MATRICES

Matrices de números reales.

Dados dos subconjuntos A = {1,2,3,...i...n} y B = {1,2,3,...j...m} pertenecientes al conjunto de

los números naturales, llamaremos matriz de dimensión nxm a toda aplicación

A X B ---------> R / (i,j) ---> aij que asocia a cada par (i,j) el numero real aij

Definimos matriz real de elementos pertenecientes a R y de dimensión n filas por m columnas,

aquel conjunto de números reales escritos de la forma siguiente:

 a 11 a12  a1m 
 
 a 21 a 22  a2m 
A En forma simplificada A = ( aij )nxm y se le denomina matriz nxm
    
 
a an 2  a nm 
 n1

Ejemplos:

 1 5 0   0 
1 0    
A2 x 2    A3 x 3   3 2 4  A3 x1   1  A1x 3  1  2 0
3 1   1
 0  1 3 / 2
 

Ejemplo: Escribir una matriz A3x4 tal que aij = 2i + 3j

a11 = 2.1 + 3.1 = 5 a12 = 2.1 + 3.2 = 8 a13 = 2.1 + 3.3 = 11

a14 = 2.1 + 3.4 = 14 a21 = 2.2 + 3.1 = 7 a22 = 2.2 + 3.2 = 10
a23 = 2.2 + 3.3 = 13 a24 = 2.2 + 3.4 = 16 a31 = 2.3 + 3.1 = 9
a32 = 2.3 + 3.2 = 12 a33 = 2.3 + 3.3 = 15 a34 = 2.3 + 3.4 = 18

5 8 11 14 
 
es decir A  7 10 13 16 
9 12 15 18 


Matriz rectangular.- Es aquella en la que no coinciden el numero de filas con el de columnas.

Se escribe Anxm donde n  m.

Matriz fila es la que tiene por dimensiones 1xm

Matriz columna es la que tiene por dimensiones nx1

Matriz cuadrada.- es aquella en el que el numero de filas y de columnas coinciden. Se escribe

Anxn y diremos que son de orden n.
En una matriz cuadrada llamaremos diagonal principal a los elementos que van desde el vértice
superior izquierdo al vértice inferior derecho y serán todos los aij / i=j
1
 En una matriz cuadrada llamaremos diagonal secundaria a los elementos que van desde el
vértice superior derecho al vértice inferior izquierdo y serán todos los aij / i+j = n+1 donde n es
el numero de filas o columnas.

Matriz nula.- Es aquella matriz que tiene todos sus elementos iguales a 0.
Puede ser cuadrada o no.
Se representa por Onxm y es tal que aij = 0  i,j

Matriz diagonal.- Es toda matriz cuadrada en la que todos sus elementos son nulos excepto los
de la diagonal principal que pueden ser ceros o no.

a 0 0 3 0 0 0 0 0
     
0 b 0 0 2 0 0 3 0
0 0 c  0 0 6  0 0 4 
  

Matriz escalar.- es toda matriz cuadrada y diagonal que tiene todos los elementos de la diagonal
principal iguales.

k 0 0
 
A  0 k 0 k0
0 0 k 


Matriz unidad.- Es toda matriz cuadrada, diagonal y escalar en la que todos los elementos de la
diagonal principal son iguales a 1.
aij = 0 si i  j
Se representa por I y sus aij son tales que
aij = 1 si i = j

1 0 0
 
I  0 1 0
0 0 1 


Matriz simétrica.- Es toda matriz cuadrada en la que coincide sus elementos conjugados, es
decir, aij = aji  i y  j. Esto quiere decir que todos los elementos son simétricos respecto de la
diagonal principal.

a b c 2 1 3
   
b d e y 1 0 4 son matrices simétricas
c e f  3 4 5
  

El producto de dos matrices simétricas no tiene porque ser simétrica.

Matriz antisimetrica.- Es toda matriz cuadrada en la que aij = - aji  i  j y que solo se
verificara cuando todos los elementos de la diagonal principal sean ceros.

2
 0 a b  0 2 1
   
 a 0 c y  2 0 3  son matrices antisimetricas.
b c 0  1 3 0 
 

El producto de dos matrices antisimetricas no tiene porque ser antisimetrica.

Matriz triangular.- Es toda matriz cuadrada que tiene nulos todos los elementos situados por
debajo o por encima de la diagonal principal.
3 4 5 2 0 0
   
0 6 1  es triangular superior. 3 1 0  es triangular inferior.
0 0 4 4 0 3
   

Operaciones algebraicas con matrices.

Suma de matrices

Dadas dos matrices A y B de igual orden nxm, llamaremos matriz suma a otra matriz de igual
dimensión nxm y cuyos elementos se obtengan sumando los elementos homólogos de A y de B.

cij = aij + bij

 2 3  1  4 2 3   24 3 2 1 3  6 5 2 
       
 2 4 2   1 2  4    2  1 42 2  4   1 6  2
 5 6  3   2 4 3   5  2 64  3  3   7 2 0 


Propiedades:

La suma de matrices es ley de composición interna.

Asociativa:  A,B,C  Mnxm ==> A + (B + C) = (A + B) + C

Conmutativa:  A,B  Mnxm ==> A + B = B + A

 elemento neutro: Será la matriz nula Onxm / A + O = O + A = A

 elemento simétrico: Será la matriz opuesta -A , tal que  A,  -A / A + (-A) = O

Con estas propiedades el conjunto de las matrices respecto de la operación suma posee estructura
de grupo abeliano o conmutativo con elemento neutro.

Ejemplo: Dadas las matrices A = (aij) y B = (bij) de dimensiones 3x4 y siendo

aij = i - j y bij = (-1)i+j + 2j-1 , calcular A + B

3
 0 1 2  3  2 1 5 7 2 0 3 4
     
A  B  1 0 1  2   0 3 3 9  1 3 2 7
2 1 0  1   2 1 5 7   4 2 5 6 


Producto de una matriz por un número.

Dada una matriz A de dimensiones nxm y un numero real  , el producto será otra matriz .A ,
de igual orden nxm y cuyos elementos se obtengan multiplicando todos los elementos de A por el
numero 

1 2 3  5 10 15 
   
52 0 1   10 0 5
1 1 2   5  5 10 


Propiedades:

Distributiva del producto respecto de la suma de matrices

.(A + B) = .A + .B

Distributiva del producto respecto de la suma de escalares

( + ).A = .A + .A

Asociativa mixta: .(.A) = (.).A

 elemento neutro en los escalares: 1.A = A

Al cumplir estas cuatro propiedades y las anteriores de la suma, el conjunto de las matrices tiene
estructura de espacio vectorial sobre el cuerpo de los números reales.

Ejemplo: Sean dos matrices A y B de dimensiones 3x4 tales que

aij = i + 2j y bij = 2i - j calcular la matriz 3A - 2B y -2A + 3B

3 5 7 9 1 0 1  2  9 15 21 27   2 0 2  4
       
3 A  2B  3   4 6 8 10   2   3 2 1 0   12 18 24 30    6 4 2 0 =
5 7 9 11  5 4 3 2  15 21 27 33  10 8 6 4 
 

7 15 23 31 
 
= 6 14 22 30 
5 13 21 29 


 6  10  14  18   3 0 3  6   3  10  17  24 
     
 2 A  3B    8  12  16  20    9 6 3 0  1 6  13  20 
  10  14  18  
 22  15 12 9 6   5 2 9  16 


Producto de matrices.
4
 Dos matrices A y B son multiplicables solo si el número de columnas de la matriz multiplicando
es igual al número de filas de la matriz multiplicadora. Anxm.Bmxp

La matriz resultante tendrá igual número de filas que la matriz multiplicando y el mismo numero
de columnas que la matriz multiplicadora. Cnxp

Para calcular el elemento cij se multiplicara cada término de la fila i de A por cada término
correspondiente de la columna j de la matriz B y luego se sumaran todos los productos obtenidos.

Ejemplos:

a b c
1 2   a   a  2b  1 2 3    a  2d  3 g b  2e  3h c  2 f  3i 
      ;  d e f    
3 4   b   3a  4b  4 5 6   4a  5d  6 g 4b  5e  6h 4c  5 f  6i 
g h i  
4 7 1 2 3   4 1  7  4 42  75 4  3  7  6   32 43 54 
    
3 8   4 5 6   3  1  8  4 3 2  85 3  3  8  6   35 46 57 
1
3 4 1     3  1  4  2  1  3   14 
    2    
2 7 6     2  1  7  2  6  3   34 
 3
 1 0 2
 
2 3 7   4 1 0    2 1  3  4  7  2 2  0  3 1  7  7 2  2  3  0  7  1   28 52 11
2 7 1
 

Ejemplo:

 3 2  1  2 1
   
Sean y A   4 2  1 B   3 5  Hallar A2 y A.B
 3 1 2   2  4
  
 3 1 2   3 1 2   11 7 9 
     
A  A  A    4 2  1    4 2  1    23  1  12 
2

 3 2 1   3 2 1   11 7 9 

 3 1 2   2  1   13  6 
     
A  B    4 2  1   3 5     4 18 
 3 1 2   2  4   13  6 


Propiedades:

Asociativa: Anxm.(Bmxp.Cpxq) = (Anxm.Bmxp).Cpxq

Distributiva del producto respecto de la suma:

Anxm.(Bmxp + Cmxp) = Anxm.Bmxp + Anxm.Cmxp

(Anxm + Bnxm).Cmxp = Anxm.Cmxp + Bnxm.Cmxp

5
 En general no es conmutativa A.B  B.A bien por que no exista alguno de los dos productos,
bien porque sus resultados den matrices de diferentes ordenes o bien porque aun siendo del mismo
orden sus resultados sean distintos.

1 3 
2 3 1 0 2   1 0
Sean las matrices A    B    C   0  2 D   
1 0  2 1 0 2  2 3 
 0 

1 3 
2 3  
A.C  C.A ya que  1    0  2  no es multiplicable mientras que
0 
 0 
2
1 3   5 3
  2 3  
0  2        2 0  si lo es.
1 0 
2
 0    4 6


1 3 
1 0 2   5 3
B.C  C.B ya que  2  0
 1 0  
 2   
2
 mientras que
8 
 0  
2
1 3   7  3 2
  1 0 2  
0  2        4 2 0 es de diferente orden.
2 1 0 
2
 0    2 0 4 

2 3   1 0  4 9
A.D  D.A ya que  1 0    2   mientras que
   3    1 0 

 1 0  2 3   2  3
      Los dos productos son realizables, sus resultados tienen igual
 2 3  1 0   7 6 
dimensión, pero son diferentes.
En los casos especiales en que A.B = B.A se dice que las matrices son permutables.

En este caso se verifica que (A + B)2 = A2 + 2.A.B + B2

Si no son permutables (A + B)2 = (A + B).(A + B) = A2 + A.B + B.A + B2

Dentro de las matrices cuadradas  elemento neutro que será la matriz I tal que:

In.An = An.In = An

Rango de una matriz

Es el número de filas o columnas linealmente independientes.

rg(A)= rg (F1,F2,F3 ) = rg (C1,C2,C3…)
Si 2 filas o 2 columnas son iguales o proporcionales, se dice que son dependientes. Por el
contrario son linealmente independientes si no son proporcionales.

6
 Matriz transpuesta.

Dada una matriz A de dimensiones nxm, llamaremos matriz transpuesta de A y la designaremos

por At o por A', a otra matriz de dimensiones mxn y que se obtiene cambiando filas por columnas
y columnas por filas, sin alterar su orden.

 1 3 
1 2 0   
Si A   3   A t    2 4 
 4  1  0
  1

Propiedades:

a) La transpuesta de la suma de dos matrices es igual a la suma de las transpuestas de cada

matriz.
(A + B)t = At + Bt

b) La transpuesta del producto de dos matrices es igual al producto de las transpuestas en orden
inverso.
(A.B)t = Bt.At

c) La transpuesta de la transpuesta de una matriz es la propia matriz.

(At)t = A

d) La transpuesta del producto de un escalar por una matriz es igual al producto del escalar por
la transpuesta de la matriz.

(k.A)t = k.At

e) Si A es simétrica ==> At = A

f) Si A es antisimetrica ==> A = -At

Matriz inversa.

Dada una matriz cuadrada A, llamaremos matriz inversa de A, a otra matriz X, si existe, tal que
A.X = X.A = I donde A,X e I tendrán el mismo orden. A dicha matriz se le designa por A-1
A la matriz A se le llamara inversible y a la matriz A-1 matriz inversa.

Además la definición es simétrica de forma que (A-1) –1 = A

También podemos asegurar que el producto es conmutativo y que las matrices A , X e I deben ser
cuadradas y del mismo orden . Si la matriz A no es cuadrada, no será invertible y por tanto no
poseerá matriz inversa.

7
 Ecuaciones matriciales.

Una ecuación matricial es una ecuación en la que la incógnita es una matriz y no un numero.

X·B + X·C = X· (B+C)

A·X + C·X = (A+C) · X

X2 + X·B = X· (X + B)

X2 + X = X·X + X = X· (X+I)

X2 – 5X = X·X – 5X·I = X· (X – 5I) = (X – 5I) ·X

* A·X – B = X  A·X – X = B  (A – I) ·X = B  (A – I)-1· (A – I) ·X = (A – I)-1·B

 X = (A – I)-1 · B

* A·X = A + B  A-1·A·X = A-1 · (A + B)  X = A-1 ·(A + B)

* A·X = B  A-1·(A.X) = A-1·B  (A-1·A)·X = A-1·B 

I·X = A-1·B  X = A-1·B

DETERMINANTES.

Determinante de 2º orden.
 a11 a12 
Llamamos determinante de la matriz cuadrada de 2º orden A    al número real
 a 21 a 22 
a11.a22 - a12.a21 que se obtiene multiplicando los elementos de la diagonal principal y restándole el
producto de los elementos de la diagonal secundaria. Se representa por A

Determinante de 3º orden.

8
  a11 a12 a13 
 
Llamamos determinante de la matriz cuadrada de 3º orden A   a 21 a 22 a 23  al numero real
a a32 a33 
 31
(a11.a22.a33 + a12.a23.a31 + a13.a21.a32) - - (a13.a22.a31 + a11.a23.a32 + a12.a21.a33)

Una manera practica de recordar estos sumandos es la regla de Sarrus

2 3 5
Ejemplo A  4 7 3   2  7  1  4    8  5  3  3    2     5  7    2   3    8  2  3  4  1 =
2 8 1
= ( 14 - 160 - 18 ) - ( -70 - 48 + 12 ) = -164 - ( -106 ) = - 58

2 3 4
Ejemplo B  1 5 6  2  5  9  4    1  8  3  6    7   4  5    7   2  6  8  3    1  9 
7 8 9
= 90 - 32 - 126 + 140 - 96 + 27 = 3

Propiedades de los determinantes.

1.- Un determinante que tiene todos los elementos de una línea (fila o columna) iguales a 0, vale
siempre cero.
3 1 4
0 0 0 0
2 8 6

2.- Un determinante que tiene dos líneas paralelas iguales es siempre nulo.
2 1 2
1 0 1 0 por tener la 1ª y la 3ª columna iguales
6 8 6

3.- Un determinante en el que los elementos de una línea son múltiplos de los elementos de una
línea paralela a ella, es siempre nulo.
4 1 3
8 2 6  0 porque f2 = f1.(-2)
5 7 4

4.- Un determinante en el que los elementos de una línea son combinación lineal de los de otras
líneas paralelas a ella, es siempre nulo.
1 3 7
2 0 2 0 porque c3 = c1 + 2.c2
1 1 1

5.- El valor de un determinante no varia si se cambian las filas por las columnas sin alterar el
orden relativo de los elementos de cada una. Es lo mismo que decir que At = A 

9
 1 2 0 1 2 2
2 0 3  2 0 1
2 1 1 0 3 1

6.- Un determinante no varia al sumar a los elementos de una línea, los correspondientes de otra
paralela a ella multiplicados por un numero , los de otra multiplicada por , etc.
a b c a  3b  2c b c
d e f  d  3e  2 f e f
g h i g  3h  2i h i

7.- Si se cambian entre si dos filas ( o dos columnas ), el nuevo determinante tiene el mismo
valor absoluto pero cambia de signo.
2 1 3 1 2 3
0 2 4  2 0 4 He cambiado c1 <---> c2
1 3 0 3 1 0

8.- Si se multiplican ( o dividen ) todos los elementos de una línea por un mismo numero  , el
valor del determinante queda multiplicado ( o dividido ) por el numero  .
1 2 0 1 2 0
Si 2 0 1 9 2 0 5  5  9  45 ya que la c3 la he multiplicado por 5.
2 1 1 2 1 5

9.- Si en un determinante todos los elementos de una línea son múltiplos de un mismo numero
, se puede sacar este numero como factor.
2 4 3 1 1 3 1 1 3
4 4 1  2    4  2 1 1  8  2 1 1
6 4 0 3 1 0 3 1 0
10.- Si se multiplican todos los elementos de un determinante A de orden n por un mismo
numero , el valor del nuevo determinante será n.A 
a b c 5a 5b 5c
Si d e f  A  5d 5e 5 f  53  A
g h i 5g 5h 5i

11.- Si los elementos de una línea constan de h sumandos, el determinante se podrá descomponer
en suma de h determinantes, que tienen iguales a el, las restantes líneas y en lugar de aquella, la
formada por los primeros sumandos, por los segundos, etc.
x yz a d x a d y a d z a d
t u v b e  t b e  u b e  v b e se mantienen idénticas la c2 y la c3
qrs c f q c f r c f s c f

12.- El determinante de una matriz triangular es igual al producto de los elementos de la diagonal
principal.
a 0 0 0
b e 0 0
 aeh j
c f h 0
d g i j

10
13.- El determinante del producto de dos matrices cuadradas A y B, de igual orden, es igual al
producto de los determinantes de A y de B.
A B  A  B

Menor complementario.

Dada una matriz cuadrada A de orden n, llamaremos menor complementario del elemento aij, al
determinante de orden n-1, que se obtiene suprimiendo la fila i y la columna j en el A. Se
simboliza por ij.

2 1 3 4
1 5 1
1 5 2 1
Dada A  13   2 3 0  9  14  3  30  38
2 3 4 0
1 7 3
1 7 0 3

2 1 3 2 3 4
 24   2 3  4  42  4  9  56  1  32   1 2 1  12  3  8  9  26
1 7 0 1 0 3

Adjunto de un elemento.

Llamamos adjunto del elemento aij de una matriz cuadrada A, al valor del menor complementa-
rio correspondiente, afectado del signo + o - según que la suma de los subíndices i + j sea par o
impar

Se representa por Aij = (-1)i+j.ij

En la matriz A4x4 anterior, calculemos A31 y A43

1 3 4
A31    1
31
5 2 1  6  21  56  45  4
7 0 3
2 1 4
A43    1 1    12  2  40  6   20
43
 1 5
2 3 0

Desarrollo de un determinante por los elementos de una línea.

Todo determinante de orden n, se puede calcular como la suma de los productos de los elementos
de una línea cualquiera por sus adjuntos correspondientes.
1 2 0 3
1 3 3 2 3 3 2 1 3
2 1 3 3
 1 4 3 8  2 3 3  8    3  3 4 3 
3 4 3 8
2 4 2 1 4 2 1 2 4
1 2 4 2
11
 = ( - 6 + 48 - 48 + 18 + 32 - 24 ) - 2.( -12 + 36 + 24 - 9 + 64 - 18 ) +

+ 3.( 32 + 18 + 3 + 12 + 12 -12 ) = 20 – 2·85 + 3·65 = 45

Por este procedimiento el calculo de un determinante de orden n se reduce a calcular n

determinantes de orden n - 1, estos se reducen a otros de orden n - 2 y así sucesivamente hasta
llegar a determinantes de orden 3 que se calculan por Sarrus.

Regla de Chio.

Esta regla sirve para el cálculo de determinantes de orden superior a tres.

Consiste en conseguir que una de las líneas del determinante este toda ella formada por ceros,
excepto uno de sus elementos que valga la unidad. De esta forma al desarrollar por los elementos
de dicha línea, se anularan todos los sumandos a excepción del elemento en donde este el 1 y así
reduciremos el orden del determinante en una unidad.

a) Se observa si hay algún 1 en el determinante. Se elige la fila o columna que contenga a dicho
1 y al mayor numero de ceros posibles.
Si no existe ningún 1 en el determinante se elige la línea que contenga mayor numero de 0.
Dividimos los elementos de esa línea por uno de ellos, de forma que consíganos un 1 en dicha
línea. "Atención", después de esta operación, el valor del nuevo determinante habrá que multi-
plicarlo por el numero que dividimos anteriormente.
También se puede conseguir que algún elemento valga 1, restando una línea de otra paralela,
siempre que existan dos elementos que ocupen el mismo lugar y que difieran en una unidad.

b) Una vez conseguido el 1 en una línea, habrá que hacer 0 los demás elementos de la fila o
columna en donde se halle. Para ello realizaremos combinaciones lineales con líneas paralelas
según nos interese.

Ejemplo:

12
5 3 2 3 0 2 8 2
2 8 2 2 8 2
4 3 1 1 0 1 7 3
 1    2  1   1 7  3   3    1    1  1 7 3 
1 1 2 1 1 1 2 1
2 2 3 2 2 3
0 2 2 3 0 2 2 3

  4   42  48  4  28  24  12  30

(1) elegimos la columna 1ª por poseer un 1 y un 0. Dejamos fija la 4ª fila donde se encuentra el
0, y tratamos de hacer ceros en las filas 1ª y 2ª con combinaciones lineales con la 3ª fila.
f1 - 5.f3  f1 f2 - 4.f3  f2

(2) Desarrollamos por los elementos de la 1ª columna : a31.A31

(3) Dividimos las filas 1ª y 2ª por -1, con lo que el nuevo determinante viene multiplicado por
(-1).(-1)

(4) Desarrollamos por Sarrow.

Calcular

2 1 3 1 0 1 0 0
5 3 1
1 2 3 1 5 2 3 1
 1    2   1    1  2 5 3 
4 1 2 2 2 1 5 3
5 8 1
1 3 1 2 5 3 8 1

  3    1    25  16  45  25  120  6   85

(1) Al no haber ningún cero, elegimos la fila 1ª por poseer dos 1.

Dejamos fija la columna 2ª y hacemos combinaciones lineales con dicha columna para
conseguir ceros en las columnas 1ª, 3ª y 4ª. c1 - 2.c2  c1 c3 + 3.c2  c3 c4 - c2  c4

(2) Desarrollamos por los elementos de la 1ª fila : a12.A12 cuidando que el adjunto ahora es
negativo.

(3) Desarrollamos por Sarrow.

Calcular

13
2 4 0 3 2 1 0 3 0 1 0 0
2 2 6
0 2 2 3 0 1 2 3 2 1 2 6
 1    2    3  1    1  9 2 9 
3 3 2 0 3 3 2 0 9 3 2 9
14 3 20
2 4 3 2 2 6 3 2 14 6 3 20

1 1 3 0 1 0
11 15
  4     1  2  9 2 9   5    2   11 2 15   6     2   1    1    7 
17 29
14 3 20 17 3 29

 2   319  225   128

(1) Al no haber ningún 1, buscamos dos líneas paralelas en las que alguno de sus elementos
correspondientes difieran en una unidad. Elegimos las columnas 2ª y 4ª. Restamos c2 - c4 --> c2 .
Dejamos iguales las columnas 1ª y 3ª.

(2) Fijamos la columna 3ª en la que hay un 0 y fijamos la columna 2ª con la que haremos las
combinaciones lineales para hacer ceros en las columnas 2ª y 4ª.

(3) Desarrollamos por los elementos de la 1ª fila a12.A12 teniendo en cuenta que el adjunto es
negativo.

(4) Dividimos la 1ª fila por 2 con lo que el nuevo determinante queda multiplicado por 2.
(5) Aquí podíamos haber resuelto por Sarrow, pero continuaremos dejando fija la 2ª columna
para hacer ceros en la 1ª y 3ª columna con combinaciones lineales con la 2ª fijada. c1 + c2  c1
c3 + 3.c2  c3

(6) Desarrollamos por los elementos de la 1ª fila a12.A12 teniendo de nuevo en cuenta que el
adjunto calculado es negativo.

(7) Desarrollamos por Sarrow el determinante de orden dos que nos queda.

Determinante de Vandermonde.

Es el formado por las potencias sucesivas de n números distintos: a, b, c,.... g, h, ordenadas de la

siguiente forma:

1 1 1   1
a b c   h
a 2
b 2
c 2
  h2
     
     
a n 1 b n 1 c n 1   h n 1

Este determinante es igual al producto de todas las diferencias obtenidas restando cada numero
a,b,c,.., de todos los que le siguen.

14
 Ejemplo:

1 1 1 1
2 4 7 9
  4  2   7  2   9  2    7  4    9  4   9  7   2  5  7  3  5  2  2100
4 16 49 81
8 64 343 729

Matriz inversa.

Dada una matriz cuadrada A, llamaremos matriz inversa de A, a otra matriz X, si existe, tal que
A.X = X.A = I donde A,X e I tendrán el mismo orden.

A dicha matriz se le designa por A-1

La condición necesaria y suficiente para que exista matriz inversa es que dicha matriz sea regular
o lo que es lo mismo que su determinante sea distinto de cero.
Para calcular la inversa de una matriz A, calcularemos la matriz transpuesta de la matriz adjunta
de A y lo dividiremos por el valor del determinante de dicha matriz A.

A 1

A  d t

La matriz Ad se calcula, hallando todos los adjuntos de todos los elementos de la matriz A

Si A  0 no existiría matriz inversa pues todos sus términos tendrían que venir divididos por 0
y me quedaría una matriz de elementos infinitos, con lo que no existiría.

También se puede calcular primero la matriz transpuesta de A y luego la matriz adjunta de la At,
para luego dividir por el valor del determinante.

Ejemplos:

15
 2 1
Hallar la A-1 de la matriz A   
3 4 

A  83 5  0

 4  3  4  1
A11 = 4 A12 = - 3 A21 = - 1 A22 = 2 A d    A 
d t
  
2 
1 2   3

1  4  1  4 / 5  1/ 5
A 1    
5   3 2    3 / 5 2 / 5 

 2 0 0
 
Hallar la inversa de la matriz  3 1 5
 2 0 1 


1 5 3 5 3 1 0 0
A  2 A11  1 A12   13 A13  2 A21  0
0 1 2 1 2 0 0 1

2 0 2 0 0 0 2 0 2 0
A22  2 A23  0 A31  0 A32   10 A33  2
2 1 2 0 1 5 3 5 3 1

1  13 2  1 0 0   1/ 2 0 0 
   
A d
 0 2 0 A d t
   13 2  10  A 1
   13 / 2 1  5
0  10 2  2 0 2   1 0 1 
 

Propiedades:

a) Si A y B son dos matrices cuadradas del mismo orden y regulares, se verifica que la inversa
del producto de dos matrices es igual al producto de sus inversas en orden inverso.

(A·B)-1 = B-1.·A-1

b) Si A es una matriz regular se verifica que la inversa de la transpuesta es siempre igual a la

transpuesta de la inversa.

(At)-1 = (A-1)t

c) La inversa de la inversa de una matriz regular es la propia matriz A.

16
 (A-1)-1 = A

La matriz inversa facilita la resolución de ecuaciones matriciales de la forma:

A·X = B ==> A-1·(A·X) = A-1·B ==> (A-1·A)·X = A-1·B

I·X = A-1·B ==> X = A-1·B

3 1 6 1 13 
Ejemplo: Resolver la ecuación A·X = B siendo A    ; B   
5 2 10 1 23 

Como hemos visto X = A-1.B Calculemos A-1

 2  5  2  1
A  65 1 0 A d    A 1   
1 3   5 3 

 2  1  6 1 13   2 1 3
X     
 5 3  10 1 23   0 2 4 

Si la matriz A es de orden superior a tres, el calculo de los adjuntos seria muy laborioso y por
ello en cursos superiores emplearemos el método de Gauss y otros métodos para calcular matrices
inversas.

17
 RANGO DE UNA MATRIZ.

Menor y rango de una matriz.

Dada una matriz de dimensiones cualesquiera (no tiene porque ser cuadrada) de orden mxn, se
llama menor de orden h al determinante de cualquiera de las submatrices cuadradas de orden hxh
que se obtienen suprimiendo de todas las formas posibles m-h filas y n-h columnas de la matriz
original.

Llamamos menor principal de orden h, al determinante formado por las h primeras filas y las h
primeras columnas y que su valor sea distinto de cero.

Ejemplo:

 2 1 0  1
 
 2 1 2 1 
Sea A   0 3 1 0 
 Si eliminamos f2, f3, f4, f5, c2, c3, c4 nos queda un menor de
 1 0 1  1
 1 2 0 0 

orden 1 formado por la matriz ( 2 ) y cuyo determinante es  0. Además será un menor principal
por estar formado por la 1ª fila y la 1ª columna.

2 1
Si eliminamos f3, f4, f5, c3, c4 nos queda la submatriz   cuyo determinante no es un
2 1
menor de orden 2 pues su determinante vale cero.

18
 2 1
Si eliminamos f2, f4, f5, c3, c4 nos queda la submatriz   que si es un menor de orden 2 pues
0 3 
su determinante vale 6. Además será un menor principal de orden 2 por estar formado por las dos
primeras filas y las dos primeras columnas.

 2 1 0  1
 
 0 3 1 0 
Si ordenamos la matriz A cambiando la f3 por la fila f2 nos queda A   2 1  2 1 
 1 0 1  1
 1 2 0 0 

2 1 0 
 
Si ahora suprimimos f4, f5, c4 nos queda la submatriz  0 3 1  cuyo determinante vale
 2 1  2
 
-12 distinto de cero. Dicha submatriz será un menor de orden 3 y además será un menor
principal por estar formado por las tres primeras filas y las tres primeras columnas.

2 1 2  1
 
0 3 1 0 
Si ampliamos dicho menor principal con la f4 y la c4 nos queda  cuyo
2 1 2 1 
 
1 0 1  1

determinante se ha de calcular por la regla de Chio.

Elegimos la fila 4 para hacer ceros. c3 - c1 , c4 + c1 y nos queda

2 1 2 1
 1 2 1
0 3 1 0  
   1 3 1 0    3  12  1  18  8  0
2 1 4 3 
 1 4 3 
1 0 0 0

La submatriz de orden 4 formada es por tanto un menor principal de orden 4 por estar formada
por las cuatro primeras filas y las cuatro primeras columnas y valer su determinante distinto de
cero.

No existe un menor de orden 5 por no poderse formar una submatriz cuadrada de orden 5.

Llamamos rango de una matriz A, al numero h, que nos da el orden mayor de los menores
principales no nulos y tal que todos los menores de orden superior a h son cero o no existen.

En nuestro ejemplo de la matriz A, el mayor principal obtenido es de orden 4 por lo que el

rg A = 4

Propiedades del rango de una matriz.

a) Si en la matriz A, se intercambian entre si dos líneas paralelas, se obtiene otra matriz B, de

igual rango que la de A.

19
 b) Si una línea de la matriz A, esta formada por ceros, el rango de A es igual al rango de la matriz
B que se obtiene suprimiendo dicha línea de ceros.
c) Si en la matriz A, se suprime una línea que sea combinación lineal de otras varias paralelas, se
obtiene una nueva matriz B, de igual rango que la matriz A.

Llamamos rango por filas de una matriz A, al numero máximo de filas linealmente
independientes.

Llamamos rango por columnas de una matriz A, al numero máximo de columnas linealmente
independientes.

Calculo practico del rango de una matriz.

Ejemplo:

 1 2 3 2 4 
 
 2 4 1 3  1
A al ser la c2 = 2.c1 podemos eliminar dicha columna c2 por ser
1 2 10 3 11 
 
 2 4 1 0 2 

 1 3 2 4 
 
  2 1 3  1
combinación lineal de c1. rgA  rg  Tomamos un menor principal
1 10 3 11 
 
 2 1 0 2 

1 3
de orden 2 formado por las dos primeras filas y dos primeras columnas.  1 6  7  0
2 1
1 3 2
Ampliamos a un menor tres por tres 2 1 3  3  18  40  2  18  30  0 . es menor
1 10 3
principal de orden tres.
1 3 2 4 7 3 2 2
c1  2c 2
2 1 3 1 0 1 3 3
Ampliamos a un menor de orden 4  =1·
1 10 3 11 21 10 3 9
2 1 0 2
c 4  2c 2 0 1 0 0
A42 =

7 2 2 1 2 2 1 2 2
 0 3 3  7 0 3  3  7 33 0 1  1  63    3  2  2  1  0 No existe
21 3 9 3 3 9 1 1 3

menor principal de orden 4, con lo que el rg A = 3.

20
 Ejemplo:

1 0 3 2 1
 
2 5 1 2 0
rgA = rg  Tomamos un menor principal de orden 2 formado por las dos
7 10 7 2 3
 
1 2 5 4 1 

1 0
primeras filas y dos primeras columnas. 50 Ampliamos a un menor tres por tres
2 5
1 0 3
2 5  1  35  60  70  10  35  0 es menor principal de orden tres.
7 10 7
1 0 3 2 1 0 0 0
c3  3c1
2 5 1 2 2 5 7 6
Ampliamos a un menor de orden 4 
7 10 7 2 7 10  14 12
1 2 5 4
c 4  2c1 1 2 2 6
=1·A11
5 7 6 5 7 6
 10  14 12  2  2  5 7 6 0 No existe menor principal de orden 4,
2 2 6 1 1 3
con lo que rg A = 3

21
 SISTEMA DE ECUACIONES LINEALES.

Llamamos sistema de ecuaciones lineales con coeficientes reales al conjunto de igualdades

siguientes:

a11x1 + a12x2 + ...... + a1nxn = b1 Este sistema tendrá m ecuaciones con n incógnitas.
a21x1 + a22x2 + ...... + a2nxn = b2 Los aij son números reales llamados coeficientes de
. . . . las incógnitas.
am1x1 + am2x2 + ...... + amnxn = bm Los bij son los llamados términos independientes.

Los xj representan números reales desconocidos llamados incógnitas del sistema.

Llamamos matriz de coeficientes a la matriz cuyos elementos son los coeficientes de las
incógnitas.
Llamamos matriz ampliada a la obtenida al añadir a la matriz de coeficientes, una nueva
columna formada por los términos independientes.
 a11 a12   a1n   a11 a12  a1n  b1 
   
 a 21 a 22   a 2 n   a 21 a 22  a 2 n b2 
C        A      
   
             
a  a 
 m1 a m 2 . . a mn   m1 a m 2 . a mn bm 

Llamamos solución de nuestro sistema al conjunto de vectores S(s1,s2...sn) que al sustituirlos

respectivamente por x1,x2,...xn , convierte a las m igualdades en m identidades numéricas.

Resolver por tanto nuestro sistema es averiguar si el conjunto S posee elementos y en caso
afirmativo, calcularlos.

Los sistemas pueden no tener solución y se llaman INCOMPATIBLES.

Pueden tener infinitas soluciones y se llaman COMPATIBLES INDETERMINADOS.
Pueden tener un numero finito de soluciones y se llaman COMPATIBLES DETERMI-
NADOS.

Dos sistemas serán equivalentes cuando posean las mismas soluciones.

Si en un sistema S, se suprime una ecuación que sea combinación lineal de las restantes, el
nuevo sistema S´ será equivalente al S.

22
 Para resolver un sistema S, basta con resolver un sistema equivalente S´en el que ninguna
ecuación sea combinación lineal de las restantes.

RESOLUCIÓN DE SISTEMAS DE ECUACIONES.

Sistema de Cramer. Regla de Cramer.

Llamamos sistema de Cramer al formado por n ecuaciones y n incógnitas y tal que la matriz de
coeficientes C sea una matriz cuadrada y regular, es decir
que C  0 .

Dicho sistema será equivalente en forma matricial a ·C.X = B dondeCXXx

 x1   b1 
 a11 a12   a1n     
   x2  b 
C        X   B 2
a   
 n1 a n 2   a mn     
x  b 
 n  n

La regla de Cramer dice que todo sistema de Cramer tiene solución única dada por

C 1  C  X  C 1  B  I  X  C 1  B  X  C 1  B

Resolviendo la nueva ecuación matricial nos queda que:

a11 . b1  a1n
    
     en donde hemos sustituido la columna i de la matriz C por la
a n1  bn  a nn
xi 
C

columna matriz B.

Ejemplo:

2x  3y  z  6
Resolver el sistema x  5 y  25  4
3 x  2 y  3 z  6

El sistema es de Cramer por tener igual numero de ecuaciones que de incógnitas y porque

23
 2 3 1
C  1 5 2  30  18  2  15  8  9  32  0
3 2 3

6 3 1
4 5 2
Su solución será: 6 2 3 90  36  8  30  24  36 32
x   1
C 32 32

2 6 1
1 4 2
3 6 3 24  36  6  12  24  18 96
y   3
C 32 32

2 3 6
1 5 4
3 2 6 60  36  12  90  18  16 160
z   5
C 32 32

Teorema de Rouche-Frobenius.

La regla de Cramer nos permite resolver sistemas de ecuaciones en el caso particular de que
haya igual número de ecuaciones que de incógnitas.
Con el teorema de Rouche podemos ampliar al caso de que n  m.

Si el rg C  rg A el sistema no tendrá ninguna solución real.

Si el rg C = rg A = h el sistema tendrá solución.

Si h = nº de incógnitas, la solución será única.
Si h < nº de incógnitas, existirán infinitas soluciones.

En definitiva, la discusión de un sistema de n ecuaciones con m incógnitas es la siguiente:

Si rg C  rg A no existe solución ===> sistema incompatible.

Si rg C = rg A = nº de incógnitas tiene una única solución  sistema compatible deter-

minado.

Si rg C = rg A < nº de incógnitas tiene infinitas soluciones  sistema compatible indeter-

minado.

Para resolver el sistema compatible indeterminado con infinitas soluciones podemos usar el
método de Cramer.

2x + 3y - z + t = 5
Resolver el sistema x + 2y + z - 2t = 8
24
 x + y - 2z + 3t = -3
Por Cramer:

2 3
Partimos de un menor principal de orden 2  43 1 0 Ampliamos a un menor de
1 2
2 3 1 2 3 1
orden 3. 1 2 1  8  3  1  2  2  6  0 1 2  2  12  6  1  2  4  9  0
1 1 2 1 1 3

Como los dos únicos menores que puedo formar de orden 3 son nulos, el rg C tiene que ser 2

Al ampliar el menor principal de orden 2 con los términos independientes me queda:

2 3 5
1 2 8  12  24  5  10  16  9  0
1 1 3

Como el único menor de orden 3 que puedo formar es nulo, el rg A tiene que ser 2.

Si rg C = rg A < nº de incógnitas ==> Sistema compatible indeterminado.

Para resolverlo, despejamos las dos primeras incógnitas x e y , en función de la tercera incógnita
z, en las dos primeras ecuaciones.

2x + 3y = 5 + z - t Es un sistema de Cramer de 2 ecuaciones con 2 incógnitas.

x + 2y = 8 - z + 2t

5 z t 3
8  z  2t 2 10  2 z  2t  24  3 z  6t
x   14  5 z  8t
2 3 43
1 2

2 5 z t
1 8  z  2t 16  2 z  4t  5  z  t
y   11  3 z  5t
2 3 43
1 2

x  14  5  8
y  11  3  5
Llamando z =  y t =  z
t 

Al discutir por Cramer, si el numero de ecuaciones es igual o menor que el numero de incógni-
tas, se empieza a buscar los menores principales por la matriz C, para luego ampliarla a la A.

Ejemplo:

25
 2 x  y  2 z  2
x yz 0
Discutir y resolver el sistema x  2y  z  8
2x  2 y  6

Por Cramer: Al haber mas ecuaciones que incógnitas, empezaremos calculando el rango de la
matriz ampliada A.

2 1 2 2 4 5 0 14
f1  2 f 3 4 5 14
1 1 1 0 2 3 0 8 c3 : 2
  1 1  2 3 8
1 2 1 8 1 2 1 8
f2  f3 2 2 6 
2 2 0 6 2 2 0 6

4 5 7
 2  2 3  4  2   36  28  40  42  32  30  2  0  0
2 2 3

Al ser el único determinante de orden 4 igual a cero no existe un menor principal de orden
cuatro.

Veamos si existe algún menor de orden 3

2 1 2
1 1 1  2 1 4  2  4 1  2  0 Si existe , por tanto el rg A = 3.
1 2 1

Como el determinante escogido es también un menor de orden 3 de la matriz C, podemos

asegurar que el rg C = 3

Si rg C = rg A = 3 = nº incógnitas  sistema compatible determinado.

Existe una única solución.

Para resolverlo eliminamos la ultima ecuación, pues el rango lo hemos obtenido con las tres
primeras ecuaciones.

2 x  y  2 z  2
x yz 0
x  2y  z  8
 2 1  2
0 1 1
8 2 1  2  8  16  4 2
x   1
C 2 2

2 2 2
1 0 1
1 8 1  2  16  16  2 4
y    2
C 2 2

26
 2 1 2
1 1 0
1 2 8 16  4  2  8 6
z   3
C 2 2

Sistemas homogéneos.

Llamamos sistema homogéneo de n ecuaciones con m incógnitas, al sistema en el que todos los
términos independientes de las ecuaciones que forman el sistema son nulos, es decir
b1 = b2 = .... = bn = 0

Todo sistema homogéneo será siempre compatible pues el rg C será siempre igual al rg A, ya que
la matriz A se forma añadiéndole a la matriz C una columna de ceros.

La solución (0,0...0) será siempre solución de todo sistema lineal homogéneo y se le llamara
solución impropia del sistema o solución trivial.

Todo sistema homogéneo que tenga solución distinta de la trivial, admitirá infinitas soluciones,
incluida la solución trivial.

Si aplicamos el teorema de Rouche, diremos que la condición necesaria y suficiente para que el
sistema homogéneo sea compatible es que :

rg C = rg A < nº incógnitas ===> sistema con infinitas soluciones.

rg C = rg A = nº incógnitas ===> la solución será única (0,0,...0).

En el caso particular de que el nº de ecuaciones coincida con el nº de incógnitas, diremos que la

condición necesaria y suficiente para que el sistema sea compatible (infinitas soluciones), es que
el determinante de la matriz de los coeficientes sea nulo. En caso de no serlo, la solución será la
trivial (0,0,...0).
Es decir: Si C  0 ===> solución (0,0,...0)

Si C = 0 ===> infinitas soluciones.

Los sistemas homogéneos también se pueden discutir y resolver por Cramer y por Gauss.

Ejemplo:

x  5 y  4z  0
Discutir y resolver el sistema x  2y  z  0
3x  y  2 z  0

Por Cramer:

1 5 4
Calculemos C  1 2 1  4  4  15  24  1  10  0
3 1 2

27
 1 5
Como el menor  2  5  7  0 el rg C = 2
1 2

Eliminamos la ultima ecuación y despejamos x e y en función de z.

x  5 y  4z
x  2 y  z
Resolvemos por Cramer

4z 5
z 2  8z  5z 3
x   x  z
7 7 7

1 4z
1 z  z  4z 5
y   y  z
7 7 7

3 5 
Las infinitas soluciones serán   ,  ,     
7 7 

28