Teoría Unidad 5

Universidad Nacional del Nordeste
Facultad de Ciencias Económicas

Álgebra y Geometría Analítica
MATRICES
Un fabricante manufactura los productos a, b y c. Las unidades de mano de obra y horas

semanales necesarias para la producción de estos artículos se resumen en la siguiente tabla:
A B C
Mano de obra (m) 10 12 16
Horas (h) 5 9 7
Llamamos matriz de clase (2 x 3) a la función
𝑓: 𝐸𝑥𝑃 ⟹ 𝐾 ∴El conjunto imagen puede escribirse como un cuadro de 2 filas y 3 columnas
10 12 16
A=[ ]
5 9 7 2x3
Generalizando:
𝑎11 ⋯ 𝑎1𝑗 ⋯ 𝑎1𝑛
𝑎21 ⋯ 𝑎2𝑗 ⋯ 𝑎2𝑛
𝐴=[ .. ]
.
𝑎𝑚1 ⋯ 𝑎𝑚𝑗 ⋯ 𝑎𝑚𝑛
𝑚𝑥𝑛
1≤𝑖≤𝑚 ∀ 𝑖∈𝑁
En forma abreviada: 𝐴 = [𝑎𝑖𝑗 ]𝑚𝑥𝑛 𝑑𝑜𝑛𝑑𝑒 {
1≤𝑗≤𝑛 ∀ 𝑗∈𝑁
MATRICES ESPECIALES
1- Matriz Cuadrada: cuando 𝑚 = 𝑛 es la matriz en la que el número de filas es igual

al número de columnas.
𝑎11 𝑎12
𝐴 = [𝑎 ]
21 𝑎22 𝑛𝑥𝑛
Ejemplo:
2 3
A= [ ]
−1 0 2𝑥2
1
Generalizando:
𝑎11 ⋯ 𝑎1𝑗 ⋯ 𝑎1𝑛

𝑎21 ⋯ 𝑎2𝑗 ⋯ 𝑎2𝑛
𝐴=[ .. ]
.
𝑎𝑚1 ⋯ 𝑎𝑚𝑗 ⋯ 𝑎𝑚𝑛 𝑛𝑥𝑛
𝑠𝑖𝑒𝑛𝑑𝑜 𝑎𝑖𝑗 𝑐𝑜𝑛 𝑖 = 𝑗 𝑙𝑎 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙 𝑝𝑟𝑖𝑛𝑐𝑖𝑝𝑎𝑙
2- Matriz Rectangular: cuando 𝑚 ≠ 𝑛 dónde el número de filas es distinto al número

de columnas.
• Si 𝑚 < 𝑛matriz rectangular horizontal
𝑎11 𝑎12 𝑎13 2𝑥3

𝐴 = [𝑎 𝑎22 𝑎23 ]2𝑥3 𝐴 ∈ 𝐾
21
• Si 𝑚 > 𝑛matriz rectangular vertical
𝑎11 𝑎12
𝑎
𝐴 = [ 21 𝑎22 ] 𝐴 ∈ 𝐾 3𝑥2
𝑎31 𝑎32 3𝑥2
3- Matriz Fila o Vector Fila: cuando
𝑚=1
𝐴 = [𝑎11 𝑎12 … … 𝑎1𝑛 ] 𝑐𝑜𝑛 𝐴 ∈ 𝑘1𝑥𝑛
4- Matriz Columna o Vector Columna: cuando 𝑛 = 1
𝑎11
𝑎21
𝐴 = [ ⋮ ] 𝑐𝑜𝑛 ∈ 𝐾 𝑚𝑥1
𝑎𝑚1
2
5- Matriz Nula: es la matriz que tiene todos sus elementos nulos 𝑎𝑖𝑗 = 0 ∀ 𝑖, ∀ 𝑗
0 0
𝐴= [ ]
0 0
6- Igualdad de Matrices:
𝐴 ∈ 𝐾 𝑚𝑥𝑛 𝑦 𝐴 = [𝑎𝑖𝑗 ]𝑚𝑥𝑛
𝐵 ∈ 𝐾 𝑚𝑥𝑛 𝑦 𝐵 = [𝑏𝑖𝑗 ]𝑚𝑥𝑛
∀ 𝑖 = 1,2 … 𝑚
𝐴 = 𝐵 ⇔ [𝑎𝑖𝑗 ]𝑚𝑥𝑛 = [𝑏𝑖𝑗 ]𝑚𝑥𝑛 {
∀ 𝑗 = 1,2 … 𝑛
Ejemplo:
𝐴 = [√9 3+1 23 ] 𝐵 = [3 4 8]
22
0 30 2𝑥3 4 0 1 2𝑥3
𝐴=𝐵
7- Matriz Traspuesta: Es la matriz que se obtiene permutando filas por columnas.
𝐴 ∈ 𝐾 𝑚𝑥𝑛 𝑦 𝐴 = [𝑎𝑖𝑗 ]𝑚𝑥𝑛 𝑦

𝐴𝑇 = [𝑎𝑗𝑖 ]𝑛𝑥𝑚 → 𝐴 ∈ 𝐾 𝑛𝑥𝑚
Ejemplo:
2 3
2 0 4
𝐴 = [0 1 ] 𝐴𝑇 = [ ]
3 1 −2 2𝑥3
4 −2 3𝑥2
8- Matriz Opuesta: Dada la matriz A su opuesta es (-A) y tiene los elementos opuestos
de A
𝐴 = [𝑎𝑖𝑗 ]𝑚𝑥𝑛 𝑦 (−𝐴) = [−𝑎𝑖𝑗 ]𝑚𝑥𝑛
3
Ejemplo:
2 −3 −2 3
𝐴= [ ] (−𝐴) = [ ]
0 1 2𝑥2 0 −1 2𝑥2
MATRICES CUADRADAS PARTICULARES
1- Matriz Diagonal: es una matriz cuadrada donde sus elementos no diagonales son
nulos
𝑎𝑖𝑗 = 0 𝑠𝑖 𝑖 ≠ 𝑗
𝐴 ∈ 𝐾 𝑛𝑥𝑛 𝑒𝑠 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙 ⇔ {
𝑎𝑖𝑗 ≠ 0 𝑠𝑖 𝑖 = 𝑗
𝑎11 0 0
𝐴=[ 0 𝑎22 0 ] 𝐴 ∈ 𝐾 3𝑥3
0 0 𝑎33
Ejemplo:
3 0 0
𝐴 = [0 2 0]
0 0 4 3𝑥3
2- Matriz Escalar: es la matriz diagonal cuya diagonal está formada por un escalar
𝐴 ∈ 𝐾 𝑛𝑥𝑛 𝑒𝑠 𝑒𝑠𝑐𝑎𝑙𝑎𝑟 ⇔ {
𝑎𝑖𝑗 = 𝐾 𝑠𝑖 𝑖 = 𝑗
𝑘 0 0
𝐴 = [0 𝑘 0] 𝐴 ∈ 𝐾 3𝑥3
0 0 𝑘
Ejemplo:
5 0 0
𝐴 = [0 5 0]
0 0 5 3𝑥3
4
3- Matriz Identidad: es la matriz escalar donde los elementos de la diagonal principal

son uno
𝐴 ∈ 𝐾 𝑛𝑥𝑛 𝑒𝑠 𝑖𝑑𝑒𝑛𝑡𝑖𝑑𝑎𝑑 ⇔ {
𝑎𝑖𝑗 = 1 𝑠𝑖 𝑖 = 𝑗
1 0 0
𝐼 = [0 1 0]
0 0 1 3𝑥3
4- Matriz Simétrica: una matriz cuadrada es simétrica cuando es igual a su traspuesta.
𝐴 ∈ 𝐾 𝑛𝑥𝑛 𝑒𝑠 𝑠𝑖𝑚é𝑡𝑟𝑖𝑐𝑎 ⇔ 𝐴 = 𝐴𝑇
⇒ 𝑎𝑖𝑗 = 𝑎𝑗𝑖 ∀𝑖, ∀𝑗
Ejemplo:
4 5 6
𝐴 = [5 3 1] = 𝐴𝑇
6 1 2
5- Matriz Antisimétrica: una matriz cuadrada es antisimétrica cuando es igual a la

opuesta de su traspuesta.
𝐴 ∈ 𝐾 𝑛𝑥𝑛 𝑒𝑠 𝑎𝑛𝑡𝑖𝑠𝑖𝑚é𝑡𝑟𝑖𝑐𝑎 ⇔ 𝐴 = −𝐴𝑇
⇒ 𝑎𝑖𝑗 = −𝑎𝑗𝑖 ∀𝑖, ∀𝑗
Ejemplo:
0 2 −1
𝐴 = [−2 0 3 ] = −𝐴𝑇
1 −3 0
6- Matrices Triangulares:
𝐴 ∈ 𝐾 𝑛𝑥𝑛 𝑒𝑠
5
➢ Triangular superior ⇔ 𝑎𝑖𝑗 = 0 ⇒ 𝑖 > 𝑗 ∀𝑖, 𝑗 es una matriz en que todos sus
elementos bajo la diagonal principal son nulos
𝑎11 𝑎12 𝑎13

𝐴=[ 0 𝑎22 𝑎23 ]
0 0 𝑎33
Ejemplo:
2 3 4
𝐴 = [0 1 3]
0 0 3
➢ Triangular Inferior ⇔ 𝑎𝑖𝑗 = 0 ⇒ 𝑖 < 𝑗 ∀𝑖, 𝑗 es una matriz en que todos sus
elementos sobre la diagonal principal son nulos
𝑎11 0 0
𝐴 = [𝑎21 𝑎22 0 ]
𝑎31 𝑎32 𝑎33
Ejemplo:
2 0 0
𝐴 = [2 3 0]
1 2 4
ALGEBRA MATRICIAL
Suma de Matrices: Se define la suma para matrices de la misma clase
𝐴 ∈ 𝐾 𝑚𝑥𝑛 𝑦 𝐴 = [𝑎𝑖𝑗 ]𝑚𝑥𝑛
𝐵 ∈ 𝐾 𝑚𝑥𝑛 𝑦 𝐵 = [𝑏𝑖𝑗 ]𝑚𝑥𝑛
Se define:
∀ 𝑖 = 1,2 … 𝑚
𝐴 + 𝐵 ⇔ [𝑎𝑖𝑗 + 𝑏𝑖𝑗 ]𝑚𝑥𝑛 ⇒ 𝐴 + 𝐵 ∈ 𝐾 𝑚𝑥𝑛 {
∀ 𝑗 = 1,2 … 𝑛
6
Dados:
𝑎11 𝑎12 𝑎13 𝑏11 𝑏12 𝑏13
𝐴 = [𝑎 𝑎22 𝑎23 ]2𝑥3 𝐵 = [𝑏21 ]
21 𝑏22 𝑏23 2𝑥3
Su suma será:
𝑎 + 𝑏11 𝑎12 + 𝑏12 𝑎13 + 𝑏13

𝐴 + 𝐵 = [ 11 ]
𝑎21 + 𝑏21 𝑎22 + 𝑏22 𝑎23 + 𝑏23 2𝑥3
Ejemplo:
2 3 4 1 3 −2
𝐴=[ ] 𝐵=[ ]
5 1 3 2𝑥3 5 −4 2 2𝑥3
3 6 2
𝐴+𝐵 =[ ]
10 −3 5 2𝑥3
Propiedades de la Suma:
1- Ley de cierre:∀ 𝐴, 𝐵 ∈ 𝐾 𝑚𝑥𝑛 : (𝐴 + 𝐵) ∈ 𝐾 𝑚𝑥𝑛

Ley Asociativa: ∀ 𝐴, 𝐵, 𝐶 ∈ 𝐾 𝑚𝑥𝑛 : (𝐴 + 𝐵) + 𝐶 = 𝐴 + (𝐵 + 𝐶) ∈ 𝐾 𝑚𝑥𝑛
2- Existencia de elemento neutro:
∃ 𝐸 ∈ 𝐾 𝑚𝑥𝑛 / ∀𝐴 ∈ 𝐾 𝑚𝑥𝑛 ∶ 𝐴 + 𝐸 = 𝐸 + 𝐴 = 𝐴/𝐸 = [0]𝑚𝑥𝑛 𝑀𝑎𝑡𝑟𝑖𝑧 𝑁𝑢𝑙𝑎
3- Existencia de elemento simétrico:
∀𝐴 ∈ 𝐾 𝑚𝑥𝑛 ∃(−𝐴) ∈ 𝐾 𝑚𝑥𝑛 : 𝐴 + (−𝐴) = (−𝐴) + 𝐴 = 𝐸 = [0]
4- Propiedad conmutativa:
∀ 𝐴, 𝐵 ∈ 𝐾 𝑚𝑥𝑛 : 𝐴 + 𝐵 = 𝐵 + 𝐴
Diferencia de Matrices: Dadas dos matrices 𝐴 𝑦 𝐵 ∈ 𝐾 𝑚𝑥𝑛 de la misma clase, para hacer la
resta 𝐴 − 𝐵 𝑠𝑒 𝑑𝑒𝑏𝑒 𝑠𝑢𝑚𝑎𝑟 𝑎 𝐴 𝑙𝑎 𝑜𝑝𝑢𝑒𝑠𝑡𝑎 𝑑𝑒 𝐵
∀ 𝐴, 𝐵 ∈ 𝐾 𝑚𝑥𝑛 : 𝐴 − 𝐵 = 𝐴 + (−𝐵)
Producto de una Matriz por un Escalar: Dado 𝐴 ∈ 𝐾 𝑚𝑥𝑛 𝑦 𝜆 ∈ 𝐾 el producto de una

matriz por un escalar define una operación externa que da por resultado una matriz de orden
𝑚𝑥𝑛 cuyos elementos se obtienen de multiplicar cada elemento por el escalar.
7
𝐴 = [𝑎𝑖𝑗 ]𝑚𝑥𝑛 ⇒ 𝜆. 𝐴 = 𝜆. [𝑎𝑖𝑗 ]𝑚𝑥𝑛 = [𝜆. 𝑎𝑖𝑗 ]𝑚𝑥𝑛
𝑎11 𝑎12 𝜆𝑎11 𝜆𝑎12

𝐴 = [𝑎 𝑎22 ] ⇒ 𝜆 . 𝐴 = [ ]
21 𝜆𝑎21 𝜆𝑎22
Casos especiales:
1) 𝜆. 0 = 0, lambda por la matriz nula, es la matriz nula.

2) Si 𝜆 = 0; ∀𝐴: 0. 𝐴 = 0 Si lambda es igual a cero, para toda matriz que se multiplica por
cero dará por resultado la matriz nula.
3) Si λ = 1 ⇒ λ. A = 1. A = A
4) Si λ = (−1) ⇒ λ. A = (−1). A = (−A); La matriz A y (-A) son opuestas y su suma es

la matriz nula
5) 𝜆 ≠ 0; 𝜆 ≠ 1: 𝜆. 𝐼 = 𝐴; siendo A la matriz escalar
Propiedades del Producto de una Matriz por un Escalar:
1- Ley de composición externa:
∀ 𝐴 ∈ 𝐾 𝑚𝑥𝑛 𝑦 𝜆 ∈ 𝐾(𝑒𝑠𝑐𝑎𝑙𝑎𝑟) ⇒ 𝜆 . 𝐴 = 𝐶 ∈ 𝐾 𝑚𝑥𝑛
2- Asociatividad respecto al producto de escalares:

∀ 𝐴 ∈ 𝐾 𝑚𝑥𝑛 𝑦 𝜆1 ∧ 𝜆2 ∈ 𝐾 ⇒ 𝜆 1 . (𝜆2 . 𝐴) = (𝜆 1 . 𝜆2 ) . 𝐴 ∈ 𝐾 𝑚𝑥𝑛
3- El producto es distributivo respecto a la suma de escalares:

∀ 𝐴 ∈ 𝐾 𝑚𝑥𝑛 𝑦 𝜆1 ∧ 𝜆2 ∈ 𝐾 ⇒ (𝜆 1 + 𝜆2 ). 𝐴 = 𝜆 1 . 𝐴 + 𝜆2 . 𝐴
4- El producto es distributivo respecto a la suma de matrices:

∀ 𝐴, 𝐵 ∈ 𝐾 𝑚𝑥𝑛 𝑦 𝜆 ∈ 𝐾 ⇒ 𝜆(𝐴 + 𝐵) = 𝜆 . 𝐴 + 𝜆. 𝐵
5- Existencia del escalar neutro: 𝝀 = 𝟏

𝐴 ∈ 𝐾 𝑚𝑥𝑛 𝑦 𝜆 ∈ 𝐾 ∧ 𝜆 = 1 ⇒ 𝐴. 1 = 1 . 𝐴
Cuando una operación determinada cumple con todas estas propiedades como es el caso de
(𝐾 𝑚𝑥𝑛 , +, 𝐾, . ) , se le da el nombre de Espacio Vectorial
Producto de Matrices: Sean las matrices A [aij]mxn y B [bij]nxq. El producto A. B será factible si
los factores cumplen con el requisito siguiente: el número de columnas de la matriz A debe ser
el mismo que el número de filas de la matriz B.
A =[aij]mxn B = [bij]nxq A . B = P/ P= [pij]mxq

8
pij = ai1 b1j + ai2 b2j + ai3 b3j + . . . . . . .+ ain bnj
El elemento pij que se encuentra en la i-ésima fila y j-ésima columna de P se obtiene

multiplicando los elementos de la i-ésima fila de A por los elementos correspondientes de la
j-ésima columna de B y sumando los productos parciales.
 b 11 b 12 
 a 11 a 12 a 13   
A =   B =  b 21 b 22 
b b 32 
 a 21 a 22 a 23   31
A. B = P; Se dispone en una, gráfica como la siguiente:
Donde:
b11 b12
p11 = a11 b11 + a12 b12 + a13 b31
b21 b22
p21 = a21 b11 + a22 b21 + a23 b31
b31 b32
p12 = a11 b12 + a12 b22 + a13 b32
a11 a12 a13 p11 p12 p22 = a21 b12 + a22 b22 + a23 b32
a 21 a 22 a 23 p21 p22
Propiedades:
1) A. B  B. A no conmutatividad del producto.
2) A (B + C) = A B + A C
3) (B + C) A = B A + C A
4) (A.B). C = A. (B. C)
5) A. B=0; no implica A=0 o B = 0,
1 1
−
(
−1 −1
).( 2 2) = (0 0)
−4 −4 1 1 0 0
−
2 2
6) A. B= A.C ⇒B=C
̅̅̅̅̅̅
7) 𝐴 . 𝐵 = 𝐴̅. 𝐵̅
9
Producto de matrices de clase n x n: En Knxn, se define el producto de matrices de igual

manera que en Kmxn, pudiendo escribirse:
A  Knxn B  Knxn  A . B = P  Knxn

n
Elemento genérico pij = ai1 b1j + a12 b2j + ... + ain bnj = a
k =1
ik b kj
DETERMINANTES
Matriz particionada en columnas: Por una cuestión de comodidad en la notación, dada una
matriz
𝒂𝟏𝟏 ⋯ 𝒂𝟏𝒋 ⋯ 𝒂𝟏𝒏
𝒂𝟐𝟏 ⋯ 𝒂𝟐𝒋 ⋯ 𝒂𝟐𝒏
𝑨=[ .. ]
.
𝒂𝒎𝟏 ⋯ 𝒂𝒎𝒋 ⋯ 𝒂𝒎𝒏

𝒎𝒙𝒏
Si se llaman:
𝑎11 𝑎12 𝑎1𝑛
𝑎21. 𝑎22. 𝑎2𝑛
.
𝐴1 = [ .. ]; 𝐴2 = [ .. ]; 𝐴𝑚 = [ .. ];
.. .. ..
𝑎𝑚1 𝑎𝑚2 𝑎𝑚𝑛
Recordando que cada una de ellas, corresponde a una matriz columna, por lo que se puede
expresar a la matriz A, por medio del vector columna:
𝐴 = [𝐴1 ; 𝐴2 ; … … . ; 𝐴𝑚𝑛 ]
Recíprocamente también se puede expresar a la matriz A, por medio del vector fila de la
siguiente forma:
𝐴1
𝐴2.
𝐴=[ .. ]
.
𝐴𝑚𝑛
Definición de la función determinante:
K un cuerpo numérico
Sean:{ nxn
K conjunto dematrices cuadradas conc oeficientes K
10
Consideramos una matriz 𝐴 ∈ 𝐾 𝑛𝑥𝑛 𝑝𝑎𝑟𝑡𝑖𝑐𝑖𝑜𝑛𝑎𝑑𝑎 𝑒𝑛 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠 𝐴 = (𝐴1 𝐴2 … 𝐴𝑛 )
Definimos: Determinante es toda función que asigna a cada matriz clase nxn, un escalar llamado
determinante de la matriz:
D: K nxn → K
A D 𝑫(𝑨) = |𝑨|
Definición Axiomática: Una función de los vectores columna de la matriz 𝐴𝑛𝑥𝑛 se llama
determinante si verifica los siguientes axiomas:
Ejemplo:
2 6 2 6
𝐴=( ) ⇒ 𝐷(𝐴) = |𝐴| = | | = (2.3 − 5.6) = −24
5 3 5 3
Axioma 1: Se descompone una columna como una suma
𝐷(𝐴1 𝐴2 . . 𝐴𝑗 + 𝐴´𝑗 . . 𝐴𝑛 ) = 𝐷(𝐴1 𝐴2 . . 𝐴𝑗 . . 𝐴𝑛 ) + 𝐷(𝐴1 𝐴2 . . 𝐴´𝑗 . . 𝐴𝑛 )
Ejemplo:
2 4+2 2 4 2 2
𝐷(𝐴) = |𝐴| = | |=| |+| | = (4 − 20) + (2 − 10) = −16 + (−8)
5 2+1 5 2 5 1
= −24
Axioma 2:𝐷(𝐴1 𝐴2 . . 𝜆𝐴𝑗 . . 𝐴𝑛 ) = 𝜆𝐷(𝐴1 𝐴2 . . 𝐴𝑗 . . 𝐴𝑛 )
Ejemplo:
2 3.2 2 2
𝐷(𝐴) = |𝐴| = | | = 3. | | = 3(2 − 10) = 3. (−8) = −24
5 3.1 5 1
Axioma 3: 𝐷(𝐴1 𝐴2 . . 𝐴𝑘 . . 𝐴𝑗 . . 𝐴𝑛 ) = −𝐷(𝐴1 𝐴2 . . 𝐴𝑗 . . 𝐴𝑘 . . 𝐴𝑛 )
Ejemplo:
6 2 2 6
𝐷(𝐴´) = | |=| | = 6 − 30 = −24 = −𝐷(𝐴)
3 5 5 3
1 0
Axioma 4: |𝐼| = 1 𝐷(𝐼) = | |= 1−0= 1
0 1
11
Propiedades de la Función Determinante:
1) Si dos columnas del determinante de una matriz son iguales, éste es nulo.
Ejemplo:
|𝐴| = |2 2| = 2.3 − 3.2 = 6 − 6 = 0
3 3
2) Si una columna de la matriz es nula entonces su determinante es nulo.
Ejemplo:
|𝐴| = |2 0| = 2.0 − 3.0 = 0

3 0
3) El valor de un determinante de una matriz no varía si a una columna se le suma una

combinación lineal de las restantes (n-1) columnas
Ejemplo:
1+4 2
|𝐴| = |1 2| = 4 − 6 = −2 ⇒ | 𝐴| = | |=|
5 2
| = 20 − 22 = −2
3 4 3+8 4 11 4
4) Si en el determinante de una matriz las vectores columnas son linealmente

dependientes el determinante es nulo.
Ejemplo:
|𝐴| = |2 6 | = 30 − 30 = 0
5 15
|𝐴| = |2 3.2| = 3 |2 2| = 3(10 − 10) = 3.0 = 0

5 3.5 5 5
5) El determinante de una matriz es igual al determinante de su traspuesta: |𝐴| = |𝐴𝑡 |
Ejemplo:
|𝐴| = |1 2
| = 4 − 6 = −2 |𝐴𝑡 | = |1 3| = 4 − 6 = −2
3 4 2 4
12
6) El determinante de un producto de matrices es igual al producto de los determinantes

de matrices:|𝐴. 𝐵| = |𝐴|. |𝐵|
2 1 1 2
Ejemplo: 𝐴=( ) 𝐵=( )
0 3 4 1
|𝐴. 𝐵| = | 6 5
| = −42 |𝐴| = |2 1| = 6 |𝐵| = |1 2| = −7
12 3 0 3 4 1
|𝐴|. |𝐵| = 6. (−7) = −42
VALOR DE UN DETERMINANTE
Determinante de Segundo Orden: Al producto de la diagonal principal se le resta el producto

de la diagonal secundaria
𝑎 𝑎12
|𝐴| = |𝑎11 𝑎22 | = 𝑎11 𝑎22 − 𝑎21 𝑎12
21
Determinante de Tercer Orden: Se suman los productos de la diagonal principal y sus

paralelas, y se le resta el producto de la diagonal secundaria y sus paralelas
𝑎11 𝑎12 𝑎13
𝑎
|𝐴| = | 21 𝑎22 𝑎23 | = 𝑎11 𝑎22 𝑎33 + 𝑎21 𝑎32 𝑎13 + 𝑎12 𝑎23 𝑎31 −
𝑎31 𝑎32 𝑎33
𝑎31 𝑎22 𝑎13 − 𝑎21 𝑎12 𝑎33 − 𝑎32 𝑎23 𝑎11
Otra forma de resolver es aplicando la Regla de Sarrus: consiste en repetir a continuación del
determinante la 1ª. y 2ª. Fila. También se pueden repetir las dos primeras columnas, sólo para
determinantes de orden tres.
𝑎11 𝑎12 𝑎13
𝑎21 𝑎22 𝑎23 𝑎11 𝑎12 𝑎13 𝑎11 𝑎12
| 𝑎
|𝐴| = …31 𝑎 32 𝑎 |
33 |𝐴| = |𝑎21 𝑎22 𝑎23 𝑎21 𝑎22 |
| … … … … … … .|
𝑎11 𝑎12 𝑎13 𝑎31 𝑎32 𝑎33 𝑎31 𝑎32
𝑎21 𝑎22 𝑎23
Si el determinante es de orden tres o mayor a tres se resuelve el determinante por los elementos
de una línea o por la Regla de Chío.
13
Regla de Chío: Consiste en reducir un determinante de orden n en otro de orden n-1, a los
efectos de facilitar el cálculo del mismo. pasos a seguir:
1) Se elige un elemento cualquiera no nulo, como elemento pivot, y se lo escribe como

factor determinante, afectado por (-1) elevado a la fila + la columna de dicho
elemento (será (+) si la suma de la fila y la columna es par y (-) si es impar).
2) Se trazan rectas punteadas que encierran la fila y la columna del pivot.
3) A cada uno de los elementos que quedan, se le resta el producto de los elementos de
la misma fila y columna (horizontales y verticales punteadas) dividido por el pivot.
4) El determinante de orden (n-1) así obtenido puede resolverse o aplicarse nuevamente

la regla de Chío.
Ejemplo:
1 3 0 1
1−0 2 3 1 2 3
|𝐴| = |0 1 2 3| = 1. (−1)1+1 |
3 − 6 2 1 − 2| = |−3 2 −1|
2 3 2 1
2−0 1 2 2 1 2
0 2 1 2
= 4 − 9 − 4 − 12 + 1 + 12 = −8
MENOR COMPLEMENTARIO DE UN ELEMENTO
Dada 𝐴 = [𝑎𝑖𝑗 ]𝑛𝑥𝑛 el menor complementario del elemento 𝑎𝑖𝑗 de la matriz, es el determinante
de la misma de orden (n-1), que se obtiene suprimiendo la fila i y la columna j. Lo designamos
𝑀𝑖𝑗 .
Ejemplo:
𝑎11 𝑎12 𝑎13
𝑎11 𝑎12
𝑎
𝐴 = [ 21 𝑎22 𝑎23 ] ⟹ 𝑀23 = |𝑎
31 𝑎32 |
𝑎31 𝑎32 𝑎33
ADJUNTO DE UN ELEMENTO
Adjunto del elemento 𝑎𝑖𝑗 , es su menor complementario con su propio signo o con signo
contrario, según que la suma i+j sea par o impar, y se designa 𝐴𝑖𝑗
14
𝐴𝑖𝑗 = 𝑀𝑖𝑗 𝑠𝑖 𝑖 + 𝑗 𝑒𝑠 𝑝𝑎𝑟

⇒ 𝐴𝑖𝑗 = (−1)𝑖+𝑗 𝑀𝑖𝑗 𝑠𝑖𝑒𝑛𝑑𝑜 {
𝐴𝑖𝑗 = −𝑀𝑖𝑗 𝑠𝑖 𝑖 + 𝑗 𝑒𝑠 𝑖𝑚𝑝𝑎𝑟
𝑎11 𝑎12 𝑎13
𝑎 𝑎23
𝐴 = [𝑎21 𝑎22 𝑎23 ] 𝐴11 = (−1)1+1 | 22
𝑎32 𝑎33 | = 𝑀11
𝑎31 𝑎32 𝑎33
𝑎11 𝑎12 𝑎13

𝑎11 𝑎12
𝐴 = [𝑎21 𝑎22 𝑎23 ] 𝐴23 = (−1)2+3 |𝑎 𝑎32 | = −𝑀23
31
𝑎31 𝑎32 𝑎33
DESARROLLO DE UN DETERMINANTE POR LOS ELEMENTOS DE UNA LÍNEA
Consideremos un determinante de 3er. Orden y lo desarrollamos (por Sarrus)

𝑎11 𝑎12 𝑎13
|𝐴| = |𝑎21 𝑎22 𝑎23 |
𝑎31 𝑎32 𝑎33
= 𝑎11 𝑎22 𝑎33 + 𝑎21 𝑎32 𝑎13 + 𝑎12 𝑎23 𝑎31 − 𝑎31 𝑎22 𝑎13 − 𝑎21 𝑎12 𝑎33
− 𝑎32 𝑎23 𝑎11
Sacamos factor común los elementos de la 1er. Columna:
= 𝑎11 (𝑎22 𝑎33 − 𝑎32 𝑎23 ) + 𝑎21 (𝑎32 𝑎13 − 𝑎12 𝑎33 ) + 𝑎31 (𝑎12 𝑎23 − 𝑎22 𝑎13 )
𝑎22 𝑎23 𝑎12 𝑎13 𝑎12 𝑎13
= 𝑎11 (−1)1+1 |𝑎 𝑎33 | + 𝑎21 (−1)
2+1
|𝑎 𝑎33 | + 𝑎31 (−1)
3+1
|𝑎 𝑎23 |
32 32 22
|𝐴| = 𝑎11 𝐴11 + 𝑎21 𝐴21 + 𝑎31 𝐴31 = ∑ 𝑎𝑖1 𝐴𝑖1

𝑖=1
Propiedades:
7) En todo determinante la suma de los productos de los elementos de una línea por los
adjuntos de una paralela es igual a cero
Ejemplo:
|𝐴| = |3 4| = 3. (−4) + 4.3 = −12 + 12 = 0

2 3
𝐴21 = −4 𝐴22 = 3
15
8) Si todos los elementos de una línea son nulos, menos uno, el determinante se reduce
al producto del elemento no nulo por su correspondiente adjunto
Ejemplo:
1 4 0
1 4
|𝐴| = |2 5 7|= 7. (-1)| | = −7. (6 − 12) = −7. (−6) =42
3 6
3 6 0
9) El determinante de una matriz triangular es el producto de los elementos de la

diagonal principal
Ejemplo:
3 1 6
1 7
|𝐴| = |0 1 7| = 3. | | = 3.2 = 6|𝐴| = 3.1.2 = 6
0 2
0 0 2
MATRICES REGULARES Y SINGULARES
• Una matriz cuadrada es REGULAR, cuando su determinante NO ES NULO:
𝐴 ∈ 𝐾 𝑛𝑥𝑛 𝑒𝑠 𝑟𝑒𝑔𝑢𝑙𝑎𝑟 ⟺ |𝐴| ≠ 0
• Una matriz cuadrada es SINGULAR, cuando su determinante es nulo:
𝐴 ∈ 𝐾 𝑛𝑥𝑛 𝑒𝑠 𝑠𝑖𝑛𝑔𝑢𝑙𝑎𝑟 ⟺ |𝐴| = 0
MATRIZ ADJUNTA
Dada una matriz A, cuadrada y regular, se llama matriz adjunta de A, que la denotaremos Adj
A, a la que se obtiene reemplazando cada elemento de la traspuesta de A, por su adjunto.
𝑎11 𝑎12 ⋯ 𝑎1𝑛 𝐴11 𝐴21 ⋯ 𝐴𝑛1
𝐴 = [ 𝑎21 𝑎22 ⋯ 𝑎2𝑛 ] ⇒ 𝑎𝑑𝑗𝐴 = [ 𝐴12 𝐴22 ⋯ 𝐴𝑛2 ]
𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑛 𝐴1𝑛 𝐴2𝑛 ⋯ 𝐴𝑛𝑛
16
También se puede hallar la adjunta de una matriz determinando primero el adjunto de cada
elemento y luego trasponiendo
𝐴11 𝐴12 ⋯ 𝐴1𝑛 𝑇

⇒ 𝑎𝑑𝑗𝐴 = [𝐴21 𝐴22 ⋯ 𝐴2𝑛 ]
𝐴𝑛1 𝐴𝑛2 ⋯ 𝐴𝑛𝑛
Ejemplo:
1 0 2 1 2 −1
𝐴 = [ 2 1 1] ⇒ 𝐴𝑇 = [0 1 0 ]
−1 0 0 2 1 0
1 0 0 0 0 1
(−1)1+1 | | (−1)1+2 | | (−1)1+3 | |
1 0 2 0 2 1 0 0 −2
2+1 2 −1 2+2 1 −1 1 2
Adj A = (−1) | | (−1) | | (−1)2+3 | | = [−1 2 3]
1 0 2 0 2 1
1 0 1
3+1 2 −1 1 −1 1 2
[(−1) | | (−1)3+2 | | (−1)3+3 | |]
1 0 0 0 0 1
PROPIEDAD DE LA MATRIZ ADJUNTA
El producto de una matriz 𝐴 ∈ 𝐾 𝑛𝑥𝑛 por su adjunta, da por resultado una matriz escalar, donde
el escalar tiene el valor del determinante de esa matriz
𝐴11 𝐴21 ⋯ 𝐴𝑛1

𝐴12 𝐴22 ⋯ 𝐴𝑛2
𝐴1𝑛 𝐴2𝑛 ⋯ 𝐴𝑛𝑛
A . Adj. A
𝑎11 𝑎12 ⋯ 𝑎1𝑛 |𝐴| 0⋯ 0

𝑎21 𝑎22 ⋯ 𝑎2𝑛 0 |𝐴| ⋯ 0
𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑛 0 0⋯ |𝐴|
17
|𝐴| 0⋯ 0
𝐴 . 𝐴𝑑𝑗 𝐴 = [ 0 |𝐴| ⋯ 0]
0 0⋯ |𝐴|
Extraigo:
1 0⋯ 0
= |𝐴|. [0 1 ⋯ 0] = |𝐴|. I
0 0⋯ 1
Como 𝐴 . 𝐴𝑑𝑗 𝐴 = |𝐴|. 𝐼

𝐴.𝐴𝑑𝑗 𝐴
Si A es regular, tenemos I = |𝐴| ≠0
|𝐴|
Ejemplo:
0 0 −2
−1 2 3
1 0 1
A. Adj. A
1 0 2 2 0 0
2 1 1 0 2 0
−1 0 0 0 0 2
2 0 0 1 0 0
𝐴 . 𝐴𝑑𝑗 𝐴 = [0 2 0] = 2 . [0 1 0] = 2 . I
0 0 2 0 0 1
MATRIZ INVERSA
𝐴 ∈ 𝐾 𝑛𝑥𝑛 es regular |𝐴| ≠ 0, inversible o no singular ⟺ existe una matriz que llamaremos 𝐴−1
de la misma clase, tal que su producto por A, a izquierda y a derecha, es la identidad.
A ∈ k nxn es inversible ⟺ ∃ A−1 ∈ K nxn : A . A−1 = A−1 . A = I
18
TEOREMA DE LA EXISTENCIA DE MATRIZ INVERSA:
✓ La condición necesaria y suficiente para que una matriz cuadrada A admita inversa es
que sea regular: |𝐴| ≠ 0
∴ ∃ 𝐴−1 ⟺ |𝐴| ≠ 0
PROPIEDADES:
1) Si 𝐴 ∈ 𝐾 𝑛𝑥𝑛 tiene inversa, ésta es única.
Supongamos que A−1 −1

1 , A2 son inversas de A
A−1 −1
1 . A = I si posmultiplicamos por 𝐴2 ambos miembros:
(A−1 −1 −1
1 . A). A2 = I . A2 Por pp. Asoc.
A−1 −1
1 (A . A2 ) = A2
−1
A−1 −1
1 . I = A2
A−1
1 = A2
−1
2) La inversa de 𝐴−1 𝑒𝑠 𝐴 (𝑝𝑟𝑜𝑝𝑖𝑒𝑑𝑎𝑑 𝑖𝑛𝑣𝑜𝑙𝑢𝑡𝑖𝑣𝑎)

(𝐴−1 )−1 = 𝐴
3) Si dos matrices son inversibles, entonces la inversa del producto, es igual al producto
de las inversas en orden permutado.
(𝐴 . 𝐵)−1 = 𝐵 −1 . 𝐴−1 ∀ 𝐴, 𝐵 ∈ 𝐾 𝑛𝑥𝑛 ∧ |𝐴| ≠ 0 ∧ |𝐵| ≠ 0
DETERMINACIÓN DE LA MATRIZ INVERSA
Consideremos las igualdades:
A. Adj A
=I
{ |A|
A . A−1 = I
A. Adj A
= A . A−1
|A|
𝐴𝑑𝑗 𝐴
𝐴−1 =
|𝐴|
19
Es la regla general para obtener la inversa de una matriz
Ejemplo:
1 0 2
𝐴 = [ 2 1 1] 𝑒𝑙 |𝐴| = 2 ≠ 0 ⇒ ∃ 𝑚𝑎𝑡𝑟𝑖𝑧 𝑖𝑛𝑣𝑒𝑟𝑠𝑎 𝑑𝑒 𝐴
−1 0 0
0 0 −2 𝐴𝑑𝑗 𝐴
𝐴𝑑𝑗 𝐴 = [−1 2 3 ] 𝑐𝑜𝑚𝑜 𝐴−1 =
|𝐴|
1 0 1
0⁄ 0⁄ −2⁄ 0 0 −1
2 2 2
−1 2 −1
3⁄ = [ ⁄2 1 3⁄
⇒ 𝐴−1 = ⁄2 ⁄2 2 2]
1⁄ 1⁄
1
[ ⁄2
0⁄
2
1⁄
2] 2 0 2
Verificación:
𝐴 . 𝐴−1 = 𝐼
0 0 −1
−1⁄
2 1 3⁄2
1⁄ 0 1⁄2
2
A. A-1
1 0 2 1 0 0
2 1 1 [0 1 0] = I
−1 0 0 0 0 1
MATRICES ESCALONADAS
Una matriz 𝐴 ∈ 𝐾 𝑚𝑥𝑛 es una matriz escalonada o se dice que está en forma escalonada, si:
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 1er. elemento distinto de cero
es mayor que el número de ceros de la fila anterior.
20
Ejemplo:
𝑎11 𝑎12 𝑎13 𝑎14
0 𝑎22 𝑎23 𝑎24
𝐴=[ ]
0 0 0 𝑎34
0 0 0 0 4𝑥4
RANGO DE UNA MATRIZ: 𝒓𝒈 (𝑨) ∨ 𝒓(𝑨)
Al estudiar determinantes vimos que: Dada 𝐴 ∈ 𝐾𝑚𝑥𝑛 ; se tiene:
1) Está definida |𝐴|

2) |𝐴| = |𝐴𝑡 |
3) |𝐴| = 0; no dice que las líneas son linealmente dependientes.

4) |𝐴| ≠ 0; no dice que las líneas son linealmente independientes.
Sea 𝐴 ∈ 𝐾𝑚𝑥𝑛 , se llama rango de una matriz 𝐴 y se denota como 𝑟(𝐴)al orden del determinante
de mayor orden no nulo que pueda extraerse de la matriz.
Queda claro que si |𝐷|, es el mayor determinante extraído de 𝐴 ∈ 𝐾𝑚𝑥𝑛 y además se verifica
que |𝐷| ≠ 0, por la propiedad 4, resulta que:
El rango de una matriz es la cantidad de líneas (filas o columnas) linealmente independientes.
Observación:
• Si 𝑚 ≠ 𝑛 → 𝑚 < 𝑛 → 𝑟(𝐴) ≤ 𝑚
→ 𝑚 > 𝑛 → 𝑟(𝐴) ≤ 𝑛
• 𝑆𝑖 𝑚 = 𝑛 → 𝑟(𝐴) ≤ 𝑚 = 𝑛
Esto significa que el rango de la matriz A es menor o a lo sumo igual que el menor número de
líneas de la matriz.
Ejemplo:
1 2 3
Sea la matriz 𝐴 = (4 5 6)
5 7 9
21
Calculamos su determinante:
1 2 3
|𝐴| = |4 5 6| = 45 + 84 + 60 − 75 − 42 − 72 = 0
5 7 9
Por lo tanto, el determinante de orden 3 es nulo.
Tomo un determinante cualquiera de orden 2, extraído de la matriz A.
|𝐷| = |1 2| = 5 − 8 = −3 ⋀ − 3 ≠ 0
4 5
Como vemos, el determinante de orden 2 es no nulo, lo que indica que el r(A)=2
OPERACIONES O TRANSFORMACIONES ELEMENTALES
Las operaciones elementales se pueden efectuar en las matrices en forma individual o conjunta
y se utiliza para:
1) Determinar el rango de la matriz

2) Triangular, escalonar y diagonalizar una matriz.
3) Calcular el determinante de una matriz.
4) Obtener la matriz inversa.
5) Resolver sistemas de ecuaciones.
Son las operaciones que se realizan sobre las filas o columnas de una matriz, obteniendo otra
matriz equivalente.
Las operaciones elementales sobre una matriz son:
1- Permutación de dos líneas entre sí. (filas o columnas)

𝐴𝑖 ↔ 𝐴´𝑖
2- Suma de una línea paralela a ella
𝐴𝑖 ↔ 𝐴𝑖 + 𝐴´𝑖
3- Producto de una línea por un escalar no nulo

𝐴𝑖 ↔ 𝑘 . 𝐴𝑖 𝑐𝑜𝑛 𝑘 ≠ 0
22
TRIANGULACIÓN DE UNA MATRIZ POR MEDIO DE LAS OPERACIONES

ELEMENTALES
Vamos a hacer cero todos los elementos que se encuentran por debajo de la diagonal principal,
utilizando operaciones elementales.
Ejemplo:
1 2 −1
Dada la matriz 𝐴 = [2 −3 1 ]
4 1 −1
Procedemos de la siguiente manera:
1) La primera fila, la copiamos como se nos presenta.
1 2 −1
𝐴 = [2 −3 1 ]
4 1 −1
2) Para lograr los primeros ceros, en la primera columna procedemos de la siguiente forma:
2𝑓1 − 𝑓2
; en nuestro ejemplo sería
4𝑓1 − 𝑓3
2 4 −2
} 𝑎𝑙 𝑟𝑒𝑎𝑙𝑖𝑧𝑎𝑟 𝑙𝑎 𝑜𝑝𝑒𝑟𝑎𝑐𝑖ó𝑛, 𝑑𝑎 𝑝𝑜𝑟 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜 = 0 7 −3, para la fila 2
−2 −3 1
Respondiendo a la transformación planteada para la fila 3: 4𝑓1 − 𝑓3 ; se tiene:

4 8 −4
} 𝑎𝑙 𝑟𝑒𝑎𝑙𝑖𝑧𝑎𝑟 𝑙𝑎 𝑜𝑝𝑒𝑟𝑎𝑐𝑖ó𝑛, 𝑑𝑎 𝑝𝑜𝑟 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜 = 0 7 −3, para la fila 3
−4 1 −1
3) Reemplazamos los resultados obtenidos en la matriz dada, y se tiene:
1 2 −1
𝐴 = [0 7 −3]
0 7 −3
4) A partir de allí, procedemos nuevamente con otra transformación elemental, para obtener
el último cero que necesitamos debajo de la diagonal principal para obtener la matriz
triangular. En esta oportunidad recurriremos a la siguiente transformación: 𝑓2 − 𝑓3
5) Al realizar esta operación en la matriz dada se tiene:
23
1 2 −1
𝐴 = [0 7 −3]
0 0 0
La última fila se anula debido a que termina siendo una combinación lineal de las anteriores.
Esta matriz triangular obtenida tiene el mismo rango que la matriz A, y es muy fácil ver que el
rango de la matriz A es 2, o sea, que tiene dos filas linealmente independientes.
Se puede decir que el rango de una matriz lo observamos contando la cantidad de filas no nulas
que nos quedan luego de escalonar la matriz
MATRICES EQUIVALENTES
Dadas las matrices 𝐴 ∈ 𝐾 𝑚𝑥𝑛 ∧ 𝐵 ∈ 𝐾 𝑚𝑥𝑛 se dice que B es equivalente a A si y solo sí B

puede obtenerse efectuando un número finito de operaciones elementales sobre A.
1 2 −3 0 1 2 −3 0 1 2 −3 0
A = [2 4 −2 2] ≈ [0 0 4 2 ] ≈ [0 0 4 2 ]
3 6 −4 3 0 0 5 3 0 0 0 2
F2 + (−2F1 ) → F2
F3 + (−3F1 ) → F3 −5F2 + 4F3 → F3
El método utilizado se llama triangulación por operaciones elementales entre filas.
Otro método a utilizar es el método de Gauss, basado también en las trasformaciones

elementales.
24

Teoría Unidad 5

Cargado por

Información del documento

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

Teoría Unidad 5

Cargado por

Copyright:

Formatos disponibles

Universidad Nacional del Nordeste

Facultad de Ciencias Económicas

Un fabricante manufactura los productos a, b y c. Las unidades de mano de obra y horas

Llamamos matriz de clase (2 x 3) a la función

1- Matriz Cuadrada: cuando 𝑚 = 𝑛 es la matriz en la que el número de filas es igual

𝑎11 ⋯ 𝑎1𝑗 ⋯ 𝑎1𝑛

𝑠𝑖𝑒𝑛𝑑𝑜 𝑎𝑖𝑗 𝑐𝑜𝑛 𝑖 = 𝑗 𝑙𝑎 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙 𝑝𝑟𝑖𝑛𝑐𝑖𝑝𝑎𝑙

2- Matriz Rectangular: cuando 𝑚 ≠ 𝑛 dónde el número de filas es distinto al número

• Si 𝑚 < 𝑛matriz rectangular horizontal

𝑎11 𝑎12 𝑎13 2𝑥3

• Si 𝑚 > 𝑛matriz rectangular vertical

3- Matriz Fila o Vector Fila: cuando

4- Matriz Columna o Vector Columna: cuando 𝑛 = 1

7- Matriz Traspuesta: Es la matriz que se obtiene permutando filas por columnas.

𝐴 ∈ 𝐾 𝑚𝑥𝑛 𝑦 𝐴 = [𝑎𝑖𝑗 ]𝑚𝑥𝑛 𝑦

𝐴 = [𝑎𝑖𝑗 ]𝑚𝑥𝑛 𝑦 (−𝐴) = [−𝑎𝑖𝑗 ]𝑚𝑥𝑛

MATRICES CUADRADAS PARTICULARES

3- Matriz Identidad: es la matriz escalar donde los elementos de la diagonal principal

4- Matriz Simétrica: una matriz cuadrada es simétrica cuando es igual a su traspuesta.

⇒ 𝑎𝑖𝑗 = 𝑎𝑗𝑖 ∀𝑖, ∀𝑗

5- Matriz Antisimétrica: una matriz cuadrada es antisimétrica cuando es igual a la

𝐴 ∈ 𝐾 𝑛𝑥𝑛 𝑒𝑠 𝑎𝑛𝑡𝑖𝑠𝑖𝑚é𝑡𝑟𝑖𝑐𝑎 ⇔ 𝐴 = −𝐴𝑇

⇒ 𝑎𝑖𝑗 = −𝑎𝑗𝑖 ∀𝑖, ∀𝑗

𝑎11 𝑎12 𝑎13

Suma de Matrices: Se define la suma para matrices de la misma clase

𝐴 ∈ 𝐾 𝑚𝑥𝑛 𝑦 𝐴 = [𝑎𝑖𝑗 ]𝑚𝑥𝑛

𝐵 ∈ 𝐾 𝑚𝑥𝑛 𝑦 𝐵 = [𝑏𝑖𝑗 ]𝑚𝑥𝑛

𝑎 + 𝑏11 𝑎12 + 𝑏12 𝑎13 + 𝑏13

1- Ley de cierre:∀ 𝐴, 𝐵 ∈ 𝐾 𝑚𝑥𝑛 : (𝐴 + 𝐵) ∈ 𝐾 𝑚𝑥𝑛

∀𝐴 ∈ 𝐾 𝑚𝑥𝑛 ∃(−𝐴) ∈ 𝐾 𝑚𝑥𝑛 : 𝐴 + (−𝐴) = (−𝐴) + 𝐴 = 𝐸 = [0]

Producto de una Matriz por un Escalar: Dado 𝐴 ∈ 𝐾 𝑚𝑥𝑛 𝑦 𝜆 ∈ 𝐾 el producto de una

𝐴 = [𝑎𝑖𝑗 ]𝑚𝑥𝑛 ⇒ 𝜆. 𝐴 = 𝜆. [𝑎𝑖𝑗 ]𝑚𝑥𝑛 = [𝜆. 𝑎𝑖𝑗 ]𝑚𝑥𝑛

𝑎11 𝑎12 𝜆𝑎11 𝜆𝑎12

1) 𝜆. 0 = 0, lambda por la matriz nula, es la matriz nula.

4) Si λ = (−1) ⇒ λ. A = (−1). A = (−A); La matriz A y (-A) son opuestas y su suma es

Propiedades del Producto de una Matriz por un Escalar:

1- Ley de composición externa:

∀ 𝐴 ∈ 𝐾 𝑚𝑥𝑛 𝑦 𝜆 ∈ 𝐾(𝑒𝑠𝑐𝑎𝑙𝑎𝑟) ⇒ 𝜆 . 𝐴 = 𝐶 ∈ 𝐾 𝑚𝑥𝑛

2- Asociatividad respecto al producto de escalares:

3- El producto es distributivo respecto a la suma de escalares:

4- El producto es distributivo respecto a la suma de matrices:

5- Existencia del escalar neutro: 𝝀 = 𝟏

A =[aij]mxn B = [bij]nxq A . B = P/ P= [pij]mxq

pij = ai1 b1j + ai2 b2j + ai3 b3j + . . . . . . .+ ain bnj

El elemento pij que se encuentra en la i-ésima fila y j-ésima columna de P se obtiene

A. B = P; Se dispone en una, gráfica como la siguiente:

1) A. B  B. A no conmutatividad del producto.

5) A. B=0; no implica A=0 o B = 0,

Producto de matrices de clase n x n: En Knxn, se define el producto de matrices de igual

A  Knxn B  Knxn  A . B = P  Knxn

𝒂𝒎𝟏 ⋯ 𝒂𝒎𝒋 ⋯ 𝒂𝒎𝒏

Definición de la función determinante:

Consideramos una matriz 𝐴 ∈ 𝐾 𝑛𝑥𝑛 𝑝𝑎𝑟𝑡𝑖𝑐𝑖𝑜𝑛𝑎𝑑𝑎 𝑒𝑛 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠 𝐴 = (𝐴1 𝐴2 … 𝐴𝑛 )

𝐷(𝐴1 𝐴2 . . 𝐴𝑗 + 𝐴´𝑗 . . 𝐴𝑛 ) = 𝐷(𝐴1 𝐴2 . . 𝐴𝑗 . . 𝐴𝑛 ) + 𝐷(𝐴1 𝐴2 . . 𝐴´𝑗 . . 𝐴𝑛 )

Axioma 2:𝐷(𝐴1 𝐴2 . . 𝜆𝐴𝑗 . . 𝐴𝑛 ) = 𝜆𝐷(𝐴1 𝐴2 . . 𝐴𝑗 . . 𝐴𝑛 )

Axioma 3: 𝐷(𝐴1 𝐴2 . . 𝐴𝑘 . . 𝐴𝑗 . . 𝐴𝑛 ) = −𝐷(𝐴1 𝐴2 . . 𝐴𝑗 . . 𝐴𝑘 . . 𝐴𝑛 )

Propiedades de la Función Determinante:

2) Si una columna de la matriz es nula entonces su determinante es nulo.

|𝐴| = |2 0| = 2.0 − 3.0 = 0

3) El valor de un determinante de una matriz no varía si a una columna se le suma una

4) Si en el determinante de una matriz las vectores columnas son linealmente

|𝐴| = |2 3.2| = 3 |2 2| = 3(10 − 10) = 3.0 = 0

5) El determinante de una matriz es igual al determinante de su traspuesta: |𝐴| = |𝐴𝑡 |

6) El determinante de un producto de matrices es igual al producto de los determinantes