Matrices

Página del Colegio de Matemáticas de la ENP-UNAM Matrices y determinantes Autor: Dr.
José Manuel Becerra Espinosa
V.1 DEFINICIÓN DE MATRIZ
MATRICES Y DETERMINANTES TEMA V
Una matriz es un conjunto de números, objetos u operadores, dispuestos en un arreglo bidimensional de

renglones y columnas, encerrados entre paréntesis rectangulares, que obedecen a ciertas reglas

algebraicas.
Ejemplos de ma
8 

10

7

13
1 5

1 2 ,
4 3

a b 
c d 
,
e f 
h
  g 
3 2i
5 7i
Cada una de las partes integrantes del arreglo es llamado elemento de la matriz y su localización en el
arreglo es identificado por un sistema de doble subíndice, en el cual el primer subíndice indica el renglón
y el segundo subíndice indica la columna.

 a11
a21
A  a31

a12 a22 a32
a13 a23 a33
a
K a1m  
K 2 m 
K a3m  
 M
 an1
M
an 2
M
an3
M M 
K anm 
En donde el elemento a ij
está localizado en el renglón i-ésimo y la j-ésima columna del arreglo A .
Una matriz que tiene n renglones y m columnas se dice que es una matriz de orden n x m (se lee como
matriz de orden n por m ).
Cuando se trata de matrices muy grandes se representan con una sola letra mayúscula, o por un solo
elemento con doble índice:
A aij
donde i va desde 1 hasta n y j va desde 1 hasta m
Una matriz con un solo renglón o con una sola columna es conocida como vector renglón o vector
columna respectivamente. Por ejemplo, la matriz B es un vector renglón de 1
5 y la matriz C es un
vector columna de 3 1 :
 c1 
  B b1 b2
b3 b4
b5 ,
C c2  c3 
1
Página del Colegio de Matemáticas de la ENP-UNAM Matrices y determinantes Autor: Dr. José Manuel Becerra Espinosa
Una matriz es cuadrada si posee el mismo número de renglones y de columnas:

Ejemplo.
 4 2 6 1 
708
 
 3 
D
1 10 5 4 

 3 4 9
11 4 4
La diagonal principal de una matriz cuadrada es el conjunto de elementos que aparecen sobre la diagonal del
arreglo que va desde el extremo superior izquierdo al extremo inferior derecho, es decir, aquellos elementos
aii . En el ejemplo anterior los elementos de la diagonal principal son 4, 0, 5,
11 .
La traza de una matriz cuadrada es la suma de los elementos de su diagonal principal. Se denota como
tr A .
Ejemplo.
Para la matriz anterior, su traza es: tr D
4 0 5
11 2
La transpuesta de una matriz A es la matriz designada por
A' ó AT
en donde los renglones de A son
las columnas de
AT , esto es, si:
A aij
 T
A
a ji
Ejemplos.
5
1 2
 
5 7 7 3 9

2 6 
a) E   ;
 2 0 8 
 
1
E
T  
34
 2 9
0 
8 11 
6
a
b) F

f
4 11
b c dg h i
4 3
j
e 
 ;
2 5

a
b
FT c
 d
 e
3 4
g
f   
i
h   
j  5 2
Dos matrices se dice que son iguales si son del mismo orden y todos los elementos de la matriz son
idénticos a sus correspondientes elementos de la otra matriz.
Ejemplo.
4 1 3 0 8 
8 6 9 0
2 6 3 2
16 
2P
67
 1 2 5
 ;
2 5
Q 
12

4 14
15 28  
2 4
P Q
7 3 4
2 5
2
V.2 OPERACIONES CON MATRICES

Suma
La suma de matrices C
A B se define como cij
aij
bij . Esto es, la suma de matrices es igual a

la suma de los elementos correspondientes de ambas matrices que tienen el mismo orden.
Ejemplo.
2 6
7 0 
 6 8
2 5 
A

 1 11 3
 4 14
4
 ; B  2 4 
4
9 5 
10
3
2 1 2 4
A B 
14
 9 4

2 4
La operación suma cumple con las siguientes propiedades:
Propiedad asociativa: A B C A B C
Propiedad conmutativa: A B B A
Ejemplos.
 2 5 

a) 
3


4 8
 

 11 3
9 
 
6 13
3 
 
11 3
9 
 
17

10
 
 1
3

2 2
0 2 2   5 
2

2 2
2 2 5 
2 2 7
12 2 2
 2 5 
 8 
4
11
3  2 5 
 
 15 5 
17
10
 
  3 01  3
 5  19 3
 87 12 9 
  2 2  
 2 2 
 2 2  
 2 2 
 2 2 
2 2
1

b)  4
6
2 3
5 2 3

2 0
7 8
1
3 
2 3

2 0
7 8

3 1
1
2 3 4

2 3
6
5 2 3

3 2
11 3
5
0 
2 3
Diferencia
La diferencia o resta de matrices C
A B se define como
cij
aij
bij . Esto es, la diferencia de

matrices es igual a la resta de los elementos correspondientes de ambas matrices que tienen el mismo
orden.
Ejemplo.
7 9
 
0 5
C 5

 3
8 ; D

1 3 2
3

 1
2

4 3 2
7 14
  C D 8

 2
6 

5  3 2
3
Multiplicación de una matriz por un escalar
El producto de una matriz A por un escalar k se define como: k A

uno de los elementos de la matriz por el escalar.
k aij , esto es, se multiplica cada

Ejemplo.
2 4
6 10 7 
 6 12 18 30
21
C

 5 8 0
;
1
9 2 5
k 3;

k C 
15
24 0 27

3 2 5
Multiplicación de matrices
Para efectuar el producto de dos matrices se requiere que el número de columnas de la primera matriz
sea igual que el número de renglones de la segunda. Cuando sucede esto se dice que las matrices son
conformables para la multiplicación. Esto es, si A es de orden p
n y B es de orden n
q el orden de
la matriz producto es p q .
Los elementos de la matriz producto A B
se definen de la siguiente manera:
cij
n
a
k 1
ik
bkj
donde i va desde 1 hasta p y j va desde 1 hasta q .

El elemento que ocupa la posición
i, j
de la matriz C de p filas y q columnas, se obtiene sumando los
productos de los elementos de la fila i de A por los elementos de la columna j de B .
Ejemplos.
1) A
4
6
1 4
 ;
2 2
5
B

 10
10 1 1

2
2 2
5 2 
 4 50
1 10 
 54
11
A B  64
4 10
6 1 4 2 
 24 40
6 8 
 16 2 
2) A

 a11
a
a21
a31

a12 
22  ; B
a32  3 2

b11
b21
b12
b22
b13
b23
b
b14  


24 2 4
 a11b11
A B a21b11
a
 31b11
a12b21 a22b21 a32b21
a11b12 a21b12 a31b12
a12b22 a22b22 a32b22
a11b13 a21b13 a31b13
a12b23 a22b23 a32b23
a11b14 a21b14 a31b14
a b
a12b24  
22 24 
a32b24  3 4
5
1

3) A 
3
2
0 

 1
; B
4 3

2 1
5
0 2 3
16
 
 4 2
4
5 0 10 0 5 0
1 6 2 0 1 10
  5
  
10 5 

A B 
  5
2 9
 3 12
6 0 3
20 
 15
6 23 
1

18 2 0

30
1 4 3


17
29

2 4 3
10i 1
2i 
4) A 4
5i 1 2 ; B
103i
 
 2 3
A B 40i
5i 4
1 3
0i 8i
15i 2
45i
4 15
8i 1 3
3 1

5) A
0 5
9 4
; B
6
2 2 4
1 7 913
No son conformables para el producto.
En general, el producto de matrices no es conmutativo: A B B A

Ejemplo.
1 5 1
 
2 4 1 
 A 3 2

10 4
0 ; B

2 3 3
5 1

3 0
2

7  3 3

1 5
A B 3 2
201 5
1  2 4 1    

10 4 2
 12 55
3 0 
1 3

7 
14 5 1
1 0 11 5 2
1 7 

 32
25 03
34 2 1 00
31 2 2
07 
10 2 4 5

24 1
16 10
34 36
2 3
1
16  
12 3 3
10 4 4 1
2 0 10 1 4 2 2 7
 3 3
2 4
B A 5 1
20 3
1  1 5 1    

3 0
42 14
1 2 2 4 5
02 74
7 10 4 2
 21

4 3 1 10 25
2 1 40 1 2 
1 3
5 1
2 10 5 5
1 1 0
2 2
 3 1 0 3
 24 22

7 10 35
4 

3 1 00 7 2 3 3
18 15

 73 43
1 

17 3 3
5
A B B A
El producto definido de matrices acepta las siguientes propiedades:
Propiedad asociativa: A B C
A B C
Propiedad distributiva de la multiplicación respecto a la suma: C A B
V.3 MATRICES ESPECIALES

1. Matriz cero (matriz nula)
C A C B
Es aquella matriz, la cual puede ser de cualquier orden, en la que todos sus elementos valen cero.
sus propiedades son:


0
0  M 
0 
0
0 0 K
0 0 KM M M
0 0 K
0
0   
0
M  
m n
0 A 0
0 A A
Ejemplo.
3 1
0 0
2
Sean: A
5
 ; 0
2 2
0
0 2 2
0 5
0 0 3

   
0 A 0
2
1 0 3

0 3
05 0 1
05 0 1
02 

02 

0 0 
0
0 
0 0  3
0 A   
1 0 3 0
 
1 3 1
  
0 0  5
2  0 5
0 2  5 2 
2. Matriz identidad (matriz unitaria)
Es una matriz cuadrada de orden n tal que todos los elementos de su diagonal principal son uno y los

elementos fuera de ella son cero.
1
0
I 0
 M
0
0 0 K
1 0 K
0 1 KM M M
0
0 0 K
0  
0 
M 
1  n n
La propiedad principal de una matriz cuadrada es que:

I A A I A
Ejemplo.
6
4
Sean: A 
2 
 ; I
1 0
 
A I 
 3 1 2 2
 
0 1  2 2

 

 3 1   0 1 
 31 10
3 0 11   3 1 
1
I A 
0  4
 
2 1 4
 
0 3 1 2
01  4 2   
3. Matriz diagonal

Es una matriz cuadrada de orden n tal que todos los elementos fuera de su diagonal principal son cero.
d11
0
D 0

0
d 22
0

0 K 0 
0 K 0  d 33 K 0 
 M M
 0 0
M M M 
0 K d nn  n n
Ejemplo.
12 0 0 
D 0 6 

 0 0
0 

7
4. Matriz triangular superior
Es una matriz cuadrada de orden n en la cual todos los elementos debajo de la diagonal principal son
cero.
u ij
0 para i j

u11
0
U 0

u12
u 22
0
u13 u 23 u33
u
K u1n  
K 2 n 
K u3n  
 M M
 0 0
M M M 
0 K u nn  n n
Ejemplo.
7i 8i 5i

13i

0  0 
U 
4i 3i
0 2i
6i  i  
0 0 0
9i 
7
5. Matriz triangular inferior
Es una matriz cuadrada de orden n en la cual todos los elementos por arriba de la diagonal principal son
cero.
lij
0 para i j

l11
l21
L l31

M
l n1
0 l 22 l32
M
ln 2
0
0
l33
M
0
l n3
K 0  
K 
K 0  
M M 
K lnn  n n
Ejemplo.
 6 0 

17 
L
9
6. Matriz simétrica
Se dice que una matriz cuadrada es simétrica si es igual a su propia transpuesta: A AT

aij a ji
para toda i y para toda j
Ejemplo.
 3 2 2 8
 
2 4 2 5 
A 
5 0  AT
7 4 
 8 0 4 6 
7. Matriz antisimétrica
Se dice que una matriz cuadrada es antisimétrica si es igual al negativo de su propia transpuesta:
A AT
T
aij a ji

Ejemplo.
 0

2 3

0 2 3
 
0 2 3
 
A  2
 3
0 4  A
4 0
 2 0
 3 4
4  
0 
T
A 2
 3
0 4 A
4 0
8. Matriz conjugada
Sea A una matriz de números complejos. Si se reemplaza cada elemento por su complejo conjugado se
obtiene A que es su matriz conjugada.
8
Ejemplo.
5 2i 8i

3 6i
1 i
A  8 4i

6 7i
14 11i 9

10i
16 5i
13 17i 6

5
A 8

2i
4i
10i
8i
6 7i
16 5i
3 6i
14 11i
13 17i

1 i 
9 
6 
9. Matriz hermitiana
Se dice que una matriz de números complejos cuadrada es hermitiana, denotada como
A* , si es igual a
su propia transpuesta conjugada: A
T *
A A
aij a ji
Ejemplo.
 5
A

 2 6i
 5

A 
2 6i 
4 
2 6i
 2 6i
 4 
*  5 2
6i  T
A A
A

 2 6i 4 
1
10. Matriz antihermitiana
Se dice que una matriz de números complejos cuadrada es antihermitiana si es igual al negativo de su
propia transpuesta conjugada: A
T *
A A
aij a ji
Ejemplo.

11i 9 
6i 
A
9
 11i
A

 9
A
 T *   

9
6i 
11i
9
9 

 A
6i
1
Las matrices simétricas son un caso especial de las hermitianas y las matrices antisimétricas son un caso especial de las
antihermitianas. Por lo tanto, toda matriz simétrica es hermitiana, pero una matriz hermitiana no necesariamente es simétrica. De la
misma forma, toda matriz antisimétrica es antihermitiana, pero una matriz antihermitiana no necesariamente es antisimétrica.
9
11i
A*

9
9 

 A
6i
V.4 DETERMINANTES
V.4.1 DEFINICIÓN
Sea A una matriz cuadrada de orden n . Se define como determinante de A (denotado como A ,
det A
ó A ) a la suma de los n productos (signados) formados por n-factores que se obtienen al
multiplicar n-elementos de la matriz de tal forma que cada producto contenga un sólo elemento de cada
fila y columna de A .
Esto significa que un determinante es un valor numérico que está relacionado con una matriz
cuadrada y que sigue ciertas reglas para su cálculo .
det A
a11 a21 a31
M
an1
a12 a22 a32
M
an2
a13 a23 a33
M
an3
K a1n K a2 n K a3n M M
L ann
Dos matrices diferentes (tanto en orden como en elementos) pueden tener igual determinante. Nótese
como la notación de determinante no presenta los corchetes (a diferencia de las matrices) sino sólo
líneas.
V.4.2 CÁLCULO DE DETERMINANTES DE SEGUNDO Y TERCER ORDEN. REGLA DE SARRUS
Para calcular determinantes de segundo y tercer grado el método más simple es el de multiplicación
diagonal, mejor conocido como Regla de Sarrus.
Esta regla establece que para una matriz de segundo orden A
de la siguiente manera:

 a11
a21
a
a12 
 , su determinante se calcula
22 
det A
a11
a21
a12
a22
a11a22
a21
a12
esto significa que el determinante de segundo orden es el producto de los elementos de la diagonal
principal menos el producto de los elementos de la diagonal secundaria.
Ejemplos.
3 5
1) 34
2 4
25 12 10 2
10
4 8
2) 4
3 7
12 6
3)
5 4
7 3 8
12 4 5
28 24
6 48
30 78
La regla de Sarrus aplicada a una matriz de tercer orden A
determinante se calcula como:


 a11
a21
a31
a12 a22 a32
23 
a13 
a  , establece que su
a33 
det A
a11 a21 a31
a12 a22 a32
a13 a23 a33
a11a22 a33
a21a32 a13
a31a12 a23
a31a22 a13
a21a12 a33
a11a32 a23
esto significa que el determinante de segundo orden es la suma de los productos de los elementos de la
diagonal principal y sus dos paralelas, menos la suma de los productos de los elementos de la diagonal
secundaria y sus dos paralelas.
Ejemplos.
1 3 5
1) 7 4
1 14 6
70 5
2 3 1
2 4 5
7 3 6 10 1
2 0 6
24 0 6 40 126 0 184
2
2) 3
1
1 0
5 10 25
7 8
8 37 0
1 1 10
15 0 3 1
8 2 7 10
80 0 10 0
24 140
254
3 5 8
3) 4 2 3
32 1
4 9 8
7 5 3
72 8
4 5 1
39 3
7 9 1
6 288 105 112 20 81 572
V.4.3 PROPIEDADES DE LOS DETERMINANTES
1. Si todos los elementos de una columna o de un renglón son cero, entonces el determinante es cero.
Ejemplos.
2 0
1) 20 60
6 0
0 0 0
11
9 1
2) 9 0 01
0 0
0 0 0
2. El determinante de la matriz A es igual al determinante de la matriz AT
Ejemplo.
5 1
3
A 
8 
1 5
det A 53
3 8
8 1 15 8 23
 5 8
AT  
 1 3
5 8
det AT 53
1 3
1 8 15 8 23
3. Si cada elemento de un renglón o una columna es multiplicado por un escalar k , el determinante es

también multiplicado por k .
Ejemplos.
2 3
25 43
4 5
10 12 2
Multiplicando el primer renglón por k 3
6 9
65 4 9
4 5
30 36 6
Multiplicando la primera columna por k 3
6 3
12 5
65 12 3
30 36 6
en general:
a11
a21
k
M
a n1
a12
a 22
M
an 2
L a1n L a2 n M M
L ann
ka11
ka21
M
kan1
a12
a22
M
an 2
L a1n L a2 n M M
L ann
ka11
a21
M
an1
ka12
a22
M
an 2
L ka1n
L a2 n
M M
K ann
4. Si se intercambian dos renglones o (columnas) el signo del determinante cambia.
Ejemplos.
4 5
42 15
1 2
8 5 3
intercambiando renglones:
12
1 2
15 42 5 8 3
4 5
intercambiando columnas:
5 4
51 24 5 8 3
2 1
5. Si un renglón (o columna) se traslada p renglones (o columnas) entonces el determinante obtenido

p
es igual a: 1
Ejemplo.
4 2
1 0
0 1
3
1 40
2
2 1 1 3 02 1
0 0 3 12
2 4 1 1
0 3 0 0 4 4 3
si se mueve la primera columna, dos posiciones, entonces:
2 3 4
1 0 1 1
1 2 0
2 1 0
0 2 4
1 3 1
1 1 4
0 3 0
2 2 1
2
0 0 3 4 0 4 3 1
si se mueve el primer renglón, una posición, se tiene:
1 0
2 4 2
0 1
4 4 0
1
3 12 2 4 1
2
1
0 0 3 3 1
1 00 3
0 2 1 40
2 1 1 3
6. Si dos renglones o dos columnas son iguales, entonces el determinante es cero.
Ejemplos.
1 1
1) 16 61
6 6
2 5
2) 2 5
2 5
6 6 0
2 5 10 10 0
7. Un determinante no cambia de valor si a todos los elementos de un renglón (o columna) le son

sumados o restados los elementos de otro renglón (o columna) multiplicados por un escalar:
M M M M M M M M M M M M
an1 an 2 L ann an1 kanja n 2 L ann an1 kai1an 2 kai 2 K ann
a11
a21
a12
a22
L a1n
L a2 n
a11
a21
ka1 j
ka2 j
a12
a22
L a1n
L a2 n
a11
a21
a12
a22
L a1n
L a2 n
kain
13
Ejemplo.
2 3
1 4
24 13
8 3 5
sumando a la primera columna la segunda multiplicada por 2 :
2 23 3
2
1 24 4
8 3
84 93
9 4
32 27 5
al segundo renglón de se le resta tres veces el primer renglón:
2
2
1 3 2
3 2 3
2 5
4 3 3 5 5
5 3 10 15 5
Esta propiedad es muy empleada para obtener ceros y así simplificar el cálculo del determinante.
Ejemplo.
3 1 1 3 21 1 1 1 1 1
4 5 2 4 22 5 2 0 5 2 15
6 0 3 6 23 0 3 0 0 3
V.4.4 MENOR DE UN ELEMENTO
Sea un determinante de orden n , correspondiente a una matriz A :
det A
a11
a 21
M
a n1
a12
a 22
M
an 2
L a1n L a2 n M M
L ann
Se define el menor de un elemento
a ij
al determinante que resulta de eliminar el renglón i y la columna
j . Si se denota como M ij
a tal determinante, se tiene:
a11
a 21
L
a12
a 22
L
L a1 j
L a2 j
L L
L a1n
L a2 n
L L
M ij
a j1
a j2 L
aij
L ain
L
a n1
L L
an 2 L
L
anj
L L
L ann
Ejemplos.
Dado el determinante:
1 5 3
2 1 4
10 6 2
14
Algunos menores son:
M 22
M 31
M 23
2 1
10 6
1 5
2 1
10 6
1 5
2 1
10 6
1 3
4 2
10 2
2
3
5 3
4 20
1 4
2
3
1 5
4 6
10 6
2
30 32
3 23
50 56
Ejemplo.
Dado el determinante:
5 1 3 2
9 0 2 10
8 7 5 4
2 3 1
6
Encontrar el menor M 43
Solución:
5
9
M 43
8
2
5 1 2
9 0 10 0 126 80 0 36 350 180
8 7 4
1 3 2
0 2 10
7 5 4
3 1 6
V.4.5 COFACTOR DE UN ELEMENTO

Se define el cofactor de un elemento a ij , el cual se denota
Aij , como:
Aij
1i j
M ij
es decir, el cofactor es igual al menor multiplicado por 1 ó 1 , dependiendo si la suma de los dos
subíndices es par o impar, respectivamente.
Ejemplo.
Calcular los cofactores del siguiente determinante:
4 11
det A
5 8
Solución:
A11 8
A12 5
15
A21 11
A22 4
Ejemplo.
Calcular los cofactores de los elementos correspondientes al primer renglón del siguiente determinante:
1 0 1
det A 2 5 4
3 10 2
Solución.
A11
A12
5 4
10
10 2
2 4
3 2
40 30
4 12 16
A13
2 5
3 10
20 15 35
El determinante de una matriz A de cualquier orden puede obtenerse mediante la suma de los productos
de los elementos de cualquier renglón o columna por sus respectivos cofactores:
det A
n
a
j 1
kj Akj
n
a
i 1
il Ail
Para el renglón k o la columna l .
Así, para un determinante de tercer orden, se tiene:
det A
a11 a21 a31
a12 a22 a32
a13 a23 a33
a11 A11
a12 A12
a13 A13
a22
a
a23
a 21
a
a23
a21
a
a22
11
a
32 33
12
a
31
a33
a
13
31 32
esto significa que se elige el primer renglón y se suman los elementos por sus respectivos cofactores.
Este procedimiento también puede aplicarse a columnas, por ejemplo, para el caso anterior:
a21
a22 A a
a11
aa12
a11
aa12
det
13
a
31 32
23
a
31
a32
a
33
21
a22
esto significa que se elige la tercera columna y se suman los elementos por sus respectivos cofactores.
Ejemplo.
Calcular el siguiente determinante aplicando cofactores:
16
1 2 8
det A 6 4 5
2 1 3
Tomando el primer renglón se tiene:
4 5 6 5
1 2
1 3 2 3
1 7 28 8 2
6 4
8 1
2 1
7 16 16
12 5
39
2 18 10
8 6 8
Ahora, tomando la segunda columna se tiene:
6 5 1 8
2 4
2 3 2 3
1 8
1 2 18 10
6 5
4 3 16
1 5 48
28 4 19
1 53
16 76 53 39
Cuando aparecen varios ceros en un renglón o en una columna, a fin de simplificar el cálculo de un
determinante, es conveniente utilizar ese renglón o columna.
det A
1A11
Ejemplo.
1 2 1 4
0 2 1 2
0 3 2 5
0 4 1 3
0 A21
0 A31
0 A41
A11
calculando el cofactor
A11 y tomando el segundo renglón se tiene:
2 5 3 5
2 1
1 3 4 3
3 2
2 26 5
4 1
1 9 20
2 3 8
2 11
1 11
2 11
22 11 22 55
V.4.6 MATRIZ ADJUNTA

Si A
a ij
es una matriz cuadrada y
Aij
es el cofactor de
a ij , se define la matriz adjunta de A ,
denotada
Adj A , como la matriz de cofactores de su transpuesta.
Adj A
A11
A21
M
An1
A12
A22
M
An 2
L A1n L A2 n M M
L Ann
Esto significa que para encontrar la matriz adjunta primero se traspone la matriz y después, con base en
ella, se calcula la matriz de cofactores.
Ejemplo.
Obtener la matriz adjunta de:
17
 3 7 
A  1 8
 
La matriz transpuesta es:
8
T 3 1
A 
7 
La matriz de cofactores de la matriz transpuesta es:
3
8 7
Adj A 
1 
3
Ejemplo.
Encontrar la matriz adjunta de:

1
A 2
3

2 3
2
3 
3 4
Solución.
1 2 3

T
A 2 3
3 2
 3

 2
 
4
4
3
4
2 3 2 3 


3 4 3 2 
 6 1 5
Adj A
 2 3 1 3
2

 2 3 1 3 1 2 
 3 3 2 3 
 2 3
 3 4
1 2 
3 

2
   3
4
5 
3 1
V.5 MATRIZ INVERSA

V.5.1 MATRIZ INVERSA POR EL MÉTODO DE LA ADJUNTA
En el álgebra matricial, la división no está definida. La inversión de matrices es la contraparte de la
división en álgebra.
La inversa de una matriz está definida como aquella matriz, que multiplicada por la original da por
resultado la matriz identidad, se denota como
A 1:
1
A A
1
A A I
esto se cumple siempre y cuando det A 0.
La matriz inversa se obtiene en su forma clásica, de la siguiente manera:
18
1 1
A
Adj A
A11
1 A21
A12
A22
L A1n
L A2 n
det A
det A
M
An1
M M
An 2 L
M
Ann
El procedimiento para obtener la matriz inversa de una matriz A por el método de la adjunta es el
siguiente:
Se calcula el determinante de A . Si det A
dice que es una matriz singular)
0 entonces tiene matriz inversa (en caso contrario se
Se obtiene la transpuesta de A , es decir, AT
Se calcula la matriz de cofactores de
T
A , dando lugar a la matriz adjunta de A , esto es,
Adj A
1
Se forma el producto
Adj A .
det A
Ejemplo.
Obtener la matriz inversa de:
 2 1
 3 
4 
A

Solución.
2 1
det A 8 3 5
3 4

 AT 

4
2 3
1 
4 1 
32
Adj A   
 4 1
1
A1
5Adj A
1 4
1   5 5
5
Comprobación:
32
   2   

 5 5 
 4 1  8 3 2 2 
1  2
 5A
1 A
5  5 5
5 5 
43
  3
  
 5
1 0 
I
1
0 
2   12 12
 
5   5 5

3 8 
5 5 
Ejemplo.
19
2 1 0
 5 
A 1 2 
 
A  1 3
 5 4

 3 6
Solución.
det A 12 0 8 0 30 12 14
2 5 4 
T  1 
 2 6 
 1 3 1 3 1 1 


 2 6 0 6 0 2 
 5 4 2 4 2 5 
Adj A 
 2 6 0 6 0 2 

2 4 2

12 6
38 12
11 2
5 

4
2  
3
 1 3
1 3 1 1 
1 1
A
14
Adj A
12 6
1 
38 12
14  11 2
4
2  
3
 14  38 
 14
 11
 14
14 14 
12 4  
14 14 
2 3 
14 14 
Comprobación:
2

 12
1 0  14

6 2 
14 14 
5 
1 
A A 1
2 
38
 14
12 4 

14 14 
4 3 6  11
 14
2 3 
14 14 
 24
 14
38
0
14
12 12
0
14 14

0 
4 4
14 14
 60 38 22

 14 14 14
30 12 4
14 14 14
10 4
14 14
6  
14 
 48
 14
114 66
14 14
24 36 12
14 14 14
8 12
14 14
18 

14 
1
0
0

0 0
0
1  I
0 1
La inversa de una matriz diagonal se obtiene invirtiendo sus términos, esto es, si:
20
a11
0

A 

0 L 0 
0
a22 L 
1
a

 11
 0



0 L 0 


1
L 0
a   M M M M 
22

0 M M M M

L a

nn  n n
 0


1 
0 L 
a nn 
La inversa de un producto de matrices se obtiene de la siguiente regla:

1
A B
1 1
B A
V.5.2 MATRIZ INVERSA POR TRANSFORMACIONES ELEMENTALES
El método se basa en agregar a la matriz original una matriz identidad del mismo orden. El objetivo de
este método es producir ceros y unos en el lado de la matriz original, los unos deben estar alojados en la
diagonal principal, y los ceros fuera de la diagonal principal, cuando se termine el proceso, la matriz que
resulta del lado donde se añadió la matriz unitaria, será la matriz inversa.
Ejemplo.
3 2
 5 
4 
A

Solución.
Se agrega una matriz unitaria de segundo orden:
3 2 1 0
 5
A
4 

0 1
dividiendo entre 3 el primer renglón:
10
 2 1 
3

A 
 5 4 

0 1
multiplicando por 5 el primer renglón y sumando al segundo:
 2
1 3 A  2
0
 3
03
1  
5 
1 
3 
2
dividiendo entre
3

el segundo renglón:
1

A
1 2 0 
3
3 5 3  0 1
 2 2 
21
2
multiplicando por
3
el segundo renglón y sumando al primero:
1 0 2
A  5
0 1 2
1 
3 
2 
por lo tanto:
2 1
A1 5
 2
3 
2 
Comprobación:
3
2  2 1 
 6 5
3 3 

1
A A
3 5
 
 5 4 
2 2
1 0 
1
I
0 
 10 10
5 6
Ejemplo.

7 9
A 3 2
15 10
5
6  
8 
7 9 6 1 0 0
3 
 2 5 0 1 0 
 10 8 0 0 1 
Solución.
Se agrega una matriz unitaria de tercer orden:
 9 6 1 
1
3 7 7 7
1 0 
 2 5 0 
15 10 8 0 0 1
dividiendo entre 7 el primer renglón:
 0 0 
A
multiplicando por 3 el primer renglón y sumando al segundo:

1
  
 7 7 7 
15 10 8 0 0 1
A 0
9 6
7 7
13 53
0
1 
7
0 
3 
1 0
 

multiplicando por 15 el primer renglón y sumando al tercero:
22
1
  
A 0

0

 
9 6
7 7
13 53
7 7
65 146
7
7 7
13
0


0 
1
7 
3
1 0
7 
01
15 

dividiendo entre
el segundo renglón:
7
 1

A 0

0

 
9 6 1
7 7 7
53 3
1
13 13
65 146 15
7 7 7
9
0

0 
7 
0
13 
1

0 
multiplicando por
 1

el segundo renglón y sumando al primero:
7
A 0

0

 

1 0
65
7
399 14
91 91
399 14 63 
0 0
91 91 91 
53 3 7
1
13 13 13 
65 146 15 
0 1
7 7 7 
0
0
63 
91 

A 0 1

0 0

53 3
13 13
17
0
7 
0
13 
65 

399 14 63
91 91 91
53 3 7
13 13 13
dividiendo entre 17 el tercer renglón:
 
1 0 0 
 
A 0 1 0 

0 0
 
1 5
0
17
399
1 

17 
multiplicando por
el tercer renglón y sumando al primero:
91
23
14 132
0 0 91 221
 57 
1
 53 3
221 
7 
A 0 1

13 13
0 
13 
0 0


1 5
0
17
53
13
14 132
1 
17 
57 
1 0 0 91
 3
A 0 1 0
 13
0 0 1 0

221
146
221
5
17
221 
53  
221 
1 
17 
por lo tanto:
 14
132
57 
 91
 3
A1 
221
146
221 
53  
 13
221
221 

 0 5
 17
1 
17 
Comprobación:
 14

132
57 
 7 9
A A 1 3 2
6 91
  3
5221
146
221 
53 
    13
221
221 
15 10
8

 0
5
17
1 
17 
     


1
0
0
98
91
42
91
210
91
0
1
0
27
0
13
6
0
13
30
0
13

0
0
 I
1
924
221
396
221
1980
221
1314 30
221 17
292 25
221 17
1460 40
221 17
399
221
171
221
855
221
477
221
106
221
530
221
6 
17 
5 

17 
8 
17 
24
V.6 SOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES

Muchos problemas de la vida real obligan a resolver simultáneamente varias ecuaciones lineales para
hallar las soluciones comunes a todas ellas. También resultan muy útiles en geometría (las ecuaciones
lineales se interpretan como rectas y planos, y resolver un sistema equivale a estudiar la posición relativa
de estas figuras geométricas en el plano o en el espacio).
Un sistema de ecuaciones lineales es un conjunto de ecuaciones lineales que se puede escribir de forma
tradicional así :
a11 x1
a21 x1
K
am1 xn
a12 x2
a22 x2
L
a m 2 x2
L a1n xn
K a 2 n xn
L
K amn xn
b1 
 b2  
K 
bm 
Un sistema así expresado tiene m ecuaciones y n incógnitas, donde a ij

son los coeficientes reales del
sistema, los valores
bm son los términos independientes del sistema y las incógnitas xi
son las
variables del sistema. La solución del sistema es un conjunto ordenado de números reales tales que al
sustituir en las incógnitas satisfacen a la vez las m ecuaciones del sistema.
Este mismo sistema de ecuaciones lineales en notación matricial tiene esta forma :
s1 , s 2 ,L, s n
A x B
 a11
a12
L a1n   x1 
 b1 
     a
 21
L
a22
L
L a 2 n x2 
 
L L  K
 b2  K
    
a m1
am 2
L amn   xn 
bm 
donde:
A es una matriz de coeficientes
B es un vector de constantes
x es un vector de incógnitas
V.6.1 MÉTODO DE LA MATRIZ INVERSA

Sea la ecuación matricial: A x
B que denota un sistema de ecuaciones lineales.
Esta ecuación puede ser resuelta para x , premultiplicando A por su inversa, y para no alterar el
resultado, también se premultiplica B por la inversa de A :
1
A A x
1
A B
, esto es:
25
1
x A B
Ejemplos.
Resolver los siguientes sistemas de ecuaciones:
3x1
1)
4x2
15 
2 x1 x2 5 
Solución.
 3 4 
1
A 
2 
3 4
det A 3 8 5
2 1
1
T 3 2
A 
 4 
1 4
23
Adj A   
 1 4 
1
A1
1 A1
Adj
4  5 5 
5
1
x A B
53
 2
5 5 
   
  2
 5
 1 4 
  15  3 4 1

 
3  
5 
  
x1 1;
2

 5
x2 3
3  5 

5 
 6 3 
3
x
3x
2)
4 y 5z
2y z
11  
5 
4 x y 3z
26
Solución.
1 4 5 
  A 3

4
2 1 

det A 6 15 16 40 36 1 112
1 3 4 
T  2 
 1 3
1 3
A 4 1 
26
 3 4 1 4
1
Adj A  3 5 3

 2 1 4 1 4 2 
 
 1 3 5 3 5 1 
1 3 
1
5 
 
5
13
17 14 

23 14 
 3 4

1 4 1
11 15 14
3 
 2 1

4 1 4 2 
 5
17 14 
5 17
14 
112

112
112 
 1
A1
112
Adj A
1 
13
112 


23 14 
13

1
23
14 

 5 17
12 112 112 
 15 14 11 15 14 
 12 112 112 
14 
 55
85 364 
 224 
112


112
112  11
112 

112
112 
 112  
 
 2
x A 1 B
13

112
23
112
14 
 5 
112   
143

112
115
112
364 

112 
3
336    112   
 
x 2;
 11
112
y 3;
15
112
z 5
14  26
112 
 121
112
75
112
364 
112 
 560  5
 112 
V.6.2 MÉTODO DE ELIMINACIÓN DE GAUSS
Dado un sistema de m ecuaciones con n incógnitas el método de eliminación de Gauss consiste en

obtener un sistema equivalente cuya primera ecuación tenga n incógnitas, la segunda
n 1 , la
tercera n
2 , y así sucesivamente hasta llegar a la última ecuación, que tendrá una sola incógnita.
Hecho esto, se resuelve la última ecuación, a continuación la penúltima, y así hasta llegar a la primera.
Es decir, el método de Gauss consiste en triangular la matriz de coeficientes.
a11 x1
a12 x2
a22 x2
a13 x3 a 23 x3 a33 x3
b
L a1n xn K a 2 n xn L a3 n xn L K
b1  
b
2  
3 


a mn xn bm
Esto significa que se deben eliminar
x1 en la segunda ecuación,
x1 y x2
en la tercera ecuación,
x1 , x2
y x3
en la tercera ecuación, etc. Finalmente en la última ecuación, se deben eliminar todos los
coeficientes excepto el de la variable
xn . Una vez que se modificaron todas las ecuaciones, la solución
es completada por sustitución desde la última ecuación hacia las anteriores.
Ejemplos.
27
5x 2 y
1)
4x 3 y
16  _ 1


10 _ 2
Solución.
1
multiplicando la ecuación 1 por :
5
2 16
x y
5 5
_ 1'
multiplicando la ecuación 1 por
4
y se suma a la ecuación 2 :
5
7 14
y
5 5
_ 2'
multiplicando la ecuación
5
2' por :
7
y 2
conocida y , se sustituye en 1'
y se despeja x , terminando el proceso:
16 2 16 4
x 2
5 5 5 5
x 4; y 2
20
4
5
3x1
2) 2x1
3x1
2x2
3x2
4x2
7 x3 4 _1


x3 5  _2
x3 7  _3
Solución.
1
Multiplicando la ecuación 1 por :
3
2 7
x1 x2 x3
3 3
4
_ 1'
3
multiplicando la ecuación 1 por
2
y se suma a la ecuación 2 :
3
5 11
x2 x3
3 3
7
_ 2'
3
3
2' por :
5
11
x2 x3
5
7
_ 2' '
5
multiplicando la ecuación 1 por 1 y se suma a la ecuación 3 :
2 x2
6 x3
3 _ 3'
2' por
6
y se suma a la ecuación
5
3' :
8
x3
5
1
_ 3' '
5
28
A fin de apreciar mejor el resultado, se adopta el siguiente orden:
2
x1 x2
3
11
x2 x3
5
7 4
x3
3 3
7
_ 2' '
5
_ 1'
8
x3
5
1
_ 3' '
5
se observa que se debe convertir en 1 el coeficiente de
x3 de
3' '
para obtener la solución de esa
5
variable y comenzar la solución hacia atrás, así que se multiplica dicha ecuación por :
8
1
x3
8
conocida
x3 , se sustituye en
2' '
y se despeja
x2 :
7 11  1  9
x2  
5 5  8 8
estos dos valores se sustituyen en 1'
y se despeja
x1 , terminando el proceso:
4 2  9 
x1  
3 3 8
7 1 7
 
3 8 8  
7
x1 ; x2
  8
9 1
; x3
8 8
V.6.3 REGLA DE CRAMER
La regla de Cramer es aplicable para aquellos sistemas que tienen igual número de ecuaciones que de
incógnitas n
m y el determinante de la matriz de coeficientes es distinto de cero. Es decir, para
sistemas de que tienen siempre una solución única (compatibles determinados).
a11 x1
a12 x2
L a1n xn
b1 
 a21 x1
K
a n1 xn
a22 x2
L
a n 2 x2
K a 2 n xn
L
K a nn xn
b2  
K 
bn 
El valor de cada incógnita
x j se obtiene de un cociente cuyo denominador es el determinante de la
matriz de coeficientes y cuyo numerador es el determinante que se obtiene al cambiar la columna j del
determinante de la matriz de coeficientes por la columna de los términos independientes.
Ejemplos.
3x1
1)
5x1
4 x2
6x2

23

13 
Solución.
29
3 4
18 20 38
5 6
Para calcular
x1 , se sustituyen los términos independientes en la primera columna:
23 4
x1 5
Para calcular
x1 13 6 138 52 190
38 38
x2 , se sustituyen los términos independientes en la segunda columna:
3 23
x
x2
2
5 13
39 115
38
76
2
38
x1 5; x2 2
2x
2) 4x
3y 7z
y 10z
21  
28 
6x 9 y 3z 9
Solución:
2 3 7
4 1 10 6 252 180 42 36 180 36
6 9 3
Para calcular
x1 , se sustituyen los términos independientes en la primera columna:
21 3 7
28 1 10
x
x
9 9 3
63 1764 270 63 252 1890
36
144
4
36
Para calcular y , se sustituyen los términos independientes en la segunda columna:
2 21 7
4 28 10
y 6 9 3 168 252 1260 1176 252 180 72

36 36
y 2
Para calcular z , se sustituyen los términos independientes en la tercera columna:
2 3 21
4 1 28
z
z
6 9 9
18 756 504 126 108 504
36
36
1
36
x 4; y
2; z 1
30

Matrices

Cargado por

Copyright:

Formatos disponibles

Matrices

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Matrices

Cargado por

Copyright:

Formatos disponibles

Página del Colegio de Matemáticas de la ENP-UNAM Matrices y determinantes Autor: Dr.

José Manuel Becerra Espinosa

V.1 DEFINICIÓN DE MATRIZ

MATRICES Y DETERMINANTES TEMA V

Una matriz es un conjunto de números, objetos u operadores, dispuestos en un arreglo bidimensional de

donde i va desde 1 hasta n y j va desde 1 hasta m

Una matriz es cuadrada si posee el mismo número de renglones y de columnas:

V.2 OPERACIONES CON MATRICES

bij . Esto es, la suma de matrices es igual a

La operación suma cumple con las siguientes propiedades:

La diferencia o resta de matrices C

bij . Esto es, la diferencia de

Multiplicación de una matriz por un escalar

El producto de una matriz A por un escalar k se define como: k A

k aij , esto es, se multiplica cada

donde i va desde 1 hasta p y j va desde 1 hasta q .

En general, el producto de matrices no es conmutativo: A B B A

V.3 MATRICES ESPECIALES

sus propiedades son:

La propiedad principal de una matriz cuadrada es que:

4. Matriz triangular superior

5. Matriz triangular inferior

Se dice que una matriz cuadrada es simétrica si es igual a su propia transpuesta: A AT

para toda i y para toda j

V.4.2 CÁLCULO DE DETERMINANTES DE SEGUNDO Y TERCER ORDEN. REGLA DE SARRUS

Esta regla establece que para una matriz de segundo orden A

determinante se calcula como:

V.4.3 PROPIEDADES DE LOS DETERMINANTES

3. Si cada elemento de un renglón o una columna es multiplicado por un escalar k , el determinante es

4. Si se intercambian dos renglones o (columnas) el signo del determinante cambia.

5. Si un renglón (o columna) se traslada p renglones (o columnas) entonces el determinante obtenido

6. Si dos renglones o dos columnas son iguales, entonces el determinante es cero.

7. Un determinante no cambia de valor si a todos los elementos de un renglón (o columna) le son

V.4.4 MENOR DE UN ELEMENTO

Sea un determinante de orden n , correspondiente a una matriz A :

V.4.5 COFACTOR DE UN ELEMENTO

Para el renglón k o la columna l .

Así, para un determinante de tercer orden, se tiene:

V.4.6 MATRIZ ADJUNTA

V.5 MATRIZ INVERSA

esto se cumple siempre y cuando det A 0.

La matriz inversa se obtiene en su forma clásica, de la siguiente manera:

La inversa de un producto de matrices se obtiene de la siguiente regla:

V.5.2 MATRIZ INVERSA POR TRANSFORMACIONES ELEMENTALES

multiplicando por 3 el primer renglón y sumando al segundo:

V.6 SOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES

Un sistema así expresado tiene m ecuaciones y n incógnitas, donde a ij

V.6.1 MÉTODO DE LA MATRIZ INVERSA

V.6.2 MÉTODO DE ELIMINACIÓN DE GAUSS

Dado un sistema de m ecuaciones con n incógnitas el método de eliminación de Gauss consiste en

V.6.3 REGLA DE CRAMER

y 6 9 3 168 252 1260 1176 252 180 72

También podría gustarte