CAPÍTULO No 1

MATRICES Y DETERMINANTES
1. VECTORES Y MATRICES

▪ Dentro del formalismo matemático, un vector de n componentes es un conjunto

ordenado de n números reales.
(𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 … 𝑥𝑛 ) → 𝑣𝑒𝑐𝑡𝑜𝑟 𝑟𝑒𝑛𝑔𝑙ó𝑛
[𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 … 𝑥𝑛 ] → 𝑣𝑒𝑐𝑡𝑜𝑟 𝑐𝑜𝑚𝑜 𝑚𝑎𝑡𝑟𝑖𝑧 𝑓𝑖𝑙𝑎
𝑥1
[ 𝑥2.. ] → 𝑣𝑒𝑐𝑡𝑜𝑟 𝑐𝑜𝑚𝑜 𝑚𝑎𝑡𝑟𝑖𝑧 𝑐𝑜𝑙𝑢𝑚𝑛𝑎
𝑥𝑛

2. MATRICES

▪ Una matriz es arreglo rectangular de 𝑚 × 𝑛 números reales. Los números en el

arreglo se denominan elementos de la matriz

𝑎11 𝑎12 ⋯ 𝑎1𝑛

[ ⋮ ⋱ ⋮ ] fila o renglón
𝑎𝑚1 𝑎𝑚2 𝑎𝑚𝑛 𝒎×𝒏

columna

NOTAS:

a. Tamaño, dimensión u orden de la matriz: 𝑚 × 𝑛

b. Se representan con letras mayúsculas
c. Dos matrices son iguales, sin son del mismo tamaño y sus elementos o
componentes correspondientes son iguales
d. Los vectores pueden representarse con matrices filas o matrices columnas
e. Cada elemento de la matriz puede ser escrito como 𝑎𝑖𝑗

Material preparado por Mario Delgadillo Zurita

Facultad de Ingeniería
UMSA
 CAPÍTULO No 1
2.1 TIPOS DE MATRICES

2
0 0 0
𝐴 = [7 6 2] 𝐵=[ 5 ] 𝑁=[ ]
0 0 0
−2
Matriz fila Matriz nula
Matriz columna

9 5 8 9 0 0 1 0 0
𝐶 = [−6 4 1] 𝐷 = [0 4 0] 𝐼 = [0 1 0]
3 6 7 0 0 1 0 0 1

Matriz cuadrada Matriz diagonal Matriz identidad

(factor idéntico)

7 9 −1 10 5 0 0
𝐴𝑡 = [6] 𝐸 = [0 4 8] 𝐹 = [10 4 0]
2 0 0 1 9 7 1

Matriz transpuesta Matriz triangular Matriz triangular

superior inferior

3. ÁLGEBRA MATRICIAL
3.1 Suma
Sean 𝐴 = [𝑎𝑖𝑗 ] y 𝐵 = [𝑏𝑖𝑗 ] dos matrices de la misma clase, es decir de la misma
dimensión (mismo número de filas y el mismo número de columnas)
La suma se define como:

𝑎11 + 𝑏11 𝑎12 + 𝑏12 ⋯ 𝑎1𝑛 + 𝑏1𝑛

𝐴 + 𝐵 = [𝑎𝑖𝑗 + 𝑏𝑖𝑗 ] = [ ⋮ ⋱ ⋮ ]
𝑎𝑚1 + 𝑏𝑚1 𝑎𝑚2 + 𝑏𝑚2 ⋯ 𝑎𝑚𝑛 + 𝑏𝑚𝑛

3.2 Multiplicación de una matriz por un escalar: múltiplos escalares

Sea 𝐴 = [𝑎𝑖𝑗 ] una matriz de orden 𝑚 × 𝑛, y 𝒕 un escalar:

𝒕𝑎11 𝒕𝑎12 ⋯ 𝒕𝑎1𝑛

𝒕𝐴 = 𝒕[𝑎𝑖𝑗 ] = [𝒕𝑎𝑖𝑗 ] = [ ⋮ ⋱ ⋮ ]
𝒕𝑎𝑚1 𝒕𝑎𝑚2 ⋯ 𝒕𝑎𝑚𝑛

Material preparado por Mario Delgadillo Zurita

Facultad de Ingeniería
UMSA
 CAPÍTULO No 1
3.3 Multiplicación de matrices

La multiplicación de matrices corresponde a una composición de las

transformaciones lineales.

El producto de matrices se verifica si y solo si este es conformante, vale decir, si

el número de columnas de la primera matriz es igual al número de filas de la
segunda matriz,

𝐴 × 𝐵 = 𝐴𝐵 = [𝑎𝑖𝑗 ]𝑝×𝑛 × [𝑏𝑖𝑗 ]𝑛×𝑞 = [𝑐𝑖𝑗 ]𝑝×𝑞

Índice REPETIDO

Es fácil advertir que este producto no es conmutativo, en muchos casos ni

siquiera se encuentra definido

EJEMPLO:

7 −1 4 7
2 0 −3
𝐴=[ ] ; 𝐵=[ 2 5 0 −4]
4 1 5 2×3
−3 1 2 3 3×4

Primera fila de la matriz resultante:

𝑐11 = (2)(7) + (0)(2) + (−3)(−3) = 14 + 0 + 9 = 23

𝑐12 = (2)(−1) + (0)(5) + (−3)(1) = −2 + 0 − 3 = −5
𝑐13 = (2)(4) + (0)(0) + (−3)(2) = 8 + 0 − 6 = 2
𝑐14 = (2)(7) + (0)(−4) + (−3)(3) = 14 + 0 − 9 = 5

Podemos apoyarnos en los productos escalares:

2 7
𝑐11 = (2,0, −3) ⃘ (7,2, −3) = [ 0 ] ⃘ [ 2 ] = 14 + 0 + 9 = 23
−3 −3
2 −1
𝑐12 = (2,0, −3) ⃘ (−1,5,1) = [ 0 ] ⃘ [ 5 ] = −2 + 0 − 3 = −5
−3 1

(… )

Segunda fila de la matriz resultante:

4 7
𝑐21 = (4,1,5) ⃘ (7,2, −3) = [1] ⃘ [ 2 ] = 28 + 2 − 15 = 15
5 −3
Material preparado por Mario Delgadillo Zurita
Facultad de Ingeniería
UMSA
 CAPÍTULO No 1
4 −1
𝑐22 = (4,1,5) ⃘ (−1,5,1) = [1] ⃘ [ 5 ] = −4 + 5 + 5 = 6
5 1
4 4
𝑐22 = (4,1,5) ⃘ (4,0,2) = [1] ⃘ [0] = 16 + 0 + 10 = 26
5 2
4 7
𝑐22 = (4,1,5) ⃘ (7, −4,3) = [1] ⃘ [−4] = 28 − 4 + 15 = 39
5 3

23 −5 2 5
𝐴𝐵 = [ ]
15 6 26 39

NOTA (1): El producto matricial como combinaciones por columna:

La idea es la siguiente:

𝑎11 𝑎12 𝑎13 𝑏1 𝑎11 𝑏1 + 𝑎12 𝑏2 + 𝑎13 𝑏3 𝑎1𝑗 𝑏𝑗

𝑎
[ 21 𝑎22 𝑎23 ] [𝑏2 ] = [𝑎21 𝑏1 + 𝑎22 𝑏2 + 𝑎23 𝑏3 ] = [𝑎2𝑗 𝑏𝑗 ]
𝑎31 𝑎32 𝑎33 𝑏3 𝑎31 𝑏1 + 𝑎32 𝑏2 + 𝑎33 𝑏3 𝑎3𝑗 𝑏𝑗

7 −1 4 7
2 0 −3
𝐴=[ ] ; 𝐵=[ 2 5 0 −4]
4 1 5 2×3
−3 1 2 3 3×4

Primera columna del producto resultante:

7
2 0 −3 23
𝐴𝐵𝑚1 =[ ][ 2 ] = [ ]
4 1 5 15
−3

Segunda columna del producto resultante:

−1
2 0 −3 −5
𝐴𝐵𝑚2 = [ ][ 5 ] = [ ]
4 1 5 6
1

Tercera columna del producto resultante:

4
2 0 −3 2
𝐴𝐵𝑚3 = [ ] [0] = [ ]
4 1 5 26
2

Cuarta columna del producto resultante:

7
2 0 −3 5
𝐴𝐵𝑚4 =[ ] [−4] = [ ]
4 1 5 39
3

Material preparado por Mario Delgadillo Zurita

Facultad de Ingeniería
UMSA
 CAPÍTULO No 1
NOTA (2): El producto matricial por bloques:

1 −1 2 4 1 4 3
𝑀𝑁 = [ 2 0 4 5 ] [ 2 −1 0] = [𝐴 𝐵 𝐸
][
𝐺
]
1 1 2 − 3 −3 2 1 𝐶 𝐷 𝐻 𝐼
−2 3 5 0 0 1 2

1 −1 1 4 2 4 −3 2 −1 5 −6 8
𝐴𝐸 + 𝐵𝐻 = [ ][ ]+[ ][ ]=[ ]+[ ]
2 0 2 −1 4 5 0 1 2 8 −12 13
−7 13
𝐴𝐸 + 𝐵𝐻 = [ ]
−10 21

1 −1 3 2 4 1 3 10 13
𝐴𝐺 + 𝐵𝐼 = [ ][ ]+[ ][ ] = [ ]+[ ] = [ ]
2 0 0 4 5 2 6 14 20

−3 4
𝐶𝐸 + 𝐷𝐻 = [ ]
−11 −1

−1
𝐶𝐺 + 𝐷𝐼 = [ ]
−1

−7 13 13
𝑀𝑁 = [ −10 21 20 ]
−3 4 −1
−11 − 1 − 1

NOTA (3): La regla del Índice Repetido (Regla fila-columna)

𝐴 = [𝑎𝑖𝑗 ]𝑚×𝑛 ; 𝐵 = [𝐵𝑖𝑗 ]𝑛×𝑘 → 𝐶 = 𝐴𝐵

→ 𝑐𝑚𝑘 = 𝑎𝑚𝑛 𝑏𝑛𝑘 = 𝑎𝑚1 𝑏1𝑘 + 𝑎𝑚2 𝑏2𝑘 + 𝑎𝑚3 𝑏3𝑘 + ⋯ + 𝑎𝑚𝑛 𝑏𝑛𝑘

1 0 2 1 0
𝐴 = [2 −1 3] ; 𝐵 = [ 2 3]
1 4 4 3×3 3 2 3×2

𝑐12 = 𝑎1𝑛 𝑏𝑛2 = 𝑎11 𝑏12 + 𝑎12 𝑏22 + 𝑎13 𝑏32

𝑐12 = (1)(0) + (0)(3) + (2)(2) = 4

NOTA (4):
a. En general 𝐴𝐵 ≠ 𝐵𝐴
b. Las leyes de la cancelación no aplican a la multiplicación de matrices, si
𝐴𝐵 = 𝐴𝐶 en general no es cierto que 𝐵 = 𝐶

c. Si 𝐴𝐵 = 0 no se puede asegurar que 𝐴 o 𝐵 sean la matriz nula.

Material preparado por Mario Delgadillo Zurita

Facultad de Ingeniería
UMSA
 CAPÍTULO No 1
NOTA (5): Matrices particulares respecto al producto

a. Matriz Idempotente: 𝐴𝐴 = 𝐴2 = 𝐴
b. Matriz Nilpotente: 𝐴𝑘 = 0
c. Matriz Involuta: 𝐴2 𝑛×𝑛 = 𝐼𝑛

4. REGLAS DEL ÁLGEBREA MATRICIAL

a. 𝐴 + 𝐵 = 𝐵 + 𝐴
b. 𝐴 + (𝐵 + 𝐶) = (𝐴 + 𝐵) + 𝐶
c. (𝐴𝐵)𝐶 = 𝐴(𝐵𝐶)
Cuando 𝐵 es cuadrada y 𝐶 tiene menos columnas que filas que 𝐴, es mejor calcular
𝐴(𝐵𝐶) en lugar de (𝐴𝐵)𝐶
d. 𝐴(𝐵 + 𝐶) = 𝐴𝐵 + 𝐴𝐶
e. (𝐵 + 𝐶)𝐴 = 𝐵𝐴 + 𝐶𝐴
f. 𝑡(𝐵 + 𝐶) = 𝑡𝐵 + 𝑡𝐶
g. (𝑡1 + 𝑡2 )𝐴 = 𝑡1 𝐴 + 𝑡2 𝐴
h. (𝑡1 𝑡2 )𝐴 = 𝑡1 (𝑡2 𝐴) = 𝑡2 (𝑡1 𝐴)
i. 𝐴𝐵 ≠ 𝐵𝐴

5. LA TRANSPUESTA DE UNA MATRIZ

Sea 𝐴 una matriz de 𝑚 × 𝑛, su transpuesta se denota por 𝐴𝑡 y tiene una dimensión
de 𝑛 × 𝑚. Corresponde a una transformación lineal, y se la obtiene de reordenar la
matriz original mediante el cambio de filas por columnas y las columnas por filas en
una nueva matriz
−5 2
−5 1 0
𝐴 = [ 1 −3] → 𝐴𝑡 = [ ] → 𝑓(𝐴) = 𝐴𝑡
2 −3 4
0 4
5.1 TEOREMAS

a. (𝐴𝑡 )𝑡 = 𝐴 → 𝑓(𝐴𝑡 ) = 𝐴
b. (𝐴 + 𝐵)𝑡 = 𝐴𝑡 + 𝐵 𝑡
c. Ɐ 𝑟; (𝑟𝐴)𝑡 = 𝑟𝐴𝑡 = 𝑟𝑓(𝐴)
d. (𝐴𝐵)𝑡 = 𝐵 𝑡 𝐴𝑡

(𝐵 𝑡 𝐴)𝑡 = 𝐴𝑡 (𝐵 𝑡 )𝑡 = 𝐴𝑡 𝐵
6. MATRIZ SIMÉTRICA
Una matriz cuadrada es simétrica, sii es igual a su transpuesta
𝐴 ∈ 𝐾 𝑛×𝑛 → 𝐴 = 𝐴𝑡 → 𝑎𝑖𝑗 = 𝑎𝑗𝑖 , ∀ 𝑖, 𝑗
1 −1 0 1 −1 0
𝑡
𝐴 = [−1 2 3] → 𝐴 = [−1 2 3]
0 3 4 0 3 4

Material preparado por Mario Delgadillo Zurita

Facultad de Ingeniería
UMSA
 CAPÍTULO No 1
MATRIZ ANTISIMÉTRICA
Una matriz cuadrada es antisimétrica u oblicua, sii es igual a su transpuesta, excepto
en el signo
𝐴 ∈ 𝐾 𝑛×𝑛 → 𝐴 = −𝐴𝑡 → 𝑎𝑖𝑗 = −𝑎𝑗𝑖 , ∀ 𝑖, 𝑗
0 −1 0 0 1 0
𝐴 = [1 0 3] → 𝐴𝑡 = [−1 0 −3]
0 −3 0 0 3 0

NOTA:
a. El producto de toda matriz por su transpuesta es una matriz simétrica
(𝐴𝐴𝑡 )𝑡 = (𝐴𝑡 )𝑡 𝐴𝑡 = 𝐴𝐴𝑡
b. La suma de una matriz cuadrada y su transpuesta es simétrica
(𝐴 + 𝐴𝑡 )𝑡 = 𝐴𝑡 + (𝐴𝑡 )𝑡 = 𝐴𝑡 + 𝐴 = 𝐴 + 𝐴𝑡
c. La diferencia de una matriz cuadrada y su transpuesta es antisimétrica

(𝐴 − 𝐴𝑡 )𝑡 = 𝐴𝑡 − (𝐴𝑡 )𝑡 = 𝐴𝑡 − 𝐴 = −(𝐴 − 𝐴𝑡 )
d. Toda matriz cuadrada es la suma de una matriz simétrica y una matriz
antisimétrica

1 1
𝐴= ( 𝐴 + 𝐴𝑡 ) + (𝐴 − 𝐴𝑡 )
2 2

7. MATRICES ESCALONADAS
Una matriz se dice que esta escalonada si:
a. Cualquier fila consistente en puros ceros se encuentran en la parte inferior
b. Cada entrada principal (o pivote) de una fila está en una columna a la derecha de
la entrada principal de una fila superior
c. Todas las entradas de una columna que estén debajo de una entrada principal
son cero
2 4 1 2 4 1 1 1 0 2 0 3 −1 2
[0 −1 2] ; [0 −1 2] ; [0 0 1 3 ] ; [0 0 1 3]
0 0 0 0 0 3 0 0 0 0 0 0 0 0
A las formas escalonadas también se les llama matrices triangulares superiores.
8. OPERACIONES ELEMENTALES POR FILA

8.1 Intercambiar filas 𝑅𝑖 ↔ 𝑅𝑗 ≡ Intercambiar filas 𝑖 y 𝑗

8.2 Multiplicar una fila por un escalar no nulo 𝑘𝑅𝑖 ≡ escalamos la fila 𝑅𝑖
8.3 Sumar un múltiplo de una fila a otra 𝑅𝑖 + 𝑘𝑅𝑗 ≡ Suma 𝑘 veces la fila 𝑅𝑗 a la
fila 𝑅𝑖 y la reemplaza con el resultado

Material preparado por Mario Delgadillo Zurita

Facultad de Ingeniería
UMSA
 CAPÍTULO No 1
EJEMPLO: Algoritmo de reducción por filas

1 2 −4 −4 5
2 4 0 0 2
2 3 2 1 5
−1 1 3 6 5

1. A la segunda fila le sumamos la primera multiplicada por −2, y el resultado lo

colocamos en la segunda fila: 𝑅2 − 2𝑅1

1 2 −4 −4 5
0 0 8 8 −8
2 3 2 1 5
−1 1 3 6 5

2. A la tercera fila le sumamos la primera multiplicada por −2, y el resultado lo

colocamos en la tercera fila: 𝑅3 − 2𝑅1

1 2 −4 −4 5
0 0 8 8 −8
0 −1 10 9 −5
−1 1 3 6 5

3. A la cuarta fila le sumamos la primera, y el resultado lo colocamos en la cuarta

fila: 𝑅4 + 𝑅1:
1 2 −4 −4 5
0 0 8 8 −8
0 −1 10 9 −5
0 3 −1 2 10

4. Intercambiamos la segunda fila con la tercera 𝑅2 ↔ 𝑅3

1 2 −4 −4 5
0 −1 10 9 −5
0 0 8 8 −8
0 3 −1 2 10

5. A la cuarta fila le sumamos la segunda multiplicada por 3, y el resultado lo

colocamos en la cuarta fila: 𝑅3 − 2𝑅1
1 2 −4 −4 5
0 −1 10 9 −5
0 0 8 8 −8
0 0 29 29 −5

1 1
6. Multiplicamos la tercera fila por 8
: 8
𝑅3

Material preparado por Mario Delgadillo Zurita

Facultad de Ingeniería
UMSA
 CAPÍTULO No 1
1 2 −4 −4 5
0 −1 10 9 −5
0 0 1 1 −1
0 0 29 29 −5

7. A la cuarta fila le sumamos la tercera multiplicada por −29, y el resultado lo

colocamos en la cuarta fila: 𝑅3 − 29𝑅1

1 2 −4 −4 5
0 −1 10 9 −5
0 0 1 1 −1
0 0 0 0 24

DEFINICIÓN 1
Se dice que una matriz se encuentra en su forma escalonada reducida si:
a. Se encuentra en forma de filas escalonadas.
b. Toda entrada en cada fila no cero es uno
c. Cada columna que contiene un uno como pivot tiene ceros en cualquier otra
posición.

1 0 ∗ 0 ∗
0 1 ∗ 0 ∗
0 0 0 1 ∗
0 0 0 0 ∗

A la forma escalonada reducida también se le llama forma canónica.

NOTA
Cada matriz es equivalente por filas a una y sólo una matriz escalonada reducida
(Teorema de la unicidad de la forma escalonada reducida)

8.4 DEFINICIÓN 2

Se llama rango de una matriz al número de filas no cero en su forma escalonada

1 2 −4 −4 5
0 −1 10 9 −5
0 0 1 1 −1
0 0 0 0 1
…Rango 4

Material preparado por Mario Delgadillo Zurita

Facultad de Ingeniería
UMSA
 CAPÍTULO No 1

9. EL INVERSO DE UNA MATRIZ

Si 𝐴 es una matriz 𝐾 𝑛×𝑛 , a menudeo sucede que existe otra matriz 𝐶, tal que:

𝐴𝐶 = 𝐶𝐴 = 𝐼

Donde 𝐼 corresponde al factor idéntico

Si existe 𝐶, entonces se dice que 𝐴 es invertible y su inversa es única.

Entonces podemos escribir:

𝐴𝐴−1 = 𝐴−1 𝐴 = 𝐼

Donde 𝐶 = 𝐴−1

NOTA

Cuando una matriz no tiene inversa, se dice que es singular

ANÁLISIS

2 5
Intentaremos hallar la inversa de [ ] , para ello usaremos la definición:
−3 −7

2 5 𝑥 𝑦 1 0
[ ][ ]=[ ]
−3 −7 𝑧 𝑢 0 1

Realizando el producto de las matrices:

2 5 𝑥 𝑦 2𝑥 + 5𝑧 2𝑦 + 5𝑢 1 0
[ ][ ]=[ ]=[ ]
−3 −7 𝑧 𝑢 −3𝑥 − 7𝑧 −3𝑦 − 7𝑢 0 1

2𝑥 + 5𝑧 = 1
2𝑦 + 5𝑢 = 0
−3𝑥 − 7𝑧 = 0
−3𝑦 − 7𝑢 = 1

2𝑥 + 5𝑧 = 1 2𝑦 + 5𝑢 = 0
Resolviendo los siguientes sistemas que se forman: { ;{
−3𝑥 − 7𝑧 = 0 −3𝑦 − 7𝑢 = 1
𝑥 = −7 𝑦 = −5
obtenemos: { ; {
𝑧=3 𝑢=2

𝑥 𝑦 −7 −5
Por tanto: 𝐴−1 = [ ]=[ ], luego:
𝑧 𝑢 3 2

Material preparado por Mario Delgadillo Zurita

Facultad de Ingeniería
UMSA
 CAPÍTULO No 1
2 5 −7 −5 1 0
[ ][ ]=[ ]
−3 −7 3 2 0 1

TEOREMA:

𝑎 𝑏
Sea 𝐴 = [ ], si 𝑎𝑑 − 𝑐𝑏 ≠ 0, 𝐴 es no singular y su inversa viene dada por:
𝑐 𝑑

1 𝑑 −𝑏
𝐴−1 = [ ]
𝑎𝑑 − 𝑐𝑏 −𝑐 𝑎
TEOREMA:

Si 𝐴 es una matriz invertible de 𝑛 × 𝑛, entonces para cada 𝑏 en 𝑅 𝑛 , la ecuación:

𝐴𝑥 = 𝑏

Tiene solución única: 𝑥 = 𝐴−1 𝑏

9.1 PROPIEDADES

a. Si 𝐴 es una matriz que admite inversa, entonces 𝐴−1 es invertible: (𝐴−1 )−1 = 𝐴
b. Si 𝐴 y 𝐵 son invertibles, entonces (𝐴𝐵)−1 = 𝐴−1 𝐵 −1
c. Si 𝐴 es una matriz invertible, también lo es su transpuesta: (𝐴𝑡 )−1 = (𝐴−1 )𝑡
d. El producto de matrices de invertibles de 𝑛 × 𝑛, es invertible, y el inverso es el
producto de sus inversas en el orden inverso.
NOTA
Una matriz cuadrada no singular es ortogonal sii su inversa es igual a su transpuesta:

𝐴−1 = 𝐴𝑡 → 𝐴 𝑒𝑠 𝑜𝑟𝑡𝑜𝑔𝑜𝑛𝑎𝑙
El producto de dos matrices ortogonales es ortogonal:
(𝐴𝐵)(𝐴𝐵)𝑡 = 𝐴𝐵𝐵 𝑡 𝐴𝑡 = 𝐴𝐼𝐴𝑡 = 𝐴𝐴𝑡 = 𝐼
9.2 MATRICES ELEMENTALES
Una matriz elemental es una matriz cuadrada que obtiene a partir de una matriz
identidad mediante una sola operación elemental por fila:
a. Multiplicar una fila por un escalar
b. Sumar un múltiplo de una fila a otra
c. Intercambiar filas
NOTA
Toda matriz elemental es invertible, y su inversa también es una matriz elemental
Matrices elementales:

Material preparado por Mario Delgadillo Zurita

Facultad de Ingeniería
UMSA
 CAPÍTULO No 1
1 0 0 0 1 0 1 0 0
−2𝑅3 → [0 1 0 ] ; 𝑅1 ↔ 𝑅2 → [1 0 0] ; 𝑅3 − 2𝑅2→ [0 1 0]
0 0 −2 0 0 1 0 −2 1
Sus inversas:
1 0 0 0 1 0 1 0 0
+2𝑅3 → [0 1 0 ] ; 𝑅2 ↔ 𝑅1 → [1 0 0] ; 𝑅3 + 2𝑅2→ [0 1 0]
0 0 +2 0 0 1 0 +2 1

NOTA: Para el caso del intercambio de filas, su inversa en su transpuesta y se

denomina matriz de permutación 𝑃

9.3 ALGORITMO PARA ENCONTRAR LA INVERSA DE UNA MATRIZ 𝐴−1 , Y MATRICES

ELEMENTALES
Consiste en reducir por filas la matriz aumentada [𝐴𝐼]. Si 𝐴 es equivalente por filas a
𝐼, entonces [𝐴𝐼] es equivalente por filas a [𝐼𝐴−1 ]. Si no se cumple, entonces se dice
que 𝐴 no tiene inversa.
Lo haremos con un ejemplo directamente:
0 1 2
𝐴 = [1 0 3 ]
4 −3 8
La matriz ampliada se la forma de la siguiente manera:
0 1 2 1 0 0
1 0 3 0 1 0
4 −3 8 0 0 1

El algoritmo está basado en las operaciones elementales por filas vistas

anteriormente:
1. Intercambiamos la primera por la segunda fila: 𝑅1 ↔ 𝑅2 :
1 0 3 0 1 0
0 1 2 1 0 0
4 −3 8 0 0 1

Matrices elementales asociadas:

0 1 0 0 1 0
𝐸1 = [1 0 0] ; 𝐸1 −1 = [1 0 0]
0 0 1 0 0 1

2. A la tercera fila le sumamos la primera multiplicada por −4, y el resultado lo

colocamos en la tercera fila: 𝑅3 − 4𝑅1

Material preparado por Mario Delgadillo Zurita

Facultad de Ingeniería
UMSA
 CAPÍTULO No 1
1 0 3 0 1 0
0 1 2 1 0 0
0 −3 −4 0 −4 1

Matrices elementales asociadas:

1 0 0 1 0 0
−1
𝐸2 = [ 0 1 0] ; 𝐸2 = [0 1 0]
−4 0 1 4 0 1
3. A la tercera fila le sumamos la segunda multiplicada por 3, y el resultado lo
colocamos en la tercera fila: 𝑅3 + 3𝑅1

1 0 3 0 1 0
0 1 2 1 0 0
0 0 2 3 −4 1

Matrices elementales asociadas:

1 0 0 1 0 0
−1
𝐸3 = [0 1 0] ; 𝐸3 = [0 1 0]
0 3 1 0 −3 1
1 1
4. Escalamos la tercera fila en 2: 𝑅3
2

1 0 3 0 1 0
0 1 2 1 0 0
0 0 1 3 −2 1
2 2

Matrices elementales asociadas:

1 0 0
1 0 0
0 1 0
𝐸4 = [ 1] ; 𝐸4 −1 = [0 1 0]
0 0 0 0 2
2
5. A la segunda fila le sumamos la tercera multiplicada por −2, y el resultado lo
colocamos en la segunda fila: 𝑅2 − 2𝑅3

1 0 3 0 1 0
0 1 0 −2 4 −1
0 0 1 3 −2 1
2 2

Matrices elementales asociadas:

1 0 0 1 0 0
𝐸5 = [0 1 −2] ; 𝐸5 −1 = [0 1 2]
0 0 1 0 0 1
Material preparado por Mario Delgadillo Zurita
Facultad de Ingeniería
UMSA
 CAPÍTULO No 1

6. A la primera fila le sumamos la tercera multiplicada por −3, y el resultado lo

colocamos en la primera fila: 𝑅1 − 3𝑅3
1 0 0 9 7 3
− −
2 2
0 1 0 −2 4 −1
0 0 1 3 −2 1
2 2

Matrices elementales asociadas:

1 0 −3 1 0 3
−1
𝐸6 = [0 1 0 ]; 𝐸6 = [0 1 0]
0 0 1 0 0 1
Finalmente, la inversa buscada estará dada por:
9 3
− 7 −
2 2
𝐸6 = −2 4 −1
3 1
[ 2 −2
2 ]
Con las matrices elementales, lo que hicimos fue lo siguiente:

a. Al multiplicar la matriz 𝐴 por las matrices elementales, en el orden que

realizamos las operaciones elementales por fila, obtendríamos el factor
idéntico.
𝐸6 𝐸5 𝐸4 𝐸3 𝐸2 𝐸1 𝐴 = 𝐼𝑛 (1)

b. En esta ecuación, si la multiplicamos, miembro a miembro de manera

descendente, obtenemos 𝐴:

𝐴 = (𝐸1 −1 )(𝐸2 −1 )(𝐸3 −1 )(𝐸4 −1 )(𝐸5 −1 )(𝐸6 −1 )𝐼𝑛 (2)

c. En uno, intercambiando el lado derecho con el izquierdo, resulta:

𝐴−1 = 𝐸6 𝐸5 𝐸4 𝐸3 𝐸2 𝐸1 𝐼𝑛

Material preparado por Mario Delgadillo Zurita

Facultad de Ingeniería
UMSA
 CAPÍTULO No 1
EXPLORACIÓN:

≫ 𝐴 = [5 7 − 2 4 − 6] % es un vector fila, los elementos se separan con

espacios o comas

𝐴=
5 7 −2 4 −6

≫ 𝐵 = [1, 2, 3; 4, 4, 6] % es una matriz de 2 × 3

𝐵=
1 2 3
4 4 6

≫ 𝐴 = [1 2; 3,4] % es una matriz de 2 × 2

≫ 𝐵 = [1 1; 0,1] % es una matriz de 2 × 2
≫ 𝐶 = 𝐴 ∗ 𝐵 % multiplicación de matrices

𝐶=
1 3
3 7
≫ 𝑇𝐶 = 𝐶. ′ % Transpuesta (En este caso sale lo mismo porque la matriz es
simétrica)
𝑇𝐶 =
1 3
3 7

≫ 𝐼𝑁 = 𝑖𝑛𝑣(𝐶) % Obtiene la inversa de 𝐶

10. EQUIVALENCIAS

a. 𝐴 es una matriz invertible

b. 𝐴 es equivalente por filas a la matriz identidad
c. 𝐴 tiene 𝑛 posiciones pivote
d. La ecuación 𝐴𝑥 = 0, solo tiene la solución trivial
e. Las columnas de 𝐴 son linealmente independientes
f. La transformación lineal 𝑥 → 𝐴𝑥 es inyectiva
g. La ecuación 𝐴𝑥 = 𝑏 tiene al menos una solución para todo 𝑏 ∈ 𝑅 𝑛
h. Las columnas de 𝐴 es base para 𝑅 𝑛
i. 𝐴𝑡 es invertible

Material preparado por Mario Delgadillo Zurita

Facultad de Ingeniería
UMSA
 CAPÍTULO No 1
EJEMPLO DE INVERSA CON MATRICES PARTICIONADAS (POR BLOQUES)
Invertir:
1 −1 0 0
1 1 1 0
2 1 1 0
1 −2 0 1

Agrupando:
𝐴 𝐵 𝑥 𝑦 𝐼 0
[ ][ ]=[ ]
𝐶 𝐷 𝑧 𝑢 0 𝐼
Donde,
1 −1 0 0 2 1 1 0
𝐴=[ ]; 𝐵 = [ ]; 𝐶=[ ]; 𝐷=[ ]
1 1 0 1 1 −2 0 1
Entonces, por las reglas del producto:
𝐴𝑥 + 𝐵𝑧 = 𝐼 (1)
𝐴𝑦 + 𝐵𝑢 = 0 (2)
𝐶𝑥 + 𝐷𝑧 = 0 (3)
𝐶𝑦 + 𝐷𝑢 = 𝐼 (4)
Formamos un sistema de cuatro ecuaciones con cuatro incógnitas matriciales.
De la ecuación (3)
𝐶𝑥 + 𝐷𝑧 = 0 → 𝑧 = −𝐷−1 𝐶𝑥 (5)

(5) en (1)

𝐴𝑥 + 𝐵𝑧 = 𝐼 → 𝐴𝑥 + 𝐵(−𝐷−1 𝐶𝑥) = 𝐼 → 𝑥(𝐴 − 𝐵𝐷−1 𝐶) = 𝐼

𝑥 = (𝐴 − 𝐵𝐷−1 𝐶)−1
Reemplazando las matrices:
0 −1
𝑥=[ ]
−1 −1
Procediendo de la misma manera con el resto:
1 0
𝑦=[ ]
1 0
1 3
𝑧=[ ]
−1 −1
−2 0
𝑢=[ ]
1 1
Material preparado por Mario Delgadillo Zurita
Facultad de Ingeniería
UMSA
 CAPÍTULO No 1
Finalmente, la inversa de la matriz dada:

1 −1 0 0
1 1 1 0
2 1 1 0
1 −2 0 1

Es:
0 −1 1 0
−1 −1 1 0
1 3 −2 0
−2 −1 1 1

Divertido… En MatLab sería más rápido. ¿Verificamos el resultado?

11. FACTORIZACIÓN DE MATRICES
11.1 FACTORIZACIÓN LU (LOW-UP)
Dada una matriz 𝐴 no singular, realizar una factorización LU, consiste en expresar 𝐴
como el producto de una matriz triangular superior con una matriz singular inferior.
Su algoritmo lo veremos con un ejemplo:
2 1 3
𝐴 = [ 4 −1 3]
−2 5 5
Realizamos operaciones de fila, para obtener una forma escalonada:
2 1 3 1 0 0 1 0 0
−1
𝑅2 − 2𝑅1 → [ 0 −3 −3] ; 𝐸1 = [−2 1 0] ; 𝐸1 = [2 1 0]
−2 5 5 0 0 1 0 0 1

2 1 3 1 0 0 1 0 0
𝑅3 + 𝑅1 → [0 −3 −3] ; 𝐸2 = [0 1 0] ; 𝐸2 −1 = [ 0 1 0]
0 6 8 1 0 1 −1 0 1

2 1 3 1 0 0 1 0 0
𝑅3 + 2𝑅2 → [0 −3 −3] ; 𝐸3 = [0 1 0] ; 𝐸3 −1 = [0 1 0]
0 0 2 0 2 1 0 −2 1

La matriz L (Low) será:

𝐸3 𝐸2 𝐸1 𝐴 = 𝑈 → 𝐴 = 𝐸1 −1 𝐸2 −1 𝐸3 −1 𝑈 = 𝐿𝑈

Material preparado por Mario Delgadillo Zurita

Facultad de Ingeniería
UMSA
 CAPÍTULO No 1
Luego:

𝐿 = 𝐸1 −1 𝐸2 −1 𝐸3 −1

1 0 0 1 0 0 1 0 0 1 0 0
𝐿 = [2 1 0] [ 0 1 0] [0 1 0] = [ 2 1 0]
0 0 1 −1 0 1 0 −2 1 −1 −2 1

1 0 0 2 1 3 2 1 3
𝐴=[ 2 1 0 ] [0 −3 −3] = [ 4 −1 3]
−1 −2 1 0 0 2 −2 5 5
Forma alternativa
2 1 3 1 0 0 2 1 3
[ 4 −1 3] = [𝑎 1 0] [0 𝑢 𝑣]
−2 5 5 𝑏 𝑐 1 0 0 𝑤

1 0 0 2 2 2
𝑎=2
[𝑎 1 ]
0 0[ ] = [ 2𝑎 ] = [ 4 ]→
𝑏 = −1
𝑏 𝑐 1 0 2𝑏 −2

1 0 0 1 1 1 𝑢 = −1 − 𝑎 = −3
[𝑎 1 0] [𝑢] = [ 𝑎 + 𝑢 ] = [−1] → 5−𝑏 5+1
𝑐= = = −2
𝑏 𝑐 1 0 𝑏 + 𝑐𝑢 5 𝑢 −3

1 0 0 3 3 3
𝑣 = −3
[𝑎 1 0] [ 𝑣 ] = [ 3𝑎 + 𝑣 ] = [3] →
𝑤=2
𝑏 𝑐 1 𝑤 3𝑏 + 𝑐𝑣 + 𝑤 5

1 0 0 1 0 0
𝐿 = [𝑎 1 0] = [ 2 1 0]
𝑏 𝑐 1 −1 −2 1

2 1 3
𝑈 = [0 −3 −3]
0 0 2

Material preparado por Mario Delgadillo Zurita

Facultad de Ingeniería
UMSA
 CAPÍTULO No 1
Para la misma matriz, hallaremos una factorización LDU:
1 3
1 0 0 1
𝐷 ′ = [0 1 0] → 𝑈 = (2)(−3)(2) [ 2 2]
0 1 1
0 0 1
0 0 1
2 0 0
′
𝐷 = [0 −3 0]
0 0 2
1 3
1 0 0 2 0 0 1 2 1 3
𝐴 = 𝐿𝐷𝑈 = [ 2 1 0] [0 −3 0] [ 2 2] = [ 4 −1 3]
0 1 1
−1 −2 1 0 0 2 −2 5 5
0 0 1

NOTA.
Si la matriz 𝐴 es rectangular, por ejemplo, de dimensión 3 × 4, La matriz 𝐿 será
cuadrada (se debe tener cuidado que el producto 𝐿𝑈 sea conformante) y luego se puede
utilizar cualquiera de los dos métodos.
Ejemplo:
2 4 −1 5 −2
−4 −5 3 −8 1
2 −5 −4 1 8
−6 0 7 −3 1

FACTORIZACIÓN 𝑷𝑨 = 𝑳𝑼
Es un caso particular donde se requiere hacer un intercambio de filas (permutaciones):
𝑷𝑨 = 𝑳𝑼
Lo veremos en un ejemplo:

2 2 3
1. 𝐴 = [−4 −4 −3]
4 8 3

2 2 3 1 0 0 1 0 0
𝑅2 + 2𝑅1 → [0 0 3] ; 𝐸1 = [2 1 0] ; 𝐸1 −1 = [−2 1 0]
4 8 3 0 0 1 0 0 1

Material preparado por Mario Delgadillo Zurita

Facultad de Ingeniería
UMSA
 CAPÍTULO No 1
2 2 3 1 0 0 1 0 0
𝑅3 − 2𝑅1 → [0 0 3 ] ; 𝐸2 = [ 0 1 0] ; 𝐸2 −1 = [0 1 0]
0 4 −3 −2 0 1 2 0 1
Ahora tenemos una permutación, intercambiaremos la fila dos con la tres:
2 2 3
[0 0 3]
0 4 −3
2 2 3 1 0 0 1 0 0
−1 𝑡
𝑅2 ↔ 𝑅3 → [0 4 −3] = 𝑈; 𝑃1 = [0 0 1] ; 𝑃1 = 𝑃1 = [0 0 1]
0 0 3 0 1 0 0 1 0
Y ya tenemos una matriz triangular superior:
2 2 3
𝑈 = [0 4 −3]
0 0 3
Como tenemos una sola matriz de permutación en el proceso de llegar hasta 𝑈,
tenemos que:
1 0 0 2 2 3 2 2 3
𝐴′ = 𝑃1 𝐴 = [0 0 1] [−4 −4 −3] = [ 4 8 3]
0 1 0 4 8 3 −4 −4 −3
Esta última matriz, la reducimos a la forma 𝐿𝑈

2 2 3
𝐴′ = [ 4 8 3]
−4 −4 −3

2 2 3 1 0 0 1 0 0
−1
𝑅2 − 2𝑅1 → [ 0 4 −3] ; 𝐸1 = [−2 1 0] ; 𝐸1 = [2 1 0]
−4 −4 −3 0 0 1 0 0 1

2 2 3 1 0 0 1 0 0
−1
𝑅2 + 2𝑅1 → [0 4 −3] ; 𝐸2 = [ 0 1 0] ; 𝐸2 = [ 0 1 0]
0 0 3 2 0 1 −2 0 1

Ya tenemos la matriz triangular superior; por tanto, 𝐿 :

1 0 0 1 0 0 1 0 0
𝐿 = 𝐸1 −1 𝐸2 −1 = [2 1 0] [ 0 1 0] = [ 2 1 0]
0 0 1 −2 0 1 −2 0 1

Material preparado por Mario Delgadillo Zurita

Facultad de Ingeniería
UMSA
 CAPÍTULO No 1
2 2 3 2 2 3
𝑃𝐴 = 𝐿𝑈 → [ 4 8 3 ]=[ 4 8 3]
−4 −4 −3 −4 −4 −3

0 2 3
2. 𝐴 = [2 −4 7]
1 −2 5
1 0 0 0 0 1 0 0 1
𝑃 = [0 0 1] [0 1 0] = [1 0 0]
0 1 0 1 0 0 0 1 0

0 0 1 0 2 3 1 −2 5
𝑃𝐴 = [1 0 0] [2 −4 7] = [0 2 3]
0 1 0 1 −2 5 2 −4 7

1 0 0 1 −2 5 1 −2 5
𝐿𝑈 = [0 1 0] [0 2 3 ] = [0 2 3]
2 0 1 0 0 −3 2 −4 7

Material preparado por Mario Delgadillo Zurita

Facultad de Ingeniería
UMSA