Está en la página 1de 16

MATRICES Y

DETERMINANTES
ALGEBRA LINEAL
INGENIERO. JESUS HERRERA TRIANA

1
INSTITUTO TECNOLOGICO DE BOCA DEL RIO

ALGEBRA

ING. HERRERA TRIANA JESUS

INES DE LOS ANGELES LEON BARRIENTOS

INGENIERIA CIVIL

MATRICES Y DETERMINANTES

SEMESTRE 2

BOCA DEL RIO, VERACRUZ. ABRIL 2020.

2
INDICE:

2.6 DEFINICION DE DETERMINANTE DE UNA MATRIZ………………………………………………….. 4

2.7 PROPIEDADES DE LOS DETERMINANTES…………………………………………………………………5

2.8 INVERSA DE UNA MATRIZ CUADRADA ATRAVES DE LA ADJUNTA…………………………..8

2.9 APLICACIÓN DE MATRICES Y DETERMINANTES………………………………………………………9

3
2.6 DEFINICION DE DETERMINANTE DE UNA MATRIZ

El determinante de una matriz es un escalar que sólo se puede calcular si se trata de una
matriz cuadrada, es decir, aquella en que el número de filas y de columnas coincide. Para
denotarlo se precede el nombre de la matriz por “det” o se incluye dicho nombre entre dos
barra verticales “| |”.

Una regla general para calcular el determinante de cualquier matriz sea del orden que
sea es a través del uso de sus cofactores.

Se denomina cofactor del elemento aij y se denota habitualmente por Aij, al producto
del determinante de la matriz que resulta de eliminar la fila y la columna en la que se situa
dicho elemento por (-1)i+j.

Sea A una matriz cuadrada de orden MxM, el cofactor del elemento aij no será más que
el determinante de la matriz (M-1)x(M-1) que resulta de eliminar la fila i-ésima y la columna
j-ésima, cambiado de signo si la suma de los subíndices correspondientes a su fila y
columna es impar.

La regla general para obtener el determinante de una matriz consiste en seleccionar


una fila o una columna de dicha matriz y multiplicar cada uno de sus elementos por sus
cofactores correspondientes y sumar los resultados. Por ejemplo, utilizando como base de
los cálculos la fila i-ésima, el determinante se calcularía como:

La “fórmula de los cofactores” permite reducir un determinante de cualquier orden a una


combinación de determinantes de orden inferior. Por tanto, si se tuviera que calcular el
determinante de forma manual, se tendría que desarrollar la expresión hasta llegar a los
determinantes de menor orden posible, es decir, 1x1. Para simplificar el proceso sería
conveniente elegir la fila o columna más apropiada, es decir, la que permitiera llegar al
resultado final con menos calculos .

Propiedades:

- Si se intercambian dos filas/columnas cualesquiera de una matriz, su determinante


cambia de signo.

- Si se multiplican todos los elementos de una fila/columna de una matriz por un escalar,
su determinante queda multiplicado por ese escalar.

- El valor del determinante queda inalterado si se suma a cualquier fila/columna, un


múltiplo de cualquier otra fila/columna.

- Si una matriz tiene dos filas/columnas iguales, su determinante es nulo.

- El determinante de una matriz coincide con el de su traspuesta:

- El determinante del producto de dos matrices es igual al producto de sus


determinantes:

Cuando el determinante de una matriz es nulo, se dice que es una matriz singular y
cuando su determinante es distinto de cero, se dice que es una matriz no singular

4
2.7 PROPIEDADES DE LOS DETERMINANTES

|At|= |A|

El determinante de una matriz A y el de su traspuesta A t son iguales.

⮚ |A| = 0 Si:

Posee dos filas (o columnas) iguales.

Todos los elementos de una fila (o una columna) son nulos.

5
Los elementos de una fila (o una columna) son combinación lineal de las otras.

F3 = F 1 + F 2

⮚ Un determinante triangular es igual al producto de los elementos de la diagonal


principal.

⮚ Si en un determinante se cambian entre sí dos filas (o dos columnas), su valor


sólo cambia de signo.

⮚ Si a los elementos de una fila (o una columna) se le suman los elementos de


otra multiplicados previamente por un número real, el valor del determinante no
varía.

6
Es decir, si una fila (o una columna) la transformamos en una combinación lineal de
las demás, el valor del determinante no varía.

⮚ Si se multiplica un determinante por un número real, queda multiplicado por


dicho número cualquier fila (o cualquier columna), pero sólo una.

⮚ Si todos los elementos de una fila (o columna) están formados por dos
sumandos, dicho determinante se descompone en la suma de dos
determinantes en los que las demás filas (o columnas) permanecen invariantes.

7
2.8 INVERSA DE UNA MATRIZ CUADRADA A TRAVÉS DE LA
ADJUNTA.

Sea A una matriz de nxn. Entonces A es invertible si y solo si detA≠0. Si detA≠0, entonces

Si detA≠0, entonces se demuestra que (1/detA)(adjA) es la inversa de A multiplicándola


por A y obteniendo la matriz identidad:

Si AB=I, entonces B=A-1. Así, (1/detA)adjA=A-1

Sistemas de Ecuaciones: Regla de Cramer. Discusión de los sistemas de ecuaciones


lineales. Ejercicio: cálculo de las incógnitas en un sistema de ecuaciones lineales.
Polinomio característico. Valores propios y vectores propios.

8
2.9 APLICACIONES DE MATRICES Y DETERMINANTES

En el tema de matrices y su aplicación a los sistemas de ecuaciones lineales, se vio


cómo resolverlas mediante el teorema de Gauss. Con los determinantes, y aplicando la
regla de CRAMER, veremos otra manera de calcular los sistemas de ecuaciones lineales.

Regla de Cramer
Los pasos a seguir para calcular los sistemas de ecuaciones según la regla de CRAMER
son los siguientes:
1- Hallar la matriz ampliada (A b) asociada al sistema de ecuaciones, esto es: que la
primera columna esté formada por las entradas de los coeficientes de la primera
incógnita de las ecuaciones; que la segunda columna la formen las de la segunda
incógnita, y así hasta llegar a la última columna, que estará constituida por las entradas
de los términos independientes de las ecuaciones.
2- Calcular el determinante de A.
3 . Aplicar la regla de CRAMER, que consiste en:
a) ir sustituyendo la primera columna del det (A) por los términos independientes;
b) dividir el resultado de este determinante entre el det (A) para hallar el valor de la
primera incógnita;
c) continuar sustituyendo los términos independientes en las distintas columnas para
hallar el resto de las incógnitas.
Ejemplo:
Sea el sistema de ecuaciones lineales formado por dos ecuaciones con dos incógnitas:
3.x - 2.y = 1
x + 5.y = 3
Encontrar el valor de x e y mediante la regla de CRAMER. Empezaremos con el primer
paso, que consiste en hallar la matriz ampliada A b asociada al sistema de ecuaciones
lineales:

x y b

(A b) = 3 -1 8

9
1 3 2

El segundo paso es calcular el determinante de A. Así pues:


3 -2
det A = = 15 + 2 = 17
1 5

Y el tercero y último paso consiste en calcular las incógnitas:

Discusión de los sistemas de ecuaciones lineales


A continuación, se estudiará la manera de saber de antemano si un sistema de
ecuaciones lineales tienen o no solución y si tienen una única o infinitas soluciones. El
estudio o discusión de los sistemas de ecuaciones se efectúa aplicando el teorema de
Rouché-Fröbenius. Este dice que con un sistema de ecuaciones lineales pueden ocurrir
dos cosas:
1- Que el sistema de ecuaciones sea un sistema compatible (S.C.), esto es, que tenga
solución.
2- Que el sistema de ecuaciones sea un sistema incompatible (S.I.) o que no tenga
solución.
El primer caso puede dividirse en dos:
a) que sea un sistema compatible y determinado (S.C.D.), esto es, que tenga una única
solución;
b) que el sistema sea compatible e indeterminado (S.C.I.), es decir, que tenga infinitas
soluciones.
Sea un sistema no homogéneo:

a11.x1 + ... + a1n.xn = b1

a21.x1 + ... + a2n.xn = b2


... ... ...
am1.x1 + ... + a mn.xn = bm

10
En consecuencia, la matriz ampliada Ab asociada al sistema de ecuaciones es:
a11 ... a1n b1

a21 ... a2n b2


Ab =
... ... ... ...

am1 ... a mn bm

y el sistema será compatible cuando:


rango (A) = rango (A b), lo que suele expresarse diciendo que el rango de la matriz de
coeficientes coincide con el rango de la matriz ampliada.
Si el sistema anterior es compatible y rango (A) = rango (A b) = número de incógnitas, el
sistema es compatible y determinado, es decir, tiene una única solución. Si, por el
contrario, tenemos que rango (A) = rango (A b) < número de incógnitas, el sistema es
compatible e indeterminado, es decir, tiene infinitas soluciones.
Si rango (A) ≠ rango (A b), el sistema es incompatible y no tiene ninguna solución.
Ejemplos:
Discutir, sin resolver, los siguientes sistemas de ecuaciones:
a)
x + 2.y = 5
2.x + 4.y = 13
b)
3.x - y = 8
x + 3.y = 2
c)
6.x - 2.y = -10
3.x - y = -5
a)
x + 2.y = 5
2.x + 4.y = 13
1 2
A= 2 4

11
1 2 5
(A I) =
2 4 13

1 2
rango (A) = = 4 - 4 = 0; rango (A) = 1
2 4

1 5
rango (A B) = = 13 - 10 = 3 ≠ 0; rango (A B) = 2
2 13
Puesto que rango (A) = 1 ≠ rango (A b) = 2, el sistema es incompatible; no existe
ninguna solución.
b)
3.x - y = 8
x + 3.y = 2
3 -1
A=
1 3

3 -1 8
(A b) =
1 3 2

3 -1 = 9 + 1 = 10 ≠ 0; rango (A) =
rango (A) =
1 3 2

rango (A b) 3 8 = 6 - 8 = -2 ≠ 0; rango (A b) =
= 1 2 2
Ya que rango (A) = rango (A b) = 2 = número de incógnitas, el sistema es compatible y
determinado; es decir, existe una única solución.
c)
6.x - 2.y = -10
3.x - y = -5
6 -2
A=
3 -1

(A b) = 6 -2 -10

12
3 -1 -5

6 -2
rango (A) = = -6 + 6 = 0; rango (A) = 1
3 -1

6 -10
rango (A b) = = -30 + 30 = 0; de momento, rango (A b) = 1
3 -5

rango (A b) -2 -10 =10 - 10 = 0; rango (A b) =


= -1 -5 1
Puesto que rango (A) = rango (A b) = 1 < número de incógnitas, el sistema es
compatible e indeterminado; existen infinitas soluciones.

Ejercicio: cálculo de las incógnitas en un sistema de ecuaciones lineales


Discutir y calcular el valor de las incógnitas de los siguientes sistemas de ecuaciones
lineales:
a)
3.x + 2.y - z =4
2.x - y + 2.z = 3
x + 3.y + 2.z = -5
3 2 -1
A= 2 -1 2
1 3 2

3 2 -1 4

(A b) = 2 -1 2 3

1 3 2 -5

Calculamos a continuación el rango de A y el rango de la matriz ampliada (A b):


El rango de la matriz A será:
3 2
= -3 - 4 = -7 ≠ 0; rango (A) ≥ 2
2 -1

3 2 -1 = -6 + 4 - 6 - 1 - 8 - 18 = -35 ≠ 0; rango (A) = 3

13
2 -1 2
1 3 2
El rango de la matriz ampliada (A b):
3 2 4
= -15 + 6 + 24 + 4 - 20 - 27 = -28 ≠ 0; rango (A b)
2 -1 3
=3
1 3 5
Dado que rango (A) = rango (A b) = 3 = número de incógnitas, el sistema es compatible
y determinado; tiene, pues, una única solución. Resolvamos el sistema mediante la regla
de CRAMER:
Calculamos el det (A):
3 2 -1
det (A) = 2 -1 2 = -6 + 4 - 6 - 1 - 8 - 18 = -35
1 3 2
Aplicando la regla de CRAMER:

x = 68/(-35); y = -53/(-35); z = -42/(-35).


Polinomio característico
Consideremos una matriz n-cuadrada arbitraria:
a11 a12 ... a1n
a21 a22 ... a2n
=
... ... ... ...
an1 an2 ... ann
La matriz (A - λ ·In), donde In es la matriz identidad n-cuadrada y λ un escalar
indeterminado, se denomina matriz característica de A:
a11 - λ a12 ... a1n
(A - λ.In) =
a21 a22 - λ ... a2n

14
... ... ... ...
an1 an2 ... ann - λ
Su determinante, det (A - λ ·In), que es un polinomio en λ, recibe el nombre de polinomio
característico de A. Asimismo, llamamos a
det (A - λ ·In) = 0
ecuación característica de A.
Ejemplo:
Hallar la matriz característica y el polinomio característico de la matriz A:

1 -2
A=
2 0
La matriz característica será (A - λ ·In). Luego:
1-λ -2
(A - λ.In) =
2 0-λ
y el polinomio característico,
1-λ -2
det (A - λIn) = = (1 - λ).(0 - λ) + 4 = λ² - λ + 4
2 0-λ

Así pues, el polinomio característico es λ² - λ + 4.

Valores propios y vectores propios


Sea A una matriz n-cuadrada sobre un cuerpo K. Un escalar λ ∈ Kn se denomina un valor
propio de A si existe un vector (columna) no nulo v ∈ Kn para el que
Av = λ v

Todo vector que satisfaga esta relación se llama vector propio de A perteneciente al valor
propio λ. Los términos valor característico y vector característico (o autovalor y
autovector) se utilizan con frecuencia en lugar de valor propio y vector propio.

15
Ejemplo:
Sea

A 1 2 , y sean v1 = (2,3) y v2 = (1,-1).


= 3 2 Entonces

1 2 2 8 2
A.v1 = , = = 4. = 4.v1, y
3 2 3 12 3

1 2 1 -1
A.v2 = , = = -1.v2
3 2 -1 1
Así pues, v1 y v2 son vectores propios de A pertenecientes, respectivamente.

16

También podría gustarte