Matrices

Sistemas de ecuaciones lineales. Matrices y determinantes.
SISTEMAS DE ECUACIONES LINEALES.

MATRICES Y DETERMINANTES.
1.- Introduccin a los sistemas lineales
1.1.-Ecuacin lineal
1.2.-Sistemas de ecuaciones lineales
1.3.-Sistemas equivalentes
1.4.-Mtodo de Gauss para la resolucin de sistemas. Sistemas en forma
escalonada o triangular
1.5.-Mtodo de Gauss-Jordan
2.-Matrices
2.1.- Matriz
2.2.- Matrices cuadradas
2.3.-Operaciones con matrices
2.3.1.-Suma de matrices
2.3.2.-Producto por un escalar
2.3.3.-Producto de matrices
2.3.4.-Propiedades de la matriz traspuesta
2.3.5.-Producto de matrices cuadradas
2.3.6.-Matriz inversa
2.3.7.-Matrices por bloques
2.4.-Expresin matricial de un sistema lineal
3.- Determinante de una matriz cuadrada

3.1. Determinante de una matriz cuadrada de orden 2
3.3. Propiedades de los determinantes de segundo y tercer orden
3.4. Determinante de una matriz cuadrada de orden n
3.5. Propiedades de los determinantes de orden n
4.- Matriz inversa de una matriz cuadrada

4.1.- Matrices Elementales
4.2.- Mtodo de Gauss para el clculo de la matriz inversa
5.- Rango de una matriz

6.- Aplicacin del clculo matricial a los sistemas de ecuaciones lineales
6.1.-Sistemas de Cramer
6.2.-Teorema de Rouch-Frobenius
6.3.- Sistemas homogneos
6.4.- Estructura de las soluciones de un sistema
7.- Matrices Ortogonales

U. D. de Matemticas. ETSI en Topografa, Geodesia y Cartografa
SISTEMAS DE ECUACIONES LINEALES.

MATRICES Y DETERMINANTES.
1. Introduccin a los sistemas lineales
Histricamente, el primer trabajo de lgebra lineal consisti en resolver un sistema de
ecuaciones lineales. El problema de encontrar mtodos sencillos y poco laboriosos para
resolver sistemas sigue interesando a muchos investigadores. Existen analogas entre la
geometra analtica y el lgebra lineal que nos conducen al estudio de los sistemas de
ecuaciones lineales: Una recta en el plano viene dada por una ecuacin lineal de dos variables
(las dos coordenadas de un punto arbitrario de la recta). Un plano en el espacio viene dado por
una ecuacin lineal en tres variables; una recta en el espacio, por dos ecuaciones lineales con
tres variables.
1.1.Ecuacin lineal
Definiciones:
Se llama ecuacin lineal a una ecuacin de la forma:
a 1 x 1 + a 2 x 2 + ... + a n x n = b ,
donde los coeficientes a 1 , a 2 ,..., a n , as como el trmino independiente b , son escalares de un
cuerpo conmutativo K, y x 1 , x 2 ,..., x n son las incgnitas.
Una solucin particular de la ecuacin anterior es una n-upla de escalares
(c1 , c 2 ,..., c n ) tal que a 1c1 + a 2 c 2 + ... + a n c n = b .
La solucin general ( simplemente la solucin) de la ecuacin es el conjunto
formado por todas las soluciones particulares.
Resolver una ecuacin es hallar su solucin general.
Tipos de ecuaciones lineales:
Ecuacin compatible es aquella que tiene alguna solucin. Puede ser, a su vez,
compatible determinada cuando tiene una nica solucin, y compatible indeterminada
cuando tiene ms de una solucin (en este caso tendr infinitas soluciones).
Ecuacin incompatible es aquella que no tiene ninguna solucin:

0 x 1 + 0 x 2 +...+0 x n = c , con c 0 .
Ecuacin homognea es la que tiene nulo el trmino independiente; es decir, es una

ecuacin de la forma: a 1 x1 + a 2 x 2 +...+ a n x n = 0 .
Evidentemente, una ecuacin homognea es siempre compatible puesto que siempre admite la
llamada solucin trivial: (0,0,...,0).
Dada la ecuacin a 1 x 1 + a 2 x 2 + ... + a n x n = b , se llama ecuacin homognea
asociada a la misma, a la ecuacin a 1 x 1 + a 2 x 2 + ... + a n x n = 0 .
1.2.Sistemas de ecuaciones lineales

Definiciones:
Se llama sistema de m ecuaciones lineales con n incgnitas a un conjunto de
ecuaciones lineales de la forma:
a 11 x 1 + a 12 x 2 + ... + a 1n x n = b1
a x + a x + ... + a x = b
22 2
2n n
2
S 21 1
...
a m1 x 1 + a m 2 x 2 + ... + a mn x n = b m
donde los coeficientes a ij , i=1,...,m, j=1,...,n, y los trminos independientes b i , i=1,...,m,

son escalares de un cuerpo K y x 1 , x 2 , ..., x n son las incgnitas.
Una solucin particular del sistema anterior es una n-upla de escalares (c1 , c 2 ,..., c n )
que sea solucin de cada una de las m ecuaciones del sistema.
La solucin general ( simplemente la solucin) del sistema es el conjunto formado
por todas las soluciones particulares.
Resolver un sistema es hallar su solucin general.
Tipos de sistemas lineales:
Sistema compatible es aqul que tiene alguna solucin. Puede ser, a su vez, compatible
determinado cuando tiene una nica solucin, y compatible indeterminado cuando
tiene ms de una solucin (en este caso tendr infinitas soluciones).
Sistema incompatible es aqul que no tiene ninguna solucin.
Sistema homogneo es el que tiene nulos los trminos independientes; es decir, es un

a 11 x 1 + a 12 x 2 + ... + a 1n x n = 0
a x + a x + ... + a x = 0
22 2
2n n
sistema de la forma: 21 1
.
...
a m1 x 1 + a m 2 x 2 + ... + a mn x n = 0
Propiedades de los sistemas homogneos

i) La n-pla (0,0, ,0) es siempre una solucin particular de todo sistema
homogneo y se denomina solucin trivial.

ii) Si la n-pla (s1, s 2 , , s n ) es una solucin particular de un sistema homogneo
entonces tambin lo es la n-pla (s1, s 2 ,
iii) Si las n-plas (s1, s 2 ,
, s n ) y (s'1 , s'2 ,
, s n ) sea cual sea K .
, s'n ) son dos soluciones particulares de
un sistema homogneo tambin lo es la n-pla suma

(s1 + s'1 , s 2 + s'2 , , s n + s'n )
a 11 x 1 + a 12 x 2 + ... + a 1n x n = b1
a x + a x + ... + a x = b
22 2
2n n
2
Definicin: Dado el sistema 21 1
, se llama sistema
...
a m1 x 1 + a m 2 x 2 + ... + a mn x n = b m
a 11 x 1 + a 12 x 2 + ... + a 1n x n = 0
a x + a x + ... + a x = 0
22 2
2n n
homogneo asociado al mismo, al sistema 21 1
...
a m1 x 1 + a m 2 x 2 + ... + a mn x n = 0
1.3.Sistemas equivalentes
Dos sistemas S y S son equivalentes cuando tienen la misma solucin general,
es decir, cuando toda solucin de S lo es de S y viceversa.
Se llaman operaciones elementales entre las ecuaciones de un sistema S a las

operaciones que se puedan efectuar en las mismas, de forma que el nuevo sistema obtenido
sea equivalente a S. Son las siguientes:
i. Multiplicar una ecuacin cualquiera de S por un escalar no nulo.
ii. Intercambiar de lugar entre s dos ecuaciones de S.
iii. Sumar a una ecuacin una combinacin lineal de otras ecuaciones; es decir,
sustituir una ecuacin ei de S por la ecuacin e i + e j siendo , K no
nulos e i, j = 1,
,m.
Consecuencia
Si en S una ecuacin es combinacin lineal de las restantes entonces, el sistema que
resulta, al suprimir dicha ecuacin, es equivalente a S. En particular, si una de las ecuaciones
es nula, el sistema que resulta al suprimirla es equivalente a S
A lo largo del tema se estudiarn mtodos para analizar de qu tipo es un sistema y
mtodos de resolucin del sistema.
1.4.Mtodo de Gauss para la resolucin de sistemas. Sistemas en forma escalonada o
triangular
Sea S un sistema de ecuaciones lineales, el mtodo de Gauss consiste en transformar
S, mediante operaciones elementales, en un sistema S de forma escalonada o triangular cuya
resolucin es inmediata o sea evidente que sea incompatible.
Diremos que un sistema S est en forma escalonada o es escalonado si es de la forma
a '11 x 1 + a '12 x 2 + + a '1 j x j + + a '1n x n = b'1
a ' 22 x 2 + + a ' 2 j x j + + a ' 2 n x n = b' 2
S'
a ' pj x j + + a' pn x n = b' p con (p<n)
0 = b' p +1
0 = b' m
Diremos que un sistema S est en forma triangular o es triangular si es de la forma

a '11 x 1 + a '12 x 2 + + a '1n x n = b'1
a ' 22 x 2 + + a ' 2 n x n = b' 2
S'
a' nn x n = b' n
Distinguiremos tres casos:

1. El n de ecuaciones no nulas de S es igual al n de incgnitas y bii 0 para
i = 1,
, n , entonces el sistema es compatible determinado.
Ejemplo 1:
Resolver el sistema:
2x + y 2z = 10
S 3x + 2 y + 2z = 1
5x + 4 y + 3z = 4
2 x + y 2z = 10
y 10z = 28
22 +31
51 23 3y 16z = 42
2x + y 2z = 10
y 10z = 28
32 +3
14z = -42
x = 2 (10 y + 2z) = 1
.Por tanto x=1, y=2, z=-3.

y = 10z 28 = 2
z = 3
2. El n de ecuaciones no nulas de S es menor que el n de incgnitas y no hay

ecuaciones incompatibles, entonces el sistema es compatible indeterminado.
Ejemplo 2:
x + 2 y 3z = 1
S 2 x + 5 y 8z = 4
3x + 8 y 13z = 7
x + 2 y 3z = 1
y - 2z = 2
2y - 4z = 4
x + 2 y 3z = 1
x + 2 y 3z = 1
y 2z = 2
=
y
2
z
2
0=0
x = 1 2 y + 3z = 3 z
. Por tanto x=-3-z, y=2+2z, z=z.
y = 2 + 2z
x = 3
x = 3 z
) Observemos que
y = 2 + 2 R .
y = 2 + 2z
z =
) Estas ecuaciones reciben el nombre de ecuaciones paramtricas del conjunto solucin.
) Podemos escribir {(-3 - ,2 + 2, ) R} .

) recibe el nombre de parmetro.
3. Alguna ecuacin de S es incompatible, entonces el sistema es incompatible.

Ejemplo:
x + 2 y 3z = 1
x + 2 y 3z = 1
x + 2 y 3z = 1
S 3x y + 2z = 7 - 7y + 11z = 10 - 7y + 11z = 10
5x + 3y 4z = 2
- 7y + 11z = 7
0 = -3 !
luego S es incompatible.
1.5.Mtodo de Gauss-Jordan
Procediendo de manera anloga al mtodo anterior, se trata de transformar S, mediante
operaciones elementales y siempre que sea posible, en un sistema S de la siguiente forma que
denominaremos diagonal
x 1
x
2
S'
= b'1
= b' 2
x n = b' n
Ejemplo:
Resolver el sistema homogneo asociado al sistema del ejemplo 1.
S H1
2 x + y 2 z = 0
2 x + y 2 z = 0
2 x + y 2 z = 0
3x + 2 y + 2z = 0 y 10z = 0 y 10z = 0
5x + 4 y + 3z = 0
3y 16z = 0
14z = -0
x = 2 ( y + 2z ) = 0
. Por tanto x=y=z=0

y = 10z = 0
z = 0
Obsrvese que S H1 procede de un sistema compatible determinado cuya solucin puede

escribirse en la forma:
{(1,2,-3) = (1,2,-3) + (0,0,0)}
Ejemplo:
Resolver el sistema homogneo asociado al sistema del ejemplo 2.
SH2
x + 2 y 3z = 0
x + 2 y 3z = 0
x + 2 y 3z = 0
2 x + 5 y 8z = 0 y - 2z = 0
=
y
2
z
2
2y - 4z = 0
3x + 8 y 13z = 0
x =
x = 2 y + 3z = z
y = 2 , R .
y = 2z
z =
Obsrvese que SH 2 procede de un sistema compatible indeterminado cuya solucin se puede

escribir en la forma:
{(-3 - ,2 + 2, ),
R} = {(3,2,0) + (1,2,1), R}
2.Matrices
2.1.Matriz
Definicin:
Una matriz es un conjunto de elementos de un cuerpo K ordenados en filas y
columnas.
Si la matriz tiene m filas y n columnas, se escribe as:
a 11
a
A = 21
a
m1
a 12
a 22
...
a m2
... a 1n
... a 2 n
= (a ij )mn
... a mn
El elemento general a ij de la matriz tiene asociados el subndice i, que indica la fila, y

el subndice j que indica la columna en las que se encuentra dicho elemento.
Se dice que la matriz A tiene dimensin m n ; si m = n, diremos que A es una
matriz de orden n.
Se designa por M m n el conjunto formado por las matrices con m filas y n columnas,
y por M m n ( K ) al conjunto de matrices de dimensin m n cuyos elementos son escalares
del cuerpo K.
Definicin:
Matrices equidimensionales son las que tienen la misma dimensin; dos matrices
equidimensionales A y B son iguales cuando aij = bij, i=1,...,m, j=1,...,n.
Tipos de matrices:
Una matriz es cuadrada cuando m = n.
La matriz nula de dimensin m n es la que tiene nulos todos sus elementos.
Una matriz fila es la que tiene una nica fila.
Una matriz columna es la que tiene una nica columna.
2.2.Matrices cuadradas
Sea A = (a ij )nn = (a ij )n una matriz cuadrada, A M n (K ) , entonces:
La diagonal principal de A est formada por los elementos a ij tales que i = j, es
decir, a11,a22,...,ann. Los elementos a 1n , a 2 n -1 , ... , a n 1 constituyen la diagonal secundaria.
Matriz diagonal es aquella que tiene nulos todos sus elementos, salvo, a lo sumo, los
de la diagonal principal.
Matriz escalar es una matriz diagonal con todos los elementos de la diagonal
principal iguales.
La matriz unidad de orden n tiene
diagonal
1
0
principal que son unos; se denota por I n =
nulos todos sus elementos excepto los de la

0 ... 0
1 ... 0
...
0 ... 1
Una matriz cuadrada es simtrica cuando aij = aji, i,j=1, 2, ..., n.

Una matriz cuadrada es antisimtrica cuando aij = -aji, i,j=1, 2, ..., n.
Matriz triangular superior es la que tiene nulos todos los elementos por debajo de la
diagonal principal.
Matriz triangular inferior es la que tiene nulos todos los elementos por encima de la
diagonal principal.
Definicin:
Se llama matriz traspuesta de la matriz A M mn a la matriz A t M nm que se
obtiene al intercambiar cada fila con la correspondiente columna de A; es decir, a ijt = a ji , i, j =
1, 2, ...,n.
1 4
1 3 2
t
Ejemplo: La traspuesta de la matriz A=
M 23 es A = 3 0 M 32 .
4 0 5
2 5
Proposicin: Sea A una matriz cuadrada. Se verifica:

1) A es simtrica si y solo si A t = A .
1 3 1
1 3 1
t
Ejemplo: A = 3 2 2 es simtrica y A = 3 2 2 = A
1 2 0
1 2 0
2) A es antisimtrica si y solo si A t = A ; es decir, A=(aij) tal que aij=-aji

i, j = 1, , n . Obsrvese que aii=-aii a ii = 0 i = 1, , n
2 4
0
0 2 4
Ejemplo: A = 2
0 3 es antisimtrica y A t = 2 0
3 = -A
4 3 0
4 3 0
2.3.Operaciones con matrices
Vamos a designar abreviadamente por M mn al conjunto de todas las matrices de m

filas y n columnas cuyos elementos pertenecen al cuerpo conmutativo K. Definimos las
siguientes operaciones:
2.3.1.Suma de matrices
Para cualesquiera matrices A=(aij), B=(bij) M mn se define la suma de A y B y se

designa A+B como la matriz C=(cij) M mn tal que
cij=aij+bij i = 1,
La suma es una operacin interna en M mn
, m, j = 1,
,n
M m n M m n
M m n
(A, B)
y es fcil comprobar
que ( M mn , +) tiene estructura de grupo conmutativo o abeliano, es decir, se verifican las

propiedades:
1. Asociativa : A+(B+C)=(A+B)+C A, B , C M mn .
A=(aij), B=(bij), C=(cij) M mn puesto que A+(B+C)= (aij)+[(bij)+(cij)] =

= [ (aij)+(bij)]+(cij)=(A+B)+C, ya que se cumple la propiedad asociativa en K.
2. Elemento neutro: Es la matriz cuyos elementos son todos nulos, la designaremos por O:
A+O=O+A=A A M mn .
10
A=(aij) M mn y O=(0) es el elemento neutro, puesto que A+O=(aij)+(0)=(aij+0)=(0+

aij)=O+A=A.
3. Elemento simtrico: Es la matriz cuyos elementos son los opuestos respectivos a los de
la matriz dada. A M mn , designaremos por A M mn a su matriz opuesta: A+(-
A)=(-A)+A=O.
A=(aij) M mn y la matriz simtrica u opuesta de A, ser: -A=(-aij) M mn ya que
A+(-A)=(aij)+(-aij)=(aij-aij)=(0)=O
(-A)+A =(-aij)+(aij)= (-aij+aij)=(0) =O, ya que se cumple la propiedad de existencia de
elemento opuesto en K.
4. Conmutativa : A+B=B+A A, B M mn .
A=(aij), B=(bij) M mn , ahora A+B=(aij)+(bij)=(aij+bij)=( bij+aij)=B+A, como en los casos

anteriores son elementos de un cuerpo conmutativo K.
2.3.2.Producto por un escalar.
Para cualquier K y cualquier matriz A=(aij) M mn se define el producto
A como otra matriz D=(dij) M mn tal que dij= aij i = 1,
, m, j = 1,
,n
Este producto es una operacin externa
K M m n
M mn
(, A )
D
que verifica las
siguientes propiedades:
K y A, B M mn . ya que
5. Distributiva 1: (A+B)= A+ B
a ij + bij = a ij + bij i = 1,
, m, j = 1,
, n por ser , a ij , bij K.
6. Distributiva 2: ( + )A = A + A , K A M mn ya que
( + )a ij = a ij + a ij
i = 1,
, m, j = 1,
, n por ser a ij , , K .
7. Asociativa mixta : (A ) = ( )A , K A M mn ya que
(a ij ) = ()a ij i = 1,
, m, j = 1,
, n por ser a ij , , K .
8. El elemento unidad del cuerpo K verifica que : 1 A=A A M mn ya que
1 a ij = a ij i = 1,
, m, j = 1,
Estas 8 propiedades que posee el conjunto
, n por ser a ij K
(M mn ,+,) constituyen una nueva estructura
algebraica que recibe el nombre de espacio vectorial sobre el cuerpo conmutativo K, o

simplemente K-espacio vectorial. As diremos que:
11
(M mn ,+,) es el K-espacio vectorial del conjunto de matrices de dimensin

mn.
Usualmente K=R (conjunto de los nmeros reales).
Ejemplo:
5 1
2 1
Efectuar 3
4
6 0
1 3
2 1 5 1 6 3 20 4 14 1
=

=
4
3
1 3 6 0 3 9 24 0 27 9
2.3.3.Producto de matrices
Sean A = (a ik ) M mn y B = (b kj ) M np definimos el producto de A y B,
que designaremos AB, como otra matriz C=(cij) M mp tal que
n
c ij = a ik b kj =a i1 b1 j + a i 2 b 2 j +
k =1
+ a in b nj i = 1,
, m j = 1,
,p
Obviamente el producto de dos matrices cualesquiera no es posible en general.

1. Asociativa: Si A, B, C se pueden multiplicar, es decir, A M mn , B M np , C M pq ,
entonces se verifica (AB)C =A(BC).
A=(aik)mxn, B=(bkj)nxp, C=(cjl)pxq, as el elemento que ocupa el lugar (i,j) en la matriz AB es
n
a
k =1
ik
b kj y el elemento que ocupa el lugar (i,l) en la matriz (AB)C resulta
a ik b kj c jl . En el segundo miembro A(BC) el elemento genrico (i,l) es
j=1 k =1
ik b kj c jl que es igual al anterior porque se cumple la propiedad asociativa de

k =1
j=1
elementos de K.
n
2. Distributiva: Cuando sea posible efectuar las operaciones A(B+C) y (B+C)A, se verifica
A(B + C) = AB + AC
.
(B + C)A = BA + CA
12
Veamos la demostracin de A(B + C) = AB + AC . Sea A M mn , B,C M np , es

decir, A=(aik)mxn, B=(bkj)nxp, C=(ckj)nxp. Entonces:
n
n
n
n
A(B + C) = a ik (b kj + c kj ) = (a ik b kj + a ik c kj ) = (a ik b kj ) + (a ik c kj ) = AB + AC
k =1
k =1
k =1
k =1
3. A M mn , la matriz identidad Im verifica que ImA=A, y anlogamente la matriz

identidad In verifica que AIn =A.
Es fcil ver que:
a 11
a
AIn = 21
a
m1
a 12
a 22
...
a m2
... a 1n
... a 2 n
... a mn
0 ... 0 a 11

1 ... 0 a 21
=
...

0 ... 1 a m1
a 12
a 22
...
a m2
... a 1n
... a 2 n
=A
... a mn
4. El producto de dos matrices A y B no es conmutativo en general, pues si A M mn y

B M np siendo m p , entonces ni siquiera es posible efectuar BA.
Ejemplo:
Efectuar, cuando sean posibles las siguientes operaciones:
1

a) ( 3 2 1 2) 1 .

1
Solucin: No se puede efectuar la operacin por no estar definido dicho producto matricial (el
n de columnas de la 1 matriz es distinto al n de filas de la 2).
b) ( 2 1 0)(1 0 1)
Solucin: No se puede efectuar la operacin por no estar definido dicho producto matricial (el
n de columnas de la 1 matriz es distinto al n de filas de la 2).
1 1
1 0 1
c) Sean A =
y B=
. Calcular AB y BA.
2 1
3 1 0
13
4 1 1
Solucin: S es posible efectuar AB obtenindose AB =
, pero no es posible
1 1 2
efectuar BA porque el n de columnas de la matriz B es distinto al n de filas de la matriz A

0
2 1
1 2 3
d) Sean A = 1 0 1 y B = 1 1
1 . Calcular AB y BA.
1 2 1
0 1 1
Solucin: S es posible efectuar AB y BA obtenindose:

7 3 1
1 4 7
AB = 1 3 1 , y BA= 0 3 5 que son matrices distintas.

2 1 0
3 1 0
2.3.4.Propiedades de la matriz traspuesta

El operador traspuesta cumple las siguientes propiedades A, B M mn :
i)
(At)t=A .
En efecto: (At)t= ((a ij ) t ) = (a ji ) t = (a ij ) = A

t
ii)
(A+B)t=At+Bt .
Sea A = (a ij ) M mn y B = (b ij ) M mn , luego A t = (a ji ) M nm y
B t = (b ji ) M nm . Entonces:
(A+B)t= ((aij)+(bij))t=(aij+bij)t=(aji+bji)=(aji)+(bji)= At+Bt.
iii)
(kA)t=kAt
a 11

a
(kA)t= k 21

a
m1
k K.
a 12
a 22
...
a m2
... a 1n
... a 2 n
... a mn
ka 11
ka
= 21
ka
m1
ka 12
ka 22
...
ka m 2
... ka 1n
... ka 2 n
... ka mn
14
ka 11
ka
= 12
ka
1m
ka 21
ka 22
...
ka 2 m
ka n1
a 11
... ka n 2
a 12
=
k
a
... ka nm
1m
...
a 21
a 22
...
a 2m
... a n1
... a n 2
t
=kA .
... a nm
iv) (AB)t=BtAt.
Si A=(aik) M mn , B=(bkj) M np entonces
t
n
n
n
(AB) = a ik b kj = a ki b jk = b jk a ki = BtAt
k =1
k =1
k =1
2.3.5.Producto de matrices cuadradas

Designaremos por Mn, de ahora en adelante, al conjunto de las matrices cuadradas de
orden n cuyos elementos pertenecen al cuerpo conmutativo K.
El producto de matrices cuadradas de orden n siempre est definido y es una operacin
interna en Mn:
M n
Mn Mn
(A, B)
AB = C
c ij = a ik b kj = a i1 b1 j + a i 2 b 2 j +
k =1
tal que C=(cij) y
+ a in b nj i, j = 1,
,n
y verifica las siguientes propiedades:
1. Asociativa: (AB)C=A(BC)
A, B, C M n .
2. Elemento unidad: La matriz unidad de orden n In verifica InA=AIn=A A M n .

Por tanto, ( M n , ) es un semigrupo con elemento unidad. Adems se verifica la propiedad:
3. Distributiva
A(B + C) = AB + AC
A, B, C M n .
(B + C)A = BA + CA
Luego ( M n ,+, ) es un anillo con elemento unidad.

En el anillo anterior existen divisores de cero; puesto que el producto de dos matrices
distintas del elemento neutro de la adicin (matriz nula) es igual a la matriz dada.
a = 0
0 En R se verifica que si a,bR, y ab=0

. Sin embargo esto no sucede en Mn.
b = 0
15
0 1
0 1
0 1 0 1 0 0
y B=
se verifica que AB=

=
=O ,
0 Para A=
0 1
0 0
0 1 0 0 0 0
donde O es la matriz nula. Es decir, en el conjunto Mn de la igualdad AB=O no se puede
deducir, en general, que o bien A es la matriz nula, o bien B es la matriz nula.
Observacin
( M n , ) no tiene la propiedad del elemento inverso, pero hay matrices que s tienen
elemento inverso, entonces definimos:
2.3.6.Matriz inversa
Llamaremos matriz inversa de A M n , y designaremos A-1, a la matriz
cuadrada de orden n, que verifique que AA-1=A-1A= I n
Propiedades de la inversa
El operador inversa de una matriz verifica las siguientes propiedades A, B M n :
1. La inversa de una matriz, si existe, es nica.

2. Si A y B son inversibles, entonces AB es inversible y (AB)1 = B1A 1
( ) =A
Si A es inversible, entonces (A ) = (A )
3. Si A es inversible, entonces A 1
4.
t 1
1 t
Demostracin:
1. Sean A 1 y B sendas matrices inversas de la matriz A, entonces:
In
1
BA= I n BAA 1 = I n A 1 A = B
2. Demostremos la definicin de inversa (AB)1 AB = I n
(B
)AB = B
In
In
1
1 1
AA B = B B = I n (AB) = B A
1
3. Por definicin de inversa AA 1 = I n podemos decir que A-1 es la inversa de A y que A es
( )
1
la inversa de A-1, luego A
=A
4. Demostremos que A t (A 1 ) t = I . En efecto, A t (A 1 ) t = (A 1A ) t = I t = I . Por tanto
(A ) = (A )
t 1
1 t
16
2.3.7.Matrices por bloques

Definicin:
Dada A M mn se llama submatriz de A a cualquier matriz obtenida por
eliminacin de un cierto nmero de filas, o de columnas, o de ambas a la vez, en la
matriz A.
Para realizar ciertos clculos resulta conveniente, en algunas ocasiones, repartir los
elementos de una matriz A, mediante rectas verticales y horizontales, en submatrices que
denominaremos bloques, cajas o clulas de A.
1
Ejemplo: A =
0
0
0
1
3
7
A11

=
1
A 21
2
A11 = (1
A = (6
12
A12
0
siendo A 21 =
0
A 22
1
A 22 =
4)
7)
0
0
1
Las operaciones entre matrices por bloques se realizan anlogamente a las

operaciones entre matrices, con la nica condicin de que los bloques, submatrices, se puedan
operar entre s. As:
Para sumar dos matrices A y B equidimensionales, por bloques, es necesario
que:
i) Ambas estn divididas en el mismo n de bloques.

ii) Los bloques correspondientes sean equidimensionales
A11
Es decir, si A =
A
21
A11 + B11
A+B=
A + B
21
21
1 3
Ejemplo:
2 1
A12
A 22
A13
B11
y B=
B
A 23
21
A12 + B12
A 22 + B22
4 1 1 4
+
3 0 7 1
B12
B22
B13
B23
dim A11 = dim B11

A13 + B13
dim A = dim B
12
12
siendo
A 23 + B23
dim A 23 = dim B23
0 0 2 7
=
2 2 9 2
4 1
5 2
El producto de un escalar cualquiera K por una matriz A, por bloques, se

efecta multiplicando por cada bloque. Es decir,
17
A11
si A=
A
21
A12
A11
, entonces A=
A
A 22
21
A12
.
A 22
Para multiplicar dos matrices A y B, por bloques, es necesario que:

i) el n de bloques columna de la matriz A sea igual al n de bloques fila de la
matriz B.
ii) los bloques correspondientes puedan multiplicarse segn la regla general y esto
ocurre cuando coincidan el nmero de columnas de los bloques que determinan la
columna k en la matriz A (por bloques) y el nmero de filas de los bloques que
determinan la fila k de la matriz B (por bloques).
A11
Es decir, si A=
A
21
A11B11 + A12B21
AB=
A B + A B
22 21
21 11
A12
B11
, y B =
B
A 22
21
A11B12 + A12B22
A 21B12 + A 22B22
B12
B22
B13
, entonces
B23
A11B13 + A12B23
cuando sean posibles las

A 21B13 + A 22B23
operaciones indicadas para los bloques, es decir, n de columnas de la primera columna de

bloques de A: A11, A21=n de filas de la primera fila de bloques de B: B11, B12, B13 y
anlogamente para la 2 columna de bloques de A con la 2 fila de bloques de B.
Obsrvese que una vez hecha esta eleccin (n de bloques columna en A y n de
bloques fila en B multiplicables) podemos elegir arbitrariamente el n de bloques fila en A y
el n de bloques columna en B,
1 0 0
1 0 0 0
Ejemplo: Efectuar el producto de A y B, siendo A = 0 2 3 y B = 1 2 3 4

0 4 5
0 1 0 1
0 0
1
Si tomamos 2 bloques columna en A, por ejemplo A = 0

2 3 , entonces por i)
0
4 5
hemos de tomar 2 bloques fila en B, tales que por ii) el 1 bloque fila de B tenga una nica
1 0 0 0
. Ahora podemos elegir arbitrariamente el

fila y el 2 tenga dos filas B =
1 2 3 4
0 1 0 1
18
n de bloques fila en A y el n de bloques columna en B, por ejemplo. A=

0
B=
1
0 0
,
2 3
4 5
0 0 0
2 3 4
1 0 1
1
1+ 0
0 0 0) + (0 0 0)
(

AB=
=
0 2 0 0 0 1 6 11 2
0 + 4 0 0 0 + 3 12 21 4
0
1 0 0 0
= 2 1 6 11
1 6 11
4 3 12 21
3 12 21
0 0
Tambin podramos haber tomado dos bloques columna en B, por ejemplo

1
A=
0
0 0
1 0
y B=
1 2
2 3
4 5
0 1
(1 0) + (0 0) ( 0
AB=
0 0 2 1 0
0 0 + 4 3 0
0 0
3 4
0 1
1 0
0) + ( 0 0)

=
0 6 11 2 1
0 12 21 4 3
0
1 0 0 0
= 2 1 6 11 .
6 11
4 3 12 21
12 21
0
Observacin
Como consecuencia del clculo del producto de matrices por bloques, se puede hallar
la inversa de una matriz por bloques aplicando la propiedad de elemento inverso, mediante la
resolucin de un sistema de ecuaciones matricial, siempre que conozcamos la inversa de
algn bloque.
1 0 0
Ejemplo: Hallar la inversa de la matriz A = 0 2 3

0 4 5
19
Consideramos la matriz A dividida en los bloques A =

0
0 0
A11

=
2 3
A 21
4 5
A12
, es
A 22
0
2 3
, y designamos
decir {A11 = (1), A12 = (0 0 ), A 22 = , A 23 =
0
4
5

A 1
B11
=
B
21
A11
A
21
A12
A 22
B12
-1
, entonces por definicin de matriz inversa: AA =In
B 22
B11
B
21
1
B12

=
0
B 22
0
0 0
y por ser inversibles A11 y A22:

1 0
0 1
1B11 = 1 B11 = 1
A11B11 + A12 B 21 = 1 = I1
1B = (0 0) B = (0 0)
A B + A B = (0 0) = O
12
12
11
12
12
22
1
2 3
0
2 3 0 0
B 21 = B 21 =
= .

A 21B11 + A 22 B 21 = = O
4
5
0
4
5
0
0 0
1
1 0
A B = 1 0 = I B = 2 3 1 0
A 21B12 + A 22 B 22 =
= I 2
21

22 22 0 1 2
0 1
4 5 0 1
1
A11
= 11 = 1
Sabiendo que 1 2 3 1 5
=
A 22 =
2
4 5
3 Luego A 1
2
1
=
0
0
5
2
2
3
2
1
2.4.Expresin matricial de un sistema lineal

a 11 x 1 + a 12 x 2 + ... + a 1n x n = b1
a x + a x + ... + a x = b
22 2
2n n
2
Dado el sistema lineal 21 1
, se llama matriz de los
...
a m1 x 1 + a m 2 x 2 + ... + a mn x n = b m
a 11
a
coeficientes matriz del sistema a la siguiente matriz: A = 21
a
m1
a 12
a 22
...
a m2
... a 1n
... a 2 n
.
... a mn
20
b1

b
La matriz de los trminos independientes es: B = 2 .
...

b
m
a 11
a
La matriz ampliada del sistema es: A = 21
a
m1
a 12
a 22
a m2
... a 1n
... a 2 n
...
... a mn
b1
b2
.
...
bm
x1

x
Por ltimo, la matriz de las incgnitas es: X = 2 .
...

x
n
Con esta notacin, tal como se ha definido el producto de matrices, el sistema de partida
puede escribirse en la forma:
AX = B
x+ y+ z =6
Ejemplo: El sistema 2 x y + 3z = 9 puede tambin escribirse en forma matricial:

3x + 2 y z = 4
1 x 6
1 1

2 1 3 y = 9 .
3 2 1 z 4

x
2 3 - 4 7
y =
1 - 2 - 5 z 3

Todo sistema homogneo SH se escribe, en forma matricial, como AX=O
dnde A es la matriz de los coeficientes, X la matriz columna de las incgnitas y O la
matriz columna nula correspondiente.
2 x + 3 y 4 z = 7
Ejemplo: El sistema S
en forma matricial
x 2 y 5z = 3
2 x + 3 y 4 z = 0
Ejemplo: El sistema S
x 2 y 5z = 0
x
2 3 - 4 0
y =
1 - 2 - 5 z 0

21
3.Determinante de una matriz cuadrada

3.1. Determinante de una matriz cuadrada de orden 2.
a12 x1 b1
a x + a x = b1
a
= de dos ecuaciones con
11
Dado el sistema 11 1 12 2
a 21 a 22 x 2 b 2
a 21x1 + a 22 x 2 = b 2
dos incgnitas, bajo qu condiciones tiene solucin nica?
Multiplicando la primera y la segunda ecuacin por a21 y a11, respectivamente, y

restando luego de la segunda ecuacin la primera, se obtiene:
(a 11a 22 a 12 a 21 ) x 2 = a 11 b 2 a 21 b1
Si (a 11a 22 a 12 a 21 ) 0 , entonces x 2 =
a 11 b 2 a 21 b1
.
a 11a 22 a 12 a 21
Anlogamente, multiplicando la primera y la segunda ecuacin por a22 y a12,

respectivamente, y restando luego de la segunda ecuacin la primera, se obtiene:
(a 11a 22 a 12 a 21 ) x 1 = a 22 b1 a 12 b 2
Si (a 11a 22 a 12 a 21 ) 0 , entonces x 1 =
a 22 b1 a 12 b 2
.
a 11a 22 a 12 a 21
Parece que es decisivo el que no se anule la expresin a 11a 22 a 12 a 21 para que el

sistema planteado tenga solucin nica.
Definicin:
a 12
M 2 (K ) es el escalar a 11a 22 a 12 a 21 ;
a 22
a
El determinante de la matriz A = 11
a 21
a
se escribe as: A = Det 11
a 21
a 12 a 11
=
a 22 a 21
a 12
= a 11a 22 a 12 a 21 .
a 22
Con esta notacin, el sistema planteado anteriormente tiene solucin nica si y

slo si el determinante de la matriz de los coeficientes
= a 11a 22 a 12 a 21 0 y la solucin es:
x1 =
b1
a 12
b2
a2
A
, x2 =
a 11
b1
a 12
b2
A
A =
a 11
a 12
a 21
a 22
22
M 2 K
Queda entonces definida la aplicacin
A
A

Del mismo modo, efectuando sencillas operaciones con las ecuaciones del sistema
a 11 x 1 + a 12 x 2 + a 13 x 3 = b1
a 21 x 1 + a 22 x 2 + a 23 x 3 = b 2 , puede comprobarse que dicho sistema tiene solucin nica si y

a x + a x + a x = b
32 2
33 3
3
31 1
solo si a 11
a 22
a 32
a 23
a
a 12 21
a 33
a 31
a 23
a
+ a 13 21
a 33
a 31
a 22
0.
a 32
Esto nos lleva al concepto de determinante de una matriz de orden tres:

Definicin:
a 11
El determinante de la matriz A = a 21
a
31
a 11
a 22
a 32
a 23
a
a 12 21
a 33
a 31
a 11
A = Det a 21
a
31
a 23
a
+ a 13 21
a 33
a 31
a 12
a 22
a 32
a 12
a 22
a 32
a 13
a 23 M 3 (K ) es el escalar:
a 33
a 22
; se escribe:
a 32
a 13 a 11
a 23 = a 21
a 33 a 31
a 12
a 13
a 22
a 32
a 23 .
a 33
La expresin que nos da la definicin se llama desarrollo del determinante por la

primera fila. Sustituyendo los determinantes de orden dos que aparecen en la misma por sus
respectivos desarrollos, queda:
a 11
a 21
a 12
a 22
a 13
a 23 = a 11a 22 a 33 a 11a 23 a 32 a 12 a 21a 33 + a 12 a 23 a 32 + a 13 a 21a 32 a 13 a 22 a 31 =
a 31
a 32
a 33
= a 11a 22 a 33 + a 12 a 23 a 32 + a 13 a 21a 32 a 13 a 22 a 31 a 12 a 21a 33 a 11a 23 a 32
Esta nueva forma de expresar el determinante de una matriz de orden tres se llama:
Regla de Sarrus para el clculo de un determinante.
23
Regla de Sarrus
El escalar A tambin puede obtenerse mediante la suma de los productos de los
elementos de la diagonal principal y sus dos paralelas menos la suma de los productos de los
elementos de la diagonal secundaria y sus dos paralelas, en la siguiente matriz obtenida al
aadir a la matriz A las dos primeras filas
a 11 a 11 a 11
a 21 a 21 a 21
a 31 a 31 a 31
a 11 a 11 a 11
a 21 a 21 a 21
Queda entonces definida la aplicacin
M 3 K
A
A
Con esta notacin, el ltimo sistema planteado tiene solucin nica si y solo si el
a 11
a 12
a 13
determinante de la matriz de los coeficientes A = a 21

a 31
a 22
a 32
a 23 0 y la solucin es
a 33
x1 =
b1
a 12
a 13
a 11
b1
a 13
a 11
a 12
b1
b2
a 22
a 23
a 21
b2
a 23
a 21
a 22
b2
b3
a 32
a 33
a 31
b3
a 33
a 31
a 32
b3
, x2 =
, x3 =
3.3. Propiedades de los determinantes de segundo y tercer orden:

1) El determinante de la traspuesta de A es igual al determinante de A, A t = A
a 11
a 21
a 12
a 22
a 11
a 21
a 31
A = a 12
a 22
a 32 = a 11
a 13
a 23
a 33
At =
= a 11a 22 a 12 a 21 =
a 22
a 32
a 23
a 33
a 11
a 12
a 21
a 22
a 21
= A y para A M 3 (K )
a 12
a 32
a 13
a 33
+ a 31
a 12
a 22
a 13
a 23
= a 11a 22 a 33 a 11a 23 a 32 a 12 a 21a 33 + a 12 a 23 a 32 + a 13 a 21a 32 a 13 a 22 a 31 =

a 11
a 22
a 23
a 32
a 33
a 12
a 21
a 23
a 31
a 33
+ a 13
a 21
a 22
a 31
a 32
a 11
a 12
a 13
= a 21
a 22
a 23 = A
a 31
a 32
a 33
24
2) Si una lnea est formada exclusivamente por ceros, el determinante es cero.

A =
a 21
a 22
= 0 y en el otro caso A = a 21
a 31
a 22
a 32
0
a 23 = 0 por Sarrus.
a 33
3) Al intercambiar entre s dos lneas paralelas, el determinante cambia de signo.

Si intercambiamos la 1 fila con la 2, entonces:
a
a 22
= (a 11a 22 a 12 a 21 ) = 11
a 21
a 12
a 21
a 11
a 12
= A
a 22
y para A M 3 (K ) si intercambiamos la 2 fila con la 3, entonces:

a11 a12 a13
a 31 a 32 a 33 = a11
a 21 a 22 a 23
a11
a 22
a 23
a 32
a 33
a 32
a 22
+ a12
a 33
a
a
a
a
a12 31 33 + a13 31 32
a 23
a 21 a 23
a 21 a 22
a 21 a 23
a 31 a 33
a13
a 21 a 22
a 31 a 32
prop. 3
det. orden2
= A
Si intercambiamos la 1 fila con alguna de las otras dos la demostracin se realiza

directamente calculando los determinantes.
Para columnas tambin se cumple por la propiedad primera.
4) Un determinante que tenga dos lneas paralelas iguales, es cero.
Si intercambiamos las dos lneas de lugar, entonces aplicando la propiedad 3 se
obtiene A = A A = 0 .
5) Si A se obtiene a partir de A multiplicando una fila de A por un nmero k, entonces
A' = k A .
ka 11
a 21
ka 12
a
= ka 11a 22 ka 12 a 21 = k (a 11a 22 a 12 a 21 ) = 11
a 22
a 21
ka 11 ka 12 ka 13
a
a 21 a 22 a 23 = ka 11 22
a 32
a 31 a 32 a 33
a
k a 11 22
a 32
a 23
a
a 12 21
a 33
a 31
a 23
a 33
ka 12
a 21
a 23
a 31
a 33
a 23
a
+ a 13 21
a 33
a 31
a 22
a 32
+ ka 13
a 12
y para la matriz de orden 3:
a 22
a 21
a 22
a 31
a 32
=kA
6) Si un determinante tiene dos lneas paralelas proporcionales, el determinante es cero.

Por la propiedad anterior sacando el valor de proporcionalidad resulta la propiedad 4)
y su determinante es cero.
25
7) Si en un determinante los elementos de una lnea son suma de dos sumandos, dicho
determinante es igual a la suma de dos determinantes, uno de ellos con esa lnea formada por
los primeros sumandos y el resto de las lneas como las del determinante original, y el otro
determinante anlogo a ste, pero con los segundos sumandos en vez de los primeros.
Para el caso de orden dos y de la primera fila, por ejemplo, esta propiedad se
expresara as:
a 11 + a '11
a 12 + a '12
a 21
a 22
a 11 + a '11
a 12 + a '12
a 21
a 22
a 11
a 12
a 21
a 22
a '11
a '12
a 21
a 22
= (a 11 + a '11 )a 22 (a 12 + a '12 )a 21 =
y su comprobacin es inmediata,
a 11
a 12
a 21
a 22
a '11
a '12
a 21
a 22
a 11 + a '11 a 12 + a '12 a 13 + a '13
Anlogamente,
= (a 11 + a '11 )
= a11
a 22
a 32
a 22
a 23
a 32
a 33
a 21
a 22
a 23
a 31
a 32
a 33
(a 12 + a '12 )
a 21
a 23
a 31
a 33
+ (a 13 + a '13 )
a 23
a
a
a
a
a
a12 21 23 + a13 21 22 + a '11 22
a 33
a 32
a 31 a 33
a 31 a 32
a11 a12 a13
=
a 21
a 22
a 31
a 32
a 23
a
a
a
a
a '12 21 23 + a'13 21 22
a 33
a 31 a 33
a 31 a 32
a '11 a '12 a'13
= a 21 a 22 a 23 + a 21 a 22 a 23
a 31 a 32 a 33 a 31 a 32 a 33
La demostracin para cualquier otra fila es inmediata, o bien desarrollando los
determinantes.
8) Si una lnea es combinacin lineal de otras lneas paralelas, entonces, el determinante es
cero.
Si la primera fila de una matriz cuadrada resulta ser una combinacin de las otras dos,
es decir, f 1 = f 2 + f 3 ; por las propiedades 7) y 6) resulta que su determinante es cero.
a 21 + a 31 a 22 + a 32 a 23 + a 33
a 21
a 22
a 23
a 31
a 32
a 33
a 21 a 22 a 23
=
prop.7 )
a 31 a 32 a 33
a 21 a 22 a 23 + a 21 a 22 a 23
a 31 a 32 a 33
a 31 a 32 a 33
= 0+0=0.
prop.6 )
9) Si a una lnea se le suma una combinacin lineal de otras lneas paralelas, entonces el
determinante no vara.
Por la propiedad anterior, equivale a suma cero. Veamos la primera fila ms una
combinacin lineal de las restantes f 1 + f 2 + f 3 , entonces:
26
a 11 + a 21 + a 31 a 12 + a 22 + a 32 a 13 + a 23 + a 33
a 21
a 31
a 22
a 32
a 23
a 33
prop.8 )
a 11
a 12
a 13
a 21
a 31
a 22
a 32
a 23 +
a 33
a 21 + a 31 a 22 + a 32 a 23 + a 33
a 21
a 22
a 23
a 31
a 32
a 33
Antes de enunciar el resto de las propiedades, necesitamos introducir algunos

conceptos nuevos:
Definicin:
Si A = (a ij ) M 3 (K ) , se llama menor complementario del elemento aij, y se le
denota por ij, al determinante de la submatriz de orden dos de A que se obtiene eliminando la
fila i y la columna j.
Definicin:
El adjunto del elemento aij es ij , si i+j es par, bien, - ij, si i+j es impar; se le
denota por Aij; por tanto, A ij = (-1) i + j ij .

Ejemplo:
Hallar 23 , menor complementario y el adjunto A23 del elemento a23 de la matriz

1 2 3
A= 4 1 4 .
1 0 1
Solucin : 23 =
1 2
1 2
=-2 y A23= (1) 2+3
=2.
1 0
1 0
Definicin:
De acuerdo con la regla de Sarrus y con las definiciones anteriores, si A M 3 (K ) ,
puede definirse el determinante de A como la suma de los productos de los elementos de

primera fila de A por sus correspondientes adjuntos; es decir, A = a 11A11 + a 12 A12 + a 13 A13 .
27
3.4. Determinante de una matriz cuadrada de orden n

Definicin:
Si A M 4 (K ) , se llama determinante de A, y se denota por Det(A) bien por A , a

la suma de los productos de los elementos de la primera fila por sus correspondientes
adjuntos; es decir:
A =
a 11
a 21
a 12
a 22
a 13
a 23
a 14
a 24
a 31
a 32
a 33
a 34
a 41
a 42
a 43
a 44
= a 11A11 + a 12 A12 + a 13 A13 + a 14 A14
a 22
a 23
a 24
a 21
a 23
a 24
a 21
a 22
a 24
a 21
a 22
a 23
= a 11 a 32
a 33
a 34 a 12 a 31
a 33
a 34 + a 13 a 31
a 32
a 34 a 14 a 31
a 32
a 33 .
a 42
a 43
a 44
a 43
a 44
a 42
a 44
a 42
a 43
a 41
a 41
a 41
Definicin general:
Si A M n (K ) , se define el determinante de A, y se denota como antes, a la suma de
los productos de los elementos de la primera fila de A por sus correspondientes adjuntos (que
sern determinantes de orden n-1).
3.5. Propiedades de los determinantes de orden n
Para demostrar estas propiedades utilizaremos el mtodo de induccin: que consisten
en probar la propiedad para los primeros nmeros naturales, 1, 2, 3 y suponer que la
propiedad es cierta para un cierto nmero natural n-1 y demostrar que se cumple para el
siguiente nmero natural n. Las propiedades han sido demostradas para n=2 y n=3 en los
anteriores apartados.
1) Si una matriz cuadrada tiene una fila de ceros, su determinante es cero.
Es evidente cuando la fila de ceros es la primera y en otro caso el desarrollo por adjuntos
de la matriz cuadrada de orden n, nos lleva a que todos los adjuntos de orden n-1 tienen
una fila ceros y por la hiptesis de induccin son todos nulos.
2) Al intercambiar entre s dos lneas paralelas, el determinante cambia de signo.
Supongamos que las dos filas que se intercambian son consecutivas. Sea B la matriz que se
a 11
a
ha obtenido de A intercambiando las filas i e i+1: B = i +11
a
i1
a
n1
a 1n
.. a i +1n
se tiene que
.. a in
.. a nn
..
28
B = a 1 j B1 j donde cada adjunto B1j es una matriz cuadrada de orden n-1 con dos filas
j=1
intercambiadas con respecto a A1j y por hiptesis Bij=-Aij sustituyendo en la igualdad

n
j=1
j=1
anterior, B = a 1 j B1 j = a 1 j (A 1 j ) = A
a 11
a i + k1
Si se intercambian las filas i e i+k: B = ...
a i1
a
n1
.. a 1n
.. a i + kn
fila i
...
esta matriz se puede
.. a in
fila i + k
.. a nn
conseguir realizando 2k-1 intercambios de filas consecutivas; puesto que la fila i+k
necesita k cambios hasta llegar a ocupar la fila i y la fila i queda en la posicin de la fila
i+1 y necesita k-1 intercambios para quedar como indica B en total k+k-1=2k-1. Cada uno
de estos intercambios cambia de signo el determinante y 2k-1 es impar, luego
B = (1) 2 k 1 A = A
3) Un determinante que tenga dos filas iguales, es cero.

Intercambiando entre s las dos filas idnticas por la propiedad anterior cambia de signo su
determinante y por tanto A = A A = 0 .
4) Si A se obtiene a partir de A multiplicando una fila de A por un nmero k, entonces

A' = k A .
ka 11
a 21
.
Si la fila escogida es la primera A' =
.
.
a
n1
se tiene que:
ka 12
a 22
.
.
.
a n2
. . . ka 1n
. . . a 2n
. . .
.
. . .
.
. . .
.
. . . a nn
A' = ka 11 A 11 + ka 12 A 12 + ... + ka 1n A 1n = k (a 11 A 11 + a 12 A 12 + ... + a 1n A 1n ) = k A . Cuando
la fila multiplicada no es la primera los adjuntos (determinantes de orden n-1) tienen una
fila multiplicada por k y por la hiptesis de induccin quedan multiplicados por k y se
cumple la propiedad.
5) Si un determinante tiene dos filas proporcionales, el determinante es cero.
29
Por la propiedad anterior sacando el valor de proporcionalidad resulta la matriz con dos
filas iguales y su determinante es cero.
6) Si en un determinante los elementos de una fila son suma de dos sumandos, dicho
determinante es igual a la suma de dos determinantes, uno de ellos con esa fila formada
por los primeros sumandos y el resto de las filas como las del determinante original, y el
otro determinante anlogo a ste, pero con los segundos sumandos en vez de los primeros.
a 11
a 21
.
C=
a i1 + b i1
a 11
a 21
.
+
b i1
.
a n1
a 12
a 22
.
a i2 + bi2
a n1
a n2
a 12
a 22
.
bi2
.
a n2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a 11
a 1n
a 21
a 2n
.
.
=
a i1
. . . a in + b in
.
. . .
.
a n1
. . .
a nn
a 12
a 22
. . .
. . .
. . .
. . . a 1n
. . . a 2n
. . . .
+
. . . a in
a i2
.
. . . .
. . . a nn
a n2
a 1n
a 2n
.
= A + B para todo i=1,2,...,n
b in
.
a nn
Tenemos C = a 11C11 + a 12 C12 + ... + a 1n C1n donde cada adjunto C1k es una matriz de orden
n-1 con una fila que es suma y se puede escribir Cik=Aik+Bik como suma de adjuntos de la
matriz A y de la matriz B. Sustituyendo este resultado en la igualdad anterior
C = a 11 (A 11 + B11 ) + a 12 (A 12 + B12 ) + ... + a 1n (A 1n + B1n ) =
= a 11 A11 + a 12 A 12 + ... + a 1n A 1n + a 11 B11 + a 12 B12 + ... + a 1n B1n = A + B
7) Si una fila es combinacin lineal de otras filas, entonces, el determinante es cero.

Si la primera fila de una matriz cuadrada resulta ser una combinacin de las otras dos, es
decir, f 1 = f 2 + f 3 ; por las propiedades 5) y 6) resulta que su determinante es cero.
a 21 + a 31
a 22 + a 32
. . . a 2 n + a 3n
a 21
a 22
. . . a 2 n
a 21
a 22
. . .
a 2n
a 21
a 22
. . .
a 2n
a 31
.
a 32
.
. . .
. . .
a 3n
.
a 31
.
a 32
.
. . .
. . .
a 3n
+
.
. . .
. . .
a n1
a n2
. . .
a nn
a n1
a n2
. . .
a nn
30
a 31
a 32
. . . a 3n
a 21
a 22
. . .
a 2n
a 31
a 32
. . .
a 3n
. . .
. . .
a n1
a n2
. . .
a nn
= 0 . En el caso de que la fila primera no fuera combinacin
lineal de las siguientes y si lo fuera la fila i se intercambian entre si aunque el

determinante cambia de signo (propiedad 3) resultando por supuesto cero.
8) Si a una fila se le suma una combinacin lineal de otras filas, entonces el determinante no
vara.
Si multiplicamos la fila i de la matriz cuadrada A por k y se suma a la fila k para obtener B
por las propiedades 4) y 6) el determinante no vara.
a 11 + ka 21
a 12 + ka 22
a 21
A =
. . . a 1n + ka 2 n
ka 21
ka 22
. . . ka 2 n
a 22
. . .
a 2n
a 21
a 22
. . .
a 2n
. . .
. . .
. . .
. . .
. . .
. . .
a n1
a n2
. . .
a nn
a n1
a n2
. . .
a nn
= A+
El segundo determinante es nulo por la propiedad 5)

9) El determinante de la matriz cuadrada A es igual cualquiera que sea la fila que se
tome para su desarrollo.
n
Segn la definicin: A = a 11 A 11 + a 12 A 12 + ... + a 1n A 1n = a 1 j A 1 j . Si desarrollamos por la

j= 0
segunda
fila
segn
la
definicin
tendramos,
a 21
a 22
. . . a 2n
a 12
a 12
. . . a 1n
a 11
a 12
. . . a 1n
a 21
a 22
. . . a 2n
.
.
.
.
. . .
. . .
.
.
.
.
.
.
. . .
. . .
.
= A
.
. . .
. . .
a n1
a n2
a n1
a n2
. . . a nn
prop 2
B = a 21 B 21 + a 22 B 22 + ... + a 2 n B 2 n
y puesto que los adjuntos
. . . a nn
n
j= 0
j= 0
j= 0
cambian de signo B1 j = A 2 j , luego A = a 2 j A 2 j = a 1 j (A 1 j ) = a 1 j A 1 j .
31
Si ahora intercambiamos la segunda y la tercera fila, el determinante cambia de signo y los

adjuntos tambin, luego tendremos una frmula para desarrollar el determinante por cualquier
n
fila: A = a ij A ij para i=1,...,n.

j= 0
10) El determinante de la traspuesta de A es igual al determinante de A, A t = A

Suponemos que el resultado es cierto para matrices de orden n-1 y en la matriz de orden n:
a 11
a 12
.
At =
.
.
a
1n
a 21
a 22
.
.
.
a 2n
. . . a n1
. . . a n2
. . . .
= B y desarrollando el determinante por la primera fila
. . . .
. . . .
. . . a nn
n
A t = a 11 B11 + a 21 B12 + ... + a n1 B1n = a j1 B1 j
utilizando
la
hiptesis
de
induccin,
j= 0
j= 0
j= 0
B1 j = A 1t j = A ji , que resulta A t = a j1 B1 j = a j1 A j1 = A .
A partir de este resultado, en todas las propiedades anteriores se puede sustituir la palabra fila
por la palabra columna.
Observacin
Las propiedades 2, 4 y 6 se resumen diciendo que la aplicacin determinante
M n K
A
A
es una forma n-lineal alternada.
Teorema. Desarrollo de un determinante por los elementos de una lnea.

Para cada matriz A M n , se verifica:
i) A = a i1Ai1 + a i2Ai2 +
+ a in Ain , desarrollo del determinante de A por los
elementos de la fila i-sima.

ii) A = a1jA1j + a 2jA 2j +
+ a njA nj , desarrollo del determinante de A por los
elementos de la columna j-sima.
32
Demostracin:
Demostremos, en primer lugar, el apartado i) :
a11 a12
A = a i1 a i 2
a n1 a n 2
a1n
a i1 a i 2
a in
a in = a11 a12
a1n =
a nn
a nn
1 i
a n1 a n 2
Def .
a 22 a 23 a 2n
a 21 a 22 a 2n 1
a i1 (1) 2 a12 a13 a1n + + a in (1)1+ n a11 a12 a1n 1

=
subiendo la fila i -1 hasta la 1

ndola sucesivamente
intercambi
con la inmediata anterior
a n 2 a n 3 a nn
a n1 a n 2 a nn 1
a12 a13
a1n
a11 a12
a1n 1
a
a
a i 1n
a
a
a i 1n 1
2
i 2 i 12 i 13
1+ n
i 2 i 11 i 12
=
a i1 ( 1) ( 1)
+ + a in ( 1) (1)
a i +12 a i +13
a i +1n
a i +11 a i +12
a i +1n 1
a n 2 a n3
a nn
a n1 a n 2
a nn 1
a i1 (1) 2+i 2 i1 +
+ a in (1)1+ n +i 2 in = a i1 (1) i +1 i1 +
A = a i1A i1 + a i2A i2 +
+ a in (1) i + n in
+ a in Ain .
ii) Como A t = A , si aplicamos el desarrollo por la fila j-sima a A t el resultado es igual al

desarrollo por la columna j-sima de A , como queramos demostrar.
Corolario
El desarrollo formado por los elementos de una lnea, tomando como adjuntos
los de una paralela a la misma es el cero de K.
Demostracin:
Consideramos el desarrollo por los elementos de la fila i de la matriz A M n tomando
como adjuntos, por ejemplo, los de la 1 fila. Entonces:
a 22
a i1A11 + a i2 A12 +
+ a in A1n = a i1 (1)1+1 a i 2
an2
a 2n
a in +
a 21
+ a in (1)1+ n a i1
a nn
a n1
a 2 n 1
a in 1 =
def
a nn 1
33
a i1 a i 2
a in
a i1 a i 2
a in
a n1 a n 2
a nn
fila1 = fila i
0.
Anlogamente se demuestra tomando como adjuntos los de cualquier otra fila distinta de la
fila i-sima.
Ejemplo:
2
1
Calcular el determinante
3
4
2
1
Solucin:
3
4
1 3
2 1
2 1 1
2 1 2
1
2 1
2 1 1
2 1 2
2
1
3
=
11 5 1
desarrollando
por la 2 columna
2
5
4
0
1
1 1
2
1
fila 3 2 fila 2 1
0 5 1
4 2 1
2
=
2 1 3
=
1 0 3
2 fila + 5 fila 1
2 5 4
1
1 1 2
=
fila 4 +2 fila 2 1 0
5 1
2 0 5
4
=
2 1 3
=
1 0 3 =
3 fila -5 fila 1
8 0 11
desarrollando
por la 2 columna
1
3
=
8 11
-(-11+24)= -13.
Ejercicio.
a2
a3
1 b b2
1 c c2
1 d d2
b3
c3
d3
1 a
Calcular el determinante denominado de Vandermonde D=
34
Solucin:
a
a2
0 b a b2 a 2
D =
2 1 0 c a c 2 a 2
3 1
4 1 0 d a d 2 a 2
a3
1
a
b3 a 3 0 b a
=
c3 a 3 0 c a
d3 a 3 0 d a
0 1
=
a3
(b a ) b 2 + ab + a 2
(c a ) c 2 + ac + a 2
(d a ) d 2 + ad + a 2
(
(
(
(b a )(b + a )
(c a )(c + a )
(d a )(d + a )
1 a
0 1
= (b a )(c a )(d a )
4 prop. det .
0 1
desarrollo por la 1 columna
a2
a2
(b + a )
(c + a )
a3
b 2 + ab + a 2
c 2 + ac + a 2
(
(
(d + a ) (d
+ ad + a 2
)
)
)
1 b+a
b 2 + ab + a 2
c+a
c 2 + ac + a 2
(b a )(c a )(d a )1
)
)
)
1 d + a d 2 + ad + a 2
b 2 + ab + a 2
1 b+a
= (b a )(c a )(d a ) 0 c b c 2 b 2 + a (c b )
0 d b d 2 b 2 + a (d b )
2 1
3 1
1 b+a
=(b a )(c a )(d a ) 0 c b
0 db
(d b )(d + b + a )
1 b + a b 2 + ab + a 2
(b a )(c a )(d a )(c b )(d b ) 0 1
(c + b + a )
4 prop. det .
0
=
desarrollo por la 1 columna
2 1
a
b
c
d
a2
b2
c2
d2
(d + b + a )
1 c+b+a
1 d+b+a
(b a )(c a )(d a )(c b )(d b )
= (b a )(c a )(d a )(c b )(d b )

1
1
1
1
b 2 + ab + a 2
(c b )(c + b + a )
1 c+b+a
= (b a )(c a )(d a )(c b )(d b )(d c )
0
d c def
a3
b3
= (b a )(c a )(d a )(c b )(d b )(d c )
c3
d3
4.Matriz inversa de una matriz cuadrada

Definicin:
Sea A M n (K ) . Llamamos matriz inversa de A a una matriz A 1 M n (K ) tal que
A A 1 = A 1 A = I n , siempre que dicha matriz exista.
35
Definicin:
Se dice que una matriz A M n (K ) es:
1) Inversible si existe A 1 .
2) Regular cuando A 0 .
3) Singular cuando A = 0 .
Proposicin (Caracterizacin de las matrices inversibles)
Sea A M n (K ) . Si A 0 , entonces A es inversible y A 1 =
1
(Adj A) t , siendo Adj
A
A la matriz adjunta de A que se obtiene, a partir de A, sustituyendo cada elemento por su

adjunto correspondiente.
Demostracin:
a 11
a
Siendo A = 21
a
n1
a 12
a 22
...
a n2
A11
A
Por tanto, (Adj A) t = 12
A
1n
... a 1n
A11
... a 2 n
A 21
, entonces Adj A =
A
... a nn
n1
A 21
A 22
...
A 2n
A 12
A 22
...
An2
... A1n
... A 2 n
.
... A nn
... A n1
... A n 2
;
... A nn
A n1
A
An2
...
A .
A nn
...
A
Por otra parte, aplicando el resultado del ltimo teorema de los determinantes, se tiene:
A11
A
A12
1
t
luego:
(Adj A) = A
A1n
A 21
A
A 22
A
...
A 2n
A
...
36
A
A
A
A
A
A
a 11 11 + a 12 12 + ... + a 1n 1n ... a 11 n1 + a 12 n 2 + ... + a 1n nn

A
A
A
A
A
A
1
t
A( (Adj A) ) =
...
...
...
A
A1n
A n1
An2
A
A11
A12
+ a n2
+ ... + a nn
... a n1
+ a n2
+ ... + a nn nn
a n1
A
A
A
A
A
A
a 11 A n1 + a 12 A n 2 + ... + a 1n A nn
a 11 A11 + a 12 A12 + ... + a 1n A1n
...
1 ... 0
A
A
= ... = I n
=
...
...
...
a n1A11 + a n 2 A12 + ... + a nn A1n
a n1 A n1 + a n 2 A n 2 + ... + a nn A nn
...
0 ... 1
A
A
4.1. Matrices Elementales.

Definicin:
Una matriz elemental es la que se obtiene efectuando operaciones elementales en las
filas de la matriz unidad. Estas operaciones elementales son:
(1) Intercambiar entre s las filas i y j.
(2) Multiplicar la fila i por un escalar no nulo.
(3) Sumar a la fila i, la fila j multiplicada por un escalar no nulo.
Denotaremos por
i
j
1
0
I(i,j)=
0
1
I( i)= 0
0 i
0 j
0 i
37
I(i+j) =
0
0 i
las matrices elementales que se obtienen al aplicar a la matriz unidad las operaciones
elementales (1), (2) y (3), respectivamente.
Nota: Las operaciones elementales entre las columnas de una matriz A M n , se pueden
expresar de manera anloga, como producto, a la derecha de A, por matrices elementales, las
cuales se obtienen aplicando a la matriz identidad In la operacin elemental correspondiente.
Proposicin:
Se verifican los dos siguientes resultados:
1) Las matrices elementales son inversibles.
2) La inversa de una matriz elemental es tambin una matriz elemental.
Demostracin:
1) Es inmediato ya que I(i, j) = 1 0 , I(i) = 0 y I(i + j) = 1 0 .
2) Fcilmente se comprueba que:
1
(I(i, j)) 1 = I(i, j) , (I(i)) 1 = I( i) , (I(i + j)) 1 = I(i j) .
Proposicin:
Efectuar una operacin elemental en las filas de una matriz A equivale a efectuar dicha
transformacin en las filas de la matriz unidad de orden correspondiente y despus
multiplicarla por A por la izquierda.
Demostracin:
El resultado se basa en el hecho ms general de que si X e Y son matrices que pueden
multiplicarse, la fila i del producto XY coincide con el producto de la fila i de X por Y, por lo
que el efecto producido al aplicar una operacin elemental sobre las filas de la matriz X y
multiplicar luego por Y, es el mismo que si efectuamos la misma operacin elemental sobre
las filas de XY.
Si tomamos X = I e Y = A, se sigue ya la tesis de la proposicin.
38
Otros resultados relativos a matrices elementales

1) Toda matriz A M n se puede reducir a una matriz triangular mediante producto por
matrices elementales.
Mediante operaciones elementales (producto por matrices elementales) siempre
podemos transformar A en una matriz triangular (mtodo de Gauss para resolucin de
sistemas).
2) Si A es inversible. Por ser A inversible el sistema homogneo AX=O solo admite la
solucin trivial pues X = A 1O = O , por tanto aplicando Gauss podemos reducir A a una
matriz triangular B con bii 0 i , y a partir de B, mediante operaciones elementales
(producto por matrices elementales) reducimos B a In (mtodo de Gauss-Jordan). Es decir,
existen E1, E2,, Em tales que Em...E3E2E1A=I Y despejando A en la igualdad
1
-1
E m ...E 2 E1 A = I , se obtiene A = (E m ...E 2 E1 ) 1 I = E1 E 2 ... E m ;y, como la inversa de una
matriz elemental es tambin una matriz elemental, se llega a la siguiente conclusin:

Si una matriz A es inversible, entonces puede ser expresada como producto de
matrices elementales. El recproco es evidente.
3) Si A es una matriz cuadrada no inversible, puede reducirse mediante operaciones

A'
elementales en sus filas a una matriz del tipo (al menos una fila de ceros).
0
4) De forma general, si A es una matriz no nula de dimensin mn, entonces, A puede
ser transformada mediante operaciones elementales (en filas y columnas) en una matriz que
responda a una de las cuatro configuraciones siguientes
I r r 0
I n n
(I mm 0 )
I.
0 0
0
Proposicin:
Utilizando estos resultados puede darse una demostracin sencilla de la propiedad de
los determinantes relativa al determinante del producto de dos matrices cuadradas del mismo
orden: AB = A B .
Demostracin:
En efecto:
i) Si A es una matriz elemental, caben tres posibilidades:
i1)A = I(i,j) AB = B = (1) B = A B .
i2)A = I( i) AB = B = A B .
i3) A = I(i+j) AB = B = 1 B = A B .
39
ii) Si A es invertible, por el resultado 1), A puede escribirse como producto de

matrices elementales: A = E1E 2 ... E k . Aplicando reiteradamente el resultado i) se tiene:
AB = E1E 2 ... E k B = E1 E 2 ... E k B = ... = E1 E 2 ... E k B = = E1E 2 ... E k B = A B .
iii) Si A no es invertible, entonces, segn se ha demostrado ms arriba, A = 0 .

En este caso, tambin
AB = 0 , ya que A puede escribirse de la forma:
A = E'1 E'2 ... E'k C , donde las E' j son matrices elementales y C es de la
forma
Por
i),
tanto,
aplicando
reiteradamente
el
resultado
AB = E'1 E'2 ... E'k CB = E'1 E '2 ... E'k CB = 0 , ya que CB tiene tambin
A'
C = .
0
se
tiene:
una fila de ceros.
Proposicin:
Si A es invertible, entonces A 0 y A 1 =
1
.
A
Demostracin:
Por ser A invertible, existe A 1 y, por definicin de matriz inversa, se verifica que
A A 1 = I . Tomando determinantes y calculando el determinante del producto, se obtiene:
A A 1 = A A 1 = I = 1 .
Luego A 0 y A 1 =
1
.
A
4.2.Mtodo de Gauss para el clculo de la matriz inversa

Sea A M n (K ) invertible. Si encontramos E1 , E 2 ,..., E m matrices elementales tales
que E m ...E 2 E1 A = I , entonces, E m ...E 2 E1 A A 1 = I A 1 y, por tanto, E m ...E 2 E1 I = A 1 .
Luego, efectuando en las filas de la matriz unidad las mismas operaciones elementales
que efectuadas sobre las filas de A nos la transforman en la matriz unidad, obtenemos la
matriz inversa de A. En esto consiste precisamente el mtodo de Gauss cuya forma prctica
de realizacin viene dada por el siguiente esquema:
operaciones
elementales
(A I) ... I A 1
Ejemplo:
40
1 4
Hallar la inversa de la matriz A=
utilizando el mtodo de Gauss, y escribir dicha
2 1
inversa como producto de matrices elementales.
(A
1 4
I2 ) =
2 1
1 0
0 1
1 4
0
1
14
10 7 7
1 4 1 0
2 1

1 0 1
21 +2 0 - 7 - 2 1
1 42 0 1
2
1
7

7 7
7 7
1
La inversa de la matriz A es A
1 4
= 7 7 .
2 1
7
7
1 0
Obsrvese que la 1 operacin elemental equivale a multiplicar por la matriz
(de
2 1
tipo I(2 2.1 ) ) a la izquierda de A; la 2 operacin equivale a multiplicar por la matriz
1 0
1 (de tipo I( 1 .2 ) ) a la izquierda del producto anterior y la 3 operacin

0
7
1 4
equivale a multiplicar por la matriz
(de tipo I(1 4.2 ) ) a la izquierda del ltimo
0 1
producto, entonces resulta que
1 4
1
0
1
0
1
4
1
A=I2 27 71 A = I 2
0
2 1
0 1

7
7
7
1 4
1
0
4
1
0
7 7
1
1
=A
0
= 2
1
2 1
0 1

7
7
7
5. Rango de una matriz
Definicin:
Sea A M mn (K ) . Un menor de orden h de A es el determinante de una submatriz
cuadrada de orden h de A. Evidentemente, ha de ser h m, n .

Definicin:
Se llama rango de la matriz A al orden del menor de mayor orden no nulo de A. Lo
denotaremos por r(A) o bien por rg(A).
41
Corolario:
Si r(A) = h, entonces:
1) Existe al menos un menor de orden h no nulo de A.
2) Todos los menores de orden mayor que h son nulos.
Teorema:
El rango de una matriz no cambia mediante operaciones elementales.
Ejemplo:
2
1
1
0
A=
2
5
1 3
1
comprobar, el menor
0
3
1
5
2
4
6
14
10
2
es una matriz de rango 2, ya que, como es fcil
8
2
0 , y todos los menores de orden 3 son nulos.
1
Definicin:
Sean f1, f2,,fk filas de una matriz cualquiera A. Diremos que las filas f1, f2,,fk son
linealmente dependientes, cuando existan los elementos 1 ,..., k K no todos nulos, tales
(0) = 1f 1 + ... + k f k , siendo (0) la fila formada por ceros.
Definicin:
Sean f1, f2,,fk filas de una matriz cualquiera A. Diremos que las filas f1, f2,,fk son
linealmente independientes, cuando no sean linealmente dependientes, es decir, cuando si
(0) = 1f 1 + ... + k f k , siendo (0) la fila formada por ceros, se deduce obligatoriamente que
i = 0, i .
La relacin entre las filas de la matriz A es la siguiente:
f 3 = 2f1 + f 2
f 4 = f1 f 3
. Slo hay dos
filas linealmente independientes (las dos primeras) y es r(A) = 2. El siguiente teorema

justifica esta coincidencia.
Teorema del rango.
Sea A M mn (K ) . Entonces el rango de A coincide con el nmero de filas
linealmente independientes as como con el nmero de columnas linealmente independientes

de A. Es decir, coincide con la dimensin del espacio de las filas y con la dimensin del
espacio de las columnas de A.
Demostracin:
Por simplicidad en la notacin, supongamos que A es una matriz 34:
42
a 11
A = a 21
a
31
a 12
a 13
a 22
a 32
a 23
a 33
a 14
a 24 y que el rango de A es r(A) = 2.

a 34
Por definicin de rango, existe un menor de orden dos de A, distinto de cero. Podemos
suponer sin prdida de generalidad que sea
a 11
a 12
a 21
a 22
0 . Por tanto, las dos primeras filas de
A son linealmente independientes. Comprobemos en primer lugar que la tercera fila es

combinacin lineal de las dos primeras.
Por definicin de rango, todos los menores de orden tres de A han de ser nulos; por
tanto,
se
tiene
que:
a 11
a 12
a 13
a 21
a 22
a 23 = 0 = a 13 A13 + a 23 A 23 + a 33 A 33 ,
a 31
a 32
a 33
desarrollando
el
determinante por la tercera columna y llamando A ij al adjunto de a ij , no en la matriz A sino

en la submatriz de A que estamos considerando.
Como
A 33 =
obtenindose: a 33 =
a 11
a 12
a 21
a 22
0 , puede despejarse
a 33
en la igualdad anterior,
A
A13
A
a 13 23 a 23 = a 13 + a 23 , habiendo llamado y a 13
A 33
A 33
A 33
A 23
respectivamente.
A 33
a 11
a 12
a 14
Por el mismo motivo, tambin es a 21

a 31
a 22
a 32
a 24 = 0 = a 14 A14 + a 24 A 24 + a 34 A 34 . Y,
a 34
procediendo como antes, puede escribirse: a 34 =
A14
A
a 14 24 a 24 = a 14 + a 24 , ya que los
A 34
A 34
A14 , A 24 y A 34 de ahora son los A13 , A 23 y A 33 de antes, respectivamente.

a 11
a 12
a 13
Considerando de nuevo el menor a 21

a 31
a 22
a 23 , y, aplicndole el corolario de los
a 32
a 33
determinantes, se verifica que a 12 A13 + a 22 A 23 + a 32 A 33 = 0 . De donde, despejando, se

obtiene: a 32 =
A13
A
a 12 23 a 22 = a 12 + a 22 .
A 33
A 33
43
Anlogamente se demostrara que a 31 = a 11 + a 21 . Con lo cual queda probado

que f 3 = f 1 + f 2 ; es decir, que la tercera fila es combinacin lineal de las dos primeras.
En segundo lugar, por ser
a 11
a 21
a 12
0 , tambin se deduce que las dos primeras
a 22
columnas de A son linealmente independientes y, falta demostrar que la tercera y la cuarta

columna son combinaciones lineales de las dos primeras.
El razonamiento seguido en el caso de las filas puede trasladarse a este caso sin ms
que desarrollar los menores de orden tres por columnas en vez de filas, obtenindose el
resultado perseguido.
Definicin:
Se llama orlar un menor de una matriz A M mn (K ) , a construir otro de orden
superior aadindole filas y columnas de A.

Consecuencias del teorema del rango:
1) Las filas o las columnas de una matriz cuadrada A M n (K ) son linealmente
independientes si y solo si A 0 .
En efecto:
Las filas o las columnas de una matriz cuadrada A son linealmente independientes si y
solo si r(A) = n, como consecuencia inmediata del teorema. Ahora bien, por definicin de
rango, esto ocurre si y solo si A 0 .
2) Si A M n (K ) , entonces, r(A) = n si y solo si A es invertible.
3) r(A)=r(At).
Forma prctica de calcular el rango de una matriz:
Una vez encontrado un menor no nulo de orden r (de no ser as el rango sera cero), se va
orlando ese menor con una nueva fila y cada una de las dems columnas. Si todos estos
menores de orden r + 1 resultasen ser nulos, entonces la nueva fila es combinacin lineal
de las dems, y se repetira el proceso con otra fila; si todos los menores, al orlar con el
resto de las filas, fuesen tambin nulos, entonces el rango sera r. Si, por el contrario,
despus de orlar con esa primera nueva fila, encontrsemos un menor no nulo, el rango
sera al menos r + 1; nos quedaramos con l y comenzaramos a orlarlo con el resto de
44
filas y de columnas, y as sucesivamente. El rango sera el orden del menor de mayor orden
no nulo encontrado por este procedimiento.
De esta manera se disminuye notablemente el nmero de menores que hay que
calcular para determinar el rango de una matriz.
Clculo del rango de una matriz mediante operaciones elementales:
El rango de una matriz A no vara si se efectan operaciones elementales en sus filas o

columnas (es consecuencia inmediata de las propiedades 3) y 4) de los determinantes y de que
el determinante de la matriz unidad es 1); por tanto, pueden realizarse operaciones de este
tipo, que transformen la matriz A en otra A de la que sea inmediato calcular el rango
Estas matrices A se llaman matrices escalonadas. Son aquellas que verifican:
i) Si hay filas nulas son las finales.
ii) En cada fila, el primer elemento no nulo est a la derecha del primer elemento no
nulo de la fila precedente.
El rango de una matriz escalonada es el nmero de filas no nulas de dicha matriz.
Ejemplo:
1
Calcular el rango de la siguiente matriz: A= 2
0
1
2
3
0
1
2
3 1
2 0
1 6
0 7
3 1
1. Aplicando matrices elementales:
45
1
2
0
1
2
3
0
1
2
3 1
3 1
3 1
1 2
1 2
5 1
0
7
2 0
0 1
0 5
1 6 = 0 4 5 8 = 0 4 5 8
2 +1
4 2
0
7
5 1
0 7 35 211 0 1
0 5
0 0
0 0
0
0
0
0
3 1
1 2 3 1
7
0 1 0
= 0 0 5 36 rgA=3
4 +3
0
0 0 0
0 0 0
0
0
= 0
3 +42
4 52 0
0
1
2 3
1 0
7
0 5 36
0 5 36
0 0
0
2. Aplicando el procedimiento de orlar:

Observamos que el menor de orden 2
1 2
= 5 0 , luego rg(A)2.
1 3
Orlamos entonces este menor con la tercera fila y la tercera columna, obteniendo el
1
2 3
menor de orden 3 1 3 2 = 5 0 luego rg(A)3.

2 0 1
Orlamos ahora este menor con la cuarta fila y la cuarta columna, obteniendo el menor de
1 2 3 1
1 3 2 0
= 0 . Consideramos el otro menor de orden cuatro posible,
orden cuatro
2 0 1 6
0 1 0 7
orlando el menor de orden tres no nulo con la quinta fila y la cuarta columna
1 2 3 1
1 3 2 0
= 0 . Luego todos los menores posibles de orden cuatro, obtenidos a partir
2 0 1 6
1 2 3 1
del menor de orden tres no nulo, son nulos y por tanto rg(A)=3
El concepto de rango se aplica en la resolucin de sistemas de ecuaciones lineales.
6.Aplicacin del clculo matricial a los sistemas de ecuaciones lineales

6.1.Sistemas de Cramer:
Un sistema de ecuaciones se dice que es de Cramer si y solo si verifica las dos
condiciones siguientes:
Tiene igual nmero de ecuaciones y de incgnitas.
La matriz A de los coeficientes tiene determinante no nulo.
46
Regla de Cramer:
Un sistema de Cramer tiene siempre solucin nica, es decir, es un sistema compatible
determinado.
Demostracin:
Sea AX=B la ecuacin matricial del sistema de Cramer S. Como S es de Cramer, la
matriz A de los coeficientes es regular ( A 0 ) , por tanto tiene inversa A-1 y multiplicando, a
la izquierda, por A-1 se obtiene:
A-1AX= A-1 B X=A-1B, es decir :
x 1 a 11

x 2 a 21
=

x a
n n1
a 1n
a 2n
a nn
a 12
a 22
a n2
A 11
b1

b 2 1 A 12
= A

A
b
1n
n
A n1 b1

A n 2 b 2
=

A nn b n
A 21
A 22
A 2n
b1 A 11 + b 2 A 21 + + b n A n1
b A + b 2 A 2i +
1 b1 A 12 + b 2 A 22 + + b n A n 2
x i = 1 1i
A
A
b A + b A + + b A
2
2n
n
nn
1 1n
a 11
a 1i 1 b1 a 1i +1
a 1n
xi =
a 21
a 2i 1
b2
a 2i +1
a 2n
a n1
a ni 1
bn
a ni +1
a nn
i = 1,
+ b n A ni
i = 1,
,n
, n . Expresin que constituye la regla
de Cramer.
Observacin:
Si el sistema S no es de Cramer pero es compatible con rgA=rg A =h<n (compatible

a11
a1h
0 , entonces el sistema S es
indeterminado) siendo, por ejemplo, el menor

a h1
a 11 x 1 +
equivalente al sistema S =
a x +
h1 1
a hh
+ a 1h x h = b1 a 1h +1 x h +1
+ a hh x h = b h a hh +1 x h +1
a 1n x n
a hn x n
que es de Cramer y cuya solucin depende n-h incgnitas.
47
Ejemplo:
x + 2 y 3z = 1
7z = 1
Resolver el sistema: S
x + 2 y 4z = 4
Solucin:
El sistema dado puede escribirse en forma matricial de la siguiente manera:
1 2 3 x 1 1

0 0 7 x 2 = 1
1 2 4 x 4
3
Es un sistema de Cramer por tener el mismo nmero de ecuaciones que de incgnitas

1 2 3
y ser A = 0 0 7 = 28 0 .
1 2 4
La solucin nica es:
x1 =
1 2 3
1 0 7
4 2 4
42
18
, x3 =
7
1
1 3
0
1 7
1 4 4
42
= 1, x 3 =
1 2 1
0 0 1
1 2 4
42
1
7
6.2.Teorema de Rouch-Frobenius
a 11 a 12 ... a 1n x 1 b1

a 21 a 22 ... a 2 n x 2 b 2
Sea S
... = ... AX = B un sistema lineal de m
...

a
b
a
...
a
m1
m2
mn x n
m
ecuaciones con n incgnitas, siendo A la matriz de los coeficientes y A* la matriz ampliada
(A*=AB). Bajo estas hiptesis se verifica que:
1) S es compatible si y slo si r(A)=r(A*).
2) Si, r(A)=r(A*)=n entonces S es compatible determinado.
3) Si r(A)=r(A*)<n entonces S es compatible indeterminado.
Demostracin:
1) Si el sistema S es compatible, entonces r(A)=r(A*). En efecto:
48
a 11
a 12
a 1n
b1

a 21
a 22
a 2n
b
S
x1 +
x 2 + ... +
xn = 2
...
...
...
...

a
a
a
b
m1
m2
mn
m
b1

b
Que S tenga solucin, significa que existen escalares x 1 ,..., x n tales que 2 es combinacin
...

b
m
a 11 a 12
a 1n
a 21 a 22
a 2n
; luego, la ltima columna de A* es combinacin lineal de las
lineal de
,
, ... ,
...
...
...
a a
a
m1 m 2
mn
anteriores (que constituan las columnas de A), y, por tanto r(A)=r(A*).
Recprocamente, si r(A)=r(A*)=h, el sistema es compatible. En efecto:

Si r(A)=r(A*)=h, existe un menor de A de orden h no nulo. Sin prdida de generalidad,
a 11
podemos suponer que
... a 1h
0 . Entonces, las restantes filas h+1,...,m, de la matriz
...
a h1
a hh
A* son combinacin lineal de las h primeras, y el sistema es equivalente a:

a 11 x 1 + ... + a 1h x h + ... + a 1n x n = b1
...
a x + ... + a x + ... + a x = b
hh h
hn n
h
h1 1
que, a su vez, es equivalente a:

a 11 x 1 + ... + a 1h x h = b1 a 1h +1 x h +1 ... a 1n x n
...
a x + ... + a x = b a x ... a x
hh h
h
hh +1 h +1
hn n
h1 1
Aplicando la regla de Cramer a este ltimo sistema, se obtiene:

b1 a 1h +1 x h +1 ... a 1n x n
a 12
... a 1h
...
x1 =
b h a hh +1 x h +1 ... a hn x n
a 11
...
a h1
....
... a hh
a h2
... a hh
a 1h
...
49
a 11
a 12
...
b1 a 1h +1 x h +1 ... a 1n x n
...
xh =
a h1
a h2
... b h a hh +1 x h +1 ... a hn x n
a 11
... a 1h
....
a h1
...
a hh
De esta forma, se calculan x 1 ,..., x h en funcin de los parmetros x h +1 ,..., x n .

2) Si h = n, entonces, x 1 ,..., x h son escalares concretos (no dependen de ningn
parmetro) y constituyen la solucin nica del sistema, que ser pues compatible
determinado.
3) Si h < n, entonces, x 1 ,..., x h vienen dados en funcin de los parmetros x h +1 ,..., x n .
Para cada valor que tomen dichos parmetros obtendremos una solucin del sistema,
que ser, por tanto, compatible indeterminado.
Ejemplo:
ax + y + z = 1
Estudiar y resolver el sistema S= x + ay + z = a
2
x + y + az = a
a 1 1 x 1

Escribimos S en forma matricial: 1 a 1 y = a . El determinante de la matriz A de
1 1 a z a 2

a 1 1
a = 1
. Tenemos que
los coeficientes es: A = 1 a 1 = (a 1)2 (a + 2 ) A = 0
a = 2
1 1 a
considerar los siguientes casos:
i)
Si a 1 y a -2 , entonces el sistema es de Cramer y su solucin es:
x=
1
a
a2
1 1
a 1
1 a
(a 1)2 (a + 2)
a 1
1 a
1 a2
1
1
a
a 1 1
1 a a
1 1 a2
a +1
1
(a + 1) 2
,
z
, y=
=
=
=
.
a+2
(a 1)2 (a + 2) a + 2
(a 1)2 (a + 2) a + 2
50
ii)
1 1 1 x 1

Si a=1, S 1 1 1 y = 1 x + y + z = 1 x = 1 y z , luego se trata de
1 1 1 z 1

un sistema compatible indeterminado y unas ecuaciones paramtricas son:
x = 1
, , R.
y =
z =
iii)
Si a=-2, S 1
1
orlando este menor

2
resulta que
1
1
1 x 1

-2 1
2 1 y = 2 . Siendo A = 0 con
0 pero
1 -2
1 2 z 4
con la columna de trminos independientes y la ltima fila
1
2 2 = 9 0 . Luego r(A)=2r(A)=3 y en este caso el

1
4
sistema es incompatible.
6.3. Sistemas homogneos
Cualquier sistema homogneo AX = (0) es compatible pues siempre admite la llamada
solucin trivial: x 1 = x 2 = ... = x n = 0 (por otra parte, es consecuencia inmediata del teorema
anterior, por verificarse siempre en un sistema homogneo que r(A)=r(A)).

En el caso particular del mismo nmero de ecuaciones que de incgnitas, es decir, m =
n, (por tanto, A es una matriz cuadrada), aplicando el teorema de Rouch, se obtiene el
siguiente resultado:
1) El sistema tiene nicamente la solucin trivial si y slo si A 0 .
2) El sistema tiene infinitas soluciones si y slo si A = 0 .
6.4. Estructura de las soluciones de un sistema
Una solucin de un sistema lineal se puede expresar como una n-upla de escalares
s1

s
(s1 , s 2 ,..., s n ) o tambin por una matriz columna S = 2 que cumpla cada una de las
:

s
n
ecuaciones del sistema o que cumpla la ecuacin matricial AX=B.
51
Sea AX = B un sistema de m ecuaciones con n incgnitas. Sea AX = (0) su sistema

homogneo asociado. Se verifica:
1) Si S es solucin del sistema homogneo, tambin lo es S, para cualquier constante
.
Demostracin:
Por ser S solucin del sistema homogneo, se verifica que AS=(0). As, se tiene:
AS=AS= (0)=(0).
2) Si S1 y S2 son soluciones del sistema homogneo, S1+S2 tambin lo es.
Demostracin:
Por ser S1 y S2 soluciones del sistema homogneo, se verifica que A S1.=A S2 =(0).
Por tanto, A(S1 + S2)=A S1 +A S2 = (0) + (0) = (0) .
3) Si el sistema AX = (0) admite ms soluciones que la trivial, entonces, existen k
soluciones S1, S2,, Sk linealmente independientes tales que la solucin general del mismo es
de la forma, S=1S1+2 S2 ++k Sk siendo i escalares y k = n r (A) .
Demostracin:
Si el sistema AX = (0) admite ms soluciones que la trivial es por que r (A) = h < n .
Por tanto, pueden despejarse h incgnitas en funcin de las dems (sin prdida de generalidad,
podemos suponer que son las h primeras):
x 1 = 1 h +1 x h +1 + ... + 1 n x n
x = x + ... + x
2
2 h +1 h +1
2n n
...
x h = h h +1 x h +1 + ... + h n x n
Las igualdades anteriores pueden escribirse conjuntamente en la forma:

1 n
1 h + 2
1 h +1
x1
...
...
...

...
hn
h h +2
h h +1
x = x 1 + x 0 + ... + x 0 , o bien, S = S + S + ... + S con
h +1
2
n
1 1
2 2
k K
h
...
0
1
0
x
...
...
...
n
1
0
0
52
1 h +1
1n
1 h +2
x1
...
...
...

...
h h +1
hn
h h +2
S = x h , S1 = 1 , S 2 = 0 ,..., S K = 0 , 1 = x h +1 , 2 = x h + 2 , k = x n

0
1
0
...
...
...
...
n
0
1
0
Evidentemente, S1, S2,, Sk son linealmente independientes (no hay ms que observar
cmo son sus filas h+1, h+2, ..., n) y k = n h = n r (A) , como queramos demostrar.
4) Las soluciones del sistema AX = B son de la forma: S1+S0, donde S1 es una
solucin particular de dicho sistema y S0 es la solucin general del sistema homogneo
asociado.
Demostracin:
Cualquier solucin general S* del sistema AX=B, se puede expresar como S*=(S*S1)+S1, de donde, por ser S* y S1 soluciones del sistema queda:
A( S * S1 ) = A S * A S1 = B B = (0) .
El recproco es inmediato:
Si S1 es una solucin particular del sistema AX = B y S0 es la solucin general del
sistema homogneo asociado, entonces, S1+S0 es solucin de AX = B . En efecto:
A( S1 + S 0 ) = A S1 + A S 0 = B + (0) = B .
7. Matrices Ortogonales
Definicin:
Una matriz A M n se dice que es ortogonal cuando su inversa coincide con su
traspuesta, es decir, A 1 = A t .
Ejemplos:
0 1 0
A= 0
0 1 ,
1 0 0
cos x senx
, y
B =
senx cos x
0 1
C =
1 0
son matrices
ortogonales.
Proposicin:
Si una matriz A es ortogonal, entonces, A = 1 .

53
Demostracin:
I = AA 1 = AA t , por ser A ortogonal. Tomando determinantes en ambos miembros,

2
se obtiene: 1 = A A t = A A = 1.
TEORA MATRICIAL USADA EN AJUSTE DE OBSERVACIONES
Teorema
1) Si A M mn , se verifica que A t A es una matriz simtrica.
2) Si A M mn , con m>n, es una matriz de rango completo, es decir, r(A) = n,
entonces r (A t A) = n .
Definicin:
Dada una matriz A M mn , se llama matriz pseudoinversa de A, a una matriz
A + M nm que verifique las cuatro condiciones siguientes:

1) A A + A = A
3) A A + es simtrica.
2) A + A A + = A +
4) A + A es simtrica.
Teorema
Si A M mn , existe una nica matriz pseudoinversa.de A.
Proposicin:
Si A es invertible, entonces A + = A 1 .
Definicin:
Si A M mn , una matriz G M nm se dice que es una inversa generalizada de A si
verifica que AGA = A.

Observacin: En general, una matriz A M mn tiene infinitas inversas generalizadas, por
ejemplo, A + es una de ellas.
54
Ejercicio:
1) Demostrar que si A es invertible y G es una inversa generalizada de A, entonces,
G = A 1 .
2) Dado el sistema compatible de ecuaciones lineales AX = K, demostrar que G K es una

solucin de dicho sistema, siendo G una inversa generalizada cualquiera de A.
55

Matrices

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Matrices

Uploaded by

Copyright:

Available Formats

Sistemas de ecuaciones lineales. Matrices y determinantes.

SISTEMAS DE ECUACIONES LINEALES.

3.- Determinante de una matriz cuadrada

4.- Matriz inversa de una matriz cuadrada

5.- Rango de una matriz

7.- Matrices Ortogonales

Sistemas de ecuaciones lineales. Matrices y determinantes.

SISTEMAS DE ECUACIONES LINEALES.

Ecuacin incompatible es aquella que no tiene ninguna solucin:

Sistemas de ecuaciones lineales. Matrices y determinantes.

Ecuacin homognea es la que tiene nulo el trmino independiente; es decir, es una

1.2.Sistemas de ecuaciones lineales

donde los coeficientes a ij , i=1,...,m, j=1,...,n, y los trminos independientes b i , i=1,...,m,

Sistema incompatible es aqul que no tiene ninguna solucin.

U. D. de Matemticas. ETSI en Topografa, Geodesia y Cartografa

Sistemas de ecuaciones lineales. Matrices y determinantes.

Sistema homogneo es el que tiene nulos los trminos independientes; es decir, es un

Propiedades de los sistemas homogneos

homogneo y se denomina solucin trivial.

, s n ) sea cual sea K .

, s'n ) son dos soluciones particulares de

un sistema homogneo tambin lo es la n-pla suma

Se llaman operaciones elementales entre las ecuaciones de un sistema S a las

U. D. de Matemticas. ETSI en Topografa, Geodesia y Cartografa

Sistemas de ecuaciones lineales. Matrices y determinantes.

a ' 22 x 2 + + a ' 2 j x j + + a ' 2 n x n = b' 2

Diremos que un sistema S est en forma triangular o es triangular si es de la forma

a ' 22 x 2 + + a ' 2 n x n = b' 2

Distinguiremos tres casos:

, n , entonces el sistema es compatible determinado.

U. D. de Matemticas. ETSI en Topografa, Geodesia y Cartografa

Sistemas de ecuaciones lineales. Matrices y determinantes.

.Por tanto x=1, y=2, z=-3.

2. El n de ecuaciones no nulas de S es menor que el n de incgnitas y no hay

) Estas ecuaciones reciben el nombre de ecuaciones paramtricas del conjunto solucin.

) Podemos escribir {(-3 - ,2 + 2, ) R} .

3. Alguna ecuacin de S es incompatible, entonces el sistema es incompatible.

U. D. de Matemticas. ETSI en Topografa, Geodesia y Cartografa

Sistemas de ecuaciones lineales. Matrices y determinantes.

. Por tanto x=y=z=0

Obsrvese que S H1 procede de un sistema compatible determinado cuya solucin puede

{(1,2,-3) = (1,2,-3) + (0,0,0)}

U. D. de Matemticas. ETSI en Topografa, Geodesia y Cartografa

Sistemas de ecuaciones lineales. Matrices y determinantes.

Obsrvese que SH 2 procede de un sistema compatible indeterminado cuya solucin se puede

El elemento general a ij de la matriz tiene asociados el subndice i, que indica la fila, y

Sistemas de ecuaciones lineales. Matrices y determinantes.

Una matriz columna es la que tiene una nica columna.

nulos todos sus elementos excepto los de la

Una matriz cuadrada es simtrica cuando aij = aji, i,j=1, 2, ..., n.

U. D. de Matemticas. ETSI en Topografa, Geodesia y Cartografa

Sistemas de ecuaciones lineales. Matrices y determinantes.

Proposicin: Sea A una matriz cuadrada. Se verifica:

2) A es antisimtrica si y solo si A t = A ; es decir, A=(aij) tal que aij=-aji

2.3.Operaciones con matrices

Vamos a designar abreviadamente por M mn al conjunto de todas las matrices de m

Para cualesquiera matrices A=(aij), B=(bij) M mn se define la suma de A y B y se

que ( M mn , +) tiene estructura de grupo conmutativo o abeliano, es decir, se verifican las

A=(aij), B=(bij), C=(cij) M mn puesto que A+(B+C)= (aij)+[(bij)+(cij)] =

Sistemas de ecuaciones lineales. Matrices y determinantes.

A=(aij) M mn y O=(0) es el elemento neutro, puesto que A+O=(aij)+(0)=(aij+0)=(0+

A=(aij), B=(bij) M mn , ahora A+B=(aij)+(bij)=(aij+bij)=( bij+aij)=B+A, como en los casos

Este producto es una operacin externa

que verifica las