Tópicos de Algebra Lineal

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

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

a21 a22 a23 a2 n
A=

am1 am 2 am 3 amn
Como puede observarse, este arreglo consta de m renglones y n columnas, por lo que decimos que la
matriz es de orden m x n (que se lee m por n ). Comnmente las matrices se denotan con letras
maysculas A, B, C, , y sus elementos con letras minsculas a, b, c, , en forma abreviada una
matriz puede escribirse como:
A = ai j ; donde i = 1, 2, 3, , m
j = 1, 2, 3, , n
2 1 5
Ejemplo 1.1 La matriz A = es una matriz de orden 2 x 3 en donde los renglones son
3 2 4
2 1 5
las matrices [2 1 5 ] y [3 2 4 ] y las columnas son las matrices ; y .
3 2 4
107
108 JOS PEDRO AGUSTN VALERA NEGRETE
Consideremos nuevamente la matriz A de orden m x n :
a11 a12 a13 a1n

a21 a22 a23 a2 n
A=

am1 am 2 am 3 amn
A los renglones de la matriz A se les acostumbra representar por A(1) , A(2) , , A( m ) y a las columnas
por A(1) , A(2) , , A( n ) . Para cada una de las dos notaciones anteriores tendremos una matriz de orden
1x n que frecuentemente es designada como vector rengln de n componentes (o simplemente vector
rengln o matriz rengln). Asimismo, a una matriz de orden m x 1 se le llama vector columna de m
componentes (o simplemente vector columna o matriz columna).
1. Tenemos entonces con la notacin de matriz rengln o vector rengln:
A1 = [ a11 , a12 , a13 , , a1n ]

A2 = [ a21 , a22 , a23 , , a2 n ]
A3 = [ a31 , a32 , a33 , , a3n ]

Am = [ am1 , am 2 , am 3 , , amn ]
2. Y con la notacin de matriz columna o vector columna:
a11 a12 a1n

a21 a22 a2 n
A(1) = , A(2) = , , A( n ) =

am1 am 2 amn
Entonces tambin podemos considerar a una matriz A como un arreglo de: a) m submatrices (matriz que
resulte al suprimir en A un nmero cualquiera de renglones y/o columnas, ver tema 1.7.1) o vectores
rengln del tipo A(i ) y b) como un arreglo de n submatrices o vectores columna del tipo A ( j ) , de manera
que:
A(1)

A(2)
A = o A = A(1) , A(2) , , A( n )

A( m )
CAPTULO 1 MATRICES Y DETERMINANTES 109
1.1.1 Tipos de matrices
1.1.1.1 Matriz cuadrada
Sea la matriz A = ai j ; donde i = 1, 2,3, , m y j = 1, 2,3, , n
Si m = n , entonces A es una matriz cuadrada, y se dice que es de orden n x n o simplemente cuadrada

de orden n .
2 5
Ejemplo 1.2 La matriz A = es una matriz cuadrada de orden 2 x 2 .
1 4
1.1.1.2 Matriz nula o cero
Una matriz en la que todos sus elementos son cero se llama matriz nula y puede ser cuadrada o
rectangular, la representamos mediante la notacin [ 0 ] .
0 0

Ejemplo 1.3 La matriz nula de orden 3 x 2 es [ 0 ] = 0 0

0 0
1.1.1.3 Matriz triangular superior
Sea A = ai j una matriz cuadrada. Si ai j = 0 , para i > j se llama matriz triangular superior.
2 1 6 3
0 4 2 5
Ejemplo 1.4 La matriz A = de orden 4 x 4 es una matriz triangular superior.
0 0 1 4

0 0 0 3
1.1.1.4 Matriz triangular inferior
Sea A = ai j una matriz cuadrada. Si ai j = 0 , para i < j se llama matriz triangular inferior.
1 0 0
Ejemplo 1.5 La matriz A = 3 2 0 de orden 3 x 3 , es una matriz triangular inferior.

5 4 3
1.1.1.5 Matriz diagonal
Una matriz cuadrada que es triangular superior e inferior simultneamente, se llama matriz diagonal,
normalmente se denota por D = diag (d11 , d 22 , , d nn ) .
2 0 0 0
0 2 0 0
Ejemplo 1.6 La matriz D = de orden 4 x 4 es una matriz diagonal, que tambin
0 0 1 0

0 0 0 3
puede indicarse como D = diag (2, 2, 1, 3) .
1.1.1.6 Matriz escalar
Una matriz diagonal en la que d11 = d 22 = d33 = = d nn = k , con k se llama matriz escalar.
3 0 0 0
0 3 0 0
Ejemplo 1.7 La matriz E = de orden 4 x 4 es una matriz escalar donde k = 3
0 0 3 0

0 0 0 3
1.1.1.7 Matriz identidad, unidad o unitaria
Una matriz escalar en la que k = 1 , se llama matriz identidad, unidad o unitaria, y se denota por
I n = i j , en donde i j = 1 , si i = j y i j = 0 , si i j .
1 0 0

Ejemplo 1.8 La matriz I 3 = 0 1 0 es la matriz identidad de orden 3 x 3 .

0 0 1
1.2 Operaciones con matrices

Antes de analizar las operaciones que se pueden efectuar con las matrices veamos primero la definicin
de igualdad de matrices.
1.2.1 Igualdad de matrices
Dos matrices son iguales si son del mismo orden y sus elementos correspondientes son iguales, es decir,
si A = ai j y B = bi j son dos matrices del mismo orden, entonces A = B equivale a ai j = bi j ;
para i, j N .
Ejemplo 1.9 Sean las matrices A, B, C , D y E , indicar cules son iguales:
1 2 4 1 3 1 2 5 1
A = 3 0 ; B = 2 1 3
; C = 2 1 2 ; D = 3 0 ; E = 0 2

4
1 2

4 1 5 0 4 4 1 3 1
Solucin: Observamos que al comparar cada una de ellas con las restantes tenemos que A B , A C ,
A = D, A E, B C, B D, B E, C D , C E y D E .
1.2.2 Suma o adicin
Sean A = ai j y B = bi j dos matrices del mismo orden m x n con elementos en el mismo campo,
la suma A + B de dichas matrices es una nueva matriz C = ci j de orden m x n tal que ci j = ai j + bi j ;
es decir, los elementos de la matriz C son las sumas de los elementos correspondientes de A y B .
Ejemplo 1.10 Dadas las siguientes matrices A, B y C definidas por:

2 3 4
3 1 0 1 1 2
A= ; B= ; C = 4 1 2
2 2 4 3 1 4 3 1 2
Obtener: A + B y B + C
Solucin:
1. A + B se puede efectuar ya que las matrices son del mismo orden 2 x 3 y por tanto decimos que son
conformables para la operacin de suma o adicin.
3 1 0 1 1 2 3 + 1 1 1 0 + 2 4 2 2
A+ B = + = =
2 2 4 3 1 4 2 + 3 2 + 1 4 4 5 3 8
2. B + C no puede efectuarse debido a que las matrices no son del mismo orden, ya que B es de orden
2 x 3 y C es de orden 3 x 3 o simplemente es una matriz cuadrada de orden 3, en este caso decimos que
las matrices no son conformables para la suma.
1.2.3 Grupo Abeliano
Las matrices de orden m x n cuyos elementos son nmeros reales forman un grupo abeliano para la
operacin de suma o adicin, ya que el conjunto de todas las matrices de orden m x n cumple con los
siguientes 5 axiomas:
1. Cerradura
Si A y B son dos matrices del mismo orden m x n entonces A + B = C , siendo C una tercera matriz
de orden m x n .
2. Asociatividad
Si A, B, C , son tres matrices del mismo orden m x n entonces ( A + B ) + C = A + ( B + C ) .
3. Existencia del elemento idntico (u)
Existe un elemento idntico u para la operacin de suma o adicin, que es la matriz nula, ya que para
toda matriz de orden m x n se tiene que:
A+u=u+ A= A
A + [ 0 ] = [ 0 ] + A = A ; implica que u = [ 0 ]
4. Existencia del elemento inverso ( v )
Existe un elemento inverso v para la adicin, que en este caso es la matriz negativa, tambin llamada
opuesta de la matriz A = ai j y que se define como A = ai j ; la cual se obtiene a partir de A ,
simplemente cambiando el signo a sus elementos, por lo tanto:
A+v=v+ A=u
A + ( A) = A + A = [ 0 ] ; implica que v = A
5. Conmutatividad
Si A y B son dos matrices del mismo orden m x n entonces A + B = B + A .
1.2.4 Resta o diferencia
Definimos a la resta, diferencia o sustraccin de dos matrices A y B , como A B = A + ( B ) , lo

cual equivale simplemente a restar de los elementos de A los correspondientes de B , obtenindose una
nueva matriz. Por lo tanto se puede observar que para que dos matrices sean conformables para la resta,
deben serlo para la suma, es decir, deben ser del mismo orden.
Ejemplo 1.11 Para las matrices A, B y C del ejemplo 1.10, obtener A B , B A y A C .
Solucin:
3 1 0 1 1 2 3 1 1 + 1 0 2 2 0 2
1. A B = = =
2 2 4 3 1 4 2 3 2 1 4 + 4 1 1 0
1 1 2 3 1 0 1 3 1 + 1 2 0 2 0 2
2. B A = = =
3 1 4 2 2 4 3 2 1 2 4 + 4 1 1 0
3. A C no puede efectuarse ya que las matrices no son conformables para la resta, es decir, no son del
mismo orden.
1.2.5 Multiplicacin de un escalar por una matriz
Dada la matriz A = ai j y un escalar o nmero real , el producto de y A , que representaremos

mediante A , se define como: A = ai j = ai j
Es decir, cada elemento de la matriz A se obtiene multiplicando por al elemento respectivo de la

matriz A , sea entonces:
a11 a12 a13 a1n a11 a12 a13 a1n
a21 a22 a23 a2 n a21 a22 a23 a2 n
A= =

am1 am 2 am3 amn am1 am 2 am 3 amn
El producto de un escalar por una matriz cumple con las siguientes propiedades:
1. Cerradura bajo la multiplicacin por un escalar.
Si A es una matriz de orden m x n y es un escalar, entonces A es una matriz de orden m x n
2. Distributividad de la multiplicacin por un escalar con respecto a la suma de matrices.
Si es un escalar y A, B son dos matrices de orden m x n , entonces:
( A + B) = A + B
3. Distributividad de la multiplicacin por un escalar con respecto a la suma ordinaria.
Si y son dos escalares y A es una matriz de orden m x n , entonces:
( + ) A = A + A
4. Asociatividad de la multiplicacin por escalares.
Si y son dos escalares y A es una matriz de orden m x n , entonces:
( A ) = ( ) A
5. Para cada matriz A de orden m x n , 1 A = A
2 3
Ejemplo 1.12 Sea el escalar = 3 y la matriz A =
4 5 , obtener A .

1 0
Solucin:
2 3 3(2) 3( 3 ) 6 9
A = 3 4 5 = 3( 4 ) 3(5) = 12 15

1 0 3( 1 ) 3( 0 ) 3 0
1.2.6 Espacio vectorial de matrices
El conjunto de matrices reales de orden m x n forma un espacio vectorial real o espacio vectorial sobre el
campo de los nmeros reales , teniendo la notacin m x n o V( ) , y satisface las dos condiciones
requeridas cuando es tratado como conjunto de vectores (renglones o columnas):
1. Forma un grupo abeliano con respecto a la operacin de adicin.

2. Existe la funcin de multiplicacin de un escalar por una matriz.
La definicin de un espacio vectorial sobre el campo de los nmeros complejos es igual a la de los
nmeros reales.
La existencia de un espacio vectorial de dimensin n sobre el campo de los nmeros reales n , se

fundamenta en los siguientes axiomas para las operaciones de suma y de multiplicacin por un escalar:
Para la suma
1.1 Cerradura bajo la suma
Si x , y n , entonces x + y n
1.2 Asociatividad de la suma de vectores
x , y , z n ; ( x + y ) + z = x + ( y + z )
1.3 Existencia del elemento idntico para la suma (vector cero)
0 n , tal que x n ; x + 0 = 0 + x = x
1.4 Existencia del elemento inverso aditivo
Si x n , existe un vector x n , tal que x + ( x ) = ( x ) + x = 0

1.5 Conmutatividad de la suma de vectores
Si x , y n , entonces x + y = y + x
Para la multiplicacin de un escalar por una matriz
2.1 Cerradura para la multiplicacin por un escalar
Si x n y es un escalar, entonces x n
2.2 Distributividad de la multiplicacin por un escalar con respecto a la suma vectorial
Si x , y n y es un escalar, entonces ( x + y ) = x + y
2.3 Distributividad de la multiplicacin por un escalar con respecto a la suma ordinaria
Si x n y y son dos escalares, entonces ( + ) x = x + x
2.4 Asociatividad de la multiplicacin por escalares
Si x n y y son dos escalares, entonces ( x ) = ( ) x
2.5 Para cada vector x n , 1x = x
1.2.7 Producto de matrices
Sean A = ai k una matriz de orden ( m x r ) y B = bk j una matriz de orden ( r x n) . Llamamos

producto de las matrices A y B , que se representa mediante AB , a la matriz C = ci j de orden
(m x n) cuyos elementos se obtienen de la siguiente forma:

r
ci j = ai k bk j
k =1
A la matriz A la llamamos premultiplicador y a la matriz B postmultiplicador.
Observamos segn la definicin, que podemos efectuar el producto AB de dos matrices slo cuando el
nmero de columnas de A es igual al nmero de renglones de B , en este caso decimos que las matrices
A y B son conformables para la multiplicacin.
En general la multiplicacin de dos matrices no siempre es conformable, incluso en muchas ocasiones se tiene
que dos matrices A y B son conformables para multiplicarse en ese orden (es decir, se puede obtener el
producto AB ) mientras que no son conformables para multiplicarse en el orden contrario (no puede obtenerse
el producto BA ). Cuando se puede efectuar el producto AB = BA decimos que las matrices A y B son
permutables, si AB = BA entonces decimos que son antipermutables o anticonmutativas.
1 2 1
1 2 4 0 1 3
Ejemplo 1.13 Sean las matrices A y B siguientes A = y B=
3 5 0
3 4 5
Hallar:
a) A B
b) 2 AB
c) (3B) A
Solucin:
1 2 1
1
a) A B =
2 4
0 1 3 = (1 + 0 + 12)11 (2 2 + 16)12 (1 6 + 20)13
0 (3 + 0 + 0) (6 + 5 + 0)22 (3 + 15 + 0) 23
3 5
3 4 5 21
(2 x3) (3 x3) (2 x3)
13 12 13
AB =
3 1 12
13 12 13 26 24 26
b) 2 A B = 2 =
3 1 12 6 2 24
1 2 1
1 2 4
c) ( 3B ) A = 3 0 1 3
3 5 0
3 4 5
(3x 3) (2 x 3)
No se puede efectuar la operacin de multiplicacin de matrices (3B) A por no ser conformables,

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

( A B ) C , entonces:
( A B )C = A( B C )
2. Es distributiva sobre la adicin, es decir:
A ( B + C ) = A B + AC
3. Si A es una matriz de orden m x n , se tiene siempre que:
A In = A A In = A
mxn nxn mxn
Y tambin: I m A = A Im A = A
mxm mxn mxn
1.2.9 Matrices elementales
Sea A una matriz de orden m x n , entonces se pueden realizar operaciones elementales con renglones
en A , multiplicando A por la izquierda por una matriz elemental adecuada.
Definicin:
Matriz elemental E : Una matriz cuadrada E de orden n se llama matriz elemental si se puede obtener
a partir de la matriz identidad I n (de orden n ) mediante una sola operacin elemental con renglones.
Las operaciones elementales con renglones son:
1. Multiplicar el rengln i por un nmero c diferente de cero, Ri c Ri

2. Sumar un mltiplo del rengln i al rengln j , R j R j + c Ri
3. Permutar (intercambiar) los renglones i y j , Ri Rj
Notacin: Una matriz elemental se denota por E , por c Ri , por R j + c Ri , o por Pi j segn la forma en
que se obtuvo de I . En este caso Pi j es la matriz obtenida al intercambiar los renglones i y j de I .
Ejemplo 1.14 Obtener tres matrices elementales de orden 3 dada la matriz identidad:
1 0 0
I 3 = 0 1 0
0 0 1
Solucin:
1 0 0 1 0 0
0 R2 4 R2 0 = 4R
1)
1 0 4 0 2
0 0 1 0 0 1
1 0 0 1 0 2
0 R1 R1 2R3
2)
1 0 0
1 0 = R1 2 R3
0 0 1 0 0 1
1 0 0 0 1 0
0 R1 R2 1 =P
3)
1 0 0 0 12
0 0 1 0 0 1
Teorema: Para realizar una operacin elemental en una matriz A , se multiplica A por la izquierda por
la matriz elemental adecuada.
2 4 2 3

Ejemplo 1.15 Sea la matriz A = 1 3 5 1

3 1 2 4
Realice las siguientes operaciones elementales con los renglones de A , multiplicando A por la izquierda
por una matriz elemental adecuada:
a) Multiplique el tercer rengln por 2 ,

b) Multiplique el segundo rengln por 2 y smelo al primer rengln,
c) Permute el primer y tercer renglones.
Solucin:
1 0 0 2 4 2 3 2 4 2 3

a) (2 R3 ) A = 0 1 0 1 3 5 1 = 1 3 5 1

0 0 2 3 1 2 4 6 2 4 8
1 2 0 2 4 2 3 0 10 8 5
b) ( R1 + 2 R2 ) A = 0 1 0 1 3 5 1 = 1 3 5 1

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

c) ( P13 ) A = 0 1 0 1 3 5 1 = 1 3 5 1

1 0 0 3 1 2 4 2 4 2 3
1.2.10 Transpuesta de una matriz
Consideremos la matriz A = ai j de orden m x n ; llamamos transpuesta de A y la representamos

mediante AT , a la matriz de orden n x m cuyos renglones son las columnas de A y sus columnas son
los renglones de A , es decir:
Si A = ai j , entonces: A T = a ji
Se deja al alumno demostrar que:
a) ( AT )T = A
b) ( A + B)T = AT + BT
c) ( A B)T = BT AT
Ejemplo 1.16 Sean las matrices A y B definidas por:
2 1
3 2
A = 3 4 y B=

4 1
0 2
Obtener: ( A B)T = BT AT
Solucin:
2 1 (6 4)11 (4 1)12 2 5
3 2 = 25 2
1) A B = 3 4 = (9 + 16) 21 (6 + 4) 22
4 1
0 2 (0 8)31 (0 2)32 8 2
(3 x 2) (2 x 2) (3 x 2) (3 x 2)
2 25 8 3 4 2 3 0
2) ( A B )T = ; 3) BT = ; 4) AT =
5 2 2 2 1 1 4 2
3 4 2 3 0 ( 6 4 ) (9 + 16) (0 8) 2 25 8
5) BT AT = = =
2 1 1 4 2 (4 1) (6 + 4) (0 2) 5 2 2
(2 x 2) (2 x3) (2 x3) (2 x3)
( A B)T = BT AT
1.2.10.1 Matriz simtrica
Una matriz cuadrada A = ai j tal que AT = A , en donde AT es la matriz transpuesta de A , se llama matriz
simtrica. Por tanto, en una matriz cuadrada se verifica que ai j = a ji para todos los valores de i y de j .
Ejemplo 1.17 La matriz de orden 3:
3 1 5 3 1 5
A = 1 2 1 es una matriz simtrica ya que AT = 1 2
1 AT = A

5 1 4 5 1 4
Teorema 1: Si A es una matriz cuadrada de orden n , la matriz A + AT es una matriz simtrica.
Ejemplo 1.18 Sean las matrices A y AT definidas a continuacin, hallar B = A + AT .
2 4 5 2 3 1
A = 3 1 4 y A = 4 1
T
3

1 3 2 5 4 2
Solucin:
2 4 5 2 3 1 4 7 4

Obtengamos: B = A + AT = 3 1 4 + 4 1 3 = 7 2 7

1 3 2 5 4 2 4 7 4
Por lo tanto B es una matriz simtrica ya que:
4 7 4 4 7 4
B = 7 2 7 y B = 7 2 7 BT = B
T
4 7 4 4 7 4
1.2.10.2 Matriz antisimtrica
Una matriz cuadrada A = ai j tal que AT = A , en donde AT es la matriz transpuesta de A , se llama

matriz antisimtrica o hemisimtrica. Por tanto, en una matriz cuadrada se verifica que a j i = ai j para
todos los valores de i y de j .
0 1 1
Ejemplo 1.19 La matriz de orden 3: A = 1 0 0 es una matriz antisimtrica, y evidentemente,

1 0 0
los elementos de la diagonal principal deben ser nulos, teniendo:
0 1 1 0 1 1 0 1 1
A = 1 0 0 ; A = 1
T
0 0 ; y A = 1
0 0 AT = A
1 0 0 1 0 0 1 0 0
Teorema 2: Si A es una matriz cuadrada de orden n , la matriz A AT es una matriz antisimtrica.
Ejemplo 1.20 Sean las matrices A y AT definidas a continuacin. Hallar B = A AT
2 4 5 2 3 1
A = 3 1 4 y A = 4 1
T
3
1 3 2 5 4 2
Solucin:
2 4 5 2 3 1 0 1 6

Obtengamos: B = A A = 3 1 4
T 4 1 3 = 1 0 1

1 3 2 5 4 2 6 1 0
Por lo tanto B es una matriz antisimtrica ya que:
0 1 6 0 1 6 0 1 6
B = 1 0 1
B = 1 0 1
T y B = 1
0 1

6 1 0 6 1 0 6 1 0
BT = B
1.3 Definicin de determinante. Propiedades

Antes de iniciar el estudio de los determinantes, veamos algunos conceptos de la teora del anlisis
combinatorio.
1.3.1 Introduccin al anlisis combinatorio
Combinacin. Una combinacin de n elementos, es un arreglo de los mismos sin importar el orden que
se guarde entre ellos. La expresin que nos indica el nmero de combinaciones que se forman con n
elementos tomando k es la siguiente:
n!
Ckn = , en donde k = 0,1, 2,3, , n
(n k )! k !
Por definicin sabemos que 0! = 1 y n ! = 1x 2 x 3 x x n ; para n N

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

ordenada. La expresin que nos indica el nmero de ordenaciones con n elementos tomando k es la
siguiente:
n!
Okn =
(n k )!
Permutacin. Una permutacin de n elementos, es una ordenacin de n elementos tomando todos a la

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

igual a la de los primeros n nmeros naturales (1, 2,3, , n) , por ejemplo, la permutacin principal de
los primeros cinco nmeros naturales es 1, 2,3, 4,5 .
Dos nmeros cualesquiera de una permutacin estn en sucesin si su posicin relativa es la misma que
guardan en la permutacin principal. Si es la contraria, decimos que estn en inversin. Es fcil contar
las inversiones de una permutacin, por lo de decimos que es de clase par cuando tiene un nmero par de
inversiones y de clase impar si el nmero de inversiones es impar.
Ejemplo 1.21 Indicar la clase de las siguientes permutaciones 1,3, 2, 4 y 2,1, 4,3 .
Solucin:
1. Para la permutacin 1,3, 2, 4 analicemos las posiciones relativas de los elementos:

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

a21 a22 a23 a2 n
A=

an1 an 2 an 3 ann
Al nmero que se representa mediante la abreviatura det A , det ( A) o simplemente como A , que no
debe confundirse con la notacin de barras de valor absoluto, y que es igual a la suma de los productos
que se obtienen tomando como factores a un elemento de cada rengln y de cada columna, anteponiendo
un signo ms a aquellos productos en que las permutaciones de ambos ndices son de la misma clase y
anteponiendo signo menos a aquellos productos en que las permutaciones son de clase distinta.
a11 a12 a13 a1n

a a22 a23 a2 n
det A = A = 21

an1 an 2 an 3 ann
De la definicin anterior, concluimos lo siguiente:
1. Para obtener todos los trminos del desarrollo de A basta con escribir el trmino principal
(multiplicando los elementos sobre la diagonal principal) y a partir de ste obtener todos los dems
dejando fijos los primeros ndices y permutando de todas las maneras posibles los segundos ndices. La
diagonal principal es la que va del extremo superior izquierdo al extremo inferior derecho.
2. Como de los segundos ndices n (para n > 1 ) hay n! permutaciones, la mitad son de clase par y la
mitad son de clase impar, habr n! trminos en el desarrollo del determinante y cada trmino tendr n
factores.
3. Como en los trminos siempre aparece la permutacin principal de los primeros ndices, el signo
quedar determinado por la segunda permutacin y tendr signo ( + ) si sta es de clase par, y signo
( ) si es de clase impar.
Ejemplo 1.22 Obtener el desarrollo de un determinante de segundo orden a partir de la definicin.
a11 a12
A =
a21 a22
Solucin:
De acuerdo con lo anteriormente expuesto, el trmino principal es a11 a22 , dejando fijos los primeros
ndices y permutando los segundos de todas las maneras posibles:
1,2 sucesin (clase par +)

2,1 inversin (clase impar )
El desarrollo entonces es: A = a11 a22 a12 a21
Ejemplo 1.23 Obtener el desarrollo de un determinante de tercer orden a partir de la definicin:
a11 a12 a13

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

permutacin
123 3: (12, 13, 23) 0 par (+)
132 2: (13, 12) 1: (32) impar ( )
213 2: (23, 13) 1: (21) impar ( )
231 1: (23) 2: (21, 31) par (+)
312 1: (12) 2: (31, 32) par (+)
321 0 3: (32, 31, 21) impar ( )
El desarrollo del determinante entonces es:
A = a11 a22 a33 a11 a23 a32 a12 a21 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31
1.3.3 Interpretacin geomtrica del determinante de orden 2x2

Referencia: Stanley I. Grossman. lgebra Lineal
a b a b
Sea la matriz A = y su determinante A =
c d c d
Consideremos los vectores columna que nos representan a los puntos A (a, c ) y B (b, d ) en el plano
x y , y dibujemos dos segmentos de recta del origen (0, 0) a cada uno de estos puntos A y B ,
suponiendo que las rectas no son colineales, es decir, (b, d ) no es un mltiplo de (a, c ) .
El rea generada por A se define como el rea del paralelogramo con vrtices en los puntos (0, 0) ,
(a, c) , (b, d ) y (a + b, c + d ) .
y
A = rea del paralelogramo C (a + d , b + c)
Q c
B(b , d )
a
A (a , c)
d
x
b 0
Interpretacin geomtrica del determinante de segundo orden.
En la figura observamos que Q se localiza en el segmento de recta BC y tambin en el segmento

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

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

interseccin se tiene para las ecuaciones (1) y (2) que:
c bc a
x+d = x
a a c
c a bc
+ x = d
a c a
a2 + c2 bc ad
x=
ac a
ax (a 2 + c 2 ) = ac (bc ad )
ac (bc ad ) c (bc ad ) c (ad bc) c A

x= = = = ecuacin (3)
a (a 2 + c 2 ) a2 + c2 a2 + c2 a2 + c2
Sustituyendo el valor obtenido de x en la ecuacin (2):
a a c A a A
y= x = 2 2
= 2 ecuacin (4)
c a +c a +c
2
c
c A a A
4. Entonces de las ecuaciones (3) y (4), Q tiene como coordenadas ,
a +c
2 2
a +c
2 2
Por tanto la distancia de O (0, 0) a Q es:
(c 2 + a 2 ) A
2 2 2 2
c2 A a2 A A A
OQ = + = = =
(a 2 + c 2 ) 2 (a 2 + c 2 )2 (a 2 + c 2 )2 a + c2
2
a + c2
2
Por ltimo tenemos:
A
rea del paralelogramo = OA x OQ = a 2 + c2 x = A
a + c2
2
Nota: Se deja al estudiante investigar la interpretacin geomtrica de un determinante de tercer orden,

haciendo referencia al volumen de un paraleleppedo.
a1 a2 a3 a1 a2 a3

Sea la matriz A = b1 b2 b3 y su determinante A = b b2 b3
1
c1 c2 c3 c1 c2 c3
Por medio del doble producto escalar o doble producto mixto se demuestra que dados tres vectores
a , b , c 3 donde a = (a1 , a2 , a3 ) , b = (b1 , b2 , b3 ) y c = (c1 , c2 , c3 ) tienen un punto O como origen
comn, forman un paraleleppedo con aristas concurrentes a , b , c :
a1 a2 a3
a bxc = b1 b2 b3 = Volumen del paraleleppedo de lados a , b y c
c1 c2 c3
1.3.4 Regla de Sarrus (slo para determinantes de segundo y tercer orden)
Establece que para obtener el desarrollo de un determinante de segundo orden, al producto de los
elementos sobre la diagonal principal (lnea continua ) se reste el producto de los elementos sobre la
diagonal secundaria (lnea discontinua ) as tendremos que:
a11 a12
A = = a11 a22 a12 a21
a21 a22
Que coincide con el desarrollo algebraico segn la definicin.
Ejemplo 1.24 Obtener el valor del siguiente determinante de segundo orden mediante la regla de Sarrus.
2 3
A =
4 1
Solucin:
2 3
A = = (2 x 1) (3 x 4) = 2 (12) = 2 + 12 = 14
4 1
Para obtener el desarrollo de un determinante de tercer orden, a los productos de los elementos
sobre la diagonal principal y paralelos a ella (lneas llenas) se le restan los productos de los
elementos sobre la diagonal secundaria y paralelas a ella (lneas punteadas), para observar mejor a
estos productos, se pueden repetir el primero y segundo renglones inmediatamente despus del
tercero, as tendremos:
a11 a12 a13 a11 a12 a13 a11 a12

A = a21 a22 a23 o tambin A = a21 a22 a23 a21 a22
a31 a32 a33 a31 a32 a33 a31 a32
a11 a12 a13
a21 a22 a23
A = a11 a22 a33 + a21 a32 a13 + a31 a12 a23 a13 a22 a31 a23 a32 a11 a33 a12 a21
Que corresponde con la expresin obtenida a partir de la definicin.
Se recomienda al alumno efectuar los productos anteriores en forma ms sencilla mediante el siguiente
procedimiento:
a11 a12 a13

A = a 21 a 22 a 23
a 31 a32 a 33
Ejemplo 1.25 Obtener el valor del siguiente determinante de tercer orden mediante la regla de Sarrus.
2 1 3
A = 1 3 0
4 2 2
Solucin:
A = (2) (3) (2) + (1) (2) (3) + (4) (1) (0) [ (3) (3) (4) + (0) (2) (2) + (2) (1) (1) ]
= 12 + 6 + 0 [ 36 + 0 + 2] = 12 + 6 + 36 2 = 54 2 = 52
Observacin: El mtodo para resolver determinantes mediante la aplicacin de la regla de Pierre

Frdric Sarrus slo es vlido para determinantes hasta tercer orden, es decir, el alumno no deber
aplicar este procedimiento para determinantes de cuarto orden o mayores.
1.3.5 Propiedades de los determinantes
Los determinantes tienen ciertas propiedades que es til conocer con objeto de simplificar su obtencin.
1.3.5.1 El valor de un determinante A no se altera si se intercambian renglones por columnas o

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

a a22 a23 a2 n a21 a22 a23 a2 n
A = 21 =

an1 an 2 an 3 ann an1 an 2 an 3 ann
Ejemplo 1.28 Multiplicar por el escalar = 2 el siguiente determinante A de orden 3 .
2 4 1
A = 1 3 2
3 2 4
Solucin:
Para hallar el producto A multipliquemos el escalar = 2 por una cualquiera de las lneas del
determinante A , por ejemplo seleccionemos la primera columna:
2 4 1 2 (2) 4 1 4 4 1
2 A =2 1 3 2 = 2 ( 1) 3 2 = 2 3 2
3 2 4 2 (3) 2 4 6 2 4
A = 1 A = 2
2 A = 2 ( 1) = 2
1.3.5.4 Si un determinante tiene dos lneas paralelas iguales o proporcionales, vale cero.
Ejemplo 1.29 Aplicando la propiedad anterior, hallar el valor de los siguientes determinantes A y
B = 2 A , sabiendo que:
2 1 3
A = 5 3 4
2 1 3
Solucin:
a) El determinante A tiene dos lneas paralelas iguales, que son los renglones (1) y (3), por lo tanto su
valor es cero.
2 1 3
A = 5 3 4 = 18 15 8 + 18 + 8 + 15 = 41 41 = 0
2 1 3
b) El determinante B tiene con dos lneas paralelas proporcionales y se obtuvo multiplicando el

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

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

determinante ser igual a la suma de n determinantes iguales, excepto que en la columna j
se considera el trmino correspondiente.
a11 a12 (a1 j + 1 j ) a1n a11 a12 (a1 j ) a1n a11 a12 (1 j ) a1n
a a (a2 j + 2 j ) a2 n a a ( a2 j ) a2 n a a22 ( 2 j ) a2 n
C = 21 22 = 21 22 + 21

an1 an 2 (anj + nj ) ann an1 an 2 (anj ) ann an1 an 2 ( nj ) ann
La misma afirmacin es cierta para renglones.
Ejemplo 1.32 Hallar el valor del siguiente determinante.
( 2 + 1 3) 2 4
D = (3 2 + 4) 1 3
( 1 1 + 4) 4 2
Solucin:
( 2 + 1 3) 2 4 (2) 2 4 ( 1) 2 4 (3) 2 4
D = (3 2 + 4) 1 3 = (3) 1 3 + (2) 1 3 + ( 4) 1 3
( 1 1 + 4) 4 2 (1) 4 2 (1) 4 2 ( 4) 4 2
(0) 2 4 (2) 2 4 ( 1) 2 4 (3) 2 4

D = (5) 1 3 = (3) 1 3 + (2) 1 3 + ( 4) 1 3
(4) 4 2 (1) 4 2 (1) 4 2 ( 4) 4 2
D = (80 + 24 16 20) = (4 + 48 + 6 4 24 12) + (2 32 6 + 4 12 + 8)

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

E = 2 4 3 = 2 4 3 + 2 4 3
5 3 2 5 3 2 5 3 2
(5) (3) (1)
+ 2 4 3
5 3 2
(2) (3) (2) (1) (2) (4) (2) (2) (3) (5) (3) (1)
E = 2 4 3 = 2 4 3 + 2 4 3 + 2 4 3
5 3 2 5 3 2 5 3 2 5 3 2
E = (16 + 12 + 45 40 18 + 12) = (8 + 24 + 30 80 + 9 + 8) + (16 18 30 + 60 + 18 8)

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

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

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

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

A = a21 a22 a23
a31 a32 a33
a22 a23
Menor de a11 M 11 = M 11 = a22 a33 a23 a32
a32 a33
As sucesivamente tenemos:
a21 a22
Menor de a13 M 13 = M 13 = a21 a32 a22 a31
a31 a32
a11 a13
Menor de a32 M 32 = M 32 = a11 a23 a13 a21
a21 a23
1.4.2 Cofactor
Llamamos cofactor de un elemento ai j de un determinante de orden n , al polinomio que aparece como

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

1.4.3 Caracterstica
Llamamos caracterstica de un elemento ai j de un determinante de orden n , al nmero que se

obtiene sumando los dos ndices i + j (rengln y columna) de dicho elemento. Es decir, la
caracterstica es la suma de los nmeros que indican el rengln ( i ) y la columna ( j ) en que se
encuentra el elemento.
Ejemplo 1.37 Obtener la caracterstica de cada uno de los elementos a11 , a13 y a32 de un determinante
de tercer orden.
Solucin:
Caracterstica de a11 : 1+1 = 2 (par)

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

es par y difieren en signo si la caracterstica es impar. En los ejemplos anteriores podemos observar que:
C11 = M 11 por tener caracterstica par

C13 = M 13 por tener caracterstica par
C32 = M 32 por tener caracterstica impar
O sea que el cofactor de Ci j del elemento ai j de cualquier determinante A , es ( 1)

i+ j
veces el menor
de ai j correspondiente, as tendremos Ci j = ( 1)
i+ j
Mij .
1.5 Clculo de determinantes

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

A = una lnea a x correspondientes C
ij ij
n
A = a
j =1
ij Ci j Donde i es cualquier rengln
n
A = a
i =1
ij Ci j Donde j es cualquier columna
Ejemplo 1.38 Desarrollar por el mtodo de cofactores el determinante de tercer orden, de acuerdo con el
teorema tomando los elementos del primer rengln.
Solucin:
a11 a12 a13
A = a21 a22 a23 = a11 C11 + a12 C12 + a13 C13
a31 a32 a33
Tomando en cuenta la relacin entre menor y cofactor:
a22 a23
C11 = = a22 a33 a23 a32
a32 a33
a21 a23
C12 = = (a21 a33 a23 a31 ) = a21 a33 + a23 a31
a31 a33
a21 a22
C13 = = a21 a32 a22 a31
a31 a32
Resulta que:
A = a11 (a22 a33 a23 a32 ) + a12 (a21 a33 + a23 a31 ) + a13 (a21 a32 a22 a31 )
Que corresponde al desarrollo del determinante de 3er. orden segn la definicin.
El desarrollo por cofactores reduce el problema de calcular un determinante de orden n , al de calcular n

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

121 322 123 224
A = = 311 C11 112 C12 + 213 C13 + 414 C14
131 232 133 334
441 142 243 544
Establezcamos la relacin existente entre cofactor y menor de un elemento de un determinante:
C11 = M 11 ; C12 = M 12 ; C13 = M 13 y C14 = M 14
3 1 2 4
1 3 1 2
A = = 311 C11 112 C12 + 213 C13 + 414 C14
1 2 1 3
4 1 2 5
3 1 2 4
3 1 2 1 1 2 1 3 2 1 3 1
1 3 1 2
A = = 3 2 1 3 + 1 1 3 + 2 1 2 3 4 1 2 1
1 2 1 3
1 2 5 4 2 5 4 1 5 4 1 2
4 1 2 5
A = 3 (15 8 3 2 18 10) + (5 4 12 8 6 5) + 2 (10 2 + 36 + 16 3 + 15)

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

de rengln R j R j + cRi para hacer de cada entrada principal un 1 |. Tambin el procedimiento
anterior es vlido para columnas en el clculo de determinantes, ya estamos aplicando la propiedad
(1.3.5.8) que dice: el valor de un determinante no se altera, si a los elementos de una de sus lneas se le
suman mltiplos de los elementos correspondientes a otra lnea paralela.
Este procedimiento puede repetirse hasta que el clculo del determinante que resta se hace lo
suficientemente simple para que se efecte directamente por la regla de Sarrus.
Ejemplo 1.40 Obtener el valor del determinante de cuarto orden del ejemplo 1.39, empleando el mtodo
de condensacin pivotal y posteriormente desarrollarlo por menores y cofactores:
3 1 2 4
1 3 1 2
A =
1 2 1 3
4 1 2 5
Solucin:
Para aplicar el mtodo de condensacin pivotal, seleccionemos arbitrariamente todos los elementos de
uno de los cuatro renglones o de una de las cuatro columnas que forman el determinante, procurando que
el pivote sea un nmero de fcil manejo operativo para transformar en ceros a los elementos restantes del
rengln o de la columna en que se encuentra. Por ejemplo, seleccionemos el elemento pivote 121 y
transformemos en ceros los elementos de su rengln, para lo cual marquemos con un asterisco (*) la lnea
que debe permanecer fija (en este caso la primera columna) y hallemos los factores por los que debemos
multiplicar a los elementos que se encuentran en el rengln del pivote, dividiendo el elemento que
deseamos hacer cero entre el pivote y le cambiamos el signo, as tendremos:
3 1 2 4 3 10 5 2
121 3 1 2 121 0 0 0
A = = = 121 C21 + 022 C22 + 023 C23 + 024 C24 = C21
1 2 1 3 1 1 0 5
4 1 2 5 4 11 6 3
* (3) (1) (2)
Como el cofactor C21 = (1) 2 + 1 M 21 = M 21
10 5 2
M 21 = ( 1) 1 0 5 = ( 12 275 + 300 + 15) = (28) = 28
11 6 3
Es decir: A = C21 = M 21 = 28
Ejemplo 1.41 Obtener el valor del siguiente determinante de quinto orden, empleando el mtodo de
condensacin pivotal y posteriormente desarrollarlo por menores y cofactores:
3 1 2 4 0
1 3 1 2 2
A = 1 2 1 3 5
4 1 2 0 3
2 2 1 3 4
Solucin:
3 1 2 4 0 7 1 4 4 3
1 3 1 2 2 11 3 7 2 7
A = 1 2 1 3 5 = 7 2 5 3 11
4 142 2 0 3 0 142 0 0 0
2 2 1 3 4 10 2 3 3 2
(4) * (2) (3) el elemento 142 tiene caracterstica 4 + 2 = 6 (par)
1. La segunda columna sealada con (*) contiene al pivote 142 , ahora deberemos hacer ceros los elementos del
cuarto rengln (en donde se encuentra el pivote), multiplicando dicho pivote por los escalares (4) , (2) y
(3) respectivamente, y sumarlos al elemento que deseamos hacer cero. De igual forma procederemos con
cada uno de los elementos de la columna sealada con (*).
2. Desarrollando ahora por cofactores (apoyados en el concepto de menor) para el cuarto rengln se tiene:
A = 041 C41 + 142 C42 + 043 C43 + 044 C44 + 045 C45 = C42
C42 = M 42 (por tratarse de caracterstica par)
7 4 4 3
11 7 2 7
A = (142 ) C42 = M 42 =
7 5 3 11
10 3 3 2
Apliquemos nuevamente el mtodo de condensacin pivotal, tomando ahora como pivote al elemento 2 23
y transformemos en ceros los elementos de la tercera columna para desarrollar posteriormente por
cofactores.
7 4 4 3 (2) 29 18 0 17
11 7 223 7 * 11 7 223 7
A = = = 013 C13 + 223 C23 + 033 C33 + 043 C43
7 5 3 11 ( ) 3
2
47
2
31
2 0 43
2
10 3 3 2 ( ) 3
2
13
2
15
2 0 17
2
Ya que en la tercera columna el elemento 2 23 tiene como caracterstica 2 + 3 = 5 (impar) entonces:
C23 = M 23
A = 223 C23 = 2 ( M 23 ) = 2 M 23
29 18 17 ( 29 ) ( 312 )( 172 ) + ( 472 )( 152 ) (17 ) + ( 132 )( 432 ) (18 )

A = 2 47 31 43
= 2
(17 ) ( 2 )( 2 ) + ( 2 )( 2 ) ( 29 ) + ( 2 )( 2 ) (18 )
2 2 2
31 13 43 15 17 47
13 15 17
2 2 2
A = 2 ( 15283
4 + 11985
4 + 10062
4 ) ( 6851
4 +
18705
4 4 )
+ 14382
A = 2 ( 37330
4 39938
4 ) = 2 ( 2608
4 ) = 1304
1.6 Matriz inversa y clculo por medio de la matriz adjunta

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

a21 a22 a23 a2 n
Ejemplo 1.42 Dada la siguiente matriz cuadrada A de orden n : A =

an1 an 2 an 3 ann
a11 a21 a31 an1 C11 C21 C31 Cn1

a12 a22 a32 an 2 C12 C22 C32 Cn 2
Su transpuesta es A =
T
; su adjunta es adj A =

a1n a2 n a3n ann C1n C2 n C3n Cnn
1.6.2 Matriz inversa
Dada la matriz cuadrada A de orden n , llamamos matriz inversa de A y la indicamos como A 1 a la

matriz cuadrada que cumple con la siguiente propiedad:
A A 1 = A 1 A = I n
La matriz A1 puede ser obtenida en forma prctica mediante la matriz adjunta de A y el valor del
determinante de A , mediante la relacin:
1
A 1 = adj A
det A
Siempre que A 0
1.6.3 Matriz singular y matriz no singular
1.6.3.1 Matriz singular (no invertible): Una matriz A es singular si su determinante A = 0 .
1.6.3.2 Matriz no singular (invertible): Una matriz A es no singular si su determinante A 0 .
Es evidente que una matriz singular no tiene inversa.

1 3 1
Ejemplo 1.43 Dada la matriz A =
2 4 0 obtener su inversa y comprobar su resultado.

2 1 3
Solucin:
1 3 1
1. Hallar el valor del determinante A = 2 4 0 = 12 2 8 18 = 12 28 = 16
2 1 3
Como el determinante A es diferente de cero, se trata de una matriz no singular, y por lo tanto tiene
inversa (matriz invertible o matriz inversible).
1 2 2
2. Obtengamos la matriz transpuesta A =
3
T
4 1

1 0 3
3. Obtengamos la matriz adjunta de A :
3.1 Primero debemos hallar los menores de los elementos de la matriz transpuesta:
1211 1021 431

menores de A = 612
T
122 232
1013 7 23 233
menores
3.2 De acuerdo al valor de la caracterstica de cada elemento (nmero par o impar) modificamos el signo
del menor, obtenido directamente con este procedimiento el cofactor del elemento seleccionado:
12 10 4
adj A = 6 1 2
10 7 2
cofactores de AT
1
4. La matriz inversa es A1 = adj A
det A
12 10 4
1
1
A = 6 1 2
16
10 7 2
5. Comprobacin: A A1 = A1 A = I n
1 3 1 12 10 4 (12 18 10 ) (10 + 3 + 7) ( 4 6 + 2 )
1
4 0 6 2 = ( 24 24 + 0 ) ( 20 + 4 + 0) ( 8 8 + 0 )
1 1
AA = 2 1
16 16
2 1 3 10 7 2 (24 6 + 30) ( 20 + 1 21) (8 2 6)
16 0 0
1
= 0 16 0
16
0 0 16
1 0 0
A A = 0
1
1 0 ; es decir, A A1 = I n
0 0 1
1.6.4 Matriz ortogonal
Se dice que una matriz A de orden n x n es ortogonal, si A AT = AT A = I n . Se observa que una

matriz ortogonal A es necesariamente cuadrada e invertible, con inversa A1 = AT . Por lo tanto
tambin AT es ortogonal.
Tambin podemos decir que una matriz A de orden n x n es ortogonal si sus columnas forman un
conjunto ortonormal de vectores (perpendiculares entre s y de magnitud 1).
Definicin: Se dice que una matriz A de orden n x n con elementos en es ortogonal si los vectores
columna de A forman un conjunto ortonormal en n .
Si A es una matriz ortogonal, entonces det ( A) = 1 , ya que A A1 = A AT = I n
Entonces: 1 = det ( I n ) = det ( A AT ) = det ( A) det ( AT ) = det ( A) det ( A) = [ det ( A) ]

2
Por lo tanto: det ( A) = 1
Tambin se observa que AT = AT I = AT ( A A1 ) = ( AT A) A1 = I A1 = A1
Ejemplo 1.44 Dada la siguiente matriz A de orden 3 x 3 , investigar si se trata de una matriz ortogonal.
23 1
3
2
3
A = 13 2
3 2
3

23 2
3
1
3

Solucin:
Observemos que la matriz A se puede escribir como:
23 1
3
2
3 2 1 2
A = 13 2
3 2
3
=1 1
3 2 2
23 2
3
1
3
2 2 1
Observacin: Las columnas de la matriz A corresponden a matrices columna o vectores columna

mutuamente perpendiculares y unitarios (vectores ortonormales) definidos por:
23 2 1
3 1 23 2
a = 13 =1 1
3
;

b = 2
3
=1 2;
3 c = 23 = 1 2
3

23 2 2
3
2 13 1
Verifiquemos que el valor del determinante A sea igual a 1 o 1 .
2 1 2
A = ( )( )( )
1
3
1
3
1
3 1 2 2 = 1
27 (4 + 4 + 4 + 8 + 8 1) = 1
27 (27) = 1
2 2 1
Obtengamos ahora la matriz transpuesta, la matriz adjunta y la matriz inversa de la matriz A :
2
3
1
3 23 2 1 2 6
9
3
9 96 2 1 2

A = 2 1 ; adj A = 6 1 1
3 = A = 1 2 2
T 1 2 3 6
3 3
3 1 2 2 9 9 9 ;
3
2
3 23 1
3
2 2 2 6
9 6
9
3
9
2 2 1
Por lo tanto observamos que: AT = A1
Comprobacin: A A1 = A AT = I n
23 1
3 3 3
2 2 1
3 32 2 1 2 2 1 2
A A1 = 13 2
3 32 13 3
2 2
3
= 1 1 1
( 3 )( 3 ) 2 2

1 2 2

23 2
3
1 2
3 3 23 1
3
2 2 1 2 2 1
(4 + 1 + 4) (2 + 2 4) (4 + 2 + 2) 9 0 0 1 0 0
1
A A = ( 9 ) (2 + 2 4) (1 + 4 + 4)
1
(2 + 4 2) = 1
9
0
9 0 = 0 1 0
(4 + 2 + 2) (2 + 4 2) (4 + 4 + 1) 0 0 9 0 0 1
Por lo tanto A A1 = I n
1.7 Rango de una matriz

1.7.1 Submatriz
Sea A = ai j una matriz de orden m x n , llamamos submatriz de A a cualquier matriz que resulte al
suprimir en A un nmero cualquiera de renglones y columnas (particin de matrices).
a11 a12 a13 a1n

a21 a22 a23 a2 n
Sea la matriz A =

am1 am 2 am 3 amn
Podemos suprimir renglones y columnas para tener las submatrices:
a21 a22 a23 a2 n

A1 = [ a11 ] ; A2 = [ a12 a13 ... a1n ] ; A3 = ; A4 =
am1 am 2 am3 amn
Es decir:
a11 a12 a13 a1n

= 1
a21 a22 a23 a2 n A A2
A=
A3 A4

am1 am 2 am 3 amn
1.7.2 Rango de una matriz
Decimos que una matriz A de orden m x n es de rango R , si y solo si contiene por lo menos una
submatriz no singular de orden R , y adems no contiene submatrices no singulares de orden
mayor que R .
La bsqueda del rango de una matriz sobre la base de la definicin resulta demasiado laboriosa, por lo
tanto investigaremos algunos mtodos para transformar la matriz de tal forma que el rango permanezca
inalterado y resulte fcil de determinar. Estos mtodos estn basados en los tres tipos de operaciones
elementales con una matriz descritos anteriormente (tema 1.2.9):
1. La multiplicacin de todos los elementos de cualquier lnea por la misma constante diferente de cero.
2. La suma a cualquier lnea de un mltiplo arbitrario de cualquier otra lnea paralela.
3. El intercambio de dos lneas paralelas cualesquiera de una matriz.
Las transformaciones elementales pueden emplearse para obtener una matriz que tenga el mismo orden y
rango que la matriz original, cuyos elementos son nmeros indicados explcitamente, pero que tienen una
forma ms simple. Esto puede lograrse por el procedimiento sistemtico siguiente:
1. Utilcense transformaciones correspondientes al intercambio de lneas paralelas, con objeto de

obtener un elemento diferente de cero (pivote) en el primer rengln.
2. Divdase el primer rengln por este elemento, si no es 1 (uno).
3. Rstense de los otros renglones los mltiplos apropiados del primer rengln, para obtener ceros, en
la primera columna.
4. Rstense de las otras columnas los mltiplos apropiados de la primera para obtener ceros en el 1er.
rengln.
5. Reptanse los pasos del 1 al 4 empezando con el elemento del segundo rengln y segunda columna.
6. Contine de este modo con los dems elementos de la diagonal principal, ya sea hasta el final de la
diagonal o hasta que todos los elementos restantes de la matriz sean ceros. La matriz final tendr
entonces alguna de las siguientes formas:
IR IR 0

a)
b) [ IR 0 ] c)
o simplemente: d) I R
0 0 0
Donde su rango es R o simplemente decimos que I R es la matriz identidad de orden R .
Cuando se ha reducido una matriz a la forma anterior, por medio de transformaciones elementales,
decimos que se ha reducido a la forma normal.
Toda matriz cuyos elementos son nmeros explcitamente dados, tienen una forma normal nica a la cual
se puede reducir por medio de transformaciones elementales.
Dos matrices cuyos elementos son nmeros explcitamente dados tienen la misma forma normal si y slo
si tienen el mismo orden y el mismo rango.
Decimos que dos matrices son equivalentes, si y slo si, cada una puede transformarse en la otra por
medio de una sucesin de transformaciones elementales, en consecuencia: dos matrices son equivalentes,
si y slo si, tienen el mismo orden y el mismo rango. En forma prctica decimos que dos matrices son
equivalentes (de rengln), si una puede obtenerse de la otra mediante una sucesin finita de operaciones
elementales de rengln.

El smbolo debe leerse como es equivalente a, la notacin A B se usa para indicar que la matriz
A es equivalente a la matriz B .
Ejemplo 1.45 Encontrar el rango de la siguiente matriz.
2 3 1 2
A = 4 1 5 3
3 2 4 2
Solucin: En forma prctica podemos obtener el rango de la matriz de la siguiente forma:
Consideremos como primer pivote al elemento ms sencillo que corresponde al nmero 113 y
seleccionemos para su transformacin en ceros a la tercera columna (ya que el nmero de operaciones a
efectuar es menor que si seleccionamos el primer rengln). Los escalares (-5) y (-4) se obtienen
dividiendo el elemento que deseamos se transforme en cero entre el pivote y se le cambia el signo.
2 3 113 2 * 2 3 113 2
A = 4 1
5 3 (5) 6 16 0 13

3 2 4 2 (4) 5 10 0 10
Nuevamente seleccionamos el elemento 113 y ahora transformamos en ceros los elementos que se
encuentran en el 1er. rengln (excepto el pivote).
(2) (3) * (2)

2 3 113 2 * 2 3 113 2 0 0 113 0
A = 4 1
5 3 (5) 6 16
0 13 6 16 0 13
3 2 4 2 (4) 5 10 0 10 5 10 0 10
Como observamos, esta tercera matriz tiene los mismos elementos que la segunda matriz, excepto
aquellos que estn en el primer rengln (en donde aparece el pivote) que se han transformado en ceros
aplicando una de las transformaciones elementales de filas. Con lo anterior podemos establecer una regla
que implica que cuando una de las lneas en donde aparece el pivote se han transformando en ceros,
automticamente se pueden transformar en ceros los elementos de la lnea perpendicular (excepto el
pivote), manteniendo el mismo rango de la matriz original.
Continuamos con el proceso de seleccin de un nuevo pivote, por ejemplo el elemento 5 31 y

transformemos en ceros los elementos de su rengln aprovechando que tenemos mltiplos de 5 , y a la
lnea perpendicular hagmosla ceros automticamente.
(2) (3) * (2)

2 3 113 2 * 2 3 113 2 0 0 113 0
A = 4 1
5 3 (5) 6 16
0 13 6 16 0 13
3 2 4 2 (4) 5 10 0 10 531 10 0 10
* (2) (2)
0 0 113 0 0 0 113 0
6 4 0 124 0 4 0 124

531 0 0 0 531 0 0 0
En esta ltima matriz observamos que los elementos 4 22 y 124 pueden ser seleccionados como nuevos
pivotes efectuando sistemticamente el proceso seguido anteriormente, o tambin podemos ver que
cualesquiera de los dos tienen ceros en sus columnas, por lo que es ms conveniente en este caso aplicar
la regla de hacer ceros los elementos de la perpendicular al pivote. Por ejemplo, y slo por tener nmeros
de valor pequeo, analicemos el elemento 124 , pudiendo hacer cero el nmero 4 22 . Si, en forma
contraria, hubiramos seleccionado como pivote a 4 22 entonces deberamos hacer cero al nmero 124 .
(2) (3) * (2)

2 3 113 2 * 2 3 113 2 0 0 113 0
A = 4 1
5 3 (5) 6 16
0 13 6 16 0 13
3 2 4 2 (4) 5 10 0 10 531 10 0 10
* (2) (2)
0 0 113 0 0 0 113 0 0 0 113 0

6 4 0 124 0 4
0 124 0 0 0 124
531 0 0 0 531 0 0 0 531 0 0 0
Por ltimo ordenemos en la diagonal principal los elementos diferentes de cero, intercambiando lneas
paralelas (columnas).
(2) (3) * (2)

2 3 113 2 * 2 3 113 2 0 0 113 0
A = 4 1
5 3 (5) 6 16
0 13 6 16 0 13
3 2 4 2 (4) 5 10 0 10 531 10 0 10
* (2) (2)
0 0 1130 0 0 113 0 0 0 113 0

6 4 0 124 0 4
0 124 0 0 0 124
531 0 0 0 531 0 0 0 531 0 0 0
1 0 0 0
0 1 0 0 R ( A) = 3

0 0 5 0
El rango de la matriz A es igual a 3 (tres), debido a que el orden de la submatriz no singular contenida en
A es tres. Tambin podemos decir que como una regla prctica se puede tomar el nmero de elementos
contenidos en la diagonal principal de la ltima matriz.
Ejemplo 1.46 Encontrar el rango de la siguiente matriz.
* (2) (1) (3)

* 111 2 1 3 111 2 1 3 111 0 0 0
A = (2) 2 4 4 7 0 0 2 1 0 0 2 124 *
(1) 1 2 1 2 0 0 2 1 0 0 2 1 (1)
111 0 0 0 111 0 0 0 1 0 0 0
0 0 2 124 0 0 0 124 0 1 0 0 R ( A) = 2
0 0 0 0 0 0 0 0 0 0 0 0
El proceso anterior incluy las siguientes operaciones:
1. Se selecciona el primer pivote 111 y se marca el primer rengln con asterisco (*) para transformar los
elementos de la primera columna en ceros.
2. Se marca con asterisco (*) la primera columna en donde se encuentra el pivote 111 y se multiplican
por (-2) todos sus elementos y se suman a los de la segunda columna.
3. Los elementos de la primera columna se multiplican por (1) y se suman a los de la tercera columna.
4. Los elementos de la primera columna se multiplican por (-3) y se suman a los de la cuarta columna.
5. Las operaciones sealadas con (2), (3) y (4) prcticamente se pueden eliminar, ya que en forma
directa se transforman en ceros los elementos del primer rengln (excepto el pivote). La regla que
podemos seguir se enuncia de manera sencilla; basta solamente con observar el pivote seleccionado,
y si encontramos que una de sus lneas (rengln o columna) estn formadas por ceros,
automticamente podemos transformar en ceros la lnea perpendicular.
6. Se toma como segundo pivote al elemento 124 y se transforman en ceros los elementos de la cuarta
columna, sealando con (*) el segundo rengln en donde se localiza dicho elemento.
7. Los elementos del segundo rengln en donde se encuentra el pivote 124 se multiplican por (-1) y se
suman al tercer rengln.
8. Siguiendo el procedimiento del punto (5), se analiza nuevamente el pivote 124 observando que
los elementos de la cuarta columna ya son ceros, por lo que se pueden transformar
automticamente los elementos del segundo rengln en ceros (excepto el pivote). El
procedimiento descrito equivale a multiplicar los elementos de la cuarta columna por la
constante (-2) y sumar estos productos a los elementos de la tercera columna.
9. Por ltimo, se intercambian columnas paralelas y se ordenan sus elementos diferentes de cero en la
diagonal principal.
Por tanto es evidente que el rango de una matriz es el orden de la mayor submatriz no singular contenida
en ella.
Observacin: Algunos autores mencionan que al ser una matriz no singular aquella cuyo determinante es
diferente de cero, entonces el rango de esta matriz es el orden del mayor de sus determinantes diferente de
cero contenidos en ella.
1.8 Mtodo de eliminacin, o mtodo de reduccin de Gauss

El desarrollo de este mtodo en el presente captulo est dirigido a la obtencin de la matriz inversa de
una matriz no singular. Posteriormente en el captulo 2 se aplicar el mtodo de reduccin de renglones a
la matriz ampliada de un sistema de ecuaciones lineales para hallar su solucin, creando un sistema
equivalente que puede ser resuelto mediante sustitucin hacia atrs. El proceso completo es conocido
como eliminacin de Gauss.
Un rengln cero de una matriz es aquel que slo incluye ceros. Un rengln no cero tiene cuando
menos un elemento distinto de cero. De la misma forma se puede hablar de columnas cero y no cero.
El primer elemento no cero de un rengln no cero se llama elemento delantero o elemento capital.
Si sucede que el elemento delantero es 1, se le llama 1 delantero.
1.8.1 Forma de rengln escaln (matriz escaln o escalonada)
Una matriz puede tener las siguientes propiedades:
1. Todos los renglones cero estn en la parte inferior de la matriz.

2. El elemento delantero de cada rengln no cero, despus del primer rengln, se presenta a la derecha del
elemento delantero del rengln anterior.
3. El elemento delantero de cualquier rengln no cero es 1.
4. Todos los elementos en la columna arriba y debajo de un 1 delantero son cero.
Si una matriz satisface las dos primeras condiciones se dice que est en forma de rengln
escaln, o simplemente en forma de escaln. Si una matriz satisface las cuatro condiciones se dice
que est en forma reducida de rengln escaln (o tan slo que est en forma de escaln
reducida). Una matriz en forma de escaln reducida siempre est en forma de escaln.
Ejemplo 1.47 A continuacin se muestran 3 matrices:
2 0 3 5 1 4 0 3
0 3 4
A = 0 0 2 4 ; B = 0 0
1 2 ; C =
0 0 0 0 0 0 0 0 0 1 1
Para la matriz A es cierto lo siguiente: sus primeros dos renglones son no cero, el tercero es cero. Sus
elementos delanteros son 2 y 2 . Su segunda columna es cero. Las dems son no cero. Observemos
que ninguno de los elementos delanteros de A son 1. En cambio, todos los elementos delanteros de B
son 1.
Las matrices A y B estn en forma de escaln. B adems est en forma de escaln reducida; A no lo
est, porque la condicin 3 no se satisface.
La matriz C no se encuentra en forma de escaln porque no cumple con la propiedad 2 que nos indica
que se requiere que el primer rengln sea no cero y este no es el caso.
Ejemplo 1.48 Analice las siguientes matrices e indique si se encuentran en forma de escaln, en forma
reducida de rengln escaln o en ninguno de los casos anteriores.
1 0 0 0 1 0 0 5 1 0 1
A = 0 0 1 0 ; B= 0
1 0 0 ; C = 0 0 1

0 0 0 0 0 0 1 2 0 0 1
1 1 0 0 4 1 5 0 4 0
D = 0 0 1 0 2 ; E= 0 0
; F = 0 0 1 3 0
1
0 0 0 1 3 0
0 0 0 0 1
1 0 3 0 1 0 0 0
G = 0 1 0 0 ; H = 0
0 1 0
0 0 1 0 0 0 0 4
Las matrices A, B, D, F , G y H estn en forma de escaln, porque se satisfacen las dos primeras
condiciones. De ellas, A, B, D y F estn en forma de escaln reducida por cumplir las cuatro
propiedades.
Las matrices C y E no estn en la forma de escaln, porque para C falla la condicin 2 y para E falla
la condicin 1.
Pero G y H no estn en forma de escaln reducida, porque para G , la condicin 4 no se cumple y H

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

2. Si el primer rengln tiene un cero en la columna del paso 1, intercmbielo con uno que tenga
un elemento no cero en la misma columna.
3. Obtenga ceros abajo del elemento delantero, sumando mltiplos adecuados del rengln
superior a los renglones debajo de l.
4. Dejar el rengln superior intacto y repetir el mismo proceso comenzando con el paso 1,
aplicado a la submatriz restante. Repita este proceso con el resto de los renglones. En este
punto la matriz ya est en forma de escaln.
5. Comenzando con el ltimo rengln no cero, avance hacia arriba: para cada rengln obtenga
un 1 delantero e introduzca ceros arriba de l, sumando mltiplos adecuados a los renglones
correspondientes.
Los cuatro primeros pasos del algoritmo se llaman pasos directos de la eliminacin de Gauss. Convierten
la matriz en forma de escaln. El paso 5 es el paso inverso (o sustitucin hacia atrs) y es donde la matriz
se lleva a su forma de escaln reducida.
Con frecuencia, el algoritmo se describe introduciendo 1 delanteros en el paso 3, con lo que hay una
tendencia a introducir fracciones en una etapa temprana del clculo, si los elementos son enteros. Esta
variante es la preferida por los programadores en aritmtica de punto flotante (mtodo de representacin
semejante a la notacin cientfica, en la que un nmero es tratado como una fraccin comprendida entre
0.1 y 1.0 multiplicada por una potencia de 10). Adems, en el paso 2 el rengln con el elemento no cero
de mayor valor absoluto (valor sin signo o valor positivo de un nmero) se cambia hasta arriba. A este
procedimiento se le llama pivoteo parcial o condensacin pivotal (llamamos pivote al elemento
elegido distinto de cero, ver tema 1.5.2). A veces conviene obtener 1 delanteros al final de todo el
proceso.
1.8.2 Aplicacin del mtodo de eliminacin de Gauss
En forma prctica u operativa, la aplicacin del mtodo de eliminacin de Gauss puede resumirse en los
siguientes pasos:
1. Escribir la matriz a la que deseamos hallar su inversa amplindola con la matriz identidad.
2. Efectuar operaciones elementales de rengln para reducir la matriz ampliada a la forma de rengln
escalonado.
1.8.3 Mtodo de eliminacin de Gauss-Jordan
Una variante de la eliminacin de Gauss se presenta si, durante el paso directo, se producen 1 delanteros
y despus ceros abajo y arriba de los anteriores. As, cuando se termina el paso directo, la matriz se
encontrar en su forma reducida de rengln escalonado. A este mtodo se le llama eliminacin de
Gauss-Jordan.
Recordemos que una matriz se encuentra en forma reducida de rengln escalonado si satisface las
propiedades siguientes:
1. Cualquier rengln conformado completamente por ceros se encuentra en la parte inferior.

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

matriz ampliada a la forma reducida de rengln escalonado.
1.8.4. Aplicacin del mtodo de condensacin pivotal
El alumno podr seleccionar el procedimiento de eliminacin de Gauss o de Gauss-Jordan, utilizando la

notacin mostrada en los ejemplos anteriores R j R j + cRi para cada rengln elegido, en donde c .
Sin embargo recordemos que el mtodo de condensacin pivotal tambin es aplicable para obtener una
matriz equivalente, el cual consiste en aplicar repetidamente y en la forma ms apropiada posible la
propiedad de sumar mltiplos a los elementos de lneas paralelas, para reducir a cero todos los
elementos de una lnea excepto uno. La constante c se obtiene simplemente dividiendo el elemento
de la matriz que se pretende hacer cero entre el pivote elegido y se le cambia el signo obtenido.
1.9 Inversin de matrices cuadradas por el mtodo de eliminacin de Gauss-Jordan

Nuestro problema consiste en obtener a partir de la matriz original una nueva matriz reducida a la
forma escalonada por renglones, mediante la aplicacin de las operaciones elementales. La aplicacin
del mtodo de eliminacin de Gauss-Jordan es una forma sencilla para hallar la inversa de una matriz.
Obtengamos primero la matriz inversa de una matriz cuadrada A de orden 2 aplicando su definicin:
A A1 = A1 A = I 2
a b w x
Sea A = para encontrar A1 = , primero se resuelve la ecuacin matricial
c d y z
a b w x aw + by ax + bz 1 0
AA1 = = =
c d y z cw + dy cx + dz 0 1
Esta ecuacin da lugar a los dos siguientes sistemas de ecuaciones lineales:
1) aw + by = 1 2) ax + bz = 0
y
cw + dy = 0 cx + dz = 1
Observemos que ambos sistemas de ecuaciones tienen la misma matriz de coeficientes. Resolvamos
dichos sistemas por alguno de los mtodos que el alumno conoce, por ejemplo por sustitucin:
De la segunda ecuacin del sistema De la primera ecuacin del sistema

de ecuaciones (1) de ecuaciones (2)
dy bz
w= si c 0 x= si a 0
c a
Sustituyendo en la primera ecuacin: Sustituyendo en la segunda ecuacin:
dy bz
a + by = 1 c + dz = 1
c a
ady bcz
+ by = 1 + dz = 1
c a
ady + bcy bcz + adz

=1 =1
c a
( ad + bc) y ( bc + ad ) z
=1 =1
c a
c a
y= z=
ad + bc bc + ad
Sustituyendo y en w : Sustituyendo z en x :
dy bz
w= x=
c a
c cd a ba
d b
ad + bc = ad + bc bc + ad = bc + ad
w= x=
c c a a
cd d ba b
= = = =
c ( ad + bc ) ad + bc a ( bc + ad ) bc + ad
Entonces la matriz inversa A 1 est formada por los siguientes elementos:
d b d b

w x ad + bc bc + ad ad bc ad bc
A 1 = = =
y z c a c a

ad + bc bc + ad ad bc ad bc
1 d b
=
ad bc c a
Comprobacin
a b 1 d b
AA1 =
c d ad bc c a
1 a b d b 1 ad bc ab + ab
AA1 = =
ad bc c d
c
a ad bc cd cd bc + ad
ad bc 0
1 ad bc 0 =1 0
= = ad bc ad bc
ad bc 0 bc + ad 0 1
0 ad bc
Es decir, hemos demostrado que AA1 = I 2
El procedimiento para encontrar la inversa de una matriz cuadrada de orden 2 x 2 mediante el mtodo de
eliminacin de Gauss-Jordan, consiste en transformar la matriz original A en otra matriz de forma
reducida escalonada aplicando transformaciones elementales, de la siguiente manera:
1. Se escribe la matriz ampliada ( A | I ) , en este caso por ser de orden 2 x 2 tendremos:
a b 1 0
A=
c d 0 1
2. Se utiliza la reduccin por renglones para transformar la matriz A a su forma escalonada o reducida
por renglones.
R1 a1 R1 a b 1 0 1 ab 1
0
( A |I ) =
a
c d

0 1 R2 R2 cR1 c d 0 1
si a 0
1 b
a
1
a 0 R1 R1 ba R2 1 ba 1
a 0

R2 a
bc + ad R2 0 bc + ad
a c
a 1

0 1
c
ad + bc
a
bc + ad

si (ad bc) 0
d b
1 0 ad + bc bc + ad
c a
0 1 bc + ad bc + ad
b
1 0 d
ad bc ad bc
( I | A1 ) = c a
0 1 ad bc ad bc
3. Se analiza si A es invertible.
3.1 Si la forma escalonada reducida por renglones de A es la matriz identidad I , entonces A 1 es la

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

es invertible.
Como observamos, la matriz reducida por renglones de la izquierda es la matriz identidad I , entonces
A 1 es la matriz que se tiene a la derecha de la barra vertical.
d b

ad bc ad bc 1 d b
A =
1
= si det A 0
c a ad bc c a

ad bc ad bc
Con el procedimiento anterior queda demostrado que al utilizar el mtodo de eliminacin de Gauss-
Jordan se obtiene la matriz inversa de una matriz A cuadrada de orden 2 .
El procedimiento en forma similar para encontrar la inversa de una matriz cuadrada de orden 3 x 3
mediante el mtodo de eliminacin de Gauss-Jordan es el siguiente:
1. Se escribe la matriz ampliada ( A | I ) , en el caso de ser de orden 3 x 3 tendremos:
a11 a12 a13 1 0 0

( A | I ) = a21 a22 a23 0 1 0

a31 a32 a33 0 0 1
2. Se utiliza la reduccin por renglones para transformar la matriz A a su forma escalonada o reducida
por renglones.
3. Se analiza si A es invertible:
3.1 Si la forma escalonada reducida por renglones de A es la matriz identidad I , entonces A 1 es la

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

es invertible.
En general, para encontrar la inversa de una matriz cuadrada A de orden n , primero se forma la matriz
ampliada [ A : I n ] . Enseguida se reduce por renglones esta matriz mediante la eliminacin de Gauss-
Jordan a la matriz [ I n : B ] . Entonces B = A1 .
Ejemplo 1.49 Dada la matriz A cuadrada de orden 3 , calcular su inversa por medio del mtodo de
Gauss-Jordan a partir de la matriz ampliada.
1 1 2
A = 3 1 0
2 1 4
Solucin:
1 1 2 1 0 0
Establezcamos la matriz ampliada ( A | I ) =
3 1 0 0 1 0

2 1 4 0 0 1
Llevemos a cabo la reduccin por renglones:
R1 R1 1 1 2 1 0 0 1 1 2 1 0 0
3 1 0 0 1 0 R2 R2 3R1 0 2 6
3 1 0

2 1 4 0 0 1 R3 R3 + 2 R1 0 3 8 2 0 1
1 1 2 1 0 0 R1 R1 R2 1 0 1 1
2
1
2 0
R2 12 R2 0 1 3 23 12
0 0 1 3 32 12 0

0 3 8 2 0 1 R3 R3 3R2 0 0 1 5
2
3
2 1
R1 R1 R3 1 0 0 42 22 1
R2 R2 + 3R3 0 1 0 12
2
8
2 3
0 0 1 5
2
3
2 1
42 22 1
Como A se redujo a I , se tiene en la parte derecha de la nueva matriz A1 =
12 8
3
2 2
52 3
2 1
1
Factorizando 2 para simplificar los clculos tenemos:
4 2 2
1
1
A = 12 8 6
2
5 3 2
Verifiquemos con la expresin A A1 = I n
1 1 2 4 2 2 (4 12 + 10) (2 8 + 6) (2 6 + 4)
1
3 1 0 12
1 1
AA = 8 6 = ( 12 + 12 ) ( 6 + 8 ) ( 6 + 6 )
2 2
2 1 4 5 3 2 (8 + 12 20) (4 + 8 12) (4 + 6 8)
2 0 0 1 0 0
1
1 = 0 1 0
AA = 0 2 0
2
0 0 2 0 0 1
Si la reduccin por renglones de A produce un rengln de ceros, entonces A no es invertible.
Ejemplo 1.51 Dada la siguiente matriz investigar por el mtodo de Gauss-Jordan si es invertible.
2 3 1
A = 5 4 3
4 6 2
Solucin:
Siguiendo el procedimiento descrito anteriormente se obtiene, sucesivamente:
2 3 1 1 0 0 R1 12 R1 1 32 12 12 0 0
( A | I ) = 5 4 3 0 1 0 5 4 3 0 1 0

4 6 2 0 0 1 4 6 2 0 0 1
1 32 1
2 12 0 0
R2 R2 + 5 R1 0 72 11
2 5
2 1 0
R3 R3 + 4 R1 0 0 0 2 0 1
Hasta este paso se puede llegar (debido a que se tiene un rengln formado por ceros) y la matriz A no
puede reducirse a la matriz identidad, por lo que se puede concluir que A no es invertible.
Analizando el determinante A asociado a la matriz A , observamos que los renglones (1) y (3) son
proporcionales, por lo tanto el determinante vale cero.

Tópicos de Algebra Lineal

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Tópicos de Algebra Lineal

Diunggah oleh

Hak Cipta:

Format Tersedia

CAPTULO

1.1 Definicin de matriz

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

a11 a12 a13 a1n

Consideremos nuevamente la matriz A de orden m x n :

a11 a12 a13 a1n

1. Tenemos entonces con la notacin de matriz rengln o vector rengln:

A1 = [ a11 , a12 , a13 , , a1n ]

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

a11 a12 a1n

1.1.1 Tipos de matrices

1.1.1.1 Matriz cuadrada

Sea la matriz A = ai j ; donde i = 1, 2,3, , m y j = 1, 2,3, , n

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

1.1.1.2 Matriz nula o cero

1.1.1.3 Matriz triangular superior

1.1.1.4 Matriz triangular inferior

1.1.1.5 Matriz diagonal

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

1.1.1.6 Matriz escalar

1.1.1.7 Matriz identidad, unidad o unitaria

1.2 Operaciones con matrices

1.2.1 Igualdad de matrices

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

1.2.2 Suma o adicin

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

1.2.3 Grupo Abeliano

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

3. Existencia del elemento idntico (u)

4. Existencia del elemento inverso ( v )

Si A y B son dos matrices del mismo orden m x n entonces A + B = B + A .

1.2.4 Resta o diferencia

Definimos a la resta, diferencia o sustraccin de dos matrices A y B , como A B = A + ( B ) , lo

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

1.2.5 Multiplicacin de un escalar por una matriz

Dada la matriz A = ai j y un escalar o nmero real , el producto de y A , que representaremos

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

1. Cerradura bajo la multiplicacin por un escalar.

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

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

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

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

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

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

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

1.2.6 Espacio vectorial de matrices

1. Forma un grupo abeliano con respecto a la operacin de adicin.

La existencia de un espacio vectorial de dimensin n sobre el campo de los nmeros reales n , se

1.1 Cerradura bajo la suma

1.2 Asociatividad de la suma de vectores

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

1.4 Existencia del elemento inverso aditivo

Si x n , existe un vector x n , tal que x + ( x ) = ( x ) + x = 0

1.5 Conmutatividad de la suma de vectores

Para la multiplicacin de un escalar por una matriz

2.1 Cerradura para la multiplicacin por un escalar

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

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

Si x n y y son dos escalares, entonces ( + ) x = x + x

2.4 Asociatividad de la multiplicacin por escalares

Si x n y y son dos escalares, entonces ( x ) = ( ) x

2.5 Para cada vector x n , 1x = x

1.2.7 Producto de matrices