ALGEBRA LINEAL

Contenido Temtico:
I Matrices y Determinantes
1.1 Introduccin
1.2 Operaciones con matrices y sus propiedades
1.3 La inversa de una matriz
1.4 Matrices elementales
1.5 Determinante de un matriz
1.6 Propiedades de los determinantes

1.1 Introduccin
Las matrices son objetos matemticos que permiten organizar
informacin numrica (y tambin de otros tipos) de un modo
natural y sencillo. La idea consiste en disponer nmeros en
forma de tabla, con una estructura de filas y columnas, de
manera que cada elemento (cada nmero) de la tabla puede ser
identificado mediante su posicin: la fila y la columna en las que
est situado el elemento.
El trmino matriz fue introducido por primera vez en 1850 por
Sylvester y un ao despus Cayley iniciaba un estudio
matemtico de las mismas.

1.1 Introduccin
matrices
clculo numrico
en la resolucin de sistemas de ecuaciones lineales
resolucin de las ecuaciones diferenciales y de las derivadas parciales
aplicaciones en el campo de la fsica
Una matriz es una tabla ordenada de escalares a
i j
de la forma

,
_

mn m m m
n
n
a a a a
a a a a
a a a a

3 2 1
2 23 22 21
1 13 12 11
i =1, ..., m
j =1, ..., n
filas
columnas
Los trminos horizontales son las filas de la matriz y los verticales son sus columnas.
Una matriz con m filas y n columnas se denomina matriz m por n, o matriz m x n.
criptografa

Las matrices se denotarn usualmente por letras maysculas, A, B, ..., y los elementos de las
mismas por minsculas, a, b, ...
Los elementos de la matriz se delimitan usualmente con corchetes o parntesis
1
1
1
1
1
1
]
1

mn mj m m
in ij i i
n j
n j
a a a a
a a a a
a a a a a
a a a a a
A

2 1
2 1
2 2 23 22 21
1 1 13 12 11
1
]
1

2 0
4 3 5

B
1
1
1
]
1

2 1 3
2 1 0 4
3 2 1
C
[ ] 0 6 5 5 D
1
1
1
1
]
1

1
7
0
6
E
El orden de una matriz es una descripcin de los nmeros de renglones y columnas que tiene
A= matriz de m x n
B= matriz de 2 x 3
C= matriz de 3 x 3
D= matriz de 1 x 4
Una matriz de 1 x m se
conoce como una matriz
rengln ( o vector rengln)
E= matriz de 4 x 1
Una matriz de n x 1 se conoce
como una matriz columna ( o
vector columna)

Para la matriz A las entradas diagonales
son a
11
, a
22
, a
33
, a
mn.
. Se denota por
D=diag
1
1
1
1
1
1
]
1

mn mj m m
in ij i i
n j
n j
a a a a
a a a a
a a a a a
a a a a a
A

2 1
2 1
2 2 23 22 21
1 1 13 12 11
Si m = n (es decir, si A tiene el mismo nmero
de renglones que de columnas) ,entonces a la
matriz A se le conoce como matriz cuadrada
Una matriz cuadrada cuyas entradas no
diagonales sean todas ceros se denomina
matriz diagonal
1
1
1
]
1

2 0 0
0 6 0
0 0 3
C
Una matriz diagonal en la cual todas sus
entradas diagonales son las mismas, se le
conoce como matriz escalar
1
1
1
1
]
1

4 0 0 0
0 4 0 0
0 0 4 0
0 0 0 4
E

Si el escalar de la diagonal es 1, de la matriz
escalar entonces se llama matriz identidad y
es denotada por I
I C
1
1
1
1
]
1

1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
Una matriz cuadrada A=(a
i j
)
mxn
es una matriz
triangular superior o simplemente una matriz
triangular, si todas las entradas bajo la diagonal
principal son iguales a cero. 1
1
1
1
]
1

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

A

1
1
1
]
1

0 0 0
2 1 0
1 4 2
Una matriz se dice que es escalonada si verifica las condiciones siguientes:
1. Las filas nulas, si existen, estn en la parte inferior de la matriz
2. En cada rengln distinto de cero, la primera entrada distinta de cero (denominada entrada
principal) se encuentra en una columna a la izquierda de cualquier entrada principal debajo
de ella
1
1
1
]
1

4 0 0
5 1 0
1 0 1
1
1
1
]
1

0 0 0 0
3 1 0 0
1 2 1 1
1
1
1
1
]
1

5 0 0 0 0 0
0 4 0 0 0 0
2 2 1 1 0 0
3 1 1 0 2 0
(a) (b)
(c) (d)

Para el sistema:
0 2 3
1 5
3 2
+
+
+
z y x
z x
z y x
La matriz de
coeficientes
es:
1
1
1
]
1

2 3 1
5 0 1
1 1 2
La matriz
aumentada
es:
1
1
1
]
1

0 2 3 1
1 5 0 1
3 1 1 2
Existen dos importantes
matrices asociadas con
un sistema lineal
Matriz de coeficientes (coeficientes de las variables)
Matriz aumentada (matriz de coeficientes
aumentada en una columna extra que contiene los
trminos constantes

Una matriz transpuesta, es aquella en la cual se intercambian las filas por las columnas y se
denota como A
T
, esto es: una matriz A de m x n su transpuesta sera A
T
de n x m
1
]
1

1 0 5
2 3 1
A
1
1
1
]
1

1 2
0 3
5 1
T
A 1
]
1

d c
b a
B
1
]
1

d b
c a
B
T
[ ] 2 1 5 C
1
1
1
]
1

2
1
5
T
C
La transposicin de una matriz cumple las siguientes propiedades:
1. (A + B)
T
= A
T
+ B
T
.
2. (A
T
)
T
= A.
3. (kA)
T
= kA
T
(si k es un escalar).
4. (AB)
T
= B
T
A
T
.

1. (A + B)
T
= A
T
+ B
T
1
1
1
]
1

4 0 3
3 1 2
5 0 3
A
1
1
1
]
1

1 3 5
1 0 4
2 1 2
B
1
1
1
]
1

+
5 3 8
4 1 6
7 1 5
B A
1
1
1
]
1

+
5 4 7
3 1 1
8 6 5
) (
T
B A
1
1
1
]
1

4 3 5
0 1 0
3 2 3
T
A
1
1
1
]
1

1 1 2
3 0 1
5 4 2
T
B
1
1
1
]
1

+
5 4 2
3 1 1
8 6 5
T T
B A
2. (A
T
)
T
= A
1
1
1
]
1

4 3 5
0 1 0
3 2 3
T
A
1
1
1
]
1

4 0 3
3 1 2
5 0 3
) (
T T
A
1
1
1
]
1

4 0 3
3 1 2
5 0 3
A
=

3. (kA)
T
= kA
T
(si k es un escalar).
1
1
1
]
1

4 0 3
3 1 2
5 0 3
A
1
1
1
]
1

4 3 5
0 1 0
3 2 3
T
A
1
1
1
]
1

20 0 15
15 5 10
25 0 15
5A
1
1
1
]
1

20 15 25
0 5 0
15 10 15
) 5 (
T
A
1
1
1
]
1

20 15 25
0 5 0
15 10 15
5
T
A
4. (AB)
T
= B
T
A
T
1
1
1
]
1

4 0 3
3 1 2
5 0 3
A
1
1
1
]
1

1 3 5
1 0 4
2 1 2
B
1
1
1
]
1

10 15 26
8 11 23
11 18 31
AB
1
1
1
]
1

10 8 11
15 11 18
26 23 31
) (
T
AB
1
1
1
]
1

4 3 5
0 1 0
3 2 3
T
A
1
1
1
]
1

1 1 2
3 0 1
5 4 2
T
B
1
1
1
]
1

38 24 21
3 0 1
24 15 14
T T
B A
1
1
1
]
1

10 8 11
15 11 18
26 23 31
T T
A B
=

Una matriz cuadrada es simtrica si es igual a su propia transpuesta, esto es:
Una matriz cuadrada A es simtrica si y slo si A
ij
= A
ji
para toda i y j
Una matriz simtrica tiene la propiedad de que es su propia imagen (como en un espejo) con
respecto a su diagonal principal
1
1
1
]
1

4 0 2
0 5 3
2 3 1
A
1
1
1
]
1

4 0 2
0 5 3
2 3 1
T
A
1
1
1
]
1

4 0 2
0 5 3
2 3 1
A
Una matriz cuadrada es antisimtrica si A = -A
T
, cuando a
ii
= 0
1
1
1
]
1

0 0 2
0 0 3
2 3 0
A
1
1
1
]
1

0 0 2
0 0 3
2 3 0
T
A
1
1
1
]
1

0 0 2
0 0 3
2 3 0
) 1 ( *
T
A
=
=

1.2 Operaciones con matrices y sus propiedades
Las operaciones ms usuales con matrices son las siguientes:
1. Suma de matrices
2. Producto de un nmero y una matriz (producto por un escalar)
3. Producto de matrices
En cada una de estas operaciones se deben de tener en cuenta ciertas consideraciones
Suma de matrices
La suma de matrices est definida slo cuando las matrices son del mismo tamao
Sean A = (a
i j
) y B = (b
i j
) dos matrices de m x n. Entonces la suma de A y B es la matriz m x n, A
+ B esta dada por:
1
1
1
1
]
1

+ + +
+ + +
+ + +
+ +
mn mn m m m m
n n
n n
ij ij
b a b a b a
b a b a b a
b a b a b a
b a B A

2 2 1 1
2 2 22 22 21 21
1 1 12 12 11 11
) (
A + B es la matriz m x n que se obtiene al sumar las componentes correspondientes de A y B

1
1
1
]
1

4 0 3
3 1 2
5 0 3
A
1
1
1
]
1

1 3 5
1 0 4
2 1 2
B
1
1
1
]
1

+
5 3 8
4 1 6
7 1 5
B A
1
]
1

6 5 4
3 2 1
C
1
1
1
]
1

7 4
5 2
0 1
D
No es posible sumar las
matrices C y D as como E y F
por ser de diferente tamao,
son incompatibles bajo la
suma
[ ] 0 1 5 E
1
1
1
]
1

1
2
3
F

Producto de un nmero y una matriz (producto por un escalar)
S A = (a
i j
) es una matriz de m x n y es un escalar . Entonces la matriz m x n de A, esta
definida por:
1
1
1
1
]
1

mn m m
n
n
ij
a a a
a a a
a a a
a A

2 1
2 22 21
1 12 11
) (
A = ( a
i j
) es la matriz obtenida al multiplicar cada componente de A por
1
1
1
]
1

4 0 3
3 1 2
5 0 3
A
2
1
1
1
]
1

1
1
1
]
1

8 0 6
6 2 4
10 0 6
) 4 ( 2 ) 0 ( 2 ) 3 ( 2
) 3 ( 2 ) 1 ( 2 ) 2 ( 2
) 5 ( 2 ) 0 ( 2 ) 3 ( 2
) 2 ( 2
ij
a A A

Teorema
Sean A, B y C tres matrices de m x n y sean y dos escalares. Entonces:
A A A
A A
B A B A
C B A C B A
A B B A
A
A A


+ +

+ +
+ + + +
+ +

+
) ( vii.
1 vi.
escalar) un por cin multiplica la para va distributi (ley ) ( v.
matrices) de suma la para asociativa (ley ) ( ) ( iv.
matrices) de suma la para a conmutativ (ley iii.
0 0 ii.
0 i.
1
1
1
]
1

4 0 3
3 1 2
5 0 3
A
1
1
1
]
1

0 0 0
0 0 0
0 0 0
0
1
1
1
]
1

+
4 0 3
3 1 2
5 0 3
0 A
=
i.

1
1
1
]
1

4 0 3
3 1 2
5 0 3
A
1
1
1
]
1

0 0 0
0 0 0
0 0 0
0
ii.
1
1
1
]
1

) 4 ( 0 ) 0 ( 0 ) 3 ( 0
) 3 ( 0 ) 1 ( 0 ) 2 ( 0
) 5 ( 0 ) 0 ( 0 ) 3 ( 0
0A
escalar matriz cero
iii.
1
1
1
]
1

1 3 5
1 0 4
2 1 2
B
1
1
1
]
1

+
5 3 8
4 1 6
7 1 5
B A
1
1
1
]
1

+
5 3 8
4 1 6
7 1 5
A B
=
iv.
1
1
1
]
1

0 0 1
2 2 4
1 1 0
C
1
1
1
]
1

+ +
5 3 9
6 3 10
8 2 5
) ( C B A
1
1
1
]
1

+
1 3 6
3 2 8
3 2 2
C B
1
1
1
]
1

+ +
5 3 9
6 3 10
8 2 5
) ( C B A
=

1
1
1
]
1

4 0 3
3 1 2
5 0 3
A
v.
1
1
1
]
1

1 3 5
1 0 4
2 1 2
B
1
1
1
]
1

+
5 3 8
4 1 6
7 1 5
B A
2
1
1
1
]
1

1
1
1
]
1

+
10 6 16
8 2 12
14 2 10
) 5 ( 2 ) 3 ( 2 ) 8 ( 2
) 4 ( 2 ) 1 ( 2 ) 6 ( 2
) 7 ( 2 ) 1 ( 2 ) 5 ( 2
) ( B A
1
1
1
]
1

8 0 6
6 2 4
10 0 6
A
1
1
1
]
1

2 6 10
2 0 8
4 2 4
B
1
1
1
]
1

+
10 6 16
8 2 12
14 2 10
B A
=
vii.
5 ) ( + 3
1
1
1
]
1

+
20 0 15
15 5 10
25 0 15
) ( A
1
1
1
]
1

12 0 9
9 3 6
15 0 9
A
1
1
1
]
1

+
20 0 15
15 5 10
25 0 15
A A
=
1
1
1
]
1

8 0 6
6 2 4
10 0 6
A
1
1
1
]
1

4 0 3
3 1 2
5 0 3
A

Producto de matrices
En las operaciones que se realicen para el producto de vectores y por consiguiente
producto de matrices es necesario definir el producto escalar
Sean y dos vectores. Entonces el producto escalar de a y b
denotado por est dado por :

,
_

n
a
a
a
a

2
1

,
_

n
b
b
b
b

2
1
b a
n n
b a b a b a b a + + +
2 2 1 1
El producto escalar se llama con frecuencia producto punto o producto interno de los
vectores y se observa que el producto escalar de dos n-vectores es un escalar (un
nmero)
Para el producto escalar de a y b es necesario que a y b tengan el mismo nmero de
componentes

Con frecuencia se tomar el producto escalar de un vector rengln y un vector columna
( )
n n
n
n
b a b a b a
b
b
b
a a a + + +

,
_

2 2 1 1
2
1
2 1
, , ,
Vector rengln de 1 x n
Vector columna de n x 1
Nmero real (un escalar)
Teorema
Sean a, b y c tres n-vectores y sea un escalar. Entonces:
) ( ) ( iv.
escalar) producto del va distributi (ley ) ( iii.
escalar) producto del a conmutativ (ley ii.
0 0 i.
b a b a
c a b a c b a
a b b a
a

+ +



) ( ) ( c b a c b a
No tiene sentido la ley asociativa para el producto escalar
porque ninguno de los dos lados de la ecuacin est
definido

Producto de dos matrices
Sea A = ( a
i j
) una matriz m x n, y sea B = ( b
i j
) una matriz n x p. Entonces el producto de A por B
es una matriz m x p, C = (c
i j
), en donde:
) de (columna ) de (rengln B j A i c
ij

El elemento ij de AB es el producto punto del rengln i de A y la columna j de B.
nj in j i j i ij
b a b a b a c + + +
2 2 1 1
Si el nmero de columnas de A es igual al nmero de renglones de B, entonces se dice que A y B
son compatibles bajo la multiplicacin
A B
m x n n x p
C
m x p
mismo
tamao de AB
=
1
1
1
1
1
]
1

1
1
1
1
1
1
]
1

np nj n
p j
p j
mn m m
in i i
n
b b b
b b b
b b b
a a a
a a a
a a a

1
2 2 21
1 1 11
2 1
2 1
1 12 11

1
1
1
]
1

3 2
1 3
1 0
B
1
1
1
]
1

3 2
1 3
1 0
B
1
]
1

2 3 1
1 0 2
A
1
]
1

10 5
5 2
C AB
10 ) 3 )( 2 ( ) 1 )( 3 ( ) 1 )( 1 (
5 ) 2 )( 2 ( ) 3 )( 3 ( ) 0 )( 1 (
5 ) 3 )( 1 ( ) 1 )( 0 ( ) 1 )( 2 (
2 ) 2 )( 1 ( ) 3 )( 0 ( ) 0 )( 2 (
22
21
12
11
+ +
+ +
+ +
+ +
c
c
c
c
1
]
1

2 3 1
1 0 2
A
1
]
1

2 3 1
1 0 2
A
1
1
1
]
1

3 2
1 3
1 0
B
1
]
1

2 3 1
1 0 2
A
1
1
1
]
1

3 2
1 3
1 0
B

Teorema
Sean A, B y C matrices (cuyos tamaos sean de tal manera que las operaciones indicadas puedan
ser realizadas) y sea un escalar. Entonces:
) ( ) ( ) ( iv.
derecha) la por va distributi (Ley ) ( iii.
izquierda) la por va distributi (Ley ) ( ii.
) asociativa (Ley ) ( ) ( i.
B A B A AB
BC AC C B A
AC AB C B A
C AB BC A

+ +
+ +

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

1
]
1

1
1
1
]
1

1
]
1

C
B
A
1
]
1

8 16 8 24
2 2 1 9
) (BC A
1
]
1

8 16 8 24
2 2 1 9
) ( C AB
=
i.
ii.
Con las matrices indicadas no se pueden realizar las operaciones,
debido a que sus tamaos no son los adecuados
iii.

1
]
1

16 0
2 6
) ( AB
1
]
1

16 0
2 6
) ( B A
1
]
1

16 0
2 6
) ( B A
= =
iv.
Multiplicacin de matrices por bloques
A menudo es conveniente considerar una matriz compuesta por varias submatrices ms
pequeas. Al introducir lneas verticales y horizontales en una matriz, se puede particionar en
bloques y despus multiplicar bloque por bloque en lugar de componente por componente
1
1
1
1
]
1

1
1
1
1
]
1

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

0 5 3 2
3 2 1 1
5 4 0 2
4 2 1 1
AB
1
1
1
1
]
1

0 5 3 2
3 2 1 1
5 4 0 2
4 2 1 1
A
1
1
1
1
]
1

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

1
]
1

+ +
+ +

1
]
1

1
]
1

1
1
1
1
]
1

1
1
1
1
]
1

FK EH FJ EG
DK CH DJ CG
K J
H G
F E
D C
AB
2 1 0
1 2 3
0 1 2
3 4 1

0 5 3 2
3 2 1 1
5 4 0 2
4 2 1 1
1
]
1

0 2
1 1
C
1
]
1

5 4
4 2
D
1
]
1

3 2
1 1
E
1
]
1

0 5
3 2
F
1
]
1

1 2
4 1
G
1
]
1

0
3
H
1
]
1

1 0
2 3
J
1
]
1

2
1
K
1
]
1

1
]
1

1
]
1

8 2
5 1
1 2
4 1

0 2
1 1
CG
1
]
1

1
]
1

1
]
1

13 12
8 6
1 0
2 3

5 4
4 2
DJ
1
]
1

1
]
1

1
]
1

6
3
0
3

0 2
1 1
CH
1
]
1

1
]
1

1
]
1

14
10
2
1

5 4
4 2
DK
1
]
1

1
]
1

1
]
1

11 4
3 3
1 2
4 1

3 2
1 1
EG
1
]
1

1
]
1

1
]
1

10 15
1 6
1 0
2 3

0 5
3 2
FJ
1
]
1

1
]
1

1
]
1

6
3
0
3

3 2
1 1
EH
1
]
1

1
]
1

1
]
1

5
4
2
1

0 5
3 2
FK
Se debe de tener cuidado de que todos los productos y las sumas de matrices deben de estar
definidas

1
]
1

+
21 10
13 7
DJ CG
1
]
1

+
20
13
DK CH
1
]
1

+
1 11
4 3
FJ EG 1
]
1

+
1
1
FK EH
1
1
1
1
]
1

1
1
1
1
]
1

1
]
1

+ +
+ +

1 1 11
1 4 3
20 21 10
13 13 7
1 1 11
1 4 3
20 21 10
13 13 7

FK EH FJ EG
DK CH DJ CG
AB

Operaciones con ecuaciones
Cuando se trabaja con ecuaciones el multiplicar o dividir los dos lados de est, por un nmero
diferente de cero da una nueva ecuacin correcta
9 3 2
3 2 1
+ + x x x
18 6 4 2
) 9 ( 2 ) 3 2 ( 2
3 2 1
3 2 1
+ +
+ +
x x x
x x x
Si se suma un mltiplo de una ecuacin a otra del sistema se obtiene tambin otra ecuacin
correcta la cual puede sustituir a cualquiera de las dos ecuaciones del sistema usadas para
obtenerla y lograr as un sistema equivalente
24 6 5 4
9 3 2
3 2 1
3 2 1
+ +
+ +
x x x
x x x
12 6 3
24 6 5 4
36 12 8 4
3 2
3 2 1
3 2 1

+ +

x x
x x x
x x x
12 6 3
9 3 2
3 2
3 2 1

+ +
x x
x x x
24 6 5 4
12 6 3
3 2 1
3 2
+ +

x x x
x x
Sistema
Suma de un mltiplo de una
ecuacin con otra del sistema
Sistemas equivalentes
Si se intercambian dos ecuaciones en un sistema tambin se obtiene un sistema equivalente

Al trabajar con matrices de coeficientes matrices aumentadas, se puede aplicar las mismas operaciones
que se realizan a las ecuaciones, slo que ahora se le conoce como operaciones elementales con
renglones las cuales son las siguientes:
i. Multiplicar (o dividir) un rengln por un nmero diferente de cero.
ii. Sumar un mltiplo de un rengln a otro
iii. Intercambiar dos renglones
El proceso de aplicar las operaciones elementales con renglones para simplificar una matriz aumentada
se llama reduccin por renglones y la notacin que se utiliza para indicar las operaciones es la
siguiente:
i i
cR R
Quiere decir remplaza el i-simo rengln por ese mismo rengln multiplicado por c.
(Para multiplicar el i-simo rengln por c, se multiplica cada nmero en el i-simo rengln
por c)
i j j
cR R R +
Significa sustituye el j-simo rengln por la suma del rengln j ms el rengln i
multiplicado por c
j i
R R
Quiere decir intercambiar los renglones i y j
B A Indica que las matrices aumentadas A y B son equivalentes; es decir, que los sistemas
que representan tienen la misma solucin

El uso de las operaciones elementales con renglones sirve para obtener una forma escalonada de la
matriz analizada o una forma de matriz escalonada reducida
1
1
1
]
1

3 0 1 2
5 3 2 1
2 1 1 1
1
1
1
1
]
1

7
11
1 0 0
7 4 1 0
2 1 1 1
1
1
1
1
1
1
]
1

7
11
1 0 0
7
5
0 1 0
7
8
0 0 1
Matriz
Forma escalonada de la
matriz
Forma escalonada reducida de
la matriz
La obtencin de las formas escalonada y escalonada reducida de una matriz parte de dos
mtodos muy utilizados en el algebra lineal para la resolucin de sistemas de ecuaciones y se
les conoce como:
i. Eliminacin de Gauss Jordan
ii. Eliminacin gaussiana

El mtodo de Eliminacin gaussiana tiene por objetivo formar la diagonal principal de la matriz con
unos y generar la forma escalonada de la misma (generar ceros por debajo de la diagonal principal),
utilizando la reduccin por renglones, de donde se despeja el valor de la ltima incgnita y despus se
utiliza la sustitucin hacia atrs y obtener el resultado del sistema de ecuaciones
El mtodo de Eliminacin Gauss - Jordan tiene por objetivo formar la diagonal principal de la matriz
con unos y generar ceros por debajo y arriba de la misma, utilizando la reduccin por renglones, para
as obtener la solucin del sistema

En la Eliminacin gaussiana se siguen los siguientes pasos:
1. Escribir la matriz aumentada del sistema de ecuaciones lineales
2. Utilizar operaciones elementales de rengln para reducir la matriz aumentada a la forma
escalonada de rengln
3. Mediante la sustitucin hacia atrs, se resuelve el sistema equivalente que corresponde a la matriz
de rengln reducido
5 2
5 3 2
3
3 2 1
3 2 1
3 2 1

+ +
+ +
x x x
x x x
x x x
1
1
1
]
1

1
1
1
]
1

8 3 2 0
1 1 1 0
3 1 1 1
5 2 1 1
5 1 3 2
3 1 1 1
1 3 3
1 2 2
2
R R R
R R R
1
1
1
]
1

1
1
1
]
1

+
2 1 0 0
1 1 1 0
3 1 1 1
10 5 0 0
1 1 1 0
3 1 1 1
3 3
2 3 3 5
1
2
R R
R R R
De la sustitucin hacia atrs da como resultado:
2
1
0
3
2
1

x
x
x

En la Eliminacin Gauss - Jordan se siguen los siguientes pasos:
1. Escribir la matriz aumentada del sistema de ecuaciones lineales
2. Utilizar operaciones elementales de rengln para reducir la matriz aumentada a la forma
escalonada reducida de rengln
3 2
5 3 2
2
2 1
3 2 1
3 2 1
+
+ +
+
x x
x x x
x x x
1
1
1
]
1

1
1
1
]
1

+
1 2 3 0
7 4 1 0
2 1 1 1
3 0 1 2
5 3 2 1
2 1 1 1
1 3 3
1 2 2
2R R R
R R R
1
1
1
]
1

1
1
1
]
1

+
+

,
_

11 7 0 0
7 4 1 0
9 5 0 1
2 1 1 2 3 0
7 4 1 0
2 1 1 1
2 1 1
2 3 3
3 3
2
3
2
1
R R R
R R R
R R
1
1
1
]
1

1
1
1
]
1

,
_

7 11 1 0 0
7 5 0 1 0
7 8 0 0 1
7 11 1 0 0
7 4 1 0
9 5 0 1
3 2 2
3 1 1
3 3
4
5
7
1
R R R
R R R
R R

,
_

,
_

,
_

23 11 5 0
12 6 3 0
9 3 2 1
4 2 1 3
24 6 5 4
9 3 2 1
4 2 1 3
24 6 5 4
18 6 4 2
1 3 3
1 2 2
1 1
3
4
2
1
R R R
R R R
R R

,
_

,
_

3 1 0 0
4 2 1 0
1 1 0 1
23 11 5 0
4 2 1 0
9 3 2 1
2 3 3
2 1 1
2 2
5
2
3
1
R R R
R R R
R R

,
_

,
_

+

3 1 0 0
2 0 1 0
4 0 0 1
3 1 0 0
4 2 1 0
1 1 0 1
3 2 2
3 1 1
3 3
2R R R
R R R
R R
Eliminacin gaussiana Eliminacin de Gauss - Jordan

1.3 La inversa de una matriz
Un sistema de ecuaciones lineales se puede escribir de la forma:
b Ax
De donde:
1
1
1
1
]
1

mn m m
n
n
a a a
a a a
a a a
A

2 1
2 22 21
1 12 11
1
1
1
1
]
1

n
x
x
x
x

2
1
1
1
1
1
]
1

n
b
b
b
b

2
1
1
1
1
1
]
1

+ +
+ +
+ + +

1
1
1
1
]
1

1
1
1
1
]
1

n mn m m
n n
n n
n mn m m
n
n
x a x a x a
x a x a x a
x a x a x a
x
x
x
a a a
a a a
a a a
Ax

2 2 1 1
2 2 22 1 21
1 2 12 1 11
2
1
2 1
2 22 21
1 12 11

1
1
1
1
]
1

1
1
1
1
]
1

+ +
+ +
+ + +
n n mn m m
n n
n n
b
b
b
x a x a x a
x a x a x a
x a x a x a

2
1
2 2 1 1
2 2 22 1 21
1 2 12 1 11
b Ax
Lo cual permite utilizar el lgebra
de matrices para resolver los
sistemas lineales

4 2 3
24 6 5 4
18 6 4 2
3 2 1
3 2 1
3 2 1
+
+ +
+ +
x x x
x x x
x x x
El sistema
Se puede escribir como
b Ax
1
1
1
]
1

2 1 3
6 5 4
6 4 2
A
1
1
1
]
1

3
2
1
x
x
x
x
1
1
1
]
1

4
24
18
b
Y si se conoce una matriz llamada
inversa de A, los sistemas cuadrados
se pueden resolver con rapidez
La forma de trabajar con las matrices inversas es muy similar a como se trabaja con las
ecuaciones, sin embargo se debe de tener cuidado de respetar todos los teoremas que rigen a
las matrices
Una ecuacin de la forma: en donde a,b y x, representan nmeros reales se puede
resolver para x de la siguiente manera:
b ax
a
b
x
a
b
x
a
b
x a
a
b
a
ax
a
b ax

,
_

1 ) (
1
) (
1
) (
1

Para imitar el procedimiento anterior se trabaja con la ecuacin matricial Ax=b, en la cual se
necesita hallar un matriz A (anloga a 1/a) tal que AA = I, un matriz identidad (anloga a 1). Si
una matriz as existe, entonces se puede efectuar la siguiente secuencia de clculos:
b A x b A Ix b A x A A b A Ax A b Ax ' ' ' ) ' ( ' ) ( '
Si A es una matriz de n x n, una inversa de A es una matriz A de n x n con la
propiedad de que:
I A A I AA ' y '
Donde I es la matriz identidad de n x n. Si tal A existe, entonces A se dice que es
invertible

La inversa de una matriz invertible se denota como:
1
A
(y se pronuncia como inversa de A)
La denotacin anterior no significa que se trata de dividir el escalar 1 entre la matriz A, porque
esta operacin no esta definida en el algebra matricial
A
A
1
1

No se puede dividir el escalar 1

entre una matriz, por lo tanto esta
operacin no esta definida
Si se da el caso de dividir matrices, lo que se debe de hacer es multiplicar la matriz del
numerador por la matriz inversa correspondiente al denominador siempre y cuando este
definida la operacin para el producto de matrices
1
AB
B
A
Una matriz cuadrada que no es invertible se llama singular. Una matriz invertible se llama
tambin no singular

Algunos hechos importantes sobre matrices inversas son los siguientes:

No todas las matrices cuadradas tienen inversa

Si una matriz A es invertible, entonces su inversa es nica

Propiedades de las matrices inversas:
a. Si A es una matriz invertible, entonces A
-1
es invertible y
b. Si A es una matriz invertible y c es un escalar distinto de cero, entonces cA es una matriz
invertible y
c. Si A y B son matrices invertibles del mismo tamao, entonces AB es invertible y
d. Si A es una matriz invertible, entonces A
T
es invertible y
e. Si A es una matriz invertible, entonces A
n
es invertible para todos los enteros no negativos
n y
A A
1 1
) (
1 1
1
) (

A
c
cA
1 1 1
) (

A B AB
T T
A A ) ( ) (
1 1

n n
A A ) ( ) (
1 1

Procedimiento para encontrar la inversa de una matriz cuadrada A
1. Se escribe la matriz aumentada
2. Se utiliza la reduccin por renglones para poner la matriz A a su forma escalonada
reducida por renglones
3. Se decide si A es invertible
a. 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
b. Si la reduccin de A conduce a un rengln de ceros a la izquierda de la barra vertical,
entonces A no es invertible
) ( I A
1
1
1
]
1

2 1 3
6 5 4
6 4 2
A
1
1
1
]
1

1 0 0 2 1 3
0 1 0 6 5 4
0 0 1 6 4 2
Matriz original
Matriz aumentada con la matriz identidad

1
1
1
]
1

1
1
1
]
1

1
1
1
]
1

1 0 2 3 11 5 0
0 1 2 6 3 0
0 0 2 1 3 2 1
1 0 0 2 1 3
0 1 0 6 5 4
0 0 2 1 3 2 1
1 0 0 2 1 3
0 1 0 6 5 4
0 0 1 6 4 2
1 3 3
1 2 2
1 1
3
4
2 1 R R R
R R R
R R
1
1
1
]
1

1
1
1
]
1

+


1 3 5 6 11 1 0 0
0 3 1 3 2 2 1 0
0 3 2 6 5 1 0 1
1 0 2 3 11 5 0
0 3 1 3 2 2 1 0
0 0 2 1 3 2 1
2 3 3
2 1 1
2 2
5
2
3 1 R R R
R R R
R R
1
1
1
]
1

1
1
1
]
1

+

1 3 5 6 11 1 0 0
2 3 11 3 13 0 1 0
1 3 7 3 8 0 0 1
1 3 5 6 11 1 0 0
0 3 1 3 2 2 1 0
0 3 2 6 5 1 0 1
3 2 2
3 1 1
3 3
2R R R
R R R
R R
Matriz
identidad
Matriz inversa
1
1
1
]
1

1
1
1
]
1

6 10 11
12 22 26
6 14 16
6 1
1 3 5 6 11
2 3 11 3 13
1 3 7 3 8
1
A

1
1
1
]
1

+
+
1 1 2 0 0 0
0 1 2 1 1 0
0 3 5 1 0 1
2 3 3
2 1 1
3
R R R
R R R
1
1
1
]
1

1 1 0
7 5 2
4 3 1
A
1
1
1
]
1

1
1
1
]
1

1 0 0 1 1 0
0 1 2 1 1 0
0 0 1 4 3 1
1 0 0 1 1 0
0 1 0 7 5 2
0 0 1 4 3 1
1 2 2
2R R R
Rengln de ceros a la
izquierda de la barra
La matriz A no puede reducirse a la matriz
identidad, por presentar un rengln de ceros
a la izquierda de la barra, por lo que se puede
concluir que A no es invertible

Para el caso de las matrices de 2 x 2, se tiene el siguiente teorema:
invertible es no entonces , 0 Si
1
caso cuyo en , 0 si invertible es entonces , Si
1
A bc ad
a c
b d
bc ad
A
bc ad A
d c
b a
A

1
]
1

1
]
1

La expresin ad bc , se denomina determinante de A, y se denota como det A

1
]
1

4 3
2 1
A
invertible es 0 2 ) 3 ( 2 ) 4 ( 1 det A A
1
]
1

1
]
1

2 1 2 3
1 2
1 3
2 4
2
1
1
A

1.4 Matrices elementales
Una matriz (cuadrada) E de n x n se llama matriz elemental si se puede obtener a partir de
la matriz identidad I de n x n mediante una sola operacin elemental con renglones
Una matriz elemental se denota por E, o por :
ij
i j
i
P
cR R
cR
+
2
5
5
1 0 0
0 5 0
0 0 1
1 0 0
0 1 0
0 0 1
2 2
R
R R

1
1
1
]
1

1
1
1
]
1

1 3
3
3
1 0 3
0 1 0
0 0 1
1 0 0
0 1 0
0 0 1
1 3 3
R R
R R R

1
1
1
]
1

1
1
1
]
1

23
0 1 0
1 0 0
0 0 1
1 0 0
0 1 0
0 0 1
3 2
P
R R

1
1
1
]
1

1
1
1
]
1

1
2
3

Sea E la matriz elemental que se obtiene cuando se efecta una operacin elemental por rengln
sobre I
n
. Si la misma operacin elemental por rengln se realiza sobre una matriz A de n x r, el
resultado es el mismo que la matriz EA
1
1
1
]
1

1
1
1
]
1

1
1
1
]
1

4 2 1 3
25 15 10 20
1 2 3 1
4 2 1 3
5 3 2 4
1 2 3 1

1 0 0
0 5 0
0 0 1
) 5 (
2
A R
1
1
1
]
1

4 2 1 3
5 3 2 4
1 2 3 1
A
E
A
1
1
1
1
]
1

1
1
1
]
1

1
1
1
]
1

1 8 8 0
5 3 2 4
1 2 3 1
4 2 1 3
5 3 2 4
1 2 3 1

1 0 3
0 1 0
0 0 1
) 3 (
1 3
A R R 2
E A

1
1
1
]
1

1
1
1
]
1

1
1
1
]
1

5 3 2 4
4 2 1 3
1 2 3 1
4 2 1 3
5 3 2 4
1 2 3 1

0 1 0
1 0 0
0 0 1
) (
23
A P
3
E A
Al considerar los siguientes tres productos, con 0 c
1
1
1
]
1

1
1
1
]
1

1
1
1
]
1

1 0 0
0 1 0
0 0 1
1 0 0
0 1 0
0 0 1

1 0 0
0 0
0 0 1
c c
1
1
1
]
1

1
1
1
]
1

1
1
1
]
1

1 0 0
0 1 0
0 0 1
1 0
0 1 0
0 0 1

1 0
0 1 0
0 0 1
c c
1
1
1
]
1

1
1
1
]
1

1
1
1
]
1

1 0 0
0 1 0
0 0 1
0 1 0
1 0 0
0 0 1

0 1 0
1 0 0
0 0 1
E
1
E
I
E
1
E
I
E
1
E
I
Se observa que toda matriz elemental es invertible y
que su inversa es del mismo tipo

j i j i
i j i j
i i
P P
cR R cR R
R
c
cR

1


1


1

) (
) (
1
) (

Se tiene que:
Cuando se realizan las siguientes operaciones sobre la matriz A:
i i i i
i j j i j j
R
c
R cR R
cR R R cR R R


1
de seguida
de seguida

+
La matriz A no cambia
Toda matriz de permutacin elemental es su propia inversa

Toda matriz elemental es invertible. El inverso de una matriz elemental es una matriz del
mismo tipo.
Una matriz cuadrada es invertible si y slo si es el producto de matrices elementales
I A E E E E
m m

1 2 1

elemental matriz una es cada donde

2 1 i m
E E E E A
1
1 2 1

A E E E E
m m

1 1
1
1
2
1
1
1
3 2 1
1 1
) ( ) (

m m m m
E E E E E E E E A A
Teoremas

1
1
1
]
1

1
1
1
]
1

1
1
1
]
1

1 0 2 3 11 5 0
0 1 2 6 3 0
0 0 2 1 3 2 1
1 0 0 2 1 3
0 1 0 6 5 4
0 0 2 1 3 2 1
1 0 0 2 1 3
0 1 0 6 5 4
0 0 1 6 4 2
1 3 3
1 2 2
1 1
3
4
2 1 R R R
R R R
R R
1
1
1
]
1

1
1
1
]
1

+


1 3 5 6 11 1 0 0
0 3 1 3 2 2 1 0
0 3 2 6 5 1 0 1
1 0 2 3 11 5 0
0 3 1 3 2 2 1 0
0 0 2 1 3 2 1
2 3 3
2 1 1
2 2
5
2
3 1 R R R
R R R
R R
1
1
1
]
1

1
1
1
]
1

+

1 3 5 6 11 1 0 0
2 3 11 3 13 0 1 0
1 3 7 3 8 0 0 1
1 3 5 6 11 1 0 0
0 3 1 3 2 2 1 0
0 3 2 6 5 1 0 1
3 2 2
3 1 1
3 3
2R R R
R R R
R R
1
2 1 R
1 2
4R R
1 3
3R R
2
3 1 R
2 1
2R R
2 3
5R R +
3
R
3 1
R R +
3 2
2R R
Operaciones elementales
con renglones

1
1
1
]
1

1
1
1
]
1

1 0 0
0 1 0
0 0 2 1
1 0 0
0 1 0
0 0 1
1
2 1
1
R
E
1
1
1
]
1

1
1
1
]
1

1 0 0
0 1 4
0 0 1
1 0 0
0 1 0
0 0 1
1 2
4
2
R R
E
1
1
1
]
1

1
1
1
]
1

1 0 3
0 1 0
0 0 1
1 0 0
0 1 0
0 0 1
1 3
3
3
R R
E
1
1
1
]
1

1
1
1
]
1

1 0 0
0 3 1 0
0 0 1
1 0 0
0 1 0
0 0 1
2
3 1
4
R
E
1
1
1
]
1

1
1
1
]
1

1 0 0
0 1 0
0 2 1
1 0 0
0 1 0
0 0 1
2 1
2
5
R R
E
1
1
1
]
1

1
1
1
]
1

+
1 5 0
0 1 0
0 0 1
1 0 0
0 1 0
0 0 1
2 3
5
6
R R
E
1
1
1
]
1

1
1
1
]
1

1 0 0
0 1 0
0 0 1
1 0 0
0 1 0
0 0 1
3
7
R
E
1
1
1
]
1

1
1
1
]
1

+
1 0 0
0 1 0
1 0 1
1 0 0
0 1 0
0 0 1
3 1
8
R R
E
1
1
1
]
1

1
1
1
]
1

1 0 0
2 1 0
0 0 1
1 0 0
0 1 0
0 0 1
3 2
2
9
R R
E
1 7 8 9
1
E E E E A

9
1
3
1
2
1
1
1 1 1
) (

E E E E A A
1
1
1
]
1

1
1
1
]
1

1 0 0
0 1 0
0 0 2
1 0 0
0 1 0
0 0 1
1
2
1
1 R
E
1
1
1
]
1

1
1
1
]
1

+
1 0 0
0 1 4
0 0 1
1 0 0
0 1 0
0 0 1
1 2
4
2
1 R R
E
1
1
1
]
1

1
1
1
]
1

+
1 0 3
0 1 0
0 0 1
1 0 0
0 1 0
0 0 1
1 3
3
3
1 R R
E
1
1
1
]
1

1
1
1
]
1

1 0 0
0 3 0
0 0 1
1 0 0
0 1 0
0 0 1
2
3
4
1 R
E
1
1
1
]
1

1
1
1
]
1

+
1 0 0
0 1 0
0 2 1
1 0 0
0 1 0
0 0 1
2 1
2
5
1 R R
E
1
1
1
]
1

1
1
1
]
1

1 5 0
0 1 0
0 0 1
1 0 0
0 1 0
0 0 1
2 3
5
6
1 R R
E
1
1
1
]
1

1
1
1
]
1

1 0 0
0 1 0
0 0 1
1 0 0
0 1 0
0 0 1
3
7
1 R
E
1
1
1
]
1

1
1
1
]
1

1 0 0
0 1 0
1 0 1
1 0 0
0 1 0
0 0 1
3 1
8
1 R R
E
1
1
1
]
1

1
1
1
]
1

+
1 0 0
2 1 0
0 0 1
1 0 0
0 1 0
0 0 1
3 2
2
9
1 R R
E

1.5 Determinante de un matriz
Un determinante es un escalar particular que se le asigna a una matriz cuadrada y se puede
expresar de las siguientes maneras:
22 21
12 11
det
a a
a a
A
A
1
2
3
En el caso de la expresin 2 no se debe de confundir esta notacin con las barras de valor
absoluto.
Los determinantes tienen muchas aplicaciones, pero en general se utilizan para calcular la
inversa de una matriz y para la resolucin de sistemas de n ecuaciones lineales con n
incgnitas

Para el caso de un determinante de 2 x 2, se puede calcular su valor de la siguiente manera:
1
]
1

22 21
12 11
a a
a a
A
21 12 22 11
det a a a a A
Para el caso de un determinante de 3 x 3, se puede calcular su valor de la siguiente manera:
1
1
1
]
1

33 32 31
23 22 21
13 12 11
a a a
a a a
a a a
A
32 31
22 21
13
33 31
23 21
12
33 32
23 22
11
det
a a
a a
a
a a
a a
a
a a
a a
a A +
Observa este signo

Tambin se puede obtener as:
+ + +
- - -
32 31
22 21
12 11
33 32 31
23 22 21
13 12 11
det
a a
a a
a a
a a a
a a a
a a a
A
12 21 33 11 23 32 13 22 31 32 21 13 31 23 12 33 22 11
det a a a a a a a a a a a a a a a a a a A + +
Este mtodo no se puede aplicar a un determinante de n x n si n >3

Menor
Sea A una matriz de n x n y sea M
i j
la matriz de (n 1) x (n 1) obtenida de A eliminando el
rengln i y la columna j. M
i j
se llama menor ij de A
1
1
1
]
1

4 3 6
5 1 0
4 1 2
A
1
]
1

3 6
1 0
13
M
1
]
1

4 3
5 1
11
M
1
1
1
]
1

4 3 6
5 1 0
4 1 2
A
Menores
Cofactor
Sea A una matriz de n x n . El cofactor ij de A, denotado por A
i j
est dado por:
ij
j i
ij
M A
+
) 1 (

'

+
+

+
impar es si 1
par es si 1
) 1 (
j i
j i
j i

Determinante de n x n
Sea A una matriz de n x n . Entonces el determinante de A esta denotado por:

+ + + +
n
k
ik ik
in in i i i i i i
A a
A a A a A a A a A A
1
3 3 2 2 1 1
det
Expansin por
cofactores a lo
largo del i-simo
rengln

+ + + +
n
k
kj kj
nj nj j j j j j j
A a
A a A a A a A a A A
1
3 3 2 2 1 1
det
Expansin por
cofactores a lo
largo de la j-sima
columna

1
1
1
]
1

3 1 2
2 0 1
2 3 5
A
33 33 32 32 31 31
23 23 22 22 21 21
13 13 12 12 11 11
det
det
det
A a A a A a A
A a A a A a A
A a A a A a A
+ +
+ +
+ +
1er rengln
2do rengln
3er rengln
Expansin
por
cofactores
a lo largo
de rengln
1er rengln
5 det
2 3 10 det
) 1 )( 1 )( 2 ( ) 1 )( 1 )( 3 ( ) 2 )( 1 )( 5 ( det
1 2
0 1
) 1 )( 2 (
3 2
2 1
) 1 )( 3 (
3 1
2 0
) 1 )( 5 ( det
3 1 2 1 1 1

+ +

+ +

+ + +
A
A
A
A
2do rengln
5 det
2 0 7 det
) 1 )( 1 )( 2 ( ) 11 )( 1 )( 0 ( ) 7 )( 1 )( 1 ( det
1 2
3 5
) 1 )( 2 (
3 2
2 5
) 1 )( 0 (
3 1
2 3
) 1 )( 1 ( det
3 2 2 2 1 2

+
+ +

+ +

+ + +
A
A
A
A

1
1
1
]
1

3 1 2
2 0 1
2 3 5
A
33 33 23 23 13 13
32 32 22 22 12 12
31 31 21 21 11 11
det
det
det
A a A a A a A
A a A a A a A
A a A a A a A
+ +
+ +
+ +
1a columna
2da columna
3a columna
Expansin
por
cofactores a
lo largo de
columna
1a columna
5 det
12 7 10 det
) 6 )( 1 )( 2 ( ) 7 )( 1 )( 1 ( ) 2 )( 1 )( 5 ( det
2 0
2 3
) 1 )( 2 (
3 1
2 3
) 1 )( 1 (
3 1
2 0
) 1 )( 5 ( det
1 3 1 2 1 1

+
+ +

+ + +
A
A
A
A
2a columna
5 det
8 0 3 det
) 8 )( 1 )( 1 ( ) 11 )( 1 )( 0 ( ) 1 )( 1 )( 3 ( det
2 1
2 5
) 1 )( 1 (
3 2
2 5
) 1 )( 0 (
3 2
2 1
) 1 )( 3 ( det
2 3 2 2 2 1

+ +
+ +
+ +
+ + +
A
A
A
A

Una matriz cuadrada se llama triangular superior si todas sus componentes debajo de la
diagonal son cero.
Matriz triangular
Una matriz cuadrada se llama triangular inferior si todas sus componentes arriba de la
diagonal son cero.
Una matriz cuadrada se llama diagonal si todos los elementos que no estn sobre la diagonal
son cero. Una matriz diagonal es tanto triangular superior como triangular inferior
1
1
1
]
1

1 0 0
5 2 0
7 1 2
A
1
1
1
1
]
1

2 0 0 0
3 1 0 0
4 2 0 0
1 0 3 2
B
1
1
1
]
1

4 2 1
0 3 2
0 0 5
C
1
]
1

0 1
0 0
D
1
1
1
]
1

1 0 0
0 1 0
0 0 1
I
1
1
1
]
1

4 0 0
0 7 0
0 0 2
E

Sea A = ( a
i j
) un matriz de n x n triangular inferior o superior. Entonces:
nn
a a a a A
33 22 11
det
1
1
1
1
1
1
]
1

1 0 0 0 0
2 5 0 0 0
0 6 1 0 0
7 5 2 3 0
4 0 1 3 2
A
30 det
) 1 )( 5 )( 1 )( 3 )( 2 ( det


A
A

1.6 Propiedades de los determinantes
Sea A=[ a
i j
] una matriz cuadrada.
a. Si A tiene un rengln (columna) cero, entonces det A = 0
b. Si B se obtiene al intercambiar dos renglones (columnas) de A, entonces det B = - det A
c. Si A tiene dos renglones (columnas) idnticos, entonces det A = 0
d. Si B se obtiene al multiplicar un rengln (columna) de A por k, entonces det B = k det A
e. Si A, B y C son idnticas excepto en el i-simo rengln (columna) de C sea la suma de los i-
simos renglones (columnas) de A y B, entonces det C = det A + det B
f. Si B se obtiene al sumar un mltiplo de un rengln (columna) de A a otro rengln (columna),
entonces det B = det A

Al trabajar con las propiedades de los determinantes se trata de transformar al determinante a
su forma escalonada, para as poder calcular fcilmente el valor del determinante al multiplicar
los trminos de su diagonal principal.
1
1
1
1
]
1

1 3 1 5
7 5 4 2
6 3 0 3
5 4 2 0
A
1 3 1 5
7 5 4 2
5 4 2 0
2 1 0 1
3
1 3 1 5
7 5 4 2
5 4 2 0
6 3 0 3
1 3 1 5
7 5 4 2
6 3 0 3
5 4 2 0
det
3
1 2 1

R R R
A
13 0 0 0
33 15 0 0
9 2 1 0
2 1 0 1
3
5 4 2 0
3 7 4 0
9 2 1 0
2 1 0 1
) 3 (
9 2 1 0
3 7 4 0
5 4 2 0
2 1 0 1
3
2 4
2 3
4 2 1 4
1 3
2
4
5
2

+
+

R R
R R
R R R R
R R
585 det
) 13 )( 15 )( 1 )( 1 )( 3 ( det

A
A

17 3 7 0 0
9 3 19 0 0
2 3 5 1 0
4 2 1 1
3
7 6 5 0
1 2 5 0
2 3 5 1 0
4 2 1 1
3
7 6 5 0
1 2 5 0
6 5 3 0
4 2 1 1
7 6 5 0
3 0 4 1
6 5 3 0
4 2 1 1
2 4
2 3
2 1 3
5
5
3 1

R R
R R
R R R
) 19 )( 3 ( 780 3 7 0 0
19 27 1 0 0
2 3 5 1 0
4 2 1 1
) 3 19 )( 3 (
17 3 7 0 0
19 27 1 0 0
2 3 5 1 0
4 2 1 1
) 3 19 )( 3 (
3 4 3
3 7 19 3

R R R
260
) 19 )( 3 (
) 780 )( 3 19 )( 3 (
det

Matriz adjunta
Se define a la matriz adjunta como aquella matriz que se obtiene de la matriz transpuesta de
cofactores de una matriz cuadrada de n x n.
Se define como adj A
1
1
1
1
]
1

nn n n
n
n
A A A
A A A
A A A
B

2 1
2 22 21
1 12 11
1
1
1
1
]
1

mn m m
n
n
a a a
a a a
a a a
A

2 1
2 22 21
1 12 11
escalar ) 1 (
+
ij
j i
ij
M A
n m
1
1
1
1
]
1

nn n n
n
n
t
A A A
A A A
A A A
B

2 1
2 22 12
1 21 11
Matriz de n x n
Matriz de cofactores
Matriz transpuesta de
cofactores
1
1
1
1
]
1

nn n n
n
n
t
A A A
A A A
A A A
B adjA

2 1
2 22 12
1 21 11
Matriz adjunta de A

Teorema
Sea una matriz A de n x n entonces
I A
A
A
A
A
adjA A ) (det
det 0 0 0
0 det 0 0
0 0 det 0
0 0 0 det
) )( (
1
1
1
1
1
1
]
1

adjA
A
A
I A adjA A

det
1
) (det ) )( (
1

Sea una matriz A de n x n entonces A es invertible si y slo si 0 det A

Si entonces: 0 det A

Regla de Cramer
La regla de Cramer es una frmula que se utiliza para describir la solucin de sistemas de n
ecuaciones lineales en n variables completamente en trminos de determinantes.
n n nn n n
n n
n n
b x a x a x a
b x a x a x a
b x a x a x a
+ +
+ +
+ +

2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11

Sistema de n ecuaciones
con n incgnitas
Notacin matricial
b x A

0 det
det

A
A D
1
1
1
1
]
1

nn n n
n
n
a a b
a a b
a a b
A

2
2 22 2
1 12 1
1
Sea
1
1
1
1
]
1

nn n n
n
n
a b a
a b a
a b a
A

1
2 2 21
1 1 11
2
1
1
1
1
]
1

n n n
b a a
b a a
b a a
A

2 1
2 22 21
1 12 11
2
Se observa que A
i
es la matriz que se obtiene al reemplazar la columna i de A por b
Sean
n n
A D A D A D det , , det , det
2 2 1 1

La solucin nica al sistema esta dada por b x A
D
D
x
D
D
x
D
D
x
n
n
, ,
2
2
1
1