Está en la página 1de 62

UNIVERSIDAD NACIONAL DE INGENIERÍA

FACULTAD DE INGENIERÍA AMBIENTAL

CAPITULO 1. MATRICES Y DETERMINANTES


EXPERIENCIA
CURRICULAR : MATEMÁTICA BÁSICA II

DOCENTE : Mg. OSCAR GUILLERMO VALVERDE SANDOVAL

CICLO :I

SEMESTRE : 2018 – I

TEMÁTICA : MATRICES Y DETERMINANTES

Mg. Oscar Guillermo Valverde Sandoval Página 1


Mg. Oscar Guillermo Valverde Sandoval Página 2
TEORÍA DE MATRICES
I. INTRODUCCIÓN

Las matrices aparecen por primera vez hacia el año 1850, introducidas por J. J. Silvester. El desarrollo inicial de la
teoría se debe al matemático W. R. Hamilton en 1853. En 1858, A. Cayley introduce la notación matricial como una forma
abreviada de escribir un sistema de m ecuaciones lineales con n incógnitas.

Las matrices aparecen de forma natural en ingeniería, estadística, economía, informática, física, etc.

II. DEFINICIÓN DE UNA MATRIZ. Se denomina matriz de orden m  n sobre el campo de los números reales a un
arreglo rectangular de escalares dispuestos en m líneas horizontales (filas) y n líneas verticales (columnas) de la forma:

 a11 a12 a13 a1n 


a a22 a23 a2 n 
 21
 a31 a32 a33 a3 n 
 
 
am1 am 2 am 3 amn 

Si m  n se dice que la matriz es de orden n .

Las matrices se denotarán usualmente por letras mayúsculas, A , B , … y los elementos por letras minúsculas, a , b , …

Mg. Oscar Guillermo Valverde Sandoval Página 3


Dos matrices A y B son iguales, escrito A  B , si tienen la misma forma (el mismo orden) y si sus elementos
coprrespondientes son iguales.

NOTACIÓN. Abreviadamente suele expresarse en la forma A  a  , i  1,...,m , j  1,...,n , donde a es un elemento


 ij  ij
de la matriz A , dicho elemento está ubicado en la i - ésima fila y la j - ésima columna. Por ejemplo el elemento a será
25
el elemento de la fila 2 y columna 5 .

EJEMPLO:

 1 3 4 
1. A    , matriz de orden 23.
 0 5 2 
Sus filas son 1,  3, 4  y  0, 5,  2  ; sus columnas son  xy  3
 xy 
 1
 1   3   4   . La solución del sistema es x  2 , y  1 , z  3
 ,   y   2z  w  5
 0   5   2  
 zw  4
, w  1 .
 x  y 2z  w  3 5 
2. La aserción    es equivalente al
 x  y z  w  1 4
siguiente sistemade ecuaciones:

Mg. Oscar Guillermo Valverde Sandoval Página 4


III. OPERACIONES CON MATRICES

1. SUMA DE MATRICES.
Sean A  a  y B  b  dos matrices del mismo orden, entonces la matriz A  B está definida por A  B  a  b 
 ij   ij   ij ij 

EJEMPLO:

 2 3 1  2 6 8  4 9 9
Sean A  5 4 4 y B   3
 8 5  , entonces: A  B  a  b    8 4 9 
   
 ij ij 
0 0 7   1 0 4   1 0 11

2. RESTA DE MATRICES.

Sean A  a  y B  b  dos matrices del mismo orden, entonces la matriz A  B está definida por A  B  a  b  .
 ij   ij   ij ij 

 2 3 1  2 6 8
EJEMPLO: Sean A  5 4 4  y B   3
  8 5  , entonces:
0 0 7   1 0 4 
0 3 7 
A  B  a  b   2
  12 1 
 ij ij 
 1 0 3 

Mg. Oscar Guillermo Valverde Sandoval Página 5


PROPIEDADES DE LAS MATRICES

Sean A , B , C matrices y θ (matriz nula) matrices del mismo orden; n ; k  .


Entonces se cumple que:

1. A  θ  A . 4. n kA   k nA   nk  A . 7. 0 : 0A  θ . 10. A    A   θ .

2. A  B  B  A . 8. 1A  A .
5. k  A  B  kA  kB . 11. A   B  A  B .

3.  A  B  C  A  B  C . 9.  1 A   A .
6. n  k  A  nA  kA .

3. MULTIPLICACIÓN DE MATRICES. Sean A  a  de orden m  p y B  b  de orden p  n , entonces la matriz AB está


 ik   kj 
p

definida por AB  cij  ; donde c 


  ij 
k 1
a b
ik kj
.

 2 3 2 
2 3 1 5   6 8 3 
EJEMPLO: Sean A  5 4 4 0  y B   , entonces:
 8 5 1 
0 0 7 1  
 1 1 0 
c c  2  2   3  6   1 8   5  1
 11
c
12 13  8 14  25 8 14 
 
AB  c   c c c  66 3 26   66 3 26 
 ij   21 22 23 

c c c  0  2   0  6   7  8   1 1 36 7  55 36 7 
 31 32 33 

Mg. Oscar Guillermo Valverde Sandoval Página 6


PROPIEDADES DE LA MULTIPLICACIÓN

Ahora sí A  a  , B  b  y C  c  . Entonces:
 ik m  p  kr p  q  rt  q  n

1.  AB C  A BC . 3. A B  C  AB  AC, p = q = n . 5. AB  θ , no implica que A  θ ó

Bθ.
2.  A  B C  AC  BC, m  p  q . 4. AB  BA . En general el producto

de matrices no es conmutativo. 6. AB  AC , no implica que B  C .

IV. TIPOS ESPECIALES DE MATRICES.

Vamos a describir algunos tipos de matrices que aparecen con frecuencia debido a su utilidad, y de los que es
conveniente recordar su nombre.

A. ATENDIENDO A LA FORMA

a) MATRIZ FILA. Es una matriz que solo tiene una fila, y n columnas
es decir m =1 y por tanto es de orden 1 n .

EJEMPLOS:

1. A   2 5 3. C   2 6 1 5. D  0 0 0 0

2. B  4 1 0 4. N  1 6. K  0 10 0 4

Mg. Oscar Guillermo Valverde Sandoval Página 7


b) MATRIZ COLUMNA. Es una matriz que solo tiene una columna, y n filas es decir, m  1 y por tanto es de orden
n  1.
EJEMPLOS:

3  0 
1. A  0 
 1 2. P   
0 
 
0 

c) MATRIZ CUADRADA. Es aquella que tiene el mismo número de filas que de columnas, es decir m = n . En estos
casos se dice que la matriz cuadrada es de orden n . Los elementos a con i = j , forman la denominada diagonal
ij
principal de la matriz cuadrada.

Mg. Oscar Guillermo Valverde Sandoval Página 8


EJEMPLOS:

 7 3 8 1 7 1 1 0  1 3 2 0
1.      
B   3 3 1  9 2 0 2 4 2 1 5 1
3. C
 1 2 2  2. B  0 2 3 6 2  0 3 9 2 
   
7 4 6 0 1  0 4 8 5
4 5 3 0 
 1

d) MATRIZ RECTANGULAR. Es una matriz de orden m  n m  n

EJEMPLOS:

 1 5 1 3   1 4 9 5 4 5
1. 
A 4
    
0 6 4  5 0 2  1 0 9
2. B 3. B
 9 2 2 1   1 6 2 5 6 7
   
 3 4 1 1 4 2

e) MATRIZ TRASPUESTA  AT  . Si A es una matriz de orden m  n , entonces la traspuesta de A , denotada por A , es T

la matriz de orden n  m , cuya i  ésima fila es la i  ésima columna de A y cuya j  ésima columna es la j  ésima fila
de A .

T
 a11 a12 ... a1n   a11 a21 ... am1 
   
 a21 a22 ... a2 n  a
  12
a22 ... am 2 
 ...   
   
 am1 am 2 ... amn   a1n a2 n ... amn 

Mg. Oscar Guillermo Valverde Sandoval Página 9


PROPIEDADES DE LA TRASPUESTA
Sean A , B matrices del mismo orden e I la matriz identidad; n ; k  . Entonces se cumple que

 A  BT  AT   
T
1. BT . 7. A  AT  AT  A

  2 A  AT   21  A  AT 
T
2. AT  A. 8. A
1
.

nA T  nAT .
   
3. T m 
9. Am  AT , m

4. T   .
10. A  A  A

5.  ABT  BT AT 11. Am An  Am  n , m, n  

 
T
6. A  AT  AT  A

Mg. Oscar Guillermo Valverde Sandoval Página 10


f) MATRIZ SIMÉTRICA. Una matriz cuadrada A de orden n es simétrica si A AT , es decir, si
a a , i, j 1, ... , n .
ij ji

EJEMPLOS:

 1 4  1 3 2 0
1. A    AT 
4 2
 3 1 5 1
2. D    DT
 2 5 9 2 
 
 0 1 2 5 

g) MATRIZ ANTISIMÉTRICA. Una matriz cuadrada A de orden n es antisimétrica si A AT , es decir, si


a a , i, j 1, ... , n .
ij ji

EJEMPLOS:

 0 4 0 4   0 3 2 0
Si A , entonces A T   . Por  3 1
 0
1.
 4 0  4 2. Si C
0 5
, entonces
 2 5 0 2 
 
 0 1 2 0
consiguiente A   AT .
 0 3 2 0
 3 0 5 1 
CT   . Por consiguiente C   CT .
 2 5 0 2
 
 0 1 2 0

Mg. Oscar Guillermo Valverde Sandoval Página 11


PROPIEDADES:
1. Si A es una matriz cuadrada de orden n , entonces A AT es una matriz simétrica y A AT es una matriz
antisimétrica.
2. Toda matriz cuadrada A se puede descomponer en la suma de dos matrices, una simétrica y otra antisimetrica.
Es decir:
1 1
A A AT A AT
2 2

h) MATRIZ ORTOGONAL. Una matriz ortogonal es una matriz cuadrada cuya matriz inversa coincide con su matriz traspuesta.

Es decir: A1  AT

i) MATRIZ IDEMPOTENTE. Dada la matriz A nn , si A2  A , entonces se dice que A es idempotente.


j) MATRIZ PERIODICA. Dada la matriz A nn , si para un número entero y positivo p , ocurre que:

Ap1  A

Se dice que A nn es una matriz periódica, de periodo p .

 1 2 4
EJEMPLO. A 
 
 1 2 4 
 1 4 
 2

Si A nn es unas mattriz periódica tsal que A5  A , hallar el periodo y calcular A 99 .

Mg. Oscar Guillermo Valverde Sandoval Página 12


SOLUCIÓN:

Como A5  A , entonces p  1  5  p  4.

2 41 3 41 4 41


Ahora: A9  A  A5  A  A13  A  A  A17  A A

4 24 1
Por consiguiente: A
99
 A 2 A 97  A 2 A  A3

k) MATRIZ INVOLUTIVA. Una matriz A nn tal que A 2  Inn , se le denomina matriz involutiva
l) MATRIZ NILPOTENTE. En álgebra lineal, una matriz A nn se dice que es nilpotente si existe k  tal que

 A nn 
k
 0nn . A k  se le denomina indice de nilpotencia o se dice que A nn es de indice (o de orden) k y se

define como mín k    A nn 


k
 0nn 
B. ATENDIENDO LOS ELEMENTOS
a) MATRIZ NULA. Es aquella donde todos sus elementos son nulos y se representa por θ .

EJEMPLOS:

0 0  0 0 0  0 0  7. θ  0 0
1. θ   
0 0  3. θ  0 0 0  5. θ  0 0 
   
0 0 0 0 0 0 0 0
0 0 0  0 0 0
2. θ  8. θ 
0 0 0  4. θ  0 0 0 0 0 0 0 0  0 0 0
6. θ   
0 0 0 0  0 0 0

Mg. Oscar Guillermo Valverde Sandoval Página 13


b) MATRIZ DIAGONAL. Es una matriz cuadrada, en la que todos los elementos no pertenecientes a la diagonal principal son
nulos.

 1 0 0 0
 
 0 2 0 0
A0 0 3 0
 
 
0 0 n 
 0

EJEMPLOS:

 1 0 3 0 0   1 0 0
A  C  0 4 0  D 0 0
1.
0 3  2. 3. 2
   
0 0 2  0 0 6 

c) MATRIZ ESCALAR. Es una matriz diagonal con todos los elementos de la diagonal principal iguales.

EJEMPLOS:

0 0 0  1 0 0 2 0 0 0
1.   3.    
D  0 0 0  D  0 1 0  0 2 0 0
5. C
0 0 0  0 0 1 0 0 2 0
 
0 0 0 2
5 0 0  7 0 0 
   
2. M  0 5 0  4. M  0 7 0  0 0
0 0 5  0 0 7 
6. A 
0 0

Mg. Oscar Guillermo Valverde Sandoval Página 14


d) MATRIZ UNIDAD O IDENTIDAD. Es una matriz escalar con los elementos de la diagonal principal iguales a 1.

1 0 0 0
 
0 1 0 0
A  0 0 1 0
 
 
0 1 
 0 0

Propiedad fundamental: A  A  A

EJEMPLOS:

 1 0  1 0 0
1. A
0 1
 2. B  0 1 0
0 0 1

e) MATRIZ TRIANGULAR. Es una matriz cuadrada que tiene nulos todos los elementos que están a un mismo lado de la
diagonal principal. Las matrices triangulares pueden ser de dos tipos:

TRIANGULAR SUPERIOR. Si los elementos que están por debajo de la diagonal principal son todos nulos. Es decir:
a 0, i > j .
ij

 a11 a12 a13 a1n 


 
 0 a22 a23 a2n 
A 0 0 a33 a3n 
 
 
 0 ann 
 0 0

Mg. Oscar Guillermo Valverde Sandoval Página 15


EJEMPLOS:

 1 3 7 4 3 2 2 6 0 1 3 5
1. A    0 1
0 5  2 1 3. C  0 5 7 4. D  0 6 4
2. B
0 0 3 6  0 0 1 0 0 2 
 
0 0 0 1

TRIANGULAR INFERIOR. Si los elementos que están por encima de la diagonal principal son todos nulos. Es decir:
a 0, i j .
ij

 a11 0 0 0 
 
 a21 a22 0 0 

A  a31 a32 a33 0 
 
 
a ann 
 n1 an2 an3

EJEMPLOS:

 1 0 3 0 0 0 2 0 0   1 0 0
1. A       
4 5 3 2 0 0 3. B  3 5 0  4. D  3 6 0 
2. C
0 2 3 0  1 4 1  4 1 2 
 
1 4 6 8

f) MATRICES IGUALES. Son aquellas matrices del mismo orden y sus respectivos elementos son iguales.

Mg. Oscar Guillermo Valverde Sandoval Página 16


V. CONSTRUCCIÓN DE MATRICES

¿Qué significa construir una matriz?


Construir una matriz significa determinar cada uno de sus elementos (o entradas), para ello debemos conocer alguna característica o
propiedad que cumplen dichos elementos.

EJEMPLOS:

1 , i  j
1. Sea A  kn  B y B es una matriz construida mediante B   bij   
0 , i  j
a) Halle k y  , de tal manera que A 2  n

SOLUCIÓN:
Tenemos: A  kn  B

A 2  A kn  B   kAn   AB  kA   AB

Hallaremos k y  , de tal manera que A 2  n :

En efecto:

A 2   kn  B    kn  B  kn  B   k 2n  2kB   2B2   n 1


2

0 1 1 1 0 1 1 1  0 1 1 1 n 1 n2 n2 n  2
1  1 1  1  n  2
 0 1 1  0 1 0 1 1
 n 1 n  2 n  2 
B  1 1 0 1  B 2   1 1 0 1  1 1 0 1  B2  n  2 n  2 n 1 n  2
      
      
 1 n  2 n  1
1 1 0   1 1 1 0   1 1 1 0  n2 n2

Mg. Oscar Guillermo Valverde Sandoval Página 17


Luego:
 2   
k 0 0 0 0 1 1 1 
 2  n 1  2 n2  2 n2   2 n2 
     
1    n  2   2  n 1  2 n2  2 n2 
2 2
0 k 0 0 1 0 1
2 2 2 
k   2kB   B  0 0 k2
  2k  1 1 0 1    2  n  2  n 2  n  2   2  2  n 1

 2  n  2    n
n  0   
     
  1
 1 1 0   
0
 0 0 2
k 
n    n  2 2
2  2 n 2   2 n2   2  n 1 

Tenemos:
 2   
k 0 0 0 0 1 1 1 
 2  n1  2  n2   2 n2   2 n2   1 0 0 0
       
1    n  2   2  n1  2 n2    n  2   0
2 2 2
0 k 0 0 1 0 1 1 0 0
   2k  1 1     0
0 0 k2 0 
1 0
    n2 
2 n 2  n2  2  2 n1  2  n  2    0 0 1

       
  1
 1 1 0    0
 0 0 1
0
 0 0 k 2  n   n2 2
2  2 n2   2 n2   2 n1 

Igualando:
 2
k   2  n1  1  

2  k    n  2   0  
 2

De    : 2k   2  n2   0   2k   n2  0   0  


2k
n2

Si   0, entonces en   : k
2
 1  k  1

2k
Si   , entonces en   :
n2

  2
n2 n2
k 2 1  2   1
4k 2 4 n1
k
2
 n1  1   k2     k   
n22   n2  
   n   n 

Mg. Oscar Guillermo Valverde Sandoval Página 18


2k  2  n  2  2
Por consiguiente:          
n 2 n 2
  n  n

Resumiendo:
Si   0, entonces k  1. *
2 n2
Si    , entonces k  .  ** 
n n

2  n 2 
Si   , entonces k   .  *** 
n  n 

b) Hallar todas las matrices de orden 4


A  kn  B  k 4  B
1 0 0 0
 
0 1 0 0
De  *  : Si   0 , k  1, entonces A   4   .
0 0 1 0
 
0 0 0 1

 1 0 0 0
 
0 1 0 0
De * : Si   0 , k  1, entonces A   4  
  .
 0 0 1 0
 
 0 0 0 1 

2 2 1 n2 42 1
De  **  : Además si n  4 , entonces      k
n

4

2
n 4 2

Mg. Oscar Guillermo Valverde Sandoval Página 19


1   1 1 1  1 1 1 1
2 0 0 0  0         
2 2 2 2 2 2 2
     
0 1
0 0  
1
0 
1
  
1 1 1

1

1
1 1  2   2 2 2   2 2 2 2
A  kn  B   4  B      
2 2 0 1 1 1 1 1 1 1 1
0 0    0      
 2   2 2 2  2 2 2 2
 1  1 1 1   1 1 1 1
0 0 0     0     
 2  2 2 2   2 2 2 2

Finalmente:
 1 1 1 1
 2 2 2 2
 
 1 
1 1 1
1 1  2
A    4  B   2
1
De  ***  : Si   , k   , entonces 2 2

2 2
2  1 1

1 1
 2 2 2 2
 1 1 1 1
  
 2 2 2 2

 1 si i  j
2. Si A  aij  tal que a   , halle la suma de elementos de An, n .
  22 ij 2 si i  j

SOLUCIÓN:

 22   a1121


a a12   2 1 
A  aij    S1  6  2  3
a22   1 2 

5 4 3  14 13   S  54  2  33
A2   2
  S2  18  2  3  A    3
4 5  13 14 

Mg. Oscar Guillermo Valverde Sandoval Página 20


 41 40 
A4   4
  S4  162  2  3  n  : Sn  2  3n
 40 41 

máx i ; j , i j
3. Construya la matriz M m m . La matriz M es de orden 4 3 , luego sus entradas se calculan del
ij 4 3 ij mín i ; j , i j
modo siguiente:

m11 mín 1 ; 1 1 m12 mín 1 ; 2 1 m13 mín 1 ; 3 1


m21 máx 2 ; 1 2 m22 mín 2 ; 2 2 m23 mín 2 ; 3 2
m31 máx 3 ; 1 3 m32 máx 3 ; 2 3 m33 mín 3 ; 3 3
m41 máx 4 ; 1 4 m42 máx 4 ; 2 4 m43 máx 4 ; 3 4

1 1 1
2 2 2
Por consiguiente la matriz M será: M .
3 3 3
4 4 4

 2, i  j
4. Si A  [aij ]4x3 / aij   , calcule la suma de elementos de A.
1, i  j
SOLUCIÓN:
 a11 a12 a13 
1 1
   2
 2, i  j a21 a22 a23   1 
2 1 i 4, j3
A  aij  aij    A    aij  3
  4x3 1, i  j a31 a32 a33   1 1 2 
i1, j1
   
a41 a42 a43   1 1 1

Mg. Oscar Guillermo Valverde Sandoval Página 21


RANGO DE UNA MATRIZ
Definición. El rango de una matriz A de orden m n es el orden de la submatriz cuadrada más grande contenida en
A , cuyo determinante es no nulo y se denota por:
r A rango de A

OBSERVACIONES
1. De la definición vemos que si r A k ; entonces r A mín m ; n , donde A es de orden m n .
2. Para calcular el rango de A , basta que entre todas sus submatrices cuadradas más grandes, encontremos una que
contenga un determinante no nulo. Si este no fuera el caso, continuamos con las submatrices cuadradas de orden inferior.

EJEMPLO 1. Determinar el rango de la matriz:


 0 4 12 
 
5 2 4 
A  .
 1 1 1 
 
 2 3 5
SOLUCIÓN
Como A es de orden 4 3 , entonces por definición: r A mín 4 ; 3 ; es decir r A 3
Formamos las submatrices cuadradas más grandes de A , de orden 3 3

 0 4 12 0 4 12   0 4 12   5 2 4 
 5 2 4  
; 5 2 4  ;  1 1 1  ;  1 1 1
    
 1 1 1  2 3 5   2 3 5   2 3 5 

Mg. Oscar Guillermo Valverde Sandoval Página 22


Como no existe más submatrices cuadradas de orden 3 3 y al tomar el determinante de cada una de ellas resulta que este es nulo,
entonces r A 3 y como r A 3 r A 3
Formamos la submatrices cuadradas de orden 2 2 . Basta que el determinanmte de alguna de estas submatrices sea no nulo para
que r A 2
0 4
Por ejemplo en la matriz , su determinante es 20 . Por lo tanto, r A 2.
5 2

1 1 2 1 1 2
EJEMPLO 2. Sea la matriz A , observe que A entonces la segunda fila es múltiplo
2 2 4 2 3
2 1 2 1 2 2 2 3

de la primera fila.

1 1 1 2 1 2
a) 0 b) 0 c) 0
2 2 2 4 2 4

Dicho de otra manera el determinante de todas las submatrices cuadradas de orden 2 son nulas, por consiguiente el
orden de la matriz es 1.
1 0 1 1
1 0
EJEMPLO 3. Sea la matriz B 1 2 3 2 . Observe que 2 y utilizando el método de reducción de Gauus
1 2
0 2 4 3 3 4

1 0 1 1 1 0 1 1 1 0 1 1
Jordan obtenemos: B 1 2 3 2 0 2 4 3 0 2 4 3 por consiguiente el R B 2 (hay dos filas
0 2 4 3 3 4
0 2 4 3 3 4
0 0 0 0 3 4

linealmente independientes)

Mg. Oscar Guillermo Valverde Sandoval Página 23


OBTENCIÓN DEL RANGO Y LA INVERSA DE UNA MATRIZ POR EL MÉTODO DE
OPERACIONES ELEMENTALES.

Denominamos rango de una matriz A al número de filas diferentes de cero que tiene la matriz despues de
escalonarla. El rango de dos matrices equivalentes es el mismo.

 x x  1 x 2  1
 3 
1. Sea: A   x  1 x 4  1 x 2  1 . Hallar " x " para que el rango de A sea 3 .
 x 4  1 x 5  1 x 6  1
 
 cos   sen   0 
2. Hallar la inversa de la matriz A , donde A   sen   cos   0 tiene inversa.
 0 0 1

a1 a2 a3 an 
a a  a  x a3 an 
 1 1 2 
3. Dada la matriz de orden n : A  a1 a2 a 2  a3  x an .
 
 
a1   
 a 2 a 3 an 1 an x 
a) Hallar los valores de x para que el rango sea máximo.
b) Hallar los valores de x para que el rango sea 3 .
 1 , i j

4. Dada la matriz A  aij n , donde aij   1 , i  1, j  1
i  1  x , i  j  i  2

a) Encontrar las condiciones para que no exista A 1
b) Hallar A 1

Mg. Oscar Guillermo Valverde Sandoval Página 24


3t 1 2 t  1
5. Encontrar para que valores de t el rango de la matriz 5t 5 5 2t 
7t 2 3 3t 
a) Es igual a 3.
b) No es igual a 3.
a 0 0 0 
6. Sea A  b a 0 0  donde a  0 hallar el rango de AA T
b b a 0 
1 2 3 t
1 3 6 6 
7. Determinar todos los valores de t para los cuales la matriz C   tiene rango 2, 3 ó 4.
1 4 t  6 9
 
 t 2t  3 0 0
8 3 
8. Las matrices A , B y D    , cumple la siguiente igualdad: ADB  A B . Encontrar A y A 1
 4 2

9. Halle la inversa de A 44 tal que:


i. aij  a ji  0
Si j  i : aij   1
i j1
ii.
0 1 2 2
 
10. Calcular la inversa de la matriz: 1 1 2 3
.
2 2 2 3
 
2 3 3 3

Mg. Oscar Guillermo Valverde Sandoval Página 25


 1 2 1 2
 1 4 1
   
2
11. Hallar la matriz X de la ecuación: BXA  C , donde C  Adj B ; B  Adj A y A  
 2 0 1 3 
 
 3 2 1 0 
14 18 20  2 6 6 32 
  1 1  
12. Sabiendo que: A  18 24 26  A y b  A 3 4 8  hallar X  A b donde b   42
1

20 26 34   4 1 4  50 
 1 1 1
13. Dada la matriz 
Adj  A    10 2  , A  2 , hallar
k k y A.
 7 3 1

OBSERVACIONES:

1. Si A es una matriz, no nula, de orden m  n , entonces

0  r  A   minm ; n
2. Si A es una matriz cuadrada, no nula, de orden n , entonces

0  r A  n
3. Si A y B son matrices conformables respecto de la suma A  B ,entonces

r  A  B  r  A   r B
4. Si A y B son matrices conformables respecto del produco AB ,entonces

r  AB   mín r  A  ; r B 

Mg. Oscar Guillermo Valverde Sandoval Página 26


 2 4 3 1 0
 
 1 2 1 4 2 
14. Determinar el rango de la matriz A
0 1 1 3 1
 
 4 7 4 4 5 
SOLUCIÓN. El orden de la matriz es 4  5 , entonces

r  A   min4 ; 5  r  A   4
4 3
Observe que existe M2   4  6  2  0 y el menor de tercer orden
2 1
2 4 3
2 1 4 3
M3  1 2 1 2   2 1 1 0
1 1 1 1
0 1 1

Los menores de cuarto orden son nulos, esto es

2 4 3 0 2 4 3 1
1 2 1 2 1 2 1 4
 0, 0
0 1 1 1 0 1 1 3
4 7 4 5 4 7 4 4

En consecuencia, el rango de la matriz A es 3 y M3 es el menor básico.

Mg. Oscar Guillermo Valverde Sandoval Página 27


 1 2 3 x
 
2 3 4 5
15. Hallar x de modo que el rango de la matriz A   sea menor que 4.
 3 x 5 6
 
 2 3 x 5 
1 2 3 x

 
SOLUCIÓN: Por definición r  A   4 , si r  A   4 , entonces A 
2 3 4
3 x 5
5
6
0

2 3 x 5
Aplicando propiedades de determinantes, obtenemos:

1 0 0 x
C2  C2  2C1 1 2 5 2 1 2
2 1 2 5
C3  C3  3C1  A   0  x  6 4 6  x 3 x  6 4  0
3 x  6 4 6
C4  C4  2C1 7 x  6 5 2 7 x6
2 7 x  6 5

1 0 0 0 1 0
 x  6 8  2x 5x  24  x 2x  9 x  6 8  2x  0
7 x 8 30 12 7 x 8

8  2x 5x  24 2x  9 8  2x
 x  0  2x3  6x 2  20x  48  0
x 8 30 12 x 8

 x  3 x  2 x  4  0  x  3, x  2, x  4

Mg. Oscar Guillermo Valverde Sandoval Página 28


 3t 1 2 t  1
16. Hallar para que valores de t el rango de la matriz A   5t 5 5 2t 
 7t 2 3 3t 
 

a) Es igual a 3. b) No es igual a 3.

SOLUCION:

Como la matriz A es de orden 3  4 y port definición r  A   mín3 ; 4  3 .


Existen 4 menores de orden 3 que se pueden obrener de dicha matriz. Estos son:

3t 1 2 3t 2 t  1 3t 1 t  1 1 2 t 1
5t 5 5  15t , 5t 5 2t  25t , 5t 5 2t  t  7t  25  y 5 5 2t  8t  5
7t 2 3 7t 3 3t 7t 2 3t 2 3 3t

Podemos observar que para t  0 los tres primeros determinantes son nulos, pero el cuarto tiene un valor
M3  5  0 . Por lo que:

a) t  : r A  3
b)    r A  3

Mg. Oscar Guillermo Valverde Sandoval Página 29


17. Hallar el rango de la matriz A :

 2 1 3 2 4  2 0 2 2 1 0 2 0 2
   
a) A   4 2 5 1 7  0 1 0 0 0 1 0 1 0
c) A  e) A 
 2 1 1 8 2  2 1 0 1 2 1 0 2 1
   
1 3 5 1  0 1 0 0 0 1 0 1 0
 
 2 1 3 4  3 3 3 2 5
b) A  
5 1 1 7 5 3 2 3 4
  d) A 
7 7 9 1  1 3 5 0 7 
 
 7 5 1 4 1

18. En los siguientes ejercicios, decir a que es igual el rango de la matriz A para diferentes valores de k .
3 1 14  1 k 1 2 
   
k 4 10 1  ii. A   2 1 k 5 
i. A   1 10 6 k 
1 7 17 3   
 
2 2 4 3
n  1 , si i  j
19. Dada la matriz A   aij  de orden n , tal que aij   . Que valor debe tener n para que el rango de A
 1 , si i  j
sea igual a su orden.
20. Hallar x para que el rango de la matriz A sea menor que 4.

1 x x x x 1 0 x
   
x 1 x x 0 x x 1
a) A  b) A 
x x 1 x 1 x x 0
   
x x x 1 x 0 1 x

Mg. Oscar Guillermo Valverde Sandoval Página 30


2 x x x
 
x 3 x x
21. Sea la matriz A  . Hallar x de modo que el rango de de la matriz A sea:
x x 4 x
 
x x x x
a) Máximo.
b) Mínimo.

 3 0 6 3x 
 
22. x  , hallar el rango de la matriz A , si A   x 2 2  x  1 0 
 2 4  2
 0 2x 2x 
1 x 0 1 2 3 
23. Determine el rango de la matriz A  2 1 0 x 5 7  , para diferentes valores de x.

 1 0 0 6 1 2 

1 x 1 2
 
2 1 x 5
24. Sea la matriz A   . Para qué valores de x el rango de la matriz A toma un valor:
 1 10 6 1
 
1 0 0 0
a) Máximo
b) Mínimo.

Mg. Oscar Guillermo Valverde Sandoval Página 31


VI. EQUIVALENCIA DE MATRICES. MATRIZ ESCALONADA

MATRICES EQUIVALENTES. EL MÉTODO DE GAUSS

Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una
combinación de las siguientes operaciones:

1. Fi  Fj : intercambio de dos filas,


2. Fi   Fj donde    0 : multiplicación de una fila por un escalar diferente de cero, y
3. Fi  Fi  kFj donde k   0 el reemplazo de la i-ésima fila por la suma de la i-ésima fila y k veces la j-
ésima fila, siendo k un escalar cualquiera distinto de cero.

Estas tres operaciones se pueden describir mediante el producto de matrices.

a) Para intercambiar dos filas, por ejemplo la i y la j lo ´unico que hay que hacer es multiplicar por la matriz
identidad a la que le hemos cambiado la fila i por la j.
2 4 
Por ejemplo dada la matriz: A  3 6 
7 9 
Queremos intercambiar la fila 1 y la fila 3 tenemos que hacer:

Mg. Oscar Guillermo Valverde Sandoval Página 32


 0 0 1  2 4   7 9 
    
 0 1 0  3 6    3 6 
 1 0 0  7 9   2 4 
    
b) Multiplicar la fila i de una matriz n  m por un número   0 es equivalente a multiplicar a la izquierda por la
matriz identidad  nn en la que hemos puesto en la posición i ; i el número  .

2 4 
Por ejemplo si tomamos la matriz anterior A  3 6  y queremos multiplicar la fila 2 por 5, tenemos que
7 9 
 1 0 0  2 4   2 4 
multiplicar esta matriz por:  0 5 0  3 6   15 30 
 0 0 1  7 9   7 9 
    
c) Si queremos sumar a la fila i un múltiplo   0 de la fila j tendremos que multiplicar a la izquierda por la matriz
identidad a la que le añadimos en la fila i y columna j una  .

Queremos sumarle a la fila 2 siete veces la fila 3 tenemos que hacer:

 1 0 0  2 4   2 4 
    
 0 1 7  3 6    52 69 
 0 0 1  7 9   7 9 
    

Mg. Oscar Guillermo Valverde Sandoval Página 33


MATRIZ ESCALONADA
El método de Gauss nos proporciona una manera sistemática de obtener mediante cambios elementales una
matriz escalonada equivalente a una matriz cualquiera dada.

Funciona de la manera siguiente:

0 3 2 75
 
1 7 2 34
Sea la matriz:  0 0 0 31
 
0 0 0 00
0 5 0 4 7 

1. Reordenamos las filas de manera que todas las filas de ceros, si las hay, queden abajo del todo.

1 7 2 34
 
0 3 2 75
0 5 0 74
 
0 0 0 31
0 0 0 0 0 

2. Buscamos la primera columna que no tenga todo ceros. Reordenamos de nuevo las filas de manera que los
ceros de esta columna queden abajo del todo.
3. Si la matriz ya está escalonada ya hemos acabado.
Mg. Oscar Guillermo Valverde Sandoval Página 34
4. Si no, buscamos el primer elemento donde no se cumple la condición de escalonamiento a este número le
denominamos pivote y a partir de ahora nos olvidamos de las filas por encima de esta.
1 7 2 4 3
 
0 3 2 5 7
0 5 0 4 7
 
0 0 0 1 3
0 0 0 0 
 0
5. Si no, eliminamos todos los números que estén en la misma columna y por debajo del pivote (supongamos que
es aij ) que no sean cero haciendo las operaciones aijFi  aik,jF siempre y cuando aik,j  0 .
6. En efecto:
1 7 2 4 3 1 7 2 4 3
   
0 3 2 5 7 0 3 2 5 7
0 5 0 4 7 F3  3F3  5F2  0 0 10 13 24 
   
0 0 0 1 3 0 0 0 1 3
0 0 0 0  0 0 
 0  0 0 0

7. Si la matriz ya está escalonada, ya hemos acabado, en caso contrario repetimos las operaciones anteriores solo
con las filas donde la matriz no esté escalonada.

Mg. Oscar Guillermo Valverde Sandoval Página 35


1
VII. MATRIZ INVERSA: A
Se dice que una matriz cuadrada A es invertible (o no singular) si existe una matriz B con la propiedad de que:
AB BA
siendo la matriz identidad. Tal matriz B es única, puesto que

AB1 B1 A y AB2 B2 A implica B1 B1 B1 AB2 B1 A B2 B2 B2

Denominamos a la matriz B la inversa de A y la denotamos por A 1 . Observamos que la relación anterior es


simétrica, o sea, si B es la inversa de A , necesariamente A es la inversa de B .

EJEMPLOS:
2 5 3 5 2 5 3 5 6 5 10 10 1 0
a) Supongamos A y B . Entonces AB
1 3 1 2 1 3 1 2 3 3 5 6 0 1

3 5 2 5 6 5 15 15 1 0
BA
1 2 1 3 2 2 5 6 0 1

De este modo, A y B son invertibles, siendo cada una la inversa de la otra.

Mg. Oscar Guillermo Valverde Sandoval Página 36


1 0 2 11 2 2
b) Supongamos A 2 1 3 yB 4 0 1 . Entonces
4 1 8 6 1 1

1 0 2 11 2 2 11 0 12 2 0 2 2 0 2 1 0 0
AB 2 1 3 4 0 1 22 4 18 4 0 3 4 1 3 0 1 0
4 1 8 6 1 1 44 4 48 8 0 8 8 1 8 0 0 1

11 2 2 1 0 2 11 4 8 0 2 2 22 6 16 1 0 0
BA 4 0 1 2 1 3 4 0 4 0 0 1 4 1 3 0 1 0
6 1 1 4 1 8 6 2 4 0 1 1 12 3 8 0 0 1

De este modo, A y B son invertibles, siendo cada una la inversa de la otra.

PROPIEDADES DE LA MATRIZ INVERSA

1 1
1. 4. AB B 1A 1

1 k
7. Ak A 1
,k +

1
1
2. A A 5. AA 1
A 1A 1
8. kA k -1 A 1 , k 0, k
1
3. AT
1
A 1
T
6. Si AB BA B A

Mg. Oscar Guillermo Valverde Sandoval Página 37


MATRIZ ADJUNTA. Adj A
2 1 5
T
Es la transpuesta de la matriz de cofactores: Adj A = cofact A EJEMPLO: Sea A 1 1 2 , entonces:
3 1 2
 0 4 2   0 3 3
cofact  A  =  3 11 1 y Adj A  =  4 11 1 .
 3 1 1  2 1 1
PROPIEDADES DE LA MATRIZ ADJUNTA: k  , A  A n

1. Adj     4.  Adj A 
T
 Adj AT 

2. Adj AB  Adj B Adj A 


 Adj A   Adj A1 
1
5.
3. Adj kA   k n 1 Adj A 
Adj A   A
n 1
6.

CÁLCULO DE LA MATRIZ INVERSA USANDO LA MATRIZ ADJUNTA

Si A es una matriz no singular det A 0 , entonces tiene inversa y este se determina mediante:
1
1 1
A Adj A Adj A
det A A
MENORES Y COFACTORES DE UNA MATRIZ CUADRADA

Mg. Oscar Guillermo Valverde Sandoval Página 38


Sea A una matriz cuadrada de orden n :

 a11 a12 a13 a1 n 


a a 22 a 23 a 2 n 
 21
A   a 31 a 32 a 33 a3 n 
 
 
a n 1 an 2 an 3 a nn 

Tomando como base el elemento a , si se elimina la fila i y la columna j , queda la submatriz cuadrada M de orden n 1 .
ij ij

EJEMPLOS:

1 6
a. Si A , entonces eliminamos la fila 1 y la columna 1 , de modo que M11 2 . Análogamente obtenemos M12 4 ,
4 2
M21 6 y M22 1
2 1 5
1 2
b. Si A 1 1 2 , entonces eliminamos la fila 1 y la columna 1 , de modo que M
11
. Análogamente obtenemos
1 2
3 1 2
1 2 1 1 1 5 2 5 2 1 1 5 2 5 2 1
M
12
, M
13
, M
21
, M
22
, M
23
, M
31
, M32 y M
33
.
3 2 3 1 1 2 3 2 3 1 1 2 1 2 1 1

MENOR DEL ELEMENTO a . Es el determinante de la matriz M .


ij ij

Mg. Oscar Guillermo Valverde Sandoval Página 39


2 1 5
EJEMPLO: Sea A 1 1 2 , entonces:
3 1 2

1 2 2 1
a. El menor del elemento a es: M 0. f. El menor del elemento a es: M 1.
11 11 1 2 23 23 3 1

1 2 1 5
b. El menor del elemento a es: M 4. g. El menor del elemento a es: M 3.
12 12 3 2 31 31 1 2

1 1 2 5
c. El menor del elemento a es: M 2. h. El menor del elemento a es: M 1.
13 13 3 1 32 32 1 2

1 5 2 1
d. El menor del elemento a es: M 3. i. El menor del elemento a es: M 1
21 21 1 2 33 33 1 1

2 5
e. El menor del elemento a es: M 11 .
22 22 3 2

i j
COFACTOR DEL ELEMENTO a : A . Se define del modo siguiente: Aij 1 M
ij
ij ij

EJEMPLOS:

3 2 0
I. Sea A 2 1 1 , entonces:
1 0 1

Mg. Oscar Guillermo Valverde Sandoval Página 40


1 1 1 1
a. El cofactor del elemento a es: A 1 M 1
11 11 11 0 1

1 2 2 1
b. El cofactor del elemento a es: A 1 M 1
12 12 12 1 1

1 3 2 1
c. El cofactor del elemento a es: A 1 M 1
13 13 13 1 0

2 1 2 0
d. El cofactor del elemento a es: A 1 M 2
21 21 21 0 1

2 2 3 0
e. El cofactor del elemento a es: A 1 M 3
22 22 22 1 1

2 3 3 2
f. El cofactor del elemento a es: A 1 M 2
23 23 23 1 0

3 1 2 0
g. El cofactor del elemento a es: A 1 M 2
31 31 31 0 1

3 2 3 0
h. El cofactor del elemento a es: A 1 M 3
32 32 32 2 1

3 3 3 2
i. El cofactor del elemento a es: A 1 M 1
33 33 33 2 1

2 1 5
II. Sea A 1 1 2 , entonces:
3 1 2

1 1 1 2 1 2 1 2
a) A
11
1 M
11
0 b) A
12
1 M
12
4
1 2 3 2

Mg. Oscar Guillermo Valverde Sandoval Página 41


1 3 1 1 3 1 1 5
c) A 1 M 2 g) A 1 M 3
13 13 3 1 31 31 1 2

2 1 1 5 3 2 2 5
d) A 1 M 3 h) A 1 M 1
21 21 1 2 32 32 1 2

2 2 2 5 3 3 2 1
e) A 1 M 11 i) A 1 M 1
22 22 3 2 33 33 1 1

2 3 2 1
f) A
23
1 M
23
1
3 1

EJEMPLOS:

2 1 5  0 4 2   0 3 3
a. Sea A 1 1 2 , entonces A 6 . cofact  A  =  3 11 1 y Adj A =  4 11 1 .
 Por consiguiente:
 
3 1 2  3 1 1  2 1 1

 0 3 3
A =   4 11 1 .
1 1
6  2 1
 1

2 4 3  12 3 3  12 13 7 
b. Sea A 0 1 1 , entonces A 3, cofact  A  =  13 5 2  y Adj A  =  3 5 2  . Por consiguiente:
3 5 7  7 2 2   3 2 2 

12 13 7 
A1 =  3 2 
1
5
3  3 2 
 2

Mg. Oscar Guillermo Valverde Sandoval Página 42


CÁLCULO DE LA MATRIZ INVERSA DE UNA MATRIZ
USANDO OPERACIONES ELEMENTALES CON FILAS O COLUMNAS

Para resolver un sistema de ecuaciones lineales simultáneas, se emplean ciertas operaciones sencillas para convertir
el sistema original a un sistema equivalente, es decir, a un sistema que tenga la misma solución que el sistema
original, pero que sea más sencillo de resolver. Se obtiene un sistema equivalente si:

1) se intercambian dos ecuaciones,


2) se multiplica una ecuación por una constante diferente de cero, y
3) la i-ésima ecuación se reemplaza por la suma de la i-ésima ecuación y k veces la j-ésima ecuación, en donde k es
una constante diferente de cero.

Análogamente, tres operaciones elementales de fila para las matrices se definen como sigue:

1. Fi  Fj : intercambio de dos filas,


2. Fi   Fj donde    0 : multiplicación de una fila por un escalar diferente de cero, y
3. Fi  Fi  kFj donde k   0 el reemplazo de la i-ésima fila por la suma de la i-ésima fila y k veces la j-
ésima fila, siendo k un escalar cualquiera distinto de cero.

Las correspondientes operaciones para las columnas de una matriz son las operaciones elementales de columna.

Mg. Oscar Guillermo Valverde Sandoval Página 43


1. Ci  C j : intercambio de dos columnas,
2. Ci   C j donde    0 : multiplicación de una columna por un escalar diferente de cero, y
3. Ci  Ci  kC j donde k   0 el reemplazo de la i-ésima columna por la suma de la i-ésima columna
y k veces la j-ésima columna, siendo k un escalar cualquiera distinto de cero.

Las operaciones elementales de fila o de columna pueden utilizarse para obtener la inversa de una matriz, como lo
establece el teorema siguiente:

TEOREMA: Si una matriz A se convierte en la matriz identidad por una serie de operaciones de fila o una serie de
operaciones de columna, entonces la misma serie de operaciones realizadas sobre la matriz identidad la convertirán
en A 1 .
Hay un método normal, que invariablemente es apropiado, para convertir una matriz no singular en la matriz
identidad, o para establecer la singularidad de una matriz que no se puede convertir en la matriz identidad. Tal
método estándar se describe e ilustra a continuación. La generalidad del método, que es apropiado para cualquier
matriz y puede ser programado para computadora, lo hace especialmente útil, aunque para algunos casos particulares
se dispone de métodos más breves.

Mg. Oscar Guillermo Valverde Sandoval Página 44


PASOS PARA CONVERTIR UNA MATRIZ CUADRADA EN LA MATRIZ
IDENTIDAD (ELIMINACIÓN DE GAUSS)
1. Dividir la primera fila de la matriz entre el elemento de su primera columna; usar luego la fila resultante para
obtener ceros en la primera columna de cada una de las otras filas.
2. Dividir la segunda fila entre el elemento de su segunda columna; emplear la fila resultante para obtener ceros
en la segunda columna de las demás filas.

n. Dividir la n-ésima fila entre el elemento de su n-ésima columna; usar la fila resultante para obtener ceros en la
n-ésima columna de las demás filas.

NOTA: En el procedimiento anterior, si en el paso k-ésimo el elemento en la k-ésima columna es cero intercámbiese
esa fila con la siguiente que tenga un elemento diferente de cero en la k-ésima columna. Luego proceda al paso k-
ésimo.

Para obtener la inversa de una matriz A se acostumbra trabajar con una tabla o disposición de la forma.

 A  

y luego cambiar, por el procedimiento típico expuesto anteriormente, a la disposición

 B

Mg. Oscar Guillermo Valverde Sandoval Página 45


Entonces, por el teorema anterior, B es A 1.

Aun si A no tuviera inversa, es posible iniciar este procedimiento. En algún paso se obtendrá alguna tabla que no es

de la forma apropiada y que nose puede cambiar como se ha expuesto anteriormente. Puede demostrarse que si el
procedimiento de arriba no puede ser completado para obtener  B de  A   , entonces A no tiene inversa.


EJEMPLOS 
 0 2 3 
 1 3 3
i. Encontrar la inversa, si existe, de la matriz:  
 1 2 2 

Siguiendo el procedimiento ya expresado,

 0 2 3 1 0 0   1 3 3 0 1 0
   
PASO 1. Intercambio de la primera fila y segunda fila:  A     1 3 3 0 1 0  F1  F2 :  0 2 3 1 0 0 
 1 2 2 0 0 1  1 2 2 0 0 1
   
 1 3 3 0 1 0
 
PASO 2. Sumar la primera fila a la segunda fila: F2  F1  F2 : 0 2 3 1 0 0 
0 1 1 0 1 1

 1 3 3 0 1 0
 
1 3 1
PASO 3. Dividir la segunda fila entre -2: F2   F2 : 0 1  0 0
2  2 2 
0 1 1 0 1 1
 

Mg. Oscar Guillermo Valverde Sandoval Página 46


 
1 3 3 0 1 0
 
PASO 4. De la fila 3 restar la fila 2: 
F3  F3  F2 : 0 1
3 1
 0 0
 2 2 
 1 1 
0 0  1 1
 2 2 

1 3 3 0 1 0
 
3 1
PASO 5. La fila 3 multiplicar por -2: F3  2F3 : 0 1  0 0
 2 2 
0 0 1 1 2 2 

1 3 3 0 1 0
3
PASO 6. La fila 3 multiplicar por  y sumarla a la fila 2: F2  F2  3 F3 : 0 1 0 1 3 3

2 2

0 0 1 1 2 2 

 1 0 3 3 8 9 
 
PASO 7. La fila 2 multiplicar por 3 y sumarla a la fila 1: F1  F1  3F2 : 0 1 0 1 3 3
0 0 1 1 2 2 
 

 1 0 0 0 2 3 
 
PASO 8. La fila 3 multiplicar por 3 y sumarla a la fila 1: F1  F1  3F3 : 0 1 0 1 3 3    B 
0 0 1 1 2 2 
 

Mg. Oscar Guillermo Valverde Sandoval Página 47


1
 0 2 3   0 2 3 
Por lo tanto,  1 3 3    1 3
 3 

 1 2 2   1 2 2 

 0 2 3   0 2 3   1 0 0 
 1 3 3   1 3 3   0 1 0 
Observemos que:     
 1 2 2  1 2 2  0 0 1

 1 2 3
B. Obtener la inversa, si existe, de la matriz A   1 0 4 
 0 2 2 

 1 2 3 1 0 0  1 2 3 1 0 0
   
PASO 1. Sumar la primera fila a la segunda fila:  A     1 0 4 0 1 0  F2  F1  F2 : 0 2 7 1 1 0 
 0 2 2 0 0 1 0 2 2 0 0 1
   

 
1 1 2 3 1 0 0
1 F2  F2  
PASO 2. Multiplicar la segunda y la tercera fila por : 2 : 0 1 7 1 1
0
2 1  2 2 2 
F3  F3 
2 0 1 1 1
 0 0 
 2
PASO 3. Multiplicar la segunda fila por 1 y sumarla a la tercera fila:

Mg. Oscar Guillermo Valverde Sandoval Página 48


 
1 2 3 1 0 0
 
F3  F3  F2 : 0 1 0
7 1 1
 2 2 2 
 1 
0 0   1
5

1
 2 2 2 2 

2
PASO 4. Multiplicar la tercera fila por  :
5

 
1 2 3 1 0 0
 
7 1 1
F1  F1  3F3 : 0 1 0
 2 2 2 
0 0 1 1 1 1
  
 5 5 5
 2 3 3
1 2 0 5 
5 5
 
F1  F1  3F3 : 0 1 0
7 1 1
PASO 5. Multiplicar la tercera fila por 3 y sumarla a la primera fila:  
2 2 2
 
0 0 1 1 1 1
 
 5 5 5 
7
PASO 6. Multiplicar la tercera fila por  y sumarla a la segunda fila:
2

Mg. Oscar Guillermo Valverde Sandoval Página 49


 2 3 3
 
5 5 5
1 2 0 
7 
F2  F2  F3 : 0 1 0 
1

1 7 
2  5 5 10 
0 0 1 
 1 1 1

 5 5 5 
PASO 7. Multiplicar la segunda fila por 2 y sumarla a la primera fila:

 4 1 4
  
5 5 5
1 0 0 
F1  F1  2F2 : 0 1 0 
1 1 7

 5 5 10 
0 0 1 
 1 1 1

 5 5 5 
 4 1 4
 5   
1 5 5
 1 2 3  
Por lo tanto,  1 0 4     1 
1 7
   5 5 10 
 0 2 2  
 1 1

1
 5 5 5 

Mg. Oscar Guillermo Valverde Sandoval Página 50


1
 4 1 4   4 1 4 
 5    
5 5   1 2 3  1 0 0  5 5 5 
     1 2 3
7
 1 1 0 4   0 1 0  , entonces:  1   1 0 4 
1 1 7
Observemos que:  
 5 5 10    5 5 10 
   0 2 2  0 0 1    0 2 2 
 1 1 1  1 1 1
 
 5 5 5   5 5 5 
 1 2 1
C. Obtener la inversa, si existe, de la matriz A   3 4 5 
 4 2 6 
Siguiendo el método normal:

PASO 1.

Multiplicar la primera fila por 3 y sumar a la segunada fila, luego multiplicar la primera fila por 4 y sumar a la
tercera fila:

 1 2 1 1 0 0   1 2 1 1 0 0 
  F  3F1  F2  
 A     3 4 5 0 1 0  2 : 0 10 2 3 1 0 
F  4F1  F3
 4 2 6 0 0 1 3 0 10 2 4 0 1
   

Observemos que la matriz izquierda tiene dos filas idénticas, y por consiguiente, el determinante de la matriz es
cero, y no tiene inversa.

Mg. Oscar Guillermo Valverde Sandoval Página 51


DETERMINANTE DE UNA MATRIZ An n

INTRODUCCIÓN
A cada matriz n-cuadrada A aij se le asigna un escalar particular denominado el determinante de A , denotado por det A , A
o
a11 a12 a13 a1n
a21 a22 a23 a2n
a31 a32 a33 a3n

an1 an2 an3 ann

A A
matriz
cuadrada número
real

si A 0, entonces Matriz singular


A = determinante de A número real
si A 0, entonces Matriz regular

Objetivo. Encontrar el determinante de una matriz cuadrada por medio del uso de menores y cofactores, y considerar algunas
propiedades que simplifiquen la evaluación de un determinante.

Si A es de orden n , entonces la función determinante asocia con A exactamente un numero real denominado determinante de A .

Mg. Oscar Guillermo Valverde Sandoval Página 52


CÁLCULO DE UN DETERMINANTE DE UNA MATRIZ DE ORDEN 1 1 .
Definición. Si A a es una matriz de orden 1 1 , entonces A a .
11
ij
EJEMPLOS:

a. Si A 3 , entonces det A A 3. c. Si A 0 , entonces det A A 0.

b. Si A 2 , entonces det A A 2. d. Si A 5 , entonces det A A 5.

CÁLCULO DE UN DETERMINANTE DE UNA MATRIZ DE ORDEN 2 2.

a a
11 12
Definición. Si A a
ij es una matriz de orden 2 2 , entonces A a a
11 22
a a .
12 21
a a
21 22
EJEMPLOS:

2 1 x 0
a. Si A , entonces det A A 2 4 3 1 11 . d. Si A , entonces det A A x 1 y 0 x .
3 4 y 1
3 2
b. Si A , entonces det A A 3 1 0 2 3.
0 1 0 0
e. Si A , entonces det A A 0 0 0 0 0.
0 0
1 0
c. Si A , entonces det A A 1 1 0 0 1.
0 1 9 3
f. Si A , entonces det A A 9 2 6 3 0.
6 2

Mg. Oscar Guillermo Valverde Sandoval Página 53


CÁLCULO DE UN DETERMINANTE DE UNA MATRIZ DE ORDEN 3 3 .

REGLA DE SARRUS
a1 a2 a3 a1 a2
a4 a5 a6 a4 a5
a7 a8 a9 a7 a8

EJEMPLOS:

2 1 3 2 1 32 1
a. Si A   3 0 5  , entonces A 3 0 53 0 3 3 1 1 5 2 2 0 1 2 0 3 1 5 2 1 3 1 32
 
 2 1
1 2 1 12 1

1 0 0  1 0 01 0
b. Si A  0 1 0  , entonces A 0 1 00 1 1 1 1 0 0 0 0 0 0 0 1 0 0 0 1 1 0 0 1
0 0 1  0 0 10 0

 4 2 3 4 2 34 2
c. Si A   6 0 6  , entonces A 6 0 66 0 4 0 9 2 6 1 3 6 2 1 0 3 2 6 4 9 6 2 108
1 2 9  1 2 91 2

 12 1 3 12 1 3 12 1
d. Si A   3 1 1 , entonces A 3 1 1 3 1 3 3 2 1 1 10 12 1 3 10 1 3 2 1 12 3 3 1 1
 
 10 2 3 10 2 3 10 2

Mg. Oscar Guillermo Valverde Sandoval Página 54


PROPIEDADES DE LOS DETERMINANTES

La evaluación de determinantes con frecuencia se simplifica utilizando algunas propiedades o características de la propia matriz.

1. Si cada una de las entradas de un renglón (o columna) de A es 0 , entonces det A A 0.

EJEMPLOS:

6 2 5 1 0 2
a. Si A 7 1 4 , entonces det A A 0. b. Si A 3 0 4 , entonces det A A 0
0 0 0 6 0 9

2. Si dos renglones (o columnas) de A son idénticos, det A A 0

EJEMPLOS:

1 3 4 4 5 4
a. Si A 5 2 0 , entonces det A A 0. b. Si A 3 1 3 , entonces det A A 0.
1 3 4 2 8 2

3. El determinante de una matriz triangular (superior o inferior) es igual al producto de los elementos de su diagonal principal.

EJEMPLOS: MATRIZ TRIANGULAR SUPERIOR

Mg. Oscar Guillermo Valverde Sandoval Página 55


1 3 2  1 3 7 9
a. Si A  0 4 1  , entonces det A A 1 4 5 20 . 0 2 8 4 
b. Si C   , entonces
0 0 5  0 0 5 3
 
 0 0 0 6 

det A A 1 2 5 6 60 .

EJEMPLOS: MATRIZ TRIANGULAR INFERIOR

 3 0 0 2 0 0 0
a. Si A  4 1 0 , entonces det A A 3 1 5 15 . 1 5 0 0
b. Si C  , entonces det A A 2 5 3 7 210
 3 6 5 4 6 3 0
 
0 1 2 7

4. Si B es la matriz que se obtiene sumando un múltiplo de un renglón (o columna) de A a otro renglón (columna), entonces
B A.

EJEMPLOS:

2 4 2 6
1 3 5 2
a. Si A y B es la matriz obtenida a partir de A , sumando 2 veces el renglón 3 al renglón 1 , entonces
1 2 1 3
0 5 6 2

2 4 2 6 0 0 0 0
1 3 5 2 1 3 5 2
A B . Por la propiedad 1 , B 0 y así A 0.
1 2 1 3 1 2 1 3
0 5 6 2 0 5 6 2

Mg. Oscar Guillermo Valverde Sandoval Página 56


3 3 2 6
1 5 4 2
b. Si A y B es la matriz obtenida a partir de A , sumando 2 veces la columna 1 a la columna 4 , entonces
2 7 6 4
0 1 8 0

3 3 2 6 3 3 2 0
1 5 4 2 1 5 4 0
A B .
2 7 6 4 2 7 6 0
0 1 8 0 0 1 8 0

Por la propiedad 1 , B 0 y así A 0.

5. Si B es la matriz que se obtiene al intercambiar dos renglones (o columnas) de A , entonces B A , o en forma equivalente,
A B.

EJEMPLOS:

2 2 1 6 2 2 1 6
0 0 0 1 0 1 3 4
a. Si A al intercambiar los renglones 2 y 4 , obtenemos B . Observe que la matriz B es una matriz
0 0 2 0 0 0 2 0
0 1 3 4 0 0 0 1

triangular superior y por la propiedad 3 tenemos que B 2 1 2 1 4 . Por lo tanto A B 4.


0 0 0 2 2 0 0 0
0 5 0 1 1 5 0 0
b. Si A  al intercambiar las columnas 1 y 4 , obtenemos B . Observe que la matriz B es una matriz
0 6 3 4 4 6 3 0
   
7 1 2 0 0 1 2 7

triangular inferior y por la propiedad 3 tenemos que B 2 5 3 7 210 . Por lo tanto A B 210 .

Mg. Oscar Guillermo Valverde Sandoval Página 57


6. Si B es la matriz que se obtiene multiplicando cada entrada de un renglón (o columna) de A por el mismo numero K , entonces
B k A.

EJEMPLO:
En esencia, con esta propiedad un número puede ser “factorizado” de un renglón o columna.

6 10 14 2 3 2 5 2 7 3 5 7 3 5 7
B 5 2 1 5 2 1 25 2 1 2 3 5 2 1 2 3 0 0 , ya que los renglones 1 y 3 son iguales.
9 15 21 9 15 21 9 15 21 3 5 7

7. Si k es una constante y A tiene orden n , entonces kA k n A . Esto es una consecuencia de la propiedad 6 , ya que cada uno
de los n renglones de kA tiene un factor común igual a k .

EJEMPLOS:

1 2
a. Si A , entonces A 1 3 4 2 5 , de modo que 3A 32 A 9 5 45 .
4 3

1 2 4
b. Si A 3 1 2 , entonces A 25 , de modo que 2A 23 A 8 25 200 .
5 4 3

8. El determinante del producto de dos matrices de orden n es el producto de sus determinantes. Esto es, AB AB.

EJEMPLOS:

Mg. Oscar Guillermo Valverde Sandoval Página 58


1 4 5 3
a. Si A ,B , entonces A 2 y B 11 , de modo que AB A B 2 11 22 .
2 6 2 1

2 1 5 1 1 2
b. Si A 1 1 2 y B 2 3 2 , entonces A 6 y B 1, de modo que AB A B 6 1 6.
3 1 2 2 1 3

9. El determinante de la matriz identidad de orden n es igual a 1. Esto es, det 1

EJEMPLOS:

1 0 1 0 0 0
a. Si , entonces 1.
0 1 0 0
0 1 c. Si , entonces 1.
0 0 1 0
1 0 0 0 0 0 1
b. Si 0 1 0 , entonces
0 0 1

10. El determinante de una matriz cuadrada y el determinante de su traspuesta son iguales. Esto es, A AT .

EJEMPLOS:

1 4 1 2
a. Si A , entonces AT , de modo que A 2 AT .
2 6 4 6

Mg. Oscar Guillermo Valverde Sandoval Página 59


1 1 2 1 2 2
b. Si A 2 3 2 , entonces AT 1 3 1 , de modo que A 1 AT .
2 1 3 2 2 3

11. El determinante de una matriz diagonal es igual al producto de los elementos de su diagonal principal.

EJEMPLOS:

4 0 1 0 0 0
a. Si , entonces det A A 4 2 8. 0 0
A
0 2 1 0
c. Si A , entonces
0 0 9 0
1 0 0   
0 0 0 2
b. Si A  0 2 0  , entonces
 
0 0 4  det A A 1 1 9 2 18 .

det A A 1 2 4 8.

MATRIZ NO SINGULAR. Si A es una matriz cuadrada y det A 0 entonces A es no singular.

EJEMPLOS:

3 1
a. Si A , entonces A 1, de modo que A es no singular.
2 1

1 0 0
b. Si A 0 1 0 , entonces A 1, de modo que A es no singular.
0 0 1

Mg. Oscar Guillermo Valverde Sandoval Página 60


MATRIZ SINGULAR. Si A es una matriz cuadrada y det A 0 entonces A es singular.

EJEMPLOS:

0 0
a. Si A , entonces A 0 , de modo que A es singular.
0 0

6 10 14
b. Si A 5 21 , entonces A 0 , de modo que A es singular.
9 15 21

DESARROLLO DE UN DETERMINANTE POR COFACTORES

El determinante de una matriz cuadrada es igual a la suma de los productos de los elementos de cualquier fila (o columna) por sus
respectivos cofactores. Es recomendable desarrollar el determinante por la fila o columna que tenga el mayor número de ceros.

MATRIZ DE COFACTORES: cofact A .


Es aquella matriz cuyos elementos son los cofactores de los respectivos elementos de la matriz A , siendo A de orden n . Es decir:

 A11 A12 A13 A1 n 


A A 22 A 23 A 2 n 
 21
cofact  A  =  A31 A32 A33 A3 n 
 
 
 A n 1 An 2 An 3 A nn 

Mg. Oscar Guillermo Valverde Sandoval Página 61


EJEMPLOS:

De los ejemplos anteriores se tiene que:

3 2 0  A11 A12 A13   1 1 1


 A 23    2 3 2 
a) Si A 2 1 1 , entonces: cofact  A  =  A 21 A 22
1 0 1  A31 A32 A33   3 3 1

3 2 0
Cacular A 2 1 1 . Elegimos la tercera fila, luego:
1 0 1

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

2 1 5  A11 A12 A13   0 4 2 


 
A 23  3 11 1

b) Si A 1 1 2 , entonces: cofact  A  =  A 21 A 22
  
3 1 2  A 31 A 32 A 33   3 1 1

2 1 5
1 2 2 5 2 5
Cacular A 1 1 2 . Elegimos la segunda columna, luego: A 1 1 1 4 11 1 8
3 2 3 2 1 2
3 1 2

Mg. Oscar Guillermo Valverde Sandoval Página 62