2.1. Matrices y Determinantes.v.6.

Curso: Algebra lineal. Tema: Matrices – operaciones.
Determinantes
Docente Catedrático: Carlos A. Rocha Tovar-Unimagdalena
• Matriz de 𝒎×𝒏.
Definición: Una matriz de 𝒎 × 𝒏, es un arreglo rectangular de 𝒎𝒏 números dispuestos en 𝑚 renglones y 𝑛 columnas, los cuales, se encuentran
encerrados entre corchetes o bien entre paréntesis, es decir tiene la forma
𝑱 − 𝒆𝒔𝒊𝒎𝒂 𝒄𝒐𝒍𝒖𝒎𝒏𝒂
𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒋 ⋯ 𝒂𝟏𝒏 𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒋 ⋯ 𝒂𝟏𝒏

𝒂𝟐𝟏 𝒂𝟐𝟐 ⋯ 𝒂𝟐𝒋 ⋯ 𝒂𝟐𝒏 𝒂𝟐𝟏 𝒂𝟐𝟐 ⋯ 𝒂𝟐𝒋 ⋯ 𝒂𝟐𝒏
𝒂𝟐𝟏 𝒂𝟐𝟏 ⋮ 𝒂𝟐𝟏 𝒂𝟐𝟏 𝒂𝟐𝟏 o
𝒂𝟐𝟏 𝒂𝟐𝟏 ⋮ 𝒂𝟐𝟏 𝒂𝟐𝟏 𝒂𝟐𝟏
𝒂𝒊𝟏 𝒂𝒊𝟐 ⋯ 𝒂𝒊𝒋 ⋯ 𝒂𝒊𝒏 𝒂𝒊𝟏 𝒂𝒊𝟐 ⋯ 𝒂𝒊𝒋 ⋯ 𝒂𝒊𝒏 𝒊 − 𝒆𝒔𝒊𝒎𝒐 𝒓𝒆𝒏𝒈𝒍ó𝒏
𝒂𝟐𝟏 𝒂𝟐𝟏 ⋮ 𝒂 𝟐𝟏 𝒂𝟐𝟏 𝒂𝟐𝟏 𝒂𝟐𝟏 𝒂𝟐𝟏 ⋮ 𝒂 𝟐𝟏 𝒂𝟐𝟏 𝒂𝟐𝟏
(𝒂𝒎𝟏 𝒂𝒎𝟐 ⋯ 𝒂𝒎𝒋 ⋯ 𝒂𝒎𝒏 ) [𝒂𝒎𝟏 𝒂𝒎𝟐 ⋯ 𝒂𝒎𝒋 ⋯ 𝒂𝒎𝒏 ]
𝒊𝒋 − 𝒆𝒔𝒊𝒎𝒐 𝒆𝒍𝒆𝒎𝒆𝒏𝒕𝒐
donde 𝒂𝒊𝒋 ∈ ℝ (𝒊 = 𝟏, 𝟐, … , 𝒎; 𝒋 = 𝟏, 𝟐, … , 𝒏) representa el elemento que se encuentra ubicado en el 𝒊 − 𝒆𝒔𝒊𝒎𝒐 𝒓𝒆𝒏𝒈𝒍ó𝒏 y en la 𝒋 −

𝒆𝒔𝒊𝒎𝒂 𝒄𝒐𝒍𝒖𝒎𝒏𝒂.
Ejemplo. 𝒂𝟐𝟑 representa el elemento ubicado en el segundo renglón y la tercera columna.
Las matrices se acostumbran a representar por letras mayúsculas de nuestro alfabeto , ejemplo las matrices 𝑨, 𝑩, etc. o bien por
tomando su elemento representativo y encerrándolo dentro de un paréntesis, esto es ( 𝒂𝒊𝒋 ) para la matriz 𝐴 y (𝒃𝒊𝒋 ) para la matriz 𝐵.
Una matriz de 𝒎 × 𝒏, se dice que es de tamaño 𝒎 × 𝒏 y el espacio al cual pertenece lo denotaremos por 𝓜𝒎×𝒏 .
Ejemplo:
𝟐 −𝟏 𝟓
𝑨 = [𝟏 𝟒 𝟎]
𝟓 𝟑 𝟔
Autor: Carlos A. Rocha Tovar
Docente Catedrático Unimagdalena Página 1
Curso: Algebra lineal. Tema: Matrices – operaciones. Determinantes
Observe que la matriz 𝑨 es una matriz de 𝟑 × 𝟑 , es decir 𝑨 ∈ 𝓜𝟑×𝟑 .
Algunos de sus elementos son: 𝒂𝟏𝟐 = −𝟏 , 𝒂𝟐𝟑 = 𝟎 y 𝒂𝟑𝟐 = 𝟑
Igualdad de matrices
Sean 𝑨 = (𝒂𝒊𝒋 ) y 𝑩 = (𝒃𝒊𝒋 ) , se dice que 𝑨 = 𝑩 si y solo si 𝒂𝒊𝒋 = 𝒃𝒊𝒋 , para todo 𝒊 = 𝟏, 𝟐, … , 𝒎 y toda 𝒋 = 𝟏, 𝟐, … , 𝒏 .
𝒎×𝒏 𝒎×𝒏
Es decir, para que dos matrices sean iguales deben ser del mismo tamaño y sus componentes correspondientes ser iguales.
Operaciones
El espacio 𝓜𝒎×𝒏 goza de dos operaciones: la adición y la multiplicación de una matriz por un escalar. La primera es una operación
binaria interna, es decir que se requiere de dos elementos del conjunto de 𝓜𝒎×𝒏 para poderla efectuar y la segunda es una operación
externa en la medida que se requiere de un elemento de otro conjunto que no es 𝓜𝒎×𝒏 ( el conjunto los números reales )
ADICIÓN :
Sean 𝑨 = (𝒂𝒊𝒋 ) y 𝑩 = (𝒃𝒊𝒋 ) . La adición de 𝑨 y 𝑩 que se denota por 𝑨 + 𝑩 es una función que toma dos matrices del espacio
𝓜𝒎×𝒏 y le asocia otra matriz del mismo espacio; es decir
+∶ 𝓜𝒎×𝒏 × 𝓜𝒎×𝒏 → 𝓜𝒎×𝒏
(𝑨, 𝑩) → 𝑪 = 𝑨 + 𝑩
definida por
𝑨 + 𝑩 = (𝒂𝒊𝒋 ) + (𝒃𝒊𝒋 ) = (𝒂𝒊𝒋 + 𝒃𝒊𝒋 )

𝒎×𝒏 𝒎×𝒏 𝒎×𝒏
Es decir, la suma es la matriz cuyo 𝒊𝒋 − 𝒆𝒔𝒊𝒎𝒐 elemento está dado por 𝒄𝒊𝒋 = 𝒂𝒊𝒋 + 𝒃𝒊𝒋
Ejemplo:

−𝟐 𝟕 𝟗 𝟖 𝟒 −𝟏𝟐
Dadas las matrices 𝑨 = ( )y𝑩=( ),
𝟓 𝟗 −𝟏 𝟐 𝟓 − 𝟔
−𝟐 𝟕 𝟗 𝟖 𝟒 −𝟏𝟐 𝟔 𝟏𝟏 − 𝟑
𝑨+𝑩=( )+( )=( )
𝟓 𝟗 −𝟏 𝟐 𝟓 − 𝟔 𝟕 𝟏𝟒 − 𝟕
Nota: Observe, que la adición de dos matrices de 𝟐 × 𝟑 es una matriz de tamaño 𝟐 × 𝟑
Propiedades
Sean 𝑨 = (𝒂𝒊𝒋 ) , 𝑩 = (𝒃𝒊𝒋 ) y 𝑪 = (𝒄𝒊𝒋 )

𝒎×𝒏 𝒎×𝒏 𝒎×𝒏
1. P. Clausurativa
𝑨 + 𝑩 ∈ 𝓜𝒎×𝒏
2. P. Asociativa.
(𝑨 + 𝑩) + 𝑪 = 𝑨 + (𝑩 + 𝑪)
Nota: La propiedad asociativa para la suma de matrices nos dice que podemos sumar todas las matrices
que queramos; no obstante, debemos hacerlo de dos en dos no importando la manera como las agrupemos.
3. P. Modulativa
En el espacio de las matrices de tamaño 𝒎 × 𝒏 , ∃ 𝟎 = (𝟎𝒊𝒋 ) : 𝑨+𝟎=𝟎+𝑨=𝑨

𝒎×𝒏
𝟎 𝟎 𝟎
Ejemplo 1: En el espacio de las matrices de 𝟐 × 𝟑 , se tiene que la matriz cero está dada por ( )
𝟎 𝟎 𝟎
𝟑 𝟓 𝟕 𝟎 𝟎 𝟎 𝟑 𝟓 𝟕
( )+( )=( )
𝟒 𝟏 −𝟖 𝟎 𝟎 𝟎 𝟒 𝟏 −𝟖

𝟎 𝟎 𝟎 𝟎
Ejemplo 2: En el espacio de las matrices de 𝟑 × 𝟒 , se tiene que la matriz cero está dada por (𝟎 𝟎 𝟎 𝟎)
𝟎 𝟎 𝟎 𝟎
4. P. Inverso Aditivo.
∀ 𝑨 = (𝒂𝒊𝒋 ) , 𝑨 ≠ 𝟎 , ∃ − 𝑨 = (− 𝒂𝒊𝒋 ) / 𝑨 + (−𝑨) = (−𝑨) + 𝑨 = 𝟎

Nota aclaratoria: Observe que 𝟎 = (𝟎𝒊𝒋 )

𝒎×𝒏
−𝟏 𝟎 𝟏 𝟎
Ejemplo: Para 𝑨 = ( 𝟐 −𝟓) , existe −𝑨 = ( −𝟐 𝟓)
−𝟑 𝟒 𝟑 −𝟒
Tal que
−𝟏 𝟎 𝟏 𝟎 𝟎 𝟎
𝑨 + (−𝑨) = ( 𝟐 −𝟓) + ( −𝟐 𝟓 ) = (𝟎 𝟎)
−𝟑 𝟒 𝟑 −𝟒 𝟎 𝟎
Nota: Observe que la matriz opuesta de una matriz 𝑨 se obtiene cambiándole de signos a todos los elementos de 𝑨.
5. P. Conmutativa
𝑨+𝑩=𝑩+𝑨

Nota. La estructura algebraica (𝓜𝒎×𝒏 , +) junto con las 5 propiedades antes mencionadas recibe el nombre de grupo
conmutativo u Abelino; si únicamente se cumplen las cuatro primeras recibe simplemente de grupo.
El hecho de que (𝓜𝒎×𝒏 , +) permite resolver en dicha estructura algébrica ecuaciones de la forma
𝑨+𝑿=𝑩
Donde 𝑨, 𝑩, 𝑿 ∈ 𝓜𝒎×𝒏 ; 𝑨, 𝑩 𝑑𝑎𝑑𝑎𝑠 𝑦 𝑿 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑖𝑛𝑐𝑜𝑔𝑛𝑖𝑡𝑎.
Veamos
𝑨+𝑿=𝑩
𝑨 + 𝑿 + (−𝑨) = 𝑩 + (−𝑨)
𝑨 + (−𝑨) + 𝑿 = 𝑩 − 𝑨
[𝑨 + (−𝑨)] + 𝑿 = 𝑩 − 𝑨
𝟎+𝑿=𝑩−𝑨
𝑿=𝑩−𝑨
Ejemplo

𝟏 𝟎 𝟏 𝟔
( 𝟐 − 𝟓) + 𝑿 = ( 𝟒 −𝟑)
𝟑 𝟒 𝟐 𝟏
𝟏 𝟎 −𝟏 𝟎 𝟏 𝟔 −𝟏 𝟎
( 𝟐 − 𝟓) + 𝑿 + ( −𝟐 𝟓) = ( 𝟒 −𝟑) + ( −𝟐 𝟓)
𝟑 𝟒 −𝟑 −𝟒 𝟐 𝟏 −𝟑 −𝟒
𝟏 𝟎 −𝟏 𝟎 𝟏 𝟔 −𝟏 𝟎
( 𝟐 − 𝟓) + ( −𝟐 𝟓) + 𝑿 = ( 𝟒 −𝟑) + ( −𝟐 𝟓)
𝟑 𝟒 −𝟑 −𝟒 𝟐 𝟏 −𝟑 −𝟒
𝟏 𝟎 −𝟏 𝟎 𝟏 𝟔 −𝟏 𝟎
[( 𝟐 − 𝟓) + ( −𝟐 𝟓 )] + 𝑿 = ( 𝟒 −𝟑) + ( −𝟐 𝟓)
𝟑 𝟒 −𝟑 −𝟒 𝟐 𝟏 −𝟑 −𝟒
𝟎 𝟎 𝟎 𝟔
( 𝟎 𝟎) + 𝑿 = ( 𝟐 𝟐)
𝟎 𝟎 −𝟑 −𝟑
𝟎 𝟔
𝑿= ( 𝟐 𝟐)
−𝟑 −𝟑
Nota: En los grupos, bajo la operación suma, es posible usar el convenio que dice que lo que se encuentra sumando a un lado de la igualdad puede
pasar al otro a restar.

Ejemplo
𝟏 𝟎 𝟏 𝟔
( 𝟐 − 𝟓) + 𝑿 = ( 𝟒 −𝟑)
𝟑 𝟒 𝟐 𝟏
𝟏 𝟔 𝟏 𝟎
𝑿= (𝟒 −𝟑) − ( 𝟐 − 𝟓)
𝟐 𝟏 𝟑 𝟒
𝟏 𝟔 −𝟏 𝟎
𝑿= (𝟒 −𝟑) + ( −𝟐 𝟓)
𝟐 𝟏 −𝟑 −𝟒
𝟎 𝟔
𝑿= ( 𝟐 𝟐)
−𝟑 −𝟑
Multiplicación de una matriz por un escalar
Sea 𝑨 = (𝒂𝒊𝒋 ) y 𝜶 ∈ ℝ . El producto de un escalar 𝜶 por una matriz 𝑨 = (𝒂𝒊𝒋 ) , que se denota 𝜶𝑨, es una función que asigna a un
escalar 𝜶 y a una matriz del espacio 𝒎 × 𝒏 otra matriz del espacio 𝒎 × 𝒏; es decir
∙∶ ℝ × 𝓜𝒎×𝒏 → 𝓜𝒎×𝒏
definida por
𝜶𝑨 = 𝜶(𝒂𝒊𝒋 ) = (𝜶𝒂𝒊𝒋 )
Es decir, 𝜶𝑨 es la matriz de 𝒎 × 𝒏 cuyo 𝒊𝒋 − 𝒆𝒔𝒊𝒎𝒐 elemento está dado por 𝜶𝒂𝒊𝒋

Ejemplo.
−4 5 −12 15
3( 6 2 ) = ( 18 6)
1 −4 3 −12
Nota: Observe que el producto de un escalar por una matriz, puede considerarse como una suma abreviada de matrices iguales; por
ende es una matriz del mismo espacio que la matrices iniciales
Para recordar:
−4 5 −4 5 −4 5 −4 5
( 6 2 ) + ( 6 2 ) + ( 6 2 ) = 3 ( 6 2) 3×2=2+2+2=6
1 −4 1 −4 1 −4 1 −4
2×3=3+3=6
Por lo anterior, al igual que en los números reales, la multiplicación de una matriz por un escalar pasa a simplificar la adición de matrices
iguales.
Propiedades.
Sean 𝑨 = (𝒂𝒊𝒋 ) y 𝜶𝜷 ∈ ℝ.
𝒎×𝒏
1. Propiedad clausurativa
𝜶𝑨 ∈ 𝓜𝒎×𝒏
2. Propiedad asociativa
(𝜶𝜷)𝑨 = 𝜶(𝜷𝑨)
3. 𝟏𝑨 = 𝑨

Si consideramos el conjunto de las matrices de 𝒎 × 𝒏 junto con las dos operaciones suma y producto por un escalar, en forma
simultanea, surgen dos propiedades adicionales denominadas propiedades distributivas.
Propiedades distributivas
Sean 𝑨 = (𝒂𝒊𝒋 ) , 𝑩 = (𝒃𝒊𝒋 ) y 𝜶, 𝜷 ∈ ℝ.

Se cumple que:
1. Primera ley distributiva
(𝜶 + 𝜷)𝑨 = 𝜶𝑨 + 𝜷𝑨
2. Segunda ley distributiva
𝜶(𝑨 + 𝑩) = 𝜶𝑨 + 𝜶𝑩
Nota: Observe que la estructura algebraica (𝓜𝒎×𝒏 , +, . ) , junto con las 10 propiedades dadas
anteriormente es un espacio vectorial.
En el espacio (𝓜𝒎×𝒏 , +, . ), se pueden resolver ecuaciones de la forma:

𝜶𝑿 + 𝑨 = 𝑩
donde, 𝜶 ∈ {ℝ − {𝟎}} , 𝑨, 𝑩, 𝑿 ∈ 𝓜𝒎×𝒏 , 𝑨 y 𝑩 matrices dadas y 𝑿 es la matriz incógnita.
Ejemplo:
Resolver la ecuación

Solución.
−𝟏 𝟒 −𝟑 𝟑 𝟒 −𝟐
𝟓𝑿 + ( )=( )
−𝟒 𝟐 𝟖 𝟕 𝟓 𝟑
−𝟏 𝟒 −𝟑 𝟏 −𝟒 𝟑 𝟑 𝟒 −𝟐 𝟏 −𝟒 𝟑
𝟓𝑿 + ( )+( )=( )+( )
−𝟒 𝟐 𝟖 𝟒 −𝟐 −𝟖 𝟕 𝟓 𝟑 𝟒 −𝟐 −𝟖
𝟎 𝟎 𝟎 𝟒 𝟎 𝟏
𝟓𝑿 + ( )=( )
𝟎 𝟎 𝟎 𝟏𝟏 𝟑 −𝟓
𝟒 𝟎 𝟏
𝟓𝑿 = ( )
𝟏𝟏 𝟑 −𝟓
𝟏 𝟏 𝟒 𝟎 𝟏
(𝟓𝑿) = ( )
𝟓 𝟓 𝟏𝟏 𝟑 −𝟓
𝟏 𝟏 𝟒 𝟎 𝟏
( × 𝟓) 𝑿 = ( )
𝟓 𝟓 𝟏𝟏 𝟑 −𝟓
𝟒 𝟏
𝟎
𝟓 𝟓
𝟏𝑿 = (𝟏𝟏 𝟑 −𝟓
)
𝟓 𝟓 𝟓

𝟒 𝟎 𝟏
𝑿=(𝟓 𝟓 𝟓)
𝟏𝟏 𝟑
−𝟏
𝟓 𝟓
Tarea: Resolver por el método de Gauss Jordan el siguiente sistema de ecuaciones.
𝟏𝟕 −𝟒
𝟐𝑨 + 𝟑𝑩 = ( )
𝟏𝟐 𝟓
𝟏𝟓 −𝟏𝟎
𝟑𝑨 − 𝟒𝑩 = ( )
𝟏𝟗 𝟏𝟖
• Espacio ℝ𝒏
1. Definición:
El espacio ℝ𝒏 es el conjunto formado por 𝒏 − 𝒖𝒑𝒍𝒂𝒔 ordenadas de números reales; es decir

𝒙𝟏
𝒙𝟐
⋮
ℝ𝒏 = 𝒙𝒋 : 𝒙𝒋 ∈ ℝ , 𝒋 = 𝟏, 𝟐, … , 𝒏
⋮
{(𝒙𝒏 ) }
𝒙𝒋 recibe el nombre de 𝒋 − 𝒆𝒔𝒊𝒎𝒂 componente del vector.
−𝟏
Ejemplo 1: ( 𝟎 ) ∈ ℝ𝟑
𝟓

−𝟏
Ejemplo 2: ( 𝟔 ) ∈ ℝ𝟒
𝟓
−𝟔
−𝟏
Ejemplo 3: ( ) ∈ ℝ𝟐
𝟐
−𝟏 𝟐
Observe que: ( )≠( )
𝟐 −𝟏
En múltiples ocasiones los elementos de ℝ𝒏 se escriben en forma de renglones, es decir en la forma (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒋 , … , 𝒙𝒏 )
Igualdad de vectores en ℝ𝒏
𝒙𝟏 𝒚𝟏
𝒙𝟐 𝒚𝟐
⋮ ⋮
Sean ⃗𝒙 = 𝒙 y ⃗ = 𝒚
𝒚 se dice que ⃗𝒙 = 𝒚
⃗ , si y solo si 𝒙𝒋 = 𝒚𝒋 ,∀ 𝑗 = 1,2, … , 𝑛
𝒋 𝒋
⋮ ⋮
(𝒙𝒏 ) ( 𝒚𝒏 )
Ejemplo
−𝟏
Sea 𝒙⃗ = ( 𝟔 ) ; ¿cómo ha de ser un vector 𝒚
⃗ para que 𝒙
⃗ =𝒚
⃗ ?
𝟓
−𝟔
Solución.
−𝟏
⃗ = ( 𝟔)
𝒚
𝟓
−𝟔
Las operaciones de suma y multiplicación por un escalar habituales están definidas como se presenta a continuación:

Operaciones en ℝ𝒏
ADICIÓN
⃗ ∈ ℝ𝒏
Sean ⃗𝒙, 𝒚
+: ℝ𝑛 × ℝ𝑛 → ℝ𝑛
definida por
𝒙𝟏 𝒚𝟏 𝒙𝟏 + 𝒚𝟏
𝒙𝟐 𝒚𝟐 𝒙𝟐 + 𝒚𝟐
⋮ ⋮ ⋮
⃗𝒙 + 𝒚
⃗ = 𝒙 + 𝒚 = 𝒙 +𝒚
𝒋 𝒋 𝒋 𝒋
⋮ ⋮ ⋮
(𝒙𝒏 ) (𝒚𝒏 ) (𝒙𝒏 + 𝒚𝒏 )
Ejemplos
−𝟏 𝟔 −𝟏 𝟔 𝟓
⃗ = (−𝟐) 𝒚
Sean 𝒙 ⃗ = (−𝟏) ; luego ⃗ +𝒚
𝒙 ⃗ = (−𝟐) + (−𝟏) = ( −𝟑 )
𝟒 𝟓 𝟒 𝟓 𝟗
MULTIPLICACIÓN DE UN ESCALAR POR UN VECTOR
Sean ⃗𝒙 ∈ ℝ𝒏 y 𝜶 ∈ ℝ
∙∶ ℝ × ℝ𝑛 → ℝ𝑛
𝒙𝟏 𝜶𝒙𝟏
𝒙𝟐 𝜶𝒙𝟐
⋮ ⋮
⃗ = 𝜶 𝒙 = 𝜶𝒙
𝜶𝒙
𝒋 𝒋
⋮ ⋮
(𝒙𝒏 ) (𝜶𝒙𝒏 )

Ejemplo
Recuerde que en los reales 𝟒 × 𝟑 = 𝟑 + 𝟑 + 𝟑 + 𝟑
análogamente
−𝟏 −𝟏 −𝟏 −𝟏 −𝟏 −𝟒
𝟒 (−𝟐) = (−𝟐) + (−𝟐) + (−𝟐) + (−𝟐) = ( −𝟖 )
𝟒 𝟒 𝟒 𝟒 𝟒 𝟏𝟔
Observe que:
−𝟏 −𝟒
𝟒 (−𝟐) = ( −𝟖 )
𝟒 𝟏𝟔
Con lo que la multiplicación de un vector por un escalar puede verse como una suma abreviada de vectores iguales
TAREA:
1. Investigar las propiedades para la suma y la multiplicación por un escalar en el espacio ℝ𝑛 .
2. Es es el espacio ℝ𝑛 un espacio vectorial ?
Otras operaciones en ℝ𝑛
Producto escalar o producto punto entre vectores
⃗ ∈ ℝ𝒏
Sean ⃗𝒙, 𝒚
𝒙𝟏 𝒚𝟏
𝒙𝟐 𝒚𝟐
⋮ ⋮
⃗⃗⃗ . 𝒚
𝒙 ⃗ = 𝒙 𝒚 = 𝒙𝟏 𝒚𝟏 + 𝒙𝟐 𝒚𝟐 + ⋯ + 𝒙𝒋 𝒚𝒋 + ⋯ 𝒙𝒏 𝒚𝒏
𝒋 𝒋
⋮ ⋮
(𝒙𝒏 ) (𝒚𝒏 )

Ejemplo.
−𝟏 𝟑 −𝟏 𝟑
𝟐 ⃗ = ( 𝟏)
⃗ =( ) y 𝒚
Sean 𝒙 𝟐
tenemos que 𝐱⃗ ∙ 𝐲 = ( ) . ( 𝟏) = (−𝟏)(𝟑) + (𝟐)(𝟏) + (𝟒)(𝟒) + (−𝟓)(−𝟐)
𝟒 𝟒 𝟒 𝟒
−𝟓 −𝟐 −𝟓 −𝟐
= −𝟑 + 𝟐 + 𝟏𝟔 + 𝟏𝟎
= 𝟐𝟓
Aplicaciones.
Consideremos una persona que acude a una tienda a comprar 𝟐 𝒍𝒃𝒔 de carne, 𝟑 𝒍𝒃𝒔 de arroz , 𝟒 𝒍𝒃𝒔 de azúcar y 𝟏𝟎
platanos; si la libra de carne cuesta $ 𝟏𝟎 𝟎𝟎𝟎 , $ 𝟐𝟓𝟎𝟎 la libra de arroz , $𝟏𝟖𝟎𝟎 la libra de azúcar y cada plátano $ 50𝟎
Entonces asumiendo que :
𝟐 𝟏𝟎𝟎𝟎𝟎
⃗𝒅 = ( 𝟑) : Vector de demanda y que 𝒑 ⃗ = ( 𝟐𝟓𝟎𝟎 ) : vector de precios
𝟒 𝟏𝟖𝟎𝟎
𝟏𝟎 𝟓𝟎𝟎
Tenemos que el valor a cancelar esta dado por
𝟏𝟎𝟎𝟎𝟎 𝟐
⃗ . ⃗𝒅 = ( 𝟐𝟓𝟎𝟎 ) . ( 𝟑) = 𝟐𝟎𝟎𝟎𝟎 + 𝟕𝟓𝟎𝟎 + 𝟕𝟐𝟎𝟎 + 𝟓𝟎𝟎𝟎 = 𝟑𝟗𝟒𝟎𝟎
𝒑
𝟏𝟖𝟎𝟎 𝟒
𝟓𝟎𝟎 𝟏𝟎
¡ Osea que, cuando un

tendero realiza una cuenta
resuelve un producto escalar !

TAREA:
Investigar las propiedades para la producto escalar
Multiplicación de matrices
Conceptos previos
Producto de un vector renglon por un vector columna
𝒚𝟏
𝒚𝟐
⋮
⃗ = (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒋 , … , 𝒙𝒏 ) un vector renglón y 𝒚
Sean 𝒙 ⃗ = 𝒚 columna.
𝒋
⋮
(𝒚𝒏 )
Se define el producto el producto de 𝒙 ⃗ e 𝒚
⃗ como
𝒚𝟏
𝒚𝟐
⋮
⃗ ∙𝒚
𝒙 ⃗ = (𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒋 , … , 𝒙𝒏 ). 𝒚
𝒋
⋮
(𝒚 𝒏 )
= 𝒙𝟏 𝒚𝟏 + 𝒙𝟐 𝒚𝟐 + ⋯ + 𝒙𝒋 𝒚𝒋 + ⋯ + 𝒙𝒏 𝒚𝒏
Ejemplo:

𝟏
⃗ = (𝟒
Sea 𝒙 −𝟏 𝟔 ⃗ = ( 𝟐 ) un vector columna, el producto de dichos vectores está dado
𝟒) un vector renglón 𝒚 −𝟑
−𝟓
por:
𝟏
⃗ = (𝟒 𝟐
⃗ .𝒚
𝒙 −𝟏 𝟔 𝟒). (−𝟑) = (𝟒)(𝟏) + (−𝟏)(𝟐) + (𝟔)(−𝟑) + (𝟒)(−𝟓)
−𝟓
= 𝟒 + (−𝟐) + (−𝟏𝟖) + (−𝟐𝟎)
= −𝟑𝟔
Producto de Matrices
Sean 𝑨 = (𝒂𝒊𝒋 ) y 𝑩 = (𝒃𝒊𝒋 ) el producto de 𝑨 y 𝑩 que se denota 𝑨 × 𝑩 es la matriz 𝑪 = (𝒄𝒊𝒋 ) que se obtiene de multiplicar
𝒎×𝒏 𝒏×𝒑 𝒎×𝒑
el 𝒊 − 𝒆𝒔𝒊𝒎𝒐𝒏 renglón de 𝑨 por la 𝒋 − 𝒆𝒔𝒊𝒎𝒂 columna de 𝑩.
Simbólicamente
×∶ 𝓜𝒎×𝒏 × 𝓜𝒏×𝒑 → 𝓜𝒎×𝒑
Tal que
(𝑨, 𝑩) → (𝒄𝒊𝒋 )
𝒎×𝒑
𝑏1𝑗
𝑏2𝑗
⋮
𝒄𝒊𝒋 = (𝑎𝑖1 , 𝑎𝑖2 , , … , 𝑎𝑖𝑗 , … , 𝑎𝑖𝑛, )
𝑏𝑖𝑗
⋮
(𝑏𝑛𝑗 )
Ejemplo.
𝟐 𝟏 −𝟏 −𝟑
−𝟏 𝟐 𝟎
𝑨=( ) ; 𝑩 = (−𝟐 𝟒 𝟐 𝟎)
𝟓 𝟑 𝟒 𝟐×𝟑
𝟑 𝟕 𝟖 𝟕 𝟑×𝟒
𝟐 𝟏 −𝟏 −𝟑 𝒄 𝒄𝟏𝟐 𝒄𝟏𝟑 𝒄𝟏𝟒

−𝟏 𝟐 𝟎
𝑨𝑩 = ( ) (−𝟐 𝟒 𝟐 𝟎) = ( 𝟏𝟏 𝒄𝟐𝟑 𝒄𝟐𝟒 )
𝟓 𝟑 𝟒 𝟐×𝟑 𝒄𝟐𝟏 𝒄𝟐𝟐
𝟑 𝟕 𝟖 𝟕 𝟑×𝟒
Cálculo de los 𝒄𝒊𝒋

𝟐
𝒄𝟏𝟏 = (−𝟏 𝟐 𝟎) ( −𝟐 ) = −𝟐 + (−𝟒) + (𝟎) = −𝟔
𝟑
𝟏
𝒄𝟏𝟐 = (−𝟏 𝟐 𝟎) ( 𝟒 ) = −𝟏 + 𝟖 + 𝟎 = 𝟕
𝟕
−𝟏
𝒄𝟏𝟑 = (−𝟏 𝟐 𝟎) ( 𝟐 ) = 𝟓
𝟖
𝟐
𝒄𝟏𝟏 = (−𝟏, 𝟐, 𝟎) ( −𝟐 ) = −𝟐 + (−𝟒) + 𝟎 = −𝟔
𝟑
𝟏
𝒄𝟏𝟐 = (−𝟏, 𝟐, 𝟎) ( 𝟒 ) = −𝟏 + 𝟖 + 𝟎 = 𝟕
𝟕
−𝟏
𝒄𝟏𝟑 = (−𝟏, 𝟐, 𝟎) ( 𝟐 ) = 𝟏 + 𝟒 + 𝟎 = 𝟓
𝟖
−𝟑
𝒄𝟏𝟒 = (−𝟏, 𝟐, 𝟎) ( 𝟎 ) = 𝟑 + 𝟎 + 𝟎 = 𝟑
𝟕
𝟐
𝒄𝟐𝟏 = (𝟓, 𝟑, 𝟒) ( −𝟐 ) = 𝟏𝟎 + (−𝟏𝟓) + 𝟏𝟐 = 𝟕
𝟑
𝟏
𝒄𝟐𝟐 = (𝟓, 𝟑, 𝟒) ( 𝟒 ) = 𝟓 + 𝟏𝟐 + 𝟐𝟖 = 𝟒𝟓
𝟕
−𝟏
𝒄𝟐𝟑 = (𝟓, 𝟑, 𝟒) ( 𝟐 ) = −𝟓 + 𝟔 + 𝟑𝟐 = 𝟑𝟑
𝟖
−𝟑
𝒄𝟐𝟒 = (𝟓, 𝟑, 𝟒) ( 𝟎 ) = −𝟏𝟓 + 𝟎 + 𝟐𝟖 = 𝟏𝟑 ⋮
𝟕
Resumen:
𝒄𝟏𝟏 = −𝟔 ; 𝒄𝟏𝟐 = 𝟕 ; 𝒄𝟏𝟑 = 𝟓 ; 𝒄𝟏𝟒 = 𝟑

𝒄𝟐𝟏 = 𝟏𝟔 ; 𝒄𝟐𝟐 = 𝟒𝟓 ; 𝒄𝟐𝟑 = 𝟑𝟑 ; 𝒄𝟐𝟒 = 𝟏𝟑
Luego
−𝟔 𝟕 𝟓 𝟑
𝑨×𝑩=( )
𝟏𝟔 𝟒𝟓 𝟑𝟑 𝟏𝟑
Observe que 𝑩𝑨 No se puede realizar
Tarea.
Propiedades para la multiplicación de matrices.

Por lo anterior podemos observar que el producto de matrices permite que matrices del espacio 𝓜𝒎×𝒏 actúen sobre matrices del espacio
𝓜𝒏×𝒑 y las transformen en matrices del espacio 𝓜𝒎×𝒑 .
Cuando en el espacio de las matrices de 𝓜𝒎×𝒏 se hace 𝒎 = 𝒏, se obtiene el espacio, en el cual las matrices tienen igual número de renglones
que de columnas. Las matrices en este espacio reciben el nombre de matrices cuadradas.
Espacio 𝓜𝒏×𝒏
El espacio 𝓜𝒏×𝒏 , consta de todas las matrices de tamaño 𝒏 × 𝒏 .
𝑬𝒔𝒑𝒂𝒄𝒊𝒐 𝓜𝒎×𝒏
Espacio 𝓜𝒏×𝒏
Espacio Espacio
Espacio
𝓜𝟒×𝟒 𝓜𝟐×𝟑
𝓜𝟐×𝟐
Espacio Espacio
𝓜𝟑×𝟑 ⋯ 𝓜𝟒×𝟑
Ejemplos de espacios de 𝓜𝒎×𝒏 .
1. El espacio 𝓜𝟐×𝟑
2. El espacio 𝓜𝟑×𝟒
3. El espacio 𝓜𝟒×𝟒

Ejemplos de espacios de 𝓜𝒏×𝒏
𝒂𝟏𝟏 𝒂𝟏𝟐
1. 𝓜𝟐×𝟐 = {(𝒂 𝒂𝟐𝟐 ): 𝒂𝟏𝟏 , 𝒂𝟏𝟐 , 𝒂𝟐𝟏 , 𝒂𝟐𝟐 ∈ ℝ}
𝟐𝟏
𝒂𝟏𝟏 𝒂𝟏𝟐 𝒂𝟏𝟑

2. 𝓜𝟑×𝟑 = {(𝒂𝟐𝟏 𝒂𝟐𝟐 𝒂𝟐𝟑 ): 𝒂𝒊𝒋 ∈ ℝ, 𝒊, 𝒋 = 𝟏, 𝟐, 𝟑}
𝒂𝟑𝟏 𝒂𝟑𝟐 𝒂𝟑𝟑
Algunas particularidades del espacio 𝓜𝒏×𝒏
Conceptos básicos
Diagonal principal
Se define la diagonal principal de una matriz 𝑨 = (𝒂𝒊𝒋 ) , como el conjunto 𝑫 = {𝒂𝟏𝟏 , 𝒂𝟐𝟐 , … , 𝒂𝒏𝒏 } , simbólicamente
𝒏×𝒏
𝑫 = {𝒂𝒊𝒋 ∈ 𝑨: 𝒊 = 𝒋}
𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒋 ⋯ 𝒂𝟏𝒏
𝒂𝟐𝟏 𝒂𝟐𝟐 ⋯ 𝒂𝟐𝒋 ⋯ 𝒂𝟐𝒏
𝐴=
𝒂𝟐𝟏 𝒂𝟐𝟏 ⋮ 𝒂𝟐𝟏 𝒂𝟐𝟏 𝒂𝟐𝟏
𝒂𝒋𝟏 𝒂𝒋𝟐 ⋯ 𝒂𝒋𝒋 ⋯ 𝒂𝒋𝒏
𝒂𝟐𝟏 𝒂𝟐𝟏 ⋮ 𝒂𝟐𝟏 𝒂𝟐𝟏 𝒂𝟐𝟏
(𝒂𝒏𝟏 𝒂𝒏𝟐 ⋯ 𝒂𝒏𝒋 ⋯ 𝒂𝒏𝒏 )
𝐷𝑖𝑎𝑔𝑜𝑛𝑎𝑙 𝑝𝑟𝑖𝑛𝑐𝑖𝑝𝑎𝑙
Ejemplo
−𝟏 𝟓 𝟎
𝑨=( 𝟑 𝟒 𝟏) ; 𝑫 = {−𝟏, 𝟒, 𝟔}
−𝟐 𝟑 𝟔

𝟔 𝟖 𝟏
𝑩 = (−𝟐 𝟑 𝟎 ); 𝑫 = {𝟔, 𝟑, −𝟓}
𝟒 𝟏 −𝟓
Matriz identidad
Se denomina matriz identidad de orden 𝒏, que denotaremos 𝑰𝒏 a la matriz de 𝒏 × 𝒏 , que se caracteriza por tener 𝟏 en todos los elementos de la
diagonal principal y 𝟎 en los otros elementos.
Simbólicamente si hacemos 𝑰𝒏 = (𝒃𝒊𝒋 ) entonces
𝒏×𝒏
𝟏 , 𝒔𝒊 𝒊 = 𝒋
𝒃𝒊𝒋 =
𝟎 , 𝒔𝒊 𝒊 ≠ 𝒋
Ejemplos:
𝟏 𝟎
𝑰𝟐 = ( )
𝟎 𝟏
𝟏 𝟎 𝟎
𝑰𝟑 = (𝟎 𝟏 𝟎)
𝟎 𝟎 𝟏
𝟏 𝟎 𝟎 𝟎
𝑰𝟒 = (𝟎 𝟏 𝟎 𝟎)
𝟎 𝟎 𝟏 𝟎
𝟎 𝟎 𝟎 𝟏
La matriz es 𝑰𝒏 , es para el espacio de las matrices cuadradas de 𝒏 × 𝒏 , como el 1 es para los números reales “el elemento identidad”
Teorema:
Sea 𝑨 = (𝒂𝒊𝒋 ) entonces 𝑨𝑰𝒏 = 𝑰𝒏 𝑨 = 𝑨

𝒏×𝒏

Ejemplo 1
𝟏 𝟎 𝟐 𝟓 𝒄𝟏𝟏 𝒄𝟏𝟐
( ) ( ) = (𝒄 𝒄𝟐𝟐 )
𝟎 𝟏 𝟐×𝟐 𝟕 𝟒 𝟐×𝟐 𝟐𝟏
𝟐
𝒄𝟏𝟏 = (𝟏 𝟎) ( ) = 𝟏 × 𝟐 + 𝟎 × 𝟕 = 𝟐 + 𝟎 = 𝟐
𝟕
𝟓
𝒄𝟏𝟐 = (𝟏 𝟎) ( ) = 𝟏 × 𝟓 + 𝟎 × 𝟒 = 𝟓 + 𝟎 = 𝟓
𝟒
𝟐
𝒄𝟐𝟏 = (𝟎 𝟏) ( ) = 𝟎 × 𝟐 + 𝟏 × 𝟕 = 𝟎 + 𝟕 = 𝟕
𝟕
𝟓
𝒄𝟐𝟐 = (𝟎 𝟏) ( ) = 𝟎 × 𝟓 + 𝟏 × 𝟒 = 𝟎 + 𝟒 = 𝟒
𝟒
Resumen
𝒄𝟏𝟏 = 𝟐 ; 𝒄𝟏𝟐 = 𝟓 ;
𝒄𝟐𝟏 = 𝟕 ; 𝒄𝟐𝟐 = 𝟒
Luego,
𝟏 𝟎 𝟐 𝟓 𝟐 𝟓
( ) ( ) =( )
𝟎 𝟏 𝟐×𝟐 𝟕 𝟒 𝟐×𝟐 𝟕 𝟒 𝟐×𝟐
Tarea
𝟐 𝟓 𝟏 𝟎 𝟐 𝟓
Pruebe que ( )( )=( )
𝟕 𝟒 𝟎 𝟏 𝟕 𝟒

Ejemplo 2
𝟏 𝟎 𝟏𝟓 −𝟒 𝟏𝟓 −𝟒
( )( )=( )
𝟎 𝟏 𝟏 𝟖 𝟏 𝟖
𝟏𝟓 −𝟒 𝟏 𝟎 𝟏𝟓 −𝟒
( )( )=( )
𝟏 𝟖 𝟎 𝟏 𝟏 𝟖
Ejemplo 3
𝟏 𝟎 𝟎 𝟖 𝟔 −𝟏 𝟖 𝟔 −𝟏
(𝟎 𝟏 𝟎) ( −𝟒 𝟏 𝟎) = ( −𝟒 𝟏 𝟎)
𝟎 𝟎 𝟏 𝟑×𝟑 𝟔 𝟕 𝟗 𝟑×𝟑 𝟔 𝟕 𝟗 𝟑×𝟑
𝟖 𝟔 −𝟏 𝟏 𝟎 𝟎 𝟖 𝟔 −𝟏
( −𝟒 𝟏 𝟎) (𝟎 𝟏 𝟎) = ( −𝟒 𝟏 𝟎)
𝟔 𝟕 𝟗 𝟑×𝟑 𝟎 𝟎 𝟏 𝟑×𝟑 𝟔 𝟕 𝟗 𝟑×𝟑
Observe que
𝟏 𝟎 𝟎 𝟖 𝟔 −𝟏 𝟐 𝟖 𝟔 −𝟏 𝟐
(𝟎 𝟏 𝟎) ( −𝟒 𝟏 𝟎 −𝟏) = ( −𝟒 𝟏 𝟎 −𝟏)
𝟎 𝟎 𝟏 𝟑×𝟑 𝟔 𝟕 𝟗 −𝟖 𝟑×𝟒 𝟔 𝟕 𝟗 −𝟖 𝟑×𝟒
y que
𝟖 𝟔 −𝟏 𝟐 𝟏 𝟎 𝟎
( −𝟒 𝟏 𝟎 −𝟏 ) (𝟎 𝟏 𝟎) No se puede efectuar.
𝟔 𝟕 𝟗 −𝟖 𝟑×𝟒 𝟎 𝟎 𝟏 𝟑×𝟑

Luego, en los espacios de matrices no cuadradas no tienen elemento identidad por consiguiente no tiene sentido pensar que en dichos espacios
las matrices tengan inversas.
Para recordar. En los números reales se tiene que todo elemento
distinto de cero tiene inverso multiplicativo. Simbólicamente:
𝟏 𝟏 𝟏
∀𝒂 ∈ ℝ, 𝒂 ≠ 𝟎 , ∃ ∈ ℝ tal que 𝒂×𝒂=𝒂×𝒂=𝟏.
𝒂
𝟏
= 𝒂−𝟏 .
𝒂
La existencia de dicho elemento inverso nos permite resolver

ecuaciones de la forma 𝒂𝒙 = 𝒃 , donde 𝒂, 𝒃 ∈ ℝ, 𝒂 ≠ 𝟎 y 𝒙
es la incógnita
En el espacio de las matrices de 𝒏 × 𝒏, las matrices se pueden multiplicar entre sí, hecho que no se da en el espacio de las matrices no cuadradas;
por otro lado, dada la existencia del elemento identidad en el espacio de las matrices 𝒏 × 𝒏 resulta interesante saber si, dada una matriz 𝑨 =
(𝒂𝒊𝒋 ) ¿ Existe una matriz 𝑩 = (𝒃𝒊𝒋 ) tal que 𝑨 × 𝑩 = 𝑩 × 𝑨 = 𝑰𝒏 ? … la respuesta a este interrogante es, en algunas ocasiones.
𝒏×𝒏 𝒏×𝒏
Ósea que podemos extender el concepto de inverso multiplicativo que se

tiene en los reales al espacio de las matrices de 𝒏 × 𝒏 y eventualmente
emplearlo en situaciones análogas en el mundo de las matrices?

Matriz Inversa
Definición:
Sea 𝑨 = (𝒂𝒊𝒋 ) , la inversa de 𝑨, si existe, es una matriz 𝑩 = (𝒃𝒊𝒋 ) la cual satisface que 𝑨 × 𝑩 = 𝑩 × 𝑨 = 𝑰𝒏 . La inversa de la matriz 𝑨 la
𝒏×𝒏 𝒏×𝒏
−𝟏
denotaremos por 𝑨 .
Cálculo de la inversa de una matriz 𝑨 = (𝒂𝒊𝒋 )

𝒏×𝒏
Paso 1. Escribimos la matriz aumentada (𝑨|𝑰𝒏 )
Paso 2. Llevamos la matriz 𝑨 , presente en la matriz aumentada (𝑨|𝑰𝒏 ), a la forma escalonada por renglones reducida mediante operaciones
elementales de renglón; lo anterior, conduce a una matriz aumentada de la forma (𝑬|𝑩) , donde las matrices 𝑬 (matriz escalonada por renglones
reducida asociada a la matriz 𝑨 ) y 𝑩 son las matrices que se obtienen de 𝑨 e 𝑰𝒏 , respectivamente, a partir de este procedimiento.
Paso 3. Concluimos si la matriz 𝑨 tiene o no inversa. Para ello se tiene en cuenta las
siguientes observaciones:
• Si 𝑬 = 𝑰𝒏 , entonces la matriz 𝑩 será la inversa de 𝑨 .

• Si 𝑬 ≠ 𝑰𝒏 ,entonces la matriz 𝑨 no tiene inversa.
Ejemplo 1
−𝟏 𝟐 −𝟑
Hallar la inversa de la matriz 𝑨 = ( 𝟎 𝟏 −𝟐)
𝟐 𝟒 𝟏
Solución
Solución
Primer paso: Escribimos la matriz aumentada (𝑨|𝑰𝟑 )

−𝟏 𝟐 −𝟑 𝟏 𝟎 𝟎
( 𝟎 𝟏 −𝟐|𝟎 𝟏 𝟎)
𝟐 𝟒 𝟏𝟎 𝟎 𝟏
Segundo paso: En (𝑨|𝑰𝟑 ), llevamos la matriz 𝑨 a la forma escalonada por renglones reducida, mediante
operaciones elementales de renglón.
−𝑭𝟏 → 𝟏 −𝟐 𝟑 −𝟏 𝟎 𝟎
. (𝟎 𝟏 −𝟐| 𝟎 𝟏 𝟎)
. 𝟐 𝟒 𝟏 𝟎 𝟎 𝟏
. 𝟏 −𝟐 𝟑 −𝟏 𝟎 𝟎
. (𝟎 𝟏 −𝟐 | 𝟎 𝟏 𝟎)
−𝟐𝑭𝟏 + 𝑭𝟑 → 𝟎 𝟖 −𝟓 𝟐 𝟎 𝟏
𝟐𝑭𝟐 + 𝑭𝟏 → 𝟏 𝟎 −𝟏 −𝟏 𝟐 𝟎
. (𝟎 𝟏 −𝟐 | 𝟎 𝟏 𝟎)
−𝟖𝑭𝟐 + 𝑭𝟑 → 𝟎 𝟎 𝟏𝟏 𝟐 −𝟖 𝟏
.
𝟏 . 𝟎 −𝟏 −𝟏 𝟐 𝟎
𝑭 𝟑 (𝟎 𝟏 −𝟐 | 𝟎 𝟏 𝟎)
→ 𝟎 𝟐 𝟖 𝟏
𝟏𝟏 𝟎 𝟏 𝟏𝟏 − 𝟏𝟏 𝟏𝟏

𝑭 𝟑 + 𝑭𝟏 → 𝟏 𝟎 𝟎 −𝟗/𝟏𝟏 𝟏𝟒/𝟏𝟏 𝟏/𝟏𝟏

𝟐𝑭𝟑 + 𝑭𝟐 → (𝟎 𝟏 𝟎| 𝟒/𝟏𝟏 −𝟓/𝟏𝟏 𝟐/𝟏𝟏)
. 𝟎 𝟎 𝟏 𝟐/𝟏𝟏 −𝟖/𝟏𝟏 𝟏/𝟏𝟏
Luego
−𝟗/𝟏𝟏 𝟏𝟒/𝟏𝟏 𝟏/𝟏𝟏 −𝟗 𝟏𝟒 𝟏

𝟏
𝑨−𝟏 = ( 𝟒/𝟏𝟏 −𝟓/𝟏𝟏 𝟐/𝟏𝟏) = ( 𝟒 −𝟓 𝟐)
𝟏𝟏
𝟐/𝟏𝟏 −𝟖/𝟏𝟏 𝟏/𝟏𝟏 𝟐 −𝟖 𝟏
Prueba
𝑨 𝑨−𝟏 = 𝑨−𝟏 𝑨 = 𝑰𝟑
Tarea
Investiga el método abreviado para encontrar la inversa de una matriz de 𝟐 × 𝟐.
SISTEMA DE ECUACIONES LINEALES DE 𝒎 × 𝒏 (𝒎 : número de ecuaciones y 𝒏: número de incógnitas)
Es un sistema conformado por 𝒎 ecuaciones lineales y 𝒏 incógnitas, es decir, es un sistema de la forma:
𝒂𝟏𝟏 𝒙𝟏 + 𝒂𝟏𝟐 𝒙𝟐 + ⋯ + 𝒂𝟏𝒋 𝒙𝒋 + ⋯ + 𝒂𝟏𝒏 𝒙𝒏 = 𝒃𝟏
𝒂𝟐𝟏 𝒙𝟏 + 𝒂𝟐𝟐 𝒙𝟐 + ⋯ + 𝒂𝟐𝒋 𝒙𝒋 + ⋯ + 𝒂𝟐𝒏 𝒙𝒏 = 𝒃𝟐
𝒂𝒊𝟏 𝒙𝟏 + 𝒂𝒊𝟐 𝒙𝟐 + ⋯ + 𝒂𝒊𝒋 𝒙𝒋 + ⋯ + 𝒂𝒊𝒏 𝒙𝒏 = 𝒃𝒊 (𝟕) ⋮
𝒂𝒎𝟏 𝒙𝟏 + 𝒂𝒎𝟐 𝒙𝟐 + ⋯ + 𝒂𝒎𝒋 𝒙𝒋 + ⋯ + 𝒂𝒎𝒏 𝒙𝒏 = 𝒃𝒎

donde:
• 𝒙𝒋 ( 𝒋 ∈ {𝟏, 𝟐, … , 𝒏} ) son las incógnitas,
• 𝒂𝒊𝒋 ∈ ℝ (𝒊 ∈ {𝟏, 𝟐, … , 𝒎} ; 𝒋 ∈ {𝟏, 𝟐, … , 𝒏} ), son los coeficientes, y
• 𝒃𝒊 ∈ ℝ son los términos independientes del sistema de ecuaciones
Considerando (𝟕) sea
𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒋 ⋯ 𝒂𝟏𝒏 𝒙𝟏 𝒃𝟏

𝒂𝟐𝟏 𝒂𝟐𝟐 ⋯ 𝒂𝟐𝒋 ⋯ 𝒂𝟐𝒏 𝒙𝟐 𝒃𝟐
⋮ ⋮ ⋮
𝑨 = 𝒂⋮ ⋮
𝒂𝒊𝟐
⋮ ⋮
𝒂𝒊𝒋 ⋯
⋮
𝒂𝒊𝒏 ⃗ = 𝒙
;𝒙 ; ⃗𝒃 =
𝒊𝟏 ⋯ 𝒋 𝒃𝒊
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
(𝒂𝒎𝟏 𝒂𝒎𝟐 ⋯ 𝒂𝒎𝒋 ⋯ 𝒂𝒎𝒏 ) (𝒙𝒏 ) (𝒃 𝒎 )
Entonces (7) puede ser escrito en la forma
𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒋 ⋯ 𝒂𝟏𝒏 𝒙𝟏 𝒃𝟏

𝒂𝟐𝟏 𝒂𝟐𝟐 ⋯ 𝒂𝟐𝒋 ⋯ 𝒂𝟐𝒏 𝒙𝟐 𝒃𝟐
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
⋮ ⋮ =
𝒂𝒊𝟏 𝒂𝒊𝟐 ⋯ 𝒂𝒊𝒋 ⋯ 𝒂𝒊𝒏 𝒙 𝒋 𝒃𝒊
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
(𝒂𝒎𝟏 𝒂𝒎𝟐 ⋯ 𝒂𝒎𝒋 ⋯ 𝒂𝒎𝒏 )
𝒎×𝒏
(𝒙𝒏 )𝒏×𝟏 (𝒃𝒎 )𝒎×𝟏

O bien en forma abreviada como

Símil con los reales
⃗ 𝟏 𝟏 𝟏 𝟓 𝟓 𝟓
⃗ =𝒃
𝑨𝒙 𝟐𝒙 = 𝟓 (𝟐𝒙) = (𝟓) ( × 𝟐) 𝒙 = 𝟏𝒙= 𝒙=
𝟐 𝟐 𝟐 𝟐 𝟐 𝟐
Si en el sistema de ecuaciones ( 7) 𝒎 = 𝒏 y además la matriz de coeficientes 𝑨 es invertible el sistema tiene solución única y esta dada por :
⃗ = 𝑨−𝟏 ⃗𝒃
𝒙
Veámoslo
Sea ⃗ = ⃗𝒃
𝑨𝒙
Supongamos que 𝑨 es invertible, entonces multiplicando ambos miembros de la igualdad por 𝑨−𝟏 tenemos:
⃗ ) = 𝑨−𝟏 ⃗𝒃
𝑨−𝟏 ( 𝑨𝒙
(𝑨−𝟏 𝑨)𝒙 ⃗
⃗ = 𝑨−𝟏 𝒃
⃗
⃗ = 𝑨−𝟏 𝒃
𝑰𝒏 𝒙
⃗ = 𝑨−𝟏 ⃗𝒃
𝒙 𝑳. 𝑸. 𝑸. 𝑷. ( lo que queríamos probar )
Observe que
𝟏 𝟎 ⋯ 𝟎 ⋯ 𝟎 𝒙𝟏 𝒙𝟏
𝟎 𝟏 ⋯ 𝟎 ⋯ 𝟎 𝒙𝟐 𝒙𝟐
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑰𝒏 ⃗𝒙 = 𝟎 𝟎 ⋯ 𝟏 ⋯ 𝟎 𝒙𝒋 = 𝒙𝒋 = ⃗𝒙
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
(𝟎 𝟎 ⋯ 𝟎 ⋯ 𝟏)𝒏×𝒏 (𝒙𝒏 )𝒏×𝟏 (𝒙𝒏 )𝒏×𝟏
Ejemplo 1.

Expresar y resolver en forma matricial
𝟐𝒙 + 𝟑𝒚 = −𝟏
−𝟑𝒙 + 𝟒𝒚 = 𝟏𝟎
Solución.
Sabemos que
⃗
⃗ =𝒃
𝑨𝒙
𝟐 𝟑 𝒙 −𝟏
Luego, dado que 𝑨=( ) ; ⃗ = ( 𝒚)
𝒙 ; ⃗𝒃 = ( )
−𝟑 𝟒 𝟏𝟎
entonces
𝟐 𝟑 𝒙 −𝟏
( )( ) = ( ) (*)
−𝟑 𝟒 𝒚 𝟏𝟎
Si 𝐴−1 existe, la ecuación (*) tendrá solución única y estará dada por
⃗
⃗ = 𝑨−𝟏 𝒃
𝒙
𝒙 𝟐 𝟑 −𝟏 −𝟏
(𝒚) = ( ) ( )
−𝟑 𝟒 𝟏𝟎
Veamos si 𝑨 es invertible
𝟐 𝟑
Cálculo de la inversa de ( )
−𝟑 𝟒
Primer paso: Construimos la matriz aumentada (𝑨|𝑰𝟐 )

𝟐 𝟑𝟏 𝟎
( | )
−𝟑 𝟒 𝟎 𝟏
Segundo paso: Llevamos la matriz 𝑨 presente en (𝑨|𝑰𝟐 ) a la forma escalonada por renglones reducida.
𝑭𝟏 /𝟐 → 𝟏 𝟑/𝟐 𝟏/𝟐 𝟎
( | )
𝟕 −𝟑 𝟒 𝟎 𝟏
. 𝟏 𝟑/𝟐 𝟏/𝟐 𝟎
𝟑𝑭𝟏 + 𝑭𝟐 → (𝟎 |
𝟏𝟕/𝟐 𝟑/𝟐 𝟏
)
. 𝟏 𝟑/𝟐 𝟏/𝟐 𝟎
(𝟐/𝟏𝟕)𝑭𝟐 → ( | )
𝟎 𝟏 𝟑/𝟏𝟕 𝟐/𝟏𝟕
𝟑
(− 𝟐)𝑭𝟐 + 𝑭𝟏 → (𝟏 𝟎 𝟒/𝟏𝟕 −𝟑/𝟏𝟕
| )
. 𝟎 𝟏 𝟑/𝟏𝟕 𝟐/𝟏𝟕
Como la matriz que quedo a la izquierda de la barra vertical es la matriz 𝑰𝟐 , entonces 𝑨 tiene inversa y será la matriz que resulto al lado derecho
de la barra vertical.
𝟐 𝟑 −𝟏 𝟒/𝟏𝟕 −𝟑/𝟏𝟕 𝟏 𝟒 −𝟑
( ) =( ) = 𝟏𝟕 ( )
−𝟑 𝟒 𝟑/𝟏𝟕 𝟐/𝟏𝟕 𝟑 𝟐
Luego,
𝒙 𝟐 𝟑 −𝟏 −𝟏
(𝒚) = ( ) ( )
−𝟑 𝟒 𝟏𝟎
𝒙 𝟏 𝟒 −𝟑 −𝟏
(𝒚) = ( ) ( )
𝟏𝟕 𝟑 𝟐 𝟐×𝟐 𝟏𝟎 𝟐×𝟏

𝟒 −𝟑 −𝟏
Calculo de ( ) ( )
𝟑 𝟐 𝟐×𝟐 𝟏𝟎 𝟐×𝟏
−𝟏
(𝟒 −𝟑) ( ) = −𝟒 + (−𝟑𝟎) = −𝟑𝟒
𝟏𝟎
−𝟏
(𝟑 𝟐) ( ) = −𝟑 + 𝟐𝟎 = 𝟏𝟕
𝟏𝟎
𝟒 −𝟑 −𝟏 −𝟑𝟒
Luego ( ) ( ) =( )
𝟑 𝟐 𝟐×𝟐 𝟏𝟎 𝟐×𝟏 𝟏𝟕
Con lo que
𝒙 𝟏 −𝟑𝟒
(𝒚) = ( )
𝟏𝟕 𝟏𝟕
𝒙 −𝟑𝟒/𝟏𝟕
(𝒚) = ( )
𝟏𝟕/𝟏𝟕
𝒙 −𝟐
(𝒚) = ( )
𝟏
𝒙 = −𝟐
𝒚=𝟏
Ejemplo 2.
−𝒙 + 𝟐𝒚 − 𝟑𝒛 = 𝟏𝟕
𝒚 − 𝟐𝒛 = 𝟏𝟏
𝟐𝒙 + 𝟒𝒚 + 𝒛 = 𝟏𝟎

Solución.
−𝟏 𝟐 −𝟑 𝒙 𝟏𝟕
𝑨=( 𝟎 𝟏 −𝟐) ; ⃗𝒙 = (𝒚) ; ⃗ = (𝟏𝟏)
𝒃
𝟐 𝟒 𝟏 𝒛 𝟏𝟎
⃗
⃗ =𝒃
𝑨𝒙
−𝟏 𝟐 −𝟑 𝒙 𝟏𝟕
(𝟎 𝟏 −𝟐) ( ) = (𝟏𝟏)
𝒚
𝟐 𝟒 𝟏 𝒛 𝟏𝟎
−𝟏 𝟐 −𝟑
De ejemplo anterior tenemos que ( 𝟎𝟏 −𝟐) tiene inversa y está dada por
𝟐 𝟒 𝟏
−𝟏 𝟐 −𝟑 −𝟏 𝟏 −𝟗 𝟏𝟒 𝟏
(𝟎 𝟏 −𝟐) = (𝟒 −𝟓 𝟐)
𝟏𝟏
𝟐 𝟒 𝟏 𝟐 −𝟖 𝟏
⃗
⃗ = 𝑨−𝟏 𝒃
𝒙
Luego
𝒙 −𝟏 𝟐 −𝟑 −𝟏 𝟏𝟕
(𝒚) = ( 𝟎 𝟏 −𝟐) (𝟏𝟏)
𝒛 𝟐 𝟒 𝟏 𝟏𝟎
𝒙 𝟏 −𝟗 𝟏𝟒 𝟏 𝟏𝟕
(𝒚) = ( 𝟒 −𝟓 𝟐) (𝟏𝟏)
𝒛 𝟏𝟏
𝟐 −𝟖 𝟏 𝟏𝟎
𝒙 𝟏 𝟏𝟏
𝒚
( )= ( 𝟑𝟑 )
𝒛 𝟏𝟏
−𝟒𝟒
𝒙 𝟏
(𝒚) = ( 𝟑 )
𝒛 −𝟒
𝒙=𝟏
Solución: 𝒚=𝟑
𝒛 = −𝟒
MATRICES TRIANGULARES
• Matriz Triangular Inferior

Sea 𝑨 = (𝒂𝒊𝒋 ) , se dice que la matriz 𝑨 es triangular inferior si todos los elementos que están por encima de la diagonal principal son ceros.
𝒏×𝒏
𝒂𝟏𝟏 𝟎 ⋯ 𝟎 ⋯ 𝟎
𝒂𝟐𝟏 𝒂𝟐𝟐 ⋯ 𝟎 ⋯ 𝟎
𝒂 𝒂𝟐𝟏 ⋮ 𝒂𝟐𝟏 𝒂𝟐𝟏 𝒂𝟐𝟏
𝐴 = 𝒂𝟐𝟏 𝒂𝒋𝟐 ⋯ 𝒂𝒋𝒋 ⋯ 𝟎
𝒋𝟏
𝒂𝟐𝟏 𝒂𝟐𝟏 ⋮ 𝒂𝟐𝟏 𝒂𝟐𝟏 𝒂𝟐𝟏
Ejemplo
−𝟗 𝟎 𝟎
𝑨=( 𝟒 −𝟓 𝟎)
𝟐 −𝟖 𝟏
• Matriz Triangular Superior
Sea 𝑨 = (𝒂𝒊𝒋 ) , se dice que la matriz 𝑨 es triangular superior si todos los elementos que están por debajo de la diagonal principal son ceros.
𝒏×𝒏

𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒋 ⋯ 𝒂𝟏𝒏

𝟎 𝒂𝟐𝟐 ⋯ 𝒂𝟐𝒋 ⋯ 𝒂𝟐𝒏
𝒂𝟐𝟏 𝒂𝟐𝟏 ⋮ 𝒂𝟐𝟏 𝒂𝟐𝟏 𝒂𝟐𝟏
𝐴=
𝟎 𝟎 ⋯ 𝒂𝒋𝒋 ⋯ 𝒂𝒋𝒏
𝒂𝟐𝟏 𝒂𝟐𝟏 ⋮ 𝒂𝟐𝟏 𝒂𝟐𝟏 𝒂𝟐𝟏
( 𝟎 𝟎 ⋯ 𝟎 ⋯ 𝒂𝒏𝒏 )
Ejemplo
−𝟗 𝟏𝟒 𝟏
𝐴=( 𝟎 𝟎 𝟐)
𝟎 𝟎 𝟏
MATRIZ TRANSPUESTA
Sea 𝑨 = (𝒂𝒊𝒋 ) . La transpuesta de 𝑨 que se denota 𝑨𝑻 es la matriz 𝒏 × 𝒎 que se obtiene de intercambiar las filas de 𝑨 por sus columnas o
𝒎×𝒏
viceversa; es decir 𝑨𝑻 = (𝒂𝒋𝒊 )
𝒏×𝒎
Ejemplo 1
𝟐 𝟒
𝟐 𝟏 𝟓 𝑻
La transpuesta de la matriz 𝑨 = ( ) es la matriz 𝑨 = (𝟏 𝟎 )
𝟒 𝟎 −𝟔
𝟓 −𝟔
Ejemplo 2
−𝟏 𝟑 −𝟏 𝟎 −𝟐
−𝟓 𝟒
La transpuesta de la matriz 𝑩 = ( 𝟎 𝟓 𝟐 −𝟏 ) es la matriz 𝑩𝑻 = ( 𝟑 𝟓 𝟏)
−𝟓 𝟐 𝟖
−𝟐 𝟏 𝟖 −𝟑 𝟑×𝟒 𝟒 −𝟏 −𝟑 𝟒×𝟑
Nota: Observe que la transpuesta de una matriz que se obtiene tomando las filas y escribiendolas como columnas o viceversa, ver esquema
siguiente

−𝟏 𝟑 −𝟏 𝟎 −𝟐
−𝟓 𝟒
𝑩=( 𝟎 𝟓 𝟐 −𝟏 ) 𝑩 =( 𝟑 𝟓
𝑻 𝟏)
−𝟓 𝟐 𝟖
−𝟐 𝟏 𝟖 −𝟑 𝟑×𝟒 𝟒 −𝟏 −𝟑 𝟒×𝟑
O bien
−𝟏 𝟑 −𝟏 𝟎 −𝟐
−𝟓 𝟒
𝑩=( 𝟎 𝟓 𝟐 −𝟏 ) 𝑩𝑻 = ( 𝟑 𝟓 𝟏)
−𝟓 𝟐 𝟖
−𝟐 𝟏 𝟖 −𝟑 𝟑×𝟒 𝟒 −𝟏 −𝟑 𝟒×𝟑
Tarea Propiedades de la matriz transpuesta.
MATRIZ SIMETRICA
Sea 𝑨 = (𝒂𝒊𝒋 ) . Se dice que 𝑨 es simétrica si 𝑨𝑻 = 𝑨
𝒏×𝒏

Ejemplo 1
𝟏 𝟐 −𝟏 𝟏 𝟐 −𝟏
𝑨=( 𝟐 𝟑 𝟒) ; 𝑨𝑻 = ( 𝟐 𝟑 𝟒)
−𝟏 𝟒 𝟖 −𝟏 𝟒 𝟖
Como 𝑨 = 𝑨𝑻 , entonces 𝑨 es simétrica

Ejemplo 2
𝟏 −𝟐 𝟎 𝟓 𝟏 −𝟐 𝟎 𝟓
La matriz 𝑨 = (−𝟐 𝟕 𝟑 𝟒 ) es simétrica dado que 𝑨𝑻 = (−𝟐 𝟕 𝟑 𝟒 )=𝑨
𝟎 𝟑 𝟓 𝟖 𝟎 𝟑 𝟓 𝟖
𝟓 𝟒 𝟖 −𝟏 𝟓 𝟒 𝟖 −𝟏
Ejemplo 3
Observe que una matriz es simétrica, si los elementos correspondientes a uno y otro lado de la diagonal principal son iguales; es decir, que la diagonal principal
se comporta como un espejo; en el sentido que, los elementos que se encuentren por encima o por debajo de la diagonal principal, se encuentran reflejados al
otro lado de la diagonal, ver figura siguiente.
DETERMINANTES
Sea 𝑨 = (𝒂𝒊𝒋 ) , el determinante 𝑨 que se denota |𝑨| o bien 𝒅𝒆𝒕𝑨 es un número real asociado a dicha matriz. El determinante puede considerarse
𝒏×𝒏
como una función que asocia a cada matriz del espacio 𝓜𝒏×𝒏 un número real. Es decir,
|. |: 𝓜𝒏×𝒏 → ℝ

El término determinante se debe a que ellos determinan si un sistema de ecuaciones lineales de 𝒏 × 𝒏 tiene solución única o no; lo anterior se
establece de la siguiente manera:
Si el determinante de la matriz de coeficientes de dicho sistema es distinto de cero el sistema tiene solución única, si por el contrario es cero el sistema no
tiene solución o bien tiene infinitas soluciones.
Adicionalmente, el determinante de una matriz determina si dicha matriz tiene inversa o no.
Si el determinante de la matriz es distinto de cero la matriz tienen inversa de lo contrario no.
DETERMINANTE DE MATRICES DE 2X2
𝒂𝟏𝟏 𝒂𝟏𝟐
Sea 𝑨 = (𝒂 𝒂𝟐𝟐 ) ;
𝟐𝟏
𝒂𝟏𝟏 𝒂𝟏𝟐
𝒅𝒆𝒕𝑨 = |𝑨| = |𝒂 𝒂𝟐𝟐 | = 𝒂𝟏𝟏 𝒂𝟐𝟐 − 𝒂𝟐𝟏 𝒂𝟏𝟐
𝟐𝟏
Ejemplo
−𝟐 −𝟑
𝑨=( )
𝟒 𝟓
−𝟐 −𝟑
𝒅𝒆𝒕𝑨 = |𝑨| = | | = −𝟐(𝟓) − 𝟒(−𝟑) = −𝟏𝟎 + 𝟏𝟐 = 𝟐
𝟒 𝟓
DETERMINANTE DE MATRICES DE 3X3
𝒂𝟏𝟏 𝒂𝟏𝟐 𝒂𝟏𝟑

𝒂𝟏𝟏 𝒂𝟏𝟐 𝒂𝟏𝟑 𝒂 𝒂𝟐𝟑 𝒂𝟐𝟏 𝒂𝟐𝟑 𝒂𝟐𝟏 𝒂𝟐𝟐
𝒅𝒆𝒕 𝑨 = |𝑨| = |𝒂𝟐𝟏 𝒂𝟐𝟐 𝒂𝟐𝟑 | = 𝒂𝟏𝟏 | 𝟐𝟐 | | | |
Sea 𝑨 = (𝒂𝟐𝟏 𝒂𝟐𝟐 𝒂𝟐𝟑 ) 𝒂𝟑𝟐 𝒂𝟑𝟑 − 𝒂𝟏𝟐 𝒂𝟑𝟏 𝒂𝟑𝟑 + 𝒂𝟏𝟑 𝒂𝟑𝟏 𝒂𝟑𝟐 |
𝒂𝟑𝟏 𝒂𝟑𝟐 𝒂𝟑𝟑
𝒂𝟑𝟏 𝒂𝟑𝟐 𝒂𝟑𝟑

𝟏 𝟐 −𝟏
Ejemplo calcular el determinante de 𝑨 = ( 𝟐 𝟑 𝟒)
−𝟏 𝟒 𝟖
𝟏 𝟐 −𝟏
𝟑 𝟒 𝟐 𝟒 𝟐 𝟑
|𝑨| = | 𝟐 𝟑 𝟒| = 𝟏 | | − 𝟐| | + (−𝟏) | |
𝟒 𝟖 −𝟏 𝟖 −𝟏 𝟒
−𝟏 𝟒 𝟖
= 𝟏[𝟑 × 𝟖 − 𝟒 × 𝟒] − 𝟐[𝟐 × 𝟖 − (−𝟏) × 𝟒] − 𝟏[𝟐 × 𝟒 − (−𝟏) × 𝟑]
= 𝟏[𝟐𝟒 − 𝟏𝟔] − 𝟐[𝟏𝟔 + 𝟒] − 𝟏[𝟖 + 𝟑]

𝟖 − 𝟒𝟎 − 𝟏𝟏 = −𝟒𝟑
Método de Sarrus ( exclusivo de los determinantes de 3 × 3 )
𝒂𝟏𝟏 𝒂𝟏𝟐 𝒂𝟏𝟑 𝒂𝟏𝟏 𝒂𝟏𝟐

|𝑨| = |𝒂𝟐𝟏 𝒂𝟐𝟐 𝒂𝟐𝟑 | 𝒂𝟐𝟏 𝒂𝟐𝟐 = (𝒂𝟏𝟏 𝒂𝟐𝟐 𝒂𝟑𝟑 + 𝒂𝟏𝟐 𝒂𝟐𝟑 𝒂𝟑𝟏 + 𝒂𝟏𝟑 𝒂𝟐𝟏 𝒂𝟑𝟐 ) − (𝒂𝟑𝟏 𝒂𝟐𝟐 𝒂𝟏𝟑 + 𝒂𝟑𝟐 𝒂𝟐𝟑 𝒂𝟏𝟏 + 𝒂𝟑𝟑 𝒂𝟐𝟏 𝒂𝟏𝟐 )
𝒂𝟑𝟏 𝒂𝟑𝟐 𝒂𝟑𝟑 𝒂𝟑𝟏 𝒂𝟑𝟐
Ejemplo
𝟏 𝟐 −𝟏
calcular el determinante de 𝑨 = ( 𝟐 𝟑 𝟒 ) por el método de Sarrus
−𝟏 𝟒 𝟖
𝟏 𝟐 −𝟏 𝟏 𝟐
|𝑨| = | 𝟐 𝟑 𝟒 | 𝟐 𝟑 = [𝟐𝟒 + (−𝟖) + (−𝟖)] − [𝟑 + 𝟏𝟔 + 𝟑𝟐] = 𝟖 − 𝟓𝟏 = −𝟒𝟑
−𝟏 𝟒 𝟖 −𝟏 𝟒

MENOR DE UNA MATRIZ
Sea 𝑨 = (𝒂𝒊𝒋 ) . El 𝒊𝒋– 𝐞𝐬𝐢𝐦𝐨 menor de 𝑨 que se denota por 𝑴𝒊𝒋 , es la matriz de (𝒏 − 𝟏) × (𝒏 − 𝟏) que resulta de eliminar 𝒊–esimo renglón y 𝒋– 𝐞𝐬𝐢𝐦𝐚
𝒏×𝒏
columna de 𝑨 . Una matriz tiene tantos menores como elementos tenga.
Ejemplo.
𝟏 𝟐 −𝟏
Determinar los menores de la matriz 𝑨 = ( 𝟐 𝟑 𝟒)
−𝟏 𝟒 𝟖
Solución
𝟑 𝟒 𝟐 𝟒 𝟐 𝟑
𝑴𝟏𝟏 = ( ) ; 𝑴𝟏𝟐 = ( ) ; 𝑴𝟏𝟑 = ( ) ;
𝟒 𝟖 −𝟏 𝟖 −𝟏 𝟒
𝟐 −𝟏 𝟏 −𝟏 𝟏 𝟐
𝑴𝟐𝟏 = ( ) ; 𝑴𝟐𝟐 = ( ) ; 𝑴𝟐𝟑 = ( )
𝟒 𝟖 −𝟏 𝟖 −𝟏 𝟒
𝟐 −𝟏 𝟏 −𝟏 𝟏 𝟐
𝑴𝟑𝟏 = ( ) ; 𝑴𝟑𝟐 = ( ) ; 𝑴𝟑𝟑 = ( )
𝟑 𝟒 𝟐 𝟒 𝟐 𝟑
𝟏 −𝟏
Nota : observe que, por ejemplo, 𝑴𝟑𝟐 = ( ) se obtiene de eliminar, en la matriz 𝑨, la fila 3 y la columna 2.
𝟐 𝟒
𝐶𝑜𝑙𝑢𝑚𝑛𝑎 2
𝟏 𝟐 −𝟏
𝟏 −𝟏
𝑨=( 𝟐 𝟑 𝟒) 𝑴𝟑𝟐 = ( )
v
𝟐 𝟒
−𝟏 𝟒v 𝟖 𝐹𝑖𝑙𝑎 3

COFACTOR DE UNA MATRIZ
Sea 𝑨 = (𝒂𝒊𝒋 ) . El 𝒊𝒋– 𝐞𝐬𝐢𝐦𝐨 cofactor de 𝑨 que se denota por 𝑨𝒊𝒋 , es el número dado por
𝒏×𝒏
𝑨𝒊𝒋 = (−𝟏)𝒊+𝒋 |𝑴𝒊𝒋 |
Potencias enteras de – 𝟏
(−𝟏)𝟏 = −𝟏
(−𝟏)𝟐 = 𝟏
(−𝟏)𝟑 = −𝟏
(−𝟏)𝟒 = 𝟏
luego
−𝟏, 𝒔𝒊 𝒊 + 𝒋 𝒆𝒔 𝒊𝒎𝒑𝒂𝒓
(−𝟏)𝒊+𝒋 = {
𝟏, 𝒔𝒊 𝒊 + 𝒋 𝒆𝒔 𝒑𝒂𝒓
Por consiguiente de 𝑨𝒊𝒋 = −|𝑴𝒊𝒋 |
Tenemos que −|𝑴𝒊𝒋 |, 𝒔𝒊 𝒊 + 𝒋 𝒆𝒔 𝒊𝒎𝒑𝒂𝒓

𝑨𝒊𝒋 = {
|𝑴𝒊𝒋 |, 𝒔𝒊 𝒊 + 𝒋 𝒆𝒔 𝒑𝒂𝒓
𝟏 𝟐 −𝟏
Ejemplo. Calcular los cofactores de la matriz 𝑨 = ( 𝟐 𝟑 𝟒)
−𝟏 𝟒 𝟖
𝟑 𝟒
𝑨𝟏𝟏 = |𝑴𝟏𝟏 | = | | = 𝟐𝟒 − 𝟏𝟔 = 𝟖
𝟒 𝟖
𝟐 𝟒
𝑨𝟏𝟐 = −|𝑴𝟏𝟐 | = − | | = −(𝟏𝟔 − (−𝟒)) = −(𝟏𝟔 + 𝟒) = −𝟐𝟎
−𝟏 𝟖
𝟐 𝟑
𝑨𝟏𝟑 = |𝑴𝟏𝟑 | = | | = 𝟖 + 𝟑 = 𝟏𝟏
−𝟏 𝟒
𝟐 −𝟏
𝑨𝟐𝟏 = −|𝑴𝟐𝟏 | = − | | = −(𝟏𝟔 + 𝟒) = −𝟐𝟎
𝟒 𝟖
𝟏 −𝟏
𝑨𝟐𝟐 = |𝑴𝟐𝟐 | = | |=𝟖−𝟏 =𝟕
−𝟏 𝟖
𝟏 𝟐
𝑨𝟐𝟑 = −|𝑴𝟐𝟑 | = − | | = −(𝟒 + 𝟐) = −𝟔
−𝟏 𝟒
𝟐 −𝟏
𝑨𝟑𝟏 = |𝑴𝟑𝟏 | = | | = 𝟖 + 𝟑 = 𝟏𝟏
𝟑 𝟒
𝟏 −𝟏
𝑨𝟑𝟐 = −|𝑴𝟑𝟐 | = − | | = −(𝟒 + 𝟐) = −𝟔
𝟐 𝟒
𝟏 𝟐
𝑨𝟑𝟑 = |𝑴𝟑𝟑 | = | | = 𝟑 − 𝟒 = −𝟏
𝟐 𝟑
MATRIZ DE COFACTORES
Sea 𝑨 = (𝒂𝒊𝒋 ) . La matriz de cofactores de 𝑨, que denotaremos por la letra 𝑩 , está dada por
𝒏×𝒏
𝑨𝟏𝟏 𝑨𝟏𝟐 ⋯ 𝑨𝟏𝒋 ⋯ 𝑨𝟏𝒏

𝑨𝟐𝟏 𝑨𝟐𝟐 ⋯ 𝑨𝟐𝒋 ⋯ 𝑨𝟐𝒏
𝑩= ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑨𝒊𝟏 𝑨𝒊𝟐 ⋯ 𝑨𝒊𝒋 ⋯ 𝑨𝒊𝒏
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
(𝑨𝒏𝟏 𝑨𝒏𝟐 ⋯ 𝑨𝒏𝒋 ⋯ 𝑨𝒏𝒏 )
𝒏×𝒏

Ejemplo
𝟏 𝟐 −𝟏
Calcular la matriz de cofactores de la matriz 𝑨 = ( 𝟐 𝟑 𝟒)
−𝟏 𝟒 𝟖
Solución
Del ejemplo anterior tenemos que

𝑨𝟏𝟏 = 𝟖 ; 𝑨𝟏𝟐 = −𝟐𝟎 ; 𝑨𝟏𝟑 = 𝟏𝟏
𝑨𝟐𝟏 = −𝟐𝟎 ; 𝑨𝟐𝟐 = 𝟕 ; 𝑨𝟐𝟑 = −𝟔
𝑨𝟑𝟏 = 𝟏𝟏 ; 𝑨𝟑𝟐 = −𝟔 ; 𝑨𝟑𝟑 = −𝟏
Como la matriz de cofactores está dada por
𝑨𝟏𝟏 𝑨𝟏𝟐 𝑨𝟏𝟑

𝑩 = (𝑨𝟐𝟏 𝑨𝟐𝟐 𝑨𝟐𝟑 )
𝑨𝟑𝟏 𝑨𝟑𝟐 𝑨𝟑𝟑
entonces
𝟖 −𝟐𝟎 𝟏𝟏
𝑩 = (−𝟐𝟎 𝟕 −𝟔)
𝟏𝟏 − 𝟔 −𝟏
MATRIZ ADJUNTA
Sea 𝑨 = (𝒂𝒊𝒋 ) , la matriz adjunta de 𝑨 , que se denota 𝒂𝒅𝒋𝑨 , es la transpuesta de la matriz de cofactores y está dada por
𝒏×𝒏
Como la matriz de cofactores de 𝑨 esta dada por

𝑨𝟏𝟏 𝑨𝟏𝟐 ⋯ 𝑨𝟏𝒋 ⋯ 𝑨𝟏𝒏

𝑨𝟐𝟏 𝑨𝟐𝟐 ⋯ 𝑨𝟐𝒋 ⋯ 𝑨𝟐𝒏
𝑩= ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑨𝒊𝟏 𝑨𝒊𝟐 ⋯ 𝑨𝒊𝒋 ⋯ 𝑨𝒊𝒏
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
(𝑨𝒏𝟏 𝑨𝒏𝟐 ⋯ 𝑨𝒏𝒋 ⋯ 𝑨𝒏𝒏 )
𝑛×𝑛
entonces
𝑨𝟏𝟏 𝑨𝟐𝟏 ⋯ 𝑨𝟏𝒊𝟏 ⋯ 𝑨𝒏𝟏

𝑨𝟏𝟐 𝑨𝟐𝟐 ⋯ 𝑨𝒊𝟐 ⋯ 𝑨𝒏𝟐
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑨𝒅𝒋𝑨 = 𝑩𝑻 = 𝑨
𝟏𝒋 𝑨𝟐𝒋 ⋯ 𝑨 𝒊𝒋 ⋯ 𝑨𝒏𝒋
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
(𝑨𝟏𝒏 𝑨𝟐𝒏 ⋯ 𝑨𝒊𝒏 ⋯ 𝑨𝒏𝒏 )𝑛×𝑛
Ejemplo
𝟏 𝟐 −𝟏
Hallar la Adjunta de la matriz 𝑨 = ( 𝟐
𝟑 𝟒)
−𝟏 𝟒 𝟖
Solución
Del ejemplo anterior tenemos que la matriz de cofactores de 𝑨 es:
𝟖 −𝟐𝟎 𝟏𝟏
𝑩 = ( −𝟐𝟎 𝟕 −𝟔)
𝟏𝟏 −𝟔 −𝟏
luego
𝟖 −𝟐𝟎 𝟏𝟏
𝑨𝒅𝒋𝑨 = 𝑩𝑻 = ( −𝟐𝟎 𝟕 −𝟔)
𝟏𝟏 −𝟔 −𝟏

Nota Importante: Observe, en el ejemplo anterior, que la matriz 𝒂𝒅𝒋𝑨, es igual a la matriz de cofactores; esta situación es mera coincidencia, en general no es
así, tal situación fue determina porque la matriz 𝑨 es una matriz simétrica.
CÁLCULO DE LA MATRIZ INVERSA A PARTIR DE LA MATRIZ ADJUNTA
Teorema
Sea 𝑨 = (𝒂𝒊𝒋 ) . entonces :

𝒏×𝒏
1. 𝑨 es invertible si y solo si 𝒅𝒆𝒕𝑨 ≠ 𝟎 .

𝟏
2. Si 𝒅𝒆𝒕𝑨 ≠ 𝟎, entonces 𝑨−𝟏 = 𝑨𝒅𝒋 𝑨
𝒅𝒆𝒕𝑨
Ejemplo
𝟏 𝟐 −𝟏
Hallar la inversa de la matriz 𝑨 = ( 𝟐 𝟑 𝟒 ) , si la tiene.
−𝟏 𝟒 𝟖
Solución:
Se tiene que por ejemplo antes realizado que 𝒅𝒆𝒕𝑨 = −𝟒𝟑 ≠ 𝟎 , luego 𝑨 es invertible,
Adicionalmente
𝟖 −𝟐𝟎 𝟏𝟏
𝑨𝒅𝒋𝑨 = (−𝟐𝟎 𝟕 −𝟔)
𝟏𝟏 −𝟔 −𝟏
Luego por el teorema anterior

𝟏
𝑨−𝟏 = 𝑨𝒅𝒋 𝑨
𝒅𝒆𝒕𝑨
𝟏 𝟖 −𝟐𝟎 𝟏𝟏
𝑨−𝟏 = (−𝟐𝟎 𝟕 −𝟔)
−𝟒𝟑
𝟏𝟏 −𝟔 −𝟏
Cuando una matriz tiene inversa se dice que es no singular y cuando no tiene se dice que es singular
Método abreviado para calcular la inversa de una matriz de 𝟐 × 𝟐
𝒂𝟏𝟏 𝒂𝟏𝟐
sea 𝑨 = (𝒂 𝒂𝟐𝟐 )
𝟐𝟏
si 𝒅𝒆𝒕 𝑨 ≠ 𝟎
entonces 𝟏 𝒂𝟐𝟐 −𝒂𝟏𝟐

𝑨−𝟏 = (−𝒂 𝒂𝟏𝟏 )
𝒅𝒆𝒕 𝑨 𝟐𝟏
Ejemplo
𝟑 −𝟒
Halla la inversa de 𝑨=( )
−𝟓 −𝟔
Solución
𝟑 −𝟒
𝒅𝒆𝒕𝑨 = | | = −𝟏𝟖 − 𝟐𝟎 = −𝟑𝟖 ≠ 𝟎
−𝟓 −𝟔
𝟏 𝒂𝟐𝟐 −𝒂𝟏𝟐
𝑨−𝟏 = (−𝒂 𝒂𝟏𝟏 )
𝒅𝒆𝒕 𝑨 𝟐𝟏
𝟏 −𝟔 𝟒
𝑨−𝟏 = ( )
−𝟑𝟖 𝟓 𝟑
DETERMINANTE DE UNA MATRIZ DE 𝒏 × 𝒏
Sea 𝑨 = (𝒂𝒊𝒋 )
𝒏×𝒏

𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒋 ⋯ 𝒂𝟏𝒏

𝒂𝟐𝟏 𝒂𝟐𝟐 ⋯ 𝒂𝟐𝒋 ⋯ 𝒂𝟐𝒏
𝑨 = 𝒂⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝒊𝟏 𝒂𝒊𝟐 ⋯ 𝒂𝒊𝒋 ⋯ 𝒂𝒊𝒏
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒋 ⋯ 𝒂𝟏𝒏

𝒂 𝒂𝟐𝟐 ⋯ 𝒂𝟐𝒋 ⋯ 𝒂𝟐𝒏
| 𝟐𝟏 |
𝒅𝒆𝒕𝑨 = 𝒂⋮ ⋮ ⋮ ⋮ ⋮ ⋮ = 𝒂 𝑨 +𝒂 𝑨 +𝒂 𝑨 +⋯+𝒂 𝑨 + 𝒂 𝑨
𝒂𝒊𝟐 ⋯ 𝒂𝒊𝒋 ⋯ 𝒂𝒊𝒏 𝟏𝟏 𝟏𝟏 𝟏𝟐 𝟏𝟐 𝟏𝟑 𝟏𝟑 𝟏𝒋 𝟏𝒋 𝟏𝒏 𝟏𝒏
| 𝒊𝟏 |
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝒂𝒏𝟏 𝒂𝒏𝟐 ⋯ 𝒂𝒏𝒋 ⋯ 𝒂𝒏𝒏
Nota 1: Observe que en la definición de determinante de una matriz de 𝒏 × 𝒏 se usó la 𝑓𝑖𝑙𝑎 1 como base para dicha definición.
Nota 2: Es importante tener presente que para la definición de determinante de una matriz de 𝒏 × 𝒏 se puede usar cualquier fila o
cualquier columna, tal como aparece a continuación, en la cual se tomó la 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 2.
𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒋 ⋯ 𝒂𝟏𝒏

𝒂 𝒂𝟐𝟐 ⋯ 𝒂𝟐𝒋 ⋯ 𝒂𝟐𝒏
| 𝟐𝟏 |
𝒅𝒆𝒕𝑨 = 𝒂⋮ ⋮ ⋮ ⋮ ⋮ ⋮ = 𝒂 𝑨 +𝒂 𝑨 +𝒂 𝑨 +⋯+𝒂 𝑨 +𝒂 𝑨
𝒂𝒊𝟐 ⋯ 𝒂𝒊𝒋 ⋯ 𝒂𝒊𝒏 𝟏𝟐 𝟏𝟐 𝟐𝟐 𝟐𝟐 𝟑𝟐 𝟑𝟐 𝒊𝟐 𝒊𝟐 𝒏𝟐 𝒏𝟐
| 𝒊𝟏 |
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝒂𝒏𝟏 𝒂𝒏𝟐 ⋯ 𝒂𝒏𝒋 ⋯ 𝒂𝒏𝒏
Ejercicio.
Haciendo uso de la definición de determinante de una matriz de 𝒏 × 𝒏 pruebe la definición dada para una matriz de 𝟑 × 𝟑.
Prueba
𝒂𝟏𝟏 𝒂𝟏𝟐 𝒂𝟏𝟑

Sea 𝑨 = (𝒂𝟐𝟏 𝒂𝟐𝟐 𝒂𝟐𝟑 )
𝒂𝟑𝟏 𝒂𝟑𝟐 𝒂𝟑𝟑
𝒂𝟏𝟏 𝒂𝟏𝟐 𝒂𝟏𝟑 Recuerde que

𝒅𝒆𝒕 𝑨 = |𝑨| = |𝒂𝟐𝟏 𝒂𝟐𝟐 𝒂𝟐𝟑 | = 𝒂𝟏𝟏 𝑨𝟏𝟏 + 𝒂𝟏𝟐 𝑨𝟏𝟐 + 𝒂𝟏𝟑 𝑨𝟏𝟑
𝒂𝟑𝟏 𝒂𝟑𝟐 𝒂𝟑𝟑 −|𝑴𝒊𝒋 |, 𝒔𝒊 𝒊 + 𝒋 𝒆𝒔 𝒊𝒎𝒑𝒂𝒓
𝑨𝒊𝒋 = {
|𝑴𝒊𝒋 |, 𝒔𝒊 𝒊 + 𝒋 𝒆𝒔 𝒑𝒂𝒓
= 𝒂𝟏𝟏 |𝑴𝟏𝟏 | − 𝒂𝟏𝟐 |𝑴𝟏𝟐 | + 𝒂𝟏𝟑 |𝑴𝟏𝟑 |
𝒂𝟐𝟐 𝒂𝟐𝟑 𝒂𝟐𝟏 𝒂𝟐𝟑 𝒂𝟐𝟏 𝒂𝟐𝟐

= 𝒂𝟏𝟏 |𝒂 𝒂𝟑𝟑 | − 𝒂 𝟏𝟐 |𝒂𝟑𝟏 𝒂𝟑𝟑 | + 𝒂 𝟏𝟑 | 𝒂𝟑𝟏 𝒂𝟑𝟐 |
𝟑𝟐
Luego
𝒂𝟏𝟏 𝒂𝟏𝟐 𝒂𝟏𝟑
𝒂 𝒂𝟐𝟑 𝒂𝟐𝟏 𝒂𝟐𝟑 𝒂𝟐𝟏 𝒂𝟐𝟐
𝒅𝒆𝒕 𝑨 = |𝑨| = |𝒂𝟐𝟏 𝒂𝟐𝟐 𝒂𝟐𝟑 | = 𝒂𝟏𝟏 | 𝟐𝟐
𝒂𝟑𝟐 𝒂𝟑𝟑 | − 𝒂𝟏𝟐 |𝒂𝟑𝟏 𝒂𝟑𝟑 | + 𝒂𝟏𝟑 |𝒂𝟑𝟏 𝒂𝟑𝟐 |
𝒂𝟑𝟏 𝒂𝟑𝟐 𝒂𝟑𝟑
Ejemplo.
−𝟐 −𝟑 𝟏 −𝟓
Calcule el determinante de la matriz 𝑨 = ( 𝟓 𝟐 −𝟔 𝟒)
−𝟔 −𝟑 𝟕 𝟎
−𝟒 𝟐 −𝟒 𝟓
Solución.

−𝟐 −𝟑 𝟏 −𝟓
𝒅𝒆𝒕𝑨 = | 𝟓 𝟐 −𝟔 𝟒| = −𝟔𝑨 + (−𝟑)𝑨 + 𝟕𝑨 + 𝟎𝑨
𝟑𝟏 𝟑𝟐 𝟑𝟑 𝟑𝟒
−𝟔 −𝟑 𝟕 𝟎
−𝟒 𝟐 −𝟒 𝟓
Tarea: Terminar el cálculo del determinante inmediatamente anterior.

Sugerencia: calcule los cofactores y luego remplace dichos resultados y resuelva las operaciones indicadas
El factor (−𝟏)𝒊+𝒋 , presente en la definición de cofactor da origen a una ley de signos que se suele usar como atajo para calcular
determinantes de 𝒏 × 𝒏; para una matriz de 𝟓 × 𝟓, esta ley de signos corresponde al esquema siguiente:
+ − + − +
− + − + −
||+ − + − +||
− + − + −
+ − + − +


2.1. Matrices y Determinantes.v.6.

Cargado por

Información del documento

Descripción original:

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

2.1. Matrices y Determinantes.v.6.

Cargado por

Copyright:

Formatos disponibles

Curso: Algebra lineal. Tema: Matrices – operaciones.

𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒋 ⋯ 𝒂𝟏𝒏 𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒋 ⋯ 𝒂𝟏𝒏

donde 𝒂𝒊𝒋 ∈ ℝ (𝒊 = 𝟏, 𝟐, … , 𝒎; 𝒋 = 𝟏, 𝟐, … , 𝒏) representa el elemento que se encuentra ubicado en el 𝒊 − 𝒆𝒔𝒊𝒎𝒐 𝒓𝒆𝒏𝒈𝒍ó𝒏 y en la 𝒋 −

Ejemplo. 𝒂𝟐𝟑 representa el elemento ubicado en el segundo renglón y la tercera columna.

Observe que la matriz 𝑨 es una matriz de 𝟑 × 𝟑 , es decir 𝑨 ∈ 𝓜𝟑×𝟑 .

Algunos de sus elementos son: 𝒂𝟏𝟐 = −𝟏 , 𝒂𝟐𝟑 = 𝟎 y 𝒂𝟑𝟐 = 𝟑

+∶ 𝓜𝒎×𝒏 × 𝓜𝒎×𝒏 → 𝓜𝒎×𝒏

𝑨 + 𝑩 = (𝒂𝒊𝒋 ) + (𝒃𝒊𝒋 ) = (𝒂𝒊𝒋 + 𝒃𝒊𝒋 )

Autor: Carlos A. Rocha Tovar

Sean 𝑨 = (𝒂𝒊𝒋 ) , 𝑩 = (𝒃𝒊𝒋 ) y 𝑪 = (𝒄𝒊𝒋 )

En el espacio de las matrices de tamaño 𝒎 × 𝒏 , ∃ 𝟎 = (𝟎𝒊𝒋 ) : 𝑨+𝟎=𝟎+𝑨=𝑨

Autor: Carlos A. Rocha Tovar

∀ 𝑨 = (𝒂𝒊𝒋 ) , 𝑨 ≠ 𝟎 , ∃ − 𝑨 = (− 𝒂𝒊𝒋 ) / 𝑨 + (−𝑨) = (−𝑨) + 𝑨 = 𝟎

Nota aclaratoria: Observe que 𝟎 = (𝟎𝒊𝒋 )

Autor: Carlos A. Rocha Tovar

Donde 𝑨, 𝑩, 𝑿 ∈ 𝓜𝒎×𝒏 ; 𝑨, 𝑩 𝑑𝑎𝑑𝑎𝑠 𝑦 𝑿 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑖𝑛𝑐𝑜𝑔𝑛𝑖𝑡𝑎.

Autor: Carlos A. Rocha Tovar

Autor: Carlos A. Rocha Tovar

Multiplicación de una matriz por un escalar

Es decir, 𝜶𝑨 es la matriz de 𝒎 × 𝒏 cuyo 𝒊𝒋 − 𝒆𝒔𝒊𝒎𝒐 elemento está dado por 𝜶𝒂𝒊𝒋

Autor: Carlos A. Rocha Tovar

Autor: Carlos A. Rocha Tovar

Sean 𝑨 = (𝒂𝒊𝒋 ) , 𝑩 = (𝒃𝒊𝒋 ) y 𝜶, 𝜷 ∈ ℝ.

1. Primera ley distributiva

2. Segunda ley distributiva

En el espacio (𝓜𝒎×𝒏 , +, . ), se pueden resolver ecuaciones de la forma:

donde, 𝜶 ∈ {ℝ − {𝟎}} , 𝑨, 𝑩, 𝑿 ∈ 𝓜𝒎×𝒏 , 𝑨 y 𝑩 matrices dadas y 𝑿 es la matriz incógnita.

Autor: Carlos A. Rocha Tovar

Autor: Carlos A. Rocha Tovar

Tarea: Resolver por el método de Gauss Jordan el siguiente sistema de ecuaciones.

El espacio ℝ𝒏 es el conjunto formado por 𝒏 − 𝒖𝒑𝒍𝒂𝒔 ordenadas de números reales; es decir

Autor: Carlos A. Rocha Tovar

Autor: Carlos A. Rocha Tovar

Autor: Carlos A. Rocha Tovar

Producto escalar o producto punto entre vectores

Autor: Carlos A. Rocha Tovar

Tenemos que el valor a cancelar esta dado por

¡ Osea que, cuando un

Autor: Carlos A. Rocha Tovar

Producto de un vector renglon por un vector columna

Autor: Carlos A. Rocha Tovar

×∶ 𝓜𝒎×𝒏 × 𝓜𝒏×𝒑 → 𝓜𝒎×𝒑

𝟐 𝟏 −𝟏 −𝟑 𝒄 𝒄𝟏𝟐 𝒄𝟏𝟑 𝒄𝟏𝟒

Cálculo de los 𝒄𝒊𝒋

𝒄𝟏𝟏 = −𝟔 ; 𝒄𝟏𝟐 = 𝟕 ; 𝒄𝟏𝟑 = 𝟓 ; 𝒄𝟏𝟒 = 𝟑

Propiedades para la multiplicación de matrices.

El espacio 𝓜𝒏×𝒏 , consta de todas las matrices de tamaño 𝒏 × 𝒏 .

Ejemplos de espacios de 𝓜𝒎×𝒏 .

Autor: Carlos A. Rocha Tovar

Ejemplos de espacios de 𝓜𝒏×𝒏

𝒂𝟏𝟏 𝒂𝟏𝟐 𝒂𝟏𝟑

Algunas particularidades del espacio 𝓜𝒏×𝒏

Autor: Carlos A. Rocha Tovar

Sea 𝑨 = (𝒂𝒊𝒋 ) entonces 𝑨𝑰𝒏 = 𝑰𝒏 𝑨 = 𝑨

Autor: Carlos A. Rocha Tovar

Autor: Carlos A. Rocha Tovar

Autor: Carlos A. Rocha Tovar

La existencia de dicho elemento inverso nos permite resolver

Ósea que podemos extender el concepto de inverso multiplicativo que se

Autor: Carlos A. Rocha Tovar

Cálculo de la inversa de una matriz 𝑨 = (𝒂𝒊𝒋 )

Paso 1. Escribimos la matriz aumentada (𝑨|𝑰𝒏 )