Matrices Completo

Capítulo VII
Introducción al
Álgebra Lineal
El silencio eterno de los espacios infinitos me sobrecoge.

Blaise Pascal (1623-1662) Matemático, físico, filósofo y escritor francés.
P.U.C.A: Pontificia Universidad Católica Argentina
Facultad de Química e Ingeniería del Rosario
ÁLGEBRA Y GEOMETRÍA
Capítulo VII: Introducción al Álgebra Lineal
Notas previas a la lectura de este capítulo
I. En el apéndice del capítulo en particular deberás hacer un esfuerzo muy

particular de abstracción, muy superior a lo que venías haciendo en los
capítulos precedentes. Tal esfuerzo será la coronación de la tarea que vienes
realizando, de forma que puedas alcanzar el pensamiento formal y seguir
desarrollándolo en adelante, con mayor intensidad.
II. La mayoría de las demostraciones realizadas carecen de justificaciones,
dejándose esta tarea para el lector estudiante en clase o en su defecto que
las complete como consecuencia de la acción de un abordaje
independiente de este material didáctico. Debe tenerse en cuenta que no
es aceptada ninguna prueba en exámenes sin la debida justificación que
sustente una determinada argumentación.
III. Las pruebas de determinadas propiedades de este capítulo requieren de
un manejo de una notación muy específica. Esto dificulta la comprensión
de la argumentación de la prueba y por consiguiente, el arribo a la meta,
esencialmente por la dificultad generada por la comprensión de ese
lenguaje tan específico. Así se desdibuja lo establecido por la prueba en
sí misma, de ahí entonces la supresión de algunas de ellas. Lo que en
muchos casos se propone es una particularización de las propiedades a
casos más simples, que asimismo cumplen la función esperada. Lo que se
busca, en definitiva, es establecer la verdad de la proposición para casos
más elementales, y a través de ejemplos, que el estudiante pueda acceder
en su proceso de abstracción más avanzado a la generalización sin
necesidad de su prueba formal.
Debe destacarse que lo que se busca de la prueba matemática en general

para el tipo de estudiantes a quiénes va dirigido este material didáctico
es que razonen, conjeturen y argumenten, no “enredarlos” en desarrollos
demasiado rigurosos y formales. Asimismo, se apela a que el lector
estudiante no deje de verificar a todas las propiedades con varios
ejemplos, e interpretar la estructura de su mecanismo desde su propio
lenguaje, tanto las que se prueban como las que no.
1
Primera parte: Álgebra Matricial
1. Introducción
1.1. Matriz. Génesis de su Concepto.

Nota previa: Tener presente que los datos de los precios consignados
en problemas de aplicación pueden estar desactualizados. Es una
buena excusa para el lector estudiante, actualizar esos datos para
reconsiderar esos problemas nuevamente y resolverlos.
Consideremos el siguiente problema:
En un e–store una persona compró un pendrive de 1 giga y un pack de 4 pilas
recargables AA por $65. Otra por el mismo sitio web adquiere 3 pendrive de
1 giga y 2 pack de 4 pilas recargables AA por $160.
¿Cuál es el precio de cada pendrive y de cada pack de pilas recargables?
Si llamamos con x al precio de cada pendrive, e y al precio de cada pack de

x + y = 65
pilas recargables, entonces tenemos:
3x + 2 y = 160
Uno de los objetivos del capítulo es resolver problemas como éstos. El

estudiante que está leyendo estas páginas sabe resolver este problema
desde el ciclo medio y lo revisó en el curso de ingreso. Lo que interesa ahora
es bucear en estas cuestiones e introducir una nueva estructura matemática
y el álgebra correspondiente.
De modo que del problema planteado nos interesa rescatar la ubicación y
ordenamiento de los coeficientes:
Los coeficientes que integran al sistema conservan un cierto orden y conexión

entre ellos.
En general, se puede armar un cuadro ordenado de números (concretos o
expresados de forma abstracta) en un arreglo rectangular denominado “una
matriz”. Esto nos lleva a formular la siguiente:
2
Definición
“Una matriz” es una ordenación rectangular de números dispuestos en filas
y columnas del modo siguiente:
 a11 a12 a13 ........... a1n 
a a 22 a 23 ........... a 2n 
 21 
A =  a 31 a 32 a 33 ............ a 3n  = a ij m×n
 
 ..... ..... ...... ............. ..... 
a a mn 
 m1 am2 am3 ............
Cada coeficiente indica la fila o columna (línea) donde se encuentra el mismo.
Por ejemplo:
a11 ocupa la fila 1 y la columna 1.
a12 ocupa la fila 1 y la columna 2 .
a34 ocupa la fila 3 y la columna 4 .
Cada aij  / i, j 
Expresamos simbólica y sintéticamente a una matriz del modo siguiente:

aij 
m×n
 0 -1 2 
 0 2  -1 0 2 
Ejemplos: A =  1 0 0  ; B =   ; C =  0 0 1
 2 2 -1   -1 3   
 
En general, al producto m  n se lo denomina “tamaño o forma de la matriz”.
Así, los tres ejemplos que presentamos respectivamente son de los siguientes
tamaños: 3  3, 2  2, 2  3.
Las matrices, aparte de la aplicación que veremos de inmediato, son

sumamente útiles en informática, pues los datos suministrados por un
ordenador vienen, por lo general, expresados en filas y columnas, y tales
arreglos gozan de análogas propiedades a la de las matrices, que en
definitiva son vectores, o mejor dicho, combinaciones de vectores, luego se
verá porqué.
Continuando con la simbolización de las matrices, podemos escribir al
conjunto que contiene a todas las matrices con coeficientes complejos, de
3

forma similar a los polinomios: Mm×n ( C) = X / X = aij   aij 
m×n
 M m×n ( R ) al
conjunto de matrices complejas de orden m  n que incluyen obviamente a las
matrices reales del mismo tamaño, es decir que con el conjunto numérico
estamos aludiendo a los coeficientes de las mismas.
1.2. Igualdad de matrices

Definición: Dadas las matrices: A = a ij m×n ;B = b ij r×s , se dice que:
A = B  ( A = B = O )  ( A = B  O  aij = bij  m = r  n = s ) .
1.3. Tipos de matrices

1.3.1. Matriz cuadrada
Definición: Es aquella matriz que tiene igual número de filas que de
columnas.
A nivel de simbolización, ocurre que: m = n , de ahí que lo que se hace en este
tipo de matrices, es escribir como subíndice n , en lugar de n  n y se suele
decir en estos casos en lugar de la última simbolización, que la matriz es de
orden n .
Así también tendremos conjuntos de matrices reales y complejas cuadradas
que similarmente a lo conocido, se simbolizan de este modo:
 
Mn ( C) = X / X = aij n  aij   Mn ( R )
Importante: En cualquier matriz los elementos del tipo aij / i = j constituyen
la diagonal principal de la matriz, que escribimos simbólicamente del modo
siguiente: a11 ;a 22 ;a 33 ;.....;a nn 
1.3.2. Matriz triangular

Definición
Es aquella matriz cuadrada cuyos elementos por debajo de la diagonal
principal o por encima de la misma son iguales a cero. Una matriz triangular
puede ser superior o inferior.
Simbólicamente: a ij n es una matriz triangular superior sii aij = 0/j > i.
a  es una matriz triangular inferior sii a
ij n ij = 0/j < i.
4
Consideremos a continuación el siguiente ejemplo de matriz triangular

superior, siendo una propuesta para el lector estudiante un ejemplo de matriz
triangular inferior.
1 0 0 0
 2 3 0 0
A=  es una matriz triangular superior
 2 0 2 0
 
1 2 3 4
1.3.3. Matriz diagonal

Definición: Es aquella matriz cuadrada que tiene todos sus elementos
iguales a cero, excepto los de la diagonal principal.
Simbólicamente: aij   es diagonal sii a
n ij = 0/j = i.
1 0 0 0
0 3 0 0
Ejemplo: B =  
0 0 2 0
 
0 0 0 4
1.3.4. Matriz escalar
Definición: Es aquella matriz diagonal cuyos elementos no nulos, es decir
los de la diagonal principal, son iguales entre sí. Simbólicamente: aij   es
n
escalar sii a  es
ij n diagonal con los elementos iguales de la diagonal
principal.
 3 0 0 0
0 3 0 0
0 0 3 0
 
 0 0 0 3
1.3.5. Matriz unidad o matriz identidad
Definición: Es aquella matriz escalar con todos los elementos diagonales
iguales a la unidad. Nota: Debe destacarse que los ejemplos expuestos
pueden generalizarse a cualquier tamaño.
5
1 0 0 0
0 1 0 0
0 0 1 0
 
0 0 0 1
1.3.6. Matriz nula
Definición: Es aquella matriz, no necesariamente cuadrada, en la que todos
sus elementos son nulos.
0 0 0 0 0 0 0 0 0 0 0
0 0 0 0  
Ejemplos: O =  ;O =  0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0
   
0 0 0 0 0 0 0 0 0 0 0
1.3.7. Casos particulares de matrices

Definición
Una matriz de orden 1  n es un vector fila de n , es decir, una n − upla de
números reales que simbolizamos: ( x1 , x 2 , x 3 , ....., x n ) .
Análogamente se define vector columna, que se trata de matrices de orden
m  1 que se constituyen en vectores columna de m , es decir, una m − upla de
 x1 
x 
 2
números reales y que se visualiza como:  x 3  .
 
 ... 
x 
 m
Actividad de Aprendizaje I
Proponer 3 ejemplos de cada uno de los tipos de matrices descriptos
precedentemente, indicando en cada caso el tamaño de la misma.
2. Operaciones con matrices

2.1. Adición y producto por escalares
Definición: Dadas las matrices: A = aij m×n ; B = bij m×n , se define la adición
y el producto por escalares de la forma siguiente:
6
A + B = aij + bij m×n ; α  A = α × aij m×n / α  .

1 2  2 -1 
A= ;B =  
3 4 0 3 
Ejemplos:
1+ 2 2 -1  3 1  4.1 4.2   4 8 
A+B= =  ; 4.A =  = 
 3 + 0 4 + 3  3 7  4.3 4.4   12 16 
Observaciones
✓ Para sumar dos o más matrices todas deben ser del mismo tamaño.
✓ El mecanismo de la adición es símil al de vectores, componente a
componente. Análogamente ocurre en el producto por escalares.
2.2. Matriz opuesta

Definición: La matriz opuesta de una matriz dada A es -A/A + ( -A ) = O.
2.3. Diferencia de matrices: A - B = A + ( -B )

2.4. Propiedades de la adición y multiplicación por escalares
Consideraremos tales como propiedades como axiomas, tal como se
plantearon para complejos, polinomios a coeficientes complejos y vectores.
Y se detallan a continuación:
A, B, C  M m×n ( C ) : α, β  C :
A + B  M m×n ( C )
A+B= B+A
( A + B) + C = A + (B + C)
A+O = A
A + (-A) = O
αA  M m×n ( C )
( α + β ) A = αA + βA
α ( A + B ) = αA + αB
α ( βA ) = ( αβ ) A
1.A = A
7
Actividad de Aprendizaje II
1. Considerando las matrices:
 -3 2   2 1/2 - 2   -4 5 0 
A = 1  ;B =   ;C =  
 0 1/2 -1  3 0 -1   2 -1 7 
Obtener : a. A - B + C; b. - A + C - B; c. - B - C + A
2. Hallar la matriz X que satisface: X = 2.A + ( -3 ) .B
7 1  5 3
   
A =  3 -1  ;B =  -2 0 
0 3   2 -1 
   
3. Hallar la matriz X en cada caso si A + X = B.
Verificar cada resultado obtenido.
 -8 0 1 1   -5 -2 0 -1 
a. A =   ;B =  
 5 -1 0 3  4 0 3 2
 0 3  5 1
 1 2  -1 -2     
b. A =   ;B =  -2 0  ; c . A =  -1 2  ;B =  -1 0
 2 0    1/2 8   3/2 4
   
 7 1  -2 -1   -11 12 
4. Calcular si existen, α,β  / α   + β  0 1  =  7 -33 
 -1 2     
5. Hallar la matriz X / 3 ( A + B ) - 2X + 3C = O
 -1 2 3 0  1 0 0 0  4 -1 0 2 
siendo: A =  ,B =  ,C =  
 4 0 2 5 0 1 0 0 1 0 3 5
Respuestas:
 2+ 2  -3 17/2 -2 - 2   1 -5/2 2 - 2
1. a.  -5 3/2  ; b.   ; c.  
 -1 -1/2 7   5 -3/2 7   -5 1/2 -5 
 -1 -7 
   6 3/2 9/2 3 
2.  12 -2  ; 4. α = -7, β = -19; 5. X =  
 -6 9   15/2 3/2 15/2 15 
 
8
2.5. Producto de matrices

2.5.1. Introducción: Producto escalar o interno de vectores
Definición: Dadas dos n – uplas de vectores fila, siendo:
a = ( a1 , a2 , a3 ,....., an ) y b = ( b1 , b2 , b3 ,....., bn )
se denomina producto escalar o interno y se lo simboliza así:
n
a  b =  ai  bi
i =1
Análogamente se define para vectores columna y combinación de ambos.
Ejemplos:
a = (1,2,3, −1,0 ) y b = ( 2, −1,3,4,0 )
a  b = 1.2 + 2. ( −1) + 3.3 + ( −1) .4 + 0.0 = .... = 5
 0 
 1/ 2 
  1
a = (1, −2,3, 4,5) y b =  −1  a  b = 1.0 + ( −2 ) . + 3. ( −1) + 4.2 + 5.0 = .... = 4
  2
 2 
 0 
 
2.5.2. El producto de matrices propiamente dicho
A los efectos de comprender rápidamente el producto de matrices
propiamente dicho y observando la figura siguiente puede verse que: Al
considerar cualquier matriz, debe observarse que cada fila es un vector fila.
Observa la flecha horizontal; y por su lado debe verse que cada columna
es un vector columna, para ello debe observarse la flecha vertical,
procediendo del modo siguiente:
 a11 a12 a13 ........... a1n 
a a 22 a 23 ........... a 2n 
 21 
A =  a 31 a 32 a 33 ............ a 3n 
 
 ..... ..... ...... ............. ..... 
a 
 m1 a m2 a m3 ............ a mn 
9
Definición: Dadas las matrices: A = aij  ; B = bij n×p ,llamamos producto de

m×n
las dos matrices dadas y lo simbolizamos: A.B a una nueva matriz C = c ij 

m×p
n
que se obtiene a partir de A y B mediante la siguiente expresión: a
k =1
ik .bkj .
Observaciones
✓ El producto es posible siempre que el número de columnas de la
primera matriz sea igual al número de filas de la segunda.
✓ El resultado del producto es una matriz de orden igual al número de
filas de la primera matriz por el número de columnas de la segunda.
A m×n × B n × p  A × B m× p
2.5.3. Disposición práctica del producto de matrices
Se generan “mini” productos escalares del modo siguiente:

Cada fila de la primera matriz se multiplica por cada columna de la segunda
matriz y se van ubicando previo pronóstico del tamaño de la matriz producto,
de acuerdo al tamaño de las matrices intervinientes.
 1 -2 
   
Ejemplos: A =  2 1  ;B =  1 3 -1 0  → A 3×2 × B 2×4 → ( A × B )3×4
 0 -1   0 1 0 -4 
 
10
A continuación, se detallan las secuencias de los “mini” productos escalares

que integran el producto completo de las dos matrices dadas como ejemplo:
Producto con el resultado del mismo:
Actividad de Aprendizaje III

Reflexiona y justifica la respuesta: ¿Se puede hacer el producto precedente
en forma conmutativa?
2.5.4. Propiedades
Anticonmutativo – Asociativo – Distributivo (independientemente)
Elemento neutro: matriz identidad A.I = I.A = A
A.B = O  A = OB = O
Producto nulo:
A = O  B = O  A.B = O
No cancelativa: A.B = A.C  A  O 
 B=C
Observación
De las propiedades precedentes a las verdaderas se las acepta
axiomáticamente, por supuesto no debe dejarse de lado realizar algunas
verificaciones para cada propiedad. Las propiedades denominadas:
anticonmutatividad; producto nulo y no cancelativa, se prueban, es decir, que
para concretar su prueba se requiere un contraejemplo.
Actividad de Aprendizaje IV
11
Probar las propiedades de: anticonmutatividad, producto nulo y no

cancelativa del producto de matrices.
2.5.5. Aplicaciones del producto a problemas reales
Una interesante y simple aplicación del producto de matrices está orientada
al análisis de precios. Supongamos que una persona necesita comparar los
costos totales de ciertos artículos de diferentes e–store, por ejemplo. La
siguiente tabla, puede ser vista como una matriz, ya que muestra el costo en
pesos de determinados productos en tres tiendas virtuales diferentes.
1 2 3 4 5
 e − store 1: 100 40 17 100 130 
 
 e − store 2 : 89 31 12 107 110  = A
 e − store 3: 92 99 
 35 15 96
1:pendrive de 4 gigas; 2 :pendrive de 1 giga; 3 :pack de 4 pilas recargables;

4 :Memoria sd 8 gigas; 5 :cargador de pilas estándar para 4 AA o AAA .
Supongamos que una persona que realiza ventas de forma personal, sin tener
un local real ni virtual, desea comprar 10 pendrive de 4 gigas, 5 de 1 giga, 10
pack de pilas recargables, 20 memorias sd de 8 gigas y 20 cargadores. ¿En
cuál de las tres tiendas virtuales, la persona en cuestión, por esta compra,
conseguirá el mejor precio?
Para esto se considera la matriz A cuyos coeficientes muestran los precios de

las tres tiendas virtuales de los cinco productos y la matriz B cuyos
coeficientes muestran la cantidad que se desea adquirir de cada uno de los
cinco productos. El producto de ambas matrices, mostrará el costo de esos
cinco productos en cada una de las tres tiendas virtuales lo que permitirá
decidir rápidamente al comprador donde le será más conveniente hacer la
compra deseada.
12
Conclusión: La persona que desea comprar obtendrá mejor precio en el e –

store 3.
Actividad de Aprendizaje V
1. Calcular en cada caso, si es posible: A.B
4 
1 
 
( )
i. A = 1, 2, 3, 4, -1, 2 , B = (1, 2, 1, -1, 0, 2 ) ; ii. A = (1, 2, 3, -1, 0, 0 ) , B =  -2  ;
 
2 
1 
 
 -1 
0  1 0 0 0 0 
 3 1/4       
iii. A =  1 -2  , B =  2  ; iv. A =  0 0 0  , B =  3 -7  ;
 0 -1 2 3  5 0 0 4 2 
     
 12 
 3 4 -1 λ 0 0 0
2 0 λ 0 0 λ 0 0  3 -4 1 
 
v. A =  -1 0 5 6,B =   ; vi. A =  0 λ 0  , B =  2 0 -1  ;
 
0 0 λ 0 0 0 λ 5 7 3 
 2 -1 1 3  
     
0 0 0 λ
1 0 0 0  2 3 4 -1 
0  5 0 7 2  1 2 0
vii. A = 
1 0 0
,B =   ; viii. A =  0  1 2 0 
-1  , B = 
0 0  0 -1 6 3   2 
0 1
1   4 5 -1 
     2 π
0 0 0 1  5 4 -1 2 
13
Respuestas
 2 3 4 -1 
 3λ 4λ -λ 2λ   3λ -4λ λ   
8     2λ 0 -λ  ; vii.  5 0 7 2 
i. 4 + 2 2; iii.   ; iv. O; v.  -λ 0 5λ 6λ  ; vi.
 40     0 -1 6 3 
 2λ -λ λ 3λ   5λ 7λ 3λ 
     
 5 4 -1 2 
ii.; viii. no se puede
 -2 1 
2. Verificar que X =   es solución de la ecuación: X 2 - X - 7I = O.
 1 3
3. Traspuesta de una matriz

3.1. Definición: Dada la matriz A = aij m×n se denomina traspuesta de la
matriz A o matriz traspuesta de A a la matriz A  = aij n×m , resultando cada
elemento: aij = a ji i, j. Coloquialmente la traspuesta de una matriz es aquella
que resulta de intercambiar las filas por las columnas.
 2 -1 
   2 3 4
Ejemplo: A =  3 2   A = 
t

4 5   -1 2 5 
 
3.2. Propiedades
A, B  M m×n ( ) : α  :
i. ( A + B ) = A t + B t ;
t
ii. ( A t ) = A;
t
iii. ( α.A ) = α.A t ;

t
Generalización :   A i  =  A it
n n
iv. ( A.B ) = B .A
t t t
 i =1  i =1
Pruebas : Sean A = aij  ; B = bij 
m×n
i = 1,2,....., m; j = 1,2,....., n
m×n
14
i. A + B = c ij m×n
(A + B) ( )
= aij  + bij  = aij + bij  = c ij  = c ji ( I )
t t t t
A t + Bt = aij  + bij  = a ji  + b ji  = a ji + b ji  = c ji ( II )  ( A + B ) = A t + B t
t t t
ii – iii las pruebas se proponen para el lector estudiante ya que son similares
a la primera. iv. No se prueba, se acepta axiomáticamente.
3.3. Matriz simétrica
3.3.1. Definición
Dada una matriz A = aij n
A se dice simétrica sii aij = a ji i = 1, 2,..., n, j = 1, 2,..., m
A se dice antisimétrica sii aij = −a ji i = 1, 2,..., n, j = 1, 2,..., m
A continuación, se consideran dos ejemplos, uno de matriz simétrica y otro
de matriz antisimétrica. Se sugiere al lector estudiante que verifique que cada
una de las matrices siguientes satisface la condición de matriz simétrica en
el primer caso, y la condición de matriz antisimétrica en el segundo caso.
 0 3 −7 1
2 3 1  

3 -1 7

→ matriz simétrica;  −3 0 2 9
→ matriz antisimétrica
   7 −2 0 8
1 7 0  
 
 −1 −9 −8 0
Observaciones
De la definición anterior surge que la condición para que una matriz sea
simétrica es que los elementos simétricos respecto de la diagonal principal
deben ser iguales, pudiendo ser los elementos diagonales elementos
cualesquiera.
Para las matrices antisimétricas, la condición que debe cumplirse es:
aij = − a ji i = 1, 2,..., n, j = 1, 2,..., m
En particular debe cumplirse que: i = j, aii = −a ii  aii = 0 i.
Luego sus elementos diagonales deben ser todos nulos y los simétricos
respecto de la diagonal principal son opuestos. Debe tenerse en cuenta que
estos elementos diagonales constituyen la diagonal principal de la matriz.
3.3.2. Propiedades
Las siguientes propiedades son válidas para cualquier matriz cuadrada y
satisfacen lo siguiente:
a. Una matriz es simétrica sii coincide con su traspuesta.
15
b. Una matriz es antisimétrica sii coincide con la opuesta de su traspuesta.

c. El producto de toda matriz por su traspuesta es una matriz simétrica.
d. La suma de toda matriz y su traspuesta es una matriz simétrica.
e. La diferencia de toda matriz y su traspuesta es una matriz antisimétrica.
f. Toda matriz cuadrada es la suma de una matriz simétrica y de otra matriz
antisimétrica.
Pruebas:
a. A es simétrica  aij  = a ji  i = 1,2,....., m; j = 1,2,....., n 
 A = aij  = a ji  = At  A = A t
b. A es antisimétrica  aij  = −a ji  i = 1,2,....., m; j = 1,2,....., n 
 A = aij  = − a ji  = − At  A = − A t
c. Para probar esto, basta con hacer la traspuesta del producto generado por
el producto de una matriz cuadrada y su traspuesta, se verá entonces que la
traspuesta del producto coincide con el producto sin trasponer.
( A.A ) = ( A ) .A
t t t t
 ( A.A t ) = A.A t  A.At es simétrica
t t
= A.A t
d. Se sigue un proceso parecido a c. para esta prueba.

t
( )
( A + At ) =  At + A  = At + A = A + At ( A + At ) = A + At  A + At es simétrica
t t t
e. Proceso similar a d. para esta prueba

( A − A ) 
t t
= ( ) 

( ) (
 A t − A t t  = At − A = − −At + A = − A − A t
)
 ( A − A t ) = − ( A − A t )  A − A t es antisimétrica
t
f .A  M n ( )  A + At es simétrica y A - A t es antisimétrica 

1
2
( A + A t ) es simétrica y ( A - A t ) es antisimétrica 
1
2
 ( A + A t ) + ( A - A t ) = ....... = A
1 1
2 2
Se observa entonces que resulta en general, que una matriz cuadrada
cualquiera puede ser generada por la suma de una matriz simétrica y otra
matriz antisimétrica.
16
4. Operaciones y matrices elementales

4.1. Operaciones elementales en una matriz
A la hora de aplicar las matrices al estudio de los sistemas de ecuaciones
lineales, y para estudiar las propiedades de los determinantes, una
herramienta esencial consiste en las llamadas transformaciones elementales
de matrices, que se definen como sigue.
Las transformaciones elementales de filas o columnas que se pueden aplicar a
una matriz, son las siguientes:
1. Intercambiar dos filas entre sí o dos columnas entre sí.
2. Multiplicar una fila o una columna por un escalar no nulo.
3. Añadir a una fila un múltiplo no nulo de otra o equivalentemente una
columna.
Si se efectúan operaciones elementales sobre las filas o sobre las columnas de
una matriz, se obtiene otra matriz. ¿Y, cuál es el objeto?
Anular elementos de alguna/s línea/s – fila/s o columna/s –
¿Para qué?
Para el cálculo de determinantes; el cálculo de la inversa de una matriz o la
resolución de sistemas de ecuaciones lineales de cualquier tamaño.
A partir de estas operaciones elementales sobre las líneas de una matriz se
obtiene la siguiente:
Definición
Diremos que dos matrices son equivalentes por filas o columnas si podemos
obtener una, a partir de la otra, mediante transformaciones elementales de
filas o columnas.
En virtud de las transformaciones elementales de filas o columnas, podremos
siempre transformar cualquier matriz en otra, equivalente por filas o columnas,
reduciéndola a formas más elementales.
Ejemplo: Efectuar operaciones elementales en la siguiente matriz:
1 2 1 -1 
 
A = 1 1 0 2
0 1 2 -1 
 
2 2 -1 2 
17
1 2 1 -1   1 0 0 0   1 0 0 0   1 0 0 0 
       
A = 1 1 0 2    1 -1 -1 3    0 -1 -1 3    0 1 1 -3  
0 1 2 -1   0 1 2 -1   0 1 2 -1   0 1 2 -1 
       
2 2 -1 2   2 -2 -3 4   0 -2 -3 4   0 -2 -3 4 
(1) ( 2) ( 3)
1 0 0 0  1 0 0  1
0 0 0 1 0 0 0 0
       

u  0 1 0 0
 0 1 0  0
0
 1 0 0

0 1 0 0
0 1 1 2 0 0 1 2  0 0 1 0 0 0 1 0
       
 0 -2 -1 -2  0 0 -1 -2   0 0 -1 0   0 0 0 0
(4) ( 5) ( 6) (7)
Detalle de las operaciones realizadas:
(1) A la segunda columna se le sumó la primera columna multiplicada por – 2
A la tercera columna se le sumó la primera columna multiplicada por – 1
A la cuarta columna se le sumó la primera columna
(2) A la segunda fila de la matriz obtenida en (1) se le sumó la primera fila
multiplicada por – 1.
A la cuarta fila se le sumó la primera multiplicada por – 2
(3) Se multiplicó la segunda fila de la matriz (2) por – 1
(4) A la tercera columna se le sumó la segunda multiplicada por – 1
A la cuarta columna se le sumó la segunda por 3
(5) A la tercera fila se le restó la segunda
A la cuarta fila se le sumó la segunda multiplicada por 2
(6) A la cuarta columna se le restó la tercera multiplicada por 2
(7) A la cuarta fila se le sumó la tercera
4.2. Método de Gauss–Jordan
4.2.1. Introducción
Las operaciones elementales descriptas precedentemente en un ejemplo
concreto pueden condensarse en el denominado método de Gauss–Jordan cuyo
algoritmo se describe a continuación:
El método que se describirá a continuación permite mediante un número finito
de operaciones elementales convertir la mayor cantidad de elementos de la
misma en ceros. Señalamos que se opera exclusivamente sobre las filas de la
matriz y que el método que a continuación se expone, se aplica, como se expuso
a un principio, para determinar el rango de una matriz – ya se verá que significa
– ; determinantes; cálculo de matrices inversas y resolución de sistemas de
ecuaciones lineales. Esencialmente mediante el siguiente método que ‘esconde’
en definitiva, la realización de operaciones elementales sobre la matriz, se trata
18
de formar el máximo número posible de vectores canónicos linealmente

independiente (recordar que cada línea de una matriz es un vector).
4.2.2. Descriptiva del método
Considérese una matriz no nula. Se elige cualquier elemento no nulo, al cual se
lo denomina pivote. Para fijar ideas, y sin pérdida de generalidad, supongamos
que el pivote es el elemento a11 = a y consideremos el siguiente esquema
matricial, en el que solo se indican solo algunos elementos.
Nota: Es conveniente siempre elegir a la unidad como pivote. En el caso que

esto no ocurra, se divide la primer fila por a  0 , o sea, multiplicando por el
recíproco de pivote obteniéndose lo siguiente:
En la etapa siguiente, se reducen a cero los restantes elementos que figuran en

la columna del pivote. Entonces a la segunda fila se le suma la primera
d
multiplicada por − . De este modo d se transforma en 0, e se transforma en
a
db dc
e− , y se transforma en f − , obteniéndose entonces:
a a
Si a31 = g , en la misma etapa, al sumarle a la tercera fila, la primera

g
multiplicada por − , entonces g se transforma en 0. Y si a32 = h, entonces h se
a
gb
transforma en h − . En las dos etapas descriptas se ha obtenido un vector
a
19
canónico en la columna del pivote. Se observa que, en la matriz dada, todo

elemento que no figure en la fila, ni en la columna del pivote, forma con este
una diagonal de un ‘rectángulo’. Los otros dos vértices determinan lo que se
denomina la ‘matriz diagonal’. Por ejemplo, asociado al elemento e se tiene que:
db
Como el transformado de e es: e − , se opera así: El transformado de cada
a
elemento que no figure en la fila y columna del pivote es igual a la diferencia
entre dicho elemento y el producto contradiagonal o diagonal contrapuesta
dividido por el pivote. En las etapas siguientes se reitera el procedimiento
eligiendo un pivote que no figure ni en las filas ni en las columnas anteriores.
De este modo las operaciones elementales indicadas preservan a los vectores
canónicos.
El procedimiento se termina cuando no es posible obtener ningún pivote
(distinto de cero) en las condiciones ya señaladas.
4.2.3. Rango de matrices

Definición: El rango de una matriz A  Mmn ( ) , que simbolizamos:  ( A ) es
el número máximo de vectores fila o columna – el rango puede ser rango fila o
rango columna – linealmente independientes.
A  Mmn ( ) :1   ( A )  mínm, n
El objetivo del ejemplo mostrado en 4.1. fue mostrar la transformación de una
matriz por operaciones elementales.
Tal transformación, si no se la direcciona hacia otro objetivo, nos evalúa
directamente el rango de la matriz dada, donde se ve que hay una fila de ceros
y el resto de las filas con un mínimo elemento no nulo. Por ende, puede
afirmarse que el rango de esa matriz es tres.
4.2.4. La columna de control
20
Esto es opcional, pero es un buen parámetro para controlar que el método de

Gauss ha sido aplicado secuencialmente de forma apropiada y es la columna
de control. Opcionalmente a cada matriz puede agregársele la denominada
columna de control, donde cada fila de esa tal columna es igual a la suma de
los elementos de la fila correspondiente de la matriz. Tiene como objeto el
control de que lo que se está haciendo está bien, pues si en cada paso la suma
de cada fila es igual al número correspondiente que aparece al final de la fila
pero ubicado en la columna de control, quiere decir que el trabajo está
correctamente hecho. El ejemplo siguiente está realizado con la columna de
control.
4.2.5. Cálculo del rango por Gauss
Mediante el método de Gauss, el objetivo de lo que sigue es obtener el rango de
una matriz A dada. En el proceso se incluye la columna de control en cada
paso. En este ejemplo particular se obtendrá el rango fila de la matriz, pero
según se haga la elección de los pivotes, se puede obtener el rango columna de
la matriz. A continuación, se propone un ejemplo. Un ejemplo consistente en la
determinación del rango de una matriz de orden 4 . El ejemplo está desarrollado
paso a paso con columna de control. En el subpárrafo siguiente se verifica para
este caso particular, la definición planteada de rango. En este caso particular
se muestra el proceso para obtener el rango fila de la matriz dada, pero
perfectamente podría ser el rango columna.
1 2 1 -1 
 
A = 1 1 0 2
0 1 2 -1 
 
2 2 -1 2 
 (* )   
1 2 1 -1   3   1 2 1 -1  3   1 0 -3 1  -1  1 0 0 7  8 
 4   1    3    
1 1 0 2  
  0 -1 -1 3    0 0 1 2  
 
0 0 1 2  3 
0 1 2 -1   2   0 1 2 -1  2   0 1 2 -1  2   0 1 0 -5  -4 
           
2 2 -1 2   5   0 -2 -3 4  -1   0 0 1 2  3  0 0 0 0  0 
( ) columna de control/Con la última matriz finaliza el proceso, ya que no
pueden elegirse más pivotes, en virtud que faltaba elegir aún en la cuarta fila
y se anuló íntegramente. Si se observa la última matriz puede verse que hay
tres filas con un elemento no nulo por lo menos, mientras que la última fila es
íntegramente de ceros, por lo tanto el rango de la matriz, cuya simbolización es
la siguiente es tres.
21
 (A) = 3
4.2.6. Comprobación del rango obtenido
A continuación, se verificará, en referencia al ejemplo desarrollado en el párrafo
anterior, que en efecto el rango de la matriz A es 3 , pero, ¿Cómo?
Considerando los tres vectores filas de la matriz que poseen como mínimo un
único elemento no nulo. Se generará la combinación lineal de tales vectores y
se verá que tal C.L. admite la solución trivial.
Consideremos el conjunto de vectores fila:
A = (1,0,0,7 ) ; ( 0,0,1,2 ) ; ( 0,1,0, −5 )

1 (1,0,0,7 ) +  2 ( 0,0,1,2 ) +  3 ( 0,1,0, −5) = ( 0,0,0,0 )
1 =  2 = 3 = 0  solución trivial  A es L.I .
En consecuencia, A es un conjunto linealmente independiente y 3 es el número
máximo de vectores fila que pueden obtenerse de la matriz original considerada
desde la perspectiva de vectores fila. Es decir que para este ejemplo y desde
esta perspectiva, la matriz está formada por cuatro vectores fila y tiene tres
vectores fila linealmente independientes, siendo este el número máximo.
Propiedad: El rango fila o rango columna obtenido de una matriz, no varía si
en la misma se efectúan operaciones elementales en la matriz original.
Se acepta sin demostrar.
Esta propiedad nos quiere decir que el rango fila o columna de una matriz dada
es el mismo tanto para una matriz dada, como la obtenida a partir de esta por
operaciones elementales. El resultado es invariante.
Observación: Cuando “se habla de” rango, nos estamos refiriendo al rango
fila de la matriz o al rango columna. Tener en cuenta este importante resultado
que se destaca a continuación y que no se prueba:
Los rangos fila y columna de una matriz son iguales.
Es decir que, si obtiene uno u otro, para un determinado objetivo, el resultado
es equivalente.
Actividad de Aprendizaje VI
Calcular el rango fila y/o el rango columna de las siguientes matrices utilizando
el método de Gauss – Jordan. Verificar en cada caso, ya obtenido el resultado
final, que los vectores fila y/o columna en efecto, constituyen el número máximo
de vectores linealmente independientes.
22
1 1 1 1
 
0 1 0 1 0   1 3 4 -2  1 1 1 5
 2 -1 2     
 
i.A =  -3 -1 0  ; ii.B =  2 1 0 2 1  ; iii.C =  4 -3 1 1  ; iv.D =  1 1 4 1 ;
 
 0 0 -1  0 1 0 1 0  2 1 3 -1  1 3 1 1
       
2 0 2 0 2  3 -1 2 0   2 1 1 1

1 2 3 4
1 2 3  3 6 1 -2 9 
   
v.E =  4 5 6  ; vi.F =  -1 -1 0 1 3  Rtas : i.3; ii.3; iii.2; iv.4; v.2; vi.3
7 8 9  2 4 1 -2 6
   
5. El determinante de una matriz
5.1. Submatriz de una matriz dada
Definición: Dada una matriz A de orden m  n , si eliminamos de ella algunas
filas y/o columnas, obtendremos una nueva matriz que denominaremos
submatriz de la matriz A.
Ejemplos:
 2 0 1 4
 3 1/2 2 5 
Sea la matriz: A =   , las siguientes son todas submatrices de A
 6 7 8 1
 
 0 5 4 -6 
y se detallan a continuación:
4 
5   2 0 4  1/2 2 5 
    8 1  7 8
B =   ;C =  6 7 1  ;D =  ;E =  7 8 1  ;F = 
2 0 1 4
1    ;G =   , etc.
 0 5 -6   3 1/2 2 5     4 -6   5 4 
     5 4 -6 
 -6 
Por ejemplo, la submatriz B se obtiene de A de eliminar las tres primeras
columnas; la submatriz C se obtiene de eliminar la tercer columna y la segunda
fila, y así con todas las submatrices mostradas como ejemplo. Se sugiere al
lector estudiante que analice el resto de los casos y genere otras, si le fuera
posible.
5.2. Definición de determinante
Vamos a definir una función que se aplica desde el conjunto de las matrices
cuadradas complejas de orden n en complejos, así:
A : Mn (C) → C
A → A = n°
23
Este número será el producto de la definición por inducción sobre el orden n

del conjunto de matrices cuadradas complejas y se detallará hacia el final de
la página. Entonces la función determinante es una aplicación cuyo dominio es
un subconjunto del conjunto de matrices cuadradas complejas de orden n y
cuyo recorrido es un subconjunto de los complejos.
¿Cómo definimos ese número? Inductivamente sobre el orden n de la matriz.
i. n = 1  A = a11 ii. Supuesto definido el determinante de matrices de orden
n − 1 , entonces para el orden n resulta el siguiente determinante, cuya
estructura se detalla a continuación:
a11 a12 a13 .......a1n
a 21 a 22 a 23 .......a 2n
m
A = ........................... =  ( -1 )
i+n
M in a in =
i=1 menor elemento I
........................... complementario
am1 am2 am3 .......amn adjunto o cofactor
= ( -1) a1n M1n + ( -1) a 2n M 2n + ..... + ( -1 )

1+n 2+n m+n
amn M mn
Simbólicamente la expresión simbólica precedente representa el desarrollo de
un determinante por filas – dejando fijas las columnas –. En la práctica, se elige
una columna y se la deja fija, haciendo variar las filas. De forma análoga se
plantea el determinante desarrollado por columnas – dejando fijas las filas –.
En la práctica, se elige una fila y se la deja fija, haciendo variar las columnas.
A continuación, se detalla simbólicamente el desarrollo de un determinante por
columnas, dejando fijas las filas…
a11 a12 a13 .......a1n
a 21 a 22 a 23 .......a 2n
n
A = ........................... =  ( -1 )
m+ j
M mj a mj =
j=1
........................... menor
complementario
elemento I
am1 am2 am3 .......amn adjunto o cofactor
= ( -1) am1M m1 + ( -1) am2M m2 + ..... + ( -1)

m+1 m+2 m+n
amnM mn
dónde con Min / i = 1,2,......, n se indica el determinante de la submatriz de orden
n − 1 que se obtiene de la matriz A por eliminación de la fila i y la columna j .
Según que la suma de tal eliminación genere una potencia par o impar será el
signo, de ahí el opuesto de la unidad que aparece en la fórmula. De hecho, que
todo esto obedece a cuestiones más profundas y complejas que caen fuera de
los objetivos de este curso, pero intrínsecamente la fórmula de determinante
24
obedece a las permutaciones pares o impares que se pueden dar en un

determinado conjunto.
Nota: En el anexo del capítulo se puede encontrar la explicación de porqué
aparece – 1 en la definición de determinante. Esta sección es optativa y es una
invitación para el lector estudiante curioso.
5.3. Adjunto de un elemento

Llamaremos adjunto o cofactor o también complemento algebraico del elemento
a ij de la matriz A y lo simbolizamos con A ij = ( -1) M ij , es decir, que asociado
i+j
al elemento a ij se tiene el adjunto cuya simbolización ya conocemos: a ij , a la

matriz que se obtiene de sustituir a cada elemento a ij de la matriz le
corresponden el producto de Mij por el opuesto de la unidad elevado a la suma
de la fila i y de la columna j .
5.4. Definición de menor complementario

Dada una matriz A  M m×n ( C ) se llama menor o menor complementario del
elemento a ij , el determinante de la matriz de orden n – 1 que se obtiene de A,
suprimiendo la fila i y la columna j . Lo simbolizamos Mij al menor
complementario de a ij .
Un ejemplo concreto:
1 -2 3 1
0 1/2 1 3
A =
4 3 0 -1
-2 4 2 2
25
Suprimiendo en la matriz precedente la fila 2 y columna 3, se obtiene el menor

1 -2 1
complementario: M 23 = 4 3 -1 , siendo el adjunto correspondiente a la
-2 4 2
1 -2 1
matriz dada: A 23 = ( -1)
2+3
.1. 4 3 -1 .
-2 4 2
5.4. Cálculo de determinantes elementales

5.4.1. El determinante de orden 2
A continuación, se realiza el cálculo detallado de un hipotético determinante de
orden 2.
 a11 a12  2
 A =  ( -1) .ai2 .M i2 = ( -1) .a12 .M12 + ( -1 ) .a 22 .M 22 =
i+2 1+2 2+2
A= 
 a 21 a 22  i=1
a11 a12 a11 a12
a21 a22 a21 a22
= ( -1) .a12 .a 21 + ( -1) .a 22 .a11 = -a12 .a 21 + a 22 .a11

3 4
Debe observarse que el determinante precedente se desarrolló por filas dejando

fija la segunda columna y “moviendo” cada una de las filas. El valor obtenido,
no difiere del obtenido por el estudiante tal como lo aprende en el ciclo medio y
lo revisa en el curso de ingreso, cuando realiza el siguiente producto sin saber
la génesis del mismo. Este es más usualmente conocido de la forma siguiente,
como se describe a continuación:
Se lo obtuvo precedentemente de la forma siguiente, conociendo la génesis del
 a11 a12 
problema: A =    A = ............ = -a12 .a 21 + a 22 .a11
 a 21 a22 
a b
A=   A = ............ = a.d - b.c
 c d 
5.4.2. “Apropiándonos” de la definición de determinante

A los efectos de que el lector estudiante se apropie de la definición de
determinante, cuya notación no es simple de adquirir, se propone el siguiente
ejercicio a tales efectos.
26
La consigna es la siguiente:
Desarrollar el determinante de una hipotética matriz de orden 2 que se detalla

a continuación, utilizando la definición, pero operando de formas diferentes,
manejando la notación correspondiente, a saber:
a. dejando fija la segunda fila y desarrollando por columnas;
b. dejando fija la primera fila y desarrollando por columnas;
c. dejando fija la segunda columna y desarrollando por filas;
d. dejando fija la primera columna y desarrollando por filas.
La intención del trabajo propuesto es que el estudiante pueda adquirir la
mecánica de la definición de determinante.
 1 2 2
a. A =  ( -1)
2+ j
A=  .a 2 j .M 2 j =
 -3 4  j =1
= ( -1) .a 21 .M 21 + ( -1) .a 22 .M 22 = ( −1) . ( −3) .2 + ( −1) .4.1 = ..... = 10

2+1 2+2 3 4
1 2 1 2
-3 4 -3 4
2
b. A =  ( -1) .a1j .M1j =
1+j
j=1
= ( -1) .a11 .M11 + ( -1) .a12 .M12 = ( −1) .1.4 + ( −1) .2. ( −3) = ..... = 10
1+1 1+2 3 3
1 2 1 2
-3 4 -3 4
2
c. A =  ( -1) .ai2 .M i2 = ( -1) .a12 .M12 + ( -1 )
i+2 1+2 2+2
.a 22 .M 22 =
i=1
1 2 1 2
-3 4 -3 4
= ( -1) .2. ( -3) + ( -1) .4.1 = ........ = 10

3 4
2
d . A =  ( -1) .ai1 .M i1 = ( -1) .a11 .M11 + ( -1)
i+1 1+1 2+1
.a 21 .M 21 =
i=1
1 2 1 2
-3 4 -3 4
= ( -1) .1.4 + ( -1) .( −3).2 = ........ = 10

2 3
27
5.4.3. El determinante de orden 3
 a11 a12 a13 

A =  a 21 
3
a 23  A =  ( -1) .ai3 .M i3 =
i+3
a 22
 
a a 33 
i=1
 31 a 32
= ( -1) .a13 .M13 + ( -1) .a 23 .M 23 + ( -1 )
1+ 3 2+ 3 3+ 3
.a 33 .M 33 =
a11 a12 a13 a11 a12 a13 a11 a12 a13
a21 a22 a 23 a 21 a 22 a 23 a 21 a 22 a 23
a31 a32 a 33 a 31 a 32 a 33 a 31 a 32 a 33
a 21 a 22 a a12 a a12
= ( -1) a13 + ( -1) a 23 11 + ( -1) a 33 11
4 5 6
=
a 31 a 32 a 31 a 32 a 21 a 22
= ............................................................................................... =
= a13 ( a 21 .a 32 - a 22 .a 31 ) - a 23 ( a11 .a 32 - a12 .a 31 ) + a 33 ( a11 .a22 - a 32 .a21 )
El determinante precedente se calculó por el desarrollo de filas dejando fija la

tercera columna. La fórmula obtenida, se conoce como regla de Sarrus y
consiste en la repetición de las dos primeras filas y la realización de ciertos
productos diagonales permiten llegar al mismo resultado que el mostrado
precedentemente.
5.5. Cálculo de determinantes de órdenes superiores

Consideremos un ejemplo concreto de una matriz de orden 4, y el cálculo de su
determinante, al que calcularemos dejando la primera fila fija, y en esta
elección hay un acto de conveniencia, ya que los elementos intersección son
nulos, generando por ende un producto nulo. Por ende, esos términos se anulan
y esto agiliza el cálculo del mismo. Esta acción debe ser general y la elección
de cómo desarrollar el determinante debe apuntar a dejar fija la fila o columna
con mayor cantidad de ceros.
28
1 0 0 1
 -1 4 2 1  4
A= = A =  ( -1 ) .a1j .M1j =
1+ j
 -1 2 1 0 j=1
 
0 1 0 1
0 0
( -1)
1 0 0 1
= ( -1) .a11 .M11 + ( -1) .a12 .M12 + ( -1 ) .a13 .M13 + ( -1 )

1+1 1+2 1+3 1+4
.a14 .M 14 =
4 2 1 -1 2 1 -1 4 1 -1 4 2
2 1 0 -1 1 0 -1 2 0 -1 2 1
1 0 1 0 0 1 0 1 1 0 1 0
2 1 4 2 -1 2
= ( -1) + ( -1) .1. - ( -1 ) .1. = ( 0 - 1 ) + ( 4 - 4 ) - ( -1 ) .1. ( -1 + 2 ) = ........ = 0
3+1 3+3 3+2
.1.
1 0 2 1 -1 1
Debe destacarse que los determinantes de orden 2 y 3 que quedaron se
desarrollan por la última fila. En el primero en virtud que tiene un solo cero, y
en el segundo caso, porque tiene dos ceros.
Observación muy importante

En general a la hora del cálculo de determinantes de órdenes superiores o
inferiores a 3, cuando queden en el desarrollo de los mismos, determinantes
de órdenes 2 y 3, no deben realizarse directamente por la regla nmemotécnica
aprendida en el ciclo medio, sino que deben desarrollarse a partir de la
definición.
Actividad de Aprendizaje VII
1. Calcular los siguientes determinantes.
1 3 0 1 5 0 2 0 5 0 -1 1
0 4 5 0 π 1 -1 2 1 -1 1 -2
a. A = ;b. B = ;c. C = ;
-1 7 -6 1 3 -3 1 0 4 -4 2 1
2 0 1 0 4 -2 1 0 -2 1 1 0
1 1 0 0 2 1 3 0 2 4
3 2 -5 4
-1 1 1 1 1 3 0 6 0 3
2 4 2 -3
d. D = 0 1 2 1 2 ;e. E = ;f. F = 4 1 7 1 2
4 3 6 -2
-1 2 3 0 0 2 2 8 3 0
5 -4 2 3
1 1 1 1 2 3 5 0 4 4
Rtas : a.80;b.14;c.63;d.5;e. - 523;f.108
29
2. Resolver las siguientes ecuaciones:

2 -1 0
2 x-4 x x +1
a. = 0;b. = 0;c. 4 2x -3 = 0
4 4 -4 x + 1
-2 2 x
−1 + 7 −1 − 7
Rta : a.6; b. − 1, −4; c. ,
2 2
3. Calcular en cada caso, el valor de   , si existe, de modo que la ecuación
tenga raíces reales e iguales.
x 3 1
x 2 -λ
a. = -3;b. λ -1 2x = 0
2x 1
2 1 2
29
Rta : a. 3, − 3; b.
10
5.6. Propiedades de los determinantes
Las siguientes propiedades se proponen que sean demostradas para el caso
particular de matrices de orden 2. Se sugiere previamente al lector estudiante
y antes de proceder a la prueba particular, que este se tome el “trabajo” de
verificar a cada propiedad con varios ejemplos de diferentes tamaños. Algunas
de estas pruebas serán realizadas en clase.
5.6.1. El determinante de una matriz y el de su traspuesta son iguales.
Prueba particular para un determinante de orden 2
Sugerencias para la prueba: Escribir una matriz de orden 2 en forma genérica
y desarrollarla a partir de la definición. Luego escribir la traspuesta de la
matriz expuesta y desarrollarla también a partir de la definición. Comparar
ambos resultados.
Observación: El desarrollo en el primer caso por la definición, si es por fila o
columna, lo decide el lector, particularizando así cada prueba. Recuérdese que
se trata de pruebas de casos particulares y no de la prueba formal del caso
general.
5.6.2. Si dos matrices cuadradas A y B tienen sus líneas iguales, salvo una
en la que los elementos de la de B, son los de A multiplicados por una constante
c  compleja, resulta entonces que:
B =c A .
Ejemplos:
30
1 2 -1 2 2 2 − 2
1 2 2 4
A = ;B = =2A A = 2 0 1 ;B = 2 0 1 = 2A
3 3 3 3
2 2 8 2 2 8
Observación
Esta propiedad permite extraer “factor común” en los determinantes.
Debe destacarse que el factor común puede extraerse de cada fila, de varias
filas, o de cada columna o varias pero no de forma mixta.
4 2 8 2 1 4
Ejemplo: A = 2 0 1 = 2.2. 2 0 1
2 2 8 1 1 4
Prueba particular para un determinante de orden 2.

y desarrollarla a partir de la definición. Luego escribir el mismo determinante
multiplicando una línea (a elección) por una constante y desarrollarla también
a partir de la definición. Comparar ambos resultados.
Idéntica observación a la de la propiedad 1, acerca del desarrollo por
la definición.
5.6.3. Si en un determinante se intercambian entre sí dos líneas paralelas, el
determinante cambia de signo, pero no de valor absoluto.
1 2
A = = ..... = -2
3 4
Ejemplos:
2 1
B = = ..... = 2
4 3
Prueba particular para un determinante de orden 2

y desarrollarla a partir de la definición. Luego escribir el mismo determinante
intercambiando entre sí dos líneas paralelas (a elección) y desarrollarla
también a partir de la definición. Comparar ambos resultados.
Idéntica observación a la de la propiedad 1, acerca del desarrollo por
la definición.
5.6.4. Si un determinante tiene dos líneas paralelas iguales entonces vale 0.
31
Nota: Esta propiedad fue introducida en el párrafo 0 del capítulo de vectores.

Prueba particular para un determinante de orden 2. Se deja totalmente a cargo
del lector estudiante.
5.6.5. Si un determinante tiene dos líneas paralelas proporcionales (una línea
es combinación lineal de otra) entonces vale 0.
Se sugiere al lector estudiante que los dos ejemplos siguientes, los desarrolle
para verificar que en efecto cada determinante vale 0.
1 2 3 4
2 4 0 1 -1 0
Ejemplo: A = ;B =
1 2 -2 -4 -6 -8
0 1 -1 -1
5.6.6. Si un determinante tiene una línea formada por la adición de dos

sumandos resulta que es igual a la suma de dos determinantes en los que la
línea respectiva está formada por los elementos que corresponden a los
primeros sumandos y a los segundos sumandos respectivamente.
Ejemplos desarrollados
3 +1 2 1 3 2 1 1 2 1 1 2+ 2 2 1 2 2 1 2 2
2 - 1 -1 -1 = 2 -1 -1 + -1 -1 -1 ; 0 1+0 1= 0 1 1+ 0 0 1
1+0 3 0 1 3 0 0 3 0 -1 -1 + 1 0 -1 -1 0 -1 1 0
5.6.7. Si en un determinante a una línea se le suma una combinación lineal de

las restantes líneas paralelas, el determinante no varía.
Ejemplo desarrollado:
Considerar en el ejemplo siguiente el cálculo de un determinante donde se
realizaron las siguientes operaciones: En el primer determinante se sumó la
cuarta columna a la tercera, y la cuarta multiplicada por – 5 a la primera; luego
se aplicó la definición de determinante, desarrollando el determinante obtenido
por la cuarta columna, dejando fija la primera, generando un determinante de
orden 3 al que, se le sumó la tercer fila a la primera y la tercera multiplicada
por – 3 a la segunda. El determinante obtenido se desarrolló por la definición
32
de determinante, desarrollándolo por la primera columna, dejando fija la

primera fila.
5 0 -1 1 0 0 0 1
11 -1 -1 9 0 0
1 -1 1 -2 11 -1 -1 -2 -7 0
= ( -1) .1. -1 -4 3 = 5 -7 0 = ( -1 ) .9. = 9. ( -7 ) = -63
3+4 1+1
A = =
4 -4 2 1 -1 -4 3 1 1 1
-2 1 1 -2 1 1
-2 1 1 0 -2 1 1 0
5.6.8. Si en un determinante son nulos todos los elementos de una línea,

resulta que el determinante vale cero.
5.6.9. El determinante del producto de dos matrices cuadradas es igual al

producto de los determinantes de las matrices. La propiedad puede extenderse
a un número finito de determinantes y matrices cuadradas.
5.6.10. El determinante de toda matriz diagonal es igual al producto de los

elementos diagonales.
1 0 0 0
0 2 0 0
Ejemplo: A = = 1.2.3. ( -4 ) = -24
0 0 3 0
0 0 0 -4
5.6.11. A  Mn ( C) : α  C : α.A = αn . A
Ejemplo: Supongamos que B es una matriz de orden 4 y es tal que: B = 4 ,
resulta entonces que: 2.B = 24 .4 = 64
33
5.6.12. Determinante de Vandermonde

Se lo desarrollará para el caso particular de orden 3 y luego se lo generalizará
para determinantes de orden n – sin demostrarlo –
El determinante de Vandermonde es todo aquél cuyas líneas son potencias
sucesivas de un mismo número, a partir del exponente cero.
1 a a2 1 1 1
1 b b = a b c = ( b - a )( c - a )( c - b )
2
1 c c2 a2 b 2 c2
prueba :
1 a a 2 1 a - 1.a a 2 - a.a 1 0 0
b - a b 2 - b.a b - a b. ( b - a )
1 b b = 1 b - 1.a b - b.a = 1 b - 1.a b - b.a = ( -1 ) .1.
2 2 2 1+1
= =
2 2 2 c - a c 2 - c.a c - a c. ( c - a )
1 c c 1 c - 1.a c - c.a 1 c - 1.a c - c.a
1 b
= (b - a) . (c - a ) . = (b - a ) . (c - a ) . (c - b )
1 c
1 2 4
Ejemplo desarrolado: A = 1 3 9 = ( 3 - 2 ) . ( 4 - 2 ) . ( 4 - 3 ) = ...... = 2
1 4 16
Generalizamos ahora el determinante en cuestión para un determinante de
orden n que se escribe y desarrolla simbólicamente como se indica a
continuación:
1 1 1 1 1 .................. 1
x1 x 2 x3 ................xn
x12 x 22 x32 ................ xn2
................................. = V ( x1 , x 2 , ...................., xn ) = ( x2 - x1 )( x3 - x1 )( x4 - x1 ) ............ ( xn - x1 ) .V ( x2 , x3 , ...................., xn ) =
.................................
x1n-1 xn-1 n-1 n-1
2 x 3 .......... xn
(* )
= ( x 2 - x1 )( x 3 - x1 )( x4 - x1 ) ...... ( xn - x1 ) . ( x 3 - x 2 )( x4 - x 2 ) ...... ( xn - x 2 ) .V ( x 3 , x4 , ...................., xn )
( ) Siempre la última línea va elevada a un número menor correspondiente al

del orden del determinante.
Ejemplos:
34
1 1 1 1
2 3 4 2
1. = ( 3 - 2) . (4 - 2) . ( 2 - 2) . (4 - 3) . (2 - 4 ) = 0
4 9 16 4
8 27 64 8
x1 x 2 x 3 x4 x 5
x12 x 22 x 32 x 42 x 52
2. = ( x 2 - x1 ) . ( x 3 - x 1 ) . ( x 4 - x 1 ) . ( x 5 - x 1 ) . ( x 3 - x 2 ) . ( x 4 - x 2 ) . ( x 5 - x 2 ) . ( x 4 - x 3 ) . ( x 5 - x 3 ) . ( x 5 - x 4 )
x13 x 23 x 33 x 43 x 53
x14 x42 x43 x 44 x 54
Actividad de Aprendizaje VIII
1. Determinar sin resolver el determinante siguiente, para que valores de

  , si existen, resulta nulo. Justifica la respuesta.
1 2 1 4
3 6 3 -1
A =
1 2 α 4
0 7 0 -3
2. Calcular el determinante siguiente, sin efectuar su desarrollo. Justifica

4 0 12
la respuesta. A = 2 2 6
-1 1 -3
3. Calcular sin efectuar el desarrollo del siguiente determinante, si existe,
x x x x
2 1 -2 x
x  / A = 0. A =
4 1 4 x2
8 1 -8 x 3
4. Calcular los determinantes de las siguientes matrices, justificando
teóricamente las respuestas, cuando corresponda. Sugerencias: Tiene
en cuenta las propiedades de los determinantes, y en caso de no poder
aplicar propiedad alguna, realizar el cálculo utilizando la regla de Chío.
35
1 2 0 0 1 1 0 2 -1 
2 2 1 -1     
   0 2 1  1 2 1 1 1 1 0 2 2
1 0 1 1    1 ;
A= ; B =  1 2 1; C =  0 1 0 1 1; D =  1 0 2 
0 1 1 -1   0 2 1   2
    0 1 0 1 1 
 -1 0 -1 -1  1 1 
 0 0 1 1   0 1 -1 
2 
 2 π 2 78 
1 2  2 0 0   
     1204 50230 
E =  0 -1  ;F =  0 4 0  ; G = 
0 0 0 0
;H =  
 9 -89   2408 100460 
4 5   0 0 -1  
0 1

   
 154 -1 0 0
5. Calcular 2.B , sin efectuar previamente el producto del escalar por el

determinante de la matriz B , si el determinante de la matriz B , es:
1 0 0 0
0 25 0 0
B =
0 0 2 0
0 0 0 2
Respuestas:
1 por 5.6.4.; 2. 0 por 5.6.5.; 3. 0,1,2,-2 por 5.6.12.; 4. A:0 por 5.6.5.; B:0 por
5.6.4.; C:0 por 5.6.4.; D:0 por 5.6.5.; E:imposible por la definición de
determinante; F:-8 por 5.6.10.; G:0 por 5.6.8.; H:0 por 5.6.5.; 5. 24.100=1600
por 5.6.12. y 5.6.10.
5.7. La regla de Chío
La regla de Chío es una combinación del método de Gauss–Jordan con la
definición de determinante, y consiste en hacer la mayor cantidad de ceros
posibles en el determinante como si fuera una matriz. Esto, en virtud de 5.6.7.
hace que este no varíe y luego se lo desarrolla por la definición de determinante,
obteniéndolo por el desarrollo de alguna fila o columna, dejando fija fila o
columna elegida por la mayor cantidad de ceros posibles que este posea. A
diferencia de la aplicación del método de Gauss con matrices, a la hora de
dividir una fila para obtener un pivote unidad, lo que se hace es extraer factor
común en el determinante operando por la propiedad 5.6.2.
Debe destacarse que en este proceso deben tenerse presentes todas las
propiedades de los determinantes, de forma de optimizar los cálculos, como
puede observarse en el siguiente ejemplo que se desarrolla a continuación…
36
3 -2 4 1 0 -4 4 0
0 -4 4 -36 -20 0
0 2 -1 3 -9 -4 -1 0
= ( -1) .1. -9 -4 -1 = - 9
4+4
A = = 4 1=
2 3 -3 -2 8 7 -3 0
8 7 -3 35 19 0
3 2 0 1 3 2 0 1
36
-36 -20 1 36 / 20 1 4
= - ( -1) = -  - ( -20 ) . 20 = -20. ( -1) .1. = 16
2+3 1+2
= -20.
35 19 4/5 0 5
35 19
Proceso: Se elige un elemento – obviamente que no sea de la columna de control
– como pivote (es ideal que sea igual a la unidad). Se observa, si se puede
extraer factor común en el determinante aplicando 5.6.2., haciendo entonces:
A = aij . A .
elemento determinante
factor transformado
común
Se enmarca la fila i y la columna j a la que pertenece el pivote y se agrega al

determinante, la columna de control, que servirá para chequear las
combinaciones lineales efectuadas en las filas.
i+ j
A = ( −1)  el determinante que se obtiene de suprimir la fila i y la columna j,
y restando luego a cada uno de los elementos que quedan – incluso a los de la
columna de control, para que sirva verdaderamente de control – el producto de
los elementos que se encuentran en la intersección de su misma fila y columna
con la columna y fila suprimidos.
Debe destacarse que a diferencia del método aplicado para el rango de
matrices, en lo referente a Gauss, en los determinantes que van quedando,
como son ‘nuevos’ no importa si la fila o columna elegida, es la misma – para
pivote – que las elegidas anteriormente.
Actividad de Aprendizaje IX
Calcular los determinantes del ejercicio 1 de la actividad de aprendizaje VII
más los siguientes, por aplicación de la regla de Chío.
37
1 3 0 2 4
3 2 -5 4 5 0 -1 1
3 0 6 0 3 1 2 -3
2 4 2 -3 1 -1 1 -2
g. G = ;h. H = 4 1 7 1 2 ;i. I = 1 2 3 ; j. J = ;
4 3 6 -2 4 -4 2 1
2 2 8 3 0 2 0 1
5 -4 2 3 -2 1 1 0
3 5 0 4 4
Rta : g. − 523; h.108; i.24; j.63
6. Inversa de una matriz
6.1. Adjunta de una matriz cuadrada

Definición: Adjunta de una matriz cuadrada es la traspuesta que resulta de
sustituir cada elemento por su cofactor.
En símbolos:
t  A11 A 21 A 31 ...........A m1 
 a11 a12 a13 ...........a1n   A11 A12 A13 ...........A1n   
     A12 A 22 A 32 ...........A m2 
 a 21 a 22 a 23 ...........a2n   A 21 A 22 A 23 ...........A 2n   A A A ...........A 
A =  ................................   adj ( A ) =  ...................................  =  13 23 33 m3

     ................................... 
 ................................   ...................................   ................................... 
 a a a ...........a   A A A ...........A  
 m1 m2 m3 mn   m1 m2 m3 mn   A A A ...........A 
 1n 2n 3n mn 
Definición formal: Dada una matriz A = a ij  definimos como adjunta de A y

n
lo simbolizamos: adj ( A ) a la matriz A ji donde A ij es el adjunto de cada
elemento aij en A .
Nota importante: A diferencia de las bibliografías vigentes, que presentan al
concepto, a través de la última matriz, la idea es continuar el eje central que
subyace en este curso y es mostrar la construcción de la estructura conceptual.
Ejemplo:
38
t
 1+1 1 3 2 3 2 1 
 ( -1) ( -1) ( -1)
1+2 1+3

 -2 -3 1 -3 1 -2 
 -1 0 2  
  2+1 0 2 -1 2 -1 0 
A =  2 1 3   adj ( A ) =  ( -1) ( -1)2+2 ( -1)2+3  =
 1 -2 -3   -2 -3 1 -3 1 -2 
   
 ( -1)3+1 0 2
( -1)3+2
-1 2
( -1) 3+3 -1 0 
 2 1 
 1 3 2 3
t
 3 9 -5   3 -4 -2 
   
=  -4 1 -2  =  9 1 7 
 -2 7 -1   -5 -2 -1 
   
6.2. Propiedad fundamental
A = aij   M n ( C ) : A.adj ( A ) = adj ( A ) .A = A .I
n
– la aceptamos sin demostrar –
6.3. Cálculo de la inversa

6.3.1. Matriz regular
Definición: A = a ij  se dice regular sii A  0
n
6.3.2. Matriz regular y no regular

Definición: A = a ij  se dice singular (o no regular) sii A = 0
n
Definición: A = a ij  diagonal es regular sii los elementos diagonales son

n
todos no nulos.
6.3.3. Matriz inversa. Estructura conceptual

Definición: Dada una matriz A = a ij  , se dice que la matriz B es la inversa
n
de A si ocurre que: A.B = B.A = I  B = A -1
6.3.4. Existencia y Cálculo de la matriz inversa

A continuación, se expondrá un teorema que muestra la existencia de matriz
inversa, la unicidad de la misma; su cálculo y el determinante de tal matriz.
Teorema: Existencia y Cálculo de la matriz inversa y su determinante
39
Dada A = aij   M n ( C ) , se dice entonces que existe la matriz inversa de A que

n
simbolizamos: A −1 = b ij   A es regular.
n
Más aún, si existe la inversa de A, esta es única y vale lo siguiente:
adj ( A )
a. A -1 = → Existencia a través de su Cálculo
A
1
b. A -1 = → Determinante de la matriz inversa
A
Prueba:
Unicidad: Supongamos que además de B inversa también existe B’, también
inversa pero con la condición que ambas son distintas.
( ) ( )
B  B' / A.B = I = A.B'  A.B = A.B'  A -1 . ( A.B ) = A -1 . ( A.B' )  A -1 .A .B = A -1 .A .B'  I.B = I.B'  B = B' ( )
Contradice la suposición que B = B'
Esto último permite afirmar la unicidad de la matriz inversa.
A.adj ( A ) A .I A.adj ( A ) A-1 . ( A.adj ( A ) )
a. A = aij  n  M n ( C ) : A.adj ( A ) = adj ( A ) .A = A .I 
A
=
A

A
=I
A
= A -1 .I 

( A .A ) .adj ( A ) = A
-1
-1

I.adj ( A )
= A-1 
adj ( A )
= A-1
A A A
1
b. por a. A es inversible  B / A.B = B.A = I  A.B = I  A B = 1  B = A -1 =
A
 -1 0 2
 
Ejemplo : Sea A =  2 1 3  , hallar A −1
1 -2 -3 

-1 0 2 0 -2 -1
-2 -1
5 9 = ( -1) .1.
3+1
A = 2 1 3 = 0 = ... = -13  0  A -1
5 9
1 -2 -3 1 -2 -3
( )
 3 -4 -2   3 4 2 
  -
 9 1 7  13 13 13 
 -5 -2 -1   9
A -1 =   = - 1
- 
7
 - ( ) Ejemplo realizado en 6.1
-13 13 13 13
 
 5 2 1 
 
 13 13 13 
6.3.5. La inversa del producto

Coloquialmente: La inversa del producto es el producto de las inversas en orden
permutado. Simbólicamente se expresa a continuación:
40
( A.B )-1 = B-1 .A -1
Para probar esta propiedad, deberá verse que el producto de las inversas en
orden permutado por A.B da como resultado la identidad.
( A.B ) . ( B-1 .A-1 ) = A. ( B.B-1 ) .A-1 = A.I.A -1 = A.A -1 = I  ( A.B ) = B-1 .A -1
-1
6.3.6. Inversión de matrices por Gauss–Jordan

El método de Gauss es válido también para obtener también la inversa de una
matriz. La forma de trabajo es idéntica, pero con la diferencia que en el
esquema debe escribirse a la derecha de la matriz de la que se quiere obtener
la inversa, la identidad del mismo tamaño de la matriz que se desea invertir.
Luego del proceso, la matriz identidad debe aparecer a la izquierda de la matriz
inversa obtenida. Los pivotes deben elegirse durante el proceso en las filas o
columnas de la matriz de la que se pretende su inversa.
Es muy importante antes de obtener la inversa de una matriz por este proceso,
el chequear previamente si la matriz dada es regular. Puede ocurrir algo como
lo que se presenta a continuación, al final del proceso de inversión, y debe
tenerse muy en cuenta lo que se detalla a continuación a través de una
situación hipotética.
a b c1 0 0
proceso 
d e f0 1 0 
inicial 
g h i0 0 1
...............................
proceso 
............................... 
intermedio 
...............................
0 1 0 j k l
proceso 
1 0 0m n o 
final 
0 0 1p q r
1 0 0m n o
resultado 
0 1 0 j k l 
obtenido 
0 0 1p q r
Se eligió para este ejemplo hipotético, una matriz de orden 3. En el proceso

inicial se escribe la matriz identidad de orden 3, del mismo tamaño de la matriz
que se quiere invertir. Luego de realizado todo el proceso de “pivotear” y
generando los transformados de cada elemento, lo que se traduce como proceso
intermedio en el esquema precedente, se llega al proceso final, donde puede
observarse que a la izquierda se obtuvo la matriz identidad “casi” como tiene
que ser, pero no lo es.
41
Para lograrlo se necesitaría la segunda fila por la primera, pero esto debe
reflejarse compensadamente en la matriz inversa obtenida a la derecha, lo que
se refleja en el esquema precedente como resultado obtenido.
Considerese un ejemplo completo desarrollado a continuación, y es el proceso
de inversión obtenido, por vía algebraica en 6.4.4. para la misma matriz.
3 4 2 
-
13 13 13 
 -1 0 2  1 0 0   1 0 -2  -1 0 0   1 0 -2  -1 0 0   1 0 0 
           9 1 7 
 2 1 3  0 1 0    0 1 7  2 1 0    0 1 7  2 1 0    0 1 0  - 13 - 13 - 13 
 1 -2 -3  0 0 1   0 -2 -1  1 0 1   0 0 13  5 2 1   0 0 1  
           5 2 1 

13 13 13 
Actividad de Aprendizaje X
Ecuaciones matriciales
En la actividad de aprendizaje II se introdujeron por vez primera ecuaciones
matriciales. Esto es un antecedente que permitirá resolver ecuaciones
matriciales de mayor complejidad que requieren del cálculo de la inversa de
matrices. Se pide entonces, en los siguientes ejercicios resolver las siguientes
ecuaciones matriciales, previa resolución de la estructura matricial primero y
luego proceder a las operaciones. En cada una se pide, además verificar cada
resultado obtenido. En consecuencia, carece de respuestas.
i. A.X = B;ii. X.A = B;iii. A.X = I;iv. ( W.X ) .C = D - 2.E;

v. F - 2.X = 3.B; vi. X. ( G + H ) = 3.B t ;
( )
vii. X-t .M - B N - Z t = ( A - B ) ; viii. X.H - B.C = X.P + 2.B;
-t
2
ix. U.X-1 - .B.Ct = I
3
Las matrices intervinientes en la actividad de aprendizaje x se
presentan a continuación:
1 2  4 5 2 3 2 1  1 2
A=  ;B =   ;C =   ;D =   ;E =  ;
 -2 3  -1 2   -1 0  2 3  -5 6 
1 3 1 1  0 2 2 1  2 1
W=  ;F =   ;G =   ;H =   ;M =  ;
4 4  2 -2  1 2  3 -1 / 2   -1 -1 
0 1  3 2  -2 0  1 2 
N=  ;Z =   ;P =   ;U =  
 2 3 4 5  0 -1   3 -2 
42
Nota: Resolución de la estructura matricial de las actividades i; ii de

la actividad de aprendizaje x, a modo de ejemplo:
( )
i. A.X = B  A-1 . ( A.X ) = A -1 .B  A -1 .A .X = A -1 .B 
 I.X = A-1 .B  X = A-1 .B

( )
ii. X.A = B  ( X.A ) .A -1 = B.A -1  X. A -1 .A = B.A -1  .........  X = B.A -1
Observaciones a las resoluciones precedentes
i. En el primer ejemplo resuelto, se dice que se multiplica en ambos
miembros a izquierda por la matriz inversa de A, o también que se
premultiplica por A en ambos miembros.
ii. Mientras que, en el segundo ejemplo, decimos que se multiplica en ambos
miembros a derecha por la matriz inversa de A, o también que se
posmultiplica por A en ambos miembros.
Segunda parte: Sistemas Lineales
7. Aplicaciones del Álgebra matricial a la resolución de sistemas lineales

7.1. Introducción
Un sistema lineal o sistema de ecuaciones de ecuaciones lineales es una
estructura matricial de la forma: A.X = B / A  M m×n ( C )  X n×1 ( C )  B  M n×1 ( C ) .
La traducción de la estructura matricial precedente puede escribirse en la forma:
 a11 a12 a13 ...............a1n   x1   b1 
 a a a ..............a   x   b 
 21 22 23 2n   2   2 
 ....................................   ...  =  ... 
    
 ....................................   ...   ... 
 a a a ...........a   x   b 
 m1 m2 m3 mn   n   n 
Efectuando el producto de matrices y aplicando la definición de matrices iguales
se obtiene la forma escalar del sistema de m ecuaciones con n variables que se
escribe del modo siguiente:
a11 .x1 + a12 .x 2 + a13 .x 3 + ............... + a1n .x n = b1
a21x1 + a22 .x 2 + a 23 .x 3 + ................ + a 2n .x n = b 2
.............................................................................
.............................................................................
am1 .x1 + am2 .x 2 + am3 .x 3 + .............. + a mn .x n = b m
43
La matriz A, cuyos elementos son los coeficientes de las variables del sistema,
recibe el nombre de matriz de los coeficientes del sistema. Los escalares que
figuran en el 2do miembro se denominan términos independientes. La matriz de
los coeficientes junto con los términos independientes, recibe el nombre de matriz
ampliada que se denota mediante: A' = A.B  Mm×( n+1) ( C) .
La solución del sistema es 1 n–upla de números reales (vector fila o vector

columna) de la forma: α = ( α1 , α 2 , α 3 , ........, α n ) / A.α = B
Un sistema con el vector B  O recibe el nombre de sistema normal, y admite

tres tipos de soluciones: ÚNICA, INFINITAS Y SOLUCIÓN VACÍA. (COMPATIBLE
CON SOLUCIÓN ÚNICA; COMPATIBLE CON INFINITAS SOLUCIONES E
INCOMPATIBLE – respectivamente –
mientras que un sistema con el vector B = O recibe el nombre de sistema
homogéneo y admite dos tipos de soluciones: TRIVIAL Y NO TRIVIAL, en el caso
de compatibilidad, siendo la primera el vector nulo, y la segunda el vector no nulo.
La solución VACÍA puede darse en el caso que los rangos de la matriz de los
coeficientes y ampliada resultan distintas.
7.2. Teorema de Cramer

7.2.1. Propiedades previas
Simbolizaremos con A1, A2 ,..........., An a los vectores columna que constituyen la
matriz y con K n a las matrices de orden n definidas sobre un conjunto K (que es
un conjunto numérico) y entre barras de valor absoluto al determinante de la
matriz como venimos acostumbrados. También simbolizamos K n1 a los vectores
columna definidos sobre un conjunto numérico K.
1. Si A1, A2 ,..........., An son vectores columna de K n / A1 , A 2 ,..........., A n  0 y B  K n1

n
es C.L. de aquéllos, es decir, B =  xi Ai con xi  K , i = 1,2,....., n entonces:
i =1
Aj
A1 , A 2 ,......, B ,....., An
xj = donde B es la columna que ocupa el lugar j.
A
44
Prueba:
Aj
n
A1 , A 2 ,...., B ,......., An = A1 , A 2 ,...., A j ,......., An = A1 , A 2 ,....,  xi Ai ,......., An =
i =1
= A1 , A 2 ,...., x1 A1 + x 2 A 2 + ...... + xn An ,......., An =
La igualdad continúa en virtud de la propiedad 5.6.6. y la definición de producto de una matriz

por un escalar:
= x1 A1 , A 2 ,...., A1 ,......., An + x 2 A1 , A 2 ,...., A 2 ,......., A n + ............................... +

+ x j A1 , A 2 ,...., An ,......., An + .................................... + xn A1 , A 2 ,...., An ,......., An =
La igualdad continúa ahora en virtud de la propiedad 5.6.2.
=0 =0
= x1 A1 , A 2 ,...., A1 ,......., A n + x 2 A1 , A 2 ,...., A 2 ,......., A n + ............................... +

+ x j A1 , A 2 ,...., A j ,......., A n + .................................... + xn A1 , A 2 ,...., A n ,......., An
=0
 A1 , A 2 ,...., B,......., A n = x j A1 , A 2 ,...., A j ,......., A n

A1 , A 2 ,...., B,......., A n
 = xj
A1 , A 2 ,...., A j ,......., A n
A
2. Si A1 , A 2 ,....., A j ,......, A n son L.D. en K n  A1 , A 2 ,...., A j ,......., An = 0

Prueba:
A1, A2 ,..........., An son L.D. en K n  algún vector, por ejemplo A j es C.L. de los
restantes, en virtud de la propiedad IV. del párrafo 7. del capítulo VI, es decir que:
n
A j =  xi Ai , en virtud de la propiedad 5.6.5. de este capítulo resulta entonces la
i j
implicación que nos lleva a la tesis.  A1 , A 2 ,...., A j ,......., An = 0

3. Proposición contrarrecíproca de 2.
A1 , A 2 ,...., A j ,......., An  0  A1 , A 2 ,....., A j ,......, A n son L.I. en K n
7.2.2. El teorema de Cramer propiamente dicho
45
Nota previa: Puede considerarse perfectamente K=C: Complejos

Si A  K n es regular  B  K n1 entonces el sistema lineal A.X = B
admite solución única, y el valor de cada variable es el cociente entre el
determinante que se obtiene al sustituir, en el determinante del sistema, la
columna de los coeficientes de la variable por la columna de los términos
independientes, y el determinante del sistema.
Prueba: Sea el sistema lineal A.X = B
Como A es una matriz regular, premultiplicamos por la inversa de A para hallar
X y obtenemos:
( )
A.X = B  A-1 . ( A.X ) = A-1 .B  A-1 .A .X = A-1 .B  I.X = A-1 .B  X = A -1 .B
que en consecuencia resulta la única solución del sistema.
De acuerdo con 7.1. propiedad 3., y como A  0  las n columnas de A son L.I.
y constituyen una base de K n 
n
cualesquiera sea B  K n1 , x1 , x2 ,......, xn  K / B =  xi Ai
i =1
entonces de acuerdo con 7.1. propiedad 1. resulta lo siguiente:
A1 , A 2 ,...., B,......., A n
= xj
A1 , A 2 ,...., A j ,......., A n
A
donde B es la columna que ocupa el lugar j/j=1,2,…….,n.
Observación: Los sistemas de n ecuaciones con n variables se denominan

cuadrados y si el determinante de la matriz de los coeficientes es no nulo, reciben
el nombre de cramerianos, este tipo de sistemas.
Discusión: analiza detenidamente cada caso. Debe tenerse en cuenta que la

discusión que se plantea a continuación es para sistemas normales. Si el sistema
es homogéneo (se estudió por vez primera en capítulo V), la discusión siguiente
se reduce a dos posibilidades: la primera de las tres siguientes que equivale a la
solución trivial y la tercera que equivale a la solución no trivial (el lector estudiante
debe analizar razonadamente el porqué de esto)
A  0  COMPATIBLE DETERMINADO
A = 0  INCOMPATIBLE
46
A = 0 = A1 , A 2 ,...., B,......., An  COMPATIBLE INDETERMINADO
Observación II: Distinguir claramente esta versión de la regla de Cramer de la

versión escolarizada que se revisa en el capítulo V. La versión escolarizada
realiza los cálculos sin conocerse el fundamento teórico, además es posible en el
caso en que la matriz de los coeficientes sea regular, obtener directamente la
solución de un sistema por Cramer, apelando a realizar el cálculo del producto
de la matriz inversa de la matriz de los coeficientes por el vector columna de los
términos independientes.
A continuación, se realiza este cálculo para un sistema de orden 2.

x - y = 1
Consideremos el sistema: 
2x + y = 5
Extraemos del sistema las matrices A y B respectivamente que se caracterizan
del modo siguiente:
 1 −1  1 
A=  ; B =  5
2 1   
 1 / 3 1 / 3
Obtenemos A −1 ( propuesta ) : A −1 =  
 −2 / 3 1 / 3 
Ahora multiplicamos por B, y obtenemos :
Actividad de Aprendizaje para el lector

Resolver el siguiente sistema por Cramer discutiéndolo previamente. Verificarlo.
x - y - z = 1

 2x + y = 0
y + z + 1 = 0

47
7.3. Teorema de Rouché–Frobenius o Kronecker

7.3.1. Prueba
El teorema postula lo siguiente y es válido para sistemas normales u homogéneos
de la forma siguiente:
Coloquialmente dice que: Un sistema de ecuaciones lineales es compatible sii el
rango de la matriz de los coeficientes es igual al rango de la matriz ampliada. En
símbolos:
A.X = B es compatible  X/A.X = B  S    ρ ( A ) = ρ ( A')
Se sugiere al lector estudiante ‘ansioso’ que si desea antes de ver la prueba de la proposición precedente y la
discusión que permite este teorema para la solución de un sistema lineal puede ir a 7.4. ejemplo 1. y luego
regresar.
Prueba:
A.X = B es compatible  α/A.α = B 
la matriz columna de los t.i. es C.L. de las columnas de los coeficientes de A
 B es C.L. de A  A es L.I .  A es base  B  base generada por A   ( A ) =  ( B )
Justificaciones
Por definición de solución de un sistema; por definición de combinación lineal,
resulta que la matriz columna de los términos independientes es C.L. de las
columnas de la matriz de los coeficientes de A; esto porque el rango columna de
la matriz de los coeficientes está formado por vectores L.I. y forman una base; el
vector B pertenece a esa base, por ser C.L. de la misma, por consecuencia, resulta
que los rangos son coincidentes.
El teorema de Rouché es verdadero, y es un bicondicional, por ende, podemos
formular el contrarrecíproco que es también verdadero y que no hace falta
demostrar y que se formula simbólicamente a continuación:
A.X = B es incompatible   X / A.X = B  S =   ρ ( A )  ρ ( A')
El teorema de Rouché nos proporciona una herramienta para la viabilidad de

discusión a los efectos de resolver sistemas de lineales de cualquier tamaño, los
cuáles luego de analizar los casos que se pueden presentar, veremos que pueden
resolverse a través del método de Gauss – Jordan, en virtud de la comparación
de los rangos.
7.3.2. Tipos de solución compatible

Sea A.X = B un sistema lineal compatible, tal que satisface que los rangos de la
matriz de los coeficientes y la ampliada son iguales, ρ ( A ) = ρ ( A')
48
dónde A  M m×n ( C )  X n×1 ( C )  B  M n×1 ( C ) pudiéndose presentar las siguientes

situaciones en cuánto al rango y el número de variables o incógnitas de un
sistema:
1. El rango de ambas matrices es igual al número de variables del sistema.
Prueba: Si ρ ( A ) = ρ ( A') = m entonces la m columnas de A son L.I. y en
consecuencia, B es C.L. de tales columnas. Esto significa que existen escalares
n
únicos α1 ,α2 ,α3 ,........,αm  / B =  α i .A i , o sea que α = ( α1 , α 2 , α 3 , ........, α n ) es la
i=1
única solución del sistema. – piensa detenidamente porqué –
2. El rango de ambas matrices es estrictamente menor que el número de variables
del sistema. ρ ( A ) = ρ ( A') = r  n .
prueba: podemos suponer, sin pérdida de
generalidad que las filas y columnas de A son L.I. y son las r primeras. Las r
variables asociadas a las columnas L.I. se llaman principales y las m–r restantes
se llaman secundarias. Las m–r ecuaciones no principales son C.L. de las
primeras y el sistema es equivalente a un sistema lineal de r ecuaciones con m
variables.
Trasponiendo el 2do miembro de cada ecuación, las m–r incógnitas secundarias,
para c/sistema de valores asignados a éstas, se tiene entonces un sistema lineal
crameriano de r ecuaciones con r variables con solución única, ya que la matriz
de los coeficientes es no singular. Decimos entonces que el sistema es compatible
indeterminado.
En el caso de sistemas homogéneos, el teorema de Rouché aplicado a estos tipos
de sistemas, se plantean las siguientes posibilidades:
1. Rangos iguales al número de variables del sistema, compatibilidad del
sistema, por ende, la solución única se traduce en la solución trivial de acuerdo
a lo discutido en Capítulo V.
2. Rangos iguales y menor que el número de variables del sistema, implica la
compatibilidad del mismo con infinitas soluciones, por ende la solución se traduce
en no trivial, de acuerdo a lo discutido en Capítulo V.
3. Rangos distintos, en sistemas normales únicamente – se aclara, aunque
es muy obvio NO CUADRADO – se tiene que el sistema es incompatible, o sea que
su conjunto solución es vacío. Recuérdese que la posibilidad de solución
incompatible no es posible en sistemas homogéneos.
IMPORTANTE: Tener presente que lo discutido en Capítulo V, se realizó con

sistemas cuadrados, y ahora se extiende a normales, de ahí la posibilidad de
49
incompatibilidad de un sistema. – analiza porqué – Al finalizar el párrafo

siguiente, en 13.4. se expone un cuadro resumen de métodos, tipos de sistemas,
y discusión de los tipos de solución.
7.4. Resolución de sistemas lineales

El método de Gauss permite la resolución de sistemas lineales de cualquier
tamaño y tipo, permitiendo no sólo la discusión según Rouché, sino también su
resolución efectiva en el caso de compatibilidad. Esto significa la determinación
del conjunto solución del mismo. Esencialmente se basa en la determinación y
comparación de los rangos de la matriz de los coeficientes y la matriz ampliada.
Para lograrlo, basta con escribir a la derecha de la matriz de los coeficientes, la
matriz columna de los términos independientes, lo que se muestra en los ejemplos
resueltos que se exponen a continuación.
En los siguientes ejemplos, se resuelve cada sistema por Gauss, y se discute al
final del proceso el tipo de solución para luego ser obtenido. Debe destacarse que,
a la hora de resolver un sistema, debe primero ordenarse de forma que las
matrices conserven ese orden de coeficientes y términos independientes
perfectamente ubicados respecto de las incógnitas.
x y z
x + y + z = 2 1 1 1 2 1 1 1 2 1 0 3 7 1 0 01

Ejemplo 1: 2x - y - z = 1 2 -1 -1 1  0 -3 -3 -3  0 0 -9 -18  0 0 1 2
x + 2y - z = -3
 1 2 -1 -3 0 1 -2 -5 0 1 -2 -5 0 1 0 -1
A A
A' A'
1 
 
 ρ ( A ) = ρ ( A') = 3  ! S / S   S =  -1 
2 
 
x + y - z = 1 1 1 -1 1 1 1 -1 1 1 0 1 1

Ejemplo 2 : x - y + 3z = -3 1 -1 3 -3  0 -2 4 -4  0 0 0 -4
x + z = 1
 1 0 11 0 -1 2 0 0 1 -2 0
A A
A' A'
ρ ( A ) = 2  ρ ( A') = 3  S = 
50
Ejemplo 3 :
x + y + z + t + u = 4 1 1 1 1 1 4 1 1 1 1 1 4 1 0 0 1 1 2

x - y - z - t = -2 1 -1 -1 -1 0 -2  0 -2 -2 -2 -1 -6  0 0 0 -2 -1 -2 
x + t + u = 2
 1 0 0 1 12 0 -1 -1 0 0 -2 0 1 1 0 0 2
A
A'
1 0 0 -1 0 0 → 1
 0 0 0 2 1 2 →2 ρ ( A ) = ρ ( A') = 3  5 = m  S / S   → s soluciones
0 1 1 0 0 2 →3
A
A'
¿Cómo se obtienen las infinitas soluciones?

Teniendo en cuenta lo comentado en los tipos de soluciones en 13.2.2 en 2. Y
observando las ecuaciones que quedaron planteados en la fase final de
comparación de rangos, se obtiene que:
De la primera ecuación: se obtiene que: x − t = 0  x = t
De la segunda ecuación: se obtiene que: 2t + u = 2  u = 2 − 2t
De la tercera ecuación: se obtiene que: y + z = 2  y = 2 − z
Si se fijan tres parámetros ya que hay cinco incógnitas, queda:
x = t =  , z =  , resulta : S , = ( ,2 −  ,  ,  ,2 − 2 ) /  ,   
7.5. Recapitulación de tipos de sistemas, métodos y soluciones
51
52
Actividad de Aprendizaje XI
Resolver los siguientes sistemas por Gauss, discutiendo al final de su resolución
cada uno por Rouché, y obteniendo la solución del mismo. Los que sean
cuadrados, adicionalmente discutirlos y resolverlos por Cramer, pero la versión
desarrollada en este capítulo (que no es la versión escolarizada desarrollada en
el capítulo V).
x + y + 2z + 4t + 4u = 7 x + 2y + z - t - 2u = 4
 2x + y + 2z + 7t + 8u = 10  2x + y - z + t + 2u = 5 x + y - z = -2
  
a.  ; b.  ; c.  2x + 2y - z = 3;
x + 2y + 4z + 4t + 4u = 5  3x - y + 4u = 5 x + y + 2z = 8
x + y + 2z + 3t + 4u = 1  y + z - t - 2u = 1 
53
3x + y - 5z = 0
4x - y + z = 3 x + y + 2z = 3 6x - 2y - 18.z - w = 0
  
d.  ; e. 3x + 2z - 2 = 0 ; f . -4x + y + 11z. = 0 ;
 x + 3y - 13z = -6 x + 2y + 2z = 4 -5x + 2y + 16z + w = 0
-x - 2y + 8z = 3  
x + 2y + z - 3t + 2u - 3w = 6
-2x - 4y + 2z - 6t - u - 2w = 4 x + y - 3z = -1 4x + 2y - 3t = 1
  
 x + y + z - 3 = 0 x + y - z + t + 2 = 0
g. 2x + 4y + 3z - 9t + 5u + w = 7 ; h.  ; i.  ;
2z - 6t - 4u - w - 5 = 0 2x + y - 2z = 1 -4x - 3y + 2z = 3
 x + 2y - 3z = 1 -3x + 2z + 4t - 6 = 0
-x - 2y - 2z + 6t - u + w + 6 = 0
2x + y + z = 2
2x + y + 3z + 8t = 2 x + 3y + z - 5 = 0
x + 2y - z = 0 x - 2y - z - t + 4 = 0 
 
j. 3x + z - y = 0 ; k .  ; l. x + y + 5z = -7
5x - 4y + 3z = 0 5y + 5z + 10t = 1 2x + 3y - 3z = 14
 6x + 13y + 19z + 44t - 8 = 0 
3x + z - y = -1
Respuestas
a.S = ( −15 − 4  , −2 − 2 ,  , 6,  ) /  ,   ;
b.S = ( 2 −  ,1 +  ,  +  ,  ,  ) /  ,   ;
c.S = ; d .S = (1, 2,1) ; e.S = ( 0,1,1) ; f .S = ( 2t , −3t , t , 0 ) / t  ;
g .S = (1 − 2 ,  , 2 + 3 ,  , 0, −1) /  ,    ; l.S = (1, 2, −2 ) ;
 1 4  
h.k .S = ; i.S = ( −2, 3, 2, −1) ; j.S =  −  ,  ,   /   
 4 7  
54
ANEXO OPTATIVO: (para curiosos e inquietos)
Fundamento teórico de la definición de determinante

PERMUTACIÓN DE n ELEMENTOS.
Una permutación de n elementos es una aplicación biyectiva

de 1,2,3...., n  en 1,2,3...., n  de la siguiente forma:
Como el elemento inicial no suele ser importante en una

permutación (están ordenados como 1, 2, 3, ...,n) se
acostumbra a identificar la permutación con el elemento
resultante (la imagen de la aplicación). Así, (1, 7, 4, 2, 5,
6, 3) es una permutación de 7 elementos, donde, la
aplicación es tal que:
Nota: Recordar que las permutaciones de n elementos dan como

resultado n! elementos distintos.
Ejemplo: Las permutaciones posibles con {1, 2, 3} son 3! = 6

y para este caso particular son:
Se dice que los elementos h y k de la permutación  forman

una Inversión cuando h < k y (h) > (k), es decir, cuando,
tras la permutación, se pierde el orden creciente en relación
a estos dos elementos.
Ejemplo:
55
3 y 2 forman una inversión, y 3 y 1 forman otra inversión.
Dada una permutación , si contamos el no de inversiones

que hay en ella, podemos indicar el Índice de la
permutación de la siguiente forma:
1) El índice de  será 1 si el no de inversiones es par.

2) El índice de  será (-1 ) si el no de inversiones es impar.
Se puede resumir así: i (  ) es la signatura de la permutación y

consiste en lo siguiente:
Ejemplo: La permutación: (3, 4, 2, 1, 5) tiene índice –1, ya

que el no de inversiones que tiene esta permutación es 5 (que
son 3,2 ; 3,1 ; 4,2 ; 4,1 ; 2,1)
En la definición de DETERMINANTE resulta que:

Dada una matriz cuadrada
 a11 a12 ... a1n 

 
a a22 ... a2 n 
A =  21 = ( aij )
... ... ... ... 
 
a ... ann 
 n1 an 2
se llama determinante de A, y se representa por |A| ó det(A),

al número:
, con
Sn es el grupo de las permutaciones del conjunto {1, 2,.. n}, e i(  )

es la signatura de la permutación.
56
Bibliografía
➢ Ayres, F. (1993). Teoría de conjuntos y temas afines. Serie Schaum.

México: Mc.Graw Hill.
➢ Gustafson, R. (1996). Álgebra intermedia. México: Thomson.
➢ Grossman, S. (1994). Álgebra Lineal con aplicaciones. 4ta. Edición.

México: McGraw-Hill.
➢ Herstein-Winter (1990). Álgebra Lineal y Teoría de Matrices. México:

Grupo Editorial Iberoamérica.
➢ Kozak, A. Pastorelli y otros.(2007). Nociones de Geometría Analítica y

Álgebra Lineal. Buenos Aires: McGraw Hill Interamericana.
➢ Nassini y López. (1977). Lecciones de Algebra y geometría analítica,

volúmenes 1 y 2. Buenos Aires: EUCA. Editorial Universitaria Cultura
Argentina.
➢ Rojo, A. (1983). Algebra I. 16ta edición. Buenos Aires: El Ateneo.
➢ Rojo, A. (1994). Algebra II. 8va edición. Buenos Aires: El Ateneo.
➢ Santaló, L. (1981). Vectores y tensores. 2da edición. Buenos Aires:

Eudeba.
M.Sc. Prof. Rodolfo Eliseo D´Andrea

© MCMLXXXVI – MMXVIII
Revisado y Corregido: X – MMXIX
57

Matrices Completo

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

Matrices Completo

Cargado por

Copyright:

Formatos disponibles

Capítulo VII

El silencio eterno de los espacios infinitos me sobrecoge.

Notas previas a la lectura de este capítulo

I. En el apéndice del capítulo en particular deberás hacer un esfuerzo muy

Debe destacarse que lo que se busca de la prueba matemática en general

Primera parte: Álgebra Matricial

1.1. Matriz. Génesis de su Concepto.

Si llamamos con x al precio de cada pendrive, e y al precio de cada pack de

Uno de los objetivos del capítulo es resolver problemas como éstos. El

Los coeficientes que integran al sistema conservan un cierto orden y conexión

Cada coeficiente indica la fila o columna (línea) donde se encuentra el mismo.

Expresamos simbólica y sintéticamente a una matriz del modo siguiente:

Las matrices, aparte de la aplicación que veremos de inmediato, son

1.2. Igualdad de matrices

1.3. Tipos de matrices

1.3.2. Matriz triangular

Consideremos a continuación el siguiente ejemplo de matriz triangular

1.3.3. Matriz diagonal

1.3.7. Casos particulares de matrices

2. Operaciones con matrices

A + B = aij + bij m×n ; α  A = α × aij m×n / α  .

2.2. Matriz opuesta

2.3. Diferencia de matrices: A - B = A + ( -B )

2.5. Producto de matrices

Definición: Dadas las matrices: A = aij  ; B = bij n×p ,llamamos producto de

las dos matrices dadas y lo simbolizamos: A.B a una nueva matriz C = c ij 

2.5.3. Disposición práctica del producto de matrices

Se generan “mini” productos escalares del modo siguiente:

A continuación, se detallan las secuencias de los “mini” productos escalares

Producto con el resultado del mismo:

Actividad de Aprendizaje III

Probar las propiedades de: anticonmutatividad, producto nulo y no

1:pendrive de 4 gigas; 2 :pendrive de 1 giga; 3 :pack de 4 pilas recargables;

Para esto se considera la matriz A cuyos coeficientes muestran los precios de

Conclusión: La persona que desea comprar obtendrá mejor precio en el e –

3. Traspuesta de una matriz

iii. ( α.A ) = α.A t ;

b. Una matriz es antisimétrica sii coincide con la opuesta de su traspuesta.

d. Se sigue un proceso parecido a c. para esta prueba.

e. Proceso similar a d. para esta prueba

4. Operaciones y matrices elementales

de formar el máximo número posible de vectores canónicos linealmente

Nota: Es conveniente siempre elegir a la unidad como pivote. En el caso que

En la etapa siguiente, se reducen a cero los restantes elementos que figuran en

Si a31 = g , en la misma etapa, al sumarle a la tercera fila, la primera

canónico en la columna del pivote. Se observa que, en la matriz dada, todo

4.2.3. Rango de matrices

4.2.4. La columna de control

Esto es opcional, pero es un buen parámetro para controlar que el método de

A = (1,0,0,7 ) ; ( 0,0,1,2 ) ; ( 0,1,0, −5 )

Este número será el producto de la definición por inducción sobre el orden n

am1 am2 am3 .......amn adjunto o cofactor

= ( -1) a1n M1n + ( -1) a 2n M 2n + ..... + ( -1 )

am1 am2 am3 .......amn adjunto o cofactor

= ( -1) am1M m1 + ( -1) am2M m2 + ..... + ( -1)

obedece a las permutaciones pares o impares que se pueden dar en un

5.3. Adjunto de un elemento

al elemento a ij se tiene el adjunto cuya simbolización ya conocemos: a ij , a la

5.4. Definición de menor complementario

Suprimiendo en la matriz precedente la fila 2 y columna 3, se obtiene el menor

5.4. Cálculo de determinantes elementales

= ( -1) .a12 .a 21 + ( -1) .a 22 .a11 = -a12 .a 21 + a 22 .a11

Debe observarse que el determinante precedente se desarrolló por filas dejando