Está en la página 1de 25

Determinante

En matemáticas se define el determinante como una forma multilineal alternada ( de un


cuerpo. Esta definición indica una serie de propiedades matemáticas y generaliza el
concepto de determinante haciéndolo aplicable en numerosos campos. Sin embargo, el
concepto de determinante o de volumen orientado fue introducido para estudiar el número
de soluciones de los sistemas de ecuaciones lineales.
Notación matemática formada por una tabla cuadrada de números, u otros elementos, entre dos líneas verticales; el
valor de la expresión se calcula mediante su desarrollo siguiendo ciertas reglas. Los determinantes fueron
originalmente investigados por el matemático japonés Seki Kowa alrededor de 1683 y, por separado, por el filósofo y
matemático alemán Gottfried Wilhhelm Leibniz alrededor de 1693. Esta notación se utiliza en casi todas las ramas
de las matemáticas y en las ciencias naturales.

El símbolo
es un determinante de segundo orden, pues es una tabla con dos filas y dos columnas; su valor es, por definición,
a11a22 - a12a21. Un determinante de orden n-ésimo es una tabla cuadrada con n filas y n columnas como se muestra
en la figura:

El adjunto menor, Mij, de un elemento cualquiera aij de la tabla es el determinante formado por los elementos
restantes al eliminar la fila i y la columna j en las que aparece el elemento aij. El cofactor, Aij, de un elemento aij es
igual a (-1)i+jMij.

Regla de Sarrus
De Wikipedia, la enciclopedia libre
Saltar a navegación, búsqueda

La regla de Sarrus: las diagonales continuas se suman y las diagonales en trazos se restan.
La regla de Sarrus es un método fácil para memorizar y calcular el determinante de una matriz 3×3. Recibe su
nombre del matemático francés Pierre Frédéric Sarrus.
Considérese la matriz 3×3:

Su determinante se puede calcular de la siguiente manera:


En primer lugar, repetir las dos primeras columnas de la matriz a la derecha de la misma de manera que queden cinco
columnas en fila. Después sumar los productos de las diagonales descendentes (en línea continua) y sustraer los
productos de las diagonales ascendentes (en trazos). Esto resulta en:

Un proceso similar basado en diagonales también funciona con matrices 2×2:


Esta regla mnemotécnica es un caso especial de la fórmula de Leibniz y no se puede aplicar para matrices mayores
a 3×3.

RESOLUCION DE ECUACIONES X EL METODO DE DETERMINANTES (REGLA DE CRAMMER)


Regla de Cramer
De Wikipedia, la enciclopedia libre
Saltar a navegación, búsqueda
La regla de Cramer es un teorema en álgebra lineal, que da la solución de un sistema lineal de ecuaciones en
términos de determinantes. Recibe este nombre en honor a Gabriel Cramer (1704 - 1752), quien publicó la regla en
su Introduction à l'analyse des lignes courbes algébriques de 1750, aunque Colin Maclaurin también publicó el
método en su Treatise of Geometry de 1748 (y probablemente sabía del método desde 1729).[1]
La regla de Cramer es de importancia teórica porque da una expresión explícita para la solución del sistema. Sin
embargo, para sistemas de ecuaciones lineales de más de tres ecuaciones su aplicación para la resolución del mismo
resulta excesivamente costosa: computacionalmente, es ineficiente para grandes matrices y por ello no es usado en
aplicaciones prácticas que pueden implicar muchas ecuaciones. Sin embargo, como no es necesario pivotar matrices,
es más eficiente que la eliminación gaussiana para matrices pequeñas, particularmente cuando son usadas
operaciones SIMD.
Si es un sistema de ecuaciones. A es la matriz de coeficientes del sistema, es el
vector columna de las incógnitas y es el vector columna de los términos independientes. Entonces la solución al
sistema se presenta así:

donde Aj es la matriz resultante de reemplazar la j-ésima columna de A por el vector columna b. Hágase notar que
para que el sistema sea compatible determinado, el determinante de la matriz A ha de ser no nulo.
Contenido
[ocultar]
• 1 Fórmulas explícitas para sistemas
pequeños
o 1.1 Sistema de 2 ecuaciones con
2 incógnitas
o 1.2 Sistema de 3 ecuaciones con
3 incógnitas
• 2 Demostración
• 3 Referencias
• 4 Véase también
[editar] Fórmulas explícitas para sistemas pequeños
[editar] Sistema de 2 ecuaciones con 2 incógnitas
Para la resolución de un sistema de dos ecuaciones con dos incógnitas, de la forma. Dado el sistema de ecuaciones:

Lo representamos en forma de matrices:

Entonces, x e y pueden ser encontradas con la regla de Cramer, con una división de determinantes, de la siguiente
manera:

y
[editar] Sistema de 3 ecuaciones con 3 incógnitas
La regla para un sistema de tres ecuaciones con tres incógnitas es similar, con una división de determinantes:

Que representadas en forma de matriz es:

x, y, z pueden ser encontradas como sigue:

[editar] Demostración
Sean:

Usando las propiedades de la multiplicación matricial (Producto de Matrices):

entonces:

Sean:

Por lo tanto:
Aparte, recordando la definición de determinante, la sumatoria definida acumula la multiplicación del elemento
adjunto o cofactor de la posición ij, con el elemento i-ésimo del vector B (que es precisamente el elemento i-èsimo
de la columna j, en la matriz Aj

La resolución de sistemas de ecuaciones


mediante determinantes
Hasta este momento has visto tres métodos para resolver ecuaciones lineales en dos variables: gráfico, por
sustitución y eliminación. A continuación un método que te puede ser de utilidad para el mismo tipo de ejercicio que
los métodos anteriores.
La regla de Cramer
Para poder aplicar la regla de Cramer es buena idea comenzar con una explicación sobre cómo calcular los
determinantes.
Determinantes 2 x 2
Si a,b,c y d son cuatro números reales, a la expresión
D = se le llama un determinante 2 x 2.
Su valor se determina con la expresión ad - bc. Es decir, multiplicamos en forma cruzada y restamos los productos.
Es importante que lleves a cabo la multiplicación como se ilustra.
D = = ad - bc
Veamos un ejemplo:
¿Cuál es el determinante para la matriz siguiente ?
Observa el procedimiento para hallar el determinante.
= (3)(1) - (6)(−2) = 15
Resumes este proceso de la siguiente forma: primero se multiplican los números que quedan en la diagonal de
izquierda arriba a derecha abajo. Luego a este resultado se le resta el producto de los números en la diagonal de
izquierda abajo a derecha arriba.
La regla de Cramer es un proceso que te ayuda a resolver sistemas de ecuaciones lineales que tengan la misma
cantidad de ecuaciones y variables. Es un método que aplica los determinantes.
Veamos un ejemplo con todos sus pasos.
Resuelve el siguiente sistema de ecuaciones:
3x - 2y = 4
6x + y = 13
Hallas primero el determinante de los coeficientes de las variables. Lo llamas el determinante principal y lo nombras
con una D.
D = = (3)(1) - (6)(−2) = 15
Observas que el determinante de la matriz de coeficientes nos dio 15. Continúas con el proceso. Observa el
procedimiento para hallar el valor del determinante para la variable x.
Remplazas la columna de coeficientes de la variable x con los valores de las constantes. Observa a continuación el
proceso:
Dx= = (4) (1) - (13) (−2) = 4 + 26 = 30
Para hallar el valor de x, divides el valor determinado Dx por el determinante principal D. Es decir, calculas
Ahora observa cómo hallas el valor de y.
Dy se calcula con el determinante
Dy = = (3)(13) - (6)(4) = 39 - 24 = 15. Fíjate que en este determinante cambias la segunda columna por las
constantes.
Para hallar el valor de y divides el valor hallado para Dy por el determinante principal D. Es decir, calculas y = = = 1
.
Concluyes que la solución del sistema es (2,1). Esto significa que las dos rectas representadas por las ecuaciones
originales se intersecan en el punto con coordenadas (2,1). Recuerda que si el sistema resulta en rectas que se
intersecan lo llamas consistente.
Estudia ahora la forma general de la Regla de Cramer para dos ecuaciones con dos variables:
La solución para el sistema de ecuaciones
ax + by = s cx + dy = t
esta dada por
x=,y=
siempre que lo siguiente ocurra
D = = ad - bc ¹ 0
Finalmente, con la regla de Cramer se concluye que si
D ¹ 0, entonces
x=,y=.
Por si tienes alguna duda sobre el proceso, es importante que estudies el ejemplo 1 de la página 710 de tu texto y
resuelvas los siguientes sistemas aplicando este método.
Resuelve:
1. 1. −3x + 2y = −6
4x - 5y = 8
2. 2. 7x - 2y = 11
x + 3y = −5

(Respuestas)
Práctica adicional: Página 712 del texto, ejercicios impares 1 al 11.
La Regla de Cramer aplicada a determinantes de matrices 3 x 3
Observa un sistema de ecuaciones lineales que consta de tres ecuaciones lineales y las variables x, y, z.
2x + y - z = 3 -x +2y +4z = −3 x - 2y - 3z = 4
Primero hallamos el determinante de los coeficientes de las variables, que es
D=
Una forma de hallar este determinante se presenta a continuación:
D==
=[(2)(2)(−3) + (1)(4)(1) +(−1)(−1)(−2)] - [ (1)(2)(−1)+(−2)(4)(2) + (−3)(−1)(1)]
Observa que se escribieron las primeras dos columnas a la derecha y se efectuaron seis multiplicaciones en diagonal,
tres de arriba hacia abajo y tres de abajo hacia arriba.
= −10 + 15 = 5
D=5
Sigues un procedimiento parecido para hallar el determinante en x, y, z. Recuerda que cada vez que vas a hallar un
determinante, sustituyes la columna de coeficientes de la variable bajo estudio por las constantes. Estudia ahora este
proceso aplicado para hallar el determinante en x.
Dx = =
= [(3)(2)(−3) + (1)(4)(4) + (−1)(−3)(−2)] - [(4)(2)(−1) + (−2)(4)(3) + (−3)(−3)(1)]
= [−18 +16 −6] - [−8 - 24 + 9]
= −8 - (−23)
Dx = 15
Dy = =
= [(2)(−3)(−3) + (3)(4)(1) +(−1)(−1)(4)] - [(1)(−3)(−1)+(4)(4)(2)+
(−3)(−1)(3)]
= [18 +12 + 4] - [3 + 32 + 9]

= 34 - 44
Dy = −10
Dz = =
= [(2)(2)(4) + (1)(−3)(1) + (3)(−1)(−2)] - [(1)(2)(3) + (−2)(−3)(2) +
(4)(−1)(1)]
= [16 −3 +6] - [6 + 12 - 4]

= 19 - 14
Dz = 5
En resumen: D = 5 , Dx = 15, Dy = −10, Dz = 5.
Para determinar los valores de las variables llevas a cabo el proceso siguiente:
x===3
y = = = −2
z===1
La solución de este sistema es (3,−2,1). Lo cual significa que las tres rectas representadas por las ecuaciones del
sistema se intersecan en este punto.
En las páginas 711 y 712 del texto aparece el ejemplo 2 que puede ser de ayuda para entender los determinantes 3X3.
Una práctica en este momento sería de mucha ayuda, para determinar tu nivel de conocimiento de los determinantes
3×3.
Utiliza la regla de Cramer para resolver cada sistema de ecuaciones:
1. x + y - z = 2
-x +2y +3z = −1
x - 4y - 2z = −7
2. 3x + z = 4
-x +2y + 3z = 6
2x + y + 4z = 8
MATRIZ
MATRICES Y SOLUCION DE SISTEMAS DE ECUACIONES
INTRODUCCION
Para el estudio de métodos numéricos es indispensable el conocimiento y manejo del álgebra lineal, ya que es la
base en la solución de la gran mayoría de problemas que cotidianamente se presentan.
El programa que se utiliza para resolver métodos numéricos es el MATLAB; el cual se basa en operaciones de
matrices y vectores; siendo esta otra de las razones para incluir el álgebra lineal en métodos numéricos.
El objetivo principal de este trabajo es comprender la parte básica del álgebra lineal como lo es la teoría de matrices
y la solución de sistemas de ecuaciones lineales mediante varios métodos.
Una vez explicada la teoría, se resolverán problemas, relacionados con el tema, en el MATLAB; escribiendo tanto el
planteamiento del problema como su programa para MATLAB.
En este trabajo se comienza explicando como se realizan las operaciones básicas entre matrices y vectores, tales
como suma, resta, multiplicación, inversa, etc.; para dar paso a la solución de sistemas de ecuaciones lineales
mediante varios métodos como lo son mediante:

• Cálculo de la inversa de la matriz A,


• Eliminación Gaussiana y
• Descomposición de la matriz A en LU.
Al final del trabajo se citan problemas y se resuelven con MATLAB utilizando los diferentes métodos que se
mencionan en la teoría.
También se adiciona el programa que corre bajo MATLAB del cual se obtuvieron los resultados que aquí se citan.

TEORIA
MATRICES Y VECTORES
Una matriz es un arreglo rectangular de números, llamados elementos, ordenados de tal manera que cuente con "m"
filas y "n" columnas.
Los elementos pueden ser números reales o complejos. Para definir un elemento dentro de una matriz se utiliza una
notación con doble subíndice, por ejemplo:

Así el elemento será aquel localizado en la fila "i" y en la columna "j".


Los vectores son formas especiales de las matrices. Si m > 1, pero n = 1, la matriz se convierte en:

Con una sola columna, y se denomina vector columna.


Pero si la matriz es de m = 1 y n > 1 se convierte en vector fila.
Cuando solo hay una columna o una sola fila no es necesario utilizar dos subíndices, con un solo subíndice es
suficiente.
En otro caso especial donde m = n = 1, la matriz de 1 x 1 se denomina escalar.
A continuación se numeran algunas definiciones de matrices importantes dentro del álgebra lineal.
MATRIZ CUADRADA:
Es una matriz donde m = n, se llama simplemente de "n x n".
MATRIZ NULA:
Todos los elementos de la matriz son cero.
MATRIZ IDENTIDAD:
Es una matriz cuadrada donde todos los elementos de la diagonal principal son "1"; mientras que todos los demás
elementos son cero.
Esto es:
MATRIZ TRANSPUESTA:
La transpuesta de una matriz se obtiene intercambiando las filas en el lugar de las columnas y las columnas en el

lugar de las filas. Así si , .


Por ejemplo:

MATRIZ TRIANGULAR SUPERIOR:


Es una matriz cuadrada, donde los elementos por abajo de la diagonal principal son ceros, esto es:

MATRIZ TRIANGULAR INFERIOR:


Es una matriz cuadrada en la que los elementos por arriba de la diagonal superior son cero; esto es:

OPERACIONES ENTRE VECTORES Y MATRICES


SUMA Y RESTA:
Podemos sumar una matriz a otra o restarla de otra si ambas tienen el mismo tamaño (mismo número de columnas y
filas). Como los vectores son una forma especial de matrices, las mismas reglas se aplican a los vectores. Sea

la suma y resta de matrices del mismo tamaño esta definida por:

donde es una matriz con

ejemplo:
PRODUCTO VECTORIAL Y MATRICIAL
Sea;

y dos n-vectores;
entonces el producto de (producto escalar), esta dado por:

Debido a la notación empleada , el producto escalar de dos vectores a menudo recibe el nombre de producto punto
o producto interno de los vectores. Se puede advertir fácilmente que el producto escalar de dos n-vectores es un
escalar. A fin de que se puede hacer el cálculo del producto escalar de A y B es necesario que A y B tengan el
mismo número de componentes.
El producto escalar entre vectores cumple con lo siguiente:
Sean a, b y c n-vectores y un escalar. Entonces:
1.-
2.- (Ley conmutativa del producto escalar)
3.- (Ley distributiva del producto escalar)
4.-
PRODUCTO ENTRE DOS MATRICES:
Suponga que B y C son matrices. Si el número de columnas de A y el número de filas de B son idénticas, las
matrices pueden multiplicarse como:

Donde es una matriz que representa el resultado de la multiplicación. Los elementos de C están
relacionados con los de A y B por:

Dicho de otra forma, el elemento ij-ésimo de AB es igual al producto punto del i-ésimo renglón de A y la j-ésima
columna de B. Es decir:

El número de filas de C es igual al de A, y el número de columnas de C es igual as de B. En otras palabras, si A es


una matriz de p x q y B una matriz de q x r , entonces C es una matriz de p x r. Obviamente, si A y B son matrices
cuadradas del mismo tamaño, C también será también una matriz cuadrada del mismo tamaño. Lo anterior es
suficiente para deducir que el producto de AB no es igual a BA. Puede darse el caso especial donde AB = BA, a lo
cual se dice que las matrices son conmutativas.
Ejemplo de productos entre matrices. Sea:
Encontrar C = AB

Obtenemos así que:

INVERSA DE UNA MATRIZ:


Sean A y B matrices de n x n, y suponiendo que la multiplicación AB = BA = Identidad, entonces la matriz B se le
llama inversa de A, y se escribe . De esta manera:

De la definición anterior se deduce que , si A tiene inversa. Nosotros podemos conocer fácilmente si
una matriz tiene inversa; basta con encontrar su determinante, y si resulta cero, no tiene inversa; cualquier otro
número nos indica que tiene inversa.
Para encontrar la inversa de una matriz puede resultar un poco difícil, dependiendo del tamaño de la misma . Un
ejemplo sencillo se muestra a continuación. Sea:

Encontrar la inversa de A o .
Si tomamos la definición de inversa encontramos que , entonces:
Resolviendo encontramos:

Igualando término a término, encontramos una serie de ecuaciones que al resolverlas obtenemos el resultado:

Sin embargo, este no es el método más adecuado, ya que por el método de eliminación de Gauss-Jordan es posible
encontrar la inversa de una matriz más rápidamente (este método se verá más adelante).
INDEPENDENCIA LINEAL

Las columnas de una matriz A de dimensión (mxn) se puede escribir como (n) vectores columna , cada uno de
(m) elementos, como a continuación

Los vectores columna son linealmente dependientes si existen escalares , no todos iguales a cero, tales que
se cumple:

es decir que:

de lo contrario será linealmente dependiente.

SOLUCION DE SISTEMAS DE ECUACIONES


Consideremos un conjunto de "m" ecuaciones con "n" incógnitas dado por:

.....
.....
.....

donde son coeficientes conocidos, son incógnitas y son términos conocidos que se denominan términos no
homogéneos.
El sistema de ecuaciones lineales anteriores pueden expresarse de la forma compacta como:
donde A, x , y están definidos respectivamente por:

Resolver un sistema de ecuaciones es encontrar el valor de las incógnitas "x".


Una forma de resolver este sistema de ecuaciones es utilizando la formula multiplicándola por la matriz
inversa de A por ambos lados de la igualdad; de la siguiente manera:

(I es la matriz identidad)

De esta manera encontramos que si calculamos la inversa de A y la multiplicamos por el vector "y", obtendremos el
vector "x" con las soluciones al sistema de ecuaciones.
Los sistemas de ecuaciones pueden presentar tres casos:
Es el más común, ya que el número de ecuaciones es igual al número de incógnitas.
El número de ecuaciones es menor que el de incógnitas y tenemos lo que se conoce como problema
subdeterminado.
El número de ecuaciones es mayor que es de incógnitas y tenemos lo que se conoce como problema
sobredeterminado. Esto ocurre en el ajuste de rectas y curvas.
Un conjunto de ecuaciones lineales no siempre tiene solución numérica. Los siguientes tres conjuntos de ecuaciones
son ejemplo de ello:
Ejemplo 1:

En este caso las dos rectas se encuentran en el mismo sitio por lo que la solución que satisface a una, también a la
otra, teniendo así infinitas soluciones.
Ejemplo 2:

Las dos ecuaciones son líneas paralelas que nunca se interceptan, por lo que no existe una solución.
Ejemplo 3:

Tenemos tres ecuaciones independientes para dos incógnitas. Como se observa éstas tres ecuaciones nunca pueden
satisfacerse simultáneamente.
DETERMINANTES
El determinante es una cantidad importante asociada a una matriz cuadrada. De hecho no podemos obtener una
solución única de un conjunto no homogéneo de ecuaciones lineales si el determinante de la matriz de coeficientes es
cero. Esto se debe a que, si por lo menos una ecuación de un conjunto de ecuaciones lineales no es linealmente
independiente, el determinante es cero. Si el valor del determinante es extremadamente pequeño o grande, es señal
de que hay errores graves en la solución de las ecuaciones. El determinante de una matriz también desempeña un
papel importante cuando se calculan los valores propios de una matriz.
El determinante de una matriz A se denota como "det(A)". En el caso de una matriz de 2x2 el determinante de A se
calcula:

Para una matriz de 3x3 existen varias formas de obtenerlo, pero una definición formal del determinante de una matriz
A de orden n esta dada por:

Donde la sumatoria abarca todas las permutaciones del primer subíndice de a, y es + si la permutación es par y
- si es impar.
Si la matriz es una matriz triangular inferior o superior, o una matriz diagonal, el cálculo se simplifica mucho. El
determinante de este tipo de matrices se calcula simplemente multiplicando los elementos de su diagonal principal.

• Matriz: Una matriz es una tabla rectangular de números o elementos de un anillo. Una de las
principales aplicaciones de las matrices es la representación de sistemas de ecuaciones de primer
grado con varias incógnitas. Cada fila de la matriz representa una ecuación, siendo los valores de
una fila los coeficientes de las distintas variables de la ecuación, en determinado orden.
• Igualdad de matrices: Dos matrices son iguales si tienen la misma dimensión y si los elementos
que ocupan el mismo lugar en ambas, son iguales.
• Ecuación lineal: ecuación polinómica de primer grado, es decir, ecuación en la cual las incógnitas
aparecen con grado 1: ax + by + cz +…= k, en donde a, b, c,…, k son números reales y x, y, z,… son
las incógnitas.
Las ecuaciones lineales con dos incógnitas son de la forma
ax + by = c
con a o b no nulos. Se representan mediante rectas cuyos puntos son las soluciones de la ecuación.
Las ecuaciones lineales con tres incógnitas son de la forma
ax + by + cz = d
con a o b o c no nulos. Se representan mediante planos cuyos puntos son las soluciones de la ecuación.
Un sistema de ecuaciones es lineal si todas las ecuaciones que lo forman son lineales.
• Sistema de ecuaciones: conjunto de ecuaciones cuyas soluciones comunes se pretende hallar. Para
indicar que varias ecuaciones forman un sistema, se abarca el conjunto de todas ellas con una llave.
Las ecuaciones de un sistema suelen tener dos o más incógnitas, por lo que cada una de ellas puede
tener infinitas soluciones. Se llama solución del sistema a una solución común a todas las
ecuaciones que lo forman. Resolver un sistema de ecuaciones es hallar todas sus soluciones o
concluir que no tiene solución. Si dos sistemas de ecuaciones tienen las mismas soluciones o ambos
carecen de solución, se dice que son equivalentes.
Los sistemas de ecuaciones sin solución se llaman incompatibles y los que tienen solución, compatibles.
Por ejemplo, el sistema formado por las ecuaciones 2x - 5y = 16 y 4x + y = 10 se expresa así

APLICACIÓN DE LOS CONCEPTOS


 CONCEPTO DE MATRIZ.
Se llama matriz de orden mxn, sobre el cuerpo de los numeros reales a una "caja", "cuadro", etc. que
contiene mxn números reales dispuestos en m filas y n columnas.
* A los números reales aij se les llama elementos de la matriz.
* El primer subíndice (i) indica la fila, el segundo (j) la columna. Así, el elemento a32 es el que está en la
tercera fila y la segunda columna.
* Las dimensiones de la matriz son m y n.

Formalmente podemos definir una matriz de la siguiente manera:


Sean I={1,2,...,m}, J={1,2,...,n} dos conjuntos finitos de índices.
Se llama matriz de orden mxn, sobre el cuerpo de los numeros reales a toda aplicación:
a: IxJ %%%%> R
(i,j) %%%> a(i,j)=aij
que asocia a cada par (i,j) el número real a(i,j) que representamos por aij.
Denotaremos por Mmxn al conjunto de las matrices de orden mxn.

ð
Es una matriz de orden 3x4 (3 filas, 4 columnas), a23=-1, a32=8, a34=0. etc.
 IGUALDAD DE MATRICES.
Dos matrices A y B son iguales si tienen el mismo orden y coinciden los elementos que ocupan el mismo
lugar. Es decir, siendo:

A=B si para todo ið{1,2,...,m} y para todo jð{1,2,...,n} se cumple que aij=bij.
 TIPOS DE MATRICES.
 Matriz fila. Es toda matriz de orden 1xn.

. A es de orden 1x5.
b. Matriz columna. Es toda matriz de orden mx1.
. A es de orden 3x1.
c. Matriz nula. Es la que tiene todos sus elementos nulos. La denotaremos por (0).

Son matrices nulas:

,
, ...
d. Matriz rectangular. Es aquella que tiene distinto número de filas que de columnas.

.
e. Matriz triangular superior. Es aquella matriz cuadrada en la que los términos situados debajo de la
diagonal principal son ceros.
f. Matriz triangular inferior. Es aquella matriz cuadrada en la que los términos situados por encima de la
diagonal principal son ceros.

g. Matriz diagonal. Es aquella en la que todos los elementos fuera de la diagonal principal son ceros.
h. Matriz cuadrada. Es toda matriz que tiene el mismo número de filas que columnas. Es decir m=n. En
ellas podemos distinguir:
La diagonal principal. Son los elementos a11, a22, ..., ann.
La diagonal secundaria. Son los elementos a1n, a2(n-1), ..., an1.

. Diagonal principal: 1,5,9. Diagonal secundaria: 3,5,7.


i. Matriz escalar. Es toda matriz en la que todos los términos de la diagonal principal son iguales.

j. Matriz unidad (identidad). Es la matriz escalar cuyos elementos de la diagonal principal son unos. Se
designa como I.

 SUMA DE MATRICES.

Consideremos dos matrices A, BMmxn, es decir, con las mismas dimensiones.


Definimos:
En forma abreviada: si A=(aij), B=(bij) entonces A+B=(aij+bij).
Es decir: suma de matrices de las mismas dimensiones, es la aplicación que asocia a cada par de matrices
otra matriz de las mismas dimensiones cuyos elementos se obtienen sumando término a término los
elementos correspondientes en dichas matrices:
+: MmxnxMmxn > Mmxn
(A,B)> A+B

Siendo

entonces
.
A. PROPIEDADES.
1. Asociativa: (A+B)+C = A+(B+C). Es evidente, pues los elementos de A, B y C son de R que es un
cuerpo conmutativo.
2. Existe elemento neutro: A+Neutro=A Neutro=(0)=La matriz nula.
3. Existe elemento opuesto: A+(Opuesto de A)=(0) Opuesto de A=-A
4. Conmutativa: A+B = B+A. Es evidente, pues los elementos de A y B son de R que es un cuerpo
conmutativo.
Por tanto (Mmxn, +) es un Grupo Conmutativo.
6. PRODUCTO DE UN NÚMERO REAL POR UNA MATRIZ.

Consideremos la matriz AMmxn y R.


Definimos:
En forma abreviada: si A=(aij), A = (aij).
Es decir: producto de un número real por una matriz, es la aplicación que asocia a cada par formado por un
número real y una matriz, otra matriz cuyos elementos se obtienen multiplicando el número real por todos
los elementos de la matriz:
: RxMmxn > Mmxn
(,A) > A

Siendo

entonces
.
A. PROPIEDADES.
5. (A+B) = A+B
6. (+)A = A+A
7. ()A = (A)
8. 1A = A
Son evidentes, pues tanto los elementos de las matrices A y B como los números y pertenecen a R que es
un cuerpo conmutativo.
7. PRODUCTO DE MATRICES.
A. PRODUCTO DE UNA MATRIZ FILA POR UNA MATRIZ COLUMNA.
Sean A una matriz con una fila y n columnas y B una matriz con n filas y una columna.

El producto de las matrices A y B (AB) es otra matriz con una fila y una columna cuyo único elemento es:
c = a1b1 + a2b2 + ... + anbn. Es decir: AB=(c)
Hay que hacer notar que para poder multiplicar A y B debe suceder que el número de columnas de A sea
igual al número de filas de B.
AB = [26 + (-3)7 + 4(-8) + 59] = (4) que es una matriz de orden 1x1 con un único elemento, el 4.
B. PRODUCTO DE DOS MATRICES CUALESQUIERA.

Sean A una matriz de orden mxn, formada por m matrices fila [A1, A2, ..., Am] de n elementos cada una y
B una matriz de orden nxp, formada por p matrices columna [B1, B2, ..., Bp] de n elementos cada una.
El producto de las matrices A y B (AB) es otra matriz C de orden mxp con m filas y p columnas, cuyo
elemento cij es el producto de la matriz fila Ai por la matriz columna Bj.

Es decir: cij = AiBj = ai1b1j + ai2b2j + ... + ainbnj


Así pues, el producto de matrices, es la aplicación que asocia a cada par de matrices, una de dimensión
mxn y otra de dimensión nxp, una tercera matriz de dimensión mxp:
: MmxnxMnxp> Mmxp
(A , B) > C
tal que el elemento que ocupa el lugar q,r de la matriz producto se obtiene sumando los productos que
resultan de multiplicar los elementos de la fila q-ésima de la matriz A por los respectivos elementos de la
columna r-ésima de la matriz B.

Simbólicamente: si A=(aij), B=(bij) y C=(cij) entonces:


.
Obsérvese que para poder efectuar el producto AB es necesario que el número de columnas de la matriz A
coincida con el número de filas de la matriz B. Esto implica que, en general, si existe el producto AB no
tiene por qué existir BA. Sin embargo, si las matrices son cuadradas y del mismo orden, siempre existen
AB y BA.

C. PROPIEDADES DEL PRODUCTO DE MATRICES.


1. No es una operación interna en el conjunto Mmxn. Si mn ni siquiera se puede efectuar el producto de
dos matrices A,BMmxn.

En el conjunto Mnxn, sí que sería una operación interna.


2. No es conmutativo.
a) Hay casos en los cuales es posible efectuar AB, y no BA.

Si

. No es posible efectuar BA.


b) En los casos en que es posible efectuar AB y BA, no siempre da el mismo resultado. A veces ni siquiera
son del mismo orden.
Si

,
c) En el caso de las matrices cuadradas, tampoco se verifica la propiedad conmutativa.

Si

,
.
3. Dota al conjunto Mmxn de divisores de cero. Es decir, hay matrices no nulas cuyo producto es la
matriz nula.

Si

. A(0) y B(0); sin embargo AB=(0).


4. Verifica la propiedad asociativa en los casos que se puedan multiplicar tres matrices. Es decir, si A es
de orden mxn, B de orden nxp y C de orden pxq, entonces:
(AB)C=A(BC).
5. No existe elemento neutro. Si A es de orden mxn, entonces Im es el elemento neutro por la izquierda
de A, e In el elemento neutro por la derecha de A. Es decir: ImA=A, AIn=A.

.
=
Si A es una matriz cuadrada de orden n, In es el elemento neutro por la izquierda y por la derecha de A. Es
decir, el único elemento neutro de Mnxn. O sea: InA=AIn=A.
6. No existe elemento simétrico para ninguna matriz de Mmxn siendo mðn. Hay matrices cuadradas
que sí tienen elemento simétrico (inversa) las cuales se llaman regulares, en cambio las que no tienen
inversa se llaman singulares. La matriz inversa de A la denotamos por A-1. Ya veremos cómo se calcula.
Si A es de orden n, A-1 también, y se verifica que: A-1ðA = AðA-1 = In.

=
.

Veamos que

no tiene inversa. Si
fuera su inversa:

=
a+c=1, b+d=0, a+c=0, b+d=1. Sistema de ecuaciones que no tiene solución y por tanto no existe B.
7. A(B+C) = AB+AC. Es evidente, con AMmxn y B,CMnxp.
8. (A+B)C = AC+BC. Es evidente, con A,BMmxn y CMnxp.
9. (A)B = (AB). Es evidente, con AMmxn y BMnxp.
8. TIPOS DE MATRICES CUADRADAS.
1. Diagonales. Son aquellas que tienen todos sus elementos nulos excepto los de la diagonal principal, los
cuales pueden ser nulos o no.

,
.
a. Escalares. Son las diagonales con todos los elementos de la diagonal principal iguales.

,
.
b. Unidad o identidad. Es una diagonal escalar con el número 1 en todos los lugares de la diagonal
principal. Se denota por In.

,
.
2. Triangulares. Son aquellas en las que son nulos todos los elementos que están por encima o por debajo
de la diagonal principal.
a. Triangular superior. Si son nulos los elementos por debajo de la diagonal principal. Es decir: aij=0
para i>j.

,
.
b. Triangular inferior. Si son nulos los elementos por encima de la diagonal principal. Es decir: aij=0 para
i<j.
,
.
3. Simétricas. Son las matrices A tales que At=A. Es decir: aij=aji para todos i, j.

.
4. Antisimétricas. Son las matrices A tales que At=-A. O sea: aij=-aji para todos i,j.

es antisimétrica, pues
.
Observación. En las matrices antisimétricas los elementos de la diagonal principal son nulos.
5. Regulares o invertibles. Son las que tienen inversa respecto al producto de matrices. Es decir: A es
regular si existe su inversa A-1 y por tanto: AA-1 = A-1A = I.

su inversa es
.
su inversa es
.
6. Singulares. Son las que no tienen inversa respecto al producto de matrices.

y
no tienen inversa.
7. Ortogonales. Son las matrices A tales que AAt=I, es decir, A-1=At.

y
son ortogonales. Compruébese.
8. Idempotentes. Son las matrices A tales que A2=A.

y
son idempotentes. Compruébese.
9. Involutivas. Son las matrices A tales que A2=I.

y
son involutivas. Compruébese.
9. MATRIZ TRASPUESTA. PROPIEDADES.
Matriz traspuesta de A. Es la que se obtiene a partir de A cambiando filas por columnas sin alterar su
orden de colocación. La denotaremos por At.
Si A=(aij), At=(aji). Si A es de orden mxn, At será de orden nxm.
Propiedades

Consideremos las matrices A, B, At y Bt de órdenes adecuados a las propiedades que veamos.


1. (At)t = A. Dem. Evidente.
2. (A)t = At. Dem. Evidente.
3. (A+B)t = At + Bt.
Dem: Como A=(aij) y B=(bij) entonces A+B=(aij+bij). (A+B)t=(aji+bji)=(aji)+(bji)=At+Bt.
4. (AB)t = BtAt.
Dem: Sean A=(aij) de orden mxn y B=(bij) de orden nxp. C=AB=(cij) será de orden mxp.
El elemento cij de C=AB es como sabemos: cij = ai1b1j + ai2b2j + ... + ainbnj.
Este elemento es también el elemento que está en la fila j y la columna i de la matriz (AB)t, es decir, es el
cji de (AB)t.
Los elementos de la fila j de la matriz Bt son b1j, b2j, ..., bnj.
Los elementos de la columna i de la matriz At son ai1, ai2, ..., ain.
Por tanto, el elemento de la fila j y la columna i de BtAt es: b1jai1+b2jai2+...+bnjain=cji.
Luego (AB)t=BtAt.
9. MATRICES INVERTIBLES. PROPIEDADES.
Una matriz A es invertible o regular, si tiene inversa respecto al producto de matrices. Es decir: A es
invertible si existe su inversa A-1 y por tanto: AðA-1 = A-1ðA = I.
Propiedades
1. Si A y B son matrices cuadradas de orden n tales que: AB=In, entonces B=A-1 y A=B-1.
Dem. Multiplicando en AB=In por A-1 y aplicando la propiedad asociativa se tiene que: A-1(AB)=A-1 (A-
1A)B=A-1 B=A-1.
Análogamente: (AB)B-1=B-1 Að(BB-1)=B-1 A=B-1.
2. (A-1)-1 = A. Dem. Evidente.
3. (AB)-1 = B-1A-1.
Dem. Hay que ver que: (AB)(B-1A-1)=In.
Por la propiedad asociativa: (AB)(B-1A-1)=A(BB-1)A-1=AA-1=In.
4. (At)-1 = (A-1)t.
Dem. Como AA-1=In, tomando traspuestas resulta que: (A-1)tAt=In, luego, por la primera propiedad (A-
1)t=(At)-1.
10. RANGO DE UNA MATRIZ.
El concepto de rango es uno de los conceptos más importantes del Algebra Lineal.
Rango por filas de una matriz es el mayor número de filas que sean linealmente independientes. (*)

Rango por columnas de una matriz es el mayor número de columnas que son linealmente independientes.
(*)

Sea
. El rango por filas de A es 2 ya que las filas (1,0,3) y (2,1,-1) son linealmente independientes y
(3,1,2)=(1,0,3)+(2,1,-1).
El rango por columnas es también 2 ya que las columnas (1,2,3) y (0,1,1) son linealmente independientes y
(3,-1,2)=3(1,2,3)-7(0,1,1).
El hecho de que coincidan el rango por filas y el rango por columnas en el ejemplo anterior, no es por
casualidad; veremos más adelante que esta propiedad se verifica siempre, por lo cual podemos hablar
simplemente de rango (o característica) de una matriz.
Se enuncia a continuación un teorema que permite conocer un método para calcular el rango de una matriz.
Teorema. El rango por filas (o por columnas) de una matriz A no varía si se sustituye una de ellas
por una combinación lineal de todas, en la cual el coeficiente de la sustituida es distinto de cero.
Así, un método para calcular el rango de una matriz consiste en transformarla, mediante las operaciones
indicadas en el teorema anterior, en una matriz "escalonada".
Teorema. El rango por filas y el rango por columnas de una matriz A son iguales.
 CONCEPTO DE SISTEMA DE ECUACIONES LINEALES.
Sistema de m ecuaciones con n incógnitas. Es un conjunto de expresiones algebraicas de la forma:

xj son las incógnitas, (j=1,2,...,n).


aij son los coeficientes, (i=1,2,...,m) (j=1,2,...,n).
ci son los términos independientes, (i=1,2,...,m).
Los números m y n pueden ser cualesquiera: m>n, m=n ó m<n.
Los escalares aij y ci son números reales.
El escalar aij es el coeficiente de xj en la i-ésima ecuación.
Cuando n es pequeño, es usual designar a las incógnitas con las letras x, y, z, t, ...
Obsérvese que el número de ecuaciones no tiene por qué ser igual al número de incógnitas.
Cuando ci=0 para todo i, el sistema se llama homogéneo.

n
Es un sistema de 3 ecuaciones lineales con 4 incógnitas.
Los coeficientes de la primera ecuación del sistema son los números 3, -2, 1, -1.
El término independiente de la misma es el 2.