UNIDAD 2: MATRICES Y DETERMINANTES

n esta unidad haremos un estudio de los aspectos ms indispensable de matrices y

determinantes. Se utilizan notaciones generalizadas.

2.1 Matrices
DEF. Se llama MATRIZ de orden mxn y se denota con letras maysculas A,B,... a un arreglo
rectangular de mn nmeros de un conjunto K, (K mnimo un anillo) dispuestos en m filas y n
columnas encerrados en corchetes o en parntesis; esto es :

a 11
a
A 21
..

a m1

a 12
a 22
..
a m2

a 1n
.. . a 2n
.. .
..

.. . a mn
...

donde: m indica el nmero de filas y n el nmero de columnas, a ij es el elemento de A

ubicado en la fila i, y en la columna j; por ejemplo, el elemento a23 est en la fila 2 y en la
columna 3. Si m = n la matriz se dice cuadrada, caso contrario se dice rectangular.
Al conjunto de todas las matrices de orden mxn con elementos en K denotaremos con:

M mxn K (se lee conjunto de matrices de orden mxn a valores en K)

Cada fila o rengln a i1 a i2 . . . a in de A llamaremos vector fila i-sima, y
denotaremos con A i ; luego, la matriz A puede expresarse en vectores filas, as:

A1
A
2
A=
. . .

A m

a 1j
a
2j
Cada columna de A llamaremos vector columna j-sima de A, y denotaremos con
. . .

a mj

A j ; luego, la matriz A puede expresarse en vectores columnas, as:

A = A1

A2 . . . An

EJEMPLO 1. A continuacin tenemos una matriz cuadrada A de orden 3x3, y una matriz
rectangular B de orden 2x3

10

lgebra Lineal

Ing. Juan Obando

1 2 3
3 4 2
A 3 7 9 , B

9 7 5
2 4 7
NOTA. En esta parte veamos algunos tipos de matrices:
1) Identidad (I) , si i =1,...,n aii =1 y ceros los dems elementos; 2) Matriz cero, si i,j
a ij = 0; 3) Si A = (aij) se llama transpuesta de A y se denota A t a la matriz A t = (aji) ;
4) Simtrica si A = A t ; 5) Antisimtrica si A = - A t ; 6) A M nxn K se dice Escalar si
es de la forma aI; 7) Triangular superior si a ij = 0 cuando i>j; 6) Triangular inferior

si a ij = 0 cuando i<j; 9) A M nxn K se dice Diagonal si i,j i j a ij = 0 ; 10)

Idempotente si A 2 = A; 11) Nilpotente si A n =0 para algn entero positivo n;
12) A M nxn K se dice Involutiva si A 2 = I, 13) Ortogonal si A.t A = I. Se llama Matriz
conjugada de A y se denota A a la matriz A (a ij ) ; 11) Hermitiana si A = A t ,
12) Antihermitiana si A= - A t ; 13) Unitaria si A A t = I.
DEF. Sea A M nxn K . Se llama Traza de A al nmero: Trz(A) =

a
i 1

ii

2.1.1 Operaciones algebraicas con matrices: Adicin, multiplicacin, potenciacin

2.1.1.1 Adicin
Sean A,B M mxn K

a 11
a
21
A=
.

a m1

a 12
a 22
.
a m2

. . a 1n
. . a 2n
;B=
. . .

. . a mn

b 11
b
21
.

b m1

b 12
b 22
.
b m2

. . b 1n
. . b 2n
. . .

. . b mn

la adicin entre A y B se define as:

a 11 b11
a b
21
21
A+B :=

a m1 b m1

a 12 b12
a 22 b 22
.

. .
. .
. .

a 1n b1n
a 2n b 2n
.

a m2 b m2

. . a mn

b mn

Ahora de manera corta; sean A a ij , B b ij matrices de orden mxn; entonces se tiene:

A+B = c ij

donde i,j 1im, 1jn c ij a ij b ij

DEF. Se llama opuesta de A a la siguiente matriz:

11

lgebra Lineal

- a 11
- a
21
A

..

- a m1

Ing. Juan Obando

..... - a 1n
..... - a 2n
.....
..

..... - a mn

- a 12
- a 22
..
- a m2

NOTA. La sustraccin se define as: A-B:= A+(-B)

2.1.1.2 Multiplicacin
Sean: A M mxn K , B M nxp K , la multiplicacin entre A y B se define as:

n
a 1i b i1
i n1

AxB := a 2i b i1
i 1

.
n
a mi b i1
i 1

1i

b i2

2i

b i2

i 1
n

i 1
n

b ip
i 1

n
. . a 2i b ip

i 1

. .
.
n

. . a mi b ip

i 1
n

mi

i 1

b i2

. .

1i

resulta una matriz de orden mxp, donde m es el nmero de filas de A y p el nmero de

columnas de B.
De manera corta, la multiplicacin se define as:
n

AB = (aij)(bjk) = (cik), donde i 1im , k 1kp

cik = a ij b jk
j 1

NOTA. Por ejemplo, el elemento c11 se obtiene multiplicando la fila 1 de A por la columna 1
de B, esto es:
n

c11= a11b11+a12b21+a13b31+ . . . +a1nbn1 =

1j

b j1

j 1

el elemento c12 se obtiene multiplicando la fila 1 de A por la columna 2 de B, esto es:

n

c12= a11b12+a12b22+a13b32+ . . . +a1nbn2 = a 1j b j2

j 1

EJEMPLO 2
Dadas las matrices:

1 2 1
2 3 1
1 1 2 2

0 2 , C 0 2 3 1
A 1 0 2 , B 2

1 3
1 2 1
3 2 1 1
1
Hallar: a) A+B, b) A-B, c) 2A-3B, d) AB, e) BC

12

lgebra Lineal

Ing. Juan Obando

2 3 1 1 2 1 2 + 1 3 2 1 + 1 3 1 0
0 2 1 + 2 0 + 0 2 2 3 0 4
a) A + B 1 0 2 2
1 2 1 1 3
1 1 1 2 + 3 1 + 1 2 5 2
2 3 1 1 2 1 2 1 3 + 2 1 1 1 5 2
0 2 1 2 0 0 2 + 2 1 0
0
b) A - B 1 0 2 2
1 2 1 1 3
1 1 + 1 2 3 1 1 0 1 0
2 3 1 1 2 1 4 3 6 + 6 2 3 1 12 5

0 2 2 6 0 0 4 + 6 4 0
2
c) 2A - 3B 2 1 0 2 3 2

1 2 1 1 3
1 2 + 3 4 9 2 3 1 5 1

2 3 1 1 2 1
0 2
d) AB 1 0 2 2
1 2 1 1 3
1

9 7 5
3 8 1

2 5 4

1 2 1 1 1 2 2 2 5 3 5
0 2 0 2 3 1 8 6 2 2
e) BC = 2
1 3
1 3 2 1 1 4 3 8
4
TEOREMA 1. El conjunto de las matrices cuadradas de orden n con elementos en K
M nxn (k) con las operaciones internas adicin (+) y multiplicacin (x) es un Anillo
Prueba
1. (M nxn (k),) es un grupo abeliano; ya que:
a) M nxn (k) es cerrado respecto al +; esto es
A,B M nxn (k) A+B M nxn (k)
En efecto, Sean

a 11 a 12
a a
21 22
A. . . . . .
. . . . . .
a a
n1 n2

a 13 . . . a 1n
b 11 b 12

b b
a 23 . . . a 2n
21 22
. . . . . . . . , B . . . . .
.....
........

b b
a n3 . . . a nn
n1 n2

b 13 . . . b 1n
b 23 . . . b 2n
.......
.......
b n3 . . . b nn

la adicin entre A y B es:

a 11 b 11 a 12 b 12
a b a b
21
22
22
A B 21
. . . . . . . . . . . .. .

a n1 b n1 a n2 b n2

a 13 b 13 . . . a 1n b 1n
a 23 b 23 . . . a 2n b 2n
M nxn (k)
...............

a n3 b n3 . . . a nn b nn

13

lgebra Lineal

Ing. Juan Obando

Ahora de manera corta.

Poniendo A [a ij ], B [b ij ] de orden n , se tiene:

A B [a ij ] [b ij ] [a ij b ij ] M nxn (k).
NOTA. Se puede sumar tranquilamente dos matrices A,B M mxn (k)
b) El + es conmutativo en M nxn (k) ; esto es
A,B M nxn (k) A+B = B+A
c) El + es asociativo en M nxn (k) ; esto es
A,B,C M nxn (k) (A+B)+C = A+(B+C)
d) Existe la matriz o como elemento neutro respecto al + en M nxn (k) ; esto es
o M nxn (k) / A M nxn (k) A+o = A
e) Cada A M nxn (k) tiene su simtrica respecto al +; esto es
A M nxn (k) (-A) M nxn (k) / A+(-A) = o
2. ( M nxn (k) , x) es un semigrupo; ya que:
f) M nxn (k) es cerrado respecto al x; es decir se cumple que:
A,B M nxn (k) AxB M nxn (k)
En efecto:

n
a 1k b k1
k 1
n
a 2k b k1
AxB =
k 1

n .
a b
nk k1
k 1

1k b k2

2k

k 1
n

k 1

b k2

.
n

a
k 1

b kn
k 1

. . . a 2k b kn
M nxn (k)
k 1

. . .
.

n
. . . a nk b kn
k 1

nk

b k2

. . .

1k

g) El x es asociativo en M nxn (k) ; es decir

A,B,C M nxn (k) (AxB) xC = Ax(BxC).
Probemos de manera corta que esta propiedad vale en todos los casos en que el producto est
bien definido; en decir, AxB se puede realizar siempre que el nmero de columnas de A sea
igual al nmero de filas de B. Veamos:
Sean las matrices:
A M pxq (K) , B M qxr (K) , C M rxs (K) ; se tiene:
q

AxB = D = (d ij) con d ij =

a
k 1

ik

b kj , BxC = E = (e kh) con e kh =

b
j1

kj

c jh

14

lgebra Lineal

Ing. Juan Obando

r

(AxB) xC = DxC = F = (f ih) con f ih =

d
j1

ij

c jh

Ax(BxC) = AxE = G = (g ih) con g ih =

a
k 1

ik

e kh

debe cumplirse que f ih= g ih ; en efecto

r
q

f ih = d ij c jh a ik b kj c jh a ik b kjc jh
j1
j1 k 1
j1 k 1

q
q
q
r
r

= a ik b kjc jh a ik b kjc jh a ik e kh g ih
k 1 j1
k 1 j1
k 1
r

Tambin se puede probar de esta manera directa:

r
q

(AxB) xC = a ik b kj C
j1
k 1

a ik
k 1

a ik b kjc jh
k 1

k 1

j1

ik

b kjc jh

b kjc jh Ax(BxC)
b
c

kj jh

j1
j1

3. El x es distributivo con el +; esto es

A,B,C M nxn (k) Ax(B+C) = AxB+AxC
Probemos en forma abreviada:

n
Ax(B+C) = a ij b jh c jh
j1
= AxB+AxC

a
n

j1

n
n

a ij c jh

a
b
b

a
c

ij
jh
ij jh
ij jh

j1
j1
j1

2.1.1.3 Potenciacin
DEF. Sea A M nxn K , entonces: A k : A.A k 1 con kZ
Sean A,B M nxn K . Si una de las dos matrices es una matriz escalar, esto es, de la forma
aI, entonces podemos aplicar la frmula del Binomio de Newton a su suma, es decir:
n
n
n
A

A n p B p con nZ
p 0 p
NOTA. El binomio de Newton no vale para la suma de dos matrices cualesquiera; ya que, el
binomio de Newton se aplica a elementos mnimo de un anillo conmutativo, y las matrices
forman una estructura de anillo pero no es conmutativo.

15

lgebra Lineal

Ing. Juan Obando

EJEMPLO 3

3 2 1
Hallar A siendo A 0 3 4

0 0 3
n

Expresamos la matriz A como una suma de una matriz escalar y una matriz B, esto es:
3 0 0 0 2 1
A = 0 3 0 + 0 0 4 = 3I+B con B =

0 0 3 0 0 0

0 2 1
0 0 4

0 0 0

Hallamos las potencias de B; esto es:

0 2 1 0 2 1 0 0 8
B = 0 0 4 0 0 4 = 0 0 0 ; B3 =

0 0 0 0 0 0 0 0 0
2

0 0 8 0 2 1 0 0 0
0 0 0 0 0 4 = 0 0 0

0 0 0 0 0 0 0 0 0

Como desde B3 en adelante son las matrices ceros, se tiene

n

n(n 1)
n
= 3I B (3I) n p B p = (3I)n +n(3I)n-1B+
(3I)n-2 B2 =
p
2
2

p 0

0 0 2n3 n 1

0
0 + 0
n
0
3 0

3 n

= 0
0

0
3n
0

3 n

= 0
0

2n3 n 1
3n
0

n3 n 1 0 0 4n(n 1)3 n 2

4n3 n 1 + 0 0
0
=

0 0 0
0

n(7 4n)3 n 2

4n3 n 1

2.1.2 Operaciones elementales entre filas o columnas de una matriz

DEF. Sea A M mxn K . Se llaman operaciones elementales sobre las filas (columnas) de A
a las siguientes:
1. Intercambio de 2 filas (columnas) de A
2. Multiplicacin de una fila (columna) de A por un a K * ; K * = K-{0}
3. Adicin a una fila (columna) de A otra fila (columna) de A multiplicada por un b K * .
NOTA. Una operacin elemental sobre filas (columnas) se dice del tipo 1, 2 o 3 segn sea la
operacin elemental 1, 2 o 3.
DEF. Dos matrices: A = a ij y B = b ij de M mxn K son iguales s y slo s
i = 1, . . . , m ; j = 1, . . . , n

a ij = b ij

lgebra Lineal

16

Ing. Juan Obando

DEF. Si una matriz B se obtiene de A mediante operaciones elementales, entonces se dice

que A y B son equivalentes por filas.
DEF. Se llama MATRIZ ELEMENTAL de orden n a la matriz E que se obtiene de la matriz
identidad I mediante una operacin elemental.
2.1.3 Matriz escalonada
DEF. Se dice que una matriz A M mxn K est ESCALONADA por filas ( en forma
reducida o cannica) si:
1. Todas las filas con elementos no nulos preceden a las filas que tienen todos los elementos
nulos.
2. En cada fila el primer elemento no nulo es 1 y es el nico elemento no nulo de su
respectiva columna.
3. El primer elemento no nulo 1 de cada fila pertenece a una columna que sigue a las
columnas que tienen 1 como primer elemento de las filas anteriores.
DEF. Se llama RANGO de A y se denota Rng(A), al nmero r que es el nmero de filas
no nulas de la matriz escalonada de A; esto es: Rng(A) = r
TEOREMA 2. Toda matriz A M mxn K se puede escalonar de una y una sola manera
mediante un nmero finito de operaciones elementales por filas.
TEOREMA 3. Las operaciones elementales de una matriz conservan el rango de una matriz.
EJEMPLO 4.
Escalone la siguiente matriz A en forma reducida, e indique su rango.

2 1 1 7
A= 1 2 2 1
3 1 1 12
Intercambiando las dos primeras filas, se tiene

1 2 2 1
2 1 1 7

3 1
1 12
luego, con el 1 de la primera columna y primera fila hacemos ceros en los otros puestos de la
columna; as: se multiplica la fila 1 por -2 y se suma a la segunda, luego se multiplica la
primera fila por -3 y se suma a la tercera, esto es
1 2 2 1 1 2 2 1
2 1 1 7 ~ 0 5 5 5

3 1 1 12 0 7 5 9

simblicamente se expresa: F2 2F1 F2 y F3 3F1 F3

17

lgebra Lineal

Ing. Juan Obando

Luego, dividiendo la segunda fila por 5 y con el uno que se obtiene en el puesto 22 se hace
ceros en los otros lugares de la columna; esto es
1 2 2 1 1 0 0 3
0 1 1 1 ~ 0 1 1 1

0 7 5 9 0 0 2 2

simblicamente se expresa: F1 2F2 F1 y F3 7F2 F3

finalmente se divide la tercera fila
en el puesto 23, esto es
1
0

0
hemos hecho F2 F3 F2

por 2 y con este 1 obtenido en el puesto 33 se hace cero

3 1 0 0 3
1 1 1 ~ 0 1 0 2
0 1 1 0 0 1 1

siendo esta ltima la matriz escalonada de A en forma cannica; por lo tanto Rng(A) = 3
2.1.4 Inversa de una matriz, varios mtodos
DEF. Una matriz A M nxn K es INVERTIBLE si existe una matriz B M nxn K tal que:
AB = BA = I . La matriz B se llama inversa de A y se denota A 1 .
DEF. Sean: A M mxn K , B M mxp K . Se llama MATRIZ AUMENTADA entre A y B a
la matriz (AB) M mx(n p) (K)
2.1.4.1 PRIMER MTODO para hallar la inversa.
TEOREMA 4. A M nxn K es invertible si y slo si la matriz aumentada [A|I] mediante
operaciones elementales por filas se puede convertir en la matriz aumentada [I|B]. En este
caso B es la inversa de A; esto es A 1 =B.
EJEMPLO 5. Halle la inversa de

1 3 2

A = 4 11 8

5 15 9
Partimos de [A|I] para mediante operaciones elementales por filas llegar a [I|B]; esto es:
1 3 2 1 0 0
[A|I] = 4 11 8 0 1 0 ~
5 15 9 0 0 1

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

0 0 1 5 0 1

Para hacer ceros en los puestos 21 y 31, se ha multiplicado la fila 1 por -4 y se ha sumado a la
fila 2; luego se ha multiplicado la fila 1 por 5 y se ha sumado a la fila 3; en smbolos:

18

lgebra Lineal

Ing. Juan Obando

F2 4F1 F2 y F3 5F1 F3

con el 1 del puesto 22 hacemos cero en el puesto 12, haciendo: F1 3F2 F1 ; o sea:

1 0 2 11 3 0
0 1 0 4 1 0

0 0 1 5 0 1
con el 1 del puesto 33 hacemos cero en el puesto 13, haciendo: F1 2F3 F1 ; o sea:
1 0 0 21 3 2
0 1 0 4 1 0

0 0 1 5 0 1

luego, la inversa de A es :
21 3 2
A = 4 1 0
5 0 1
-1

2.1.4.2 SEGUNDO MTODO para hallar la inversa

Para hallar la inversa de la matriz A de orden n, se puede considerar la matriz incgnita X de
orden n, de tal manera que AX = I ; luego A-1 = X

EJEMPLO 6. Halle la inversa de A = 4

5
a
consideremos la matriz incgnita X = d
g

11 8

15 9
b c
e f
h i

1 3 2

haciendo AX = I, se tiene: 4 11 8

5 15 9

a b c 1 0 0
d e f = 0 1 0

g h i 0 0 1

de donde se obtienen los siguientes sistemas:

a 3d 2g 1

4a 11d 8g 0 ;
5a 15d 9g 0

b 3e 2h 0

4b 11e 8h 1 ;
5b 15e 9h 0

c 3f 2i 0

4c 11f 8i 0
5c 15f 9i 1

resolviendo stos, se obtiene la matriz X que es la inversa de A; es decir:

19

lgebra Lineal

Ing. Juan Obando

21 3 2
A-1 = X = 4 1 0

5 0 1
2.1.4.3 TERCER MTODO para hallar la inversa
Ahora se puede considerar las matrices incgnita X e identidad I expresadas en filas; esto es:

F1
e1
F
e
2
2

X = . , I= .


.
.
Fn
e n
siendo e1 = (1,0, . . . ,0); e2 = (0,1,0, . . . ,0); ... ; en = (0,0, . . . ,1)
haciendo AX = I , se obtiene la X que es la inversa de A

EJEMPLO 7. Utilizando este mtodo, halle la inversa de A = 4

5
1 3 2 F1 e 1
AX = I AX = 4 11 8 F2 = e 2

5 15 9 F3 e 3
de donde se tiene
F1 3F2 2F3 e 1

4F1 11F2 8F3 e 2

5F 15F 9F e
1
2
3
3

11 8

15 9
= I

resolviendo el sistema se obtiene: F1 = [-21 3 -2], F2 = [-4 1 0], F3 = [5 0 1] que son las filas
de X, luego de la inversa; por lo tanto:
21 3 2
A = X = 4 1 0

5 0 1
-1

2.2 Determinante de una matriz cuadrada

NOTA. Antes de ver la definicin de determinante, recordemos que: Dada una matriz A, a la
submatriz de orden n-1 que resulta de A eliminando la fila i y la columna j denotaremos
con A ij ( algunos autores lo llaman adjunta de A, nosotros la llamaremos simplemente
submatriz A ij de orden n-1)

20

lgebra Lineal

Ing. Juan Obando

DEF. El determinante de una matriz cuadrada A que denotaremos A es una aplicacin de

M nxn K en K; esto es:
: M nxn K K / A A
donde A se calcula de la siguiente manera inductiva:
1. Si A = a 11 entonces A = a 11 := a 11

a 11 a 12
a
21 a 22
2. Si A = .
.

.
.
a n1 a n2

. . a 1n
. . a 2n
. . . entonces A :=

. . .
. . a nn

-1

1+ j

a 1j A 1j

j 1

Hemos aplicado esta definicin a los elementos de la primera fila de A.

NOTA. Aplicando esta definicin vamos a ver que los resultados que se obtienen son los que
ya se conocan elementalmente:
Si n =1, se tiene:
Si n =2, se tiene:

A = a 11 A = a 11
2
a 11 a 12
a 11 a 12
A =

=
=
-11+ j a 1j A 1j =

a 21 a 22
j 1
a 21 a 22
= a 11 a 22 a 12 a 21 = a 11a 22 a 12 a 21

a 11
Si n =3, se tiene: A = a 21

a 31
= a 11

a 22
a 32

a 23
a 21
a 12
a 33
a 31

a 12
a 22
a 32

a 11
a 13

a 23 A = a 21
a 31
a 33

a 23
a 21
a 13
a 33
a 31

a 12

a 13

a 22
a 32

a 23 =
a 33

-1

1+ j

a 1j A 1j =

j 1

a 22
= a 11 (a 22 a 33 a 23 a 32 ) a 12 (a 21 a 33 a 23 a 31 ) +
a 32

a 13 (a 21 a 32 a 22 a 31 ) = a 11 a 22 a 33 a 12 a 23 a 31 a 13 a 21 a 32 a 11 a 23 a 32 a 12 a 21 a 33 a 13 a 22 a 31
As se prosigue con n4. Hasta aqu hemos obtenido las reglas elementales del clculo de
determinantes de segundo y tercer orden; esto es:

a 11

a 12

a 21

a 22

a 11

a 12

a 13

a 21
a 31

a 22
a 32

a 23 = a 11 a 22 a 33 a 12 a 23 a 31 a 13 a 21 a 32 a 11 a 23 a 32 a 12 a 21 a 33 a 13 a 22 a 31
a 33

= a 11a 22 a 12 a 21

Estas reglas deben aplicarse directamente al resolver ejercicios.

NOTA. As como tomamos los elementos de la primera fila, podemos tomar los de la primera
columna o de cualquier fila o columna; luego, se tienen las siguientes 4 frmulas para hallar
el determinante de una matriz cuadrada:

21

lgebra Lineal

Ing. Juan Obando

1. La definicin anterior es aplicada a los elementos de la primera fila, la frmula es:

n

- 1

A=

1+ j

a 1j A 1j

j1

(1)

2. Aplicando la definicin a los elementos de la primera columna, la frmula es:

n

- 1

A=

i +1

i 1

a i1 A i1

(2)

3. Aplicando la definicin a los elementos de cualquier fila, la frmula es:

n

-1

A=

i+J

a ij A ij

(3)

j 1

4. Aplicando la definicin a los elementos de cualquier columna, la frmula es:

A=

- 1

i+J

i 1

a ij A ij

(4)

NOTA. Las 4 frmulas anteriores, podemos presentarlas en una sola; esto es:
A=

- 1i+J a ij A ij

i o j 1

1 3 2
EJEMPLO 8. Hallar el determinante de A = 4 13 8
1 3 3

Aplicando la frmula (1) se tiene :

A 4 13 8 =
1 3 3

-1

1+ j

j 1

a 1j A 1j = 1

13 8
3

-3

-2

13

1 3

= 39-24-3(12-8)-2(12-13) = 15-12+2 = 1
DEF. Se llama adjunto (o cofactor) del elemento a ij de A y se denota ij al siguiente
nmero:
ij = (1) i j A ij
A la MATRIZ de los ADJUNTOS denotaremos con A y a la TRANSPUESTA de sta
denotaremos con Adj(A); estas matrices son respectivamente :

11 12

21 22
A= .
.

.
.
n1 n2

. . 1n
. . 2n
. . . , Adj(A) =

. . .
. . nn

11

12
.

.
1n

21 . . n1
22 . . n2
. . . .

. . . .
2n . . nn

22

lgebra Lineal

Ing. Juan Obando

NOTA. Estamos en condiciones de considerar el CUARTO MTODO para hallar la

inversa de una matriz, que se obtiene mediante la siguiente frmula:

A 1

1
Adj(A)
A

EJEMPLO 9
1 2 3
Por el cuarto mtodo, hallar la inversa de A = 3 7 9

1 2 4
1

Hallemos A , esto es : A = 3 7 9 = 28+18+18-18-24-21 = 1

1 2 4
Ahora, hallemos los 9 adjuntos ij de A ; esto es:

11 (1)11

7 9
28 18 10
2 4

12 (1)1 2

3 9
(12 9) 3
1 4

13 (1)13

3
7
6 7 1
1 2

21 (1) 21

2 3
(8 6) 2
2 4

22 (1) 2 2

1 3
4 3 1
1 4

23 (1) 23

1
2
(2 2) 0
1 2

31 (1) 31

2 3
18 21 3
7 9

33 (1) # 3

1 2
(7 6) 1
3 7

32 (1) 3 2

10 3 1
luego, A = 2 1 0 , por lo tanto Adj(A) =
3 0 1

1 3
(9 9) 0
3 9

10 2 3
3 1 0 ; as, la inversa de A es:

1 0 1

10 2 3
1
Adj(A) = 3 1 0
A =

A
1 0 1
-1

2.2.1 Propiedades de los determinantes (14 propiedades), determinantes generalizados

Por sencillez, consideraremos una matriz A expresada en columnas, as:
A = A1 A 2 . . . A n
De esta manera, podemos expresar las propiedades de la manera ms general posible.
(Rogamos a los docentes ir presentando ejemplos en cada propiedad). Estas son:

23

lgebra Lineal

Ing. Juan Obando

1. El determinante de una matriz que tiene una columna ( o fila) multiplicada por un escalar
no nulo a, es igual al escalar a por el determinante de la matriz sin el escalar como factor de
dicha columna (o fila); esto es:

A 1 , A 2 ,..., aA j ,..., A n = a A 1 , A 2 ,..., A j ,..., A n

2. Si una matriz A tiene una columna (o fila) formada por dos sumandos; su determinante es
igual a la suma de dos determinantes de la matriz, poniendo en el primer determinante los
primeros sumandos y en el segundo determinante los segundos sumandos de dicha columna;
esto es:
,

A1 , A 2 ,..., A i A i ,..., A n = A1 , A 2 ,..., A i ,..., A n + A1 , A 2 ,..., A i ,..., A n

3. Si intercambiamos dos columnas ( o dos filas) de una matriz, su determinante cambia de
signo; esto es:
A1 , A 2 ,..., A i ,..., A j ,..., A n = - A 1 , A 2 , ..., A j , ..., A i , ..., A n
4. El determinante de la matriz Identidad es igual a 1; esto es: I n =1
5. Si todos los elementos de una columna (o fila) de una matriz son ceros, entonces su
determinante es cero; esto es:
A 1 , A 2 , ...,0, ..., A n = 0

6. Si una matriz tiene dos columnas (o filas) iguales, su determinante es cero: esto es:
A 1 , A 2 , ..., A i , ..., A i , ..., A n = 0

7. Si una columna (o fila) de una matriz es el producto de otra por un escalar no nulo, su
determinante es cero; esto es:
A 1 , A 2 , ..., A i , ..., aA i , ..., A n = 0
8. Si una columna ( o fila) de una matriz es la combinacin lineal de otras, su determinante
es cero; esto es:
A 1 , A 2 , ..., A i , ..., A j , ..., aA i bA j , ..., A n = 0
9. Si B se obtiene de A sumando a la columna j la columna i multiplicada por un escalar no
nulo, esto es:
Si A = A 1 , A 2 , ..., A i , ..., A j , ..., A n y B = A 1 , A 2 , ..., A i , ..., aA i A j , ..., A n
entonces B = A
10. Si A tiene filas o columnas linealmente dependientes, entonces A = 0
11. El determinante del producto de dos matrices es igual al producto de sus determinantes
AB = A . B
12. A es invertible si y slo si A 0 y en este caso el determinante de la inversa es igual
al inverso del determinante; esto es:

24

lgebra Lineal

Ing. Juan Obando

A 1 A

13. Si A es triangular superior o triangular inferior o diagonal, su determinante es el producto

de los elementos de la diagonal principal; esto es:
A=

ii

i 1

(Sugerencia: demuestre por induccin)

14. La suma de los productos de los elementos de una fila por los adjuntos de otra es cero;
esto es:
n

a ij hj

= 0 si ih

j1

Demostracin:
Vamos a demostrar unas pocas propiedades, el resto lo har el lector.
1) Aplicando la definicin de determinante a los elementos de la columna j, o sea la frmula
4, se tiene:
n

A 1 , A 2 ,..., aA j ,..., A n =

-1

i+J

i 1

a.a ij A ij = a -1

i+J

a ij A ij =a A1 , A 2 , A j ,..., A n

i 1

2) Aplicando la definicin de determinante a los elementos de la columna j, o sea la frmula

4, se tiene:
n

A1 , A 2 ,..., A i A i ,..., A n = - 1
,

i 1

+ - 1
i 1

i+J

i+J

(a ij a ij ) A ij = -1
,

i+J

a ij A ij +

i 1

a ij A ij = A1 , A 2 ,..., A i ,..., A n + A1 , A 2 ,..., A i ,..., A n

6) Para demostrar esta propiedad es suficiente aplicar la 3 intercambiando las columnas

iguales, cambia el signo del determinante, y quedara:
A 1 , A 2 , ..., A i , ..., A i , ..., A n = - A 1 , A 2 , ..., A i , ..., A i , ..., A n

y esto se cumple nicamente cuando A 1 , A 2 , ..., A i , ..., A i , ..., A n = 0

8) Es suficiente aplicar la 2 para separar en dos determinantes, y luego la 1; esto es:
A 1 , A 2 , ..., A i , ..., A j , ..., aA i bA j , ..., A n = A 1 , A 2 ,..., A i ,..., A j ,..., aA i ,..., A n +

+ A 1 , A 2 ,..., A i ,..., A j ,..., bA j ,..., A n =

= a A 1 , A 2 ,..., A i ,..., A j ,..., A i ,..., A n +b A 1 , A 2 ,..., A i ,..., A j ,..., A j ,..., A n = 0
como estos dos determinantes tienen dos columnas iguales, por la 6 son iguales a cero.

25

lgebra Lineal

Ing. Juan Obando

12) Si A es invertible existe A 1 , luego A. A 1 =I, aplicando determinantes a los dos

1
1
-1
miembros y la propiedad 11, se tiene: A.A 1 A . A 1 I A 1
A 1 A
A
EJEMPLO 10
1) Dadas las siguientes matrices, hallar sus determinantes:

3 4
a) A =
A = -3-8 = -11
2 1

1 3 2
b) A = 4 1 2 A = -2+18-8+6-24+2 = -8
3 1 2
4
1 2 3
2
1
3 2

c) A =
A =
0
2 3 1

2 2
3 1
4

1
2

2
1

0
3

2
1

- 1

i +1

i 1

3
3

4
2

3 1
2 2

1 2 3
4
0 5 3 10
0 2 3
0 5 11

1
10

3 10

a i1 A i1 = 1. 2 3
5 11

= -150+15-220+150+60-55 = -200

10

Como la matriz A del c) es de orden 4, hemos utilizado la propiedad 9 de los determinantes

para introducir ceros en los puestos 21 y 41 de la primera columna. El cero del puesto 21 se
obtuvo multiplicando la fila 1 por -2 y sumando a la fila 2; el cero del puesto 41 se obtuvo
multiplicando la fila 1 por 3 y sumando a la fila 4; luego utilizamos la frmula 2 de los
determinantes aplicando a los elementos de la columna 1.

2) Sea d n

2
1
0
1 2
1
0 1 2
0
0 1

0
0
1
2

.
0
0
0

.
.
.
.

.
0
0
0

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
1. 2
1
0 1 2
0
0 1

0
0
0
0
.
0
1
2

Demostrar que: a) d1 2, d 2 5 , b) n n3 d n 2 d n -1 d n 2

26

lgebra Lineal

Ing. Juan Obando

Desarrollo

2 1
= 5. Para hallar d n aplicamos la segunda frmula de
1 2
los determinantes en el primer paso, y la primera en el segundo paso; as:
En efecto, d1 = 2 = 2, d2 =

2
1
0
1 2
1
0 1 2
0
0 1

0
0
1
2

.
0
0
0

.
.
.
.

.
0
0
0

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

0
0
0
0

.
.
.
1 2
1
0 1 2
0
0 1

1 2

.
0
1
2

= - 1
i 1

+ .

. = 2 d n 1 +

2
1

.
.

0
1

1 2

i +1

1 2

a i1 A i1 =2 .

. +

1 2

.
.

.
.

0
0

2 1
1 2
.
.
.
.

.
.
.
.

0
1

.
.
.
1 2
1
0 1 2
0
0 1

.
= 2 d n 1 + d n 2
0
1
2

luego, hemos probado que n n3 d n 2 d n -1 d n 2

ACTIVIDAD EVALUATIVA 2
1) Escriba 1 ejemplo de cada uno de los 12 tipos de matrices de mayor comprensin suya.
2) Dadas las matrices:

5 3 2
2 1 2 2
1 3 2

A 1 2 3 , B 1 2 0 , C 3 2 1 1
3 3 1
3 2 1 0
3 2
1
Hallar: a) A+B, b) A-B, c) 4A-3B, d) AB, e) BC, f) 21 A 23 B , g) Halle la matriz D tal que
A+ 21 D = B , h) Hallar la matriz E tal que sea AE = B, i) Escriba las opuestas de A,B,C
3) Demuestre que toda A M nxn K se puede expresar como la suma de una matriz
simtrica con una antisimtrica.

lgebra Lineal

27

Ing. Juan Obando

(Sugerencia: Utilice el hecho de que toda matriz simtrica se puede obtener como

A At
y
2

A At
toda matriz antisimtrica se puede obtener como
)
2
4) Demuestre por induccin que si A 2 = A entonces

nN A n =A

5) Si A M nxn K es simtrica e invertible, entonces A 1 es simtrica.

(Sugerencia: Aplicar la transpuesta miembro a miembro a la igualdad A.A 1 I )
5 2 1
3 6 3

6) Hallar A , siendo: 1) A 0 5 6 , 2) A 0 3 6

0 0 5
0 0 3
n

7) Escalone las siguientes matrices e indique sus respectivos rangos.

2 3 1 4
1) A = 1 2 2 1 ; 2) C =
3 2 1 14

2
1

5
2
3

3
5

5 11 10
9
4
7

8) Halle la inversa de las siguientes matrices por todos los mtodos vistos
1 2 1 2
1 3 2
2
5 2 4

1) A= 4 13 8 ; 2) D=

3 6 4
6
1 3 3

5
2 4 2

9) Halle los determinantes de las siguientes matrices:

3 1 3
2 3
A=
, B = 2 8 4 , C =

5 4
2 1 1

2 1
0 2

4 2

6 0

3
3
5 2

2 1

1
1

10) Hallar el valor de k en la siguiente matriz para que su determinante sea igual a 1

1 1 3
A = k 1 6
2 k 7
SUGERENCIA: Para resolver del 11 al 15, utilice la siguiente operacin elemental:
i 2 i n Fi-1 Fi Fi-1

28

lgebra Lineal

11) Sea A = a ij

Ing. Juan Obando

donde cada a ij maxi, j . Hallar A

min i, j

n 2 n 2
2 2

12) Sea A = a ij

donde cada a ij 2

13) Sea A = a

maxi, j
donde cada a ij 2
. Hallar A . Resp: A = (1) n 1 2

ij

. Hallar A . Resp: A =

donde cada a ij 3

min i, j

donde cada a ij 3

max i, j

14) Sea A = a ij
15) Sea A = a ij

n(n 1)
2

. Hallar A
. Hallar A

AYUDA. Las matrices de los ejercicios 12 y 13 son respectivamente las siguientes:

2
2

2
A=
.

2
2

2
22
22
22

2
22
23
23

2
22
23
24

.
.
.
.

.
.
.
.

.
22
22
22

.
23
23
23

.
24
24
24

.
.
.
.

.
.
n 2
. 2
. 2 n -1
. 2 n -1

16) Sea d n

2
2
2
23
4
2
.
n -2
2
2 n -1

2 n

b a
b 0
0 b a b
0
0 b a

.
.
.

.
.
.

.
.
.

0
0
0

.
0
0
0

,A=
.

2 n 2
2 n -1

2 n
2
22
23
24

.
0
0
0

2
22
23
24

.
.
.
.

.
.
.
.

22
22
23
24
.
n -2
2

23
23
23
24
.
n -2
2

24
24
24
24
.
n -2
2

.
.
.
.
.
.

2 n -1
2n

2 n -1
2n

2 n -1
2n

. . 2 n -1
. . 2n

.
.
.
.
b a
b 0
0 b a b
0
0 b a

2
Demostrar que: a) d 1 a, d 2 a 2 b 2 , b) n n3 d n a. d n -1 b .d n 2

.
.
.
.
.
.

2 n -1
2 n -1
2 n -1
2 n -1
.
n -1
2

2n

2n
2n

2n
.

2n
2n

2 n