adición de matrices cumple con las propiedades:

Conmutativa: A  B  B  A

Asociativa: A  B  C  A  B  C

4.2. Matriz Nula o Cero

Se llama matriz nula, a toda matriz cuyos elementos son ceros y se designa por O m  n

5 www.virtual.facen.una.py
 Universidad Nacional de Asunción
Facultad de Ciencias Exactas y Naturales
Departamento de Educación a Distancia

Ejemplo 7:

0 0 0 0
 
034  0 0 0 0
0 0 0 0
 

(A veces se simboliza solamente por O , en este caso se subentiende que O tiene el mismo
número y fila y columna que la matriz con el que se quiere sumar)

La matriz O es la única solución de la ecuación matricial A  X  A y podemos entonces

decir que el conjunto de las matrices m n satisface el axioma 5A “Existencia de una
Identidad Aditiva” (existe una única matriz nula o cero, tal que A  O  A para todo
matriz A )

Ahora podemos definir la operación de:

SUSTRACCIÓN:

La sustracción de matrices definimos del siguiente modo: A – B  A    B 

Ejemplo 8:

1 3 7  8 3 6  1  8 3  (3) 7  6 
A  B   A B   
 4 0 9   9 7 1   4  (9) 0  (7) 9  1 

 7 0 1 
A B   
5 7 8

4.3. Matriz opuesta

Matriz opuesta de A (que se representa por – A )

Llamase matriz opuesta de A , a la matriz que sumada con A nos da como resultado la
matriz nula, es decir A    A  O (los elementos de  – A son los respectivos inversos
aditivos de A )

Ejemplo 9:

 3 5   3 5 
   
A  7 9    A   7 9 
 3 8  3 8 
  

Luego el conjunto de matrices m  n satisface el axioma que dice “Toda matriz A tiene una
inversa aditiva”   A que es la solución única de la ecuación A  X  O .

6 www.virtual.facen.una.py
 Universidad Nacional de Asunción
Facultad de Ciencias Exactas y Naturales
Departamento de Educación a Distancia

4.4. Multiplicación de un número real por una matriz

Dado un número real k y una matriz A podemos obtener una matriz kA multiplicando k
por todos los elementos de A . Esto es, sí A  [aij ]mn entonces kA  C donde
cij  kaij i, j

Ejemplo 10:

 4 7   6.4 6.(7)   24 42 

     
A   9 1   6 A   6.9 6.1    54 6 
 3 2   6.(3) 6.2   18 12 
     

4.5. Multiplicación de matrices

Dada una matriz A  [aij ]mn y una matriz B  [bij ]m p se denomina producto de A por B a
la matriz C  [cij ]m p tal que el elemento cij es la suma de los productos de los elementos
correspondientes de la i -ésima fila de A por los elementos correspondientes de la j -ésima
columna de B .

n
C  A.B  cij   aij .bik  ai1.b1k  ai 2 .b2 k  ... ain .bnk
j 1

Amn .Bn p   A.B m p

Ejemplo 11:

 1 4 
  5 7 3 
A   3 9  B 
7 0   2 6 8 
 

 1.5  4.(2) 1.(7)  4.6 1.3  4.8   13 31 29 

   
A.B   3.5  9.(2) 3.(7)  9.6 3.3  9.8    33 75 63 
 7.5  0.(2) 7.(7)  0.6 7.3  0.8   35 49 21 


PROPIEDADES

 A.  B.C    A.B  .C Asociativa

7 www.virtual.facen.una.py
 Universidad Nacional de Asunción
Facultad de Ciencias Exactas y Naturales
Departamento de Educación a Distancia

 A.  B  C   A.B  AC Distributividad hacia la derecha

 B  C  . A  B. A  C. A Distributividad hacia la izquierda

OBSERVACIÓN

 La multiplicación de matrices no es una conmutatividad, es decir, en general A.B  B. A

 Si ocurre que A.B  B. A , se dice que las matrices A y B conmutan.
 En la multiplicación de matrices no tiene validez la propiedad del elemento nulo del
producto, es decir, se puede obtener A.B  O siendo A  O y B  O .
 Tampoco tiene validez la propiedad cancelativa, es decir, se puede tener A.B  AC
.
pero B  C .
 En particular, si A es una matriz cuadrada, podemos formar potencias de A .

A0  I A2  A. A A3  A 2 . A

4.6. Inversa de una matriz

Inversa de una Matriz: Sea una matriz cuadrada A   ai j  de orden n si existe una matriz
cuadrada B , del mismo orden, que satisfaga la condición: A.B  B.A  I , decimos que B es la
inversa de A y se representa por A1 . Por tanto, A. A1  A1. A  I .

Ejemplo 12:

 2 5 y  3 5 , entonces
A  B 
 1 3  1 2 

 2 5  3 5 1 0
A.B   .  I
1 3  1 2  0 1 

 3 5  2 5 1 0
B. A     I
 1 2  1 3 0 1 

Puesto que A.B  B.A  I , A y B son invertibles, siendo cada una la inversa de la otra.

Propiedades de la Inversa:

La matriz inversa, si existe, es única.

 ( A.B)1  B 1. A1

 ( A1 )1  A
1
1 
 (k . A) 1
  .A 
k 
( At )1   A1 
t


8 www.virtual.facen.una.py
 Universidad Nacional de Asunción
Facultad de Ciencias Exactas y Naturales
Departamento de Educación a Distancia

5. Matrices y sistemas de ecuaciones

5.1. Representación matricial de ecuaciones

Usando la idea de multiplicación de matrices, los sistemas de ecuaciones lineales pueden

escribirse en la forma de ecuaciones matriciales.

Ejemplo 13:

2x  3y  7
Considere el sistema 
4x  y  21

que consta de dos ecuaciones lineales simultáneas en las variables x e y ,tenemos el

 2 3  x   2x  3y 
producto de matrices siguiente:      
 4 1   y   4x  y 

Pero de las ecuaciones simultáneas dadas tenemos la igualdad siguiente:

 2x  3y   7 
 4x  y    21 . Por consiguiente,
   

 2 3  x   7 
 4 1   y    21 .Si definimos matrices A , B y X como
    

 2 3  x 7
A  , X   y B 
4 1   y  21

AX  B

Supongamos ahora que se nos da un sistema general de m ecuaciones lineales en n

variables. Denotamos las variables por x1 , x2 ,, xn y supongamos que el sistema adopta la
forma siguiente.

a11 x1  a12 x2   a1n xn  b1

a21 x1  a22 x2   a2 n xn  b2
a31 x1  a32 x2   a3n xn  b3

am1 x1  am 2 x2   amn xn  bm

Definimos la matriz Amn cuyos elementos son los coeficientes de x1 , x2 ,, xn ; A   aij 

9 www.virtual.facen.una.py
 Universidad Nacional de Asunción
Facultad de Ciencias Exactas y Naturales
Departamento de Educación a Distancia

Note que la primera columna de A contiene todos los coeficientes de x1 , la segunda contiene
todos los coeficientes de x2 , etc. Sea X el vector columna integrado por las n variables
x1 , x2 ,, xn y B el vector columna formado por las m constantes a la derecha de las
ecuaciones. Por consiguiente,

 x1   b1 
X    y B   
 xn  bm 

Ahora consideremos el producto el producto AX .Este producto está definido porque el

número de columnas de A es igual al número de renglones de X .Tenemos

 a11 a12  a1n   x1 

AX     
 
 am1 am 2  amn   xn 

 a11 x1 a12 x2  a1n xn   b1 

    B
  
 am1 x1 am 2 x2  amn xn  bm 

Así que, el sistema de ecuaciones es otra vez equivalente a la sola ecuación matricial AX  B

6. Determinantes
A cada matriz cuadrada se le puede asociar un número real denominado determinante. El
determinante se denota encerrando la matriz entre barras verticales.

Ejemplo 14:

Si A es una matriz dada 2  2 por:

 2 3
A  entonces su determinante se denota por A , o, sin abreviar, por:
 4 5

2 3
4 5

El determinante de una matriz n  n se dice que es un determinante de orden n .

Ejemplo 15:

10 www.virtual.facen.una.py
 Universidad Nacional de Asunción
Facultad de Ciencias Exactas y Naturales
Departamento de Educación a Distancia

El determinante A que se acaba de definir es un determinante de orden 2 .

Se usa el símbolo  (delta) para denotar un determinante

6.1. Determinante de una matriz cuadrada de 2º orden.

Un determinante de orden 2 está definido por la expresión siguiente:

a1 b1
 a1b2  a2b1
a2 b2

En otras palabras, el determinante está dado por el producto de a1 y b2 sobre la diagonal

principal menos el producto de los elementos a2 y b1 sobre la otra diagonal.

Ejemplo 16:

2 3
  2  5  4  3  10  12  22
4 5

6.2. Menor complementaria

Se llama menor complementaria Dij relativo a un elemento aij de la matriz

 a11 a12 ..... a1n 


a a22 ..... a2 n  al determinante asociado a la matriz cuadrada de orden
A( nn )   21
..... ..... ..... ..... 
 
 an1 an 2 ..... ann 
n  1 n  1 obtenida en A( nn ) , por medio de la eliminación de la fila y de la columna que
contienen el elemento aij considerado.

11 www.virtual.facen.una.py
 Universidad Nacional de Asunción
Facultad de Ciencias Exactas y Naturales
Departamento de Educación a Distancia

Ejemplo 17:

 2 1 3 
Sea la matriz A  0 1 4  entonces D11 
1 4
 9 (en este caso se elimina la fila 1 y
2 1
5 2 1 
1 4
la columna 1 y queda la matriz   al cual se le aplica el determinante)
 2 1 

6.3. Cofactor

Se llama cofactor del elemento aij al número real que se obtiene multiplicándose (1)i  j
por la menor complementaria de aij y que es representado Aij .

Entonces: Ai j  (1)i  j .Di j

Ejemplo 18:

 2 5 8  1 2 2 8
A   A12  (1) .  1.(2.3  1.8)  1.(2)  2.
1 11 3  1 3

6.4. Determinante de una matriz cuadrada de 3er. orden

Un determinante de orden 3 se define por la expresión siguiente

a1 b1 c1
  a2 b2 c2  a1b2c3  a2b3c1  a3b1c2  a1b3c2  a3b2c1  a2b1c3
a3 b3 c3

Al evaluar el determinante de tercer orden, utilizamos los denominados cofactores. Cada

elemento del determinante tiene asociado un cofactor, que se denota con la letra mayúscula
correspondiente. Por ejemplo, A21 indica el cofactor de a21 , A32 denota al cofactor de b3 ,
etc.

En el determinante  , a21 aparece en el segundo renglón y la primera columna

( i  2 y j  1 , de modo que su cofactor es

b1 c1 b1 c1
A21   1 D21   1
2 1

3

b3 c3 b3 c3

Puesto que c3 es común al tercer renglón y a la tercera columna (i  j  3) su cofactor es

12 www.virtual.facen.una.py
 Universidad Nacional de Asunción
Facultad de Ciencias Exactas y Naturales
Departamento de Educación a Distancia

a1 b1 a1 b1
A33  (1)33 D33  (1)6 . 
a2 b2 a2 b2

2 3 1
Ejemplo 19:  1 4 2
3 1 4

4 2 1 2 1 4
  a1 A11  b1 A12  c1 A13  2 3   1
1 4 3 4 3 1

 2  4.4  1.2  3 1.4    3  2    1  1.1 ( 3 4 =

 2 16  2  3  4  6  11  12  15

6.5. Regla de Sarrus.

La regla de Sarrus es válida solamente para determinantes de orden 3

Tenemos nuestro determinante de una matriz cualquiera, por ejemplo:

a1 b1 c1
  a2 b2 c2
a3 b3 c3

Volvemos a escribir las dos primeras filas ocupando unas hipotéticas cuarta y quinta fila
respectivamente:

a1 b1 c1
a2 b2 c2
  a3 b3 c3
a1 b1 c1
a2 b2 c2

Una vez hecho esto el cálculo del determinante es como sigue:

Multiplicamos los elementos por diagonales.

Las diagonales descendentes de izquierda a derecha llevan un signo  , mientras que las de
derecha a izquierda, también descendentes, llevan el signo  .

13 www.virtual.facen.una.py
 Universidad Nacional de Asunción
Facultad de Ciencias Exactas y Naturales
Departamento de Educación a Distancia

a1 b1 c1
a2 b2 c2
  a3 b3 c3  a1b2 c3  a2b3c1  a3b1c2  a1b3c2  a3b2 c1  a2b1c3
a1 b1 c1
a2 b2 c2

Ejemplo 20:

2 3 4
Calcular   1 0 5
2 4 0

Solución:

2 3 4
1 0 5
  2 4 0   2.0.0   1.4.4    2.3.5    4.0.2    5.4.2    0.3.1  6
2 3 4
1 0 5

6.6. Determinante de una matriz cuadrada de orden mayor que tres

Método de Laplace

Es el método que permite calcular el determinante de una matriz cuadrada de cualquier

orden. También recibe el nombre de “método de menor complementario”.

 a11 a12 ..... a1n 


Considerando la matriz a a22 ..... a2 n  se puede calcular el determinante de la
A( nn )   21
..... ..... ..... ..... 
 
 an1 an 2 ..... ann 
matriz A utilizando el método de Laplace de las siguientes formas:”

1a forma: Fijando la fila i.

det A = ai1 Ai1  ai 2 Ai 2  ...  ain Ain

2a forma: Fijando la columna j.

det A = a1 j A1 j  a2 j A2 j  ...  anj Anj

14 www.virtual.facen.una.py
 Universidad Nacional de Asunción
Facultad de Ciencias Exactas y Naturales
Departamento de Educación a Distancia

Ejemplo 21:

 2 3 1 0
 
4 2 1 3
Calcular el valor del determinante 
 1 5 2 1
 
 0 3 2 6

Solución: Para el cálculo del determinante, se aplica el método de Laplace, hasta llegar a un
determinante de 3er orden, y luego se emplea la regla de Sarrus.

Fijando la 1a fila se tiene:

det A  a11 A11  a12 A12  a13 A13  a14 A14 1

2 1 3
11
a11 A11  2.(1) . 5 2 1  2.17  34
3 2 6

4 1 3
1 2
a12 A12  3.(1) . 1 2 1  3.44  132
0 2 6

4 2 3
1 3
a13 A13  (1).(1) . 1 5 1  1.(111)  111
0 3 6

4 2 1
1 4
a14 A14  0.(1) . 1 5 2  2  0
0 3 6

Sustituyendo en (1), se tiene det A = 34-132+111=13

6.6.1. Propiedades de los determinantes

 El determinante de una matriz A y el de su transpuesta At son iguales; es decir A  At

.
 Sea A una matriz cuadrada, si A posee dos filas (columnas) iguales, necesariamente
A 0
 Si A es triangular; esto es, A sólo tiene ceros por encima o por debajo de la diagonal
principal, entonces A es igual al producto de los elementos de la diagonal.

15 www.virtual.facen.una.py
 Universidad Nacional de Asunción
Facultad de Ciencias Exactas y Naturales
Departamento de Educación a Distancia

 Sea A cualquier matriz n-cuadrada, son equivalentes los siguientes principios:

A es invertible, es decir, A tiene inversa A1 .
A. X  0 tiene solamente la solución trivial
El determinante de A no es nulo A  0 .
 El determinante es una función multiplicativa. Esto es, el determinante del producto de
matrices A y B es el producto de los determinantes: A  B

6.7. Regla de Cramer

La regla de Cramer consiste en un método para resolver un sistema lineal.

 a11 x1  a12 x2  a13 x3  b1


Siendo el sistema: a21 x1  a22 x2  a23 x3  b2
a x  a x  a x  b
 31 1 32 2 33 3 3

 a11 a2 a13 
Sean A   a21 a22 a23  la matriz incompleta de ese sistema.
 a31 a32 a33 

 b1 a12 a13 
A1  b2 a22 a23  la matriz obtenida de A , sustituyéndose la columna de los coeficientes
b3 a32 a33 
de x1 por la columna de los términos independientes.

 a11 b1 a13 
A2   a21 b2 a23  la matriz obtenida de A , sustituyéndose la columna de los coeficientes
 a31 b3 a33 
de x2 por la columna de los términos independientes.

 a11 a12 b1 
A3   a21 a22 b2  la matriz obtenida de A , sustituyéndose la columna de los coeficientes
 a31 a32 b3 
de x3 por la columna de los términos independientes.

Aplicando la regla de Cramer se obtiene:

det A det A det A

x1  , x2  , x3 
det A1 det A2 det A3

16 www.virtual.facen.una.py
 Universidad Nacional de Asunción
Facultad de Ciencias Exactas y Naturales
Departamento de Educación a Distancia

Generalizando, en un sistema lineal el valor de la incógnita se da por la expresión:

det Ai
xi  donde : A es la matriz incompleta del sistema xi y Ai es la matriz obtenida
det A
de A, sustituyéndose las columnas de los coeficientes de xi por la columna de los términos
independientes.

Ejemplo 22:

 x1  2 x2  x3  0

Resuelva el sistema 3x1  4 x2  5 x3  10
 x  x  x 1
 1 2 3

Solución:

 Cálculo del determinante de la matriz incompleta

1 2 1
A  3 4 5   det A  12
1 1 1 
 Cálculo del determinante de las incógnitas

 0 2 1 1 0 1
A1  10 4 5   det A1  24 A 2 = 3 10 5   det A2  12
 1 1 1  1 1 1 

1 2 0 
A3  3 4 10   det A3  0
1 1 1 

 Cálculo de las incógnitas

det A1 24 det A2 12 det A3 0

x1    2, x2    1, x3   0
det A 12 det A 12 det A 12

6.8. Matrices inversas y sistemas de ecuaciones

Matriz adjunta

Sea A   aij  una matriz cuadrada y denotemos con Aij el cofactor del elemento aij del
determinante de A (esto es, A11 indica el cofactor de a11 , el primer elemento del primer
renglón de A ; A32 denota al cofactor de a32 , el segundo elemento del tercer renglón de A ;

17 www.virtual.facen.una.py
 Universidad Nacional de Asunción
Facultad de Ciencias Exactas y Naturales
Departamento de Educación a Distancia

etc.) La matriz  Aij  cuyo elemento es ij es el cojactor Aij se conoce como la matriz de
cofactores de A .La transpuesta de la matriz de cofactores se denomina la adjunta de A y se
denota por adj A .

Ejemplo 23:

1 2 3
Determine la adjunta de la matriz A   4 5 6 
 3 1 2 

Calculemos en primer término los cofactores Aij de los diversos elementos aij de A   aij 

1 2 3
5 6
A11   1
11
4 5 6  10  6  4
1 2
3 1 2

1 2 3
4 6
A12   1    8  18   10
1 2
4 5 6 
3 2
3 1 2

De manera similar,

4 5
A13   1
1 3
 4  15  11
3 1

2 3
A21   1    4  3  1
2 1

1 2

Y así sucesivamente; los otros cofactores son A22  7 , A23  5 , A31  5 , A32  6 y A33  3

Así, la matriz de cofactores es

 A11 A12 A13   4 10 11

 Aij    A21 A22 A23    1 7 5 

 A31 A32 A33   3 6 3 

Por consiguiente, adj A es la transpuesta de  Aij  y por lo tanto está dada por

18 www.virtual.facen.una.py
 Universidad Nacional de Asunción
Facultad de Ciencias Exactas y Naturales
Departamento de Educación a Distancia

 4 1 3 
adj A   10 7 6 
 11 5 3 

6.9. Método de Gauss

Sea A   aij  una matriz cuadrada de orden n . Para calcular la matriz inversa de A , se sigue
los sgtes. pasos:

Paso 1: Construir la matriz n  2n ; esto es M   A : I  , donde A está en la mitad izquierda

de M y la matriz identidad I en la derecha.

Paso 2: Se deja tal y como está la primera fila de M , y debajo del primer término de la
diagonal principal a11 , que llamaremos pivote, ponemos ceros. Luego se opera como se
indica en el siguiente ejemplo.

Ejemplo 24:

 a11 a12 a13 

Considerando una matriz 3  3 arbitraria: A   a a a 
 21 22 23 

 a31 a32 a33 

 a11 a12 a13 : 1 0 0

Paso 1: M   A : I   a a a : 0 1 0 
 21 22 23 
 a31 a32 a33 : 0 0 1 

 a11 a12 a13 : 1 0 0 

Paso 2:  0 a11a22  a21a12 a11a23  a21a13 : a11 0  a21.1 a11.0  a21.0 
a111  a21 0

 0 a11a32  a31a12 a11a33  a31a13 : a11 .1  a31 .1 a11.0  a31.0 a111  a31.0 

El siguiente paso es igual que el anterior, pero esta vez se toma como pivote el segundo
término de la diagonal principal.

Al llegar al último término de la diagonal, se procede igual que antes, pero poniendo los
ceros encima del nuevo pivote. Se observa que al tomar como pivote el último término de la
diagonal, la matriz A se transforma en una matriz triangular.

Una vez realizados todos los pasos, la mitad izquierda de la matriz M se convierte en una
matriz diagonal. En este momento hay que proceder a transformar, si es que no lo está, la
mitad izquierda en la matriz identidad, dividiendo si fuera necesario las filas de M por un
escalar.

19 www.virtual.facen.una.py
 Universidad Nacional de Asunción
Facultad de Ciencias Exactas y Naturales
Departamento de Educación a Distancia

Ejemplo 25:

1 0 2
Encontrar la inversa de A   2 1 3
 
 4 1 8 

Primero construimos la matriz M   A : I  ,

 1 0 2 : 1 0 0  1 0 2 : 1 0 0  1 0 2 : 1 0 0 
M   2 1 3 : 0 1 0   0 1  2.0 3  2.2 : 0  2 1  2.0 0   0 1 1 : 2 1 0 
 4 1 8 : 0 0 1   4 1  4.0 8  4.2 : 0  4 0 1  0  0 1 0 : 4 0 1 

Luego se toma como pivote a22  1

1 0 2 : 1 0 0  1 0 2 : 1 0 0

 0  1 1 : 2 1  
0   0  1  1 :  2 1 0 
0 0 0  (1) :  4  (2) 0  1  1  0 0 0 1 : 6  1  1

La mitad izquierda de M está en forma triangular, por consiguiente, A es invertible. Si

hubiera quedado toda una fila con ceros en la mitad A de M ,la operación habría terminado
( A no es invertible).

A continuación, tomamos como pivote a33 , ponemos ceros encima de éste y seguimos
operando hasta que nos quede una matriz diagonal.

1 0 0 : 11 2 2 
 0 1 0 : 4 0 1
0 0 1 : 6 1 1

Ya que la matriz colocada en la mitad izquierda es diagonal, no hay que operar más.
Transformamos la matriz diagonal en una matriz identidad; para ello hay que dividir la
segunda fila entre  1 .

1 0 0 : 11 2 2 
 0 1 0 : 4 0 1
0 0 1 : 6 1 1

La matriz que ha quedado en la mitad derecha de M es precisamente la matriz inversa de

A:

 11 2 2 
A   4 0 1 
1

 6 1 1

20 www.virtual.facen.una.py
 Universidad Nacional de Asunción
Facultad de Ciencias Exactas y Naturales
Departamento de Educación a Distancia

Para comprobar si el resultado es correcto, se procede a multiplicar A. A1 , teniendo que dar
como resultado la matriz identidad I

Comprobación:

1 0 2   11 2 2  1 0 0 
A. A   2 1 3   4 0 1   0 1 0   I
1

 4 1 8   6 1 1 0 0 1 

6.10. Solución de problemas que involucren el empleo de matrices.

 a  3 5  8 b  1
1) Determinar a, b, c, d para que las matrices   y  sean iguales.
 c  1 10  0 2d 

Solución: Igualando las matrices tenemos

a  3 5  8 b  1
 c  1 10  = 0 2d 
   

Entonces a  3  8  a  8  3  5, 5  b  1  b  5  1  6

10
c  1  0  c  1, 10  2d  d   5 Luego a  5, b  6, c  1 y d  5
2

2) Construir la siguiente matriz:

A  [a ij ]23 , siendo aij  2i 2  j 2  1

Solución: Utilizando la condición aij  2i 2  j 2  1 para construir la matriz tenemos

a11  2 12  12  1  2, a12  2 12  22  1  1, a13  2 12  32  1  6.

a21  2  22  12  1  8, a22  2  22  22  1  5, a23  2  22  32  1  0 por lo tanto la matriz es

 2 1 6
A 
8 5 0 

3. Valor de inventario Una tienda tiene en existencia estos tamaños de toallas, disponibles
en cinco colores: pequeña, a un precio de $8.99 cada una; mediana, a un precio de $10.99
cada una; y grande, a un precio de $12.99 cada una.

El inventario actual de la tienda es como sigue:

21 www.virtual.facen.una.py
 Universidad Nacional de Asunción
Facultad de Ciencias Exactas y Naturales
Departamento de Educación a Distancia

Colores
Tamaño de la toalla
Blanca Canela Beige Rosado Amarillo

Pequeña 400 400 300 250 100

Mediana 550 450 500 200 100

Grande 500 500 600 300 200

a) Organice estos datos en una matriz A de inventario y una matriz B de precios para que
el producto C  AB quede definido.

b) Encuentre C .

c) Interprete el significado del elemento c51 en C .

Solución:

a) Sean las matrices A matriz de inventario y B matriz de precios entonces

 400 550 500 
 400 450 500 
 $8,99 
A  300 500 600  , B  $10,99 
 
 250 200 300  $12,99 
100 100 200 
b)

 400 550 500 

 400 450 500  $8,99
   
C  A.B  300 500 600   $10,99  

 
 250 200 300  $12,99 
100 100 200 
 400  $8,99  550  $10,99  500  $12,99  $16135,5 
 400  $8,99  450  $10,99  500  $12,99  $15036,5
   
300  $8,99  500  $10,99  600  $12,99   $15986 
   
 250  $8,99  200  $10,99  300  $12,99  $8342,5 
100  $8,99  100  $10,99  200  $12,99  $4596 

22 www.virtual.facen.una.py
 Universidad Nacional de Asunción
Facultad de Ciencias Exactas y Naturales
Departamento de Educación a Distancia

c) Los $4596 representan la cantidad que la tienda recibirá si se vendieran todas las
toallas amarillas.

23 www.virtual.facen.una.py
 Universidad Nacional de Asunción
Facultad de Ciencias Exactas y Naturales
Departamento de Educación a Distancia

Bibliografía
Kindle, J. H. (2000). Geometría analítica plana y del espacio. México. Mc Graw Hill.
150 p.
Lehmann, Ch. H. (2010). Geometría analítica. México. Limusa. 494 p.
Lodoño, N., & Bedoya, H. (1994). Matemática Progresiva. Norma.

Spiegel, M., & Moyer, R. (2007). Álgebra Superior. McGraw-Hill Interamericana.

24 www.virtual.facen.una.py