UNIVERSIDAD NACIONAL DE EDUCACIÓN

Enrique Guzmán y Valle

Alma Mater del Magisterio Nacional

FACULTAD DE TECNOLOGÍA

Escuela Profesional de Telecomunicaciones e Informática

Propiedades y Métodos para Matrices Cuadradas de

Segundo y Tercer Orden
MONOGRAFÍA

AUTORES:

Chávez Plaza Julio

Landa Cahuana Flor
Laura Limache Ángel
Peña Atao Sergio
Salazar Gonzales Jefferson

DOCENTE

Mg. Ruth Ccanto Curo

LIMA – PERÚ

2023
Dedicatoria:

A la profesora Ruth Ccanto Curo, por su

valiosa guía y enseñanza durante la elaboración de

esta monografía. Su conocimiento y experiencia

han sido fundamentales para el éxito de este

trabajo.
 Índice
Capítulo I. Transpuesta de una matriz ........................................................................................5
1.1 Ejemplos ...............................................................................................................................6
Capítulo II. La inversa de una matriz .........................................................................................7
2.1 Matriz cuadrada ....................................................................................................................7
Capítulo III. Determinante de una Matriz ..................................................................................9
3.1 Además, existen tipos de Matrices .......................................................................................10
3.1.1 Determinante de una matriz de segundo orden .................................................................10
3.1.2 Determinante de una matriz de tercer orden .....................................................................10
3.1.3 Determinante de una matriz de orden superior .................................................................11
3.2 Submatriz complementaria y menor complementario ..........................................................12
3.3 Adjunto y matriz adjunta ......................................................................................................12
3.4 Propiedades de Matrices .......................................................................................................12
3.4.1 Determinante de una matriz y su transpuesta ....................................................................12
3.4.2 Determinante del producto de dos matrices ......................................................................12
3.4.3 Determinante y matriz invertible .......................................................................................13
3.4.4 Determinante y operaciones de fila ...................................................................................13
3.5 Aplicaciones del determinante .............................................................................................13
3.5.1 Geometría ..........................................................................................................................13
3.5.2 Física .................................................................................................................................14
3.5.3 Análisis de estabilidad .......................................................................................................14
Capítulo IV. Métodos para Calcular la Determinante ................................................................15
4.1 Por el Método de Eliminación de Gauss ..............................................................................15
4.1.1 Método de Eliminación de Gauss en Sistemas de Ecuaciones Lineales ...........................15
4.1.2 Operaciones Fundamentales ..............................................................................................15
4.1.3 Resolución y Retorno al Sistema Original ........................................................................16
4.2 Por el Teorema de Laplace ...................................................................................................17
4.3 Regla de Laplace ..................................................................................................................18
4.3.1 Cálculo del Determinante ..................................................................................................18
Capitulo V. Propiedades de las matrices ....................................................................................19
5.1 Concepto de matriz ...............................................................................................................20
5.2 Tipos de matrices ..................................................................................................................21
5.3 Propiedades de la matriz traspuesta ......................................................................................22
5.4 Producto de matrices ............................................................................................................23
5.5 Propiedades del producto de matrices Asociativa ................................................................23
Capitulo VI. Regla de Cramer ....................................................................................................24
6.1 Caso 1.- Igual N° de ecuaciones que incógnitas (SCD) .......................................................26
6.2 Caso 2.- Mas ecuaciones que incógnitas ..............................................................................26
6.3 Caso 3.- Sistema compatible indeterminado ........................................................................28
Conclusión ..................................................................................................................................30
Referencias bibliográficas ..........................................................................................................31
 Introducción:

La transposición de matrices, la inversa de matrices y la Regla de Cramer son

conceptos fundamentales en álgebra lineal, con aplicaciones clave en diversas disciplinas. La

transposición, representada por "^T", intercambia filas por columnas y es esencial para

cálculos en determinantes, sistemas lineales y diagonalización de matrices.

La inversa de una matriz cuadrada, denotada como A^-1, desempeña un papel crucial.

Su existencia depende del determinante de la matriz original; si es distinto de cero, la matriz

es invertible. El determinante, una operación específica para matrices cuadradas, tiene

aplicaciones en geometría y resolución de sistemas lineales.

Métodos como el de Eliminación de Gauss y la Regla de Laplace son vitales en la

resolución de sistemas lineales tridimensionales y el cálculo de determinantes. Estos métodos

ofrecen estrategias para simplificar cálculos y revelar información esencial sobre las matrices.

Las matrices, representaciones rectangulares de datos, tienen amplias aplicaciones en

química, ingeniería y educación. La Regla de Cramer, que aborda sistemas lineales con igual

número de ecuaciones e incógnitas, se destaca como una herramienta para encontrar

soluciones mediante determinantes, abordando casos específicos.

 Capítulo I

Transpuesta de una matriz

La transposición de una matriz es una operación que se realiza intercambiando las

filas por las columnas (o viceversa). Esta operación se aplica a matrices de cualquier orden y

se denota mediante el símbolo "^T".

Dado una matriz A de tamaño m x n, su transpuesta A^T es una matriz de tamaño n x

m. Para obtener la transpuesta, cada elemento en la posición (i, j) de la matriz original se

coloca en la posición (j, i) de la matriz transpuesta.

Por ejemplo, si tenemos la matriz A = [a11 a12 a13; a21 a22 a23], su transpuesta A^T

sería [a11 a21; a12 a22; a13 a23]. Observa cómo las filas de la matriz original se convierten

en columnas en la matriz transpuesta.

La operación de transposición se realiza elemento por elemento. Si el elemento en la

posición (i, j) de la matriz A es a_ij, entonces el elemento correspondiente en la posición (j, i)

de la matriz transpuesta A^T será a_ji.

En el caso de una matriz cuadrada, es decir, una matriz donde el número de filas es

igual al número de columnas (m = n), la transposición simplemente intercambia los

elementos diagonales. Por ejemplo, si tenemos la matriz A = [a11 a12; a21 a22], su

transpuesta A^T sería [a11 a21; a12 a22]. Los elementos diagonales se mantienen en su

lugar, mientras que los elementos fuera de la diagonal principal se intercambian.

La operación de transposición es útil en diversas áreas de las matemáticas y las

ciencias. Algunas aplicaciones incluyen el cálculo de determinantes, la solución de sistemas

de ecuaciones lineales, la diagonalización de matrices y el estudio de simetrías en geometría.

(Pérez, 2000)

1.1 Ejemplos:
 Capítulo II

La inversa de una matriz

Es una operación fundamental en el ámbito de las matemáticas y la teoría de

matrices. La inversa de una matriz cuadrada A se denota como A^-1 y tiene la propiedad de

que cuando se multiplica por la matriz original A, se obtiene la matriz identidad.

2.1 Matriz cuadrada

La matriz identidad es una matriz cuadrada especial que tiene 1s en la diagonal

principal y 0s en todas las demás posiciones. Por ejemplo, la matriz identidad de tamaño 2x2

es:

[1 0]

[0 1]

Para determinar si una matriz A tiene una inversa, se debe calcular su determinante. El

determinante de una matriz cuadrada A se denota como det(A). Si el determinante es

diferente de cero (det(A) ≠ 0), entonces la matriz A es invertible y tiene una inversa. Si el

determinante es igual a cero (det(A) = 0), la matriz A no tiene inversa.

 La fórmula general para calcular la inversa de una matriz A de tamaño n x n es:

A^-1 = (1/det(A)) * adj(A)

Donde det(A) es el determinante de A y adj(A) es la matriz adjunta de A.

La matriz adjunta de A, denotada como adj(A), se obtiene al tomar la matriz de los

cofactores de A y luego transponerla. Cada elemento de la matriz adjunta está dado por el

cofactor correspondiente multiplicado por (-1)^(i+j), donde i y j son las filas y columnas

respectivas del elemento.

Para una matriz de segundo orden A = [a b; c d], su inversa A^-1 se calcula de la

siguiente manera:

A^-1 = (1/(ad-bc)) * [d -b; -c a]

Donde ad-bc es el determinante de la matriz A.

 Capítulo III

Determinante de una Matriz:

El determinante es una operación especial que solo se puede realizar en matrices

cuadradas (es decir, matrices con el mismo número de filas y columnas). El determinante de

una matriz proporciona información importante sobre la matriz y tiene muchas aplicaciones

en áreas como la geometría, la física y la resolución de sistemas de ecuaciones lineales.

Para una matriz de 2x2, el determinante es bastante simple de calcular. Si tienes una

matriz A = [a b; c d], el determinante (denotado como det(A) o |A|) se calcula como ad - bc.

Para una matriz de 3x3, el cálculo es un poco más complicado y generalmente se

utiliza la regla de Sarrus. Si tienes una matriz A = [a b c; d e f; g h i], el determinante se

calcula como aei + bfg + cdh - ceg - bdi - afh.

El determinante tiene varias propiedades importantes. Por ejemplo, el determinante de

una matriz es igual al determinante de su transpuesta, y el determinante de dos matrices

multiplicadas es igual al producto de sus determinantes. Además, una matriz es invertible (es

decir, tiene una matriz inversa) si y solo si su determinante no es cero.

3.1 Además, existen tipos de Matrices:

3.1.1 Determinante de una matriz de segundo orden:

 Para una matriz de 3x3, el cálculo es un poco más complicado y generalmente se

utiliza la regla de Sarrus. Si tienes una matriz A = [a b c; d e f; g h i], el determinante se

calcula como aei + bfg + cdh - ceg - bdi - afh. Este es un proceso de sumar y restar los

productos de las diagonales de la matriz. La interpretación geométrica del determinante en

este caso es el volumen del paralelepípedo formado por los vectores correspondientes a las

filas (o columnas) de la matriz.

Supongamos que tienes la siguiente matriz de 2x2:

A = [4 3;2 1]

El determinante de esta matriz se calcula como:

Det´(A) = ad - bc

Donde a, b, c y d son los elementos de la matriz A. En este caso, a = 4, b = 3, c = 2 y d

1. Entonces, sustituyendo estos valores en la fórmula obtenemos:

Det´(A) = (41) - (32) = 4 - 6 = -2

(Chris Rorres, 2005)

 3.1.2 Determinante de una matriz de tercer orden:

Para una matriz de 3x3, el cálculo es un poco más complicado y generalmente se

utiliza la regla de Sarrus. Si tienes una matriz A = [a b c; d e f; g h i], el determinante se

calcula como aei + bfg + cdh - ceg - bdi - afh. Este es un proceso de sumar y restar los

productos de las diagonales de la matriz. La interpretación geométrica del determinante en

este caso es el volumen del paralelepípedo formado por los vectores correspondientes a las

filas (o columnas) de la matriz.

Supongamos que tienes la siguiente matriz de 3x3:

A = [1 2 3;4 5 6;7 8 9]

El determinante de esta matriz se calcula utilizando la regla de Sarrus. Primero, se

suman los productos de las diagonales que van de arriba a la derecha a abajo a la izquierda:

159 + 267 + 348 = 45 + 84 + 96 = 225

Luego, se restan los productos de las diagonales que van de arriba a la izquierda a

abajo a la derecha:

357 + 168 + 249 = 105 + 48 + 72 = 225

Finalmente, se resta el segundo resultado del primer resultado para obtener el

determinante:

225 - 225 = 0
 (Andalucía, 2015)

3.1.3 Determinante de una matriz de orden superior:

Para matrices de 4x4 o mayores, el cálculo del determinante se vuelve aún más

complicado y generalmente se realiza mediante la expansión por cofactores o la regla de

Laplace. Estos métodos implican descomponer la matriz en matrices más pequeñas y calcular

sus determinantes. La expansión por cofactores implica seleccionar una fila o columna, y

para cada elemento en esa fila o columna, eliminar la fila y columna correspondientes para

formar una submatriz, y luego calcular el determinante de esa submatriz. La regla de Laplace

es una generalización de la regla de Sarrus para matrices de orden superior.

3.2 Submatriz complementaria y menor complementario:

3.3

Adjunto y

matriz

adjunta:

(Daniel, 2016)

3.4 Propiedades de Matrices:

 3.4.1 Determinante de una matriz y su transpuesta:

Una de las propiedades más importantes del determinante es que es igual para una

matriz y su transpuesta. Esto significa que si intercambias las filas y las columnas de una

matriz para obtener su transpuesta, el determinante no cambia. Esto se debe a que la

operación de transposición no cambia el valor absoluto de los productos de las diagonales de

la matriz.

3.4.2 Determinante del producto de dos matrices:

Otra propiedad importante es que el determinante del producto de dos matrices es

igual al producto de sus determinantes. Esto se puede demostrar utilizando la definición de

multiplicación de matrices y la propiedad distributiva. Es decir, si tienes dos matrices A y B,

entonces det(AB) = det(A) * det(B). Esta propiedad es útil cuando se trabaja con múltiples

transformaciones lineales representadas por matrices.

 3.4.3 Determinante y matriz invertible:

Una matriz es invertible (es decir, tiene una matriz inversa) si y solo si su

determinante no es cero. Esto se debe a que el determinante proporciona información sobre si

las filas (o columnas) de la matriz son linealmente independientes. Si el determinante es cero,

las filas (o columnas) son linealmente dependientes, lo que significa que no se puede

encontrar una matriz inversa. En este caso, la matriz se llama "matriz singular".

3.4.4 Determinante y operaciones de fila:

Las operaciones de fila que se realizan en una matriz pueden afectar su determinante

de diferentes maneras. Por ejemplo, intercambiar dos filas de una matriz cambia el signo del

determinante. Multiplicar una fila por un escalar multiplica el determinante por ese escalar.

Sin embargo, agregar un múltiplo de una fila a otra fila no cambia el determinante.

3.5 Aplicaciones del determinante:

3.5.1 Geometría:

En geometría, el determinante de una matriz puede usarse para calcular el área o el

volumen de una figura. Por ejemplo, el determinante de una matriz de 2x2 puede usarse para

calcular el área de un paralelogramo formado por los vectores correspondientes a las filas (o

columnas) de la matriz. De manera similar, el determinante de una matriz de 3x3 puede

usarse para calcular el volumen de un paralelepípedo formado por los vectores

correspondientes a las filas (o columnas) de la matriz.

3.5.2 Física:
 En física, los determinantes se utilizan en varias áreas. Por ejemplo, en la mecánica

cuántica, los determinantes (específicamente, los determinantes de Slater) se utilizan para

describir el estado de un sistema de partículas. En la teoría de la relatividad, los

determinantes se utilizan en la formulación de las ecuaciones de campo de Einstein.

3.5.3 Análisis de estabilidad:

En el análisis de estabilidad de sistemas dinámicos, el determinante de una matriz

puede usarse para determinar la estabilidad de un punto de equilibrio. Por ejemplo, en un

sistema de dos ecuaciones diferenciales, el punto de equilibrio es estable si el determinante de

la matriz jacobiana es positivo y sus trazas son negativas.

 Capítulo IV

Métodos para Calcular la Determinante

4.1 Por el Método de Eliminación de Gauss

4.1.1 Método de Eliminación de Gauss en Sistemas de Ecuaciones Lineales

El Método de Eliminación de Gauss, una herramienta esencial para abordar sistemas de

ecuaciones lineales tridimensionales. Aunque, la verdad quizá sea necesario revisar el significado

geométrico de estos sistemas, entendiendo cada ecuación como un plano en el espacio.

Cada ecuación en nuestro sistema representa un plano, y la solución radica en el punto donde

estos planos se interceptan. Este enfoque geométrico coloca las bases para comprender la esencia del

Método de Eliminación de Gauss.

4.1.2 Operaciones Fundamentales

Previo al método en sí, es vital también las operaciones básicas. Multiplicar un plano por un

número y sumar o restablecer planos nos permite generar nuevos planos equivalentes que comparten

el mismo punto de intersección.

El procedimiento se inicia mediante la construcción de una matriz que representa nuestro

sistema de ecuaciones. La identificación de la diagonal principal guía las operaciones para triangular

la matriz, simplificándola progresivamente. Este proceso se repite hasta obtener una matriz

simplificada.

4.1.3 Resolución y Retorno al Sistema Original

 La matriz simplificada se traduce nuevamente al sistema de ecuaciones, facilitando su

resolución. La solución revela el punto de intersección de los tres planos originales, proporcionando

respuestas claras a nuestro sistema.

En corto el Método de Eliminación de Gauss da una metodología estructurada para

simplificar sistemas de ecuaciones lineales tridimensionales. Este enfoque no solo resuelve

eficazmente estos sistemas, sino que también sienta las bases para variantes más avanzadas, como el

Método de Gauss Jordan.

Ejemplo:

Es importante recordar que para poder resolver un sistema de ecuaciones por la

eliminación de Gauss , hay que :

-Intercambiar el orden de las ecuaciones.

-Sumar algunas de sus ecuaciones.

-Multiplicar alguna ecuación por un número distinto de 0.

-La matriz ampliada del sistema será

A la fila 1 le restaremos dos veces lo de la fila 3 y a la fila 2 se le

restara la de la fila 3

A la primera fila se le restara con la segunda

Se divide la fila 1 con la 3

 La tercera fila se le suma la primera y a la segunda se le resta dos veces a la fila 1

Se divide la fila 2 entre la 3

A la tercera fila se le suma la segunda fila

Se ordernara de nuevo la tercera fila

Ya al final está resuelto el sistema debido a que la matriz que se obtuvo es la respuesta

4.2 Por el Teorema de Laplace

Aplicación de la Regla de Laplace en el Cálculo de Determinantes

La Regla de Laplace, es una herramienta fundamental en el ámbito del cálculo de

determinantes de matrices cuadradas reales o complejas. La regla se basa en el concepto de

menores y adjuntos de los elementos de una matriz, proporcionando un enfoque sistemático y

eficaz para calcular determinantes.

Comencemos definiendo el menor de un elemento de una matriz cuadrada, el cual

corresponde al determinante al eliminar la fila y columna asociadas al elemento en cuestión.

Una vez establecido este concepto, procedemos a definir el adjunto de un elemento como el

menor multiplicado por (-1)^(i+j), donde i y j son las coordenadas del elemento.

4.3 Regla de Laplace:

 4.3.1 Cálculo del Determinante

La regla de Laplace nos proporciona un método para calcular el determinante de una

matriz cuadrada. Seleccionamos una fila o columna y sumamos el producto de cada elemento

por su adjunto, considerando el signo asociado al adjunto. La elección de la fila o columna es

flexible, y en el ejemplo se destaca cómo la elección estratégica, como una fila con

numerosos ceros, puede simplificar el cálculo.

En si se destaca la utilidad de matrices con ceros para simplificar el cálculo de

determinantes y señalando la conveniencia de aplicar transformaciones elementales para

obtener matrices escalonadas. Se resalta la equivalencia de diferentes enfoques, enfatizando

la flexibilidad en la elección de filas o columnas para aplicar la regla de Laplace.

Ejemplo:

1 2 3
A=⌈ −5 5 0 ⌉
−2 −3 −1
 Capitulo V

Propiedades de las matrices:

Las propiedades de las matrices pueden referirse a diversos campos, como la

matemática, la química y la ingeniería. En el contexto de la química y la farmacéutica, las

matrices pueden ser utilizadas para estudiar propiedades de medicamentos y sus interacciones

con otros compuestos. En el ámbito de la matemática y la computación, las matrices pueden

ser utilizadas para representar y analizar datos y realizar cálculos en diversas aplicaciones.

Algunos ejemplos de propiedades de las matrices en diferentes campos

incluyen:

1. Química: Las matrices semisolidas empleadas en el llenado de capsulas de gelatina

dura pueden ser caracterizadas mediante microfotografía, reología, estabilidad térmica y

oxidación, determinación del punto de gota, extensibilidad, intervalo de fusión, análisis por

DSC y determinación de la capacidad emulgente por procedimiento conductimétrico.

2. Ingeniería: La modificación de las propiedades de los matrices cementantes

mediante la adición de partículas de nanosílice puede mejorar la resistencia a la compresión y

al ataque químico por sulfatos en materiales cementicios como el cemento portland ordinario

y el cemento sulfoaluminoso.
 Las propiedades de las matrices son un tema amplio que abarca diversos campos,

como la educación, la ingeniería de materiales y la psicometría. A continuación, se presentan

ejemplos de propiedades de matrices en diferentes contextos:

3. Educación: En el contexto de la educación media superior, se ha estudiado la

integración de las tecnologías de la información y la comunicación (TIC) en docentes. Un

estudio en México validó y determinó las propiedades psicométricas de una escala para medir

la integración de las TIC en docentes de nivel medio superior. Se encontró que la escala

presentaba índices de ajuste aceptables, lo que permitía su uso para conocer los niveles de

apropiación en los procesos de enseñanza y aprendizaje.

4. Ingeniería de materiales: Un estudio evaluó el efecto de la adición de

nanopartículas de sílice a matrices cementantes, como el cemento portland ordinario y el

cemento sulfoaluminoso, y encontró que la resistencia a la compresión y al ataque químico

por sulfatos se mejoraba debido a la adición de nanosílice.

5.1 Concepto de matriz

Se denomina matriz a todo conjunto de números o expresiones ordenados en filas y

columnas.

Cada uno de los números de que consta la matriz se denomina elemento. Un

elemento se distingue de otro por la posición que ocupa, es decir, la fila y la columna a la

que pertenece.

El número de filas y columnas de una matriz se denomina dimensión de una matriz.

Así, una matriz será de dimensión: 2x4, 3x2, 2x5,... El primer número es el indicativo del

número filas y el segundo el de columnas. Sí la matriz tiene el mismo número de filas que de
columna, (es cuadrada) se dice que es de orden: 2, 3, ...

El conjunto de matrices de m filas y n columnas se denota por Amxn. Un elemento

cualquiera de la misma que se encuentra en la fila i y en la columna j se denota por por aij.

Dos matrices son iguales cuando tienen la misma dimensión y los elementos que

ocupan el mismo lugar en ambas, son iguale

5.2 Tipos de matrices

Matriz fila

Una matriz fila está constituida por una sola fila.

Matriz rectangular

La matriz rectangular tiene distinto número de filas que de columnas, siendo su

dimensión mxn.

Matriz cuadrada

La matriz cuadrada tiene el mismo número de filas que de columnas. Los

elementos de la forma aii constituyen la diagonal principal.

Matriz nula

En una matriz nula todos los elementos son ceros.

Matriz triangular superior

 Una matriz triangular superior los elementos situados por debajo de la diagonal

principal.
Matriz diagonal

En una matriz diagonal todos los elementos situados por encima y por debajo de la

diagonal principal son nulos.

Matriz escalar

Una matriz escalar es una matriz diagonal en la que los elementos de la

diagonal principal son iguales.

Matriz identidad o unidad

Una matriz identidad es una matriz diagonal en la que los elementos de la

diagonal principal son iguales a 1.

Matriz traspuesta

Dada una matriz A, se llama matriz traspuesta de A y se designa por At a la

matriz que se obtiene cambiando ordenadamente las filas por las columnas

5.3 Propiedades de la matriz traspuesta

 (At)t = A

(A + B)t = At + Bt

(α ·A)t = α· At

(A · B)t = Bt · At

Matriz regular

Una matriz regular es una matriz cuadrada que tiene inversa.

Matriz singular

Una matriz singular es aquella que no tiene inversa.

A2 = A.

Matriz involutiva

Una matriz, A, es involutiva si:

A2 = I.

5.4 Producto de matrices

Dos matrices A y B se dicen multiplicables si el número de columnas de A coincide

con el número de filas de B. El resultado es una matriz que tiene el número de filas de la

primera y el de columnas de la segunda.

Mm x n x Mn x p = M m x p

El elemento cij de la matriz producto se obtiene multiplicando cada elemento de la

fila i de la matriz A por cada elemento de la columna j de la matriz B y sumándolos.

Ej.
 5.5 Propiedades del producto de matrices Asociativa:

A · (B · C) = (A · B) · C

Elemento neutro:

A·I=A

Donde I es la matriz identidad del mismo orden que la matriz A.

Capitulo VI

Regla de Crámer

Un sistema de ecuaciones lineales es un sistema de Cramer si cumple las dos condiciones siguientes:
1. El número de ecuaciones es igual al número de incógnitas.
2. El determinante de la matriz de los coeficientes del sistema es distinto de cero

det ( A ) G 0

Un sistema de Cramer es por definición, compatible determinado, puesto que se cumple que

rango (A) = rango (A*) = n (nº de incógnitas).

Consideremos un sistema de Cramer, es decir, un sistema de n ecuaciones lineales con n incógnitas,

cuya expresión general es la siguiente:

Sean A la matriz del sistema (matriz de los coeficientes), entonces det (A) G 0. Llamaremos matriz

asociada a la incógnita xi y la designaremos por Ai a la matriz que se obtiene al sustituir en la matriz del

sistema la columna i por la matriz columna de los términos independientes. Es decir:

Todos los sistemas de Cramer son compatibles determinados. El valor de cada incógnita

se obtiene dividiendo el determinante de la matriz asociada a dicha incógnita por el

determinante de la matriz del sistema.

Teniendo en cuenta esto:

Ejercicios resueltos.-

6.1 CASO 1.- IGUAL Nº DE ECUACIONES QUE INCÓGNITAS (SCD)

1.- resolver mediante determinantes el sistema:

𝗑−𝑦+z=3

{2𝑦 + 3z =

15 3𝗑 + 𝑦

= 12

Solución

6.2 CASO 2.- MÁS ECUACIONES QUE INCÓGNITAS

Para resolverlo basta con obtener un sistema equivalente a la inicial eliminando las ecuaciones superfluas o

dependientes (proporcionales, nulas o que sean combinación lineal de otras).

El procedimiento a seguir es el siguiente: Supongamos que tenemos un sistema de m ecuaciones lineales con n

incógnitas, siendo m > n y tal que: rango (A) = rango (A*) = n.

 Por lo tanto, sobran m - n ecuaciones. Para averiguar cuáles son las ecuaciones de las que podemos

prescindir, basta encontrar en la matriz de los coeficientes ( A ) un menor de orden n distinto de

cero, por ejemplo, el que utilizamos para averiguar el rango de la matriz A. Las filas que intervienen

en este menor son las que corresponden a las ecuaciones principales. Las restantes ecuaciones las

podemos suprimir.

Ejercicio resuelto

2.- resolver mediante determinantes el sistema:

𝗑−𝑦+z=

{2𝗑 + 𝑦 − z = 4

Solución: 𝗑 + 𝑦 + 3z

=6

Sistema de 4 ecuaciones con 3 𝗑 − 2z =

incógnitas 0

1 −1 1 2

𝑀* = (2 1 −1 4)

1 1 3 6

1 0 −2 0

Det (M*) = 0  entonces el rM =rM* = n = 3  Sistema compatible determinado

1 −1 1

Ya que |2 1 −1| = −6  rM = 3
 1 0 −2

Si se suprime la ecuación x + y +3z = 6 que no interviene en el rango, obtenemos un sistema equivalente

al anterior. (Se resuelve como el CASO 1)

CASO 3.- SISTEMA

Si el sistema es compatible indeterminado, (rango (A) = rango (A*) = k < n) el valor común de

los rangos ( k ) indica tanto el número de ecuaciones independientes o principales, como el

número de incógnitas principales.

Las restantes incógnitas (no principales) n - k las pasaremos al segundo miembro formando un

único término junto al término independiente.

Siguiendo este procedimiento obtendremos un sistema de k ecuaciones lineales con k

incógnitas

(principales), al que aplicaremos la Regla de Cramer

Ejercicio resuelto

3.- resolver mediante determinantes el sistema:

Solución:

Resolvemos con las ecuaciones que intervienen en el rango y la incógnita “z” la pasamos para el 2º
miembro formando un único término junto al término independiente (que en este caso es cero, por ser

el sistema inicial homogéneo)

 Conclusión
En síntesis, la transposición de matrices, la inversa de matrices y la Regla de Cramer

son conceptos esenciales en álgebra lineal con aplicaciones prácticas en diversas disciplinas

científicas y tecnológicas. La transposición, al cambiar filas por columnas, es fundamental

para manipular datos matriciales y se utiliza en cálculos importantes como determinantes y

resolución de sistemas lineales.

La inversa de una matriz cuadrada, determinada por el determinante, desempeña un

papel crucial en la resolución de sistemas lineales y tiene implicaciones en la diagonalización

de matrices. El determinante, una operación especial para matrices cuadradas, ofrece

información geométrica y se aplica extensamente en física y resolución de sistemas de

ecuaciones.

Métodos como la Eliminación de Gauss y la Regla de Laplace son esenciales para

simplificar cálculos y revelar propiedades matriciales. La versatilidad de las matrices se

refleja en su uso en campos como química e ingeniería, donde se aplican para caracterizar

propiedades de materiales.

La Regla de Cramer, al ser aplicada a sistemas lineales específicos, destaca la

importancia de los determinantes en la resolución de ecuaciones. En resumen, estos

conceptos son fundamentales en matemáticas avanzadas y encuentran aplicación práctica en

una variedad de disciplinas científicas e ingenieriles.

 Referencias bibliográficas

Andalucía. (2015). Determinantes . Lima: Junta de Andalucía.

Choquehuanca, S., Mamani, M., & Rodríguez, R. (1470). Vulcanismo. San borja: Ingemmet.
Chris Rorres, C. (2005). Elementary Linear Algebra . Estados Unidos: Bind-Rite Graphics,
Inc.
Daniel, P. G. (2016). Determinante de matrices de orden superior a 3. Lima: Colegio Marista
“La Inmaculada” de Granada .
Pérez, J. L. (2000). NUMERO DE CONDICION Y DETERMINANTE. lima: Universidad de
La Habana.
Rivera, M., Monge, R., & Navarro, P. (1470). Caracterización del vulcanismo cenozoico en
el norte del Perú. Lima: Ingemmet.
Zavala Carrión, B., & Mariño Salazar, J. (2010). Vulcanismo. Cuzco: Ingemmet.
Leon, S. J. (2006). Linear Algebra With Applications. Upper Saddle River, NJ: Pearson
Prentice Hall.
Anton, H., & Rorres, C. (2013). Elementary Linear Algebra: Applications Version. Hoboken,
NJ: Wiley.
Lay, D. C., Lay, S. R., & McDonald, J. J. (2015). Linear Algebra and Its Applications.
Boston, MA: Pearson.
Khan Academy. (n.d.). Transpose of a Matrix. Recuperado el 1 de diciembre de 2023, de
https://www.khanacademy.org/math/precalculus/x9e81a4f98389efdf:matrices/
x9e81a4f98389efdf:properties-of-matrix-addition-and-scalar-multiplication/a/
transpose-of-a-matrix
Massachusetts Institute of Technology. (n.d.). Transpose and Inverse. Recuperado el 1 de
diciembre de 2023, de https://ocw.mit.edu/courses/mathematics/18-06sc-linear-
algebra-fall-2011/ax-b-and-the-four-subspaces/transpose-and-inverse/
Hefferon, J. (2014). Linear Algebra. Recuperado el 1 de diciembre de 2023, de
http://joshua.smcvt.edu/linearalgebra/
Khan Academy. (n.d.). Inverse of a Matrix. Recuperado el 1 de diciembre de 2023, de
https://www.khanacademy.org/math/algebra-home/alg-matrices/alg-determinants-
and-inverses-of-large-matrices/a/inverse-of-a-matrix
Wolfram MathWorld. (n.d.). Inverse Matrix. Recuperado el 1 de diciembre de 2023, de
http://mathworld.wolfram.com/InverseMatrix.html
Wolfram MathWorld. (n.d.). Transpose. Recuperado el 1 de diciembre de 2023, de
http://mathworld.wolfram.com/Transpose.html
https://www.superprof.es/apuntes/escolar/matematicas/algebralineal/determinantes/ejercicios-
de-determinantes.html
https://www.semanticscholar.org/paper/3c94db495d83e1f46f19c3cf949794a4375831bc
https://www.semanticscholar.org/paper/004fc5e9ed5559b7f21283a2efe1dad92625afa4

https://www.semanticscholar.org/paper/1a62030829965bd56e1ec8a21ef462c0dc34f0d8

https://www.semanticscholar.org/paper/708e1586c8d741b2de1984fb2b4a5727a8244016

https://www.semanticscholar.org/paper/da28ecc538c6de1e5abbe0cc1aae38ce6b20ba38

https://www.semanticscholar.org/paper/83ac1667fcd0f0d8d69d09560721e8d68264bf59

https://www.semanticscholar.org/paper/73217aa7144371ef62dab00a95cccff9559a21f3

https://www.semanticscholar.org/paper/da28ecc538c6de1e5abbe0cc1aae38ce6b20ba38

https://www.semanticscholar.org/paper/ca63957ff740e5c3042ddf5ae5b7a61f5dd68944

https://www.semanticscholar.org/paper/75356022711c7d21c0bd027132465aa5d57ac465

https://www.redalyc.org/pdf/2733/273320549001.pdf

https://programas.cuaed.unam.mx/repositorio/moodle/pluginfile.php/1068/mod_resource/
content/1/contenido/index.html

https://gc.scalahed.com/recursos/files/r161r/w18499w/presentation_content/external_files/
T.1.5.pdf

https://es.wikipedia.org/wiki/Regla_de_Cramer