UNIVERSIDAD NACIONAL DE PIURA

FACULTAD DE ECONOMIA

CURSO: ECONOMÍA MATEMÁTICA

DR. FÉLIX WONG CERVERA

fewoce@yahoo.es
1
 SUMILLA
 El curso abarca los principales aspectos de
la economía matemática tales como
modelos económicos, modelos lineales y
álgebra de matrices, análisis de estática
comparativa, optimización económica,
análisis dinámico en tiempo continuo y
discreto, análisis topológico y diagrama de
fases, optimización dinámica, cálculo de
variaciones, teoría del control óptimo y
programación dinámica.

2
 OBJETIVO GENERAL
El alumno será capaz de conocer,
comprender y aplicar la Teoría
Matemática en la Ciencia Económica y
asume una actitud para el diseño,
formulación y evaluación de modelos
económicos- matemáticos, pertinentes
a nuestra realidad económica, social y
ambiental.

3
 OBJETIVOS ESPECÍFICOS
 1° Conocer, comprender la metodología y el uso de
modelos teóricos matemáticos que utiliza la ciencia
económica. Asimismo aplicar la teoría del álgebra
matricial y derivadas para la determinación del
equilibrio parcial y general y para el análisis de
estática comparativa de los modelos teóricos
matemáticos.
 2º Conocer, comprender y aplicar la teoría del
álgebra matricial para la determinación del óptimo
así como del análisis de estática comparativa en
modelos de optimización estática con una o más
variables de elección y con o sin restricciones.
4
 OBJETIVOS ESPECÍFICOS
 3° Conocer, comprender y aplicar la teoría de las
integrales y de las ecuaciones en diferencia y
diferenciales para determinar trayectorias
cuantitativas y cualitativas en modelos económicos
teóricos matemáticos.
 4º Conocer, comprender y aplicar la teoría de las
integrales y de las ecuaciones en diferencia y
diferenciales para determinar trayectorias
cuantitativas y cualitativas de variables de estado, de
control y de coestado en modelos económicos de
optimización dinámica.

5
 METODOLOGÍA
Exposiciones teóricas a cargo del docente del
curso respecto a los conceptos fundamentales
básicos.

Asesoría y seguimiento individual del avance

de los trabajos de investigación.

 Sesiones plenarias para la exposición de los

trabajos de investigación.
6
 EVALUACIÓN
 Prácticas Calificadas 30%

 Trabajo de Investigación 20%

 Talleres 20%

 Examen Parcial 15%

 Examen Final 15%

Total 100%

7
 CONTENIDO
CAPÍTULO 1: MODELOS ECONÓMICOS

CAPÍTULO 2: ANÁLISIS DE ESTÁTICA

COMPARATIVA

CAPÍTULO 3: ANÁLISIS DINÁMICO

CAPÍTULO 4: OPTIMIZACIÓN
DINÁMICA
8
 CAPÍTULO 1
MODELOS ECONÓMICOS
CONTENIDO:

1.1.- METODOLOGÍA DE LA CIENCIA ECONÓMICA

1.2.- MODELOS ECONÓMICOS

1.3.- MODELOS LINEALES Y ALGEBRA DE MATRICES

http://documento.online-
convert.com/es/convertir-a-txt
9
 INTRODUCCIÓN
La economía matemática es solo un método utilizado
en el análisis económico, que emplea símbolos
matemáticos para enunciar los problemas y se basa en
teoremas matemáticos para auxiliarse en el
razonamiento. No debe diferir con el método no
matemático del análisis económico.
El método matemático tiene las siguientes ventajas:
a) El lenguaje usado es más conciso y preciso
b) Existe una gran cantidad de teoremas matemáticos
a nuestro servicio
c) Hace posible expresar de modo explícito todas las
suposiciones
d)Permite tratar el caso general de n variables

10
 1.1. METODOLOGÍA DE LA ECONOMÍA

La economía desarrolla sus teorías y modelos a

partir de observaciones empíricas y no
experimentales de los agentes económicos. En la
actualidad, la economía se considera como una
ciencia empírica. Toda ciencia empírica emplea
una metodología (lógico-empírica) en la
elaboración de modelos, que incluye la
observación, la modelización y la verificación, y
que se puede resumir en los siguientes pasos:

11
1. Observaciones cualitativas y cuantitativas de los
fenómenos, directamente o a través de
experimentación cuidadosamente diseñada.
2. Procesamiento numérico y estadístico de los
datos observados.
3. Elaboración de un modelo teórico que describa
los fenómenos observados y que explique las
relaciones entre ellos.
4. Utilización del modelo teórico para deducir
predicciones.
5. Corrección y mejora del modelo de modo que
permita realizar mejores
predicciones.

12
13
14
 1.2. MODELOS ECONÓMICOS
Todo fenómeno económico se presenta en un
entorno complejo sobre el que influyen muchos
factores de diversa índole: económicos,
tecnológicos, políticos, psicológicos, etc. El análisis
de un fenómeno económico se puede realizar en
dos pasos. En primer lugar, debido a la
imposibilidad de tener en consideración todos los
factores que influyen en un fenómeno tan
complejo, se seleccionan aquellos que se
consideran relevantes prescindiendo del resto de
factores. Es decir, en las explicaciones del
fenómeno, únicamente se tiene en consideración
ciertos factores y todo lo demás se mantiene
constante (ceteris paribus).
15
A continuación se establecen relaciones entre los
factores seleccionados. El conjunto de relaciones
entre los factores relevantes constituyen lo que se
conoce como modelo económico. Al proceso de
seleccionar los factores relevantes y establecer
relaciones entre ellos se le denomina modelización.
Los modelos económicos son abstracciones o
simplificaciones del mundo real , que se usan
comúnmente para explicar cómo opera la
economía o parte de ella, también se usan para
realizar predicciones sobre el comportamiento de
los hechos y determinar los efectos o tomar
decisiones sobre los mismos.

16
Un modelo económico es una representación
esquemática y aproximada de la economía real y
que proporciona una imagen simplificada e
idealizada de ciertos aspectos de la actividad
económica.
Es una representación simplificada de la forma en
que ciertos fenómenos están constituidos y/o de la
manera en que se desenvuelven. Este concepto
incluye, en forma explícita, el análisis estructural
(la forma en que ciertos fenómenos están
constituidos) y el análisis dinámico (la manera en
que ciertos fenómenos se desarrollan en el
tiempo).

17
Es un conjunto de relaciones matemáticas que
expresan en forma simplificada e idealizada, las
características básicas y esenciales de: un orden
institucional y legal vigente, una tecnología
incorporada a la actividad económica objeto de
análisis, la regularidad observada en el
comportamiento real de los sujetos de la actividad
económica.
Es una representación formal de los rasgos básicos
de un sistema complejo (la economía real) por
medio de unas cuantas relaciones fundamentales.

18
Elementos de un modelo económico matemático
Un modelo económico matemático esta constituido
por ecuaciones, variables y parámetros.
1. Ecuaciones
2. Variables
3. Parámetros
4. Constantes
1. Ecuación
En primer lugar, un modelo se especifica mediante
una ecuación (modelos uniecuacionales) o varias
ecuaciones (modelos multiecuacionales). Cada
ecuación explica un sector (agricultura,
manufactura, gobierno, etc.) o una categoría
(consumidores, productores, inversionistas,
instituciones financieras, etc.) de la actividad
económica objeto de investigación.
19
Según sea su contenido empírico, las ecuaciones
de un modelo se clasifican
en:
1.1 Ecuaciones de comportamiento. Ejemplo:
Función consumo: C = c0 + cyY
Función demanda: Q = a – b.P
1.2 Ecuaciones institucionales o legales. Ejemplo:
Función de tributación: T = t0+ t 1Y
Oferta monetaria: M = α + β.Y
1.3 Ecuaciones tecnológicas. Ejemplo:
Función de producción: Q = 2 KL
Q = F(K, L) = AKαLβ r=α+β

20
1.4 Ecuaciones de definición o identidad. Ejemplo:
Definición de dinero: M = B + C
Demanda Agregada: A = C + I + G + X + M
1.5 Ecuaciones de equilibrio móvil. Ejemplo:
Equilibrio de mercado: Qd = Qs
Equilibrio macroeconómico A = Y
2. Variable
Una variable es algo cuya magnitud puede
cambiar; es decir, algo que puede tomar
diferentes valores.
Las variables se representan por un símbolo. Por
ejemplo, podemos representar el precio por la
letra " P" , el costo por la letra "C" , la renta
nacional por la letra "Y" , etc.
21
Clasificación de las variables en los modelos
estructurales:
I. Variables endógenas
II. Variables predeterminadas:
II.1 Exógenas
II.2 Endógenas con retardo
III. Variables aleatorias o estocásticas
IV. Variables expectativas
3. Parámetro
Es un factor de ponderación correspondiente a
cada variable explicativa y mide el efecto de las
fluctuaciones de estas variables sobre la variable
explicada.
4. Constante
Es un valor numérico que no cambia
22
Ejemplos de modelos económicos matemáticos:
Modelo básico de mercado:
(1) Dt = α1 − β1Pt + μ1t α1,β1 > 0
(2) St = α2 − β2Pt-1 + μ2t α2 < 0 ; β2 > 0
(3) Dt = St = q t
Donde "Pt" es el precio, "Dt" la demanda, "St" la
oferta, "μ1t" y "tμ2“ son variables aleatorias. Todos
ellos en el periodo "t", define un modelo en su
forma primaria que, en economía, se le conoce
como el modelo “estructural o primario” de la
telaraña. 23
En cambio:
(1) Dt = 80 − 1.2Pt + μ1t
(2) St = -5 + 0.9Pt-1 + μ2t
(3) Dt = St = qt
define una estructura. Ella es un elemento, de entre los
infinitos elementos posibles, pertenecientes al modelo
de la telaraña, en efecto, para cada combinación de
valores factibles de α1 , α2 , β1 y β2 , sin tener en
consideración por el momento los parámetros
correspondientes a la especificación que se realice
sobre μ1t y μ2t , se tiene una estructura distinta.
24
Camilo Dagún.
a) de comportamiento
b) tecnológicas
1. Ecuaciones c) institucionales o legales
d) identidades
e) equilibrio móvil

endógenas
a) sistémicas endógenas
2. Variables predeterminadas exógenas
con rezago
b) aleatorias o residuales

3. Parámetros a) de posición (intercepto)

b) de inclinación (pendiente)

25
Análisis de un modelo
Existen dos posibles tipos de análisis de un
modelo. En primer lugar, se puede realizar un
análisis estático, que se centra en el estudio de
eventos que se supone ocurren en un punto del
tiempo.

Es decir, el análisis estático estudia los valores

alternativos de equilibrio instantáneo para un
determinado grupo de variables endógenas
relacionadas con diversas estructuras para las
variables exógenas del modelo en un punto
particular del tiempo.

26
En segundo lugar, se puede efectuar un análisis
dinámico, que estudia las sendas temporales de
las variables endógenas asociadas a las diversas
sendas temporales de las variables exógenas del
modelo. Es decir, el análisis dinámico permite el
estudio de eventos a lo largo del tiempo.

27
Propiedades de un modelo
Un modelo debe presentar propiedades lógicas y
empíricas.
Lógicas:
 Consistencia: No debe existir contradicción entre

las diferentes hipótesis que integran el modelo.

Si el sistema de ecuaciones es consistente,
entonces puede tener una o infinitas soluciones.
 Independencia: Ninguna hipótesis del modelo

debe tener carácter redundante, es decir,

ninguna hipótesis puede ser deducida de otra.
Ninguna proposición puede ser obtenida como
consecuencia de las otras proposiciones del
modelo.

28
Empíricas:
 Validez: Hace referencia al grado de precisión

con que las conclusiones o proposiciones finales

obtenidas explican la realidad.
 Generalidad: La generalidad supone reducir las

restricciones de las hipótesis o su grado de

especificación respecto a la conducta “real” de los
sujetos de la actividad económica, analizada en la
dimensión espacio - temporal, con esto el modelo
cubre una gran cantidad de casos.

29
Cuanto más generalizante sea el modelo, más
probabilidades tiene de aplicación empírica, pero
pierde validez en cuanto a sus conclusiones. Por el
contrario, cuanto más especializado sea un
modelo, esto es, cuanto más sustancia y rigor o
especificación agregamos a las hipótesis,
perdemos generalidad y ganamos en validez.

30
Tipos de modelos
Existen tres tipos de modelos
 Descriptivos: Representan los fenómenos reales sin

prejuzgar sobre su explicación, su predicción o alguna

acción fundada en su evolución. Se apoyan en la
utilización de datos y de las distribuciones estadísticas.

 Analíticos: Explican la realidad (modelos descriptivos)

y las relaciones de causa-efecto que se comprueban en
los fenómenos.

 Pronóstico: Se encargan de prever los hechos.

Recurren al pasado y al presente para tratar de
conocer el futuro apoyándose en la idea que existe
una permanencia estructural de los fenómenos. Utilizan
el análisis descriptivo y explicativo de los hechos.
31
MODELOS MICROECONÓMICOS Y MACROECONÓMICOS
Modelo Microeconómicos
Un modelo lineal modelo lineal es una relación entre variables
matemáticas cuantitativas y/o cualitativas (explicativas) y un
vector aleatorio de interés.
Los modelos lineales se describen con sistemas de ecuaciones
lineales.
Se denomina ecuación lineal a aquella que tiene la forma de
un polinomio de primer grado, es decir, las incógnitas no
están elevadas a potencias, ni multiplicadas entre sí, ni en el
denominador. Por ejemplo, 3x + 2y + 6z = 6 es una ecuación
lineal con tres incógnitas. Como es bien sabido, las
ecuaciones lineales con 2 incógnitas representan una recta en
el plano. Si la ecuación lineal tiene 3 incógnitas, su
representación gráfica es un plano en el espacio.

32
La ecuación de la rectas es: Y = a + bX
a: intercepto
b: pendiente
Y
Y = a + bX
b = ∆Y/ ∆X = tg α

α = arctg b

α
a

O X

33
1.3. MODELOS LINEALES Y ÁLGEBRA DE MATRICES
Modelo Lineal
Un modelo lineal modelo lineal es una relación entre variables
matemáticas cuantitativas y/o cualitativas (explicativas) y un
vector aleatorio de interés.
Los modelos lineales se describen con sistemas de ecuaciones
lineales.
Se denomina ecuación lineal a aquella que tiene la forma de
un polinomio de primer grado, es decir, las incógnitas no
están elevadas a potencias, ni multiplicadas entre sí, ni en el
denominador. Por ejemplo, 3x + 2y + 6z = 6 es una ecuación
lineal con tres incógnitas. Como es bien sabido, las
ecuaciones lineales con 2 incógnitas representan una recta en
el plano. Si la ecuación lineal tiene 3 incógnitas, su
representación gráfica es un plano en el espacio. Un ejemplo
de ambas representaciones puede observarse en la figura:

34
35
Sistema de m ecuaciones lineales con n
incógnitas:

 incógnitas:

 coeficientes:

 términos independientes:

36
 OPERACIONES CON MATRICES
Las matrices son de suma importancia en las
ciencias, como la ingeniería, la economía y otras
ciencias aplicadas.

Son útiles para representar datos en forma

ordenada, para modelar problemas y resolver
sistemas de ecuaciones, para indicar las
interrelaciones que existen en los diferentes
sectores de la economía (Matriz Insumo –
Producto), entre otras.

37
Una matriz es un arreglo rectangular de elementos
(números reales) ordenados en filas y columnas:
 a11 a12 a13  a1n 
a a22 a23  a2 n 
 21
A   a31 a32 a33  a3n 
 
      
am1 am 2 am 3  amn 
aij es el elemento situado en la i-ésima fila y en la
j-ésima columna. La matriz tiene m filas y n
columnas.
3 1  8 5 0
B 
5 2 4 0 1  2 x5
B es una matriz de orden 2x5.

38
 Igualdad de matrices
Dos matrices A y B del mismo orden son iguales si todos
sus elementos correspondientes son iguales.

   
Amxn  Bmxn  aij  bij

Matrices especiales: Matriz fila y matriz columna

Las matrices filas son las de orden 1xn y las matrices columnas
son las de orden mx1 (vectores)

 b11 
b 
A  a11 a12  a1n  B  21   B es una matriz

   columna.
 A es una matriz fila.  
bm1 
 Matrices especiales: Matriz diagonal
Es la matriz 1 0 0  0
cuadrada Anxn = 0  0  0 
 2

[aij] definida por: A 0 0 3  0

 
i si i = j     
aij = i Є R  0 0 0  n 
0 si i ≠ j

Matrices especiales: Matriz identidad

1 0 0  0
Es un caso particular de la matriz 0
 1 0  0
diagonal, en la cual los elementos
de la diagonal principal son todos I n  0 0 1  0
 
iguales a 1.     
0 0 0  1
 Matrices especiales: Matriz Triangular
Matriz triangular inferior: es una matriz cuadrada
cuyos elementos situados por encima de la
diagonal principal son todos iguales a cero.

aij  0, i  j
Matriz triangular superior: es una matriz cuadrada
cuyos elementos situados por debajo de la
diagonal principal son todos iguales a cero.

aij  0, i  j
 Matriz transpuesta

Dada una matriz Amxn = [aij], llamaremos matriz

transpuesta de A a la matriz que resulta de
intercambiar en A las filas por columnas. Esta
matriz estará denotada por Atnxm = [aji].
2 5 1 
A 
t

2 1  1 3  1
A  5 3  Propiedades:
1  1 1) A t t
A
2) kA  kAt , k  R
t

3)  A  B   At  B t
t

4)  A.B   B t . At
t
 Matrices especiales: Matriz simétrica y
antisimétrica

Una matriz cuadrada A se llama simétrica si

At = A y antisimétrica si At = -A.

 2 1 5 0 1 4 3
   1 2 
A 1 4 6 B
0 7
4 7 0  6
5 6 9  
 3 2 6 0
 A es una matriz simétrica, pues At = A.
 B es una matriz antisimétrica, pues Bt = -B.
 Adición y sustracción de matrices
Dadas las matrices Amxn = [aij] y Bmxn = [bij] del
mismo orden, la suma (A+B) o diferencia (A-B) es
una matriz cuyos elementos son las sumas o
diferencias de cada uno de los elementos
respectivos de las matrices.
A + B = [aij + bij] ; A – B = [aij – bij]

Multiplicación de un escalar por una matriz

El producto de un escalar k por una matriz es otra
matriz kA que se obtiene multiplicando cada
elemento de A por k.
2 4 3   8 16 12
A  si k  4se tiene : kA   
 5  2 1
2  20  8 2 
 Concepto de matriz. Igualdad de matrices

Se llama matriz a una disposición rectangular de números reales, a los cuales se les
denomina elementos de la matriz. Cada elemento tiene dos subindices, el primero
indica la fila y el segundo la columna
2ª columna

 a11 a12 a13 ...... a1n 

 
 a21 a22 a23 ...... a2n 
3ª fila  a31 a32 a33 ...... a3n  = (aij)
 .. .. .. .. .. 

 am1 am2 am3 ...... amn 

Dimensión de la matriz m n

Dos matrices son iguales cuando tienen la misma dimensión y los elementos que
ocupan la misma posición en cada una de ellas son iguales.
 Definición de matríz

Se llama matriz de orden m×n a todo conjunto rectangular de elementos aij

dispuestos en m líneas horizontales (filas) y n verticales (columnas) de la forma:

 a11 a12 a13  a1n 

 
 a21 a22 a23  a2 n 
A = (ai,j)=  a31 a32 a33  a3n 
 
    
a  ann 
 n1 an 2 an 3
Abreviadamente suele expresarse en la forma A =(aij), con i =1, 2, ..., m,
j =1, 2, ..., n. Los subíndices indican la posición del elemento dentro de la
matriz, el primero denota la fila ( i ) y el segundo la columna ( j ). Por ejemplo el
elemento a25 será el elemento de la fila 2 y columna 5.
El orden es el número de filas y columnas que tiene la matriz, se
representa por m x n.
 Matriz: Ejemplo

Juan, Ana y Elena han ido a una tienda y han comprado lo siguiente:

1. Juan compró dos bocadillos, un refresco y un pastel.

2. Ana se llevó un bocadillo, un refresco y un pastel.

3. Elena compró un bocadillo y un refresco.

Estos datos se pueden

 2 1 1 
agrupar en una matriz
 
 1 1 1

 1 1 0 
 
 Expresión matricial: ejemplo

2 x  5 y  3z  1
El sistema 
 x - 4y  z  2

 2 5 –3 
Tiene la siguiente matriz de los coeficientes: A = 
 1 –4 1 


2 5 –3 1 

Tiene la siguiente matriz ampliada: A* = 1 –4 1 –2 

 

  x  
 
 2 5 –3    1
 
y  =  – 2
Tiene la siguiente expresión matricial:
1 –4 1 
  
  
 z 
 Clasificación de matrices: Forma

 Matriz fila: A = (1 3 5 7 9 ) • Matriz simétrica: es una matriz cuadrada

que verifica que:
aij  a ji  A = AT
2
  1 2 4 
 Matriz columna: A =  4   
6 2 3 5 
 4 5 -1 
 
 1 3 5  • Matriz antisimétrica: es una matriz
  cuadrada que verifica que:
 Matriz cuadrada:A=  2 4 6 
 1 1 1  aij  -a ji  A = –AT
Diagonal  0 2 -4 
secundaria
Diagonal  
principal  -2 0 3 
 4 -3 0 
 
 Clasificación de matrices: Elementos

• Matriz nula: es una matriz en la que todos los • Matriz unidad o identidad: es una matriz
elementos son nulos. escalar, cuya diagonal principal es 1.

0 0 0 0 0 1 0 0
     
O  0 0 0 O  0 0 I3   0 1 0 
0 0 0 0 0  0 0 1
    
3 3 3 2
• Matriz diagonal: es una matriz cuadrada, en • Matriz triangular superior: es una matriz
la que todos los elementos no pertenecientes a donde todos los elementos por debajo de la
la diagonal principal son nulos. diagonal son ceros.

 2 0 0 1 3 6
   
D   0  3 0 T  0  2 3
 0 0 1 0 0 4
   

• Matriz escalar: es una matriz diagonal • Matriz triangular inferior: es una matriz
donde todos los elementos de ella son iguales. donde todos los elementos por encima de la
diagonal son ceros.
 2 0 0
  1 0 0
A   0 2 0  
T  3  2 0
 0 0 2
  3 5 4
 
 Operaciones con matrices

Trasposición de matrices
Suma y diferencia de matrices

Producto de una matriz por un número

Producto de matrices
Propiedades simplificativas

Matrices inversibles
 Operaciones con matrices I

1.- Trasposición de matrices

Dada una matriz de orden m x n, A = (aij), se llama matriz traspuesta de A, y se
representa por At, a la matriz que se obtiene cambiando las filas por las columnas (o
viceversa) en la matriz A.
Es decir:

Propiedades de la trasposición de matrices:

1ª.- Dada una matriz A, siempre existe su traspuesta y además es única.
2ª.- La traspuesta de la matriz traspuesta de A es A. a (At)t = A.
 Matriz traspuesta: ejemplo y propiedades

La traspuesta de una matriz A cualquiera se obtiene cambiando filas por columnas y se

representa por At. Si A = (aij), entonces At = (aji). Si A es mxn, entonces At es nxm.

 
 1 4 
 1 2 3  t  
Ejemplo: Si A =  entonces A =  2
 5 
 4 5 6 
 3 6 

Propiedades:

I. Para la matriz A, (At)t = A

II. Para las matrices A y B, (A + B)t = At + Bt

III. Para la matriz A y el número real k, (k . A)t = k . At

IV. Para las matrices A y B, (A . B)t = Bt . At

V. Si A es una matriz simétrica, At = A

 Operaciones con matrices II

2.- Suma y diferencia de matrices

La suma de dos matrices A=(aij), B=(bij) de la misma dimensión, es

otra matriz
S=(sij) de la misma dimensión que los sumandos y con término genérico S =
(aij + bij).
La suma de las matrices A y B se denota por A+B.
Ejemplo

Sin embargo, no se pueden sumar.

Por tanto, para poder sumar dos matrices estas han de tener la misma dimensión.

La diferencia de matrices A y B se representa por A–B, y se define como la suma

de A con la opuesta de B : A–B = A + (–B)
 Suma de matrices: ej de orden 3

Para sumar dos matrices A y B con las mismas dimensiones se suman los
correspondientes elementos: si A = (aij) y B = (bij) entonces A + B = (aij + bij)

 a11 a12 a13 a14   b11 b12 b13 b14 

   
A + B = ( aij) + (bij) =  a21 a22 a23 a24  +  b21 b22 b23 b24  =
 a31 a32 a33 a34   b31 b32 b33 b34 

 a11 + b11 a12 + b12 a13 + b13 a14 + b14 

 
=  a21 + b21 a22 + b22 a23 + b23 a24 + b24 = (aij + bij )
 a31 + b31 a32 + b32 a33 + b33 a34 + b34 
 Propiedades de la adición de matrices

Sean A, B y C tres matrices del mismo orden.

• Asociativa: A + (B + C) = (A + B) + C

• Conmutativa: A+B=B+A

• Elemento neutro: A + 0 = 0 + A = A donde 0 es la matriz nula.

• Elemento opuesto: A + (– A) = (– A) + A = 0

La matriz –A (opuesta) se obtiene cambiando de signo los elementos de A.

 Operaciones con matrices III

3.- Producto de un número por una matriz

Para multiplicar un número real por una matriz, se multiplican cada uno de los
elementos de la matriz por dicho número.

Si A = (aij), entonces kA = (kaij)

 a11 a12 a13   ka11 ka12 ka13 

  
k A = k (aij) = k· 21 22 23  =  ka21 ka22 ka23  = (kaij)
. . a a a
 a31 a32 a33   ka31 ka32 ka33 
 Propiedades con la suma y el producto por un número

Sean A y B dos matrices del mismo orden y k y h dos números reales.

• Distributiva I: k(A + B) = kA + kB

• Distributiva II: (k + h)A = kA + hA

• Elemento neutro: 1·A=A

• Asociativa mixta: k(hA) = (kh)A

El conjunto de las matrices m x n con las operaciones suma y producto

por un escalar antes definidas, tiene estructura de espacio vectorial
 Operaciones con matrices IV

4.- Producto de matrices

Dadas dos matrices A y B, su producto es otra matriz P cuyos elementos se
obtienen multiplicando las filas de A por las columnas de B (por lo que
deben coincidir estas). De manera más formal, los elementos de P son de la
forma:

Pij = a ik · bkj con k=1,….n

Es evidente que el número de columnas de A debe coincidir con el número

de filas de B. Es más, si A tiene dimensión m x n y B dimensión n x p, la
matriz P será de orden m x p,

Ejemplos:

no se pueden multiplicar
 ¿Cuándo es posible el producto de matrices?

filas

(aij)m,n . (bij)n,p = (cij)m,p

Posible columnas

El producto de matrices es posible cuando coincide el número de columnas

de una matriz con el número de filas de la otra matriz.
 Producto de matrices: Desarrollo

El producto de la matriz
 a11 a12 a13 ...... a1n 
a a22 a23 ...... a2n 
 a21 a32 a33 ...... a3n

A = (a ij) =
 31 
 .. .. .. .. ..

 am1 am2 am3 ...... amn 
por la matriz
 b11 b12 b13 ...... b1p 
 
 b 21 b 22 b 23 ...... b 2 p 
B = (b ij) =  b 31 b 32 b 33 ...... b 3p 
 
 .. .. .. .. .. 
b ...... b np 
 n1 bn2 bn3

es la matriz C = A · B, tal que el elemento que ocupa la posición ij es:

cij = ai1. b1j + ai2. b2j + ... + ain. bnj
 Ejemplo: producto de matrices

 2 1 –1  1 2 0
1. El producto de A = 
 3 –2 0


por la matriz B =  1 0 –3  se obtiene multiplicando
 0 1 –2 
cada fila de A por cada columna de B.

1 2 0
   

2 1 –1    
3 3 –1 
A ·B = . 1 0 –3

3 –2 0
 = 
1 6 6

   
 0 1 –2 

2. ¿Qué dimensiones tiene la matriz producto?

(aij)2,3 . (bij)3,3 = (cij)

2, 3

producto
posible
 Propiedades del producto de matrices (I)

I. Propiedad asociativa. Para las matrices A de dimensión mxn, B de dimensión nxp y C de

dimensión pxr.
A . (B . C) = (A . B) . C

II. Elemento unidad. Si A es una matriz mxn, y

1  1 0 0 ...... 0 
0 
0 0 ...... 0
 
0 1 0 ...... 0  1 0 ...... 0
Im = 0
 0 1 ...... 0 
 e I n = 0 0 1 ...... 0 
 .. .. .. .. .. 
 .. .. .. .. .. 

0 0 0 ...... 1

 0 0 0 ...... 1 
las matrices identidad de orden m y n, respectivamente, se tiene:
Im · A = A · In = A
III. Propiedad distributiva a la izquierda. Para las matrices A de dimensión mxn,
B de dimensión nxr y C de dimensión nxr.

A . (B + C) = A . B + A . C

IV. Propiedad distributiva a la derecha. Para las matrices A de dimensión mxn, B

de dimensión mxn y C de dimensión nxp.

(A + B) . C = A . C + B . C
 Propiedades del producto de matrices (II)

I. La multiplicación de matrices no cumple la propiedad conmutativa: si una de las

dos matrices no es cuadrada ni siquiera tiene sentido plantear el producto en un
orden distinto al dado.

II. Si A . B = 0 entonces no siempre ocurre que A = 0 ó B = 0.


 0 2  .  0 –3   0 0 
Ejemplo: Aunque 
 0 0   0 0  =  0 0  ninguno de los factores que
forman el producto es la matriz nula.

III. Si A . C = B . C y C  0, entonces no necesariamente A = B.

IV. (A + B)2  A2 + 2A . B + B2 salvo que A y B conmuten.

V. (A – B)2  A2 – 2A . B + B2 salvo que A y B conmuten.

VI. A2 – B2  (A – B) . (A + B) salvo que A y B conmuten.

 Producto: Potencia de una matriz

Si A es una matriz cuadrada, las potencias de A, de exponente natural, se definen como en

el caso de los números naturales: el exponente indica el número de veces que se multiplica
la matriz por sí misma.
n veces . A
An = A . A . ...........

Ejemplo:  1 1  1 1 1 1  1 2 
A 
  A 2  A  A       
 0 1  0 1 0 1  0 1 

 1 1 1 2   1 3   1 1  1 3   1 4 
A  A  A  
3 2
     A A A A A A A 
4
     3
       
 0 1 0 1   0 1   0 1  0 1   0 1 

 1 1 1 n  1  1 n 
An  A 3 A  A  A n-1
      
12
n- veces  0 1 0 1  0 1
 Operaciones con matrices V

Inversa de una matriz, Matrices inversibles

Una matriz cuadrada que posee inversa se dice que es inversible o
regular; en caso contrario recibe el nombre de singular.
Dada una matriz cuadrada A de orden n, no siempre existe otra
matriz B tal que A·B = B·A = In. Si existe dicha matriz B, se dice que
es la matriz inversa de A y se representa por A-1

Propiedades de la matriz inversa

I. Si las matrices A y B son inversibles (A . B)–1 = B–1 . A–1

II. Si A es una matriz inversible y k  0, (k . A)–1 = (1/k) . A–1

III. Si A es una matriz inversible, (A–1)–1 = A

IV. La matriz unidad es inversible y además I–1 = I

V. Si A es una matriz inversible, (A–1)t = (At)–1

 Métodos de cálculo de la matriz inversa

Observación:

Podemos encontrar matrices que cumplen A·B = I, pero que B·A  I, en tal
caso, podemos decir que A es la inversa de B "por la izquierda" o que B es la
inversa de A "por la derecha".

Hay varios métodos para calcular la matriz inversa de una matriz dada:
Directamente
Por el método de Gauss-Jordan
Usando determinantes
 Inversa de una matriz (directamente)

Si A es una matriz cuadrada, se dice que B es la inversa de A si A . B = B . A = I,

siendo la matriz unidad. La matriz inversa se representa por A–1.


2 –1 
 -1

 x y

Ejemplo: Dada A =
1 1  para obtener A =  z t  se ha de cumplir




 2 –1   x y   1 0 
.

 1 1   z t  =  0 1 
Y de aquí se deduce que:
2x –z =1 x = 1/3
   
 2x – z 2y – t
 1 0   x +z =0 y = 1/3
 
x+z y+t = 0 1
   
    2y –t=0 z = –1/3
y +t=1 t = 2/3

 1 1 
-1  3 3 
Por tanto A =
–1 2 
 3 3 
 Combinación lineal entre filas y columnas

En una matriz A, las filas pueden representarse por F1, F2, ... , Fm y las columnas
por C1, C2, ... , Cn.

 a11 a12 a13 ...... a1n   F1 

a a22 a23 ...... a2n  F 
 a21 a32
 
a33 ...... a3n = (C1, C2, C3, ... , Cn) = F3
2


A = 31
  
 .. .. .. .. ..   ...... 
 am1 am2 am3 ...... amn   Fm 

Se llama combinación lineal de las filas F1, F2, F3 ... , Fm a una expresión de la
forma:
k1 . F1 + k2 . F2 + k3 . F3 + ... + km . Fm siendo k1, k2, ... , km números reales.

Se llama combinación lineal de las columnas C1, C2, C3 ... , Cn a una expresión
de la forma:
k1 . C1 + k2 . C2 + k3 . C3 + ... + kn . Cn siendo k1, k2, ... , kn números reales.
 Dependencia lineal entre filas y columnas

• Una fila (o columna) de una matriz depende linealmente de otras si es

combinación lineal de ellas.

• Si entre las filas (o columnas) de una matriz, alguna depende linealmente de otras,
se dice que son linealmente dependientes; en caso contrario, son linealmente
independientes.

 2 0 –1 1 
Ejemplo: En la matriz A = 1 3 1 0  la tercera fila es combinación lineal de la primera y la
 4 6 1 1
segunda ya que: F3 = F1 + 2F2

 1 2 4 
En cambio: En la matriz B = 
 3 –1 5  las dos filas son linealmente independientes porque ninguna

. de ellas es igual a una constante por la otra

 Método de Gauss-Jordan para el cálculo de la matriz inversa

El método de Gauss-Jordan para calcular la matriz inversa de una

dada se basa en una triangulación superior y luego otra inferior de la matriz a la
cual se le quiere calcular la inversa.

Dada una matriz A de orden n, para calcular su inversa hay que

transformar la matriz (A I In) mediante transformaciones elementales por filas
en la matriz (In I B). La matriz B será la inversa de A.
Para aplicar el método se necesita una matriz cuadrada de rango máximo.
Sabemos que no siempre una matriz tiene inversa, por lo cual comprobaremos
que la matriz tenga rango máximo al aplicar el método de Gauss para realizar
la triangulación superior. Si al aplicar el método de Gauss (triangulación
inferior) se obtiene una línea de ceros, la matriz no tiene inversa.
Las transformaciones elementales son las siguientes:
Permutar 2 filas ó 2 columnas.
Multiplicar o dividir una línea por un número no nulo.
Sumar o restar a una línea otra paralela multiplicada por un número no nulo.
Suprimir las filas o columnas que sean nulas,
 Cálculo de la Matriz Inversa por el método
de Gauss – Jordan I

Si hacemos transformaciones elementales en una matriz, esto es equivalente

a multiplicarla por otra matriz dada. Ejemplo:

1 1 0  1 1 0 
  F2 – 2F1 g F2  
 2 1 1   0  1 1 
 1 1  2 F1 + F3 g F3  0 2  2
   

Esta transformación es equivalente a la siguiente multiplicación:

 1 0 0  1 1 0  1 1 0 
     
  2 1 0 
  2 1 1 
  0  1 1 
 1 0 1  1 1  2  0 2  2
     

En consecuencia al transformar (A I In) en (In I B) realmente lo que

estamos haciendo son las siguientes multiplicaciones:
A-1·A= In y A-1 · In = A-1=B
 Cálculo de la Matriz Inversa por el método
de Gauss – Jordan II: Ejemplo

Aplicando el método de Gauss-Jordan a la matriz

•En primer lugar triangulamos inferiormente:

•Una vez que hemos triangulado superiormente lo hacemos inferiormente:

Por último, habrá que convertir la matriz diagonal en la matriz identidad:

De donde, la matriz inversa de A es

 Cálculo de la Matriz Inversa por el método
de Gauss – Jordan III : Ejemplo

Aplicando el método de Gauss- Jordan a la matriz se tiene:

Como hay una fila completa de ceros, la matriz A no tiene rango máximo, en
este caso 2, por tanto no tiene inversa pues es una matriz singular
 Cálculo de la Matriz Inversa por el método
de Gauss – Jordan IV: Ejemplo

Queremos calcular la inversa de

1º.- Se escribe la matriz A junto a esta la matriz identidad,

2º.- Triangulamos la matriz A de arriba a abajo y realizamos las mismas operaciones en la

matriz de la derecha.

Como podemos observar el rango de la matriz es máximo (en este caso 3), por
tanto la matriz A es regular (tiene inversa), podemos calcular su inversa.
 Cálculo de la Matriz Inversa por el método
de Gauss – Jordan V: continuación

3º.- Triangulamos la matriz de abajo a arriba, realizando las mismas operaciones en la

matriz de la derecha.

4º.- Por último se divide cada fila por el elemento diagonal correspondiente.
 Rango de una matriz

• El rango por filas de una matriz es el número de filas linealmente

independientes.

• El rango por columnas de una matriz es el número de columnas linealmente

independientes.

• Se puede demostrar que el rango por filas coincide con el rango por
columnas en cualquier matriz. A este valor común se le llama rango de la
matriz y se representa rg A.

Operaciones que no modifican el rango de una matriz

• Intercambiar dos filas (o columnas) entre sí.

• Multiplicar una fila (o columna) por un número distinto de cero.

• Sumar a una fila (o columna) una combinación lineal de otras filas (o

columnas).
 Dependencia e independencia lineal : filas

Vectores fila de una matriz:

Las filas de una matriz pueden ser consideradas como vectores. Es posible
que sean linealmente Independientes (L.I.) y es posible que unos
dependan linealmente de otros. Por ejemplo:

 2 3 2 5
A    Sus dos filas son linealmente independientes
1 3 4 2
1 3
 
2 1 Las dos primeras líneas son L.I., las otras dos dependen
B
0 5 linealmente de las primeras
 
3 4  F 4  F1  F 2
 F 3  2  F1  F 2
1 5 3
  Las dos primeras filas son L.I. la tercera depende linealmente de
C  9 0 2
 8  5  1 las dos primeras
 
F 2  F1  F 3

Se llama rango de una matriz al número de filas Linealmente Independientes

 Dependencia e independencia lineal: columnas

Vectores columna de una matriz:

También las columnas de una matriz pueden ser consideradas como vectores.
Podríamos definir rango de la matriz como el número de columnas linealmente
independientes, pero aparece la duda de si esa definición puede contradecir
en algún caso la anterior.

¿Es posible que en una matriz el número de filas linealmente independientes

sea distinto del número de columnas linealmente independiente?. El siguiente
teorema nos asegura que no.

Teorema
En una matriz el número de filas L.I. coincide con el número de
columnas L.I.
Por esto podemos dar una nueva definición de Rango:

Rango de una matriz es el número de filas, o columnas,

linealmente independientes.
 Ejemplos rango de una matriz escalonada

 2 0 –1 1   2 0  1 1
 
 
La matriz A = 0 1 1 0 tiene rango 3. La matriz A =  0 0 1 0  tiene rango 3.
  0 0 0 1 
 0 0 1 1  

 2 0  1 1 0 2 1 1
   
La matriz A =  0 1 1 0  tiene rango 2. La matriz A =  0 0 2 0  tiene rango 2.
   
0 0 0 0   0 0 0 0

0 0 0 1 
 
La matriz A =  0 0 0 0  tiene rango 1.
 
0 0 0 0
 Métodos de cálculo del rango de una matriz

El rango de una matriz lo podemos calcular por dos

métodos diferentes:

 Por el método de Gauss

 Usando Determinantes
 Cálculo del rango de una matriz por el método de Gauss

Transformaciones elementales:
Son las transformaciones que podemos realizarle a una matriz sin que su
rango varíe.

Las transformaciones elementales son las siguientes:

Permutar 2 filas ó 2 columnas.

Multiplicar o dividir una línea por un número no nulo.

Sumar o restar a una línea otra paralela multiplicada por un número no nulo.

Suprimir las filas o columnas que sean nulas,

Suprimir las filas o columnas que sean proporcionales a otras.

 Proceso para el cálculo del rango de una matriz:
Método de Gauss

 a11 a12 a13 ...... a1n 

a a22 a23 ...... a2n 
 a21 a32 a33 ...... a3n

A=
 31 
 .. .. .. .. ..

 am1 am2 am3 ...... amn 

a) Si es necesario, reordenar filas para que a11  0 (si esto no fuera posible,
aplicar todo el razonamiento a a12).

b) Anular todos los elementos por debajo de a11: para ello multiplicar la primera
fila por –a21/a11 y sumar a la segunda, multiplicar la primera fila por –a31/a11
y sumar a la tercera, .... multiplicar la primera fila por –am1/a11 y sumar a la
m-ésima.

c) Repetir los pasos anteriores basados en a22 y, después, en cada aii.

d) El proceso termina cuando no quedan más filas o están formadas por ceros.
 Cálculo del rango de una matriz

Aplicando los procesos anteriores se puede llegar a una matriz escalonada que
indica el número de filas o columnas independientes y por tanto el rango de la
matriz.

 * * * * * 
 * * * * * 
 * * * * * 
 * * * * * 

 * * * * *   * * * * * 
 0 * * * *  
0 * * * *




* * * * * 


 * * * * * 

 0 0 * * *  
 0 0 * * * 
 0 * * * *
 0 0 0 * * 
Rango 4 Rango 3 Rango 2 Rango 1
Ejemplos del cálculo del rango de una matriz por el método de Gauss I
Ejemplos del cálculo del rango de una matriz por el método de Gauss II
 Condición para que una matriz sea inversible


 2 –1 
Vamos a estudiar si A =  es inversible:
 4 –2 

 2 –1 1 0 
 Ampliamos la matriz A con la matriz identidad:  
 4 –2 0 1 
 1 1 
 1 – 0 
 Dividiendo la primera fila por 2: 2 2
 
 4 –2 0 1 
 1 1 
 1 –2 2 0 
 Restando a la segunda fila la primera por 4:  
 0 0 –2 1 
A no es inversible
• Al operar con las filas de A se ha llegado a una matriz de rango distinto a la dimensión de
la matriz A.

• Por tanto: una matriz cuadrada A de orden n es inversible si y sólo si rg A = n.

• De otra forma: A es inversible si y sólo si sus filas (o sus columnas) son

linealmente independientes.
 Determinantes

Definición: Se llama determinante de A al número que se obtiene mediante la suma de

los productos de un elemento de cada fila y columna precedidos del signo + o – según la
paridad de la permutación que indican sus filas y columnas.

Dada una matriz cuadrada

se llama determinante de A, y se representa por |A| ó det(A), al número:

con

(Sn es el grupo de las permutaciones del conjunto {1, 2,.. n }, e i (s) es la

signatura de la permutación)
 Determinantes de orden 2 y 3

a a12 
A=  a 
11
Dada una matriz cuadrada de segundo orden:
a
 21 22 
se llama determinante de A al número real:

a 11 a 12
Det( A) = |A| = = a11 · a22 – a12 · a21
a 21 a 22

Ejemplo: 3 2
2 1 = 3·1 - 2·2 = 3 – 4 = -1
 a11 a12 a 13 
Dada una matriz cuadrada de orden 3 A =  a 21 a 22 a 23 
 a31 a 32 a33 
Se llama determinante de A, det (A) o |A|, al número real siguiente:

a11 a12 a13

a 21 a22 a23 = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 – a13 a22 a31 – a11 a23 a32 – a12 a21 a33.
a31 a32 a33
 Regla de Sarrus

La regla de Sarrus permite recordar gráficamente los productos que aparecen en la

expresión del determinante de orden 2 y 3 y sus signos. Los elementos de la diagonal
principal y sus paralelas, con su signo y los de la diagonal secundaria y sus paralelas
cambiadas de signo.
 Aplicaciones a la regla de Sarrus

 
 3 5 1 
 
El determinante de la matriz A = 4 –2 –1  es
 
 2 –3 –4 

det(A) = 3 . (–2) . (–4) + 4 . (–3) . 1 + 5 . (–1) . 2 – [1 . (–2) . 2 + (–1) . (–3) . 3 + 5 . 4 . (–4)] =

24 – 12 – 10 + 4 – 9 + 80 = 77
 Cálculo de determinantes usando desarrollo por los elementos
de una fila o columna

• Se llama menor Mij de la matriz A al determinante de la matriz que se obtiene al suprimir

en A la fila i-ésima y la columna j-ésima.

• Se llama adjunto Aij del elemento aij de la matriz A al número Aij = (–1)i+jMij.

 a11 a12 a13 

 
El determinante de una matriz A =  a21 a22 a23  es igual a la suma de los elementos
 a31 a32 a33 
de una fila o columna multiplicados por sus adjuntos:

det (A) = ai1 . Ai1 + ai2 . Ai2 + ai3 . Ai3 sería el desarrollo por la i-ésima fila

det (A) = a1j . A1j + a2j . A2j + a3j . A3j sería el desarrollo por la j-ésima columna
 Ejemplos: desarrollos de un determinante de orden 3

Desarrollo por primera columna de un determinante de orden 3

a a a
11 12 13 a a a a a a
a a a .(-1)1+1 22 23 .(-1)2+1 12 13 .(-1)3+1 12 13
21 22 23 = a 11 a a
+a
21 a a
+a
31 a a
a a a 32 33 32 33 22 23
31 32 33

Desarrollo por tercera fila de un determinante de orden 3

a a a
11 12 13 a a a a a a
a a a 12 13 11 13 11 12
21 22 23 = a31.(-1)3+1 a a
+ a .(-1)3+2
32 a a
+ a .(-1)3+3
33 a a
a a a 22 23 21 23 21 22
31 32 33
 Determinante de cualquier orden

El determinante de la matriz A de orden n se puede obtener multiplicando los

elementos de una fila o columna por sus respectivos adjuntos:
det (A) = ai1 . Ai1 + ai2 · Ai2 + ... + ain . Ain sería el desarrollo por la i-ésima fila
det (A) = a1j . A1j + a2j · A2j + .. .+ amj . Amj sería el desarrollo por la j-ésima columna

2 –1 1 2 –1 1 2 2 1 2
1 6 1 0 1 · (–1) 2+1
–1 –1 3 + 6 · (–1) 2+2
3 –1 3 +
Por ejemplo: =
3 –1 –1 3 –1 0 1 2 0 1
2 –1 0 1
–3 5
2 –1 2 2 –1 1
+ 1 · (–1) 2+3
3 –1 3 + 0 · (–1)2+4 3 –1 –1 =
2 –1 1 2 –1 0
–1 –1
= 1 · 3 + 6 · 5 + 1 · 1 + 0 · (–1) =34
 Cálculo inmediato de determinantes (I)

I. El determinante de una matriz con dos filas o columnas proporcionales es cero.

Ejemplos:
–1 4 –1 
 El determinante de una matriz A =
 
 3 2 3  es igual a cero porque la tercera y
 2 5 2
primera columnas son iguales.
 2 4 –1 
 
 El determinante de una matriz A =
 1 –2 3  es igual a cero porque la tercera fila
 3 –6 9 
es igual a la segunda multiplicada por 3.

II. El determinante de una matriz con una fila o columnas nulas es cero.

Ejemplo:
–1 0 –1 
 
El determinante de una matriz A =  3 0 3  es igual a cero porque la segunda columna
 2 0 2
es nula.
 Cálculo inmediato de determinantes (II)

III. El determinante de una matriz en que una fila o columna depende linealmente de
otras filas o columnas es cero.

Ejemplo:
2 4 0 
 
El determinante de una matriz A =  1 3 –1  es igual a cero porque la tercera columna es
3 1 5 
igual al doble de la primera menos la segunda.

IV. El determinante de una matriz triangular es igual al producto de los elementos de

su diagonal principal.

Ejemplo:
–1 0 –1 
 
El determinante de la matriz A =  0 2 3  es igual –4.
0 0 2 
 Cálculo inmediato de determinantes (III)

V. El determinante de la matriz unidad es 1

Ejemplos:
1 0 0
 
 El determinante de la matriz I3 =  0 1 0  es igual a 1.
0 0 1

1 0 0 0 0
0 1 0 0 0
 El determinante de la matriz I5 =  0 0 1 0 0  es igual a 1.
0 0 0 1 0
0 0 0 0 1
 Propiedades: operaciones con filas y columnas (I)

I. Si se multiplican los elementos de una fila o columna de una matriz por un número el
determinante de la matriz se multiplica por ese número.

Ejemplo:

2 3 2 3 2 3
4 20 = . . = 4 1 5
4 1 4 5

II. Si se intercambian entre sí dos filas o dos columnas de una matriz, su determinante
cambia de signo.

Ejemplo:
1 –4 –4 1
2 5 = – 5 2
 Propiedades: operaciones con filas y columnas (II)

III. Al sumar a una fila o columna una combinación lineal de las otras filas o columnas,
respectivamente, el valor del determinante no varía.

2 3 –1
Ejemplo: Si en A = 1 5 2 sumamos a la tercera fila la primera mult iplicada por – 1 más
4 13 4
la segunda multiplicada por – 2, obtenemos:

2 3 –1
B= 1 5 2
4 + 2 (–1) + 1(–2) 13 + 3 (–1) + 5(–2) 4 + (–1) (–1) + 2(–2)

y se cumple que ambos determinantes son iguales: AB

 Determinantes de operaciones con matrices (I)

I. El determinante del producto de dos matrices cuadradas y

multiplicables es igual al producto de los determinantes de cada una
de ellas.

Ejemplo:

2 0 4 1
 Sean A =   yB= . Se tiene que |A| = –2 y |B| = 5.
 1 –1  3 2
.
8 2
 Como A B =   y | A . B | = – 10 se observa que | A . B | = |A| . |B|
 1 –1 

II. El producto de los determinantes de dos matrices inversas es 1.

Ejemplo:

3 0  1/3 0 
 Sea A =  ; entonces A –1 =  
1 1  –1/3 1 
–1 . –1
 Como | A | = 3 y | A | = 1/3, se observa que | A | |A |=1
 Operaciones con matrices (II)

III. Al trasponer una matriz su determinante no varía.

Ejemplo:
 2 0 –2   2 1 3
 Sea A =  1 1 3  . Entonces A =  0 1 0 
t

3 0 2  –2 3 2 
 Se cumple que | A | = | A t |

VI. Si se multiplica una matriz cuadrada de orden n por un número, el nuevo

determinante es igual al anterior multiplicado por la potencia n-ésima del número.

Ejemplo:
 2 0 – 2  4 0 – 4  2 0 – 2
    3  
Se cumple que: 2  1 1 3  =  2 2 6  = 2  1 1 3 
3 0 2 6 0 4 3 0 2
 Operaciones con matrices (III)
V.- Si una fila o columna es suma de varios sumandos, se descompone en ta
determinantes como sumandos haya

 a11 a12 + b12 a13 

Si A =  a21 a22 + b22 a23  se cumple que:
 a31 a32 + b32 a33 
a11 a12 + b12 a13 a11 a12 a13 a11 b12 a13
a21 a22 + b22 a23 = a21 a22 a23 + a21 b22 a23
a31 a32 + b32 a33 a31 a32 a33 a31 b32 a33
Ejemplo:
2 3 –1 
 
 Sea A = 1 5 2 . Entonces se cumple que | A | = 7

 4 13 4
 Y se tiene que:
2 3 –1   1+1 3 –1   1 3 –1   1 3 –1 
       
 1 5 2  =  3 – 2 5 2  =  3 5 2  + –2 5 2  = (-70) + 77
 4 13 4   1 + 3 13 4   1 13 4   3 13 4 
 Rango de una matriz por determinantes I

Se llama “menor” de orden p de una matriz al determinante que resulta de eliminar ciertas
filas y columnas hasta quedar una matriz cuadrada de orden p. Es decir, al determinante de
cualquier submatriz cuadrada de A (submatriz obtenida suprimiendo alguna fila o columna
de la matriz A).

En una matriz cualquiera A m×n puede haber varios menores de un cierto orden p dado.

Definición:

El RANGO (o característica) de una matriz es el orden del mayor de los menores distintos de
cero. El rango o característica de una matriz A se representa por rg(A).

Consecuencias

El rango no puede ser mayor al número de filas o de columnas.

Las filas o columnas de una matriz cuadrada son linealmente dependientes si y sólo si su
determinante es cero.
 Algoritmo para el cálculo del rango de una matriz

• El rango de la matriz nula es 0.

• Si la matriz A no es nula rang(A)  1.

• Si el determinante de alguna matriz cuadrada En caso contrario rang(A) = 1

de orden dos es distinto de cero rang(A)  2.
• Se añaden a la matriz anterior todas las filas
y columnas posibles para formar matrices de
orden 3.

• Si el determinante de alguna matriz

En caso contrario rang(A) = 2
cuadrada de orden tres es distinto de cero
rang(A)  3.
• Se añaden a la matriz anterior todas las filas
y columnas posibles para formar matrices
de orden 4.

En caso contrario rang(A) = 3

• Si el determinante de alguna matriz cuadrada
de orden cuatro es distinto de cero rang(A)  4.

Y así hasta que no sea posible continuar

 Obtención de la matiz inversa mediante determinantes (I)

• La matriz cuadrada A tiene inversa si y sólo si | A | ≠ 0.

• Se llama “Adjunto Ai,j” del elemento “ai,j” al determinante del menor Mi,j
multiplicado por (-1)i+j
• Dada la matriz cuadrada A, se llama “matriz adjunta” de A y se representa adj
(A), a la matriz que se obtiene al sustituir cada elemento aij por su adjunto Aij.

 2 -2 2 
 
Ejemplo: Dada la matriz (A) =  2 1 0  , su adjunta sería:
 3 -2 2 

 1 0 2 0 2 1 
 –2 2 – 3 2 3 –2 
 –2   2 –4 –7 
2 2 2 2 –2  
adj (A)=  – –2 2 3 2 – 3 –2  =  0 –2 –2 
   –2 4 6 
 –2 2 2 2
– 2 0
2 –2 
 1 0 2 1 
 Obtención de la matiz inversa mediante determinantes (II)

Si se cumple que | A | ≠ 0 entonces la matriz inversa A-1 es igual a:

–1 1 t 1 t
A = | A | adj(A ) = | A | [adj(A)]

Esto es fácil probarlo puesto que sabemos que la suma de los productos de los elementos
de una fila por sus adjuntos es el valor del determinante, y que la suma de los productos de
los elementos de una fila por los adjuntos de otra fila diferente es 0

 2 –2 2 
 
Ejemplo: Dada la matriz A =  2 1 0  , pretendemos encontrar su inversa:
 3 –2 2 

La matriz A tiene inversa ya que: det(A) = – 2  0

 2 –4 –7 
Ya hemos visto que: adj (A) =  0 –2 –2 
 –2 4 6 
 2 0 –2 
 
Entonces: [adj (A)] =  –4 –2 4 
t

 –7 –2 6 
 2 0 –2   –1 0 1 
–1 1 1    
Por lo tanto: A = | A | [adj (A)] = –2  –4 –2 4  =  2 1 –2 
t

 –7 –2 6   7/2 1 –3 
Cálculo de la matriz inversa por el método de los adjuntos I
Cálculo de la matriz inversa por el método de los adjuntos II
 Cálculo de determinantes por el método de Gaus

• El determinante de una matriz se obtiene sumando los productos de los

elementos de una fila o columna por sus adjuntos.

• El método de Gauss consiste en, utilizando las propiedades anteriores, anular

todos los elementos de una fila o columna excepto uno llamado pivote, y que
interesa que valga 1 ó –1, para simplificar los cálculos.

desarrollo por desarrollo por

1ª columna 1ª columna

3 5 –26 0 –1 1 3
–1 1 3 –1 1 3
1 2 –11 1 2 –1 1 .
= –1 0 3 3 = –1
Ejemplo: . 0 3 3 =
2 4 15 = 0 0 3 3 1 8 0 0 9 3
3 7 53 0 1 8 0
• 2ª fila por (–3) + 1ª fila • 1ª fila por 1 + 3ª fila
• 2ª fila por (–2) + 3ª fila
• 2ª fila por (–3) + 4ª fila

3 3
= (–1) –1) 9 3 = –18
.
(
¡GRACIAS POR SU ATENCIÓN!

110