Matrices y determinantes en literatura y lengua española

Especialidad Literatura- lengua espaola
H2
PRESENTACION
En esta monografa que se presenta a continuacin, se ha tratado
de agrupar y sintetizar la mayor fuente comprensible y accesible de
este ttulo matrices y determinantes perteneciente al campo de las
matemticas, pero que tambin abarcan otras ciencias
convirtindose en fundamentales para el conocimiento, en las
matemticas se emplea en el lgebra, en las ciencias como:
Ciencias Sociales, Econmicas y Biolgicas ha de estudiarse a
fondo en qu especialidad se desenvuelven. Esperamos sea de su
comprensin aun sabiendo que siendo nuestra especialidad un
poco alejada del campo matemtico se ha puesto empreo en que
sea de su y nuestra utilidad y sobre todo que ample nuestro
panorama sobre el conocimiento en general.
1
H2
INTRODUCCION
Las matrices y los determinantes son herramientas del algebra que facilitan el
ordenamiento de datos, as como su manejo. Las determinantes corresponden
a una definicin que indica una forma multilineal alternada de un cuerpo, es
decir una serie de propiedades matemticas que generaliza el concepto de
determinante hacindolo aplicable en numerosos campos.
El origen o aparicin de los determinantes en la historia de las matemticas
segn la mayora de los historiadores se origin con el matemtico alemn
Gottfried Wilhelm Leibniz (1646-1716) quien fue con Newton, el co-inventor del
clculo diferencial e integral luego, Leibniz emple los determinantes en 1693
con relacin a los sistemas de ecuaciones lineales simultneas. No obstante
hay quienes creen que el matemtico japons Seki Kowa hizo lo mismo unos
10 aos antes. La aparicin de los determinantes fue precursora de las
matrices.
Una matriz es un arreglo bidimensional de nmeros, y en su mayor generalidad
de elementos de un anillo. Las matrices se usan generalmente para describir
sistemas de ecuaciones lineales, sistemas de ecuaciones diferenciales o
representar una aplicacin lineal (dada una base). Las matrices se utilizan para
mltiples aplicaciones y sirven, en particular, para representar los coeficientes
de los sistemas de ecuaciones lineales o para representar las aplicaciones
lineales; en este ltimo caso las matrices desempean el mismo papel que los
datos de un vector para las aplicaciones lineales.
Pueden sumarse, multiplicarse y descomponerse de varias formas, lo que
tambin las hace un concepto clave en el campo del lgebra lineal.
2
H2
INDICE
PRESENTACION..................................................................................................1
INTRODUCCION..................................................................................................2
1.- MATRICES.....................................................................................................4
1.1 CLASES DE MATRICES...............................................................................5
1. Matrices cuadradas....................................................................................5
2. Matriz identidad...........................................................................................5
3. Matrices triangulares..................................................................................5
4. Matrices diagonales....................................................................................6
5. Traspuesta de una matriz...........................................................................6
6. Matrices simtricas.....................................................................................7
7. Matrices ortogonales..................................................................................7
8. Matrices normales......................................................................................7
1.2. OPERACIONES CON MATRICES................................................................8
1. Suma y resta de matrices...........................................................................8
2. Producto de matrices..................................................................................9
3. Producto por un escalar............................................................................10
4. Divisin de matrices..................................................................................10
1.3 MATRICES INVERTIBLES..........................................................................11
1. Matr. Y sist. De ecuac. Lineales...............................................................18
2.- DETERMINANTES......................................................................................21
2.1 DETERMINANTES DE ORDEN UNO Y DOS.........................................21
2.2 DETERMINANTES DE ORDEN TRES....................................................22
2.3 PROPIEDADES DE LOS DETERMINANTES............................................23
1. Determ. De orden arbitrario.....................................................................24
2. Adjunto de una matriz...............................................................................26
3. Clc. del rango de una matriz...................................................................30
4. Aplic. de los determinantes.......................................................................33
5. Polinomio caracterstico............................................................................39
ANEXOS.............................................................................................................41
Ejercicios......................................................................................................42
BIBLIOGRAFIA...................................................................................................58
3
H2
1.- MATRICES
Las matrices se utilizan en el clculo numrico, en la resolucin de sistemas de

ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas
parciales. Tienen tambin muchas aplicaciones en el campo de la fsica.
Una matriz es una tabla ordenada de escalares ai j de la forma
La matriz anterior se denota tambin por (ai j ), i =1, ..., m, j =1, ..., n, o
simplemente por (ai j ).
Los trminos horizontales son las filas de la matriz y los verticales son sus
columnas. Una matriz con m filas y n columnas se denomina matriz m por n, o
matriz m n.
Las matrices se denotarn usualmente por letras maysculas, A, B, ..., y los

elementos de las mismas por minsculas, a, b, ...
Ejemplo:
donde sus filas son (1, -3, 4) y
(0, 5, -2) y sus
4
H2
1.1 CLASES DE MATRICES
Segn el aspecto de las matrices, stas pueden clasificarse en:
1. Matrices cuadradas
Una matriz cuadrada es la que tiene el mismo nmero de filas que de

columnas. Se dice que una matriz cuadrada n n es de orden n y se
denomina matriz n-cuadrada.
Ejemplo: Sean las matrices
Entonces, A y B son matrices cuadradas de orden 3 y 2 respectivamente.
2. Matriz identidad
Sea A = (ai j ) una matriz n-cuadrada. La diagonal (o diagonal principal) de A
consiste en los elementos a11, a22, ..., ann. La traza de A, escrito tr A, es la
suma de los elementos diagonales.
La matriz n-cuadrada con unos en la diagonal principal y ceros en cualquier

otra posicin, denotada por I, se conoce como matriz identidad (o unidad). Para
cualquier matriz A, A I = I A = A.
3. Matrices triangulares
5
H2
Una matriz cuadrada A = (ai j ) es una matriz triangular superior o simplemente
una matriz triangular, si todas las entradas bajo la diagonal principal son iguales
a cero. As pues, las matrices.
Son matrices triangulares superiores de rdenes 2, 3 y 4.
4. Matrices diagonales
Una matriz cuadrada es diagonal, si todas sus entradas no diagonales son cero
o nulas. Se denota por D = diag (d11, d22, ..., dnn ).
Por ejemplo
Son matrices diagonales que pueden representarse, respectivamente, por

diag(3,-1,7) diag(4,-3) y diag(2,6,0,-1).
5. Traspuesta de una matriz
La traspuesta de una matriz A consiste en intercambiar las filas por las
columnas y se denota por AT.
As, la traspuesta de
En otras palabras, si A = (ai j ) es una matriz m n, entonces AT = es la

matriz n m. La trasposicin de una matriz cumple las siguientes
propiedades:
6
H2
1. (A + B)T = AT + BT.
2. (AT)T = A.
3. (kA)T = kAT (si k es un escalar).
4. (AB)T = BTAT.
6. Matrices simtricas
Se dice que una matriz real es simtrica, si AT = A; y que es antisimtrica,

si AT = -A.
Ejemplo:
Consideremos las siguientes matrices:
Podemos observar que los elementos simtricos de A son iguales, o que AT =

A. Siendo as, A es simtrica.
Para B los elementos simtricos son opuestos entre s, de este modo B es
antisimtrica.
A simple vista, C no es cuadrada; en consecuencia, no es ni simtrica ni
antisimtrica.
7. Matrices ortogonales
Se dice que una matriz real A es ortogonal, si AAT = AT A = I. Se observa que
una matriz ortogonal A es necesariamente cuadrada e invertible, con inversa A-

1 = AT.
Consideremos una matriz 3 3 arbitraria:
Si A es ortogonal, entonces:
7
H2
8. Matrices normales
Una matriz es normal si conmuta con su traspuesta, esto es, si AAT = ATA.
Obviamente, si A es simtrica, antisimtrica u ortogonal, es necesariamente
normal.
Ejemplo:
Puesto que AAT = ATA, la matriz es normal.
1.2. OPERACIONES CON MATRICES
1. Suma y resta de matrices
Para poder sumar o restar matrices, stas deben tener el mismo nmero de
filas y de columnas. Es decir, si una matriz es de orden 3 x 2 y otra de 3 x 3, no
se pueden sumar ni restar. Esto es as ya que, tanto para la suma como para la
resta, se suman o se restan los trminos que ocupan el mismo lugar en las
matrices.
Ejemplo:
8
H2
Para sumar o restar ms de dos matrices se procede igual. No necesariamente
para poder sumar o restar matrices, stas tienen que ser cuadradas.
Ejemplo:
2. Producto de matrices
Para poder multiplicar dos matrices, la primera debe tener el mismo nmero de
columnas que filas la segunda. La matriz resultante del producto quedar con
el mismo nmero de filas de la primera y con el mismo nmero de columnas de
la segunda.
Es decir, si tenemos una matriz 2 3 y la multiplicamos por otra de orden 3 5,

la matriz resultante ser de orden 2 5.
(2 3) (3 5) = (2 5)
Se puede observar que el producto de matrices no cumple la propiedad

conmutativa, ya que en el ejemplo anterior, si multiplicamos la segunda por la
primera, no podramos efectuar la operacin.
35 por 2 3, puesto que la primera matriz no tiene el mismo nmero de

columnas que filas la segunda.
Supongamos que A = (ai j ) y B = (bi j ) son matrices tales que el nmero de
columnas de A coincide con el nmero de filas de B; es decir, A es una matriz

m p y B una matriz p n. Entonces el producto AB es la matriz m n cuya
entrada ij se obtiene multiplicando la fila i de A por la columna j de B.
9
H2
Esto es,
Ejemplo:
1.
2.
3. Producto por un escalar
El producto de un escalar k por la matriz A, escrito kA o simplemente kA, es la

matriz obtenida multiplicando cada entrada de A por k:
Ejemplo:
Entonces:
4. Divisin de matrices
10
H2
La divisin de matrices se define como el producto del numerador multiplicado
por la matriz inversa del denominador. Es decir, sean las matrices A y B tal que
A/B = AB-1:
Si una matriz est dividida entre un escalar, todos los trminos de la matriz
quedarn divididos por ese escalar.
Ejemplo:
1.3 MATRICES INVERTIBLES
Se dice que una matriz cuadrada A es invertible, si existe una matriz B con la
propiedad de que AB = BA = I siendo I la matriz identidad. Denominamos a la
matriz B la inversa de A y la denotamos por A-1.
Ejemplo:
Puesto que AB = BA = I, A y B son invertibles, siendo cada una la inversa de

la otra.
11
H2
Mtodo de Gauss
Sea A = (ai j) una matriz cuadrada de orden n. Para calcular la matriz inversa
de A, que denotaremos como A-1, seguiremos los siguientes pasos:

Paso 1. Construir la matriz n 2n M = (A I ) esto es, A est en la mitad
izquierda de M y la matriz identidad I en la derecha.
Paso 2. Se deja tal y como est la primera fila de M, y debajo del primer
trmino de la diagonal principal, a11, que llamaremos pivote, ponemos ceros.
Luego se opera como se indica en el siguiente ejemplo.
Ejemplo:
Consideremos una matriz 3 3 arbitraria
Paso 1.
Paso 2.
El siguiente paso es igual que el anterior, pero esta vez se coge como pivote el
segundo trmino de la diagonal principal.
Al llegar al ltimo trmino de la diagonal, se procede igual que antes, pero

poniendo los ceros encima del nuevo pivote. Se observa que al coger como
pivote el ltimo trmino de la diagonal, la matriz A se transforma en una matriz
triangular.
12
H2
Una vez realizados todos los pasos, la mitad izquierda de la matriz M se
convierte en una matriz diagonal. En este momento hay que proceder a
transformar, si es que no lo est, la mitad izquierda en la matriz identidad,
dividiendo si fuera necesario las filas de M por un escalar.
Ejemplo:
Supongamos que queremos encontrar la inversa de
Primero construimos la matriz M = (A I),
La mitad izquierda de M est en forma triangular, por consiguiente, A es

invertible. Si hubiera quedado toda una fila con ceros en la mitad A de M, la
operacin habra terminado (A no es invertible).
A continuacin, cogemos como pivote a33, ponemos ceros encima de ste y
seguimos operando hasta que nos quede una matriz diagonal.
13
H2
Ya que la matriz colocada en la mitad izquierda es diagonal, no hay que operar
ms. Transformamos la matriz diagonal en una matriz identidad; para ello hay
que dividir la segunda fila entre -1:
La matriz que ha quedado en la mitad derecha de M es precisamente la matriz

inversa de A:
Para comprobar si el resultado es correcto, se procede a multiplicar AA-1,

teniendo que dar como resultado la matriz identidad I.
Comprobacin:
AA-1 = I
Ejercicio: operaciones con matrices
Sean
a) Qu clase de matrices son?

b) Calcular:
- A - B + C.
A + B - C.
3A + C/2.
14
H2
c) Calcular:
(A B) /C.
d) Calcular la inversa de A (A-1) y comprobar el resultado.
Resolucin:
a) Las tres matrices son cuadradas y de orden tres. A su vez, B es una matriz
triangular, ya que todas las entradas debajo de la diagonal principal son ceros,
y C es antisimtrica porque los elementos simtricos son opuestos entre s.
b)
c)
15
H2
Puesto que (A B) /C = A B C-1, calcularemos primero la inversa de C y
luego haremos el producto.
Dividimos la primera fila entre -6, la segunda entre 3 y la tercera entre -3 para
que en la mitad izquierda quede la matriz identidad,
Por lo tanto, la matriz inversa de C es:
A continuacin, se calcula el producto de las matrices A y B,
Por ltimo, calculamos (AB)C-1.
= .
16
H2
Sacando factor comn 1/3, el resultado puede escribirse como:
d)
Primero se construye la matriz M = (A I) y luego se va desarrollando por

Gauss. As pues:
Se simplifica un poco para que las operaciones no sean tan costosas,

dividiendo la tercera fila entre cuatro. De este modo, se tiene
Se vuelve a simplificar, dividiendo la primera fila entre dos y la segunda entre

cuatro,
Puesto que ya ha quedado una matriz diagonal en la mitad izquierda de M, se

procede a transformar esta mitad izquierda en una matriz identidad, dividiendo
la primera fila entre -3042, la segunda entre -78 y la tercera entre 39,
17
H2
As pues, la matriz que ha quedado en la mitad derecha es precisamente la
matriz identidad, que sacando factor comn 1/78 se puede escribir como:
Para comprobar el resultado, la matriz inversa de A o A-1, tiene que cumplir

AA-1 = I.
Procedamos a la comprobacin:
1. Matr. Y sist. De ecuac. Lineales
La matriz ampliada M de un sistema de m ecuaciones con n incgnitas es la

siguiente:
Cada fila de M corresponde a una ecuacin del sistema y cada columna a los
coeficientes de una incgnita, excepto la ltima, que corresponde a las
constantes del sistema.
18
H2
Un sistema de ecuaciones lineales puede resolverse trabajando con su matriz
ampliada, especficamente, reducindola a forma escalonada mediante el
proceso de Gauss.
Mtodo de Gauss
Para resolver sistemas de ecuaciones lineales, se aplica el mtodo de Gauss.

Este proceso se ilustra en el siguiente ejemplo.
Ejemplo:
Sea el sistema,
su matriz ampliada asociada es
Ahora resolvemos por el mtodo de Gauss sabiendo que la primera columna

corresponde a los coeficientes de la x, la segunda a los de la y, la tercera a los
de la z y la cuarta a los trminos independientes:
De este modo, el sistema tiene la solucin nica x = 2, y = -1, z = 3.
La resolucin de sistemas de ecuaciones lineales por matrices, aplicando el

mtodo de Gauss u otros, es una de las mltiples aplicaciones que tienen
stas.
Ejercicio: resolucin de sistemas de ecuaciones lineales por matrices
19
H2
Hallar el valor de x, y, z, t en los siguientes sistemas de ecuaciones lineales
aplicando matrices:
a) La matriz M asociada al sistema de ecuaciones es:
La tercera fila se suprime, puesto que es mltiplo de la segunda y resultara

una fila nula. As, el sistema queda formado por dos ecuaciones con cuatro
incgnitas:
La solucin del sistema es compatible e indeterminado, esto es, tiene infinitas

soluciones.
x = -9 - y + 10t
z = 7t - 7 (- 9 - y + 10t, y, 7t - 7, t).
Dependiendo de qu valores se escojan para y y t, salen distintos resultados.

As, para y = t = 0 tendremos la solucin del sistema x = -9, y = 0, z = -7, t = 0.
b) La matriz M asociada al sistema de ecuaciones es:
20
H2
No hay necesidad de continuar calculando nada ms, puesto que la matriz
escalonada ya nos indica que el sistema es incompatible (SI), es decir, que no
tiene solucin. Especficamente, la tercera fila de la matriz escalonada
corresponde a la ecuacin 0x + 0y + 0z + 0t = -5 obteniendo como resultado 0
= -5, que es absurdo. Por lo tanto, decimos que no tiene solucin.
2.- DETERMINANTES
A cada matriz n-cuadrada A = (ai j ) se le asigna un escalar particular
denominado determinante de A, denotado por det (A), | A | o
Una tabla ordenada n x n de escalares situada entre dos lneas verticales,

llamada determinante de orden n, no es una matriz.
La funcin determinante apareci por primera vez en el estudio de los sistemas
de ecuaciones lineales. Veremos que es una herramienta indispensable en el
estudio y obtencin de stas.
2.1 DETERMINANTES DE ORDEN UNO Y DOS
Los determinantes de orden uno y dos se definen como sigue:
= a11
21
H2
As, el determinante de una matriz 1 1 A = (a11) es el propio escalar a11, es
decir, det (A) = |a11| = a11.
Ejemplos:
a) Dado que el determinante de orden uno es el mismo escalar, tenemos det

(24) = 24, det(-3) = -3, det (3x+5) = 3x+5.
b)
2.2 DETERMINANTES DE ORDEN TRES
Consideremos una matriz 3 3 arbitraria A = (ai j ). El determinante de A se
define como sigue:
a12a21a33 - a32a23a11
Obsrvese que hay seis productos, cada uno formado por tres elementos de la
matriz. Tres de los productos aparecen con signo positivo (conservan su signo)
y tres con signo negativo (cambian su signo).
Para calcular los determinantes de orden tres, el siguiente diagrama puede

ayudar a resolverlos:
22
H2
Ejemplo:
Calcular el valor del determinante:
= 24 + 20 + 0 - (-4) - 0 - (-15) = 44 + 4 + 15 = 63
El determinante de la matriz 3 3 A = (ai j ) puede reescribirse como:

det (A) = a11(a22a33 - a23a32) - a12(a21a33 - a23a31) + a13(a21a32 - a22a31)
que es una combinacin lineal de tres determinantes de orden dos, cuyos

coeficientes (con signos alternantes) constituyen la primera fila de la matriz
dada. Esta combinacin lineal puede indicarse de la forma siguiente:
Ntese que cada matriz 2 2 se obtiene suprimiendo en la matriz inicial la fila y

la columna que contienen su coeficiente.
Ejemplo:
Para demostrar que la propiedad anterior se cumple, trabajaremos con :
= 3(8+5) - 2(0-10) + 1(0+4) = 39 + 20 + 4 = 63
23
H2
2.3 PROPIEDADES DE LOS DETERMINANTES
Las propiedades bsicas del determinante son las siguientes:
1. El determinante de una matriz A y el de su traspuesta AT son iguales, es
decir,
2. Sea A una matriz cuadrada,
Si A posee dos filas (columnas) iguales, necesariamente = 0.
Si A es triangular, esto es, A slo tiene ceros por encima o por debajo de la
diagonal principal, entonces es igual al producto de los elementos de la

diagonal.
3. Supongamos que B se ha obtenido de A mediante una operacin elemental
entre filas o columnas,
Si se han intercambiado dos filas (columnas) de A, |B| = - |A|.
Si se ha sumado un mltiplo de una fila (columna) a otra, entonces |B| = |A|.
Si se ha multiplicado una fila (columna) de A por un escalar k, |B| = k|A|.
4. Sea A cualquier matriz n-cuadrada, son equivalentes los siguientes

principios:
A es invertible, es decir, A tiene inversa A-1.
AX = 0 tiene solamente la solucin trivial.

El determinante de A no es nulo: |A| 0.
5. El determinante es una funcin multiplicativa. Es decir, el determinante del

producto de matrices A y B es el producto de los determinantes: |AB| = |A| |B|.
6. Supongamos que A y B son matrices similares, entonces: |A| = |B|.
24
H2
1. Determ. De orden arbitrario
Sea A = (ann) una matriz de orden arbitrario n n (siendo n un nmero par).
Para calcular el det (A) se procede de la siguiente manera:
Los signos se van alternando segn la posicin que ocupen las entradas del
determinante. Es decir:
Ejemplo:
Si observamos la matriz, podemos ver que en la tercera columna hay dos

ceros. As pues, si cogemos las entradas de la tercera columna para calcular el
determinante, nos ahorraremos calcular dos determinantes, ya que el producto
de un determinante por cero es cero.
+ = -1(-35) + 3(35) = 35 + 105 = 140.
25
H2
Ejercicio: clculo de determinantes
Calcular los siguientes determinantes:
= 2(-6-24+16+2)+ 5(-4-24+6)-1(4+12-16-3) = -24-110+3 = -131.
26
H2
= 1(16+0+24-(-4)-(-30)-0) -2(-128-2+30-(-40)-12-(-16)) = 74-2(-56) =
= 74+112 = 186.
2. Adjunto de una matriz
Consideremos una matriz n-cuadrada A = (ai j ) sobre un cuerpo K. El adjunto
de A, denotado por adj A, es la traspuesta de la matriz de cofactores de A:
Ejemplo:
Los cofactores de los nueve elementos de A son:
La traspuesta de la matriz de los cofactores anteriores proporciona el adjunto

de A:
27
H2
Aplicacin del adjunto para hallar la matriz inversa para toda matriz cuadrada
A, A(adj A) = (adj A) A = |A|I
De este modo, si |A| 0,
Observemos que esta propiedad nos permite hallar por otro mtodo la inversa
de una matriz.
Ejemplo:
Consideremos la matriz
y el det A:
As pues, aplicando la propiedad anterior:
28
H2
Ejercicio: clculo de la matriz inversa
Calcular, por la propiedad anterior, la inversa de las siguientes matrices:
a)
b)
a) Primero hallaremos el determinante de la matriz A:
El siguiente paso es hallar el adjunto de la matriz B, as pues, los cofactores de

los cuatro elementos de B son:
B11 = 5 B12 = -2
B21 = 1 B22 = 3
y el adjunto de B, denotado por adj B, ser
b) Empezaremos por hallar el det A,
Los cofactores de los nueve elementos de A son:
29
H2
La traspuesta de la matriz de los cofactores anteriores proporciona el adjunto
de A:
Aplicando la propiedad de la matriz inversa obtenemos A-1:
3. Clc. del rango de una matriz
Consideremos la matriz A = (aij):
1. El rango de la matriz A coincide con el de la matriz A' que se obtiene

suprimiendo en la matriz A todas la lneas (filas o columnas) cuyas entradas
estn slo formadas por ceros, es decir, que sean nulas.
30
H2
2. Consideremos la matriz:
A1 = (a11, a12, ..., a1n)
Y supongamos que entonces: rango (A) rango(A 1) = 1
3. Aadimos filas de la matriz A a la matriz A1 hasta encontrar una matriz que

cumpla:
tal que posea un menor no nulo de la forma:
Por consiguiente, rango (A) rango(A 2) = 2.
Si esto no hubiese sido posible, entonces: rango (A) = 1.
Supongamos que rango (A) rango (A2) y que i = 2 y j = 2.
4. Aadimos filas a la matriz A2 hasta encontrar una matriz que cumpla:
de forma que posea un menor de orden tres de la forma:
Entonces: rango (A) rango (A2) = 3.
En caso de no haber sido posible encontrar dicho menor, entonces: rango (A) =
rango (A2) = 2.
Suponiendo que rango (A) rango (A3) y que i = 3 y j = 3, se procedera como
en los casos anteriores, y as sucesivamente hasta agotar todas las filas de la

matriz A.
Ejemplos:
31
H2
a) Sea la matriz A una matriz de orden tres. Hallar el rango (A).
Como A es una matriz cuadrada de orden tres, como mximo el rango (A)
puede valer tres. Calcularemos primero el determinante o determinantes de las
submatrices de orden dos de A. As pues
Ya que el resultado es cero, probaremos con todas las submatrices de A hasta

encontrar una cuyo determinante no sea cero. Si no encontramos ninguna, el
rango (A) = 1.
Puesto que el resultado de calcular el determinante de esta submatriz de A no

es nulo, podemos afirmar de momento que el rango (A) = 2.
Aadimos ahora una columna y una fila ms para ver si el rango puede ser
tres:
Dado que el determinante de A no es nulo y a su vez es de orden tres, el rango

(A) = 3.
No necesariamente para poder calcular el rango de una matriz, sta tiene que
ser cuadrada. As, en el siguiente ejemplo:
b) Calcular el rango de la matriz B de orden 3 4.
32
H2
Como hay una determinante de orden dos no nulo, el rango de la matriz B es
mayor o igual que 2. Calculamos a continuacin los determinantes de orden
superior:
Probamos con un segundo determinante de orden tres:
As pues, como hay un determinante de orden tres que no es nulo, el rango (B)
= 3.
Un rango mayor que 3 no se puede hallar, ya que no se puede formar un
determinante de orden 4. Recurdese que para poder calcular el determinante
de una matriz o de una submatriz, stas tienen que ser cuadradas.
4. Aplic. de los determinantes
En el tema de matrices y su aplicacin a los sistemas de ecuaciones lineales,

se vio cmo resolverlas mediante el teorema de Gauss. Con los determinantes,
y aplicando la regla de Cramer, veremos otra manera de calcular los sistemas
de ecuaciones lineales.
Regla de Cramer
Los pasos a seguir para calcular los sistemas de ecuaciones segn la regla de
Cramer son los siguientes:
33
H2
1. Hallar la matriz ampliada (A b) asociada al sistema de ecuaciones, esto es:
que la primera columna est formada por las entradas de los coeficientes de la
primera incgnita de las ecuaciones; que la segunda columna la formen las de
la segunda incgnita, y as hasta llegar a la ltima columna, que estar
constituida por las entradas de los trminos independientes de las ecuaciones.
2. Calcular el determinante de A.
3. Aplicar la regla de Cramer, que consiste en:
a) ir sustituyendo la primera columna del det (A) por los trminos

independientes;
b) dividir el resultado de este determinante entre el det (A) para hallar el valor
de la primera incgnita;
c) continuar sustituyendo los trminos independientes en las distintas columnas

para hallar el resto de las incgnitas.
Ejemplo:
Sea el sistema de ecuaciones lineales formado por dos ecuaciones con dos
incgnitas:
Encontrar el valor de x e y mediante la regla de Cramer.

Empezaremos con el primer paso, que consiste en hallar la matriz ampliada A
b asociada al sistema de ecuaciones lineales:
El segundo paso es calcular el determinante de A. As pues:
34
H2
Y el tercero y ltimo paso consiste en calcular las incgnitas:
Discusin de los sistemas de ecuaciones lineales
A continuacin, se estudiar la manera de saber de antemano si un sistema de

ecuaciones lineales tiene o no solucin y si tienen una nica o infinitas
soluciones.
El estudio o discusin de los sistemas de ecuaciones se efecta aplicando el
teorema de Rouch-Frbenius. ste dice que con un sistema de ecuaciones
lineales pueden ocurrir dos cosas:
1. Que el sistema de ecuaciones sea un sistema compatible (S.C.), esto es,

que tenga solucin.
2. Que el sistema de ecuaciones sea un sistema incompatible (S.I.) o que no

tenga solucin.
El primer caso puede dividirse en dos:
a) que sea un sistema compatible y determinado (S.C.D.), esto es, que tenga
una nica solucin;
b) que el sistema sea compatible e indeterminado (S.C.I.), es decir, que tenga

infinitas soluciones.
Sea un sistema no homogneo:
35
H2
En consecuencia, la matriz ampliada Ab asociada al sistema de ecuaciones es:
Y el sistema ser compatible cuando:
Rango (A) = rango (A b), lo que suele expresarse diciendo que el rango de la
matriz de coeficientes coincide con el rango de la matriz ampliada.
Si el sistema anterior es compatible y rango (A) = rango (A b) = nmero de

incgnitas, el sistema es compatible y determinado, es decir, tiene una nica
solucin.
Si, por el contrario, tenemos que rango (A) = rango (A b) < nmero de
incgnitas, el sistema es compatible e indeterminado, es decir, tiene infinitas
soluciones.
Si rango (A) rango (A b), el sistema es incompatible y no tiene ninguna

solucin.
Ejemplos:
Discutir, sin resolver, los siguientes sistemas de ecuaciones:
36
H2
Puesto que rango (A) = 1 rango (A b) = 2, el sistema es incompatible; no
existe ninguna solucin.
Ya que rango (A) = rango (A b) = 2 = nmero de incgnitas, el sistema es

compatible y determinado; es decir, existe una nica solucin .
37
H2
Puesto que rango (A) = rango (A b) = 1 < nmero de incgnitas, el sistema es
compatible e indeterminado; existen infinitas soluciones.
Ejercicio: clculo de las incgnitas en un sistema de

ecuaciones lineales
Discutir y calcular el valor de las incgnitas de los siguientes sistemas de

ecuaciones lineales:
a)
Calculamos a continuacin el rango de A y el rango de la matriz ampliada (A

b):
El rango de la matriz A ser:
El rango de la matriz ampliada (A b):
Dado que rango (A) = rango (A b) = 3 = nmero de incgnitas,
el sistema es compatible y determinado; tiene, pues, una nica solucin.
Resolvamos el sistema mediante la regla de Cramer:
Calculamos el det (A):
38
H2
Aplicando la regla de Cramer:
x = 68/23; y = -53/23; z = -42/23.
5. Polinomio caracterstico
Consideremos una matriz n-cuadrada arbitraria:
La matriz (A - In), donde In es la matriz identidad n-cuadrada y un escalar
indeterminado, se denomina matriz caracterstica de A:
39
H2
Su determinante, det (A - In) , que es un polinomio en , recibe el nombre de
polinomio caracterstico de A. Asimismo, llamamos a det (A - In) = 0
ecuacin caracterstica de A.
Ejemplo:
Hallar la matriz caracterstica y el polinomio caracterstico de la matriz A:
La matriz caracterstica ser (A - In). Luego:
y el polinomio caracterstico,
As pues, el polinomio caracterstico es 2 - + 4.
Valores propios y vectores propios
Sea A una matriz n-cuadrada sobre un cuerpo K.
Un escalar Kn se denomina un valor propio de A si existe un vector
(columna) no nulo v Kn para el que Av = v.

Todo vector que satisfaga esta relacin se llama vector propio de A
perteneciente al valor propio . Los trminos valor caracterstico y vector
caracterstico (o autovalor y autovector) se utilizan con frecuencia en lugar de
valor propio y vector propio.
Ejemplo:
Sea
40
H2
y
As pues, v1 y v2 son vectores propios de A pertenecientes, respectivamente, a
los valores propios 1 = 4 y 2 = -1 de A.
41
H2
ANEXOS
42
H2
Ejercicios
1.- Demostrar, sin desarrollar, que los siguientes
determinantes valen cero:
2.- Sabiendo que |A|=5, calcula los otros

determinantes.
3.- Demostrar que los siguientes determinantes son

mltiplos de 5 y 4 respectivamente, sin desarrollarlos
4.- Demostrar, sin desarrollar, que el siguiente

determinante es mltiplo de 15:
43
H2
5.- Demustrese las igualdades que se indican, sin
necesidad de desarrollar los determinantes:
6.- Resolver las siguientes ecuaciones sin desarrollar

los determinantes.
7.- Aplicando las propiedades de los determinantes,

calcular:
8.- Pasando a determinantes triangulares, calcular el

valor de:
44
H2
9.-Calcular los determinantes de Vandermonde:
10.- Hallar la matriz inversa de:
11.- Para qu valores de x la matriz no admite matriz

inversa?
12.- Calcular el rango de las siguientes matrices:
13.- Resolver las siguientes ecuaciones matriciales:
45
H2
1 A X = B
2 X A + B = C
DESARROLLO
1
D em o s trar, s in d e s a rr o l la r, q ue lo s s i g ui en te s
d et er m i na nt es val en c e ro :
T ie ne d o s l ne as p r o p o rc i o na le s .
46
H2
L a t e r c e r a c o lu mn a e s ig ua l a la s um a de
l as ot r as do s .
S ab i en d o q ue | A| = 5, c alc ula lo s o t ro s
d et er m i na nt es .
47
H2
3
D em o s trar que lo s s ig u ie nt es d et er m i na nt es
son m lt ip l o s de 5 y 4 r es p e c t ivam e nt e, s in
d es ar ro ll ar lo s
D em o s trar, sin d e s a rr o l la r, que el s ig ui en te

d et er m i na nt e e s m lt ip l o d e 15 :
48
H2
5
D em u s t re s e l as ig u ald ad es q ue s e i nd ic an, s in
n ec es id a d d e d es ar ro ll ar lo s d et er m i na nt es :
49
H2
6
Resolver las siguientes ecuaciones sin desarrollar los
determinantes.
50
H2
7
A p lic and o l as p ro p ie d a d e s de lo s
d et er m i na nt es , c alc u la r:
51
H2
8
Pasando a determinantes triangulares, calcular el valor de:
52
H2
C alc u la r lo s d e te rm in an te s d e Vand er m o nd e:
10
H al la r l a m a tr iz invers a d e:
53
H2
11
Para qu val o r es d e x la
m at ri z no a d m i te m at ri z
i nver s a ?
Para x = 0 la m at ri z A n o ti en e i nver s a .
54
H2
12
C alc u la r e l ran g o d e las s ig ui en te s m a tr ic e s :
| 2| = 2 0
r ( A) = 2
55
H2
r (B ) = 4
E lim i na m o s l a te rc era c o l um n a p o r s er nul a, l a

c u ar ta por s er p r o p o rc i o n al a la p ri m e ra, y la
q u in ta p o r q u e c o m b in ac i n li ne al d e la p ri m e ra y
s eg u nd a: c 5 = - 2 c 1 + c 2
56
H2
r (C ) = 2
13
Res o lver las s ig ui en te s e c u ac i o ne s m a tr ic ia le s :
1A X = B
|A |= 1 0, e xi st e l a ma t r iz i nv e r sa A - 1 .
A - 1 (A X ) = A - 1 B
( A - 1 A) X = A - 1 B
I X = A-1 B
X = A-1 B
2 X A + B = C
57
H2
|A | = 1 0
(X A + B ) - B = C - B
X A + ( B - B) = C - B
X A + 0 = C - B
X A = C - B
X A A-1 = ( C - B) A-1
X ( A A - 1 ) = ( C - B) A - 1
X I = ( C - B) A - 1
X = ( C - B) A - 1
58
H2
BIBLIOGRAFIA
1. http://html.rincondelvago.com/matrices-y-determinantes.html
2. http://tarwi.lamolina.edu.pe/~corihuela/mpeconomistas/capitulo%202-
Matrices%20y%20Determinantes.pdf
3. http://www2.eco.uva.es/lmeneses/Guia_de_Trabajo/Esquemas_teoricos/
tema3.pdf
4. http://www.unizar.es/aragon_tres/u6.htm
5. http://docencia.udea.edu.co/GeometriaVectorial/uni2/seccion21.html
6. ALEGRE, P. y otros: Matemticas Empresariales. Editorial AC, Madrid, 1995

(Cap. 2, pp. 39-82)
7. BERMDEZ, L.; POCIELLO, E.; RUIZ, E. y VAREA, J.: lgebra lineal.

Ediciones MEDIA, Barcelona,1995 (Cap. 1, pp. 1-24)
8. HERAS, A. y VILAR, J. L.: Problemas de lgebra lineal para la Economa.

Editorial AC, Madrid, 1998 (Cap. 1, pp. 1-51)
9. JARNE, G., PREZ-GRASA, I. y MINGUILLN, E.: Matemticas para la

Economa. lgebra Lineal y Clculo Diferencial. Editorial McGraw-Hill,
Madrid, 1997 (Cap. 2, pp. 17-45)
.
10. LPEZ, M. y VEGAS, A: Curso Bsico de Matemticas para la Economa y
Direccin de Empresas I. Editorial Pirmide, Madrid, 1994 (Cap. 1, 2 y 3, pp.
35-96)
11. MINGUILLN, E., PREZ-GRASA, I. y JARNE, G.: Matemticas para la

Economa. Libro de ejercicios. lgebra Lineal y Clculo Diferencial. Editorial
McGraw-Hill, Madrid, 2004 (Cap. 2)
12. SAN MILLN, M.A. y VIEJO, F.: Introduccin a la Economa Matemtica.

Editorial Pirmide, Madrid, 1992 (Cap. 13 y 14, pp. 209-228)
13. TEBAR FLORES, E.: Problemas de Matemticas. lgebra Lineal y Clculo

Infinitesimal. Editorial Tebar Flores, S.L., Madrid, 1975 (Cap. 4 y 5, pp. 64-120)
59
H2
60

Matrices y determinantes en literatura y lengua española

Uploaded by

Document Information

Original Description:

Original Title

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 y determinantes en literatura y lengua española

Uploaded by

Copyright:

Available Formats

Especialidad Literatura- lengua espaola

En esta monografa que se presenta a continuacin, se ha tratado

de agrupar y sintetizar la mayor fuente comprensible y accesible de

este ttulo matrices y determinantes perteneciente al campo de las

matemticas, pero que tambin abarcan otras ciencias

convirtindose en fundamentales para el conocimiento, en las

matemticas se emplea en el lgebra, en las ciencias como:

Ciencias Sociales, Econmicas y Biolgicas ha de estudiarse a

fondo en qu especialidad se desenvuelven. Esperamos sea de su

comprensin aun sabiendo que siendo nuestra especialidad un

poco alejada del campo matemtico se ha puesto empreo en que

sea de su y nuestra utilidad y sobre todo que ample nuestro

panorama sobre el conocimiento en general.

Las matrices se utilizan en el clculo numrico, en la resolucin de sistemas de

Una matriz es una tabla ordenada de escalares ai j de la forma

simplemente por (ai j ).

Las matrices se denotarn usualmente por letras maysculas, A, B, ..., y los

Segn el aspecto de las matrices, stas pueden clasificarse en:

Una matriz cuadrada es la que tiene el mismo nmero de filas que de

Ejemplo: Sean las matrices

Entonces, A y B son matrices cuadradas de orden 3 y 2 respectivamente.

Sea A = (ai j ) una matriz n-cuadrada. La diagonal (o diagonal principal) de A

consiste en los elementos a11, a22, ..., ann. La traza de A, escrito tr A, es la

suma de los elementos diagonales.

La matriz n-cuadrada con unos en la diagonal principal y ceros en cualquier

Son matrices triangulares superiores de rdenes 2, 3 y 4.

Son matrices diagonales que pueden representarse, respectivamente, por

5. Traspuesta de una matriz

La traspuesta de una matriz A consiste en intercambiar las filas por las

columnas y se denota por AT.

En otras palabras, si A = (ai j ) es una matriz m n, entonces AT = es la

Se dice que una matriz real es simtrica, si AT = A; y que es antisimtrica,

Consideremos las siguientes matrices:

Podemos observar que los elementos simtricos de A son iguales, o que AT =

Se dice que una matriz real A es ortogonal, si AAT = AT A = I. Se observa que

una matriz ortogonal A es necesariamente cuadrada e invertible, con inversa A-

Consideremos una matriz 3 3 arbitraria:

Puesto que AAT = ATA, la matriz es normal.

1.2. OPERACIONES CON MATRICES

1. Suma y resta de matrices

Es decir, si tenemos una matriz 2 3 y la multiplicamos por otra de orden 3 5,

Se puede observar que el producto de matrices no cumple la propiedad

35 por 2 3, puesto que la primera matriz no tiene el mismo nmero de

Supongamos que A = (ai j ) y B = (bi j ) son matrices tales que el nmero de

columnas de A coincide con el nmero de filas de B; es decir, A es una matriz

3. Producto por un escalar

El producto de un escalar k por la matriz A, escrito kA o simplemente kA, es la

1.3 MATRICES INVERTIBLES

matriz B la inversa de A y la denotamos por A-1.

Puesto que AB = BA = I, A y B son invertibles, siendo cada una la inversa de

de A, que denotaremos como A-1, seguiremos los siguientes pasos:

Luego se opera como se indica en el siguiente ejemplo.

Consideremos una matriz 3 3 arbitraria

Al llegar al ltimo trmino de la diagonal, se procede igual que antes, pero

Supongamos que queremos encontrar la inversa de

Primero construimos la matriz M = (A I),

La mitad izquierda de M est en forma triangular, por consiguiente, A es

A continuacin, cogemos como pivote a33, ponemos ceros encima de ste y

seguimos operando hasta que nos quede una matriz diagonal.

La matriz que ha quedado en la mitad derecha de M es precisamente la matriz

Para comprobar si el resultado es correcto, se procede a multiplicar AA-1,

Ejercicio: operaciones con matrices