10) Libro de Álgebra Lineal Capítulo 1

CAPÍTULO
MATRICES
Y DETERMINANTES
1.1 Matrices
Llamamos matriz A , a un conjunto de elementos dispuestos en forma ordenada en m filas o renglones y

en n columnas, que puede representarse de la siguiente manera:
 a11 a12 a13  a1n 

 a21 a22 a23  a2 n 
A 
      
 
 am1 am 2 am3  amn 
Como puede observarse, este arreglo consta de m renglones y n columnas, por lo que decimos que la
matriz es de orden m x n (que se lee m por n ). Comúnmente las matrices se denotan con letras
mayúsculas A, B, C,  , y sus elementos con letras minúsculas a, b, c,  , en forma abreviada una
matriz puede escribirse como:
A   ai j  ; donde i  1, 2,3,  , m
j  1, 2,3,  , n
 2 1 5 
Ejemplo 1.1 La matriz A  
4 
es una matriz de orden 2 x 3 en donde los renglones son las
 3 2
 2  1  5
matrices 2 1 5  y  3 2 4  y las columnas son las matrices   ;   y  .
 3   2   4
107
108 JOSÉ PEDRO AGUSTÍN VALERA NEGRETE
Consideremos nuevamente la matriz A de orden m x n :
 a11 a12 a13 a1n 

 a a a a2 n 
A   21 22 23
 
 
 am1 am 2 am3 amn 
A los renglones de la matriz A se les acostumbra representar por A(1) , A(2) , , A( m) y a las columnas
por A(1) , A(2) , , A( n) . Para cada una de las dos notaciones anteriores tendremos una matriz de orden
1x n que frecuentemente es designada como vector renglón de n componentes (o simplemente vector
renglón o matriz renglón). Asimismo, a una matriz de orden m x 1 se le llama vector columna de m
componentes (o simplemente vector columna o matriz columna).
1. Tenemos entonces con la notación de matriz renglón o vector renglón:
A1   a11 , a12 , a13 , , a1n 

A2   a21 , a22 , a23 , , a2 n 
A3   a31 , a32 , a33 , , a3n 
Am   am1 , am 2 , am3 , , amn 
2. Y con la notación de matriz columna o vector columna:
 a11   a12   a1n 

a  a  a 
A   21  , A(2) 
(1)  22  ,  , A( n )   2n 
     
     
 am1   am 2   amn 
Entonces también podemos considerar a una matriz A como un arreglo de: a) m submatrices (matriz que
resulte al suprimir en A un número cualquiera de renglones y/o columnas, ver tema 1.7.1) o vectores
renglón del tipo A(i ) y b) como un arreglo de n submatrices o vectores columna del tipo A ( j ) , de manera
que:
 A(1) 
 
 A(2) 
A  o A   A(1) , A(2) , , A( n ) 
 
 A( m ) 
CAPÍTULO 1 MATRICES Y DETERMINANTES 109
1.1.1 Tipos de matrices
1.1.1.1 Matriz cuadrada
Sea la matriz A   ai j  ; donde i  1, 2,3, , m y j  1, 2,3, ,n
Si m  n , entonces A es una matriz cuadrada, y se dice que es de orden n x n o simplemente cuadrada

de orden n .
 2 5
Ejemplo 1.2 La matriz A  
4 
es una matriz cuadrada de orden 2 x 2 .
 1
1.1.1.2 Matriz nula o cero
Una matriz en la que todos sus elementos son cero se llama matriz nula y puede ser cuadrada o
rectangular, la representamos mediante la notación  0  .
 0 0 

Ejemplo 1.3 La matriz nula de orden 3 x 2 es  0   0 0 

 0 0 
1.1.1.3 Matriz triangular superior
Sea A   ai j  una matriz cuadrada. Si ai j  0 , para i  j se llama matriz triangular superior.
 2 1 6 3 
 0 4 2 5 
Ejemplo 1.4 La matriz A   de orden 4 x 4 es una matriz triangular superior.
 0 0 1 4 
 
 0 0 0 3 
1.1.1.4 Matriz triangular inferior
Sea A   ai j  una matriz cuadrada. Si ai j  0 , para i  j se llama matriz triangular inferior.
1 0 0 

Ejemplo 1.5 La matriz A  3 2 0  de orden 3 x 3 , es una matriz triangular inferior.

 5 4 3 
1.1.1.5 Matriz diagonal
Una matriz cuadrada que es triangular superior e inferior simultáneamente, se llama matriz diagonal,
normalmente se denota por D  diag (d11 , d 22 ,  , d nn ) .
 2 0 0 0 
 0 2 0 0 
Ejemplo 1.6 La matriz D    de orden 4 x 4 es una matriz diagonal, que también
 0 0 1 0 
 
 0 0 0 3 
puede indicarse como D  diag (2, 2, 1, 3) .
1.1.1.6 Matriz escalar
Una matriz diagonal en la que d11  d 22  d33    d nn  k , con k   se llama matriz escalar.
 3 0 0 0 
 0 3 0 0 
Ejemplo 1.7 La matriz E    de orden 4 x 4 es una matriz escalar donde k  3
 0 0 3 0 
 
 0 0 0 3 
1.1.1.7 Matriz identidad, unidad, o unitaria
Una matriz escalar en la que k  1 , se llama matriz identidad, unidad, o unitaria, y se denota por
I n    i j  , en donde  i j  1 , si i  j y  i j  0 , si i  j .
 1 0 0 

Ejemplo 1.8 La matriz I 3  0 1 0  es la matriz identidad de orden 3 x 3 .

 0 0 1 
1.2 Operaciones con matrices

Antes de analizar las operaciones que se pueden efectuar con las matrices veamos primero la definición de
igualdad de matrices.
1.2.1 Igualdad de matrices
Dos matrices son iguales si son del mismo orden y sus elementos correspondientes son iguales, es decir, si
A   ai j  y B   bi j  son dos matrices del mismo orden, entonces A  B equivale a ai j  bi j ; para
i, j   .
Ejemplo 1.9 Sean las matrices A, B, C, D y E , indicar cuáles son iguales:
 1 2   4 1 3   1 2   5 1 
 2 1 3 
A   3 0  ; B   

; C  2
 1 2  ; D   3 0  ; E   0 2 
  
 4 1   4 1 2 
 5 0 4   4 1   3 1 
Solución: Observamos que al comparar cada una de ellas con las restantes tenemos que A  B , A  C ,
A  D, A  E, B  C, B  D, B  E, C  D , C  E y D  E .
1.2.2 Suma o adición
Sean A   ai j  y B   bi j  dos matrices del mismo orden m x n con elementos en el mismo campo,
la suma A  B de dichas matrices es una nueva matriz C   ci j  de orden m x n tal que ci j  ai j  bi j ;
es decir, los elementos de la matriz C son las sumas de los elementos correspondientes de A y B .
Ejemplo 1.10 Dadas las siguientes matrices A, B y C definidas por:

 2 3 4 
 3 1 0   1 1 2 
A  ; B  ; C   4 1 2 
 2 2 4   3 1 4   3 1 2 
Obtener: A  B y B  C
Solución:
1. A  B se puede efectuar ya que las matrices son del mismo orden 2 x 3 y por tanto decimos que son
conformables para la operación de suma o adición.
 3 1 0   1 1 2   3  1 1  1 0  2   4 2 2 
A B      
 2 2 4   3 1 4   2  3 2  1 4  4   5 3 8 
2. B  C no puede efectuarse debido a que las matrices no son del mismo orden, ya que B es de orden
2 x 3 y C es de orden 3 x 3 o simplemente es una matriz cuadrada de orden 3, en este caso decimos que
las matrices no son conformables para la suma.
1.2.3 Grupo Abeliano
Las matrices de orden m x n cuyos elementos son números reales forman un grupo abeliano para la
operación de suma o adición, ya que el conjunto de todas las matrices de orden m x n cumple con los
siguientes 5 axiomas:
1. Cerradura
Si A y B son dos matrices del mismo orden m x n entonces A  B  C , siendo C una tercera matriz
de orden m x n .
2. Asociatividad
Si A, B, C , son tres matrices del mismo orden m x n entonces ( A  B)  C  A  ( B  C ) .
3. Existencia del elemento idéntico (u)
Existe un elemento idéntico u para la operación de suma o adición, que es la matriz nula, ya que para
toda matriz de orden m x n se tiene que:
Auu A A
A   0    0   A  A ; implica que u   0 
4. Existencia del elemento inverso ( v )
Existe un elemento inverso v para la adición, que en este caso es la matriz negativa, también llamada
opuesta de la matriz A   ai j  y que se define como  A    ai j  ; la cual se obtiene a partir de A ,
simplemente cambiando el signo a sus elementos, por lo tanto:
Avv Au
A  ( A)   A  A   0  ; implica que v   A
5. Conmutatividad
Si A y B son dos matrices del mismo orden m x n entonces A  B  B  A .
1.2.4 Resta o diferencia
Definimos a la resta, diferencia o sustracción de dos matrices A y B , como A  B  A  ( B ) , lo

cual equivale simplemente a restar de los elementos de A los correspondientes de B , obteniéndose una
nueva matriz. Por lo tanto se puede observar que para que dos matrices sean conformables para la resta,
deben serlo para la suma, es decir, deben ser del mismo orden.
Ejemplo 1.11 Para las matrices A, B y C del ejemplo 1.10, obtener A  B , B  A y A  C .
Solución:
 3 1 0  1 1 2   3  1 1  1 0  2   2 0 2 
1. A  B     
 2 2 4   3 1 4   2  3 2  1 4  4   1 1 0 
 1 1 2   3 1 0   1  3 1  1 2  0   2 0 2 
2. B  A        
 3 1 4   2 2 4   3  2 1  2 4  4   1 1 0 
3. A  C no puede efectuarse ya que las matrices no son conformables para la resta, es decir, no son del
mismo orden.
1.2.5 Multiplicación de un escalar por una matriz
Dada la matriz A   ai j  y un escalar o número real  , el producto de  y A , que representaremos

mediante  A , se define como:  A    ai j     ai j 
Es decir, cada elemento de la matriz  A se obtiene multiplicando por  al elemento respectivo de la

matriz A , sea entonces:
 a11 a12 a13 a1n    a11  a12  a13  a1n 
 a a a a2 n    a21  a22  a23  a2 n 
 A    21 22 23 
   
   
 am1 am 2 am3 amn    am1  am 2  am 3  amn 
El producto de un escalar por una matriz cumple con las siguientes propiedades:
1. Cerradura bajo la multiplicación por un escalar.
Si A es una matriz de orden m x n y  es un escalar, entonces  A es una matriz de orden m x n
2. Distributividad de la multiplicación por un escalar con respecto a la suma de matrices.
Si  es un escalar y A, B son dos matrices de orden m x n , entonces:
  A  B   A   B
3. Distributividad de la multiplicación por un escalar con respecto a la suma ordinaria.
Si  y  son dos escalares y A es una matriz de orden m x n , entonces:
    A   A   A
4. Asociatividad de la multiplicación por escalares.
Si  y  son dos escalares y A es una matriz de orden m x n , entonces:
   A     A
5. Para cada matriz A de orden m x n , 1 A  A
 2 3 
Ejemplo 1.12 Sea el escalar   3 y la matriz A 
 4 5  , obtener  A .

 1 0 
Solución:
 2 3   3(2) 3( 3 )   6 9 
 A  3  4 5    3( 4 ) 3(5)    12 15 
    
 1 0   3( 1 ) 3( 0 )   3 0 
1.2.6 Espacio vectorial de matrices
El conjunto de matrices reales de orden m x n forma un espacio vectorial real o espacio vectorial sobre el
mxn
campo de los números reales , teniendo la notación o V( ) , y satisface las dos condiciones
requeridas cuando es tratado como conjunto de vectores (renglones o columnas):
1. Forma un grupo abeliano con respecto a la operación de adición.

2. Existe la función de multiplicación de un escalar por una matriz.
La definición de un espacio vectorial sobre el campo de los números complejos es igual a la de los
números reales.
La existencia de un espacio vectorial de dimensión n sobre el campo de los números reales n , se

fundamenta en los siguientes axiomas para las operaciones de suma y de multiplicación por un escalar:
Para la suma
1.1 Cerradura bajo la suma
Si x , y  n
, entonces x  y  n
1.2 Asociatividad de la suma de vectores
 x, y, z  n
; (x  y)  z  x  (y z )
1.3 Existencia del elemento idéntico para la suma (vector cero)
 0 n
, tal que  x  n
; x  0 0 x  x
1.4 Existencia del elemento inverso aditivo
Si x  n
, existe un vector  x  n
, tal que x  ( x )  ( x )  x  0
1.5 Conmutatividad de la suma de vectores
Si x , y   n , entonces x  y  y  x
Para la multiplicación de un escalar por una matriz
2.1 Cerradura para la multiplicación por un escalar
Si x   n y  es un escalar, entonces  x   n
2.2 Distributividad de la multiplicación por un escalar con respecto a la suma vectorial
Si x , y   n y  es un escalar, entonces  ( x  y )   x   y
2.3 Distributividad de la multiplicación por un escalar con respecto a la suma ordinaria
Si x   n y  y  son dos escalares, entonces (    ) x   x   x
2.4 Asociatividad de la multiplicación por escalares
Si x   n y  y  son dos escalares, entonces  (  x )  (   ) x
2.5 Para cada vector x   n , 1x  x
1.2.7 Producto de matrices
Sean A   ai k  una matriz de orden (m x r ) y B   bk j  una matriz de orden (r x n) . Llamamos
producto de las matrices A y B , que se representa mediante AB , a la matriz C   ci j  de orden
(m x n) cuyos elementos se obtienen de la siguiente forma:

r
ci j   aik bk j
k 1
A la matriz A la llamamos premultiplicador y a la matriz B postmultiplicador.
Observamos según la definición, que podemos efectuar el producto AB de dos matrices sólo cuando el
número de columnas de A es igual al número de renglones de B , en este caso decimos que las matrices
A y B son conformables para la multiplicación.
En general la multiplicación de dos matrices no siempre es conformable, incluso en muchas ocasiones se tiene
que dos matrices A y B son conformables para multiplicarse en ese orden (es decir, se puede obtener el
producto AB ) mientras que no son conformables para multiplicarse en el orden contrario (no puede
obtenerse el producto BA ). Cuando se puede efectuar el producto AB  BA decimos que las matrices A y
B son permutables, si AB   BA entonces decimos que son antipermutables o anticonmutativas.
 1 2 1 
 1 2 4   0 1 3
Ejemplo 1.13 Sean las matrices A y B siguientes A    y B
 
3 5 0 
 3 4 5 
Hallar:
a) A B
b) 2 AB
c) (3B ) A
Solución:
 1 2 1 
1
a) A B  
2 4 
0 1 3    (1  0  12)11 (2  2  16)12 (1  6  20)13 

0    (3  0  0) (6  5  0) 22 (3  15  0) 23 
3 5
 3 4 5   21
(2 x3) (3x3) (2 x3)
 13 12 13 
 AB  
 3 1 12 
 13 12 13   26 24 26 
b) 2 A B  2  
 3 1 12   6 2 24 
 1 2 1 
1 2 4 
c) (3B) A   3  0 1 3  
3 5 0 
 3 4 5  
(3 x3) (2 x3)
No se puede efectuar la operación de multiplicación de matrices (3B ) A por no ser conformables,

debido a que el número de columnas de B es diferente al número de renglones de A .
1.2.8 Propiedades de la multiplicación de matrices
La multiplicación de matrices tiene las siguientes propiedades:
1. Es asociativa, es decir, si A, B y C son tres matrices y pueden efectuarse los productos A B y

( A B ) C , entonces:
( A B )C  A( B C )
2. Es distributiva sobre la adición, es decir:
A ( B  C )  A B  AC
3. Si A es una matriz de orden m x n , se tiene siempre que:
A In  A  A In  A
mxn n xn mxn
Y también: I m A  A  Im A  A
mxm mxn mxn
1.2.9 Matrices elementales
Sea A una matriz de orden m x n , entonces se pueden realizar operaciones elementales con renglones
en A , multiplicando A por la izquierda por una matriz elemental adecuada.
Definición:
Matriz elemental E : Una matriz cuadrada E de orden n se llama matriz elemental si se puede obtener
a partir de la matriz identidad I n (de orden n ) mediante una sola operación elemental con renglones.
Las operaciones elementales con renglones son:
1. Multiplicar el renglón i por un número c  diferente de cero, Ri  c Ri

2. Sumar un múltiplo del renglón i al renglón j , R j  R j  c Ri
3. Permutar (intercambiar) los renglones i y j , Ri Rj
Notación: Una matriz elemental se denota por E , por c Ri , por R j  c Ri , o por Pi j según la forma en
que se obtuvo de I . En este caso Pi j es la matriz obtenida al intercambiar los renglones i y j de I .
Ejemplo 1.14 Obtener tres matrices elementales de orden 3 dada la matriz identidad:
1 0 0 
I 3   0 1 0 
 0 0 1 
Solución:
 1 0 0  1 0 0 
R2  4R2 0
1)
 0
 1 0   4 0   4 R2
 0 0 1   0 0 1 
1 0 0  1 0 2 
R1  R1  2R3 0
2)
0
 1 0   1 0   R1  2 R3
 0 0 1   0 0 1 
1 0 0  0 1 0 
3)
0 1 0 
R1 R2 1 0 0   P12 ( P  permutación )
 
 0 0 1   0 0 1 
Teorema: Para realizar una operación elemental en una matriz A , se multiplica A por la izquierda por
la matriz elemental adecuada.
 2 4 2 3 

Ejemplo 1.15 Sea la matriz A  1 3 5 1 

 3 1 2 4 
Realice las siguientes operaciones elementales con los renglones de A , multiplicando A por la izquierda
por una matriz elemental adecuada:
a) Multiplique el tercer renglón por  2 ,

b) Multiplique el segundo renglón por 2 y súmelo al primer renglón,
c) Permute el primer y tercer renglones.
Solución:
1 0 0  2 4 2 3   2 4 2 3 

a) (2 R3 ) A  0 1 0   1 3 5 1    1 3 5 1 

E  0 0 2   3 1 2 4   6 2 4 8 
1 2 0   2 4 2 3   0 10 8 5

b) ( R1  2 R2 ) A  0 1 0   1 3 5 1    1 3 5 1 
 
E  0 0 1   3 1 2 4   3 1 2 4 
0 0 1   2 4 2 3   3 1 2 4 

c) ( P13 ) A  0 1 0   1 3 5 1    1 3 5 1 
 
E  1 0 0   3 1 2 4   2 4 2 3 
1.2.10 Transpuesta de una matriz
Consideremos la matriz A   ai j  de orden m x n ; llamamos transpuesta de A y la representamos

mediante AT , a la matriz de orden n x m cuyos renglones son las columnas de A y sus columnas son
los renglones de A , es decir:
Si A   ai j  , entonces: A T   a ji 
Se deja al alumno demostrar que:
a) ( AT )T  A
b) ( A  B)T  AT  BT
c) ( AB)T  BT AT
Ejemplo 1.16 Sean las matrices A y B definidas por:
 2 1 
 3 2 
A   3 4  B
1 
y
 0 2   4
Obtener: ( AB)T  BT AT
Solución:
 2 1   (6  4)11 (4  1)12   2 5 

1) A B   3 4   3 2    (9  16) (6  4) 22    25 2 
 4 1  
21   
 0 2    (0  8)31 (0  2)32   8 2 
(3x 2) (2 x 2) (3 x 2) (3 x2)
 2 25 8   3 4   2 3 0 
2) ( A B)T   ; 3) BT   4) AT  
1  4 2 
;
 5 2 2   2  1
 3 4   2 3 0   ( 6  4 ) (9  16) (0  8)   2 25 8 
5) BT AT      
 2 1   1 4 2   (4  1) (6  4) (0  2)   5 2 2 
(2 x2) (2 x3) (2 x3) (2 x3)
 ( A B)T  BT AT
1.2.10.1 Matriz simétrica
Una matriz cuadrada A   ai j  tal que AT  A , en donde AT es la matriz transpuesta de A , se llama matriz
simétrica. Por tanto, en una matriz cuadrada se verifica que ai j  a ji para todos los valores de i y de j .
Ejemplo 1.17 La matriz de orden 3:
 3 1 5   3 1 5 
A   1 2 1  es una matriz simétrica ya que A   1 2
 T
1   AT  A
 5 1 4   5 1 4 
Teorema 1: Si A es una matriz cuadrada de orden n , la matriz A  AT es una matriz simétrica.
Ejemplo 1.18 Sean las matrices A y AT definidas a continuación, hallar B  A  AT .
 2 4 5   2 3 1 
A   3 1 4  y A   4 1
T
3 
 1 3 2   5 4 2 
Solución:
 2 4 5   2 3 1   4 7 4 

Obtengamos: B  A  A  3 1T
4    4 1 3  =  7 2 7 

 1 3 2   5 4 2   4 7 4 
Por lo tanto B es una matriz simétrica ya que:
 4 7 4   4 7 4 
B   7 2 7  y B   7 2 7   BT  B
T
 4 7 4   4 7 4 
1.2.10.2 Matriz antisimétrica
Una matriz cuadrada A   ai j  tal que AT   A , en donde AT es la matriz transpuesta de A , se llama

matriz antisimétrica o hemisimétrica. Por tanto, en una matriz cuadrada se verifica que a j i   ai j para
todos los valores de i y de j .
 0 1 1 

Ejemplo 1.19 La matriz de orden 3: A  1 0 0
 es una matriz antisimétrica, y evidentemente,
 
 1 0 0 
los elementos de la diagonal principal deben ser nulos, teniendo:
 0 1 1   0 1 1   0 1 1 
A   1 0 0  ; AT   1
 0 0  ; y  A   1
 0 0   AT   A
 1 0 0   1 0 0   1 0 0 
Teorema 2: Si A es una matriz cuadrada de orden n , la matriz A  AT es una matriz antisimétrica.
Ejemplo 1.20 Sean las matrices A y AT definidas a continuación. Hallar B  A  AT
 2 4 5   2 3 1 
A   3 1 4  y A   4 1
T
3 
 1 3 2   5 4 2 
Solución:
 2 4 5   2 3 1   0 1 6 

Obtengamos: B  A  AT  3 1 4 
  4 1 3    1 0 1 
   
 1 3 2   5 4 2   6 1 0 
Por lo tanto B es una matriz antisimétrica ya que:
 0 1 6   0 1 6   0 1 6 
B   1 0 1 
 B   1 0 1  y  B 
T  1 0 1 
 
 6 1 0   6 1 0   6 1 0 
 BT   B
1.3 Determinantes. Propiedades

Antes de iniciar el estudio de los determinantes, veamos algunos conceptos de la teoría del análisis
combinatorio.
1.3.1 Introducción al análisis combinatorio
Combinación. Una combinación de n elementos, es un arreglo de los mismos sin importar el orden que
se guarde entre ellos. La expresión que nos indica el número de combinaciones que se forman con n
elementos tomando k es la siguiente:
n!
Ckn  , en donde k  0,1, 2,3,  , n
(n  k )! k !
Por definición sabemos que 0!  1 y n !  1x 2 x 3 x  x n ; para n  N

Un ejemplo muy importante se presenta en el desarrollo del triángulo de Pascal:
C00 1
1 1
C 0 C
1 1 1
2 2
se tiene que
C0 C12 C 2 1 2 1
3 3 3 3
C 0 C
1 C 2 C
3 1 3 3 1
Ordenación. Una ordenación de n elementos, es un arreglo de los mismos dispuestos en forma

ordenada. La expresión que nos indica el número de ordenaciones con n elementos tomando k es la
siguiente:
n!
Okn 
(n  k )!
Permutación. Una permutación de n elementos, es una ordenación de n elementos tomando todos a la

vez, es decir, las permutaciones de n elementos son todas las distintas maneras en que pueden ser
arreglados ordenadamente.
n! n! n!
Onn     n!
(n  n)! 0! 1
Entonces el número de permutaciones de n elementos es Pn  Onn  n! , es decir, Pn  n!
El número total de las permutaciones de 5 elementos o números es 5!  1x 2 x 3x 4 x 5  120
Así por ejemplo tenemos que una de las permutaciones de los números 1, 2,3, 4,5 es el arreglo 3, 2,1, 4,5
Se llama permutación principal de n números a la permutación en donde el orden de sus elementos es

igual a la de los primeros n números naturales (1, 2,3, , n) , por ejemplo, la permutación principal de
los primeros cinco números naturales es 1, 2,3, 4,5 .
Dos números cualesquiera de una permutación están en sucesión si su posición relativa es la misma que
guardan en la permutación principal. Si es la contraria, decimos que están en inversión. Es fácil contar
las inversiones de una permutación, por lo de decimos que es de clase par cuando tiene un número par de
inversiones y de clase impar si el número de inversiones es impar.
Ejemplo 1.21 Indicar la clase de las siguientes permutaciones 1,3, 2, 4 y 2,1, 4,3 .
Solución:
1. Para la permutación 1,3, 2, 4 analicemos las posiciones relativas de los elementos:

1,3  sucesión S
1,2  sucesión S
1,4  sucesión S
3,2  inversión I
3,4  sucesión S
2,4  sucesión S
Tiene 5 sucesiones y una inversión, pero como sólo nos interesan las inversiones y tenemos un número
impar de ellas, decimos que es de clase impar.
2. Para la permutación 2,1, 4,3 analicemos las posiciones relativas de los elementos:
2,4  sucesión S
2,3  sucesión S
1,4  sucesión S
1,3  sucesión S
Tiene 4 sucesiones y 2 inversiones, pero como sólo nos interesan las inversiones y tenemos un número
par de ellas, decimos que es de clase par.
1.3.2 Determinante
Llamamos determinante asociado a la matriz cuadrada A de orden n :
 a11 a12 a13 a1n 

 a a a a2 n 
A   21 22 23
 
 
 an1 an 2 an 3 ann 
Al número que se representa mediante la abreviatura det A , det ( A) o simplemente como A , que no
debe confundirse con la notación de barras de valor absoluto, y que es igual a la suma de los productos
que se obtienen tomando como factores a un elemento de cada renglón y de cada columna, anteponiendo
un signo más a aquellos productos en que las permutaciones de ambos índices son de la misma clase y
anteponiendo signo menos a aquellos productos en que las permutaciones son de clase distinta.
a11 a12 a13 a1n
a21 a22 a23 a2 n
det A  A 
an1 an 2 an 3 ann
De la definición anterior, concluimos lo siguiente:
1. Para obtener todos los términos del desarrollo de A basta con escribir el término principal
(multiplicando los elementos sobre la diagonal principal) y a partir de éste obtener todos los demás
dejando fijos los primeros índices y permutando de todas las maneras posibles los segundos índices. La
diagonal principal es la que va del extremo superior izquierdo al extremo inferior derecho.
2. Como de los segundos índices n (para n  1 ) hay n ! permutaciones, la mitad son de clase par y la
mitad son de clase impar, habrá n ! términos en el desarrollo del determinante y cada término tendrá n
factores.
3. Como en los términos siempre aparece la permutación principal de los primeros índices, el signo
quedará determinado por la segunda permutación y tendrá signo (  ) si ésta es de clase par, y signo (  )
si es de clase impar.
Ejemplo 1.22 Obtener el desarrollo de un determinante de segundo orden a partir de la definición.
a11 a12
A 
a21 a22
Solución:
De acuerdo con lo anteriormente expuesto, el término principal es a11 a22 , dejando fijos los primeros
índices y permutando los segundos de todas las maneras posibles:
1,2  sucesión (clase par +)

2,1  inversión (clase impar  )
El desarrollo entonces es: A  a11 a22  a12 a21
Ejemplo 1.23 Obtener el desarrollo de un determinante de tercer orden a partir de la definición:
a11 a12 a13

A  a21 a22 a23
a31 a32 a33
Solución:
De acuerdo con lo anteriormente expuesto, el término principal es a11 a22 a33 , dejando fijos los primeros
índices y permutando los segundos de todas las maneras posibles tendremos P3  3!  6
permutaciones sucesiones inversiones clase de la

permutación
123  3: (12, 13, 23) 0 par (+)
132  2: (13, 12) 1: (32) impar (  )
213  2: (23, 13) 1: (21) impar (  )
231  1: (23) 2: (21, 31) par (+)
312  1: (12) 2: (31, 32) par (+)
321  0 3: (32, 31, 21) impar (  )
El desarrollo del determinante entonces es:
A  a11 a22 a33  a11 a23 a32  a12 a21 a33  a12 a23 a31  a13 a21 a32  a13 a22 a31
1.3.3 Interpretación geométrica del determinante de orden 2x2

Referencia: Stanley I. Grossman. Álgebra Lineal
 a b  a b
Sea la matriz A   y su determinante A 
 c d  c d
Consideremos los vectores columna que nos representan a los puntos A (a, c) y B (b, d ) en el plano
x y , y dibujemos dos segmentos de recta del origen (0, 0) a cada uno de estos puntos A y B ,
suponiendo que las rectas no son colineales, es decir, (b, d ) no es un múltiplo de (a, c) .
El área generada por A se define como el área del paralelogramo con vértices en los puntos (0, 0) ,
(a, c) , (b, d ) y (a  b, c  d ) .
y
A  área del paralelogramo C(a  d , b  c)
Q c
B(b , d )
a
A ( a , c)
d
x
b 0
Interpretación geométrica del determinante de segundo orden.
En la figura observamos que Q se localiza en el segmento de recta BC y también en el segmento

perpendicular a BC que pasa por el origen. El área del paralelogramo mostrado se obtiene mediante el
producto OQ x OA .
Demostración: Suponemos que a y c son diferentes de cero.
Como área del paralelogramo  base x altura
Se requiere hallar como base al segmento OA y como altura al segmento OQ .
La base del paralelogramo tiene de longitud OA  a 2  c 2 . La altura del paralelogramo es OQ , que

es el segmento perpendicular a BC . Observamos en la figura que el punto C es el cuarto vértice del
paralelogramo cuyas coordenadas son x  a  b y y  c  d , así tendremos:
1. Para la recta BC
y2  y1 (c  d )  d c
La pendiente es igual a: m   
x2  x1 ( a  b)  b a
Entonces la ecuación de la recta BC que pasa por los puntos B (b, d ) y C (a  b, c  d ) es:
y  y1  m ( x  x1 )
c
y  d  ( x  b)
a
c bc
y x d
a a
c bc
y xd  ecuación de la recta BC (1)
a a
2. Para la recta OQ :
1 a
La pendiente de OQ (perpendicular a BC ) es igual a: m1   
m c
La ecuación de la recta OQ que pasa por O (0, 0) y Q es:
y  0  m1 ( x  0)
a
y x ecuación de la recta OQ (2)
c
3. El punto Q es la intersección de BC y OQ , por lo que satisface ambas ecuaciones. En el punto de

intersección se tiene para las ecuaciones (1) y (2) que:
c bc a
xd   x
a a c
c a bc
  x  d
a c  a
a2  c2 bc  ad
x
ac a
ax (a 2  c2 )  ac (bc  ad )
ac (bc  ad ) c (bc  ad ) c (ad  bc) c A

x    2 2 ecuación (3)
a (a  c )
2 2
a c
2 2
a c
2 2
a c
Sustituyendo el valor obtenido de x en la ecuación (2):
a  a  c A  a A
y x     2 2 
 2 ecuación (4)
 c  a c  a c
2
c
 c A a A 
4. Entonces de las ecuaciones (3) y (4), Q tiene como coordenadas   , 
 a2  c2 a2  c2 
Por tanto la distancia de O (0, 0) a Q es:
(c 2  a 2 ) A
2 2 2 2
c2 A a2 A A A
OQ     
(a  c )
2 2 2
(a  c )
2 2 2
(a  c )
2 2 2
a c
2 2
a2  c2
Por último tenemos:
A
Área del paralelogramo  OA x OQ  a 2  c2 x  A
a  c2
2
Nota: Se deja al estudiante investigar la interpretación geométrica de un determinante de tercer orden,

haciendo referencia al volumen de un paralelepípedo.
 a1 a2 a3  a1 a2 a3

Sea la matriz A  b1 b2 
b3  y su determinante A  b1 b2 b3

 c1 c2 c3  c1 c2 c3
Por medio del doble producto escalar o doble producto mixto se demuestra que dados tres vectores
a,b , c  3
donde a  (a1 , a2 , a3 ) , b  (b1 , b2 , b3 ) y c  (c1 , c2 , c3 ) tienen un punto O como origen
común, forman un paralelepípedo con aristas concurrentes a , b , c :
a1 a2 a3
a •bxc  b1 b2 b3  Volumen del paralelepípedo de lados a , b y c
c1 c2 c3
1.3.4 Regla de Sarrus (sólo para determinantes de segundo y tercer orden)
Establece que para obtener el desarrollo de un determinante de segundo orden, al producto de los
elementos sobre la diagonal principal (línea continua ) se reste el producto de los elementos sobre la
diagonal secundaria (línea discontinua ) así tendremos que:
a11 a12
A   a11 a22  a12 a21
a21 a22
Que coincide con el desarrollo algebraico según la definición.
Ejemplo 1.24 Obtener el valor del siguiente determinante de segundo orden mediante la regla de Sarrus.
2 3
A 
4 1
Solución:
2 3
A   (2 x1)  (3 x 4)  2  (12)  2  12  14
4 1
Para obtener el desarrollo de un determinante de tercer orden, a los productos de los elementos
sobre la diagonal principal y paralelos a ella (líneas llenas) se le restan los productos de los
elementos sobre la diagonal secundaria y paralelas a ella (líneas punteadas), para observar mejor a
estos productos, se pueden repetir el primero y segundo renglones inmediatamente después del
tercero, así tendremos:
a11 a12 a13 a11 a12 a13 a11 a12

A  a21 a22 a23 o también A  a21 a22 a23 a21 a22
a31 a32 a33 a31 a32 a33 a31 a32
a11 a12 a13
a21 a22 a23
A  a11 a22 a33  a21 a32 a13  a31 a12 a23  a13 a22 a31  a23 a32 a11  a33 a12 a21
Que corresponde con la expresión obtenida a partir de la definición.
Se recomienda al alumno efectuar los productos anteriores en forma más sencilla mediante el siguiente
procedimiento:
a11 a12 a13

A  a 21 a 22 a 23
a31 a32 a33
Ejemplo 1.25 Obtener el valor del siguiente determinante de tercer orden mediante la regla de Sarrus.
2 1 3
A  1 3 0
4 2 2
Solución:
A  (2) (3) (2)  (1) (2) (3)  (4) (1) (0)   (3) (3) (4)  (0) (2) (2)  (2) (1) (1) 
 12  6  0   36  0  2  12  6  36  2  54  2  52
Observación: El método para resolver determinantes mediante la aplicación de la regla de Pierre

Frédéric Sarrus sólo es válido para determinantes hasta tercer orden, es decir, el alumno no deberá
aplicar este procedimiento para determinantes de cuarto orden o mayores.
1.3.5 Propiedades de los determinantes
Los determinantes tienen ciertas propiedades que es útil conocer con objeto de simplificar su obtención.
1.3.5.1 El valor de un determinante A no se altera si se intercambian renglones por columnas o

viceversa, es decir, A  AT .
Ejemplo 1.26 Hallar el valor de los siguientes determinantes A y AT
Solución:
2 3 1
a) A  2 2 4  20  8  36  6  32  30  62  70   8
3 4 5
2 2 3
b) A 
T
3 2 4  20  36  8  6  32  30  62  70   8
1 4 5
1.3.5.2 El valor de un determinante en que todos los elementos de una cualquiera de sus líneas
(renglón o columna) son todos ceros, es nulo.
Ejemplo 1.27 Hallar el valor del siguiente determinante A aplicando la propiedad anterior.
Solución:
2 0 3
A  5 0 2  (2)(0)(4)  (5)(0)(3)  (4)(0)(2)  (3)(0)(4)  (2)(0)(2)  (4)(0)(5)  0
4 0 4
1.3.5.3 Si todos los elementos de una línea de un determinante (renglón o columna) se multiplican por
un mismo factor distinto de cero, todo el determinante queda multiplicado por dicho factor.
Recordemos que, a diferencia de un determinante, cuando una matriz se multiplica por un escalar  todos
los elementos de la matriz quedan multiplicados por dicho escalar y no sólo los elementos de una línea.
Multipliquemos por ejemplo la primera columna del determinante por el escalar  :
a11 a12 a13  a1n  a11 a12 a13  a1n

a a a  a2 n  a21 a22 a23  a2 n
 A   21 22 23 
         
an1 an 2 an 3  ann  an1 an 2 an 3  ann
Ejemplo 1.28 Multiplicar por el escalar   2 el siguiente determinante A de orden 3 .
2 4 1
A  1 3 2
3 2 4
Solución:
Para hallar el producto  A multipliquemos el escalar   2 por una cualquiera de las líneas del
determinante A , por ejemplo seleccionemos la primera columna:
2 4 1 2 (2) 4 1 4 4 1
2 A 2 1 3 2  2 ( 1) 3 2  2 3 2
3 2 4 2 (3) 2 4 6 2 4
   
A  1  A  2
2 A  2 (  1)   2
1.3.5.4 Si un determinante tiene dos líneas paralelas iguales o proporcionales, vale cero.
Ejemplo 1.29 Aplicando la propiedad anterior, hallar el valor de los siguientes determinantes A y
B   2 A , sabiendo que:
2 1 3
A  5 3 4
2 1 3
Solución:
a) El determinante A tiene dos líneas paralelas iguales, que son los renglones (1) y (3), por lo tanto su
valor es cero.
2 1 3
A  5 3 4   18  15  8  18  8  15  41  41  0
2 1 3
b) El determinante B tiene con dos líneas paralelas proporcionales y se obtuvo multiplicando el

tercer renglón de A por el escalar    2 , es decir, los renglones (1) y (3) son proporcionales por lo
tanto B   2 A vale cero.
2 1 3 2 1 3
B  2 A   2 5 3 4  5 3 4  36  30  16  36  16  30  82  82  0
2 1 3 4 2 6
1.3.5.5 Si en un determinante se intercambian 2 líneas paralelas, el determinante cambia de signo.
Ejemplo 1.30 Hallar el valor de los siguientes determinantes A y B
Solución:
2 3 1
A  2 2 4  20  8  36  6  32  30  62  70   8
3 4 5
Obtengamos el determinante B intercambiando los renglones (1) y (3) del determinante A :
3 4 5
B  2 2 4   6  30  32  20  36  8  70  62  8
2 3 1
1.3.5.6 Si en un determinante se traslada una de sus líneas p lugares, entonces se obtiene un nuevo
determinante con el mismo valor absoluto, pero su signo habrá cambiado a B   1
p
A .
Ejemplo 1.31 Sea el determinante A mostrado en el ejemplo anterior (1.30). Hallar el determinante
B trasladando la columna (1) dos lugares hacia la derecha:
2 3 1
A  2 2 4  8
3 4 5
Solución:
El determinante se obtiene mediante la expresión B   1

2
A
3 1 2
B  2 4 2  36  20  8  32  30  6  62  70   8
4 5 3
Por lo tanto A  B
1.3.5.7 Si los elementos de la columna j de un determinante son polinomios con n términos, el

determinante será igual a la suma de n determinantes iguales, excepto que en la columna j se
considera el término correspondiente.
a11 a12  (a1 j  1 j )  a1n a11 a12  (a1 j )  a1n a11 a12  (1 j )  a1n
a a  (a2 j   2 j )  a2 n a a22  (a2 j )  a2 n a a22  ( 2 j )  a2 n
C  21 22  21  21
                 
an1 an 2  (anj   nj )  ann an1 an 2  (anj )  ann an1 an 2  ( nj )  ann
La misma afirmación es cierta para renglones.
Ejemplo 1.32 Hallar el valor del siguiente determinante.
( 2  1  3) 2 4
D  (3  2  4) 1 3
( 1  1  4) 4 2
Solución:
( 2  1  3) 2 4 (2) 2 4 ( 1) 2 4 ( 3) 2 4
D  (3  2  4) 1 3  (3) 1 3  (2) 1 3  ( 4) 1 3
( 1  1  4) 4 2 (1) 4 2 ( 1) 4 2 ( 4) 4 2
(0) 2 4 (2) 2 4 ( 1) 2 4 ( 3) 2 4

D  (5) 1 3  (3) 1 3  (2) 1 3  ( 4) 1 3
(4) 4 2 (1) 4 2 (1) 4 2 ( 4) 4 2
D  (80  24  16  20)  (4  48  6  4  24  12)  (2  32  6  4  12  8)

 (6  64  24  16  36  16)
D  104  36  (58  40)  (14  50)  (124  38)
D  68  (18)  (36)  (86)
D  68  106  36
D  68
Ejemplo 1.33 Hallar el valor del siguiente determinante de tercer orden.
(1  2  5) (2  2  3) (4  3  1)
E  2 4 3
5 3 2
Solución:
(1  2  5) (2  2  3) (4  3  1) (1) (2) (4) (2) ( 2) ( 3)

E  2 4 3  2 4 3  2 4 3
5 3 2 5 3 2 5 3 2
(5) (3) (1)
 2 4 3
5 3 2
(2) (3) (2) (1) (2) (4) (2) ( 2) ( 3) ( 5) (3) (1)
E  2 4 3  2 4 3  2 4 3  2 4 3
5 3 2 5 3 2 5 3 2 5 3 2
E  (16  12  45  40  18  12)  (8  24  30  80  9  8)  (16  18  30  60  18  8)

 (40  6  45  20  45  12)
E  (69  74)  (79  80)  (94  56)  (63  105)
E  (5)  (1)  (38)  (42)
E   5  38  43
E  5
1.3.5.8 El valor de un determinante no se altera si a los elementos de una de sus líneas se le suman
múltiplos de los elementos correspondientes a otra línea paralela.
Ejemplo 1.34 Aplicando las propiedades de los determinantes hallar el valor de A .
1 a bc
A  1 b ca
1 c ab
Solución:
1 a (b  c)  a
Sumando la segunda columna a la tercera, tendremos que A  1 b (c  a )  b
1 c ( a  b)  c
El determinante no se altera ya que aplicamos la propiedad (1.3.5.8) teniendo:
1 a (b  c)  a 1 a bc 1 a a 1 a bc
A  1 b (c  a )  b  1 b ca  1 b b  1 b ca 0
1 c ( a  b)  c 1 c a b 1 c c 1 c a b
Ordenando los elementos de la tercera columna y aplicando la propiedad (1.3.5.3):
1 a (a  b  c) 1 a 1
A  1 b (a  b  c)  (a  b  c ) 1 b 1  (a  b  c) (0)  0
1 c (a  b  c) 1 c 1
Comprobación: Obtengamos el valor del determinante aplicando la regla de Sarrus.
1 a bc
A  1 b ca  b (a  b)  c (b  c)  a (c  a)  b (b  c)  c (c  a)  a (a  b)
1 c ab
 ab  b 2  bc  c 2  ac  a 2  b 2  bc  c 2  ac  a 2  ab  0
Nota: Se deja al alumno investigar la demostración del siguiente:
Teorema: Sean A y B dos matrices de orden n x n . Entonces det AB  det A det B , es decir,
AB  A B el determinante de un producto de matrices es igual al producto de los determinantes.
Observación: El determinante de la suma en general no siempre es igual a la suma de los determinantes,

es decir: det ( A  B)  det A  det B
1.4 Menores y cofactores

Es necesario identificar con claridad los conceptos de menor, cofactor y característica de un elemento de
un determinante de orden n , y establecer su diferencia para su correcta aplicación en el desarrollo de un
determinante.
1.4.1 Menor
Llamamos menor de un elemento ai j de un determinante de orden n , al determinante de orden n  1 que

se obtiene al suprimir en el determinante original el renglón y la columna en que se encuentra dicho
elemento.
Ejemplo 1.35 Encontrar el menor de cada uno de los elementos a11 , a13 y a 32 de un determinante de
tercer orden.
a11 a12 a13
A  a21 a22 a23
a31 a32 a33
Solución:
Para hallar el menor del elemento a11 del determinante anterior, es necesario eliminar el renglón y la
columna en donde se encuentra a11 , teniendo un nuevo determinante de orden 2 de la siguiente forma:
a11 a12 a13

A  a21 a22 a23
a31 a32 a33
a22 a23
Menor de a11  M11   M11  a22 a33  a23 a32
a32 a33
Así sucesivamente tenemos:
a21 a22
Menor de a13  M13   M13  a21 a32  a22 a31
a31 a32
a11 a13
Menor de a32  M 32   M 32  a11 a23  a13 a21
a21 a23
1.4.2 Cofactor
Llamamos cofactor de un elemento ai j de un determinante de orden n , al polinomio que aparece como

factor de dicho elemento en el desarrollo del determinante.
Ejemplo 1.36 Encontrar el cofactor de cada uno de los elementos a11 , a13 y a 32 de un determinante de
tercer orden.
a11 a12 a13
A  a21 a22 a23
a31 a32 a33
Solución: Sabemos que el desarrollo de un determinante de tercer orden por medio de la regla de Sarrus es:
Analicemos primero el procedimiento para obtener el cofactor del elemento a11 ; observando en el
desarrollo del determinante que los términos subrayados contienen al elemento a11 , el cual podemos
factorizar de la siguiente forma:
A  a11 (a22 a33 )  a13 a21 a32  a12 a23 a31  a13 a22 a31  a11 (a23 a32 )  a12 a21 a33
Por lo tanto para el elemento a11 tenemos a los factores señalados entre paréntesis:
a11 (a22 a33 )  a11 (a23 a32 )  a11 (a22 a33  a23a32 )
Cofactor de a11
Entonces el cofactor del elemento a11 es el factor que aparece multiplicando a dicho elemento en el
desarrollo del determinante:
Cofactor de a11  C11  a22 a33  a23 a32
Y para los elementos a13 y a32 se tiene que:

1.4.3 Característica
Llamamos característica de un elemento ai j de un determinante de orden n , al número que se

obtiene sumando los dos índices i  j (renglón y columna) de dicho elemento. Es decir, la
característica es la suma de los números que indican el renglón ( i ) y la columna ( j ) en que se
encuentra el elemento.
Ejemplo 1.37 Obtener la característica de cada uno de los elementos a11 , a13 y a 32 de un determinante
de tercer orden.
Solución:
Característica de a11 : 1+1 = 2 (par)

Característica de a13 : 1+3 = 4 (par)
Característica de a32 : 3+2 = 5 (impar)
1.4.4 Relación entre menor y cofactor
El menor y el cofactor de un elemento ai j de un determinante de orden n son iguales si la característica

es par y difieren en signo si la característica es impar. En los ejemplos anteriores podemos observar que:
C11  M11 por tener característica par

C13  M13 por tener característica par
C32   M 32 por tener característica impar
O sea que el cofactor de Ci j del elemento ai j de cualquier determinante A , es  1

i j
veces el menor
de ai j correspondiente, así tendremos Ci j   1
i j
Mi j .
1.5 Cálculo de determinantes

1.5.1 Desarrollo por cofactores
Teorema: El valor de un determinante se obtiene efectuando la suma de los productos de los elementos
de una cualquiera de sus líneas (renglón o columna) por sus cofactores correspondientes.
 elementos de   sus cofactores 

A    una línea ai j   correspondientes Ci j 
 x

n
A  a
j 1
ij Ci j Donde i es cualquier renglón
n
A  a
i 1
ij Ci j Donde j es cualquier columna
Ejemplo 1.38 Desarrollar por el método de cofactores el determinante de tercer orden, de acuerdo con el
teorema tomando los elementos del primer renglón.
Solución:
a11 a12 a13
A  a21 a22 a23  a11 C11  a12 C12  a13 C13
a31 a32 a33
Tomando en cuenta la relación entre menor y cofactor:
a22 a23
C11   a22 a33  a23 a32
a32 a33
a21 a23
C12     (a21 a33  a23 a31 )   a21 a33  a23 a31
a31 a33
a21 a22
C13   a21 a32  a22 a31
a31 a32
Resulta que:
A  a11 (a22 a33  a23 a32 )  a12 (a21 a33  a23 a31 )  a13 (a21 a32  a22 a31 )
Que corresponde al desarrollo del determinante de tercer orden según la definición.
El desarrollo por cofactores reduce el problema de calcular un determinante de orden n , al de calcular n

determinantes de orden n  1 . La aplicación del método de desarrollo por cofactores, a su vez, reduce la
labor de calcular cada cofactor de orden n  1 , a la de calcular n  1 determinantes de orden n  2 . El
método de desarrollo por cofactores resulta ser un proceso demasiado laborioso por lo que no es
recomendable aplicarlo en forma directa para calcular determinantes de cuarto orden en adelante.
Ejemplo 1.39 Obtener el valor del siguiente determinante de cuarto orden, empleando el método de
menores y cofactores:
3 1 2 4
1 3 1 2
A 
1 2 1 3
4 1 2 5
Solución:
Para aplicar el método de menores y cofactores, seleccionemos arbitrariamente todos los elementos de
uno de los cuatro renglones o de una de las cuatro columnas que forman el determinante y
multipliquémoslos por sus cofactores correspondientes. Por ejemplo, seleccionemos los elementos del
primer renglón y obtengamos los cofactores correspondientes de cada uno de ellos aplicando los
conceptos de menor y de característica de un elemento de un determinante de la siguiente forma:
311 112 213 414

121 322 123 224
A   311 C11  112 C12  213 C13  414 C14
131 232 133 334
441 142 243 544
Establezcamos la relación existente entre cofactor y menor de un elemento de un determinante:
C11  M11 ; C12   M12 ; C13  M13 y C14   M14
3 1 2 4
1 3 1 2
A   311 C11  112 C12  213 C13  414 C14
1 2 1 3
4 1 2 5
3 1 2 4
3 1 2 1 1 2 1 3 2 1 3 1
1 3 1 2
A   3 2 1 3  1 1 3  2 1 2 3  4 1 2 1
1 2 1 3
1 2 5 4 2 5 4 1 5 4 1 2
4 1 2 5
A  3 (15  8  3  2  18  10)  (5  4  12  8  6  5)  2 (10  2  36  16  3  15)

4 (4  1  12  8  1  6)
A  3 (26)  (30)  2 (52)  4 (6)   78  30  104  24   28
Observamos que el método de menores y cofactores nos permite obtener el valor de un determinante de
orden 4, mediante la solución de 4 determinantes de orden 3. Si se tratara de un determinante de orden 5
dicho método nos llevará a resolver 5 determinantes de orden 4 y a su vez cada uno de ellos se resuelve
mediante 4 determinantes de orden 3, es decir, se requiere resolver 20 determinantes de orden 3, y así
sucesivamente: para resolver un determinante de orden 6 se requieren 120 determinantes de orden 3.
Siendo el procedimiento anterior muy laborioso, se pueden aplicar las propiedades de los determinantes y
simplificar el problema mediante el método siguiente llamado condensación pivotal.
1.5.2 Condensación pivotal
Este método es recomendable para la obtención del valor de determinantes de cuarto orden en adelante.
Consiste en aplicar repetidamente y en la forma más apropiada posible la propiedad de sumar múltiplos
a los elementos de líneas paralelas para reducir a cero todos los elementos de una línea excepto uno.
Entonces, al desarrollar este nuevo determinante por cofactores según los elementos de dicha línea, el
problema se reduce a encontrar un solo determinante de un orden menor que el propuesto y a multiplicar
dicho valor por el elemento distinto de cero (ya que los ai j elementos se transforman en ceros excepto
uno).
La estrategia es crear una entrada principal con una línea (renglón o columna) llamada línea pivote
(renglón o columna pivote) y luego utilizarla para crear ceros. El elemento seleccionado para llegar a ser
una entrada principal se conoce como un pivote, por lo cual esta fase del proceso se denomina pivoteo o
condensación pivotal. Un pivote es cualquier elemento no cero de una posición pivote.
Aunque no es estrictamente necesario, a menudo es conveniente emplear la segunda operación elemental

de renglón R j  R j  cRi para hacer de cada entrada principal un “ 1 ”. También el procedimiento
anterior es válido para columnas en el cálculo de determinantes, ya estamos aplicando la propiedad
(1.3.5.8) que dice: el valor de un determinante no se altera, si a los elementos de una de sus líneas se le
suman múltiplos de los elementos correspondientes a otra línea paralela.
Este procedimiento puede repetirse hasta que el cálculo del determinante que resta se hace lo
suficientemente simple para que se efectúe directamente por la regla de Sarrus.
Ejemplo 1.40 Obtener el valor del determinante de cuarto orden del ejemplo 1.39, empleando el método
de condensación pivotal y posteriormente desarrollarlo por menores y cofactores:
3 1 2 4
1 3 1 2
A 
1 2 1 3
4 1 2 5
Solución:
Para aplicar el método de condensación pivotal, seleccionemos arbitrariamente todos los elementos de
uno de los cuatro renglones o de una de las cuatro columnas que forman el determinante, procurando que
el pivote sea un número de fácil manejo operativo para transformar en ceros a los elementos restantes del
renglón o de la columna en que se encuentra. Por ejemplo, seleccionemos el elemento pivote 121 y
transformemos en ceros los elementos de su renglón, para lo cual marquemos con un asterisco (*) la línea
que debe permanecer fija (en este caso la primera columna) y hallemos los factores por los que debemos
multiplicar a los elementos que se encuentran en el renglón del pivote, dividiendo el elemento que
deseamos hacer cero entre el pivote y le cambiamos el signo, así tendremos:
3 1 2 4 3 10 5 2
121 3 1 2 121 0 0 0
A    121 C21  022 C22  023 C23  024 C24  C21
1 2 1 3 1 1 0 5
4 1 2 5 4 11 6 3
* (3) (1) ( 2)
Como el cofactor C21  (1)2  1 M 21   M 21
10 5 2
 M 21  ( 1) 1 0 5   ( 12  275  300  15)   (28)   28
11 6 3
Es decir: A  C21   M 21   28
Ejemplo 1.41 Obtener el valor del siguiente determinante de quinto orden, empleando el método de
condensación pivotal y posteriormente desarrollarlo por menores y cofactores:
3 1 2 4 0
1 3 1 2 2
A  1 2 1 3 5
4 1 2 0 3
2 2 1 3 4
Solución:
3 1 2 4 0 7 1 4 4 3
1 3 1 2 2 11 3 7 2 7
A  1 2 1 3 5  7 2 5 3 11
4 142 2 0 3 0 142 0 0 0
2 2 1 3 4 10 2 3 3 2
(4) * (2) (3) el elemento 142 tiene característica 4 + 2 = 6 (par)
1. La segunda columna señalada con (*) contiene al pivote 142 , ahora deberemos hacer ceros los elementos del
cuarto renglón (en donde se encuentra el pivote), multiplicando dicho pivote por los escalares (4) , (2) y
(3) respectivamente, y sumarlos al elemento que deseamos hacer cero. De igual forma procederemos con
cada uno de los elementos de la columna señalada con (*).
2. Desarrollando ahora por cofactores (apoyados en el concepto de menor) para el cuarto renglón se tiene:
A  041 C41  142 C42  043 C43  044 C44  045 C45  C42
C42  M 42 (por tratarse de característica par)
7 4 4 3
11 7 2 7
A  (142 ) C42  M 42 
7 5 3 11
10 3 3 2
Apliquemos nuevamente el método de condensación pivotal, tomando ahora como pivote al elemento 2 23
y transformemos en ceros los elementos de la tercera columna para desarrollar posteriormente por
cofactores.
7 4 4 (2)
3 29 18 0 17
11 7 223 7 * 11 7 223 7
A    013 C13  223 C23  033 C33  043 C43
7 5 3 11 ( 2 )
3 47
2
31
2 0 43
2
10 3 3 2 ( 2 )
3 13
2
15
2 0 17
2
Ya que en la tercera columna el elemento 2 23 tiene como característica 2  3  5 (impar) entonces:
C23   M 23
A  223 C23  2 (M 23 )   2 M 23
   29   2  2    2  2  17    2  2  18 
29 18 17  
31 17 47 15 13 43
A  2 47 31 43
 2  
   17   2  2    2  2   29    2  2  18  
2 2 2
 
31 13 43 15 17 47
13
2
15
2
17
2

A   2   15283
4  11985
4  10062
4    6851
4 
18705
4 4 
 14382 
A  2  37330
4  39938
4    2   2608
4   1304
1.6 Matriz inversa y cálculo por medio de la matriz adjunta

1.6.1 Matriz adjunta
Llamamos matriz adjunta de la matriz cuadrada A de orden n , a la matriz que se obtiene al sustituir los
elementos de la transpuesta de A por sus cofactores correspondientes. A la adjunta de la matriz A la
indicamos como adj A , adj ( A) y en algunos textos como A* .
 a11 a12 a13 a1n 

 a a a a2 n 
Ejemplo 1.42 Dada la siguiente matriz cuadrada A de orden n : A  
21 22 23
 
 
 an1 an 2 an 3 ann 
 a11 a21 a31 an1   C11 C21 C31 Cn1 

 a a a an 2  C C C Cn 2 
Su transpuesta es A   ; su adjunta es adj A   12 22 32
T 12 22 32
   
   
 a1n a2 n a3n ann   C1n C2 n C3n Cnn 
1.6.2 Matriz inversa
Dada la matriz cuadrada A de orden n , llamamos matriz inversa de A y la indicamos como A 1 a la

matriz cuadrada que cumple con la siguiente propiedad:
A A1  A1 A  I n
La matriz A1 puede ser obtenida en forma práctica mediante la matriz adjunta de A y el valor del
determinante de A , aplicando la relación:
1
A1  adj A
det A
Siempre que A  0
1.6.3 Matriz singular y matriz no singular
1.6.3.1 Matriz singular (no invertible): Una matriz A es singular si su determinante A  0 .
1.6.3.2 Matriz no singular (invertible): Una matriz A es no singular si su determinante A  0 .
Es evidente que una matriz singular no tiene inversa.

 1 3 1 
Ejemplo 1.43 Dada la matriz A 
 2 4 0  obtener su inversa y comprobar su resultado.

 2 1 3 
Solución:
1 3 1
1. Hallar el valor del determinante A  2 4 0  12  2  8  18  12  28   16
2 1 3
Como el determinante A es diferente de cero, se trata de una matriz no singular, y por lo tanto tiene
inversa (matriz invertible o matriz inversible).
 1 2 2 
2. Obtengamos la matriz transpuesta A 
 3
T
4 1 

 1 0 3 
3. Obtengamos la matriz adjunta de A :
3.1 Primero debemos hallar los menores de los elementos de la matriz transpuesta:
 1211 1021 431 

menores de A   612
T
122 232 

 1013 7 23 233 
menores
3.2 De acuerdo al valor de la característica de cada elemento (número par o impar) modificamos el signo
del menor, obtenido directamente con este procedimiento el cofactor del elemento seleccionado:
 12 10 4 
adj A   6 1 2 
 10 7 2 
cofactores de AT
1
4. La matriz inversa es A1  adj A
det A
 12 10 4 
1 
1
A  6 1 2 
16 
 10 7 2 
5. Comprobación: A A1  A1 A  I n
 1 3 1   12 10 4   (12  18  10 ) (10  3  7) ( 4  6  2 ) 

1 
4 0   6 2    ( 24  24  0 ) ( 20  4  0) ( 8  8  0 ) 
1 1
AA   2 1
16   16  
 2 1 3   10 7 2   (24  6  30) ( 20  1  21) (8  2  6) 
 16 0 0 
1  
 0 16 0
16  
 0 0 16 
1 0 0 
 A A1   0 1 0  ; es decir, A A1  I n
 0 0 1 
1.6.4 Matriz ortogonal
Se dice que una matriz A de orden n x n es ortogonal, si A AT  AT A  I n . Se observa que una

matriz ortogonal A es necesariamente cuadrada e invertible, con inversa A1  AT . Por lo tanto
también AT es ortogonal.
También podemos decir que una matriz A de orden n x n es ortogonal si sus columnas forman un
conjunto ortonormal de vectores (perpendiculares entre sí y de magnitud 1).
Definición: Se dice que una matriz A de orden n x n con elementos en es ortogonal si los vectores
n
columna de A forman un conjunto ortonormal en .
Si A es una matriz ortogonal, entonces det ( A)   1, ya que A A1  A AT  I n
Entonces: 1  det ( I n )  det ( A AT )  det ( A) det ( AT )  det ( A) det ( A)   det ( A) 

2
Por lo tanto: det ( A)   1
También se observa que AT  AT I  AT ( A A1 )  ( AT A) A1  I A1  A1
Ejemplo 1.44 Dada la siguiente matriz A de orden 3 x 3 , investigar si se trata de una matriz ortogonal.
 23 1
3
2
3 
A   13 2
3  2
3


  23 2
3
1
3

Solución:
Observemos que la matriz A se puede escribir como:
 23 1
3
2
3   2 1 2 
A   13 2
3  2
3
1 1
 3 2 2 
  23 2
3
1
3
  2 2 1 
Observación: Las columnas de la matriz A corresponden a matrices columna o vectores columna

mutuamente perpendiculares y unitarios (vectores ortonormales) definidos por:
 23   2   1
3   1  23   2
a   13 1 1
 3
 ;
 b   2
3
1 2;
 3  c    23   1  2 
 3 
  23   2   2
3
  2   13   1 
Verifiquemos que el valor del determinante A sea igual a 1 o 1 .
2 1 2
A   13  13  13  1 2 2  1
27 (4  4  4  8  8  1)  1
27 (27)  1
2 2 1
Obtengamos ahora la matriz transpuesta, la matriz adjunta y la matriz inversa de la matriz A :
 2
3
1
3  23   2 1 2   6
9
3
9  96   2 1 2 
A     1 2 2  ; adj A    A   1 2 2 
1  1
3  
T 1 2 2 3 6 6 1
 9  ;
3 3
3  9 9
3 
 2
3  23 1 
3 
 2 2 2   6
9  6
9
3 
9   2 2 1 
Por lo tanto observamos que: AT  A1
Comprobación: A A1  A AT  I n
 23 1
3 3   3
2 2 1
3  32   2 1 2   2 1 2 
A A1   13 2
3  23   13 3
2
3
2  1 1  1
  3  3   2 2   1 2 2 
  23 2
3
1   2
3   3  23 1
3
  2 2 1   2 2 1 
 (4  1  4) (2  2  4) (4  2  2)  9 0 0  1 0 0 
A A   19   (2  2  4) (1  4  4)
1
(2  4  2)   1
9
0 9 0 0 1
   0 
 (4  2  2) (2  4  2) (4  4  1)   0 0 9   0 0 1 
Por lo tanto A A1  I n

1.7 Rango de una matriz

1.7.1 Submatriz
Sea A   ai j  una matriz de orden m x n , llamamos submatriz de A a cualquier matriz que resulte al
suprimir en A un número cualquiera de renglones y columnas (partición de matrices).
 a11 a12 a13 a1n 

 a a a a2 n 
Sea la matriz A  
21 22 23
 
 
 am1 am 2 am3 amn 
Podemos suprimir renglones y columnas para tener las submatrices:
 a21   a22 a23 a2 n 

A1   a11  ; A2   a12 a13 ... a1n  ; A3    ;
 A4   

 am1   am 2 am3 amn 
Es decir:
 a11 a12 a13 a1n 

 a a a a2 n   A1 A2 
A   21 22 23 
   A3 A4 
 
 am1 am 2 am3 amn 
1.7.2 Rango de una matriz
Decimos que una matriz A de orden m x n es de rango R , si y solo si contiene por lo menos una
submatriz no singular de orden R , y además no contiene submatrices no singulares de orden
mayor que R .
La búsqueda del rango de una matriz sobre la base de la definición resulta demasiado laboriosa, por lo
tanto investigaremos algunos métodos para transformar la matriz de tal forma que el rango permanezca
inalterado y resulte fácil de determinar. Estos métodos están basados en los tres tipos de operaciones
elementales con una matriz descritos anteriormente (tema 1.2.9):
1. La multiplicación de todos los elementos de cualquier línea por la misma constante diferente de cero.
2. La suma a cualquier línea de un múltiplo arbitrario de cualquier otra línea paralela.
3. El intercambio de dos líneas paralelas cualesquiera de una matriz.
Las transformaciones elementales pueden emplearse para obtener una matriz que tenga el mismo orden y
rango que la matriz original, cuyos elementos son números indicados explícitamente, pero que tienen una
forma más simple. Esto puede lograrse por el procedimiento sistemático siguiente:
1. Utilícense transformaciones correspondientes al intercambio de líneas paralelas, con objeto de

obtener un elemento diferente de cero (pivote) en el primer renglón.
2. Divídase el primer renglón por este elemento, si no es 1 (uno).
3. Réstense de los otros renglones los múltiplos apropiados del primer renglón, para obtener ceros, en
la primera columna.
4. Réstense de las otras columnas los múltiplos apropiados de la primera para obtener ceros en el
primer renglón.
5. Repítanse los pasos del 1 al 4 empezando con el elemento del segundo renglón y segunda columna.
6. Continúe de este modo con los demás elementos de la “diagonal principal”, ya sea hasta el final de la
diagonal o hasta que todos los elementos restantes de la matriz sean ceros. La matriz final tendrá
entonces alguna de las siguientes formas:
 IR   IR 0 
   
a)
  b)  IR 0  c)
  o simplemente: d) I R
 0   0 0 
Donde su rango es R o simplemente decimos que I R es la matriz identidad de orden R .
Cuando se ha reducido una matriz a la forma anterior, por medio de transformaciones elementales,
decimos que se ha reducido a la forma normal.
Toda matriz cuyos elementos son números explícitamente dados, tienen una forma normal única a la cual
se puede reducir por medio de transformaciones elementales.
Dos matrices cuyos elementos son números explícitamente dados tienen la misma forma normal si y sólo
si tienen el mismo orden y el mismo rango.
Decimos que dos matrices son equivalentes, si y sólo si, cada una puede transformarse en la otra por
medio de una sucesión de transformaciones elementales, en consecuencia: dos matrices son equivalentes,
si y sólo si, tienen el mismo orden y el mismo rango. En forma práctica decimos que dos matrices son
equivalentes (de renglón), si una puede obtenerse de la otra mediante una sucesión finita de operaciones
elementales de renglón.
El símbolo “ ” debe leerse como es equivalente a, la notación A B se usa para indicar que la matriz
A es equivalente a la matriz B .
Ejemplo 1.45 Encontrar el rango de la siguiente matriz.
 2 3 1 2 
A   4 1 5 3 
 3 2 4 2 
Solución: En forma práctica podemos obtener el rango de la matriz de la siguiente forma:
Consideremos como primer pivote al elemento más sencillo que corresponde al número 113 y
seleccionemos para su transformación en ceros a la tercera columna (ya que el número de operaciones a
efectuar es menor que si seleccionamos el primer renglón). Los escalares (-5) y (-4) se obtienen
dividiendo el elemento que deseamos se transforme en cero entre el pivote y se le cambia el signo.
 2 3 113 2  *  2 3 113 2 
A   4 1 5 3  (5)  6 16
 0 13 
 3 2 4 2  (4)  5 10 0 10 
Nuevamente seleccionamos el elemento 113 y ahora transformamos en ceros los elementos que se
encuentran en el primer renglón (excepto el pivote).
(2) (3) * (2)

 2 3 113 2  *  2 3 113 2   0 0 113 0 
A   4 1 5 3  (5)  6 16
 0 13   6 16
 0 13 
 3 2 4 2  (4)  5 10 0 10   5 10 0 10 
Como observamos, esta tercera matriz tiene los mismos elementos que la segunda matriz, excepto
aquellos que están en el primer renglón (en donde aparece el pivote) que se han transformado en ceros
aplicando una de las transformaciones elementales de filas. Con lo anterior podemos establecer una regla
que implica que cuando una de las líneas en donde aparece el pivote se han transformando en ceros,
automáticamente se pueden transformar en ceros los elementos de la línea perpendicular (excepto el
pivote), manteniendo el mismo rango de la matriz original.
Continuamos con el proceso de selección de un nuevo pivote, por ejemplo el elemento  5 31 y

transformemos en ceros los elementos de su renglón aprovechando que tenemos múltiplos de 5 , y a la
línea perpendicular hagámosla ceros automáticamente.
(2) (3) * (2)

 2 3 113 2  *  2 3 113 2   0 0 113 0 

A   4 1 5 3  (5)  6 16 0 13   6 16 0 13 
 
 3 2 4 2  (4)  5 10 0 10   531 10 0 10 
* (2) (2)
 0 0 113 0   0 0 113 0 
 6 4 0 124   0 4 0 124 
 
 531 0 0 0   531 0 0 0 
En esta última matriz observamos que los elementos  4 22 y  124 pueden ser seleccionados como nuevos
pivotes efectuando sistemáticamente el proceso seguido anteriormente, o también podemos ver que
cualesquiera de los dos tienen ceros en sus columnas, por lo que es más conveniente en este caso aplicar
la regla de hacer ceros los elementos de la perpendicular al pivote. Por ejemplo, y sólo por tener números
de valor pequeño, analicemos el elemento  124 , pudiendo hacer cero el número  4 22 . Si, en forma
contraria, hubiéramos seleccionado como pivote a  4 22 entonces deberíamos hacer cero al número  124 .
(2) (3) * (2)

 2 3 113 2  *  2 3 113 2   0 0 113 0 

A   4 1 5 3  (5)  6 16 0 13   6 16 0 13 
 
 3 2 4 2  (4)  5 10 0 10   531 10 0 10 
* (2) (2)
 0 0 113 0   0 0 113 0   0 0 113 0 

 6 4 0 124   0 4 0 124   0 0 0 124 
  
 531 0 0 0   531 0 0 0   531 0 0 0 
Por último ordenemos en la diagonal principal los elementos diferentes de cero, intercambiando líneas
paralelas (columnas).
(2) (3) * (2)

 2 3 113 2  *  2 3 113 2   0 0 113 0 

A   4 1 5 3  (5)  6 16 0 13   6 16 0 13 
 
 3 2 4 2  (4)  5 10 0 10   531 10 0 10 
* (2) (2)
 0 0 113 0   0 0 113 0   0 0 113 0 

 6 4 0 124   0 4 0 124   0 0 0 124 
  
 531 0 0 0   531 0 0 0   531 0 0 0 
 1 0 0 0 
 0 1 0 0   R ( A)  3

 0 0 5 0 
El rango de la matriz A es igual a 3 (tres), debido a que el orden de la submatriz no singular contenida en
A es tres. También podemos decir que como una regla práctica se puede tomar el número de elementos
contenidos en la diagonal principal de la última matriz.
Ejemplo 1.46 Encontrar el rango de la siguiente matriz.
* (2) (1) (3)

*  111 2 1 3   111 2 1 3   111 0 0 0 
A  (2)  2 4 4 7  
 0 0 2 1 


 0 0 2 124  *

(1)  1 2 1 2   0 0 2 1   0 0 2 1  (1)
 111 0 0 0   111 0 0 0   1 0 0 0 
 2 124   124   0   R ( A)  2
0 0  0 0 0  0 1 0
 0 0 0 0   0 0 0 0   0 0 0 0 
El proceso anterior incluyó las siguientes operaciones:
1. Se selecciona el primer pivote 111 y se marca el primer renglón con asterisco (*) para transformar los
elementos de la primera columna en ceros.
2. Se marca con asterisco (*) la primera columna en donde se encuentra el pivote 111 y se multiplican
por (-2) todos sus elementos y se suman a los de la segunda columna.
3. Los elementos de la primera columna se multiplican por (1) y se suman a los de la tercera columna.
4. Los elementos de la primera columna se multiplican por (-3) y se suman a los de la cuarta columna.
5. Las operaciones señaladas con (2), (3) y (4) prácticamente se pueden eliminar, ya que en forma
directa se transforman en ceros los elementos del primer renglón (excepto el pivote). La regla que
podemos seguir se enuncia de manera sencilla; basta solamente con observar el pivote seleccionado,
y si encontramos que una de sus líneas (renglón o columna) están formadas por ceros,
automáticamente podemos transformar en ceros la línea perpendicular.
6. Se toma como segundo pivote al elemento 124 y se transforman en ceros los elementos de la cuarta
columna, señalando con (*) el segundo renglón en donde se localiza dicho elemento.
7. Los elementos del segundo renglón en donde se encuentra el pivote 124 se multiplican por (-1) y se
suman al tercer renglón.
8. Siguiendo el procedimiento del punto (5), se analiza nuevamente el pivote 124 observando que los
elementos de la cuarta columna ya son ceros, por lo que se pueden transformar automáticamente
los elementos del segundo renglón en ceros (excepto el pivote). El procedimiento descrito
equivale a multiplicar los elementos de la cuarta columna por la constante (-2) y sumar estos
productos a los elementos de la tercera columna.
9. Por último, se intercambian columnas paralelas y se ordenan sus elementos diferentes de cero en la
diagonal principal.
Por tanto es evidente que el rango de una matriz es el orden de la mayor submatriz no singular contenida
en ella.
Observación: Algunos autores mencionan que al ser una matriz no singular aquella cuyo determinante es
diferente de cero, entonces el rango de esta matriz es el orden del mayor de sus determinantes diferente de
cero contenidos en ella.
1.8 Método de eliminación, o método de reducción de Gauss

El desarrollo de este método en el presente capítulo está dirigido a la obtención de la matriz inversa de
una matriz no singular. Posteriormente en el capítulo 2 se aplicará el método de reducción de renglones a
la matriz ampliada de un sistema de ecuaciones lineales para hallar su solución, creando un sistema
equivalente que puede ser resuelto mediante sustitución hacia atrás. El proceso completo es conocido
como eliminación de Gauss.
Un renglón cero de una matriz es aquel que sólo incluye ceros. Un renglón no cero tiene cuando
menos un elemento distinto de cero. De la misma forma se puede hablar de columnas cero y no cero.
El primer elemento no cero de un renglón no cero se llama elemento delantero o elemento capital.
Si sucede que el elemento delantero es 1, se le llama 1 delantero.
1.8.1 Forma de renglón escalón (matriz escalón o escalonada)
Una matriz puede tener las siguientes propiedades:
1. Todos los renglones cero están en la parte inferior de la matriz.

2. El elemento delantero de cada renglón no cero, después del primer renglón, se presenta a la derecha del
elemento delantero del renglón anterior.
3. El elemento delantero de cualquier renglón no cero es 1.
4. Todos los elementos en la columna arriba y debajo de un 1 delantero son cero.
Si una matriz satisface las dos primeras condiciones se dice que está en forma de renglón
escalón, o simplemente en forma de escalón. Si una matriz satisface las cuatro condiciones se dice
que está en forma reducida de renglón escalón (o tan sólo que está en forma de escalón
reducida). Una matriz en forma de escalón reducida siempre está en forma de escalón.
Ejemplo 1.47 A continuación se muestran 3 matrices:
 2 0 3 5  1 4 0 3 
 0 3 4 
A   0 0 2 4  ; B   0 0
 1 2  ; C  
 0 1 1 
 0 0 0 0   0 0 0 0 
Para la matriz A es cierto lo siguiente: sus primeros dos renglones son no cero, el tercero es cero. Sus
elementos delanteros son 2 y  2 . Su segunda columna es cero. Las demás son no cero. Observemos
que ninguno de los elementos delanteros de A son 1. En cambio, todos los elementos delanteros de B
son 1.
Las matrices A y B están en forma de escalón. B además está en forma de escalón reducida; A no lo
está, porque la condición 3 no se satisface.
La matriz C no se encuentra en forma de escalón porque no cumple con la propiedad 2 que nos indica
que se requiere que el primer renglón sea no cero y este no es el caso.
Ejemplo 1.48 Analice las siguientes matrices e indique si se encuentran en forma de escalón, en forma
reducida de renglón escalón o en ninguno de los casos anteriores.
1 0 0 0  1 0 0 5 1 0 1
A   0 0 1 0  ; B   0
 1 0 
0  ; C   0 0 1 
 0 0 0 0   0 0 1 2   0 0 1 
1 1 0 0 4  1 5 0 4 0 
0 0 
D   0 0 1 0 2  ; E   

; F  0
 0 1 3 0 
 0 1 0 
0 0 1 3   0 0 0 0 1 
1 0 3 0  1 0 0 0 
G   0 1 0 0  ; H   0 0 1 0 
 0 0 1 0   0 0 0 4 
Las matrices A, B, D, F , G y H están en forma de escalón, porque se satisfacen las dos primeras
condiciones. De ellas, A, B, D y F están en forma de escalón reducida por cumplir las cuatro
propiedades.
Las matrices C y E no están en la forma de escalón, porque para C falla la condición 2 y para E falla
la condición 1.
Pero G y H no están en forma de escalón reducida, porque para G , la condición 4 no se cumple y H

no tiene la propiedad 3.
Procedimiento para la eliminación de Gauss:
Para convertir cualquier matriz a la forma de escalón reducida, deberá procederse con los pasos
siguientes:
1. Vaya a la columna no cero extrema izquierda.

2. Si el primer renglón tiene un cero en la columna del paso 1, intercámbielo con uno que tenga
un elemento no cero en la misma columna.
3. Obtenga ceros abajo del elemento delantero, sumando múltiplos adecuados del renglón
superior a los renglones debajo de él.
4. Dejar el renglón superior intacto y repetir el mismo proceso comenzando con el paso 1,
aplicado a la submatriz restante. Repita este proceso con el resto de los renglones. En este
punto la matriz ya está en forma de escalón.
5. Comenzando con el último renglón no cero, avance hacia arriba: para cada renglón obtenga
un 1 delantero e introduzca ceros arriba de él, sumando múltiplos adecuados a los renglones
correspondientes.
Los cuatro primeros pasos del algoritmo se llaman pasos directos de la eliminación de Gauss. Convierten
la matriz en forma de escalón. El paso 5 es el paso inverso (o sustitución hacia atrás) y es donde la matriz
se lleva a su forma de escalón reducida.
Con frecuencia, el algoritmo se describe introduciendo “1” delanteros en el paso 3, con lo que hay una
tendencia a introducir fracciones en una etapa temprana del cálculo, si los elementos son enteros. Esta
variante es la preferida por los programadores en aritmética de punto flotante (método de representación
semejante a la notación científica, en la que un número es tratado como una fracción comprendida entre
0.1 y 1.0 multiplicada por una potencia de 10). Además, en el paso 2 el renglón con el elemento no cero
de mayor valor absoluto (valor sin signo o valor positivo de un número) se cambia hasta arriba. A este
procedimiento se le llama pivoteo parcial o condensación pivotal (llamamos pivote al elemento
elegido distinto de cero, ver tema 1.5.2). A veces conviene obtener “1” delanteros al final de todo el
proceso.
1.8.2 Aplicación del método de eliminación de Gauss
En forma práctica u operativa, la aplicación del método de eliminación de Gauss puede resumirse en los
siguientes pasos:
1. Escribir la matriz a la que deseamos hallar su inversa ampliándola con la matriz identidad.
2. Efectuar operaciones elementales de renglón para reducir la matriz ampliada a la forma de renglón
escalonado.
1.8.3 Método de eliminación de Gauss-Jordan
Una variante de la eliminación de Gauss se presenta si, durante el paso directo, se producen 1 delanteros
y después ceros abajo y arriba de los anteriores. Así, cuando se termina el paso directo, la matriz se
encontrará en su forma reducida de renglón escalonado. A este método se le llama eliminación de
Gauss-Jordan.
Recordemos que una matriz se encuentra en forma reducida de renglón escalonado si satisface las
propiedades siguientes:
1. Cualquier renglón conformado completamente por ceros se encuentra en la parte inferior.

2. La entrada principal en cada renglón distinto de cero es un 1 (denominado 1 principal).
3. Cada columna que contiene un 1 principal tiene ceros en cualquier otro sitio.
Se observa que después que una matriz ha sido transformada a la forma escalonada (método de Gauss),
operaciones elementales de renglón adicionales la llevarán a la forma reducida de renglón escalonado
(esta forma es única).
En la eliminación de Gauss-Jordan procedemos como en la eliminación de Gauss pero transformamos la

matriz ampliada a la forma reducida de renglón escalonado.
1.8.4. Aplicación del método de condensación pivotal
El alumno podrá seleccionar el procedimiento de eliminación de Gauss o de Gauss-Jordan, utilizando la

notación mostrada en los ejemplos anteriores R j  R j  cRi para cada renglón elegido, en donde c  .
Sin embargo recordemos que el método de condensación pivotal también es aplicable para obtener una
matriz equivalente, el cual consiste en aplicar repetidamente y en la forma más apropiada posible la
propiedad de sumar múltiplos a los elementos de líneas paralelas, para reducir a cero todos los
elementos de una línea excepto uno. La constante c  se obtiene simplemente dividiendo el elemento
de la matriz que se pretende hacer cero entre el pivote elegido y se le cambia el signo obtenido.
1.9 Inversión de matrices cuadradas por el método de eliminación de Gauss-Jordan

Nuestro problema consiste en obtener a partir de la matriz original una nueva matriz reducida a la
forma escalonada por renglones, mediante la aplicación de las operaciones elementales. La aplicación
del método de eliminación de Gauss-Jordan es una forma sencilla para hallar la inversa de una matriz.
Obtengamos primero la matriz inversa de una matriz cuadrada A de orden 2 aplicando su definición:
A A1  A1 A  I 2
 a b   w x 
Sea A    para encontrar A1  
z 
, primero se resuelve la ecuación matricial
 c d   y
 a b  w x   aw  by ax  bz   1 0
AA1    
 c d   y z   cw  dy cx  dz   0 1 
Esta ecuación da lugar a los dos siguientes sistemas de ecuaciones lineales:
1) aw  by  1 2) ax  bz  0
y
cw  dy  0 cx  dz  1
Observemos que ambos sistemas de ecuaciones tienen la misma matriz de coeficientes. Resolvamos
dichos sistemas por alguno de los métodos que el alumno conoce, por ejemplo por sustitución:
De la segunda ecuación del sistema De la primera ecuación del sistema

de ecuaciones (1) de ecuaciones (2)
dy bz
w si c  0 x si a  0
c a
Sustituyendo en la primera ecuación: Sustituyendo en la segunda ecuación:
 dy   bz 
a    by  1 c     dz  1
 c   a 
ady bcz
  by  1   dz  1
c a
 ady  bcy  bcz  adz

1 1
c a
( ad  bc) y ( bc  ad ) z
1 1
c a
c a
y z
 ad  bc  bc  ad
Sustituyendo y en w : Sustituyendo z en x :
dy bz
w x
c a
 c  cd  a  ba
d  b 
 ad  bc     ad  bc  bc  ad   bc  ad
w  x  
c c a a
cd d ba b
    
c ( ad  bc )  ad  bc a (  bc  ad )  bc  ad
Entonces la matriz inversa A 1 está formada por los siguientes elementos:
  d   b    d   b  
          
 w x     ad  bc    bc  ad     ad  bc   ad  bc  
A1    
 y z         c    

 c a a
         
  ad  bc    bc  ad     ad  bc   ad  bc  
1  d b 

ad  bc  c a 
Comprobación
 a b  1  d b 
AA1    
 c d  ad  bc  c a 
1  a b   d b  1  ad  bc ab  ab 
AA1  
ad  bc  c d  
 c 
a  ad  bc  cd  cd bc  ad 
 ad  bc 0 
1  ad  bc 0   1 0 
  ad  bc ad  bc
ad  bc  0 bc  ad     0 1 
 0 ad  bc 
Es decir, hemos demostrado que AA1  I 2
El procedimiento para encontrar la inversa de una matriz cuadrada de orden 2 x 2 mediante el método de
eliminación de Gauss-Jordan, consiste en transformar la matriz original A en otra matriz de forma
reducida escalonada aplicando transformaciones elementales, de la siguiente manera:
1. Se escribe la matriz ampliada ( A | I ) , en este caso por ser de orden 2 x 2 tendremos:
 a b 1 0 
A
 c d 0 1 
2. Se utiliza la reducción por renglones para transformar la matriz A a su forma escalonada o reducida
por renglones.
R1  a1 R1  a b 1 0   1 ba 1
0 
( A |I )  
a

 c d 0 1  R2  R2  cR1  c d 0 1 
si a  0
1 b
a
1
a 0  R1  R1  ba R2  1 ba 1
a
0 
R2  a
 bc  ad R2  0  bc  ad
a  c
a

1 

0 1
c
 ad  bc
a
 bc  ad


si (ad  bc)  0
1 0 d
 ad  bc
b
 bc  ad 
 c a 
 0 1  bc  ad  bc  ad 
1 1 0 d
ad bc
b
ad bc 
 (I |A )   c a 
0 1 ad bc ad bc 
3. Se analiza si A es invertible.
3.1 Si la forma escalonada reducida por renglones de A es la matriz identidad I , entonces A 1 es la

matriz que se tiene a la derecha de la barra vertical.
3.2 Si la reducción de A conduce a un renglón de ceros a la izquierda de la barra vertical, entonces A no

es invertible.
Como observamos, la matriz reducida por renglones de la izquierda es la matriz identidad I , entonces
A 1 es la matriz que se tiene a la derecha de la barra vertical.
  d   b  
     
 ad  bc   ad  bc    d b 
A1  
1
  si det A  0
  c   a   ad  bc   c a 
     
  ad  bc   ad  bc  
Con el procedimiento anterior queda demostrado que al utilizar el método de eliminación de Gauss-
Jordan se obtiene la matriz inversa de una matriz A cuadrada de orden 2 .
El procedimiento en forma similar para encontrar la inversa de una matriz cuadrada de orden 3 x 3
mediante el método de eliminación de Gauss-Jordan es el siguiente:
1. Se escribe la matriz ampliada ( A | I ) , en el caso de ser de orden 3 x 3 tendremos:
 a11 a12 a13 1 0 0 

( A | I )   a21 a22 a23 0 1 0 

 a31 a32 a33 0 0 1 
2. Se utiliza la reducción por renglones para transformar la matriz A a su forma escalonada o reducida por
renglones.
3. Se analiza si A es invertible:
3.1 Si la forma escalonada reducida por renglones de A es la matriz identidad I , entonces A 1 es la

matriz que se tiene a la derecha de la barra vertical.
3.2 Si la reducción de A conduce a un renglón de ceros a la izquierda de la barra vertical, entonces A no

es invertible.
En general, para encontrar la inversa de una matriz cuadrada A de orden n , primero se forma la matriz
ampliada  A : I n  . Enseguida se reduce por renglones esta matriz mediante la eliminación de Gauss-
Jordan a la matriz  I n : B  . Entonces B  A1 .
Ejemplo 1.49 Dada la matriz A cuadrada de orden 3 , calcular su inversa por medio del método de
Gauss-Jordan a partir de la matriz ampliada.
 1 1 2 
A   3 1 0 
 2 1 4 
Solución:
 1 1 2 1 0 0 
Establezcamos la matriz ampliada ( A | I ) 
 3 1 0 0 1 0 

 2 1 4 0 0 1 
Llevemos a cabo la reducción por renglones:
R1   R1  1 1 2 1 0 0   1 1 2 1 0 0 
 3 1 0 0 1 0   R2  R2  3R1  0 2 6 3 1 0 

 2 1 4 0 0 1  R3  R3  2 R1  0 3 8 2 0 1 
1 1 2 1 0 0  R1  R1  R2  1 0 1 1
2
1
2 0 
 R2   2 R2  0
1
1 3  3
 1 
0   0 1 3  3
 1
0 
2 2  2 2
 0 3 8 2 0 1  R3  R3  3R2  0 0 1 5
2
3
2 1 
R1  R1  R3  1 0 0  42  22 1 
 R2  R2  3R3  0 1 0 12
2
8
2 3 
 0 0 1 5
2
3
2 1 
  42  22 1 
Como A se redujo a I , se tiene en la parte derecha de la nueva matriz A1 
 12 8
3 
 2 2
 52 3
2 1 
1
Factorizando 2 para simplificar los cálculos tenemos:
 4 2 2 
1 
1 
A   12 8 6 
2
 5 3 2 
Verifiquemos con la expresión A A1  I n
 1 1 2   4 2 2   (4  12  10) (2  8  6) (2  6  4) 
1 
1   12   1  ( 12  12 ) (  6  8 ) (  6  6 ) 
AA  3 1 0 8 6
2     2  
 2 1 4   5 3 2   (8  12  20) (4  8  12) (4  6  8) 
 2 0 0  1 0 0 
1 
1  0 1 
AA  0 2 0 0
2    
 0 0 2   0 0 1 
Si la reducción por renglones de A produce un renglón de ceros, entonces A no es invertible.
Ejemplo 1.51 Dada la siguiente matriz investigar por el método de Gauss-Jordan si es invertible.
 2 3 1 
A   5 4 3 
 4 6 2 
Solución:
Siguiendo el procedimiento descrito anteriormente se obtiene, sucesivamente:
 2 3 1 1 0 0  R1   12 R1  1  23 12  12 0 0 
( A | I )   5 4 3 0 1 0    5 4 3 0 1 0 

 4 6 2 0 0 1   4 6 2 0 0 1 
 1  32 1
2  12 0 0 
 R2  R2  5 R1  0  72 11
2  52 1 0 
R3  R3  4 R1  0 0 0 2 0 1 
Hasta este paso se puede llegar (debido a que se tiene un renglón formado por ceros) y la matriz A no
puede reducirse a la matriz identidad, por lo que se puede concluir que A no es invertible.
Analizando el determinante A asociado a la matriz A , observamos que los renglones (1) y (3) son
proporcionales, por lo tanto el determinante vale cero.

10) Libro de Álgebra Lineal Capítulo 1

Cargado por

Copyright:

Formatos disponibles

10) Libro de Álgebra Lineal Capítulo 1

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

10) Libro de Álgebra Lineal Capítulo 1

Cargado por

Copyright:

Formatos disponibles

CAPÍTULO

Llamamos matriz A , a un conjunto de elementos dispuestos en forma ordenada en m filas o renglones y

 a11 a12 a13  a1n 

Consideremos nuevamente la matriz A de orden m x n :

 a11 a12 a13 a1n 

1. Tenemos entonces con la notación de matriz renglón o vector renglón:

A1   a11 , a12 , a13 , , a1n 

Am   am1 , am 2 , am3 , , amn 

2. Y con la notación de matriz columna o vector columna:

 a11   a12   a1n 

1.1.1 Tipos de matrices

1.1.1.1 Matriz cuadrada

Sea la matriz A   ai j  ; donde i  1, 2,3, , m y j  1, 2,3, ,n

Si m  n , entonces A es una matriz cuadrada, y se dice que es de orden n x n o simplemente cuadrada

1.1.1.2 Matriz nula o cero

1.1.1.3 Matriz triangular superior

Sea A   ai j  una matriz cuadrada. Si ai j  0 , para i  j se llama matriz triangular superior.

1.1.1.4 Matriz triangular inferior

Sea A   ai j  una matriz cuadrada. Si ai j  0 , para i  j se llama matriz triangular inferior.

1.1.1.5 Matriz diagonal

puede indicarse como D  diag (2, 2, 1, 3) .

1.1.1.6 Matriz escalar

1.1.1.7 Matriz identidad, unidad, o unitaria

1.2 Operaciones con matrices

1.2.1 Igualdad de matrices

Ejemplo 1.9 Sean las matrices A, B, C, D y E , indicar cuáles son iguales:

1.2.2 Suma o adición

Ejemplo 1.10 Dadas las siguientes matrices A, B y C definidas por:

1.2.3 Grupo Abeliano

Si A, B, C , son tres matrices del mismo orden m x n entonces ( A  B)  C  A  ( B  C ) .

3. Existencia del elemento idéntico (u)

4. Existencia del elemento inverso ( v )

Si A y B son dos matrices del mismo orden m x n entonces A  B  B  A .

1.2.4 Resta o diferencia

Definimos a la resta, diferencia o sustracción de dos matrices A y B , como A  B  A  ( B ) , lo

Ejemplo 1.11 Para las matrices A, B y C del ejemplo 1.10, obtener A  B , B  A y A  C .

1.2.5 Multiplicación de un escalar por una matriz

Dada la matriz A   ai j  y un escalar o número real  , el producto de  y A , que representaremos

Es decir, cada elemento de la matriz  A se obtiene multiplicando por  al elemento respectivo de la

1. Cerradura bajo la multiplicación por un escalar.

Si A es una matriz de orden m x n y  es un escalar, entonces  A es una matriz de orden m x n

2. Distributividad de la multiplicación por un escalar con respecto a la suma de matrices.

Si  es un escalar y A, B son dos matrices de orden m x n , entonces:

3. Distributividad de la multiplicación por un escalar con respecto a la suma ordinaria.

Si  y  son dos escalares y A es una matriz de orden m x n , entonces:

Si  y  son dos escalares y A es una matriz de orden m x n , entonces:

5. Para cada matriz A de orden m x n , 1 A  A

1.2.6 Espacio vectorial de matrices

1. Forma un grupo abeliano con respecto a la operación de adición.

La existencia de un espacio vectorial de dimensión n sobre el campo de los números reales n , se

1.1 Cerradura bajo la suma

1.2 Asociatividad de la suma de vectores

1.3 Existencia del elemento idéntico para la suma (vector cero)

1.4 Existencia del elemento inverso aditivo

1.5 Conmutatividad de la suma de vectores

Para la multiplicación de un escalar por una matriz

2.1 Cerradura para la multiplicación por un escalar

2.2 Distributividad de la multiplicación por un escalar con respecto a la suma vectorial

2.3 Distributividad de la multiplicación por un escalar con respecto a la suma ordinaria