Algebra y Geometría

Analítica.

Unidad n°9:MATRICES
Y
DETERMINANTES.

Esp. Liliana Eva Mata Algebra y Geometría Analítica 1

Contenidos
Matriz. Espacio Vectorial de matrices de orden
(m x n). Operaciones. Anillo de matrices cuadradas.
Matrices Especiales. Operaciones elementales de filas
o columnas. Equivalencia de matrices. Rango de una
matriz. Propiedades Matriz Inversa o no singular.
Inversión de matrices. Determinante de una matriz
cuadrada. Propiedades. Adjunta de una matriz
cuadrada. Valores y vectores propios de una matriz
cuadrada. Polinomio característico de una matriz.
Cálculo de los autovalores y autovectores de una
matriz cuadrada.

Esp. Liliana Eva Mata Algebra y Geometría Analítica 2

 Bibliografía
1. De Burgos, J. - “Algebra Lineal y Geometría cartesiana”- (2
da. Edición) –Mc Graw Hill- 2000
2. Rojo, Armando O -“Algebra I”,“Algebra II”-Librería “El
Ateneo” Editorial. Ed.1.980
3. Lic. Albino de Sunkel, M. H.- “Geometría Analítica en forma
vectorial y Matricial” – Ed. Nueva Librería S.R.L. 1989
4. Steinbruch – Winterle- “Algebra Lineal”- Edit.Mac Graw Hill
Edición 1.993
5. Stanley I.Grossman – “Algebra Lineal con aplicaciones”
Edit.Mc.Graw Hill- Ed.1993
6. Seymour Lipschutz – “Algebra Lineal” – Edit Mc. Graw Hill –
Edición 1991
7. Pita Ruiz, Claudio.- “Álgebra Lineal “-Ed.Mc.Graw Hill-Ed
1993

Esp. Liliana Eva Mata Algebra y Geometría Analítica 3

 MATRIZ

RANGO CUADRADA
RECTANGULAR

Determinante de una
Sistemas de Ecuaciones
Matriz Cuadrada. Matriz Inversa
Lineales

DEFINICIÓN CALCULO Propiedades.

Menor Complementario

APLICACIONES
Adjunto o Cofactor

Geometría en coordenadas Sistemas de Ecuaciones

Lineales Cuadrados
Esp. Liliana Eva Mata Algebra y Geometría Analítica 4
Matriz como conjunto de vectores de
Rn.
Se llama matriz de clase m x n con coeficientes en en un cuerpo K a todo conjunto de m vectores de K n
dispuestos en m filas.
Una matriz de clase m x n es un cuadro de m filas ( vectores de Kn) y n columnas (vectores de Km).(K=R o K=C)
m filas n columnas

Columna j
Fila i

 a11 a12 a13 ..... ........ a1n 

 
 a21 a22 a23 ...... ...... a2 n 
a a32 a33 ...... ....... a3n 
 31 
A   ....... ...... ...... ..... ....... ...... 
 ...... ....... ...... aij ...... ........ 
 
 ...... ...... ....... ...... ..... ...... 
 am1 am 2 a m3 ...... ....... amn 

Esp. Liliana Eva Mata Algebra y Geometría Analítica 5
Notación abreviada.
 A= [ a i j ]m x n iN; j N; m N y n N
con 1 i  m , 1 j  n. a i j: elemento genérico

 El subíndice ( i ) indica la fila a la que pertenece el

elemento a i j.

 El subíndice (j) indica la columna a la que pertenece

el elemento a i j.

Esp. Liliana Eva Mata Algebra y Geometría Analítica 6

 Construcción de Matrices. Ejemplo

 3 x 3
a ) A  aij
( 1)i  j si i  j
/ aij  
0 si i  j

b )B  bij  4 x2 i  j
/ bij  
si i j
i  j si i j

Esp. Liliana Eva Mata Algebra y Geometría Analítica 7

Notación abreviada.
 Donde FiRn con i=1,…m
 F1 
F 
 Matriz A por filas:  2
 
A 
 Fi 
 
 
 Fm   Donde cjRm con j=1,…n

 Matriz A por columnas:


A  c1 c2  c j  cn 

Esp. Liliana Eva Mata Algebra y Geometría Analítica 8

Matriz Fila. Matriz Columna.
 Matriz Fila: matriz de  Matriz Columna:
una sola fila. matriz de una sola
columna.

a11 
A  [a11 a12  a1 j  a1n ]1xn a 21 
  
A 
a i1 
  
a 
 m1  mx1

Esp. Liliana Eva Mata Algebra y Geometría Analítica 9

 Igualdad de matrices.
 Dos matrices de la misma clase son iguales si los
elementos que ocupan la misma posición en cada
matriz son iguales entre sí.
 A=B aij=bij i=1, 2, …,m j=1, 2, …,n
Ejemplo: Determine los números reales a, b, x e y,
sabiendo que:

 x  y 2a  b  3  1
 2 x  y a  b   0 7 
   

Esp. Liliana Eva Mata Algebra y Geometría Analítica 10

Operaciones.
 A= [a ij]  Km x n, B = [ bij ]  Km x n.
SUMA DE MATRICES.
A+B=[a ij]m x n+ [ bij ]m x n=[a ij+ bij]m x n, i, j .

 Propiedades:
Ley de Composición Interna.
Conmutativa.
Asociativa .
Existencia de Elemento Neutro.
Existencia de Elemento Opuesto.O

Esp. Liliana Eva Mata Algebra y Geometría Analítica 11

 Producto escalar – matriz.
.:  . A =  [a ij]m x n= [ a ij]m x n = D,
D Km x n .    K,  A  Km x n
Propiedades:
 Ley de Composición externa.
 Pseudoasociativa .
 1 elemento neutro.
 Distributiva con respecto a la suma de escalares.
 Distributiva con respecto a la suma de matrices.

(K mxn, +, K, . ): ESPACIO VECTORIAL

K=R o K=C

Esp. Liliana Eva Mata Algebra y Geometría Analítica 12

 Suma de Matrices. Ejemplo:
 Sean las matrices A=[aij ] 2 x 2 y B =[bij ] 2x2 con
aij = 2 i – j 2, y, bij = aij+1

 Hallar A + B

Esp. Liliana Eva Mata Algebra y Geometría Analítica 13

Producto escalar-matriz.Ejemplo.
 Sean las matrices A=[aij ]2 x 2 y B =[bij ]2x 2

con aij = 2 i – j2, y, bij = aij+1

 Hallar 2.A

 ½B

Esp. Liliana Eva Mata Algebra y Geometría Analítica 14

Operaciones. Resta de Matrices.
 A= [a ij]  Km x n,
 B = [ bij ]  Km x n:

A  B = A + (B)

Ejemplo:
Sean las matrices A=[aij ]2 x 2 y B =[bij ]2x 2
con aij = 2 i – j2, y, bij = aij+1
 Hallar 2A-½B

Esp. Liliana Eva Mata Algebra y Geometría Analítica 15

Producto de Matrices.
Matrices conformables.
A= [a ij]  Km x p y B = [ bij ]  Kq x n son
matrices conformables para el producto p = q

 A= [a ik]  Km x p,  B = [ bkj ]Kpxn

p
 A . B= C =[ c ij ]m x n / c ij =  aik bkj con
k 1

i = 1, 2, …, m j = 1,2, …, n

Esp. Liliana Eva Mata Algebra y Geometría Analítica 16

Producto de Matrices. Ejemplo.
 Sean las matrices:

1 3
   1 5 0 3 4 5  2 
A  2 1  , B  ; C 
 1 0 4 6   0 3 4 
0 4
 Hallar: A.B;
 B.A;
 A.C;
 C.A.

Esp. Liliana Eva Mata Algebra y Geometría Analítica 17

 Propiedades del Producto de
Matrices.
 El Producto de matrices no
 El producto de matrices es asociativo.
(A . B).C = A.(B. C) cumple la Ley De Cierre.
 El producto de matrices es  El producto de matrices no es
distributivo a izquierda con conmutativo
respecto a la suma  En K mxn no existe elemento
A.(B+C )= A.B + A.C
neutro para el producto.
 El producto de matrices es
 En k mxn el producto de
distributivo a derecha con respecto
a la suma. matrices no verifica la
(B + C ) . A = B . A + C . A existencia de elemento
 CUIDADO: A veces inverso
A.(B+C )  (B + C ) . A

Esp. Liliana Eva Mata Algebra y Geometría Analítica 18

 Anillo de Matrices Cuadradas.
(Knxn, +) es un grupo abeliano, por serlo
Kmxn ;  m , n  N
(Knxn, . ) verifica las siguientes propiedades:
Ley de cierre.
Asociativa.
Existencia de elemento neutro.
0 si i  j
I n  [  ij ]nxn /  ij  
1 si i  j

Distributiva con respecto a la suma a derecha e izquierda.

( Knxn, +, * ) es un anillo con unidad

Esp. Liliana Eva Mata Algebra y Geometría Analítica 19

 Anillo con unidad y con divisores de cero.

A, B  K nxn / A.B  0  A  0 nxn  B  0 nxn

Determine la matriz BR2x2N,

tal que A.B =N siendo N la matriz
nula y 1 0
A 
1 0

Esp. Liliana Eva Mata Algebra y Geometría Analítica 20

Matrices Especiales.
Matriz cuadrada.

A  Km x n es cuadrada  m = n

Matriz rectangular.

AK mxn
es rectangular  m  n
 Elabore un ejemplo.

Esp. Liliana Eva Mata Algebra y Geometría Analítica 21

 Matrices Especiales.
Matriz Fila: matriz de clase (1 x n), de
una fila por n columna.
A = ( a 1 1 a 12 a13 ..............a1n)

Matriz Columna: matriz de clase (mx1),

 a11 
de m fila por 1 columna. 
a

 21 
a 
 31 
  Elabore un ejemplo. A=   
 
a
 m1 
Esp. Liliana Eva Mata Algebra y Geometría Analítica 22
 Matriz Traspuesta .
 A=[a ij ]  K m x n se llama traspuesta de A a la matriz
AT=[a ji ]  Kn x m

 AT es la matriz cuyas filas son las columnas de A y

cuyas columnas son las filas de A.
 Si A es de clase (m x n ), AT es de clase ( n x m ).

  Elabore un ejemplo.

Esp. Liliana Eva Mata Algebra y Geometría Analítica 23

 Matriz Traspuesta: Propiedades.
 (A+B)T= AT+BT
 (A)T= AT
 (AB)T= BT.AT
 (AT)T=A
 El producto de toda matriz por su traspuesta es una matriz
simétrica.
 La suma de toda matriz cuadrada con su traspuesta es
simétrica
 La diferencia de toda matriz cuadrada y de su traspuesta es
antisimétrica
 Toda matriz cuadrada es la suma de una matriz simétrica y
de una antisimétrica
  Verifique cada una de las propiedades.

Esp. Liliana Eva Mata Algebra y Geometría Analítica 24

 Matriz Simétrica
 Una matriz cuadrada es simétrica si y sólo si es
igual a su traspuesta.
 AKn x n es simétrica  A = AT a ij=aji i j

  Elabore un ejemplo.

Esp. Liliana Eva Mata Algebra y Geometría Analítica 25

 Matriz Antisimétrica.
 Una matriz cuadrada es antisimétrica si y
sólo si es igual a la opuesta de su
traspuesta con los coeficientes aii=0.

  Elabore un ejemplo.

Esp. Liliana Eva Mata Algebra y Geometría Analítica 26

 Matriz Escalonada.
Una matriz es escalonada si:
 Las filas no nulas, preceden a las filas nulas, si
las hay.
 En cada una de las filas no nulas, el número de
ceros que precede al primer elemento no nulo es
mayor que en la fila anterior.
  Elabore un ejemplo de una matriz que sea
escalonada y de otra que no lo sea.

Esp. Liliana Eva Mata Algebra y Geometría Analítica 27

Matrices Cuadradas Particulares.
 A  Knxn es matriz diagonal  ijaij=0.

 Elabore un ejemplo.

 A  Knxn es matriz escalar


A es diagonal  aii=a11

  Elabore un ejemplo.

Esp. Liliana Eva Mata Algebra y Geometría Analítica 28

Matriz Triangular.
 A es matriz triangular superior si y sólo
si aij =0 con i >j
  Elabore un ejemplo.

 A es matriz triangular inferior si y sólo

si aij =0 con i <j
  Elabore un ejemplo.

Esp. Liliana Eva Mata Algebra y Geometría Analítica 29

Operaciones Elementales de Filas o
Columnas.
 Dada una matriz AKm x n, se llaman operaciones
elementales de filas o columnas a las siguientes:
 Permutación de dos filas
e: Fi F j
 Reemplazo de todos los elementos de una fila por su
producto por un escalar distinto de cero
e: k F i  Fi
 Reemplazo de una fila por su suma con otra
e: Fi + Fj F i

Esp. Liliana Eva Mata Algebra y Geometría Analítica 30

Ejemplo 1
1 a)1 1  1     1 1 1  1 
     
A' 1 1 3  3  0 2 4  4 
1 0 1  1   0 1 2  0 
 1 0 1  1   
  1 0 1  1 

      
 0 0 0  4   0 1 2  0 
 0 1 2  0   0 0 0  4 

Esp. Liliana Eva Mata Algebra y Geometría Analítica 31

Ejemplo 2
1 1 1  2     1 1 1  2 
     
A'   2 1 1  1   0 3 3  3
 1 2 1  3  0 1 2  5
 1 0 3  7   
  1 0 3  7 

   ( )   
 0 0 9  18   0 1 2  5
 0 1 2  5   0 0 1  2 
1 0 0  1 
 

  
 0 1 0  1
 0 0 1  2 

Esp. Liliana Eva Mata Algebra y Geometría Analítica 32

Ejemplo 3
2 4 6 18 1 2 3  9    1 2 3  9 
  ( )       
A'  4 5 6 24    4 5 6 24  0  3  6  12 
2 7 12 30  2 7 12 30  0 3 6  12 

1 2 3  9    1 0  1 1 
( )       
 0 1 2  4 0 1 2  4
0 3 6 12  0 0 0  0

Esp. Liliana Eva Mata Algebra y Geometría Analítica 33

Equivalencia de Matrices.
 Una matriz Bmxn es equivalente por filas a
otra matriz Amxn, si B se obtiene aplicando
a la matriz A un número finito de
operaciones elementales por filas.

 A f B   e 1, e2, ..., ek /
ek(...e3(e2(e1(A)))...)=B

Esp. Liliana Eva Mata Algebra y Geometría Analítica 34

Matrices Elementales.

 Una matriz de clase (nxn) se llama

elemental si y sólo si se obtiene por
aplicación de una sola operación elemental a
la matriz I(n.

Elabore un ejemplo.

Esp. Liliana Eva Mata Algebra y Geometría Analítica 35

Ejemplo.
 Escalonar la matriz y verificar las
propiedades de Matrices Elementales.

1 2 3
 
A  4 5 6 
7 8 9

Esp. Liliana Eva Mata Algebra y Geometría Analítica 36

Rango de una Matriz.
Sea AKmxn.
 Rango fila de A: [rf(A)]=r, es el máximo
número de filas linealmente
independientes de A.
 Rango columna de A: [rc(A)]=r, es el
máximo número de columnas linealmente
independientes de A.
 rf(A) = rc(A)=r(A)=r

Esp. Liliana Eva Mata Algebra y Geometría Analítica 37

Propiedades.
 n, m  N : rf O(n x m ) = 0.
 n  N : rf (In ) = n.
 Dos matrices equivalentes por filas tienen el
mismo rango fila.
 Una matriz cuadrada de clase n x n es inversible
si y solo si, su rango fila es igual a n.
 El rango fila de una matriz en forma escalonada
es igual al número de filas no nulas de esa
matriz.

Esp. Liliana Eva Mata Algebra y Geometría Analítica 38

Rango de una matriz. Ejemplo.
  Ejemplo: Calcular el rango de la siguientes
matrices:
1 2 3
1 2 3 1 2 0  1  
C  4 5 6 
   
A  0  1 3 y B  0 0 3 1  7 8 9
0 0 2 0 0 0 0 

2 4 6 18 
 
D  4 5 6 24
2 7 12 40

Esp. Liliana Eva Mata Algebra y Geometría Analítica 39

Matriz Inversa o no singular.

 La matriz A  Knxn es inversible si y solo

si  B  Knxn/ A . B= B.A = I(n

 Notación: B=A-1

Esp. Liliana Eva Mata Algebra y Geometría Analítica 40

Matriz Inversa.Propiedades.
 La inversa de una matriz inversible es única.
 (A.B)-1=B-1. A-1.
 Si A es inversible y A.B=A.C  B=C
 Si A-1es la inversa de A,(A-1)-1=A
 I(n es inversible. I-1(n=I(n
 Anxn es inversible  r(A)=n
 Anxn es inversible  det(A)0

Esp. Liliana Eva Mata Algebra y Geometría Analítica 41

 Inversión de Matrices.
Teorema de Gauss Jordan:
Si A es una matriz cuadrada tal que por una secuencia
finita de operaciones elementales de fila se transforma
en la identidad, entonces:
1) A f I  ek(...e3(e2(e1(A)))...)=I
A es inversible.
A I
2) I f A-1  ek(...e3(e2(e1(I)))...)= A-1
… ...

I A-1

Esp. Liliana Eva Mata Algebra y Geometría Analítica 42

Cálculo de la Matriz Inversa.Ejemplo.
 Calcule A1 aplicando el método de Gauss
Jordan

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

Esp. Liliana Eva Mata Algebra y Geometría Analítica 43

Determinante de una Matriz Cuadrada.
A Knxn y cualquiera sean i y j
pertenecientes a N
 Determinante de orden n es toda función
que asigna a cada matriz cuadrada un
escalar sobre el cuerpo K que se denomina
determinante de la matriz .
D: Knxn K/ det(A) verifica:

Esp. Liliana Eva Mata Algebra y Geometría Analítica 44

 Axioma 1:

Si una columna de la matriz A se descompone en dos

sumandos, entonces el det(A) es igual a la suma de
los determinantes de las dos matrices que resultan de
sustituir en A, aquella columna por cada uno de los
sumandos.

D(c1c2…cj cj+1…cn)=D(c1 c2…cj…cn)+D(c1 c2…cj+1…cn)

J=1, 2, …n.

Esp. Liliana Eva Mata Algebra y Geometría Analítica 45

 Axioma 2:

Si a una fila ( o columna) de A se la multiplica por

un escalar, entonces el det (A) queda multiplicado
por el escalar.

D(c1…cj…cn)=  D(c1…cj…cn)

J=1, 2, …n.

Esp. Liliana Eva Mata Algebra y Geometría Analítica 46

 Axioma 3:

 Si dos columnas consecutivas de una

matriz son idénticas, entonces su
determinante es nulo.

 cj=cj+1D(c1 …cj cj+1…cn)=0

 J=1, 2, …n.

Esp. Liliana Eva Mata Algebra y Geometría Analítica 47

 Axiomas 4:
 El determinante de la matriz identidad
es igual a 1.

D(I(n)=1

Esp. Liliana Eva Mata Algebra y Geometría Analítica 48

 Menor Complementario del Elemento a Ij de la
matriz A.

 Dada una matriz A=[aij]n x n, con 1 i  n y 1 j  n, llamamos menor

complementario del elemento a ij de A, al determinante de la matriz
de clase(n1) x (n 1) que se obtiene al eliminar la fila i y la columna
j de A.
 Mij = det( A(ij) )

 a11 a12  a1( j1) a1 j a1( j1)  a1n 

 a a 22  a 2( j1) a2 j a 2( j1)  a 2n 
 21 
         
 
a ai 2  a i ( j1) a ij a i ( j1)  a in 
A   i1
         
 
a(n 1)1 a(n 1) 2  a (n 1)( j1) a( n 1) j a (n 1)( j1)  a ( n 1 ) n 
 a n1 an 2  an( j1) a nj an( j1)  a nn 
 
 
Esp. Liliana Eva Mata Algebra y Geometría Analítica 49
 Adjunto o Cofactor del Elemento aIJ

 Se llama Adjunto o Cofactor del Elemento aIJ de

una matriz de clase (n x n), a su menor
complementario o a su opuesto según que
i + j sea par o impar respectivamente.
 Mij si i j es par
Aij  
 Mij si i j es impar
 A ij = (1)i + j Mi j

Esp. Liliana Eva Mata Algebra y Geometría Analítica 50

Ejemplo Aij
 Escribe la matriz D  R3x3, si

D =[dij]/
 i j si i j
d ij   i
 j si i j
 Calcule D13; D21.

Esp. Liliana Eva Mata Algebra y Geometría Analítica 51

 Desarrollo del determinante por la
i-ésima fila.

Dada una matriz A=[aij ]  Knxn con 1 i  n y

1 j  n, llamamos determinante de A :

a11 si n 1
n
det : K nxn  K / det( A)  
 aij A ij si n 1

 j 1

Esp. Liliana Eva Mata Algebra y Geometría Analítica 52

Cálculo de determinantes. Ejemplos.

1 3 4 0 0
3 0 7 0 2 5 0 0
a)  1 2 0 b) 0 0 3 0 0
1 4 0 0 0 0 3 4
0 0 0 1 2

Esp. Liliana Eva Mata Algebra y Geometría Analítica 53

 Propiedades.

 P1:El determinante de toda matriz triangular superior

(inferior o diagonal) es igual al producto de los
elementos de la diagonal principal.
a11 a12  a1i a1 j a1( j 1)  a1n 
 
 0 a22  a2i a2 j a2( j 1)  a2n 
 0 0       
 
0 0  aii aij ai( j 1) ain 
A  

0 0  0 a jj a j( j 1)   
 
 0 0  0 0 a( j 1)( j 1)  a( j 1)n 
 0 0  0 0 0 a(n 1)(n 1) a(n 1)n 
 
 0 0  0 0 0  ann 

Esp. Liliana Eva Mata Algebra y Geometría Analítica 54

 P2:Si una columna de una matriz es el
vector nulo, entonces su determinante es
nulo.

P3:Si a una matriz se la multiplica por un

escalar no nulo  se obtiene otra matriz
cuyo determinante es n veces el
determinante de la matriz primitiva.
Esp. Liliana Eva Mata Algebra y Geometría Analítica 55
 P4:Si se permutan dos columnas de una
matriz, se obtiene una matriz cuyo
determinante es igual al opuesto del
determinante de la matriz primitiva.

 P5:El determinante de toda matriz que tenga

dos columnas idénticas es nulo.

Esp. Liliana Eva Mata Algebra y Geometría Analítica 56

 P6:El determinante de una matriz no varía si
a una columna se le suma una combinación
lineal de otras.

 P7:Si C1, C2, ..., Cn son linealmente

dependientes en Kn, entonces es
D(C1 C2 ... Cn)=0

Esp. Liliana Eva Mata Algebra y Geometría Analítica 57

 Determinante de la traspuesta de una matriz:El
determinante de una matriz es igual al de su traspuesta.

det(A) = det (AT)

 Determinante del producto de matrices:El determinante
del producto de dos matrices es igual al producto de sus
determinantes.
 det (A . B ) = det (A) . det ( B )
 Determinante de matrices inversas: Los determinantes
de dos matrices inversas son escalares recíprocos.
 det (A)= 1/ det (A-1)

Esp. Liliana Eva Mata Algebra y Geometría Analítica 58

Cálculo de determinantes aplicando propieda
des. Ejemplos.

o si i j
i  j si i j
Sea S =[sij] 3x3 / sij = i  j si i j

a b c 2a 2b 2c
d e f  25; 2d 2e 2f 
g h i 2g 2h 2i

a b c b c a d e f
d e f  D; Calcule e f d; a b c
g h i h j g g h  j

Esp. Liliana Eva Mata Algebra y Geometría Analítica 59

Adjunta de una matriz cuadrada.
 Adjunta de una matriz cuadrada es la traspuesta
de la matriz que resulta de sustituir cada
elemento por si cofactor.

Adj A = [ Aij]T

1 Adj A
A 
A

Esp. Liliana Eva Mata Algebra y Geometría Analítica 60

 Cálculo de la Matriz Inversa, utilizando
determinantes.Ejemplo

 Calcule la inversa de las siguientes matrices:

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

Esp. Liliana Eva Mata Algebra y Geometría Analítica 61

 Respuesta: Construcción de Matrices.
 a)
 0 1 1 

A   1 0  1 
 1  1 0 

 b) 2 3
1 4
B
2 1
 
3 2
Esp. Liliana Eva Mata Algebra y Geometría Analítica 62
 Respuesta ejemplo Igualdad de Matrices

 2 a  b  1
x  y  3 a  b  7
2 x  y  0 


Esp. Liliana Eva Mata Algebra y Geometría Analítica 63

Respuesta Suma de Matrices.

Esp. Liliana Eva Mata Algebra y Geometría Analítica 64

Respuesta producto escalar-matriz

Esp. Liliana Eva Mata Algebra y Geometría Analítica 65

Respuesta Resta de Matrices.

Esp. Liliana Eva Mata Algebra y Geometría Analítica 66

Respuesta Ejemplo Producto de Matrices.
 A.B=

 B.A=No es posible

 A.C=

 C.A=

Esp. Liliana Eva Mata Algebra y Geometría Analítica 67

 Demuestre que (R2x2, +, .) es un anillo con unidad y
con divisores de cero.

Esp. Liliana Eva Mata Algebra y Geometría Analítica 68

•Pruebe las propiedades de Matrices Traspuestas en R3x3

•Demuestre por lo menos dos.

Esp. Liliana Eva Mata Algebra y Geometría Analítica 69

 Respuesta Matriz Escalonada

Esp. Liliana Eva Mata Algebra y Geometría Analítica 70

Respuesta rango de una matriz.
 r(A)=2 r(B)=3 r(C)=2

 r(D)=3

Esp. Liliana Eva Mata Algebra y Geometría Analítica 71

 Respuesta cálculo matriz inversa mediante
Gauss Jordan.

Esp. Liliana Eva Mata Algebra y Geometría Analítica 72

 Respuesta a cálculo de determinantes

Esp. Liliana Eva Mata Algebra y Geometría Analítica 73

Demostración: Propiedades de la función determinante.
 Demuestre las propiedades de la función
determinante.

Esp. Liliana Eva Mata Algebra y Geometría Analítica 74

 Respuesta a Cálculo de determinantes aplicando
propiedades.
b c a
e f d  (1)2 D  D
h j g
d e f
3
2a 2b 2c  a  b  c  (1) .(1).D  D
2d 2e 2f  23.25  200 g  h  j
2g 2h 2i

Esp. Liliana Eva Mata Algebra y Geometría Analítica 75

 Respuesta a Cálculo de la Matriz Inversa,
utilizando determinantes. Ejemplo

Esp. Liliana Eva Mata Algebra y Geometría Analítica 76