LGEBRA LINEAL

UNIDAD 2

INSTITUTO TECNOLOGICO SUPERIOR DE LAS CHOAPAS

INGENIERA INDUSTRIAL
NOMBRE DEL ALUMNO: JOSE DE JESUS CALDERN
MARTINEZ
NOMBRE DEL MAESTRO: ING. OSCAR MARTINEZ
ANTONIO
TRABAJO: INVESTIGACIN DE LA SEGUNDA UNIDAD
SEGUNDO SEMESTRE
MATERIA: LGEBRA LINEAL

INDICE

INTRODUCCIN ............................................................................................ 3
UNIDAD 2 .................................................................................................... 4
MATRICES Y DETRMINATES ......................................................................... 4
2.1.- DEFINICIN DE MATRICES .................................................................... 4
2.2 OPERACIONES CON MATRICES................................................................ 6
2.3 CLASIFICACIN DE MATRICES ............................................................... 10
2.3.1 Matrices Cuadradas ....................................................................... 10
2.3.2 Matrices Triangulares..................................................................... 11
2.3.3 Matices Escalar .............................................................................. 14
2.3.4 Matrices unitarias .......................................................................... 14
2.3.5 Matrices Nula ................................................................................. 14
2.3.6 Matrices Traspuestas ..................................................................... 15
2.4 TRANSFORMACIONES ELEMENTALES POR RENGLON.ESCALONAMIENTO
DE UNA MATRIZ, RANGO DE UNA MATRIZ .................................................. 16
2.4.1 Rango de una matiz........................................................................ 17
2.4.2 Matriz Escalonada .......................................................................... 19
2.4.3 No es escalonada............................................................................ 19
2.5 CALCULO DE LA INVERSA DE UNA MATRIZ ............................................ 22
2.6 DEFINICIN DE DETERMINANTE DE UNA MATRIZ................................. 24
2.7 PROPIEDADES DE LOS DETERMINATES .................................................. 26
2.8 INVERSA DE UNA MATRIZ CUADRADA ATRAVS DE LA ADJUNTA .......... 27
2.9 APLICACIN DE MATRICES Y DETERMINATES ........................................ 29
BIBLIOGRAFA............................................................................................. 30

INTRODUCCIN

El lgebra lineal es una herramienta de las matemticas que se usa

en el manejo de arreglos matriciales; dichos arreglos son trabajados
de muchas maneras en la vida diaria como puede ser en el
desarrollo de proyectos del rea de control analgico o de control
digital, en buscar incgnitas para resolver ecuaciones lineales muy
grandes con n incgnitas.
En esta investigacin de la unidad 2 lleva por ttulo matrices y
determinantes tiene que ver con la forma en que se pueden
trabajar los arreglos matriciales, los diferentes tipos de matrices
que existen y las diferentes operaciones matemticas que se
pueden realizar con ellas, el uso y trabajo con determinantes y su
aplicacin en la resolucin de ejercicios y problemas.

UNIDAD II MATRICES Y DETRMINATES

2.1.- DEFINICIN DE MATRICES
En matemticas, una matriz se puede definir como una tabla de nmeros
consistente en cantidades abstractas, con las cuales pueden realizarse
operaciones algebraicas como la suma y la multiplicacin. Las matrices se
ocupan para describir sistemas de ecuaciones lineales, llevar a cabo un
seguimiento de coeficientes para una aplicacin lineal y para registrar una
tabla de datos que dependen de varios parmetros. Las matrices son
descritas en un campo denominado teora de matrices.
Con las matrices pueden efectuarse operaciones algebraicas diferentes o
descomponerse de varias maneras, lo cual las convierte en un punto clave
dentro del lgebra lineal. Una matriz es una tabla cuadrada o rectangular de
datos o tambin llamados elementos (llamados elementos o entradas de la
matriz) ordenados enfilas y columnas, donde una fila es cada una de las
lneas horizontales de la matriz y una columna es cada una de las lneas
verticales. A una matriz con m filas y n columnas se le denomina matriz mpor-n (escrito m n), y a m y n dimensiones de la matriz. Las dimensiones de
una matriz siempre se deben dar en el siguiente orden: con el nmero de
filas primero y el nmero de columnas despus. Comnmente se dice que
una matriz m-por-n tiene un orden de m n ("orden" tiene el significado de
tamao). Dos matrices son iguales si se cumple la siguiente regla: son del
mismo orden y tienen los mismos elementos. Al elemento o dato de una
matriz que se encuentra en la fila i-sima y la columna j-sima se le llama
elemento i, j o elemento (i, j)-isimo de la matriz. Advirtase que se cumple
el orden descrito, colocar primero las filas y despus las columnas.
Comnmente, se denotan a las matrices con letras maysculas mientras que
se utilizan las correspondientes letras en minsculas para denotar a los
elementos o datos pertenecientes a las mismas. Por ejemplo, al elemento de

una matriz A que se encuentra en la fila i-sima y la columna j-sima se le

denota como ai, j o a *i, j+.
Notaciones alternativas son A *i, j+ o Ai, j. Adems de utilizar letras
maysculas para representar matrices, otra forma de poder representar a las
matrices es mediante el uso de fuentes en negrita para distinguirlas de otros
tipos de variables. As A es una matriz, mientras que A es un escalar.
Normalmente se escribe para definir una matriz A m n con cada elemento
en la matriz A [i, j] llamada ai, j para todo 1 i m y 1 j n. Sin embargo, la
convencin del inicio de los ndices i y j en 1 no es universal: algunos
lenguajes de programacin comienzan en cero, en cul caso se tiene
0 i m 1 y 0 j n 1.
10
Una matriz que contenga una sola columna o que solamente tenga una sola
fila se denomina a menudo vector, y se interpreta como un elemento del
espacio eucldeo. Una matriz 1 n (una fila y n columnas) se denomina vector
fila, y una matriz m 1 (una columna y m filas) se denomina vector columna
La matriz

123
A=

127
492
605

Es una matriz 4x3. El elemento A [2,3] o a es 7.

La matriz
R= 1 2 3 4 5 6 7 8 9

2.2 OPERACIONES CON MATRICES

Suma o adicin
Dadas matrices iguales en filas y columnas m-por-n, sean A y B, su suma A
+B es la matriz m-por-n calculada sumando los elementos correspondientes
afilas y columnas respectivamente. (y.i (A + B) [i, j] = A [i, j] + B [i, j]). Es decir,
sumar cada uno de los elementos homlogos de las matrices a sumar Por
ejemplo:

Propiedades

Asociativa
Dadas las matrices m por n A, B y C
A + (B + C) = (A + B) + C
Conmutativa
Dadas las matrices m por n A y B
A+B=B+A
Existencia de matriz cero o matriz nula
A+0=0+A=A
Existencia de matriz opuesta
Con gr-A = [-ai, j]
A + (-A) = 0

Producto por un escalar

Cuando se da una matriz A y un escalar numrico c, su producto cA se
calcula multiplicando el valor numrico escalar por cada elemento de la
matriz A
(i.e. (cA) *i, j+ = cA *i, j+).

Producto

El producto de dos matrices se puede definir slo si el nmero de columnas

de la matriz izquierda es el mismo que el nmero de filas de la matriz
derecha, deben de coincidir filas de una matriz con columnas de la otra
matriz. Si A es una matriz m por n y B es una matriz n por p, entonces su
producto matricial AB es la matriz m por p (m filas, p columnas) dada por:

(AB) [i, j] = A [i, 1] B [1, j] + A [i, 2] B [2, j] +.+A [i, n] B [n, j]

31
1 0 2 x 2 1 = (1x3+0x2+2x1) (1x1+0+1+2x0) = 5 1
-1 3 1

10

(-1x3+3x2+1x1) (-1x1+3x1+1x0)

42

Propiedades
Si los elementos de la matriz pertenecen a un cuerpo, y puede definirse el
producto, el producto de matrices tiene las siguientes propiedades:
Propiedad asociativa: (AB) C = A (BC).29
Propiedad distributiva por la derecha: (A + B) C = AC + BC.
Propiedad distributiva por la izquierda: C(A + B) = CA + CB.

En general, el producto de matrices tiene divisores de cero: Si A.B = 0, No

necesariamente A o B son matrices nulas.
El producto de matrices no verifica la propiedad de simplificacin: Si A.B
=A.C, No necesariamente B=C.
El producto de dos matrices generalmente no es conmutativo, es decir,
ABA. La divisin entre matrices, es decir, la operacin que podra producir el
cociente A / B, no se encuentra definida. Sin embargo, existe el concepto de
matriz inversa, slo aplicable a las matrices cuadradas.
Las matrices pueden representar convenientemente aplicaciones lineales
entre dos espacios vectoriales de dimensin finita. As, si n es el espacio
eucldeo n-dimensional cuyos vectores se pueden representar como vectores
columna (matrices n-por-1), para cada aplicacin lineal f: n m existe
una nica matriz A m por n de tal forma que

F(x) = Ax
Para cada vector x de n
Se dice que la matriz A "representa" la aplicacin lineal f, o que A es la
matriz coordenada de f.
El producto de matrices claramente corresponde a la composicin de las
aplicaciones. Si la matriz k por m B representa otra aplicacin lineal g:
m k, entonces la composicin g o f se representa por BA

(g o f) (x) = g (f (x)) = g (Ax) = b (Ax) = (B A) x.

2.3 CLASIFICACIN DE MATRICES

2.3.1 Matrices Cuadradas
Una matriz de n*m elementos:

Si A es una matriz m por n con la siguiente caracterstica m = n, entonces A se

llama matriz cuadrada. Una matriz es cuadrada si el nmero de elementos de
la fila es igual al nmero de elementos de columnas.
Podemos decir, entonces que la matriz es de orden n. Toda matriz cuadrada
la podemos descomponer en una suma de una matriz simtrica y una matriz
anti simtrica Si la matriz A y B son matrices del mismo orden, entonces las
podemos sumar entre s. Los productos de matrices son vlidos en ambos
sentidos, AB y BA, recordando que orden de los factores no altera el
producto. Adems, surgen los conceptos de determinante.
Una matriz cuadrada A de orden n es singular si su determinante es nulo. En
tal caso se dice que dicha matriz no tiene inversa.
Ejemplo de matriz cuadrada para n = 3:

1 -3 8
2 0 0
0 1 -1
Las matrices cuadradas son las ms utilizadas en lgebra.

2.3.2 Matrices Triangulares

En lgebra lineal, una matriz triangular es un tipo especial y particular de
matriz cuadrada cuyos elementos por encima o por debajo de su diagonal
principal son cero. Gracias a que los sistemas de ecuaciones lineales
utilizando matrices triangulares son fciles de resolver, las matrices
triangulares son las ms utilizadas en el anlisis numrico para resolver
sistemas de ecuaciones lineales con n incgnitas, calcular inversas de las
matrices y determinantes de las mismas. El mtodo de descomposicin LU
permite descomponer cualquier matriz invertible como producto de una
matriz triangular inferior L y una superior U.
Una matriz cuadrada de orden n se afirma que es triangular superior, si
posee la caracterstica siguiente:

Anlogamente, una matriz de la forma:

Se dice que es una matriz triangular inferior. Se suelen emplear las letras U y
L, respectivamente, ya que U es la inicial de upper triangular matrix y L de
lower triangular matrix, los nombres que reciben estas matrices en ingls
Ejemplo:
1 4 2
0 3 4
0 0 1

Es triangular superior y
1 0 0
2 8 0
4 9 7

Es triangular inferior.

Una matriz triangular superior e inferior es una matriz diagonal.

El producto de dos matrices triangulares superiores (inferiores) es un
matriz triangular superior (inferior).
La transpuesta de una matriz triangular superior es una matriz
triangular inferior y viceversa.
El determinante de una matriz triangular es el producto de los
elementos de la diagonal.
Una matriz triangular es invertible si y solo si todos los elementos de la
diagonal son no nulos. En este caso, la inversa de una matriz triangular
superior (inferior) es otra matriz superior (inferior).
Los valores propios de una matriz triangular son los elementos de la
diagonal principal.

Un sistema de ecuaciones lineales en forma matricial

Es muy fcil de resolver. El primer sistema puede escribirse como

Que puede resolverse siguiendo un simple algoritmo recursivo

.
.

De forma anloga puede resolverse un sistema dado por una matriz

triangular superior.

2.3.3 Matices Escalar

Una matriz escalar es una matriz diagonal en la que los elementos de la
diagonal principal son iguales, son aquellos arreglos matriciales en los cuales
se deben de coincidir en el valor numrico con el mismo valor que se tiene al
inicio de la matriz, como es en el caso del ejemplo que se muestra a
continuacin .

2.3.4 Matrices unitarias

Una matriz unitaria podemos definirla como aquella en la que los elementos
de su diagonal principal son todos iguales a uno y todos los dems elementos
son iguales a cero. Tambin se le conoce como matriz identidad porque
cualquier matriz M con m filas y n columnas permanece sin cambios cuando
se multiplica por una matriz unitaria N * N

2.3.5 Matrices Nula

En las ciencias matemticas, pero en particular en lgebra lineal, una matriz
cero o tambin llamada matriz nula es un matriz con todos sus elementos
iguales a cero. Algunos ejemplos de matrices nulas son:

Por lo tanto, una matriz nula de orden m n definida sobre un anillo K asume
la forma:

Una matriz cero es, al mismo tiempo, matriz simtrica, matriz anti simtrica,
matriz ni potente y matriz singular.

2.3.6 Matrices Traspuestas

Sea A = (aij) una matriz de m renglones * n columnas. La traspuesta de la
matriz A, que se escribe A, es la matriz de n * m que se obtiene al
intercambiar los renglones por las columnas de A.

2.4 TRANSFORMACIONES ELEMENTALES POR RENGLON.ESCALONAMIENTO

DE UNA MATRIZ, RANGO DE UNA MATRIZ
Una aplicacin lineal (tambin llamada funcin lineal, transformacin lineal u
operador lineal) es una aplicacin entre dos espacios vectoriales que
preserva las operaciones de suma de vectores y producto por un escalar. El
trmino funcin lineal se usa incorrectamente en anlisis matemtico y en
geometra para designar una recta, un plano, o en general una variedad
lineal.

Son aplicaciones lineales los operadores usados en la formulacin

matemtica de la mecnica cuntica.
Se denomina transformacin lineal, funcin lineal o aplicacin lineal a toda
aplicacin cuyo dominio y codominio sean espacios vectoriales que cumpla la
siguiente definicin:
Sean V y W espacios vectoriales sobre el mismo espacio o campo K, y T una
funcin de V en W. T es una transformacin lineal si para todo par de
vectores u y v pertenecientes a V y para todo escalar k perteneciente a K, se
satisface que:

1. T ( U + V ) = T ( U ) + T (V )
2. T ( KU )

= KT ( U )

Donde k es un escalar

2.4.1 Rango de una matiz

En lgebra lineal, el rango de una matriz es el nmero de columnas (filas
respectivamente) que son linealmente independientes. Si se da el caso de
que el rango fila y el rango columna son iguales, este nmero es llamado
simplemente rango de A. Comnmente se expresa como R(A).
El nmero de columnas independientes de una matriz m por n es igual a la
dimensin del espacio columna de A. Tambin la dimensin del espacio fila
determina el rango. El rango de A ser, por tanto, mayor o igual que uno y
menor o igual que el mnimo entre m y n. Ahora bien, lo que procede es
definir el concepto de rango de una aplicacin lineal:
El rango es la dimensin del conjunto, imagen de la aplicacin:
Rang f = dim (Imf) m
Una cualidad relevante del rango tal como se ha definido y del rango de
matrices, radica en que ambos son coincidentes. Es decir, partiendo de una
base arbitraria, la aplicacin lineal puede mostrarse por conducto de base en
forma de matriz, con lo cual resulta el rango de la matriz, igual al rango de la
aplicacin lineal que representa. Para establecer ms claramente esta
relacin, deben fijarse dos bases vectoriales en cada uno de espacios.

= {e,., en}
U = {u,., um}
Se puede expresar la transformacin lineal por una matriz

A, u = [a ij]
Y = y1 u1, ++ ym um, la imagen del vector x

X = x1 e1, ++ xn en, la anti imagen del vector y

De este modo, puede demostrarse que el rango de A, u coincide con la
dimensin de la imagen de f, como ya se mencion.
El rango puede calcularse, en relacin con una aplicacin lineal, al considerar
una base cualquiera y al determinar el rango de la matriz que representa la
aplicacin en esa base, pues el nmero que se obtenga no estar sujeto de la
base elegida.
Con el clculo de determinantes, el rango de una matriz puede determinarse
de modo sencillo. As, la matriz Af de una aplicacin lineal

f Kn Km

Af a11 a1n

am1 amn
El rango queda de definido como el mximo entero r, de tal manera que
existe un menor no nulo de orden r:
Cabe mencionar que el mtodo de Gauss-Jordan representa otra forma de
obtener el rango de una matriz, la cual es idntica al nmero de filas no nulas
de la matriz obtenida con este mtodo.
Una til aplicacin de calcular el rango de una matriz es la de determinar el
nmero de soluciones al sistema de ecuaciones lineales. El sistema tiene por
lo menos una solucin si el rango de la matriz de coeficientes equivale al
rango de la matriz aumentada. En ese caso, sta tiene exactamente una
solucin si el rango equivale al nmero de incgnitas; en otro caso, la
solucin general tiene k parmetros libres, donde k es la diferencia entre el
nmero de incgnitas y el rango.

Una matriz es invertible (tiene inversa) si y slo si su rango es mximo. En

teora de control, el rango de una matriz se puede usar para determinar si un
sistema lineal es controlable u observable.
2.4.2 Matriz Escalonada
Una matriz se dir que es escalonada si el primer elemento no cero en cada
fila est ms a la derecha que el de la fila anterior.
Ejemplos:
1) La matriz

6 12 -3 0
0 5 -7 10
A=

0 0

7 14

0 0

0 5

Si es escalonada.

2) La matriz
2 3
B=

0 5
0 1

2.4.3 No es escalonada.
Obviamente el escalonamiento de una matriz se logra haciendo ceros
todos los elementos que estn debajo de la diagonal principal.
En lgebra Lineal, la forma cannica de Jordan es la forma de la matriz de un
endomorfismo de un espacio vectorial en cierta base asociada a la
descomposicin en suma directa de sub espacios invariantes bajo dicho
endomorfismo. Dicha forma cannica consistir en que la matriz estar
formada por "bloques de Jordan" en la diagonal y bloques de ceros fuera de
ella.

Dado un endomorfismo sobre un espacio vectorial sobre de dimensin n> 1,

puede probarse que si su polinomio caracterstico factoriza completamente
sobre el cuerpo, existe una base donde la aplicacin lineal viene dada por
una "matriz de m bloques" (m n) con la forma cannica siguiente

A1 0 0
J 0

A2 0

...

M nxm

0 Am

Donde adems se cumple que k es raz del polinomio caracterstico y que

Un caso interesante es el de los endomorfismo diagonalizables donde

m= nYnk =1 siendo por tanto la forma cannica de Jordan una matriz

diagonal. Considrese la situacin de una matriz diagonalizable. Una
matrizcuadrada es diagonalizable si la suma de las dimensiones de los
espacios propios (eigenspaces) es el nmero de filas o columnas de la matriz.
Examinemos la matriz siguiente

322 -323 -323 -322

A=

325 -326 -325

326

-259

261

261

-260

-237

237

238

-237

Tenemos valores propios de A que son slo = 5, 5, 5, 5. Ahora bien, la

dimensin del ncleo de A-5I es 1, por lo tanto A no es diagonalizable. Sin
embargo, podemos construir la forma de Jordan de esta matriz. Dado que la
dimensin es 1, sabemos que la forma de Jordan est compuesta de solo un
bloque de Jordan, es decir, la forma de Jordan de A es

5 1 0 0

J = J4 (5) =

0 5 1 0
0 0 5 1
0 0 0 5

Obsrvese que J puede escribirse como 5I+N, donde N es una matriz ni

potente. Puesto que ahora tenemos A similar a dicha matriz simple,
podremos realizar clculos que involucren a A usando la forma de Jordan, lo
que en muchos casos puede simplificar el clculo. Por ejemplo, calcular
potencias de matrices es significativamente ms sencillo usando la forma de
Jordan

2.5 CALCULO DE LA INVERSA DE UNA MATRIZ

Sabemos tambin que el elemento neutro del producto de matrices es la
matriz identidad In. Por analoga con el caso de los nmeros reales, podemos
plantearnos la siguiente cuestin:
Si tenemos un nmero real, por ejemplo el 2, podemos interesarnos en
buscar el inverso del 2 para el producto, es decir un nmero real x tal que 2x
= 1, el producto de 2 por x sea igual al elemento neutro, el 1.
Evidentemente, en el caso de los nmeros reales es bien fcil despejar x para
obtener, en nuestro caso, que x = 1/2, es decir, el inverso de un nmero real
es otro nmero que multiplicado por el da el elemento neutro, el 1.
Todo nmero real, salvo el 0, tiene inverso.
Trasladando esto a las matrices, nos podemos plantear si dada una matriz
cuadrada A de orden n, cualquiera, existe su inversa X para el producto de
matrices, tal que
A X = In

Es decir, el producto de A por su inversa produce el elemento neutro

matricial, la matriz identidad In. Sin embargo, hay algunas diferencias con
respecto al caso de los nmeros reales:

1) No podemos despejar la matriz X del modo X = In/A, porque no

hemos definido la divisin de matrices.
2) No todas las matrices cuadradas no nulas tienen matriz inversa (sea
lo que sea, por analoga con los nmeros).
Definamos, en primer lugar, el trmino de matriz inversa:
Dada una matriz cuadrada de orden n, A, se dice que A es invertible (o que
posee inversa o que es no singular o que es regular), si existe otra matriz del

mismo orden, denominada matriz inversa de A y representada por A1 y tal

que:
A A1 = In

A1 A = In

Si A no tiene inversa, se dice que es singular o no invertible.

Si una matriz tiene inversa, dicha matriz inversa es nica (slo hay una). Para
calcular dicha matriz inversa, podemos utilizar dos vas:

2.6 DEFINICIN DE DETERMINANTE DE UNA MATRIZ

En matemticas se define el determinante como una forma no-lineal alterna
de un cuerpo En. Esta definicin indica una serie de propiedades matemticas
y generaliza el concepto de determinante hacindolo aplicable en numerosos
campos. Sin embargo, el concepto de determinante o de volumen orientado
fue introducido para estudiar el nmero de soluciones de los sistemas
lineales de ecuaciones
Para el clculo de determinantes de matrices de cualquier orden, existe una
regla recursiva (teorema de Laplace) que reduce el clculo a sumas y restas
de varios determinantes de un orden inferior. Este proceso se puede repetir
tantas veces como sea necesario hasta reducir el problema al clculo de
mltiples determinantes de orden tan pequeo como se quiera. Sabiendo
que el determinante de un escalar es el propio escalar, es posible calcular el
determinante de cualquier matriz aplicando dicho teorema.
El caso de matrices de orden inferior (orden 2 o 3) es tan sencillo que su
determinante se calcula con sencillas reglas conocidas. Dichas reglas son
tambin deducibles del teorema de Laplace. Los determinantes de una matriz
de orden 2 se calculan con la siguiente frmula

El determinante de orden n, puede desarrollarse a partir de una fila o

columna, reduciendo el problema al clculo de un determinante de orden
n-1.
Para ello se toma una fila o columna cualquiera, multiplicando cada elemento
por su adjunto (es decir, el determinante de la matriz que se obtiene
eliminando la fila y columna correspondiente a dicho elemento, multiplicado
por (-1) i+j donde i es el nmero de fila y j el nmero de columna). La suma
de todos los productos es igual al determinante. En caso de un determinante
de orden 4, se obtienen directamente determinantes de orden 3 que podrn
ser calculados por la regla de Sarrus. En cambio, en los determinantes de
orden superior, como por ejemplo n = 5, al desarrollar los elementos de una
lnea, obtendremos determinantes de orden 4, que a su vez se debern
desarrollar en por el mismo mtodo, para obtener determinantes de orden 3.
Por ejemplo, para obtener con el mtodo especificado un determinante de
orden 4, se deben calcular 4 determinantes de orden 3. En cambio, si
previamente se logran tres ceros en una fila o columna, bastara con calcular
solo un determinante de orden 3 (ya que los dems determinantes estarn
multiplicados por 0, lo que los anula).
La cantidad de operaciones aumenta muy rpidamente. En el peor de los
casos (sin obtener ceros en filas y columnas), para un determinante de orden
4 se debern desarrollar 4 determinantes de orden 3. En un determinante de
orden 5, se obtienen 5 determinantes de orden 4 a desarrollar, dndonos 20
determinantes de orden 3. El nmero de determinantes de orden 3 que se
obtienen en el desarrollo de un determinante de orden n es igual a
(n!)
(3!)
Por ejemplo, mediante este mtodo, para un determinante de orden 10 se
debern calcular 10 x 9 x 8 x 7 x 6 x 5 x 4 = 604.800 determinantes de orden
3. Tambin puede utilizarse el Mtodo de eliminacin Gaussiana, para
convertir la matriz en una matriz triangular. Si bien el proceso puede parecer
tedioso, estar muy lejos de los 14.529.715.200 de determinantes de orden 3
necesarios para calcular el determinante de una matriz de orden 14

2.7 PROPIEDADES DE LOS DETERMINATES

Algunas propiedades importantes que tienen los determinantes, y que se
Si una matriz tiene una lnea (fila o columna) de ceros, el determinante
vale cero.
Esta propiedad es evidente, puesto que por definicin de
determinante, basta elegir dicha lnea para desarrollar y el
determinante ser 0.
Si una matriz tiene dos filas iguales o proporcionales, su determinante
es nulo.
Esta propiedad permite utilizar un mtodo ms sencillo para calcular
determinantes de orden mayor que 3.
El determinante de una matriz es igual al de su traspuesta,

A =

At

=
Si A tiene matriz inversa, A1, se verifica que:
det (A -1 ) =

1
det (A)

Una estrategia a tener en cuenta en este caso de determinantes de orden 4 o

superior, o incluso de orden 3 si la matriz es compleja, es el mtodo de
hacer ceros, puesto que el valor del determinante no vara al realizar a la
matriz ciertas transformaciones elementales en filas, como indica la
propiedad 5 anterior, si bien hemos de ser cuidadosos al aplicar dicha
propiedad.
As pues la mejor forma de calcular un determinante es hacer ceros en una
fila o columna y desarrollar por dicha fila o columna, porque entonces slo
tendremos que calcular un adjunto.

2.8 INVERSA DE UNA MATRIZ CUADRADA ATRAVS DE LA ADJUNTA

Hay una estrecha relacin entre la inversa de una matriz cuadrada y su
determinante. De hecho se verifica que:
Propiedad: Una matriz cuadrada A tiene inversa |A| = 0.
Adems, en este caso, la matriz inversa de A, A1 se calcula de la manera:
A1 = (Adj) (A)t
|A|
Donde Adj(A) denota la matriz adjunta de A, es decir, aquella que se obtiene
de sustituir cada elemento de A por su adjunto.
Sabemos ya multiplicar matrices y hemos visto algunas de las propiedades
de esta operacin. Recordemos, en primer lugar, que no siempre es posible
efectuar la multiplicacin de dos matrices, y en segundo lugar, que aunque
sea posible hacer esta multiplicacin, en general no es conmutativo, es decir
AB es distinto de BA.
Mtodo de Gauss-Jordn:
Consiste en hacer transformaciones elementales en las filas de la matriz para
llegar a obtener la matriz identidad. Realizando estas mismas
transformaciones con la matriz identidad llegamos a la matriz A1.
Se llama transformacin elemental en una matriz a:
T1) Multiplicar o dividir una fila por un nmero real distinto de cero.
T2) Sumar o restar a una fila otra multiplicada por un nmero real no nulo.
T3) Intercambiar el lugar de dos filas entre s
Veamos cmo se realiza el mtodo de Gauss-Jordn, realizndolo a la vez con
la matriz 1 2
-1 1

Consideramos la matriz formada por A y la matriz identidad

correspondiente En nuestro caso:

(A I2 ) = 1 2 1 0
-1 1 0 1

1. Se hace la matriz triangular superior (es decir, hacemos ceros por

debajo de la diagonal principal) usando transformaciones elementales
en filas. La mejor forma de realizar esto es hacer cero los elementos
por debajo de la diagonal en la primera columna usando la fila 1.
Luego, hacer cero los elementos por debajo de la diagonal en la
segunda columna usando la fila 2, y as sucesivamente.
En nuestro caso, basta sumar la fila 2 con la fila 1, y se obtiene:

1 2 1 0

F2 + F1 1 2 1 0

(A I2) = -1 1 0 1

0 3 1 1

Una vez se tiene la matriz identidad en la parte de la izquierda, la parte

derecha es la matriz inversa, es decir, llegamos a: matriz que habamos
obtenido antes por el mtodo directo.
Si al realizar el mtodo de Gauss-Jordn en alguno momento alguna fila es de
ceros, la matriz no tiene inversa.
Cuanto mayor sea el orden de la matriz, mejor es este mtodo frente al
directo.

2.9 APLICACIN DE MATRICES Y DETERMINATES

Notacin matemtica formada por una tabla cuadrada de nmeros, u otros
elementos, entre dos lneas verticales, dichas lneas verticales no deben de
ser confundidas con las lneas de valor absoluto; el valor de la expresin se
calcula mediante su desarrollo siguiendo ciertas reglas. Los determinantes
fueron originalmente investigados por el matemtico japons Seki Kowa
alrededor de 1683 y, por separado, por el filsofo y matemtico alemn
Gottfried Wilhhelm Leibniz alrededor de 1693. Esta notacin se utiliza en casi
todas las ramas de las matemticas y en las ciencias naturales.
El adjunto menor, Mij, de un elemento cualquiera aij de la tabla es el
determinante formado por los elementos restantes al eliminar la fila i y la
columna j en las que aparece el elemento aij. El cofactor, Aij, de un elemento
aij es igual a (-1) i+jMij
El valor de un determinante se puede expresar usando los elementos de una
fila (o columna) y sus respectivos cofactores; la suma de estos productos es el
valor del determinante. Formalmente, esto se expresa como

BIBLIOGRAFA
1. GROSSMAN STANLEY I. LGEBRA LINEAL. MC GRAWHIL, 2007.
2. ANFOSSI AGUSTN. LGEBRA.PROGRESO, 1988.
3. BALDOR AURELIO. LGEBRA. PUBLICACIONES CULTURAL. 2006.
4. ANTON HOWARD. INTRODUCCIN AL LGEBRA LINEAL
LIMUSA NORIEGA EDITORES, 1999.
5. LIPSCHUTZ SEYMOUR, LGEBRA LINEAL. MC GRAWHIL, 1992.