UNIVERSIDAD NACIONAL DEL NORDESTE

FACULTAD DE INGENIERÍA

ÁLGEBRA Y GEOMETRÍA
Notas de Cátedra

Matrices y determinantes
Autoras: Prof. Noemí O. de Goicoechea y Prof. María R.
Gasparini.
Revisión y reedición: Prof. Claudia Beneyto

Facultad de Ingeniería –UNNE- Departamento de Matemáticas

 Facultad de Ingeniería –UNNE- Departamento de Matemáticas-Álgebra y Geometría

Matrices
El álgebra matricial es un tema de gran importancia en los cursos de matemática, estos conceptos
son básicos para el estudio de la física, la estadística, la economía, la ingeniería.
En las actividades cotidianas a veces es necesario disponer (para su mejor comprensión) un
conjunto de números en una formación rectangular, con filas y columnas.
Por ejemplo: un entrenador de básquetbol desea llevar un registro de la actuación de tres de sus
jugadores. Podemos considerar la siguiente disposición:
Partidos Goles Tiros
libresJugados
Jugador "A" 16 110 62
Jugador "B" 14 85 42
Jugador "C" 16 73 55

O simplemente el cuadro [ ] al que llamamos Matriz.

Matrices sobre un cuerpo K

Definición: Sea un cuerpo numérico conmutativo (K = Q, R  C) una expresión del tipo:

 a11 a12  a1n 

 
1  i  m
a
A   21
a 22  a 2n 
  
; A  aij donde 

   

m x n
1  j  n
a 
 a mn 
 m1 a m2

en la que figuran m x n números de K, colocados ordenadamente en m filas y n columnas, se llama

matriz de números de K con m filas y n columnas ( o matriz de clase m x n, o bien matriz m x n ).
Se trata de un ordenamiento rectangular de números.
aij significa el elemento situado en la i-ésima fila y en la j-ésima columna.

Ejemplo: a34 es el elemento de la tercera fila y la cuarta columna.

El conjunto de todas las matrices de clase m x n con coeficiente en K se anota A  Km x n
; si no
hay dudas respecto al cuerpo K se escribe Am x n.
3 2i 
 2 3 4  
Ejemplos: A    ; A  R2x3
B   4 3  4i  ; B  C3 x 2
5 1 7 i 5 

Tipos de matrices
El elemento a22 = 1 El elemento a22 = 3 + 4i

2
 Facultad de Ingeniería –UNNE- Departamento de Matemáticas-Álgebra y Geometría

Si m < n: horizontal
  
 
   
i) Si m  n  Am x n es rectangular
Si m > n: vertical
 
 
 
ii) Si m = n  An x n es cuadrada.

 a11 a12   a1n 

 
 a 21 a 22   a 2 n 
A       Siendo aij con i = j la diagonal principal
 
      
a 
 n1 a n 2   a nn 

iii) Si m = 1  n  1  A1 x n es la matriz fila .

. . .
.
 
.
iv) Si m  1  n = 1  Amx1 es la matriz columna  
.
 
.
 
v) Matriz escalonada:
a) Todas las filas no nulas (si las hay) preceden a las filas nulas.
b) En cada fila no nula, el número de ceros que precede al primer elemento distinto de cero
es mayor que el número de ceros de la fila anterior.

Ejemplo:
 a11 a12 a13 a14 
 
 0 a 22 a 23 a 24 
 0 = A4 x 4
0 0 a 34 
 
 0 0 
 0 0

Igualdad de matrices
Sean A, B  Km x n / A = (aij) m xn  B = (bij) m xn

A = B  aij = bij i, j c o n {

Ejemplo:

3
 Facultad de Ingeniería –UNNE- Departamento de Matemáticas-Álgebra y Geometría

Matriz traspuesta

Matriz traspuesta de A = ( aij )m x n es la matriz de elemento genérico aji de clase nxm. La denotamos
t
At A = ( aji ) n x m

( ) ( )

Matrices cuadradas particulares

a ij  0 si i  j
i) A  Kn x n es diagonal  
a ij  0 si i  j
 a ij  0 si i  j
ii) A  Kn x n es escalar  
a ij    0 , si i  j
 aij  0 si i  j
iii) I  Kn x n es unidad o identidad, de elemento genérico ai j '  
a ij  1 si i  j

Ejemplos:

Diagonal Escalar Unidad

3 0 0  5 0 0 1 0 0
     
A  0 4 0 B   0 5 0 I  0 1 0
0 0 2   0 0 5 0 1 
    0

iv) A  Kn x n es triangular
 a11 a12 a13   a11 0 0 
   
Superior  aij = 0  i  j  0 a 22 a 23  Inferior  aij = 0  i < j  a 21 a 22 0 
 0 a 33  a a 33 
 0  31 a 32

Matriz simétrica
Una matriz cuadrada es simétrica si y solo si es igual a su traspuesta.

Matriz antisimétrica
A  Knxn es antisimétrica  -A = AT
(aij = -aji ; como aii = -aii los elementos de la diagonal principal son ceros)
4
 Facultad de Ingeniería –UNNE- Departamento de Matemáticas-Álgebra y Geometría

[ ] [ ]

Si A es antisimétrica verifica que A – At es antisimétrica.


Álgebra Matricial
Definimos las operaciones con matrices y sus propiedades y estructuras.
Suma: La suma de matrices está definida sólo para matrices de la misma clase.
Definición: Sean A, B  Km x n ; A = ( aij )m x n B = ( bij )m x n
A + B = ( aij + bij )m x n  A + B  Km x n 
Entonces la suma de matrices pertenecientes a Km x n es una operación binaria o ley interna
cerrada o simplemente verifica la ley de cierre.

Ejemplo:

 2 3  4  3  2  4 3  (3)   6 0 
       
A   4 5 , B  5 4   A  B   4  5 5  4   9 9 
 6 7 6 5    6  6 7  5   0 12 
       

Propiedades

Asociativa:  A, B, C  Km x n: (A + B) + C = A + (B + C)

Conmutativa:  A, B  Km x n: A + B = B + A

Existencia de neutro:  N  Km x n /  A  Km x n A + N = A / N [ 0 ]m x n es decir aij = 0 i j

Existencia de opuesto:  A  Km x n  - A  Km x n : A + (-A) = [ 0 ]m x n ,

Si A = [ aij ]mxn -A = [-aij ]mxn

 ( Km x n , + ) es un Grupo Abeliano

Producto de una matriz por un escalar

Dada la matriz A  Km x n y el escalar   K definimos la operación externa de
productode una matriz por un escalar, como la matriz  A  Km x n :
 A =  [aij] mxn = [ aij]mxn (se multiplican todos los elementos de la matriz por el escalar).
Ejemplo:
 1 3   2.1 2.3   2 6 
2        
 5 4   2.3 2.4   10 8 
5
 Facultad de Ingeniería –UNNE- Departamento de Matemáticas-Álgebra y Geometría

Propiedades:
1)  (A+B) =  A +  B el producto es distributivo respecto a la suma de matrices.
2) (1 + 2) A = 1 A + 2A el producto es distributivo respecto a la suma de
escalares.
3) 1 (2 A) = (1 2) A Asociatividad para escalares.
4) 1. A = A el neutro de un producto es 1  R
 (Kmxn, +, K, . ) es un Espacio Vectorial.

Llamamos indistintamente:
- matriz o vector fila: (a11 ... a1 n )  R1 x n
 a11 
 
    R
mx1
- matriz o vector columna:
a 
 m1 
Resulta que en una matriz de clase m x n

 a11 a12  a1n 

 
 a 21 a 22  a 2n 
 ..................................   Rm x n
 
 a m1 a m 2  a mn 
 
 
Cada fila es un vector perteneciente a R1 x n (es decir cada vector tiene n componentes) como
son m filas hay m vectores filas con n componentes. Análogamente cada columna es un vector
perteneciente a Rm x 1 (es decir cada vector columna tiene m componentes) como son n columnas
hay n vectores columna con m componentes.

Ejemplo:
 2 3 4
A    dos vectores fila de 3 componentes: (2, 3, 4) y (5, 6, 7)
5 6 7
 2  3  4
O tres vectores columna de dos componentes   ,   ,   .
 5  6 7

Producto de matrices

Dos matrices son conformes o conformables cuando el número de columnas de la primera es

igual al número de filas de la segunda.
Sean: A  Km x p de elemento genérico aik  A = [ai k]m x p
y B  Kp x n de elemento genérico bkj  B = [bk j ]p x n
 Am x p y Bpx n son conformes.
El producto de matrices está definido sólo para matrices conformes. Las matricescuadradas del
mismo orden son conformes.
6
 Facultad de Ingeniería –UNNE- Departamento de Matemáticas-Álgebra y Geometría

Definición: Sean las matrices conformes Am x p y Bp x n , se llama producto de A por B, en ese

orden a la matriz:

Resulta útil el siguiente esquema:

A.B b11 b12  blj  bln
b21 b22  b2 j  b2n
   
bp1 b p2  b pj  b pn

a11 a12  a1p c11 c12  c1 j  cln

a21 a22  a2 p c21 c22  c2 j  c2n

ai1 ai2  aip    cij
am1 am2  amp cm1 cm2  cmj  cmn

p
Cada cij  ai1b1 j  ai2b2 j  ...  aipb pj   aikbkj
k 1

Observamos que el 1º subíndice de a está en correspondencia con el 1º subíndice de c y el 2º

subíndice de b está en correspondencia con el 2º subíndice de c.
El segundo subíndice de a es igual en cada término al primero de b, variando de 1 a p
p
C25 = a21 b15 + a22 b25 + .... + a2p bp5 =  a 2k b k5
k1

El producto en Kmxn (matrices rectangulares) no está definido. Pero el producto de matrices

cuadradas de la misma clase sí lo está.

 A, B  Knxn: A. B  Knxn (matrices cuadradas de la misma clase) el producto es ley de

composición interna cerrada y verifica las siguientes propiedades:

-Propiedad Asociativa: , A, B, C  Knxn : ( A . B) . C = A . (B . C)

-El producto de matrices, en general no es conmutativo: si bien A . B  Knxn y B . A  Knxn en

general A . B  B . A

7
 Facultad de Ingeniería –UNNE- Departamento de Matemáticas-Álgebra y Geometría

Ejemplo: 𝑆𝑒𝑎𝑛 𝐴 ( ) 𝑦𝐵


-Existencia de elemento neutro

 I  Knxn /  A  Knxn A . I = I . A = A . I = [ai j ]nxn Inxn es el elemento neutro del producto

a ij  0 i  j
si I es la matriz unidad I = [ aij ]nxn 
a ij  1 i  j

- No toda matriz cuadrada admite inverso multiplicativo.

-Entre las matrices cuadradas existen divisores de cero, es decir existen matrices no nulas cuyo producto
es la matriz nula.

Propiedades de la matriz traspuesta:

a)
b)
c)
d)

Partición de matrices
Una matriz puede ser particionada en submatrices o bloques. El esquema de partición que
utilizaremos con frecuencia es el de matriz particionada en columnas:

 a11 a12  a ln 

 
a a 22  a 2n 
A   21 = (A1 A2 --- An)
   
 
a    a mn 
 m1 a n 2

 a11   a12   a ln 
     
 a 21   a22   a 2n 
Donde A1 =  ; A2 =  - - - An =
      
     
a  a  a 
 m1   m2   mn 

En forma análoga podemos particionar la matriz A en filas

8
 Facultad de Ingeniería –UNNE- Departamento de Matemáticas-Álgebra y Geometría

 A1' 
 
 A '2 
A=   donde A1' = (a11 - - - aln ) ; - - - , Am' = (am1 - - - amn)
  
 A' 
 m

Determinantes

Sean K es un cuerpo conmutativo y K n x n el conjunto de matrices cuadradas de orden n con

coeficientes en K. Sea A una matriz particionada en columnas, es decir:
 a11   a ln 
 a11  a ln     
   a 21   a 2n 
A   = (A1 A2 . . . An) donde: A1 =    . . . . . An =   
a     
 n1  a nn  a  a 
 n1   nn 
Determinante es toda función que asigna a cada matriz de clase nxn un escalar llamado
determinante de la matriz y que verifica los axiomas dados m{as
D: K n x n K

A D D (A) = A

La notación A= (A1 A2 ...... An) D (A1 A2 ........An) indica que la función D es

función de las n columnas de A.
Definición:
Una función de los vectores columna de la matriz Anxn se llama determinante si satisface los
siguientes axiomas:
Ax1: D (A1 .... A’j + A”j ..... An) = D (A1 .... A’j .... An) + D (A1 .... A”j .... An)
1 3 1 4
   2  6  (1  8)  4  7  11
1 3 4 2 2 2 1
Ax1 : 
2 2 1 1 7
  3  14  11
2 3

Ax2: D (A1 ....Aj ....An ) = .D ( A1 .... Aj .... An )

1 5
2  2.(3  10)  14
1 2.5 2 3
Ax2 : 
2 2.3 1 10
  6  20  14
2 6
Ax3 : D (A1 .... Aj .... Ak .... An ) = - D.(A1 .... Ak .... Aj .... An )

9
 Facultad de Ingeniería –UNNE- Departamento de Matemáticas-Álgebra y Geometría

1 3
3 1   (4  6)  (2)  2
Ax3 :  2 4
4 2
64 2

Ax4 : El determinante de la matriz identidad vale uno .

1 0  0
 
0 1  0
D = 1  D (e1 e2 ------ en) = 1 (base canónica)
   
 
0 0  1
 

1 0
Ax4 :  1 0  1
0 1
Nota: Ax1 y Ax2 indican que la función es multilineal (lineal para cada columna)
Ax3 indica que la función es alternada.

Propiedades que se deducen de los axiomas

P1 : Si dos columnas son iguales el determinante vale cero.

1 1
P1:  22  0
2 2

P2: Si una columna es nula el determinante es nulo.

o
 
 o
Se entiende aquí que una columna es el vector nulo 0   

 
o
 
1 0
P2:  00  0
2 0

P3 : El determinante no varía si a una columna se le suma una combinación lineal de las restantes.
1 3 3 3 1 3
 5   5.0  4  6  2
1 3 1  5.3 3 2 4 4 4 2 4
P3:  
2 4 2  5.4 4 16 3
  64  66  2
22 4
P4 : Si los vectores columnas son linealmente dependientes el determinante es nulo.

5.2 2 2 2
10 2  5.  5.0  0
P4:  5.3 3 3 3
15 3
30  30  0

10
 Facultad de Ingeniería –UNNE- Departamento de Matemáticas-Álgebra y Geometría

Definimos un determinante como una función que asigna a una matriz cuadrada un número
llamado determinante de la matriz.
a11 a12  a1n
a 21 a 22  a 2 n

a n1 a n 2  a nn

Resulta que cada fila es un vector de n componentes (se tienen m vectores filas de n
componentes), análogamente para vectores columnas.
Un determinante vale cero cuando existe entre sus vectores fila una combinación lineal, es decir
dichos vectores son linealmente dependientes. Esto vale también para vectores columna.
Si por el contrario el determinante no vale cero no existe combinación lineal entre sus vectores
filas por lo tanto dichos vectores son, linealmente independientes. Ídem para vectores columna.

Cálculo del determinante de tercer orden: Regla de Sarrus

La Regla de Sarrus consiste en repetir las dos primeras filas, sumar los productos de la diagonal
principal y sus paralelas y restar los productos de la diagonal secundaria y sus paralelas.

a11 a12 a13 a11.a 22 .a 33  a 21.a 32 .a13 

D( A)  a 21 a 22 a 23   a 31.a12 .a 23  a 31.a 22 .a13 
a 31 a 32 a 33  a11.a 32 .a 23  a 21.a12 .a 33
a11 a12 a13
a 21 a 22 a 23
Si repetimos las dos primeras columnas en vez de las dos primeras filas, se llega al mismo
resultado final.
La Regla de Sarrus vale sólo para un determinante de orden tres.

Propiedad 5: El determinante de una matriz es igual al determinante de su matriz traspuesta.

A  At
Ejemplo:
2 1 0
A  1 1 1  8  3  0  0  4  4  11  8  3
3 2 4
2 1 3
At  1 1 2  8  0  3  0  4  4  11  8  3
0 1 4
Esta propiedad nos conduce al siguiente enunciado:
Cada propiedad enunciada para columnas de un determinante da una propiedad análoga para filas.

11
 Facultad de Ingeniería –UNNE- Departamento de Matemáticas-Álgebra y Geometría

Propiedad 6 : Si A , B ,  Kn x n : D (A.B) = D(A).D(B).

Menor complementario del elemento aij

 a11 a12   a1 j   a1n 

 
 a21 a22   a2 j   a2 n 
Sea A = (aij)n x n      
A 
 ai1 ai 2   aij   ain 
     
 
a   anj   ann 
 n1 a n 2
Para cada elemento aij se define el menor complementario del elemento a ij como el determinante de
la matriz de orden n-1 que se obtiene de A suprimiendo la fila i y la columna j. Lo designamos M ij.

Adjunto o Cofactor del elemento aij

Si Mij es el menor complementario del elemento a ij, el producto (-1) i+j Mij recibe el nombre de
adjunto o cofactor del elemento aij. Lo designamos Aij.
 si i  j es par : A ij  M ij
Aij  (1) i  j .M ij donde 
si i  j es impar : A ij  - M ij
Ejemplo:
 a11 a12 a13 
 
Sea A   a 21 a 22 a 23 
a a 33 
 31 a 32

a12 a13
M 31   A31 ya que i  j  3  1  4 ( par )
a22 a23

a11 a12
M 23   A23   M 23 ya que i  j  2  3  5 ( impar )
a31 a32

Propiedad 7:

Si en un determinante A el único elemento no nulo de la primera columna es a 11 ,

Entonces: A  a11.M11  a11. A11

2 3 4
1 1
A  0 1 1 = 2.1.3 - 2.5.1 = 2 (1.3-5.1) = 2 
5 3
Ejemplo:
0 5 3 

12
 Facultad de Ingeniería –UNNE- Departamento de Matemáticas-Álgebra y Geometría

Consecuencia
El determinante de una matriz triangular es igual al producto de los elementos de la diagonal
principal. En efecto, aplicando reiteradamente la propiedad 7 se tiene:

5 2 4 2
3 1 6
0 3 1 6 1 7
A  =5 0 1 7 = 5.3 = 5.3.1.2
0 0 1 7 0 2
0 0 2
0 0 0 2

Hallamos el valor de un determinante  de cualquier orden aplicando propiedades; dado  lo

podemos llevar a la forma ’ y también a ” aplicando propiedades.

a11 a12 ......... a ln a11 a12  a1n a11 a12  a1n

a a 22 .......... a 2n 0 a 22  a 2 n 0 a 22  a 2n
 = 21 ’ = ’’ =
       
a n1 a n2 .......... a nn 0 a n 2  a nn 0 0  a nn

’ = a11.A11 ’’ = a11.a22....ann

Cálculo de un determinante aplicando procedimiento Gaussiano (Gauss)

Utilizamos las siguientes propiedades:
- Si a una fila la multiplicamos por un número el determinante queda multiplicado por dicho
número.
 f1   f1 
   
     
  det  f i   det  i f i   i  (Significa que a la fila i la multiplicamos por i)
   
     
 f n   f 
  n 
- Si a una fila le sumamos otra multiplicada por un número el determinante no se altera.
 f1   f1 
   
     
  det  fi  det  fi
  1. f1 
(Significa que sumamos a la fila i la primera fila
   
      multiplicada por 1).
   
 fn   fn 

13
 Facultad de Ingeniería –UNNE- Departamento de Matemáticas-Álgebra y Geometría

 f1   f 
   
     
'
-Combinando las dos propiedades:   det f i  '  det  i f i  1 f1    i .   
  
    i
     
f   
 n  fn 
Veamos en un ejemplo como aplicar estas propiedades para obtener el valor del determinante.
3 1 4
Sea:   2 5 2
4 2 1

Aplicamos Gauss y observamos que cada vez que modificamos una fila se altera el valor del
determinante
3 1 4
f1 (fila 1)
2 5 2
f2 (fila 2)
4 2 1 f3 (fila 3)
No se modifica la 1rs fila
3 1 4
Modificamos la segunda fila: 3 f 2 –2f1, el sustraendo
no modifica el valor del determinante pero la fila dos
3.2-2.3 3.5-2.1 3.2-2.4 está multiplicada por 3, entonces el determinante
queda multiplicado por 3

En forma análoga modificamos la tercer fila: 3f3 –

4f1, con lo que el determinante queda multiplicado
3.4 - 4.3 3.2 - 4.1 3.1 - 4.4 por 3 .

Esto es equivalente a:

3 1 4
3 3 3 1 3 4
2 2 2 5 2 2

3 3 3 1 3 4
4 4 4 2 4 1 Resolviendo los determinantes

Resolviendo los determinantes

3 1 4
0 13 -2
0 2 -13
3 1 4
'
Llamamos '  0 13  2  quedó multiplicado por 3.3 se deduce  
3.3
0 2  13

14
 Facultad de Ingeniería –UNNE- Departamento de Matemáticas-Álgebra y Geometría

Seguimos con el procedimiento

3 1 4
0 13 -2
0 2 -13
3 1 4
0 13 -2
13 13 13 2 Se modifica la 3ra fila 13f3 – 2f2, el
0 determinante queda multiplicado por 13
2 2 2  13

3 1 4
0 13 -2
0 0 -165

3 1 4
Llamamos a este determinante "  0 13  2
0 0  165

Su valor es el producto de los elementos de la diagonal principal: " = 3. 13 (-165)

3 .13 (165)
Como " queda multiplicado por 3. 3. 13, resulta    55
3.3.13
Conclusión:
Dado un determinante, aplicamos Gauss hasta obtener el determinante de una matriz triangular. El
valor del determinante dado es igual al determinante de la matriz triangular dividido por los pivotes,
ellos aparecen tantas veces como el número de ceros obtenido debajo de los mismos.
5 2 3
Ejemplo:  1 0 4 = 0 + 16+9 -0 -60 -10 = 25 -70 = -45 (aplicando Sarrus)
2 3 5
5 2 3
 2 17 5.(225)
'  0  2 17  5  5. (-38 - 187) = 5. (-225)   =  45
11 19 5.5
0 11 19
5 2 3
5.(2).(225)
' '  0  2 17  5. ( 2 ).( 225 )    45
5.5.(2)
0 0  225

Nota: Vale para un determinante de cualquier orden.

15
 Facultad de Ingeniería –UNNE- Departamento de Matemáticas-Álgebra y Geometría

Propiedad 8:
Si en un determinante  A el único elemento no nulo de la j- ésima columna es aij entonces:

 A = (- 1) i + j .aij.Mij = aij.Aij

1 4 0
1 4
A  2 5 7  7(1)  7(6  12)  7(6)  42
3 6
3 6 0

Desarrollo de un determinante por los elementos de una línea

2 4 0 2 400 0 2 4 0 2 0 0 2 0 0
5 1 3  5 0  1  0 3  5 0 3  5 1 3  5 0 3 = 4.A12 + 1.A22 + 2.A32
3 2 1 3 002 1 3 0 1 3 0 1 3 2 1

Es el desarrollo por los elementos de la segunda columna.

Generalizando
n
A  a1 j . A1 j  a 2 j . A2 j      a nj . Anj   aij . Aij Desarrollando por los elementos
i 1
de la j-ésima columna

n
A  ai1 . Ai1  ai 2 . Ai 2      ain . Ain   aij . Aij desarrollando por los elementos
j 1 de la i-ésima fila.

Ejemplos: Desarrollamos por la primera fila:

1 2 3
5 1 4 1 4 5
4 5 1  1.  2.  3. = 1. (10 - 1) - 2. (8 - 2) + 3. (4 - 10) = -21
1 2 2 2 2 1
2 1 2

Desarrollamos por la primera columna:

1 2 3
5 1 2 3 2 3
4 5 1  1.  4.  2. = 1. (10 - 1) - 4. (4 - 3) + 2. (2 - 15) = -21
1 2 1 2 5 1
2 1 2

Propiedad 9:
En todo determinante  A la suma de los productos de los elementos de una línea por los adjuntos
de una paralela es nula.

a11 a12 a13

3
Si A  a21 a22 a23 y desarrollamos por la segunda columna   ai 2 Ai1  0
i 1
a31 a32 a33

16
 Facultad de Ingeniería –UNNE- Departamento de Matemáticas-Álgebra y Geometría

Que es la suma de los productos de los elementos de la segunda columna por los adjuntos de la
primera.

Matriz Adjunta
Definición: Dada una matriz A cuadrada, se llama adjunta de A (notada Adj A) a la matriz que se
obtiene reemplazando cada elemento de la traspuesta de A (At) por su adjunto.

 a11 a12  a ln   A11 A21  An1 

   
a a 22  a 2 n   A12 A22  An 2 
A =  21   Adj A =  
    
   
a a n 2  a nn  A A2 n  Ann 
 n1  ln

Observamos que los subíndices de la adjunta coinciden con los de la traspuesta.

T
 A11 A12  Aln 
 
 A21 A22  A2n 
O también: Adj A =  

 
A An 2  Ann 
 n1
Esta última expresión nos dice que para obtener la adjunta puede reemplazarse cada elemento de A
por su adjunto y luego trasponer esta matriz.

Ejemplo:
T
 1 0 2 0 2 1 
  
 2 1 3 1 3 2  T
1 0 1  0  1 2 1 
  1 1 1 1 0  
A   2 1 0 , Adj A =       2  2  2   o bien
 3 2 1  2 1 3 1 3 2 1 2
   0  1 
1 1 1 1 0 
  
 1 0 2 0 2 1 

 1 2 0 2 0 1
  
 0 1 1 1 1 0
1 2 3    1 2  1
     
AT   0 1 2  , Adj. A =  2 3 1 3 1 2  =  2 2 2  
1 0 1  
1 0   1  2 1 
   0 1 1 1 
 
 
 2 3 1 3 1 2
 
 1 2 0 2 0 1 

 1 2  1
 
 Y  son idénticas Adj. A =   2  2 2 
 1 2 1


17
 Facultad de Ingeniería –UNNE- Departamento de Matemáticas-Álgebra y Geometría

Propiedad:  A  Kn x n: A. Adj. A = A . I siendo I la matriz identidad

En efecto, aplicando: Producto de matrices; definición de matriz adjunta; desarrollo de un

determinante por los elementos de una línea; y la propiedad de los determinantes;
“La suma de los productos de los elementos de una línea por los adjuntos de una paralela es
cero”.
n
O sea  aik Aij  0
i 1
A11 A 21  A n1
A12 A 22  A n 2
  
A ln A 2 n  A nn

A. Adj A = a11 a12  a ln A 0  0

a 21 a 22  a 2 n 0 A  0
     
a n1 a n 2  a nn 0 0  A

A 0 .... 0 1 0 .... 0
   
0 A .... 0 0 1 .... 0
 A . adjA     A   A I

  .... 
   .... 
 
0 A  0 1 
 0 ....  0 ....
Ejemplo:
1 0 1  1 2  1
   
A   2 1 0 , A  2 , adj A    2  2 2 
 3 2 1  1 2 1 
   

 2 0 0  1 0 0
   
A . adj A   0 2 0   2  0 1 0  = A I
 0 0 2  0 0 1
   

Matriz inversa
Definición:
A  K n x n es regular, inversible o no singular si y solo si existe una matriz de la misma clase
(Notada A-1 ) tal que pre o post multiplicada por A da por resultado la matriz identidad.

 regular

A es  inversible   A -1 / A.A -1  A -1 .A  I A-1 es la inversa de A
no singular


18
 Facultad de Ingeniería –UNNE- Departamento de Matemáticas-Álgebra y Geometría

Propiedad: La inversa es única.

Condición de existencia:

La condición necesaria y suficiente para que una matriz cuadrada sea regular es que su determinante
sea distinto de cero.

A  K n x n es regular ó inversible   A   0

Cálculo de la inversa utilizando la adjunta

Por propiedad de la adjunta: A. Adj A = A I

Adj A
 A.  I Por definición de inversa: A. A-1= I Como la inversa es única:
A

Adj A
 A-1 = (fórmula para calcular la inversa a partir de la adjunta)
A

Del ejemplo anterior:

 1 0 1  1 2  1 1 1 
     2 1 2
A   2 1 0 , A  2  0 , adjA    2  2 2   A 1    1  1 1 
 3 2 1  1 2 1   1 
    1 1 
 2 2
1 1 1
2 2
1 1 1
1 1 1
Verificamos que A. A-1= I A. A1  2 2
1 0 1 1 0 0
2 1 0 0 1 0
3 2 1 0 0 1

Rango de una Matriz



1 esta definido D

Vimos que si D  K n x n  2 D  D T

3 D  0  l  d
 nos dice que las líneas son 
4 D  0 l  i

19
 Facultad de Ingeniería –UNNE- Departamento de Matemáticas-Álgebra y Geometría

Definición: Sea A  Kmxn. Se llama rango de la matriz A (notado r (A)) al orden, del determinante
de mayor orden, no nulo, extraído de la matriz A.

Entonces, si D es el determinante de mayor orden extraído de A  Knxm tal que D  0 resulta

por 4 que : El rango de la matriz es el máximo número de líneas (filas o columnas) linealmente
independientes.
m  n  r (A)  m  n
Si m  n puede ser
n  m  r (A)  n  m
Si m = n  r (A)  m = n

Operaciones o transformaciones elementales con filas o columnas

Son las siguientes:

a) Intercambiar la fila i con la fila j

b) Reemplazar la fila j por con   0

c) Reemplazar la fila j por

Estas operaciones no alteran las dimensiones de una matriz y tampoco varían su rango (ya que no
alteran la nulidad de su determinante). Mediante las mismas es posible escalonar una matriz
rectangular A o triangular una matriz cuadrada A obteniéndose otra matriz de la misma clase y de
igual rango B.
El procedimiento gaussiano es un método conveniente para realizar tales operaciones.
Se dice que A y B son matrices equivalentes (notado A   B) si una puede obtenerse de la otra
mediante transformaciones elementales; resultando A y B de igual dimensión y rango.
Ejemplo:
1 2 3 4 5
2 3 4 5 6 =A
3 4 5 6 7
4 5 6 7 8

1 2 3 4 5
f2 -2f1 0 -1 -2 -3 -4 = B1
3 - 31 0 -2 -4 -6 -8
4 - 41 0 -3 -6 -9 -12

1 2 3 4 5
0 -1 -2 -3 -4 = B2
0 0 0 0 0
0 0 0 0 0

A, B1, B2  K4x4
 A   B1   B2 (son equivalentes) 
r (A) = r (B1) = r (B2) = 2

20