ALGEBRA Y GEOMETRÍA ANALÍTICA I - DIIT

MATRICES – SEL -DETERMINANTES

MATRICES

Definición de Matriz
Una matriz es una tabla de números dispuestos en filas (líneas horizontales) y columnas (líneas
verticales). Sus elementos son números reales o complejos.
𝑎𝑎11 𝑎𝑎12 . . 𝑎𝑎1𝑛𝑛
𝑎𝑎21 𝑎𝑎22 . . 𝑎𝑎2𝑛𝑛
𝐴𝐴 = � : : 𝒂𝒂𝒊𝒊𝒊𝒊 : �
𝑎𝑎𝑚𝑚1 𝑎𝑎𝑚𝑚2 . . 𝑎𝑎𝑚𝑚𝑚𝑚

En donde 𝑎𝑎𝑖𝑖𝑖𝑖 representa cada número ubicado en la matriz, donde 𝑖𝑖 es el número de fila y 𝑗𝑗 es el
número de columna.

Se puede escribir empleando paréntesis ( ) o corchetes [ ].

Orden
Se denomina dimensión, tamaño u orden a la cantidad de filas y de columnas que posee.
En este caso 𝐴𝐴 es una matriz de 𝑚𝑚 × 𝑛𝑛.
A las matrices las simbolizaremos con letras mayúsculas

Ejemplo:
2 −1 0
Sea: A = �3 3� esta es una matriz de 2 filas y 3 columnas, los elementos o entradas son
√5 − 4
números reales, se expresa de la siguiente manera 𝐴𝐴 𝜖𝜖 ℝ2×3 .
Otra forma de presentar la matriz A es: �𝑎𝑎𝑖𝑖𝑖𝑖 �𝑶𝑶𝑶𝑶𝑶𝑶𝑶𝑶𝑶𝑶 2×3 ∧ 𝑎𝑎𝑖𝑖𝑗𝑗 𝜖𝜖ℝ
𝑎𝑎11 𝑎𝑎12 𝑎𝑎13 𝑖𝑖 = 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 1 ≤ 𝑖𝑖 ≤ 2
𝐴𝐴 𝜖𝜖 ℝ2×3 , 𝐴𝐴 = �𝑎𝑎 𝑎𝑎22 𝑎𝑎23 � → �𝑗𝑗 = 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
21 1 ≤ 𝑗𝑗 ≤ 3
El elemento que aparece en la fila i y la columna j de la matriz 𝐴𝐴 se le nombra como 𝑎𝑎𝑖𝑖𝑖𝑖 . Por
ejemplo, 𝑎𝑎12 = – 1 y 𝑎𝑎21 = 3.

Ejercicio:
2 −1 0
A = �3 3� Indicar cuál es el valor asignado a cada una de las entradas de la matriz 𝐴𝐴
√5 − 4
detalladas en la siguiente tabla

𝑎𝑎11 =……………… 𝑎𝑎12 =……………… 𝑎𝑎13 =………………

𝑎𝑎21 =……………… 𝑎𝑎22 =……………… 𝑎𝑎23 =………………

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 1
 2 −1 0 25 −7�
La matriz A = �3 3� decimos que es rectangular; en cambio B = � es de
√5 − 4 7 1,2 2×2
2×3
igual cantidad de filas que de columnas y se denomina cuadrada (se abrevia cuadrada de orden 2,
no hace falta especificarla de 2 × 2); como los coeficientes son números reales se dice que 𝐵𝐵 𝜖𝜖 ℝ2×2.

Una matriz 𝐶𝐶 𝜖𝜖 ℝ4×2 tendría la siguiente forma general:

𝑐𝑐11 𝑐𝑐12
𝑐𝑐21 𝑐𝑐22
𝐶𝐶 = �𝑐𝑐 � = �𝑐𝑐𝑖𝑖,𝑗𝑗 � ∕ 1 ≤ 𝑖𝑖 ≤ 4; 1 ≤ 𝑗𝑗 ≤ 2 en donde cualquier 𝑐𝑐𝑖𝑖𝑖𝑖 es un número real.
31 𝑐𝑐32
𝑐𝑐41 𝑐𝑐42

En general, una matriz de orden 𝑛𝑛 × 𝑚𝑚 es un arreglo así

𝑑𝑑11 𝑑𝑑12 • • 𝑑𝑑1𝑚𝑚

𝑑𝑑 𝑑𝑑22 • • 𝑑𝑑2𝑚𝑚
D= � 21 � = �𝑑𝑑𝑖𝑖,𝑗𝑗 � ∕ 1 ≤ 𝑖𝑖 ≤ 𝑛𝑛;1 ≤ 𝑗𝑗 ≤ 𝑚𝑚
• • • • •
𝑑𝑑𝑛𝑛1 𝑑𝑑𝑛𝑛2 • • 𝑑𝑑𝑛𝑛𝑛𝑛

Ejemplo:

Explicitar la matriz AЄ R3x2 tal que aij = (–1)i+j. i

 a11 a12 
 a22  debemos considerar la condición aij = (–1)i+j. i
La matriz A genérica es  a21 para i desde
 a31 a32 
1 a 3 ( porque la matriz tiene 3 filas) y j desde 1 a 2 porque tiene 2 columnas. Calculamos los 6
valores

 a11 a12 
a 
 21 a22  Para calcular a11 , i=j=1 reemplazando en aij = (–1)i+j. i ,
 a31 a32 

a11 = (–1)1+1. 1 = (–1)2 . 1 = 1 . 1 = 1

a12 , i=1 y j= 2 usamos aij = (–1)i+j. i , a12 = (–1)1+2. 1 = (–1)3 . 1 = -1 . 1 = - 1

a21 , i=2 y j= 1 resulta , a21 = (–1)2+1. 2 = (–1)3 . 2 = -1 . 2 = - 2

a22 , i=2 y j= 2 resulta , a22 = (–1)2+2. 2 = (–1)4 . 2 = 1 . 2 = 2

a31 , i=3 y j= 1 resulta , a31 = (–1)3+1. 3 = (–1)4 . 3 = 1 . 3 = 3

a32 , i=3 y j= 2 resulta , a32 = (–1)3+2. 3 = (–1)5 . 3 = - 1 . 3 = - 3

 a11 a12   1 −1

a   
Colocando estos valores en la matriz, resulta  21 a22  =  −2 2 
 a31 a32   3 −3 

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 2
Ejercitación:

a) Escribir matrices reales de los siguientes órdenes: 3x4; 4x3; 2x1; 1x2 y 3x3

b) Explicitar La matriz B Є R4x4 si bij = i2 – 3j Los valores 𝑖𝑖 y 𝑗𝑗 son indicadores de la posición de

los elementos 𝑏𝑏𝑖𝑖𝑖𝑖 en la matriz B.

Igualdad entre matrices

Dos matrices U y V son iguales si teniendo la misma dimensión (𝑚𝑚𝑚𝑚𝑚𝑚), se verifica que, los valores
en posiciones correspondientes en cada una de las matrices son iguales

U=V ↔ ui,j = vi,j con 1≤ i ≤ m; 1 ≤ j ≤ n.

Esto significa que los valores en posiciones idénticas tienen que ser iguales.

Ejemplo:

2 −4 1 𝑎𝑎 + 𝑏𝑏 1 − 𝑏𝑏 1
Si 𝑈𝑈 = 𝑉𝑉 con 𝑈𝑈 = � � y 𝑉𝑉 = � � debe ocurrir que:
−7 −1 0 −7 𝑐𝑐 + 𝑎𝑎 𝑏𝑏 + 𝑎𝑎 − 𝑐𝑐

2 = 𝑎𝑎 + 𝑏𝑏 𝑎𝑎 + 𝑏𝑏 = 2 𝑎𝑎 + 5 = 2 𝑎𝑎 = −3
⎧ −4 = 1 − 𝑏𝑏 ⎧ ⎧ ⎧
⎪ 𝑏𝑏 = 5 𝑏𝑏 = 5 ⎪ 𝑏𝑏 = 5
⎪ ⎪
1=1 1=1 1=1 1 =1
→ → →
⎨ −7 = −7 ⎨ −7 = −7 ⎨ −7 = −7 ⎨ −7 = −7
⎪ −1 = 𝑐𝑐 + 𝑎𝑎 ⎪𝑐𝑐 + 𝑎𝑎 = −1 ⎪𝑐𝑐 + 𝑎𝑎 = −1 ⎪𝑐𝑐 + 𝑎𝑎 = −1
⎩0 = 𝑏𝑏 + 𝑎𝑎 − 𝑐𝑐 ⎩ 𝑐𝑐 = 𝑎𝑎 + 𝑏𝑏 ⎩ 𝑐𝑐 = 𝑎𝑎 + 5 ⎩ 𝑐𝑐 = 𝑎𝑎 + 5

𝑎𝑎 = −3 𝑎𝑎 = −3
⎧ ⎧ 𝑏𝑏 = 5
⎪ 𝑏𝑏 = 5 ⎪ 1=1
→ 1 =1 → −7 = −7
⎨ −7 = −7 ⎨
⎪𝑐𝑐 − 3 = −1 ⎪ 𝑐𝑐 = 2
⎩𝑐𝑐 = −3 + 5 ⎩ 𝑐𝑐 = 2

Comprobación:

−3 + 5 1−5 1
⎧𝑉𝑉 = �𝑎𝑎 + 𝑏𝑏 1 − 𝑏𝑏 1
� ⎧𝑉𝑉 = � �
⎪ −7 𝑐𝑐 + 𝑎𝑎 𝑏𝑏 + 𝑎𝑎 − 𝑐𝑐 ⎪ −7 2 + (−3) 5 + (−3) − 2
𝑎𝑎 = −3 → 𝑎𝑎 = −3
⎨ 𝑏𝑏 = 5 ⎨ 𝑏𝑏 = 5
⎪ ⎪
⎩ 𝑐𝑐 = 2 ⎩ 𝑐𝑐 = 2

⎧𝑉𝑉 = � 2 −4 1�
⎪ −7 −1 0 2 −4 1
→ 𝑎𝑎 = −3 la matriz V entonces es igual a la matriz 𝑈𝑈 = � � que es lo
⎨ 𝑏𝑏 = 5 −7 −1 0
⎪
⎩ 𝑐𝑐 = 2
propuesto en el ejercicio.

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 3
Clasificación De Matrices

Una matriz se llama matriz columna si es de orden mx1.

Mostrar 3 ejemplos de matrices columna de diferente tamaño; de diferente cantidad de filas.

A las matrices columna se las suele llamar vector columna

¿Se podrá hablar de matrices fila?

¿A cuál tipo de matriz se denominará vector fila?

Mostrar 3 ejemplos de matrices fila con diferente cantidad de columnas.

Se llama matriz Nula o Cero (N o O) a una matriz con todas sus entradas o elementos iguales a 0.

¿Cuáles son las matrices nulas para 2x5 y 4x4?

−1 4 0 7 −6
La siguiente matriz G es de orden 3x5: 𝐺𝐺 = � 0 1 3 1 −4�
8 3,2 −2 −0,3 5

Los elementos gii se llaman elementos diagonales de la matriz G.

¿Qué valores puede tomar i en este caso? ¿Cuáles son los elementos diagonales?

La matriz 𝐺𝐺 puede pensarse como formada por tres vectores filas 𝐺𝐺1 , 𝐺𝐺2 𝑦𝑦 𝐺𝐺3 . Escribirlos.

𝐺𝐺1 𝐺𝐺1 = (… … …)
Se acostumbra a anotar a 𝐺𝐺 = �𝐺𝐺2 � → �𝐺𝐺2 = (… … …).
𝐺𝐺3 𝐺𝐺3 = (… … …)

De forma similar se reconocen 5 vectores columnas 𝐺𝐺 1 , 𝐺𝐺 2 , 𝐺𝐺 3 , 𝐺𝐺 4 , 𝐺𝐺 5 de forma tal que es 𝐺𝐺 =

[𝐺𝐺 1 𝐺𝐺 2 𝐺𝐺 3 𝐺𝐺 4 𝐺𝐺 5 ] →
… … … … …
→ 𝐺𝐺 = �…� , 𝐺𝐺 = �…� , 𝐺𝐺 = �…� , 𝐺𝐺 = �…� , 𝐺𝐺 = �…�.
1 2 3 4 5
… … … … …

Se llama traza de una matriz a la suma de los elementos diagonales.

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 4
Una matriz cuadrada se denomina triangular superior si todas las entradas por debajo de la
diagonal principal se anulan; triangular inferior si todas las entradas por encima de la diagonal
principal son nulos.

Brindar ejemplos de ambas en R2x2, R3x3 y R4x4.

¿La matriz nula cuadrada de orden n es triangular superior?

Una matriz cuadrada, que a la vez es triangular superior y triangular inferior se llama matriz
diagonal, dicho de otra forma:

Una matriz cuadrada cuyas entradas no diagonales son nulas se llama matriz diagonal.

Escriba una de orden 2 y otra de orden 4.

7 0 0 
 
¿Es la matriz  0 0 0  una matriz diagonal?
 0 0 0 

¿Cuál es la forma general de una matriz diagonal de orden 3?

… … …
𝑻𝑻 = �… … …� usar # para indicar números diferentes de cero y ∗ si la entrada es cero.
… … …

Una matriz diagonal tal que sus elementos de la diagonal principal sean idénticos se llama matriz
escalar.

Dar 2 ejemplos de matrices escalares de diferente orden.

Una matriz escalar con unos (1) en la diagonal se llama matriz identidad, se simboliza I n , siendo
n el orden de la matriz.
… … …
… …
Escribir I 2 y I 3 . 𝑰𝑰𝟐𝟐 = �… …� 𝑰𝑰𝟑𝟑 = �… … …�
… … …
Traspuesta de una matriz

Si H es una matriz de mxn se defina traspuesta de H (se anota HT o H t ) a la matriz de dimensión

nxm tal que los vectores fila de H son los vectores columnas de HT. O simbólicamente:

[HT] i,j =[H] j, i con 1≤ i ≤n , 1≤ j≤m

Escribir las transpuestas de las siguientes matrices:

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 5
 3 −5,5 17 
2  
0 1 0 −12 
 ; H '  4 11 − 3  ; 4   4 −9 
H= = H '' =  2 ; H ''' =  −9 10  .
 −5   4  5 4 −9   
   
 −6  7 0,45 −4 
 59 
 1 −9

Luego de las operaciones entre matrices, volveremos a la traspuesta para hablar de sus propiedades.

Una matriz cuadrada se llama simétrica si es igual a su transpuesta.

St Debe cumplir [S]i,j = [S]j,i

S es simétrica ⇔ S =

7 𝟏𝟏 −3
S = � 𝟏𝟏 2 𝟗𝟗 � S es una matriz simétrica
−3 𝟗𝟗 0
Ejemplificar tres matrices simétricas de diferente dimensión.

Indicar una regla en lenguaje coloquial para decidir si una matriz cuadrada es o no simétrica.

Una matriz cuadrada L se llama antisimétrica si [L]i,j = –[L]j,i.

 0 −1 4 
 0 −8 
L=  1 L es una matriz antisimétrica
 −4 8 0 

L es antisimétrica ⇔ L =− Lt Debe cumplir [L]i,j = -[L]j,i

Dar 3 ejemplos de matrices antisimétricas. Dar una regla en lenguaje coloquial.

OPERACIONES ENTRE MATRICES

1) Suma de matrices

Solo podemos definir la suma para matrices del mismo orden.

Sean A y B ЄRmxn; se define una matriz suma S así: sij = aij + bij.

Por ejemplo:

−2 10 2 𝜋𝜋 3 −10 7 −6 (−2) + 3 10 + (−10) 2 + 7 𝜋𝜋 − 6

𝐴𝐴 + 𝐵𝐵 = � � + � �= � �
1 −3 4 0 23 0 −3,2 √17 1 + 23 −3 + 0 4 − 3.2 0 + √17

1 0 9 𝜋𝜋 − 6
𝐴𝐴 + 𝐵𝐵 = � �
24 −3 0,8 √17

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 6
Propiedades de la suma de matrices

La suma de matrices cumple las siguientes propiedades:

1) Para toda A y B perteneciente a Rmxn resulta que A + B también pertenece a Rmxn a esta
propiedad se la conoce como ley de composición interna ó ley de cierre.

2) Para toda A y B perteneciente a Rmxn resulta que A+ B = B + A [conmutatividad]

3) Para toda A , B y C perteneciente a Rmxn resulta que (A+ B)+C = A + (B + C) [asociatividad]

4) Existe un elemento N perteneciente a Rmxn tal que para toda matriz A perteneciente a Rmxn
resulta A+N = N + A = A. [existencia de elemento neutro, la matriz nula]

5) Toda matriz A tiene una matriz –inversa aditiva u opuesta- denotada - A que cumple que
A + (-A) = - A + A = N [elemento simétrico respecto a la suma]

2) Producto de un escalar por una matriz

Si AЄRmxn y kЄR definimos la matriz [k.A] como [kA]ij = k. [A]ij

(−4). 𝐴𝐴 = (−4). �−2 10 2 𝜋𝜋� = �−2 10 2 𝜋𝜋� . (−4)

1 −3 4 0 1 −3 4 0
(−4) × (−2) (−4) × 10 (−4) × 2 (−4) × 𝜋𝜋 8 −40 −8 −4𝜋𝜋
=� �= � �
(−4) × 1 (−4) × (−3) (−4) × 4 (−4) × 0 −4 12 −16 0

Propiedades del producto de un escalar por una matriz

El producto de un escalar por una matriz cumple las siguientes propiedades:

1) ∀α ∈ R ∧ ∀A ∈ R mxn ⇒ α . A ∈ R mxn [ley externa]

2) ∀α , β ∈ R ∧ ∀A ∈ R mxn ⇒ resulta que α.(β.A) = (α. β).A [asociativa mixta]

3) ∀α , β ∈ R ∧ ∀A ∈ R mxn ⇒ (α+β).A = α.A+ β.A [producto distributivo respecto a la

suma de escalares (números)]

4) ∀α ∈ R ∧ ∀A ,B ∈ R mxn ⇒ α.(A+B)= α.A + α.B [∙distributivo respecto a la suma de

matrices]

5) La unidad del “cuerpo” de los números reales es elemento neutro para este producto.

∀A ∈ R mxn resulta que 1. A=A [elemento unidad]

Resta de matrices

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 7
Habiéndose definido las operaciones (“suma de matrices y producto de una matriz por un escalar)
podemos pensar a la resta como una combinación de ambas:

𝑨𝑨– 𝑩𝑩 = 𝑨𝑨 + (– 𝟏𝟏). 𝑩𝑩 = 𝑨𝑨 + (− 𝑩𝑩).

3) Producto entre matrices

Primero vamos a definir el producto entre una matriz fila y una matriz columna en este orden.

Sea VЄR1xn y WЄRnx1 el resultado de V.W es un número real obtenido al realizar la cuenta
 w1 
 
v1 .w1 + v2 .w2 + v3 .w3 + ... + vn−1 .wn−1 + vn .wn donde V = v1 v2 .... vn y W =  w2 
[ ]
 : 
 
 wn 

El siguiente esquema puede usarse como facilitador gráfico.

Ejercicio:

Efectuar el producto de las matrices 𝐴𝐴𝐴𝐴ℝ1𝑥𝑥3 𝑦𝑦 𝐵𝐵𝐵𝐵ℝ3𝑥𝑥1 , para obtener 𝐴𝐴. 𝐵𝐵

−1
Si 𝐴𝐴 = [6 −3 −8] y 𝐵𝐵 = �−6�
0
Producto de matrices Matriz que pos-multiplica
Matriz que pre-multiplica Matriz Producto

Producto de matrices 𝑩𝑩
𝑨𝑨 𝑨𝑨. 𝑩𝑩

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 8
 −1
Producto de matrices �−6�
0
[6 −3 −8] 𝟔𝟔 × (−𝟏𝟏) + (−𝟑𝟑) × (−𝟔𝟔) + (−𝟖𝟖) × 𝟎𝟎=[12]

Resulta que A.B = [12]

Ponemos la respuesta entre corchetes pues el resultado es una matriz de 1x1.

Producto

Producido el primer paso se puede intentar la generalización del producto de VЄRmxn y WЄRpxq.

 V1   v11 v12 .. v1n 

V  v v22 .. v2 n 
Se piensa a V considerando m vectores filas de n elementos, V =   21 
2
=
 :   .. .. .. .. 
   
 Vm   vm 1 vm 2 .. vmn 

 w11 w12 .. w1q 

w w22 .. w2 q 
W 1 W 2 .. W q   
21
y a W como q vectores columnas =
de p elementos W =
 .. .. .. .. 
 
 w p1 w p 2 .. w pq 

La siguiente disposición nos facilitará la compresión de lo que se pretende inducir.

Para llenar cada celda se debe efectuar el producto de una matriz fila por una correspondiente
columna donde ambas tengan la misma cantidad de componentes. Por lo tanto n debe ser igual a p.

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 9
O sea, sólo se puede multiplicar matrices donde la primera tenga igual cantidad de columnas que
tiene por filas la segunda.

Además, el orden de la matriz producto es: 𝑶𝑶𝑶𝑶𝑶𝑶𝑶𝑶𝑶𝑶(𝑉𝑉. 𝑊𝑊 ) = 𝑚𝑚 × 𝑞𝑞

Ejemplo

−3 −2
−1 5 −7
Sean las matrices U = � 4 0� ,Z= � � , efectuar el producto 𝑈𝑈. 𝑍𝑍
0 1 −4 𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂 𝟐𝟐×3
−1 5 𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂 3×𝟐𝟐
Primero: se analiza la dimensión de las matrices 𝑈𝑈 𝑦𝑦 𝑍𝑍 , verificando que la cantidad de columnas
de la la matriz U sea igual a la cantidad de filas de la matriz Z.
Orden de la matriz 𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂(𝑈𝑈) = 3 × 𝟐𝟐 𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂(𝑍𝑍) = 𝟐𝟐 × 3

Conclusión la operación 𝑈𝑈 × 𝑍𝑍 se pueden realizar.

La matriz producto tendrá por dimensión u orden la cantidad de filas de la matriz que pre-multiplica
(𝑈𝑈) y la cantidad de columnas de la que pos-multiplica (𝑍𝑍).

La dimensión u orden de la matriz 𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂(𝑈𝑈 × 𝑍𝑍 ) = 3 × 3

Usando el esquema para la operación producto de matrices se calcula 𝑈𝑈 × 𝑍𝑍

−1 5 −7
𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 𝑑𝑑𝑑𝑑 (𝑈𝑈. 𝑍𝑍) � �
0 1 −4

−3 −2 (−𝟑𝟑) × (−𝟏𝟏) + (−𝟐𝟐) × 𝟎𝟎 (−𝟑𝟑) × 𝟓𝟓 + (−𝟐𝟐) × 𝟏𝟏 (−𝟑𝟑) × (−𝟕𝟕) + (−𝟐𝟐) × (−𝟒𝟒)

�4 0� � 𝟒𝟒 × (−𝟏𝟏) + 𝟎𝟎 × 𝟎𝟎 𝟒𝟒 × 𝟓𝟓 + 𝟎𝟎 × 𝟏𝟏 𝟒𝟒 × (−𝟕𝟕) + 𝟎𝟎 × (−𝟒𝟒) �
−1 5 (−𝟏𝟏) × (−𝟏𝟏) + 𝟓𝟓 × 𝟎𝟎 (−𝟏𝟏) × 𝟓𝟓 + 𝟓𝟓 × 𝟏𝟏 (−𝟏𝟏) × (−𝟕𝟕) + 𝟓𝟓 × (−𝟒𝟒)

𝟑𝟑 −𝟏𝟏𝟏𝟏 𝟐𝟐𝟐𝟐
𝑈𝑈. 𝑍𝑍 = �−𝟒𝟒 𝟐𝟐𝟐𝟐 −𝟐𝟐𝟐𝟐�
𝟏𝟏 𝟎𝟎 −𝟏𝟏𝟏𝟏

Ejercicio

−3 −2 5
−1 5 −7
Sean U = � 4 0 �, Z = � � , T= [8 −8 −3], R = �−1�
0 1 −4
−1 5 0
a) ¿Cuál de los siguientes productos están definidos?

𝑈𝑈. 𝑍𝑍; 𝑍𝑍. 𝑈𝑈; 𝑈𝑈. 𝑇𝑇; 𝑇𝑇. 𝑈𝑈; 𝑍𝑍. 𝑇𝑇; 𝑍𝑍. 𝑅𝑅; 𝑅𝑅. 𝑍𝑍; 𝑈𝑈. 𝑅𝑅; 𝑅𝑅. 𝑈𝑈; 𝑇𝑇. 𝑅𝑅; 𝑅𝑅. 𝑇𝑇

Conviene escribir las dimensiones de ambas matrices en el orden del producto y comparar número
de columna con número de fila.

𝑈𝑈. 𝑍𝑍: 3𝑥𝑥𝟐𝟐 • 𝟐𝟐𝑥𝑥3 → 3𝑥𝑥3 𝑍𝑍. 𝑈𝑈: 2𝑥𝑥𝟑𝟑 • 𝟑𝟑𝑥𝑥2 → 2𝑥𝑥2
𝑈𝑈. 𝑇𝑇: 3𝑥𝑥2 • 1𝑥𝑥3 𝑛𝑛𝑛𝑛 𝑠𝑠𝑠𝑠 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑇𝑇. 𝑈𝑈: 1𝑥𝑥𝟑𝟑 • 𝟑𝟑𝑥𝑥2 → 1𝑥𝑥2

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 10
 𝑍𝑍. 𝑇𝑇: 2𝑥𝑥3 • 1𝑥𝑥3 𝑛𝑛𝑛𝑛 𝑠𝑠𝑠𝑠 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑍𝑍. 𝑅𝑅: 2𝑥𝑥3 • 3𝑥𝑥1 → 2𝑥𝑥1
𝑅𝑅. 𝑍𝑍: …………………………… 𝑈𝑈. 𝑅𝑅: … … … … … … … … ….
𝑅𝑅. 𝑈𝑈: …………………………… 𝑇𝑇. 𝑅𝑅: … … … … … … … … …
𝑅𝑅. 𝑇𝑇: … … … … … … … … … …..

Completar las restantes.

−3 −2
−1 5 −7 30 −33
b) Realicemos el producto 𝑍𝑍. 𝑈𝑈 = � �.� 4 0 �; 𝑍𝑍. 𝑈𝑈 = � �
0 1 −4 8 −20
−1 5

−3 −2 𝟑𝟑 −𝟏𝟏𝟏𝟏 𝟐𝟐𝟐𝟐
−1 5 −7 𝟑𝟑𝟑𝟑 −𝟑𝟑𝟑𝟑
Sean, U = � 4 0 �,Z = � � , 𝑼𝑼. 𝒁𝒁 = �−𝟒𝟒 𝟐𝟐𝟐𝟐 −𝟐𝟐𝟐𝟐� 𝑦𝑦 𝒁𝒁. 𝑼𝑼 = � �
0 1 −4 𝟖𝟖 −𝟐𝟐𝟐𝟐
−1 5 𝟏𝟏 𝟎𝟎 −𝟏𝟏𝟏𝟏

¿El producto de las matrices 𝑼𝑼 𝒚𝒚 𝒁𝒁 es conmutativo? ……………

c) Completar los productos dados en a) que sean posibles de resolver.

Notar que con los primeros ejemplos surge que la propiedad conmutativa no se cumple: existiendo
𝐴𝐴. 𝐵𝐵 puede no existir 𝐵𝐵. 𝐴𝐴 o existir 𝐵𝐵. 𝐴𝐴 y ser de diferente tamaño o no coincidir con 𝐴𝐴. 𝐵𝐵.

Mostrar ejemplos con las tres posibilidades.

Dar un ejemplo donde se cumpla la conmutatividad del producto. Si no encuentras, puedes

investigar en Internet, ejemplos de matrices que conmuten.

Propiedades del producto entre matrices

El producto entre matrices cumple las siguientes propiedades:

1- A.(B.C)=(A.B).C [Asociativa]

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 11
La demostración de esta propiedad la puedes leer en el archivo “TEORIA- PROPIEDAD
ASOCIATIVA DEL PRODUCTO DE MATRICES” Es opcional

Realizaremos un ejemplo para evidenciar que no importa como asociemos, agrupemos, llegamos
al mismo resultado como producto:

Ejemplo:
 0 −1
 2 −1 0   2 0
Sean las matrices: A=   B =  2 1  C =  
 3 −2 1   −3 −2   −1 1 

Realizaremos ( A . B ) . C por un lado, y A. ( B . C ) por otro

  0 −1 
  2 −1 0  
( A . B ) . C =  . 2 1   .  2 0  =  −2 −3  .  2 0  =  −1 −3 
3 −2 1      −1 1   −7 −7   −1 1   −7 −7 
           
  −3 − 2

  0 −1   1 −1
 2 −1 0   
A. ( B . C ) =  . 2 1  .
 2 0    2 −1 0  
= . 3 1  =  −1 −3 
          −7 −7 
 3 −2 1    3 2   −1 1    3 −2 1     
 − −    − 4 − 2
Las dos formas arrojan el mismo resultado.
( A . B ) . C = A. ( B . C ) esto es una muestra de que la propiedad se cumple, no es una
demostración.

Al cumplirse la propiedad asociativa, es posible escribir los dos productos sin paréntesis:
A . B . C = ( A . B ) . C = A. ( B . C )

2- A.(B + C) =A.B + A.C [Distributiva respecto a la suma por izquierda]

3- (B + C).A = B.A + C.A [Distributiva respecto a la suma por derecha]

4- α.(A.B) = (α .A).B = A. (α . B) [Asociativa respecto al producto por un escalar]

5- Para matrices cuadradas A de orden n, la matriz identidad In es el elemento neutro para la

multiplicación, es decir, se cumple: [Link] = In.A = A

Otras propiedades de la Traspuesta

Luego de haber visto las operaciones entre matrices, podemos agregar algunas propiedades de la
traspuesta.

1) ( At ) = A La traspuesta de la traspuesta es la matriz original

t

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 12
 t
2) ( A + B ) = At + Bt La traspuesta de una suma, es la suma de las traspuestas. La traspuesta es
distributiva con respecto a la suma.
t
3) (α A ) α At con α ∈  . La traspuesta de una constante por una matriz es igual a la
=
constante por la traspuesta de la matriz.
t
4) ( A.B ) = Bt . At La traspuesta de un producto de matrices, es el producto de las traspuestas en
el orden inverso.

Analiza las dimensiones de las matrices en esta última propiedad.

Videos:

Con ejercicio de demostraciones de propiedades de matrices simétricas y antisimétricas:

[Link]

SISTEMAS DE ECUACIONES LINEALES (SEL)

Sistema de ecuaciones lineales con dos incógnitas y su geometría

a) Considera las rectas 𝑅𝑅1 : 𝑦𝑦 = – 𝑥𝑥 + 2 𝑦𝑦 𝑅𝑅2 : 4𝑥𝑥 + 3𝑦𝑦 = 3.

Es sencillo graficarlas (¡hacerlo!) pero nuestra atención es hacia la siguiente cuestión:

¿Existirá algún punto 𝑃𝑃 que pertenezca a ambas rectas?

El esquema siguiente nos da una idea, pero no representa al ejemplo numérico dado.

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 13
Se observa que casi siempre tomando un valor 𝑥𝑥 los valores verticales y que corresponden a las
rectas son diferentes, o sea 𝑦𝑦𝑅𝑅1 ≠ 𝑦𝑦𝑅𝑅2 .

Pero sucede que en el punto de intersección de ambas líneas (𝑥𝑥𝑝𝑝 ; 𝑦𝑦𝑝𝑝 ) para el valor 𝑥𝑥𝑝𝑝 resulta el
valor vertical de ambas idéntico.

𝑦𝑦𝑝𝑝 = −𝑥𝑥𝑝𝑝 + 2
En nuestra situación se tendría: �
4𝑥𝑥𝑝𝑝 + 3𝑦𝑦𝑝𝑝 = 3

Esto recibe el nombre de sistema de dos ecuaciones lineales con dos incógnitas.

Se puede resolver sustituyendo en este caso la primera ecuación en la segunda (Método de

sustitución).

4𝑥𝑥𝑝𝑝 + 3. (– 𝑥𝑥𝑝𝑝 + 2) = 3 → 4𝑥𝑥𝑝𝑝 – 3𝑥𝑥𝑝𝑝 + 6 = 3 → 𝑥𝑥𝑝𝑝 = 3 – 6 → 𝑥𝑥𝑝𝑝 = – 3

Al regresar a la primera ecuación se obtiene: 𝑦𝑦𝑝𝑝 = – (– 3) + 2 = 5

Resulta que el punto de intersección es 𝑃𝑃 = (– 3; 5) .

Por seguridad es conveniente verificar la ecuación utilizada para el cálculo de 𝑦𝑦𝑝𝑝 .

Un sistema de dos ecuaciones con dos incógnitas donde existe un único par ordenado (𝑥𝑥; 𝑦𝑦) que las
cumple a ambas se denomina sistema compatible determinado. Si no hay ningún par ordenado que
las verifique se llama sistema incompatible; si existen infinitos pares que satisfacen a ambas se trata
de un sistema compatible indeterminado.

b) Veamos otra situación y otra técnica para llegar a la solución.

Se pretende resolver el siguiente sistema de ecuaciones lineales:

2𝑥𝑥 − 3𝑦𝑦 = 13 ecuación 1

𝑆𝑆: �
6x + 7y = 23 ecuación 2

¿Cambia el sistema si a la ecuación 1 la multiplicamos por 3?

6𝑥𝑥 − 9𝑦𝑦 = 39 ecuación 3

(a) 𝑆𝑆′: �
6x + 7y = 23 ecuación 2

¿Qué ocurre si a la ecuación 2 le restamos la ecuación 3?

Pensar que aquí estamos restando el número 39 (que equivale a 6𝑥𝑥 – 9𝑦𝑦)

6𝑥𝑥 − 9𝑦𝑦 = 39 ecuación 3

(b) 𝑆𝑆′′: �
6x + 7y − (6x − 9y) = 23 − 39 ecuación 4

6𝑥𝑥 − 9𝑦𝑦 = 39 ec. 3

(c) 𝑆𝑆′′: �
16y = −16 ec. 4

2𝑥𝑥 − 3𝑦𝑦 = 13 ec. 1

(d) 𝑆𝑆′′′: �
16y = −16 ec. 4

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 14
[la ec.1 tiene valores más pequeños que facilitan el despeje]

Podemos ver que S’’ es fácilmente resoluble.

De la ecuación 4 resulta 𝑦𝑦 = – 1 ; reemplazando en la ecuación 3 se tiene 2𝑥𝑥 + 3 = 13 →

2𝑥𝑥 = 10 → 𝑥𝑥 = 5

El par (5; – 1) satisface las ecuaciones de los 4 sistemas: 𝑆𝑆, 𝑆𝑆’, 𝑆𝑆’’ 𝑦𝑦 𝑆𝑆’’’ (¡hacer las cuentas!).

Las operaciones (a) y (b) son operaciones elementales entre ecuaciones; le podríamos agregar la
de permutar el orden en las ecuaciones (c). Además, la ecuación 4 podría pensarse como la suma de
la 2 con la 1 multiplicado por (–3).

Los 4 sistemas ejemplificados tienen el mismo conjunto solución: se dice que son equivalentes.

Generalizando lo efectuado en el ejemplo podemos recopilar:

Dado un sistema S con m ecuaciones lineales se consigue un sistema S’ equivalente a través de

cualquiera de estas tres operaciones elementales entre ecuaciones:

a) Permutar el orden de dos ecuaciones cualesquiera.

b) A una ecuación multiplicarla por un número diferente de cero.

c) A una ecuación reemplazarla por la suma de ésta por un múltiplo de otra (el factor de
multiplicación podría ser cero, pero no sería muy útil ya que S’=S).

Estas operaciones permitirán resolver ecuaciones por el Método de Gauss (y de Gauss-Jordan)

que abordaremos más adelante.

A propósito, se han ordenado los cuatro sistemas escribiendo las variables x e y en ese orden; se
podría haber elegido primero y, luego x, pero es fundamental optar por uno.

Los coeficientes que acompañan a las variables y los términos independientes (más allá del igual)
pueden distribuirse en una matriz.

Vinculado a cada sistema se tiene una serie de matrices, pero por ahora nos focalizaremos en la
matriz ampliada del sistema que llamemos 𝑀𝑀, 𝑀𝑀’, 𝑀𝑀’’ 𝑦𝑦 𝑀𝑀’’’.

Ellas son:

2 −3 ⋮ 13 6 −9 ⋮ 39�
𝑀𝑀 = � � 𝑀𝑀′ = �
6 7 ⋮ 23 6 7 ⋮ 23
6 −9 ⋮ 39 2 −3 ⋮ 13
𝑀𝑀′′ = � � 𝑀𝑀′′′ = � �
0 16 ⋮ −16 0 −16 ⋮ 16
Esta disposición (dentro de otra) impide la dispersión que pudieran hacer las variables sobre nuestro
desarrollo algebraico y de alguna manera lo automatiza.

Cada una de las cuatro matrices presentadas tiene 2 filas y 3 columnas. Las primeras representan en
nuestra situación a las ecuaciones y las segundas a las variables –ordenadas- y a los términos
independientes.
Algebra y Geometría Analítica I - DIIT
Matrices – SEL - Determinantes 15
Las operaciones elementales entre ecuaciones pueden pensarse como operaciones elementales
entre filas. Ellas nos dirigen a una nueva matriz que representa a un sistema equivalente al
anterior o sea que tienen el mismo conjunto solución.

Escribamos las operaciones elementales para las filas de una matriz que represente a un sistema
lineal de ecuaciones:

a) Permutar dos filas entre sí.

b) A una fila multiplicarla por un número diferente de cero.

c) A una fila reemplazarla por la suma de ésta por un múltiplo de otra.

Explicite cuál (es) fue (ron) las operaciones elementales que permitieron ir de la matriz 𝑀𝑀 hasta la
𝑀𝑀’’’ en el caso anterior.

ESTADO INICIAL (sistema original) PROCESO ESTADO INICIAL (sistema equivalente)

𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒. 3 3 × 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒. 1 6 −9 ⋮ 39
2 −3 ⋮ 13� 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒. 1 � �=� � →� �
� � � → 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 2 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 2 6 7 ⋮ 23
6 7 ⋮ 23 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 2

… terminar con el proceso

2𝑥𝑥 − 𝑦𝑦 + 4𝑧𝑧 = 13
Si tuviésemos el sistema � 3𝑦𝑦 − 𝑧𝑧 = 4 resulta una matriz ampliada de 3 filas y 4 columnas;
10𝑧𝑧 = 50
2 −1 4 13
esta es 𝑀𝑀 = �0 3 −1� 4 � .
0 0 10 50

La solución del sistema es 𝑧𝑧 = 5 ; 3𝑦𝑦 – 5 = 4 → 𝑦𝑦 = 3 ; 2𝑥𝑥 – 3 + 20 = 13 → 𝑥𝑥 = – 2 .

Evidentemente podemos resolver el sistema desde las ecuaciones iniciales pero la matriz con tantos
ceros y estratégicamente ubicados facilita la resolución. Es por eso por lo que se nos hace necesario
un tratamiento individual y más profundo.

Expresión matricial de un sistema de ecuaciones

Anteriormente, se planteó el siguiente sistema de ecuaciones lineales:

2𝑥𝑥 − 3𝑦𝑦 = 13
𝑆𝑆: � cuya solución fue (𝑥𝑥, 𝑦𝑦) = (5; – 1)
6x + 7y = 23

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 16
Veamos que dichas ecuaciones tienen varias interpretaciones:

(a) Cada ecuación corresponde a una recta y cuando uno está frente a un sistema pretende conocer
el punto (si existiera) donde las rectas se intersecan. Es una visión geométrica.

(b) A todo sistema de ecuaciones lineales se le puede asociar una formalización matricial.

Definimos una matriz 𝐴𝐴 como matriz del sistema, de tamaño mxn donde m es el número de
ecuaciones y 𝑛𝑛 el número de incógnitas (𝑥𝑥1 , 𝑥𝑥2 , … , 𝑥𝑥𝑛𝑛 ); una matriz X de incógnitas –que es un vector
columna- de 𝑛𝑛 × 1 y una matriz B de términos independientes –también vector columna- de 𝑚𝑚 × 1.

Si el sistema 𝑆𝑆 fuera

a11 x1 + a12 x2 + … + a1𝑛𝑛 x𝑛𝑛 = b1

a21 x1 + a22 x2
𝑆𝑆: � ⋯ + … + a2𝑛𝑛 x𝑛𝑛 = b2
⋯ ⋯ ⋯ ⋯ ⋯
a𝑚𝑚1 x1 + a𝑚𝑚2 x2 + … + a𝑚𝑚𝑚𝑚 x𝑛𝑛 = b𝑚𝑚

𝑎𝑎11 𝑎𝑎12 . . 𝑎𝑎1𝑛𝑛 𝑥𝑥1 𝑏𝑏1

𝑎𝑎21 𝑎𝑎22 . . 𝑎𝑎2𝑛𝑛 𝑥𝑥2 𝑏𝑏2
las matrices serían 𝐴𝐴 = � : : : : �, 𝑋𝑋 = � : �, 𝐵𝐵 = � : �
𝑎𝑎𝑚𝑚1 𝑎𝑎𝑚𝑚2 . . 𝑎𝑎𝑚𝑚𝑚𝑚 𝑥𝑥𝑛𝑛 𝑏𝑏𝑚𝑚

de tal forma que 𝑆𝑆 puede escribirse como 𝐴𝐴. 𝑋𝑋 = 𝐵𝐵 que es la forma matricial de un sistema de
ecuaciones.

También suele definirse otra matriz M, matriz ampliada del sistema y es de orden 𝑚𝑚 × (𝑛𝑛 + 1).
𝑎𝑎11 𝑎𝑎12 ⋮ 𝑎𝑎1𝑛𝑛 𝑏𝑏1
Su forma es 𝑀𝑀 = � ⋯ 𝑎𝑎 21 𝑎𝑎22 ⋮ 𝑎𝑎2𝑛𝑛 � 𝑏𝑏2 � donde el separador es sólo un recurso visual para
⋯ ⋱ ⋯ ⋯
𝑎𝑎𝑚𝑚1 𝑎𝑎𝑚𝑚2 ⋮ 𝑎𝑎𝑚𝑚𝑚𝑚 𝑏𝑏𝑚𝑚
recordar que allí debe estar el signo igual 1.

2 −3 𝑥𝑥 13
En nuestro caso particular tendríamos que 𝐴𝐴 = � �, 𝑋𝑋 = �𝑦𝑦�, 𝐵𝐵 = � �y por ende la forma
6 7 23
2 −3 𝑥𝑥 13
matricial del sistema de ecuaciones es 𝐴𝐴. 𝑋𝑋 = 𝐵𝐵 → � �.� � = � �
6 7 𝑦𝑦 23
Observemos que (5; – 1) es solución del sistema pues al efectuar el producto (y que usaremos como
2 −3 13
matriz columna) � � . � 5 �obtenemos � � .
6 7 −1 23
2 −3 −3 −12
En cambio (– 3; 2) no es solución pues � �.� � = � � y como el resultado no es la matriz
6 7 2 −4
13
� � entonces (– 3; 2) no es una solución del sistema 𝑆𝑆.
23

1 El sistema se resolverá por aplicación de operaciones elementales entre filas.

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 17
Sistema de ecuaciones lineales con 3 o más incógnitas. Método de resolución de Gauss y de
Gauss-Jordan.

Abordaremos la resolución de sistemas de m ecuaciones lineales con n incógnitas a través de los

métodos de Gauss y Gauss-Jordan.

Ejemplo

En ℝ3 una ecuación lineal en 𝑥𝑥, 𝑦𝑦 ∧ 𝑧𝑧 la podemos interpretar como la ecuación de un plano (en el
módulo 3 se justificará esto).

Tomemos el problema de determinar si hay (o no) intersección entre los siguientes cinco planos:

П1: 2x + y – z = 1 П2: 3x – 2y – 4z = 11 П3: –x + 4y + 2z = 1

П4: –5x – y + 6z = –26, П5: 3y + 2z = –7

Un punto (x, y, z) pertenecerá a los cinco planos si satisface las cinco ecuaciones que ordenamos a
nuestro gusto en una matriz ampliada M de coeficientes.

−1 4 2 1 𝑓𝑓1
𝑓𝑓
⎛0 3 2 −7 ⎞ 2
𝑀𝑀 = ⎜ 2 1 −1�� 1 ⎟ 𝑓𝑓3
3 −2 −4 11 𝑓𝑓4
⎝−5 −1 6 −26⎠ 𝑓𝑓5

Recordemos que entre ecuaciones y las filas de la matriz son lícitas las siguientes operaciones
elementales:

a) Permutar el orden de dos ecuaciones cualesquiera.

b) A una ecuación multiplicarla por un número diferente de cero.

c) A una ecuación reemplazarla por la suma de ésta y un múltiplo de otra2.

Unifiquemos criterios para la resolución:

a) En el paso siguiente anotaremos en la fila que vamos a modificar qué operación le hemos
realizado a las anteriores. Así si en la tercera hilera apareciera 2𝑓𝑓1 + 𝑓𝑓3 debemos entender que la
nueva fila 3 (que llamaremos 𝑓𝑓3 por abuso de notación) se obtiene de efectuar el doble de la fila 1
adicionado a la fila 3 del paso inmediatamente precedente.

2 Si a la ecuación que es sumada se la multiplica por cero no se adiciona nada a la ecuación original pero la operación
elemental sigue siendo válida y por lo tanto se mantiene su aplicación. Esto será de utilidad al trabajar con sistemas con
parámetros.

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 18
b) La intención del método es por medio de las operaciones elementales llegar a una matriz
escalonada por filas. Esto sucede si:

i) Cualquier fila que se componga enteramente por ceros se ubica en la parte inferior.

ii) En cada renglón diferente de cero, la primera entrada no nula (llama entrada principal o pivote
o elemento distinguido) se localiza en una columna a la izquierda de cualquier entrada principal
debajo de ella (o equivalentemente, a medida “que bajamos” por la matriz los pivotes aparecen a la
derecha).

Al proceso lo llamaremos triangulación (si la matriz es cuadrada) o escalonamiento.

Los siguientes esquemas muestran algunas matrices triangulares superiores o escalonadas en

situaciones de resolución de sistemas de ecuaciones lineales (por eso el punteado dentro de la
matriz) y convengamos que “#” representa un número real no nulo y “•” uno cualquiera (incluyendo
el 0).

Ejemplo

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 19
Otras situaciones son:

# • • • •
# • • # • •
# • • 0 # • • •
6.� �, 7. � 0 0 • �, 8.� 0 # • �, 9. � �,
0 0 0 0 0 # • •
0 0 0 0 0 0
0 0 0 # •
# • • • • # • • • •
0 # • • • 0 0 # • •
10. � �, 11. � �:
0 0 0 # • 0 0 0 0 •
0 0 0 0 • 0 0 0 0 0

Mostrar que en cada matriz se cumple que es triangular superior (𝑚𝑚𝑖𝑖𝑖𝑖 = 0 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑖𝑖 > 𝑗𝑗).

c) La intención es que 𝑚𝑚11 sea diferente de cero y todos los demás elementos de la primera columna
que están debajo de él se anulen.

Luego nos corremos una columna hacia la derecha y una fila hacia abajo y ese elemento debe ser
diferente de cero; para lograrlo podemos permutar filas.

Además, los restantes valores debajo de ese elemento ser nulos; si no pudiéramos conseguirlo nos
0 # •
corremos una columna más a la derecha (como aquí �0 0 • �)
0 0 0

d) El objetivo del método de Gauss es llegar a la solución del sistema resolviendo de atrás hacia
delante al terminar la triangulación o escalonamiento, o sea comenzar con lo que se obtiene en la
última fila y seguir con las superiores.

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 20
El método de Gauss-Jordan prosigue triangulando hacia arriba, tratando de dejar solamente los
elementos diagonales, con el fin que la respuesta sea directa, aunque el precio a pagar es una mayor
cantidad de pasos en el proceso de escalonamiento.

En el método de Gauss-Jordan la matriz debe llevarse a la forma escalonada reducida por filas esto
significa que además de ser una matriz escalonada, los pivotes o elementos distinguidos deben ser
1 (unos) y estos son los únicos distintos de cero en su columna.

El método de Gauss Jordan lo utilizaremos para la obtención de la inversa de una matriz.

Sí estimamos conveniente que en cada situación quien resuelve analice qué operaciones elementales
(y trucos) se pueden usar.

Ejemplo

П1 П3 – x + 4y + 2z = 1
⎧П ⎧П ⎧ 3y + 2z = – 7
⎪ 2 ⎪ 5 ⎪
Resolvamos el sistema: 𝑆𝑆: П3 ≡ 𝑆𝑆 ′ : П1 → 𝑆𝑆 ′: 2x + y – z = 1
⎨П4 ⎨П2 ⎨ 3x – 2y – 4z = 11
⎪ ⎪ ⎪
⎩П5 ⎩П4 ⎩– 5x – y + 6z = – 26

 −1 4 2 1  f1
 0 3 2 −7  f2
 
M =  2 1 −1 1  f3 ya que el m11 es un –1 lo usamos de pivote y a través de él
 
 3 −2 −4 11  f4
 −5 −1 6 −26  f5
tratamos de anular los valores restantes de la primera columna. Ese –1 apareció pues al armar la
matriz M a nuestro gusto el mismo no fue azaroso.

Tener un 1 o –1 suele ser conveniente, pero no determinante; si en alguna matriz los elementos de
la columna fueran 6, –3, 3, 12 y 15 tanto el 3 como el –3 serían óptimos para desarrollar el proceso
de triangulación.

 −1 4 2 1  f1
0 3 2 −7  f2
 
→ 0 9 3 3  2 f1 + f 3 siempre usamos +fi –la fila i es la que cambiamos-
 
 0 10 2 14  3 f1 + f4
 0 −21 −4 −31 −5 f1 + f5

Nuestra atención se dirige a la submatriz que nos queda al ir a la fila y columna siguientes:

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 21
 y aquí vemos que tanto los coeficientes de las filas 2 y 3 son
múltiplos de 3 y 2 respectivamente; por lo tanto, los
hacemos más pequeños usando la operación elemental b).

 −1 4 2 1
0 3 el 3 en m22 será nuestro pivote; ¿cómo hacemos para
2 −7  conseguir un 0 donde hay un 5?
 
0 3 1 1  f3 ÷ 3 → Debemos a f4 sumarle k veces f2, pero con cual k:
 
0 5 1 7  f4 ÷ 2
5
 0 21 4 31  − f5 3.k + 5 = 0 → k = −
3
 −1 4 2 1 
0 3 2 −7 
 
0 0 −1 8  − f2 + f3
 
0 0 − 7 3 56 3  − 5 3 f2 + f4
 
 0 0 −10 80  −7 f2 + f5

Ahora nos focalizamos en la submatriz que se obtiene al

“bajar” a una nueva fila y desplazarnos un lugar hacia la
derecha.

 −1 4 12
0 3 2 −7 
 
0 0 −1 8  Hemos multiplicado por 3 la f4 por comodidad en las cuentas.
 
0 0 −7 56  3 f4
 0 0 −1 8  f5 ÷ 10

 −1 4 2
1
0 Se ha triangulado –o escalonado- nuestro sistema de
3 2 −7 
  ecuaciones llegando a una matriz triangular superior. Las
→ 0 0 −1 8 
  últimas dos ecuaciones ya no nos son útiles pues representan
0 0 0 0  −7 f3 + f4
una tautología:
 0 0 0 0  − f3 + f5
es siempre cierto que 0.x + 0.y + 0.z = 0 para cualquier terna
x, y, z de números reales.

Podemos ahora encontrar la solución del sistema yendo desde el final al principio:

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 22
– 𝑧𝑧 = 8 → 𝑧𝑧 = – 8

3𝑦𝑦 + 2. (– 8) = – 7 → 3𝑦𝑦 = – 7 + 16 → 𝑦𝑦 = 3

– 𝑥𝑥 + 4.3 + 2. (– 8) = 1 → – 𝑥𝑥 = 1 – 12 + 16 → 𝑥𝑥 = – 5

El sistema resultó ser compatible determinado o sea tiene solución única { (– 5; 3; – 8) }.

Allí se intersecan los 5 planos.

Comentarios

a) La forma escalonada por renglones de una matriz no es única. Podríamos haber permutado al
principio el – 5 de la 𝑓𝑓5 y usarlo de pivote. No serían muy lindas las cuentas, pero la triangulación
sirve igual.

b) Podemos continuar desde la matriz escalonada para llegar a la solución sin resolver hacia atrás
“a mano”. Es la esencia del método de Gauss-Jordan.

−1 4 2 1
A partir del – 1 en la tercera fila buscamos conseguir ceros arriba de
⎛0 3 2 −7⎞
⎜0 0 −1�� 8 ⎟ dicho coeficiente; podemos olvidarnos de las últimas dos filas para
0 0 0 0 la resolución de nuestro sistema de ecuaciones.
⎝0 0 0 0⎠

−1 4 0 17 2𝑓𝑓3 + 𝑓𝑓1 −1 4 0 17
� 0 3 0 � 9 � 2𝑓𝑓3 + 𝑓𝑓2 → � 0 1 0� 3 � 𝑓𝑓2 ÷ 3
0 0 −1 8 0 0 1 −8 −𝑓𝑓3

−1 0 0 5 −4𝑓𝑓2 + 𝑓𝑓1 1 0 0 −5 −𝑓𝑓1

→ � 0 1 0� 3 � → �0 1 0� 3 � ; de aquí se tiene 𝑥𝑥 = – 5, 𝑦𝑦 = 3, 𝑧𝑧 =
0 0 1 −8 0 0 1 −8
–8

c) A veces puede ser útil presentar las incógnitas en otro orden.

Nuestra matriz 𝑀𝑀 presupone un orden por columna 𝑥𝑥; 𝑦𝑦; 𝑧𝑧 pero en alguna ocasión puede ser que
convenga permutar.

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 23
 𝑥𝑥 𝑧𝑧 𝑦𝑦
−1 4 2 1
−1 2 4 1
⎛0 3 2 −7⎞ ⎛0 2 3 � −7⎞
Si en ⎜ 0 3 1�� 1 ⎟permutamos la columna 𝑦𝑦 por 𝑧𝑧 y tenemos → ⎜
⎜0 ⎟
0 5 1 7 1 3� 1 ⎟
0 1 5 7
⎝ 0 21 4 31 ⎠ ⎝0 4 21 31 ⎠
𝑥𝑥 𝑧𝑧 𝑦𝑦 𝑥𝑥 𝑧𝑧 𝑦𝑦
−1 2 4 1 −1 2 4 1
⎛0 2 3 � −7⎞ 𝑓𝑓2 ↔ 𝑓𝑓3 ⎛0 1 3� 1 ⎞
→⎜
⎜ ⎟ →⎜
⎜ ⎟
0 1 3� 1⎟ 0 2 3 � −7⎟ −2𝑓𝑓2 + 𝑓𝑓3
0 1 5 7 0 1 5 7 −𝑓𝑓2 + 𝑓𝑓4
⎝0 4 21 31 ⎠ ⎝0 ⎠
4 21 31 −4𝑓𝑓2 + 𝑓𝑓5

𝑥𝑥 𝑧𝑧 𝑦𝑦 𝑥𝑥 𝑧𝑧 𝑦𝑦 𝑎𝑎 𝑥𝑥 𝑧𝑧 𝑦𝑦
−1 2 4 1 −1 2 4 1 −1 2 4 1
⎛0 1 3� 1⎞ ⎛0 1 3� 1⎞ ⎛0 1 3� 1 ⎞
→⎜ ⎟ − 1⁄3 𝑓𝑓3 → ⎜ →⎜
⎜0 0 −3� −9⎟ ⎜0 0 1� 3⎟
⎟ ⎜0 0 ⎟
1� 3 ⎟
0 0 2 6 1⁄2 𝑓𝑓4 0 0 1 3 𝑓𝑓4 − 𝑓𝑓3 0 0 0 0
⎝0 0 9 27 ⎠ 1⁄9 𝑓𝑓5 ⎝0 0 1 3⎠ 𝑓𝑓5 − 𝑓𝑓3 ⎝ 0 0 0 0⎠

podemos eliminar las dos últimas filas pues están repetidas y despejar 𝑦𝑦, 𝑧𝑧 y 𝑥𝑥 (en ese orden). Aquí
el permutar columnas facilitó un poco las cuentas (no usamos fracciones).

Otro Ejemplo

 x + 3 y − 5z + w = 4

Resolver el sistema de ecuaciones de 3 x 4 S: 2 x + 5 y − 2 z + 4 w =6
− x − 2 y − 3 z − 3w =−2


Armamos la matriz M de los coeficientes, ampliada con los términos independientes.

 1 3 −5 1 4   1 3 −5 1 4   1 3 −5 1 4 
     
 2 5 −2 4 6  f2 − 2 f1 → f2 0 −1 8 2 −2  0 −1 8 2 −2 
 −1 −2 −3 −3 −2  f3 + f → f3 0 1 −8 −2 2  f3 + f → f3 0 0 0 0 0 
  1   2  

 x + 3 y − 5z + w =
4
Reescribimos el sistema  y despejamos de abajo hacia arriba.
 − y + 8 z + 2 w =−2

y =8 z + 2 w + 2 Reemplazamos en la primera ecuación y despejamos x en función de z y w

x + 3 (8 z + 2w + 2 ) − 5 z + w =
4 → x + 24 z + 6 w + 6 − 5 z + w =4 → x + 19 z + 7 w + 6 =4
−19 z − 7 w − 2
→ x=

x =−19 z − 7 w − 2
Resultando 
 y =8 z + 2 w + 2

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 24
S ={( x; y; z; w ) = ( −19 z − 7 w − 2;8 z + 2 w + 2; z; w ) ∧ z ∈ R ∧ w ∈ R}

Con “z “ y ”w“ cualquier par de números reales. El sistema es compatible indeterminado.

Las variables “x” e “y” que corresponden a las posiciones de los pivotes suele llamárselas variables
principales y las variables “z “ y ”w“ son las variables libres o independientes.
De acuerdo a los infinitos valores que pueden tomar las variables libres se van obteniendo el
correspondiente valor para cada variable principal.

 1 3 −5 1 4 
 
¿Qué hubiera ocurrido si al escalonar se llegara a la matriz 0 −1 8 2 −2  ?
0 0 0 0 3 
 
La misma está triangulada (escalonada) y la cuarta ecuación se interpreta así:

0.x+ 0.y +0.z + 0.w = 3 0=3

La misma no tiene solución. El sistema es incompatible.

Rango fila de una matriz

Dada una matriz de 𝑚𝑚 × 𝑛𝑛 se denomina rango fila de ella a la cantidad de filas no nulas luego de
haber triangulado (escalonado) la matriz.

Pensamos a la matriz formada por m vectores de n componentes y los triangulamos: sólo los vectores
no nulos cuentan para el rango fila de la matriz.

Ejemplo

1 −1 2 2 3 −4 0
2 1 1 0 −5 1 4
Busquemos el rango de las matrices � �y� �.
−3 4 −7 0 0 −8 4
5 0 5 0 0 0 11

1 −1 2 1 −1 2 1 −1 2
2 1 1 0 3 −3 −2𝑓𝑓
1 + 𝑓𝑓
2 0 1 −1 𝑓𝑓2 ÷ 3
(I) 𝑟𝑟𝑟𝑟𝑟𝑟 � � = 𝑟𝑟𝑟𝑟𝑟𝑟 � � = 𝑟𝑟𝑟𝑟𝑟𝑟 � � =
−3 4 −7 0 1 −1 3𝑓𝑓1 + 𝑓𝑓3 0 1 −1
5 0 5 0 5 −5 −5𝑓𝑓1 + 𝑓𝑓4 0 1 −1 𝑓𝑓4 ÷ 5

1 −1 2
0 1 −1
𝑟𝑟𝑟𝑟𝑟𝑟 � � =2
0 0 0 −𝑓𝑓2 + 𝑓𝑓3
0 0 0 −𝑓𝑓2 + 𝑓𝑓4

2 3 −4 0
0 −5 1 4
(II) 𝑟𝑟𝑟𝑟𝑟𝑟 � � = 4 [ya está triangulada]
0 0 −8 4
0 0 0 11

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 25
Comentarios:

Si consideramos a las columnas como vectores de m componentes –de arriba hacia abajo, por
ejemplo, la columna 1 del ejemplo I es (1, 2, – 3, 5)– podemos definir el rango columna de una
matriz como la cantidad de vectores columnas no nulos que sobreviven al triangularlos.

Más adelante se verá que el rango fila y el rango columna son idénticos y al dar un mismo número
se habla directamente del rango de una matriz.

La noción de rango fila está íntimamente ligada al concepto de independencia y dependencia lineal
volveremos con este tema, más adelante

Teorema de Rouche-Fröbenius

Vamos a vincular el rango fila de una matriz con la posibilidad de existencia de solución a un sistema
de m ecuaciones lineales con n incógnitas.

𝑎𝑎11 𝑥𝑥1 + 𝑎𝑎12 𝑥𝑥2 +. . . . +𝑎𝑎1𝑛𝑛 𝑥𝑥𝑛𝑛 = 𝑏𝑏1

𝑎𝑎 𝑥𝑥 + 𝑎𝑎22 𝑥𝑥2 +. . . . +𝑎𝑎2𝑛𝑛 𝑥𝑥𝑛𝑛 = 𝑏𝑏2
Un sistema � 21 1 puede escribirse matricialmente como A.X = B
: : : : : : : : :
𝑎𝑎𝑚𝑚1 𝑥𝑥1 + 𝑎𝑎𝑚𝑚2 𝑥𝑥2 +. . . . +𝑎𝑎𝑚𝑚𝑚𝑚 𝑥𝑥𝑛𝑛 = 𝑏𝑏𝑚𝑚

donde 𝐴𝐴 es la matriz de coeficientes del sistema (𝑚𝑚 × 𝑛𝑛), X la matriz columna de incógnitas
(𝑛𝑛 × 1) y B la matriz columna de términos independientes (𝑚𝑚 × 1).
𝑎𝑎11 𝑎𝑎12 . . . 𝑎𝑎1𝑛𝑛 𝑥𝑥1 𝑏𝑏1
𝑎𝑎21 𝑎𝑎22 . . . 𝑎𝑎2𝑛𝑛 𝑥𝑥2 𝑏𝑏2
A=� : : : : �, X = � : �, B = � : �;
𝑎𝑎𝑚𝑚1 𝑎𝑎𝑚𝑚2 . . . 𝑎𝑎𝑚𝑚𝑚𝑚 𝑥𝑥𝑛𝑛 𝑏𝑏𝑚𝑚

Asimismo, tenemos a M, matriz ampliada del sistema de dimensión 𝑚𝑚 × (𝑛𝑛 + 1):

𝑎𝑎11 𝑎𝑎12 . . . 𝑎𝑎1𝑛𝑛 ⋮ 𝑏𝑏1

𝑎𝑎 𝑎𝑎22 . . . 𝑎𝑎2𝑛𝑛 ⋮ 𝑏𝑏2
M = � 21 �
: : : : ⋮ :
𝑎𝑎𝑚𝑚1 𝑎𝑎𝑚𝑚2 . . . 𝑎𝑎𝑚𝑚𝑚𝑚 ⋮ 𝑏𝑏𝑚𝑚

Analicemos algunos casos particulares para ver si ciertos resultados pueden ser generalizados (“#”
representa un número real no nulo y “•” uno cualquiera o sea que puede anularse).

Ejemplo

# • •
a) ¿Qué sucede si tuviéramos un sistema con 𝑛𝑛 = 2 incógnitas de este tipo � �?
0 # •
De la segunda obtendríamos 𝑥𝑥2 y luego sustituyendo en la primera saldría x1; el sistema es
compatible determinado (SCD).

# • # • •
Veamos los rangos de las matrices A = � �yM=� �.
0 # 0 # •

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 26
Al estar ambas trianguladas tenemos 𝑟𝑟𝑟𝑟𝑓𝑓(𝐴𝐴) = 2 y 𝑟𝑟𝑟𝑟𝑟𝑟(𝑀𝑀) = 2; 𝑛𝑛 = 2.

# • # • •
b) A = � �yM=� �.
0 0 0 0 #
El sistema es incompatible pues la segunda ecuación significa 0. 𝑥𝑥1 + 0. 𝑥𝑥2 = # (SI).

Aquí 𝑟𝑟𝑟𝑟𝑟𝑟(𝐴𝐴) = 1, 𝑟𝑟𝑟𝑟𝑟𝑟(𝑀𝑀) = 2, 𝑛𝑛 = 2.

# • # • •
c) A = � � y M=� �; el sistema es compatible indeterminado (SCI); 𝑥𝑥1 queda en
0 0 0 0 0
función de 𝑥𝑥2 ; 𝑟𝑟𝑟𝑟𝑟𝑟(𝐴𝐴) = 1, 𝑟𝑟𝑟𝑟𝑟𝑟(𝑀𝑀) = 1, 𝑛𝑛 = 2.

Cuestión: ¿Podríamos asegurar que 𝑥𝑥2 se puede poner en función de 𝑥𝑥1 ?

0 # •
d) M = �0 0 #�; SI; nos imaginamos a 𝐴𝐴 y tenemos: 𝑟𝑟𝑟𝑟𝑟𝑟(𝐴𝐴) = 1, 𝑟𝑟𝑟𝑟𝑟𝑟(𝑀𝑀) = 2, 𝑛𝑛 = 2.
0 0 0
# • • • •
0 # • • •
e) M = � �; 𝑆𝑆𝑆𝑆𝑆𝑆; 𝑟𝑟𝑟𝑟𝑟𝑟(𝐴𝐴) = 4, 𝑟𝑟𝑟𝑟𝑟𝑟(𝑀𝑀) = 4, 𝑛𝑛 = 4.
0 0 # • •
0 0 0 # •
# • • • •
0 # • • •
f) M = � �; 𝑆𝑆𝑆𝑆; 𝑟𝑟𝑟𝑟𝑟𝑟(𝐴𝐴) = 3, 𝑟𝑟𝑟𝑟𝑟𝑟(𝑀𝑀) = 4, 𝑛𝑛 = 4.
0 0 # • •
0 0 0 0 #
# • • • •
g) M = � 0 0 0 # • �; 𝑆𝑆𝑆𝑆𝑆𝑆; 𝑟𝑟𝑟𝑟𝑟𝑟(𝐴𝐴) = 2, 𝑟𝑟𝑟𝑟𝑟𝑟(𝑀𝑀) = 2, 𝑛𝑛 = 4.
0 0 0 0 0
El teorema de Rouche-Fröbenius da un marco teórico a lo ejemplificado.

Tabulemos lo obtenido –tener en cuenta que 𝑟𝑟𝑟𝑟𝑟𝑟(𝐴𝐴) ≤ 𝑟𝑟𝑟𝑟𝑟𝑟(𝑀𝑀) pues 𝑀𝑀 se obtiene agregando una
columna adicional a A-.

Ejemplo Rango A Rango M n Tipo de solución

(a) 2 2 2 SCD

(b) 1 2 2 SI

(c) 1 1 2 SCI

(d) 1 2 2 SI

(e) 4 4 4 SCD

(f) 3 4 4 SI

(g) 2 2 4 SCI

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 27
Si 𝒓𝒓𝒓𝒓(𝑨𝑨) = 𝒓𝒓𝒓𝒓(𝑴𝑴) hay solución:

a) única si 𝒓𝒓𝒓𝒓(𝑨𝑨) = 𝒓𝒓𝒓𝒓(𝑴𝑴) = 𝒏𝒏

b) infinitas si 𝒓𝒓𝒓𝒓(𝑨𝑨) = 𝒓𝒓𝒓𝒓(𝑴𝑴) < 𝑛𝑛 y la diferencia entre 𝑛𝑛 y el 𝑟𝑟𝑟𝑟(𝐴𝐴) indica la cantidad de

variables libres que deben usarse para expresar la solución.

Recordar que los rangos filas y columnas coinciden; el número de columnas está dado por el
número de incógnitas y por eso 𝒓𝒓𝒓𝒓𝒓𝒓 ≤ 𝒏𝒏 en cualquier caso.

Si 𝒓𝒓𝒓𝒓(𝑨𝑨) < 𝑟𝑟𝑟𝑟(𝑀𝑀) no tenemos solución.

Videos de la cátedra que pueden ayudarte a comprender los temas:

3.1 Método de Gauss y Gauss Jordan

[Link]

3.2 Método de Gauss y Gauss Jordan

[Link]

3.3 Teorema de Rouche Fröbenius

[Link]

Clasificación de sistemas. Teorema de Rouche Fröbenius

[Link]

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 28
EQUIVALENCIA ENTRE SISTEMAS DE ECUACIONES LINEALES

¿Cómo podemos saber si dos sistemas de ecuaciones 𝑆𝑆1 y 𝑆𝑆2 son equivalentes, es decir, que tienen
el mismo conjunto solución?
Lo primero que debemos hacer es triangular cada conjunto de ecuaciones por separado y quedarnos
con las ecuaciones independientes (cuya cantidad coincide con el rango de cada matriz de
coeficientes y de cada matriz ampliada). Después de hacer esto puede pasar que:

• En alguno de los sistemas, los rangos de las matrices de coeficientes y ampliadas no sean
iguales y por lo tanto sería un sistema incompatible. En este caso, los dos sistemas serán
equivalentes SOLO si ambos lo son. Si, en cambio, uno fuera compatible y el otro
incompatible, no son equivalentes.
• Ambos sistemas resultan compatibles pero los rangos de las matrices ampliadas son
diferentes. En este caso, los sistemas NO serán equivalentes ya que tienen distinto conjunto
solución.
• Ambos sistemas resultan compatibles con el mismo rango en sus matrices ampliadas. Si
este es el caso, tenemos que seguir trabajando, ya que podrían tener, o no, el mismo conjunto
solución.

Si ya sabemos que ambos sistemas son compatibles y ambos tienen rango 𝑘𝑘, ¿cómo seguimos?

Ubicamos las 𝑘𝑘 ecuaciones de uno de ellos y a continuación las 𝑘𝑘 del otro (y éstas no son
intercambiadas con ninguna de las del primero) y comenzamos a triangularlas. Si los sistemas son
equivalentes las últimas 𝑘𝑘 deben anularse por completo.

Ejemplo 1:
−3𝑥𝑥 + 2𝑦𝑦 − 𝑧𝑧 = 8 −𝑥𝑥 + 2𝑦𝑦 + 9𝑧𝑧 = −24
Compruebe que 𝑆𝑆: � y 𝑆𝑆’: � son equivalentes.
2𝑥𝑥 − 𝑦𝑦 + 3𝑧𝑧 = −12 −11𝑥𝑥 + 9𝑦𝑦 + 8𝑧𝑧 = −4

Cuando un sistema tiene solo 2 ecuaciones, el sistema será de rango 1 (si las ecuaciones son
múltiplos una de la otra) o de rango 2 (si las ecuaciones no son múltiplos una de la otra). El rango
de ambos sistemas es 2 pues las dos ecuaciones son linealmente independientes (no múltiplos).
Como tienen igual rango, seguimos trabajando.

Triangulemos ubicando por comodidad las de 𝑆𝑆’ arriba y luego las de 𝑆𝑆.
1
𝐹𝐹2 → 𝐹𝐹2
−1 2 9 −24 𝐹𝐹 + (−11)𝐹𝐹 → 𝐹𝐹 −1 2 9 −24 13
2 1 2
� −11 9 8 � −4 � 𝐹𝐹 + (−3)𝐹𝐹 → 𝐹𝐹 � 0 −13 −91� 260 � 1
−3 2 −1 8 3 1 3
0 −4 −28 80 4 𝐹𝐹3 → 𝐹𝐹3
𝐹𝐹4 + 2𝐹𝐹1 → 𝐹𝐹4
2 −1 3 −12 0 3 21 −60 1
𝐹𝐹 → 𝐹𝐹4
3 4

−1 2 9 −24 −1 2 9 −24
�0 −1 −7� 20 � 𝐹𝐹3 − 𝐹𝐹2 → 𝐹𝐹3 � 0 −1 −7� 20 �
0 −1 −7 20 𝐹𝐹4 + 𝐹𝐹2 → 𝐹𝐹4 0 0 0 0
0 1 7 −20 0 0 0 0

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 29
Toda solución de S cumple con las ecuaciones de S’ y como ambos tienen igual rango representan
al mismo sistema de ecuaciones; tiene idéntico conjunto solución. Los dos sistemas de ecuaciones
son equivalentes.

Ejemplo 2:
Decidir si los siguientes sistemas son equivalentes:
−𝑥𝑥 + 𝑦𝑦 + 𝑧𝑧 = 0 3𝑥𝑥 − 2𝑦𝑦 − 3𝑧𝑧 = −2
� 2𝑥𝑥 − 𝑦𝑦 − 2𝑧𝑧 = −2 ′ �−2𝑥𝑥 + 2𝑦𝑦 + 2𝑧𝑧 = 0
: 𝑆𝑆 :
𝑥𝑥 − 2𝑦𝑦 + 𝑧𝑧 = 8 2𝑥𝑥 − 𝑦𝑦 − 2𝑧𝑧 = −2
Primero analizamos el rango de ambos sistemas:
−𝑥𝑥 + 𝑦𝑦 + 𝑧𝑧 = 0
Trabajamos con 𝑆𝑆: �2𝑥𝑥 − 𝑦𝑦 − 2𝑧𝑧 = −2
𝑥𝑥 − 2𝑦𝑦 + 𝑧𝑧 = 8
−1 1 1 0 𝐹𝐹 + 2𝐹𝐹 → 𝐹𝐹 −1 1 1 0 −1 1 1 0
2 1 2
� 2 −1 −2�−2� � 1 0�−2� 𝐹𝐹3 + 𝐹𝐹2 → 𝐹𝐹3 � 0 0�−2�
𝐹𝐹3 + 𝐹𝐹1 → 𝐹𝐹3 0 1
1 −2 1 8 0 −1 2 8 0 0 2 6
Vemos que, este sistema tiene rango 3.
3𝑥𝑥 − 2𝑦𝑦 − 3𝑧𝑧 = −2
′ �−2𝑥𝑥 + 2𝑦𝑦 + 2𝑧𝑧 = 0
Trabajamos con 𝑆𝑆 :
2𝑥𝑥 − 𝑦𝑦 − 2𝑧𝑧 = −2
3 −2 −3 −2 −2 2 2 0 1 −1 1 1 0
�−2 2 2 0� � 𝐹𝐹2 ↔ 𝐹𝐹1 � 3 −2 −3 −2� � 𝐹𝐹 → 𝐹𝐹 � 3 −2 −3�−2�
2 2 2
2 −1 −2 −2 2 −1 −2 −2 2 −1 −2 −2

𝐹𝐹2 + 3𝐹𝐹1 → 𝐹𝐹2 −1 1 1 0 −1 1 1 0

� 0 1 0�−2� 𝐹𝐹3 + (−1)𝐹𝐹2 → 𝐹𝐹3 � 0 1 0�−2�
𝐹𝐹3 + 2𝐹𝐹1 → 𝐹𝐹3
0 1 0 −2 0 0 0 0

Vemos que, este sistema tiene rango 2.

Como ambos sistemas tienen rangos diferentes, concluimos que: No son equivalentes.

OBSERVACIÓN: Notemos la importancia que analizar los rangos como primer paso.
Miremos, en este último ejemplo, lo que se consiguió después de triangular:

−1 1 1 0 −1 1 1 0
El sistema 𝑆𝑆 quedó: � 0 1 0�−2�, y el sistema 𝑆𝑆′ nos quedó � 0 1 0�−2�.
0 0 2 6 0 0 0 0
¡Las dos primeras filas son iguales!
Si no hubiésemos analizado los rangos de ambos sistemas por separado, y hubiésemos puesto
ambos sistemas juntos, formando un gran sistema, las ecuaciones del sistema 𝑆𝑆′ se hubiesen
anulado con las ecuaciones de 𝑆𝑆, lo que nos hubiera llevado a una conclusión errónea. El sistema
𝑆𝑆 es 𝑆𝑆𝑆𝑆𝑆𝑆 (Recordar las condiciones del teorema de Rouché-Frobenius) lo que quiere decir que
la solución es única; sin embargo, el sistema 𝑆𝑆′ es un 𝑆𝑆𝑆𝑆𝑆𝑆, es decir que tiene infinitas soluciones.
Ambos sistemas, no son equivalentes: no tienen el mismo conjunto solución. Sin embargo, si
nos hubiésemos salteado el paso de analizar los rangos de manera independiente, podríamos
haber llegado a la conclusión equivocada. ¡¡No te olvides de ese paso!!

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 30
SISTEMAS DE ECUACIONES CON PARÁMETROS

Un sistema como el que sigue se denomina un sistema con parámetros (en este caso tiene un solo
parámetro, α); aparte de las incógnitas 𝑥𝑥1 y 𝑥𝑥2 hay un número, un parámetro α que según el valor
que tome puede influir en el tipo de solución.
𝛼𝛼. 𝑥𝑥1 + 2𝑥𝑥2 = −6
𝑆𝑆1 : � 2
(𝛼𝛼 − 4)𝑥𝑥2 = (2 + 𝛼𝛼 )
𝛼𝛼 2 −6
Analicemos la matriz M: � � �.
0 𝛼𝛼 2 − 4 2 + 𝛼𝛼
Siempre que queremos clasificar un sistema (con o sin parámetros), tenemos que remitirnos al
teorema de Rouché Frobenius. Para aplicarlo, necesitamos el rango de la matriz de coeficientes y
de la ampliada. Recordamos que para calcular el rango, necesitamos que la matriz esté triangulada.
La matriz M parece estar triangulada pero no lo es en todos los casos: si 𝑎𝑎11 (que vale 𝛼𝛼) fuera nulo
no está escalonada.
De hecho, el rango de la matriz de coeficientes y de la ampliada dependen directamente del valor
del parámetro 𝛼𝛼:

Si 𝛼𝛼 y 𝛼𝛼 2 − 4 son diferentes de cero podemos concluir que el rango de ambas matrices son iguales,
y coincide con la cantidad de incógnitas: 𝑟𝑟𝑟𝑟(𝐴𝐴) = 𝑟𝑟𝑟𝑟(𝑀𝑀) = 𝑛𝑛 = 2 y el sistema es 𝑆𝑆𝑆𝑆𝑆𝑆.

0 2 −6
Si 𝛼𝛼 = 0 nos queda: � � �, nos falta seguir triangulando para calcular el rango de las
0 −4 2
matrices:
0 2 −6 0 2 −6
� � � 𝐹𝐹2 + 2𝐹𝐹1 → 𝐹𝐹2 � � �
0 −4 2 0 0 −10

Entonces: 𝑟𝑟𝑟𝑟(𝐴𝐴) = 1; 𝑟𝑟𝑟𝑟(𝑀𝑀) = 2 lo que, por el teorema de Rouché Frobenius, se trata de un

sistema incompatible (SI).
Que 𝛼𝛼 2 − 4 = 0 implica dos opciones: 𝛼𝛼 = 2 ó 𝛼𝛼 = −2
2 2 −6
Si 𝛼𝛼 = 2, nos queda � � � que ya está escalonada y verifica: 𝑟𝑟𝑟𝑟(𝐴𝐴) = 1; 𝑟𝑟𝑟𝑟(𝑀𝑀) = 2, lo
0 0 4
que corresponde a un sistema incompatible (SI)
2 2 −6
Si 𝛼𝛼 = −2, nos queda � � � que ya está escalonada y verifica 𝑟𝑟𝑟𝑟(𝐴𝐴) = 𝑟𝑟𝑟𝑟(𝑀𝑀) = 1, pero
0 0 0
como 𝑛𝑛 = 2 corresponde a sistema compatible indeterminado (SCI).

Resumiendo:
Valor de α Tipo de solución
ℝ– {0, 2, – 2} 𝑆𝑆𝑆𝑆𝑆𝑆
0 𝑆𝑆𝑆𝑆
2 𝑆𝑆𝑆𝑆
–2 𝑆𝑆𝑆𝑆𝑆𝑆

Nota: En otro archivo encontrarás más ejemplos de sistemas con parámetros (con uno y con más
parámetros y más ecuaciones).

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 31
LOS SISTEMAS DE ECUACIONES LINEALES HOMOGÉNEOS Y NO HOMOGÉNEOS.

Un sistema de ecuaciones se llama homogéneo, si todos los términos independientes son iguales a
0 (cero).
Un sistema homogéneo siempre es compatible pues asignando valor cero simultáneamente a cada
una de las variables todas las ecuaciones se satisfacen.
Puede ser determinado, si la única solución es todas las incógnitas iguales a cero o indeterminado.

Relación entre los sistemas de ecuaciones lineales homogéneos y no homogéneos

Si 𝐴𝐴. 𝑋𝑋 = 𝐵𝐵 representa un sistema 𝑺𝑺 de 𝑚𝑚 ecuaciones lineales con n incógnitas y 𝐵𝐵 no es la

matriz nula de 𝑚𝑚 × 1 (𝑁𝑁 𝑚𝑚×1 ) diremos que 𝑺𝑺 es un sistema lineal no homogéneo; si 𝐵𝐵 fuera 𝑁𝑁 𝑚𝑚×1
(matriz nula) se dice que 𝑺𝑺 es un sistema lineal homogéneo.

Por ejemplo:
2𝑥𝑥 − 3𝑦𝑦 − 5𝑧𝑧 = 0
𝑺𝑺: � 𝑥𝑥 − 𝑦𝑦 − 2𝑧𝑧 = 0 es un sistema no homogéneo y,
−𝑥𝑥 + 3𝑦𝑦 + 5𝑧𝑧 = 1

2𝑥𝑥 − 3𝑦𝑦 − 5𝑧𝑧 = 0

𝑺𝑺𝑯𝑯 : � 𝑥𝑥 − 𝑦𝑦 − 2𝑧𝑧 = 0 es homogéneo.
−𝑥𝑥 + 3𝑦𝑦 + 5𝑧𝑧 = 0

Como dijimos antes, un sistema homogéneo siempre es compatible pues asignando valor cero
simultáneamente a cada una de las variables todas las ecuaciones se satisfacen.
En el ejemplo observamos que ambos sistemas comparten la misma matriz 𝐴𝐴 de coeficientes del
sistema; diremos que 𝑺𝑺𝑯𝑯 es el sistema homogéneo asociado a 𝑺𝑺. Si 𝑺𝑺 fuera homogéneo tendríamos
que 𝑺𝑺 y 𝑺𝑺𝑯𝑯 coincidirían. Vamos a tratar de vincular las soluciones de 𝑺𝑺 y 𝑺𝑺𝑯𝑯 .

Supongamos que tenemos 𝑋𝑋’ y 𝑋𝑋’’ dos soluciones de 𝑺𝑺 es decir que:

𝐴𝐴. 𝑋𝑋’ = 𝐵𝐵

𝐴𝐴. 𝑋𝑋’’ = 𝐵𝐵

Si restamos miembro a miembro:

𝐴𝐴. 𝑋𝑋’– 𝐴𝐴. 𝑋𝑋’’ = 𝐵𝐵 − 𝐵𝐵 = 𝑁𝑁 (𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛)

Recordamos que, mientras las matrices estén multiplicando en el mismo lado, se puede sacar factor
común, entonces:

𝐴𝐴. (𝑋𝑋’– 𝑋𝑋’’) = 𝑁𝑁

Es decir que 𝑋𝑋’– 𝑋𝑋’’ (al que llamamos, a partir de ahora 𝐻𝐻1 ) es una solución del sistema 𝑺𝑺𝑯𝑯 ; esto
es:

𝐴𝐴. 𝐻𝐻1 = 𝑁𝑁

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 32
Podemos tomar un número real 𝛼𝛼 y efectuar 𝛼𝛼𝐻𝐻1 y si multiplicamos esto con la matriz 𝐴𝐴:

𝐴𝐴. (𝛼𝛼. 𝐻𝐻1 ) = (𝐴𝐴. 𝛼𝛼). 𝐻𝐻1 = 𝛼𝛼. (𝐴𝐴. 𝐻𝐻1 ) = 𝛼𝛼. 𝑁𝑁 = 𝑁𝑁.

Es decir que α.H1 es otra solución del sistema homogéneo asociado.

Este razonamiento que hicimos se hizo partiendo de dos soluciones (podemos imaginar, diferentes,
aunque no es necesario) del sistema 𝑺𝑺. Si llamamos 𝑋𝑋 a una solución cualquiera (y que representa
a todas las soluciones), podemos repetir el mismo razonamiento usando como soluciones a 𝑋𝑋 y a
𝑋𝑋′′; de esta forma, llegaríamos a que, de la misma forma que 𝑋𝑋’– 𝑋𝑋’’ = 𝐻𝐻1 , podemos pensar que
para cada solución 𝑋𝑋 se verifica que

𝑋𝑋– 𝑋𝑋’’ = 𝛼𝛼𝐻𝐻1

Que, despejando nos da:

𝑋𝑋 = 𝛼𝛼𝐻𝐻1 + 𝑋𝑋’’

Es decir que, el conjunto de soluciones de 𝑺𝑺 se obtiene tomando una solución particular de 𝑺𝑺 y

sumando cada vez una solución del sistema 𝑺𝑺𝑯𝑯 asociado. A cada una de las infinitas posibilidades
de 𝑺𝑺𝑯𝑯 –si fuera un SCI– le vamos sumando 𝑋𝑋’’ y conseguimos una nueva solución 𝑋𝑋 de 𝑺𝑺 .
Ejemplo
0 1
1
Sean 𝑋𝑋 ′ = �−1� y 𝑋𝑋 ′′ = � 3 � dos soluciones de un sistema 𝑺𝑺: 𝐴𝐴𝐴𝐴 = �2�
1 0
3
2 −3
a) Dar tres soluciones adicionales de 𝑺𝑺.
𝑥𝑥1
1 𝑥𝑥
b) ¿Cuál de las soluciones anteriores del sistema 𝑺𝑺: 𝐴𝐴𝐴𝐴 = �2� , con 𝑋𝑋 = �𝑥𝑥2 � cumple,
3
3 𝑥𝑥4
además, que: 2𝑥𝑥1 − 𝑥𝑥2 + 𝑥𝑥3 − 3𝑥𝑥4 = 32?
1
−1
0 ′
c) Si 𝛾𝛾 = � � es solución del sistema 𝑺𝑺 : 𝐴𝐴. 𝑋𝑋 = 0 �, indicar otras 3 soluciones del sistema
�
0
1 2
1 −1
𝑺𝑺”: 𝐴𝐴. 𝑋𝑋 = �2� + 3 � 0 �.
3 2
Arrancamos con el 1er ítem: Dar tres soluciones adicionales de 𝑺𝑺.
0 1 −1
Si 𝑋𝑋’ y 𝑋𝑋’’ son soluciones, entonces: 𝑋𝑋’– 𝑋𝑋’’ = �−1� − � 3 � = �−4� = 𝐻𝐻1 , es solución del
1 0 1
2 −3 5
sistema 𝑺𝑺𝑯𝑯 (El sistema homogéneo asociado a la misma matriz de coeficientes) y, como dedujimos
−1
antes: 𝛼𝛼𝐻𝐻1 que, en nuestro caso sería: 𝛼𝛼 �−4�, también es solución del sistema homogéneo 𝑺𝑺𝑯𝑯 .
1
5

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 33
 −1 0
Entonces otras soluciones 𝑋𝑋 de 𝑺𝑺 son de la forma: 𝑋𝑋 = 𝛼𝛼 �−4� + �−1�
1 1
5 2

Como el enunciado pide, dar TRES soluciones del sistema 𝑆𝑆, podemos darle 3 valores diferentes a
𝛼𝛼
−1 0 −2
Si 𝛼𝛼 = 2 → 𝑋𝑋2 = 2 �−4� + �−1� = �−9�
1 1 3
5 2 12

−1 0 2
Si 𝛼𝛼 = − 2 → 𝑋𝑋−2 = −2 �−4� + �−1� = � 7 �
1 1 −1
5 2 −8

−1 0 −3
Si 𝛼𝛼 = 3 → 𝑋𝑋3 = 3 �−4� + �−1� = �−13�
1 1 4
5 2 17
Ahora continuemos con el ejercicio. El siguiente ítem pregunta ¿Cuál de las soluciones anteriores
𝑥𝑥1
𝑥𝑥2
𝑋𝑋 = �𝑥𝑥 � cumple que 2𝑥𝑥1 − 𝑥𝑥2 + 𝑥𝑥3 − 3𝑥𝑥4 = 32?
3
𝑥𝑥4
Del ítem anterior, habíamos obtenido que:
−1 0
𝑋𝑋 = 𝛼𝛼 �−4� + �−1�
1 1
5 2
es decir que:
−𝛼𝛼
−4𝛼𝛼 − 1
𝑋𝑋 = � 𝛼𝛼 + 1 �
5𝛼𝛼 + 2
Que, usando la notación del enunciado:

𝑥𝑥1 −𝛼𝛼
𝑥𝑥 −4𝛼𝛼 − 1
�𝑥𝑥2 � = � 𝛼𝛼 + 1 �
3
𝑥𝑥4 5𝛼𝛼 + 2
Queremos que:
2𝑥𝑥1 − 𝑥𝑥2 + 𝑥𝑥3 − 3𝑥𝑥4 = 32
Entonces, se tiene:

2. (– 𝛼𝛼) – (– 4𝛼𝛼 – 1) + 𝛼𝛼 + 1 – 3. (5𝛼𝛼 + 2) = 32

– 2𝛼𝛼 + 4𝛼𝛼 + 1 + 𝛼𝛼 + 1 – 15 𝛼𝛼 – 6 = 32
– 12𝛼𝛼 – 4 = 32

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 34
 – 12𝛼𝛼 = 36
𝛼𝛼 = – 3

−𝛼𝛼 3
−4𝛼𝛼 − 1 11
Reemplazando en 𝑋𝑋 = � 𝛼𝛼 + 1 �, queda que el punto buscado es: 𝑋𝑋 = � �
−2
5𝛼𝛼 + 2 −13
1
−1
Para el ítem siguiente, tenemos que 𝛾𝛾 = �0� es solución del sistema 𝑺𝑺′ : 𝐴𝐴. 𝑋𝑋 = � 0 �, indicar otras
0
1 2
1 −1
3 soluciones del sistema 𝑺𝑺”: 𝐴𝐴. 𝑋𝑋 = �2� + 3 � 0 �.
3 2
El sistema 𝑺𝑺” tiene el mismo sistema homogéneo 𝑺𝑺𝑯𝑯 que los sistemas 𝑺𝑺 y 𝑺𝑺’ ; por lo tanto, la
cantidad infinita de soluciones de 𝑺𝑺” las obtendremos sumando una solución particular del mismo
−1
a 𝛼𝛼 �−4�.
1
5
1 −1
Tratamos de “rearmar” la ecuación 𝐴𝐴. 𝑋𝑋 = �2� + 3 � 0 �. Sabemos que:
3 2

0 1
𝐴𝐴. �−1� = �2�
1
3
2
Y también sabemos que:
1
−1
𝐴𝐴. �0� = � 0 �
0
1 2
Multiplicando por 3 ambos miembros:

1 −1
3𝐴𝐴. �0� = 3 � 0 �
0
2
1
1 −1
𝐴𝐴. 3 �0� = 3 � 0 �
0
2
1
3
−1
𝐴𝐴. �0� = 3 � 0 �
0
2
3
Sumando los dos resultados:

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 35
 0 1
𝐴𝐴. �−1� = �2�
1
3
2

3
−1
𝐴𝐴. �0� = 3 � 0 �
0
2
3

0 3
1 −1
𝐴𝐴. �−1� + 𝐴𝐴. �0� = �2� + 3 � 0 �
1 0
3 2
2 3

Lo que, acomodamos, sacando la matriz de coeficientes de factor común:

0 3
1 −1
𝐴𝐴. ��−1� + �0�� = �2� + 3 � 0 �
1 0
2 3 3 2

3
1 −1
𝐴𝐴. �−1� = �2� + 3 � 0 �
1
5 3 2
3
1 −1
Es decir que �−1� es una solución particular del sistema 𝐴𝐴. 𝑋𝑋 = �2� + 3 � 0 �, entonces, para
1
5 3 2
encontrar todas las soluciones, sumamos esta solución particular a los múltiplos de la solución del
sistema homogéneo:
−1 3
𝑌𝑌 = 𝛼𝛼 �−4� + �−1�
1 1
5 5
Repitiendo lo que se hizo en el primer ítem, le damos valores a 𝛼𝛼 y conseguimos las distintas
2 1 0
soluciones pedidas. Cuando 𝛼𝛼 igual, por ejemplo, a 1, 2 y 3 obtenemos �−5� , �−9� y �−13�
2 3 4
10 15 20
respectivamente.

INVERSA DE UNA MATRIZ

4 −9 −2 −9
Considerar las matrices 𝐴𝐴 = � � y 𝐵𝐵 = � � obtener 𝐴𝐴. 𝐵𝐵 y 𝐵𝐵. 𝐴𝐴.
−1 2 −1 −4

4 −9 −2 −9 1 0
𝐴𝐴. 𝐵𝐵 = � �� �=� �
−1 2 −1 −4 0 1

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 36
 −2 −9 4 −9 1 0
𝐵𝐵. 𝐴𝐴 = � �� �=� �
−1 −4 −1 2 0 1

En la situación planteada el producto ha dado la matriz identidad (aquí de dimensión 2).

Definición: Si 𝐴𝐴 es una matriz cuadrada de orden 𝑛𝑛 y existe 𝐵𝐵 cuadrada del mismo orden
tal que 𝐴𝐴. 𝐵𝐵 = 𝐼𝐼𝑛𝑛 ∧ 𝐵𝐵. 𝐴𝐴 = 𝐼𝐼𝑛𝑛 (𝐼𝐼𝑛𝑛 es la identidad de orden 𝑛𝑛) entonces 𝐵𝐵 es la inversa de
𝐴𝐴 y se anota 𝐵𝐵 = 𝐴𝐴−1.
Si 𝐴𝐴 tiene inversa se dice que es inversible, no singular o regular.

Veamos que obtener la inversa de una matriz conlleva resolver un sistema de 𝑛𝑛 ecuaciones lineales
con 𝑛𝑛 incógnitas (𝐴𝐴 ∈ ℝ𝑛𝑛×𝑛𝑛 ).

−2 4
Sea 𝐶𝐶 = � �; la intención es obtener 𝐵𝐵 de orden 2 tal que 𝐶𝐶. 𝐵𝐵 = 𝐼𝐼2 (luego se comprueba
4 −7
que 𝐵𝐵. 𝐶𝐶 = 𝐼𝐼2 ).
𝑥𝑥 𝑧𝑧
Se toma a 𝐵𝐵 = �𝑦𝑦 𝑤𝑤� y se plantea 𝐶𝐶. 𝐵𝐵 = 𝐼𝐼2 .
Esto nos lleva al siguiente par de sistemas de ecuaciones3:

−2 4 𝑥𝑥 𝑧𝑧 1 0
� � �𝑦𝑦 𝑤𝑤� = �0 1�
4 −7

−2𝑥𝑥 + 4𝑦𝑦 −2𝑧𝑧 + 4𝑤𝑤 1 0

� �=� �
4𝑥𝑥 − 7𝑦𝑦 4𝑧𝑧 − 7𝑤𝑤 0 1

Podemos separar lo obtenido en 2 sistemas de ecuaciones, de acuerdo a las variables involucradas:

−2𝑥𝑥 + 4𝑦𝑦 = 1 −2𝑧𝑧 + 4𝑤𝑤 = 0

𝑆𝑆1 = � 𝑆𝑆2 = �
4𝑥𝑥 − 7𝑦𝑦 = 0 4𝑧𝑧 − 7𝑤𝑤 = 1

7
Resuélvelos y comprueba que las soluciones son (𝑥𝑥; 𝑦𝑦) = � ; 2� y (𝑧𝑧; 𝑤𝑤) = (2; 1).
2
7
2
Esto significa que 𝐵𝐵 = 𝐶𝐶 −1 = � 2 � y debe ocurrir que 𝐶𝐶. 𝐶𝐶 −1 = 𝐼𝐼2 ∧ 𝐶𝐶 −1 . 𝐶𝐶 = 𝐼𝐼2 (¡Hacerlo!).
2 1

Al resolver los sistemas 𝑆𝑆1 y 𝑆𝑆2 se habrá notado que las operaciones por filas en ambos sistemas
fueron idénticos y sólo cambiaron los resultados de los términos independientes. Esto permite
ahorrar trabajo efectuando lo que se llama resolución simultánea de ecuaciones.

Ejemplifiquemos con el caso presentado:

−2𝑥𝑥 + 4𝑦𝑦 = 1 −2𝑧𝑧 + 4𝑤𝑤 = 0

𝑆𝑆1 = � 𝑆𝑆2 = �
4𝑥𝑥 − 7𝑦𝑦 = 0 4𝑧𝑧 − 7𝑤𝑤 = 1

3
Una ecuación del tipo C.X= D donde C, X y D son matrices de órdenes tales que las operaciones se pueden efectuar
y X es la matriz incógnita se denomina ecuación matricial.

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 37
Se escribe la matriz de coeficientes –coinciden para ambos sistemas- y se forma la matriz ampliada
con las dos columnas de términos independientes; la línea vertical es para separar visualmente los
términos independientes:

−2 4 1 0 −2 4 1 0
� � � 𝐹𝐹2 + 2𝐹𝐹1 → 𝐹𝐹2 � � �
4 −7 0 1 0 12 1

Que, una vez escalonado, puede separarse en dos sistemas:

7
−2 4 1 −2𝑥𝑥 + 4𝑦𝑦 = 1 𝑥𝑥 =
� � � → � → � 2
0 12 𝑦𝑦 = 2
𝑦𝑦 = 2

−2 4 0 −2𝑧𝑧 + 4𝑤𝑤 = 0 𝑧𝑧 = 2
� � � → � → �
0 11 𝑤𝑤 = 1 𝑤𝑤 = 1

Este “super” sistema de ecuaciones conviene resolverlo por el método de Gauss Jordan, se trata de
resolver en forma simultánea varios sistemas de ecuaciones lineales con diferentes términos
independientes.

Ejemplo:
2 −3 −5
Calcular la inversa de 𝐴𝐴 = � 1 −1 −2�
−1 3 5

Resolvemos por Gauss-Jordan buscando obtener la identidad del lado izquierdo de la matriz
ampliada M.

2 −3 −5 1 0 0
� 1 −1 −2�0 1 0� reordenamos 𝐹𝐹2 , 𝐹𝐹3 y 𝐹𝐹1
−1 3 5 0 0 1

1 −1 −2 0 1 0 𝐹𝐹2 + 𝐹𝐹1 → 𝐹𝐹2 1 −1 −2 0 1 0

�−1 3 5 �0 0 1� 𝐹𝐹 + (−2)𝐹𝐹 → 𝐹𝐹 �0 2 3 �0 1 1� 𝐹𝐹3 ↔ 𝐹𝐹2
2 −3 −5 1 0 0 3 1 3
0 −1 −1 1 −2 0

1 −1 −2 0 1 0 𝐹𝐹 − 𝐹𝐹 → 𝐹𝐹 1 0 −1 −1 3 0 𝐹𝐹 + 𝐹𝐹 → 𝐹𝐹
1 2 1 1 3 1
�0 −1 −1�1 −2 0� 𝐹𝐹 + 2𝐹𝐹 → 𝐹𝐹 �0 −1 −1� 1 −2 0� 𝐹𝐹 + 𝐹𝐹 → 𝐹𝐹
3 2 3 2 3 2
0 2 3 0 1 1 0 0 1 2 −3 1

1 0 01 0 1 1 0 0 1 0 1
�0 −1 0�3 −5 1� (−1)𝐹𝐹2 → 𝐹𝐹2 �0 1 0�−3 5 −1�
0 0 1 2 −3 1 0 0 1 2 −3 1

1 0 1
La inversa es 𝐴𝐴−1 = �−3 5 −1� [¡Verificarla!]
2 −3 1

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 38
Nota: Si al resolver llegamos a un sistema incompatible significa que no existe la inversa de la
matriz dada y la dada no es inversible, es una matriz singular

1 0 1 1 0 1 1 0 0
Por ejemplo, 𝐴𝐴 = �0 5 −1� no es inversible pues al plantear �0 5 −1�0 1 0� en la
0 0 0 0 0 0 0 0 1
última ecuación, el rango de la matriz de coeficientes es 2, pero el de la matriz ampliada, para la 3er
columna es 3, lo que nos da un sistema incompatible.

Una matriz cuadrada de 𝑛𝑛 × 𝑛𝑛 es inversible si y sólo sí su rango es 𝑛𝑛

PROPIEDADES DE LA MATRIZ INVERSA

Analizaremos ahora las propiedades que tienen las matrices inversas, en los casos que sea posible,
está la demostración de la propiedad.
Para todas las propiedades supondremos 𝐴𝐴, 𝐵𝐵, 𝐶𝐶 y 𝐷𝐷 matrices cuadradas de ℝ𝑛𝑛×𝑛𝑛 .

•La inversa es única

Demostración: Sean 𝐵𝐵 y 𝐶𝐶 inversas de 𝐴𝐴, o sea que 𝐴𝐴. 𝐵𝐵 = 𝐵𝐵. 𝐴𝐴 = 𝐼𝐼𝑛𝑛 y 𝐴𝐴. 𝐶𝐶 = 𝐶𝐶. 𝐴𝐴 = 𝐼𝐼𝑛𝑛
Partimos de 𝐴𝐴. 𝐵𝐵 = 𝐼𝐼𝑛𝑛 y multipliquemos por izquierda la igualdad:
𝐶𝐶. (𝐴𝐴. 𝐵𝐵) = 𝐶𝐶. 𝐼𝐼𝑛𝑛 = 𝐶𝐶 (𝐼𝐼𝑛𝑛 es elemento neutro para el producto de matrices)
(𝐶𝐶. 𝐴𝐴). 𝐵𝐵 = 𝐶𝐶 (propiedad asociativa del producto)
𝐼𝐼𝑛𝑛 . 𝐵𝐵 = 𝐶𝐶 (𝐶𝐶 es la inversa de 𝐴𝐴)
𝐵𝐵 = 𝐶𝐶 (𝐼𝐼𝑛𝑛 neutro)

• Si una matriz es inversible la inversa de su inversa es ella misma.

Demostración: 𝐴𝐴. 𝐵𝐵 = 𝐼𝐼𝑛𝑛 y 𝐵𝐵. 𝐴𝐴 = 𝐼𝐼𝑛𝑛 entonces 𝐵𝐵 es la inversa para 𝐴𝐴 y 𝐴𝐴 es la inversa para
𝐵𝐵. Si notamos a 𝐵𝐵 como 𝐴𝐴−1 resulta que 𝐴𝐴 = 𝐵𝐵−1 = (𝐴𝐴−1 )−1

1
• La inversa de una matriz multiplicada por un escalar cumple: (𝑐𝑐. 𝐴𝐴)−1 = . 𝐴𝐴−1
𝑐𝑐
𝐴𝐴1
𝐴𝐴
Demostración: Sea 𝐵𝐵 = 𝐴𝐴−1 y pensemos a 𝐴𝐴 como filas y 𝐵𝐵 como columnas 𝐴𝐴 = � 2 � y 𝐵𝐵 =
⋮
𝐴𝐴𝑛𝑛
(𝐵𝐵1 𝐵𝐵2 … 𝐵𝐵𝑛𝑛 ).
Como 𝐴𝐴. 𝐵𝐵 = 𝐼𝐼𝑛𝑛 se tiene que:

𝑐𝑐𝑐𝑐1
𝑐𝑐𝑐𝑐 0 𝑠𝑠𝑠𝑠 𝑖𝑖 ≠ 𝑗𝑗
Al efectuar 𝑐𝑐. 𝐴𝐴 tenemos: 𝑐𝑐. 𝐴𝐴 = � 2 � (𝐴𝐴𝑖𝑖 ). �𝐵𝐵 𝑗𝑗 � = � 𝑐𝑐𝑐𝑐𝑐𝑐 𝑖𝑖 = 1,2, … , 𝑛𝑛
⋮ 1 𝑠𝑠𝑠𝑠 𝑖𝑖 = 𝑗𝑗
𝑐𝑐𝑐𝑐𝑛𝑛

veamos que 𝑐𝑐 −1 𝐵𝐵 = (𝑐𝑐 −1𝐵𝐵1 𝑐𝑐 −1 𝐵𝐵2 … 𝑐𝑐 −1 𝐵𝐵𝑛𝑛 ) es la inversa de 𝑐𝑐. 𝐴𝐴.

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 39
 Si efectuamos ((𝑐𝑐𝑐𝑐)𝑖𝑖 ). �(𝑐𝑐 −1 𝐵𝐵)𝑗𝑗 � = �𝑐𝑐(𝐴𝐴𝑖𝑖 )�. �𝑐𝑐 −1 �𝐵𝐵 𝑗𝑗 �� = 𝑐𝑐. 𝑐𝑐 −1 (𝐴𝐴𝑖𝑖 ). �𝐵𝐵 𝑗𝑗 �, pues en un
producto escalar un factor constante puede salir del mismo. Pero:
0 𝑠𝑠𝑠𝑠 𝑖𝑖 ≠ 𝑗𝑗
(𝐴𝐴𝑖𝑖 ). �𝐵𝐵 𝑗𝑗 � = �
1 𝑠𝑠𝑠𝑠 𝑖𝑖 = 𝑗𝑗
−1
Y como 𝑐𝑐. 𝑐𝑐 = 1 queda:

0 𝑠𝑠𝑠𝑠 𝑖𝑖 ≠ 𝑗𝑗
((𝑐𝑐𝑐𝑐)𝑖𝑖 ). �(𝑐𝑐 −1 𝐵𝐵)𝑗𝑗 � = �
1 𝑠𝑠𝑠𝑠 𝑖𝑖 = 𝑗𝑗
1
Por lo tanto vale que (𝑐𝑐. 𝐴𝐴)−1 = . 𝐴𝐴−1
𝑐𝑐

• Si 𝑨𝑨 y 𝑫𝑫 son inversibles vale que 𝑨𝑨. 𝑫𝑫 también lo es y además (𝑨𝑨. 𝑫𝑫)−𝟏𝟏 = 𝑫𝑫−𝟏𝟏 . 𝑨𝑨−𝟏𝟏
Demostración: Por un lado, (𝐴𝐴. 𝐷𝐷 ). (𝐴𝐴. 𝐷𝐷 )−1 = 𝐼𝐼𝑛𝑛 , por definición de inversa.
Si al multiplicar (𝐴𝐴. 𝐷𝐷). 𝐷𝐷 −1 . 𝐴𝐴−1 obtenemos la identidad, podemos afirmar que la inversa de
𝐴𝐴. 𝐷𝐷 es 𝐷𝐷 −1. 𝐴𝐴−1 . Es decir que (𝐴𝐴. 𝐷𝐷)−1 = 𝐷𝐷 −1 . 𝐴𝐴−1,
(𝐴𝐴. 𝐷𝐷). (𝐷𝐷 −1 . 𝐴𝐴−1 ) = 𝐴𝐴. 𝐷𝐷. 𝐷𝐷 −1. 𝐴𝐴−1 por asociatividad
Por propiedad asociativa del producto de matrices:
= 𝐴𝐴. (𝐷𝐷. 𝐷𝐷 −1 ). 𝐴𝐴−1 =
Por definición de inversa de 𝐷𝐷
𝐴𝐴. 𝐼𝐼𝑛𝑛 . 𝐴𝐴−1 =
Que, por ser 𝐼𝐼𝑛𝑛 el neutro para el producto de matrices:
𝐴𝐴. 𝐴𝐴−1 = 𝐼𝐼𝑛𝑛

Es decir que, efectivamente, (𝐴𝐴. 𝐷𝐷)−1 = 𝐷𝐷 −1. 𝐴𝐴−1 y, como la inversa es única, vale la
propiedad.

Videos que pueden ayudarte con estos temas:

Sistemas de ecuaciones equivalentes.

[Link] Sistemas de ecuaciones lineales 1

3.5 Sistemas con parámetros II (Con un solo parámetro)

[Link]

3.4 Sistemas con parámetros I (Con dos parámetros)

[Link]

3.6 Algunos atajos en Sistemas de Ecuaciones

[Link]

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 40
EXPRESIÓN MATRICIAL DE UN SISTEMA DE ECUACIONES
MATRIZ INVERSA Y SISTEMAS DE ECUACIONES LINEALES

Si tenemos un sistema de n ecuaciones lineales con n incógnitas podemos representarlo como A.X=
B con AЄRnxn, X y B ЄRnx1.
Si A es inversible resulta que A–1.(A.X) = A–1.B premultiplicando por la inversa de A
→ (A–1.A).X = A–1.B por asociatividad del producto de matrices
→ (Inxn).X = A–1.B por definición de inversa de una matriz
–1
→ X = A .B por elemento neutro del producto matricial

La expresión obtenida nos permite hallar X. X = A–1.B

Si lo dicho anteriormente te resulta nuevo, relee páginas 4 y 5 del archivo “MÓDULO 1- SEL-
SEGUNDA CLASE” que lo encuentras en la carpeta de la CLASE 2

Ejemplo:
2 x − 3 y − 5z =0

Sea el sistema  x − y − 2 z = 0 .
− x + 3 y + 5z =1

a) Resolverlo por Gauss (tarea para el lector).
 2 −3 −5   x   0 
    
b) El sistema puede expresarse como  1 −1 −2  .  y  =
0;
 −1 3 5   z   1 
    
 2 −3 −5 
 
La matriz A de coeficientes del sistema es cuadrada y vale  1 −1 −2  ; su inversa (la obtuvimos
 −1 3 5 
 
 1 0 1
–1  
en la tercera clase) es A =  −3 5 −1 
 2 −3 1 
 
 1 0 1  0  1 
     
Por ende X = A–1.B =  −3 5 −1  .  0  =  −1  → x= 1; y= –1; z= 1 (compararlo con el
 2 −3 1   1   1 
     
resultado obtenido en a)

Una cuestión puede haber surgido:

¿Qué tan conveniente es obtener a X de este modo, donde hallar la inversa resultó ser más largo
que resolver el sistema de ecuaciones?

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 41
La ventaja puede radicar en la necesidad de hallar la solución para varios sistemas con igual matriz
A y diferentes B (B, B’, B’’, …); cada solución (X, X’, X’’, …) se obtiene efectuando el producto
de A–1 por la matriz de términos independientes correspondiente.

 2 x − 3 y − 5z =−3  1 0 1   −3   −7 
      
Así para el nuevo sistema  x − y − 2 z = 2 la solución es  −3 5 −1  .  2  =  23 
− x + 3 y + 5 z =−4  2 −3 1   −4   −16 
      
→ x= –7; y= 23; z= –16.

ECUACIONES CON MATRICES

Una ecuación que contiene matrices y su incógnita es una matriz se llama ecuación matricial.
Ya hemos resuelto algunas, por ejemplo, recientemente
A.X= B que al aplicar la inversa de A, que debe existir para que la ecuación
tenga solución , resulta
–1
X = A .B

Para resolver una ecuación matricial, se deben aplicar las operaciones y propiedades de las
matrices, vistas fundamentalmente en la clase 1.

Veamos algunos ejemplos:

t
1) Calcular la matriz X ∈ R2 x 3 , si existe, que cumpla que ( 4.X + B ) =
C Siendo

 −2 −3 
 2 3 −2 
B=  y C =  4 1 
 −1 1 0   −1 0 
Procederemos primero a despejar X , aplicando las operaciones y propiedades:
Como cualquier ecuación, se debe respetar la jerarquía de las operaciones, buscando siempre cual
es la última operación u operador que se aplica.

En
t
( 4.X + B ) =C el último operador es la trasposición, para poder eliminarla
del primer miembro, aplicamos la traspuesta miembro a
miembro

t
( 4.X + B )t  = t
  C la traspuesta de la traspuesta es la misma matriz

ahora para eliminar B del primer miembro, sumamos a

4.X + B =
C t ambos miembros la matriz opuesta de B (-B) , sabemos que
para cualquier matriz existe su opuesta

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 42
 ( 4.X + B ) + ( − B)= C t + ( − B) aplicamos asociativa de la suma de matrices y la definición
de resta de matrices

4.X + ( B + ( − B) )= C t − B la suma de una matriz y su opuesta es la matriz nula N

4.X + N = C t − B La matriz nula es la neutro en la suma de matrices

Por último, para despejar la X debemos eliminar el escalar

4.X
= C −B t que la está multiplicando. Para ello multiplicamos, miembro
a miembro, por su inverso multiplicativo. Y sabemos que el
1
inverso multiplicativo de 4 es el .
4
1 1 t
4
. ( 4.
= X)
4
(C − B ) aplicamos asociatividad mixta

 1 .4=
 X 1 Ct − B el producto de un número por su recíproco es 1

4 

4
( )
1 t por la propiedad de elemento unidad, resulta
1.X
=
4
(C − B )

1 t
=X
4
(C − B )

Nota que en este ejemplo hemos especificado cada paso con la propiedad usada.

1 t
Ahora que logramos X, vamos a hacer las cuentas con las matrices=X
4
(C − B )
 −2 4 −1
Primero la traspuesta de C Ct =  
 −3 1 0 

 −2 4 −1  2 3 −2   −4 1 1  1
Ct − B 
= − =    y por último multiplicamos por
 −3 1 0   −1 1 0   −2 0 0  4

 −1 1 1
1 t 1 −4 1 1   4 4
X=
4
( )
C − B= = 
4  −2 0 0   1
 
− 0 0
 2 
 −1 1 1
 4 4
La solución entonces es : X= 
− 1
0 0
 2 
Como cualquier ecuación, es posible verificarla

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 43
 t
  1 1   −2 −3 
  −1 4 
4 +  2 3 −2   
1 
t
( 4.X + B ) =C  4.     =  4
 − 1 0 0 
−1 1 0  
     −1 0 
  2 
t t  −2 −3 
  −4 1 1   2 3 −2    −2 4 −1
  +   =  =  4 1  = C
  −2 0 0   −1 1 0    −3 1 0   −1 0 
La matriz X hallada cumple la ecuación , es la solución pedida

Otro ejemplo:

X.B siendo
Hallar la matriz X / X. A + C =
1 2 1 2 2 0
     −2 4 −1 
A = 1 2 2 B = 1 3 2 C =  
 5 −3 5   5 −3 4   −3 1 0 
   
Analicemos primero el tamaño que debe tener X:
La matriz X está multiplicando a A y el producto sumado a C , como C es de 2x3, para poder
sumarlas, X.A también debe ser de 2x3
X A =X
x .A

3x3
mxn 2x3

A es de 3x3 resulta entonces que X debe tener 2 filas, igual que la cantidad de filas de C, y debe
tener 3 columnas igual que la cantidad de filas de A (para que se puedan multiplicar)
La matriz buscada X debe ser de 2x3
X A =X
x .A

3x3
2x3 2x3
Procedamos a resolver la ecuación:

X. A + C =
X .B Necesitamos que las dos apariciones de la
incógnita estén en el mismo miembro,
sumamos los opuestos. Y usamos
propiedad asociativa de la suma

X. A + C + ( −C ) + ( −X.B=
) X.B + ( −X.B ) + ( −C ) la suma de una matriz y su opuesta es la
matriz nula, conmutando y sabiendo que
X. A + N + ( −X.B ) = N + ( −C ) la matriz nula es elemento neutro en la
suma, resulta:

X. A + ( −X.B ) =−C Aplicamos distributividad del producto

de matrices con respecto a la suma. Como
si sacáramos la matriz X de factor común
X. ( A + ( − B ) ) =−C

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 44
 Si la matriz A-B es inversible,
X. ( A − B ) =
−C multiplicamos a derecha por su inversa
−1
X. ( A − B ) . ( A − B ) =
−C. ( A − B )
−1
asociando, usando la matriz Identidad,
resulta:

−C. ( A − B )
X .I 3 =
−1
I 3 es el neutro para el producto de
matrices

−1 −1
→ −C. ( A − B ) siempre que ∃ ( A − B )
X=

1 2 1 2 2 0  −1 0 1 
     
Realicemos las cuentas: A − B 1 2 2 −1 =
= 3 2  0 −1 0 
 5 −3 5   5 −3 4   0 0 1
     
Buscamos la inversa de A-B

 −1 0 1 1 0 0  f1
 
 0 −1 0 0 1 0  f2 el único cero que falta es en el elemento 1,3
 0 0 1 0 0 1 f
  3
 −1 0 0 1 0 −1 
 
→ f1 − f3  0 −1 0 0 1 0  →Multiplicamos las dos primeras filas por -1 y resulta:
0 0 1 0 0 1
 
− f1  1 0 0 −1 0 1   −1 0 1 
  −1  
− f2  0 1 0 0 −1 0  entonces ( A − B ) =  0 −1 0 
0 0 1 0 0 1  0 0 1
   
Observa que la matriz A-B es igual a su inversa.

Ahora premultiplicamos por – C (la opuesta de C)

 −1 0 1 
−1  2 −4 1     −2 4 3 
X= −C ( A − B ) =  3 −1 0   0 −1 0  X =
    −3 1 3 
 0 0 1
Verifica que la matriz X obtenida, cumple la ecuación y es la solución pedida.

DETERMINANTES

No obstante ser el concepto de determinantes uno de los primeros en surgir en el Algebra Lineal lo
abordaremos instrumentalmente pues su uso se relaciona con la inversa de una matriz, la solución
única de un sistema de ecuaciones lineales de nxn, la independencia y dependencia lineal de
vectores y a la obtención de autovalores (tema que queda más allá de nuestro curso, Y abordarán
en Álgebra II).

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 45
El determinante se define para matrices cuadradas de orden n y n y su resultado es un número
que, en nuestro caso es un número real pues sólo trabajaremos con matrices de coeficientes reales.
El determinante es una función que tiene como conjunto Dominio al conjunto de las matrices
cuadradas y como conjunto de llegada, al conjunto de los números reales.

Si la matriz es de orden 1x1: su determinante coincide con su único elemento

( a11 ) → det( A) =
A= a11 =
a11
a a 
Es conocida la expresión para matrices 2x2; si A es la matriz  11 12  su determinante se define
 a21 a22 
como a11.a22 – a12. a21:
 a11 a12  a11 a12
det  =  = a11 . a22 − a21 . a12
 a21 a22  a21 a22

Deténgase un instante sobre la notación: o antecedemos “det” a la matriz o le colocamos unas barras
–tipo valor absoluto- a la matriz en vez del corchete –o paréntesis usual. Es decir [ A] es una matriz
y A o det (A) es un escalar (un número).

Ejemplos:

 −5 3  −5 3
a) det  = = ( −5 ) . ( −4 ) − ( −7 ) .3 = 20 + 21 = 41 .
 −7 −4  −7 −4

t − 2 2  t − 2 2
b) det   = 5t 6 =6. ( t − 2 ) − 5t.2 =6t − 12 − 10t =−4t − 12
 5t 6 

La obtención del valor de un determinante puede hacerse de tres maneras diferentes:

Por aplicación de propiedades.
A través del desarrollo de Laplace.
Un mix (mezcla o combinación) de propiedades y el desarrollo de Laplace según nos sea más
conveniente.

PROPIEDADES del DETERMINANTE

Como hemos dicho, el determinante de una matriz cuadrada real es una operación que involucra a
todos los elementos de la matriz y que da por resultado un número real.
Si A es una matriz que pertenece a Rnxn, definimos como determinante de orden n a una aplicación
D: Rnxn → R, que cumple con ciertas propiedades. Obviamente puede haber muchas aplicaciones
que operando sobre una matriz cuadrada den por resultado un escalar.
Pero además el determinante cumple con las siguientes propiedades que están expresadas sobre las
filas, pero se mantienen si las definimos sobre las columnas.

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 46
 a1,1 a1,2 . . a1, N
. . . . .
1) Si una matriz tiene una fila de ceros el determinante es nulo, 0 0 . . 0 =0
. . . . .
aN ,1 aN ,2 . . aN , N

2) Si una matriz tiene una fila de la cual se puede extraer un número que es factor común de todos
los elementos de la fila, el determinante de dicha matriz es igual al producto de dicho factor común
por el determinante de la matriz en la cual la fila anterior está simplificada extrayéndole dicho factor
común. En el caso que nos ocupa el factor común α que está multiplicando a toda la fila i sale del
determinante como un escalar que lo multiplica.
a1,1 a1,2 . . a1,N a1,1 a1,2 . . a1,N
. . . . . . . . . .
α .ai ,1 α .ai ,2 . . α .ai ,N = α . ai ,1 ai ,2 . . ai ,N
. . . . . . . . . .
aN ,1 aN ,2 . . aN ,N aN ,1 aN ,2 . . aN ,N
Lógicamente esto puede ocurrir con todas las filas que pueden tener factores comunes diferentes.
Luego se extraen todos, se simplifican las filas y el determinante es el producto de todos los factores
por el determinante de la matriz simplificada.

Ejemplo:

−20 2 −6 −20 2 −6
det (A)= −25 2 10 2 15 2 = 2. −25 10 15 ya que……………………………………..
−30 −8 −9 −30 −8 −9
4 2 −6
det (A) = −5. 2. 5 10 15 ya que ……………………………………………………………..
6 −8 −9
4 2 −6 4 2 −6
det (A) = −5. 2.5. 1 2 3 = −25. 2. 1 2 3 pues ……………………………………..
6 −8 −9 6 −8 −9
2 1 −3 2 1 −3
det (A) = −25. 2.2. 1 2 3 =
−50. 2. 1 2 3 debido a que ………………………….
6 −8 −9 6 −8 −9
2 1 −1 2 1 −1
det (A) = −50. 2.3. 1 2 1 = −150. 2. 1 2 1 pues ………………………………..
6 −8 −3 6 −8 −3

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 47
 3) Observar que si todas las filas de la matriz tienen el mismo factor común, entonces el
determinante es igual a ese factor común multiplicado n veces por sí mismo (o sea elevado a la n)
por el determinante de la matriz simplificada. O sea det(k . A) = k n .det A
 1 2 3  3 6 9
Ejemplo: A=  −1 1 1  entonces 3 A=  
 −3 3 3 
 2 0 4  6 0 12 
   
Esta propiedad nos dice que : det(3. A) = [Link] A El 3 del exponente se debe a que la matriz
es de 3x3, tiene 3 filas y 3 columnas

4) Si en una fila de una matriz, sus elementos pueden ser expresados como suma de otros dos
números, el determinante de la matriz resulta igual a la suma de los determinantes de dos matrices.
En ambas todas las filas son iguales, salvo aquella cuyos elementos pueden expresarse como suma
de otros dos números. En la primera matriz se escribe uno de los conjuntos de números que forman
esa fila especial y en la segunda se escribe el otro conjunto.

a1,1 a1,2 . . a1,N a1,1 a1,2 . . a1,N a1,1 a1,2 . . a1,N

. . . . . . . . . . . . . . .
ai ,1 + bi ,1 ai ,2 += bi ,2 . . ai ,N + bi ,N ai ,1 ai ,2 . . ai ,N + bi ,1 bi ,2 . . bi ,N
. . . . . . . . . . . . . . .
aN ,1 aN ,2 . . aN ,N aN ,1 aN ,2 . . aN ,N aN ,1 aN ,2 . . aN ,N

En lo señalado más arriba, en la fila i puede considerarse que cada elemento puede expresarse como
la suma de otros dos. De ser eso así, es posible separar el determinante en dos, uno conteniendo la
fila i de todos los elementos ai , j ; j = 1,..., N y el otro conteniendo la fila i de todos los elementos
bi , j ; j = 1,..., N .
−1 0 4
Aplicarlo para obtener 3 − π −1 + 2π 2 +π =
3 1 −1
5) Si una matriz B se obtiene a partir de una matriz A intercambiando dos de sus filas, se tiene
B = − A , o sea los determinantes son números opuestos.
Veámoslo en matrices de 2x2
a b
A
= = a.d − b.c
a b c d  c d
=A = ; B   se cumple que
c d  a b c d
B = =c.b − d .a =b.c − a.d =−(ad − bc)
a b
Las dos matrices tienen determinantes opuestos

6) Si una matriz tiene dos filas iguales su determinante es cero.

Supongamos que tenemos la siguiente matriz

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 48
 a b c
 
A=a b c  y hallamos su determinante A
d e f 

Ahora permutamos sus filas 1 y 2 y la llamamos B (aunque es similar a A)
a b c 
 
B =  a b c  y hallamos su determinante B
d e f 
 
Por la propiedad anterior , hemos permutado dos filas por lo tanto
B=
−A → B+A =
0
pero la matriz B=A (solamente la llamamos diferente para indicar que habíamos permutado las filas)
A +=
A 2 A =0 → A =0 que es lo que se quería demostrar

7) El determinante de una matriz triangular superior, inferior o diagonal es el producto de los

elementos de la diagonal principal.
Sean las matrices
a b c d 
 
 0 e f g
A = ;det( A) a.e.h. j
0 0 h i 
 
0 0 0 j 

8) A = A t ; el determinante de la transpuesta de A es igual al determinante de A.

a b
A
= = a.d − b.c
c d
t a c
A= = a.d − c.b
b d

9) Si B se obtiene a partir de A sumándole a una fila de A un múltiplo de otra fila de A el

determinante no cambia.
Sea
 a11 a12 ... a1n   a11 + ka21 a12 + ka22 ... a1n + ka2 n 
   
a21 a22 ... a2 n  a21 a22 ... a2 n 
A = yB 
 ... ... ... ...   ... ... ... ... 
   
 an1 an 2 ... ann   an1 an 2 ... ann 

La matriz B se obtiene a partir de la matriz A sumándole a la primera fila de A su segunda fila

multiplicada por un escalar k. Con k ∈ a R

Si queremos hallar el det(B) y tenemos en cuanta las propiedades 4), 2) y 6) (en ese orden) resulta:

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 49
 a11 a12 ... a1n ka21 ka22 ... ka2 n a11 + ka21 a12 + ka22 ... a1n + ka2 n
a a22 ... a2 n a a22 ... a2 n a a22 ... a2 n
B =21 + 21 = 21 =
... ... ... ... ... ... ... ... ... ... ... ...
an1 an 2 ... ann an1 an 2 ... ann an1 an 2 ... ann

El determinante de la matriz que está multiplicada por k es 0 porque tiene dos filas iguales.
Por lo tanto det(B) = det(A) + 0 = det(A)

10) A.B = A B ; el determinante del producto de dos matrices es igual al producto de los
determinantes individuales.

Esta propiedad es solamente enunciada pero una demostración de la misma (basada en el uso de
matrices elementales) puede ser analizada en el libro “Álgebra Lineal, una introducción moderna de
D. Poole”.

11) Si una matriz tiene filas o columnas proporcionales, su determinante es 0

3a b − a
Calcularemos
= P 3d e −d , la columna 1 y 3 son proporcionales C1 = -3C3
3g h −g
a b a
P = −3 d e d por aplicación de la propiedad de extraer un factor en la columna 1 y 3.
g h g
Pero ahora resulta que tiene dos columnas iguales, entonces su determinante es 0
P= −3.0 = 0

12) Determinante de la matriz inversa.

Usando las propiedades vamos a probar que si una matriz A tiene inversa –y por ende su
determinante es distinto de cero– vale la fórmula:

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 50
 1
A −1 =
A

Si A tiene inversa, entonces cumple A.A-1 = I → │A.A-1│=│In│

Por la propiedad del determinante de un producto de matrices: │A.A-1│=│A│.│A-1│
El determinante de la identidad│In│es uno pues se trata de una matriz diagonal con todos unos.
Luego │A│.│A-1│= 1, lo cual nos indica que el determinante de una matriz y el de su inversa son
inversos multiplicativos (ninguno de esos determinantes puede ser nulo).
1
Por lo tanto A −1 = .
A
Esta fórmula deducida, nos permite afirmar que una matriz es inversible, si su deteminante es
distinto de 0.

UNA “NO” PROPIEDAD

El determinante de la suma de matrices no es necesariamente igual a la suma de los determinantes.

1 0  −1 0 
Si A=   su determinante vale 1 , Si B=   su determinante vale 1
0 1  0 −1
0 0
Ahora A+B=   y su determinante vale cero
0 0
Luego A + B ≠ A + B

Algunas de las propiedades de esta lista son redundantes porque pueden ser demostradas a partir
de otras de la misma lista, pero lo que hemos tratado de hacer es resumir todas las propiedades
que cumplen los determinantes que hacen además que la definición de los mismos sea única.

Ejemplo:
Veamos cómo podemos usufructuar de las propiedades para obtener el determinante de una matriz.
 1 2 −1 0  1 2 −1 0
 
3 0 2 1 3 0 2 1
Hallaremos el det(T) = det(  )=
 −1 1 0 3  −1 1 0 3
 0 1 1 2  0 1 1 2
 
Si hacemos f1.(–3) + f2 → f2 y f1 + f3→ f3, resulta que el determinante no cambia
1 2 −1 0
0 −6 5 1
=
0 3 −1 3
0 1 1 2
Si intercambiamos f4 y f2 para obtener un 1 en la posición t22 cambia el determinante, es el opuesto:

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 51
 1 2 −1 0
0 1 1 2
det (T)= − y efectuando f2.(–3) + f3 → f2 y f2.6 + f4 → f4
0 3 −1 3
0 −6 5 1
1 2 −1 0
0 1 1 2 11
det (T)= − ; si realizamos f3. + f4 → f4 resulta
0 0 −4 −3 4
0 0 11 13
1 2 −1 0
0 1 1 2
19
− 0 0 −4 −3 = −1.1.( −4). = 19 pues hemos obtenido una matriz triangular superior.
4
19
0 0 0
4

Videos de la cátedra:

Determinante y matriz inversa

[Link]

Propiedades del determinante

[Link]

De ejercicio de inversa y propiedades del determinante:

[Link]

CÁLCULO DE DETERMINANTES

MENOR COMPLEMENTARIO

Dada A una matriz cuadrada de orden n, definimos menor complementario Mij de un elemento aij
de A como el determinante que se obtiene al eliminar la fila i y la columna j donde se encuentra
dicho elemento aij .
Ejemplo:
 −4 2 −2 
Si A =  0 −5 6  obtenemos los nueve menores complementarios, uno por cada de sus
 7 −1 1 
elementos:

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 52
 −5 6
M11 = =−5 + 6 =1 ya que hemos suprimido la fila 1 y la columna 1 como muestra el
−1 1
esquema:

0 6 0 −5
M12 = −42 , M13 =
0 − 42 =
= =0 + 35 =35 pues se ha eliminado respectivamente:
7 1 7 −1

y
Siguiendo,

2 −2 −4 −2 −4 2
M 21 = = 2 − 2 = 0 M 22 = = −4 + 14 = 10 M 23 = = 4 − 14 = −10
−1 1 , 7 1 , 7 − 1
2 −2 −4 −2 −4 2
M 31 = = 12 − 10 = 2 , M 32 = =−24 − 0 =−24 y M 33 = = 20 − 0 = 20 .
−5 6 0 6 0 −5

 −4 2 9 −2 
 11 −3 −5 2  −4 2 −2
Si B =   hay 16 menores complementarios; M 23 es 0 −5 6 –que por
 0 −5 -0,4 6 
  7 −1 1
 7 −1 -9 1
ahora no tenemos su resultado; - (1)-

ADJUNTO O COFACTOR DE UN ELEMENTO

Dada una matriz cuadrada A de orden n, se define el adjunto o cofactor de un elemento aij de A
como el número real
i+ j
Aij = ( −1) .Mij

Para nuestra matriz A tenemos:

A22 = (–1)2+2. M22 = 1. 10 = 10;

A32 = (–1)3+2. M32 = –1. (–24) = 24,
y así con los otros 7 cofactores.

Comentarios

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 53
a) Al cofactor le “antepone” “un uno” o “un menos uno” al menor complementario de acuerdo a
cual posición ocupa en la matriz. Por ejemplo en una matriz 3x3 los signos que se multiplican a
cada menor complementario son:
 +1 −1 +1
 
 −1 +1 −1
 +1 −1 +1
 

b) El resultado puede ser positivo, negativo o cero. Que los ejemplificados fueran positivos es una
coincidencia.

REGLA DE LAPLACE O DESARROLLO DE UN DETERMINANTE POR LOS

ELEMENTOS DE UNA LÍNEA.

Si A es una matriz cuadrada de orden n, se define su determinante como la suma del producto de
cada uno de los elementos de una línea cualquiera elegida de la matriz por su correspondiente
adjunto o cofactor. La línea puede ser una fila o una columna.

 a11 a12 a13 

Si A=  a21 a22 a23  y, por ejemplo, desarrollamos por la columna 2,
 a31 a32 a33 

1+ 2 a21 a23 2 + 2 a11 a13 3+ 2 a11 a13

A a12 . ( −1)
det= . + a22 . ( −1) . + a32 . ( −1) .
a31 a33 a31 a33 a21 a23

Det(A) = a12 . A12 + a22 . A22 + a32 . A32

Ejemplo:
 −4 2 −2 
Regresemos a nuestra matriz A =  0 −5 6  y hallemos su determinante.
 7 −1 1 

Primero hagámoslo por la fila 2 y luego por la columna 3 para visualizar

la coincidencia de ambos resultados y analizar si en alguno de los dos
casos tuvimos alguna ventaja operativa.

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 54
 2 +1 2 −2 2 + 2 −4 −2 2 + 3 −4 2
Det( A) = 0. ( −1) . + ( −5 ) . ( −1) . + 6. ( −1) .
−1 1 7 1 7 −1

Det ( A) = 0 – 5.(–4 + 14) –6 . (4 – 14) = –50 +60 = 10.

Usando la tercera columna:
A= 1+ 3 0 −5 2 + 3 −4 2 3+ 3 −4 2
−2. ( −1) . + 6. ( −1) . + 1. ( −1) .
7 −1 7 −1 0 −5
A = –2. 35 – 6. (–10) + 1. 20 = –70 + 60 + 20 = 10.

Comentarios:

1) Si una columna –o fila– tiene algún o algunos ceros es más sencillo desarrollar por allí pues el
término correspondiente se anula sin importar el valor del cofactor, y sin necesidad de calcularlo.
−4 2 −2
2) En la página 2 –(1)– debíamos el valor M 23 que era 0 −5 6 y que como hemos visto vale
7 −1 1
10.
3) Si tenemos una matriz de orden 4 el determinante se consigue a través de cuatro sumandos que
involucran determinantes de orden 3 que como hemos visto podemos obtener.
Para una matriz de 5x5 se precisarían hallar 5 determinantes de 4x4 que por lo antedicho puede
alcanzarse –a pesar de lo engorroso de las cuentas- y así siguiendo para cualquier matriz de orden
n.
4) Si una matriz cuadrada es triangular superior, triangular inferior o diagonal su determinante
resulta tener una expresión muy sencilla.
 a11 a12 a13   a11 0 0  a11 0 0
   
Obtenerla si TS =  0 a22 a23  , Ti =  a21 a22 0  y D =  0 a22 0 

 0 0 a33   a31 a32 a33   0 0 a33 

5) Se aconseja no utilizar la regla de Sarrus pues la misma es válida solamente para determinantes
de orden 3 (si no la conoce mejor).

Combinación de la regla de Laplace y Propiedades de determinante (Mix)

Podemos ir alternando el uso de las dos herramientas ya abordadas.

Recalculemos el determinante anterior para mostrar la técnica.

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 55
  1 2 −1 0   1 2 −1 0 
   
3 0 2 1 0 −6 5 1 
det(T) = det(  ) = det(  ) a la fila 2 le restamos 3 veces la fila 1 y a
 −1 1 0 3   0 3 −1 3 
   
 0 1 1 2 0 1 1 2
la fila 3 le sumamos la fil 1 , al hacer esto, el determinante no cambia.

−6 5 1
y luego desarrollamos por la columna 1: det(T) = 1. 3 −1 3 ;
1 1 2
con t31=1 y a través de columnas vamos a obtener dos ceros adicionales.
−6 11 13
C1.(–1) +C2 → C2, C1.(–2) + C3 → C3: det(T)= 3 −4 −3
1 0 0
y desarrollando por la tercera fila

11 13
det(T) = 1. (–1)3+1. = (–33 + 52) = 19
−4 −3

Obtención de la matriz inversa por la Adjunta

Dada una matriz A ∈ Rnxn, llamemos Mij a la matriz (n–1) x(n–1) que resulta de eliminar la i-ésima
fila y la j-ésima columna de A. Podemos hallar el determinante de Mij, dado que es una matriz
cuadrada; dicho determinante se lo llama menor de aij.

Se llama cofactor Aij de aij a la siguiente expresión = (–1) i+j .det (Mij) (o sea el producto del menor
por (–1) elevado a la suma de los índices de la fila y la columna eliminadas)

Se denomina matriz de cofactores a la matriz calculada por la siguiente expresión:

CA=  (−1)i + j M i,j 
1≤i ≤ N ,1≤ j ≤ N

La adjunta de una matriz cuadrada A es la matriz de cofactores transpuesta.

Adj(A) = (C A )t

La adjunta nos habilita a conseguir la matriz inversa de una matriz A pues:

1
A -1 = Adj(A)
A
Ejemplo
 −2 1 0 
Afiancemos todo lo visto para U=  1 −1 3  .
 0 1 2 

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 56
  −2 1 0  −2 1 −2
−2 −2
det(U) = det  1 −1 3  = 1 −1 5 = 1.(–1)3+2. = – (–10+2) = 8
1 5
 0 1 2  0 1 0

 −5 −2 1 
 −5 −2 3 
La matriz de cofactores es CU =  −2 −4 2  y la Adj(U) =  −2 −4 6 
 
 3 6 1   1 2 1 

 −5 −2 3  5 2 3
 −2 −4 6   − −
   8 8 8
   
U −1 = 1 2 1 = − 2 −
4 6
; puede comprobarse que U.U–1 = I.
8  8 8 8
 1 2 1
 
 8 8 8 

Videos de la cátedra:

Determinantes. Cálculo y propiedades

[Link]

Ejercicios de Inversibilidad de matrices y uso de determinantes

[Link]

Algebra y Geometría Analítica I - DIIT

Matrices – SEL - Determinantes 57