CAPITULO XIV

MATRICES y
DETERMINANTES


1. MATRI CES
1.1. INTRODUCCIN.
Antes de definir una matriz, es conveniente sealar su importancia. Las matrices son bastante tiles en
casi todas las ramas de la Ciencia, de la Ingeniera y en los problemas de la Estadstica y la Economa.
La mayor parte de los clculos efectuados por las computadoras son con matrices, para resolver
problemas en los que se utilizan gran cantidad de datos. I
El estudiante, conforme avance en sus estudios, podr ver la gran utilidad y aplicacin que tienen las
matrices; por ejemplo, en el estudio del lgebra Vctorial. el Anlisis Complejo, las Ecuaciones
Diferenciales, la Programacin lineal, la Computacin, etc.
Veamos un ejemplo simple: Un armador de equipos de televisin podra tener ante s, una tabla como
la siguiente:

Si necesita saber cuntos altavoces lleva el Modelo B. observa cuidadosamente la interseccin de la
primera fila y la segunda columna, y si necesita saber cuntos transistores lleva el modelo C, observa
la interseccin de la 2da fila y la 3ra columna.

Llamaremos fila a los elementos dispuestos horizontalmente y columna a los elementos dispuestos
verticalmente. Si omitimos la fila y la columna de ttulos, obtenemos una disposicin de nmeros:




A esta disposicin rectangular y muchas similares, distribuidas en filas y columnas llamaremos
intuitivamente una Matriz.
Los elementos en referencia pueden ser nmeros reales, nmeros complejos, funciones o tambin
otras matrices con o en condiciones especiales. Utilizaremos los corchetes para representar una
matriz. Si el arreglo tiene m filas y n columnas, diremos que la matriz es de orden mxn.
As, son matrices los siguientes arreglos:


Estas matrices son de orden: 4x4, 4x1, 1x4 y 3x2, respectivamente.
MODELO A MODELO
B
MODELO C
Nmero de
Altavoces
4 3 5
Nmero de
Transistores
15 18 22
, C= 0 3 a kI , D =
"4 5 -2 17 a

0 2 -5 25 b
A
=
, B
=


8 6 30 -6 P
2 0 -6 33 .
q.
Definicin.- Sea F un Campo y E = |(i , j)/l < i < m, 1 < j < lj, un conjunto de pares de nmeros enteros
positivos. Una Matriz A de Orden m x n sobre un Campo F, es una funcin A: E > F, tal que A [(i , j)J =
a
(J
e F es un elemento de la matriz y se llama Entrada .
As las matrices A, B, C y D anteriores estn definidas, respectivamente, por:
E = | ( i , j ) / 1 < i < 4, 1 < j < 4] , F = R y l a mat r i z A: E > R.
E = {(i, j)/l < i <4, j = 1}, F= R y la matriz B: E- R.
E = {(i, j)/i = l, 1 < j < 4}, F= R y la matriz C: E > R.
E = {(i, j)/l < i < 3, 1 < j < 2}, F=R y la matriz D: E R.
En general, una matriz mx n, la representaremos en la forma:
E = {(i, j)/l < i < m, 1 < j < n}, F= R(o C), y A = E > F. Es decir:

A=
[

Los subndices de los elementos indican la fila y la columna a que pertenecen.
En forma simple, una Matriz de orden mxn denotaremos con letras maysculas y sus elementos con
letras minsculas, as:
A =

, donde: i = 1, 2, 3, m; j = 1, 2. 3,..., n; aij es el elemento que se encuentra en la i-sima fila

y la j-sima columna.

NOTA:
1) Si m = n, la matriz es llamada Cuadrada.
2) En una matriz cuadrada nxn i Diagonal Principal est formada slo por los elementos a
11
, a
22
, ...,
ann.
3) Si i = 1 y j = 1, 2, ... , n; A = [a^ es llamada Matriz Fila o Vector Fila.
4) Si i = 1, 2, . . . , m; y j = 1; A=[

es llamada Matriz Columna o Vector Columna.

Definicin.- Dos matrices A = [a; 1 y B = |b, 1 son Iguales si, y slo
si son del mismo orden y sus elementos correspondientes son iguales, es decir: A = B si y solo si: a,j
=bij; V i = 1, 2, ..., m; j = l, 2, ..., n.
1.2. OPERACIONES COIS MATRICES:
Sea Mmxn (F) el conjunto de todas las matrices mxn, donde F es el campo de los nmeros Reales o
Complejos. Entonces en Mmxn (F) se define las siguientes operaciones:
1.2.1. ADICIN
Definicin.- Dadas dos matrices A=[a
ij
]
mxn
Y B =
.
La Suma de A y B denotada por A + B. es la matriz
C
mxn
= [c
ij
]
mxn
, tal que:

C
i j
= a
i j
+ b
i j
; i = 1, 2, 3, ..m; j = 1, 2, 3, .. ., n. Es decir:
A+B=[a
ij
]
mxn
+[b
ij
]
mxn
=[c
ij
]
mxn
=
[a
ij
+bij]
mxn

*


+ *


+ *


+

1.2.1.1. PROPIEDADES DE LA ADICION DE MA TRICES.
Sea M
' mxn
(F), el conjunto de todas las matrices sumables. Si A, B, C M '
mxn
(F), entonces:
1) Cerradura: A + B = C, C e M '
mxn
.
2) Conmutativa : A + B B + A
3) Asociativa : A + (B + C) = (A + B) + C
4) Existe la matriz: 0M '
mxn
/ A + 0 = 0 + a = A, A M '
mxn
(F).
5) A M '
mxn
, existe una matriz -A M
mxn
(F)/ A + (-A) = 0.

NOTA:
La Matriz 0 llamada Identidad para la Adicin, est definida por:
0 = [a
ij
]
mxn
/a
i j
= 0, i = 1, 2, ..m; j = 1, 2, ..n.
La matriz -A llamada Opuesta o Inversa Aditiva de A, est definida por:
-A = [a
ij
]
mxn
a
i j
a
i j de
A = [a
ij
]
mxn

1.2.2. MULTIPLICACIN DE UNA MATRIZ POR UN ESCALAR
Definicin.- El Producto kA = Ak de una matriz A = [a
ij
]
mxn
Por un escalar k (nmero real), es
la matriz:
B = [b
ij
]
mxn
, tal que: b
i j
= ka
i j ,
i = 1, 2,..m ; j = 1, 2, ..n.
As: k *


+
=
*


+


1.2.2.1. PROPIEDADES DE LA MULTIPLICACION DE UNA MA TRIZ POR UN ESCALAR:
Si A, BM
mxn
; k. sR. Entonces:
1) k(sA) = (ks)A 2) (k + s )A = kA + sB 3) (-l)A = -A
4) k(A + B) = kA + kB 5) k 0 = 0 6) 0 A = 0
1.2.3. SUSTRACCIN DE MATRICES.
Definicin.- Si A y B son dos matrices mxn entonces la Diferencia de A y B. denotada por A - B,
es la suma de A con la opuesta de B:
A - B = A + (-B).
[



] [



]
A - B = A + (-B)= [



] + [



] = [



]

1.2.4. MULTIPLICACION DE MATRICES
Dadas dos matrices A y B. para que exista Producto AxB (en ese orden), es necesario que el
nmero de columnas de A sea igual al nmero de filas de B. En este caso, diremos que A y B,
son Multiplicables.
Definicin.- Sean las matrices multiplicables: A = [a
ij
]
mxn
y B = [b
ij
]
mxn
El Producto AxB, es
la matriz C de orden mxn. definida por:
AX B

[a
ij
]
mxp
X [b
ij
]
pxn
= C = [c
ij
]
mxn
=[

En el matriz producto C, el elemento de la i -sima fila y k-sima columna, es la suma de los
productos formados multiplicando los elementos de la i -sima fila de A por los elementos
correspondientes de la j -sima columna de B. As:

[

Aqu, los elementos c
j k
se obtienen en la forma:

..++.++..+.++
.

..++.++..+.+
+.

..++.++..+.+
+.

Ejemplos:
1) *


+

[



]

Hallar AxB
Solucion:
Como A es de orden 2x3 y B de orden 3x2, entonces existe el producto AxB que es una matriz de orden
2x2. En efecto:
*


+

[



] [


] *


+
2) Multiplicar las matrices: [



]

Solucin:
Como A es de orden 3x 3 y B es de 4x3, entonces no es posible hallar A x B, pero si, es posible hallar
B x A de orden 4x 3. En efecto:

B x A = [

[



]

], donde:

C
11
= 2x1 + 4x5 + 1(-2) = 2+20-2=20
C
12
= 2(-1)+4x2+1x4 = -2 + 8 + 4 =10
C
13
= 2x3+4x0+1x1=6+0+1=7
C
21
= (-3) x1+5x5+ (1) (-2)=-3+25-2=20
C
22
= (-3) (-1)+5x2+1x4=3+10+4=17
C
23
= (-3) (-3)+5x0+1x1=-9+0+1=-8
C
31
= 0x1+(-2)(5)+3(-2)=0-10-6=-16
C
32
= 0x(-1)+(-2)x2+3x4=0-4+12=8
C
33
= 0x3+(-2)(0)+3x1=0+0+3=3
C
41
= 1x1+2x5+0(-2)=1+10+0=11
C
42
= (1-1)2x2+0x4=1+4+0=3
C
43
= 1x3+2x0+0x1=3+0+0=3
[

1.2.4.1. PROPIEDADES DE LA MULTIPLICACION DE MATRICES:
1) A X B B X A 2) (AXB)XC = AX(BXC)
3) Ax(B+C)= AxB+AxC 4) (B+C)XA = BxA+CxA
5) k(AxB) = (kA)Xb = Ax(kB)
6) Existe la matriz cuadrada l
nxn
llamada Identidad Multiplicativa, tal que:
I x A = Ax I = A, A
nxn

Aqu: I= [

/a
ij
= 1, i=j; a
ij
= 0, ij Asi:

NOTA:
Algunas propiedades que se cumplan en el Campo de los Nmeros Reales no se cumplan en M m x n
(F) .As:
1) Si A es una matriz cualquiera y 0 es la matriz cero de orden convenientemente determinado,
entonces A x O = 0 y O x A = 0. Sin embargo no siempre se cumple que: A x O = 0 x A. En
cada caso, el orden del matriz producto es diferente.

Ejemplo:
*


+, entonces A0=*


+ [



] *


+

[ ] *


+ [ ]
2) Si A * B y B * O puede ocurrir que A x B = O
Por ejemplo, si A =*


+ *


+ *


+
3) Se pueda verificar que existen A y B matrices Conmutativas . Esto ocurre por ejemplo con las
potencias positivas de una matriz cuadrada. As:
Si A = [a
ij
]
mxn
, entonces:
A
2
= A A, A
3
= A
2
A = A A
2
, A
4
= A
3
A = A A
3
,, An = A
n-1
A = A A
n-1
Si n = O, se define A = I (matriz identidad).

4) Se prueba fcilmente que si AC = BC, A * B y C# 0.
En los nmeros Reales se cumple que ac = be, entonces a = b si c # 0. Sin embargo, en el conjunto de
matrices no siempre se cumple. Asi, se puede probar:

[



] [



] [



]

AC = BC, pero AB y C0
5) Despus de aplicar la multiplicacin de una matriz por un vector columna o de un vector fila por una
matriz, se da una interpretacin de la multiplicacin de matrices como combinacin lineal que facilitan
las demostraciones que se hacen tediosas. Asi consideremos las matrices:

[



] [

] [

] [

] [

] [

] [

] [

]
1.3. TIPOS DE MATRICES
1,3.1, MATRIZ DIAGONAL
La matriz A =[

es Diagonal, si: aj = O, ij y a
ij
0, i = j.
Si a j = k . k R, i = j y a
ij
= O, i j, entonces A es llamada Escalar.
Asi, la matriz A es una matriz Diagonal y B es Escalar.
[



]

[



]

1.3.2. MATRIZ TRIANGULAR

La matriz A = [

es Triangular, si a
ij
= 0, i > j i< j..
Si a
ij
= 0, i < j, la matriz A es llamada Triangular Superior.
Si a
ij
=0, i > j, la matriz A es llamada Triangular Inferior.
As la matriz A es una matriz Triangular Superior y B Triangular Inferior:

[








]

[








]

1.3.3. MATRIZ TRANSPUESTA
Si A =[

, es una matriz" m x n, entonces la Transpuesta de A, es la matriz A'= [b

ij
] donde: b
ij

= a
j i
; i = 1, 2,. . ., n. y j = 1, 2, 3,..., m.

[

[





]

La Transpuesta de una matriz goza de las siguientes propiedades:
a) (A)
t
= A b) (kA)
t
= kA
t
c) (A + B)
t
= A
t
+ B
t
d) (A x B)
t
= B
t
x A
t

1.3.4. MATRIZ SIMETRICA
Una matriz A =[

es Simtrica, si A
t
=A (no cambia por transposicin): es decir, si: a
j i
, i = 1, 2,..
, m; j = 1, 2,. . ., n.

[



]
1.3.5. MATRIZ ANTISIMETRICA.
Una matriz Antisimtrica, si es igual a su inversa aditiva de su transpuesta, es decir A =-A
t
. Esto
equivale a: a
i j
=a
j i
para i j y a
ij
= 0 para i = j, As:
[



] A
t
=[



], -A
t
=[



]=A

NOTA:
1 ) Las matrices antisimtricas se caracterizan porque todos los elementos de la diagonal principal son
ceros los dems elementos estn dispuestos simtricamente con respecto a la diagonal con signos
opuestos.
2) Si una matriz A es antisimtrica con elementos reales o complejos, entonces se verifica que:

a) kA es antisimtrica. ( k R k C ).
b) AA
t
= A
t
A.
c) A
2
es simtrica.

1.3.6. MATRIZ COMPLEJ A
Una matriz es Compleja, si sus elementos son nmeros complejos.
Si A =[

es una Matriz Compleja, se llama Matriz Complejo Conjugada de A, a la matriz

=
[

, donde:

es el conjugado de

, i=1,2,, n.

[



];

[



]

1.3.7. MATRIZ IDEMPOTENTE
Una matriz cuadrada A
mxn
es Idempotente si A
2
= A. As:
[



]

; A
2
= [



]

En general, si A
mxn
es idempotente, entonces A
n
= A, V n e N.
1.3.8. MATRIZNILPOTENTE.
Una matriz cuadrada A
nxn
es Nilpotente, si existe un entero k, tal que:
A
k
= 0 y A
k-1
0. As:

0 0 1 0 0 0
r
0 0 0 1
A = 1 0 0 , A
2
= 0 0 1 , A
3
= 0 0 0
0 0 0 0 0 0
o
0 0 0
J
De aqu, la matriz A es nilpotente de ndice 3.
1.3.9. MATRIZ HERMITICA
Una matriz cuadrada A = [aij ]
nxn
es Hermitica o Auto adjunta, si A ' = A; es decir, a
ij
= a
ij
para todos los
valores de i y j.

NOTA:
1) En una matriz Hermitica, todos los elementos de la diagonal principal deben ser nmeros reales.
2) Si A es una matriz hermitica, entonces k A es hemihermilica solo si k es un nmero real.
1.3.10. MATRIZ HEMIHERMTICA
Una matriz cuadrada A =[a
ij
]
nxn
es llamada Hemihermtica o Antihermitica si

= - A, es decir a
ij
= a
i j
=-
i j
, para todos los valores de i y de j.
NOTA:
1) En una matriz Hemihermtica, todos los elementos de la diagonal principal han de ser nulos
nmeros Complejos Puros.
2) Si A es una matriz Hemihermtica, entonces kA es Hemihermtica, solo si k es un nmero real.

Ejemplo.- De las siguientes matrices, A es Hermitica y B es Hemihermtica.


[



] [



]
Teorema.- Si [a
ij
]
nxn
es una matriz cuadrada, entonces A +

T
es una matriz hermitica y A -

T
es
Hemihermtica.
Corolario.- Toda matriz cuadrada A = [a
ij
]
nxn
cuyos elementos son nmeros complejos, se puede
descomponer en la suma de una matriz hermitica B =|A +

T
) / 2 y otra Hemihermtica C =( A -

T
)/ 2.
NOTA:
La demostracin del Teorema y Corolario anteriores, se basa en la aplicacin de la definicin de las
operaciones con matrices y sus propiedades y las del Conjunto de Nmeros Complejos C La
demostracin se deja como ejercicio al lector.
1.3.11. MATRIZ ESCALONADA
Una matriz A, se dice que est Escalonada por filas, si satisface las siguientes condiciones:
1) Cualquier fila que tenga un elemento no nulo preceder a cualquier fila que tenga todos los
elementos ceros.
2) El primer elemento no nulo en cada fila llamado pivot es 1 y aparece en una columna que est a la
derecha de 1 que aparece en la fila anterior.
NOTA:
Si adems de cumplir (1) y (2). el primer elemento no nulo de cada fila es el nico no nulo en su
columna, diremos que la matriz A est expresada en forma

Escalonada Reducida.
Por ejemplo, en el conjunto de matrices:
[








] [








] [



]
D=[



] [








]
[

Son escalonadas las matrices A, C y E; es escalonada y reducida la matriz F; no son escalonadas las
matrices B v D.
Si A
1,
A
2
,. . ., A
s
son matrices cuadradas de rdenes m
1
, m
2
, m
3
, . . ., m
p
, respectivamente. La
generalizacin:
[

Ejemplo.- Consideremos las matrices:
A
1
=[]
2
=*


+

y A
3
= [



]
La Suma directa de A
1,
A
2
y A
3
es la matriz escalonada:

[

Teorema.- Si A = (A
1
, A
2
,. . ., As) Y B = (B
1
, B
2
, . . .,B
s
), donde A
i
y B
i
,
Son del mismo orden (i = 1, 2,..., s), entonces:
A x B = diag (A1 B
2,
A
2
B
2
,..., A
s
B
s
).
1.5. PARTICION DE MATRICES
En algunos casos en el estudio de matrices, se requiere efectuar una particin de una matriz en partes
rectangulares como elementos, llamadas sub-matrices de la original.
La forma en que debe efectuarse la particin de una matriz se indica frecuentemente con linea
punteada y el resultado como una matriz en general. As:

[



] [



] *


+ *


+ *

+ [

] []
Donde A, B, C y D denotan las sub-matrices.
Definicin.- Dos matrices particionadas o no, son Iguales si y solo si, sus formas no particionadas son
iguales.
Cuando se hace necesario tratar con matrices particionadas, debemos sujetamos a las definiciones y
propiedades que establecen los clculos con matrices.
Por ejemplo, si se requiere que se cumple la igualdad:
[

] [

] [

]
Se debe cuidar que las matrices A
1
, A
2
, B
1
, y B
2
, C
1
, y C
2
, D
1
, y D
2
tengan respectivamente el mismo
orden para poder efectuar las adiciones respectivas.
En general, si A y B son matrices del mismo orden. A y B son Particionadas Idnticamente, si las
matrices resultantes contienen el mismo nmero de filas y columnas y si, adems, las partes
correspondientes tienen el mismo orden. As las matrices:

[



] [



]
Luego, es fcil ver que las matrices particionadas idnticamente son iguales y que pueden Sumarse
aadiendo las sub-matrices correspondientes.
Ahora, veamos cmo la particin de matrices se emplea en la multiplicacin de stas.
Ejemplos:
1) Sean las matrices multiplicables: *


+ [

]
Considerando las sub-matrices como elementos, se tiene:
**


+ *

++ [
*


+
[ ]
] **


+ *


+ *

+ [ ]+
[*


+ *


+] *


+
2) Sean las matrices multiplicables convenientemente particionadas:
[








] [








]
Considerando las sub-matrices como elementos y las matrices cero como aparecen, se tiene el
producto:
[
*


+
*


+ *


+
*


+ *


+
*


+
] [








]
3) Dadas las matrices:
[

] [

]
Efectuamos la particin de modo que estas matrices sigan siendo multiplicables.
[

] [

] [

] [

]
Efectuando el producto resulta:
[

] [

] [

]
[

] [

] [
[

] [

]
[

] [

]
]
[

]
En general, para efectuar multiplicacin de matrices usando la particin de estas, es preciso que al
hacer la particin se debe preservar la condicin de multiplicabilidad de matrices.
Sean las matrices A de orden m x n y B de orden n x p de modo que A y B son multiplicables.
Supongamos que A
i j
y B
ij
son sub-matrices, entonces se tiene:

Luego, fcil probar que el producto de las matrices particionadas corresponde a A B, es decir:
A B = [C
ij
] , donde C
ij
=

] [

] [

se obtiene multiplicando la primera fila de B por a,,, la segunda por a y asi sucesivamente.
2) Demostrar que si A y B son dos matrices cuadradas simtricas de orden n, la condicin necesaria y
suficiente para que la matriz AB sea simtrica, es que A y B conmuten.
Demostracin:
a) Supongamos que A y B conmutan, es decir AB = BA. Entonces:
(AB)
t
= B
t
A
t
= BA = AB. Pues A y B son simtricas, luego conmutan.
b) Supongamos que la matriz AB es simtrica, es decir ( AB )
t
= AB. Ahora:
(AB)
t
B
t
A
t
= BA = AB. Pues, A y B son simtricas, luego conmutan.
3) Demostrar que si A y B son matrices cuadradas de orden n, la condicin
necesaria y suficiente para que A y B sean conmutables es que ( A- KI ) y
( B - k l ) conmuten para cualquier valor de k .
Demostracin:
Supongamos que A y B conmuten, entonces AB =BA. Ahora desarrollando: ( A- K l ) ( B- KI ) =AB- k ( A
+ B) + k
:
l
= BA- k ( A + B) + k
2
l = ( B- k l ) ( A- k I )
De aqu, resulta que: ( A- k l ) y( B- k l ) son conmutables
Supongamos que ( A- k l ) y( B- k l ) conmutan, entonces desarrollando:
( A- k l ) ( B- k l ) = ( B- k l ) ( A- k 1).
AB- k ( A- B) + k
2
I = BA- k ( A B) + k
2
1; AB = BA.
Luego A y B conmutan.
3) Probar que la matriz A =[



] es una matriz nilpotente de orden 3.
Prueba:

Operando consecutivamente, se tiene:

[



] [



] [



]

[



] [



] [



]
Esto prueba que la matriz A es nilpotente de orden 3.
5) Dadas las matrices:

[



] [



]. Probar que:

a) A es hermtica y B es hemihermtica.
b) i B es hermtica.

Prueba:
a) Para que la matriz A sea hermtica se debe cumplir que:

= A. En efecto:
[



]

[



]
Luego

es her mi t i ca.
Par a que B sea hemi her m t i ca se debe cumpl i r que

=- B. En ef ect o:

[



]

[



]
Luego, B es hemi her m t i ca
b) [



]

[



]

[



]


2. DETERMINANTE DE UNA MATRIZ CUADRADA
En l a Secci n ant er i or hemos pr esent ado un est udi o el ement al de mat r i ces,
suf i ci ent e par a nuest r o obj et i vo. Un est udi o compl et o se hace en el Cur so de l gebr a
Li neal .
NOTA:
En forma similar, a continuacin presentamos algunos aspectos elementales del determinante de una
matriz cuadrada, para luego ser aplicados al clculo de la Inversa de una Matriz y a la resolucin de
Sistemas de Ecuaciones Lineales.
Definicin.- Sea I M
nxm
, ( F) el conj unt o de t odas l as mat r i ces cuadr adas nx n sobr e el
campo F. La f unci n det : I M
nxm
, R, que l e hace cor r esponder un nmer o r eal a cada
var i abl e mat r i ci al A. es l l amada l a Funcin Determinante o si mpl ement e Determinante de
A.
Si A es una mat r i z nx n, su det er mi nant e det ( A) , cor r i ent ement e es r epr esent ado por
| A | ; es deci r : det ( A) = | A | = a, a R.

2.1. MENOR COMPLEMENTARIO Y ADJ UNTO DE UN ELEMENTO.
Definicin.- Sea A una mat r i z nx n. Se l l ama Menor Complementario de A, r epr esent ado
por |

|, al det er mi nant e de l a mat r i z cuadr ada ( n- l ) x ( n- l ) , que r esul t a de supr i mi r en

l a mat r i z A, t odos l os el ement os de l a f i l a i y de l a col umna j.
A est e det er mi nant e se l e denomi na t ambi n Menor del el ement o a
i j
.
El Menor af ect ado de su si gno ( - 1)
i +j
|

|, es l l amado Adjunto del el ement o a

i j ,

denot ado por A
i j
.

1) Dada l a mat r i z [

]
Los menor es cor r espondi ent es a l os el ement os

, r espect i vament e,
son:
|

| |

| |

| |

| |

| |

|
Los adjuntos de

, r es pec t i v ament e s on:

| |

| |

|
3) Dada l a mat r i z [



]

|


| |


|

|


| |


|

|


| |


|

|


| |


|
2.2PROPIEDADES DE LOS DETERMINANTES:
1) El det er mi nant e de un pr oduct o es i gual al pr oduct o de l os det er mi nant es de l os
f act or es: I A B I = I A I I B I .
2) Si t odos l os el ement os de una f i l a o col umna de una mat r i z cuadr ada A son nul os,
ent onces | A | = 0.
3) Si A es una mat r i z cuadr ada, A
t
su t r anspuest a: | A | = | A
t
| . Es deci r , a cada
pr opi edad r el at i va a l as f i l as de un det er mi nant e l e cor r esponde ot r o r el at i vo a l as
col umnas y vi cever sa.
4) Si t odos l os el ement os de una f i l a o col umna de | A | , se mul t i pl i ca por el escal ar k,
el det er mi nant e queda mul t i pl i cado por k.
Si t odos l os el ement os de una f i l a o col umna de | A | , s on ml t i pl os de un escal ar k
se puede sacar el f act or comn k: en l Al . As :

[

] [

] [

]

5) Si l a mat r i z B se obt i ene de ot r a A, per mut ando dos f i l as o col umnas adyacent es
cual esqui er a, ent onces | B | = - | A | .
6) Si l a mat r i z B se obt i ene de ot r a, i nt er cambi o l a k - si ma y p- si ma f i l as o col umnas,
( k < p) , ent onces | B | = ( - 1 )
p - k
| A | .
7) Si l a mat r i z B se obt i ene de ot r a A, sumando a l os el ement os de una de sus f i l as o
col umnas l os cor r espondi ent es de ot r a f i l a o col umna ( en ese or den) mul t i pl i cados
por un escal ar ; ent onces: | B | = | A | . Asi :
[



] [



] [



]
8) Si dos f i l as o col umnas de una mat r i z A son i gual es, ent onces | A| = 0.
9) Si t odos l os el ement os de una f i l a o col umna de una mat r i z A, son i gual es a l a suma
de p t r mi nos, | A | se puede expr esar como una suma de p det er mi nant es. Los
el ement os de l as f i l as o col umnas de st os p det er mi nant es como en l a mat r i z dada,
son r espect i vament e, el pr i mer o, segundo, . . . , p- si mo t r mi no de l as sumas;
si endo el r est o de l as f i l as o col umnas i gual es a l as de | A | . Asi :
[



] [



] [



]
10) Si A es una mat r i z cuadr ada t r i angul ar super i or o i nf er i or , ent onces | A | es el
pr oduct o de l os el ement os de l a di agonal pr i nci pal .

2.3. CLCULO DE DETERMINANTES.
El cl cul o del det er mi nant e de un mat r i z es t edi oso; si n embar go exi st e l a posi bi l i dad
de si mpl i f i car di cho cl cul o r educi endo l a mat r i z a una escal onada por f i l as, apl i cando
l as t r ansf or maci ones el ement al es y al gunas ot r as pr opi edades.
Par a cal cul ar el val or del det er mi nant e de una mat r i z cuadr ada, consi der ar emos si n
demost r aci n l os si gui ent es r esul t ados:
2.3.1. DETERMINANTE DE UNA MATRIZ DE SEGUNDO ORDEN
|

||

2.3.2. DETERMINANTE DE TERCER ORDEN (REGLA DESARRUS).
Par a hal l ar el val or de un det er mi nant e de Ter cer Or den apar t e del mt odo de
desar r ol l o por Menor es, exi st e un pr ocedi mi ent o par t i cul ar , l l amado Regla de Sarrus, que
expl i camos a cont i nuaci n:
[

]
1) Se r epi t en l as f i l as I r a y 2da a cont i nuaci n de l a 3r a ( f or mando dos f i l as
adi ci onal es) .
2) Se t r azan di agonal es, 3 de der echa a i zqui er da y 3 de i zqui er da a der echa, como
apar ece ms adel ant e.
3) Se mul t i pl i can ent r e s l os 3 el ement os por l os que pasa cada di agonal . Los
pr oduct os de l os el ement os en l as di agonal es t r azadas de i zqui er da a der echa, se
escr i ben con su pr opi o si gno, y l os pr oduct os que se obt i enen en l as di agonal es
t r azadas de der echa a i zqui er da con el si gno cambi ado.
4) El valor del determinante, es la suma algebraica de los resultados obtenidos con la indicacin
establecida. As:

De aqui, se tiene:
| A | = a
n
a
22
a
33
+ a
2l
a
32
a
l3
+ a
31
a
l2
a
23
- a
31
a
22
a - a a
32
a
23
- a
a
, a
l2
a
33
.

NOTA:
LA Regla tambin se cumple cuando se repiten las dos columnas a continuacin de la tercera.

Ejemplo.- Con la finalidad de comparar procedimientos, tomemos el mismo ejemplo (1) anterior. En efecto,
usando la Regla de Sarrus, se tiene:

Luego: | A | = ( 1x 3x2 +2x 2x 3 +1x 2x 2) - ( 1x 3x 3 +1x 2x 2+ 2x 2x 2) = 22- 21 = 1.
2.3.3. DESARROLLO POR MEMORES
Sea A una matriz cuadrada de orden n. Entonces, su determinante I A I, es igual a la suma de los
productos obtenidos al multiplicar cada uno de los elementos de una lnea (fila o columna) de A, por sus
respectivos adjuntos.
Por ejemplo, el determinante de una matriz cuadrada A = [

]
n x n
de orden n, desarrollado usando los
elementos de su primera fila, es:
| A | =

A parte de este desarrollo, se puede elegir cualquier otra fila o columna.
NOTA:
Puesto que el clculo del determinante de una matriz 2 x 2 es directo, si se desea hallar el determinante de
una matriz de orden n x n ( n >2) , ser suficiente utilizar sucesivamente el desarrollo por menores,
hasta obtener un desarrollo en trminos de menores de una matriz 2x 2.

Ejemplo: Hallar el determinante de la matriz |



|
Solucin:
Tomando los elementos de la primera fila y sus correspondientes adjuntos, se tiene:
|A| =1.

||

|


|

|


|

|


|
| A| =1x ( 1) ( 3x 2- 2x 2) + 2(- 1 ) ( 2 x 2 - 2 x 1l ) + 3( 1 )(2 x 2 - 1 x 3). = 2- 4 + 3 = 1.
Si tomamos los elementos de la primera columna, directamente se tiene:

|A| =1.

|| |


| |


| |


|
2.3.4. REDUCCIN DEL ORDEN. REGLA DE CHIO
El mtodo prctico para el clculo de un determinante de una matriz de orden n > 3 es, la de reduccin
sucesiva del orden hasta obtener determinantes 2x 2.
Para reducir un determinante de orden n, en otro de orden ( n- 1) se siguen los siguientes pasos:
1) Se elige una lnea pivote (fila o columna ) y se determina un elemento no nulo a
ij,
( propiamente
el pivote ).
2) Se saca como factor de toda la fila o columna i el elemento a
ij5
si la lnea pivote es una fila.
3) Se reduce a cero los dems elementos de la columna del pivote. Para ello, se multiplica cada
elemento de la linea del pivote, por un valor que al sumar a la otra linea se hace cero el elemento
de la columna del pivote, obteniendo as un solo determinante de orden (n -1).
En resumen, se tiene:
|| [

]
Ejemplos:
1) Utilizando el mtodo de reduccin hallar el determinante de la matriz:
[








]
Solucin:
En este caso elegimos como linea pivote la tercera fila y como propiamente pivote el elemento a
32
= -
2. Extraemos como factor comn este pivote, luego a la primera fila, sumamos la tercera y a la
segunda fila le sumamos la tercera multiplicada por 2 se obtiene:
|| |








| |








|
||||

|



| |



|
Ahora elegimos como pivote el elemento a
12
= 1, luego a la segunda fila se suma la primera
multiplicada por 5 y a la tercera fila la primera, luego desarrollamos resulta:
|| |



|

|


|
3) Hallar el valor de || |



|

Solucin:
Sacando factor comn 14 en la 1
ra
columna; luego, restando de la 2
3
columna la 1
ra
multiplicada por 12
y de la 3
ra
columna la 1
ra
multiplicada por 20, se tiene:
|| |



| |



|
|



| |



|
Ahora, busquemos por ejemplo que los elementos de la 1
ra
fila se hagan cero. En efecto: Restemos de
la 1
ra
columna la 2
da
multiplicada por -2, y sumemos a la 3
ra
columna la 2
da
multiplicada por 2. Luego,
desarrollando por menores usando la 1 ra fila, se tiene:
|| |



| ||

|


|
4) Hallar el valor de | A | =|








|
Solucin:
Restando de los elementos de la 1
ra
columna los de la 2
da
multiplicada por -2 y de la 4
la
columna, los de
la 2^ multiplicada por -3, luego desarrollando por menores, usando la 3
ra
fila, se obtiene:



|| |








|

|



| |



|
Ahor a, de l os el ement os de l a 1
r a
f i l a, r est amos l os de l a 2
da
f i l a, l uego sumamos a
st e r esul t ado l os de l a 3
r a
f i l a. Fi nal ment e desar r ol l ando por menor es usando l a 1
r a

f i l a, se obt i ene:

|| |



| |



|

|


|

=- 3( 15x4- 7x9) =- 3( - 3) =9
4) Hal l ar el val or de || |








|
Sol uci on:
Mul t i pl i cando l a 1
r a
col umna por - 4, - 3 y - 1; sumando est os r esul t ados a l a . 2
da
, 3
r a

y 4
ta
col umnas, r espect i vament e, se obt i ene:

|| |








| |








|
Ahor a, desar r ol l ando por menor es ut i l i zando l a 1
r a
f i l a sucesi vament e, se t i ene:
||

|



|

|


|

|


|
= 4 ( - 20- 21) + 3 ( 60- 39) = - 164+ 63 = - 101.
5) Hal l ar el det er mi nant e de l a mat r i z |








|
Solucin:
Puest o que l a mat r i z A es t r i angul ar super i or , ent onces di r ect ament e, se t i ene:
|| |








|
6) Dada l a mat r i z |








|, hal l ar ||t r ansf or mando a una mat r i z
t r i angul ar .
Solucin:
Apl i cando sucesi vament e l as si gui ent es oper aci ones con f i l as:
I nt er cambi ando l a f i l a 1 con l a 3, sumando l a segunda f i l a a l a pr i mer a, sumando l a
pr i mer a f i l a mul t i pl i cada por - 3 a l a t er cer a, sumando l a segunda f i l a mul t i pl i cada por
3 a l a t er cer a y sumando l a t er cer a f i l a mul t i pl i cada por - 1 a l a cuar t a, se t i ene:
|| |








| |








| |








| |








|
|








| |








|
De aqu , apl i cando l a pr opi edad de una mat r i z t r i angul ar , r esul t a:
IAI = (-)(-) ( 1) ( 1) ( 3) ( - 7) = - 21

NOTA:
Los dos primeros signos ( - ) corresponde a los dos intercambios de filas.
3. EQUIVALENCIA DE MATRICES
3.1. CARA CTERSTICA DE UNA MA TRIZ
Definicin.- La Caracterstica o Rango de una mat r i z no nul a A es i gual a r, si el
det er mi nant e de al menos uno de sus menor es cuadr ados de or den r es di st i nt o de
cer o, si endo nul os l os cor r espondi ent es a t odos l os menor es cuadr ados de or den ( r +
1) , si es que exi st en.
Definicin.- Una mat r i z cuadr ada A de or den n es l l amada Regular o No Singular, si su
car act er st i ca es r = n, es deci r , si su det er mi nant e es di st i nt o de cer o. (I A I 0) En
caso cont r ar i o, l a mat r i z A es l l amada Singular.

Ejemplo.- Dada l a mat r i z: [



], Cal cul ando su det er mi nant e, r esul t a:
| A | = 0, es deci r A es una mat r i z si ngul ar . Adems*


+ , ent onces r ango de A es
r =2.

NOTA:
De la igualdad | A B | = |a|-|B| , se desprende:
a) El producto de dos o ms matrices cuadradas regulares de orden n es una matriz regular.
b) El producto de dos o ms matrices cuadradas de orden n, es una matriz singular, si al menos una
de ellas es singular.
3.2. TRANSFORMACIONES ELEMENTALES DE UNA MATRIZ
Son l as oper aci ones con l as f i l as o col umnas que se r eal i zan en una mat r i z, de maner a
que no modi f i quen ni su or den ni su car act er st i ca.
Son t r ansf or maci ones el ement al es, l as si gui ent es:
1) La per mut aci n de l a f i l a i y l a f i l a j. Se denot a por F
ij
.
2) El pr oduct o de t odos l os el ement os de l a f i l a i por un escal ar k 0. Se denot a
por F
i
(k).
3) El pr oduct o de t odos l os el ement os de l a col umna i por un escal ar k 0. Se denot a
por K ( k) .
4) La suma de l os el ement os de l a f i l a i en l os cor r espondi ent e de l a f i l a j, mul t i pl i cados
por una escal a k. Se denot a por Fj ( k) .
5) La suma de l os el ement os de l a col umna i con l os cor r espondi ent es de l a col umna
j, mul t i pl i cados por una escal a k. Se denot a por Kj ( k) .
NOTA:
Las transformaciones del tipo F son llamadas Transformaciones Elementales de fila y las
transformaciones del tipo K, son llamadas Transformaciones Elementales de Columna. En general,
ambas son llamadas Transformaciones Elementales de Lnea.
3.3. INVERSA DE UNA TRANSFORMACIN ELEMENTAL
La Inversa de una t r ansf or maci n el ement al , es una oper aci n que r evi er t e el
r esul t ado de st a. Las t r ansf or maci ones el ement al es i nver sas, son:
1)

2) F
i
- 1
( k) = F( 1/ k) ; K
i
- 1
( k) = K( 1/ k) .

)
Ej empl o.- Dadas l as mat r i ces:
[



] [



]
Medi ant e l a Tr ansf or maci n El ement al de Fi l a F
13
( - 2) , se obt i ene l a mat r i z B:
Como r esul t ado de l a t r ansf or maci n el ement al
F13
( +2) , se obt i ene l a mi sma mat r i z A,
l uego
F13
( - 2) y F
13
( +2) son t r ansf or maci ones el ement al es i nver sas.
NOTA:
La inversa de una transformacin elemental es otra transformacin elemental del mismo tipo.
3.4. MATRICES EQUIVALENTES
Definicin.- Dos mat r i ces A y B son Equivalentes, denot ando por A~B, si una de el l as se
obt i ene de l a ot r a, como r esul t ado de t r ansf or maci ones el ement al es de l i nea.
Las mat r i ces equi val ent es deben t ener el mi smo or den e i gual car act er st i ca.
Ejemplo:
Apl i cando sucesi vament e a l a mat r i z A l as t r ansf or maci ones el ement al es: F
32
( - 2) ,
F
21
, ( 1) , F
32
( - 1) , r esul t a:
[





] [





] [





] [





]
En l a mat r i z B se obser va que t odos l os menor es cuadr ados de t er cer or den son
nul os, si n embar go el menor *


+0, l o que si gni f i ca que l a car act er st i ca de B es
2, por consi gui ent e l a car act er st i ca de A es t ambi n 2.

NOTA:
EI PROCEDI MI ENTO DE OBTENER A PARTI R DE UNA MATRI Z A OTRA EQUI VALENTE b, CUYA
CARACTER STI CA ' ES POSI BLE DEDUCI R A SI MPLE VI STA, FACI LI TA EL CLCULO DEL
DETERMI NANTE DE UNA MATRI Z POR EL MTODO DE MENORES.
3.4.1. EQUIVALENCIA DE FILA
Si una mat r i z B se obt i ene de ot r a A como r esul t ado de haber apl i cado
t r ansf or maci ones el ement al es de f i l a, di r emos que l as mat r i ces A y B pr esent an
equi val enci a de f i l a. Las mat r i ce A y B del ej empl o ant er i or , pr esent an est e t i po de
equi val enci a.
3.5. MATRIZ CANNICA
Cual qui er mat r i z A no nul a de car act er st i cas r, es equi val ent e por f i l as con una Matriz
Cannica C, en l a que:
1) Uno o ms el ement os de casa una de l as r f i l as son di st i nt os de cer o, mi ent r as que
t odos l os el ement os de l as f i l as r est ant es son nul os.
2) El pr i mer el ement o di st i nt o de cer o en l a f i l a i ( i = 1, 2. . . . . r ) es 1.

3) Si j
i
es l a col umna a l a que per t enece el el ement o di f er ent e de cer o, ent onces j
i
, <j
2

<. . . <j
r
.
4) El ni co el ement o di f er ent e de cer o de l a col umna j ( 1=1, 2, . . . . r ) , , es el el ement o
1 de l a f i l a i .
El pr ocedi mi ent o par a pasar de l a mat r i z a l a canni ca c, suponi endo de j , es el
ndi ce de l a pr i mer a col umna de a, cuyos el ement os no son l odos nul os, es:
a) si a
1j 1
0, medi ant e l a t r ansf or maci n F1( 1/ a
i j 1)
se puede r educi r a 1, cuando sea
necesar i o.
b) si a
1j 1
= 0, si endo a
pj 1
0, se apl i ca l a t r ansf or maci n F
i p
y se pr ocede como en el
caso ( a) .
c) se apl i can t r ansf or maci ones de f i l a del t i po (3). consi der adas ant er i or ment e, con
ml t i pl os apr opi ados de l a pr i mer a f i l a, par a r educi r a cer o t odos l os dems
el ement os de l a col umna j
i
.
si l os el ement os no nul os se encuent r an en l a pr i mer a f i l a de l a mat r i z t r ansf or mada B,
ent onces B = C.
En l os dems casos, se pr ocede as :
Sea j
2
el ndi ce de l a pr i mer a col umna en a que est o no ocur r e.
d) si b
2j 1
0, se apl i ca F
2
, ( 1/ b
2 j 2
j como en el caso ( a) .
e) si b
2j 2
=0, si endo b
qj 2
0, se apl i ca F
2q
y se pr ocede como en el caso ( a) .
A cont i nuaci n, se apl i ca ( c ) . par a hacer que t odos l os dems el ement os de l a
col umna j
2
sean cer os.
Si l os el ement os di st i nt os de cer o, se encuent r an, sol ament e en l as dos pr i mer as
f i l as de l a mat r i z r esul t ant e, se ha obt eni do l a mat r i z c. en l os dems casos, se r epi t e
el pr ocedi mi ent o hast a encont r ar l a mat r i z C.
Ejemplos:
1) Medi ant e l as t r ansf or maci ones de f i l a: F
2l
( - 2) , F
31
, ( L) , F
2
( 1/ 5) , F
32
, ( 1) , F
32
( - 5) ,
sobr e l a mat r i z A, se obt i ene l a mat r i z canni ca C.
[





] [





] [





]
La mat r i z canni ca C obt eni da cumpl e l as condi ci ones ( 1) - ( 4) ,
consi der adas ant er i or ment e.
2) Medi ant e l as t r ansf or maci ones de f i l a: F
2I
( - 1) , F
31
( - 2) , F
41
( - 1/ 5) , F
12
( - 2) , F
42
( 1) ,
F
13
( 2) , F
43
( - 1) sobr e l a mat r i z A se ha hal l ado l a mat r i z canni ca C.
[








] [








] [








] [








]
[








]
3) Medi ant e t r ansf or maci ones de f i l a, se ha hal l ado l a mat r i z canni ca C. Se
r ecomi enda al l ect or det er mi nar est as t r ansf or maci ones :
[








] [








] [








] [








]
3.6. FORMA NORMAL DE UNA MA TRIZ
Toda mat r i z A de car act er st i ca r > o, medi ant e t r ansf or maci ones el ement al es, se
pueden r educi r a una de l as For mas Nor mal es que se muest r an a cont i nuaci n:

+ [

] *

+ ,
Par a r educi r una mat r i z a una f or ma nor mal , se pueden apl i car t ant o l as
t r ansf or maci ones de f i l a como l as de col umna. El el ement o 1 de l a pr i mer a f i l a
( obt eni do en el pr ocedi mi ent o de l a Secci n ant er i or ) , se puede despl azar hast a l a
pr i mer a col umna. Luego se r educen a cer o t odos l os el ement os de l a pr i mer a f i l a y de
l a pr i mer a col umna.
Anl ogament e, el el ement o 1 de l a segunda f i l a, se puede l l evar a l a segunda col umna,
y as sucesi vament e.
NOTA:
U N A MA T R I Z N U L A E S S U P R O P I A F O R M A N O R MA L .

Ejemplos:
1) Las t r ansf or maci ones el ement al es: F
21
( - 3) , F
31
( 2) . K
21
( - 2) , K
41
( 1) , K
23
, F
32
( - 2)
K
42
( - 5) , K
3
( 1/ 11) , K
43
( 7) r educen l a mat r i z A a su f or ma nor mal .
[



] [



] [



] [



]
A=[



] [



] [



] [

]
2) Las t r ansf or maci ones el ement al es: F
12
, K
1
( 1/ 2) , F
3I
( - 2) , K
21
( - 3) , K
31
( - 5) ,
K
42
( - 4) , K
2
( 1/ 2) , K
32
( - 3) , F
32
( - 1) K
1
( 1/ 2) , K
32
( - 3) , K
42
( - 4) , F
32
( - 1)
r educen l a mat r i z D a su f or ma nor mal :


D=[



] [



] [



] [



]

[



] [



] [



] *

+


3.7 . MA TRICES ELEMENTALES
La mat r i z que r esul t a de apl i car una t r ansf or maci n el ement al de l nea ( f i l a o
col umna) a l a mat r i z i dent i dad I
n x n
, es l l amada Matriz Elemental de Linea.
Las mat r i ces el ement al es l as r epr esent ar emos por el mi smo s mbol o empl eado par a l a
t r ansf or maci n r espect i va.
Las mat r i ces el ement al es l as r epr esent ar emos por el mi smo s mbol o empl eado par a l a
t r ansf or maci n r espect i va.

Ejemplo.- Par a l a mat r i z I dent i dad:

[



]

[



]

[



]

[



]

NOTA:
1) Toda matriz elemental es regular o no singular.
2) El efecto de multiplicar una transformacin elemental a una matriz A de orden m x n, es equivalente
a multiplicar A por una matriz elemental.
3) Para efectuar una transformacin elemental de fila sobre una matriz A de orden m x n. se aplica la
transformacin a l
m
, obtenindose la matriz F correspondiente, luego se multiplica A (por la izquierda)
por F.
4) Si se requiere efectuar una transformacin elemental de columna sobre una matriz A de orden m x n,
se aplica a transformacin a l
n
, y se obtiene la matriz elemental K correspondiente, luego se
multiplica A (por la derecha) por K.
Ejemplo.- Consi der ando l as t r ansf or maci ones el ement al es F
13
y K
23
( 2) de I
3x3
y l a
mat r i z A:

[



]

[



] [



]

[



] [



] [



]

[



] [



] [



]
Est os r esul t ados se obt i enen al per mut ar l as f i l as 1 y 3 de A y sumar l a pr i mer a
col umna de A con el dobl e de l a t er cer a col umna, r espect i vament e.
3.8. CONDICIN PARA QUE DOS MA TRICES SEAN EQUIVALENTES
Sean F
1,
F
2
, . . . . F
s
y K
1
, K
2
, . . . , K, l as mat r i ces el ement al es de f i l a y col umna
cor r espondi ent es a l as t r ansf or maci ones el ement al es de f i l a y col umna que
t r ansf or man una mat r i z A en ot r a B. Adems F
1
, es l a pr i mer a t r ansf or maci n de f i l a, F
2

l a segunda, . . . , K
1
, l a pr i mer a t r ansf or maci n de col umna K
2
l a segunda, . . . . Con
est as condi ci ones se pr ueba que:
F
s
.. . F
2
, F
1
, A K
1
, K
2
, . . . K
1
, = PAQ. ( 1)
Dnde: P = F
s
... F
2
F
1
, y Q = K
1
, . K
2
, . . . K
1
, ( 2)
De aqu , se despr ende el si gui ent e:
Teorema,- La condi ci n necesar i a y suf i ci ent e par a que dos mat r i ces A y B sean
equi val ent es, es que exi st an dos mat r i ces P y Q r egul ar es def i ni das por l a r el aci n
( 2) , t al que PAQ = B.
Como t oda mat r i z es equi val ent e a su pr opi a f or ma nor mal , ent onces:
Corolario.- Si A es una mat r i z r egul ar cuadr ada de or den n. exi st en dos mat r i ces
r egul ar es P y Q cuadr adas de or den n, def i ni das por l a r el aci n ( 2) , t al es que:
PAQ= I
n
.
Ejemplo.- Sean l as t r ansf or maci ones de f i l a y col umna, r espect i vament e: F
31
( - 1) , F
2I
( - 2) ;
K
21
( - 2) , K
31
( 1) , K
41
( - 2) , K
42
( 1) , K
3
, ( 1/ 2) y l a mat r i z:
[



]
Solucin:
Las t r ansf or maci ones ( apl i cadas a l a mat r i z A) son equi val ent es a apl i car a l as
mat r i ces i dent i dad 3 x 3 y 4 x 4 r espect i vament e, l uego mul t i pl i car l a mat r i z
A por l a i zqui er da y der echa, cor r espondi ent ement e. En ef ect o:

[



] [



] [

] [

] [

] [

] [

]
Ef ect uando l os pr oduct os i ndi cados, r esul t a:
[



] [

] [



]
3.9. INVERSA DE UN PRODUCTO DE MA TRICES ELEMENTALES
Consi der ando l o est abl eci do en l a Secci n ant er i or , l as mat r i ces: P = F
s
, ... F
2
. F, y Q =
K
1
, . K
2
, . . . , K
t
, t i enen i nver sa, pues cada mat r i z el ement a] t i ene i nver sa, ent onces
t eni endo en cuent a l a pr opi edad de l a i nver sa de un pr oduct o, se t i ene:
P
- 1

=
F
- 1
.F
-2
:F
-1
s
y Q.
-1

=

( 1 )
Ahor a, sea A una mat r i z cuadr ada r egul ar de or den n, P y Q l as mat r i ces def i ni das al
i ni ci o, que ver i f i can l a r el aci n PAQ = I . Ent onces:
A = P-
1
( PAQ) Q-
1
= P-
1
I
n
Q
- 1
= P
- 1
Q
- 1
( 2)
De aqu , se despr enden l os si gui ent es Teor emas:
Teorema.- Toda mat r i z r egul ar se puede expr esar como pr oduct o de mat r i ces
el ement al es.
Teorema.- Si A es una mat r i z r egul ar , l a car act er st i ca de l a mat r i z pr oduct o AB o BA
es i gual a l a cor r espondi ent e de B.
Teorema.- Si P y Q son dos mat r i ces r egul ar es, l a car act er st i ca de l a mat r i z pr oduct o
PAQ coi nci de con l a de A.
3.10. CONJ UNTO CANNICO DE MATRICES RESPECTO DE LA
RELA C1N DE EQUIVALENCIA
En l a Secci n 3. 6 ant er i or , vi mos que si A y B son mat r i ces que t i enen l a mi sma
car act er st i ca, ambas son equi val ent es a una mi sma mat r i z que es su f or ma nor mal ,
adems de ser equi val ent es ent r e s .
Rec pr ocament e, si A y B son equi val ent es, exi st en dos mat r i ces r egul ar es P y Q
t al es que B= PAQ , l uego l as mat r i ces A y B t i enen l a mi sma car act er st i ca.
Teorema.- La condi ci n necesar i a y suf i ci ent e par a que dos mat r i ces A y B de or den m
x n. sean equi val ent es es que t engan l a mi sma car act er st i ca.
Definicin.- Un conj unt o de mat r i ces mx n f or man un Conjunto Cannico de
mat r i ces, r espect o a l a r el aci n de equi val enci a, si cual qui er mat r i z no per t eneci ent e
al conj unt o, es equi val ent e a una, y sol o una del conj unt o canni co.
Ejemplos:
1) Un conj unt o canni co de mat r i ces no nul as de or den 3, es:

+ [



] *

+ [



]
2) Un conj unt o canni co de mat r i ces no nul as de or den 3x4, es:
[

] [



] *

+ [



] *

+ [



]
3) Par a mat r i ces cuya car act er st i ca es r > 0, sus f or mas nor mal es f or man un
conj unt o canni co, es deci r :

+ [

] *

+

3.11. CARACTERISTICA DE UN PRODUCTO
Sabemos que si A, es una mat r i z de or den m x p y car act er st i ca r , ent onces exi st en
dos mat r i ces r egul ar es P y Q, t al es que:

PAQ = N =*

+
De aqu r esul t a: A =P
- 1
NQ
- 1
.
Ahor a sea B una mat r i z de or den px n. Nuest r o i nt er s es hal l ar l a car act er st i ca del
pr oduct o AB = P
- 1
NQ
- 1
. En ef ect o:
Como vi mos ant er i or ment e, l a car act er st i ca de AB es i gual al r ango NQ
- 1
B, , cuyas
f i l as son l as r pr i mer as f i l as de Q
- 1
B y n - r f i l as de el ement os nul os. Luego, l a
car act er st i ca de AB no puede ser mayor que r ( car act er st i ca de A) . Anl ogament e,
l a car act er st i ca de AB no puede ser mayor que l a de B.
Teorema.- La car act er st i ca del pr oduct o de dos mat r i ces no puede ser mayor que l a
car act er st i ca de sus f act or es.
Por ot r a par t e, si suponemos que AB = 0, ent onces N Q"
1
B = 0. Si gni f i ca
est o, que l as r pr i mer as f i l as del Q"
1
B est n const i t ui das por el ement os nul os, mi ent r as
que l as r est ant es pueden ser nmer os ar bi t r ar i os . Es deci r , l a car act er st i ca de l a
mat r i z Q"' B y l a de B, no pueden ser mayor que p - r .
Teorema.- Si l a car act er st i ca de l a mat r i z A de or den mxp es r y si l a mat r i z B de or den pxn
es t al que AB = 0, ent onces l a car act er st i ca de B no puede ser mayor q ue p - r .
Ejemplo: Tr ansf or mar en ot r a equi val ent e, l a mat r i z: A =[



]
Solucin:
En est e caso, l as t r ansf or maci ones apl i cadas son:
F, ( 1/ 3) , F
21
( - 6) , F
31
( - 7) , F
2
( 1/ 0) , F
32
( 31/ 3) y se t i ene:
A =[



] [



] [



]
[



] [



] [



]



4. MATRIZ INVERSA
Definicin.- Una mat r i z cuadr ada es No singular o Inversible, si su det er mi nant e es di f er ent e
de cer o.
Definicin.- Dada una mat r i z no si ngul ar A 1 M
nxn
. Ll amar emos Inversa de A y l a
denot ar emos por A
- 1
, a l a mat r i z per t eneci ent e a I M
ny n
que sat i sf ace l a condi ci n:
AXA
- 1
= A
- 1
xA=I
nx n

4.1. PROPIEDADES DE LA INVERSA DE UNA MA TRIZ.
Si A y B, son mat r i ces i nver si bl es del mi smo or den, ent onces:
1) AB es i nver si bl e.
2) ( AB)
- 1
=B
- 1
A
- 1
.
3) escal ar k 0, kA es i nver si bl e y ( kA)
- 1
= ( 1/ k) A
- 1
.
4) A
- 1
es i nver si bl e y ( A
- 1
)
- 1
=A.
5) A
n
es i nver si bl e y (A
n
)
-1
=(A
- 1
)
n
, par a n = 1, 2, . . .
6) Si A es una mat r i z cuadr ada i nver si bl e. ent onces:

]
Como ej empl o, demost r emos l a Pr opi edad ( 3) . En ef ect o :
Supongamos que A es una mat r i z no si ngul ar de or den m x n. debemos pr obar que:
( k A) ( k A)
- 1
( k A)
- 1
( k A) = I
n
( k A) ( 1/ k) A
- 1
=[ ( 1/ k) A
- 1
] [ k A] = I
n.

Las pr opi edades ( 5) y ( 6) de l a mul t i pl i caci n de mat r i ces de l a Secci n
1. 2. 1. 4. ant er i or , nos per mi t e escr i bi r :
( k A) [ ( 1/ k) A
- 1
] = ( l / k) ( k A) ( A
- 1
) = ( 1/ k) ( k) AA
- 1
= I
n
.
Si mi l ar ment e se pr ueba que: =[ ( 1/ k) A
- 1
] ( k A) = l
n
.
NOTA :
1) S I U N A MA T R I Z C U A D R A D A T I E N E I N V E R S A , E N T O N C E S E S N I C A .
2) S I A E S U N A MA T R I Z N O S I N G U L A R , L A I G U A L D A D AB = AC , I M P L I C A que B = C.
3) L A I N V E R S A D E U N A MA T R I Z D I A G O N A L R E G U L A R , di ag ( k| , k2, . . . , k
n
) E S L A
MA T R I Z D I A G O N A L di ag ( l / k| , 1/ k
2
, . . . , l / k
n
)
4) S I A
1
. A
2
, . A
n
S O N MA T R I C E S R E G U L A R E S , L A I N V E R S A D E L A M A T R I Z
E S C A L O N A D A O S U M A D I R E C T A D E E L L A S , D I A G ( A
1
. A
2
, . A
n
) E S D I A G (

.

4.2. CALCULO DE LA INVERSA DE UNA MA TRIZ
4.2.1. MTODO DE COFACTORES.
Par a hal l ar l a i nver sa de una mat r i z no si ngul ar A por est e mt odo, se si guen l os
si gui ent es pasos:
a) Se cal cul a el det er mi nant e de l a mat r i z.
b) Se det er mi na l a mat r i z de cof act or es ( A
c
) .
c) Se hal l a l a Transpuesta de l a mat r i z de cof act or es l l amada Adjunta ( adj . A) .
d) Se di vi de l a mat r i z adj unt a ent r e el det er mi nant e de l a mat r i z

Teorema - Si A es una mat r i z i nver si bl e, ent onces:

||
[] ||
Ejemplos:
1) Hal l ar l a i nver sa de l a mat r i z: [



]

Por l os pr ocedi mi ent os est abl eci dos ant er i or ment e, cal cul emos el det er mi nant e y l os
cof act or es de cada uno de l os el ement os de l a mat r i z A:
||

] [



] [



]
Luego:

[



] [



]
2)Hallar la inversa de la matriz: = [








]
Solucin:
Pr evi ament e hal l amos el det er mi nant e de A y l os cof act or es de cada uno de sus
el ement os usando l os mt odos conoci dos:
| A | = - 2, A
11
= 1, A,
2
= 1, A
l 3
= - 1, A
l 4
= - 1. A
2I
= - 11, A
22
= 7, A
M
= - 1, A
24
= 1 A = - 7,
A
32
= 3, A
33
= 1, A
34
= 7. A
4I
= 26, A
43
=0, A
44
= - 2
De aqu :

[








]

[








]

[








]





NOTA:
P A R A C A L C U L A R L A I N V E R S A D E U N A MA T R I Z 2x 2, E X I S T E U N M T O D O P R C T I C O ,
Q U E E S U N A C O N S E C U E N C I A D E L M T O D O E X P L I C A D O A N T E R I O R ME N T E .
CO N S I S T E E N C A MB I A R D E P O S I C I N L O S E L E ME N T O S D E L A D I A G O N A L P R I N C I P A L
Y C A MB I A R D E S I G N O A L O S E L E ME N T O S D E L A D I A G O N A L S E C U N D A R I A . L A MA T R I Z
A S O B T E N I D A S E D I V I D E P O R E L D E T E R M I N A N T E D E L A MA T R I Z D A D A .

*


+

||
*


+
En particular, Si *


+

||
*


+

*


+ [


]

4.2.2. METODO DE REDUCCION O EQUIVALENCIA DE MATRIZ.
ESTE METODO TIENE SU FUNDAMENTO EN LA EQUIVALENCIA DE Matrices, aplicando las operaciones
de multiplicacin con las inversas de las matrices elementales.
Teorema.- una matriz

es Inversible si y solo si A, es equivalente por filas a

.
Teorema.- si una matriz cuadrada se reduce a la matriz I mediante una sucesin de transformaciones
de fila, la matriz inversa

es igual al producto en orden inverso de las correspondientes matrices

elementales.
Pues como vimos anteriormente, una matriz cuadrada regualr se reduce a la matriz Identidad I,
mediante transformaciones elementales, de manera que:

Puesto que P y Q son inversibles y adems

Haciendo Q=I, resulta:

Esto significa que

es el producto de matrices elemmentales.

Ejemplo.- dada la matriz [



]Las transformaciones elementales:

[



] [



] [



] [



]

[



] [



] [



] [



] [



]
4.2.2.1. METODO PRCTICO
Para hallar la inversa de una matriz No Singular A de orden nxn po el mtodo de Reduccin, se
procede de la manera siguiente:
1) Se escribe la Matriz aumentada [

]
2) Mediante una serie de operaciones fila en la matriz aumentada, A se transforma en el lado
izquierdo en una matriz identidad, de tal forma que la matriz a la derecha corresponde a

. Es decir, [

] se transforma en [

].

Ejemplo:
1) Para la mariz A del ejemplo anterior, aplicando nicamente transformaciones de fila para
reducir A a I y siguiendo la regla establecida, se tiene:
[

]
[



] [



] [



] [



]

De aqu:

[



]
2) Hallar la inversa de la matriz no singular : [



]
Solucion:
La matriz aumentada tiene la forma: [

] [

]

Ahora mediante una serie de operaciones, transformaremos [

] en [

]. En
efecto:
[ ] [

] [

]

[ ][

] [

]

[ ][

]. De aqu:

[



]
3) Halar la inversa (si es que es no singular)de la matriz: [



]
Solucin:
En este caso, la matriz aumentada tiene la forma:
[

] [

]
Siguiendo la regla establecida, a se tiene:
[

] [

] [

]
[

][

] [

]

[

][

]
Como en el lado izquierdo de la matriz aumentada se ha obtenido una fila de ceros
significa esto , que la matriz B no es Inversible.

4.2.3. INVERSA DE UNA MATRIZ POR EL METODO DE PARTICION
Dada la matriz [

y supongamos que [

es inversa de A.
particionemos estas matrices en ordenes que se indican; siempre que p+q=n
[

] y B [

]
Puesto que AB=BA=I, entonces se debe cumplir que:

Si

es una matriz regular, entonces resolviendo el Sistema (1)-(4) resulta:

Siendo

En va de simplificacin del mtodo, se suele tomar

de orden n-1, luego para hallar

se consideraran las matrices:

]
Despus de hallar

, se particiona

, de forma que

]y se aplican las
ecuaciones (5)-(8) obtenindose

. Se repite el proceso con

, una vez efectuado la

particin de manera que

] y as sucesivamente.
Ejemplos:
1) Usando el mtodo de particin, hallar la inversa de la matriz: [



]
Solucin
En este caso hacemos la particin de la matriz A:
[



]

*


+

[ ]

[]
Ahora hacemos los clculos para usar las formulas (4)-(8):

*


+

*


+ *

+ *

) [] [ ] *

+ []

[]
Finalmente:

) *


+ *

+ [] [ ]
*


+ *


+ *


+

) [

]

[]

] [



]
3) Por el mtodo de particin hallar la inversa de la matriz: [








]
Solucin:
a) Hagamos

[



]

*


+

[

]

[]
Hacemos los clculos requeridos:

*


+

*


+ *

+ *

[

] *


+ [ ]

) [] [

] *

+ []

[]
Ahora se tiene:

) *


+ *

+ [][ ]
*


+ *


+

*


+

[ ]

[]

[



]
b) Ahora hacemos la particin de la matriz A de forma que :

[



]

[ ]

[]

Entonces se tiene:

[



]

[ ]
[] [

] (

) [

] [

[]

[



]

] [][ ]

[



]

[



]
[



]

[ ]

[]

] [








]
NOTA:
1) En el caso particular que la matriz A sea simtrica, al obtener su inversa A, ocurre lo siguiente.
a) Si se usa el mtodo de la matriz adj ( A ), solamente se requiere hallar l/ 2n(n + l ) adjuntos y no n
que se requiere en el caso general.
b) Si se usa el mtodo de la equivalencia de matrices, se debe tener en cuenta que las
transformaciones que se realicen han de conservar la simetra; significa esto, que las
transformaciones aplicadas deben ser por pares, es decir una transformacin de fila debe ser
seguida inmediatamente por una transformacin de columna.
c) El mtodo ms conveniente y sencillo es el de particin en sub-malhces.
En este caso las ecuaciones ( 5) - ( 8) anteriores se reducen a:

Siendo

)


2 ) S i l a mat r i z A no es si mt r i ca, se puede empl ear el mt odo de l a par t i ci n en
sub- mat r i ces par a det er mi nar l a i nver sa de l a mat r i z

. Que es una mat r i z

si mt r i ca, l uego hal l ar l a i nver sa de A, t eni endo en cuent a que:

Ejemplo.-: HALLAR LA INVERSA DE LA MATRIZ SIMTRICA: A=[








]
Solucin:
EN ESTE CASO, CONSIDEREMOS LA SUB-MATRIZ Y SU RESPECTIVA PARTICIN:

[



]

*


+

[ ]

[]
Usando las ecuaciones (9)-(12), se tiene:

[


]

[


] *

+ *

) [] [ ] *

+ []

*


+ *

+ [

] [ ] *


+ *


+

*


+

[ ]

[]

[



]
Luego hacemos la particin de la matriz A de forma que:

[



]

[ ]

[]
Siguiendo el mtodo correspondiente, resulta:

[



]

[]
Finalmente:

[



]

[ ]

[]

[








]
5.1. MATRIZ ORTOGONAL
UNA MATRIZ CUADRADA A SE DICE QUE ES Ortogonal SI

, ES DECIR

EJEMPLO.- PROBAR QUE LA MATRIZ: [



]
PRUEBA:
POR CALCULO DIRECTO RESULTA: [



] ||

NOTA:

Si mi l ar ment e se pr ueba que l a mat r i z B =
Teorema.- LA INVERSA y LA TRANSPUESTA DE UNA MATRIZ ORTOGONAL SON MATRICES
ORTOGONALES.
Teorema.- EL PRODUCTO DE DOS O MS MATRICES ORTOGONALES ES UNA MATRIZ
ORTOGONAL.
Teorema.- EL DETERMINANTE DE UNA MATRIZ ORTOGONAL ES 1.
5.2. MA TRIZ DIA GONALIZABLE
UNA MATRIZ CUADRADA A ES Diagonalizable, SI EXISTE UNA MATRIZ INVERSIBLE P TAL
QUE P"
1
AP SEA DIAGONAL. EN ESTE CASO SE DICE QUE P DIAGONALIZA A LA MATRIZ A.
UNA MATRIZ CUADRADA A ES Diagonalizable Ortogonalmente, SI EXISTE UNA MATRIZ
ORTOGONAL P, TAL QUE P
-1
A P( P
T
A P) SEA DIAGONAL.
NOTA:
Toda mat r i z si mt r i ca es di agonal i zabl e or t ogonal ment e y vi cever sa.

Ejemplo: probar QUE LA MATRIZ [



]

[



]
Prueba:
Por el calculo rpido resulta:

[



]

[



] [



] [



] [



]
NOTA
El est udi o compl et o de mat r i ces di agonal i zabl es se desar r ol l a en l a par t e
cor r espondi ent e a mat r i ces semej ant es dent r o del Al gebr a Li neal , que no es el
car ct er de est e Cur so.
6. SISTEMAS DE ECUACIONES LINEALES
UN SISTEMA LINEAL DE m ECUACIONES CON n VARIABLES, TIENE LA FORMA:

DONDE LOS COEFICIENTES

CONSIDEREMOS EL SISTEMA (1) y LAS MATRICES:

[

]
[

ENTONCES EL SISTEMA ( 1) TOMA L A FORMA DE UNA ECUACIN MATRICIAL: AX =B , SIENDO A, LA
MATRIZ DE COEFICIENTES. X LA MATRIZ DE LAS VARIABLES Y B LA MATRIZ DE LOS TRMINOS
INDEPENDIENTES. ADEMS PARA EL MISMO SISTEMA, LA MATRIZ:

es llamada Matriz Aumentada del Sistema.
La solucin de la ecuacin AX = B. es una n-upla de nmeros reales que satisfacen cada una de las
ecuaciones del Sistema.
Si B es un vector columna cero, es decir lodos los

6.1. RESOLUCIN DE SISTEMAS LINELAES
6.1.1. MTODO MA TRICIAL O DE REDUCCIN DE GA USS.
El mtodo de Reduccin de Gauss es apropiado para resolver Sistemas Lineales AX = B, cuyo
nmero de ecuaciones y variables es mayor que tres, preferentemente cuando el nmero de
ecuaciones es diferente del nmero de variables. Este mtodo, planteado en trminos matriciales. se
sustenta en la equivalencia de matrices como consecuencia de transformaciones elementales de linea.
La efectividad aumenta conforme crece la dimensin del Sistema. Su explicacin y aplicacin se
resume en los pasos siguientes:
1) Se forma la Matriz Aumentada [ ] que incluye a los coeficientes de las variables y las
constantes del Sistema dado.
2 ) Se contina con una serie de operaciones fila que tienen como resultado una reduccin a Sistemas
Matriciales equivalentes sin afectar el Sistema original. Estas operaciones fila obedecen a la Regla ya
conocida y aplicada en la Seccin 3 anterior.
El objetivo de ste proceso de reduccin, es obtener una Matriz Transformada [C K ], en la que la
matriz A se sustituye por la matriz cannica equivalente de fila C y K es la columna de elementos

, i =
1, 2,, n , que corresponde a la matriz solucin.
En un Sistema Lineal de m ecuaciones y n variables AX= B, cuando la matriz aumentada [ A B ] se
reduce a la matriz [ C K ], se cumple lo siguiente:
a) Si la caracterstica de A es r. las primeras filas de C contienen uno o mas elementos distintos de cero.
El primero de tales elementos no nulos de cada fila es 1 y la columna a la que pertenece tiene todos
los dems elementos iguales a cero. Las filas restantes estn formadas por ceros.
De las r primeros filas de la matriz [ C K ], se pueden obtener cada una de las variables

. en funcin de las restantes variables

y de uno de los valores k

1
,
k
2
,.... k
n
.
b) Si k
r+1
= k
r + 2
, = . . . k
m
= 0. el Sistema AX = B es compatible y su solucin es un conjunto
arbitrario de valores de

con los valores que resulten de

.
Si al menos uno de los valeres

es diferente de cero, por

Ejemplo k
s
0, entonces la ecuacin correspondiente es:
0 x
1
+0x
2
+.. . + ,0 x
n
= k
s
0 y el Sistema es incompatible.
c) Si el Sistema AX = B es compatible, las matrices A y [ A B ] tienen la misma
Caracterstica (caso del Ejemplo 2 siguiente), si es incompatible, estas caractersticas son diferentes.
De aqu de desprenden los Teoremas:
Teorema.- En un Sistema compatible AX = B en el que r < n, se pueden elegir n r variables de
manera que, la caracterstica de la matriz de los coeficientes de las r variables restantes sea r . Al
asignar valores arbitrarios a estas n - r variables, las otras r quedan perfectamente determinadas.
Ejemplos:
1) Usando la forma matrcial del mtodo de Reduccin de Gauss, resolver el Sistema:
3X-4Y+10Z=9 (1)
X+2Y-3Z=7 (2)
-2X+Y+Z=1 (3)
SOLUCION:
[



] [

]
[ ] [



]
aplicando el procedimiento explicado para obtener matrices equivalentes, a traves de las
transformaciones elementales:

[ ] [



] [



] [



]
[ ][



] [



] [



]
[ ][



] [



]
De aqu, la matriz Solucin es la matriz columna cuyos elementos son: 3, 5, 2. Luego, la solucin del
Sistema, es: x = 3, y = 5,

Z= 2.
X
1
+ x
2
- 2x
3
+ x
4
+ 3x
5
=1 (1)
2x
1
- x
2
+ 2x
3
+ 2x
4
+ 6x
5
=2 (2)
3x
1
+ 2x
2
4x
2
- 3x, -9x
s
=3 ( 3)

Escribiendo la matriz ampliada y aplicando las transformaciones elementales sucesivas(se deja al
lector comprobar), resulta:
[ ] [



] [



] [



]

[ ][



] [



] [



]
De aqu, se tiene:

[ ]
3) Resolver el sistema:
X
1
+ 2x
2
- 3x
3
- 4x
4
=6 (1)
x
1
+ 3x
2
+ x
3
- 2x
4
=2 (2)
2x
1
+ 5x
2
2x
3
- 5x
4
=3 ( 3)
Solucin:
Considerando directamente la Matriz Aumentada y aplicando sucesivamente las transformaciones
elementales:

[ ] [



] [



] [



]
[ ][



] [ ]
Ahora, vemos que la matrices A y [ A B ] tiene la misma caracterstica, r = 3.
Entonces el Sistema dado es compatible y su solucin general considera n- r = 4- 3 =1 constante
arbitraria. De la tercera Fila de [ C K] , resulta
x
4
= 0
Finalmente, haciendo x
3
= k, k R y resolviendo el Sistema resultante para los valores, x
1
, y x
2
, se
obtiene:
X
1
= 10 + 11k y x
2
= - 2 - 4k. Entonces la solucin del Sistema es:
X =[ 10 + 11k, - 2 - 4k, k, 0].

NOTA:
a) Si un Sistema de ecuaciones compatible definido sobre un cuerpo F tiene solucin nica, sta
pertenece a F.

b) Si el Sistema tiene infinitas soluciones (caso de los Ejemplos I y 3 anteriores) y los valores
asignados pertenecen a F, tambin pertenecen a l todas las infinitas soluciones del Sistema. Mas
an. el Sistema tiene infinitas soluciones sobre un cuerpo p, del cual F es un Sub-Campo. Asi. en el
Ejemplo anterior, k Q, Q sub-Campo de R y c, entonces el Sistema tiene infinitas soluciones, si k
es un nmero real o complejo.
4) Usando la forma matricial del mtodo de reduccin de Gauss, resolver el Sistema:
X
1
+ 2x
2
+ x
3
= 2 (1)
3x
1
+ x
2
-2x
3
= 1 (2)
4x
1
-3x
3
- x
3
=3 (3)
2x
1
+4x
2
+2x, =4 (4)
Solucin:
[

] [

] [ ] [

]
Efectuando directamente las operaciones con filas (el lector debe comprobar), se obtiene las
sucesivas matrices equivalentes.
[ ] [

] [

] [

]

[ ][

] [

]
De aqu, la solucin del sistema es:
X
1
=1, X
2
=0, X
3
=1

6.2. SISTEMA LINEAL N * N NO HOMOGENEO
Un Sistema Lineal n X n No Homogneo tiene la forma: A X = B, donde [

I X = [ X
1
, X]
y B = [ b
1
, ..., b
n
] 0. Para este caso particular, se tiene el siguiente:
Teorema.- Un Sistema Lineal n X n No Homogneo tiene solucin nica, si la caracterstica de la
matriz A de los coeficientes es igual a n, es decir, siempre que || (matriz regular).
Demostracin
Si A es una matriz regular (no singular), entonces es equivalente a la matriz identidad l
nxn
. Aplicando
nicamente transformaciones elementales de fila. [A B ] se reduce a [ 1 K ]. Entonces X = K es una
solucin del Sistema.
Ahora, supongamos que X = L es otra solucin del Sistema, es decir AL = B.
De aqu AK = AL. Como A es una matriz regular, resulta A
-1
AK = A
-1
AL; K = L. Esto prueba que la
solucin es nica.
6.2.1. SOLUCIN DE SISTEMAS LINEALES N * N NO HOMOGNEOS
Frecuentemente, en el estudio de la Matemtica y en las disciplinas usuarias se presenta el problema de
resolver Sistemas de ecuaciones especialmente lineales. El caso ms simple, pero de suma
importancia, es cuando el nmero de ecuaciones es igual al nmero de variables. En esta parte
tenemos mayores elementos de juicio para describir los mtodos de solucin de estos Sistemas
Lineales.
Adems del mtodo general de escalonamiento (Ver Complementos de Matemticas 6
la
Edicin del
mismo autor), y el de equivalencia de matrices desarrolladas anteriormente, en este caso particular, se
tienen los mtodos de determinantes y el que utiliza la matriz inversa de los coeficientes. En efecto:
6.2.1.1. MTODO DE LA MA TRIZINVERSA
Si [

, es la matriz de los coeficientes de un Sistema Lineal n X n y | A | 0,

Entonces existe la matriz inversa A
-1
, luego la solucin del Sistema AX = B. es:
A
-1
AX = A
-1
B; X = A
-1
B (1)
Ejemplos:
1) Resolver el Sistema:
3x
1
+4x
2
+ 2x, + 7x
4
= 2 (1)
2 x
1
+3x
2
+ 3x
3
+ 2x
4
= -3 (2)
5 x
1
+7x
2
+3x, + 9x
4
= 5 (3)
2 x
1
+3x, + 2x
3
+3x
4
= -1 (4)

Solucin
Las matrices de los coeficientes, de las variables y los trminos independientes, respectivamente, son:
[

] [

] [

]
Usando el resultado del Ejemplo (2) de la Seccin 4.2.1 anterior, para hallar A
-1
y luego de efectuar el
producto, se tiene:

] [

]
De aqui: x
1
=13, x
2
=-6, x
3
= -7/2, x
11
= -1, es la solucin del Sistema.
2) Resolver el Sistema:
2 x
1
+ x
2
+ 5x
3
+ x
4
= 2 (1)
x
1
+x
2
-3 x
3
-4x
4
=8 (2)
3 x
1
+6x
2
-2x
3
+ x
4
=-1 (3)
2 x
1
+2x
2
+2 x
3
-3x
4
=5 (4)

Solucin
Como el Sistema tiene cuatro ecuaciones y cuatro variables, usamos el Mtodo Matricial. En efecto:
La matriz de los coeficientes, su inversa y la matriz de los trminos independientes respectivamente,
son:
[

] [

] [

]

De aqu, la solucin del Sistema, es:
x
1
=600/120 = 5, x
2
=-539/120, x
3
=-105/120=-7/8, x
4
=-96/120 = - 4/5.
6.2.1.2. MTODO DE DETERMINANTES (Regla De Cramer).
Sea [

, la matriz de coeficientes de un Sistema Lineal A X = B de n ecuaciones y n variables

y = | A |. Entonces:
1) Si , cada variable tiene valor finito y determinado; es decir, el Sistema admite una y slo una
solucin, dada por:

En este caso,

es el deierminante de la matriz A en la cual se ha sustituido la columna de

elementos

por b
1
, b
2
, . . ., b
n
respectivamente.
2) Si y los

, el Sistema es imposible.
3) Si y algn

, el Sistema es indeterminado.

Ejemplos:
1) Resolver el Sistema por determinantes:
2x-3y + 2z = 14 (1)
4x+4y-3z = 6 (2)
3x + 2y-3z = -2 (3)

Solucin
Usando el desarrollo por menores y la primera columna, resulta:
|



| |


| |


| |


|

Ahora, desarrollando por menores usando tambin la primera columna, resulta:

|



| |


| |


| |


|

Luego, por la Regla de Cramer la solucin del Sistema es:

2) Hallar el valor de a y de b para que el Sistema dado sea indeterminado:
3x+5y = l (1)
ax - by = 4 (2)

Solucin:
Para que el Sistema sea indeterminado, se debe cumplir:

|


| (3)
|


| (4)

Resolviendo el Sistema (3) - (4), se obtiene: a = 12, b = -20 que son los valores para los cuales el
Sistema es indeterminado.

3) Resolver el Sistema por determinantes:
x - y + z = 0 (1)
3y + 2z = 19 (2)
x + y + z = 10 (3)

Solucin:
Usando el desarrollo por menores y la segunda fila, resulta:
|



| |


| |


| |


|
Ahora desarrollamos por menores usando la primera fila resulta:
|



| |


| |


|
Similarmente, se calcula: Ay = -20, Az = - 8.
Luego por la Regla de Cramer, la solucin del Sistema es:

6.3. SISTEMAS HOMOGNEOS
Si la caracterstica de la matriz A es n, entonces n de las ecuaciones del Sistema Lineal Homogneo
A X = 0, se pueden resolver aplicando la Regla de Cramer, obtenindose la solucin trivial x, = x
2
=. . .
= x = 0. Si la caracterstica de A es r < n el Segundo Teorema de la Seccin 5.1 anterior, garantiza la
existencia de soluciones distintas de la trivial.
Teorema.- La condicin necesaria y suficiente para que el Sistema Lineal Homogneo AX = 0 tenga
solucin distinta de la trivial, es que la caracterstica, de la matriz A sea r < n.
Teorema.- Si la caracterstica de la matriz A del Sistema Lineal Homogneo AX = 0 es r < n, el Sistema
tiene exactamente n - r soluciones linealmente independientes, de manera que cada solucin es
combinacin lineal de stas n - r, y cada una de estas combinaciones lineales es una solucin.
Demostracin:
Sean X
1
y X
2
dos soluciones distintas del Sistema Lineal AX = B. entonces AX
1
= B y AX
2
= B. Restando
la segunda igualdad de la primera, se tiene: A(X
1
-X
2
)=AY = 0.
De aqu Y = X
1
-X
2
es una solucin diferente de la trivial del Sistema AX = 0.
Recprocamente, si Z es una solucin cualquiera, distinta de la trivial del Sistema Lineal Homogneo
AX = 0 y Xp es una solucin cualquiera del Sistema Lineal AX = B, entonces X = Xp + Z, es tambin una
solucin cualquiera del Sistema Lineal AX = B.
Ahora, si Z representa la solucin completa del Sistema Lineal Homogneo AX = 0, entonces Xp + Z
ser la solucin del Sistema AX = B.
NOTA:
Si el Sistema Lineal no Homogneo AX = B es compatible, entonces la solucin completa de este Sistema
est formada por la solucin completa del Sistema Homogneo AX = 0, ms una solucin particular del
Sistema Lineal AX = B.
Ejemplos:
1) Resolver el Sistema:
x- y+ z = 0 (1)
x + 2y-z = 0 (2)
2x + y + 3z = 0 (3)
Solucin:
Se prueba que la matriz de coeficientes es singular, por lo tanto el Sistema tiene soluciones no
triviales. Resolviendo directamente por el mtodo de escalonamiento, se obtiene: x = 2y, z = 0.
De la expresin para x, vemos que y es arbitraria, entonces podemos hacer y = t. t R. t 0. Luego,
escribimos la solucin completa en su forma paramtrica: x = 2t, y = t, z =0.

2) Usando la forma matricial del mtodo de reduccin de Gauss, resolver el Sistema:
x + y + z+ w = 0
x + 3y + 2z + 4w =0
2x+ z- w = 0

Solucin:
En este caso, se tiene:
[



] [ ] [



]
Efectuando directamente las operaciones con filas, (el lector debe comprobar), se obtienen las
sucesivas matrices equivalentes.
[ ] [



] [



] [



]
[ ][



] [



]
Como el Sistema tiene 4 variables y solo 3 ecuaciones, la solucin completa del Sistema, es:

3) Resolver el Sistema:
X
1
-2x
2
+3x
3
=4 (1)
X
1
+ x
2
+2 x
3
= 5 (2)

Solucin:
Si hacemos X
1
= 0 , entonces el Sistema (1) - (2) se reduce a:
- 2 x
2
+3x
3
=4 (3)
x
2
+2 x
3
= 5 (4)

Resolviendo el Sistema (3) - (4) se obtiene: x
2
= 1 y x
3
= 2. Entonces una solucin particular de 1 Sistema
(1) - (2), es: Xp = [ 0, 1, 2 ].
La solucin completa del Sistema Homogneo:
X
1
- 2x
2
+3x
3
=0 (5)
X
1
+ x
2
+2x
3
=0 (6)

es: X- [ -7k, k. 3k ]' + [ 0, 1, 2] ' =[ -7k, 1 + k, 2 + 3k ]
1

4) Resolver el Sistema de Ecuaciones Homogneas:
X
1
+ x
2
+ x
3
+ x
4
=0 ( 1)
3 X
1
+ x
2
+2x
3
+ 4x
4
=0 (2)
2x
2
+ x
3
- x
4
=0 (3)


Solucin
En este caso, aplicando las transformaciones equivalentes de fila (se sugiere al lector verificar) a la
matriz aumentada respectiva, se tiene:
[ ] [



] [



] [



]
[



] (


)

[ ][



] [



] [



]
De aqu, si x
3
= a y x
4
= b la Solucin Completa del Sistema, es:

Puesto que, la caracterstica de la matriz A es 2, entonces se puede obtener, exactamente n- r = 4- 2 = 2
soluciones linealmente independientes. En efecto:
Si a = 1 , b = 1 y a = 3y b=l , s e obtiene:
X
1
= 0, x
2
= 0, x
3
= 1 , x
4
= 1 y X
1
= -1, x
2
=-3, X
3
= 3, x
4
= 1.
Se deja al lector hallar otras soluciones para valores arbitrarios de a y b.
7. EJ ERCICIOS PROPUESTOS:
1) dadas las matrices:
[



] [



] [



]
a) -B
t
b) (B-C)
t
c) -2B+3C d) AxBxC-B
e)A+B f) C+2A g) BxC
t
-2B h) 3C
t
+3B
t
-A
i) AxB j) aB-2C
t
k) (A+C)+B l) A+(A
t
xB)
t

2) dadas las matrices:
[



] [



]
[

a) AxB b) (AxB)xC c) AxB-AxC
d) BxB e) (B
t
-A)xC f) (3 B
t
-A)x B
t
+2C
t

g) (A-B)
t
h) (AxA)xA i) AxA-BxB+CxC
j) (2A)
t
XB k) (A
t
xA)xA l) (AXB)
t
xC
t
-3+2B+C
t



3) Encuentre todas las matrices escalares que satisfacen las siguientes ecuaciones
matriciales:
a) A
3
- I
3x 3
=0 b) A
7
- 5A + 7I
2>2
=0
d) 2A'
l
+3A
:
- 4A- 61
2
,
2
=0 c) A
3
- I
nxn
=0
4) Hallar todas las matrices de segundo orden, cuyos cuadrados son iguales a la matriz nula.
5) Hallar todas las matrices del tercer orden, cuyos cuadrados son iguales a la matriz unidad.
6) Hallar la condicin que debe satisfacer una matriz de elementos enteros para que todos los
elementos de la matriz inversa sean enteros.
7) Determinar todas las matrices diagonales de orden nxn que satisfacen una ecuacin polinomial
matricial f (A) = 0 de gradop.
8) En un kiosco se venden cuatro peridicos diferentes: A, B, C y D. El vector de precios
correspondiente en nuevos soles, es: P = [10, 15, 10, 15]. Las ventas durante cierta semana, de lunes
a sbado, estn dadas por la matriz:
16

= A. 17)

= k

18)

19)

20) Si A es una matriz cuadrada:
a) A A
t
y A
t
A, son simtricas.
b) A +

A

y

A. son hermticas.
21) Si H es una matriz hermtica y A una matriz conforme respecto de la multiplicacin, se verifica que

HA es hermitica.
22) Toda matriz hermtica A se puede representar por A = B + iC, siendo B una matriz real y simtrica y C
otra matriz real pero hemihermtica.
23) Toda matriz hermtica A se puede representar por A = B + iC. siendo B una matriz real y
hemihermtica y C otra matriz real pero simtrica.
24) Si A = B + C i,

A es una matriz real si, y solo si. B y C son anticomunicativas.
25) Si A = diag(A,, A,, . . ., A
s
) y B = diag(B
1
, B
2
,..., B
s
), siendo A y B, del mismo orden, (i = l, 2, ..., s),
entonces:
a) A + bB = diag(A
1
+ A
2
, A
2
+ B
2
, ..., A
s
+B
s
).
b) AB = diag(A
1
B
2
, A
2
B
2
, . . ., A
s
B
s
).
c) Traza de A B = traza de A
1
, B
1
, + traza de A
2
B
2
, + . . . traza de A
s
B
s
. La traza de un matriz es la
suma de los elementos de su diagonal principal.
26) La matriz de los adjuntos de una matriz escalar es otra matriz escalar.
27) La matriz de los adjunto de una matriz diagonal es otra matriz diagonal.
28) La matriz de los adjuntos de una matriz triangular es otra matriz triangular.
29) La matriz de los adjuntos de: A= [



]

[



]
30) Si A es una matriz cuadrada de orden n y caracterstica menor que n - 1, adj A = 0
31) Si A es una matriz simtrica, tambin lo es adj A = 0.
32) Hallar la adjunta de las matrices:
[



] [



] [



] [

]
Sin desarrollar los determinantes, demostrar que:
33) [



]

34) [



]

35) |

| |

|
36) [

]
37) [



]
38) [

39) |

|
Calcular los determinantes:
42) |



| |



| |



| |



|
|

| |



| |



| |

|
50) |

| [



] |

| |

|
54) |

| |

| |

| |

|
58) |

| |

| |

| |

|
62) |

| |

| |

| [



]
66)
[

Desarrollando por los elementos de la tercera fila, calcular los determinantes:
72) [

] [

] [

] [

]

[

] [

] [

]
[

]
[

]
84) calcular el determinante multiplicando por el determinante y pronar que || ||||.
a) [

] [

]
b) [

] [

]
c) |

| |

|
85) hallar la caracterstica de cada una de las matrices
[



] [

] [

]
[

] [

]
[

86) Demostrar que la matriz cannica C equivalente de fila de una matriz A. queda nicamente
determinada por A.
87) Demostrar que AB y BA son regulares si A y B son matrices cuadradas regulares de orden n.
88) AB y BA son regulares si al menos una de las matrices cuadradas, A o B de orden n es regular.
89) Si P y Q son dos matrices regulares, demostrar que A, PA. AQ y PAQ tienen la misma
caracterstica y expresar P y Q en forma de producto dematrices elementales.
90) [



]

91) Hallar la raz canonica equivalente de fila de las matrices
[



] [



] [

] [



]
[



]
[

En cada caso, reducir la matriz dada ala forma que se especifica:
92) [



] [



] [

]
93) [



] [



] *

+
94)Si A y B son matrices cuadradas de oreden n y A posee inversa, entonces
(A-B)A
-1
(A+B)=(A-B)A
-1
(A+B).
95) Demostrar que:
[



] [



]
[

] [

]
Encontrar la inversa de cada una de las matrices:
96)*


+ *


+ *


+ *


+
*


+ [



] [



]
[



] [



] [

]
[

] [

] [

]
Usando el mtodo de reduccin calcular la inversa de cada una de las siguientes matrices:
[

] [

] [

]
[

] [

] [

]

[

] [

] [

]
121) Usando el mtodo de la subdivisin en cajas, hallar la inversa de las matrices simtricas:
[

] [

] [

]
[

] [

]
[

122) una matriz A de orden mxn posee inversa por la derecha B si AB=I, y posee inversa por la
izquierda C si CA=I.
Demostrar que la condicin necesaria y suficiente para que A posea inversa por la derecha es que la
caracterstica de A sea igual a m.
Respecto a la inversa por la por la izquierda, demostrar que la condicin es que la caracterstica de A
sea igual a n.
123) hallar una inversa por la derecha de [



]
124) Demostrar que la submatriz
[



]
[

]
125) Demostrar que[



]
[

]
126) Resolver las ecuaciones:
[



] [

]
[



] [

]



127) En cada caso, hallar el valor de m para que el sistema sea indeterminado.

Resolver los siguientes sistemas por la regla de Cramer:

128)


129)


130)

131)



132)
x+ y+ z+ v = 0
4x-6y + 3z + v = 8
2x+3y-4z + 3v=l
x-4y + 3z-4v = 0

133) 3u + 5v+ w-2x = 2
4u - 6v + 3w + x = 8
2u + 3v-4w + 3x =1
u-4v + 3w-4x = 0

Usar el mtodo de Reduccin de Gauss para resolver los sistema:
140) x-2y+z-t=0
Y+t=1
x-z=1
x+y=1
141)



142)
x + y-z+2t = 6
x-y + z+ l = -2
x+y-z+2t=1


143) x+3y+5z+7t=12
3x+5y+7z+t=0
5x+7y+z+3t=4
7x+y+3z+5t=16

144)

145)

146 )
3x+2y+z-2t=1
x-y-z+3t=2
x+3y+2z-t=5
4x+5y-3z+t=0
147)

148)

149)

150)

151)

152)

153)

154)




155)

156)

157)

158)
X+2y+3z+4t=0
X+y+2z+3t=0
X+5y+5z+2t=0
X+5y+z+2t=0


159)

160)





161)

162)





163)

164) Elegir de tal modo que el Sistema de ecuaciones tenga solucin.