Algebra Lineal

TEMA 1
Introducción a Matrices.
o Vector
Un Vector es un conjunto ordenado de datos (o números); que pueden ser enteros, fracciones reales o aun
complejos. Es decir, se puede tener conjuntos de números de cualquier clase, pero lo que los hace Vectores es
el orden correlativo entre ellos. Ej.; Si tenemos el conjunto de números: A = 5, 69, 2/3, 2 desde el punto de
vista simple de un conjunto más, es el mismo si lo expresamos así: E = 69, 2 5, 2/3, 5 pero no es el mismo
vector. Se suele indicar un vector con una flechita encima Ā o con letra negrita A De tal manera que aunque
los conjuntos A = E resulta que como vectores Ā Ē por no llevar el mismo orden.
El concepto de vectores se usa mucho en diferentes ramas de las Ciencias Físicas, en Estadística, Análisis
Financiero, en Estudios de opinión pública, en Mercadeo, en Publicidad etc.
o Escalar
En oposición al concepto de vector, un escalar es una cantidad sin consideraciones de orden respecto a otras
cantidades. Ej. 7 (número entero) ó 2 (número real, irracional) ó 3+2i (número complejo)
o Dimensión de un vector: Es el número de términos ordenados como vector.
Ej.: el vector (0, 0, 3,-5, 0, -1) tiene una dimensión de 6.
La dimensión mínima de un vector es 2. No tiene un Máximo: n puede tender a
. Ej: El vector de la función polinómica:
Si P(x)=anxn + an-1xn-1 + an-2xn-2 + … ….+ a2x2 + a1x1 + a0
P = (an, an-1 , an-2 … ….+ a2 , a1 , a0)
⃗

o Matriz
Resulta que si un Vector es un conjunto de números con un orden, resulta ahora que una Matriz es un conjunto
doblemente ordenado de números. O sea que está formado por dos tipos de vectores que, a su vez están
ordenados. En lenguaje común y corriente, una matriz es llamada una “tabla” de valores. Supongamos que
tenemos una de estas ‘tablas’ así   Se puede abstraer como una
ß matriz  (con los corchetes)
ß
Color Rojo rosados blancos veteado
Flor s 15 9 12 23
claveles 15 9 12 23  
21 16 8 11
pompones 21 16 8 11   7 9 11 5 
rosas 7 9 11 5  
21 43 29 34
orquídeas 21 43 29 34

Como se ve, es una matriz de (4 –renglones- x 4 –columnas) En primer lugar se aprecia cómo es de importante
que se conserven las posiciones, pues un solo número diferente (o en diferente sitio), pues vemos muy claro
que desordenaría los vectores. Si tenemos los vectores ‘color’ (columnas) o los vectores ‘flor’ (renglones)
sólo se mantienen bajo la presunción mantener su orden.

 Matrices según el Tema de origen

En la actualidad, el empleo de Matrices se está ampliando
matemática teórica, como en los campos de la matemática
Física, la Química, etc. como en las llamadas “ciencias de
provienen de la actividad propiamente humana, creadas
actividad económica, comercio etc.
a innumerables campos tanto en los campos de la
aplicada a otras ciencias, tanto naturales (como la
lo artificial” que tiene que ver con todas esas que
por las costumbres, normas, leyes, impuestos,

1
 2

o Matriz de un sistema de Ecuaciones Lineales Simultáneas

Es la de mayor uso en Matemáticas, tiene que ver con un sistema de ecuaciones lineales simultáneas, como el
que sigue: ß Se suele representar : a) Como la llamada “Matriz Aumentada” y
b) Por una operación de tres matrices:

Sistema Matriz Aumentada: ó Mat coeficientes * Mat Variables = Mat. Térm Ind

3x +2y –5z = –10

3 2 −5 −10 3 2 −5 x −10
2x –4y +3z = –10
5x –3y –2z = –23
[ 5 −3 −2 −23‖ ]
⌈
2 −4 3 −10 2 −4 3
5 −3 −2
⌉∗ y −10
=
z −23 [][ ]
Tanto los vectores, como las matrices, se distinguen por el número de elementos. Se llama dimensión de un
vector el número de elementos que lo conforman, así: El vector (3,5,-1,0) es de 4a dimensión.
En una matriz, a sus dimensiones se les llama el tamaño de la matriz y depende de las dimensiones de sus
vectores relacionados. En las matrices su tamaño está indicado por una convención: Siendo tan importante en
este ámbito el orden, se ha establecido que el orden en que se nombran es el siguiente, que se mantiene en
varias operaciones de matriz.:

[Número de renglones (m) X Número de columnas (n)] = (m X n)

–1 2 0
Ej.: La Matriz 3 –7 4 es de (4 x 3)
0 4 6
3 –2 –1

Hay que anotar que las matrices pueden ser de cualquier tamaño , incluso solo un renglón (o fila), conformado
de un vector de mínima dimensión (2) Menos, vendría a ser de 1x1 y pasaría a ser un escalar
Matrices ‘Renglón’ o ‘Columna’: Que son las formadas por un solo vector según su nombre
indica:
a1 
 
a2 
Ej: Renglón= [ a1, a2, a3, a4] ; Columna a3 

Nomenclatura: En este trabajo:

Los escalares se diferenciarán porque para nombrarlas utilizaremos minúsculas Ej.: a, b, x,
Los vectores se diferenciarán porque para nombrarlas utilizaremos minúsculas en negrita Ej.: a, b, x,
Las matrices se diferenciarán porque para nombrarlas utilizaremos MAYÚSCULAS Ej.: A, B, X
 Tipos de matrices según su presentación interna:
a11 a12 a13 
 
1. Triangular superior  0 a 22 a 23 
 0 0 a 33 
a11 a 12 a13
2. Triangular superior NO
[ ]
a21 a 22 0 (poco usual)
a31 0 0

 a11 0 0
 
a 21 a 22 0
 a 31 a 32 a 33 
 3

3. Triangular inferior

0 0 a13
4. Triangular inferior SE
[ 0 a 22 a23
a31 a 32 a33 ] (poco usual)

a11 a12 a13 b11

5. Aumentada a21 a22 a23 b21
a 31 a32 a33 b31

La cual está conformada en su lado izquierdo, por la Matriz de coeficientes [A(mxn)] y su lado
derecho por la Matriz de términos independientes [B(mx1)] divididas por una línea vertical que
las separa.
1 a12 a13 b11
6. Escalonada 0 1 a23 b21
0 0 1 b31

1 0 0 b11
7. Escalonada reducida 0 1 0 b21
0 0 1 b31
 Tipos de matrices cuadradas según su presentación formal:
–3 –5 3 Cuando los elementos se reflejan alrededor

1. Simétricas : –5 4 8 de la diagonal principal idénticos uno a uno

3 8 1

−3 5 −4
2. Antisimétrica
[ ]
−5 7 −6
4 6 2
Acá, la simetría es es con los inversos aditivos,

0 0 0
3. Matriz Nula
[ ]
0 0 0
0 0 0

1 0 0
4. Identidad 0 1 0
0 0 1

 Según la posición de los datos

3 –1 4
3 –5 6 –-2 T –5 0 1
Transpuesta de –1 0 –2 3 es:  6 –2 7
4 1 7 –1 –2 3 –1
 4

(Cuando los renglones de una son las columnas de la otra)

o Escalar
En oposición al concepto de vector, un escalar es una cantidad sin consideraciones de orden respecto
a otras cantidades. Ej. 7 (número entero) ó 2 (número real, irracional), etc .
Hasta el momento, un vector se ha definido como “un conjunto ordenado de datos, cuyo número
de datos determina su dimensión y que se expresan entre paréntesis: a= (a 1, a2, a3, ... an)”.
Ahora, como mediante el uso de los ejes coordenados cartesiano se graficó visualmente el álgebra
elemental y se desarrolló la Geometría Analítica, también mediante el uso del plano cartesiano se
visualizan los vectores y se desarrolla que podría llamarse geometría de vectores, con la consabida
limitación de estar limitados mentalmente a no visualizar vectores de más de 3 dimensiones. Como
es natural, iniciaremos con el análisis de los vectores de dos dimensiones o “en R2 ” .Un ejemplo de
números que se expresan como vectores son los números complejos: a 1+b1i

En primer lugar, dado el caso de que (como sabemos) todo vector tiene magnitud y dirección,
también como en la geometría euclidiana, estas dos condiciones podrían graficarse con

flechas en un plano cualquiera, sin ejes de 

referencia. Si en un plano  los vectores u y
v actúan , siempre y cuando mantengan sus u
dos dimensiones gráficas (magnitud y
v
dirección) pueden colocarse en cualquier
sitio de dicho plano. En la gráfica, el vector
v, inicialmente separado de u (trazo grueso)
se ha colocado en dos sitios más (punteados)
y sigue siendo el vector v. Esto es semejante
al tratamiento dado a las figuras geométricas
en geometría Euclidiana.

(a1, b1)
1. Cartesianos; un punto se representa como p1 : (a1, b1)

(r1, 1)
r1 2. Polares; un punto se representa como p1 : (r1, q1)
q1

Estos dos sistemas se relacionan entre sí por las fórmulas:

De polar a rectangular: De rectangular a polar:
x = r cos  y = r sen   = arc Tg (y/x) r =  x2 + y2
 = arc sen (y/r),
 = arc cos (x/r)
Sin embargo, como la Tg tiene signos Positivos (+) en los cuadrantes 1° y 3° y signos negativos (–) en los
cuadrantes 2° y 4°, en cada Arctg(n), se puede tratar de dos ángulos con una diferencia de 180° ó  radianes.
Es conveniente tener en cuenta lo siguiente:
Arctg (+/+) 1er Cuadrante Arctg (+/–) 2° Cuadrante
Arctg (–/–) 3er Cuadrante Arctg (–/+) 4° Cuadrante
Por lo anterior, es mas preciso, utilizar una cualquiera de las otras dos fórmulas para determinar .
Ejemplo 1: Dado el vector (3, 5) Halle su magnitud y dirección.
 5

r = Ö x2 + y2  r =  32 + 52  r = 34
 = arc Tg (y/x) ® q = arc Tg (5/3) ® q = 59°
Ejemplo 2: Dado el vector ( 5, 30°) Halle sus coordenadas rectangulares, analítico y combinatorio
x = r cos q  x = 5 cos 30° ® x = 5 3/2 ® 4.33 ® analítico ( 4.33, 2.5 )
y = r sen q ® y = 5 sen 30° ® y = 5 (1/2) ® 2.50 ® combinatorio 4.33i + 2.5j
Ejemplo 3 : Dado el vector (30, /2) Halle sus coordenadas rectangulares, analítico y combinatorio
x = r cos q  x = 30 cos /2 ® x = 30(0) ® 0.0 ® analítico ( 0, 30.0)
y = r sen q ® y = 30 sen /2 ® y = 30(1) ® 30.0 ® combinatorio 0i + 30j
 Vectores elementales
El sistema polar es especialmente útil para representar los vectores en función de magnitud y
dirección, mientras el sistema rectangular lo es para expresarlos en sus componentes rectangulares.
En este último caso, un par, desde el punto de vista gráfico es muy conveniente representarlo como
una combinación1 en función de lo que se llama vectores unitarios simples (i, j):
De esta manera, lo que antes representaban simplemente un
orden de colocación en una pareja, se transforma en una suma y
se logra trabajar simultáneamente con las dos dimensiones. Hay
( a1i + b1 j )
otras ventajas que irán evidenciándose posteriormente. Por el
j momento, se define el producto escalar de los vectores P 1: ( a1i
+ b1 j ) y P2: ( a2i + b2 j )
i así: a1*a2 + b1*b2 Luego, podremos hacer una demostración de
esto.

Las principales operaciones de vector en el sistema rectangular, ya se han definido antes.

 Vectores Unitarios
(r1, 1) (r1, 1)

r1 _r1
| r1 | sen 1
1
1
cos 1

Vector en R2 en sistema polar Círculo de vectores unitarios

Fig.3 Fig. 4
Todo vector (r1 1) tiene su vector unitario asociado, que tiene su misma dirección, pero su magnitud es
1, como se aprecia en la fig, 4 Asi se puede apreciar que los vectores unitarios son
Polares Rectangulares
r1
( |r 1| , 1) (cos  i + sen  j)
1 1

Ejemplo 4: Halle el vector unitario del vector v= 3i + 4j

Magnitud = 25 = 5; 1= arctg (4/3)  q1 = 53.13°® q1 =.92 radianes ® (1, 53.13°), (1,0.92 rad) “polar”
Cos q1 = 4/5: Sen q1 = 3/5 ® ( 4/5 i + 3/5 j) “rectangular”
Producto escalar
Ahora vamos a tratar el Producto Escalar en el sistema Polar, o sea en función de sus magnitudes y el ángulo
entre ellos. Se define que:

u.v= uvcos 
u 
1
Se ampliará el concepto en el Tema 8.
 6

v donde  es el ángulo entre ellos

Si tenemos que u : (au , bu) v: (av , bv) en cartesianas

Mientras en polares, tendríamos: u = (ru , u) v = (rv , v)

au2  bu2 av2  bv2

|u|= ; |v|= ;
cos( u   v )  cos( u ) cos( v )  sin( u ) sin( v )
au a b b
cos(u )  cos(v)  u sin(u )  u sin(v)  v
ru ru ru rv Reemplazando:
   
u v  u v cos 
 
u v  ru rv cos(1   2 )
 
u v  ru rv  cos(1 ) cos( 2 )  sin(1 ) sin( 2 )
  a a b b    a a  bu bv 
u v  ru rv  u v  u v  u v  ru rv  u v 
 ru rv ru r   ru r v 

u . v = au . av + bu. bv
Que coincide con lo que se esperaba2

Ej. 4:Halle el producto escalar de u*v donde v = (5, 6) u = (-5, 8)

Sol : Ya está demostrado u . v = au.av + bu.bv ® u*v = 5.(–5) + 6(8) ® u*v = 48–25 ® u*v = 23

 Proyecciones:
El tema se trata de lo siguiente: Se tienen dos vectores: u y v como se ve en la Fig 1

w
u u
 v Pr
v

Fig 1 Fig 2
Se desea descomponer el vector u en dos componentes ortogonales3 como se ve en la figura 2 que llamaremos
de acuerdo a la siguiente nomenclatura
1) Prv(u): Proyección en la dirección de v, del vector u. Se lee “Proyección en v de u” Se halla:
(1) Obsevando la Fig. 2, por trigonometría la magnitud de  Prv(u) = u  cos 
(2) Por definición sabemos que u.v = uv cos 
u v
(3) De (2) despejamos u cos  
v
(4) De aquí que la magnitud del vector proyección sea: u v
Prv (u ) 
v v
(5) El vector unitario en dirección de v es v

2
Que se puede efectuar en sentido inverso, de: de Rectangulares a Polares y dejamos como una inquietud.
3
Que son perpendiculares entre sí, formando un éngulo de 90°
 7

(6) Entonces el vector proyección de u en la dirección de v es:

Prv(u) = (u.v) v
|v|2

2) wv(u) : Proyección ortogonal a v, del vector (u) . Se halla así:

(1). Si vemos en la Fig. 2 podenis ver que Prv(u) + wv (u) = u
(2). Entonces despejando: wv (u) = u – Prv(u)
(3). Entonces

wv (u) = u – (u.v) v
|v|2

Ej. 5 Cuál es la proyección paralela a v (7, -3) de u (-3, 5). Cuál su proyección Perpendicular
Siendo la fórmula, entonces se requeriría 1) Hallar u.v = 7*(-3) + (-3)*5 ® u.v = –21–15 ® u.v = –36
Prv(u) = (u.v) v 2) “ |v|2 = x2 + y2 ® |v|2 = 72 + (-3)2 ® |v|2 = 58
2
|v|
3) Se reemplaza: Pr v(u) = –36 *(7, -3) ® Pr v(u) = –126, 54
58 29 29
wv (u) = u – Prv(u) 4) Se reemplaza wv (u) = (-3, 5).– – 126, 54 ® wv (u) = 39, 91
29 29 29 29
Ej. 6: Dados los vectores u: 8i – 3j ; Pv(u) : 5i +2j Hallar v

Ej. 7: Dados los vectores u: (3, 3/4) ; Wv(u) : (5, /6) Hallar v
 Aplicaciones
La utilidad de los vectores es enorme. Toda entidad que requiera para ser debidamente
referenciada por lo menos dos (2) dimensiones ordenadas, constituyen un vector., y en las
ciencias naturales (Física, Química, etc. o en las ciencias “artificiales” como la economía y
finanzas, etc. se constituye en un vector y al trabajar con base en ellos facilita su
tratamiento.
Los conceptos mas conocidos que puedes ser descritos como vectores son:
La Posición. El movimiento. La Velocidad. La Aceleración. La Fuerza.

 Operaciones
Como casi todos las unidades conceptuales en las matemáticas, las matrices son susceptibles a efectuar
operaciones entre ellas, siempre y cuando se cumplan ciertas condiciones, especialmente relativas a las
dimensiones y al sentido en que se ejecuten. Ya habiendo tratado el caso del uso de la transformación interna
de las matrices a fin de hallar las soluciones a un sistema de ecuaciones simultáneas, ahora veamos las
operaciones que pueden llevarse a cabo entre vectores y entre matrices
 8

 Operaciones de vector: Entre vectores de una misma dimensión, se pueden

efectuar varias operaciones entre las cuales definiremos ahora las siguientes:
1. Suma (o resta) Se efectúan de elemento a elemento.
Ej: (3,–1,7) + (4, 5, –9) = (7, 4, –2)
2. Multiplicación de un escalar por un vector. Se multiplica el escalar por cada elemento del vector.
Ej: 5(–3, 8, 36) = (–15, 40, 180)
3. Producto Escalar entre dos vectores: Se multiplica cada elemento de un vector por cada elemento del
otro y se suman algebraicamente. El resultado es un escalar
Ej: (3,–1,7) . (4, 5, –9) = 12–5–63 = –56

 Operaciones de Matriz: Suma o resta

Se suman (o resta n) tanto los vectores como las matrices, término a término correspondiente, siempre y
cuando sus dimensiones (para los vectores) o su tamaño (para las matrices) sean iguales.
Ej. : Si el tamaño de A: (3x4) ; de B: (4x3) y de C: (4x3) sólo se pueden sumar (o restar) B y C porque el
tamaño de A está invertido del de los demás.

Ej. 3: Sea A: –2 5 B: 5 –2 C: –1 3 0
3 –8 1 3 4 –2 0
4 –1 0 –7 7 –7 0

Sólo se puede sumar (o restar) A y B, porque C tiene distinto tamaño, a pesar de que su tercera columna es
0,0,0 Veamos como sería A – B: Se lleva a cabo sumando ( o restando) las posiciones, respectivamente.

–2 –5 5– (–2) –7 7
3–1 –8 –3 quedando: A–B 2 –11
4 –0 –1–(–7) 4 6

–1 2 0 4 5 2 3 7 0
Ej. 4: Sea [A] = 3 –7 4 y [B] = 3 –2 4  [A]+ [B] = 6 –9 8
0 4 6 0 4 –3 0 8 3
3 –2 –1 1 13 7 4 11 6

 Multiplicación de una matriz por una constante

Para multiplicar una matriz por una constante, se multiplica dicha constante por cada uno de los elementos de
dicha matriz
Ej.: Hallar 3[B]
4 5 2 12 15 6
3 x 3 –2 4 = 9 –6 12
0 4 –3 0 12 –9
1 13 7 3 39 21

 Multiplicación de una matriz por otra.

La multiplicación entre matrices es posible si, y sólo si la dimensión de las columnas de la primera (n 1 a) es
igual a la dimensión de los renglones de la segunda (m 2 a). : Sea [A] de dimensiones (mA x nA) y [B ] de
dimensiones (mB x nB) entonces, esto solo se puede efectuar si y sólo si n A = mB La matriz resultante tendrá
los renglones de la 1a y las columnas de la segunda (mA x nB)

Ej. [A] (4x3) por [B] (3x2) = [C] (4 x 2).

Cada posición es el resultado de multiplicar escalarmente el vector renglón de la la por el vector columna de
la segunda: R1= (1, –1, 2 )) C1= (–3,–1, 3) ; (R1)(C1) => 1(–3) + (–1)(–1) + (2)(3) =4 lo que da:

1 –1 2 –3 2 [1(-3)+((-1)(-1)+2(3) = 4 ] [ (1) 2+(-1)(0)+2(-4) = – 6 ]

 9

[A]; -3 2 0 * [B]; –1 0 = [C] [(-3)(-3)+2(-1) +0(-3) = 7 ] [ (-3)2 +(2)(0)+0(-4) = –

6]
-1 3 2 3 –4 [(-1)(-3)+3(-1) +2(3) = 6 ] [ (-1)2+(3)(0)+2(-4) = –10 ]
-2 3 -1 [(-2)(-3)+3(-1) +(-1)(3)= 0 ] [ (-2)2 +(3)(0)+(-1)(-4)=0 ]

¡OJO! La multiplicación de matrices tiene un sentido. De manera que [A]* [B]  [B] * [A]

 Razón de ser de algunos Tipos de Matrices.

 La matriz ‘Identidad’ que se caracteriza por ser cuadrada ‘(mxm)’ y tener en su diagonal
‘descendente’ o principal elementos con ‘1’ y el resto solo ‘0’s, así:  1 0 0
I= 0 1 0
0 0 1
Se caracteriza, porque cumple que [A]*[I]=[A]

3 -2 1 0 3 -2 1 0 3 -2
Ej.: sea [A]= 4 1 [I]= 0 1 ; [A]*[I] = 4 1 * 0 1 = 4 1 como se ve.

 La llamada ‘Matriz aumentada’ que hemos utilizado para resolver ecuaciones simultáneas equivale,
en realidad, a expresar una multiplicación de matrices: Sea [A] la matriz de coeficientes, [X] la matriz
de incógnitas y [B] la matriz de Términos independientes, entonces ,
[A]* [X]= [B] como vemos:

a11 a 12 a13 x1 b1

[
a31 a 32 a33 x3 ] [] []
[A] = a21 a 22 a23 [X]= x 2 [B]= b2
b3
[A][B] ¿ 

Que es la expresión habitual de una matriz aumentada.

 Matrices elementales
Una Matriz elemental, es aquella que difiere de la matriz Identidad en SOLO UN ELEMENTO diferente de
CERO. Cuando una Matriz Elemental [E] multiplica una matriz cuadrada [A] (en ese orden) , el elemento
modificado tiene la propiedad de multiplicar el respectivo RENGLÓN 1 de [A] y sumársele a su propio
Renglón.
1 0 0 1 2 3 1 2 3
Ej:
[ ][ ] [
a 1 0 4 5 6 = 1 a+ 4 2a+ 5 3 a+ 6
0 0 1 7 8 9 7 8 9
1 2 39
¿ 7 ¿
¿
][ ]
 Matriz de Permutación:
Ya sabemos que la matriz [I] nos permite replicar una Matriz así: [A][I]=[I][A]=[A]: Ahora, si se permutan los
renglones de [I] y se multiplica por una matriz [A], entonces se permutan los renglones respectivos en [A].
1 0 0 1 0 0 1 2 3 1 0 0 1 2 3 1 2 3

[ ] [ ] [ ]
Ej: 0 1 0 R2 R3 0 0 1 Si [A]= 6 5 4 , efectuemos 0 0 1 6 5 4 = 7 8 9 o
0 0 1 0 1 0 7 8 9 0 1 0 7 8 9 6 5 4 [ ][ ] [ ]
sea, que una una Matriz de identidad con los respectivos renglones permutados, al multiplicarse por una
matriz, le permuta los mismos renglones por lo que a ésta se llama Matriz de Permutación [P].
 10

 Determinantes
A diferencia de las matrices, cuya principal característica es ser un arreglo, en éste la característica es la de ser
un operador4 y por tanto, tiene un valor.
Los determinantes fueron usados y definidos antes de que surgiera el concepto de matriz y de hecho la palabra
matriz se refiere a ellos: se las tomó como “La matriz de los determinantes”
Los determinantes siempre deben ser cuadrados
En el caso de los determinantes sí TIENEN QUE SER CUADRADOS. su tamaño se indica como (n x n)
siendo n  2 Pueden ser de 2x2, 3x3, ... nxn

a11 a12
 Determinantes de 2x2: se expresan así: = a11 a22 – a12 a21
a21 a22

Se resuelven en el orden que indican las flechas + –

 Determinantes de n > 2
Los determinantes de n>3 sólo se resuelven partiendo del concepto de descomposición en sus determinantes ...
“menores”
a11 a12 ... ... a1n
Si tenemos un determinante de nxn que se generaliza así: a21 a22... ⋮
Debemos tener en cuenta: ⋮ ⋮
an1 ... ... an n

 Hay un signo que depende solamente de la posición. Este signo, para una posición que llamaremos i, j
tiene como signo de la posición (-1) ( i+j ) signo que se antepone al del elemento aij.
 Tal como vimos en los determinantes de 3x3) se define un menor de una posición Mij
como el determinante que resulta de eliminar el renglón y la fila respectiva a dicha posición.

De tal manera que, si nos vamos por el renglón i tenemos

|A| = (-1) ( i+1) ai1|M i1| + (-1) ( i+2) ai2|M i2| + … + (-1) ( i+j) aij|M ij+… + (-1) ( i+n) ai1|M in
que es la representación teórica de la solución de un determinante de (n x n)

 Determinantes de 3x3 Se representan así y se resuelven por dos métodos:

a 11 a 12 a 13
a 21 a 22 a 23
a 31 a 32 a 33
1° Colocándole dos columnas mas (o dos filas más) y siguiendo el orden + –
Sentido positivo Sentido negativo

a11 a12  x1   b1   a 11 x1  a 12 x2   b1   a 11 a 12 b1 
           
a21 a22  x2  b2  a
 21 1 x  a x b
22 2   2   a 21 a 22 b2 
Ej.: se hace
2 3 1
2 3 1 2 3 2 3 1 2 3
1 3 4
1 3 4 1 3 1 3 4 1 3
2 5 3
2 5 3 2 5 2 5 3 2 5
4
Operador: Una expresión matemática que indica una operación a efectuar. Por tanto, representa un valor: el
que resulta de efectuar dichas operaciones.
 11

(-2)(-3)(3)+(3)(4)(-2)+(1)(1)(5) – (1)(-3)(-2) – (-2)(4)(5) – (3)(1)(3)

18 + (-24) + 5 – 6 – (–40) – 9
–1 +25
= +24
Ojo: Este sistema es de uso limitado. Sólo se utiliza para resolver determinantes de (3x3)

2° Descomponiéndolo en determinantes menores así:

–2 3 1
Ej.: det 1 –3 4 se hace así:
–2 5 3

1. Se escoge una columna ( o un renglón) que va ser el eje de los menores: En el Ej. tomemos la primera
columna
2. Se coloca un símbolo previo al del número de acuerdo a su posición: + – + – + ...
– + – + ...
+ – ...
⋮
3. Se va tomando cada elemento de la columna escogida y se multiplica por el determinante menor
correspondiente (para tomar el determinante menor respectivo se eliminan los elementos restantes de sus
vectores asociados, sombreados en el primer Menor del ejemplo)

–2 3 1 –3 4 3 1 3 1
1 –3 4  +(-2) –(1) +(-2) (–2)(–9–20)–(9–5)+(-2)(12+3)
–2 5 3 5 3 5 3 (–2)(-29)–(4)–(2)(15)
–3 4
 58 – 4 – 30
 24
Ojo: Este sistema es de mayor trascendencia, ya que no solo se utiliza para resolver determinantes de 3x3, sino
que es el único que se puede utilizar para resolver determinantes de dimensiones mayores (de 4x4 en adelante)

 Inversa de una Matriz cuadrada.

Se tiene una matriz cuadrada de nXn, [A] con matriz inversa, si cumple que [A][A-1]=[I] = [A-1][A]
Ojo: Toda matriz invertible es cuadrada, pero no toda matriz cuadrada es invertible.
Toda matriz invertible cumple que:
 Su forma reducida por renglones, es la matriz Identidad.
 Su determinante es  0
2 4
Ej. 1: Matriz invertible: Sea [A] = 1 3  a) Se puede llevar a su forma reducida por renglones:
 
R1=R1–R2(2, –4)– (1, 3)= (1, –7) 1  7 R2= R2–R1 (1, 3)–(1, –7) = (0, 10);R2 =R2/10Þ 1 7
   
1 3  0 1 
R1= R1+7R2Þ(1,–7)+ (0, 7) = (1, 0),  1 0  o sea que sí es invertible.
 0 1 

b) Por el determinante: 2 -4 = (2)(3)–(1)(–4)= 6+4 = 10 Siendo  0 es invertible.

1 3

Ej. 2: Matriz no invertible: Sea [A] 3 –6

–2 4
a) Llevarla a su forma reducida por renglones: R1=2R1+3R2 (6, –8)+(–6, 8) = (0, 0) lo que hace
imposible llevarla a dicha forma no es invertible.
 12

b) Hallando el valor del Determinante: (3)(4) –(–2)(–6)) = 12–12= 0 Por tanto, no es invertible.

 Métodos para hallar la Inversa de una matriz invertible.

Sea [A] = 2 –4 , hallar [A-1]
1 3
12) Usando incógnitas.
Sabiendo que [A] es invertible, si [A-1] = w x , entonces se cumplirá que: 2 –4 w x 1 0
y z 1 3 *
y z =
0 1
2w–4y 2x–4z 1 0 Por tanto (1) 2w – 4y = 1 (2) 2x – 4z = 0
=
w +3y x+3z 0 1 (3) w + 3y = 0 (4) x + 3z = 1
resolviéndolas dan: w = 3/10; x = 4/10, y = –1/10; z = 2/10
3 4
/10 /10
a11 a121 0 1 0w x Por tanto, la inversa [A-1] = 1
- /10 2
/10
      
a a
 21 220 1 0 1 y z
13) Reduciendo Renglones:
Si [A] invertible, se puede llevar a11 a12 1 0  1 0 w x donde [A-1] = w x
por reducción de renglones. a21 a22 0 1 0 1 y z y z

Ej.: Hallar la inversa de2 -3

-4 5
2 -3 1 0 R2=R2+2R1=>(-4, 5, 0, 1)+(4, -6, 2, 0) = (0, -1, 2, 1)  2 0 - 5 -3
-4 5 0 1 R1=R1+3R2=>(2, –3, 1, 0) – (0, –3, 6, 3) = (2, 0, –5, –3) 0 -1 2
1

Solo basta hacer R1 = R1/2; R2= –R2 = 1 0 -5/2 - 3/2 donde [A-1] = - 5/2 - 3/2 lo cual es
comprobable. 0 1 -2 -1 -2 - 1

2 4 6
Ej. 2: Hallar la inversa de A= si la tiene. 4 5 6
3 1 -2

Para hallar Det. A: Aprovechemos para poner en práctica las propiedades de los determinantes:
1) Se halla un 0 en R2=R2–R1: (4, 5, 6) – (2, 4, 6) = ( 2, 1, 0)
2) Se halla otro en R1=R1+3R3: (2, 4, 6) + (9, 3, –6) = (11, 7, 0)

11 7 0
3) Det A= | 2 1 0 | ⇒ −2|11 7 |=−2(11(1)−2(7))=6 es diferente de 0 por tanto, es invertible
2 1
3 1 −2
2 4 6 1 0 0
Para hallar la inversa, se procede: . 4 5 6 0 1 0
3 1 -2 0 0 1

R1= R3–R1 (3, 1, –2, 0, 0, 1) – (2, 4, 6, 1, 0, 0) = ( 1, –3, –8, –1, 0, 1) 1 -3 -8 -1 0

1
R3=R3–3R1 (3, 1, –2, 0, 0, 1) – ( 3, –9, –24, –3, 0, 3) = (0, 10, 22, 3, 0, –2) 0 1 3 4 1
-4
R2= R2 – 4R1 (4, 5, 6, 0, 1, 0) – (4, –12, –32, –4, 0, 4) = (0, 17, 38, 4, 1, –4) 0 1 2 3 0
-2
De aquí se sigue:
R3= 17R3 – 10 R2: (0, 170, 374, 51, 0, –34) – (0, 170, 380, 40, 10, –40) = (0, 0, –6, 11, –10, 6)
R2=6R2+38R3:(0, 102, 228,24, 6, –24) + (0, 0, –228, 418, –380, 228)= (0, 102, 0, 442, –374, 204)
R2=R2/2 = (0, 51, 0, 221, –187, 102)
R1= 6R1 – 8R3: (6, –18, –48, –6, 0, 6) – (0, .0, 48, 88, –80, 48) = (6, –18, 0, –94, –80, 42)
R1 = 3R1+R2: (18, –54, 0, –246, 162) + (0, 51, 0, 221, –187, 102) = (18, –3, 0, –61, 53, –24)
R1=17R1+R2 (306,–51,0,–3757,7361,4488) + (0,51,0,221,–187,102)=(306, 0, 0, 3536, –7548, 4590)
 13

Quedando:
306 0 0 3536 – 7548 4590
. 0 51 0 221 – 187 102
0 0 –6 11 – 10 6

Ahora, si se hace R1= R1/306 ; R2= R2/51; R3 = R3/(–6 )

104
1 0 0 /9 - 74/3 15
13
0 1 0 /3 - 11/3 2
0 0 1 - 11/6 5
/3 – 1

104
Por tanto: la Matriz Inversa buscada es /9 - 74/3 15
13
/3 - 11/3 2
- 11/6 5
/3 – 1

Lo anterior puede probarse así::

104
2 4 6 /9 - 74/3 15 1 0 0
13
4 5 6 * /3 - 11/3 2 = 0 1 0
3 1 -2 - 11/6 5
/3 -1 0 0 1

Factorización “L” y “U” de una matriz:

(para otro método de resolución de Sistemas de Ecuaciones)
Cuando se tiene una matriz cuadrada[A], cuya reducción a una escalonada NO REQUIERE una permutación de
renglones, ésta se puede ‘Factorizar’ en dos matrices: Una triangular ‘SurOeste’ llamada ‘[L]’ que SI tiene
‘unos’ en la diagonal y otra triangular ‘NorEste’ (que se desarrolla sobre la diagonal principal tirando hacia la
derecha y NO tiene ‘unos’ en la diagonal, por tanto no es escalonada reducida) llamada ‘[U]’ que además nos
va a proporcionar otro método para la solución de sistemas de ecuaciones simultáneas, de muy fácil
obtención:
[A] = [L] * [U
]
#11 #12 #13 #14 1 0 0 0 #11 #12 #13 #14
#21 #22 #23 #24 #21 1 0 0 0 #22 #23 #24
#31 #32 #33 #34 = #31 #32 1 0 * 0 0 #33 #34
#41 #42 #43 #44 #41 #42 #43 1 0 0 0 #44

Hay dos maneras de hallar estas dos matrices, que vamos a proceder a ejemplificar paso a paso:
1) Por reducción de renglones en un solo caso.
Vamos a hallar ‘[u]’: R2=R2+(3/2)R1 R3=R3–(2)R1 R4=R4+ R1 2 -2 4 1
2 -2 4 1 -3 5 2 -3 4 -4 -1 6 -2 1 3 4 0 2 8 -3/2
-3 5 2 -3 3 -3 6 3/2 -4 4 -8 -2 2 -2 4 1 0 0 -9 4
4 -4 -1 6 0 2 8 -3/2 0 0 -9 4 0 -1 7 5 0 -1 7 5
-2 1 3 4
hasta ahora, tenemos tres ceros en su puesto. Nos queda eliminar el 2° y 3er puesto
del 4° renglón. El #42 (-1) se elimina, con el R2 y una vez hecho esto, el #43 que quede se elimina con el R3,
como sigue:
R4=R4+R2/2 R4=R4+ 11/9R3 2 -2 4 1
0 -1 7 5 0 0 11 17/4
0 2 8 -3/2
0 1 4 -3/4 0 0 -11 44/9
0 0 -9 4
0 0 11 17/4 0 0 0 329/36
0 0 0 329/36
A partir de la propiedad de las matrices elementales de multiplicar el R 1 por el elemento modificado y sumarle
su propio renglón, podemos ir hacia atrás de Matriz elemental en Matriz elemental y construir ‘L’ con los
factores que se utilizaron de [A] Þ[U] para hallar los ceros en cada renglón de ‘U’ (cambiándoles el signo para
ir de [U]Þ[A])
 14

Entonces, el elemento #43 = -11/9 ; el elemento # 42=-1/2; el elemento #41=-1; el elemento #31=2; el elemento
#32=0 pues no necesitó ningún factor, el elemento # 21=-3/2 y siendo la diagonal principal la misma que en [I],
formada solo por ‘unos’, queda:
‘L’ * ‘U’ = [A]
1 0 0 0 2 -2 4 1 2 -2 4 1
-3
/2 1 0 0 0 2 8 -3
/2 -3 5 2 -3
2 0 1 0 4 -4 -1 6
-1 -11
0 0 -9 4
-1 /2 /9 1 329
-2 1 3 4
0 0 0 /36

2) Por multiplicación de matrices.

a)Si nos damos cuenta, el renglón R1 no cambia. Por tanto, de una vez podemos colocarlo igual en ‘U’
b) Los demás elementos, tanto de ‘U’ como de ‘L’ los podemos asumir como parámetros a hallar, así:
Multiplicando:
1 0 0 0 2 -2 4 1 R2*C1  2a =-3; a=-3/2 R3*C1 2b = 4; b=2 R4*C1  2d = -2; d=-1
a 1 0 0 0 u v w R2*C2  -2ª+u=5 ; -2(-3/2)+u = 5; u=2
b c 1 0 0 0 x y R2*C3 4a + v = 2; 4(-3/2)+v = 2; v=8
d e f 1 0 0 0 z R2*C4  1a + w = -3; (-3/2)+w = -3; w= -3/2
R3*C2  -2b+ uc = -4; -2(2)+2c = -4; c= 0
R3*C3 4b+cv+x=-1; 4(2) + 0 + x = -1; x= -9
1 0 0 0 2 -2 4 1
R3*C4  1b+w +y= 6; 2 + 0 + y = 6; y= 4 -3
/2 1 0 0 0 2 8 -3
/2
R4*C2  -2d+eu=1; -2(-1)+ 2e =1; e=-1/2 L=
2 0 1 0 0 0 -9 4
R4*C3 4d+ev+fx= 3; 4(-1) + 8(-1/2)+(-9)f= 3; f= -11/9 -1 -11
-1 /2 /9 1 0 0 0 329
/36
R4*C4d+ew+fy+z=4;(-1)+( /2)( /2)+( /9)(4)+z=4; z=329/36
-1 -3 -11

Que son exactamente los mismos valores hallados anteriormente.

Asumamos ahora, que tenemos el sistema de ecuaciones: donde x 1, x2, x3, x4, son las incógnitas:
Si aplicamos la factorización LU, Podemos decir que si [A][x]=[B] Þ donde [A] es invertible, entonces tanto [L]
como [U] lo son, por tanto existe una matriz columna [Y] tal que [U][x]=[Y], que cumple que [L]([Y])=[B] , y
por tanto [L]([U][x])=[B]: despejando en primer lugar [Y], se puede luego despejar [X]. Veamos un ejemplo:
[A] [B] [L] [U] [B]
2x1–2x2+4x3+ x4= 9 2 -2 4 1 9 1 0 0 0 2 -2 4 1 9
-3
-3x1+5x2+2x3–3x4=5  -3 5 2 -3 5  / 2 1 0 0 0 2 8 /2 -3
5
4x1–4x2–x3+ 6x4= -12 4 -4 -1 6 -12 2 0 1 0 0 0 -9 4 -12
-1 -1/2 -11/9 1
-2x1+x2+3x3+ 4x4= -9 -2 1 3 4 -9 0 0 0 329/36 -9
[L][y]=[B]
1 0 0 0 Y1 9  Y1 = 9
-3
/2 1 0 0 Y2 5 Y2 = 5+3/2(9) Þ Y2 = 37/2
2 0 1 0 Y3 -12 Y3 = -12 -2(9) Þ Y3= -30
-1 -1/2 -11/9 1 Y4 -9 Y4 = -9 + 9 +1/2(37/2) +(11/9)(-30) Þ Y4= -329/12
[U][x]=[y]
2 -2 4 1 x1 9 2x1 -2(-1)+4(2)-3=9  x1 = (9 – 2 – 8 + 3)/2 Þ x1 = 1
0 2 8 -3/2 x2 37/2 2x2 + 8(2) – (3/2)(-3) = 37/2 Þ x2 = (37/2 -16 - 9/2)/2 Þ x2 = –1
0 0 -9 4 x3 -30 -9x3 + 4(-3) = -30 Þ x3 = (-30+12)/(-9) Þ x3 = 2
0 0 0 329/36 x4 -329/12 (329/36)x4 = -329/12 Þ x4 = (–329/12)( 36/329)  x4 = – 3
Este sistema no es tan apetecible cuando se está trabajando manualmente, sin embargo, es el que garantiza
una sistematización de mayor economía en operaciones: (se pasa de n 3/3 con otros procedimientos, a n2/2 en
ésta, donde n= # de ecuaciones)
No siempre se puede trabajar directamente una Matriz para hallar sus Matrices Factoriales [L][U]. Cuando es
así, se multiplica por una matriz de permutación [P] quedando: [P][A]=[L][U]
Ej: Dados:  2x–3y+z= –14  –x +2y –3z= 11  4x–2y+ 3z= –17

Reflexión: En matemática, se crean (¿o se descubren?) nuevas unidades, que vienen a ser parte de nuevos
mundos. Una vez creados, al interactuar con ellos se descubren (¿o crean?) operaciones entre ellos. Con
leyes particulares en cada caso.
En el diario vivir, cada uno de nosotros es elemento de “mundos” que se interrelacionan:¿ sí son armónicos
entre si? ¿Sabemos cuáles son sus principales operaciones? ¿las dominamos? O nos dominan ellas?.
 15

Cuestionario
Cada quien tiene su propia manera de grabar los conocimientos. Puede ser visual que
esté basada en gráficos o esquemas. Puede ser auditiva, en la cual la persona recuerda
las frases. Puede ser cinestésica, en la cual es bueno escribir, trabajar. Lo importante
es que cada cual sepa cuando en verdad SABE. Es lo que se quiere, que en cada
pregunta puedas decir: ¡Ajá!.
Este cuestionario (siempre encontrarás uno al final de cada Tema). NO ES para que te lo
respondas enseguida que has leído el tema. Ha sido elaborado para que te lo apliques
cuando vayas a releerlo, para chequear lo realmente aprehendido. Con el objetivo de
ver que conceptos ya han pasado ya a la memoria permanente. Y no se trata de
memorizar nada, sino solamente recordar el sentido de las ideas, el cómo y el porqué
de los procesos, en fin el dominio que ya tienes del tema.

Autocuestionario
1. Empecemos: Tienes una idea clara acerca de...
2. ¿Qué es un vector? ¿Puedes darte 3 ejemplos de tipos vectores en la vida real? Puedes darte 3
ejemplos de vectores desde el punto de vista matemático?
3. ¿Qué determina la dimensión de un vector? Cite un tipo de vector de 2 dimensiones que se presente
en el mundo real.
4. ¿Que es un escalar? Date varios ejemplos generales. Cite un ejemplo de una constante o escalar en el
mundo real.
5. ¿Que es una matriz? ¿En que se diferencia de un vector? ¿Puede una matriz ser un vector? ¿Puede un
vector ser una matriz? ¿Puede cualquier matriz ser un vector? ¿Puede cualquier vector ser una matriz?
Cree una tabla de un caso concreto del mundo real y abstraiga su matriz.
6. ¿Se puede hablar de la dimensión de una matriz? ¿Se puede hablar de la dimensión de un vector?¿Se
puede hablar del tamaño de una matriz? ¿O del tamaño de un vector?
7. ¿Cuál es la convención para describir el tamaño de una matriz?¿Cuáles son los tamaños mínimos de
una matriz? Date un ejemplo.
8. ¿Cuáles tipos de matriz se mencionaron acerca de su presentación Interna?
9. ¿Cuáles acerca de su presentación formal?
10. ¿Cuál es la llamada matriz IDENTIDAD? ¿Puede ser rectangular?
11. Qué es una Matriz Transpuesta?
12. Qué es una Matriz Cuadrada?
13. Qué es una Matriz Simétrica?
14. Qué es una Matriz Aumentada?
15. Qué es una Matriz de Coeficientes?
16. ¿Cuál condición debe llenarse para sumar (restar) Matrices?
17. ¿Cuál, para multiplicar una Matriz por una constante?
18. ¿Cuál (o cuáles) para multiplicar una Matriz por otra?
19. ¿Por qué se llama así a la matriz Identidad?
20. ¿A qué operación equivale una Matriz Aumentada?
21. Entre una Matriz y un Determinante, ¿cuáles son las semejanzas? ¿cuáles las diferencias?
22. Una Matriz, es un operador?
23. Un Determinante, es un operador?
24. ¿Qué condiciones debe tener una Matriz para ser invertible?
25. ¿Puedes describir el método de las incógnitas para hallar la inversa?
26. ¿Y el método de la reducción de renglones?
27. ¿Cuál es la principal propiedad de una Matriz Elemental?
28. ¿Cómo se hallan las Matrices Factoriales [L] y [U]?
29. ¿Para qué se usan?
30. ¿Cómo se ha definido un vector hasta el momento?
31. ¿Cómo se podría graficar desde el punto de vista analítico?
 16

32. ¿Cómo desde el punto de vista combinatorio?

33. ¿Geométricamente, como se conceptualiza un vector?
34. ¿Qué sistemas de coordenadas se utilizan para representas un vector?
35. ¿Puedes recordar las fórmulas que relacionan uno u otro?
36. ¿Qué son los vectores unitarios simples?
37. ¿Cómo se representa un vector de R2 en coordenadas rectangulares?
38. ¿Cómo se representa un vector de R2 en coordenadas polares?
39. ¿Qué es un vector unitario en cualquier dirección?
40. ¿En que se diferencia un vector unitario de un vector unitario simple?
41. ¿Cómo se expresa un vector unitario en polares?
42. ¿Cómo en rectangulares?
43. ¿Cuál el concepto de producto escalar ya visto (Tema 1)?
44. Desde el punto de vista de vectores expresados con base en el sistema Polar de Magnitud y dirección,
¿cuál es la fórmula de producto escalar?
45. Cuál es la fórmula de la Proyección de u paralela (Pr) al vector v?
46. Cuál es la fórmula de la Proyección de u perpendicular (w) al vector v?

Ejercicios
1) Trace dos Vectores cualesquiera en un plano (sin coordenadas) y halle el vector suma
resultante.
2) Trace tres Vectores cualesquiera en un plano (sin ejes coordenados) y halle su vector
suma resultante.
3) Trace dos vectores cualesquiera en un plano (sin ejes coordenados) y halle sus vectores
diferencia.
4) Dados los vectores abajo detallados, halle: 1) el Vector suma entre ellos, 2) el vector
diferencia en el sentido en que están dados para cada caso, 3) el producto escalar y 4) el
ángulo que forman.
a) u=(2, 1), v=(1,2) b) u= i –3j v = 4i+2j c) u = (–5, 7) v = 2i – 3j
5) Dados los vectores abajo detallados, halle los vectores unitarios de c/u de ellos.
a) u=(2, 5), v=(-3,2) b) u= 2i –3j v = 3i+2j c) u = (–3, 5) v = -4i – j
6) Determine  de tal manera que el ángulo entre los ángulos descritos abajo sea /2
a) u=(2, ), v=(-1,3) b) u= i –3j v = i+4j c) u = (–5, ) v = 3i – 5j
7) Determine  de tal manera que el ángulo entre los ángulos descritos abajo sea /4
a) u=(2, –3), v=(,2) b) u= i –3j v = 3i+j c) u = (–5, 7) v = i – 3j
8) Entre los ángulos descritos abajo, halle Proyv (u)
a) u=(2, 1), v=(1,2) b) u= i –3j v = 4i+5j c) u = (–5, 7) v = 2i – 3j
9) Entre los ángulos descritos abajo, halle Proyu (v)
a) u=(2, 1), v=(1,2) b) u= 4i –3j v = –3i+2j c) u = (–5, 7) v =–6i – 2j
Entre los ángulos descritos abajo, halle wv (u) , wu (v)
a) u=(2, -7), v=(–3,2) b) u= i –3j v = 5i+2j c) u = (–5, -1) v = 2i – 3j
10) Entre los ángulos descritos abajo, halle wv (u) , wu (v)
a) u=(2, -7), v=(–3,2) b) u= i –3j v = 5i+2j c) u = (–5, -1) v = 2i – 3j
11) Dados los Vectores en el sistema polar remarcados,
a: (5, 5p/6 rad) b: (6, 4p/3rad ) c: (6, 2p/3rad ) d: (6, 3p/4rad ). Hallar:
1) Su vector suma 2) Coordenadas rectangulares 3) Vector unitario de c/u 4) Producto escalar
12) Dados los Vectores en el sistema rectangular: a: (3,), b: -6i+5j, c: (3,-4)
Halle el valor de  que hace que: 1) El producto ab = bc; 2) El angulo entre a y (b+c)
sea = /2 3) El ángulo entre a y (b-c) sea = 
 17

Ejercicios
Dadas: [A] = 3 -2 4 [B] = - 5 8 -2 [C] = -7 -1 6 [D] = 1 -6
5 7 1 7 -3 6 3 -6 5 8 3
-2 7 -1 -5 7
1) Sumar: a) [A] + [B]; b) [A] + [C]; c) [C] + [D]; d) [B]*[D]
2) Restar a) [A] – [B]; b) [A] – [C]; c) [C] – [D]; d) [B]*[D]
3) Multiplicar a) 3[A] b) 2[A] + 3[B] c) 3[C] d) 2[B]+3[CT]
4) Multiplicar a) [A] * [B]; b) [A] * [C]; c) [C] * [D]; d) [B]*[D]
5) Cree una Matriz de 3x3 y elévela al cuadrado
6) Cree una Matriz de 3x2 y elévela al cuadrado.
Dadas: [E] = -1 -3 [F] = - 2 5 [G] = 0 -3 1 [H] = -1 -2 -1
4 1 4 -10 1 0 -7 -2 1 1
0 -7 -1 -1 2 -1
Dadas: [I] = -1 -3 [J] = - 6 5 [K] = 4 -3 9 [L] = -1 -4 -3
3 1 -10 -3 1 6 -18 -8 7 4
-2 2 -6 -5 1 -3
7) Halle su inversa, por el método de incógnitas
8) Halle su inversa, por el método de transformación de renglones
9) Halle [D]*[E]
10) Hallar: [A]*[C–1]
11) Problemas: Un profesor, necesita presentar a sus alumnos varias matrices de 3x3 cuyo
determinante de cero. Para eso, se planteó los siguientes datos.
a) ¿Qué valor debe tener x para lograrlo?

a) 4 -3 9 b) -1 2 3 c) 2 -3 x d) -5 1 -3
1 6 -18 x 5 -1 -1 2 -3 4 x 2
-2 x 1 2 1 4 3 2 -1 -1 5 6

12) Cree una Matriz de 2x2 y halle su inversa.

13) Cree una matriz de 2x2 que sea NO invertible.
14) Cree una matriz de 3x3 y halle su inversa
15) Cree una matriz de 3x3 que sea NO invertible
Problemas
1) Un aeroplano despega de una pista a una velocidad de 350 Km/h a un ángulo de 25°
respecto a la horizontal, al mismo tiempo que un pequeño cohete sube en vertical a una
velocidad constante de 150 km/h. Cuál es la velocidad a la que se movería la proyección
del movimiento del cohete sobre la ruta del aeroplano?.

PACH/2002 Revisado 2009