1

UNIDAD I: Introducción al algebra lineal

Alondra Itzel Lizárraga Venegas

Universidad De Guadalajara, Centro Universitario De Ciencias Económico

Administrativas.

I5154, Matemáticas III

Miguel Abraham Macías Aceves

4 de diciembre de 2020.
 2

El siguiente reporte es para hablar acerca de dos temas que derivan de la Introducción al
Algebra lineal, la cual se especializa en conceptos como son los Vectores, Las matrices,
Sistemas de Ecuaciones lineales entre otros, en este caso el objeto de estudio es sobre
las Matrices y las determinantes los cuales son una parte esencial del algebra matricial.

MATRICES.
Para comenzar a hablar sobre las matrices es esencial saber definir que es una matriz la
cual podemos entender como un conjunto de números ordenados de forma tabular o
rectangular, simplemente es el acomodo de dichos números los cuales pueden surgir a
través de un sistema de ecuaciones, de un sistema de coordenadas o del acomodo de
distintas incógnitas o grupos. La matriz debe contener cierto número de columnas las
cuales se identifican de forma vertical, y de filas las cuales se ubican de forma
horizontal con dimensiones de m por n, y es dentro de ambas que se organizan los datos
según resulte más conveniente. El propósito de algebra matricial es poder manipular
estos datos y realizar cálculos en los mismos, ya que resulta un acomodo más claro de la
información sin embargo una matriz también te da el margen para recuperar los datos
iniciales.
Considero prudente una representación ilustrativa sobre una matriz para poder
comprender todos sus elementos
( 2 13 5 27 )
En este caso la matriz tiene una estructura de 2 x 3, es necesario comprender que en la
matriz identificamos primero las filas y después las columnas, por ello el tamaño de la
matriz es 2 x 3 y no 3 x 2. También al momento de ubicar un valor dentro de la matriz lo
podemos identificar siguiendo la misma lógica de primero las columnas y luego las
filas, el valor a12 es debido a que pertenece a la fila “1” y se ubica en la columna “2” de
la misma
Suma
La suma de matrices es una operación fundamental en el algebra matricial, es muy útil
en la economía ya que nos permite encontrar un valor total de funciones dadas. Es
fundamental que las matrices con las que se va a trabajar tengan el mismo tamaño entre
sí, es decir la misma cantidad de filas y de columnas para que puedan ser sumadas. Un
ejemplo sería para analizar la producción de 2 empresas distintas cada una de ellas
cuenta con una matriz diferente suponiendo que todas produzcan libros, lápices y
cuadernos de colores azul y rojo los podemos organizar de la siguiente manera:
A R A R A R
Libros ( 14 22 17 18 ) + ( 30 15 7 21 ) = ( 44 37 24 39 )
Cuadernos
Si queremos obtener la producción total en el mercado de libros rojos, libros azules,
lápices rojos, lápices azules, cuadernos rojos y cuadernos azules la producción podría
ser determinada a partir de una suma de matrices la cual se realiza sumando los valores
ubicados en la misma posición de cada matriz como podemos ver en el mismo ejemplo.
 3

En la que podemos obtener la producción total de cada uno de los bienes

manufacturados en dicho mercado.
La suma o adición de matrices requiere cumplir ciertos elementos o propiedades, la
principal es bastante sencilla de entender y es que A + B es igual a B + A, es decir el
resultado no se va a afectar independientemente del orden en el que se sumen.
Al igual que en el caso de sumar más de 2 matrices entre si tampoco se afectara el
resultado según el orden que se tome para realizar la operación por lo que es lo mismo
A+(B+C) que (A+B)+C.
Y como ultima propiedad si sumamos una matriz con una matriz nula es decir una
matriz compuesta de 0, el resultado va a ser igual que la primera matriz A+0=A
Producto Escalar.
La multiplicación por escalar es en la cual multiplicamos todos los valores dentro de
una matriz por el escalar, suponiendo que tenemos ciertas ventas en una empresa y
decimos que estas se duplicaron al siguiente mes podríamos usar la multiplicación por
escalar
5A=5 [ 12 4−2 ] = [ 5(1)5 (2)5(4)5 (−2) ] =[ 5 1020−10 ]
A partir de esta matriz podemos encontrar algunas propiedades, definiendo el escalar
como k y la matriz 1 como a y la matriz 2 como b, la primer propiedad seria que k(A +
B) = kA + kB, también podemos determinar que si multiplicamos la matriz por 0 esta va
a ser igual a 0 es decir 0A = 0 resultado que sería el mismo al multiplicar el escalar por
0 k0 = 0 y en el caso de contar con otro escalar el cual podemos definir como l el
resultado sería similar al de la primer propiedad en el que (k + l)A = kA + lA y al igual
que el caso en el que k(lA) = (kl)A.
Producto y Multiplicación de Matrices.
La multiplicación o producto de matrices es bastante útil en el algebra matricial,
ilustrándolo un ejemplo podría ser la venta de 2 empresas de lápices y cuadernos, si
tenemos el valor de estos bienes en el mercado y queremos determinar cuál fue el
ingreso total de la venta de ellos por ambas empresas podemos hacerlo mediante la
multiplicación la cual sería:
[ 21 1−3−6 2 ] [ 1 0−20 4 1−3 2 1 ] = [ 14−3−2−10−10−7 ]

a11 = (2)(1) + (1)(0) + (-6)(-2)=14

a12 = (2)(0) + (1)(4) + (-6)(1)=-2
a13 = (2)(-3) + (1)(2) + (--6)(1)=-10
a21 = (1)(1) + (-3)(0) + (2)(-2)= -3
a22 = (1)(0) + (-3)(4) + (2)(1)= -10
a23 = (1)(-3) + (-3)(2) + (2)(1)= -7
 4

Las únicas propiedades que se deben cumplir para realizar la multiplicación son 2, la
primera es que la primera matriz tiene que tener en columnas el mismo número que
tiene la segunda matriz en filas es decir m x n multiplica a n x p.
La segunda propiedad es que el producto de m x n por n x p va a ser igual a una matriz
m x p en la que va a tener la cantidad de filas de la primera matriz y de columnas de la
segunda.
Matriz identidad
La matriz identidad la podemos reconocer de una manera muy sencilla ya que todas sus
entradas en diagonal tienen el número 1 y el resto está compuesto por 0, es decir:
1 0 0 01 0 0 0 1
La matriz identidad en la multiplicación tiene la propiedad en la cual al multiplicar la
matriz A por la matriz identidad el resultado va a dar nuevamente la matriz A
Transpuesta de una matriz.
La transpuesta de una matriz es simplemente el reordenar los datos de la misma es decir
si anteriormente la matriz era m por n su transpuesta va a ser igual a n por m, es decir la
fila se convierte en la columna y viceversa, un ejemplo de una matriz y su transpuesta
seria.
( 3 2 4 0 ) = ( 3 4 20 )
Podemos ver también que si sacamos la Transpuesta de la Transpuesta va a ser igual a la
matriz original por lo que una de las propiedades es que (at)t = a.
Inversa de una Matriz.
La inversa de una matriz tiene la propiedad en la que al ser multiplicada por la matriz
original va a dar como resultado la matriz identidad AxA-1=I. Para que una matriz tenga
inversa debe de ser cuadrada y el resultado también será cuadrado, al igual que los
valores no pueden ser dependientes.
La determinación por el método Gauss Jordan consiste en convertir la matriz original en
la matriz identidad, es decir:
( 3 7 25 ) 1 0 0 1 = ( 3 7 25 ) 1 0 0 1 = ( 1 7/3 25 ) 1/3 0 0 1 = ( 1 7/3 0 1/3 ) 1/3 0−2/31 =
( 1 7/3 0 1 ) 1/3 0−23 = ( 1 0 01 ) 5−7−2 3 = ( 5−7−2 3 )
 5

Determinante.
El determinante de una matriz es un número que se asocia a todas las matrices de orden
cuadrado como puede ser una matriz 1x1, 2x2, 3x3 entre otras, este número se obtiene
combinando algunos de los elementos de la matriz. Lo podemos ilustrar con el signo < o
mediante líneas paralelas verticales.
El determinante de una matriz 1x1 es la misma matriz es decir (5) = |5|. En el caso de
una matriz 2x2 obtener su determinante es un tanto más complejo.
( 1−2 3 4 ) ∆= (1) (4) – (3) (-2) = 4 + 6 = 10
El cálculo del determinante de la matriz es por medio de una multiplicación cruzada de
los valores es decir (1) (4) y (3) (-2) la resolución de la segunda diagonal se resta al de
la primer por lo que (1) (4) - (3) (-2), el determinante de esta matriz es igual a (4) - (-6)
= 10.
En una matriz 3x3 el determinante resulta un poco más complejo ya que hay que
multiplicar nuevamente 3 diagonales primarias y restar la multiplicación de las 3
diagonales secundarias sin embargo para que esta multiplicación se pueda resolver es
necesario agregar nuevamente las 2 primeras columnas podemos ilustrarlo de la
siguiente manera.
( 3−13 1 2−2 2 4 1 ) = ( 3−13 1 2−2 2 4 1 ) 3 1−12 3−2
∆= [(3)(2)(1) + (1)(4)(3) + (2)(-1)(-2)] - [(3)(2)(2) + (-2)(4)(3) + (1)(-1)(-2)]

(6+12+4) – (12-24-1) = 22 –(-13) =35

La matriz tendría la solución previamente presentada y el determinante sería 35.

También es importante saber que si en una matriz todos los números de una de sus filas
o columnas son 0 la matriz también tendría un determinante igual a 0.
Cramer
El método de Cramer es útil para conocer el valor de cada una de las incógnitas de un
sistema de ecuaciones, por ejemplo, 3x1 + 2x2 = 80 y 2x1 + 4x2 =80

( 3 2 2 4 ) ( x 1 x 2 )=( 80 80 )

|80 2 80 4| (80x4) – (80x2) 160 = 20

|3 2 2 4| (3x4) – (2x2) 8

|3 80 2 80| (3x80) – (2x80) 80 = 10

|3 2 2 4| (3x4) – (2x2) 8

Cofactores
El método de cofactores es el más general, en una matriz de orden 2x2. Lo que se hace
en este tipo de procedimiento es que de acuerdo a la ubicación del valor que queremos
 6

determinar se eliminan estas filas es decir si queremos encontrar a 11, vamos a obstruir la
fila 1 y la columna 1, siendo a 23 el resultado en el caso de la matriz 2x2, podemos
ejemplificarlo de la siguiente manera.
A = ( 5−4 2−2 )

a 11 = ( 5−4 2−2 ) = -2 a 12 = ( 5−4 2−2 ) = -2

a 21 = ( 5−4 2−2 ) = -4 a 22 = ( 5−4 2−2 ) =5

A=¿ A = (−2−2 4 5 )
Por lo que la matriz anterior seria ahora la matriz de cofactor. En el caso de una matriz
3x3 es un tanto más complicado ya que se realiza el mismo procedimiento, pero a su vez
se tiene que multiplicar la diagonal principal y secundaria, es decir.
( 3−13 1 2−2 2 4 1 )

a 11 = ( 2 4−2 1 ) a 12 = (−1 4 3 1 ) a 13 = (−1 23−2 )

a 21 = ( 1 2−2 1 ) a 22 = ( 3 23 1 ) a 23 = ( 3 13−2 )
a 31 = ( 1 22 4 ) a 32 = ( 3 3−1 4 ) a 33 = ( 3 1−1 2 )
a 11 = (2)(1) – (-2)(4)=10 a 12 = (-1)(1) – (3)(4)= -13
a 13 = (-1)(-2) – (3)(2)= -4 a 21 = (1)(1) – (-2)(2)= 5
a 22 = (3)(1) – (3)(2)= -3 a 23 = (3)(-2) – (3)(1)= -9
a 31 = (1)(4) – (2)(2)= 0 a 32 = (3)(4) – (-1)(3)= 15
a 33 = (3)(2) – (-1)(1)= 7
( 10 5 0−13−3 15−4−9 7 )
Adjunta.
La adjunta funciona de la misma manera para obtener el resultado de un sistema de
ecuaciones. El procedimiento es similar al de cofactores, sin embargo, en este caso se
multiplican por un factor común. Ejemplificándolo de la siguiente manera.
( 3 0 6−1−11 2−1 2 ) = 3 (−1−1 3−2 ) =
3 (2+3) = 15
Inversa.
Determinar la inversa de una matriz por medio de la adjunta es bastante sencillo. Se
determina de la siguiente manera
A= ( 4 3−2−1 )
 7

Cofactores = (−1 2−3 4 )

Adjunta = (−1−3 2 4 )
∆= (4) (-1) – (-2) (3) = 2
A^-1= ½ (−1−3 2 4 )
(−1/2−3 /21 2 )
En el caso de una matriz 2x2 aparenta ser bastante sencillo sin embargo en una matriz
de orden 3x3 el procedimiento puede resultar un tanto más tedioso ya que hay que
determinar primero la matriz de cofactores, después la adjunta y por último su
determinante.
A= ( 1 1−1 20 3 0−12 )
Cofactores = ( 3−4−2−1 2 13 5−2 )
Adjunta = ( 3 13−4 2−5−21−2 )

A^-1= 1/1 ( 3 13−4 2−5−21−2 )

A^-1= ( 3 13−4 2−5−21−2 )
El determinante tiene un papel muy importante ya que una vez determinado si el
resultado del determinante es 0 sabemos que esta matriz no va a contar con una inversa
 8

Referencias.
Budnick, Frank S. (1988) Mc Graw hill No. Ed 4ta. ed.
Haussler, Ernest F.; Paul, Ric (2008) Pearson-Prentice Hall No. Ed 12ava.
Sidsaeter, Knut; Hammondm Pete (2005) Prentice Hall No. Ed 1
Sydsaeter, Knut y Hammond, Pet (2007) Pearson.Prentice Hall No. Ed 1