CAPÍTULO 2.

ALGEBRA DE MATRICES

1. DEFINICIONES BÁSICAS

Definición de matriz. Una matriz m  n es un arreglo rectangular de números que contiene

m filas y n columnas

 a11 a12 a13 ⋯ a1n 

a a23 ⋯ a2 n 
 21 a22
 a31 a32 a33 ⋯ a3n  m filas (o renglones)
 
 ⋮ ⋮ ⋮ ⋱ ⋮ 
 am1 am 2 am3 ⋯ amn 

n columnas

Para cada elemento ai j el subíndice i representa la fila donde se encuentra el elemento ai j

y el índice j indica la columna del elemento ai j . Una matriz m  n se dice que es de orden
m n .

Formas de representar una matriz.

1) Mediante una letra mayúscula A, B, C, …

2) Mediante un elemento representativo escrito entre corchetes [ai j ] , [bi j ] , [ci j ] , …
3) Mediante un arreglo rectangular de números

 a11 a12 ⋯ a1n 

a a22 ⋯ a2 n 
A  [ai j ]   21

 ⋮ ⋮ ⋱ ⋮ 
 
 am1 am 2 amn 

Matriz columna y matriz fila. Una matriz que tiene una única columna se llama matriz
columna o vector columna. Análogamente, una matriz con una sola fila se denominada
matriz fila o vector fila. Las vectores fila y columna se suelen denotar con letras en negrita.
 2 4
Ejemplo. La matriz A   6 7  está compuesta por los vectores columna
 

2 4
a1    y a2   
6 7 
de la siguiente manera

2 4
A    a1 a2 
6 7 

2. OPERACIONES CON MATRICES

Igualdad de matrices. Dos matrices A  [ai j ] y B  [bi j ] son iguales si tienen el mismo
tamaño ( m  n ) y ai j  bi j para 1  i  m y 1  j  n .

Ejemplo. Considere las cuatro matrices

1 2  1 1 2
A , B   , C  1 3 , y D 
3 4   3  x 4

Las matrices A y B no son iguales, ya que tienen diferente tamaño. De manera similar B y
C tampoco lo son. Las matrices A y D son iguales si y sólo si x  3

Suma de matrices. Si A  [ai j ] y B  [bi j ] son matrices de orden m  n , entonces su suma

es la matriz m  n definida como

A  B  [ai j  bi j ]

Nota. La suma de matrices de órdenes diferentes no está definida.

Ejemplo. Calcule la suma de las matrices A y B dadas

 1 2   1 3
a) A   0 1 , B   1 2 
   

 1 2   1 3   1  1 2  3  0 5
A B      1 2    0  1 1  2    1 3
 0 1       
 1  1  1   1 0
A   3 , B   3  A  B   3   3   0
b)          
 2  2   2  2  0

2 1 0   0 1
A   4 0 1 B   1 3
c)  ,   La suma A  B no está definida.
 3 2 2   2 4

Multiplicación por un escalar. Si A  [ai j ] es una matriz m  n y c es un escalar, entonces

el múltiplo escalar de A por c es la matriz m  n definida por

cA  [cai j ]

Nota. El producto escalar (1) A se denota por  A . Si A y B tienen el mismo orden, A  B

representa la suma de A y (1)B , es decir

A  B  A  (1) B Resta de matrices

Ejemplo. Dadas las matrices A y B

1 2 4  2 0 0
A   3 0 1 B   1 4 3
  y  
 2 1 2   1 3 2

hallar: a) 3A y b) 3A  B

 1 2 4   3(1) 3(2) 3(4)   3 6 12 

a) 3 A  3  3 0 1  3(3) 3(0) 3(1)    9 0 3
     
 2 1 2   3(2) 3(1) 3(2)   6 3 6 

 3 6 12   2 0 0   1 6 12 
b) 3 A  B   9 0 3   1 4 3   10 4 6 
     
 6 3 6   1 3 2  7 0 4 
Multiplicación de matrices. Si A  [ai j ] es una matriz m  n y B  [bi j ] es una matriz
n  p , entonces el producto AB es la matriz m  p

AB  [ci j ]
n

donde ci j  a b
k 1
ik kj ai1b1 j  ai 2b2 j  ai 3b3 j  ⋯  ainbnj

Esta expresión significa que el elemento del producto AB situado en la fila i y en la columna
j se obtiene multiplicando los elementos de la fila i de la matriz A por los correspondientes
elementos de la columna j de B y luego sumando los resultados.

Nota. Para que el producto de dos matrices este definido, el número de columnas de la
primera matriz debe ser igual al número de filas de la segunda matriz

A B  AB
mn n p m p
Iguales

Orden AB

Ejemplo. Encuentre el producto AB, donde

 1 3 
A   4 2  3 2 
  y B 
 5 0   4 1 

A B  AB
3 2 2 2 3 2
Iguales

Orden AB

 1 3  (1)(3)  (3)(4) c12 

 3 2 
 4 2
    c21 c22 
  4 1 
 5 0    c31 c32 
  1 3  (1)(3)  (3)(4) (1)(2)  (3)(1) 
 4 2   3 2   
   c21 c22 
   4 1 
 5 0   c31 c32 

 1 3   (1)(3)  (3)(4) (1)(2)  (3)(1) 

 4 2   3 2   
   (4)(3)  (2)(4) c22 
   4 1 
 5 0   c31 c32 

 1 3   (1)(3)  (3)(4) (1)(2)  (3)(1) 

 4 2   3 2  
   (4)(3)  (2)(4) (4)(2)  (2)(1) 
   4 1 
 5 0   c31 c32 

 1 3   (1)(3)  (3)(4) (1)(2)  (3)(1) 

 4 2   3 2  
   (4)(3)  (2)(4) (4)(2)  (2)(1) 
   4 1 
 5 0   (5)(3)  (0)(4) c32 

1 3   (1)(3)  (3)(4) (1)(2)  (3)(1)   9 1 

 3 2 
AB   4 2    (4)(3)  (2)(4) (4)(2)  (2)(1)    4 6 
   4 1     
 5 0   (5)(3)  (0)(4) (5)(2)  (0)(1)   15 10

El producto BA no está definido para las matrices A y B del ejemplo anterior.

Potencia de una matriz. Si A es una matriz n  n y k es un entero positivo, entonces Ak

denota el producto de k veces A.

Ak  A  A  …  A
k factores

 2 1
Ejemplo. Encuentre A dada A  
3
3 0 

 2 1  2 1  2 1 1 2   2 1  4 1

A3      3 0    3 0    6 3   3 0    3 6 
 3 0           
3. LA ECUACION MATRICIAL Ax=b

Dado un sistema de ecuaciones lineales

a11 x1  a12 x2  …  a1n xn  b1

a21 x1  a22 x2  …  a2 n xn  b2
⋮ ⋮ ⋮ ⋮
am1 x1  am 2 x2  …  amn xn  bm

Este sistema puede escribirse como una ecuación matricial Ax  b , donde A es la matriz
de coeficientes, mientras x y b son vectores columna (matrices columna).

A x  b
 a11 a12 ⋯ a1n   x1   b1 
a ⋯ a2 n   x2   b2 
 21 a22 
 ⋮ ⋮ ⋱ ⋮  ⋮   ⋮ 
    
 am1 am 2 ⋯ amn   xn  bm 

Expresado como una combinación lineal de vectores

a1 x1  a2 x2  ⋯  an xn  b
 a11   a12   a1n   b1 
a  a  a  b 
x1  21 
 x2  22 
 ⋯  xn  2 n    2 
 ⋮   ⋮   ⋮  ⋮
       
 am1   am 2   amn  bm 
Combinación lineal de los vectores
columna a1 , a2 , …, an

Ejemplo. Exprese el siguiente sistema de ecuaciones lineales como una combinación lineal
de vectores y como una ecuación matricial Ax  b .

x1  2 x2  x3  4
 5 x2  3x3  1
Este sistema es equivalente a

1  2  1  4 
x1    x2    x3     
0   5   3  1 
o expresado como una ecuación matricial Ax  b

 x1 
1 2 1    4
0 5 3   x2   1 
  x   
 3

Teorema. Si A es una matriz de m  n , con columnas a1 , a2 , …, an , y si b está en ℝ m , la

ecuación matricial
Ax  b

tiene el mismo conjunto solución que el sistema de ecuaciones lineales cuya matriz
aumentada es
a1 a2 ⋯ an b

4. MATRICES ELEMENTALES, MATRICES CUADRADAS, IDENTIDAD,

TRIANGULARES, SIMÉTRICAS, IDEMPOTENTES

Matriz cuadrada. Cuando el número de filas (o renglones) de una matriz A al número de

columnas se dice que A es una matriz cuadrada de orden n.

En una matriz cuadrada los elementos a11 , a22 , …, ann se llaman elementos de la diagonal
principal. La suma de los elementos se llama traza de la matriz A y se denota por tr ( A) .

2 4
Ejemplo. Calcule la suma de las matrices A y B dadas Sea A  6 7 
 

- A es una matriz de orden 2  2 .

- Elementos de la diagonal principal: a11  2 y a22  7
- Traza de A: tr ( A)  a11  a22  2  7  9

Matriz identidad. La matriz identidad I n de orden n  n es una matriz cuadrada que tiene
unos en la diagonal principal y ceros fuera de ella.

1 0 0 
1 0 
I1  1 I2    I 3  0 1 0
0 1  0 0 1 
Matriz triangular superior. Se dice que una matriz cuadrada es triangular superior si
todos los elementos que están debajo de la diagonal principal son iguales a cero.

La matriz A  [ aij ] n n es triangular superior si aij  0 para i > j.

Matriz triangular inferior. Una matriz cuadrada es triangular inferior si todos los
elementos que están por encima de la diagonal principal son iguales a cero.

La matriz A  [ aij ] n n es triangular superior si aij  0 para i < j.

Matriz triangular. Si una matriz es triangular superior o inferior se dice que es triangular.

Ejemplo.
3 0 1 4 0 0
A  0 1 0 A  0 1 0
0 0 1 5 0 1 
Triangular Superior Triangular inferior

Matriz diagonal. Una matriz cuadrada es diagonal si los elementos no diagonales son todos
nulos.
A  [ aij ] n n donde aij  0 , para todo i ≠ j

Ejemplo.
3 0 0
A  0 1 0 
0 0 2

Matriz simétrica. Es una matriz cuadrada cuyos elementos son simétricos respecto de la
diagonal principal, el decir el elemento aij  a ji , para todo i ≠ j.

Ejemplo.
1 2 1 
A   2 3 3
1 3 4 

Matriz idempotente: Una matriz cuadrada A es idempotente si A  A .

2
Ejemplo. Determine si la siguiente matriz es idempotente.

 2 2 4
A   1 3 4 
 1 2 3

 2 2 4  2 2 4  2 2 4

A2   1 3 4    1 3 4    1 3 4   A
 1 2 3  1 2 3  1 2 3

Como A 2  A la matriz A es idempotente.

5. TRANSPUESTA E INVERSA DE UNA MATRIZ, CARACTERÍSTICAS DE LAS

MATRICES INVERTIBLES

Matriz transpuesta. La transpuesta de una matriz se forma al escribir sus filas como
columnas. Sea A la matriz m  n dada por

 a11 a12 ⋯ a1n 

a a22 ⋯ a2 n 
A  21

 ⋮ ⋮ ⋱ ⋮ 
 
 am1 am 2 amn 

Su transpuesta denotada por AT , es la matriz n  m dada por

 a11 a21 ⋯ am1 

a a22 ⋯ am 2 
A 
T  12

⋮ ⋮ ⋱ ⋮ 
 
 a1n a2 n am 2 

Ejemplo. Hallar la matriz transpuesta de cada una de estas matrices:

 2
a) A  8  AT   2 8
 
 1 2 0  1 2 0 
  B  2 1 0
b) B   2 1 0 
T
  (Matriz simétrica B  B T )
0 0 1  0 0 1 

0 1 
  0 2 1 
c) C   2 4  CT   
1 1 1 4 1

Propiedades de la transpuesta. Si A y B son matrices (con órdenes tales que las

operaciones proporcionadas estás definidas) y c es un escalar, entonces se cumple

 AT T  A 3)  cA   cA
T T
1)
4)  AB   B A
T T T
2)  A  B   A  B
T T T

Nota: Para cualquier matriz A, la matriz dada B  AAT es simétrica.

Inversa de una matriz. Una matriz A n  n es invertible (o no singular) si hay una matriz
B n  n tal que

AB  BA  I n

donde I n es la matriz identidad de orden n. La matriz B se denomina inversa

(multiplicativa) de A. Una matriz que no tiene inversa se denomina no invertible (o
singular).

Unicidad de la Matriz Inversa. Si A es una matriz invertible, entonces si inversa es única.

La inversa de A se denota por A 1 tal que A 1 A  AA 1  I .

Ejemplo. Demuestre que B es la inversa de A.

 1 2 1 2
A  B 
 1 1  1 1

 1 2 1 2 1 0  1 2   1 2 1 0 
AB      BA     
 1 1  1 1 0 1  1 1  1 1  0 1 
Determinación de la Inversa de una matriz con la Eliminación de Gauss-Jordan. Sea
A una matriz cuadrada de orden n.
1. Escriba la matriz n  2 n que consiste en la matriz dada A a la izquierda y la matriz
identidad I de n  n a la derecha para obtener [ A I ] .
2. De ser posible, reduzca por filas A a I al aplicar las operaciones elementales en las
filas a toda la matriz [ A I ] . El resultado es la matriz [ I A1 ] . Si no se puede
llevar a cabo lo anterior, entonces A no es invertible.
3. Compruebe el proceso con la multiplicación para ver que AA 1  A 1 A  I .

 1 1 0 
 
Ejemplo. Encuentre la inversa de la siguiente matriz A   1 0 1 .
 6 2 3 

 1 1 0 1 0 0
[ A I ]   1 0 1 0 1 0
 
 6 2 3 0 0 1 

1 1 0 1 0 0
F2  F1  F2 0 1 1 1 1 0
 
6 F1  F3  F3 0 4 3 6 0 1 

F2  F1  F1 1 0 1 0 1 0 
0 1 1 1 1 0 
 
4 F2  F3  F3 0 0 1 2 4 1 

1 0 1 0 1 0 
0 1 1 1 1 0 
 
(1) F3  F3 0 0 1 2 4 1

F3  F1  F1 1 0 0 2 3 1  2 3 1
F3  F2  F2 0 1 0 3 3 1  A1   3 3 1
   
0 0 1 2 4 1  2 4 1

Ejercicio. Encuentre la inversa de la siguiente matriz.

1 2 0
A   3 1 2 
 
 2 3 2 
Propiedades de la matriz inversa. Si A es una matriz invertible y c es un escalar, entonces
se cumple lo siguiente

1)  A 1  1  A 3)  cA 
1

1 1
A , c0
1 c
2)  A k   A 1 A 1 ⋯ A 1
k factores 4)  AT 1   A 1 T

La inversa de un producto. Si A y B son matrices invertibles de orden n, entonces AB es

invertible y
 AB 1  B 1 A1

Sistemas de ecuaciones con soluciones únicas. Si A es una matriz invertible, entonces el

sistema de ecuaciones representado por Ax  b tiene solución única dada por

x  A  1b

Ejemplo. Utilice una matriz inversa para resolver el siguiente sistema de ecuaciones.

2 x  3 y  z  1
3x  3 y  z  1
2 x  4 y  z  2

 2 3 1
 
Matriz de coeficientes del sistema: A   3 3 1
 2 4 1

 1 1 0 
1  
Aplicando la eliminación de Gauss-Jordan se encuentra que A 1 es: A   1 0 1 
 6 2 3

Para resolver el sistema se aplica la ecuación matricial

1 1 0   1  2 
x  A b  1 0 1 
1  1    1
     
 6 2 3  2  2 

La solución es x  2 , y   1 y z  2 .
Condiciones equivalentes. Si A es una matriz n  n , entonces las siguientes proposiciones
son equivalentes.

1. A es invertible
2. A es equivalente por filas (o renglones) a I n
3. A tiene n posiciones pivote
4. Ax  b tiene solución única para toda b n  1
5. Ax  0 tiene solamente la solución trivial.
6. AT es invertible

6. MATRICES PARTICIONADAS

Una matriz A puede escribirse como una matriz particionada, es decir como un conjunto de
submatrices (o bloques). Las particiones de una matriz vienen indicadas mediante líneas
divisorias horizontales y verticales.

Ejemplo. La matriz
 3 0 1 5 9 2
 
A   5 2 4 0 3 1 
 8 6 3 1 7 4
 

se puede escribir como la matriz particionada de 2  3 (o por bloques) como

A A12 A13 
A   11
 A21 A22 A23 

cuyas entradas son las submatrices (o bloques)

 3 0 1 5 9  2
A11   , A12   , A13   
 5 2 4  0 3 1

A21   8 6 3 , A22  1 7 , A23   4

Suma y multiplicación escalar. Si las matrices A y B son del mismo tamaño y están
particionadas exactamente en la misma forma, entonces cada bloque de A  B es la suma
(matricial) de los bloques correspondientes de A y B. La multiplicación de una matriz
particionada por un escalar se calcula también bloque por bloque.
Multiplicación de matrices particionadas. Las matrices particionadas se pueden
multiplicar utilizando la regla fila-columna como si las entradas del bloque fueran escalares,
siempre que para un producto AB, la partición por columnas de A equivalga a la partición
por filas de B.

Ejemplo. Sean
6 4
 2 1 
 2 3 1 0 4 
  A A12   B1 
A  1 5 2 3 1   11 B   3 7   
A22  ,   B
3  2 
A
0 4 2 7 1  21  1
 
 5 2 
El producto AB se escribe como

A A12   B1   A11B1  A12 B2 

AB   11 B    A B  A B 
 A21 A22   2   21 1 22 2 

donde
6 4
 2 3 1   0 4  1 3
A11B1  A12 B2    2 1   
1 5 2   3 1  5 2
 3 7 
15 12  20 8
    8
 2 5   7 
 5 4
= 
 6 2

6 4
  1 3
A21B1  A22 B2   0 4 2 2 1    7 1 
  5 2
 3 7 
 14 18   12 19
=  2 1

Por lo tanto, el producto AB es

 5 4
 A11B1  A12 B2   
AB      6 2
 A21B1  A22 B2   2 1 
 
7. FACTORIZACIÓN DE MATRICES

Una factorización de una matriz A es una ecuación que expresa a A como un producto de
dos o más matrices.

La factorización LU. La matriz A n  n se puede escribir como un producto de una matriz

triangular inferior L y una matriz triangular superior U, se dice que A  LU es una
factorización LU de A.

 0 0 0    
  0 0 0   
A 
   0 0 0  
   
    0 0 0 
L U

1 3 0  1 0 0  1 3 0 
    
Ejemplo. A  0 1 3  0 1 0  0 1 3   LU
 2 10 2  2 4 1  0 0 14

Es una factorización LU de la matriz A.

Matriz elemental. Una matriz n  n se llama matriz elemental si se puede obtener de la

matriz identidad I n mediante una única operación elemental por filas, es decir
1. Intercambiar dos filas.
2. Multiplicar una fila por un número no nulo.
3. Sumar un múltiplo de una fila a otra fila.

Ejemplo. ¿Cuáles de estas matrices son elementales? Para que lo sean, describir la
operación elemental por filas correspondiente.

1 0 0  1 0 0  1 0 
    e)  
a) 0 3 0 c) 0 1 0 2 1
0 0 1  0 0 0
1 0 0 
1 0 0  1 0 0   
f) 0 2 0 
b)    
0 1 0  d) 0 0 1  0 0 1
0 1 0
 a) Elemental. Se obtiene al multiplicar la 2da fila de I 3 por 3.
b) No elemental, porque no es matriz cuadrada.
c) No elemental, porque la matriz se obtiene multiplicando la 3era fila de I 3 por 0.
d) Elemental. Se obtiene intercambiando las filas 2da y 3era de I 3 .
e) Elemental. Se obtiene de I 2 al sumar a la 2da fila la 1era multiplicada por 2.
f) No elemental, porque se necesita dos operaciones elementales por filas a partir de I 3
para obtener la matriz.

Nota. La matriz identidad es elemental, ya que puede obtenerse de sí misma multiplicando

una de sus filas por 1.

Un algoritmo de factorización LU. Suponga que A se puede reducir a una forma

escalonada U usando solo la operación de sumar un múltiplo de una fila a otra fila situada
debajo de esta. En este caso, existen matrices elementales triangulares inferiores
E1 , E2 , … , Ek tales que
Ek ⋯ E2 E1 A  U
A  ( Ek ⋯ E 2 E1 ) 1U
A  E11 E 21 ⋯ Ek1U  LU

de donde L  ( Ek ⋯ E2 E1 ) 1  E11 E21 ⋯ Ek1

1 3 0 
 
Ejemplo. Halle una factorización LU de la matriz A  0 1 3
 2 10 2

Matriz Matriz elemental

1 3 0  1 0 0
0 1 3 E1   0 1 0
   
(2) F1  F3  F3 0 4 2
  2 0 1

1 3 0  1 0 0 
0 1 3   U E2  0 1 0
   
(4) F2  F3  F3 0 0 14 0 4 1 

 1 0 0  1 0 0   1 0 0 
L  E11E21  0 1 0 0 1 0  0 1 0
La matriz L está dada por     
2 0 1  0 4 1   2 4 1 
por lo tanto, la factorización LU de la matriz A es

1 0 0  1 3 0  1 3 0 
A  LU  0 1 0  0 1 3   0 1 3
    
 2 4 1  0 0 14   2 10 2

Aplicación. Al tener la factorización LU de una matriz A ( A  LU ), se puede resolver

cualquier sistema de n ecuaciones lineales en n incógnitas Ax  b ( o LUx  b ) en dos
pasos:
1. Llamar y  Ux y resolver Ly  b para deducir y.
2. Resolver Ux  y para deducir x.
La matriz columna x es la solución del sistema.

 x1  3x2  5

Ejemplo. Resuelva el sistema lineal  x2  3x3  1
2 x  10 x  2 x  20
 1 2 3

En el ejemplo anterior se obtuvo la factorización LU de la matriz de coeficientes A.

1 0 0  1 3 0  1 3 0 
A  LU  0 1 0  0 1 3   0 1 3
    
 2 4 1  0 0 14   2 10 2

Primero, se hace y  Ux y se resuelve Ly  b para hallar y.

1 0 0  y1   5  y1  5
0 1 0  y    1   y2  1
   2  
 2 4 1   y3   20  2 y1  4 y2  y3  20

Sustituyendo y1  5 y y2  1 en la tercera ecuación

2(5)  4(1)  y3  20  y3  14

 5 
 
La solución de Ly  b es y   1  .
 14 
Ahora, se resuelve el sistema Ux  y

1 3 0   x1   5  x1  3x2  5
0 1 3   x    1   x2  3x3  1
   2  
0 0 14  x3   14 14 x3  14

De la última ecuación x3  1 . Reemplazando en la segunda ecuación

x2  3(1)  1  x2  2

Por último, reemplazando x2  2 en la primera ecuación

x1  3(2)  5  x1  1

1
 
Así, la solución del sistema lineal original es x   2  .
 1

8. EL DETERMINANTE DE UNA MATRIZ CUADRADA

Determinante de una matriz 2 × 2. El determinante de la matriz

a a 
A   11 12 
 a21 a22 
está dado por

a11 a12
det( A)  A   a11a 22 a21a12
a21 a22

Ejemplo. Encuentre el determinante de las siguientes matrices

 2 3 2 3
a) A    A  (2)(2)  (1)(3)  7
1 2  1 2

2 1 2 1
b) B    B   (2)(2)  (4)(1)  0
 4 2 4 2
Determinante de una matriz 3 × 3. El determinante de la matriz

 a11 a12 a13 

A   a21 a22 a23 
 a31 a32 a33 
esta dado por
a22 a23 a a a a
det( A)  A  a11  a12 21 23  a13 21 22
a32 a33 a31 a33 a31 a32

 2 4 6
 
Ejemplo. Calcule el determinante de la matriz A  1 2 3
7 2 1 

2 3 1 3 1 2
A 2 4 6  2(2  6)  4(1  21)  6(2  14)  8  80  72  0
2 1 7 1 7 2

Regla de Sarrus para calcular un determinante de orden 3 × 3. Para evaluar

a11 a12 a13

A  a21 a22 a23
a31 a32 a33

Se sigue los siguientes pasos:

1. Se repiten las dos primeras filas (o columnas) a continuación de la tercera, trazando

diagonales de izquierda a derecha y de derecha a izquierda como se muestra

a11 a12 a13

A  a21 a22 a23
a31 a32 a33
a11 a12 a13
a21 a22 a23

2. El determinante se obtiene como la diferencia entre la suma de los productos de los

elementos sobre las diagonales de izquierda a derecha y la suma de los productos de
los elementos sobre las diagonales de derecha a izquierda.

A  (a11a22a33  a21a32a13  a31a12 a23 )  (a31a22 a13  a11a32a23  a21a12a33 )

 2 4 1
 
Ejemplo. Calcule el determinante de la matriz A  0 0 2 .
7 4 8 

2 4 1
A  0 0 2  (0  0  56)  (0  16  0)  56  16  40
7 4 8
2 4 1
0 0 2

Determinante de una matriz triangular. Si A es una matriz triangular de orden n, entonces

su determinante es el producto de los elementos en la diagonal principal. Es decir,
A  a11a22 a33 ⋯ann .

3 0 0
Ejemplo. A  7 11 0  (3)(11)(2)  66 .
1 2 2

9. PROPIEDADES DE LOS DETERMINANTES

1) Si cada uno de los elementos de una fila o columna de un determinante es igual a

cero, el valor determinante es cero.

1 3 1
Ejemplo. A  0 0 0 0
5 2 1

2) El determinante de una matriz cuadrada es igual al determinante de su traspuesta

| | = | |.

4 6 4 9
Ejemplo. A  8  54  46 AT   8  54  46
9 2 6 2

3) Si una fila (o columna) de una matriz A es múltiplo escalar de otra fila o columna,
entonces det(A) = 0.

2 4
Ejemplo. A  80  80  0
20 40
4) Si B es la matriz que resulta de intercambiar dos filas (o dos columnas) de A,
entonces det (B) = – det (A).

3 4  1 2 
Ejemplo. Sean A    y B  3 4  , evalúe det( A) y det( B ) .
1 2   

3 4 1 2
A 64  2 B   4  6  2
1 2 3 4

5) Si B es la matriz que resulta de multiplicar una fila (o una columna) de A por un

escalar c, entonces det(B) = c det(A).

1 2
Ejemplo. Sean A    , y B la matriz que se obtiene al multiplicar la segunda fila de
4 6
 1 2  1 2
A por c  3 , es decir, B     12 18 , evalúe det( A) y det( B ) .
 4(3) 6(3)   

1 2 1 2
A  6  8  2 B   18  24  6
4 6 12 18

Como se observa det( B)  3det( A) .

6) Si B es la matriz que resulta de multiplicar una fila (o columna) de A por un escalar

y sumársela a otra fila (o columna, respectivamente), entonces det (B) = det (A).

 3 2 4 
 
Ejemplo. Sea A   1 1 2  , cuyo determinante es A  32 , si se multiplica la
 1 4 0 
tercera fila por 5, y se suma a la segunda fila, se obtiene una nueva matriz B, que está
dada por
 3 2 4   3 2 4
B  5(1)  1 5(4)  1 5(0)  2   4 19 2 , evalúe det( B ) .
 1 4 0   1 4 0 

19 2 4 2 4 19
B  3 2 4  3(0  8)  2(0  2)  4(16  19)  24  4  12  32
4 0 1 0 1 4
7) Sean A y B matrices de orden n × n, entonces | | = | || |.

4 6 1 2 
Ejemplo. Sean A  1 2 y B  3 4  , evalúe det( AB) .
   

4 6  1 2 22 32 
Calculando el producto AB: AB     
 1 2  3 4   7 9 

22 32
Por lo tanto el det( AB) es: AB   220  224  4
7 10

Ahora se calcula el producto de estos dos determinantes

4 6 1 2
A B   (8  6)(4  6)  4
1 2 3 4

Ejercicio. Utilizando las propiedades de los determinantes, hallar el valor del

determinante
 2 3 10 
A  1 2 2 
0 1 3

2 3 10 1 2 2 F1  F2
A  1 2 2   2 3 10
0 1 3 0 1 3

1 2 2
  0 7 14 (2) F1  F2  F2
0 1 3

1 2 2
 7 0 1 2 Factor común  7 en F2
0 1 3

1 2 2
 7 0 1 2
0 0 1 (1) F2  F3  F3

Dado que se tiene el determinante de un matriz triangular, A  7(1)(1)(1)  7 .

10. MENORES Y COFACTORES, ADJUNTA DE UNA MATRIZ

Definición de los Menores y Cofactores de una Matriz. Si A es una matriz cuadrada,

entonces el menor Mij del elemento aij es el determinante de la matriz que se obtiene al
eliminar la i-ésima fila y la j-ésima columna de A. El cofactor Cij está dado por

Ci j  (1)i  j M i j

Nota. Los menores y cofactores de una matriz difieren a lo sumo en el signo. Así, para
obtener los cofactores de una matriz, primero se determinan los menores y luego se aplica
el siguiente patrón de tablero de ajedrez de signos “+” y “−”.

     ⋯
     ⋯

     ⋯
 
     ⋯
     ⋯
 
⋮ ⋮ ⋮ ⋮ ⋮ ⋱
matriz n  n

0 2 1 
 
Ejemplo. Encuentre todos los menores y cofactores de A   3 1 2  .
 4 0 1 

Para encontrar el menor M11 se eliminan la primera fila y la primera columna de A y se

evalúa el determinante de la matriz resultante.

0 2 1 
 3 1 2  1 2
 , M11   (1)(1)  (0)(2)  1
0 1
 4 0 1 

Para encontrar M12, se eliminan la primera fila y la segunda columna.

0 2 1 
 3 1 2  3 2
 , M 12   (3)(1)  (4)(2)  5
4 1
 4 0 1 
Continuando con el proceso se obtienen los siguientes menores

M11  1 M12  5 M13  4

M 21  2 M 22  4 M 23  8
M 31  5 M 32  3 M 33  6

Para hallar los cofactores que se combinan los menores con el tablero de ajedrez de signos

C11  1 C12  5 C13  4

C21  2 C22  4 C23  8
C31  5 C32  3 C33  6

Determinante de una matriz mediante cofactores. Sea A una matriz cuadrada de orden n.
Entonces, el determinante de A esta dado por

n
A   ai j Ci j  ai1Ci1  ai 2Ci 2  ⋯  ainCin Desarrollo de la i -esima fila
j 1

o
n
A   ai j Ci j  a1 j C1 j  a2 j C2 j  ⋯  anj Cnj Desarrollo de la i -esima columna
i 1

 1 2 3 0
 1 1 0 2 

Ejemplo. Encuentre el determinante de A   0 2 0 3
 
3 4 0 2

Para simplificar el cálculo del determinante se desarrolla usando la tercera columna, es decir

A  a13C13  a23C23  a33C33  a43C43  3C13  0C23  0C33  0C43  3C13

 1 1 2  1 1 2
 
 3 (1)1 3 0 2 3   3 0 2 3
 3 4 2  3 4 2

 2 3 1 2 1 2
 3 (1)(1)11  (0)(1)2 1  (3)(1)31 
 4 2 4 2 2 3
 31(4  12)  3(3  4)  3(16  3)  39
 3 6 5 4 
 2 0 6 0 

Ejercicio. Encuentre el determinante de B   1 1 2 2 .
 
0 3 1 1

Adjunta de una matriz. Si A es una matriz cuadrada de orden n, entonces la matriz de

cofactores de A es de la forma

 C11 C12 ⋯ C1n 

C C22 ⋯ C2 n 
cofact ( A)   21
 ⋮ ⋮ ⋱ ⋮ 
 
Cn1 Cn 2 ⋯ Cnn 

La transpuesta de esta matriz se denomina adjunta de A y se denota por adj ( A) .

 C11 C21 ⋯ Cn1 

C C22 ⋯ Cn 2 
adj ( A)   12
 ⋮ ⋮ ⋱ ⋮ 
 
C1n C2 n ⋯ Cnn 

1 2 3
 
Ejemplo. Hallar la matriz adjunta de A  1 3 4
1 4 3

 3 4 1 4 1 3
  
 4 3 1 3 1 4
 2  7 1 1 
3 1 3 1 2 
cofact ( A)       6 0 2 
 4 3 1 3 1 4  
   1 1 1 
 2 3

1 3 1 2
 3 4 1 4 1 3 

 7 6 1
adj ( A)   cofact ( A)    1 0 1
T
 
 1 2 1 

Propiedad de la matriz adjunta. Sea A una matriz de orden n x n entonces

adj ( A)  A  A  I n
11. INVERSA DE UNA MATRIZ A PARTIR DE LOS DETERMINANTES

Determinante de una matriz invertible. Una matriz cuadrada A es invertible (no singular)
si y solo si
A  0.

Ejemplo. ¿Cuál de las siguientes matrices tienen inversa?

0 2 1 0 2 1
   
a) A  3 2 1  b) B  3 2 1 
3 2 1 3 2 1 

0 2 1
3 1 3 2
A  3 2 1  2 1  2(3  3)  (6  6)  0
3 1 3 2
3 2 1

En conclusión, la matriz A no tiene inversa (es singular).

0 2 1
3 1 3 2
B  3 2 1  2 1  2(3  3)  (6  6)  12  0
3 1 3 2
3 2 1

En conclusión, la matriz B tiene inversa (es no singular).

Condiciones equivalentes. Si A es una matriz n  n , entonces las siguientes proposiciones

son equivalentes.

1. A es invertible
2. Ax  b tiene solución única para toda b n  1
3. A x  0 tiene solamente la solución trivial.
4. A  0

Inversa de una matriz: método de la adjunta. Si A es una matriz invertible de n  n ,

entonces es cierto que
1
A 1  adj ( A)
A
 2 1 3 
 
Ejemplo. Encuentre la inversa de la matriz A  1 1 1  .
1 4 2 

1 1 1 1 1 1
C11    2, C12    3, C13   5
4 2 1 2 1 4
1 3 2 3 2 1
C21    14, C22    7, C23    7
4 2 1 2 1 4
1 3 2 3 2 1
C31    4, C32    1, C33    3
1 1 1 1 1 1

 2 14 4 
 
La matriz adjunta es la transpuesta de la matriz de cofactores: adj ( A)   3 7 1 
 5 7 3

Para verificar el cálculo anterior y producir el det( A )

 2 14 4   2 1 3  14 0 0  1 0 0 
adj ( A)  A   3 7 1      14  0 1 0   A  I
   1 1 1   0 14 0    n

 5 7 3  1 4 2   0 0 14   0 0 1 

Por lo tanto, A  14 y la matriz inversa de A es

 2 14 4   1 7 1 27 
adj ( A)   3 7 1    3 14 1 2 1 14 
1 1
A1 
A 14    
 5 7 3  5 14 1 2 3 14 

12. SOLUCIÓN DE SISTEMAS DE ECUACIONES: REGLA DE CRAMER

Regla de Cramer. Si un sistema de n ecuaciones lineales en n variables tiene una matriz de

coeficientes con un determinante A diferente de cero, entonces la solución del sistema está
dada por
A1 A2 An
x1  , x2  , ⋯, xn  ,
A A A

donde la i-ésima columna de Ai es la columna de constantes en el sistema de ecuaciones.

 4 x1  2 x2  10
Ejemplo. Use la regla de Cramer para resolver el sistema de ecuaciones  .
3 x1  5 x2  11

Primero se calcula determinante de la matriz de coeficientes como

4 2
A  14
3 5

Dado que A  0 , el sistema tiene solución única, y al aplicar la regla de Cramer se obtiene

10 2 4 10
A 11 5 28 A 3 11 14
x1  1   2 x2  2    1
A 14 14 A 14 14

Así, la solución es x1  2 y x2   1 .

 x  2 y  3z  1

Ejercicio. Resuelva el sistema lineal 2 x  z  0 mediante la regla de Cramer.
3 x  4 y  4 z  2


1 2 3
2 3 1 2
A  2 0 1  2   2(4)  (2)  10
4 4 3 4
3 4 4

1 3
2
1 2 A1 8 4
A1  0 1 
0 8 x  
2 4 A 10 5
2 4 4

1 1 3
1 3 1 1 A2 15 3
A2  2 0 1  2   2(10)  (5)  15 y  
2 4 3 2 A 10 2
3 2 4

1 2
1
2 1 A3 16 8
A3  2 0  2
0  2(8)  16 z  
4 2 A 10 5
3 4 2

La solución del sistema es x  4 5 , y   3 2 y z   8 5 .

13. APLICACIÓN DEL ÁLGEBRA DE MATRICES: MODELO INPUT-OUTPUT

Suponga que un sistema económico tiene n industrias distintas I1 , I 2 , … , I n , cada una de

las cuales tiene necesidades de entrada (materia prima, energía, …) y una salida (productos
terminados). Para producir cada unidad de producto, una industria necesita las salidas de
otras industrias, incluida ella misma. Ejemplo. Una central de energía eléctrica utiliza salidas
de otras industrias, como carbón, agua e incluso su propia electricidad.

El coeficiente de entrada d i j mide la cantidad de entrada que la industria j-ésima requiere

de la industria i-ésima para producir una unidad. La matriz de estos coeficientes se llama
matriz de entrada-salida.

Usuario ( salida )
I1 I2 ⋯ In
 d11 d12 ⋯ d1n  I1 
d d 22 ⋯ d 2 n  I 2 
D   21  Proveedor (entrada)
 ⋮ ⋮ ⋱ ⋮  ⋮
 
 d n1 d n 2 ⋯ d nn  I n 

Ejemplo. Si d12  0.4 , esto significa que deben usarse 0.4 unidades de producto de la
industria 1 para producir una unidad de la industria 2.

Nota. Para que el modelo funcione, los valores de d i j han de satisfacer 0  d i j  1 y la

suma de los elementos de cada columna ha de ser menor o igual que 1.

Ejemplo. Un sistema económico está constituido por tres industrias: electricidad, agua y
carbón. La producción (salida) de una unidad de electricidad requiere 0.5 unidades de sí
misma, 0,25 unidades de agua y 0.25 de carbón. La producción de una unidad de agua exige
0.1 unidades de electricidad, 0.6 de agua y 0 de carbón. La producción de una unidad de
carbón requiere 0.2 unidades de electricidad, 0,15 de agua y 0.5 unidades de sí misma. (a)
Hallar la matriz de entrada-salida de este sistema. (b) ¿Qué cantidades consumirá la industria
de carbón si decide producir 100 unidades?

Usuario ( salida )
E A C
Nota. Los elementos de una fila
a)  0.5 0.1 0.2  E  muestran la cantidad que una industria

D  0.25 0.6 0.15 A Proveedor (entrada) suministra a las demás y a ella misma
 
0.25 0 0.5  C  para producir una unidad de producto.
  0.2   20 
   
b) 100c3  100 0.15  15 
 0.5  50 

Para producir 100 unidades, carbón ordenará (o demandará) y consumirá 20 unidades de

electricidad, 15 unidades de agua y 50 unidades de sí misma (o de otras partes del sector de
carbón).

Para profundizar en el modelo de entrada-salida de Leontief, se denota por xi la salida total

de la industria i. Si el sistema económico es cerrado (lo que significa que vende sus
productos solamente a industrias del sistema), entonces la salida total de la i-ésima industria
está dada por la ecuación lineal

xi  d i1 x1  d i 2 x2  ⋯  d in xn

Por otro lado, si las industrias del sistema venden su producción a grupos no productivos
(gobiernos u organizaciones caritativas) exteriores al sistema, entonces el sistema se
denomina abierto y la salida de la industria i viene dado por

xi  d i1 x1  d i 2 x2  ⋯  d in xn  ei

donde ei representa la demanda externa para el producto de la industria i. Por lo tanto, el

conjunto de las salidas totales de un sistema abierto se representa mediante el siguiente
sistema de ecuaciones lineales

x1  d11 x1  d12 x2  ⋯  d1n xn  e1

x2  d 21 x1  d 22 x2  ⋯  d 2 n xn  e2
⋮
xn  d n1 x1  d n 2 x2  ⋯  d nn xn  en

En forma matricial el sistema se expresa

X  DX  E

donde X se denomina matriz de salida y E se denomina matriz de la demanda externa.

Ejemplo. Un sistema económico formado por tres industrias tiene la siguiente matriz de
entrada-salida
Usuario ( salida )
A B C
 0.1 0.43 0  A
D  0.15  B  Proveedor (entrada)
 0 0.37  
0.23 0.03 0.02  C 

 20000 
 
Hallar la matriz de salida si la demanda externa viene dada por E  30000  .
 25000 

Solución. Con I como matriz identidad, se puede escribir la ecuación X  DX  E como

IX  DX  E , lo cual implica que

(I  D) X  E

Usando la matriz D dada, se obtiene

 0.9 0.43 0 
I  D   0.15 1 0.37 

 0.23 0.03 0.98 

Aplicando determinantes al sistema de ecuaciones lineales representado por ( I  D ) X  E

se obtiene

9
10  43100 0
9 1  37 100 43  15100  37 100
A   15100 1  100 
37 
10  3
100
98
100 100  23100 98100
 23100  3100 98100
9  98 111  43  147 851  772207
        0.772207
10  100 10000  100  1000 10000  1000000

20000  43100 0
1  37 100 43 30000  37 100
A1  30000 1  100  20000 3
37 
 100
98
100 100 25000 98 100
25000  100
3 98
100

 98 111  43 71995
 20000     29400  9250    35997.5
 100 10000  100 2
 9
10 20000 0
9 30000  37 100  15100  37 100
A2   15 100 30000  37 100   20000
10 25000 98100  23100 98100
 23100 25000 98100

 29400  9250   20000  

9 147 851 
    39427
10  1000 10000 

9
10  43100 20000
A3   15100 1 30000
 23100  3100 25000
 15100 1 9
10  43100 9
10  43100
 20000  30000  25000
 23100  3100  23100  3100  15100 1
 9 23   27 989   9 129 
 20000     30000      25000   
 2000 100   1000 10000   10 2000 
58709
  29354.5
2

A1 35997.5
x1    46616.386  46616
A 0.772207

A2 39427
x2    51057.55  51058
A 0.772207

A3 29354.4
x3    38013.64  38014
A 0.772207

 46616  A
Por consiguiente, la matriz de salida es: E   51058  B
 
38014  C

Y se concluye que la salida total para las tres industrias es como se muestra a continuación

Salida de la industria A: 46616 unidades

Salida de la industria B: 51058 unidades
Salida de la industria C: 38014 unidades
BIBLIOGRAFÍA

[1] Larson Ron. “Fundamentos de álgebra lineal”. Séptima edición, Cengage Learning,
2015.

[2] Soler F, Molina F y Rojas L. “Algebra Lineal y Programación Lineal”. 1a edición, Ecoe
Ediciones, 2003.

[3] Lay David. “Álgebra lineal y sus aplicaciones”. Cuarta edición, PEARSON
EDUCATION, 2012.