Álgebra Vectorial

y Matrices
UNIDAD 2
Matrices y
determinantes
Se prohíbe la reproducción total o parcial de esta obra, por cualquier medio,
electrónico o mecánico sin la autorización de la Dirección de Educación a Distancia
(UDB virtual).

Dirección de Educación a Distancia

Apartado Postal, 1874, San Salvador, El Salvador
Tel: 2251-8200 ext: 1743
 Sumario

5. Matrices........................................................................................... 1
5.1 Definición de matriz ...................................................................... 1
5.2 Tipos de matrices .......................................................................... 2
5.3 Igualdad de matrices ..................................................................... 7
5.4 Operaciones con matrices .............................................................. 8
6.1 Potencia de una matriz cuadrada ................................................. 13
6.2 Determinantes ............................................................................. 16
6.3 Propiedades de los determinantes ............................................... 20
7.1 Matriz inversa .............................................................................. 24
7.2 Matriz adjunta ............................................................................. 26
7.3 Operaciones elementales de fila .................................................. 28
7.4 Ecuaciones matriciales ................................................................ 30
8.1 Matriz escalonada ........................................................................ 34
8.2 Rango de una matriz.................................................................... 35
8.3 Sistemas de ecuaciones lineales-SEL ........................................... 41
8.4 Problemas de aplicación que conducen a un sistema de ecuaciones
lineales ........................................................................................... 42
 Clase 5 | Matrices 1
En esta unidad estudiaremos las matrices; desde su definición formal, pasando
por las operaciones con matrices y sus aplicaciones, principalmente en la
solución de sistemas de ecuaciones lineales.

5. Matrices

5.1 Definición de matriz

Un arreglo rectangular de números que consiste en “𝑚” filas y “𝑛” columnas

Figura 13. Representación general

de una matriz.

Fuente: Arenivar, (2019).

es llamado matriz 𝑚 × 𝑛 o matriz de orden 𝑚 × 𝑛. Para el elemento 𝑎%& , llamamos

a “𝑖”, el subíndice de la fila y a “j” el subíndice de la columna.
El número de elementos de una matriz de orden 𝑚 × 𝑛 es 𝑚𝑛. Brevemente una
matriz A de 𝑚 × 𝑛 puede ser denotada por 𝐴 = +𝑎%& ,-×. , 𝑖 = 1,2,3, … . , 𝑚;

j = 1,2,3, … . , n.
1 2 4
Ejemplo: la siguiente matriz es una matriz 2 × 3 : 8 ;, donde sus filas son
0 1 2
(1 2 4) 𝑦 (0 1 2) y sus columnas @1A , @2A 𝑦 @4A.
0 1 2

El elemento 𝑎BB = 1(elemento ubicado en la fila 2 y columna 2)

1
 5.2 Tipos de matrices
Hay algunas matrices que aparecen con frecuencia y que según su forma o sus
elementos reciben nombres diferentes.

Matriz fila: es la matriz que sólo tiene una fila, es decir 𝑚 = 1. Su orden es de
1 × 𝑛.

Ejemplo: 𝐴 = (2 3 − 1 0) es una matriz fila.

Matriz columna: es toda matriz con una sola columna. Orden 𝑚 × 1

2
Ejemplo: B = E0F es una matriz columna.
2

Matriz rectangular: es la matriz en la que el número de filas y el de columnas

no son iguales, es decir 𝑚 ≠ 𝑛.
0 1 2
Ejemplo: 𝐴=@ A es una matriz rectangular con dos filas y tres
−1 3 0
columnas.

Matriz nula o matriz cero: en este tipo de matriz todos los elementos son
ceros. Se representa por OI×J , o simplemente por 0.
0 0
0 0
Ejemplo Las siguientes matrices son nulas OB×B = @ A , OK×B = E0 0F
0 0
0 0

Matriz transpuesta: la transpuesta de una matriz A consiste en cambiar las

filas por las columnas y se denota por 𝐴L . En otras palabras, si A es una matriz
m ´ n, entonces 𝐴L es la matriz n ´ m. La trasposición de una matriz cumple las
siguientes propiedades: 1) (𝐴L )L = 𝐴, 2) (𝐴 + 𝐵)L = 𝐴L + 𝐵L , 3) (𝛼𝐴)L = 𝛼𝐴L ,
4) (𝐴𝐵)L = 𝐵L 𝐴L
−1 3 −1 4
Ejemplo La transpuesta de 𝐴 = @ A es 𝐴L = @ A
4 −5 3 −5

2
Matriz opuesta: la matriz opuesta de una matriz A es la que resulta de sustituir
cada elemento por su opuesto o negativo. La opuesta de A es -A.
4 −2 −4 2
Ejemplo La matriz opuesta de A = @ A es −A = @ A
−1 −4 1 4

Matriz cuadrada: si el número de filas es igual que el de columnas. Si el número

de filas es n se dice que es de orden n. En una matriz cuadrada la diagonal
principal es la formada por los 𝑎%& tales que 𝑖 = 𝑗.
Ejemplo: la figura 14 muestra una matriz cuadrada de orden 3 y su diagonal
principal está formada por los elementos 2, 3 y 8.

Figura 14. Ejemplo de matriz

cuadrada.

Fuente: Arenivar, (2019).

Matriz simétrica: Es la matriz cuadrada que coincide

con su traspuesta. (A = AS ) → aVW = aWV

Ejemplo: La matriz de la figura 15 es simétrica ya que se cumple 𝐴L = 𝐴

Figura 15. Ejemplo de matriz

simétrica.

Fuente: Arenivar, (2019).

3
Matriz antisimétrica: es la matriz cuadrada que coincide con la opuesta de su
traspuesta 𝐴 = −𝐴L → 𝑎%& = −𝑎&% .

0 −1 2
Ejemplo: La matriz A = E 1 0 4F es antisimétrica pues se cumple que
−2 −4 0
0 1 −2
AS = E−1 0 −4F = −A
2 4 0
La diagonal principal se conserva (todos ceros) y los otros números son
cambiados de signo al opuesto. Nótese que la matriz traspuesta de la matriz
antisimétrica A es -A, y que la antisimetría es respecto a la diagonal principal.

Descomposición en matriz simétrica y antisimétrica

Sea A una matriz cuadrada. La matriz A se puede descomponer en suma de
parte simétrica y antisimétrica de la siguiente forma:
1 1
A = (A + AS ) + (A − AS )
2 2

Ejemplo:

3 1 0 1 3 1 0 3 −1 1 1 3 1 0 3 −1 1
E−1 3 2F = XE−1 3 2F + E1 3 2FY + XE−1 3 2F − E1 3 2FY
2 2
1 2 3 1 2 3 0 2 3 1 2 3 0 2 3

3 1 0 1 6 0 1 1 0 2 −1
𝐴 = E−1 3 2 F = E0 6 4 F + E−2 0 0F
2 2
1 2 3 1 4 6 1 0 0
3 0 0.5 0 1 −0.5 3 1 0
𝐴=E 0 3 2 F + E−1 0 0 F = E−1 3 2F = 𝐴
0.5 2 3 0.5 0 0 1 2 3

Matriz diagonal: es una matriz cuadrada que son igual a 0 todos sus elementos
situados fuera de la diagonal principal. Es decir 𝑎%& = 0 si 𝑖 ≠ 𝑗
2 0 0
Ejemplo: E0 −1 0F
0 0 3
Matriz escalar: es la matriz diagonal en la que todos sus términos no nulos
toman el mismo valor.

4
 5 0 0
Ejemplo: E0 5 0F
0 0 5

Matriz unidad o matriz identidad: es la matriz escalar en la que todos sus

términos no nulos toman el valor de 1.
1 0 0
1 0
Ejemplo: las siguientes matrices son unitarias IB = @ A 𝑒 𝐼K = E0 1 0F
0 1
0 0 1
Matriz triangular superior: una matriz es triangular superior si los elementos
que se encuentran por debajo de la diagonal principal son ceros.
Ejemplo: la matriz de la figura 16.

Figura 16. Ejemplo de matriz

triangular superior.

Fuente: Arenivar, (2019).

Matriz triangular inferior: una matriz es triangular inferior si los elementos

que se encuentran por encima de la diagonal principal son nulos.
Ejemplo: la matriz de la figura 17

Figura 17. Ejemplo de matriz

triangular inferior.

Fuente: Arenivar, (2019).

5
Matriz triangular: es una matriz cuadrada que es a la vez triangular inferior y
triangular superior.
2 0 0
Ejemplo: E0 10 0F es una matriz triangular (matriz diagonal).
0 0 3
Observaciones:
1) Toda matriz diagonal es triangular, tanto superior como inferior, pues los
elementos por encima y por debajo de la diagonal son nulos.
2) Toda matriz escalar es diagonal.
3) La matriz identidad es una matriz escalar

En el siguiente documento muestra a modo de resumen

los distintos tipos de matrices que hay. Para ver el
documento haga clic (Universidad Veracruzana, 10
de agosto de 2014)

Matriz de coeficientes de un sistema de ecuaciones lineales

Ejemplo Dado el sistema de ecuaciones (𝛼)

3𝑥 + 2𝑦 = 1

2𝑥 + 𝑦 = 5

3 2
La matriz de los coeficientes del sistema es @ A
2 1

Matriz aumentada: es la matriz de coeficientes del sistema incluidos los

términos independientes.

3 2 1
Ejemplo Para el sistema anterior (𝛼) la matriz aumentada es 8 ;
2 1 5

Matriz inversa: una matriz cuadrada A tiene inversa si existe una matriz X
(cuadrada y del mismo orden que A) tal que

𝐴𝑋 = 𝐼 = 𝑋𝐴 = 𝐼, siendo I la matriz identidad.

6
 ` `
2 1 −
Ejemplo La matriz inversa de 𝐴 = @ A es 𝑋 = X B a
` Y
0 3 0
K

Más adelante verificaremos que 𝐴𝑋 = 𝐼 = 𝑋𝐴 = 𝐼

Submatriz: dada una matriz A, una submatriz de A es cualquier matriz obtenida

de A suprimiendo filas y/o columnas de A.

−2 1 4 1 4
Ejemplo: Dada la matriz .𝐴 = 8 ;, uma submatriz de A es 8 ;
0 3 1 3 1

é6 7 8ù
La matriz B=ê es una submatriz rectangular de A obtenida
ë0 1 2 úû
suprimiendo

Matriz regular: es una matriz cuadrada que tiene inversa.

Matriz singular: es una matriz cuadrada que no tiene inversa.

Matriz idempotente: una matriz A es idempotente si 𝐴B = 𝐴.

Matriz involutiva: una matriz A es involutiva si 𝐴B = 𝐼 ( 𝐼 matriz unitaria)

Matriz ortogonal: una matriz A es ortogonal si verifica que AAS = I

Matriz normal: una matriz A es normal si conmuta con su transpuesta, esto es,
si 𝐴𝐴L = 𝐴L 𝐴. Verificaremos más adelante que si la matriz A es simétrica,
antisimétrica u ortogonal, es necesariamente normal.

Matriz nilpotente: es una matriz que verifica que 𝐴. = 0.

5.3 Igualdad de matrices

Dos matrices son iguales cuando tienen la misma dimensión y los elementos que
ocupan el mismo lugar en ambas son iguales.

Ejemplo: las matrices A y B son iguales.

1 5 B B hJi
A=@ A y B = bsen θ + cos θ e B l
0 −1 ln1 i

7
Es decir: las matrices 𝐴 = +𝑎%& ,-×. 𝑦 𝐵 = +𝑏%& ,-×. son iguales si y solo si, tienen el

mismo orden y 𝑎%& = 𝑏%& , para cada i y cada j. Donde “i” es el número de renglón
o fila y “j” el número de la columna de la matriz. Es decir:

Ejemplo: las matrices C y D son iguales, sólo si 𝑥 = 0 y 𝑦 = 1.

3 −5 3 −5
a) 𝐶 = E4 𝑥F y 𝐷 = E4 0 F
𝑦 −2 1 −2

1 2 2 −3
b) Las siguientes matrices no son iguales: 𝐴 = @ A y 𝐵=@ A
−3 4 1 4

5.4 Operaciones con matrices

Suma de matrices

Definición: la suma de dos matrices de igual dimensión

A y B es otra matriz que se l calcula sumando los
elementos que ocupan la misma posición.

Si las matrices tienen diferente tamaño no se pueden sumar.

Ejemplo: Halle la siguiente suma

2 −3 −6 2 2 + (−6) −3 + 2 −4 −1
E4 5 F + E−9 −5F = E4 + (−9) 5 + (−5)F = E−5 0 F
1 0 4 10 1+4 0 + 10 5 10
Nota: La “resta” de dos matrices es la suma de la matriz “minuendo” con la
opuesta de la matriz “sustraendo”, es decir, A -B = A + (-B). En la práctica se
restan los elementos directamente.
7 −9 0 5
Ejemplo Sean B = E 5 8 F y C = E−3 2F ambas de orden 3 × 2,
−3 −1 −1 4

8
 7 −9 0 −5 7 −14
entonces B − C = B + (−C) =E 5 8 F + E3 −2F = E 8 6 F
−3 −1 1 −4 −2 −5

Propiedades de la suma de matrices

1) Conmutativa: A + B = B + A. 2) Asociativa: 𝐴 + (𝐵 + 𝐶) = (𝐴 + 𝐵) + 𝐶

3) Elemento neutro: A + 0 = 0 + A, con 0 la matriz nula de igual dimensión que la

matriz A.

4) Elemento opuesto: 𝐴 + (−𝐴) = −𝐴 + 𝐴 = 0, con −𝐴 como la matriz opuesta de

𝐴.

Multiplicación de una matriz por un escalar

El producto de una matriz A por un escalar 𝛼 se define como 𝛼𝐴, esto es, se
multiplica cada uno de los elementos de la matriz por el escalar.

é7 10 -6 4 2ù
Ejemplo: si ê ú y a = -3 , entonces
ë- 1 - 9 0 8 - 5 û 2 x5

é- 3(7 ) - 3(10 ) - 3(- 6) - 3(4) - 3(2) ù é- 21 - 30 18 - 12 -6 ù

aA = ê =
ë- 3(- 1) - 3(- 9) - 3(0) - 3(8) - 3(- 5)úû êë 3 27 0 - 24 15 úû 2X5

El producto de un escalar por una matriz cumple las siguientes propiedades:

Sean 𝛼 y 𝛽 dos escalares y sean 𝐴 y 𝐵 dos matrices de orden 𝑚 × 𝑛.

P1) Distributiva respecto a la suma de matrices 𝛼(𝐴 + 𝐵) = 𝛼𝐴 + 𝛼𝐵
P2) Distributiva respecto a la suma de escalares (𝛼 + 𝛽)𝐴 = 𝛼𝐴 + 𝛽𝐴
P3) Asociativa (𝛼𝛽)𝐴 = 𝛼(𝛽𝐴) = (𝛼𝐴)𝐵
P4) Elemento neutro 1𝐴 = 𝐴
P5) Propiedad multiplicativa del cero 0A = 0-×.

9
Multiplicación de matrices
Dos matrices se pueden multiplicar cuando se cumple la siguiente condición:
“Para multiplicar dos matrices A y B en este orden AB, es condición indispensable
que el número de columnas de la matriz A sea igual al número de filas de la
matriz B”
Si esta condición no se satisface, el producto AB no se puede realizar (ver figura
18).
Una vez comprobado que el producto es factible, si la matriz A es de orden 𝐦 × 𝐧
necesariamente el orden de la matriz B debe ser 𝑛 × 𝑝; entonces el producto AB
da como resultado una nueva matriz C de orden 𝑚 × 𝑝.

Figura 18. Esquema para determinar

si se pueden o no multiplicar dos
matrices.

Fuente: Arenivar, (2019).

Es decir, si tenemos una matriz 2 × 3 y la multiplicamos por otra de orden 3 ×

5, la matriz resultante será de orden 2 × 5.
(2 × 3) × (3 × 5) = (2 × 5)

1 2 3 9
Ejemplo: Multiplique x4 5 6y x0y
7 8 9 K×K −1 K×`

Solución: disponemos las dos matrices en la forma siguiente

1 2 3 𝑎
x4 5 6y z𝑏 |
7 8 9 K×K 𝑐 K×`

10
 9
x0y
−1 K×`

Obtengamos el primer elemento “a”

1 2 3
x y : 1(9) + 2(0) + 3(−1) = 6 = a

9
x0y
−1

Elemento “b”

x4 5 6y : 4(9) + 5(0) + 6(−1) = 30 = b

9
x0y
−1

Elemento “c”

x y : 7(9) + 8(0) + 0(−1) = 63 = c

7 8 0
9
x0y
−1

1 2 3 9 6
Entonces: x4 5 6y x 0 y = x30y
7 8 9 −1 63

Ejemplo:

1 2 3 1(1) + 2(−1) + 3(3) 1(0) + 2(2) + 3(−4) 8 −8

8 ; =~ •=8 ;
4 5 6 B×K 4(1) + 5(−1) + 6(3) 4(0) + 5(2) + 6(−4) 17 −14 B×B

1 0
x−1 2 y
3 −4 K×B

El producto de dos matrices cuadradas del mismo orden siempre se puede

efectuar en los dos sentidos AB = BA.

11
 El siguiente video muestra ejemplos sobre operaciones
con matrices: operaciones combinadas y
multiplicaciones. Para ver el video haga clic (susi
profe, 20 de marzo de 2019)

Propiedades de la multiplicación de matrices

P1) Asociatividad: Si A, B y C son matrices tales que los productos siguientes

existen, entonces (𝐴𝐵)𝐶 = 𝐴(𝐵𝐶)

P2) No conmutatividad: el producto de matrices no es necesariamente

conmutativo. AB ≠ BA

P3) Distributivita: el producto de matrices es distributivo respecto a la suma de

matrices, es decir A. (B + C) = AB + AC , (A + B)C = AC + BC

P4) Si 𝐴 es una matriz cuadrada de orden n y si 𝐼. es la matriz identidad

multiplicativa, entonces AIJ = A y IJ A = A

P5) α(AB) = A(αB) = (αA)B

P6) El producto de una matriz 𝐴-×. por la matriz nula 0.ׂ es una matriz nula
𝑂-ׂ

12
 Clase 6 | Matrices 2
6.1 Potencia de una matriz cuadrada

Si A es una matriz cuadrada y “n” es un entero positivo, entonces la e-ésima

potencia de A que se escribe 𝐴. , y es el producto de n factores de 𝐴: 𝐴. 𝐴 … 𝐴 =
𝐴. (n factores)

Dada una matriz cuadrada 𝐴, nos piden encontrar 𝐴. . Comenzamos hallando

𝐴B , 𝐴K , 𝐴… , …

¿Cuántas potencias debemos encontrar?

Tantas que nos permitan obtener: a) la matriz identidad, o b) la matriz nula, c)

o que no nos de la matriz I ni la matriz 0; pero que encontremos algún patrón
para 𝐴. (algo que se repita y que nos permita encontrar una fórmula para 𝐴. ).
Caso a)

1 0 0
Ejemplo: Dada la matriz A = x0 0 1y, encuentre 𝐴``i 𝑦 𝐴BB… .
0 1 0

Solución:

Comience hallando AB , AK , A… , …

1 0 0 1 0 0 1 0 0
AB = A. A = x0 0 1y x0 0 1y = x0 1 0y = I
0 1 0 0 1 0 0 0 1

𝐴K = 𝐴B . 𝐴 = 𝐼. 𝐴 = 𝐴 𝐴… = 𝐴K . 𝐴 = 𝐴. 𝐴 = 𝐴B = 𝐼
𝐴i = 𝐴… . 𝐴 = 𝐼. 𝐴 = 𝐴 𝐴a = 𝐴i . 𝐴 = 𝐴. 𝐴 = 𝐴B = 𝐼

Observamos que si la potencia es par se obtiene 𝐼, y si la potencia es impar,

obtenemos 𝐴.
1 0 0 1 0 0
Entonces A``i = x0 0 1y = A y ABB… = x0 1 0y = I
0 1 0 0 0 1

13
Caso b)

Ejemplo:

0 𝑎 0
Calcule 𝑨𝒏 para todo valor entero positivo 𝑛, y donde 𝐴 = x0 0 𝑎y
0 0 0

Solución:

0 𝑎 0 0 𝑎 0 0 0 𝑎B
B
𝐴 = 𝐴. 𝐴 = x0 0 𝑎y x0 0 𝑎 y = x0 0 0 y
0 0 0 0 0 0 0 0 0

0 0 𝑎B 0 𝑎 0 0 0 0
K B
𝐴 = 𝐴 . 𝐴 = x0 0 0 y x0 0 𝑎y = x0 0 0y = 0
0 0 0 0 0 0 0 0 0

0 0 0
… K
𝐴 = 𝐴 . 𝐴 = x0 0 0y . 𝐴 = 0
0 0 0

Lo anterior nos permite escribir los siguientes resultados:

𝐴 𝑠𝑖 𝑛 = 1
𝐴. = ˆ 𝐴B 𝑠𝑖 𝑛 = 2
0 𝑠𝑖 𝑛 ≥ 3
Veamos un caso particular cuando 𝑎 = 2.

0 2 0
a) Si 𝑛 = 1, entonces 𝐴 = ‹0 0 2Œ
0 0 0
0 2 0 0 2 0 0 0 4 0 0 2B
B
b) Si 𝑛 = 2, entonces 𝐴 = 𝐴. 𝐴 = x0 0 2y x0 0 2y = x0 0 0y = x0 0 0 y
0 0 0 0 0 0 0 0 0 0 0 0
0 0 0
c) Si 𝑛 = 3, entonces 𝐴K = E0 0 0F
0 0 0

Comprobación:
0 0 4 0 2 0 0 0 0
𝐴K = 𝐴B . 𝐴 = x0 0 0y x0 0 2y = x0 0 0y
0 0 0 0 0 0 0 0 0

14
Caso c)

Ejemplo:

1 0 𝟏
Calcule 𝐴`•• con 𝐴 = x0 1 0y
0 0 1

Solución:
1 0 1 1 0 1 1 0 𝟐
𝐴B = 𝐴. 𝐴 = x0 1 0y x0 1 0y = x0 1 0y
0 0 1 0 0 1 0 0 1

1 0 2 1 0 1 1 0 𝟑
𝐴K = 𝐴B . 𝐴 = x0 1 0y x0 1 0y = x0 1 0y
0 0 1 0 0 1 0 0 1

Observe que en las matrices A, AB y AK los números en negrilla que ocupan la

posición a`K , siguen el patrón 𝑛 = 1,2,3, …
Entonces a partir del resultado anterior suponemos que

1 0 n 1 0 100
AJ = x0 1 0y. Así que 𝐴`•• = x0 1 0 y
0 0 1 0 0 1

1 0
Ejemplo: Sea la matriz 𝐴 = 8 ;. Calcule a) 𝐴. , b) 𝐴KB• − 𝐴BB•
3 1
Solución:
1 0 1 0 1 0 1 0 1 0 1 0
𝐴B = 8 ;8 ;=8 ;, 𝐴K = 𝐴B . 𝐴 = 8 ;8 ;=8 ;
3 1 3 1 6 1 6 1 3 1 9 1
1 0 1 0 1 0
𝐴… = 𝐴K . 𝐴 = 8 ;8 ;=8 ;
9 1 3 1 12 1
A partir de los resultados se supone que

1 0
a) 𝐴. = 8 ;
3𝑛 1
1 0 1 0 1 0 1 0 0 0
b) 𝐴KB• − 𝐴BB• = ~ •−~ •=8 ;−8 ;=8 ;
3(320) 1 3(220) 1 960 1 660 1 300 0

15
 6.2 Determinantes
Un determinante es un número asociado a una matriz cuadrada. Usualmente
representamos el determinante de una matriz cuadrada 𝐴 por 𝑑𝑒𝑡(𝐴) o por |𝐴|.

Definición: definiremos 𝑑𝑒𝑡(𝐴) para una matriz cuadrada 𝐴 de orden 1: 𝐴 = [𝑎`` ]

como |𝐴| = 𝑎`` , de aquí que si 𝐴 = [4], entonces |𝐴| = 4.

𝑎 𝑏
Definición: si 𝐴 = 8 ; es una matriz cuadrada de orden 2, entonces |𝐴| = 𝑎𝑑 −
𝑐 𝑑
𝑏𝑐
Esto es, el determinante de una matriz de 2 × 2 se obtiene haciendo el producto
de los elementos de la diagonal principal y restándole el producto de los
elementos de la otra diagonal.
𝑎 𝑏
Ejemplo: – – = 𝑎𝑑 − 𝑏𝑐
𝑐 𝑑
Evalúe los siguientes determinantes de orden 2.

3 1
𝑎) – – = (3)(−5) − (1)(2) = −15 − 2 = −17
2 −5
𝑎`` 𝑎`B 𝑎`K
Definición: si 𝐴 = x𝑎B` 𝑎BB 𝑎BK y es una matriz cuadrada de orden 3, entonces
𝑎K` 𝑎KB 𝑎KK
solo para matrices de este orden podemos aplicar la regle de Sarrus como
sigue:

(1) Copiamos la primera y la segunda columnas a la derecha como se muestra

en la figura 19 a continuación:

Figura 19. Esquema para aplicar la

regla de Sarrus.

Fuente: Arenivar, (2019).

16
(2) Calculamos los productos indicados por las diagonales trazadas.
(3)Tome la suma de los tres productos de los elementos sobre las diagonales
(flechas apuntando hacia abajo) (𝑎`` 𝑎BB 𝑎KK + 𝑎`B 𝑎BK 𝑎K` + 𝑎`K 𝑎B` 𝑎KB ) y reste de esta
suma, la suma de los tres productos de los elementos sobre las otras líneas
diagonales (flechas apuntando hacia arriba) (𝑎K` 𝑎BB 𝑎`K + 𝑎KB 𝑎BK 𝑎`` + 𝑎KK 𝑎B` 𝑎`B ).
El resultado es: (𝑎`` 𝑎BB 𝑎KK + 𝑎`B 𝑎BK 𝑎K` + 𝑎`K 𝑎B` 𝑎KB ) − (𝑎K` 𝑎BB 𝑎`K + 𝑎KB 𝑎BK 𝑎`` +
𝑎KK 𝑎B` 𝑎`B ).
Ejemplo:

Verifique la regla de Sarrus para el determinante de la matriz

2 −1 3
𝐴 = x3 0 −5y
2 1 1

Solución:

2 −1 3 2 −1
(1) : —3 0 −5— 3 0 ;
2 1 1 2 1

:𝑑𝑒𝑡(𝐴) = [(2)(0)(1) + (−1)(−5)(2) + (3)(3)(1)] − [(2)(0)(3) + (1)(−5)(2) +

(1)(3)(−1)] = (0 + 10 + 9) − (0 − 10 − 3) = 19 − (−13) = 19 + 13 = 32
|𝐴| = 32

Determinantes de orden 𝒏 > 𝟐 utilizando cofactores

Para ayudar a encontrar determinantes de matrices cuadradas de orden 𝑛 > 2 es
necesario introducir ciertos conceptos.
Con un elemento dado 𝑎%& de la matriz 𝐴, asociamos la submatriz cuadrada de
orden 𝑛 − 1 que se obtiene al eliminar los elementos que están en la fila 𝑖 y
a`` a`B a`K
columna 𝑗 . Por ejemplo, para la matriz xaB` aBB aBK y
aK` aKB aKK
Para el elemento 𝑎B` eliminamos los elementos de la fila 2 y de la columna 1

17
éa a 12 a 13 ù
ê 11 ú 𝑎`B 𝑎`K
êa a 22 a 23 ú , obteniendo la submatriz de orden 2 8𝑎KB 𝑎KK ;
ê 21 ú
êëa31 a 32 a 33 úû
a`B a`K
El determinante de esta submatriz –a aKK – es llamado el menor del elemento
KB

𝑎B` que simbolizamos con 𝑀B` .

𝑎`` 𝑎`B
De forma parecida el menor del elemento 𝑎KK es: 𝑀KK = –𝑎 𝑎BB –
B`

Con cada elemento𝑎%& asociamos, también, un número determinado por los

subíndices 𝑖 y 𝑗 : (−1)%š& , donde 𝑖 + 𝑗 es la suma del número de la fila 𝑖 y del
número de la columna 𝑗 en la que se encuentra el elemento. Por ejemplo, con el
elemento 𝑎B` asociamos (−1)Bš` = (−1)K = −1, con 𝑎KK asociamos (−1)KšK =
(−1)a = 1.
Si multiplicamos el menor 𝑀%& por el número (−1)%š& , obtenemos el cofactor 𝐶%& .

Así que 𝐶%& = (−1)%š& 𝑀%&

Por ejemplo, el cofactor del elemento 𝑎B` es:

𝑎`B 𝑎`K
𝐶B` = (−1)Bš` 𝑀B` = (−1)Bš` –𝑎 –
KB 𝑎KK

c$
ofactor
! #!" menor
#"!

La única diferencia entre un cofactor y menor es (−1)%š& . Habrá tantos cofactores

como elementos tenga la matriz.
Ejemplo:

1 3 −2
En la matriz x4 0 6 y halle el menor del elemento 𝑎KB = 5, entrada ubicada en
4 5 7

la fila 3 y columna 2.

Solución:

Elimine entonces la tercera fila y la segunda columna.

Al suprimir 𝑓K y 𝑐B se tiene

18
 1 −2
1 −2
x4 6 y. Luego el menor del elemento 5 es – – = 6 + 8 = 14 = 𝑀KB
4 6

Como ejercicio encuentre los otros siete menores.

1 −2 2
Ejemplo: 𝐴 = x4 2 0 y, encuentre los menores 𝑀`` , 𝑀KB , y los cofactores
2 7 −5

𝐶`` , 𝐶KB

Solución:

Al suprimir las filas y columnas de la matriz 𝐴 apropiadamente obtenemos:

2 0 1 2
𝑀`` = – – = −10 , 𝑀KB = – = −8–
7 −5 4 0

Para obtener los cofactores, a los menores correspondientes encontrados les

anteponemos los signos apropiados. Así tenemos
𝐶`` = (1)(−10) = −10 , 𝐶KB = (−1)(−8) = 8

Definición del 𝒅𝒆𝒕(𝑨𝟑 ) por cofactores

El determinante |𝐴|de una matriz cuadrada de orden 3 tomando la fila 1 se define
así:

𝑎`` 𝑎`B 𝑎`K

|𝐴| = —𝑎B` 𝑎BB 𝑎BK — = 𝑎`` 𝐶`` + 𝑎`B 𝐶`B + 𝑎`K 𝐶`K … … (1)
𝑎K` 𝑎KB 𝑎KK

Como 𝐶`` = +𝑀`` = 𝑀`` , 𝐶`B = −𝑀`B , 𝐶`K = +𝑀`K = 𝑀`K , la expresión (1) se puede
escribir como:
𝑎`` 𝑎`B 𝑎`K
𝑎
|𝐴| = — B` 𝑎BB 𝑎BK — = 𝑎`` 𝐶`` − 𝑎`B 𝐶`B + 𝑎`K 𝐶`K
𝑎K` 𝑎KB 𝑎KK
𝑎 𝑎BK 𝑎B` 𝑎BK 𝑎B` 𝑎BB
|𝐴| = +𝑎`` –𝑎BB 𝑎KK – − 𝑎`B –𝑎K` 𝑎KK – + 𝑎`K –𝑎K` 𝑎KB –
KB

El proceso anterior se conoce como expandir 𝑑𝑒𝑡(𝐴) por la primera fila. Se puede
verificar que 𝑑𝑒𝑡(𝐴) es posible encontrarlo de manera parecida usando cualquier
fila o columna.
A manera de ilustración, la expansión por la segunda columna es:

19
 𝑎 𝑎BK 𝑎`` 𝑎`K 𝑎`` 𝑎`K
|𝐴| = 𝑎`B @− –𝑎B` 𝑎KK –A + 𝑎BB @+ –𝑎K` 𝑎KK –A + 𝑎KB @− –𝑎B` 𝑎BK –A
K`

Ejemplo:

2 −1 3
Encuentre el determinante de 𝐴, por cofactores. Donde 𝐴 = x3 0 −5y
2 1 1

Solución:

Como la fila 2 contiene un cero, se recomienda expandir el 𝑑𝑒𝑡(𝐴) por esa

fila, ya que de esa manera sólo evaluaremos dos cofactores.
2 −1 3
|𝐴| = —3 0 −5— = 3𝐶B` + 0𝐶BB + (−5)𝐶BK
2 1 1
−1 3 2 −1
= 3 @− – –A + 0 + (−5) @− – –A
1 1 2 1
= 3[−(−1 − 3)] − 5[−(2 + 2)]
= 3(4) − 5(−4) = 12 + 20 = 32

El siguiente video muestra un ejemplo sobre como

calcular el determinante de una matriz de orden 4
usando cofactores. Para ver el video haga clic
(unicoos, 18 de diciembre de 2011)

6.3 Propiedades de los determinantes

Los determinantes cumplen las varias propiedades, entre ellas están las que se
muestran en la tabla 1, que son de gran utilidad al simplificar su evaluación.
Partimos del hecho que 𝐴 es una matriz cuadrada.

20
 Tabla 1. Propiedades de los determinantes.

Ilustración para
Propiedad Enunciado
matrices A y B

Si una matriz 𝐴 tiene una fila o una 0 5

1 – –=0
columna de ceros, el 𝑑𝑒𝑡(𝐴) = 0. 0 9

El determinante de una matriz 𝐴 es

5 1
igual al determinante de la transpuesta – –=2
3 1
2
de 𝐴. 5 3
– –=2
1 1
Esto es, 𝑑𝑒𝑡(𝐴) = 𝑑𝑒𝑡(𝐴L )

Si la matriz 𝐴 tiene dos filas o dos 𝟏 𝟐 𝟓

3 —3 0 4— = 0
columnas iguales, entonces 𝑑𝑒𝑡(𝐴) = 0. 𝟏 𝟐 𝟓
Cuando dos filas o dos columnas de
una matriz 𝐴 son proporcionales entre
𝟏 𝟐 𝟑
4 si (es decir una línea se puede obtener —𝟐 𝟒 𝟔— = 0
multiplicando la otra por un número), 1 1 1

entonces el det (𝐴) = 0.

Si 𝐴 es una matriz triangular (inferior

o superior), entonces el determinante
𝟑 0 0
de 𝐴 se calcula multiplicando los
—0 𝟐 0 — = −24
5 elementos que forman la diagonal 0 0 −𝟒
principal. 𝟏 0
– –=1
0 𝟏
El determinante de la matriz identidad
𝐼. es igual a 1.

Si se intercambian dos filas o dos 5 2

– – = 14
3 4
6 columnas de una matriz 𝐴, entonces el
3 4
– – = −14
determinante cambia de signo. 5 2
Fuente: Arenivar, (2019).

21
Propiedad 7

Cuando una sola fila o una sola columna de una matriz 𝐴 se multiplica por un
escalar 𝛼, el determinante de la nueva matriz 𝐵 que resulta (det (𝐵)), es 𝛼 veces
el determinante de 𝐴.
Ejemplo:
0 3 −2
Sea 𝐴 = x4 −1 3 y cuyo determinante es det(𝐴) = −100
0 2 7

Si multiplicamos la tercera fila de 𝐴 por el escalar 𝛼 = 3 tenemos la matriz 𝐵

siguiente:
0 3 −2
𝐵 = x4 −1 3 y
0 6 21
cuyo determinante desarrollado por cofactores por la columna 1 es:
3 −2
𝑑𝑒𝑡(𝐵) = (−4) – – = −4[63 + 12] = −4(75) = −300 = 3𝑑𝑒𝑡(𝐴)
6 21

Propiedad 8
Si 𝐴 y 𝐵 son matrices de orden 𝑛 × 𝑛, el determinante del producto 𝐴𝐵 es igual
al producto de los determinantes de 𝐴 y de 𝐵.
Esto es, 𝑑𝑒𝑡(𝐴𝐵) = 𝑑𝑒𝑡(𝐴). 𝑑𝑒𝑡(𝐵)
4 5 7 10
Ejemplo: Sean 𝐴 = 8 ; y 8 ;. Con det(𝐴) = (4)(6) − (5)(1) = 19
1 6 4 0
Y det(𝐵) = (7)(0) − (10)(4) = −40

4 5 7 10 48 40
El producto 𝐴𝐵 = 8 ;8 ;=8 ; , y su determinante es
1 6 4 0 31 10

48 40
𝑑𝑒𝑡 @𝐴𝐵 – –A = (48)(10) − (40)(31) = 480 − 1,240 = −760
31 10

Entonces, 𝑑𝑒𝑡(𝐴𝐵) = −760 = 𝑑𝑒𝑡(𝐴) . 𝑑𝑒𝑡(𝐵) = (19)(−40)

Propiedad 9
Si una fila de la matriz 𝐴 se multiplica por un escalar 𝛼 y se suma a otra fila de
𝐴, entonces el determinante de la nueva matriz 𝐵 que resulta es igual al
determinante de 𝐴. Lo mismo se cumple para las columnas de A.
𝑑𝑒𝑡(𝐴) = 𝑑𝑒𝑡 (𝐵)

22
Es decir, que si a una fila o columna se suma la combinación lineal de otras filas
o columnas paralelas, su determinante no cambia.
0 3 −2
Ejemplo: sea 𝐴 = x4 −1 3 y cuyo determinante ya fue calculado antes
0 2 7
[𝑑𝑒𝑡(𝐴) = −100]. Si multiplicamos la fila 2 por 𝛼 = 2 y la sumamos a la fila 3,
obtenemos una nueva fila 3. (2𝑓B + 𝑓K → 𝑓K∗ ). Resultando la matriz 𝐵:
0 3 −2 0 3 −2
𝐵=x 4 −1 3 y = x4 −1 3 y
2(4) + 0 2(−1) + 2 2(3) + 7 𝟖 𝟎 𝟏𝟑
Si calculas el determinante de esta matriz B, por los métodos antes enseñados,
obtienes |𝐵| = −100

Propiedad 10
Si una fila o columna de una matriz 𝐴 puede expresarse como combinación lineal
de otras filas o columnas, entonces 𝑑𝑒𝑡(𝐴) = 0.
Ejemplo:
𝟔 −𝟔 −𝟓
a) —2 0 1 —=0
4 −3 −2

f = -1 f + 2 f = (𝟔 −𝟔 −𝟓) = −(2 0 1) + 2(4 −3 −2)

1 $!! 2#!!" 3
combinación lineal
= (−2 0 −1) + (8 −6 −4)

1 2 𝟑
b) El siguiente determinante —2 −1 𝟏— vale 0, porque 𝑐` + 𝑐B = 𝑐K
3 3 𝟔

En el siguiente documento se refuerza con teoría y

ejemplos varios las propiedades de determinantes. Para
ver el documento haga clic (Proyecto Guao)

23
 Clase 7 | Matrices 3
7.1 Matriz inversa
Se llama matriz inversa de una matriz cuadrada 𝐴, y se expresa 𝐴§` , a la matriz
que cumple que 𝐴. 𝐴§` = 𝐴§` . 𝐴

Es decir, la inversa de 𝐴 es la única matriz que al multiplicarla por ella obtenemos

la matriz identidad del orden correspondiente.
La matriz inversa no siempre existe, para que exista es condición necesaria y
suficiente que el determinante de la matriz sea diferente de cero.
Si existe la matriz inversa de 𝐴, se dice que la matriz 𝐴 es inversible o regular;
en caso contrario, decimos que la matriz es singular.
Propiedades de la matriz inversa

P1. La inversa de una matriz es única.

P2. La inversa del producto de dos matrices es el producto de las inversas
cambiando el orden: (𝐴𝐵)§` = 𝐵§` . 𝐴§`
P3. Si la matriz 𝐴 es invertible, también lo es su transpuesta, y el inverso de su
transpuesto es la transpuesta de su inversa, es decir (𝐴L )§` = (𝐴§` )L
P4. La inversa de la inversa de una matriz 𝐴 es igual a la misma matriz 𝐴.

(𝐴§` )§` = 𝐴

Cálculo de la matriz inversa por definición

2 1
Ejemplo: La matriz 𝐴 = 8 ;, tiene |𝐴| = 2, entonces la matrix 𝐴 tiene inversa.
1 1

2 1 §` 1 0 𝑥 𝑦
Por definición 8 ;𝐴 = 8 ; = I.Suponemos 𝐴§` = 8 ;
1 1 0 1 𝑧 𝑤

2 1 𝑥 𝑦 2𝑥 + 𝑧 2𝑦 + 𝑤 1 0
Así, 8 ;8 ;=~ •=8 ;
1 1 𝑧 𝑤 𝑥+𝑧 𝑦+𝑤 0 1

Igualando las dos últimas matrices hacemos los siguientes sistemas:

24
 2𝑥 + 𝑧 = 1 2𝑦 + 𝑤 = 0

𝑥+𝑧 =0 𝑦+𝑤 =1

Resolviendo el sistema, obtenemos:𝑥 = 1, 𝑧 = −1, 𝑦 = −1, 𝑤 = 2

1 −1
La matriz inversa es 𝐴§` = 8 ;
−1 2

Inversas de matrices 𝒏 × 𝒏
Cálculo de la inversa por medio de la matriz adjunta de 𝐴. En primer lugar, hay
𝑎`` 𝑎`B 𝑎`K
que saber si la matriz 𝐴 tiene inversa. Dada la matriz 𝐴 = x B` 𝑎BB 𝑎BK y
𝑎
𝑎K` 𝑎KB 𝑎KK

Para encontrar la matriz adjunta de la matriz 𝐴, la cual nos servirá para hallar
𝐴§` , debemos primero calcular la matriz de cofactores de 𝐴.
La matriz cofactor de 𝐴 denotada por 𝐶𝑜𝑓(𝐴) se halla mediante el siguiente
proceso:

(−1)`š` 𝑀`` (−1)`šB 𝑀`B (−1)`šK 𝑀`K +𝑀`` −𝑀`B +𝑀`K

𝐶𝑜𝑓(𝐴) = «(−1)Bš` 𝑀B` (−1)BšB 𝑀BB (−1)BšK 𝑀BK ¬ = x−𝑀B` +𝑀BB −𝑀BK y
(−1)Kš` 𝑀K` (−1)KšB 𝑀KB (−1)KšK 𝑀KK +𝑀K` −𝑀KB +𝑀KK

𝑎BB 𝑎BK 𝑎B` 𝑎BK 𝑎B` 𝑎BB

⎡+ –𝑎KB 𝑎KK – − – 𝑎K` 𝑎KK – + – 𝑎K` 𝑎KB –⎤
⎢ 𝑎`B +𝑐`` −𝑐`B +𝑐`K
𝑎`K 𝑎`` 𝑎`K 𝑎`` 𝑎`B ⎥
𝐶𝑜𝑓(𝐴) = ⎢− –𝑎 𝑎KK – + – 𝑎K` 𝑎KK – − – 𝑎K` –
𝑎KB ⎥
⎥ = x−𝑐B` +𝑐BB −𝑐BK y
⎢ KB
+𝑐K` −𝑐KB +𝑐KK
⎢ 𝑎`B 𝑎`K 𝑎`` 𝑎`K 𝑎`` 𝑎`B ⎥
⎣+ –𝑎BB 𝑎BK – − – 𝑎B` 𝑎BK – + – 𝑎B` –
𝑎BB ⎦

Encontrada la matriz de cofactores de 𝐴, la matriz adjunta de 𝐴, (𝐴𝑑𝑗(𝐴)) es la

L
transpuesta de la cofactora de 𝐴. Es decir, 𝐴𝑑𝑗(𝐴) = ³𝐶𝑜𝑓(𝐴)´

−3 2 1
Ejemplo: Encuentre la matriz cofactor de A = x 4 0 −4y
2 5 1

25
Solución: encuentre en total 9 cofactores, uno por cada elemento de la matriz
𝐴.

0 −4 4 −4 4 0
⎡+ –5 1
– −–
2 1
– +–
2
–
5 ⎤
⎢ 20 −12 20
2 1 −3 1 −3 2 ⎥⎥
𝐶𝑜𝑓(𝐴) = ⎢ − – – +– – −– – =x 3 −5 19 y
⎢ 5 1 2 1 2 5⎥
⎢ 2 1 −3 1 −3 2⎥ −8 −8 −8
⎣+ –0 −4
– −–
4 −4
– +–
4 0
–⎦

7.2 Matriz adjunta

La matriz adjunta de la matriz 𝐴 denotada por 𝐴𝑑𝑗(𝐴) es la transpuesta de la

L
matriz de cofactores de 𝐴.Esto es, 𝐴𝑑𝑗(𝐴) = ³𝐶𝑜𝑓(𝐴)´
Ejemplo: Para el ejemplo anterior la matriz adjunta es

20 −12 20 L 20 3 −8
𝐴𝑑𝑗(𝐴) = x 3 −5 19 y = x−12 −5 −8y
−8 −8 −8 20 19 −8
Ejemplo:
3 0 0
Para la matriz A = x0 3 0y, halle: 𝑎) det(𝐴) , 𝑏) 𝐴𝑑𝑗(𝐴) , 𝑐) 𝐴. 𝐴𝑑𝑗(𝐴)
0 0 6
Solución:
a) Como la matriz es triangular,|𝐴| = (3)(3)(6) = 54
b) Compruebe usted como ejercicio que la matriz de cofactores de 𝐴 es

18 0 0 18 0 0
𝐶𝑜𝑓(𝐴) = x 0 18 0y, entonces Adj(A) = x 0 18 0y
0 0 9 0 0 9
Observe que tanto la matriz 𝐴, 𝐶𝑜𝑓(𝐴) como 𝐴𝑑𝑗(𝐴) son simétricas y
triangulares.

3 0 0 18 0 0 𝟓𝟒 0 0
c) 𝐴. 𝐴𝑑𝑗(𝐴) = x0 3 0y x 0 18 0y = x 0 𝟓𝟒 0 y
0 0 6 0 0 9 0 0 𝟓𝟒

¿Qué observa en este último resultado en relación al determinante

encontrado?

26
 Nos damos cuenta que cada elemento de la diagonal principal toma el valor
del determinante encontrado en a). Lo anterior, nos permite enunciar un
resultado muy importante: Al multiplicar una matriz 𝐴 por su adjunta se
obtiene un producto que es igual al producto del determinante de 𝐴 por la
matriz identidad.

Esto es, 𝐴. 𝐴𝑑𝑗(𝐴) = 𝑑𝑒𝑡(𝐴). 𝐼

3 1 2
Ejemplo: Encuentre 𝐴. 𝐴𝑑𝑗(𝐴) si A = x2 0 5y
3 1 4

Solución: Para encontrar este producto solamente necesitamos hallar el

determinante de 𝐴 y multiplicarlo por la matriz identidad. El determinante de 𝐴 ∶
1 0 0 −4 0 0
|𝐴| = −4. Entonces tenemos que 𝐴. 𝐴𝑑𝑗(𝐴) = −4 x0 1 0y = x 0 −4 0 y
0 0 1 0 0 −4

Sabemos que A. Adj(A) = det(A) . I

Despejando la matriz identidad 𝐼 tenemos:
¶.¶·&(¶)
𝐼= ·¸L(¶)
si 𝑑𝑒𝑡 (𝐴) ≠ 0,

¶·&(¶)
𝐼 = 𝐴 8·¸L (¶);

¹ºW(¹)
y como A. A§` = I, entonces vemos que º»S (¹)
= A§`

¶·&(¶)
Resumiendo: si tenemos una matriz 𝐴 con |𝐴| ≠ 0 , entonces 𝐴§` = ·¸L (¶)

A. Cálculo de la matriz inversa haciendo uso de la adjunta.

Ejemplo: Encuentre la matriz inversa de 𝐴 por medio de la matriz adjunta de 𝐴.

3 0 0
𝐴 = x0 3 0y
0 0 6

18 0 0 18 0 0
Solución: |𝐴| = 54, 𝐶𝑜𝑓(𝐴) = x 0 18 0y, entonces 𝐴𝑑𝑗(𝐴) = x 0 18 8y
0 0 9 0 0 9

27
 1 18 0 0 972 0 0
§`
𝐴 = . 𝐴𝑑𝑗(𝐴) = 54 x 0 18 0y = x 0 972 0 y
det(𝐴)
0 0 9 0 0 486

Verifique que se cumple A. A§` = I = A§` A

B. Cálculo de la inversa por medio de operaciones elementales de fila.

La matriz inversa de una matriz también se puede encontrar haciendo uso de

operaciones elementales de fila.

7.3 Operaciones elementales de fila

Las operaciones elementales de fila (OEF) son tres: (1) OEF1: Intercambiar dos
filas cualesquiera. (2) OEF2: Multiplicar una fila por un número diferente de cero.
(3) OEF3: Sumar el múltiplo de una fila a otra fila.

Antes de realizar algunos ejemplos de aplicaciones de las operaciones

elementales de fila, introduciremos la siguiente notación para cada uno de los
tres tipos de operaciones.

OEF1: 𝑓` ↔ 𝑓K significa que la fila 1 se ha intercambiado con la fila 3.

Ilustración:
3 1 7 2
8 ; ~ 8 ;. El símbolo ~ nos indica que las matrices son equivalentes.
7 2 3 1
𝑓` ↔ 𝑓B

OEF2: 𝛼𝑓B → 𝑓B∗ significa que todos los elementos de la fila 2 se han multiplicado
por el número 𝛼 y obtener una nueva fila 2.
Ilustración:
3 1 2(3) 2(1) 6 2
8 ; ~ 8 ; ~ 8 ;
7 2 7 2 7 2
2𝑓` → 𝑓 ∗`

28
OEF3: −𝛼𝑓` + 𝑓K → 𝑓K∗ significa que todos los elementos de la fila 1 se han
multiplicado por el número – 𝛼 y sumar cada producto obtenido con los elementos
de la fila 2, y obtener una nueva fila 2.

Ilustración:
3 1
8 ; ~ 82(3) + 7 2(1) + 2;
7 2 13 4
2𝑓` + 𝑓B → 𝑓 ∗ B

Apliquemos las tres operaciones de fila para hallar la matriz inversa de 𝐴.

Supongamos que la matriz 𝐴.×. tiene inversa 𝐴§`

Este método se resume en los siguientes pasos:

(1) Primeramente, se forma la siguiente matriz aumentada (𝐴|𝐼), donde 𝐼 es la
matriz identidad de orden 𝑛 × 𝑛.
(2) Una vez escrita la matriz aumentada comenzamos a aplicar las operaciones
elementales de fila cuantas veces se requieran y detener el proceso hasta que
hayamos transformado la matriz aumentada (𝐴|𝐼) en la nueva matriz (𝐼|𝐵).
(3) La matriz 𝐵 obtenida es la matriz inversa de 𝐴.
Ejemplo:

1 3 3
Encuentre la matriz inversa de A = E1 4 3F
1 3 4

Solución:
Fórmese la matriz aumentada.

1 3 31 0 0 1 3 3 1 0 0
(𝐴|𝐼) = E1 4 3—0 1 0F ~ E0 1 0—−1 1 0F
1 3 40 0 1 0 0 1 −1 0 1

*
- f1 + f 2 ® f 2
*
- f1 + f 3 ® f 3

1 0 3 4 −3 0 1 0 0 7 −3 −3
~ E0 1 0—−1 1 0F ~ E0 1 0—−1 1 0F
0 0 1 −1 0 1 0 0 1 −1 0 1
*
- 3 f 2 + f1 ® f1
*
- 3 f3 + f1 ® f1

29
 7 −3 −3
§`
La matriz inversa de 𝐴 es 𝐴 = E−1 1 0F
−1 0 1

El siguiente video muestra un ejemplo sobre como

calcular la inversa de una matriz utilizando operaciones
elementales de fila. Para ver el video haga clic
(miacun, 29 de enero de 2014)

En el siguiente documento resume las distintas formas

que se tienen para calcular la inversa de una matriz.
Para ver el documento haga clic (Universitat
Oberta de Catalunya (UOC), 2014)

7.4 Ecuaciones matriciales

Las ecuaciones matriciales son ecuaciones en las que las incógnitas son matrices

1 2 𝑥 1
La siguiente ecuación es matricial:8 ; 8 ; = 8 ; en la que la matriz incógnita es
2 4 𝑦 2
𝑥
𝑋 = 8𝑦;. Las siguientes propiedades hay que tomarlas en cuenta cuando

resolvamos ecuaciones matriciales

(P1) 𝐴. 𝐴§` = 𝐼 = 𝐴§` 𝐴. (P2) 𝐴. 𝐼 = 𝐴 = 𝐼𝐴

Resolución de ecuaciones matriciales sin conocer la matriz inversa

v Partimos de una ecuación matricial.
v Averiguamos el orden de la matriz incógnita.
v Asignamos incógnitas (a, b, c, d…) a los elementos de la matriz
desconocida.

30
 v Expresamos la ecuación matricial con matrices con sus correspondientes
elementos.
v Resolvemos las operaciones con matrices a izquierda y derecha del signo
igual hasta que nos quede una sola matriz a ambos lados del signo igual.
v Aplicamos la igualdad de matrices, igualando elemento a elemento de su
misma posición.
v Resolvemos las ecuaciones resultantes (por lo general son ecuaciones
individuales de primer grado a sistemas de ecuaciones lineales)

Ejemplo:
𝑎 𝑏 1 3 0 2 −1 0
Resolver la ecuación matricial 8 ;8 ;=8 ;+8 ;
𝑐 𝑑 2 5 2 2 3 −1
Solución:
𝑎 𝑏 1 3 −1 2
8 ;8 ;=8 ; suma de matrices
𝑐 𝑑 2 5 5 1
𝑎 + 2𝑏 3𝑎 + 5𝑑 −1 2
8 ;=8 ; producto de matrices
𝑐 + 2𝑑 3𝑐 + 5𝑑 5 1
Igualando las dos matrices tenemos: 𝑎 + 2𝑏 = −1, 𝑐 + 2𝑑 = 5
3𝑎 + 5𝑏 = 2 , 3𝑐 + 5𝑑 = 1
Al resolver los dos sistemas de ecuaciones, obtenemos:
𝑎 = 9, 𝑏 = −5, 𝑐 = −23 𝑦 𝑑 = 14
𝑎 𝑏 9 −5
Respuesta: 8 ;=8 ;
𝑐 𝑑 −23 14

Resolución de ecuaciones matriciales haciendo uso de la matriz inversa

Para resolver una ecuación matricial por medio de la matriz inversa despejamos
la matriz incógnita 𝑋 como si se tratase de una ecuación de primer grado
teniendo en cuenta que al no estar definida la operación de dividir matrices,
hemos de multiplicar por la izquierda o por la derecha (es decir por el mismo
sitio) por la inversa de la matriz.
Antes de resolver ecuaciones con matrices en particular veamos con algunos
ejemplos de ecuaciones matriciales, cómo despejar la matriz incógnita:

31
Ejemplo: Resuelve la ecuación matricial 𝐴𝑋 + 𝐵 = 𝐶

Solución:
𝐴𝑋 + 𝐵 = 𝐶
𝐴𝑋 = 𝐶 − 𝐵

𝐴§` 𝐴𝑋 = 𝐴§` (𝐶 − 𝐵)

𝐼𝑋 = 𝐴§` (𝐶 − 𝐵)
𝑋 = 𝐴§` (𝐶 − 𝐵)

Ejemplo: resuelve la ecuación matricial 𝐴𝑋 + 𝐵 = 𝐶, siendo,

1 1 2 3 −1 1
𝐴=8 ;, 𝐵 = 8 ; 𝑦 𝐶=8 ;
−2 1 0 1 1 4

Solución: de la ecuación 𝐴𝑋 + 𝐵 = 𝐶 despajamos la matriz incógnita 𝑋:

𝐴𝑋 + 𝐵 = 𝐶

𝐴𝑋 = 𝐶 − 𝐵

𝐴§` 𝐴𝑋 = 𝐴§` (𝐶 − 𝐵)

𝐼𝑋 = 𝐴§` (𝐶 − 𝐵)
𝑋 = 𝐴§` (𝐶 − 𝐵)

Luego hacemos lo siguiente:

Encontramos C − B

−1 1 2 3 −3 −2
𝐶−𝐵 =8 ;−8 ;=8 ;
1 4 0 1 1 3

Ahora halla A§` .

· §À
𝑎 𝑏 1 1
Haciendo uso de A §`
= x¿·§ÀÁ
§Á
¿·§ÀÁ
¿ y con 𝐴 = 8 ;=8 ;,
𝑐 𝑑 −2 1
¿·§ÀÁ ¿·§ÀÁ

` §`

𝐴 §`
= «KB K
` ¬
K K

Multiplicando A§` (C − B) para obtener la matriz X

32
 1 −1 −4 −5
3 3 −3 −2
𝑋 = 𝐴§` (𝐶 − 𝐵) = Ã Ä8 ;=Ã 3 3Ä
2 1 1 3 −5 −1
3 3 3 3

§… §i
K K
La matriz 𝑋 = «§i §`¬
K K

33
 Clase 8 | Matrices 3
8.1 Matriz escalonada
Definición: una matriz se llama escalonada por renglones o filas o simplemente
escalonada si cumple con las siguientes propiedades:

P1. Todas las filas llenas de ceros (si las hay) están en la parte inferior de la
matriz.
P2. En las filas que no sean ceros, el primer elemento de cada fila que no sea
cero está localizado a la derecha del elemento delantero distinto de cero de la
fila anterior.

Ejemplo: las matrices que se muestran en la figura 21 son escalonadas. En cada

fila diferente de cero la primera entrada (el primer elemento) diferente de cero
está marcada con negrilla.

Figura 20. Ejemplos de matrices

escalonadas.

Fuente: Arenivar, (2019).

El primer elemento de cada fila diferente de 0 se llama pivote, y en las siguientes

filas debe estar a la derecha del pivote de la fila anterior.

Matriz escalonada reducida

Definición: una matriz se llama escalonada reducida por renglones o
simplemente escalonada reducida si cumple con las propiedades P1 y P2, y,
además, con las siguientes propiedades P3 y P4: P3. Todos los pivotes son 1.
P4. En las columnas donde hay un pivote el resto de términos son cero.

34
Ejemplo: las siguientes son matrices escalonadas reducidas por filas.
1 0 1 0 0 3 ,
𝑎) 8 ; , 𝑏) 8 ;
0 1 0 0 1 2

8.2 Rango de una matriz

Combinación lineal de filas o columnas

Diremos que una fila (o columna) es combinación lineal de otras filas (o

columnas) si existen escalares 𝛼` , 𝛼B , … , 𝛼Å tales que cualquier fila (o cualquier
columna) de una matriz, es de la forma
𝛼` 𝑓` + 𝛼B 𝑓B + ⋯ + 𝛼Å 𝑓Å , (𝛽` 𝑐` + 𝛽B 𝑐B + ⋯ , 𝛽Å 𝑐Å )

1 3 2
Ejemplo: Dada la matriz 𝐴 = x3 8 9y, como la fila tres es igual a la segunda
1 2 5
fila menos el doble de la primera (𝑓K = 𝑓B − 2𝑓` ), decimos que la tercera fila es
combinación lineal de las otra dos.

Filas linealmente independientes

a`` a`B
Dada la matriz A = 8a ;, las filas (a`` a`B ) y (aB` aBB ) son linealmente
B` aBB

independientes (l.i) cuando no son proporcionales, es decir, no existe algún

número 𝛼 que cumple la igualdad (𝑎`` 𝑎`B ) = 𝛼 (𝑎B` 𝑎BB )
3 5
Sea A = 8 ;. Las filas 1 y 2 no son proporcionales, luego son l.i.
9 6
a`` a`B
En la matriz A = 8a ;, las filas (a`` a`B ) y (aB` aBB ) son linealmente
B` aBB

dependientes cuando son proporcionales.

3 5
Ejemplo: En la matriz 𝐴 = 8 ; las filas 𝑓` 𝑦 𝑓B son linealmente dependientes
9 15
`
puestos que son proporcionales, ya que (3 5) = (9 15)
K
𝑎`` 𝑎`B 𝑎`K
Para una matriz 𝐴 = x𝑎B` 𝑎BB 𝑎BK y, las filas (𝑎`` 𝑎`B 𝑎`K ), (𝑎B` 𝑎BB 𝑎BK ) y
𝑎K` 𝑎KB 𝑎KK
(𝑎K` 𝑎KB 𝑎KK ) son linealmente independientes cuando ninguna de ellas se
puede escribir como combinación lineal de las restantes, es decir, no existen
números reales 𝛼 y 𝛽 que verifiquen que, por ejemplo:

35
 (𝑎`` 𝑎`B 𝑎`K ) = 𝛼 (𝑎B` 𝑎BB 𝑎BK ) + 𝛽 (𝑎K` 𝑎KB 𝑎KK )

1 2 3
Ejemplo: dada la matriz A = x3 5 7y , las filas son linealmente independientes
4 6 5
puesto que no existen escalares 𝛼 y 𝛽 que verifiquen, por ejemplo 𝑓` = 𝛼𝑓B +
𝛽𝑓K.
a`` a`B a`K
a
Para la misma matriz A = x B` aBB aBK y las filas son linealmente dependientes
aK` aKB aKK

cuando alguna de ellas se puede escribir como combinación lineal de las

restantes, es decir, existen escalares 𝛼 y 𝛽 que cumplen 𝑓`Ç 𝛼𝑓B + 𝛽𝑓K

Definición de rango de una matriz

Se llama rango de una matriz 𝐴 al número de filas (o columnas) linealmente
independientes. Se representa por 𝑟𝑎𝑛𝑔(𝐴) o 𝑟(𝐴). La matriz 𝐴 puede o no ser
cuadrada. El rango de una matriz 𝐴 es el rango de una matriz escalonada
equivalente a la matriz 𝐴. El rango de la matriz 𝐴 es igual al rango de su
transpuesta.
1 2 3
Ejemplo: la matriz 𝐴 = x3 5 7y por tener 3 filas l.i, su rango es 3.
4 6 5
Ejemplo: consideremos las matrices:
a) 𝐴 = [3 2 1] . El rango de esta matriz es 𝑟(𝐴) = 1

Como la fila o el vector (3 2 1) ≠ (0 0 0), entonces el vector 𝐴 es

linealmente independiente y como es un vector fila (una), el número de filas
linealmente independientes es 1, luego el rango de 𝐴 es 1.

2 1 3
b) 𝐵 = 8 ;. El rango de esta matriz es 𝑟(𝐵) = 1
6 3 9

Si el rango de 𝐵 es 2 se tendría que las dos filas serían linealmente

independientes, pero como las dos filas son proporcionales, una de ellas es
linealmente dependiente de la otra: 3𝑓` = 𝑓B . Por tanto, solamente hay una fila
linealmente independiente, entonces el rango de 𝐵 es 1.

36
 3 1 2
c) 𝐶 = 8 ;. Como las dos filas son linealmente independientes entre sí,
2 1 0

entonces el r(C) = 2.
3 5 2
d) 𝐷 = x 4 2 3y. El rango de la matriz𝐶 es 𝑟(𝐷) = 3.
−1 2 4

Como la matriz 𝐷 es de orden 3 × 3 y su determinante es distinto de cero,

entonces las 3 filas son linealmente independientes, luego el rango de la
matriz 𝐷 es 3.

Más adelante reforzaremos estos resultados con otra teoría.

Cálculo del rango de una matriz empleando el método de Gauss

Dada una matriz 𝐴.

En primer lugar, se pueden descartar una fila si:

§ Si todos los elementos de una fila son ceros.
§ Hay dos filas iguales.
§ Una fila es proporcional a otra.
§ Una fila es combinación lineal de otras.

Calcularemos el rango por filas.

Si la matriz tuviese más filas que columnas, podemos usar su transpuesta, ya
que 𝑟𝑎𝑛𝑔(𝐴) = 𝑟𝑎𝑛𝑔(𝐴)L .
Mediante transformaciones elementales de fila, hacemos ceros todos los
elementos de la diagonal principal.

é1 1 0 1ù
ê
Ejemplo: calcule el rango de la matriz A = 1 0
ê - 1 1 úú
êë2 1 - 1 2 úû
Solución: para hacer los dos primeros ceros debajo del primer 1 de la columna
uno, hacemos las siguientes operaciones de filas:
𝑓` − 𝑓B → 𝑓B∗
2𝑓` − 𝑓K → 𝑓K∗

37
 é1 1 0 1ù
ê
Quedando la matriz A = 0
ê 1 1 0 úú
êë0 1 1 0 úû
Para el último cero debajo del 1 ubicado en la fila dos y columna dos, restamos
las filas 2 y 3:
𝑓B − 𝑓K → 𝑓K∗

é1 1 0 1ù
ê
Y la matriz A = 0
ê 1 1 0 úú .
êë0 0 0 0úû
El rango es el número de filas no nulas en la matriz escalonada, por tanto,
𝑟𝑎𝑛𝑔(𝐴) = 2.

Cálculo del rango de una matriz empleando determinantes

También podemos decir que el rango de una matriz es el orden de la mayor

submatriz cuadrada no nula. (es decir diferente de cero)

Debemos elegir la submatriz de mayor orden posible y calcular su determinante.

Siempre tomemos en cuenta que podemos descartar una fila si se dan las cuatro
observaciones dichas cuando se calculó el rango por el método de Gauss.

Cálculo del rango de una matriz no cuadrada

é 1 2 3 7ù
ê
Ejemplo: Halle el rango de la matriz A = - 2 4 3 5
ú
ê ú
êë- 1 6 5 4 úû
Solución: Elegimos la mayor submatriz cuadrada que esté contenida en 𝐴 para
calcular su determinante que es de orden3. Calculemos los determinantes de
todas las posibles submatrices cuadradas de orden 3, hasta que encontremos
una cuyo determinante sea distinto de 0. Basta con encontrar al menos una
submatriz cuadrada de orden 3 cuyo determinante no sea cero, para que el
rango de la matriz 𝐴 sea 3.
Elegimos la siguiente submatriz cuadrada:

38
 1 2 3
[𝐴` ] = x−2 4 3y
−1 6 5
y calcula su determinante
1 2 3
|𝐴` | = —−2 4 3— = −8
−1 6 5
Como el resultado de este determinante es distinto de cero y como el orden de
esta submatriz es 3, entonces el rango de la matriz 𝐴 es 𝑟𝑎𝑛𝑔(𝐴) = 3.
|𝐴` |K = −8 ≠ 0 → 𝑟𝑎𝑛𝑔 (𝐴) = 3
Comentario: si todos los determinantes de las submatrices de orden 3 fueran
igual a cero, tendríamos que seguir con las submatrices de orden 2, hasta
encontrar un determinante que fuera distinto de cero, y en este caso el rango
de la matriz sería 2.

é3 2 - 1 -1 ù
ê
Ejemplo: Calcule el rango de la matriz A = 2 - 3 1 7 úú
ê
êë5 - 1 0 6 úû
Solución: Las más grandes submatrices cuadradas que están en la matriz 𝐴 que
podemos elegir son de orden 3. Calculemos entonces los determinantes de todas
esas posibles submatrices cuadradas de orden 3, hasta encontrar una cuyo
determinante sea diferente de cero.
Comenzamos eligiendo la submatriz cuadrada formada por las tres primeras
columnas y calculamos su respectivo determinante:
3 2 −1
|𝐴` | = —2 −3 1 —
5 −1 0
Su determinante es cero, por lo que tenemos que seguir buscando otra
submatriz.
Probamos con la submatriz cuadrada formada por las columnas 2,3 y 4.
2 −1 −1
|𝐴B | = —−3 1 7 —=0
−1 0 6
Su determinante es cero. Seguimos buscando
Ahora elegimos la submatriz cuadrada formada por las columnas 1,2 y 4.

39
 3 2 −1
|𝐴K | = —2 −3 7 — = 0
5 −1 6
Su determinante también es cero.
Nos falta escoger la submatriz cuadrada formada por las columnas 1,3 y 4, y
calculamos su determinante.
3 −1 −1
|𝐴… | = —2 1 7 —=0
5 0 6
Como ya no quedan más oportunidades para seguir eligiendo submatrices
cuadradas de orden 3 y todos los determinantes de las submatrices cuadradas
de orden 3 que hemos elegido son cero, entonces el rango de la matriz 𝐴 va a
ser menor que 3.
|𝐴` | = |𝐴B | = |𝐴K | = |𝐴… | = 0 → 𝑟𝑎𝑛𝑔(𝐴) < 3
Al no encontrar ninguna submatriz cuadrada de orden 3 cuyo determinante sea
diferente de cero, vamos a probar con submatrices cuadradas de orden 2.
Basta que encontremos una submatriz cuadrada de orden 2 cuyo determinante
sea diferente de cero.
Probamos con la submatriz cuadrada de orden 2 formada por las columnas 1 y
2, y por las filas 1 y 2, y hallamos su determinante.

|𝐴i | = –3 2 – = −13
2 −3
Su resultado es distinto de cero, por tanto, el rango de la matriz 𝐴 es 2.
𝑟𝑎𝑛𝑔(𝐴) = 2
|𝐴i | = −13 ≠ 0 → 𝑟𝑎𝑛𝑔(𝐴) = 2,
que coincide con el orden de la mayor submatriz cuadrada que hemos
encontrado cuyo determinante no es cero.

El siguiente video muestra un ejemplo sobre cómo

utilizar determinantes para calcular el rango de una
matriz. Para ver el video haga clic (unicoos, 23 de
febrero de 2016)

40
Cálculo del rango de una matriz cuadrada

1 2 −5
Ejemplo: Calcule el 𝑟(𝐴) si 𝐴 = x 3 6 5y
−2 −4 0
Solución: Como 𝐴 es una matriz de orden 3, como máximo el 𝑟(𝐴) puede valer
3. Calculamos primero el |𝐴|.
1 2 −5 1 2 −5
—3 6 5 — = —0 0 −10— = 0. Ya que el resultado es 0, probaremos con todas
−2 −4 0 0 0 −10
las submatrices 2x2 de A hasta encontrar una cuyo determinante no sea 0.
1 2 2 −5
– – = 0, – – = −20 ≠ 0
3 6 0 −10
Como el determinante de esta submatriz no es igual a cero, ya no tenemos que
seguir buscando y el rango de 𝐴 es 2.

8.3 Sistemas de ecuaciones lineales-SEL

Un sistema de ecuaciones lineales (SEL) es un conjunto de ecuaciones lineales
que tienen más de una incógnita.

Ejemplo: de un SEL de dos ecuaciones con dos incógnitas

2𝑥 + 𝑦 = 1

−𝑥 − 3𝑦 = 2

La solución de este SEL es 𝑥 = 1, 𝑦 = −1, y el SEL es compatible determinado. No

siempre un SEL tiene solución, o bien tiene infinitas soluciones.

El siguiente teorema llamado teorema de Rouché-Frobenius, permite calcular el

número de soluciones de un SEL en función del rango de la matriz de
coeficientes, del rango de la matriz ampliada asociadas al sistema y del número
de incógnitas que posea el sistema.

En el siguiente documento se presenta información sobre el

teorema de Rouché-Frobenius y su aplicación para resolver un
SEL, además se trabajan los tipos de SEL que existen y las
formas matriciales de cómo resolverlos. Para ver el documento
haga clic (Arenivar, L. 2019) 41
 8.4 Problemas de aplicación que conducen a un
sistema de ecuaciones lineales
En primer lugar, antes de comenzar a practicar este tipo de problemas debemos
tener en cuenta una serie de consejos que nos serán útiles:

Para resolver un problema de este tipo debemos:

• Antes de comenzar, realizar una lectura detenida del mismo. Familiarizarnos con
el problema es clave antes de empezar.
• Una vez hemos entendido el contexto y el tipo de problema que se nos plantea,
debemos realizar el planteamiento del mismo.
• Si es necesario, realizaremos un dibujo, una tabla, o una representación de lo
expuesto. Una vez hecho, intentamos identificar la incógnita y los datos que
aporta el problema.
• Para plantear las ecuaciones volveremos al problema y debemos “traducir” el
mismo a una expresión algebraica.
• En este tipo de problemas con más de una incógnita debemos encontrar tantas
ecuaciones como incógnitas se nos presenten. Es decir, si tenemos dos
incógnitas debemos encontrar dos ecuaciones, si tenemos tres, tres ecuaciones.
• El siguiente paso es resolver el sistema de ecuaciones por los métodos
matriciales estudiados.
• Por último y muy importante, debemos interpretar la solución.

Ejemplo: Si a los dos términos de una fracción se añade 3, el valor de la fracción

` `
es B
, y si a los dos términos se resta 1, el valor de la fracción es K
.Halle la

fracción.

Ì
Solución: Sea 𝑥 el numerador y 𝑦 el denominador. Entonces Í
es la fracción.

42
 ÌšK
Añadiendo 3 a cada término, la fracción se convierte en y como el valor de
ÍšK
` ÌšK `
esta fracción es B
; luego ÍšK
=B.

̧`
Restando 1 a cada término, la fracción se convierte en , y según las
ͧ`
` ̧` `
condiciones del problema el valor de esta fracción es , luego = K.
K ͧ`

Al reunir las dos ecuaciones tenemos el siguiente sistema

ÌšK `
ÍšK
=B

̧` `
ͧ`
=K

Quitando denominadores y trasponiendo términos tenemos:

2𝑥 − 𝑦 = −3

3𝑥 − 𝑦 = 2

Resolviendo el sistema por Gauss se tiene:

` K
2 −1 −3 1 −
` §K 1 −B −B 1 − −
` K
@ – A ~ Î BÏ B Ð ~ X ` Ñ `K Y ~ Î BÏ BÐ ~
3 −1 2 3 −1 2 0 B B 0 1 13
1 * 1
f1 ® f1 * 2 f2 ® f2
*
f 2 + f1 ® f1
*
2 - 3 f1 + f 2 ® f 2
2

1 0 5
~ @ – A
0 1 13
Ì i
La solución del SEL es 𝑥 = 5, 𝑦 = 13, entonces la fracción es =
Í `K

Comprobación:

išK Ò ` i§` … `
`KšK
= `a = B 𝑦 `K§`
= `B = K

43
Referencias citadas en la UNIDAD 2

• Arenivar, L. (2019). Álgebra Vectorial (primera edición). El Salvador:

Editorial Universidad Don Bosco.

Documentos enlazados

• Universitat Oberta de Catalunya (UOC) (2014). Matriz inversa.

Recuperado de
https://csteegmann.files.wordpress.com/2014/07/matriz_inversa.pdf

• Universidad Veracruzana– Mexico (2014). Tipos de matrices.

Recuperado de
https://www.uv.mx/personal/aherrera/files/2014/08/10a.-TIPOS-DE-
MATRICES-1.pdf

• Proyecto Guao. Propiedades de los determinantes. Recuperado de

https://www.guao.org/sites/default/files/Propiedades%20de%20las%20
determinantes.pdf

• Arenivar, L. (2019). Teorema de Rouché- Frobenius. Recuperado de

https://drive.google.com/file/d/1QJlPcFffYvNupNNjTUA3dco_W5exrgv5/v
iew

44
 Videos enlazados

• unicoos (23 de febrero de 2016). Rango de una matriz por

determinantes. [archivo de video]. Recuperado de
https://www.youtube.com/watch?v=jHP6TdVUT5o

• Miacun (24 de enero de 2014). Inversas de matrices usando operaciones

elementales. [archivo de video]. Recuperado de
https://www.youtube.com/watch?v=MfokUaSZ6U0

• unicoos (18 de diciembre de 2011). Determinante 4x4. Regla de CHIO

BACHILLERATO. [archivo de video]. Recuperado de
https://www.youtube.com/watch?v=bx-vGQFRXlo

susi profe (29 de marzo de 2019). Ejercicios de matrices #1. Operaciones con
matrices. [archivo de video]. Recuperado de
https://www.youtube.com/watch?v=e8dxVu1hQN8

45
 Glosario de los términos citados en la
UNIDAD 2
Tabla de términos técnicos de la UNIDAD y sus respectivas definiciones.

Término Definición del término presentado

Matriz Es una disposición de valores numéricos y/o variables

(representadas por letras), en columnas y filas, de forma
rectangular o cuadrada.

Submatriz Matriz resultante al eliminar filas y/o columnas de una matriz

más grande.

Matrices iguales Se dice que dos matrices 𝐴 y 𝐵 son iguales si tienen la

misma dimensión y son iguales elemento a elemento.

Matriz fila Matriz que solo tiene una fila

Matriz columna Matriz que solo tiene una columna

Matriz La transpuesta de una matriz 𝐴 de 𝑚𝑥𝑛 es la matriz 𝐴L de

transpuesta 𝑛𝑥𝑚, donde se intercambian los renglones de 𝐴 por sus
columnas.

Matriz opuesta Teniendo una matriz determinada, se llama matriz opuesta

de la antes mencionada, a aquella que tiene por elementos
los opuestos de los elementos de la matriz original.

Matriz Es aquella matriz que no es cuadrada, esto es que la

rectangular cantidad de filas es diferente de la cantidad de columnas.

Matriz cuadrada Igual número de filas que de columnas.

Matriz nula Todos sus elementos valen cero

Matriz simétrica Una matriz cuadrada es simétrica cuando los elementos a

ambos lados de la diagonal principal son iguales.

Matriz Matriz cuadrada en la que los elementos a ambos lados de

antisimétrica la diagonal principal son opuestos (iguales pero con distinto
signo). (los elementos de la diagonal principal deben ser
cero)

46
Matriz diagonal Matriz cuadrada donde los elementos que no están en la
diagonal principal son cero.

Matriz escalar Matriz cuadrada donde los elementos que no están en la

diagonal principal son cero y los elementos de la diagonal
principal son iguales

Matriz identidad Matriz cuadrada donde los elementos de la diagonal

principal son unos y el resto ceros.

Matriz triangular Todos los elementos por debajo de la diagonal principal son
superior cero.

Matriz triangular Todos los elementos por encima de la diagonal principal son
inferior cero.

Matriz inversa Se dice que una matriz cuadrada 𝐴 es inversible, si existe

una matriz 𝐵 con la propiedad de que: 𝐴 · 𝐵 = 𝐵 · 𝐴 = 𝐼

Matriz regular Una matriz regular es una matriz cuadrada que tiene
inversa y como consecuencia, su determinante es diferente
de cero.

Matriz singular Una matriz es singular si y solo si su determinante es cero.

Una matriz singular no tiene matriz inversa.

Matriz 𝐴 es idempotente si 𝐴 × 𝐴 = 𝐴.
idempotente

Matriz involutiva Una matriz 𝐴 es involutiva si 𝐴B = 𝐼 ( 𝐼 matriz unitaria)

Matriz ortogonal Una matriz ortogonal es una matriz cuya matriz inversa
coincide con su matriz traspuesta.

Matriz normal
Una matriz 𝐴 es normal si conmuta con su transpuesta,
esto es, si 𝐴𝐴L = 𝐴L 𝐴.

Matriz de La matriz de cofactores 𝑐𝑜𝑓(𝐴) es la resultante de sustituir

cofactores cada término 𝑎%& de la matriz 𝐴 por el cofactor 𝐴%& de 𝐴.

Matriz adjunta La adjunta de una matriz A es la traspuesta de la matriz de

los cofactores de A. Esta denotada por 𝑎𝑑𝑗 (A).

47
Matriz Es toda matriz en la que el número de ceros que precede al
escalonada primer elemento no nulo, de cada fila o de cada columna,
es mayor que el de la precedente.

Cofactor El cofactor de 𝑎%& se denota como 𝐴%& y está dado por 𝐴%& =
(−1)%š& 𝑀%&

Menor Sea A una matriz cuadrada. El menor del elemento 𝑎%& se

denota como 𝑀%& y es el determinante de la matriz que
queda después de borrar el renglón i y la columna j de A.

Ecuación Una ecuación matricial es una ecuación cuya incógnita es

matricial una matriz.

Rango de una Es el número de líneas de esa matriz (filas o

matriz columnas) que son linealmente independientes.

Sistema de Un sistema de ecuaciones lineales es un conjunto de

ecuaciones ecuaciones (lineales) que tienen más de una incógnita.
lineales

Teorema de Este teorema sirve para determinar el número de soluciones

Rouché- de un sistema de ecuaciones lineales a partir de los rangos
Frobenius de sus matrices.

Regla de Cramer Es un teorema en álgebra lineal, que da la solución de un

sistema lineal de ecuaciones en términos de determinantes.

Gauss-Jordan Método que consiste en hacer transformaciones

elementales en las filas de la matriz para llegar a obtener
la matriz identidad

Determinante Es un número real asociado a una matriz cuadrada.

48