1

Matrices

Henrry Orozco

Desarrollo de Software

Matemáticas

Prof. Carlos Angulo

16 de jun. de 25
 2

Introducción

La comprensión de las matrices y sus propiedades es fundamental en el estudio del álgebra

lineal, una rama de las matemáticas que tiene amplias aplicaciones en ingeniería, física, economía y

ciencias computacionales. Las matrices permiten representar sistemas de ecuaciones lineales,

transformaciones lineales y estructuras matemáticas más complejas. En este contexto, conocer el

proceso de cálculo de la matriz adjunta, el determinante y la matriz inversa es esencial para resolver

dichos sistemas de forma eficiente. Estos conceptos no solo fortalecen el razonamiento lógico-

matemático, sino que también sientan las bases para comprender algoritmos y métodos

computacionales que los utilizan.

 3

Contenido

Matrices 1

Introducción 2

Objetivos 4

Objetivo General 4

Objetivo Especifico 4

Desarrollo 5

Matriz Adjunta 5

Matriz Inversa 13

Conclusiones 16

Referencias Bibliográficas 17
 4

Objetivos

Objetivo General

Comprender y aplicar los conceptos fundamentales relacionados con la matriz adjunta, el

cálculo de determinantes y la obtención de la matriz inversa, con el fin de fortalecer el conocimiento

teórico y práctico del álgebra lineal y su aplicación en la resolución de sistemas de ecuaciones y

problemas matemáticos complejos.

Objetivo Especifico

• Definir y explicar el concepto de matriz adjunta.

• Calcular el determinante de matrices de orden 2×2 y 3×3.

• Determinar la matriz inversa utilizando el método de la adjunta.

• Aplicar estos conceptos en ejercicios prácticos para resolver sistemas de ecuaciones

lineales.
 5

Desarrollo

Matriz Adjunta

El adjunto del elemento 𝒂𝒊𝒋 de una matriz cuadrada es el número, o determinante si la matriz es

de orden 3 o mayor, que queda al quitar la fila i y la columna j. A este número o determinante hay que

multiplicarlo por

(−1)𝑖+𝑗

La matriz adjunta de 𝐴, denotada como 𝐴𝑑𝑗(𝐴) la transpuesta de la matriz de cofactores:

Ejemplo:

Sea la Matriz:

Calcular la matriz adjunta:

 6

𝐴𝑑𝑗(𝐴) = 𝐶 𝑇 =

Determinantes

Sea Mnxn el conjunto de todas las matrices cuadradas de orden n, se puede definir la

función determinante dada por:

d: Mnxn → IR

A → det(A) = n

Es decir, dada una matriz cuadrada A, se puede obtener un único número “n”

denominado determinante de A y anotado det(A) = IAI = n.

 7

Determinantes de orden 1, 2, 3, n

Si A es una matriz de orden 1x1, es decir A= [a], su determinante será det (A) = a

 a11 a12 
Si A es una matriz de orden 2x2, es decir A=  , su determinante será el
a 21 a 22 

número det (A)= a11.a22 - a21.a12

 a11 a12 a13 


Si A es una matriz de orden 3x3, es decir A= a 21 a 22 a 23  , su determinante será el

 a 31 a32 a33 

número

det (A) = a11a22a33 +a21a32a13 +a12a23a31 −a13a22a31 −a23a32a11 −a12a21a33

La fórmula anterior se conoce como “Regla de Sarrus”, es un método directo que sirve

para calcular el determinante de matrices de orden 3. Consiste en repetir las dos primeras filas

(o columnas) debajo (derecha) de la matriz dada, y realizar los productos de tres factores con

los elementos de las diagonales determinadas:

a11 a12 a13

a 21 a 22 a 23
det (A) = a 31 a 32 a 33 = a11a22a33 +a21a32a13 +a12a23a31 −a13a22a31 −a23a32a11
a11 a12 a13
a 21 a 22 a 23

−a12a21a33

Cuando una matriz es de orden superior a 4, encontrar su determinante es más

complicado por la cantidad enorme de cálculos que se deben realizar. En el caso de una matriz
 8

de orden 4 para encontrar su determinante se deben realizar 24 productos, si la matriz es de

orden 10 se necesitan 3628800 productos. Para estos casos se aplican diferentes métodos de

cálculo, como la Regla de Laplace, la Regla de Chio, método de Gauss, etc.

 a11 a12 ... a1n 

a a 22 ... a 2 n 
En el caso de una matriz de orden n, es decir si A = 
21
, se consideran
 ... ... ... ... 
 
a n1 an2 ... a nn 

los productos de n elementos de A tal que uno y solo uno de los elementos proviene de cada

fila y, uno y solo uno proviene de cada columna. Tal producto puede escribirse:

a1f1, a2f2, …, anfn

donde los factores proceden de filas sucesivas, de modo que los primeros subíndices

mantienen el orden natural 1, 2, 3,…, n. Ahora, como los factores provienen de columnas

diferentes, la sucesión de los segundos subíndices constituye una permutación de los

subíndices j1j2…jn. de las filas. Recíprocamente, cada permutación de esos subíndices,

determina un producto de la forma anterior. Así pues, la matriz A origina n! ( n factorial)

productos semejantes.

El cálculo del determinante de la matriz A = (a ij), de orden n, se obtiene de la sumatoria

de los n! productos precedentes, multiplicado cada uno por el signo de la permutación. Es

decir,

n
det( A)= IAI=  (−1)
i =1
i+ j
a1f1, a2f2, …, anfn
j =1

Evaluación de los determinantes por reducción en las filas o columnas

 9

Para calcular el determinante de una matriz A cuadrada de orden n, se necesita el

concepto de cofactor del elemento a i j de una matriz.

Sea A = (a i j) una matriz cuadrada de orden n. Dado un par de índices (i, j),

representamos por A i j a la matriz que resulta al eliminar la i-ésima fila y la j-ésima columna de

A. El cofactor del elemento a i j de A es el numero real dado por:

C i j = (−1) i+j |A i j|

Regla de Laplace

El determinante de la matriz A = (a i j) se puede calcular mediante el desarrollo de

Laplace por una fila cualquiera (o columna), de la siguiente forma:

n
Si se elige la i-ésima fila, det (A) = a i1 C i1 + a i2 C i2.+..+a i n C i n = a C
j =1
ij ij

n
Si se elige la j-ésima columna, det (A) = a1 j C1 j + a 2j C 2j.+..+a n j C n j =  a ij C ij
i =1

Regla de Chío

El determinante de la matriz A = (a i j) de orden n, se puede calcular mediante la Regla

de Chío que se basa en el desarrollo de Laplace, pero en este caso se debe eligir una fila o

columna en la cual figure un elemento pivote de valor 1 y los demás elementos que sean nulos.

Esto se consigue aplicando las operaciones elementales en las filas o columnas de la matriz

dada.

Por ejemplo:
 10

2 3 −2 4
 3 −2 1 2
Sea A =  una matriz de orden 4, si se calcula su determinante por la
3 2 3 4
 
− 2 4 0 5

tercer columna, y se elige como pivote al número 1 que se encuentra en la segunda fila, los

demás valores se anulan aplicando las operaciones elementales, se obtiene la matriz B

semejante a A

 8 −1 0 8 
 3 −2 8 −1 8
1 2 
B=  , luego su determinante resulta: det(A) = ( -1). − 6 8 − 2 = -
− 6 8 0 − 2
  −2 4 5
− 2 4 0 5

286

Evaluación de los determinantes por reducción escalonada en las filas o método de

Gauss

Para facilitar los cálculos del determinante de matrices de orden muy grande, existe la

posibilidad de evaluar el determinante de una matriz reduciéndola a su forma escalonada en las

filas.

Si A es una matriz triangular de orden n, entonces el determinante de A es el producto

n
de los elementos de su diagonal principal, es decir, det(A) = a11.a22…..ann = a
i =1
ii .

El método de Gauss consiste en aplicar las operaciones elementales en las filas o

columnas de la matriz para transformarla en una matriz triangular y aplicar el teorema anterior,

pero no hay que olvidarse las condiciones que producen modificaciones en el resultado final, si

no han sido bien aplicadas.

 11

Si A es una matriz de orden n que contiene una fila de ceros, entonces det(A)=0.

Demostración

Como cada producto elemental con signo tomado de A contiene un factor de cada fila

de A, todo producto en este caso contendrá un cero de la fila nula. Ya que el det (A) es la suma

de esos productos elementales con signos, luego det (A) = 0.

Propiedades de los determinantes

• El determinante de la matriz nula es cero.

• El determinante de la matriz identidad es uno.

• Dada una matriz A cuadrada de orden n, si A’ es la matriz que se obtiene de multiplicar

por una constante K a una sola fila de A, entonces det(A’) = k det(A).

• Dada una matriz A cuadrada de orden n, si A’ es la matriz que se obtiene al intercambiar

dos filas de A, entonces det(A’) = - det(A).

• Dada una matriz A cuadrada de orden n, si A’ es la matriz que se obtiene al sumar un

múltiplo de una de las filas de A a otra fila, entonces det(A’) = det(A)

• Dada una matriz A cuadrada de orden n que posee dos filas iguales, entonces

det (A) = 0.

• El determinante de una matriz A coincide con el de su matriz transpuesta, es decir

det (A) = det (At).

• Dada un matriz A cuadrada de orden n, y k un escalar real, se cumple que det( k.A) =

[Link] (A)

• Si A y B son matrices cuadradas del mismo orden, entonces det (A. B) = det ( A). det( B)
 12

Teorema

Una matriz cuadrada A de orden n es inversible, si y solo si su determinante es no nulo.

Demostración

Si A es inversible, entonces existe A-1 tal que A. A-1 = I, aplicando determinante en ambos lados

de la igualdad, resulta: det ( A. A-1) = det ( I), como A y A -1 poseen el mismo orden, entonces det( A. A -

1
) = det ( A) . det (A-1), reemplazando resulta:

det (A. A-1) = det ( A) . det (A-1) = det ( I) = 1

luego det ( A ) ≠ 0

Si det (A) ≠ 0, se demostrara que A es semejante por filas a la matriz I, por consiguiente, A es

inversible. Sea R la forma escalonada reducida en las filas de A, debido a que R se puede obtener a partir

de A por medio de una sucesión finita de operaciones elementales sobre las filas, es posible encontrar

las matrices elementales E1, E2,…, Ek tales que Ek…E2 .E1.A = R, o bien , A= E1-1E2-1…Ek-1R.

Recordar que las matrices elementales de tamaño n son aquellas que se obtienen de aplicar

alguna de las operaciones elementales a la matriz identidad y son matrices inversibles.

Por tanto, det (A) = det( E1-1).det(E2-1)….det(Ek-1 ).det( R)

Ya que se supone det (A) ≠ 0, en base a esta ecuación se deduce que det (R) ≠ 0. Por

consiguiente, R no tiene ninguna fila nula, de modo que R = I.

 13

Corolario

1
Si A es inversible, entonces det( A −1 ) =
det( A)

Demostración

Ya que A. A-1 = I, det ( A. A-1) = det ( A) . det (A-1) = det ( I)= 1, como det (A) ≠ 0, resulta

1
det( A −1 ) =
det( A)

Matriz Inversa

Dada una matriz A de orden n e I la matriz identidad del mismo orden. Si es posible hallar una

matriz B de orden n, tal que A. B = B. A = I, entonces se dice que A es inversible, y la matriz B se conoce

como la inversa de A. la matriz inversa de A se anota como A-1. La unicidad de la matriz inversa se

advierte en el siguiente teorema.

Teorema

Dada una matriz A de orden n, si tanto B como C son inversas de A, entonces B = C.

Demostración

Si C es la matriz inversa de A, se verifica que C. A = A. C = I

Suponiendo que B también es la matriz inversa de A, luego se verifica que B. A = A. B = I

Al multiplicar por la derecha en ambos miembros por C resulta: (B.A).C = I. C = C

Pero, por otro lado, por propiedad asociativa: (B.A).C = B.(A.C) = B. I = B

Luego B = C
 14

Como consecuencia del teorema, se puede enunciar que dada una matriz A de orden n, si A es

inversible entonces su inversa es A-1 también de orden n, tal que:

A . A-1 = A-1. A = I

Siendo I la matriz identidad de orden n.

Una matriz cuadrada que posee inversa se dice que es inversible o regular; en caso contrario

recibe el nombre de singular.

Propiedades:

(A-1) -1= A

(λ. A) -1 = (1/ λ)·A -1, siendo λ un escalar cualquiera

(At) –1=(A-1) t, siendo At , la matriz transpuesta de A

Se dice que una matriz cuadrada es ortogonal si el producto de ella por su traspuesta es igual a

la matriz identidad: A . At = At . A = I Esto significa que para las matrices

ortogonales la matriz inversa coincide con la transpuesta, es decir: At = A -1 , siempre que A sea

ortogonal.

Teorema

Si A y B son matrices inversibles cuadradas del mismo orden n, entonces:

A. B es una matriz inversible

(A·B) -1= B -1. A -1

Demostración

Si se puede demostrar que: ( A. B) . (B -1. A -1) = (B -1. A -1).(A.B) = I , entonces se habrá

establecido simultáneamente que A.B es inversible y que (A·B) -1 = B -1. A -1

Aplicando propiedad asociativa del producto de matrices se cumple que:

B). (B -1. A -1) = A .( B. B -1). A -1 = A I . A -1= A . A -1 = I

Análogamente se demuestra que:

 15

(B -1. A -1).(A.B) = I

Nota:

El teorema puede extenderse para tres o más factores, con lo cual se puede enunciar que un

producto de matrices inversibles siempre es inversible, y la inversa del producto es el producto de las

inversas en orden inverso.

Teorema

Si A y B son matrices cuadradas del mismo orden n, y k un escalar, entonces:

Si A es inversible, entonces A-1 también es inversible y ( A-1) -1 = A

Si A es inversible y k ≠ 0, entonces la matriz k.A es inversible y ( k.A) -1 = k -1 . A-1.

Si A es inversible, también lo es AT y además ( AT) -1 = (A -1)T.

Teorema

Si A es una matriz inversible de orden n, entonces para cada matriz columna B de orden nx1, el

sistema de ecuaciones A. X = B tiene exactamente una solución, a saber, X = A -1 .B.

Demostración

Considerando el sistema A. X = B y puesto que A ( A -1. B ) = ( A . A -1 ). B = I . B = B , se observa

fácilmente que el producto (A -1. B) es una solución que verifica dicho sistema.

Para demostrar que esta es la solución única, se supondrá que X0 es una solución arbitraria,

entonces se verifica que A. X0 = B, al multiplicar ambos miembros por A -1, se obtiene:

A -1 (.A. X0) = A -1 .B

( A -1 A). X0) = A -1 .B

I . X0 = A -1.B

X0 = A -1.B
 16

Conclusiones

La matriz adjunta es un elemento clave para el cálculo de la matriz inversa y se construye a

partir de los cofactores de una matriz dada.

El determinante es fundamental para verificar si una matriz es invertible; si el determinante es

cero, la matriz no tiene inversa.

La obtención de la matriz inversa mediante la matriz adjunta es un método teórico que ayuda a

comprender la estructura de las matrices y su aplicación en la resolución de sistemas de ecuaciones

lineales.

El dominio de estos conceptos permite abordar problemas prácticos en diversas áreas como

ingeniería, física y ciencias computacionales, donde las transformaciones lineales y los sistemas de

ecuaciones son frecuentes.

Es importante complementar el estudio teórico con la práctica, así como con herramientas

computacionales que facilitan el manejo de matrices de mayor tamaño y complejidad.

 17

Referencias Bibliográficas

Herrera, A. (2014). Álgebra de matrices. Universidad Veracruzana.

[Link]

Docsity. (s.f.). Introducción al álgebra lineal: Apuntes sistema de ecuaciones lineales.

[Link]

lineales/5182784/

Lay, D. C. (2012). Álgebra lineal y sus aplicaciones (4.a ed.). Pearson.

Anton, H., & Rorres, C. (2010). Elementary linear algebra (10.a ed.). Wiley.

Strang, G. (2016). Introduction to linear algebra (5.a ed.). Wellesley-Cambridge Press.