Matrices y Determinantes

NDICE
Pgina
Presentacin--------------------------------------------------------------------------------------2
Introduccin--------------------------------------------------------------------------------------3
CAPTULO I: Teora de Matrices------------------------------------------------------------4
Definicin, notacin----------------------------------------------------------------------------4
Orden, igualdad de matrices-------------------------------------------------------------------5
Tipos de matrices--------------------------------------------------------------------------------6
Traza de una matriz-----------------------------------------------------------------------------7
Propiedad de la traza de una matriz-----------------------------------------------------------8
CAPTULO II: Operaciones con matrices---------------------------------------------------9
Suma de matrices--------------------------------------------------------------------------------9
Diferencia de matrices, propiedades de la suma de matrices-----------------------------11
Producto de un escalar por una matriz-------------------------------------------------------12
Propiedades del producto de un escalar por una matriz-----------------------------------13
Multiplicacin de matrices--------------------------------------------------------------------14
Potenciacin de matrices, Propiedades de la multiplicacin de matrices.--------------18
Transpuesta de una matriz---------------------------------------------------------------------20
Propiedades de la transpuesta de una matriz------------------------------------------------21
CAPTULO III. Matrices cuadradas especiales--------------------------------------------22
Matriz compleja, matriz conjugada, propiedades, matriz hermtica --------------------29
Matriz hemihermtica--------------------------------------------------------------------------30
CAPTULO IV. Inversa de una matriz------------------------------------------------------31
Unicidad de la matriz inversa, propiedades ------------------------------------------------32
Inversa de una matriz triangular--------------------------------------------------------------34
Operaciones elementales o transformaciones elementales--------------------------------36
Transformaciones de fila o columna---------------------------------------------------------36
Matriz escalonada-------------------------------------------------------------------------------37
Matrices equivalentes, rango de una matriz-------------------------------------------------38
Rango de una matriz----------------------------------------------------------------------------39
CAPTULO V. Introduccin a los determinantes-------------------------------------------40
El determinante de una matriz-----------------------------------------------------------------40
Menores y cofactores----------------------------------------------------------------------------43
Matriz de cofactores-----------------------------------------------------------------------------42
Desarrollo del determinante por cofactores--------------------------------------------------43
Propiedades de los determinantes-------------------------------------------------------------44
Clculo del determinante mediante reduccin a la escalonada----------------------------47
Clculo de la matriz inversa--------------------------------------------------------------------48
Clculo de la matriz inversa por la adjunta---------------------------------------------------51
Inversa de una matriz por el mtodo de las matrices elementales-------------------------52
CAPTULO VI. Sistemas de ecuaciones lineales-------------------------------------------56
Rango de un sistema de ecuaciones lineales-------------------------------------------------59
Regla de Cramer. Teorema---------------------------------------------------------------------65
Sistema de ecuaciones lineales homogneo--------------------------------------------------69
Referencias bibliogrficas----------------------------------------------------------------------72
UNIVERSIDAD NACIONAL DE CAJAMARCA
Facultad de Educacin
Departamento Acadmico de Matemticas
PRESENTACIN
La Teora de Matrices en la actualidad es una parte de los conocimientos de
la matemtica y tiene bastante aplicacin en carreras profesionales como,
ingeniera, economa, educacin, etc. El presente trabajo tiene como principal
objetivo brindar a los estudiantes, consolidar sus conocimientos y sirva como
elementos de apoyo a otros textos, que el estudiante utiliza.
En este trabajo, se desarrolla tpicos que pertenecen a las sumillas de

algunas escuelas acadmicos profesionales de la Universidad Nacional de
Cajamarca; se da la teora conjuntamente algunas demostraciones de
teoremas, que dan rigurosidad y complementan la teora, adems se
considerando algunas aplicaciones sencillas.
Se ha intentado ser lo ms cuidadoso, sin embargo como todo producto del

esfuerzo humano, es susceptible que el presente trabajo tenga algunas
deficiencias, pero espero que stas sean subsanables y con la colaboracin y
el inters que demuestren los amables lectores.
EL AUTOR
2
MATRICES
Introduccin
Sylvester y Cayley
Lord Cayley es uno de los fundadores de la teora de las matrices, aunque
Sylvester fue quien acu el trmino matriz. Tanto Sylvester como Cayley
son considerados entre los mejores matemticos de sus tiempos. Sylvester
fue el primer profesor del Departamento de Matemticas de la Universidad
Johns Hopkins, y fund la prestigiosa revista American Journal of
Mathematics.
Arthur Cayley (1821-1895) naci en Surrey, Inglaterra y estudi en el Trinity
College de Cambridge. Era el segundo hijo de un comerciante ingls.
Cayley no logr obtener un puesto como matemtico de modo que a los 25
aos decidi hacerse abogado, pero continu dedicando mucho tiempo a
las matemticas, llegando a publicar ms de 200 artculos. Pocos aos
despus de encontrar a su colega Sylvester, otro licenciado y matemtico,
dej la abogaca y se dedic a tiempo completo a las matemticas. En
1863, Cayley fue nombrado profesor de matemticas en Cambridge, cargo
que ya no abandonara hasta su fallecimiento en 1895, se lo recuerda por
su contribucin al lgebra Lineal. Introdujo la Teora de Matrices en un
trabajo titulado A Memoir on the Theory of Matrices (1858).
James Joseph Sylvester (1814-1897) naci en Londres, de padres judos.
Ingres a la Universidad de Cambridge, pero por su religin no pudo
obtener un diploma, sino hasta varios aos despus de haber terminado sus
estudios. Tambin ejerci la abogaca y al mismo tiempo hacia
investigaciones en el campo de las matemticas. Sylvester y Cayley
tuvieron una larga y fructfera colaboracin en la teora de los invariantes,
campo relacionado con el lgebra lineal.
3
CAPTULO I
TEORA BSICA DE MATRICES
DEFINICIN: Se llama matriz, definida sobre un cuerpo K, a todo arreglo

rectangular de elementos de K, ordenados en filas y columnas, encerrados en
corchetes y tiene la forma siguiente:
a11 a12 . . . a1j . . . a1n

a a2 n
21 a22 . . . a2 j . . .
. . . .

. . . .
. . . .
A Fila i
ai1 ai 2 . . . ai j . . . ai n
. . . .

. . . .
. . . .

am1 am 2 . . . am j . . . amn
mxn
Columna j
Donde: a11 , a12 ,..., a1n ,a21 ,a22 ,...,aij ,..., amn , se llaman elementos de la matriz. El
conjunto de nmeros ai1 ,ai 2 ,...,aij ,..., ai n constituye la i-sima fila de A, y el
conjunto de nmeros a1j ,a2 j ,..., aij ,..., am j constituye la j-sima columna de A.
Teniendo en cuenta el elemento genrico a ij , la matriz A en forma abreviada se
podr representa por:
A= a ij , donde i 1, m, j 1, n .
mxn
NOTACIN: Las matrices en general se denotan con letras maysculas, tales

como A, B, C, etc. Tambin se pueden representan por medio de parntesis , o
doble barra , su forma abreviada es la siguiente: A= a ij A= a ij
mxn mxn
4
ORDEN DE UNA MATRIZ
El orden o dimensin de una matriz est dado por el producto indicado mxn,
donde m indica el nmero de filas y n el nmero de columnas. Los elementos de
una matriz, en forma general, se simbolizan por aij , donde el primer subndice i
identifica la fila y el segundo subndice j identifica la columna.
Ejemplos:
4 5 2
a) A , es una matriz de orden 2x3
7 9 11
Donde: el elemento a 22 9, el elemento a 23 11 y el elemento a 32
8 6 9
b) B 2 5 1 , es una matriz de orden 3x3
6 7 9
Donde: el elemento b22 5, el elemento b32 7 y el elemento b24
El conjunto de matrices de orden mxn, con coeficientes en K, se denota por

mxn , por comprensin se simboliza as: mxn A / A= a ij
mxn . En
particular mx1 es el conjunto de vectores columna y 1xn es el conjunto de

vectores fila. El conjunto mxn est provisto de las operaciones de suma y
producto por un escalar, en forma anloga a .
Ejemplo: Las siguientes matrices:
1 3 3 8 11 53
M 4 5 , N 1 6 y P 14 7

7 0 9 2 13 16

Pertenecen al conjunto de matrices de orden 3x2: 3 x 2 A / A= a ij
3x2
5
IGUALDAD DE MATRICES
Se dice que dos matrices A y B son iguales, si son del mismo orden y sus
componentes correspondientes son iguales.
Simblicamente
aij bij aij bij , i, j
mxn mxn
Si A no es igual a B se denota por: A B
Ejemplo: Dadas las matrices:
2a 1 7 c 1 3 2b 7 ab

A a2 4 2b B c 3 4 c 2a
b 1 3 a 2c c 5 3 1
Si A=B, hallar el valor de: M a 3b 5c
Resolucin:
Como A=B, entonces se debe cumplir que: a ij bij , i=1,3 y j=1,3 , es decir:
2a 1 3 2b a b 1
a 2 c 3 a c 1
a 3
b 1 c 5 b c 4
b 2
c 1 a b a b c 1 c 2
2b c 2a 2a 2b c

a 2c 1 x 2c 1
Luego, el valor de M=3 3(-2)+5(2)=3+6+10=19 M=19
TIPOS DE MATRICES
1. Matriz Nula o Matriz Cero. Una matriz en la cual todos sus elementos son
ceros, se denomina matriz nula o matriz cero, es decir:
aij 0, i, j
Se denota por:
0 0 0 . . . 0
0 0 0 . . . 0

0 0 0 . . . 0

. . . . . . .
. . . . . . .

. . . . . . .
0 0
0 0 . . .
6
2. Matriz Rectangular: La matriz de orden mxn, se llama rectangular si y slo

si m n, por ejemplo: Las matrices A y B son rectangulares.
12 7 9 5 7 5
A 2 0 3 3 ; B 1 3
2 1 7 2 3 8
3. Matriz Fila: Se llama matriz fila a la matriz de orden 1xn.

F f11 f12 f13 f1n 1xn
Por ejemplo: La matriz A 3 8 5 4 , es una matriz fila de orden 1x4
4. Matriz columna: Se llama matriz columna a la matriz de orden mx1.

c11
c
21
C c31

cm1
mx1
4
7
Por ejemplo: La matriz A , es una matriz columna de orden 4x1
6

3
5. Matriz Cuadrada: Si en la matriz A a i j el nmero de filas es igual al

mxn
nmero de columnas, es decir, m = n la matriz A se llama matriz n-cuadrada

o matriz cuadrada de orden n y toma la siguiente forma.
a11 a12 a13 . . . a1n

a a22 a23 . . . a2 n
21
a31 a32 a33 . . . a3n

A . . . . . . .
. . . . . . .

. . . . . . .
a . ann n
n1 an 2 an 3 . .
Los elementos a11, a22, a33,, ann son llamados elementos de la diagonal principal
de la matriz.
7
Traza de una Matriz

Definicin. Si A es una matriz cuadrada, entonces la suma de los elementos de la
diagonal principal de una A toma el nombre de Traza de la Matriz, y se denota por
Tr(A). Esto es:
n
A= a ij Tr A a11 a22 ... ann aii
n
i 1
2 3 5 1
-5 6 8 11
Ejemplo: En la siguiente matriz: A= , Tr(A)= 10
21 -7 -5 3

5 4 6 7
Propiedades de la traza de una matriz

Dadas las matrices A, B K n xn , entonces se cumplen las siguientes propiedades.
T1 : Tr ( A B) Tr ( A) Tr ( B)
T2 :Tr ( A) Tr ( A), K
T3 :Tr ( A) Tr ( AT )
T4 :Tr (AB) Tr (BA)
Demostracin
Si A= a ij y A= bij , se tiene que A+B= a ij +bij , A= a ij y AT = a ji . Por
n n n n n
tanto:
a) Tr(A+B)= a11 b11 a22 b22 ... ann bnn
a11 a22 ... ann b11 b22 ... bnn
Tr A Tr ( B)
Al ser la suma en K conmutativa y asociativa.
b) Tr( A)= a11 a22 ... ann a11 a22 ... ann
Tr ( A)
Al verificarse la propiedad distributiva del producto respecto de la suma en K.
c)Tr ( A) a11 a22 ... ann Tr ( AT )
8
CAPTULO II
OPERACIONES CON MATRICES
Arthur Cayley y el lgebra de matrices.
El matemtico ingls Arthur Cayley (1821-1895) desarroll, en 1857, el lgebra
de matrices, es decir, las reglas que indican cmo se suman y multiplican
matrices. Cayley naci en Richmond, en Surrey cerca de Londres, estudio en el
Trinity College, Cambridge, donde se gradu en 1842. En ese ao obtuvo el
primer lugar en la difcil prueba para el premio Smith. Durante un periodo de varios
aos estudi y ejerci la carrera de leyes, pero nunca dej que su prctica en la
abogaca interfiera con su trabajo en matemticas.
1. Suma de Matrices.
Sean las matrices A= a ij y B= bij , ambas del mismo orden mxn, se define
mxn mxn
su suma como la matriz de orden tambin mxn dada por:

A + B = a ij + bij = a ij bij = cij = C
mxn mxn mxn mxn
Esto es, la suma de dos matrices A y B es la matriz que en la posicin ij tiene al

elemento aij bij , suma de los correspondientes elementos de A y B. Ntese que
la suma de matrices slo est definida para matrices de igual orden.

Ejemplos:
1. Sean las matrices:
1 2 3 0 2 2
A 5 5 ; B 4 9 , entonces A B 1 14

6 7 5 2 11 9

1 2 3 3 0 6 2 2 9
A 5 5 4 ; B 4 9 7 , entonces A+B 1 14 11

6 7 5 5 2 8 11 9 13
Definicin: Diremos que dos matrices A y B son conformables para la suma o

diferencia de matrices si y slo si son del mismo orden.
9
Diferencia de Matrices. Dadas las matrices A= a ij y B= bij del mismo

mxn mxn
orden, la diferencia entre A y B es otra matriz D = dij del mismo orden, tal que:
mxn
A - B = a ij mxn. - bij mxn = a ij bij mxn = d ij mxn = D
Ejemplos:
3 2 2 6 32 26 1 4
A -4 7 ; B 5 3 , entonces A-B 4 (5) 7 (3)
1 10

8 1 9 4 8 9 1 4 1 3

1 2 3 3 0 6 4 2 3
A 5 5 4 ; B 4 9 7 , entonces A-B 9
4 3
6 7 5 5 2 8 1 5 3
Propiedades de la suma de matrices

Si A, B, C y son matrices del mismo orden, entonces se cumplen las siguientes
propiedades.
A1 : A, B K mxn , A+B K mxn Clausura
A2 :A + B = B + A Conmutativa
A 3 : A + (B + C) = (A + B) + C Asociativa
A 4 : A K , ! /A+=+A=A
mxn
Existencia y unicidad del
elemento neutro aditivo
A 5 : A K mxn , ! -A K mxn / A+ -A = -A +A= Existencia y unicidad del
elemento inverso aditivo.
Las matrices del mismo orden o conformables respecto de la suma algebraica,

siguen las mismas leyes de la adicin que sujetan a los elementos que las
componen.
Estas caractersticas permiten demostrar las propiedades de la adicin de
marices.
Demostracin: A 2 : A + B = B + A
Sean
10
a11 a12 a1n b11 b12 b1n

a a22 a2 n b b22 b2 n
A 21 Y B 21

am1 am 2 amn mxn bm1 bm 2 bmn mxn
Entonces:
a11 a12 a1n b11 b12 b1n
a a22
a2 n b b22 b2 n
A+B 21 21

am1 am 2 amn mxn bm1 bm 2 bmn mxn
a11 b11 a12 b12 a1n b1n

a b a22 b22 a2 n b2 n
A+B 21 21

am1 bm1 am 2 bm 2 amn bmn
b11 a11 b12 a12 b1n a1n

a b b a b2 n a2 n
A+B 21 21 22 22

am1 bm1 bm 2 am 2 bmn amn mxn
b11 b12 b1n a11 a12 a1n
b b
b2 n a a a2 n
B+A= 21 22 21 22

bm1 bm 2 bmn mxn am1 am 2 amn mxn
Luego: A + B = B + A
2. Producto de un escalar por una matriz.

Si A= a ij es una matriz y K , entonces el producto de por A se
mxn
define por:
A= a i j mxn a i j mxn
Es decir cada componente de A se multiplica por el escalar
Ejemplos
11
2 -8 4
01. Si y A 7 6 -3 , entonces
1
2
9 10 12

1 4 2
2 -8 4 2 8 4
1
A 7 6 -3 7 6 3 7
3
3
2 2 2
9 10 12 9 10 12
9
5 6
2
Si 1 , entonces A= 1 A se llama matriz opuesta de A.
02. Supongamos que en el conjunto 2 x3 , se dan las siguientes matrices:

1 0 2 3 1 2
Donde: A y B
2 3 2 1 2 3
Dados los escalares 2 y 3, hallar:
a) A+B
b) A B
c) X tal que: A X 5 A B X
03. Matriz de Produccin. Una empresa que fabrica televisores produce tres
modelos con diferentes caractersticas en tres tamaos diferentes. La capacidad
de produccin (en miles) en su planta X est dada por la matriz A.
Modelo I Modelo II Modelo III
Tamao 1 (20 pulgadas) 5 3 2
A
Tamao3 (26 pu lg adas) 10 8 4
La capacidad de produccin en la planta Y est dada por la matriz B.
Modelo I Modelo II Modelo III
B
Tamao3 (26 pu lg adas) 8 12 2
a) Cul es la capacidad de produccin total de las dos plantas?
b) Si la empresa decide incrementar su produccin en la planta X en un 20%,
Cul ser la nueva produccin en la planta?
Resolucin:
a) La produccin combinada (en miles) en las dos plantas est dada por la suma
de las matrices A y B.
12
5 3 2 4 5 3 9 8 5
A B 7 4 5 9 6 4 16 10 9
10 8 4 8 12 2 18 20 6
Interpretacin: Por ejemplo las dos plantas producen 8000 televisores modelo II de 20
pulgadas.
b) Si la produccin en la planta X se incrementa en 20%, la nueva produccin (en

miles) estar dada por:
1 6
A+20%A= A A A
5 5
5 3 2 6 3.6 2.4
1.2A 1.2 7 4 5 8.4 4.8 6
10 8 4 12 9.6 4.8
Interpretacin: Por ejemplo, se producirn 9600 televisores modelo II de 26 pulgadas.
1 0 0 0 1 0
04. Dadas las matrices: I 0 1 0 , N 0 0 1 y el escalar 2.

0 0 1 0 0 0
a) Hallar la matriz: I N
b) Es inversible la matriz I
c) Es nilpotente la matriz N
Propiedades del producto de un escalar por una matriz

Si A y B K mxn son matrices conformables para la suma, y p y q K entonces:
E1 : p(qA) = (pq)A Asociatividad escalar
E2 : (p + q)A = pA + qA Distributividad respecto a la suma de escalares
E3 : p(A + B) = pA + pB Distributividad respecto a la suma de matrices
Demostracin: E3 : p(A + B) = pA + pB
Sean: A= a ij y B = bij matrices conformables para la suma.

mxn mxn

p A+B = p a ij bij
mxn mxn

p a ij bij p a ij bij
mxn mxn
pa ij pbij pa ij pbij
mxn mxn mxn
p a ij p bij pA+pB
mxn mxn
13
3. Multiplicacin de matrices
El producto de las matrices A= a i j y B= bjk , es otra matriz C= cik ,

m xn nx p mx p
donde cik es el producto escalar de la i-sima fila de A por la k-sima columna de B.
a11 a12 . . . a1j . . . a1n b11 b12 . . . b1k . . . b1 p

a a22 . . . a2 j . . . a2 n b b22 . . . b2 k . . . b2 p
21 21
. . . . . . . .

. . . . . . . .
. . . . . . . .
AB C cik m x p
ai1 ai 2 . . . aij . . . ain bj1 bj2 . . . bjk . . . bj p
. . . . . . . .

. . . . . . . .
. . . . . . . .

am1 am 2 . . . am j . . . amn bn1 bn 2 . . . bnk . . . bnp
mxn nx p
fila i de A Columna k de B
Los elementos cik de la matriz producto se obtiene de la siguiente manera:
n
cik ai1b1k ai 2b2 k ... aij b jk ... ainbnk aij b jk
J 1
El producto de las matrices A y B en forma abreviada se da por:

b1k
b
2k
n
cik mxp ai1ai 2 ...aij ...ain aij b jk , i 1,..., m, k 1,..., p
b jk J 1

bnk
Dos matrices A y B son conformables para el producto de matrices si el nmero

de columnas de la matriz que se multiplica es igual al nmero de filas de la matriz
por multiplicar. Es decir: Si las matrices A= a i j y B= bjk , son conformables
m xn nx p
para el producto de matrices, entonces AB es otra matriz C= cik , tal que:

mx p
AB= a i j . bi j ci j
mx p p xn m xn
son iguales
orden de AB
14
Propiedades de la multiplicacin de matrices

Si A, B y C son matrices conformables para la suma y producto de matrices,
entonces se cumplen las siguientes propiedades.
M 1 : A(BC) = (AB)C Asociatividad
M 2 : A(B + C) = AB + AC Distributividad
M 3 : (A + B)C = AC + BC Distributividad
M 4 : En general A y B no conmutan, es decir: AB BA
M 5 : AB = , no implica que A = B =
M 6 : Si AC = BC, no implica que A = B
M 7 : I K n con la propiedad de que para cualquier A K n , se cumple que: A I = IA

Donde I es la matriz identidad.
Demostracin
M 1 : A(BC) = (AB)C
En efecto: sean A K p x m , B K m x n y C K n x r , definidas por:
A aij , B= b jk y C ckt
Si BC= d jt d jt b jk ckt y
n
k 1
AB= eik eik aij b jk

n
j 1
Entonces se tiene que:
n m n

A(BC) aij b jk ckt aij b jk ckt aij b jk ckt
k 1 j1 k 1
m n n m
aij jk kt aij b jk ckt
b c
j1 k 1 k 1 j1
m
aij b jk ckt AB C
j1
15
Ejemplos:
01. Hallar: AB y BA si existen, donde:
5
9
A 2 3 1 41x 4 ; B
8

7 4 x1
5
9
a ) AB 2 3 1 41x 4 73
8

7 4 x1
5 10 15 5 20
9 18 27 9 36
a) BA 2 3 1 41x 4
8 16 24 8 32

7 4 x1 14 21 7 28
02. Hallar: AB y BA si existen, donde:

1 3 0 3 5
A ; B
2 4 2 x 2 1 4 8 2 x3
1(0) 3(1) 1(3) 3(4) 1(5) 3(8) 3 15 19
a) AB
2(0) (4)(1) 2(3) (4)(4) 2(5) (4)(8)
4 10 42
b) BA no es posible, ya que el nmero de columnas de B es diferente al
nmero de filas de A.
Definicin. Dos matrices A= a i j y B= bi j son permutables o conmutables, si
n n
se cumple que: AB = BA
03. Verificar si las matrices siguientes son conmutables:
2 -2 -4 -1 2 4
A -1 3 4 B 1 -2 -4
1 -2 -3 -1 2 4
Resolucin:
2 -2 -4 -1 2 4 0 0 0
AB -1 3 4 1 -2 -4 = 0 0 0

1 -2 -3 -1 2 4 0 0 0
16
-1 2 4 2 -2 -4 0 0 0
BA 1 -2 -4 -1 3 4 = 0 0 0
-1 2 4 1 -2 -3 0 0 0
Como AB=BA, entonces A y B son conmutables.
Cosi -Seni
04. Si A i ; i 1, 2; .Verificar que A1 y A 2 Conmutan
Seni Cosi
Resolucin:
Cos1 -Sen1 Cos 2 -Sen 2
A 1A 2
Sen1 Cos1 Sen 2 Cos 2
Cos1Cos 2 Sen1Sen 2 -Cos1Sen 2 Sen1Cos 2

Sen1Cos 2 Cos1Sen 2 -Sen1Sen 2 +Cos1Cos 2
Cos 1 + 2 -Sen 1 + 2

Sen 1 + 2 Cos 1 + 2
Cos 2 -Sen 2 Cos1 -Sen1

A 2 A 1
Sen 2 Cos 2 Sen1 Cos1
Cos 2 Cos1 Sen 2 Sen1 -Cos 2Sen1 Sen 2Cos1

Sen 2 Cos1 Cos 2Sen1 -Sen 2Sen1 +Cos 2Cos1
Cos 1 + 2 -Sen 1 + 2

Sen 1 + 2 Cos 1 + 2
Como A 1A 2 A 2 A 1 , entonces A 1 y A 2 conmutan.
05. Suponga que un contratista ha aceptado pedidos para cinco casas estilo
rstico, siete de estilo moderno y doce de estilo colonial. Entonces sus pedidos
pueden estar representados por la matriz fila Q= 5 7 12
Adems, suponga que las materias primas que se utilizan en cada tipo son de
acero, madera, vidrio, pintura y mano de obra. Las entradas de la matriz R que
sigue dan el nmero de unidades de cada materia prima que se usar en cada tipo
de casa. (Las entradas no necesariamente son realistas, pero se eligieron as por
conveniencia).
17
Acero Madera Vidrio Pintura Mano de obra

Rstico 5 20 16 7 17
R
Moderno 7 18 12 9 21
Colonial 6 25 8 5 13
Cada fila indica la cantidad de materia prima necesaria para una clase dada de
casa; cada columna indica la cantidad de una materia prima dada necesaria para
cada tipo de casa. Ahora suponga que el contratista desea calcular la cantidad de
cada materia prima necesaria para satisfacer todos sus pedidos. Entonces, tal
5 20 16 7 17
informacin est dada por: QR 5 7 12 7 18 12 9 21
6 25 8 5 13
QR 146 526 260 158 388
As el contratista debe ordenar 146 unidades de acero, 526 de madera, 260 de

vidrio, etc.
El contratista tambin est interesado en conocer los costos que tendr que pagar
por estas materias primas. Suponga que el acero cuesta $1500 por unidad, la
madera $800 por unidad, y vidrio, puntura y mano de obra cuesta $500, $100 y
$1000 por unidad respectivamente. Estos datos pueden ser escritos como la
matriz columna de costo
1500
800

C 500

100
1000
Entonces RC da el costo de cada tipo de casa
18
1500

5 20 16 7 17 800
RC 7 18 12 9 21 500

6 25 8 5 13 100
1000
49200
RC 52800
46500
Por lo tanto, el costo de los materiales para la casa rstica es de $ 49 200, para la
casa estilo moderno $ 52 800 y para la casa estilo colonial $ 46 500.
El costo total de la materia prima para todas las casas est dado por:
49200
QRC= Q(RC)= 5 7 12 52800 11736 00
46500
El costo total es $1 173 600.
Definicin: Si A= a i j n y B= bi j n son matrices cuadradas de orden n, diremos
que ellas anticonmutan si y slo si AB = - BA
POTENCIACIN DE MATRICES
Definicin: La potenciacin de matrices la definimos por induccin matemtica,
del siguiente modo:
A 0 =I, A 2 =AA, A3 =AA 2 =A 2 A,...,A n =AA n-1 =A n-1A
Observacin: La potenciacin de matrices es conmutativa. Segn lo anterior
tenemos las siguientes propiedades:
a) Si A es una matriz cuadrada, entonces A m A n =A n A m , donde m y n son
enteros positivos.
b) Si A y B conmutan, entonces A m y Bn , conmutan, siendo m y n son enteros
positivos.
19
Ejemplos:
2 -3 -5
01. Dada la matriz: A -1 4 5 . Hallar: A5
1 -3 -4
Resolucin:
2 -3 -5 2 -3 -5 2 -3 -5
A2 AA -1 4 5 -1 4 5 -1 4 5
1 -3 -4 1 -3 -4 1 -3 -4
Luego tenemos: A5 A A2 AA2 A. A A2 A

2
2 -2 -4
02. Dada la matriz: A -1 3 4 . Hallar: A7
1 -2 -3
1 -3 2 1 4 1 0 2 1 -1 -2
A 2 1 -3 , B 2 1 1 1 y C 3 -2 -1 -1

4 -3 -1 1 -2 1 2 2 -5 -1 0
Verificar que AB=AC. Qu podra concluir de esta igualdad?

Resolucin:
1 -3 2 1 4 1 0 -3 -3 0 1
AB 2 1 -3 2 1 1 1 1 15 0 -5

4 -3 -1 1 -2 1 2 -3 15 0 -5
1 -3 2 2 1 -1 -2 -3 -3 0 1
AC 2 1 -3 3 -2 -1 -1 1 15 0 -5
4 -3 -1 2 -5 -1 0 -3 15 0 -5
AB=AC
La igualdad no implica necesariamente que B sea igual a C.
2 -2 -4 -1 2 4
A -1 3 4 B 1 -2 -4
1 -2 -3 -1 2 4
20
Mostrar que AB = . Qu puede concluir de esta igualdad?

Resolucin:
2 -2 -4 -1 2 4 0 0 0
AB -1 3 4 1 -2 -4 = 0 0 0

1 -2 -3 -1 2 4 0 0 0
La igualdad no implica necesariamente que A = B =

1 2 0 x 1
05. En la siguiente ecuacin matricial: 0 1 5 y 5 . Cules son los valores de
1 0 1 z 2
x, y, z?
Resolucin:
1 2 0 x 1
0 1 5 y 5 por multiplicacin de matrices se tiene:

1 0 1 z 2
x+2y 1 x+2y = 1
y+5z 5 y+5z = 5 x 1, y 0, z 1

x+z 2 x+z = 2
TRANSPUESTA DE UNA MATRIZ

Definicin: Dada la matriz A= a ij de orden mxn, se llama transpuesta de A a
mxn
la matriz denotada por AT = a ji de orden nxm, obtenida al intercambiar las filas

nxm
por las columnas de A.

Notacin: Si A= a ij es una matriz de orden mxn su matriz transpuesta se denota por:
mxn
A' =A t A T
Si A= a ij , entonces AT = a ji n xm
mxn
Ejemplos:
21
1 -3 2 1 2 4
01. Si A 2 1 -3 , entonces A T -3 1 -3 es la matriz transpuesta de A

4 -3 -1 2 -3 -1
1 2 1
1 4 1 0 4
1 2
02. Si B 2 1 1 1 , entonces B
T
es la matriz transpuesta de B
1 1 1
1 -2 1 2
0 1 2
Propiedades de la transpuesta de una matriz

Si A y B son conformables para la suma y el producto, y K un escalar cualquiera
entonces se cumplen las siguientes propiedades.
1. (AT)T = A
2. (A + B)T = AT + BT
3. (kA)T = kAT
4. (AB)T = BTAT
5. I = IT
CAPTULO III
MATRICES CUADRADAS ESPECIALES
22
1. MATRICES SIMTRICAS. Si A AT , entonces la matriz A se llama simtrica.

Caractersticas:
a. Los elementos de la diagonal principal permanecen fijos al efectuar la
transposicin.
b. aij a ji para todo i, j
La simetra se da con respecto a la diagonal principal.

Ejemplo: Sea la matriz
5 7 4 5 7 4
A= 7 2 3 A = 7 2 3 , como A AT la matriz A es simtrica.
T
4 3 9 4 3 9
Si la matriz A es simtrica, entonces A, K , tambin es simtrica.
Teorema 01. Si A es una matriz simtrica de orden n la matriz A AT es

simtrica.
Demostracin
Sea A aij , entonces AT a ji . Si llamamos B bi j a la matriz
A AT probaremos que B es simtrica.

En efecto, el elemento de la fila i y la columna j de A es ai j y el correspondiente
de AT es a ji , por lo tanto: bi j ai j a ji (1)
Adems, el elemento de la fila j y columna i de A es a ji y el correspondiente de
AT es a ij , de modo que: bji a ji ai j (2)
De (1) y (2) se sigue que: bi j bji
En consecuencia, B= A AT es una matriz simtrica.

2. MATRIZ ANTISIMTRICA. Si A AT , entonces la matriz A se llama
antisimtrica.
Caractersticas
a. Los elementos de la diagonal principal resultan ser ceros.
b. aij a ji para todo i , j
23
0 7 4 0 7 4 0 7 4

A= 7 0 3 A T = 7 0 3 A T = 7
0 3 A
4 3 0 4 3 0 4 3 0
Como para cada i, j, aij a ji , entonces A es antisimtrica.
Teorema 02.Si A es una matriz cuadrada de orden n, la matriz A AT es

antisimtrica.
Demostracin. Debemos demostrar que: A AT A A T

T
En efecto:
Considerando que A B AT +BT

T
A A T T
AT - AT =AT -A A AT
T
Teorema 03.Toda matriz cuadrada A se puede expresar como la suma de una

matriz simtrica y una antisimtrica.
A=
1
2
A AT A AT
1
2
Demostracin.
Escribiendo la matriz A como:
1 1 A A 1 1
A= A+ AT AT + AT AT
2 2 2 2 2 2
A A+A T A-A T
A 1 TA 1 T 1 1
A= A
2 2 2 2 2 2
Si consideramos que: As =
1
2
A AT y Aa
1
2
A AT , entonces
A s es una matriz simtrica y A a es una matriz antisimtrica. En consecuencia,
hemos expresado as la matriz cuadrada A como la suma de una matriz simtrica y
una matriz antisimtrica, esto es: A=As A a
Ejemplo: Expresar la matriz
24
2 5 7
A= 8 4 1
0 3 6
Como la suma de una matriz simtrica y una antisimtrica.

Resolucin:
2 8 0
Primero hallamos A T = 5 4 3
7 1 6
Luego se expresa la matriz A de acuerdo a lo pedido:
4 3 7 0 13 7
A= A A T A A T = 3 8 2 13 0 4
1 1 1 1
2 2 2 2
7 2 12 7 4 0
Simtrica Antisimtrica
3. MATRIZ TRIANGULAR INFERIOR. Una matriz cuadrada A es triangular

inferior si y slo si aij 0 , i<j
a11 0 0 . . 0
a 0
21 a22 0 . .
a a32 a33 . . 0
A 31
. . . . . .
. . . . . .

an1 an 2 an 3 . . ann
3 0 0
Ejemplo: La matriz A 4 6 0 es triangular inferior
5 9 7
4. MATRIZ TRIANGULAR SUPERIOR. Una matriz cuadrada A es triangular

superior si y slo si aij 0 , i>j
25
a11 a12 a13 . a1n

.
0 a a23 . . a2 n
22
0 0 a33 . . a3n
A
. . . . . .
. . . . . .

0 0 0 0 0 ann
Ejemplo: La matriz
9 5 2
A 0 3 1 es triangular superior
0 0 4
5. MATRIZ DIAGONAL. A es diagonal si y slo si es a la vez triangular

superior y triangular inferior, es decir todos los elementos de la matriz, fuera
de la diagonal principal son iguales a cero.
a11 0 . . . 0
0 a 22 . . . 0

. . . . . 0
A
. . . . . .
. . . . . .

0 0 0 . . a nn
3 0 0 0
0 8 0 0
Ejemplo: La matriz A es diagonal
0 0 4 0

0 0 0 2
6. MATRIZ ESCALAR
A es escalar si y slo si A es diagonal y aii = k ; donde: kK.
26
k 0 . . 0
.
0 k . . . 0

. . . . . 0
A
. . . . . .
. . . . . .

0 0 0 . . k
3 0 0 0
0 3 0 0
Ejemplo: La matriz, A es escalar
0 0 3 0

0 0 0 3
7. MATRIZ IDENTIDAD. A es matriz identidad si y slo si A es matriz escalar

y k = 1. Es decir: Todos los elementos de la diagonal principal son iguales a
la unidad.
1 0 . . . 0
0 1 . . . 0

. . . . . 0
I
. . . . . .
. . . . . .

0 0 0 . . 1
Ejemplos: Las matrices

1 0 0 0
0 1 0 0
1 0 0 1 0
I4 , I3 0 1 0 , I2
0 0 1 0 0 1

0 0 1

0 0 0 1
Son matrices identidad de orden 4, 3 y 2 respectivamente.
8. MATRIZ PERIODICA.
27
Si A es una matriz cuadrada de orden n, si para un nmero entero positivo p,

ocurre que A p+1 =A se dice que A es una matriz peridica, de periodo p.
Ejemplos.
0 1 0
1. Hallar A 100
si A 1 1 1
0 0 1
Resolucin:
Hallamos las potencias de la matriz A

0 1 0 0 1 0 1 1 1
A AxA 1 1 1 1 1 1 1 0 0
2
0 0 1 0 0 1 0 0 1
1 1 1 0 1 0 1 0 0
A A A 1 0 0 1 1 1 0 1 0 I
3 2
0 0 1 0 0 1 0 0 1
A4 =A3A= -IA= -A
A5 =A4A= -AA= -A2
A6 =A5A= -A A= -A
2 3
(I) I
A7 =A6 A= IA= A A7 A
Luego: p+1=7entonces p = 6 periodo de la matriz A
Luego: A100 =A3A97 = A3A6x16+1 A3A=A4 -A
1 1 1
2. Hallar A 51
si A 0 1 0
0 0 1
9. MATRIZ IDEMPOTENTE. Si A es una matriz peridica y p=1, tal que

A1+1 =A 2 A , entonces A se llama matriz idempotente.
28
1 2 4
Ejemplo: Verificar que la matriz A 1 2 4 es idempotente
1 2 4
Resolucin:
1 2 4 1 2 4 1 2 4
A =AA 1 2 4 1 2 4 1 2 4 A
2
1 2 4 1 2 4 1 2 4
Como A 2 A , entonces A es idempotente
10. MATRIZ INVOLUTIVA. Si A es una matriz, tal que A 2 I , entonces A se

llama matriz Involutiva.
3 6 2
Ejemplo: Verificar que la matriz A 2 4 1 es involutiva
2 3 0
Resolucin:
3 6 2 3 6 2 1 0 0
A AA 2 4 1 2 4 1 0 1 0 I
2
2 3 0 2 3 0 0 0 1
Como A 2 I , entonces A es involutiva
11. MATRIZ NILPOTENTE. Si A es una matriz cuadrada de orden n, se dice

que ella es nilpotente si y slo si A p , para p . Si p es el mnimo
entero positivo tal que A p , entonces A es nilpotente de ndice p.
1 1 3
Ejemplo: Verificar que la matriz A 5 2 6 es nilpotente
2 1 3
Resolucin:
1 1 3 1 1 3 0 0 0
A AA 5 2 6 5 2 6 3 3 9
2
2 1 3 2 1 3 1 1 3
29
0 0 0 1 1 3 0 0 0
A 3 A 2 A 3 3 9 5 2 6 0 0 0
1 1 3 2 1 3 0 0 0
Como A 3 , entonces A es nilpotente de ndice p=3
MATRIZ COMPLEJA. Sea A aij , se dice que A es COMPLEJA cuando al

menos uno de sus aij es elemento de los nmeros complejos.
Ejemplo: La matriz
1 2i i
A es compleja.
3 2 3i
MATRIZ CONJUGADA. Sea A una matriz cuyos elementos son nmeros

complejos; la matriz obtenida a partir de A sustituyendo cada elemento por su
conjugado se llama matriz conjugada de A y se representa por A y la definimos
por:
A aij , donde aij es la conjugada de aij

mxn
Ejemplo: La matriz conjugada de
1 2i i 1 2i i
A es A
3 2 3i 3 2 3i
Propiedades de la matriz conjugada

Si A y B son matrices conformables para la suma y el producto y A y B son sus
conjugadas respectivamente, entonces:
1. A A
2. kA k A
3. A+B A B
A A
T
T
4.
1 2i i 1 i 4 i
Ejemplo: Dadas las matrices: A , B
7i
y K= 1-2i,
3 2 3i 2
comprobar las propiedades de la matriz conjugada.
30

T
MATRIZ HERMITICA. Si A es una matriz cuadrada de orden n, tal que A A,
se llama, hermtica.
Ejemplo: Verifique si la matriz
i 1 i 2
A 1 i 3 i es hermtica.
2 i 0
Resolucin:

T
Debemos comprobar que se cumple que: A A
i 1 i 2 i 1 i 2 i 1 i 2
i A 1 i 3 i A

1 i 3 i A
T
A 1 i 3
2 i 0 2 i 0 2 i 0

T
Como A A la matriz es hermtica.
MATRIZ HEMIHERMITICA. Si A es una matriz cuadrada de orden n, tal que
A
T
A , se llama, hemihermtica.
Ejemplo: Verificar si la matriz

i 1 i 2
A 1 i 3i i es hemihermtica.
2 i 0
Resolucin:

T
Debemos comprobar que se cumple que: A A
i 1 i 2 i 1 i 2 i 1 i 2
A 1 i 3i i A 1 i 3i i A 1 i 3i i A
T
2 i 0 2 i 0 2 i 0

T
Como A A la matriz es hemihermtica.
31
CAPTULO IV
INVERSA DE UNA MATRIZ
Si A K n , se dice que A es inversible si existe una matriz B tal que AB=I BA=I , donde
B recibe el nombre de matriz inversa de A y se denota, por B A-1 . Del mismo modo, la
matriz A es la inversa de B y se denota por A=B-1 .
Ejemplos:
1 2 3 3 2 1
1. Pruebe que la matriz A 2 5 7 es la inversa de B 4 1 1
2 4 5 2 0 1
Resolucin:
1 2 3 3 2 1 1 0 0
AB= 2 5 7 4 1 1 0 1 0 I

2 4 5 2 0 1 0 0 1
3 2 1 1 2 3 1 0 0
BA= 4 1 1 2 5 7 0 1 0 I

2 0 1 2 4 5 0 0 1
Como se cumple que: AB=BA=I , entonces A es inversa de B y B es inversa de A.

1 0 0 0 1 0 0 0
2
1 0 0 2 1 0 0
2. Pruebe que la matriz A es la inversa de B
4 2 1 0 0 2 1 0

2 3 1 1 8 1 1 1
Resolucin:
1 0 0 0 1 0 0 0 1 0 0 0
2 1 0 0 2 1 0 0 0 1 0 0
AB= I
4 2 1 0 0 2 1 0 0 0 1 0

2 3 1 1 8 1 1 1 0 0 0 1
1 0 0 0 1 0 0 0 1 0 0 0
2 1 0 0 2 1 0 0 0 1 0 0
BA= I
0 2 1 0 4 2 1 0 0 0 1 0

8 1 1 1 2 3 1 1 0 0 0 1
32
Como se cumple que: AB=BA=I , entonces A es inversa de B y B es inversa

de A.
Adems se puede notar que las matrices A y B son permutables.
3. Se dice que una matriz es ortogonal Si A-1 AT . Compruebe si la matriz

1 2 2
A 2 1 2 es ortogonal.
1
3
2 2 1
Teorema 04. Unicidad de la matriz inversa

Si A es una matriz inversible, su inversa es nica. La inversa de A es
-1
denota por A
Demostracin: Puesto que A es inversible, existe al menos una matriz
inversa B tal que: AB=BA=I
Supongamos que existe otra matriz inversa C talque:
AC=BC=I
En tal caso, B y C deben ser iguales, ya que.
AB=I C AB =CI CA B=C IB = C
B = C
Por tanto B=C, de donde se sigue que la inversa es nica.
PROPIEDADES DE LA MATRIZ INVERSA

Si A y B son matrices cuadradas de orden n, inversibles, entonces se
cumplen las siguientes propiedades:
I1 : AA -1 =A -1A=I
I 2 : A -1 =A
-1
I3 : AB =B-1A-1
-1
I 4 : AT = A-1
-1 T
33
1
I5 : kA = A -1
-1
Demostracin: I3 : AB =B-1A-1
-1
Por propiedad: I1 se tiene que: AA -1 =A -1A=I
Entonces se cumple que: AB AB AB AB I

1 1
Por lo tanto debemos demostrar que:

a) AB B1A1 I
b) B 1
A1 AB I
En efecto:
a) AB B1A 1 A BB1 A 1 b) B1A 1 AB B1 A 1A B
A I A 1 B1 I B
AA 1 B1B
I I
En consecuencia, de los apartados a) y b) se concluye que:
AB
-1
=B-1A-1
Demostracin: I 4 : AT = A-1
-1 T
Por propiedad: I1 : AA -1 =A -1A=I y por T5 : I T I
AA -1 =IT I
T
A -1 A T I
T
A -1 A T A T I A T
T 1 1

A -1 I= A T
T 1
A -1 = A T
T 1
34
INVERSA DE UNA MATRIZ TRIANGULAR

Si A es una matriz triangular inferior y X es su inversa, entonces por definicin
AX=I .
a11 0 . . . 0 x11 x12 . . . x1n 1 0 . . . 0

a a22 . . . 0 x x22 . . . x2 n 0 1 . . . 0
21 21
. . . . . 0 . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .

an1 an 2 an 3 . . ann xn1 xn 2 . . . xnn 0 0 . . . 1
Por la multiplicacin e igualdad de matrices, el producto de la primera fila de A por

la primera columna de X es igual a 1, as:
a11,0,0,0,...,0 x11, x21, x31,..., xn1 1 x11 a111
Ahora efectuamos el producto interno de la primera fila de A con las columnas
restantes de X y aplicando la igualdad, resulta que:
x12 x13 x14 ... x1n 0
Al multiplicar la segunda fila de A con la segunda columna de X, as:
a 21,a 22 ,a 23 ,...,0 0, x22 , x32 ,..., xn2 1 x22 a221
De la misma forma, del producto interno de la segunda fila de A por las otras
columnas de X se concluye que:
x21 x23 x24 ... x2 n 0
Reiterando el proceso hasta la n-sima fila de A podemos concluir que si una
matriz es triangular inferior A es inversible, entonces:
1. Todos los elementos de la diagonal principal deben ser diferentes de cero.
2. La inversa A-1 es tambin una matriz triangular inferior.
3. Los elementos de la diagonal principal de A-1 son a11-1, a22-1,..., ann-1.
Por lo tanto, la ecuacin matricial anterior la podemos expresar de la siguiente
manera:
a11 0 . . . 0 a111 0 . . . 0 1 0 . . . 0
a
21 a22 . . . 0 x21 a 1
22 . . . 0 0 1 . . . 0

. . . . . 0 . . . . . . . . . . . .
(I)
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
1

an1 an 2 an 3 . . ann xn1 xn 2 . . . ann 0 0 . . . 1
En forma anloga establecemos que si A es una matriz triangular superior,
entonces A tiene inversa si y slo si no existe ceros en la diagonal principal; A-1 es
35
tambin una matriz triangular superior. Se debe resolver la siguiente ecuacin

matricial:
a11 a12 . . . a1n a111 x12 . . . x1n 1 0 . . . 0
0
a22 . . . a2 n 0 a1
22 . . . x2 n 0 1 . . . 0

. . . . . . . . . . . . . . . . . .
(II)
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
1

0 0 . . . ann 0 0 . . . ann 0 0 . . . 1
Las ecuaciones matriciales (I) y (II) nos permite deducir la inversa de una matriz
diagonal, esto es: Si D diag (a11, a22 ,..., ann ), entonces D1 diag (a111, a22
1 1
,..., ann )
Ejemplo: Determinar, si existe la inversa de la matriz.

1 0 0
A 1 2 0
1 2 3
Resolucin:

1 0 0
1 0 0 1 0 0
1 2 0 x 1
0 0 1 0
21 2
1 2 3 0 0 1
1
x31 x32
3
Para calcular X21, se efecta el producto escalar de la segunda fila de A y la
1
primera columna de A-1, es decir, -1,2,0 1, x21 , x31 0 x21
2
A continuacin se efecta el producto escalar de la tercera fila de A y la primera
1 2
columna de A-1, es decir 1,2,0 1, , x31 0 x31
2 3
Finalmente, se calcula el producto escalar de la tercera fila de A y la segunda
1 1
columna de A-1, es decir, 1,2,3 0, , x32 0 x32
2 3
36

1 0 0

1 1
0
Por lo Tanto: A
-1
2 2
2 1 1

3 3 3
OPERACIONES ELEMENTALES O TRANSFORMACIONES ELEMENTALES

Dada una matriz de cualquier orden, se pueden desarrollar algunas
operaciones simples con las filas y columnas sin cambiar el orden de la matriz. El
propsito fundamental es el desarrollo de matrices para simplificar algunos
clculos. Para ello se introduce lo que se llama las transformaciones elementales.
TRANSFORMACIN ELEMENTAL DE FILA O COLUMNA

Sea A= a ij una matriz cuyas filas son F1, F2,..., Fm y cuyas columnas
mxn
son C1, C2,..., Cn. Se llama transformacin elemental de fila a uno de los tres tipos
de operaciones que denotaremos por:
1. Fij: La permuta de la fila i y la fila j.
2. Fi(): El producto de todos los elementos de la fila i (Fi) por un escalar 0
3. F ij (): A los elementos de la fila i (Fi), le sumamos los correspondientes
elementos de la fila j (Fj), multiplicados por un escalar 0. Esta operacin se

representa tambin por: Fi + Fj
Las transformaciones elementales de columna son anlogas a las

transformaciones elementales de fila y los tres tipos de operaciones se denota por:
1. Cij: La permuta de la columna i y la columna j.
2. Ci(): El producto de todos los elementos de la columna i (Ci) en la matriz, por
un escalar 0
37
3. Cij(): A los elementos de la columna i (Ci) de A, le sumamos los

correspondientes elementos de la columna j (Cj) de A multiplicados por un escalar
0. Esta operacin se representa tambin por: Ci + Cj
Ejemplos:
1 1 2
01. Sea la matriz A se tiene:
4 3 5
4 3 5
a) B transformacin elemental de fila. F12
1 1 2
1 1 2
b) C transformacin elemental de fila. F2 (-3)
12 9 15
9 7 12
c) D 1
transformacin elemental de fila F2 (2)
4 3 5
1 2 1 4
02. Sea la matriz A 2 4 3 5 , aplicar sucesivamente las
1 2 6 7
1
siguientes operaciones de fila: F12 (-2), F13 (1), F2 y F23 (-1)
5
MATRIZ ESCALONADA
Una matriz A= a ij , cuya estructura es de la forma:
mxn
1 a b c d . . . . x
0 0 1 e f . . . . y r filas no nulas

0 0 0 0 1 . . . . z

0 0 0 0 0 . . . . 0
A
. . . . . . . . . .

. . . . . . . . . . S filas nulas
. . . . . . . . . .

. 0 0 0 0 . . . . 0
Se dice que A es escalonada reducida si se satisfacen las siguientes condiciones:
1. El primer elemento no nulo de cada una de las r filas no nulas es la unidad.
38
2. Si existen s filas cuyos elementos son ceros, estas se encuentran en la

parte inferior de la matriz.
3. En cada una de las r filas no nulas, el nmero de ceros que preceden a la
unidad crece aritmticamente de fila a fila.
4. Todas las columnas que contienen el primer elemento diferente de cero, de
alguna fila, tienen ceros en todas las posiciones restantes.
Nota: Si una matriz cumple con las propiedades 1, 2, y 3, se dice que est
en su forma escalonada.
Ejemplos: de matrices en forma su escalonada:

1 7 8 9
0 1 4 3 8
1 6 1 3 1 3 5 0 1 5 4 7
1 6 3
A 0 1 3 4 , B 0 0 0 1 , C , D 0 1 2 3
0 0 1 2
0 0 1 5 0 0 0 0 0 0 1 9
0 0 0 0 0
0 0 0
Ejemplos de matrices en su forma escalonada reducida:
1 0 0 8
1 0 0 3 0 1 0 0 3 1 0 0 2
1 0 3
A 0 1 0 4 , B , C 0 1 0 4 , D 0 1 0 3

0 0 1 2
0 0 1 5 0 0 1 2 0 0 1 2
0 0 0 0
MATRICES EQUIVALENTES
Dos matrices A y B se llaman equivalentes si una de ellas se deduce de la
otra mediante una sucesin finita de transformaciones elementales de lnea (fila o
columna).
Ejemplo: Reducir a la forma escalonada por filas, la siguiente matriz:
4 10 6
1 2 2
A
6 8 2

2 3 2
Resolucin: Mediante la serie de transformaciones elementales de

fila: F1 (1/ 2), F3 (1/ 2), F12 (2), F13 (3), F12 , F14 (2), F24 (1), F23 (2), F3 1/ 7
39
y F34 (3) , se obtiene:
4 10 6 2 5 3 2 5 3 1 2 2 1 2 2
1 2 2 1 2 2 1 2 2 2 5 3 0 1 1
A
6 8 2 6 8 2 3 4 1 3 4 1 3 4 1

2 3 2 2 3 2 2 3 2 2 3 2 2 3 2
1 2 2 1 2 2 1 2 2 1 2 2 1 2 2
0 1 1 0 1 1 0 1 1 0 1 2 0 1 2

0 2 5 0 2 5 0 2 5 0 0 7 0 0 1

2 3 2 0 1 2 0 0 3 0 0 3 0 0 3
1 2 2
0 1 1
B
0 0 1

0 0 0
RANGO DE UNA MATRIZ. La caracterstica o rango de una matriz A no nula, se

define como el nmero de filas no nulas que quedan en la ltima iteracin de las
sucesivas transformaciones elementales que se hacen con la matriz.
Se deduce que para hallar el rango de una matriz es suficiente
transformarla a su forma escalonada, como dos matrices equivalentes tienen el
mismo rango, el rango de dicha matriz ser igual al rango de dicha matriz
escalonada. Si designamos por r el nmero de filas no nulas de la matriz
escalonada, entonces el rango de la matriz se denota por:
(A) = r
0 2 4
1 4 5

Ejemplo: Hallar el rango de la matriz: A 3 1 7

0 1 2
2 3 0
Resolucin:
40
1 4 5 1 4 5 1 4 3
0 2 4 0 2 4 0 2 4

F1 ( 3) F1 ( 2)
3 1 7 0 11 22 0 11 22
3 5
A :
F 12

0 1 2 0 1 2 0 1 2
2 3 0 2 3 0 0 5 10
1 4 3 1 4 3 1 4 3
0 1
2 F23 (11)
0
1 2 0 1 2

F24 ( 1)
F2 (1/ 2)
0 11 22
F25 (5)
0 0 0 0 0 0 B

0 1 2 0 1 2 0 0 0
0 5 10 0 0 0 0 0 0
La ltima matriz escalonada B tiene 2 filas no nulas, por lo tanto:

(B) = (A) = 2
INVERSA DE UNA MATRIZ POR EL MTODO DE LAS MATRICES

ELEMENTALES
(Mtodo de Gauss - Jordan)
Este Mtodo consiste en lo siguiente:

Para la matriz dada A de orden n, se construye una matriz rectangular
A = (A I) de orden nx2n, aadiendo a la derecha de A una matriz unidad.
Luego, mediante las transformaciones elementales sobre las filas, se reduce la
matriz A a la forma I B , lo cual es siempre posible de hacer, si A es inversible.
En este caso B = A-1. No es preciso conocer de antemano si A es inversible. Se

puede deducir fcilmente durante las sucesivas transformaciones si A es inversible
para hallar la matriz I B . Si uno de los elementos de la diagonal principal de la
matriz escalonada E en E B es cero, entonces A no tiene inversa.
41
Ejemplos:
1 1 1
1) Dada A 0 0 1 , hallar la matriz inversa si existe.
1 1 1
Resolucin:
1 1 1 1 0 0 1 1 1 1 0 0
(A I) 0 0 1 0 1 0 F13 ( 1) 0
0 1 0 1 0
1 1 1 0 0 1 0 2 2 1 0 1
1 1 1 1 0 0
0
F23
2 2 1 0 1
0 0 1 0 1 0
Como la forma escalonada de la matriz A no tiene ceros en la diagonal principal,

afirmamos que la matriz A es inversible.
1 1 0
E 0 2 2 Reduciendo la matriz E a la matriz identidad, se tiene:
0 0 1
1 1 1 1 0 0 1 0 0 1/ 2 0 1/ 2
0 2 2 1 0 1
F23
0 2 2 1
F21 (1/ 2)
0 1
0 0 1 0 1 0 0 0 1 0 1 0
1 0 0 1/ 2 0 1/ 2 1 0 0 1/ 2 0 1/ 2
F32 (1)
0 1 1 1/ 2 0 1/ 2
F2 (1/ 2)
0 1 0 1/ 2 1 1/ 2
0 0 1 0 1 0 0 0 1 0 1 0
1 0 1
1
A 1 2
-1
1
2
0 2 0
2) Calcular la inversa de la matriz A, si existe.

1 1 0
A 1 0 1
6 2 3
42
Resolucin: Para empezar, aadimos la matriz identidad a la matriz A para
formar:
1 1 0 1 0 0
A I 1 0 1 0 1 0
6 2 3 0 0 1
Ahora, usando operaciones elementales, reescribimos la matriz en la forma

I A-1
1 1 0 1 0 0 F2 (1) 1 1 0 1 0 0
A I 1 0 1 0 1 0 0 1 1 1 1 0
1

6 2 3 0 0 1 6 2 3 0 0 1
F13 (6) 1 1 0 1 0 0 F3 (4) 1 1 0 1 0 0

0 1 1 1 1 0
2 0 1 1 1 1 0

0 4 3 6 0 1 0 0 1 2 4 1
F3 (1) 1 1 0 1 00
F32 (1) 1 1 0 1 00
0 1 1 0 0 1 0
1 1
3 4 1
0 0 1 2 4 1 0 0 1 2 4 1
1 0 0 2 3 1
F21 (1) 0 1 0
3 3 1
0 0 1 2 4 1
Por lo tanto, A es inversible, y su inversa es
2 3 1
A 3 3 3
-1
2 4 1
3) Calcular la inversa de la matriz A, si existe.
1 2 0
A 3 1 2
2 3 2
43
Resolucin: Para empezar, aadimos la matriz identidad a la matriz A para
formar:
1 2 0 1 0 0
A I 3 1 2 0 1 0
2 3 2 0 0 1
Ahora, usando operaciones elementales, reescribimos la matriz en la forma

I A-1
1 2 0 1 0 0 F 2 ( 3) 1 2 0 1 0 0
A I 3 1 2 0 1 0 0 7 2 3 1 0
1

2 3 2 0 0 1 2 3 2 0 0 1
F13 (2) 1 2 0 1 0 0 F3 (1) 1 2 0 1 0 0

0 7 2 3 1 0
2 0 7 2 3 1 0

0 7 2 2 0 1 0 0 0 1 1 1
Como la parte A de la matriz aumentada tiene una fila nula, concluimos que
no es posible reducir la matriz A I a la matriz I A-1 .
Por lo tanto, A no es inversible.
EJERCICIOS 01
1 1 1
1) Hallar An si: A 1 1 1
1 1 1
1 1 1 1 1 1
2) a) Si A 0 1 0 . Hallar A25 b) Si A 1 1 1 . Hallar A100
0 0 0 0 0 1
1 a b 1
3) Si A 2 3 b es una matriz simtrica. Hallar N=A2.
b x a x 4
44
3 a b b
4) Si A 2 4 1 es una matriz involutiva, hallar M= 2 AT A2 .
b x 0
2 2 4 1 2 4
5) Sean las matrices. A 1 3 4 , B 1 2 4 . Hallar X, en la

1 2 3 1 2 4
siguiente ecuacin matricial: 2 X 3 A AB 7( B )
2 2 T
2 3 5 1 3 5
6) Sean las matrices. A 1 4 5 , B 1 3 5 , Hallar A5 B7 3 A 2B

1 3 4 1 3 5
7) Hallar la matriz cannica por filas, equivalente de cada una de las matrices:
1 2 2 3 1 1 2 3 0
1 3 2 3 0 2 4 3 2
a) A b) B
2 4 3 6 4 3 2 1 3

1 1 1 4 6 6 8 7 5
8) Mediante operaciones elementales por filas, transformar las siguientes matrices

en triangulares superiores:
1 1 2 1 0 1 2 1
2 0 1 3 1 2 1 0
a) A b) B
1 1 2 1 3 2 1 2

3 2 1 2 4 0 2 1
9) Calcular la matriz inversa de las siguientes matrices si existen, utilizando

transformaciones elementales por filas:
1 3 0 3 2 1 3 4 5

a) A 0 1 0

b) B 4 1 1

c) C 4 3 1

0 1 1 2 0 1 3 5 1
2 2 3 2 0 4 2 3 4

d) D 1 1 0

e) E 4 2 6 f) F 4 2 2

1 2 1 8 2 16 1 1 2
45
1 0 0 0 1 1 2
4
2 1 0 0 2 0 3 1
g) G h) H
0 2 1 0 4 2 1 0

8 1 1 2 2 4 1 2
1 0 0 0 1 0 0 0
2 1 0 0 2 1 0 0
i) J j) M .
4 2 1 0 0 2 1 0

2 3 1 1 8 1 1 1
n(n 1)
1 1 1 1 n 2

10) Sabiendo que A 0 1 1 ; demostrar que: An 0 1 n .
0 0 1 0 0 1

11) Matriz de produccin. Una empresa produce dos tipos de caf en tres tamaos
distintos. La produccin (en miles de unidades) en su planta de la localidad A est
dada por:
Tamao 1 Tamao 2 Tamao 3

20
Tipo 1 28 30

Tipo 2 16 22 20
Mientras que la produccin (en miles de unidades) en su planta de la localidad B
est dada por:
Tamao 1 Tamao 2 Tamao 3
Tipo 1 30 40 36

Tipo 2 24 20 28
a) Escriba la matriz que represente la produccin total de ambas plantas.

b) El gerente de la empresa plantea abrir una tercera planta en la localidad C, la
cual tendra una capacidad de 20% ms que la localizada en B. Escriba una matriz
que represente la produccin en la localidad C.
c) Cul ser la produccin total en las tres localidades?
12) Tarifas de contratistas. Una pequea empresa constructora cobra a $6 la hora

por un camin sin conductor, a $20 la hora por un tractor sin conductor y a $10 la
hora por cada conductor. La empresa utiliza la matriz A para diversos tipos de
trabajo.
46
Tipo de trabajo
I II III IV
1 1 1 2 Camin
A 2 0 1 1 Tractor
3 1 3 4 Conductor
a) Si P denota la matriz de precios que la empresa fija, con P 6 20 10 ,
determine el producto PA e interprete sus elementos.
b) Suponga que en un pequeo proyecto la empresa utiliz 20 horas de trabajo del

tipo I y 30 horas del tipo II. Si S denota la matriz de oferta.
20
30
S
0

0
Determine e interprete los elementos de AS.

c) Evale e interprete el producto de matrices PAS
47
CAPTULO V
DETERMINATES
AUGUSTIN-LOUIS CAUCHY
Cauchy fue un prolfero, publicando cerca de 800 trabajos. Sus contribuciones
fueron revolucionarias. Es considerado por muchos como el iniciador del rigor en
las matemticas modernas. Fue el primero en definir rigurosamente las nociones
de lmite, continuidad y divergencia de series. Adems de crear la teora de
funciones de una variable compleja, construy la teora de los determinantes y a
las ecuaciones diferenciales. Es interesante hacer constar que los trabajos de
Cauchy sobre determinantes precedieron al desarrollo de la teora de matrices de
Cayley.
EL DETERMINANTE DE UNA MATRIZ

A toda matriz cuadrada A se le asocia un nmero real que se le llama su
determinante, denotado por A det(A) . Los determinantes tienen muchas
aplicaciones, histricamente, el uso de los determinantes tuvo su origen en la

observacin de ciertas pautas en la soluciones de los sistemas de ecuaciones
lineales.
Clculo de determinantes
Determinante de una matriz de orden 2
a a12
El determinante de la matriz A= 11 viene dado por
a 21 a 22
a11 a12
A= a11a 22 a 21a12
a 21 a 22
Ejemplo:
Calcular el determinante de cada una de las siguientes matrices:
-3 2 1 2 3 0
a) A= b) B= c) C=
2 1 2 4 4 2
Resolucin:
48
-3 2 -3 2
a) A= A= (3)(1) (2)(2) 3 4 7
2 1 2 1
1 2 1 2
b) B= B= (1)(4) (2)(2) 4 4 0
2 4 2 4
3 0 3 0
c) C= C= (3)(2) (4)(0) 6 0 6
4 2 4 2
MENORES Y COFACTORES
Sea la siguiente matriz cuadrada de orden n:
a11 a12 . . . a1 j . . . a1n

a a2 n
21 a22 . . . a2 j . . .
. . . .

. . . .
. . . .
A
ai1 ai 2 . . . aij . . . ain fila i
. . . .

. . . .
. . . .

an1 an 2 . . . anj . . . an
n
Columna j
Sea M ij la submatriz cuadrada de orden (n-1) que resulta de eliminar la fila i y la
columna j de A, entonces
a) El determinante Mij se llama menor complementario (menor) del elemento
a ij de A.
b) El cofactor del elemento a ij , que se simboliza por A ij , se define por:
Aij (1)i j Mij
Ejemplo: Para la siguiente matriz.
49
2 4 5
A= 3 2 1
1 1 2
Los menores y cofactores correspondientes de la primera fila son,

respectivamente:
2 1
El menor del elemento a 11 es M11 ; pero M11 se ha suprimido la
1 2
fila 1 y la columna 1, luego:
2 1
M11 =5
1 2
El cofactor del elemento a 11 es A11 , pero A11 (1)11 M11 (1)2 (5) 5
En forma anloga se tiene para los dems elementos de la fila:

3 1 3 1
M12 5 A12 (1)12 (1)(5) 5
1 2 1 2
3 2 3 2
M13 5 A13 (1)13 (1)(5) 5
1 1 1 1
MATRIZ DE COFACTORES
Si A es una matriz cuadrada de orden n y A i j es el cofactor del elemento
a i j , entonces la matriz
A11 A12 . . . A1n

A A 22 . . . A 2n
21
. . .
CofacA
. . .
. . .

A n1 A n2 . . . A nn
Se llama matriz de cofactores de A.
La transpuesta de esta matriz se llama matriz adjunta de A, es decir:
50
adjA= CofacA
T
Ejemplo: Hallar la matriz adjunta de A

1 3 5
A 3 5 1
5 1 3
Resolucin:
5 1 3 1 3 5

1 3 5 3 5 1
3 14 - 4 -22
1 3
CofacA= - 4 -22 14
5 1 5
CofacA
1 3 5 3 5 1

- 22 14 - 4
3 5

1 5

1 3
5 1 3 1 3 5
Matriz adjunta de A
14 - 4 -22
adjA CofacA = - 4 -22 14
T
- 22 14 - 4
Desarrollo de un determinante por cofactores

Teorema 05. El determinante de la matriz cuadrada A= a ij es igual a la suma
n
de los productos de los elementos de cualquier fila o columna por sus respectivos
cofactores.
Para aplicar este teorema es necesario elegir una fila o columna y proceder a
efectuar el desarrollo por dicha fila o columna.
a) Si elegimos la fila k, el desarrollo del determinante, por fila, obedece a la
siguiente regla: n
A = ak j A k j
j
b) Si elegimos la columna j, el desarrollo del determinante, por columna,

obedece a la siguiente regla:
51
n
A = akj A kj
k
Ejemplo: Calcular A
2 4 5
A= 3 2 1
1 1 2
Resolucin:
Encontrando el determinante de A, haciendo el desarrollo por primera fila.

2 1 3 1 3 2
A =2 4 5 = 2(4+1) - 4(-6+1) + 5(-3-2) = 10 + 20 - 25 = 5
1 2 1 2 1 1
Luego A = 5
PROPIEDADES DE LOS DETERMINANTES
Si todas las matrices son cuadradas de orden n, entonces se cumplen las

siguientes propiedades:
1. El determinante de la matriz identidad es igual a 1.

Ejemplo: Dada la matriz identidad de orden 3.
1 0 0 1 0 0

I= 0 1 0 I 0 1 0 1
0 0 1 0 0 1
2. El determinante de la matriz nula es igual a cero.

Ejemplo: Dada la matriz nula de orden 3.
0 0 0
O= 0 0 0 O 0
0 0 0
3. Para toda matriz A se tiene que A AT
Ejemplo: Sea la matriz A.
2 4 5
A= 3 2 1 A 5
1 1 2
52
2 3 1
A T = 4 2 1 A T 5
5 1 2
4. Para toda matriz A y B se tiene que AB A B
Ejemplo: Dadas las matrices, comprobar la propiedad 4
2 4 5 1 2 3
A= 3 2 1 , B= 2 1 3
1 1 2 3 2 1
1
5. Para toda matriz inversible A, se cumple que: A -1
A
2 4 5
Ejemplo: Dada la matriz A= 3 2 1 , comprobar la propiedad 5.
1 1 2

6. Para toda matriz A, se cumple que: Am A , m
m
Ejemplo: Dada la matriz:

2 4 5
A= 3 2 1 , comprobar la propiedad 6, para m=2.
1 1 2
7. El determinante de toda matriz A cambia de signo si dos filas o columnas se

intercambian.
Ejemplos:
a) Sea la matriz
-3 2 -3 2
A= A= (3)(1) (2)(2) 3 4 7
2 1 2 1
-Intercambiamos dos filas y calculamos el determinante.
2 -3 2 -3
B= B= (2)(2) (3)(1) 4 3 7
1 2 1 2
Luego : B A
b) Sea la matriz:
1 2 3 1 2 3
A= 3 2 1 A 12 B= 2 1 3 B 12
2 1 3 3 2 1
53
8. Si la matriz B se obtiene de la matriz A, trasladando una de sus filas o columnas

k lugares entonces, se tiene que B (1)k A
Ejemplo:
2 4 5 2 4 5

A= 3 2 1 A 3 2 1 5
1 1 2 1 1 2
Trasladando la ltima fila a la primera, se observan que se trasladan dos
lugares (k=2). Calculando el determinante.

2 4 5 1 1 2

A= 3 2 1 B 2 4 5 5
1 1 2 3 2 1
B (1)2 A = A
Trasladando la segunda fila a la primera, se observan que se traslada un
lugar (k=1). Calculando el determinante.

2 4 5 -3 2 1

A= 3 2 1 B 2 4 5 5
1 1 2 1 1 2
B (1)1 A A
9. Si en una matriz se tiene que una fila o columna es mltiplo de otra fila o
columna, entonces el determinante dicha matriz es igual a cero.
Ejemplo: sea la matriz
2 4 5
A= 6 12 15 A 0
1 1 2
10. Si en una matriz A todos los elementos de una fila o columna son ceros,
entonces su determinante es igual a cero.
2 4 5
A= 0 0 0 A 0
1 1 2
11. Si en una matriz A todos los elementos de una fila o columna son
multiplicados por un escalar K, entonces el valor del determinante tambin
queda multiplicado por k.
54
Ejemplo:
2 6
A= A 6
4 9
Multiplicamos la primera fila por -4, obtenemos la matriz:
8 24
B= B 72 96 24 4 A
4 9
Nota: Si una matriz cuadrada de orden n es multiplicada por un escalar k, esto

significa que todas las filas de A son multiplicadas por k o en forma
equivalente, todas las columnas de A son multiplicadas por k, entonces el
determinante de la matriz A queda multiplicada por k n .
Si A es una matriz de orden n y k un escalar, entonces kA =k n A .

2 6
A= A 6
4 9
8 24
4A= 4A 288 384 96 42 6 42 A
16 36
12. Si a una fila o columna de una matriz A se le suma el mltiplo de otra fila o
columna, se tendr que el valor del determinante de A no vara.
2 6 2 6
A= A 6 B= B 6
4 9 8 21
13. Si los elementos de una fila o columna cualquiera constan de dos trminos,
el determinante pude expresarse como la suma de los otros dos
determinantes.
Ejemplo:
a1 d1 b1 c1 a1 b1 c1 d1 b1 c1
a2 d 2 b2 c2 a2 b2 c2 d 2 b2 c2
a3 d 2 b3 c3 a3 b3 c3 d3 b3 c3
14. Si D dij es una matriz diagonal de orden n, entonces el valor de su

determinante es igual al producto de los elementos de la diagonal, es decir.
D d11d22d33...dnn
Ejemplo:
55
2 0 0 0
0 4 0 0
D 16
0 0 2 0
0 0 0 1
15. El determinante de una matriz triangular superior o triangular inferior es
igual al producto de los elementos de la diagonal principal.
Ejemplo.
3 2 4 6 2 0 0 0
0 4 8 2 5 4 0 0
T 24 T 48
0 0 2 4 3 2 2 0
0 0 0 1 2 8 5 3
16. En forma general, el determinante de una suma de matrices es diferente de
la suma de los determinantes de las matrices. Es decir:
A+B A B
Clculo de determinantes mediante la reduccin a la escalonada.

La idea bsica de este mtodo consiste en aplicar las propiedades y
operaciones elementales en las filas o las columnas de la matriz original A y
transformarla a una matriz B que tenga la forma escalonada, puesto que la
forma escalonada de una matriz cuadrada es triangular superior o inferior, el
determinante se puede calcular aplicando la propiedad (15).
17. Si la matriz B se obtiene de A sumando a los elementos de una de las

lneas (filas o columnas) los correspondientes de otra lnea multiplicados por un
escalar entonces A B
Ejemplo: Calcular el determinante de las siguientes matrices

4 6 3 2 1/ 2 1/ 2 1 1/ 2
2 4 9 3 1/ 2 1/ 2 0 1/ 2
a) A b) A
1 2 3 1 2 / 3 1/ 3 1/ 3 0

3 6 9 2 1/ 3 1 1/ 3 0
Resolucin: Realizando operaciones elementales de fila a la matriz A:
4 6 3 2 1 2 3 1 1 2 3 1
2 4 9 3 4 6 3 2 0 2 9 2
(1)(2)(3)(1) 6
1 2 3 1 2 4 9 3 0 0 3 1

3 6 9 2 3 6 9 2 0 0 0 1
A 6
56
Clculo de determinantes por el mtodo de condensacin pibotal
El mtodo consiste en obtener otro determinante B a partir de A aplicando

repetidas veces la propiedad (17) de los determinantes, que goce de la
propiedad de que todos los elementos de alguna lnea (fila o columna) sean
iguales a cero, excepto uno. Si llamamos bpq al elemento distinto de cero y
pq su adjunto.
A B bp q . p q bp q .(1) p q (menor complemtario de bp q )
Ejemplo: Calcular el determinante de las siguientes matrices

2 3 2 4 4 1 3 2
3 2 1 2 1 2 3 4
a) A b) A
3 2 3 4 2 1 3 5

2 4 0 5 1 4 3 6
4 6 3 2 1/ 2 1/ 2 1 1/ 2
2 4 9 3 1/ 2 1/ 2 0 1/ 2
c) A d) A
1 2 3 1 2 / 3 1/ 3 1/ 3 0

3 6 9 2 1/ 3 1 1/ 3 0
1 1 1 1 1
1 2 3 4 5 a 1 1 1
1 a 1 1
e) A 1 3 6 10 15 f) A
1 1 a 1
1 4 10 20 35
1 5 15 35 70 1 1 1 a
Resolucin a)
2 3 2 4 2 2(3) 3 2(2) 2 2(1) 4 2(2) 8 1 0 8

3 2 1 2 3 2 1 2 3 2 1 2

3 2 3 4 3 3(3) 2 3( 2) 3 3(1) 4 3(2) 6 8 0 2
2 4 0 5 2 4 0 5 2 4 0 5
8 1 8 8 8(1) 1 8 (1) 0 1 0
23
(1)(1) 6 8 2 6 8(8) 8 2 8(8) 58 8 62
2 4 5 2 8(4) 4 5 8(4) 30 4 37
57
58 62
(1)(1) 23 256
30 37
A 256
CLCULO DE LA MATRIZ INVERSA

Ejemplos:
1. Hallar la matriz inversa de
1 4
A=
1 3
Resolucin:
Para hallar la matriz inversa de A resolveremos la ecuacin matricial AX=I ,
con incgnita X
1 4 x11 x12 1 0
AX=I
1 3 x21 x22 0 1
x11 4 x21 x12 4 x22 1 0

x 3x
11 21 x12 3x22 0 1
x11 4 x21 1 x12 4 x22 0

x11 3x21 0 x12 3x22 1
x11 3 x21 1
x12 4 x22 1
3 4
Por lo tanto: X=A-1
1 1
a a12
Teorema 05. La matriz A 11 tiene inversa A-1 si y slo si A 0 y
a21 a22
1 a22 a12
A-1 a
A 21 a11
DEMOSTRACIN
58
x y
Sea A-1A=I A-1 la inversa de la matriz A como A-1 es inversa de A,
z w
a a12 x y
entonces, A-1A=I de donde 11 I operando se tiene:
a21 a22 z w
a11 x a12 z a11 y a12 w 1 0

a x a z a y a w 0 1 ahora por igualdad de matrices
21 22 21 22
a11 x a12 z 1
a y a w 0
11 12

a
21 x a 22 z 0
a21 y a22 w 1
Resolviendo el sistema se tiene:

a22 a a a
x , y 12 , z 21 , w 11
A A A A
a22 a12

x y A A
Luego: A

-1
z w a21 a11

A A
1 a22 a12
Por lo tanto: A-1 a
A 21 a11
1 3
2. Hallar A-1 si existe, en la siguiente matriz: A=
2 4
Resolucin:
1 3
A 4 6 2 0
2 4
1 a22 a12
Como : A 2 0 A-1 a
A 21 a11
3
2
1
A -1
4 3
2

2 2 1
1
1
2
59
Comprobacin:
1 3 1 4 3 1 2 0 1 0
A.A-1 . I
2 4 2 2 1 2 0 2 0 1
Teorema 06. Si A es una matriz inversible, es decir A 0 , entonces la
1
matriz inversa est dada por: A -1 adjA
A
Ejemplo: Hallar la matriz inversa de A, si existe.

1 3 5
A 3 5 1
5 1 3
Resolucin: Hallamos el determinante de A

1 3 5
A 3 5 1 115 1 3 9 5 5 3 25 108
5 1 3
Como : A 108 0, entonces A -1
Hallamos la matriz de cofactores:

5 1 3 1 3 5

1 3 5 3 5 1
3 14 - 4 -22
1 3
CofacA= - 4 -22 14
5 1 5
CofacA
1 3 5 3 5 1

- 22 14 - 4
3 5

1 5

1 3
5 1 3 1 3 5
14 - 4 -22
Matriz adjunta de A: adjA CofacA = - 4 -22 14
T
- 22 14 - 4
1
Matriz inversa de A: A1 .adj ( A)
A
60
14 - 4 -22
A -1
1 - 4 -22 14
-108
- 22 14 - 4
7 2 11
54 54 54

2 11 7
A -1
54 54 54

11
7 2
54 54 54
3. Hallar la matriz inversa si existe

1 2 0
A 3 -1 2
- 2 3 - 2
Resolucin:
1 2 0
A 3 1 2 1 2 6 2 6 4 0 9 2 4 4 0
2 3 2
Como : A 0, entonces no existe A -1
PROPIEDADES DE LA MATRIZ ADJUNTA

1) adj( A) A A1 2) adj( A1 ) adj( A) 1
3) adj ( An ) adj ( A) 4) adj (kA) k n 1adj ( A)

n
5) adj ( AB) adj ( B).adj ( A), con A 0, B 0.
7) adj (kA) k n1 A
n 1 n n 1
6) adj ( A) A
61
CAPTULO VI
SISTEMAS DE ECUACIONES LINEALES
El sistema de ecuaciones lineales de m ecuaciones y n incgnitas:
a11 x1 a12 x2 + + a1n xn b1
a x
21 1 + a 22 x2 + + a 2 n xn b2
(1)

a m1 x1 + a m 2 x2 + + a mn xn bm
Es equivalente a la ecuacin matricial:

a11 a12 a1n x1 b1
a a2 n x2 b2
21 a22 (2)

am1 am 2 amn xn bm
Donde, la matriz A se llama matriz de los coeficientes del sistema (1)

a11 a12 . . . a1n
a a22 . . . a2 n
A 12
. . . . . .

am1 am 2 . . . amn mxn
La matriz de incgnitas es:

x1
x
X 2

xn n x1
La matriz de los trminos independiente es:
b1
b
B 2

bm m x1
La matriz Aa A B de orden mx(n+1) se llama matriz aumentada o ampliada del
sistema (1):
62
a11 a12 . . . a1n b1

a a22 . . . a2 n b2
Aa 21
. . . . . . .

am1 am 2 . . . amn bm
Si el sistema (1) tiene una o ms soluciones, entonces diremos que el

sistema es consistente, en caso contrario diremos que es inconsistente.
Un sistema de ecuaciones lineales puede resolverse trabajando con su
matriz ampliada. Especficamente, reducindola a la forma escalonada (esto nos
dice si el sistema es compatible o no) y luego a su forma cannica por filas. Este
proceso se justifica por:
1. Cualquier operacin elemental entre filas en la matriz ampliada A a del
sistema es equivalente a efectuar la operacin correspondiente en el

sistema mismo.
2. El sistema tiene solucin si y slo si la forma escalonada de la matriz
ampliada no tiene una fila de la forma 0, 0, ,0, b con b diferente de cero.
3. En la forma cannica por filas de la matriz ampliada A a (excluyendo filas
nulas) el coeficiente de cada variable no libre es una entrada principal no

nula igual a uno y es la nica entrada distinta de cero en su columna; de
aqu la solucin en la forma de variables libres se obtiene simplemente
transfiriendo los trminos de variable no libre al otro miembro.
As por ejemplo:
a) Resolver el siguiente sistema:
x + y - 2z + 4w = 5

2x + 2y - 3z + w = 3
3x + 3y - 4z - 2w = 1

Resolucin:
63
1 1 2 4 5 1 1 2 4 5 1 1 2 4 5
A a 2 2 3 1 3 0 0 1 7 7 0 0 1 7 7
F12 ( 2) F13 ( 3)
3 3 4 2 1 3 3 4 2 1 0 0 2 14 14
1 1 2 4 5 1 1 0 10 9

F23 ( 2) F23 (2)
0 0 1 7 7 0 0 1 7 7
0 0 0 0 0 0 0 0 0 0
Puesto que la tercera fila de la ltima matriz tiene todas sus entradas ceros;
entonces la solucin general en forma de variables libres queda como sigue:
x + y - 10w = - 9 x = - 9 - y + 10w

z - 7w = -7 z = -7 -7w
Aqu las variables libres son w e y, y las no libres son x y z.

Asignando valores arbitrarios a las variables libres y y w, por ejemplo s y t
respectivamente, se tiene un nmero infinito de soluciones. El conjunto solucin
queda definido por:
x = - 9 - s + 10t
, s yt
z = -7 -7t
X - 9 - s + 10t, s, -7 -7t,t , s y t
T
b) Resolver el siguiente sistema de ecuaciones:

x1 + x 2 - 2x 3 + 3x 4 = 4

2x1 + 3x 2 + 3x 3 - x 4 = 3
5x + 7x + 4x + x = 5
1 2 3 4
Primeramente reducimos su matriz ampliada a la forma escalonada:

1 1 2 3 4 1 1 2 3 4 1 1 2 3 4
A a 2 3 3 1 3 0 1 7 7 5 0 1 7 7 5
F12 ( 2) F13 ( 5)
5 7 4 1 5 5 7 4 1 5 0 0 0 0 5
Como podemos apreciar, aqu no hay necesidad de continuar para hallar la

forma cannica por filas de la matriz, puesto que la matriz escalonada ya nos
indica que el sistema no tiene solucin. Especficamente, la tercera fila en la matriz
escalonada corresponde a la ecuacin degenerada:
64
0x1 0x 2 +0x 3 +0x 4 5
Lo que es absurdo, por lo que, el sistema es incompatible y carece de solucin.

c) Resolver el siguiente sistema de ecuaciones:
x + 2y + z = 3

2x + 5y - z = -4
3x - 2y - z = 5

Resolucin:
Para esto se resuelve reduciendo su matriz ampliada a la
forma escalonada y luego a la forma cannica por filas como sigue:
1 2 1 3 1 2 1 3 1 2 1 3
A a 2 5 1 4 0 1 3 10 0 1 3 10
F12 ( 2) F13 ( 3)
3 2 1 5 3 2 1 5 0 8 4 4
1 2 1 3 1 2 1 3 1 2 0 0
0 1 3 10 0 1 3 10 0 1 3 10

F23 (8)
F 3( 1/ 28) F31 ( 1)
0 0 28 84 0 0 1 3 0 0 1 3
1 2 0 0 1 0 0 2
0 1 0 1 0 1 0 1

F32 (3)
F21 ( 2)
0 0 1 3 0 0 1 3
De este modo, el sistema tiene la solucin nica x = 2, y = -1, z = 3
X 2, 1, 3 Si notamos en la forma escalonada de A a ya nos indicaba que la

T
solucin del sistema era nica, puesto que corresponda a un sistema triangular.
RANGO DE UN SISTEMAS DE ECUACIONES LINEALES

Sea el sistema de ecuaciones lineales:
a11 x1 a12 x2 + + a1n xn b1
a x + a x +
21 1 22 2 + a 2 n xn b2
(1)
a m1 x1 + a m 2 x2 + + a mn xn bm
65
Donde: A= a ij , X x i nx1 y B bi mx1 .Adems, Aa A B

mxn
PROPIEDADES
1. Una condicin necesaria y suficiente, para que el sistema (1) sea
consistente, es que el rango de la matriz de los coeficientes sea igual al
rango de la matriz aumentada.
2. Si el sistema es consistente, se presentan los siguientes casos:
a) Que el sistema (1) tenga una solucin (solucin nica). Este hecho
ocurre si el nmero de incgnitas del sistema es igual al rango de la
matriz aumentada. Es decir como el sistema tiene n incgnitas y es
consistente r (A) r (Aa ) , tendr solucin nica si r (A) r (A a ) n .
b) Que el sistema (1) tenga ms de una solucin (existen infinitas
soluciones). Este hecho ocurre si el nmero de incgnitas del sistema es
mayor que el rango de la matriz aumentada. Es decir, como el sistema
tiene n incgnitas y es consistente, supongamos r (A) r (Aa ) k ,
tendr ms de una solucin si r (A) r (A a ) k n .
Como k<n, entonces (n-k) variables del sistema (1) toman valores
arbitrarios. Estas variables que toman valores arbitrarios se conocen con el
nombre de variables libres, variables independientes o parmetros.
3. Si el rango de la matriz de los coeficientes es distinto del rango de la matriz

aumentada, entonces se dice que el sistema (1) es inconsistente. Es decir
r (A) r (A a ) , entonces el sistema (1) es inconsistente, es decir no existe
solucin.
AX=B
Si r (A) r (A a ) Si r (A) r (A a ) k el
El sistema es inconsistente, el sistema es consistente,
no hay solucin hay solucin
Si k= n Si k<n
Solucin nica Infinitas soluciones
66
Ejemplos:
1. Resolver los siguientes sistemas de ecuaciones:

2 x 2 y 6 z 10

a) 2 x y 4 z 11
y z 3

Resolucin:
Formamos la matriz aumentada

2 2 6 10 1 1 3 5 1 1 3 5
2 1 4 11 2 1 4 11 0 3 2 1

0 1 1 3 0 1 1 3 0 1 1 3
1 1 3 5 1 1 3 5 1 1 3 5
0 1 1 3 0 1 1 3 0 1 1 3

0 3 2 1 0 3 2 1 0 0 5 8

1 1 3 5

0 1 1 3
8
0 0 1
5
n=3 (nmero de incgnitas)

r (A) r (A a ) 3 n
Es un sistema consistente con solucin nica

x y z 5

y z 3
8
z
5
8 7 8
x , y ,z
5 5 5
T
8 7 8
X , ,
5 5 5
67
x 2y z 2 w 2
2 x 3y 5w
z 9
b)
4 x y z w 5
5 x 3y 2z w 3
Resolucin:
Formamos la matriz aumentada

1 2 1 2 2 1 2 1 2 2
2 3 1 5
9 0 7 3 9 13

4 1 1 1 5 0 7 3 9 13

5 3 2 1 3 0 7 3 9 13
1 4 12
1 2 1 2 2 1 0
7
13
7 7
9
0 1 3 0 3 9 13
7 7 7 1
7 7 7
0 7 3 9 13
0 0 0 0 0
0 7 3 9 13
0 0 0 0 0
r (A) r (A a ) 2 n 4
Por lo tanto, el sistemas es consistente con infinitas soluciones (el sistema
tiene ms de una solucin)
Variables libres
VL n k VL 4 2 2 (nmero de variables libres)
Luego existen dos parmetros, por ejemplo s, t
z 4w 12
x 7

7

7

y 3z 9w 13

7 7 7
Asignamos los valores a las variables z y w.

z s, w t , s, t
s 4t 12 4t s 12
x x
7 7 7 7
3s 9t 13 3s 9t 13
y y
7 7 7 7
4t s 12 3s 9t 13
T

X , , s, t , s, t
7 7
68
2. En una fbrica se obtiene tres productos A, B, C a partir de tres materias

primas X, Y, Z. La siguiente tabla indica las unidades necesarias de
cada materia prima para obtener una utilidad de cada producto:
X Y Z
A 2 1 1
B 3 2 1
C 4 2 2
Se dispone de 90 unidades de X, 50 unidades de Y y 40 unidades de Z.

Calcular la produccin A, B y C utilizando toda la materia prima.
Resolucin:
Llamando x1 , x 2 , x 3 a la cantidad que se va a producir de A, B y C,
respectivamente, se plantea el siguiente sistema de ecuaciones:
2 x1 3x2 4 x3 90

x1 2 x2 2 x3 50
x x 2 x3 40
1 2
2 3 4 90 1 2 2 50
1 2 2 50 2 3 4 90

1 1 2 40 1 1 2 40
1 2 2 50 1 2 2 50
0 1 0 10 0 1 0 10

0 1 0 10 0 0 0 0
El sistema es compatible indeterminado, con una variable libre.
x1 2 x2 2 x3 50

x2 10
x1 30 2t

x2 10 con x3 t
x
3 t
Para que la solucin sea vlida las cantidades deben se positivas
x1 0 t <15
0 t 15
x3 0 t >0
69
3. Un fabricante de muebles se dedica a construccin de sillas, mesas y

armarios. Para su construccin se utilizan madera de pino, clavos de 5
mm de grosor y cola de ebanista. La combinacin de factores para la
construccin de cada uno de los muebles es la siguiente:
Silla Mesa Armario

Tablones de pino 1 2 2
Clavos 3 2 4
Botes de cola 2 3 1
La empresa dispone de 20 tablones de pino, 2 cajas de 20 clavos cada

una y 30 botes de cola. Los precios de venta al pblico de sus productos
son los siguientes: 400 euros una silla, 700 euros una mesa y 1200
euros un armario. Los costos de los factores son: 300 euros el tabln de
pino, 100 euros la caja de clavos y 21 euros el bote de cola. Determinar
el beneficio obtenido con la venta de la produccin utilizando todos los
recursos disponibles.
Resolucin:
En primer lugar, vamos a dar nombres a las variables del problema.

Nuestra incgnita son las cantidades de sillas, mesas y armarios que la
fbrica es capaz de construir con los factores disponibles.
Llamemos x a la cantidad de sillas construidas, y a la cantidad de mesas
y z a la cantidad de armarios. Luego, planteamos un sistema de
ecuaciones con los datos de la tabla.
De los 20 tablones de pino disponibles utilizamos 1 por cada silla,
como se va a fabricar en total x sillas, necesitaremos 1.x tablones para
las sillas; para cada mesa necesitamos 2 tablones, en total necesitamos
2.y tablones para mesas, del mismo modo para los armarios
necesitamos 2.z tablones; obteniendo as la primera ecuacin del
sistema:
X+2y+2z=20
En cuanto a los clavos, para sillas utilizamo.3.x, para mesas 2.y y para
armarios 4.z. La ecuacin ser:
3x+2y+4z=40
Para botes de cola tenemos la ecuacin
2x+3y+z=30
Luego el sistema de ecuaciones ser:
x 2 y 2 z 20

3x 2 y 4 z 40
2 x 3 y z 30

Utilizando la regla de Cramer
70
20 2 2 1 20 2 1 2 20
40 2 4 3 40 4 3 2 40
30 3 1 80 2 30 1 40 2 3 30 20
x 8; y 4; Z 2
1 2 2 10 1 2 2 10 1 2 2 10
3 2 4 3 2 4 3 2 4
2 3 1 2 3 1 2 3 1
Ya podemos obtener los ingresos por las ventas:

I 400.8 700.4 1200.2 8400
El costo de produccin es:
C 300.20 100.2 21.30 7100
El beneficio obtenido por el fabricante ser:
B 8400 7100 1300
REGLA DE CRAMER
La regla de Cramer, as llamada en honor a Gabriel Cramer (1704-1752), es una

frmula que se utiliza determinantes para resolver sistemas de n ecuaciones
lineales en n variables. Es aplicable slo en sistemas lineales con solucin nica.
Considerando un sistema de n ecuaciones con n incgnitas, es decir:
a11 x1 a12 x2 a1n xn b1

a x a x a 2n xn b2
21 1 22 2
a m1x1 a n2 x2 a nn xn bn
La ecuacin matricial equivalente al sistema es:
a11 a12 a1n x1 b1

a a2 n x2 b2
21 a22

an1 an 2 ann xn bn
AX=B
Donde:
A: Matriz de coeficientes,
X: matriz de incgnitas y
B: matriz de trminos independientes.
Entonces, si A -1existe y AX=B, si y slo si X=A -1B
71
TEOREMA07. REGLA DE CRAMER
Si la matriz de coeficientes A de un sistema de n ecuaciones con n variables, tal

que A 0, la solucin nica del sistema viene dado por:
A1 A A
x1 , x 2 2 ,..., x n n
A A A
Donde: A i es la matriz que se obtiene al reemplazar los elementos de la i-sima
columna de A por los elementos de la matriz de trminos independientes
B.
DEMOSTRACIN
Consideremos al sistema representado por AX=B , ya que A 0 , podemos escribir:
X A-1B x1 A11 A 21 A n1 b1
X
1
adj(A)B x A n2 b2
2 1 A12 A 22
A X
A

xn A1n A 2n A nn bn
x1 b1A11 b2 A 21 +bn A n1
x +b n A n2
2 1 b1A12 b 2 A 22
A

xn b1A1n b2 A 2n +bn A nn
Por lo tanto el elemento de la fila i-sima de X es:
b1A1i b2 A 2i bn A ni
xi
A
Donde el numerador es el desarrollo del determinante de la matriz A i obtenida a partir de
A, sustituyendo la i-sima columna.
a1i b1
a
2i por b2 i 1, n

ani bn
Ai
xi
A
72
Ejemplos.
1. Resolver el siguiente sistema:
2 x y z 1

x 2y z 2
x y 2z 3

Resolucin:
Matriz de coeficientes:
2 1 1
A 1 2 1
1 1 2
Calculamos su determinante A 4 0
Por lo tanto la matriz A es regular y el sistema tiene solucin nica:
1 1 1 2 1 1 2 1 1
1 1 1
x 2 2 1,y 1 2 1,z 1 2 2
1 1 3 43 1 2 4
1 3 2
4
1 1 3
x , y ,z
2 2 2
1 1 3
X , ,
2 2 2
2. Discutir y resolver el siguiente sistema segn el valor del parmetro a.

2x (2 a) y 0

(2a 2) x ay 2z 2a a
(a 1) x (a 1) z a 1

Resolucin:
La matriz ampliada correspondiente a este sistema es:
2 2a 0 0
2a 2 a 2 2a a

a 1 0 a 1 a 1
En primer lugar se calcula A , para hallar los valores del parmetro a que
hacen que el rango de A sea igual a 3 o menor que 3.
73
2 2a 0
A 2a 2 a 2 2a(a 1) 2(2 a)(a 1) (2 a)(2a 2)( a 1)
a 1 0 a 1
(a 1)(2a 4 2a 4a 4 2a 2 2a) (a 1)(2a 2 2a)
2a(a 1)(a 1)
Existen los siguientes casos:
- Si a 1, 0, 1, entonces rg(A)=rg(A B)=3=n (nmero de incgnitas)
De donde se deduce que el sistema es compatible determinado. Adems,
es un sistema de Cramer y su solucin es:
0 2a 0
2a 2 a 2
a 1 0 a 1 2a(a 1)(a 2) a 2
x
2 2a 0 2a(a 1)(a 1) a 1
2a 2 a 2
a 1 0 a 1
a 0 0
2a 2 2a 2 2
a 1 a 1 a 1 4a(a 1) 2
y
2 2a 0 2a(a 1)(a 1) a 1
2a 2 a 2
a 1 0 a 1
2 2a 0
2a 2 a 2a 2
a 1 0 a 1 2a(a 1) 1
x -
2 2a 0 2a(a 1)(a 1) a 1
2a 2 a 2
a 1 0 a 1
- Si a 0, entonces A 0 y rg ( A) 3.
2 2
Se tiene que rg(A)=3 ya que 4 0 y rg (A B) 2,
2 1
2 2 0
ya que 2 0 -2 0
1 0 -1
Como rg (A B) rg (A) 2
74
El sistema es compatible indeterminado con un grado de libertad y se

puede resolver transformndolo en el siguiente sistema Cramer, de dos
ecuaciones y dos incgnitas.
2 x 2 y 0
2 x 2 2 z
0 2 2 0
2 2 z 0 4 4 z 2 2 2 z 4 4 z
x 1 z y 1 z , con z
2 2 4 2 2 4
2 0 2 0
- Si a 1, entonces
2 1 0 0 2 1 0 0 2 1 0 0
0 0 1 2 0
A B 4 1 2 0 0 1 2
2 0 2 0 0 1 2 0 0 0 0 0
rg(A) = rg(A B) = 2 < 3= n
En consecuencia, el sistema es Compatible indeterminado con una variable
libre y sus soluciones son las mismas que la del sistema:
2 x 2 y 0
x z, y 2 z; con z
y 2 z 0
- Si a 1, entonces
2 3 0 0
4
A B 0 1 2
0 0 0 2
rg(A)=2 y rg(A B)=3 rg(A) rg(A B)
En consecuencia el sistema es incompatible.
SISTEMAS DE ECUACIONES LINEALES HOMOGNEOS
Se dice que un sistema de ecuaciones lineales es homogneo si todas las

constantes son iguales a cero, es decir, si tienen la forma:
a11 x1 a12 x2 a1n xn 0
a x 0
21 1 a 22 x2 a 2n xn
...(1)

a m1 x1 a m2 x2 a mn xn 0
Es equivalente a la forma matricial: AX= O
Donde: A= a ij , X x i nx1 y O oi mx1 .

mxn
75
Observaciones
1. El sistema (1) siempre tiene por lo menos una solucin (llamada solucin
trivial de la forma x1 x2 ... xn 0 , por lo tanto es consistente. Luego:
rg(A) = rg(A a ).
2. Una condicin necesaria y suficiente para que el sistema (1) tenga ms de
una solucin, es que rg(A) = rg(A a ) = k < n , donde n es el nmero de
incgnitas. En este caso, el sistema posee tambin soluciones diferentes de
la nula, las cuales son llamadas soluciones no triviales. Para hallar estas
soluciones se aplica el mtodo que se us en el caso de un sistema de
ecuaciones lineales no homogneo.
3. Si rg(A) = rg(A a ) = k = n , entones el sistema de ecuaciones tiene una nica
solucin, la cual es trivial.
4. Si el sistema (1) se tiene que m=n (nmero de ecuaciones es igual al
nmero de incgnitas), entonces una condicin necesaria y suficiente para
que el sistema tenga soluciones no triviales es que A 0 , ya que en este
caso rg(A) < n .
Ejemplos
1. Resolver el siguiente sistema

2 x 8 y 4 z 0

x y z 0
2 x 3 y z
0
Resolucin: Trabajando con la matriz de coeficientes, la llevamos a la forma
escalonada.
1 1 1 1 1 1
2 8 4 1 1 1 1 1 1
1 1 1 2 8 4 0 10 6 0 1 3 0 1 3
5 5
2 3 1 2 3 1 0 5 3 0 5 3 0 0 0

3
Entonces: x y z 0, y z 0. Como hay una variable libre, sea por ejemplo z,
5
3t 2t 3t 2t
si se hace z=t, se tiene: y , x Luego, la solucin es: X , , t
5 5 5 5
2. Discutir y analizar, segn los valores de a, el conjunto solucin del siguiente
sistema:
76
x (a 1) y z 0
x y (a 1) z 0
(a 1) x 0
y z
Resolucin: Analizamos el sistema de ecuaciones segn los valores del
determinante:
1 a 1 1 1 a 1 1
A 1 1
a 1 A 1 1 a 1 a 2 (a 3)
a 1 1 1 a 1 1 1
a) Si A 0 a 0 k 3,entonces rg(A) = rg(A B)= n =3
Por lo tanto el sistema es compatible, con nica solucin, y como el sistema es
homogneo, la solucin es trivial, es decir x= y = z = 0
b) Si A 0 a 0 k 3 , analizamos para cada caso:
x y z 0

1) Si k = 0 entonces el sistema es: x y z 0
x y z 0

Se ha reducido a una sola ecuacin con tres incgnitas: x + y + z = 0
rg(A) = rg(A B)=1 el sistema es compatible.
Como 1<3, entonces, existen dos variables libres y el sistema tiene infinitas
soluciones:
x s t

y s s, t
z t

x 2 y z 0

2) Si k = -3, entonces el sistema es: x y 2 z 0
2 x y z 0

Reducimos la matriz de coeficientes a su forma escalonada
1 2 1 1 2 1 1 2 1 1 2 1 1 0 1
1 1 2 0 3 3 0 1 1 0 1 1 0 1 1

2 1 1 0 3 3 0 3 3 0 0 0 0 0 0
rg(A) = rg(A B)= 2 el sistema es compatible, con infinitas soluciones.

Con una variable libre: V.L = 3-2=1
x t
x t 0
Haciendo z = t y t, t
y t 0
z t
77
EJERCICIOS 02
1. Resolver los siguientes sistemas de ecuaciones lineales:
5 x y z 0 x 3y z 0 2 x 2 y z 2

a) x 2 y 3 z 14 b) 3 x 4 y z 2 c) x 3 y 2 z 2
4 x 3 y 2 z 16 2 x 2 y z 13 3x 4 y z 7

x 5 y 4z 1 x 2 y 3 z 1 x y 2z 2

d) 2 x 5 y 3 z 3 e) 2 x y 4 z 9 f) y z 1
x 9 y 2z 2 x y 2 z 2 2 x 2 z 2

x 5 y 4z 1 3 x 2 y z 1 x 5 y 4z 1

g) 2 x 10 y 8 z 3 h) 5 x 8 y 9 z 3 i) 2 x 10 y 8 z 3
3x 15 y 12 z 5 2 x y 2 z 1 3x 15 y 12 z 5

x y z w 0
2 x y z 5 2 x 4 y 6 z 18 x y z w 4

j) x 2 y 2 z 5 k) 4 x 5 y 6 z 24 l)
7 x y z 10 2 x 7 y 12 z 40 x y z w 4
x y z w 6
x y 3z w 1
2 x 4 y 2w 2

2. Dado el siguiente sistema: Para qu valor de a el sistema
x 2 y 3w 3
3 x 4 y 2 z a
ecuaciones lineales:
i) Tiene solucin nica, resuelva el sistema para dicho valor.
ii) No tiene solucin.
x 2z 1
x y (4a 2) z 1

3. Para que valores de a y b el sistema de ecuaciones: , tiene solucin
2 x ay 5 z 2
3 x ay 7 z b
nica.
78
2 x y z a

4. Dado el sistema de ecuaciones lineales: x 2 y z b Para qu valores de a, b y c el
3 x y 2 z c

sistema es compatible?
5. Para qu valores de a y b el siguiente sistema de ecuaciones lineales:
3 x 2 y z b

5 x 8 y 9 z 3
2 x y az 1

Tiene:
i) Solucin nica ii) infinitas soluciones iii) No tiene solucin.
x y z 1

6. En el siguiente sistema de ecuaciones lineales: 2 x 3 y az 3 , determinar el valor de
x ay 3 z 2

a tal que tenga:
i) Ninguna solucin ii) ms de una solucin iii) solucin nica
7. Qu condiciones deben cumplir a, b y c para que el siguiente sistema tenga solucin?
x 2 y 3z a

2 x 6 y 11z b
x 2 y 7z c

8. Resolver los siguientes sistemas de ecuaciones lineales homogneos:
2 x y 3z 0 x 2 y 3z 0 x 2 y z 0

a) x 2 y 0 b) 2 x 5 y 2 z 0 c) x y 2 z 0
y z 0 3 x y 4 z 0 3x y z 0

x 2 y 3z 2w 0 x y z 0

d) 3 x 7 y 2 z 4 w 0 e) 3 x 6 y 5 z 0
4 x 3 y 5 z 2 w 0 x 4 y 3z 0

79
9. Determinar el valor del parmetro a, para los cuales el sistema dado tiene soluciones
no triviales.
x ay 2 z 0

4 x y 7 z 0
2 x 7 3 z 0

10. Hallar el valor de a, de manera que el siguiente sistema lineal homogneo tenga
solucin no trivial.
(1 a) x y z 0

2 x a y 2 z 0
x y (1 a) z 0

11. Calcular el determinante de las siguientes matrices:
5 4 2 1 2 5 3 2 3 2 5 4
2 3 1 2 2 3 2 5 5 2 8 5
a) A b) A c) A
5 7 3 9 1 3 2 2 2 4 7 3

1 2 1 4 1 6 4 3 2 3 5 8
1 x x x
x 1 x x
12. Hallar el valor de x para que el rango de la matriz: A ; sea menor que 4.
x x 1 x

x x x 1
x 1 0 x
0 x x 1
13. Hallar el valor de x para que el rango de la matriz: A ; sea menor que 4.
1 x x 0

x 0 1 x
2 1 3 4
5 4 7 2
14. Hallar el cofactor del elemento 7 en la matriz: A
4 0 6 3

3 2 5 2
1 2 3
15. Dada la matriz: A 2 3 4
1 5 7
80
i) Calcular: A ii) Hallar: adj(A) iii) Verificar que: A.adj(A)= A I iv) Halle: A1
16. Probar que: adj ( A1 ) adj ( A) , si A 0.

1
17. Probar que: adj ( An ) adj ( A)

n
18. Probar que: adj (kA) k n 1.adj ( A)
19. Demostrar que: adj ( AB) adj ( B).adj ( A) , si A 0, B 0.

n 1
20. Probar que: adj ( A) A
4 8 4
21. Dada la matriz: adj ( A) 7 9 5 y A 4 . Hallar A.
6 10 k
22. Hallar la matriz X, de la ecuacin: BXA=C; donde C=adj(B); B=adj(A) y

1 2 2
1
1 2 4 1
A
2 0 1 3

3 2 1 0
23. Una fundacin proporciona fondos a tres organizaciones no lucrativas orientadas a la

investigacin de energa alternativa. La tabla que sigue contiene los datos relativos a la
proporcin de los fondos que cada institucin destina a la investigacin de la energa solar,
la energa obtenida del viento y la energa del movimiento de los mareas.
Proporcin de dinero gastado
Solar Vientos Mareas
Organizacin I 0,6 0,3 0,1
Organizacin II 0,4 0,3 0,3
Organizacin III 0,2 0,6 0,2
Encuentre la cantidad otorgada a cada organizacin, si la cantidad total utilizada por las tres
organizaciones en la investigacin de la energa solar, del viento y de las mareas es: $ 9,2
millones, $ 9,6 millones y $ 5,2 millones, respectivamente.
81
24. Manuel compra 3 entradas al concierto y 3 chocolates por S/ 75, y Sofa compra 5
entradas y 1 chocolate por S/ 105. Cunto cuesta cada entrada y cada chocolate?
25. Jorge compra 5 kg de sanda y 2 kg de mandarinas por S/ 12. Si vuelve y compra 1 kg
de sanda y 2 kg de mandarina, paga S/ 4. Cunto cuesta el kilogramo de cada fruta?
25. Si 15 turistas pagan S/ 1 200 por ellos y sus 15 maletas en un bus y otros 25 turistas
pagan S/ 3 000 por ellos y las tres maletas que lleva cada uno. Cunto cuesta el pasaje de
cada uno y cul es el costo por maleta?
26. Por el ingreso a un parque interactivo, una familia de 4 adultos y 5 nios pag S/ 55. Si
una profesora de inicial con sus 10 nios pag S/ 40, cul es el costo de las entradas de
adulto y de nio?
27. El permetro de un terreno triangular rectangular es de 1 200 m. cuya hipotenusa mide
3
500m. Si uno de sus catetos es los del otro, cul es el rea del terreno?
4
28. En la playa de estacionamiento de una zona comercial, haba autos, motos y triciclos. Si
se sabe que haban 41 vehculos, se contaron 120 llantas y adems el nmero de llantas de
motos son 12 ms que las de triciclos, cuntas motos haba?
Se cancela una deuda de 5 400 soles con billetes de 100, 50 y 20 soles. Si los billetes de 50
son la mitad de los de 20 disminuida en 5, y los billetes de 50 ms los de 100 son 15 menos
que los de 20, cuntos billetes de 100 soles hay?
82
REFERENCIAS BIBLIOGRFICAS
1. GEORGE Nakos. lgebra Lineal. Edit. THOMSON, S. A. Mxico

1999.
2. JUAN de Burgos. lgebra Lineal. Edit. MCGRAW-HILL. Tercera
Edicin; Espaa 2006.
3. LARSON Ron, lgebra Lineal. Edit. PIRMIDE. Quinta Edicin;
Madrid Espaa 2004.
4. FRANK Ayres, J .R. Matrices. Edit. MCGRAW-HILL. Primera
edicin; Mxico.
5. CSAR Saal .R. Matrices. Edit. Gmez S.A. Segunda edicin. Lima-
Per 2006.
6. RICARDO Figueroa. Vectores y Matrices. Edit. AMRICA. Cuarta
Edicin; Lima- Per 2001.
7. JAGDISSH C. Arya. MATEMTICAS APLICADAS a la
administracin y economa. Edit. PRENTICE HALL
HISPANOAMRICA. S.A. Tercera edicin; Mxico 1992.
8. HERNEST F. Haeussler. MATEMTICAS para administracin y
economa. Edit. PEARSON EDUCACIN. Dcima edicin. Cuarta
edicin; Mxico 1997.
83

Matrices y Determinantes

Cargado por

Copyright:

Formatos disponibles

Matrices y Determinantes

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Matrices y Determinantes

Cargado por

Copyright:

Formatos disponibles

NDICE

En este trabajo, se desarrolla tpicos que pertenecen a las sumillas de

Se ha intentado ser lo ms cuidadoso, sin embargo como todo producto del

TEORA BSICA DE MATRICES

DEFINICIN: Se llama matriz, definida sobre un cuerpo K, a todo arreglo

a11 a12 . . . a1j . . . a1n

NOTACIN: Las matrices en general se denotan con letras maysculas, tales

ORDEN DE UNA MATRIZ

identifica la fila y el segundo subndice j identifica la columna.

El conjunto de matrices de orden mxn, con coeficientes en K, se denota por

particular mx1 es el conjunto de vectores columna y 1xn es el conjunto de

Ejemplo: Las siguientes matrices:

Si A no es igual a B se denota por: A B

Ejemplo: Dadas las matrices:

Luego, el valor de M=3 3(-2)+5(2)=3+6+10=19 M=19

2. Matriz Rectangular: La matriz de orden mxn, se llama rectangular si y slo

3. Matriz Fila: Se llama matriz fila a la matriz de orden 1xn.

Por ejemplo: La matriz A 3 8 5 4 , es una matriz fila de orden 1x4

4. Matriz columna: Se llama matriz columna a la matriz de orden mx1.

5. Matriz Cuadrada: Si en la matriz A a i j el nmero de filas es igual al

nmero de columnas, es decir, m = n la matriz A se llama matriz n-cuadrada

a11 a12 a13 . . . a1n

Traza de una Matriz

Propiedades de la traza de una matriz

T4 :Tr (AB) Tr (BA)

Al ser la suma en K conmutativa y asociativa.

su suma como la matriz de orden tambin mxn dada por:

Esto es, la suma de dos matrices A y B es la matriz que en la posicin ij tiene al

la suma de matrices slo est definida para matrices de igual orden.

2. Sean las matrices:

Definicin: Diremos que dos matrices A y B son conformables para la suma o

Diferencia de Matrices. Dadas las matrices A= a ij y B= bij del mismo

A - B = a ij mxn. - bij mxn = a ij bij mxn = d ij mxn = D

2. Sean las matrices:

Propiedades de la suma de matrices

Las matrices del mismo orden o conformables respecto de la suma algebraica,

a11 a12 a1n b11 b12 b1n

a11 b11 a12 b12 a1n b1n

b11 a11 b12 a12 b1n a1n

2. Producto de un escalar por una matriz.

Es decir cada componente de A se multiplica por el escalar

02. Supongamos que en el conjunto 2 x3 , se dan las siguientes matrices:

b) Si la produccin en la planta X se incrementa en 20%, la nueva produccin (en

Interpretacin: Por ejemplo, se producirn 9600 televisores modelo II de 26 pulgadas.

Propiedades del producto de un escalar por una matriz

E2 : (p + q)A = pA + qA Distributividad respecto a la suma de escalares

E3 : p(A + B) = pA + pB Distributividad respecto a la suma de matrices

Sean: A= a ij y B = bij matrices conformables para la suma.

El producto de las matrices A= a i j y B= bjk , es otra matriz C= cik ,

donde cik es el producto escalar de la i-sima fila de A por la k-sima columna de B.

a11 a12 . . . a1j . . . a1n b11 b12 . . . b1k . . . b1 p

El producto de las matrices A y B en forma abreviada se da por:

Dos matrices A y B son conformables para el producto de matrices si el nmero

para el producto de matrices, entonces AB es otra matriz C= cik , tal que:

Propiedades de la multiplicacin de matrices

M 1 : A(BC) = (AB)C Asociatividad

M 4 : En general A y B no conmutan, es decir: AB BA

M 6 : Si AC = BC, no implica que A = B

M 7 : I K n con la propiedad de que para cualquier A K n , se cumple que: A I = IA