1 Capítulo 1: Matrices

1.1 Concepto de matriz, tipos y operaciones con matrices.

El concepto de matriz es uno de los más estudiados y en consecuencia, más empleados e importantes en
Álgebra Lineal. Su importancia para efectos de este curso radica en el hecho de que con ellas podremos
resolver sistemas de ecuaciones, estudiar transformaciones lineales, entre otros que veremos con el tiempo.

1.1.1 Concepto de Matriz

De…nición 1 (Matriz) Una matriz "A" es un arreglo bidimensional, de n …las por m columnas. Los elementos
que conforman dichas …las y columnas los denominamos entradas y pueden ser números reales o incluso,
funciones. Cuando hablamos de la entrada aij de la matriz, hacemos mención de aquella que se ubica en
la …la i y columna j . 0 1
a11 a12 a1m
B .. .. C
B a21 . . C
A=B
B . .. C
C
@ .. ..
. . A
an1 anm

Las matrices usualmente son denotadas por letras mayúsculas, como se puede ver. Para efectos de este
curso usaremos prácticamente en su totalidad, matrices cuyas entradas o componentes corresponden a
números reales, por lo que usualmente diremos que
aij 2 R

y a la matriz A también la podemos denotar como

A = faij gn m

De…nición 2 (Tamaño de una matriz) Sea A una matriz conformada por n …las y m columnas, decimos
entonces que la matriz A es de tamaño n m:

Ejemplo 1 Determine las entradas a12 ; a41 y a23 de la siguiente matriz

0 p 1
1 0 5
B 4 1=3 ln (3) C
A=B @7 5 A
C
1=5
p e
3 3 1

Así mismo, indique su tamaño.

Solución 1 Tenemos que:

a12 = 0 a41 = a23 = ln (3)
Además, es claro que la matriz posee 4 …las y 3 columnas, por lo que entonces A es de tamaño 4 3:

Vamos a dar varios casos particulares de matrices que, como ya se dijo, se irán empleando conforme se
vayan cubriendo los diversos temas que este curso contiene.

1
De…nición 3 (Vectores …las y vectores columna de una matriz A) Sea
0 1
a11 a12 a1m
B .. C
B a21 . . . . C
A=BB . .. C
C
@ .. ..
. . A
an1 anm

una matriz. A las matrices de tamaño n 1 ó 1 m que se pueden extraer de A; se les llama respectivamente,
vectores columna y vectores …la de la matriz. Más adelante de…niremos con más exactitud y generalidad,
el concepto de vector.

Ejemplo 2 Determine los vectores …la y vectores columna de la matriz

1 2 3
A=
4 5 6

Solución 2 Los vectores …la de A corresponden a

~v1 = 1 2 3 y ~v2 = 4 5 6

mientras que los vectores columna son

1 2 3
~v3 = ~v4 = y ~v5 =
4 5 6

1.1.2 Algunos casos particulares de matrices

De…nición 4 (Matriz nula) Una matriz A se dice que es nula, si cada una de sus entradas vale 0; es decir:

A = faij g tal que aij = 0

para todo 1 i ny1 j m:

De…nición 5 (Matriz Transpuesta) Sea A = faij gn m una matriz. Llamamos matriz transpuesta de A y la
denotamos por At a la matriz
At = faji gm n
Es decir, las entradas de At son el resultado de intercambiar a la vez, las …las y las columnas de A: En el
caso de que A sea de tamaño n m; se tiene que At será de tamaño m n:

Ejemplo 3 Sean 0 1
0 2 4
1 3 5
A= y B=@ 6 8 10A
7 9 11
12 14 16
Determine At y B t :
Solución 3 Tenemos que 0 1 0 1
1 7 0 6 12
At = @ 3 9 A y B t = @2 8 14A
5 11 4 10 16

De…nición 6 (Matriz cuadrada) Si A una matriz cuyo tamaño n n; decimos entonces que A es una matriz
cuadrada. Es decir, la matriz cuadrada es aquella que posee igual cantidad de …las que de columnas.

2
Ejemplo 4 Identi…que de las siguientes matrices, aquellas que son cuadradas.
0 1
0 1 1 1 1 1
0 3 1 B2 2 2 2C
B C 5 1
A=@ 7 4 0A B=B B3 3 3 3C
C C= 4p
@4 4 4 4A 3 934
1 3 5
5 5 5 5

Solución 4 Claramente las matrices cuadradas son A y C; pues sus tamaños son 3 3 y 2 2 respectivamente.
La matriz B por ser de tamaño 5 4; evidentemente no es cuadrada.

Las matrices cuadradas son de gran importancia por el hecho de que nos permiten, entre otras cosas que
ya veremos con detalle, resolver sistemas de ecuaciones donde la cantidad de ecuaciones y de incógnitas es
igual, además nos permite saber si la matriz posee una inversa o no (sólo para este tipo está de…nida la
matriz inversa), calcular su determinante (el cual se de…ne sólo para este tipo de matrices), calcular sus
valores y vectores propios, etc.

De…nición 7 (Matriz Identidad) A la matriz cuadrada

0 1
1 0 0
B0 1 0C
B C
In = B . . .. .. C
@ .. .. . .A
0 0 1

le llamamos matriz identidad. Para los casos particulares en que n = 2; n = 3 y n = 4; tenemos:

0 1
0 1 1 0 0 0
1 0 0 B0
1 0 1 0 0C
I2 = I3 = @0 1 0A I4 = B
@0
C
0 1 0 1 0A
0 0 1
0 0 0 1

A partir del concepto de matriz identidad, surge otro tipo de matriz cuyo estudio se hará de manera amplia
y profunda en el segundo capítulo de este curso; la matriz inversa.
De…nición 8 (Matriz Inversa) Sea A una matriz cuadrada de tamaño n n. Llamamos matriz inversa (si
existe), a aquella matriz B tal que
AB = In
La denotamos por
1
B=A

El procedimiento para saber si la matriz inversa existe y las formas de calcularla, se explicarán más
adelante, como ya se dijo. Por ahora, luego de ver cómo efectuar productos de matrices, nos vamos a
avocar a veri…car que una matriz dada, corresponde a la inversa de otra también conocida.

De…nición 9 (Matriz Simétrica) Sea A una matriz de tamaño n n: Decimos que A es simétrica si se cumple
que
aij = aji
para todo 1 i n y 1 j n:

Ejemplo 5 Cúales de las siguientes matrices son simétricas?

0 1
1 0 0 0 0 1
B0 1 0 1 2 0
0C 1 1
1: A = B@0 0 1
C 2: B = @2 0 2A 3: C=
0A 1 1
0 2 1
0 0 0 1

3
Solución 5 Claramente, las matrices A y B son simétricas, pues se puede apreciar en ambas que a12 =
a21 ; a13 = a31 ; a23 = a32 ; además de que en A también se cumple que a41 = a14 ; a42 = a24 y a43 = a34 (En general,
la matriz identidad es siempre simétrica). Por otro lado, C no es simétrica porque a21 6= a12

De…nición 10 (Matriz Diagonal) Una matriz A de tamaño n n es una matriz diagonal, que cumple lo
siguiente
aij = 0 para i 6= j
Las entradas de la forma aii ; para 1 i n; pueden o no ser nulas.

Ejemplo 6 De dos ejemplos de matrices diagonales ya conocidos.

Solución 6 La matriz nula y la matriz identidad, corresponden a 2 casos particulares de matrices diagonales.

De…nición 11 (Matriz triangular superior y matriz triangular inferior) Una matriz A de tamaño n n se
llama triangular superior si es de la forma
0 1
a11 a12 a1n
B .. C
B 0 a22 . C
A=B
B . .. .. C
C
@ .. ..
. . . A
0 0 ann

es decir, si se cumple que aij = 0 para i > j . Por otro lado, una matriz B de tamaño n n es triangular
inferior si es de la forma 0 1
b11 0 0
B b21 b22 0 C
B C
B=B . .. .. .. C
@ .. . . . A
bn1 bnn
lo que equivale a decir que bij = 0 para i < j: Si una matriz es triangular superior o inferior, se dice
simplemente que es triangular.

Ejemplo 7 De un ejemplo de una matriz que sea triangular.

Solución 7 La matriz 0 1
1 0 0
B0 1 0C
B C
In = B . . .. .. C
@ .. .. . .A
0 0 1
es triangular. De hecho es triangular superior e inferior a la vez. Así mismo, cualquier matriz diagonal
es triangular.

La importancia de las matrices triangulares, es que más adelante nos harán mucho más simple el cálculo
de determinantes.
Vamos ahora, a estudiar un poco de operaciones con matrices, de manera que sepamos cómo trabajar con
ellas más adelante para cuando nos sea necesario. Las de…nimos y ejempli…camos a continuación.

1.2 Operaciones con matrices

Brevemente, de…nimos algunas operaciones que se pueden realizar con matrices que son útiles en este
curso.

4
1.2.1 Suma y resta de matrices
Sean A = faij g y B = fbij g matrices de tamaño n m (deben ser estrictamente del mismo tamaño para que
la operación esté bien de…nida); de…nimos la matriz C = A B como la matriz cuyas entradas tienen la
forma
cij = aij bij
Es decir
C = A B
0 1 0 1
a11 a12 a1m b11 b12 b1m
B a21 a22 a2m C B b21 b22 b2m C
B C B C
= B . .. .. .. C B .. .. .. .. C
@ .. . . . A @ . . . . A
an1 an2 anm bn1 bn2 bnm
0 1
a11 b11 a12 b12 a1m c1m
B a21 b21 a22 b22 a2m b2m C
B C
= B .. .. .. .. C
@ . . . . A
an1 bn1 an2 b n2 anm bnm
0 1
c11 c12 c1m
B c21 c22 c2m C
B C
= B . .. .. .. C
@ .. . . . A
cn1 cn2 cnm

3 2 7 9 8 5
Ejemplo 8 Sean A = yB= ; calcule C = A + B y D = A B
1 1 0 4 0 1

Solución 8 Tenemos
3 2 7 9 8 5
A+B = +
1 1 0 4 0 1

12 6 12
=
3 1 1

De la misma manera se puede proceder con la resta

3 2 7 9 8 5
A B =
1 1 0 4 0 1

6 10 2
=
5 1 1

Ejemplo 9 Sea k 2 R y A una matriz de tamaño n m, se de…ne la matriz kA de la siguiente manera:

kA = fk aij g

0 1
a11 a12 a1m
B .. .. C
B a21 . . C
= kB
B .
C
.. C
@ .. ..
. . A
an1 anm
0 1
ka11 ka12 ka1m
B .. .. C
B ka21 . . C
= B
B . .. C
C
@ .. ..
. . A
kan1 kanm

5
Con base en lo anterior, si consideramos las matrices
0 1 0 1
1 0 4 1 1 1
B0 2 5C B 3 2 3C
A=B
@1
C y B=B C
1 8A @4 1 2A
3 7 0 0 0 1

Determine la matriz
C = 2A + 3B

Solución 9 Hacemos la primera y la otra la dejamos como ejercicio. Tenemos que:

C = 2A + 3B
0 1 0 1
1 0 4 1 1 1
B0 2 5C B 3 2 3C
= 2B
@1
C + 3B C
1 8A @4 1 2A
3 7 0 0 0 1
0 1 0 1
2 0 8 3 3 3
B0 4 10C B 9 6 9C
= B
@2
C+B C
2 16 A @ 12 3 6A
6 14 0 0 0 3
0 1
1 3 5
B 9 10 19C
= B
@ 14
C
1 22 A
6 14 3

Para efectos prácticos, existen una serie de propiedades que merecen tener atención puesto que nos permiten
tener certeza a la hora de realizar ciertos procedimientos y además, nos simpli…can algo de trabajo.

Teorema 1 Sean A; B y C matrices del mismo tamaño y k 2 R, entonces, se cumplen las siguientes
propiedades:
Asociatividad de la suma:
(A + B) + C = A + (B + C)

Conmutatividad de la suma:
A+B =B+A

Existencia de Neutro Aditivo:

A + ^0 = A
donde ^0 representa la matriz nula.
Existencia de Inverso Aditivo:
A + B = ^0 =) B = A
donde
B= A = f aij g

Distributividad respecto del escalar (k 2 R) respecto a la suma:

k (A + B) = kA + kB

6
1.2.2 Producto de matrices
Sea A = faij g y B = fbij g matrices de tamaño n m y m p respectivamente. Se de…ne la matriz C = AB
de tamaño n p como aquella matriz en la que la entrada cij es el resultado de multiplicar término por
término, los elementos de la …la i de A por los de la columna j de B: Es decir:
0 1
b1j
B b2j C
B C
cij = ai1 ai2 aim B .. C
@ . A
bmj

= ai1 b1j + ai2 b2j + ::: + aim bmj

Note que la matriz resultante C de realizar el producto AB tiene la cantidad de …las de A y la cantidad de
columnas de B: Como aspecto importante, se debe destacar que no siempre se cumple que
AB = BA

Ya que no necesariamente BA está de…nida. Esto ocurre si las matrices son cuadradas y en ese caso,
tampoco se garantiza la igualdad.

Ejemplo 10 Sean 0 1
1 0
0 1 2
A=@ 1 2A y B=
1 0 3
0 1
Determine AB
Solución 10 Hacemos cada uno de los respectivos cálculos para obtener:
0 1
1 0
0 1 2
AB = @ 1 2A
1 0 3
0 1
0 1
1 0+0 1 1 1+0 0 1 2+0 3
= @ 1 0+2 1 1 1+2 0 1 2 + 2 3A
0 0+1 1 0 1+1 0 0 2+1 3
0 1
0 1 2
= @2 1 4A
1 0 3

Ejemplo 11 Sean 0 1 0 1
1 0 2 1
7 3
A=@ 4 4A ; B = @1 1A y C=
1 2
2 9 0 7
Determine las matrices
D = A BC

E = (A + B) C

7
Solución 11 Realizamos cada caso por separado. Para la primera, aplicamos primero multiplicación y luego
hacemos la resta:
D = A BC
0 1 0 1
1 0 2 1
7 3
= @ 4 4A @1 1A
1 2
2 9 0 7
0 1 0 1
1 0 2 7+ 1 1 2 3+ 1 2
= @ 4 4A @1 7 + 1 1 1 3 + 1 2A
2 9 0 7+7 1 0 3+7 2
0 1 0 1
1 0 15 8
= @ 4 4A @8 5 A
2 9 7 14
0 1
16 8
= @ 12 1A
9 23
Por otra parte, para el cálculo de D; hacemos primero la suma en el paréntesis y luego la multiplicación:
E = (A + B) C
00 1 0 11
1 0 2 1
@@ 4 4A + @1 7 3
= 1AA
1 2
2 9 0 7
0 1
1 1
= @ 3 3A 7 3
1 2
2 16
0 1
1 7+ 1 1 1 3+ 1 2
= @ 3 7+3 1 3 3+3 2A
2 7 + 16 1 2 3 + 16 2
0 1
8 5
= @ 24 15A
2 26

Ejemplo 12 Sea A una matriz cuadrada, se de…ne la matriz An con n 2 N; de la siguiente manera
An = A
| A A{z::: A A}
n veces

Si consideramos la matriz 0 1
1 0 1
A = @0 1 0A
1 1 1
Determine A2
Solución 12 Primeramente, tenemos que
A2 = A A
0 10 1
1 0 1 1 0 1
= @0 1 0 A @0 1 0A
1 1 1 1 1 1
0 1
0 1 0
= @0 1 0A
0 0 0

8
Ejemplo 13 Sea
2 1
A=
1 1
Compruebe que
1 1
B=
1 2
es su matriz inversa
Solución 13 Para tal efecto, procedemos a realizar el producto de las dos matrices y obtener la matriz I2 :

2 1 1 1
AB =
1 1 1 2

2 1+1 1 2 1+1 2
=
1 1+ 1 1 1 1+ 1 2

1 0
=
0 1

Ejemplo 14 Sea 0 1
1 1 0
A = @0 3 2A
0 4 3
Compruebe que 0 1
1 3 2
B = @0 3 2A
0 4 3
es su matriz inversa
Solución 14 Como en el ejemplo anterior, procedemos a realizar el producto de las dos matrices y obtener
en este caso, la matriz I3 :
0 10 1
1 1 0 1 3 2
AB = @0 3 2A @0 3 2A
0 4 3 0 4 3
0 1
1 1+ 1 0+0 0 1 3+ 1 3+0 4 1 2+ 1 2+0 3
= @ 0 1+3 0+2 0 0 3+3 3+2 4 0 2+3 2+2 3 A
0 1+4 0+3 0 0 3+4 3+3 4 0 2+4 2+3 3
0 1
1 0 0
= @0 1 0A
0 0 1

El siguiente teorema, similar al visto para la suma, nos garantiza cómo efectuar diversas operaciones en
las que hayan presentes, productos de matrices y que facilitará el trabajo a la hora de la practica.

Teorema 2 Sean A; B y C matrices de tamaño n m; m pyp q y k 2 R, entonces, se cumplen las siguientes

propiedades:
Asociatividad del producto:
(AB) C = A (BC)

9
 Existencia de Neutro Multiplicativo:
AIn = A
donde In representa la matriz identidad.
Existencia (para el caso n n y bajo ciertas condiciones) de Inverso Multiplicativo:
1
AB = In =) B = A

Distributividad del producto respecto a la suma (por la derecha y por la izquierda, respectivamente)
A(B + C) = AB + AC

(A + B) C = AC + BC

2 Sistemas de n ecuaciones lineales en m variables

Desde la secundaria, ya se tiene una muy breve noción de lo que consiste un sistema de ecuaciones lineales
pues se trabajaban problemas que involucraban 2 ecuaciones en las que se hallaban presentes, 2 cantidades
desconocidas. Nos daremos a la tarea en este curso, de profundizar esa noción y hacerla mucho más general.
Para ello vamos a estudiar sistemas de ecuaciones lineales que involucran 3 ecuaciones con 3 incógnitas,
luego sistemas que involucran n ecuaciones y n incógnitas, para …nalizar con sistemas en las que la cantidad
de …las y columnas no son iguales y es necesario en ocasiones, escribir soluciones en términos de parámetros
reales.
En primera instancia, vamos a introducir toda la terminología necesaria para poder desarollar el tema
adecuadamente. Para esto, vamos a considerar de entrada, el sistema de ecuaciones lineales que se da a
continuación: 8
>
> a11 x1 + a12 x2 + ::: + a1m xm = c1
>
< a21 x1 + a22 x2 + ::: + a2m xm = c2
.. (F)
>
> .
>
:
an1 x1 + an2 x2 + ::: + anm xm = cn
Donde aij con 1 i n y 1 j m y ci con 1 ; i n son constantes reales, mientras que xj con 1 j m
representan las variables del sistema.

De…nición 12 (Solución de un sistema de ecuaciones) Decimos que el vector columna o "m-tupla" (lo que
equivale a decir la matriz n 1) es solución del sistema F al sustituir las respectivas coordenadas de X en
el sistema, se satisfacen TODAS las igualdades de éste.
0
1
x1
B x2 C
B C
X=B . C
@ .. A
xm

Ejemplo 15 Veri…que que el vector

1
X=
1
es solución del sistema. 8
< x+y =0
:
x y=2

10
Solución 15 Vemos que en este caso x = 1 y y = 1; de manera que es claro que se cumple que
x+y = 1+ 1=0

x y = 1 ( 1) = 2
por lo que el vector dado es solución del sistema.

Ejemplo 16 Veri…que que el vector 01

1
X = @ 3A
2
es solución del sistema 8
< 3x + y + 3z = 0
x y 2z = 0
:
2x 2y 2z = 0
Solución 16 Tenemos ahora que x = 1; y = 3 y z = 2. Así, fácilmente vemos que:
3x + y + 3z = 3 3+6=0

x y 2z = 1+3 4=0

2x 2y 2z = 2+6 4=0
En consecuencia, el vector dado es solución del sistema.

Para la siguiente de…nición, conviene ver que el sistema (F) de…nido anteriormente, se puede ver de la
siguiente forma:
8 0 10 1 0 1
>
> a11 x1 + a12 x2 + ::: + a1m xm = c1 a11 a12 ::: a1m x1 c1
>
< a21 x1 + a22 x2 + ::: + a2m xm = c2 B a21
B a22 a2m CB x2 C B c2 C
CB C B C
.. =) B . .. .. .. CB .. C = B .. C =) AX = C
>
> . @ .. . . . A@ . A @ . A
>
:
an1 x1 + an2 x2 + ::: + anm xm = cn an1 an2 anm xm cn
| {z }| {z } | {z }
A X C

Lo que equivale a decir que un sistema de ecuaciones puede verse de forma matricial (podemos escribirlo
en forma de matrices) y vamos a ver, que así es como vamos a expresarlos para poder resolverlos por los
métodos que este curso proveerá. Ya con esta noción, podemos de…nir los siguientes conceptos:

De…nición 13 (Matriz de coe…cientes de un sistema de ecuaciones) Sea el sistema de ecuaciones de…nido

por (F) : Llamamos matriz de coe…cientes a la matriz
0 1
a11 a12 : : : a1m
B a21 a22 a2m C
B C
A=B . . . .. C
@ .. .. .. . A
an1 an2 anm
De…nición 14 (Matriz aumentada de un sistema de ecuaciones) Sea nuevamente el sistema de…nido por (F) :
Llamamos matriz aumentada del sistema, a la matriz
0 1
a11 a12 ::: a1m c1
B a21 a22 a2m c2 C
B C
B .. .. .. .. .. C
@ . . . . . A
an1 an2 anm cn
Es decir, la matriz aumentada de un sistema corresponde a la matriz resultante de adjuntar a la matriz
del sistema original,la columna cuyas componentes son las constantes de cada una de las igualdades del
sistema.

11
Ejemplo 17 Dado el sistema 8
< x+y+z =3
3x 2y + 5z = 6
:
5x + 7y 2z = 2

Solución 17 Tenemos que la matriz de coe…cientes corresponde a

0 1
1 1 1
A=@ 3 2 5A
5 7 2

mientas que la matriz aumentada corresponde a

0 1
1 1 1 3
A=@ 3 2 5 6 A
5 7 2 -2

De…nición 15 (Conjunto solución de un sistema de ecuaciones) Dado un sistema de ecuaciones, expresado

en forma matricial como
AX = C •
Llamamos conjunto solución de • al conjunto de todos los vectores X^ tales que
^ =C
AX

y lo denotamos por n o
^
S= X

El conjunto solución de un sistema de ecuaciones puede tener un elemento, in…nita cantidad de elementos
o bien, no poseer elementos, en cuyo caso decimos que es vacío.

Ejemplo 18 El sistema
x 2y = 1
2x + y = 7
tiene como conjunto solución
3
S=
1

Solución 18 Similar al ejemplo anterior, podemos comprobar fácilmente al sustituir en el sistema, que

3 2 1 = 1

2 3+1 = 7

y con ello, se deduce que el vector es solución y de hecho, éste es el único (más adelante veremos cómo
saber el número de soluciones de un sistema de ecuaciones), por lo que el sistema tiene a S como conjunto
solución.

Ejemplo 19 Veri…que que los vectores

1 1
X1 =
1
y X2 =
3

son soluciones del sistema 8

< 4x 2y = 2
:
2x y=1

12
Pruebe también que el vector
t
X= t2R
2t 1
también es solución y deduzca que el sistema tiene como conjunto solución a
t
S= ;t 2 R
2t 1

Solución 19 Queda como ejercicio para el estudiante veri…car que X1 y X2 son soluciones. Para X el vector
tenemos que
4t 2 (2t 1) = 2

2t (2t 1) = 1

Lo cual demuestra efectivamente que el vector X es solución y como t 2 R; para cada valor que se le asigne
a t tendremos como resultado un vector solución y de esta forma, S corresponde al conjunto solución dado.

Existen sistemas que NO posee solución. Dichos sistemas se denominan inconsistentes o incompatibles En
este caso, decimos que
S=

2.1 Solución de Sistemas de Ecuaciones mediante el método de Reducción de Gauss-Jordan

2.1.1 Operaciones elementales sobre las …las de una matriz
Vamos a estudiar ahora cómo realizar operaciones sobre las …las de una matriz, con el propósito de obtener
matrices equivalentes que, como los veremos pronto en el Método de Gauss-Jordan, nos permitirán hallar
las soluciones de un sistema de ecuaciones lineales. NO se deben confundir estas operaciones (que se hacen
sobre una misma matriz), con las operaciones entre matrices (se realizan con matrices distintas).
Vamos a ver 3 tipos de operaciones elementales que se pueden aplicar sobre una matriz. Ellas son:

1. Multiplicar una …la por una constante real Si multiplicamos la …la i por una número real a; escribiremos
la notación
fi
af
entre la matriz "original" y la resultante de aplicar la operación.

Ejemplo 20 Multiplique por 2 la …la 2 de la matriz

0 1
1 3 1
A=@ 3 2 5A
5 1 6

Solución 20 Al hacer la operación indicada, obtenemos

0 1 0 1
1 3 1 1 3 1
@3 2 f2 @ 6
5A 2f 4 10A
5 1 6 5 1 6

2. Suma o resta de …las Si a la …la i le sumamos o restamos la …la j; usamos la notación

f^
i fj

entre la matriz "original" y la resultante de aplicar la operación. El resultado de esta operación se

escribe en la …la j (La …la i queda tal cual).

13
Ejemplo 21 Dada la matriz 0 1
1 3 1
A=@ 3 2 5A
5 1 6
Realice las operaciones
f1 + f2 y f1 f3

Solución 21 Podemos hacer las dos operaciones a la vez. Así, obtenemos

0 1 0 1
1 3 1 ^ 1 3 1
@3 f + f2 @
2 5A 1 4 1 6A
f1 f3
5 1 6 6 4 7

Como se puede observar, la …la que aparece de primero en las operaciones (f1 ) permanece invariante,
mientras que las …las que aparecen luego f2 en la primera y f3 en la segunda son las que se modi…can
luego de la operación realizada.
3. Intercambio de …las Si intercambiamos la …la i con la …la j; usamos la notación

f^
i fj

entre la matriz "original" y la resultante de aplicar la operación.

Ejemplo 22 Dada la matriz 0 1

1 3 1
A=@ 3 2 5A
5 1 6
Cambie la …la 1 por la …la 2 y luego cambie la …la 3 por la …la 1:
Solución 22 En este caso, hacemos un intercambio a la vez:
0 1 0 1 0 1
1 3 1 3 2 5 5 1 6
@3 2 5A f1^f2 @ 1 3 1A f3^f1 @ 1 3 1A
5 1 6 5 1 6 3 2 5

Cabe destacar que se pueden "combinar" el producto de una …la por escalar con la suma o resta de …las
a la vez; es decir, se pueden realizar operaciones por …las de la forma af^
i fj Además de que, como vimos
se pueden hacer varias sumas o restas al mismo tiempo, tomando en cuenta la misma …la de primero en
cada operación. Detallemos esto mejor con otro ejemplo:

Ejemplo 23 Dada la matriz aumentada

0 1
1 3 1 3
A= @ 3 2 5 4 A
5 1 6 0

Realice las operaciones

3f1 + f2 y 5f1 + f3

Solución 23 Al efectuar las operaciones planteadas a la vez, obtenemos:

0 1 0 1
1 3 1 3 ^ 1 3 1 3
@ 3 3f1 + f2 @
2 5 4 A 0 11 2 13 A
5f1 + f3
5 1 6 0 0 14 1 15

14
Ejemplo 24 Tomando la última matriz obtenida en el ejercicio anterior, realice las operaciones

f2 11
seguido de 14f2 + f3 y por último, f3
11 17
Solución 24 Al efectuar las operaciones indicadas en el orden dado, llegamos a:
0 1 0 1
1 3 1 3 g 1 3 1 3
@ 0 f2
11 2 13 A @ 0 1 2=11 13=11 A
11
0 14 1 15 0 14 1 15
0 1 0 1
1 3 1 3 ^ 1 3 1 3
@ 0 11
^
14f2 + f3 1 2=11 13=11 A f3 @ 0 1 2=11 13=11 A
17
0 0 17=11 17=11 0 0 1 1

2.2 Matrices y Sistemas de Ecuaciones Equivalentes

Como acabamos de ver, al aplicar operaciones por …las a una matriz, obtenemos otras matrices. Estas
nuevas matrices recibirán la siguiente denominación.
De…nición 16 (Matrices Equivalentes) Sea A y B dos matrices.del mismo tamaño. Si B es el resultado de
aplicar operaciones por …las a la matriz A; decimos entonces que A y B son equivalentes por …las.

Para el momento en que lleguemos a resolver sistemas de ecuaciones mediante matrices, esto será de vital
importancia porque nos dice que podemos hallar una matriz equivalente a la "original" del sistema, la cual
nos indicará la solución del mismo y, al haber equivalencia entre las matrices, la solución será la misma
para el planteado en un inicio y que es el problema a resolver. Es bajo este razonamiento que también
de…nimos el siguiente concepto.

De…nición 17 (Sistemas Equivalentes) Dos o más sistemas ecuaciones son equivalentes si poseen el mismo
conjunto solución.

Recordemos, como vimos al inicio de esta parte, que un sistema de ecuaciones tiene una matriz de co-
e…cientes asociada, al igual que la matriz aumentada, por lo que a la hora de resolver un sistema en
particular, consideramos la matriz aumentada y luego de aplicar un procedimiento denominado "Reduc-
ción Gaussiana", podremos hallar la matriz aumentada equivalente a la original, que nos permitirá saber
el conjunto solución del sistema dado.

Ejemplo 25 Halle un sistema de ecuaciones equivalente al sistema

8
< x + 3y z = 3
3x 2y 5z = 4
:
5x y + 6z = 0

Solución 25 La matriz aumentada correspondiente a este sistema es

0 1
1 3 1 3
@ 3 2 5 4 A
5 1 6 0

Ahora, por el ejemplo anterior, tenemos que ésta matriz es equivalente por …las a
0 1
1 3 1 3
@ 0 1 2=11 13=11 A
0 0 1 1

15
lo cual implica que el sistema dado inicialmente es equivalente al sistema
8
>
> x + 3y z = 3
>
>
>
<
2z 13
y+ =
>
> 11 11
>
>
>
:
z=1

2.3 Forma escalonada y Forma escalonada reducida de una matriz. Método de Reducción
de Gauss-Jordan
Una vez estudiadas las diferentes operaciones que se pueden hacer sobre las …las de una matriz, procedemos
a introducir el concepto de matriz escalonada y luego, el concepto de matriz escalonada reducida.

De…nición 18 (Forma escalonada de una matriz) Sea A una matriz de tamaño n m; llamamos matriz escalon-
ada a la matriz B que se obtiene al aplicar operaciones elementales por …las, de manera que si existen …las
nulas, éstas se ubican debajo de las que no lo son, además se debe cumplir que a11 = 1 y adicionalmente,
el primer elemento no nulo de una …la se ubica abajo y a la derecha del primer elemento no nulo de la …la
anterior.

En resumen, una matriz estará escalonada cuando se cumpla lo siguiente:

Siempre tendremos que
a11 = 1
es decir 0 1
1
B .. .. C
B. . C
B C
B .. .. .. .. C
B. . . . C
@ A
..
.

Los demás valores de la primera columna son nulos. Esto equivale a:

0 1
1
B .. C
B0 . C
B C
B .. .. .. C
@0 . . . A
0

Por esta razón, a la entrada a11 = 1 la denominamos como "entrada pivote".

En la …la siguiente, debe haber un término no nulo b a la derecha de a21 = 0, en cualquier columna
que funja como entrada pivote de dicha columna. Todos las entradas a la izquierda de este término b
f
deben ser nulas. Seguido de ello, el número b se convierte en 1 al aplicar la operación 2 :
b
0 1 0 1
1 1
B0 0 0 b Cff B0 0 0 1 C
B C 2B C
B .. .. .. .. C B .. .. .. .. C
@0 . . 0 0 . . A b @0 . . 0 0 . . A
0 0 0 0 0 0 0 0

16
 Así sucesivamente continua el patrón …la por …la, hasta llegar a un último término no nulo. Ocasion-
almente, se pueden obtener algunas …las nulas o si fuera el caso de que hayan más columnas que …las,
puede que queden algunas columnas sin entrada pivote
0 1
1
B0 0 1 C
B C
B .. .. .. C
B. . . 0 0 1 C
B C
B C
B = B ... ..
.
..
.
..
.
..
. 0 0 1 C
B C
B0 0 0 0 0 0 0 0 0 0 0 C
B C
B. .. .. .. .. .. .. .. .. .. .. C
@ .. . . . . . . . . . . A
0 0 0 0 0 0 0 0 0 0 0

Ejemplo 26 Cuáles de las siguientes matrices son escalonadas?

0 1
0 1 1 2 3 0 1
1 2 0 1 B0 1 1 0 0 2 0
1 1C
A = @0 0 0 1A B=B @0
C C = @0 0 1 1 0 1A
0 1A
0 0 1 2 0 0 0 0 0 1
0 0 0

Solución 26 Veamos cada caso por separado:

La matriz 0 1
1 2 0 1
A = @0 0 0 1A
0 0 1 2
no es escalonada, pues debajo de la segunda …la, debería haber sólo …las nulas, ya que una matriz
escalonada no puede tener entradas no nulas debajo de una …la en la que ya se aplicó el proceso de
reducción. Si aplicáramos un cambio de …las, obtenemos la matriz
0 1
1 2 0 1
D = @0 0 1 2A (1)
0 0 0 1

la cual si es escalonada.
La matriz 0 1
1 2 3
B0 1 1C
B=B
@0
C
0 1A
0 0 0
si está escalonada, pues debajo del primer 1 de cada …la, sólo tenemos ceros. Adicionalmente, el
segundo y tercer "1" se ubican debajo y a la derecha del anterior. Note también que en este caso,
tenemos una …la nula.
La matriz 0 1
1 1 0 0 2 0
C = @0 0 1 1 0 1A
0 0 0 0 0 1
también está escalonada. En este caso, no necesariamente queda escalonada de forma que haya un 1
en cada columna. Por último, no hay …las nulas en este caso particular.

Ejemplo 27 Obtenga una matriz escalonada, que sea equivalente a

0 1
4 1 3
A = @ 1 2 1A
2 5 0

17
Solución 27 Aplicando operaciones por …las adecuadamente, tenemos que
0 1 0 1 0 1
4 1 3 1 2 1 1 2 1
@ 1 2 1A f1^f2 @ 4 1 3A g f1 @4 1 3A
2 5 0 2 5 0 2 5 0

0 1 0 1 0 1
^ 1 2 1 f 1 2 1 1 2 1
4f1 + f2 @0 f2
7 7A @0 1 1A ^
f2 + f3 @0 1 1A
2f1 + f3 7
0 1 2 0 1 2 0 0 3

0 1
g 1 2 1
f3 @0 1 1A
3
0 0 1

Ahora bien, vamos a establecer la de…nición de matriz escalonada reducida, a partir de la matriz escalonada.

De…nición 19 (Forma escalonada reducida de una matriz ) Una matriz escalonada se dice que es escalonada
reducida, si ésta se obtiene aplicando operaciones por …las de "abajo hacia arriba" en su forma escalonada,
de manera que también obtenemos ceros arriba de cada primer término no nulo de cada …la.

De…nición 20 (Método de Reducción de Gauss-Jordan) El procedimiento que consiste en obtener la matriz

escalonada reducida de una matriz cualquiera dada, se denomina Reducción de Gauss-Jordan.

Ejemplo 28 Obtener la forma escalonada reducida de la matriz aumentada

0 1
1 0 1 2
A=@ 1 1 1 1 A
1 1 2 4

Solución 28 Para obtener la forma escalonada reducida, aplicamos las operaciones que se detallan a con-
tinuación 0 1 0 1 0 1
1 0 1 2 1 0 1 2 1 0 1 2
@ 1 1 1 f^
1 + f2
1 A @ 0 1 2 3 A ^
f2 + f3 @ 0 1 2 3 A
f1 + f3
1 1 4 6 0 1 3 4 0 0 1 1
De esta manera, hemos obtenido la matriz buscada.

Ejemplo 29 Obtenga la forma escalonada reducida de la matriz

0 1
2 3
A = @1 4 A
4 5

Solución 29 Efectuando las correspondientes operaciones por …las, obtenemos

0 1 0 1 0 1
2 3 1 4 ^ 1 4
@1 4 A @2 2f + f
f1^f2 3A 1 2 @0 11A
4f1 + f3
4 5 4 5 0 11

0 1 0 1
g 1 4 ^ 1 0
f2 @0 11f2 + f3
1 A @0 1A
11 4f2 + f1
0 11 0 0

La cual corresponde a la forma escalonada reducida de la matriz dada. Note que hay una …la de ceros en
este caso.

18
Hay un concepto muy importante que surge a partir del escalonamiento reducido de una matriz, el cual
luego provee un importante teorema que nos indica cuál es el conjunto solución de un sistema de ecuaciones
a partir de su matriz aumentada. Lo de…nimos a continuación.

De…nición 21 (Rango de una matriz) Se le llama rango de una matriz A de tamaño n m; al número de
…las no nulas que posee la matriz B correspondiente a la forma escalonada reducida de A. Se suele denotar
por
Rng (A)

Ejemplo 30 Dadas las matrices

0 1
0 1 1 2 3 0 1
1 2 0 1 B0 1 1 0 0 2
1 1C
A = @0 0 1 2A B=B
@0
C C = @0 0 1 1 0A
0 0A
0 0 0 1 0 0 0 0 0
0 0 0

Determine el rango de cada una de ellas.

Solución 30 Se analiza cada una por separado:

La matriz A posee 3 …las, ninguna nula, por lo que

Rng (A) = 3

La matriz B posee 4 …las pero 2 de ellas son nulas, de manera que

Rng (B) = 2

La matriz C posee 3 …las, de las cuales sólo 1 es nulas, por tanto

Rng (C) = 2

Considerando ahora el rango de la matriz aumentada de un sistema, la cual denotaremos por Rng (A=C),
debemos tener presente que se cumple lo siguiente
Rng (A) Rng (A=C)

Pues al tener la matriz aumentada una columna más, es probable que el rango aumente en una unidad.
De esta desigualdad se desprende el siguiente teorema:

Teorema 3 Sea An m la matriz de un sistema de ecuaciones lineales y considere su matriz aumentada.

Entonces
Si Rng (A) < Rng (A=C) ; el sistema de ecuaciones es incompatible.
Si Rng (A) = Rng (A=C) = m; entonces el sistema posee solución única
Si Rng (A) = Rng (A=C) < m; entonces el sistema posee soluciones in…nitas y m Rng (A) variables libres.

Del teorema anterior, es importante recalcar un par de cosas: La primera, es que por variables libres
entendemos a aquellas variables que luego del proceso de Reducción de Gauss-Jordan, quedan en términos
de las variables en cuyas columnas se obtuvo un 1 como entrada pivote. El segundo punto es que debe
entenderse en la primera conclusión del teorema, que no hay solución del sistema por el hecho de que en
el mismo habría una ecuación de la forma
0x1 + 0x2 + ::: + 0xn = c

Con c 6= 0; lo cual es contradictorio.

19
2.3.1 Sistemas de ecuaciones lineales homogéneos y no homogéneos
Retomando los sistemas de ecuaciones lineales y su interpretación matricial
8 0 10 1 0 1
>
> a11 x1 + a12 x2 + ::: + a1m xm = c1 a11 a12 ::: a1m x1 c1
>
< a21 x1 + a22 x2 + ::: + a2m xm = c2 B a21
B a22 a2m CB x2 C B c2 C
CB C B C
.. =) B . .. .. .. CB .. C = B .. C =) AX = C
>
> . @ .. . . . A@ . A @ . A
>
:
an1 x1 + an2 x2 + ::: + anm xm = cm an1 an2 anm xm cm
| {z }| {z } | {z }
A X C

vamos a estudiar ya en forma, cómo resolverlos mediante el método de Reducción de Gauss-Jordan. Eso
sí, primero necesitamos hacer una pequeña diferenciación entre ellos, además de una caracterización de
acuerdo a su conjunto solución

De…nición 22 (Sistemas de ecuaciones homogéneos y no homogéneos) Un sistema de ecuaciones lineales ex-

presado de la forma
AX = C
se dice que es homogéneo si 0 1
0
B0C
B C
C = ^0 = B . C
@ .. A
0
Caso contrario, decimos que el sistema es no homogéneo.

Ejemplo 31 Determine si los siguientes sistemas lineales son o no, homogéneos

8 8 8
< 2x y + 5z = 0 < x=y+z < 3x + y = 1
1: x 3z = 0 2: y=z 3: 2x 3y + 5z = 0
: : :
y=0 x=0 5x + y = 5

Solución 31 Viendo caso por caso, tenemos:

El sistema 1 es homogéneo, pues escrito en su forma matricial aumentada tenemos que

0 10 1 0 1
2 1 5 x 0
@ 1 0 3 A @y A = @0A
0 1 0 z 0

de donde claramente se ve que 0 1

0
C = @0A
0

El sistema 2 también es homogéneo, pues al reescribirlo, tenemos

8
< x y z=0
y z=0
:
x=0

escrito en su forma matricial aumentada tenemos que

0 10 1 0 1
1 1 1 x 0
@ 0 1 1 A @y A = @0A
1 0 0 z 0

de donde otra vez claramente se ve que 0 1

0
C = @0A
0

20
 El sistema 3 por el contrario, no es homogéneo, pues escrito en su forma matricial aumentada tenemos
que 0 10 1 0 1
3 1 0 x 1
@ 2 3 5 A @y A = @0A
5 1 0 z 5
de donde claramente se ve que 0 1 0 1
1 0
C = @0A 6= @0A
5 0

De…nición 23 (Sistema de ecuaciones lineales compatibles e incompatibles) Decimos que un sistema de ecua-
ciones, escrito en la forma
AX = C
es compatible o consistente, si posee solución única o in…nita cantidad de soluciones (en cuyos casos se
dicen que son compatible independiente y compatible dependiente, de manera respectiva), mientras que si
el sistema carece de soluciones (S = ) ; decimos que el sistema es incompatible o inconsistente.

Ya teniendo el concepto de lo que representa un sistema homogéneo y un sistema no homogéneo, veremos

unos teoremas que conectan estas de…niciones con algunos de los conceptos ya estudiados también en este
apartado. Los enunciamos a continuación:

Teorema 4 Un sistema de ecuaciones n m homogéneo, denotado por

AX = ^0

es siempre consistente. Además:

Posee siempre la solución trivial:
S = ^0m
Es decir, el vector columna cuyas m componentes son nulas. Este vector será la única solución del
sistema si se cumple que Rng (A) = n = m:
El sistema posee al menos una solución X~ distinta de la trivial para el caso n < m. Esto quiere decir,
que existe X~ 6= ^0m tal que
~ = ^0
AX

El sistema posee in…nitas soluciones si n < m, las cuales posee

m Rng (A)

variables libres.

Teorema 5 (Teorema de Equivalencias (Versión 1).) Sea A una matriz n n asociada al sistema de ecua-
ciones determinado por
AX = C
Entonces son equivalentes las proposiciones:
El rango de A es igual a n; o sea:
Rng (A) = n

La matriz A es equivalente a In aplicar una secuencia …nita de operaciones por …las. Es decir:
A A1 A2 ::: An 1 An = In

donde cada Ai con 1 i n representa la matriz elemental (una matriz obtenida al aplicar una
operación elemental por …las a otra matriz).

21
 El sistema
AX = C
posee solución única. En otras palabras, sólo existe un único vector columna X^ que satisface la
ecuación
^ =C
AX

Este par de teoremas nos dan un mejor panorama para saber, con sólo escalonar la matriz A, cuántas
soluciones tendrá un determinado sistema de ecuaciones. Una vez ya sabidos estos teoremas, vamos
aplicarlos a la resolución de los sistemas de ecuaciones.dando uso del método de Reducción de Gauss-
Jordan. Primeramente vamos a resolver sistemas n n y luego, estudiaremos el caso especial n m: Preste
atención a los siguientes ejemplos que nos ilustran cómo hacerlo para el primer caso mencionado.

Ejemplo 32 Resuelva el siguiente sistema mediante la matriz aumentada correspondiente

8
< 4x y 2z = 4
3x + 5y + 3z = 1
:
x+y+z = 1

Solución 32 La correspondiente matriz aumentada está dada por

0 1
4 1 2 4
@ 3 5 3 1 A
1 1 1 1

Aplicando Gauss-Jordan, obtenemos

0 1 0 1 0 1
4 1 2 4 1 1 1 1 1 1 1 1
@ 3 5 3 1 A f1^f3 @ 3 5 3 1 A g
f1 @ 3 5 3 1 A
1 1 1 1 4 1 2 4 4 1 2 4

0 1 0 1 0 1
1 1 1 1 f 1 1 1 1 1 1 1 1
3f^
1 + f2 @ 0 f2
2 0 4 A @ 0 1 0 2 A ^
3f2 + f3
@ 0 1 0 2 A
4f1 + f3 2
0 3 2 0 0 3 2 0 0 0 2 6

0 1 0 1 0 1
f 1 1 1 1 1 1 0 2 1 0 0 0
f3 @ 0 A @ 0 A @ 0 A
1 0 2 f^
3 + f1 1 0 2 f^
2 + f1 1 0 2
2
0 0 1 3 0 0 1 3 0 0 1 3

Lo anterior equivale a escribir 8

< x=0
y=2
:
z= 3
De donde 0
1
0
X=@ 2 A
3
es la solución del sistema dado. Ésta solución es única pues, se puede ver que al haber obtenido la forma
escalonadareducida de la matriz, el rango de ésta es 3, el cual equivale al número de variables del sistema,
lo cual por el teorema anterior, implica la conclusión ya dicha de la solución del sistema.

Ejemplo 33 Realice lo mismo del ejercicio anterior para el sistema

8
< y 2z = 0
2x y + 3z = 3
:
x + 4y z = 5

22
Solución 33 La correspondiente matriz aumentada está dada por
0 1
0 1 2 0
@ 2 1 3 3 A
1 4 1 5

Aplicando Gauss-Jordan, obtenemos

0 1 0 1 0 1
0 1 2 0 1 4 1 5 1 4 1 5
@ 2 1 3 3 A f1^f3 @ 2 1 3 3 A ^
2f1 + f2
@ 0 9 5 13 A
1 4 1 5 0 1 2 0 0 1 2 0

0 1 0 1 0 1
1 4 1 5 1 4 1 5 g 1 4 1 5
@ 0 A @ 0 A f2 @ 0 1
f2^f3 1 2 0 9f^
2 + f3 1 2 2 2 0 A
13
0 9 5 13 0 0 13 13 0 0 1 1

0 1 0 1
1 4 0 6 1 0 0 2
2f^3 + f2 @ 0 1 0 2 A ^
4f2 + f1
@ 0 1 0 2 A
f3 + f1
0 0 1 1 0 0 1 1

Lo anterior equivale a escribir 8

< x= 2
y=2
:
z=1
De donde 1 0
2
X=@ 2 A
1
es la solución del sistema dado. Nuevamente, ésta solución es única, garantizada por le teorema de
equivalencias dado anteriormente.

Ejemplo 34 Resuelva el sistema de ecuaciones

8
>
> x y+z w =0
<
x 2y + z + 2w = 1
>
> 3x + 5y 5z + z = 0
:
3y + 2z + w = 2

Solución 34 Aplicando Reducción de Gauss-Jordan a la matriz aumentada otra vez, obtenemos:

0 1 0 1 0 1
1 1 1 1 0 1 1 1 1 0 1 1 1 1 0
B 1
B 2 1 2 1 C C f^
1 + f2
B 0
B 3 2 1 1 C
C ^
B 0
B 3 2 1 1 C
C
@ 3 f2 + f4
5 5 1 0 A 3f1 + f3 @ 0 8 8 4 0 A @ 0 8 8 4 0 A
0 3 2 1 2 0 3 2 1 2 0 0 0 0 1

Podemos ver que en este caso, el rango de la matriz escalonada reducida de la aumentada es mayor que el
rango de la escalonada reducida de la matriz del sistema. O bien, podemos decir que la última …la tiene
una ecuación inconsistente. Por lo tanto, el sistema de ecuaciones es incompatible, lo cual equivale a
S=

23
2.3.2 Soluciones de sistemas de ecuaciones que involucran parámetros
Como vimos en los ejemplos anteriores, algunos sistemas en cuyo caso, la matriz aumentada se reduce a
una matriz escalonada cuyo rango es igual al número de variables. Esto signi…ca que el sistema tendrá
solución única. Sin embargo, existen otros casos en los cuales no habrá solución única ni solución vacía.
En este caso, habrá una in…nidad de soluciones y en estos casos, se necesitará expresar éstas soluciones,
utilizando n Rng (A) parámetros o variables libres (A representa la matriz asociada al sistema). Vamos a
ver ésto con algunos ejemplos.

Ejemplo 35 Resuelva el sistema de ecuaciones lineales

3x 2y + z = 3
x + y 3z = 1

Solución 35 Empleando la matriz aumentada, tenemos

3 2 1 3 1 1 3 1
f1^f2
1 1 3 1 3 2 1 3

1 1 3 1 g
f2 1 1 3 1
^
3f1 + f2
0 5 10 0 5 0 1 2 0

Claramente, el rango de la matriz escalonada tanto de la matriz del sistema como coincide con el de la
aumentada; es 2: Sin embargo, el número de variables es 3 por lo tanto hay in…nitas soluciones dependientes
de 1 parámetro: Sea z = t dicho parámetro, entonces reduciendo la última matriz obtenida, tenemos
1 1 3 1 ^ 1 0 1 1
f3 + f2
0 1 2 0 0 1 2 0

Así, se deduce que

x t = 1 =) x = 1 + t
y 2t = 0 =) y = 2t

Y por lo tanto 80 1 9
< 1+t =
S = @ 2t A ; t 2 R
: ;
t
Más adelante veremos que, geométricamente, resolver este sistema nos permite hallar lo que llamaremos
"ecuación vectorial de la recta en R3 ", dados un punto P y su "vector director" (~u). Cada una de las dos
ecuaciones lineales dadas, representan las ecuaciones de los planos uqe, de intersecarse, forman la recta
en cuestión. En este ejemplo, vemos que al obtener la solución del sistema, podemos escribirlo como
80 1 0 1 9
< 1 1 =
S = @0A + t @2A ; t 2 R
: ;
0 1

De donde 0 1 0 1
1 1
P = @0A y ~u = @2A
0 1

Estudiaremos ahora el apartado de matrices inversas, junto con los conceptos de matriz transpuesta y sus
propiedades (se introdujeron al inicio) y además, otro par de conceptos ampliamente usados no sólo en
este curso, sino que en Cálculo en Varias Variables y Ecuaciones Diferenciales como lo son la combinación
lineal de vectores en Rn así como la independencia y dependencia lineal de un conjunto de vectores de Rn :
Comenzamos ampliando lo visto al inicio sobre la matriz inversa

24
2.4 Matrices Invertibles. Inversa de una matriz y su cálculo mediante Reducción de Gauss-
Jordan
Al empezar el curso y particularmente, el tema de matrices, introducimos el concepto de matriz inversa,
a partir del concepto de matriz identidad. Lo retomamos brevemente:

De…nición 24 (Matriz Inversa) Sea A una matriz de tamaño n n; llamamos matriz inversa a la matriz B
que cumple la propiedad
AB = In
donde In es la matriz identidad, de tamaño n n: La denotamos por
1
B=A

Recordemos que la matriz inversa no siempre existe por lo que brevemente veremos las condiciones para
su existencia. Por ahora, podemos introducir esta otra de…nición:
De…nición 25 Sea A una matriz de tamaño n n que posee inversa. Decimos entonces que A es invertible.
Además
1 1
AA =A A = In

A partir de esta de…nición, vamos a establecer un par de teoremas; el primero que posee algunas equiv-
alencias y con ello, saber bajo qué circunstancias la matriz inversa de una matriz A existey el otro, que
establece algunas importantes propiedades acerca de la matriz inversa y que podemos usar a la hora de la
práctica.

Teorema 6 (De Equivalencias, (Versión 2):) Sea A una matriz n n. Entonces, son equivalentes las proposi-
ciones enunciadas a continuación:
Rng (A) = n
A es equivalente a In mediante operaciones elementales por …las.
El sistema AX = ^0 tiene como solución única al vector ^0m :
El sistema AX = C posee solución única
A es invertible.

Teorema 7 (Propiedades de la Matriz Inversa) Sean A y B matrices invertibles: Entonces se satisfacen las
siguientes propiedades:
1 1 1
(AB) =B A
1 1
A =A

Ya con éstos teoremas, sabremos cuando una matriz puede ser o no invertible y qué propiedades existen
para efectuar cálculos más rápidos. En caso de que se garantice la existencia de dicha, la pregunta ahora es:
Cómo calcular la matriz A 1 ? Afortunadamente hay varias maneras de hacerlo. Por el momento, veremos
una que involucra el proceso de Reducción de Gauss-Jordan.

25
2.4.1 Obtención de la inversa de una matriz a partir de la Reducción de Gauss-Jordan.
Para ser más ilustrativos e ir más directamente a nuestro objetivo, se explicará el proceso mediante varios
ejemplos especí…cos en vez usar una generalización. Sólamente, se mencionará que nuestro punto de partida
para obtener la matriz inversa de A será partir del esquema
0 1
a11 a1n 1 0 0
B .. .. .. C
B . . . 0 1 0 C
B .. .. .. .. C
B .. .. .. .. . C
@ . . . . . . . A
an1 ann 0 0 1

que involucra a la vez, la matriz A con la identidad In para obtener mediante RGJ, un esquema de la
forma: 0 1
1 0 0 b11 b1 n
B .. .. .. C
B 0 1 0 . . . C
B .. .. .. .. C
B . .. .. .. .. C
@ . . . . . . . A
0 0 1 bn1 bnn
Donde se concluye que 0 1
b11 b1n
B .. .. .. C
B . . . C
A 1
=B
B . ..
C
.. C
@ .. ..
. . . A
bn1 bnn

Ejemplo 36 Obtenga una matriz inversa de la matriz:

4 3
A=
1 1

Solución 36 Partimos del esquema

4 3 1 0
1 1 0 1
plicando operaciones por …las adecuadamente, tenemos que
4 3 1 0 1 1 0 1
f1^f2
1 1 0 1 4 3 1 0

^ 1 1 0 1 1 0 1 3
4f1 + f2 f^
2 + f1
0 1 1 4 0 1 1 4

De donde concluímos que

1 1 3
A =
1 4

Caso 1 Para el caso de matrices 2 2; siempre se cumplirá que la inversa de la matriz

a b
A=
c d

corresponde a la matriz
1 1 d b
A =
ad cb c a

26
donde ad cb 6= 0: A este número se le llama "determinante" de la matriz A: Más adelante, en el capítulo
3; profundizaremos en este concepto. Resolviendo el ejemplo anterior con el uso de la fórmula, tenemos:

4 3 1 1 1 3
A= =) A =
1 1 4 1 1 3 1 4

1 1 3
=) A = 1
1 4

1 1 3
=) A =
1 4

Ejemplo 37 Obtener la matriz inversa de la matriz

0 1
2 0 1
A=@ 3 2 1 A
3 1 2

Solución 37 Para obtener la forma escalonada reducida, aplicamos las operaciones que se detallan a con-
tinuación 0 1 0 1 1
1
2 0 1 1 0 0 f 1 0 0 0
@ 3 2 1 0 1 f1 2 2
0 A @ 3 2 1 0 1 0 A
2
3 1 2 0 0 1 3 1 2 0 0 1

0 1 1
1 0 1 1 1
1
^ 1 0 0 0 f 1 0 0
3f1 + f2 @ 0 2
2 2 f2 2 2 3
2
1
2
3
1 0 A @ 0 1 4
1
4
3 1
2 0 A
3f1 + f3 1 3 2 1 3
0 1 2 2 0 1 0 1 2 2 0 1

0 1 1
1 0 1 1
1
1 0 0 0 g 1 0 0 0
@ 0 1
2 2 4f3 2 2
^
f2 + f3 4
1
4
3 1
2 0 A @ 0 1 4
1
4
3 1
2 0 A
3 3 1 3 2 4
0 0 4 4 2 1 0 0 1 1 3 3

f^ 0 1 2
1
3 1 0 0 1
+ f2 3 3
4 @ 0 1 0 1 1 1 A
f3 3
2
3
4
+ f1 0 0 1 1 3 3
2
De esta manera, hemos obtenido la matriz buscada, la cual corresponde a
0 1 2
1
1 3 3
@ 1 1 1 A
3 3
2 4
1 3 3

2.4.2 Matriz Transpuesta y sus propiedades

Retomamos también el concepto de la matriz transpuesta y sus propiedades:
De…nición 26 (Matriz Transpuesta) Sea A una matriz de tamaño n m. Llamamos matriz transpuesta de
A, denotada por At ; a la matriz de tamaño m n que satisface la relación

At = faji g

Es decir, que los elementos intercambian, a la vez, su …la y su columna, de manera que las …las de A se
convierten en las columnas de At y las columnas de A en las …las de At :

27
Teorema 8 Sean A y B matrices del tamaño adecuado (para tener bien de…nidas las operaciones), entonces
se cumplen las propiedades:
t
(At ) = A
t
(kA) = kAt
t
(A + B) = At +B t
t
(AB) = B t At

Ejemplo 38 Pruebe que

1 1 t
At = A
donde A es una matriz invertible de tamaño n n:

Solución 38 Primeramente, por de…nición se cumple que

1
At At = In

Por otra parte, teniendo en cuenta que (In )t = In y que (AB)t = B t At

1
A A = In

1 t t
A A = (In )

1 t
At A = In •

Empleando las igualdades y •, junto con el hecho de que la matriz inversa es única, llegamos a la
conclusión.

2.5 Determinantes
Estudiaremos en este capítulo, el determinante de una matriz cuadrada y sus propiedades. Éste es otro
de los conceptos que se usan ampliamente tanto dentro de este mismo curso, como en Cálculo en Varias
Variables y Ecuaciones Diferenciales. Cabe destacar que los determinantes nos servirán, entre otras cosas,
para resolver sistemas de ecuaciones mediante la llamada Regla de Cramer (la cual será abarcada aquí) y
hallar matrices inversas, como forma alternativa a la vista por medio de RGJ.

2.6 Cálculo del determinante de una matriz cuadrada n n:

Comenzemos primero, de…niendo el determinante como tal, haciendo primero énfasis para matrices de
tamaño 2 2, luego para 3 3; mediante la Regla de Sarrus y posteriormente, veremos la regla general en
la cual podemos hallar el determinante de una matriz cuadrada a partir de cualquier …la o columna de la
matriz.

De…nición 27 (Determinante de una matriz cuadrada) Sea

0 1
a11 a12 a1n
B .. C
B a21 . . . . C
A=B B .
C
.. C
@ .. ..
. . A
an1 ann

una matriz cuadrada. Llamamos determinante de A (denotado por det A o por jAj) al número real que se
halla asociado a esta matriz y se calcula a partir de los valores de las entradas de las distintas …las y
columnas de la matriz.

28
Otra forma muy usual de escribir el deteminante de la matriz A es
a11 a12 a1n
.. ..
a21 . .
det A = .. ..
..
. . .
an1 ann

Los métodos para calcular dicho número real los mencionamos a continuación:

1. Determinante de una matriz 2 2: Si A es una matriz es 2x2 :

a b
A=
c d

El determinante de la misma corresponde a:

a b
det A = = ad cb
c d

3 4
Ejemplo 39 Sea A = : Calcule det A:
2 5

Solución 39 Tenemos:
3 4
det A =
2 5

= 3 5 2 4

= 7

2. Determinante de una matriz 3 3 Si A es una matriz 3x3 :

0 1
a b c
A = @d e fA
g h i

calculamos el determinante por medio de la Regla de Sarrus:

a b c
det A = d e f
g h i
..
a b c .. a b
= d e f .. d e
g h i ... g h

= aei + bf g + cdh ceg af h bdi

0 1
3 1 2
Ejemplo 40 Calcular el determinante de A = @4 5 0A
1 1 5

29
Solución 40 Haciéndolo por Regla de Sarrus, tenemos que:

3 1 2
det A = 4 5 0
1 1 5
..
3 1 2 .. 3 1
= 4 5 0 .. 4 5
1 1 5 ... 1 1

= 75 + 0 + ( 8) 10 0 ( 20)

= 77

3. Caso General para matrices de tamaño n n: Para el caso más general, vamos a introducir primero un
concepto importante para poder comprender el procedimiento correctamente.
De…nición 28 (Menor y Cofactor de un elemento aij de una matriz cuadrada n n:) Sea A una matriz de tamaño
n n: Considérese la matriz la matriz Mij de tamaño (n 1) (n 1) que se forma al suprimir de A; la …la
i y la columna j: Llamamos menor asociado al elemento aij al número

jMij j

mientras que llamamos cofactor de aij , denotado por Aij ;al valor
i+j
Aij = ( 1) jMij j

Ejemplo 41 Sea 0 1
3 1 2
A = @4 5 0A
1 1 5
obtenga jM33 j y A33
Solución 41 Tenemos que
3 1 2/
3 1
M33 = 4 5 0/ = =3 5 4 1 = 19
4 5
1/ 1/ 5/
Por lo tanto
3+3
A33 = ( 1) 19 = 1 19 = 19

Ya con esta idea, podemos dar la regla general del cálculo de determinante para de la matriz
0 1
a11 a12 a1n
B .. .. C
B a21 . . C
A=B
B .
C
.. C
@ .. ..
. . A
an1 ann

la cual enunciamos de inmediato:

30
Teorema 9 (Regla general para el cálculo del determinante de una matriz cuadrada n n:) Sea A una ma-
triz cuadrada, entonces:
n
X
det A = aij Aij
j=1

Si calculamos el determinante por medio de las …la i de A; tenemos

det A = ai1 Ai1 + ai2 Ai2 + ::: + ain Ain

Si calculamos el determinante por medio de las colunma j de A; tenemos

det A = a1j A1j + a2j A2j + ::: + anj Anj

Es de tener muy presente que el teorema anterior NOS PERMITE ESCOGER LA FILA O COLUMNA
para el cálculo del determinante y con ello, hallar de la manera más sencilla posible. Esto básicamente se
aplica para aquellas …las o columnas que posean al menos un 0:
Para el caso particular en el que 0 1
a b c
A = @d e fA
g h i
bajo esta regla, deducimos que al hacerlo por la primera …la, se obtiene:
a b c
det A = d e f
g h i
e f d f d e
= a b +c
h i g i g h

Mientras que por la primera columna, se deduce que

a b c
det A = d e f
g h i
e f b c b c
= a d +g
h i h i e f

Por otro lado, sea 0 1

a b c d
Be f g hC
A=B
@i
C
j k lA
m n o p
calculando por la primera …la, llegamos a
f g h e g h e f h e f g
det A = a j k l b i k l +c i j l d i j k
n o p m o p m n p m n o

Usted puede deducir el resultado hecho mediante la primera columna. Note que, de manera general, el
cálculo del determinante lleva consigo una alternancia de signos con respecto a las entradas de la matriz.
Dicha alternancia se da de la siguiente forma:
0 1
+ +
B + + C
B C
B+ + C
B C
B + + C
@ A
.. .. .. .. ..
. . . . .

31
Ejemplo 42 Sean 0 1
0 1 1 0 3 1
2 1 5 B 2 1 0 9C
A=@ 4 3 1A B=B
@0
C
7 4 6A
1 1 8
0 5 0 2
Calcular det A y det B:

Solución 42 Primero, para calcular det A hacemos por la primera columna

2 1 5
det A = 4 3 1
1 1 8
3 1 1 5 1 5
= 2 ( 4) +1
1 8 1 8 3 1

= 2 23 + 4 3 + 1 14

= 44

O bien, si lo hacemos pro la primera …la, obtenemos

2 1 5
det A = 4 3 1
1 1 8
3 1 4 1 4 3
= 2 ( 1) +5
1 8 1 8 1 1

= 2 23 + 1 33 + 5 7

= 44

Por otro lado, para calcular det B observe que podemos hacerlo de manera sencilla, aprovechando alguna
de las columnas o …las que poseen ceros. Haciéndolo por la primera columna, concluímos:
1 0 3 1
2 1 0 9
det B =
0 7 4 6
0 5 0 2
1 0 9 0 3 1 0 3 1 0 3 1
= 1 7 4 6 ( 2) 7 4 6 +0 1 0 9 0 1 0 9
5 0 2 5 0 2 5 0 2 7 4 6
| {z } | {z }
0 0

1 9 3 1 3 1
= 1 4 +2 7 + ( 5)
5 2 0 2 4 6

= 52

2.7 Propiedades del determinante.

Veremos a continuación, algunas propiedades básicas del determinante que son útiles a la hora de realizar
diversos cálculos y pruebas.

32
Teorema 10 (Linealidad del determinante) El determinante es lineal, es decir, si A es una matriz cuadrada
n n tal que cada elemento de la …la i se puede escribir de la forma aij = kbij + cij entonces:

a11 a12 a1n

.. ..
a21 . .
.. .. .. ..
. . . .
..
kbi1 + ci1 kbi2 + ci2 . kbii + cii kbin + cin
.. .. .. .. .. ..
. . . . . .
.. .. .. .. .. .. ..
. . . . . . .
an1 ann
a11 a12 a1n a11 a12 a1n
.. .. .. ..
a21 . . a21 . .
.. .. .. .. .. .. .. ..
. . . . . . . .
= k bi1 .. ..
bi2 . bii bin + ci1 ci2 . cii cin
.. .. .. .. .. .. .. .. .. .. .. ..
. . . . . . . . . . . .
.. .. .. .. .. .. .. .. .. .. .. .. .. ..
. . . . . . . . . . . . . .
an1 ann an1 ann

Importante 1 El teorema aplica igual para el caso de que sea una columna j donde se cumpla que

aij = kbij + cij

Teorema 11 (Propiedades del Determinante) Sean A una matriz cuadrada n n: Entonces:

Si A posee al menos una …la o columna de ceros, entonces

det A = 0

Si una columna o …la de A es combinación lineal, respectivamente, de una o más columnas o …las de
A, entonces
det A = 0

Si k 2 R; entonces
det (kA) = k n det A

Si B es la matriz obtenida al hacer la operación fi fj ; entonces

det B = det A

Teorema 12 (Determinante del producto de matrices) Sean A y B matrices cuadradas n n entonces

det (AB) = det A det B

Ejemplo 43 Sean
1 4 8 2
A= B=
3 5 1 2
Calcule det (AB)

33
Solución 43 Fácilmente, vemos que

1 4
det A = =5 12 = 17
3 5

8 2
det B = = 16 2 = 14
1 2

Por lo tanto
det (AB) = det A det B

= 17 14

= 238

Esto es lo mismo que haber hallado primero AB y luego calcular su determinante:

1 4 8 2 12 10
AB = =
3 5 1 2 19 4

12 10
=) det (AB) = = 48 190 = 238
19 4

Sin embargo, en casos donde las matrices son de tamaños mayores, ésto último puede convertirse en algo
tedioso y de ahí la utilidad de la propiedad, pues facilita enormemente el cálculo.

2.7.1 Determinante de la Matriz Transpuesta

Teorema 13 (Determinante de la matriz transpuesta) Sea A una matriz cuadrada n n y At su transpuesta,
entonces
det A = det At

2.7.2 Determinante de la Matriz Inversa

A partir del resultado
det (AB) = det A det B
y de la propiedad
1
AA = In
donde A es una matriz invertible, podemos establecer que
det AA:1 = det (In )

1
det A det A = det I
| {z n}
1

1
det A det A = 1

de donde se concluye que

1 1
det A =
det A

Ejemplo 44 Halle el determinante de la matriz inversa de

4 6
A=
5 9

34
Solución 44 Fácilmente, vemos que
det A = 36 30 = 6
Por tanto
1 1
det A =
6

Ejemplo 45 Sean A y B matrices cuadradas de orden 4 (es decir, de tamaño 4 4) tales que

det A = 2 y det B = 2

Determine
1 1
det A Bt
2

Solución 45 Por las propiedades de determinantes detalladas anteriormente, tenemos que

4
1 1 1
det A Bt = det A 1
Bt
2 2
1
= det A 1 det B t
16 | {z } | {z }
1 =det B
= det A

1 1
= 2
16 2
1
=
16

2.7.3 Determinante de una matriz equivalente por …las a una matriz A:

Otra propiedad importantísima a destacar de los determinantes, es la que se resume en este teorema:
Teorema 14 Sea A una matriz cuadrada n n y B la matriz equivalente a A que se obtiene al aplicar
operaciones elementales por …las de la forma
fi fj
Entonces
det A = det B

El teorema anterior nos da la posibilidad entonces, de poder calcular el determinante de la matriz escalon-
ada resultante de aplicar reducción gaussiana y con ello, aplicar la propiedad del determinante para
matrices triangulares (pues la matriz B es escalonada y a su vez, triangular superior).

Ejemplo 46 Halle el determinante de la matriz

0 1
2 1 0
A=@ 1 3 1A
5 1 4

Solución 46 Primero, aplicando reducción para escalonar un poco, tenemos:

0 1 0 1 0 1
2 1 0 1 3 1 ^ 1 3 1
@1 2f1 + f2
3 1A f1^f2 @ 2 1 0A @0 5 2A
5f1 + f3
5 1 4 5 1 4 0 16 4
| {z } | {z }
A B

35
Ahora, el determinante de la matriz B corresponde a
5 2
det B = 1 = 20 32 = 12
16 4
Por lo tanto, se deduce también que
det A = 12

Note que en caso de que se escalone una matriz cuadrada únicamente mediante el uso de operaciones por
…la de la forma
afi fj
Podemos obtener entonces el determinante de la matriz original calculando (de forma más simple) el
determinante de la matriz escalonada, la cual a su vez es una matriz triangular superior. El siguiente
teorema nos dice una regla muy peculiar para ello.

2.7.4 Determinante de una Matriz Triangular

Recordemos que una matriz triangular de tamaño n n tenía alguna de las 2 siguientes formas:
0 1 0 1
a11 a12 a1n b11 0 0
B .. C B b21 b22
B 0 a22 . C B 0 CC
A=B
B .. .. C
C ó B=B . .. .. C
@ .. @ .. . . A
. . . A
0 0 ann bn1 bnn

En el caso de la primera matriz (la triangular superior), fácilmente se puede inferir al calcular el determi-
nante por la primera columna, se obtiene
det A = a11 a22 ::: ann
Mientras que para la segunda matriz (triangular inferior), calculando por la primera …la, obtenemos
det B = b11 b22 ::: bnn
Ambos resultados se resumen en el siguiente teorema:

Teorema 15 El determinante de una matriz triangular corresponde al producto de cada uno de los elementos
de su diagonal.

Ejemplo 47 Calcular los determinantes de las siguientes matrices

0 1 0 1
1 3 5 9 3 0 0 0
B0 4 8 7 C B9 1 0 0C
A=B @0 0 2 5 A
C y B=B @ 4
C
8 1 0A
0 0 0 9 6 7 5 2

Solución 47 Claramente, ambas son triangulares (la primera superior y la segunda, inferior). Por tanto:
det A = 1 4 2 9 = 72

det B = 3 1 1 2=6

Corolario 1 Sea In la matriz identidad, entonces

det In = 1
Lo anterior se deduce fácilmente por el hecho de que In es triangular y el producto de los elementos de su
diagonal es 1 (todos los elementos de la diagonal son 1).

36
2.8 Relación entre el determinante de una matriz cuadrada y la invertibilidad de una matriz
Ya con el conocimiento adquirido hasta ahora de los determinantes, podemos dar una nueva versión del
Teorema de Equivalencias:

Teorema 16 (De Equivalencias (Versión 3)) Sea A una matriz cuadrada n n; entonces son equivalentes las
siguientes proposiciones:
Rng (A) = n

A es equivalente a In mediante operaciones elementales por …las.

El sistema AX = 0 tiene como solución única al vector ^0m :
El sistema AX = C posee solución única.
Los vectores columna (y los vectores …la también) de A son linealmente independientes.
A es invertible.
det A 6= 0

El teorema, con la nueva proposición que acabamos de encontrar, es útil para saber, por ejemplo, en
qué casos hay posibilidad o no de hallar una matriz inversa a una dada en la cual existen uno o varios
parámetros. Los siguientes ejemplos ilustran esto un poco mejor.

Ejemplo 48 Determine los valores de p para los cuales la matriz

0 1
1 1 p 2
A=@ p p 1 A
2p 0 p

es invertible.
Solución 48 El Teorema de Equivalencias anterior nos dice que la matriz A es invertible sí y sólo si det A 6= 0:
Es de esperarse que éste determinante quede en términos de p y para calcularlo, vamos a aplicar primero
operaciones por …las para escalonar la matriz A y calcular el determinante de la matriz escalonada obtenida,
la cual será triangular:
0 1 0 1 0 1
1 1 2 ^ 1 1 2 1 1 2
@ p pf1 + f2
p 1A @0 2p 2p + 1A f^
2 + f3
@0 2p 2p + 1A
2pf1 + f3
2p 0 p 0 2p 3p 0 0 p+1

De esta forma, vemos entonces que

det A = 1 2p (p + 1)

= 2p (p + 1)

Éste determinante se anula si p = 0 ó p = 1; de manera que cualquier otro valor de p da pie a que exista
la inversa de A, es decir:
p2R f 1; 0g

37
2.9 Regla de Cramer para resolver Sistemas de Ecuaciones Lineales.
A continuación, veremos una forma de resolver sistemas de ecuaciones lineales, en la cual el determinante
juega un papel central. Primeramente, establecemos los resultados aplicables a sistemas 2 2 y 3 3, para
luego establecer el caso general (n n).

Teorema 17 (Regla de Cramer para Sistemas de Ecuaciones Lineales 2 2:) Considere el sistema

ax + by = c
dx + ey = f

donde a; b; c; d; e y f son números reales.y sea

a b
A=
d e

su matriz correspondiente. Si se cumple que

det A 6= 0
entonces:
c b a c
f e d f
x= y y=
det A det A

Ejemplo 49 Resolver el siguiente sistema de ecuaciones mediante la Regla de Cramer:

4x + 3y = 1
5x 4y = 2

Solución 49 Primero que nada:

4 3
=1
5 4
Entonces, por la Regla de Cramer, se cumple que
1 3
2 4 4 6
x = = =2
1 1

4 1
5 2 8 5
y = = =3
1 1
De manera que
2
S=
3

Teorema 18 (Regla de Cramer para Sistemas de Ecuaciones Lineales 3 3:) Considere el sistema
8
< ax + by + cz = d
ex + f y + gz = h
:
ix + jy + kz = l

con a; b; c; d; e; f; g; h; i; j; k; y l son números reales y sea

0 1
a b c
A = @e f gA
i j k

38
su matriz correspondiente. Si se cumple que
det A 6= 0
entonces:
d b c a d c a b d
h f g e h g e f h
l j k i l k i j l
x= , y= y z=
det A det A det A

Ejemplo 50 Resuelva el sistema de ecuaciones

8 9
< x+y+z =1 =
x 2z = 0
: ;
y + 6z = 4

Solución 50 La matriz correspondiente al sistema es

0 1
1 1 1
A = @1 0 2A
0 1 6

Reduciendo: 0 1 0 1 0 1
1 1 1 1 1 1 1 1 1
@1 0 f1 + f2 @0
2A ^ 1 3A f^
2 + f @
3 0 1 3A
0 1 6 0 1 6 0 0 3
| {z } | {z }
A B

Por lo tanto
det A = det B = 3
Así:
1 1 1
0 0 2 1 1
( 2)
4 1 6 4 1 6
x = = = =2
3 3 3

1 1 1
1 0 2 0 2 1 1
1 1
0 4 6 4 6 4 6 8 2
y = = = = 2
3 3 3

1 1 1
1 0 0 1 1
1
0 1 4 1 4 3
z = = = =1
3 3 3
Por lo que …nalmente, tenemos que la solución corresponde a
80 19
< 2 =
S = @ 2A
: ;
1

Teorema 19 (Caso General de la Regla de Cramer.) Considere el sistema de ecuaciones lineales n n:

8
>
> a11 x1 + a12 x2 + ::: + a1n xn = b1
>
< a21 x1 + a22 x2 + ::: + a2n xn = b2
..
>
> .
>
:
an1 x1 + an2 x2 + ::: + ann xn = bn

39
donde 0 1
a11 a12 a1n
B .. .. C
B a21 . . C
A=B
B . .. .. C
C
@ .. ..
. . . A
an1 ann
representa la matriz del sistema y además
det A 6= 0
Entonces
a11 a12 b1 a1n
.. ..
a21 . b2 .
.. .. .. ..
. . . .
.. .. .. ..
. . . bi .
.. .. .. .. .. ..
. . . . . .
an1 bn ann
xi =
det A
donde los elementos bi se ubican en la columna i de la matriz A:

2.10 Cálculo de la Matriz Inversa a partir de la Matriz Adjunta

Para cerrar este capítulo, expondremos otra forma alternativa e inclusive algo más práctica, para calcular
la matriz inversa de una matriz cuadrada A de tamaño n n, mediante el uso de la matriz cofactora, la
matriz adjunta y el determinante de A: De…nimos primeramente el concepto de matriz cofactora y matriz
adjunta de una matriz A:

2.10.1 Matriz Cofactora de una matriz A:

La matriz cofactora de una matriz cuadrada A se de…nirá seguidamente en su forma general y luego,
daremos un par de colorarios alusivos a los casos n = 2 y n = 3:

De…nición 29 (Matriz Cofactora de una matriz A de tamaño n n:) Se de…ne la matriz cofactora una ma-
triz A de tamaño n n; denotada por C , a la matriz cuyas entradas son
i+j
cij = ( 1) det D

donde D es la matriz que resulta de suprimir la …la i y la columna j de la matriz A:

Ejemplo 51 (Matriz Cofactora de una matriz 2 2) Determine la matriz cofactora de la matriz

a b
A=
c d

Solución 51 Fácilmente, deducimos que

c11 = d c12 = c c21 = b c22 = a

Por lo tanto
d c
C=
b a

40
Ejemplo 52 (Matriz Cofactora de una matriz 3 3) Determine la matriz cofactora de la matriz
0 1
a11 a12 a13
A = @a21 a22 a23 A
a31 a32 a33
Solución 52 Fácilmente, deducimos que
a22 a23 a21 a23 a21 a22
c11 = c12 = c13 =
a32 a33 a31 a33 a31 a32

a12 a13 a11 a13 a11 a12

c21 = c22 = c23 =
a32 a33 a31 a33 a31 a32

a12 a13 a11 a13 a11 a12

c31 = c32 = c33 =
a22 a23 a21 a23 a21 a22
Por lo tanto
0 1
c11 c12 c13
C = @c21 c22 c23 A
c31 c32 c33
0 1
a22 a23 a21 a23 a21 a22
B a32 a33 a31 a33 a31 a32 C
B C
B C
B C
B a12 a13 a11 a13 a11 a12 C
= B
B a32 a33
C
B a31 a33 a31 a32 C
C
B C
B C
@ a12 a13 a11 a13 a11 a12 A
a22 a23 a21 a23 a21 a22

Ejemplo 53 Con base en los planteamientos anteriores, halle las matrices cofactoras de las matrices
0 1
1 3 0
2 4
A= y B = @5 4 0A
2 5
1 0 2
Solución 53 Resolviendo cada caso por aparte, tenemos:
Para
2 4
A=
2 5
por la fórmula vista, tenemos que
5 2
CA =
4 2
Mientras que para 0 1
1 3 0
B = @5 4 0A
1 0 2
por la fórmula, se obtiene que
0 1
4 0 5 0 5 4
B 0 2 1 2 1 C
0
B C
B C
B C
B 3 0 1 0 1 3C
CB = B
B
C
B 0 2 1 2 1 0 C
C
B C
B C
@ 3 0 1 0 1 3 A
4 0 5 0 5 4
0 1
8 10 4
= @ 6 2 3A
0 0 19

41
2.10.2 Matriz Adjunta de una matriz A:
A sabiendas ya de lo que consiste una matriz cofactora de una matriz cuadrada A; podemos de…nir ahora
la matriz adjunta de A como sigue:

De…nición 30 (Matriz Adjunta de una matriz A:) Sea A una matriz cuadrada de tamaño n n y C su cor-
respondiente matriz cofactora. Se de…ne la matriz adjunta de A, denotada por A ; a la matriz
t
A = CA

Ejemplo 54 Determine las matrices adjuntas de las matrices de…nidas en el ejemplo anterior

Solución 54 Ya sabemos que 0 1

8 10 4
5 2
CA = y CB = @ 6 2 3A
4 2
0 0 19
Por lo tanto
t t
A = CA y B = CB
es decir 0 1
8 6 0
5 4
A = y B = @ 10 2 0A
2 2
4 3 19

2.10.3 Método para hallar la matriz inversa de una matriz cuadrada A a través de su matriz
adjunta.
El teorema siguiente nos establece una importante igualdad, que a su vez nos indica el camino para un
rápido cálculo de la matriz inversa de cualquier matriz cuadrada.

Teorema 20 Sea A una matriz invertible de tamaño n n y sea A su matriz adjunta. Entonces

1 1
A = A
det A

Ejemplo 55 Halle las matrices inversas de las matrices

0 1
1 3 0
2 4
A= y B = @5 4 0A
2 5
1 0 2

Solución 55 Aplicando la fórmula anterior y los cálculo previos, tenemos que

1 1
A = A
det A
1 5 4
=
2 2 2
5
2 2
=
1 1

42
mientras que
1 1
B = B
det B
0 1
8 6 0
1 @
= 10 2 0A
38
4 3 19
0 4 3
1
19 19 0
= @ 195 1
19 0A
2 3 1
19 38 2

Note que det B se calcula fácilmente usando la tercera columna de B:

3 Referencias
1. Arce, Carlos; Castillo, William, González, Jorge. (2003). Álgebra Lineal. Escuela de Matemática,
Universidad de Costa Rica.

43