Clase - 1 de Algebra

Matrices y determinantes
Profesores:
Mireya Bracamonte
Franca Laveglia
Luz Elimar Marchan
ESPOL
2017
M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 1 / 57

Objetivo a alcanzar
1.2.- Operaciones entre escalares, vectores y matrices.

Definición
Sean m y n números enteros tales que m, n ≥ 1. Una matriz de orden (o tamaño)
m × n es un arreglo rectangular de número reales distribuidos en m filas (o
renglones) y n columnas. Esto es:
 
a11 ···
 
 
 
 
(ai j )m×n := 
 

 
 
 
 

Definición
 
a11 a12 · · ·
 
 
 
 
(ai j )m×n := 
 

 
 
 
 

Definición
 
a11 a12 · · · a1 j
 
 
 
 
(ai j )m×n := 
 

 
 
 
 

Definición
 
a11 a12 · · · a1 j ··· a1n
 
 
 
 
(ai j )m×n := 
 

 
 
 
 

Definición
 
a11 a12 · · · a1 j ··· a1n
 a21
 a22 · · · a2 j ··· a2n 

 
 
(ai j )m×n := 
 

 
 
 
 

Definición
 
a11 a12 · · · a1 j ··· a1n

 a21 a22 · · · a2 j ··· a2n 


 a31 a32 · · · a3 j ··· a3n 

(ai j )m×n := 
 

 
 
 
 

Definición
 
a11 a12 · · · a1 j · · · a1n

 a21 a22 · · · a2 j · · · a2n 

 a31 a32 · · · a3 j · · · a3n 
 .. .. .. .. . . .. 
(ai j )m×n := 

. . . . . .


 
 
 
 

Definición
 
a11 a12 · · · a1 j ··· a1n

 a21 a22 · · · a2 j ··· a2n 

 a31 a32 · · · a3 j ··· a3n 
 .. .. .. .. ... .. 
(ai j )m×n :=  . . . . .
 


 ai1 ai2 · · · ai j ··· ain 
 .. .. .. .. .. 
 . . ··· . . . 

Definición
 
a11 a12 · · · a1 j ··· a1n

 a21 a22 · · · a2 j ··· a2n 

 a31 a32 · · · a3 j ··· a3n 
 .. .. .. .. ... .. 
(ai j )m×n :=  . . . . .
 


 ai1 ai2 · · · ai j · · · ain 
 .. .. .. .. .. 
 . . ··· . . . 
am1 am2 · · · am j · · · amn

Fila
o
renglón

Fila
o
renglón
Columna

+
+ ai j : entrada de la fila i y columna j.

+

+ Una matriz de orden m × n es denotada de forma genérica como (ai j )m×n .

+

+ Las matrices usualmente son denotadas con letras mayúsculas.

+

+ Las matrices usualmente son  denotadas con letras mayúsculas.

a11 a12 a13 · · · a1n
 a21 a22
 a23 · · · a2n  
+ Algunos autores escriben  a31 a32
 a33 · · · a3n  .
 .. .. .. . . .. 
 . . . . . 
am1 am2 am3 ··· amn

Una observación interesante
Si A es una matriz m × n, las columnas de A son vectores de Rm y se pueden

denotar por a1 , a2 , ..., an (en letras negritas).

Una observación interesante
Si A es una matriz m × n, las columnas de A son vectores de Rm y se pueden

denotar por a1 , a2 , ..., an (en letras negritas).
La atención se centra sobre estas columnas cuando se escribe
A = [ a1 a2 ··· an ]

Definición
Una matriz cuyo número de filas y de columnas coinciden se denomina matriz
cuadrada.

Definición
Una matriz cuyo número de filas y de columnas coinciden se denomina matriz
cuadrada.
Si la matriz posee n filas y n columnas para algún entero n ≥ 1 diremos que la

matriz es de orden n × n o simplemente de orden n.
 
a11 a12 a13 · · · a1n
 a21 a22 a23 · · · a2n 
 
(ai j )n×n =  a31 a32 a33 · · · a3n  .
 
 .. .. .. . . .. 
 . . . . . 
an1 an2 an3 ··· ann

En una matriz cuadrada, los elementos aii conforman lo que en adelante
llamaremos diagonal principal de la matriz.

En una matriz cuadrada, los elementos aii conforman lo que en adelante
llamaremos diagonal principal de la matriz.
Una matriz diagonal es un diagonales son cero.

Ejemplo
 
2 3 5
1 A= 4 −1 0  ,
5 1 2

Ejemplo
 
2 3 5
1 A= 4 −1 0  ,
5 1 2
1
 
4 2 0 1
2 B= 1 2 −1 0 ,
0 2 5 −2

Ejemplo
   
2 3 5 1
1 A= 4 −1 0  ,  2 
3 C=
 0 ,

5 1 2 √
2
1
 
4 2 0 1
2 B= 1 2 −1 0 ,
0 2 5 −2

Ejemplo
   
2 3 5 1
1 A= 4 −1 0  ,  2 
3 C=
 0 ,

5 1 2 √
2
1
 
2

4 2 0 1 4 D= 1 −5 0 3 .
2 B= 1 2 −1 0 ,
0 2 5 −2

Ejemplo
 
1 2 2 −5 1
 2
 3 2 4 −1 

Dada la matriz D =   2 5 6 −2 −5 
, indicar(en caso posible), las
1
 1 −2 2 6 2 
1 1 2 3 4
entradas que se señalan:
Orden: , d31 : , d45 : , d14 : , d15 : , d52 :
d1 : , d2 : , d3 : , d4 : , d5 : ,

Definición
Una matriz de orden m × n se denomina matriz nula si todas sus entradas son
nulas. Dicha matriz será denotada como 0m×n .

Definición
 
0 0 0
03×3 =  0 0 0 ,
0 0 0

Definición
 
0 0 0
03×3 =  0 0 0 ,
0 0 0

01×3 = 0 0 0 ,

Definición
 
0 0 0 0 0 0
02×3 = ,
03×3 =  0 0 0 , 0 0 0
0 0 0

01×3 = 0 0 0 ,

Definición
 
0 0 0 0 0 0
02×3 = ,
03×3 =  0 0 0 , 0 0 0
0 0 0
 
0
01×3 = 0 0 0 ,  0 
04×1 = 
 0 .


Definición
Sea A = (ai j )n×n una matriz cuadrada.
¶ Diremos que A es una matriz triangular superior si todos los elementos que
están por debajo de la diagonal principal son nulos. Esto es, ai j = 0 para
i > j.

Definición
Sea A = (ai j )n×n una matriz cuadrada.
¶ Diremos que A es una matriz triangular superior si todos los elementos que
están por debajo de la diagonal principal son nulos. Esto es, ai j = 0 para
i > j.
· Diremos que A es una matriz triangular inferior si todos los elementos que
están por encima de la diagonal principal son nulos. Esto es, ai j = 0 para
i < j.

Ejemplo
Clasifique cada una de las siguientes matrices, según definición.

 
4 3 1
A= 0 5 2 ,
0 0 9

Ejemplo

 
4 3 1
A= 0 5 2 ,
0 0 9
 
4 0 0
B= 0 3 0 .
0 0 3

Ejemplo

 
4 3 1
A= 0 5 2 ,
0 0 9
 
4 0 0
B= 0 3 0 .
0 0 3
 
1 0 0 0
 2 0 0 0 
C=
 3
,
0 1 0 
5 2 0 5

Ejemplo

 
4 3 1 1 2
D= ,
A= 0 5 2 , 0 3
0 0 9
 
4 0 0
B= 0 3 0 .
0 0 3
 
1 0 0 0
 2 0 0 0 
C=
 3
,
0 1 0 
5 2 0 5

Ejemplo
Clasifique
cada una de las siguientes matrices, según definición.
 
43 1 1 2
D= ,
A= 0 5 2 , 0 3
00 9
 
  2 0 0
4 0 0 E = 0 0 0 ,
B =  0 3 0 . 1 1 0
0 0 3
 
1 0 0 0
 2 0 0 0 
C=
 3
,
0 1 0 
5 2 0 5

Ejemplo

 
4 3 1 1 2
D= ,
A= 0 5 2 , 0 3
0 0 9
 
  2 0 0
4 0 0 E = 0 0 0 ,
B= 0 3 0 . 1 1 0
0 0 3
 
  5 0 0 0
1 0 0 0  0 5 0 0 
 2 F = .
0 0 0   0 0 5 0 
C=
 3
,
0 1 0  0 0 0 5
5 2 0 5

Definición
La matriz identidad de orden n, se define como la matriz diagonal que tiene
valor 1 en cada una de las entradas de la diagonal principal, y 0 en el resto.
 
···

3 I1 = 1 , 1 0 0
0 1 ··· 0
3 In =  . ..  .
 
.. ..
 ..

1 0 . . .
3 I2 = ,
0 1 0 0 ··· 1
 
1 0 0
3 I3 = 0 1 0
0 0 1

Definición
 
···

3 I1 = 1 , 1 0 0
0 1 ··· 0
3 In =  . ..  .
 
.. ..
 ..

1 0 . . .
3 I2 = ,
0 1 0 0 ··· 1
 
1 0 0
3 I3 = 0 1 0
0 0 1

Definición
 
···

3 I1 = 1 , 1 0 0
0 1 ··· 0
3 In =  . ..  .
 
.. ..
 ..

1 0 . . .
3 I2 = ,
0 1 0 0 ··· 1
 
1 0 0
3 I3 = 0 1 0
0 0 1

Definición
 
···

3 I1 = 1 , 1 0 0
0 1 ··· 0
3 In =  . ..  .
 
.. ..
 ..

1 0 . . .
3 I2 = ,
0 1 0 0 ··· 1
 
1 0 0
3 I3 = 0 1 0
0 0 1

Definición
 
···

3 I1 = 1 , 1 0 0
0 1 ··· 0
3 In =  . ..  .
 
.. ..
 ..

1 0 . . .
3 I2 = ,
0 1 0 0 ··· 1
 
1 0 0
3 I3 = 0 1 0
0 0 1

Álgebra de matrices
Sean A = (ai j )m×n y B = (bi j )m×n dos matrices. La suma de A y B, es la matriz
C = A + B = (ci j )m×n ,
donde ci j = ai j + bi j .

C = A + B = (ci j )m×n ,
donde ci j = ai j + bi j . De forma más especı́fica, si

   
a11 a12 · · · a1n b11 b12 ··· b1n
 a21 a22 · · · a2n   b21 b22 ··· b2n 
A= ..  y B = 
   
.. .. .. .. .. .. .. 
 . . . .   . . . . 
am1 am2 · · · amn bm1 bm2 ··· bmn

C = A + B = (ci j )m×n ,
donde ci j = ai j + bi j . De forma más especı́fica, si

   
a11 a12 · · · a1n b11 b12 ··· b1n
 a21 a22 · · · a2n   b21 b22 ··· b2n 
A= ..  y B = 
   
.. .. .. .. .. .. .. 
 . . . .   . . . . 
am1 am2 · · · amn bm1 bm2 ··· bmn
 
a11 + b11 a12 + b12 ··· a1n + b1n
 a21 + b21 a22 + b22 ··· a2n + b2n 
A+B =  .
 
.. .. .. ..
 . . . . 
am1 + bm1 am2 + bm2 ··· amn + bmn

Definición
Sea A = (ai j )m×n una matriz y consideremos un escalar α. El producto de α por
A, el cual denotaremos como αA, es la matriz de orden m × n que se obtiene
multiplicando cada uno de las entradas de la matriz A por el escalar α.

Definición
αA = (αai j )m×n .
 
a11 a12 ··· a1n
 a21 a22 ··· a2n 
De manera más explı́cita, si A = 
 
.. .. .. .. 
 . . . . 
am1 am2 ··· amn

Definición
αA = (αai j )m×n .
 
a11 a12 ··· a1n
 a21 a22 ··· a2n 
De manera más explı́cita, si A =   entonces
 
.. .. .. ..
 . . . . 
am1 am2 ··· amn
 
αa11 αa12 ··· αa1n
 αa21 αa22 ··· αa2n 
αA =  .
 
.. .. .. ..
 . . . . 
αam1 αam2 ··· αamn

Definición
Sean A = (ai j )m×n y B = (Bi j )m×n dos matrices.

+ La matriz opuesta de A, denotada como −A, está definida como
−A = (−1)A = (−ai j )m×n .

Definición
Sean A = (ai j )m×n y B = (Bi j )m×n dos matrices.

+ La matriz opuesta de A, denotada como −A, está definida como
−A = (−1)A = (−ai j )m×n .
+ La resta (o diferencia) de A y B, la cual denotaremos como A − B, es la matriz

de orden que se obtiene al sumar la matriz A con la matriz opuesta de B, esto es:
A − B = A + (−B).

Ejemplo
   
1 −8 2 −8
Sean A =  5 6  y B= 5 4  . Determinar
3 5 3
2 5
1 A+B
2 B−A
3 2A − 3B.

Propiedades para la adición
Sean A, B y C matrices de orden m × n. Entonces se verifican las siguientes

propiedades:


propiedades:
S1. A + B = B + A (Conmutativa).


propiedades:
S2. A + (B +C) = (A + B) +C (Asociativa).


propiedades:
S3. A + 0m×n = 0m×n + A = A. Es decir, la matriz nula de orden m × n es el
elemento neutro para la suma.


propiedades:
S3. A + 0m×n = 0m×n + A = A. Es decir, la matriz nula de orden m × n es el
elemento neutro para la suma.
S4. A + (−A) = (−A) + A = 0m×n . Es decir, la matriz −A es el elemento opuesto
aditivo para la matriz A.

Propiedades de la multiplicación de una matriz por un
escalar
Sean A, B y C matrices de orden m × n y α, β . Entonces

escalar
M1. α(A + B) = αA + αB.

escalar
M1. α(A + B) = αA + αB.

M2. (α + β )A = αA + β A.

escalar
M1. α(A + B) = αA + αB. M3. (αβ )A = α(β A) = β (αA).

M2. (α + β )A = αA + β A.

escalar
M1. α(A + B) = αA + αB. M3. (αβ )A = α(β A) = β (αA).

M2. (α + β )A = αA + β A. M4. 1 · A = A.

Definición
Sean A := (ai j )m×n y B := (bi j )n×p matrices, la multiplicación de A por B,

denotada por A · B (o bien AB), es una nueva matriz C = A · B := (ci j )m×p , donde
n
cada ci j está definido por: ci j = ai1 b1 j + ai2 b2 j + · · · + ain bn j = ∑ air br j . Es decir,
r=1

Definición
Sean A := (ai j )m×n y B := (bi j )n×p matrices, la multiplicación de A por B,

denotada por A · B (o bien AB), es una nueva matriz C = A · B := (ci j )m×p , donde
n
cada ci j está definido por: ci j = ai1 b1 j + ai2 b2 j + · · · + ain bn j = ∑ air br j . Es decir,
r=1
   
a11 · a1n b11 ··· b1p
 .. .. ..  ·  .. .. .. 
C = A·B =  . . .   . . . 
am1 ··· amn bn1 ··· bnp
 
a11 b11 + · · · + a1n bn1 ··· a11 b1p + · · · + a1n bnp
=  .. .. ..
.
 
. . .
am1 b11 + · · · + amn bn1 ··· am1 b1p + · · · + amn bnp

Observación interesante
Si A es una matriz m × n, y B una matriz n × p con columnas b1 , b2 , ..., b p entonces

el producto AB es la matriz m × p cuyas columnas serán Ab1 , Ab2 , ..., Ab p .

Observación interesante
Si A es una matriz m × n, y B una matriz n × p con columnas b1 , b2 , ..., b p entonces

el producto AB es la matriz m × p cuyas columnas serán Ab1 , Ab2 , ..., Ab p .
AB = A[ b1 b2 ··· bn ] = [ Ab1 Ab2 ··· Abn ]

Observación
Es importante darse cuenta que no se pueden multiplicar dos matrices de
cualquier dimensión. Sólo se pueden multiplicar A y B si el número de columnas
de A es igual al número de filas de B.

Observación
Es importante darse cuenta que no se pueden multiplicar dos matrices de
cualquier dimensión. Sólo se pueden multiplicar A y B si el número de columnas
de A es igual al número de filas de B.
+ El resultado de la multiplicación será una matriz C con el mismo número de

filas que A y el mismo número de columnas que B.
Ejemplo
   
2 1 −1 1 2 −1
Sean A = −1 3 3  y B = 1 1 −3 . Calcular: A · B y B · A.
1 1 2 0 −1 2

Propiedades de la multiplicación de matrices
Sean A ∈ Mn×p , B,C ∈ M p×r , D ∈ Mr×m y α, β ∈ R,entonces:

(a) El producto de matrices es asociativo, esto es, (AB)D = A(BD).

(b) El producto de matrices es distributivo por la izquierda con respecto a la
suma, esto es,
A(B +C) = AB + AC.

suma, esto es,
A(B +C) = AB + AC.
(c) El producto de matrices es distributivo por la derecha con respecto a la suma,

esto es,
(A + B)C = AC + BC.

suma, esto es,
A(B +C) = AB + AC.

esto es,
(A + B)C = AC + BC.
(d) Existe la identidad por la derecha y por la izquierda de la multiplicación de

matrices In A = A = AI p .

suma, esto es,
A(B +C) = AB + AC.

esto es,
(A + B)C = AC + BC.

(e) α(AB) = (αA)B = A(αB).

suma, esto es,
A(B +C) = AB + AC.

esto es,
(A + B)C = AC + BC.

(e) α(AB) = (αA)B = A(αB).
(f) 0m×n A = 0m×p y A0 p×n = 0m×n .

Algunas definiciones adicionales
+ Sea A una matriz cuadrada de orden n, se define la k-ésima potencia de A

denotada por Ak por la fórmula de recurrencia:
(i) A0 := In (ii) Ak+1 := Ak · A para

k ≥ 1.



k ≥ 1.
+ Una matriz cuadrada A de orden n es nilpotente, si existe un entero k tal que

Ak = 0n , el menor entero en satisfacer la definición anterior se le llama ı́ndice de
nilpotencia de A.



k ≥ 1.
+ Una matriz cuadrada A de orden n es nilpotente, si existe un entero k tal que

Ak = 0n , el menor entero en satisfacer la definición anterior se le llama ı́ndice de
nilpotencia de A.
+ Una matriz A es idempotente si A = A2 .

Ejemplo
 
0 1 0
Sea N = 0 0 1. Calcule N 3 .
0 0 0

Propiedades de la potenciación
Sean A y B dos matrices cuadradas, tales que AB = BA entonces se cumple:

(a) An Am = An+m y (An )m = Anm .


(b) (AB)n = An Bn .


(b) (AB)n = An Bn .
(c) An Bm = Bm An .

Definición
Sea A una matriz de orden m × n. Se define la transpuesta de A, denotada por At ,
a la matriz de orden n × m cuyas columnas son las filas de la matriz A. Es decir, si
consideramos la matriz A = (ai j )m×n , entonces su transpuesta está dada por
At = (a ji )n×m .

Ejemplo
 
1 0 3
1 2 −5 3 4
Dadas las matrices A = , B= y C = 0 2 √π ,

0 3 4 5 6
3 π 2
hallar At , Bt y Ct .

Propiedades de la transpuesta de una matriz
Sean A y B matrices de orden adecuados de tal manera que existan las

operaciones de suma y multiplicación. Sea α un escalar. Entonces:
¶ (A + B)t = At + Bt ,


¶ (A + B)t = At + Bt ,
· (αA)t = αAt ,


¶ (A + B)t = At + Bt , ¸ (AB)t = Bt · At ,
· (αA)t = αAt ,


¶ (A + B)t = At + Bt , ¸ (AB)t = Bt · At ,
· (αA)t = αAt , ¹ (At )t = A.

Definición
Sea A una matriz cuadrada, decimos que:
¶ A es simétrica, si A = At .

Definición
Sea A una matriz cuadrada, decimos que:
¶ A es simétrica, si A = At .
· A es antisimétrica, si A = −At .

Ejemplo
Determine cuales de las siguientes matrices son simétricas, y cuales son

antisimétricas:
   
2 1 0 −2 9 7
+ A =  1 2 ,  2 0 −3 2 
+C=  −9
,
 1 1 3 0 0 
−7 −2

2 1 3 0 0
+ B =  1 5 1 , 1 1
+ D= .
3 1 3 0 1

Verificar que se cumplen las siguientes proposiciones:
1 La matriz A + At es simétrica.

2 La matriz A − At es antisimétrica.

2 La matriz A − At es antisimétrica.
3 Sean A y B matrices simétricas del mismo orden. Demuestre que la matriz AB
es simétrica si y sólo si AB = BA.

Definición
Sea A una matriz cuadrada de orden n. La traza de A, denotada por tr(A), es la
suma de los elementos de la diagonal principal de A, esto es:
tr(A) = a11 + a22 + · · · + ann .

Definición
tr(A) = a11 + a22 + · · · + ann .
 
1 5 2
La traza de la matriz A =  0 1 2  está dada por tr(A) = 1 + 1 + 0 = 2.
3 1 0

Definición
tr(A) = a11 + a22 + · · · + ann .
 
1 5 2
La traza de la matriz A =  0 1 2  está dada por tr(A) = 1 + 1 + 0 = 2.
3 1 0
+ Construir dos matrices cuadradas de orden 2, A y B, distintas que tengan la
misma traza.

Propiedades de la traza
Sean A y B matrices de órdenes adecuados y α un escalar real. Entonces:
Ê tr(A + B) = tr(A) + tr(B).

Ê tr(A + B) = tr(A) + tr(B).

Ë tr(A · B) = tr(B · A).

Ê tr(A + B) = tr(A) + tr(B). Ì tr(αA) = α tr(A).

Ë tr(A · B) = tr(B · A).

Ê tr(A + B) = tr(A) + tr(B). Ì tr(αA) = α tr(A).

Ë tr(A · B) = tr(B · A). Í tr(At ) = tr(A).

La inversa de una matriz
Definición
Una matriz A ∈ Mn se dice que es invertible ( o llamada también no singular) si
existe una matriz B ∈ Mn , tal que:
A · B = B · A = In .
Una matriz B que cumpla la ecuación anterior es llamada una inversa de A, y

cuando no existe esta matriz B se dice que A no es invertible (es singular).

La inversa de una matriz
Definición
Una matriz A ∈ Mn se dice que es invertible ( o llamada también no singular) si
existe una matriz B ∈ Mn , tal que:
A · B = B · A = In .
Una matriz B que cumpla la ecuación anterior es llamada una inversa de A, y

cuando no existe esta matriz B se dice que A no es invertible (es singular).

1 2 −2 1
Sea A = . Compruebe que B = 3 es la inversa de A.
3 4 2 − 21

Observaciones importantes
+Si una matriz cuadrada A de orden n posee inversa, ésta es única, por tal razón
la inversa de la matriz A, en caso de existir, se denota por A−1 .

Propiedad de una matriz invertible
Sean A y B matrices cuadradas del mismo orden e invertibles. Entonces:

Ê AB es invertible y (A · B)−1 = B−1 · A−1 .


Ë A−1 es invertible y (A−1 )−1 = A.


Ì Si α es un escalar real con α 6= 0, entonces A es invertible y (αA)−1 = αA−1 .


Í Si n es un entero cualquiera, entonces An es invertible y (An )−1 = (A−1 )n .


Í Si n es un entero cualquiera, entonces An es invertible y (An )−1 = (A−1 )n .
Î At es invertible y (At )−1 = (A−1 )t .

Matrices escalonadas
Definición
Una matriz A es escalonada si:
Ê Todas las filas distintas de cero están arriba de cualquier fila integrada solo
por ceros.

Definición
por ceros.
Ë Cada entrada principal (primera entrada no nula) de una fila está en una
columna situada a la derecha de la entrada principal de la fila anterior.

Definición
por ceros.

Definición
por ceros.
 
3 −2 7 5 1
 0 0 -4 7 9 
à  ,
 0 0 0 1 6 
0 0 0 0 0

Definición
por ceros.
 
3 −2 7 5 1  
0 -3 1 5
 0 0 -4 7 9 
à  ,  0 0 2 0 .
 0 0 0 1 6 
0 0 0 0
0 0 0 0 0

Ejemplo de matriz no escalonada
 
2 3 7 5
 0 0 0 0 
à 
  .
0 5 4 7 
0 0 0 0

Ejemplo de matriz no escalonada
 
2 3 7 5
 
 0 3 2 −5 4
0 0 0 
à   0 1 3 4 . .
   
0 5 4 7 
0 -5 2 3
0 0 0 0

Definición
Sea A ∈ Mm×n una matriz cualquiera. Diremos que A es de forma escalonada
reducida si verifica las siguientes propiedades:
Ê Las filas nulas, si existen, son las últimas filas de la matriz.

Definición
Ë El primer elemento no nulo de cada fila es 1 (llamado lı́der o pivote).

Definición
Ì El elemento lı́der de cada fila se encuentra a la derecha del elemento lı́der de
la fila anterior.

Definición
la fila anterior.
Í Cada columna que incluye un elemento lı́der contiene ceros en las entradas
superiores e inferiores del mismo.

Definición
la fila anterior.
Í Cada columna que incluye un elemento lı́der contiene ceros en las entradas
superiores e inferiores del mismo.
+ Si cada columna que contenga un elemento lı́der posee solamente ceros por
debajo de dicho elemento, diremos que la matriz está en forma escalonada. A la
matriz en forma escalonada reducida la llamaremos forma canónica por filas de A.

Operaciones elementales por filas
Definición
Las operaciones elementales por filas son operaciones que pueden ser aplicadas
a las filas de una matriz de manera conveniente, y están dadas por:

Definición
Ê Intercambiar dos filas distintas de una matriz ( fi ←→ f j ; i 6= j ).

Definición
Ë Multiplicar cualquier fila por una constante distinta de cero ( fi → c fi ).

Definición
Ì Sumar un múltiplo constante de una fila a otra fila ( fi → c f j + fi ; i 6= j ).

Definición
Ì Sumar un múltiplo constante de una fila a otra fila ( fi → c f j + fi ; i 6= j ).
Definición
Dos matrices de orden m × n son equivalentes por filas si existe una cantidad finita
de operaciones elementales por filas tales que B puede ser obtenida a partir de A,
y viceversa. Cuando A y B sean equivalente por filas, escribiremos: A ∼ B.

Ejemplo
Obtenga
 una matriz escalonada reducida
 a partir de la matriz
1 0 −2 −4 2 −2
A= 0 1 3 5 −2 7 .
0 4 13 22 −9 31

+ Si C es una matriz escalonada reducida equivalente por filas a una matriz A,
entonces C es única.

Teorema
Una matriz A es invertible si y sólo si A es equivalente por filas a la identidad.

Teorema
Una matriz A es invertible si y sólo si A es equivalente por filas a la identidad.
Teorema
Supongamos que A es equivalente por filas a In . Entonces las mismas operaciones
que se aplicaron a la matriz A para obtener a la matriz identidad In , al ser aplicada
nuevamente a la matriz In , y en el mismo orden producirán como resultado a la
matriz inversa de A.

Algoritmo de Gauss-Jordan para hallar la inversa de una
matriz
Sea A una matriz de orden n × n. Para hallar la inversa de A, en caso de que

exista, se procede de la siguiente manera:
Ê Se escribe la matriz aumentada (A|In ).

matriz

Ë Utiliza reducción por filas para reducir la matriz A a una forma escalonada

matriz

Ë Utiliza reducción por filas para reducir la matriz A a una forma escalonada
Ì Para decidir si la matriz A es invertible:
1 Si A puede ser reducida a la matriz identidad I, entonces A es invertible
y A−1 es la matriz a la derecha de la barra vertical.
2 Si la reducción por renglones conduce a algún renglón de ceros a la
izquierda de la barra vertical, la matriz A no es invertible.

  
1 −1 −2 1 1 5
Dadas las matrices A =  2 −3 −5  y B =  1 2 7  determine si
−1 3 5 2 −1 4
son invertibles, en caso afirmativo, encuentre su inversa.

Determinantes
Definición
Sea A = (ai j )n×n .
Ê El menor del elemento ai j , es denotado por Mi j (A), y se define como el
determinante de la matriz que resulta de eliminar la fila i y la columna j de A.
Ë El cofactor del elemento ai j , denotado por Ci j (A), está dado por:
Ci j (A) = (−1)i+ j Mi j (A).
Observe que el menor y el cofactor difieren en el signo o son iguales.

Determinantes
Definición
Sea A = (ai j )n×n .
Ê El menor del elemento ai j , es denotado por Mi j (A), y se define como el
determinante de la matriz que resulta de eliminar la fila i y la columna j de A.
Ë El cofactor del elemento ai j , denotado por Ci j (A), está dado por:
Ci j (A) = (−1)i+ j Mi j (A).
Observe que el menor y el cofactor difieren en el signo o son iguales.
Se utilizará la notación Ci j y Mi j en lugar de Ci j (A) y Mi j (A), respectivamente, si

está claro con la matriz que se está trabajando y no hay posibilidad de confusión.

Ejemplo

1 2
Dada la matriz A = se tiene que
3 4
3 M11 = 4, 3 C11 = (−1)2 4 = 4,
3 M12 = 3, 3 C12 = (−1)3 3 = −3,
3 M21 = 2, 3 C21 = 2 = (−1)3 2 = −2,
3 M22 = 1, 3 C22 = 1 = (−1)4 1 = 1.

Definición
Sea A = (ai j )n×n . El determinante de A es la suma de los productos de los
elementos de la primera fila por sus cofactores. Esto es,
3
Ê Si A es de orden 3, |A| = a11C11 + a12C12 + a13C13 = ∑ a1kC1k .
k=1
4
Ë Si A es de orden 4, |A| = a11C11 + a12C12 + a13C13 + a14C14 = ∑ a1kC1k .
k=1
Ì En general, si A es de orden n,
n
|A| = a11C11 + a12C12 + a13C13 + · · · + a1nC1n = ∑ a1kC1k .
k=1

Ejemplo

2 1 0 4

0 −1 0 2
Calcule el siguiente determinante .
7 −2 3 5

0 1 0 −3

Teorema
El determinante de cualquier matriz cuadrada A, es la suma de los productos de
los elementos de cualquier fila o columna por sus cofactores. Esto es:
Ê Expansión a lo largo de la fila i, si A es de orden n,
n
|A| = ai1Ci1 + ai2Ci2 + ai3Ci3 + · · · + ainCin = ∑ aikCik .
k=1
Ë Expansión a lo largo de la columna j, si A es de orden n,
n
|A| = a1 jC1 j + a2 jC2 j + a3 jC3 j + · · · + an jCn j = ∑ ak jCk j .
k=1

Ejemplo

2 1 0 4

0 −1 0 2
Calcular el determinante .
7 −2 3 5

0 1 0 −3

Propiedades de los determinantes
Teorema
Sean A = (ai j )n×n y α ∈ R con α 6= 0. Entonces:
Ê |At | = |A|,
Ë Al intercambiar dos filas (o dos columnas) de una matriz, el determinante
cambia de signo, pero no varı́a su valor absoluto.
Ì Si en un determinante hay dos filas (o dos columnas) iguales su valor es 0.
Í Si una fila se multiplica por α el valor del determinante se multiplica por la
constante.
Î |αA| = α n |A|.

Teorema de Cauchy-Binet
Sean A = (ai j )n×n y B = (bi j )n×n dos matrices, entonces |A · B| = |A||B|.

Teorema
Sea A una matriz cuadrada de orden n, entonces A es invertible o no singular si y
1
sólo si |A| 6= 0, de hecho, el determinante de |A−1 | = .
|A|

Clase - 1 de Algebra

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Clase - 1 de Algebra

Cargado por

Copyright:

Formatos disponibles

Matrices y determinantes

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 1 / 57

1.2.- Operaciones entre escalares, vectores y matrices.

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 2 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 3 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 3 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 3 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 3 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 3 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 3 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 3 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 3 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 3 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 4 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 4 / 57

+ ai j : entrada de la fila i y columna j.

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 5 / 57

+ ai j : entrada de la fila i y columna j.

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 5 / 57

+ ai j : entrada de la fila i y columna j.

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 5 / 57

+ ai j : entrada de la fila i y columna j.

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 5 / 57

Si A es una matriz m × n, las columnas de A son vectores de Rm y se pueden

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 6 / 57

Si A es una matriz m × n, las columnas de A son vectores de Rm y se pueden

La atención se centra sobre estas columnas cuando se escribe

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 6 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 7 / 57

Si la matriz posee n filas y n columnas para algún entero n ≥ 1 diremos que la

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 7 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 8 / 57

Una matriz diagonal es un diagonales son cero.

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 8 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 9 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 9 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 9 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 9 / 57

Orden: , d31 : , d45 : , d14 : , d15 : , d52 :

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 10 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 11 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 11 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 11 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 11 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 11 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 12 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 12 / 57

Clasifique cada una de las siguientes matrices, según definición.

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 13 / 57

Clasifique cada una de las siguientes matrices, según definición.

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 13 / 57

Clasifique cada una de las siguientes matrices, según definición.

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 13 / 57

Clasifique cada una de las siguientes matrices, según definición.

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 13 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 13 / 57

Clasifique cada una de las siguientes matrices, según definición.

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 13 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 14 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 14 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 14 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 14 / 57

M. Bracamonte - F. Laveglia - L. Marchan (ESPOL) Matrices y determinantes 2017 14 / 57