Sistemas de Ecuaciones Lineales Y Matrices: Capítulo

Capítul o
1 SISTEMAS DE ECUACIONES
LINEALES Y MATRICES
1.1 INTRODUCCIÓN
Este libro trata del álgebra lineal. Al buscar la palabra “lineal” en el diccionario se encuentra,
entre otras definiciones, la siguiente: lineal: (del lat. linealis). 1. adj. Perteneciente o relativo a
la línea.1 Sin embargo, en matemáticas la palabra “lineal” tiene un significado mucho más am-
plio. Una gran parte de la teoría de álgebra lineal elemental es, de hecho, una generalización de
las propiedades de la línea recta. A manera de repaso se darán algunos hechos fundamentales
sobre las líneas rectas:
i. La pendiente m de una recta que pasa por los puntos (x1, y1) y (x2, y2) está dada por
y2 2 y1 Δ y
m5 5 si x1 Z x2
x2 2 x1 Δ x
ii. Si x2 2 x1 5 0 y y2 ≠ y1, entonces la recta es vertical y se dice que la pendiente es indefinida.2
iii. Cualquier recta (a excepción de aquella que tiene una pendiente indefinida) se puede des-
cribir al escribir su ecuación en la forma pendiente-ordenada y 5 mx 1 b, donde m es la
pendiente de la recta y b es la ordenada (el valor de y en el punto en el que la recta cruza
el eje y).
iv. Dos rectas distintas son paralelas si y sólo si tienen la misma pendiente.
v. Si la ecuación de la recta se escribe en la forma ax 1 by 5 c, (b ≠ 0), entonces se puede
calcular fácilmente, m 5 2a/b.
vi. Si m1 es la pendiente de la recta L1, m2 es la pendiente de la recta L2, m1 ≠ 0 y L1 y L2 son
perpendiculares, entonces m2 5 21/m1.
vii. Las rectas paralelas al eje x tienen una pendiente cero.
viii. Las rectas paralelas al eje y tienen una pendiente indefinida.
En la sección que sigue se ilustrará la relación que existe entre resolver sistemas de ecua-
ciones y encontrar los puntos de intersección entre pares de rectas.
1
Diccionario de la Lengua Española, vigésima segunda edición, Real Academia Española. Madrid: Espasa Calpe, 2001.
2
Indefinida o infinita, como también se le denomina en otros libros.
2 CAPÍTULO 1 Sistemas de ecuaciones lineales y matrices
1.2 DOS ECUACIONES LINEALES CON DOS INCÓGNITAS
Considere el siguiente sistema de dos ecuaciones lineales con dos incógnitas x y y:

a11 x 1 a12 y 5 b1
(1)
a21 x 1 a22 y 5 b2
donde a11, a12, a21, a22, b1 y b2 son números dados. Cada una de estas ecuaciones corresponde a
una línea recta. Una solución al sistema (1) es un par de números, denotados por (x,y), que sa-
tisface (1). Las preguntas que surgen en forma natural son: ¿tiene este sistema varias soluciones
y, de ser así, cuántas? Se responderán estas preguntas después de ver algunos ejemplos, en los
cuales se usarán dos hechos importantes del álgebra elemental:
Hecho A Si a 5 b y c 5 d, entonces a 1 c 5 b 1 d.
Hecho B Si a 5 b y c es cualquier número real, entonces ca 5 cb.
El hecho A establece que si se suman dos ecuaciones se obtiene una tercera ecuación correcta.
El hecho B establece que si se multiplican ambos lados de una ecuación por una constante se
obtiene una segunda ecuación válida. Se debe suponer que c Z 0 ya que aunque la ecuación
0 5 0 es correcta, no es muy útil.
E JEMPLO 1 Sistema con una solución única
Considere el sistema
x2y57 (2)
x1y55
Si se suman las dos ecuaciones se tiene, por el hecho A, la siguiente ecuación: 2x 5 12 (es decir,
x 5 6). Entonces, si se despeja de la segunda ecuación, y 5 5 2 x 5 5 2 6 5 entonces y 5 21.
Así, el par (6,21) satisface el sistema (2) y la forma en que se encontró la solución muestra que
es el único par de números que lo hace. Es decir, el sistema (2) tiene una solución única.
E JEMPLO 2 Sistema con un número infinito de soluciones
x2 y5 7
(3)
2x 2 2y 5 14
Se puede ver que estas dos ecuaciones son equivalentes. Esto es, cualesquiera dos números, x y
y, que satisfacen la primera ecuación también satisfacen la segunda, y viceversa. Para compro-
bar esto se multiplica la primera ecuación por 2. Esto está permitido por el hecho B. Entonces
x 2 y 5 7 o y 5 x 2 7. Así, el par (x, x 2 7) es una solución al sistema (3) para cualquier nú-
mero real x. Es decir, el sistema (3) tiene un número infinito de soluciones. Para este ejemplo, los
siguientes pares son soluciones: (7, 0), (0, 27), (8, 1), (1, 26), (3, 24) y (22, 29).
E JEMPLO 3 Sistema sin solución
x2 y5 7
(4)
2x 2 2y 5 13
Si se multiplica la primera ecuación por 2 (que de nuevo está permitido por el hecho B) se obtiene
2x 2 2y 5 14. Esto contradice la segunda ecuación. Por lo tanto, el sistema (4) no tiene solución.
1.2 Dos ecuaciones lineales con dos incógnitas 3
� � �
Solución única Sin solución Número infinito de soluciones
� � �
� � �
��1��5�� 1��5�� 1��5��
��1��5�� 1��5�� 1��5��
��

��
Figura 1.1 Un sistema que no tiene solución se dice que es inconsistente.

Dos rectas se intersecan Geométricamente es fácil explicar lo que sucede en los ejemplos anteriores. Primero, se
en un punto, en ninguno o repite que ambas ecuaciones del sistema (1) son de líneas rectas. Una solución a (1) es un pun-
(si coinciden) en un número
to (x, y) que se encuentra sobre las dos rectas. Si las dos rectas no son paralelas, entonces se
infinito de puntos.
intersecan en un solo punto. Si son paralelas, entonces nunca se intersecan (es decir, no tienen
puntos en común) o son la misma recta (esto es, tienen un número infinito de puntos en co-
mún). En el ejemplo 1 las rectas tienen pendientes de 1 y 21, respectivamente, por lo que no
son paralelas y tienen un solo punto en común (6, 21). En el ejemplo 2, las rectas son paralelas
(tienen pendiente 1) y coincidentes. En el ejemplo 3, las rectas son paralelas y distintas. Estas
relaciones se ilustran en la figura 1.1.
Ahora se procederá a resolver el sistema (1) formalmente. Se tiene
a11 x 1 a12 y 5 b1
(1)
a21 x 1 a22 y 5 b2
b1
Si a12 5 0, entonces x 5 y se puede usar la segunda ecuación para despejar y.
a11
b2
Si a22 5 0, entonces x 5 y se puede usar la primera ecuación para despejar y.
a21
Si a12 5 a22 5 0, entonces el sistema (1) contiene sólo una incógnita, x.
Así, se puede suponer que ni a12 ni a22 son cero.
Si se multiplica la primera ecuación por a22 y la segunda por a12 se tiene
a11a22 x 1 a12a22 y 5 a22b1

(5)
a12a21 x 1 a12a22 y 5 a12b2
SISTEMAS Antes de continuar se puede ver que los sistemas (1) y (5) son equivalentes. Esto quiere decir que
EQUIVALENTES cualquier solución del sistema (1) es una solución del sistema (5) y viceversa. Ello se concluye
directamente del hecho B, suponiendo que c no es cero. Después, si en (5) se resta la segunda
ecuación de la primera, se obtiene
(a11a22 2 a12a21)x 5 a22b1 2 a12b2 (6)
Es necesario hacer una pausa en este punto. Si a11a22 2 a12a21 ≠ 0, entonces se puede dividir entre
este término para obtener
( )
a22 b1 2 a12 b2
x5
a11a22 2 a12 a21
Después se puede sustituir este valor de x en el sistema (1) para despejar y, y así se habrá en-
contrado la solución única del sistema.
Se ha demostrado lo siguiente:
Si a11a22 2 a12a21 Z 0, entonces el

sistema (1) tiene una solución única
¿Cómo se relaciona esta afirmación con lo que se analizó anteriormente? En el sistema (1)
se puede ver que la pendiente de la primera recta es 2a11/a12 y que la pendiente de la segunda es
2a21/a22. En los problemas 40, 41 y 42 se pide al lector que demuestre que a11a22 2 a12a21 5 0 si y
sólo si las rectas son paralelas (es decir, tienen la misma pendiente). De esta manera se sabe que
si a11a22 2 a12a21 Z 0, las rectas no son paralelas y el sistema tiene una solución única.
Lo que se acaba de analizar puede formularse en un teorema. En secciones posteriores de
este capítulo y los siguientes se harán generalizaciones de este teorema, y se hará referencia a
él como el “teorema de resumen” conforme se avance en el tema. Una vez que se hayan de-
mostrado todas sus partes, se podrá estudiar una relación asombrosa entre varios conceptos
importantes de álgebra lineal.
TEOREMA 1 Teorema de resumen. Punto de vista 1

El sistema
a11x 1 a12 y 5 b1
a21x 1 a22 y 5 b2
de dos ecuaciones con dos incógnitas x y y no tiene solución, tiene una solución única
o tiene un número infinito de soluciones. Esto es:
i. Tiene una solución única si y sólo si a11a22 2 a12a21 Z 0.
ii. No tiene solución o tiene un número infinito de soluciones, si y sólo si
a11a22 2 a12a21 5 0.
Los sistemas de m ecuaciones con n incógnitas se estudian en la sección 1.3 y se verá que
siempre ocurre que no tienen solución, o que tienen una o un número infinito de soluciones.
Problemas 1.2
AUTOEVALUACIÓN
I. De las siguientes afirmaciones con respecto a la solución de un sistema de dos ecuacio-
nes con dos incógnitas, ¿cuál de ellas no es verdadera?
a) Es un par ordenado que satisface ambas ecuaciones.
b) Su gráfica consiste en el(los) punto(s) de intersección de las gráficas de las ecua-
ciones.
c) Su gráfica es la abscisa de las gráficas de las ecuaciones.
d) Si el sistema es inconsistente, no existe una solución.
II. ¿Cuál de las siguientes afirmaciones es cierta para un sistema inconsistente de dos
ecuaciones lineales?
a) No existe una solución.
1.2 Dos ecuaciones lineales con dos incógnitas 5
b) La gráfica del sistema está sobre el eje y.

c) La gráfica de la solución es una recta.
d) La gráfica de la solución es el punto de intersección de dos líneas.
III. ¿Cuál de las aseveraciones que siguen es cierta para el siguiente sistema de ecua-
ciones?
3x 2 2 y 5 8
4x 1 y 5 7
a) El sistema es inconsistente.
b) La solución es (21, 2).
c) La solución se encuentra sobre la recta x 5 2.
d) Las ecuaciones son equivalentes.
IV. De las siguientes ecuaciones que se presentan, ¿cuál de ellas es una segunda ecuación
para el sistema cuya primera ecuación es x 2 2y 5 25 si debe tener un número infi-
nito de soluciones?
a) 6y 5 3x 1 15 b) 6x 2 3y 5 215
1 5 3 15
c) y 5 2 x 1 d) x 5 3y 1
2 2 2 2
V. ¿Cuál de las gráficas de los siguientes sistemas es un par de rectas paralelas?
a) 3x 2 2y 5 7 b) x 2 2y 5 7
4y 5 6x 2 14 3x 5 4 1 6y
c) 2x 1 3y 5 7 d) 5x 1 y 5 1
3x 2 2y 5 6 7y 5 3x
En los problemas 1 a 16 encuentre las soluciones (si las hay) de los sistemas dados. En cada caso
calcule el valor de a11a22 2 a12a21.
1. x 2 3y 5 4 2. 5x 2 7y 5 4 3. 2x 2 y 5 23 4. 2x 2 8y 5 5
24x 1 2y 5 6 2x 1 2y 5 23 5x 1 7y 5 4 23x 1 12y 5 8
5. 10x 2 40y 5 30 6. 2x 2 8y 5 6 7. 6x 1 y 5 3 8. 5x 1 y 5 0
23x 1 12y 5 290 23x 1 12y 5 29 24x 2 y 5 8 7x 1 3y 5 0
9. 3x 1 y 5 0 10. 4x 2 6y 5 0 11. 5x 1 2y 5 3 12. 4x 1 7y 5 3
2x 2 3y 5 0 22x 1 3y 5 0 2x 1 5y 5 3 7x 2 4y 5 3
13. 2x 1 3y 5 4 14. ax 1 by 5 c 15. ax 1 by 5 c 16. ax 2 by 5 c
3x 1 4y 5 5 ax 2 by 5 c bx 1 ay 5 c bx 1 ay 5 d
17. Para el siguiente sistema de ecuaciones lineales determine para qué valores de K el sistema
tiene solución única; justifique su solución.
Kx 1 y 1 z 5 1
x 1 Ky 1 z 5 1
x 1 y 1 Kz 5 1
18. En el siguiente sistema de ecuaciones lineales determine para qué valores de K el sistema:
a) No tiene solución
b) Tiene soluciones infinitas
c) Tiene solución única
1.3 m ecuaciones con n incógnitas 7
para una taza cuesta ¢25 y el material para un plato cuesta ¢20. Si se asignan $44 diarios
para la producción de tazas y platos, ¿cuántos deben fabricarse de cada uno en un día de
trabajo de 8 horas, si un trabajador se encuentra trabajando cada minuto y se gastan exac-
tamente $44 en materiales?
44. Conteste la pregunta del problema 43 si los materiales para una taza y un plato cuestan ¢15
y ¢10, respectivamente, y se gastan $24 en 8 horas de trabajo.
45. Conteste la pregunta del problema 44 si se gastan $25 en 8 horas de trabajo.
46. Una tienda de helados vende sólo helados con soda y malteadas. Se pone 1 onza de jarabe
y 4 onzas de helado en un helado con soda, y 1 onza de jarabe y 3 onzas de helado en una
malteada. Si la tienda usa 4 galones de helado y 5 cuartos de jarabe en un día, ¿cuántos
helados con soda y cuántas malteadas vende? [Sugerencia: 1 cuarto 5 32 onzas, 1 galón 5
4 cuartos.]
RESPUESTAS A LA AUTOEVALUACIÓN
I. c) II. a) III. c) IV. a) V. b)
1.3 m ECUACIONES CON n INCÓGNITAS:

ELIMINACIÓN DE GAUSS-JORDAN Y GAUSSIANA
En esta sección se describe un método para encontrar todas las soluciones (si es que existen)
de un sistema de m ecuaciones lineales con n incógnitas. Al hacerlo se verá que, igual que en el
caso de 2 3 2, tales sistemas o bien no tienen solución, tienen una solución o tienen un número
infinito de soluciones. Antes de llegar al método general se verán algunos ejemplos sencillos.
Como variables, se usarán x1, x2, x3, etc., en lugar de x, y, z, . . . porque la generalización es más
sencilla si se usa la notación con subíndices.
EJEMPLO 1 Solución de un sistema de tres ecuaciones con tres incógnitas: solución única
Resuelva el sistema
2x1 1 4x2 1 6x3 5 18
4x1 1 5x2 1 6x3 5 24 (1)
3x1 1 x2 2 2x3 5 4
Solución En este caso se buscan tres números x1, x2, x3, tales que las tres ecuaciones en (1) se satisfagan.
El método de solución que se estudiará será el de simplificar las ecuaciones como se hizo en la
sección 1.2, de manera que las soluciones se puedan identificar de inmediato. Se comienza por
dividir la primera ecuación entre 2. Esto da
x1 1 2x2 1 3x3 5 9
4x1 1 5x2 1 6x3 5 24 (2)
3x1 1 x2 2 2x3 5 4
Como se vio en la sección 1.2, al sumar dos ecuaciones se obtiene una tercera ecuación correc-
ta. Esta nueva ecuación puede sustituir a cualquiera de las dos ecuaciones del sistema que se
usaron para obtenerla. Primero se simplifica el sistema (2) multiplicando ambos lados de la
primera ecuación de (2) por 24 y sumando esta nueva ecuación a la segunda. Esto da
24x1 2 8x2 2 12x3 5 236

4x1 1 5x2 1 6x3 5 24
23x2 2 6x3 5 212
La ecuación 23x2 2 6x3 5 212 es la nueva segunda ecuación y el sistema ahora es
x1 1 2x2 1 3x3 5 9
23x2 2 6x3 5 212
3x1 1 x2 2 2x3 5 4
Nota. Como se puede ver por el desarrollo anterior, se ha sustituido la ecuación 4x1 1 5x2 1
6x3 5 24 por la ecuación 23x2 2 6x3 5 212. En este ejemplo y otros posteriores se sustituirán
ecuaciones con otras más sencillas hasta obtener un sistema cuya solución se pueda identificar
de inmediato.
Entonces, la primera ecuación se multiplica por 23 y se suma a la tercera, lo que da por
resultado:
x1 1 2x2 1 3x3 5 9
23x2 2 6x3 5 212 (3)
25x2 2 11x3 5 223
Observe que en el sistema (3) se ha eliminado la variable x1 de la segunda y tercera ecuaciones.

Después se divide la segunda ecuación por 23:
x1 1 2x2 1 3x3 5 9
x2 1 2x3 5 4
25x2 2 11x3 5 223
Se multiplica la segunda ecuación por 22 y se suma a la primera; después se multiplica la se-

gunda ecuación por 5 y se suma a la tercera:
x1 2 x3 5 1
x2 1 2x3 5 4
2 x3 5 23
Ahora se multiplica la tercera ecuación por 21:
x1 2 x3 5 1
x2 1 2x3 5 4
x3 5 3
Por último, se suma la tercera ecuación a la primera y después se multiplica la tercera ecuación
por 22 y se suma a la segunda para obtener el siguiente sistema, el cual es equivalente al sis-
tema (1):
x1 54
x2 5 22
x3 5 3
ELIMINACIÓN DE Ésta es la solución única para el sistema. Se escribe en la forma (4, 22, 3). El método que se usó
GAUSS-JORDAN se conoce como eliminación de Gauss-Jordan.4
Antes de seguir con otro ejemplo es conveniente resumir lo que se hizo en éste:
i. Se dividió la primera ecuación, entre una constante, para hacer el coeficiente de x1

igual a 1.
ii. Se “eliminaron” los términos en x1 de la segunda y tercera ecuaciones. Esto es, los
coeficientes de estos términos se hicieron cero al multiplicar la primera ecuación por
las constantes adecuadas y sumándola a la segunda y tercera ecuaciones, respectiva-
mente, de manera que al sumar las ecuaciones una de las incógnitas se eliminaba.
iii. Se dividió la segunda ecuación entre una constante, para hacer el coeficiente de x2
igual a 1 y después se usó la segunda ecuación para “eliminar” los términos en x2
de la primera y tercera ecuaciones, de manera parecida a como se hizo en el paso
anterior.
iv. Se dividió la tercera ecuación entre una constante, para hacer el coeficiente de x3
igual a 1 y después se usó esta tercera ecuación para “eliminar” los términos de x3
de la primera y segunda ecuaciones.
Cabe resaltar el hecho de que, en cada paso, se obtuvieron sistemas equivalentes. Es decir,
cada sistema tenía el mismo conjunto de soluciones que el precedente. Esto es una consecuen-
cia de los hechos A y B de la página 2.
Antes de resolver otros sistemas de ecuaciones es conveniente introducir una notación que
MATRIZ simplifica la escritura de cada paso del procedimiento mediante el concepto de matriz. Una
matriz es un arreglo rectangular de números y éstas se estudiarán con gran detalle al inicio de
la sección 1.5. Por ejemplo, los coeficientes de las variables x1, x2, x3 en el sistema (1) se pueden
MATRIZ DE escribir como los elementos de una matriz A, llamada matriz de coeficientes del sistema:
COEFICIENTES
⎛2 4 6⎞
A 5 ⎜⎜ 4 5 6⎟⎟ (4)
⎜⎝ 3 1 22 ⎟⎠
MATRIZ Una matriz con m renglones y n columnas se llama una matriz de m 3 n. El símbolo m 3 n se
m3n lee “m por n”. El estudio de matrices constituye gran parte de los capítulos restantes de este
libro. Por la conveniencia de su notación para la resolución de sistemas de ecuaciones, las pre-
sentamos aquí.
MATRIZ Al usar la notación matricial, el sistema (1) se puede escribir como la matriz aumentada
AUMENTADA
⎛2 4 6 | 18 ⎞
⎜4 5 6 | 24⎟⎟
⎜ (5)
⎜⎝ 3 1 22 | 4⎟⎠
Ahora es posible introducir cierta terminología. Se ha visto que multiplicar (o dividir)

los dos lados de una ecuación por un número diferente de cero da por resultado una nueva
4
Recibe este nombre en honor del gran matemático alemán Karl Friedrich Gauss (1777-1855) y del ingeniero alemán
Wilhelm Jordan (1844-1899). Vea la semblanza bibliográfica de Gauss en la página 21. Jordan fue un experto en inves-
tigación geodésica tomando en cuenta la curvatura de la Tierra. Su trabajo sobre la solución de sistemas de ecuaciones
apareció en 1888 en su libro Handbuch der Vermessungskunde (Manual de geodesia).
ecuación equivalente. Más aún, si se suma un múltiplo de una ecuación a otra del sistema se
obtiene otra ecuación equivalente. Por último, si se intercambian dos ecuaciones en un sistema
de ecuaciones se obtiene un sistema equivalente. Estas tres operaciones, cuando se aplican a
los renglones de la matriz aumentada que representa un sistema de ecuaciones, se denominan
operaciones elementales con renglones.
Para resumir, las tres operaciones elementales con renglones aplicadas a la matriz aumen-
tada que representa un sistema de ecuaciones son:
Operaciones elementales con renglones
i. Multiplicar (o dividir) un renglón por un número diferente de cero.

ii. Sumar un múltiplo de un renglón a otro renglón.
iii. Intercambiar dos renglones.
REDUCCIÓN El proceso de aplicar las operaciones elementales con renglones para simplificar una matriz
POR RENGLONES aumentada se llama reducción por renglones.
NOTACIÓN
1. Ri → cRi quiere decir “reemplaza el i-ésimo renglón por ese mismo renglón multiplicado por
c”. [Para multiplicar el i-ésimo renglón por c se multiplica cada número en el i-ésimo renglón
por c.]
2. Rj → Rj 1 cRi significa sustituye el j-ésimo renglón por la suma del renglón j más el renglón
i multiplicado por c.
3. Ri Rj quiere decir “intercambiar los renglones i y j”.

}
4. A → B indica que las matrices aumentadas A y B son equivalentes; es decir, que los sistemas
que representan tienen la misma solución.
En el ejemplo 1 se vio que al usar las operaciones elementales con renglones i) y ii) varias veces,
se puede obtener un sistema cuyas soluciones estén dadas en forma explícita. Ahora se repiten
los pasos del ejemplo 1 usando la notación que se acaba de introducir:
⎛2 4 6 | 18 ⎞ ⎛1 2 3 | 9⎞ R2 →R2 2 4R1 ⎛ 1 2 3 | 9⎞
R1→ 21R1
⎜4 5 ⎟
6 | 24⎟ ⎯⎯⎯→ ⎜ 4 5⎜ ⎟ R3 →R3 2 3R1
6 | 24⎟ ⎯⎯⎯⎯⎯ ⎜
→ ⎜ 0 23 26 | 212 ⎟⎟
⎜
⎜⎝ 3 1 22 | 4⎟⎠ ⎜⎝ 3 1 22 | 4⎟⎠ ⎝⎜ 0 25 211 | 223⎟⎠
⎛1 2 3 | 9⎞ R1→R1 2 2R2 ⎛ 1 0 21 | 1⎞
R2 → 1R2
⎯⎯⎯⎯ ⎜
→⎜0 1
3
2 | ⎟ R3 →R3 1 5R2
4⎟ ⎯⎯⎯⎯⎯ ⎜
→⎜0 1 2 | 4⎟⎟
⎝⎜ 0 25 211 | 223 ⎟⎠ ⎜⎝ 0 0 211 | 23 ⎟⎠
⎛ 1 0 21 | 1⎞ R1→R1 1 R3 ⎛1 0 0 | 4⎞
⎜
R3 → 2R3
⎯⎯⎯⎯
→⎜0 1 ⎟ R2 → R2 2 2 R3
2 | 4⎟ ⎯⎯⎯⎯⎯ → ⎜ 0 1 0 | 22 ⎟⎟
⎜
⎜⎝ 0 0 1 | 3⎟⎠ ⎜⎝ 0 0 1 | 3⎟⎠
De nuevo se puede “ver” de inmediato que la solución es x1 5 4, x2 5 22, x3 5 3.

EJEMPLO 2 Solución de un sistema de tres ecuaciones con tres incógnitas:

número infinito de soluciones
Resuelva el sistema
2x1 1 4x2 1 6x3 5 18
4x1 1 5x2 1 6x3 5 24
2x1 1 7x2 1 12x3 5 30
Solución Para resolver este sistema se procede como en el ejemplo 1, esto es, primero se escribe el sistema
como una matriz aumentada:
⎛2 4 6 | 18 ⎞
⎜4 5 6 | 24⎟⎟
⎜
⎜⎝ 2 7 12 | 30⎟⎠
Después se obtiene, sucesivamente,
⎛1 2 3 | 9⎞ R2 →R2 2 4R1 ⎛ 1 2 3 | 9⎞
R1→ 21R1
⎜
⎯⎯⎯→ ⎜ 4 5 ⎟ R3 →R3 2 2R1
6 | 24 ⎟ ⎯⎯⎯⎯⎯ → ⎜ 0 23 26 | 212⎟⎟
⎜
⎜⎝ 2 7 12 | 30 ⎠⎟ ⎜⎝ 0 3 6 | 12⎟⎠
⎛ 1 2 3 | 9⎞ R1→R1 2 2R2 ⎛ 1 0 21 | 1⎞
R2 → 31R2
→ ⎜ 0 1 2 | 4⎟⎟ ⎯⎯⎯⎯⎯
⎜ → ⎜⎜ 0 1 2 | 4⎟⎟
R3 →R3 2 3R2
⎯⎯⎯⎯
⎜⎝ 0 3 6 | 12 ⎟⎠ ⎜⎝ 0 0 0 | 0⎟⎠
Esto es equivalente al sistema de ecuaciones
x1 2 x3 5 1
x2 1 2x3 5 4
Hasta aquí se puede llegar. Se tienen sólo dos ecuaciones para las tres incógnitas x1, x2, x3 y
existe un número infinito de soluciones. Para comprobar esto se elige un valor de x3. Entonces
x2 5 4 2 2x3 y x1 5 1 1 x3. Ésta será una solución para cualquier número x3. Se escribe esta
solución en la forma (1 1 x3, 4 2 2x3, x3). Por ejemplo, si x3 5 0, se obtiene la solución (1, 4,
0). Para x3 5 10 se obtiene la solución (11, 216, 10), y por ello para cada valor de x3 habrá una
solución distinta.
EJEMPLO 3 Sistema inconsistente
Resuelva el sistema
2x2 1 3x3 5 4
2x1 2 6x2 1 7x3 5 15 (6)
x1 2 2x2 1 5x3 5 10
Solución La matriz aumentada para este sistema es
⎛0 2 3 | 4⎞
⎜ 2 26 7 | 15 ⎟
⎜ ⎟
⎜⎝ 1 22 5 | 10 ⎟⎠
El elemento 1,1 de la matriz no se puede hacer 1 como antes porque al multiplicar 0 por cual-
quier número real el resultado es 0. En su lugar se puede usar la operación elemental con
renglones iii) para obtener un número distinto a cero en la posición 1,1. Se puede intercambiar
el renglón 1 con cualquiera de los otros dos; sin embargo, al intercambiar los renglones 1 y 3
queda un 1 en esa posición. Al hacerlo se obtiene lo siguiente:
⎛0 2 3 | 4⎞ ⎛ 1 22 5 | 10 ⎞ ⎛ 1 22 5 | 10 ⎞
⎜ 2 26 7 | 15 ⎟ ⎯R⎯⎯
1 � R3 ⎜ ⎟ R2 → R2 2 2 R1
→ 2 26 7 | 15 ⎯⎯⎯⎯⎯ ⎜
→ 0 22 23 | 25 ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜⎝ 1 22 5 | 10 ⎟⎠ ⎜⎝ 0 2 3 | 4 ⎟⎠ ⎜⎝ 0 2 3 | 4 ⎟⎠
Es necesario detenerse aquí porque, como se ve, las últimas dos ecuaciones son
22x2 2 3x3 5 25
2x2 1 3x3 5 4
lo cual es imposible (si 22x2 2 3x3 5 25, entonces 2x2 1 3x3 5 5, no 4). Así no hay una
solución. Se puede proceder como en los últimos dos ejemplos para obtener una forma más
estándar:
⎛ 1 22 5 | 10 ⎞ R1 → R1 1 2 R2 ⎛ 1 0 8 | 15 ⎞
→⎜0 5⎟
→ ⎜ 0 1 23 | 5⎟
R2 → 12 R2 R3 → R3 2 2 R2
⎯⎯⎯⎯ 1 23 | ⎯⎯⎯⎯⎯
⎜ 2⎟ ⎜ 2⎟
⎜⎝ 0 2 3 | 4 ⎟⎠ ⎜⎝ 0 0 0 | 21 ⎟⎠
Ahora la última ecuación es 0x1 1 0x2 1 0x3 5 21, lo cual también es imposible ya que 0 Z 21.
Así, el sistema (6) no tiene solución. En este caso se dice que el sistema es inconsistente.
DEFINICIÓN 1 Sistemas inconsistentes y consistentes

Se dice que un sistema de ecuaciones lineales es inconsistente si no tiene solución. Se
dice que un sistema que tiene al menos una solución es consistente.
Se analizarán de nuevo estos tres ejemplos. En el ejemplo 1 se comenzó con la matriz de coefi-
cientes
⎛2 4 6⎞
A1 5 ⎜ 4 5 6⎟
⎜ ⎟
⎜⎝ 3 1 22 ⎟⎠
En el proceso de reducción por renglones, A1 se “redujo” a la matriz
⎛ 1 0 0⎞
R 1 5 ⎜ 0 1 0⎟
⎜ ⎟
⎜⎝ 0 0 1⎟⎠
En el ejemplo 2 se comenzó con
⎛ 2 4 6⎞
A 2 5 ⎜ 4 5 6⎟
⎜ ⎟
⎜⎝ 2 7 12 ⎟⎠
y se terminó con
⎛ 1 0 21 ⎞
R2 5⎜0 1 2⎟
⎜ ⎟
⎝⎜ 0 0 0 ⎟⎠
En el ejemplo 3 se comenzó con
⎛0 2 3⎞
⎜
A 3 5 2 26 7⎟
⎜ ⎟
⎜⎝ 1 22 5⎟⎠
y se terminó con
⎛ 1 0 8⎞
R 3 5 ⎜ 0 1 23 ⎟
⎜ ⎟
⎜⎝ 0 0 0⎟⎠
Las matrices R1, R2, R3 se llaman formas escalonadas reducidas por renglones de las matrices A1,
A2 y A3 respectivamente. En general, se tiene la siguiente definición:
DEFINICIÓN 2 Forma escalonada reducida por renglones y pivote

Una matriz se encuentra en la forma escalonada reducida por renglones si se cumplen las
siguientes condiciones:
i. Todos los renglones (si los hay) cuyos elementos son todos cero aparecen en la par-
te inferior de la matriz.
ii. El primer número diferente de cero (comenzando por la izquierda) en cualquier
renglón cuyos elementos no todos son cero es 1.
iii. Si dos renglones sucesivos tienen elementos distintos de cero, entonces el primer 1 en el
renglón de abajo está más hacia la derecha que el primer 1 en el renglón de arriba.
iv. Cualquier columna que contiene el primer 1 en un renglón tiene ceros en el resto de
sus elementos. El primer número diferente de cero en un renglón (si lo hay) se llama
pivote para ese renglón.
Nota. La condición iii) se puede reescribir como “el pivote en cualquier renglón está a la dere-
cha del pivote del renglón anterior”.
EJEMPLO 4 Cinco matrices en la forma escalonada reducida por renglones
Las siguientes matrices están en la forma escalonada reducida por renglones:
⎛ 1 0 0⎞ ⎛ 1 0 0 0⎞ ⎛ 1 0 2 5⎞
⎛ 1 0 0 5⎞ ⎛ 1 0⎞
i. ⎜ 0 1 0⎟ ii. ⎜ 0 1 0 0⎟ iii. ⎜ iv. ⎜ v. ⎜ 0 1 3 6 ⎟
⎜ ⎟
⎜⎝ 0 0 1⎟⎠
⎜ ⎟
⎜⎝ 0 0 0 1⎟⎠ ⎝ 0 0 1 2 ⎟⎠ ⎝ 0 1⎟⎠ ⎜ ⎟
⎜⎝ 0 0 0 0 ⎟⎠
Las matrices i y ii tienen tres pivotes; las otras tres matrices tienen dos pivotes.
DEFINICIÓN 3 Forma escalonada por renglones

Una matriz está en la forma escalonada por renglones si se cumplen las condiciones i),
ii) y iii) de la definición 2.
E JEMPLO 5 Cinco matrices en la forma escalonada por renglones
Las siguientes matrices se encuentran en la forma escalonada por renglones:
⎛ 1 2 3⎞ ⎛ 1 21 6 4⎞
i. ⎜ 0 1 5⎟ ii. ⎜ 0 1 2 28 ⎟
⎜ ⎟ ⎜ ⎟
⎜⎝ 0 0 1⎟⎠ ⎜⎝ 0 0 0 1 ⎠⎟
⎛ 1 3 2 5⎞
⎛ 1 0 2 5⎞ ⎛ 1 2⎞
iii. ⎜ iv. ⎜ v. ⎜ 0 1 3 6 ⎟
⎝ 0 0 1 2 ⎟⎠ ⎝ 0 1 ⎟⎠ ⎜ ⎟
⎜⎝ 0 0 0 0 ⎟⎠
Nota. Por lo general, la forma escalonada por renglones de una matriz no es única. Es decir,
una matriz puede ser equivalente, en sus renglones, a más de una matriz en forma escalonada
por renglones. Por ejemplo
⎛ 1 3 2 5 ⎞ ⎛ 1 2 21 21 ⎞
⎜ ⎟
A 5 ⎜ 0 1 3 6 ⎟ ⎯⎯⎯⎯⎯
R → R 2 R
1 1 2
→⎜ 0 1 3 6 ⎟ 5B
⎜ ⎟
⎜⎝ 0 0 0 0 ⎟⎠ ⎜⎝ 0 0 0 0 ⎟⎠
muestra que las dos matrices anteriores, ambas en forma escalonada por renglones, son equiva-
lentes por renglones. Así, cualquier matriz para la que A es una forma escalonada por renglo-
nes, también tiene a B como forma escalonada por renglones.
Observación 1. La diferencia entre estas dos formas debe ser evidente a partir de los ejemplos.
En la forma escalonada por renglones, todos los números abajo del primer 1 en un renglón
son cero. En la forma escalonada reducida por renglones, todos los números abajo y arriba del
primer 1 de un renglón son cero. Así, la forma escalonada reducida por renglones es más exclu-
siva. Esto es, en toda matriz en forma escalonada reducida por renglones se encuentra también
la forma escalonada por renglones, pero el inverso no es cierto.
Observación 2. Siempre se puede reducir una matriz a la forma escalonada reducida por renglo-
nes o a la forma escalonada por renglones realizando operaciones elementales con renglones.
Esta reducción se vio al obtener la forma escalonada reducida por renglones en los ejemplos
1, 2 y 3.
Como se vio en los ejemplos 1, 2 y 3, existe una fuerte relación entre la forma escalonada
reducida por renglones y la existencia de la solución única para el sistema. En el ejemplo 1
dicha forma para la matriz de coeficientes (es decir, en la primeras tres columnas de la matriz
aumentada) tenían un 1 en cada renglón y existía una solución única. En los ejemplos 2 y 3 la
forma escalonada reducida por renglones de la matriz de coeficientes tenía un renglón de ceros
y el sistema no tenía solución o tenía un número infinito de soluciones. Esto siempre es cierto
en cualquier sistema de ecuaciones con el mismo número de ecuaciones e incógnitas. Pero antes
de estudiar el caso general se analizará la utilidad de la forma escalonada por renglones de una
matriz. Es posible resolver el sistema en el ejemplo 1 reduciendo la matriz de coeficientes a esta
forma.
EJEMPLO 6 Solución de un sistema mediante eliminación gaussiana
Resuelva el sistema del ejemplo 1 reduciendo la matriz de coeficientes a la forma escalonada

por renglones.
Solución Se comienza como antes:
⎛ 2 4 6 | 18 ⎞ ⎛ 1 2 3 | 9 ⎞
⎜ ⎟ R1 → 12 R1 ⎜ ⎟
⎜ 4 5 6 | 24 ⎟ ⎯ ⎯⎯⎯ → ⎜ 4 5 6 | 24 ⎟
⎜ 3 1 22 | 4 ⎟ ⎜ 3 1 22 | 4 ⎟⎠
⎝ ⎠ ⎝
⎛ 1 2 3
R2 → R2 2 4 R1 | 9 ⎞ ⎛ 1 2 3 | 9 ⎞
⎜
R3 → R3 2 3 R1 ⎟ R2 → 13 R2 ⎜ ⎟
⎯⎯⎯⎯⎯
→ ⎜ 0 23 26 | 212 ⎟ ⎯⎯⎯⎯ →⎜ 0 1 2 | 4 ⎟
⎜ 0 25 211 | ⎟
223 ⎠ ⎜ | 223 ⎟⎠
⎝ ⎝ 0 5 211
Hasta aquí, este proceso es idéntico al anterior; pero ahora sólo se hace cero el número (25)
que está abajo del primer 1 en el segundo renglón:
⎛ 1 2 3 | 9 ⎞ ⎛ | ⎞
1 2 3 9
⎜
R3 → R3 1 5 R2 ⎟ R3 → 2 R3 ⎜ ⎟
⎯⎯⎯⎯⎯
→⎜ 0 1 2 | 4 ⎟ ⎯⎯⎯⎯ →⎜ 0 1 2 | 4 ⎟
⎜ 0 0 21 | 23 ⎟⎠ ⎜ 0 0 1 | 3 ⎟
⎝ ⎝ ⎠
La matriz aumentada del sistema (y los coeficientes de la matriz) se encuentran ahora en

SUSTITUCIÓN la forma escalonada por renglones y se puede ver de inmediato que x3 5 3. Después se usa la
HACIA ATRÁS sustitución hacia atrás para despejar primero x2 y después x1. La segunda ecuación queda x2 1
2x3 5 4. Entonces x2 1 2(3) 5 4 y x2 5 22. De igual manera, de la primera ecuación se obtiene
ELIMINACIÓN x1 1 2(22) 1 3(3) 5 9 o x1 5 4. Así, de nuevo se obtiene la solución (4, 22, 3). El método de
GAUSSIANA solución que se acaba de emplear se llama eliminación gaussiana.
Se cuenta con dos métodos para resolver los ejemplos de sistemas de ecuaciones:
i. Eliminación de Gauss-Jordan
Se reduce por renglón la matriz de coeficientes a la forma escalonada reducida por
renglones usando el procedimiento descrito en la página 9.
ii. Eliminación gaussiana

Se reduce por renglón la matriz de coeficientes a la forma escalonada por renglones,
se despeja el valor de la última incógnita y después se usa la sustitución hacia atrás
para las demás incógnitas.
¿Cuál método es más útil? Depende. Al resolver sistemas de ecuaciones en una computadora
se prefiere el método de eliminación gaussiana porque significa menos operaciones elementales
con renglones. De hecho, como se verá en el apéndice 3, para resolver un sistema de n ecuacio-
nes con n incógnitas usando la eliminación de Gauss-Jordan se requieren aproximadamente
n3/2 sumas y multiplicaciones, mientras que la eliminación gaussiana requiere sólo n3/3 sumas y
multiplicaciones. La solución numérica de los sistemas de ecuaciones se estudiará en el apéndi-
ce 4. Por otro lado, a veces es esencial obtener la forma escalonada reducida por renglones de
una matriz (una de éstas se estudia en la sección 1.8). En estos casos la eliminación de Gauss-
Jordan es el método preferido.
Ahora se observa la solución de un sistema general de m ecuaciones con n incógnitas. La

mayor parte de las soluciones de los sistemas se hará mediante la eliminación de Gauss-Jordan
debido a que en la sección 1.8 esto se necesitará. Debe tenerse en mente, sin embargo, que la
eliminación gaussiana suele ser un enfoque más conveniente.
El sistema general m 3 n de m ecuaciones con n incógnitas está dado por
a11 x1 1 a12 x2 1 a13 x3 1 � 1 a1n xn 5 b1

a21 x1 1 a22 x2 1 a23 x3 1 � 1 a2 n xn 5 b2
a31 x1 1 a32 x2 1 a33 x3 1 � 1 a3n xn 5 b3 (7)
� � � � � �
am1 x1 1 am 2 x2 1 am 3 x3 1 � 1 amn xn 5 bm
En el sistema (7) todos los coeficientes a y b son números reales dados. El problema es encontrar
todos los conjuntos de n números, denotados por (x1, x2, x3, . . . xn), que satisfacen cada una de
las m ecuaciones en (7). El número aij es el coeficiente de la variable xj en la i-ésima ecuación.
Es posible resolver un sistema de m ecuaciones con n incógnitas haciendo uso de la elimi-
nación de Gauss-Jordan o gaussiana. Enseguida se proporciona un ejemplo en el que el número
de ecuaciones e incógnitas es diferente.
E JEMPLO 7 Solución de un sistema de dos ecuaciones con cuatro incógnitas
Resuelva el sistema
x1 1 3x2 2 5x3 1 x4 5 4
2x1 1 5x2 2 2x3 1 4x4 5 6
Solución Este sistema se escribe como una matriz aumentada y se reduce por renglones:
⎛ 1 3 25 1 | 4 ⎞ ⎯R⎯⎯⎯⎯
2 → R2 22 R1
⎛1 3 25 1 | 4⎞
⎜ ⎟ →⎜ ⎟
⎝ 2 5 22 4 | 6⎠ ⎝ 0 21 8 2 | 22 ⎠
R2 → 2 R2 ⎛ 1 3 25 1 | 4 ⎞ ⎯R⎯⎯⎯⎯
1 → R1 23 R2
⎛ 1 0 19 7 | 22 ⎞
⎯⎯⎯⎯ →⎜ ⎟ →⎜ ⎟
⎝ 0 1 28 22 | 2⎠ ⎝ 0 1 28 22 | 2⎠
Hasta aquí se puede llegar. La matriz de coeficiente se encuentra en forma escalonada y redu-
cida por renglones. Es evidente que existe un número infinito de soluciones. Los valores de las
variables x3 y x4 se pueden escoger de manera arbitraria. Entonces x2 5 2 1 8x3 1 2x4 y x1 5
22 219x3 27x4. Por lo tanto, todas las soluciones se representan por (22 219x3 2 7x4, 2 1 8x3
1 2x4, x3, x4). Por ejemplo, si x3 5 1 y x4 5 2 se obtiene la solución (235, 14, 1, 2).
Al resolver muchos sistemas, es evidente que los cálculos se vuelven fastidiosos. Un buen mé-
todo práctico es usar una calculadora o computadora siempre que las fracciones se compliquen.
Debe hacerse notar, sin embargo, que si los cálculos se llevan a cabo en una computadora o cal-
culadora pueden introducirse errores de “redondeo”. Este problema se analiza en el apéndice 3.
E JEMPLO 8 Un problema de administración de recursos
Un departamento de pesca y caza del estado proporciona tres tipos de comida a un lago que
alberga a tres especies de peces. Cada pez de la especie 1 consume cada semana un promedio
de 1 unidad del alimento 1, 1 unidad del alimento 2 y 2 unidades del alimento 3. Cada pez de
la especie 2 consume cada semana un promedio de 3 unidades del alimento 1, 4 del 2 y 5 del 3.
Para un pez de la especie 3, el promedio semanal de consumo es de 2 unidades del alimento 1, 1

unidad del alimento 2 y 5 unidades del 3. Cada semana se proporcionan al lago 25 000 unidades
del alimento 1, 20 000 unidades del alimento 2 y 55 000 del 3. Si suponemos que los peces se
comen todo el alimento ¿cuántos peces de cada especie pueden coexistir en el lago?
Solución Sean x1, x2 y x3 el número de peces de cada especie que hay en el ambiente del lago. Si utilizamos
la información del problema, se observa que x1 peces de la especie 1 consumen x1 unidades del
alimento 1, x2 peces de la especie 2 consumen 3x2 unidades del alimento 1 y x3 peces de la espe-
cie 3 consumen 2x3 unidades del alimento 1. Entonces, x1 1 3x2 1 2x3 5 25 000 5 suministro
total por semana de alimento 1. Si se obtiene una ecuación similar para los otros dos alimentos
se llega al siguiente sistema de ecuaciones:
x1 1 3x2 1 2x3 5 25 000

x1 1 4x2 1 x3 5 20 000
2x1 1 5x2 1 5x3 5 55 000
Después de resolver se obtiene
⎛ | 25 000 ⎞
1 3 2
⎜ ⎟
⎜1 4 1 | 20 000 ⎟
⎜⎝ 2 5 5 | 55 000 ⎟⎠
⎛1
R2 → R2 2 R1 3 2 | 25 000 ⎞ R1 → R1 2 3 R2 ⎛ 1 0 5 | 40 000 ⎞
→ ⎜⎜ 0 ⎟ R3 → R3 1 R2 → ⎜ ⎟
R3 → R3 2 2 R1
⎯⎯⎯ ⎯ ⎯ 1 21 | 25 000 ⎟ ⎯⎯⎯⎯⎯ ⎜ 0 1 21 | 25 000 ⎟
⎜⎝ 0 21 1 | 5 000 ⎟⎠ ⎜⎝ 0 0 0 | 0 ⎟⎠
Por consiguiente, si x3 se elige arbitrariamente, se tiene un número infinito de soluciones dada

por (40 000 2 5x3, x3 2 5 000, x3). Por supuesto, se debe tener x1 $ 0, x2 $ 0 y x3 $ 0. Como x2
5 x3 2 5 000 $ 0, se tiene x3 $ 5 000. Esto significa que 0 # x1 # 40 000 2 5(5 000) 5 15 000.
Por último, como 40 000 2 5x3 $ 0, se tiene que x3 # 8 000. Esto significa que las poblaciones
que pueden convivir en el lago con todo el alimento consumido son
x1 5 40 000 2 5x3
x2 5 x3 2 5 000
5 000 # x3 # 8 000
Por ejemplo, si x3 5 6 000, entonces x1 5 10 000 y x2 5 1 000.
Nota. El sistema de ecuaciones tiene un número infinito de soluciones. Sin embargo, el proble-
ma de administración de recursos tiene sólo un número finito de soluciones porque x1, x2 y x3
deben ser enteros positivos y existen nada más 3 001 enteros en el intervalo [5 000, 8 000]. (Por
ejemplo, no puede haber 5 237.578 peces.)
ANÁLISIS DE INSUMO Y PRODUCTO (OPCIONAL)

Los siguientes dos ejemplos muestran la forma en la cual pueden surgir los sistemas de ecua-
ciones en el modelado económico.
SEMBLANZA D E ...
Carl Friedrich Gauss, 1777-1855
Carl Friedrich Gauss, 1777-1855

Carl Friedrich
Carl Friedrich Gauss
Gauss
Carl Friedrich Gauss es considerado el matemático más grande del (Library of Congress)
siglo XIX, además de uno de los tres matemáticos más importantes
de todos los tiempos (Arquímedes y Newton son los otros dos).
Gauss nació en Brunswick, Alemania, en 1777. Su padre, un
obrero amante del trabajo, era excepcionalmente obstinado y no
creía en la educación formal, e hizo todo lo que pudo para evitar
que Gauss fuera a una buena escuela. Por fortuna para Carl (y para
las matemáticas), su madre, a pesar de que tampoco contaba con es unos de los documentos más importantes en la historia de las
educación, apoyó a su hijo en sus estudios y se mostró orgullosa matemáticas.
de sus logros hasta el día de su muerte a la edad de 97 años. Tras un corto periodo en Göttingen, Gauss fue a la Univer-
Gauss era un niño prodigio. A los tres años encontró un error sidad de Helmstädt y, en 1798, a los 20 años, escribió su famosa
en la libreta de cuentas de su padre. Hay una anécdota famosa de disertación doctoral. En ella dio la primera demostración mate-
Carl, cuando tenía apenas 10 años de edad y asistía a la escuela mática rigurosa del teorema fundamental del álgebra que indica
local de Brunswick. El profesor solía asignar tareas para mante- que todo polinomio de grado n tiene, contando multiplicidades,
ner ocupados a los alumnos y un día les pidió que sumaran los exactamente n raíces. Muchos matemáticos, incluyendo a Euler,
números del 1 al 100. Casi al instante, Carl colocó su pizarra boca Newton y Lagrange, habían intentado probar este resultado.
abajo con la palabra “listo”. Después, el profesor descubrió que Gauss hizo un gran número de descubrimientos en física al
Gauss era el único con la respuesta correcta, 5050. Gauss había igual que en matemáticas. Por ejemplo, en 1801 utilizó un nue-
observado que los números se podían arreglar en 50 pares que vo procedimiento para calcular, a partir de unos cuantos datos,
sumaban cada uno 101 (1 1 100, 2 1 99, etc.), y 50 3 101 5 5050. la órbita del asteroide Ceres. En 1833 inventó el telégrafo elec-
Años más tarde, Gauss bromeaba diciendo que podía sumar más tromagnético junto con su colega Wilhelm Weber (1804-1891).
rápido de lo que podía hablar. Aunque realizó trabajos brillantes en astronomía y electricidad, la
A la edad de 15 años, el Duque de Brunswick se fijó en él que resultó asombrosa fue la producción matemática de Gauss.
y lo convirtió en su protegido. El Duque lo ayudó a ingresar en Hizo contribuciones fundamentales al álgebra y la geometría y
el Brunswick College en 1795 y, tres años después, a entrar a la en 1811 descubrió un resultado que llevó a Cauchy a desarrollar
Universidad de Göttingen. Indeciso entre las carreras de mate- la teoría de la variable compleja. En este libro se le encuentra en
máticas y filosofía, Gauss eligió las matemáticas después de dos el método de eliminación de Gauss-Jordan. Los estudiantes de
descubrimientos asombrosos. Primero inventó el método de mí- análisis numérico aprenden la cuadratura gaussiana: una técnica
nimos cuadrados una década antes de que Legendre publicara de integración numérica.
sus resultados. Segundo, un mes antes de cumplir 19 años, resol- Gauss fue nombrado catedrático de matemáticas de Göt-
vió un problema cuya solución se había buscado durante más de tingen en 1807 e impartió clase hasta su muerte en 1855. Aún
dos mil años: Gauss demostró cómo construir, con tan sólo una después de su muerte, su espíritu matemático siguió acosando
regla y un compás, un polígono regular cuyo número de lados no a los matemáticos del siglo XIX. Con frecuencia, un importante
es múltiplo de 2, 3 o 5.* resultado nuevo ya había sido descubierto por Gauss y se podía
El 30 de marzo de 1796, fecha de este descubrimiento, co- encontrar en sus notas inéditas.
menzó un diario que contenía como primera nota las reglas de En sus escritos matemáticos Gauss era un perfeccionista
construcción de un polígono regular de 17 lados. El diario, que y tal vez sea el último gran matemático que conocía práctica-
contiene los enunciados de 146 resultados en sólo 19 páginas, mente todo acerca de su área. Al afirmar que una catedral no
era una catedral hasta que se quitara el último de los andamios,
ponía todo su empeño para que cada uno de sus trabajos publi-
cados fuera completo, conciso y elegante. Usaba un sello en el
que se veía un árbol con unas cuantas frutas y la leyenda pauca
* De manera más general, Gauss probó que un polígono regular de n
sed matura (pocas pero maduras). Gauss creía también que las
lados se puede construir con regla y compás si y sólo si n es de la forma
n 5 2kp2 ? p3 . . . pm donde k $ 0 y las pi son números primos de Fermat matemáticas debían reflejar el mundo real. A su muerte, Gauss
distintos. Los números primos de Fermat son aquellos que toman la fue honrado con una medalla conmemorativa que llevaba la
n
forma 22 11. Los primeros cinco números primos de Fermat son 3, 5, inscripción “George V, Rey de Hanover, al príncipe de los ma-
17, 257 y 65 537. temáticos”.
Problemas 1.3
AUTOEVALUACIÓN
I. ¿Cuál de los siguientes sistemas tiene la matriz de coeficientes dada a la derecha?
⎛ 3 2 21⎞
⎜0 1 5⎟
⎜ ⎟
⎜⎝ 2 0 1⎟⎠
a) 3x 1 2y 5 21 b) 3x 1 2z 5 10
y55 2x 1 y 5 0
2x 5 1 2x 1 5y 1 z 5 5
c) 3x 5 2 d) 3x 1 2y 2 z 5 23
2x 1 y 5 0 y 1 5z 5 15
2x 1 5y 5 1 2x 1 z 5 3
II. ¿Cuál de las siguientes es una operación elemental con renglones?
a) Reemplazar un renglón con un múltiplo diferente de cero de ese renglón.
b) Sumar una constante diferente de cero a cada elemento en un renglón.
c) Intercambiar dos columnas.
d) Reemplazar un renglón con una suma de renglones y una constante dife-
rente de cero.
III. ¿Cuál de las siguientes afirmaciones es cierta sobre la matriz dada?
⎛1 0 0 3⎞
⎜0 1 1 2⎟
⎜ ⎟
⎜0 0 0 3⎟
⎜ ⎟
⎝0 0 0 0⎠
a) Está en la forma escalonada por renglón.

b) No está en la forma escalonada por renglón porque el cuarto número en el
renglón 1 no es 1.
c) No está en la forma escalonada por renglón porque el primer elemento
diferente de cero en el renglón 1 es 3.
d) No está en la forma escalonada por renglón porque la última columna con-
tiene un cero.
IV. ¿Cuál de las siguientes afirmaciones es cierta sobre el sistema dado?
x1 y1 z53
2x 1 2y 1 2z 5 6
3x 1 3y 1 3z 5 10
a) Tiene una solución única x 5 1, y 5 1, z 5 1.

b) Es inconsistente.
c) Tiene un número infinito de soluciones.
Escriba, en un comentario, la ecuación del polinomio cúbico que se ajusta a los cuatro
puntos.
Sea x el vector columna que contiene las coordenadas x de los puntos P1 a P4 . Dé
x y encuentre V5vander(x). Compare V con la matriz de coeficientes que encontró al
establecer el sistema.
c) Usando algunas características gráficas de MATLAB se pueden visualizar los resulta-
dos con los comandos siguientes. Siga estos comandos para los puntos en a) y de nuevo
para los cuatro puntos en b).
Dé x como el vector columna de las coordenadas x de los puntos
Dé y como el vector columna de las coordenadas y de los puntos
Dé los siguientes comandos:
V 5 vander (x)
c 5 V\y
s 5 min(x):.01:max(x);
yy 5 polyval(c,s);
plot(x,y‘*’,s,yy)
El primer comando crea la matriz de coeficientes deseada (doc vander).
El segundo resuelve el sistema obteniendo los coeficientes del polinomio (doc mldi-
vide).
El tercero crea un vector s que contiene múltiples elementos, cada uno entre el valor
mínimo y máximo de las coordenadas x, de manera que se pueda evaluar el polinomio
en muchos puntos para crear una buena gráfica (doc min, doc max doc :).
El cuarto crea un vector yy que contiene las coordenadas y obtenidas evaluando el po-
linomio en los elementos de s (doc polyval).
El quinto produce una gráfica de los puntos originales (con un símbolo “*”) y un dibujo
de la gráfica del polinomio (doc plot).
Debe observarse que la gráfica del polinomio pasa a través de los puntos originales
(etiquetados con “*”).
d) Genere x5rand(7,1) y y5rand(7,1) o genere un vector de coordenadas x y un vector
de coordenadas y de su preferencia. Asegúrese de cambiar (o elegir) las coordenadas x
de manera que sean distintas. Siga los comandos del inciso c) para visualizar el ajuste
polinomial.
1.4 SISTEMAS HOMOGÉNEOS DE ECUACIONES
Un sistema general de m 3 n ecuaciones lineales [sistema (1.3.7), página 16] se llama homogé-
neo si todas las constantes b1, b2, … bm, son cero. Es decir, el sistema general homogéneo está
dado por
a11 x1 1 a12 x2 1 L 1 a1n xn 5 0

a21 x1 1 a22 x2 1 L 1 a2 n xn 5 0
M M M M M (1)
am1 x1 1 am 2 x2 1 L 1 amn xn 5 0
1.4 Sistemas homogéneos de ecuaciones 37
Los sistemas homogéneos surgen de diferentes formas. Se estudiará un sistema homogéneo

en la sección 4.4. En dicha sección se resolverán algunos sistemas homogéneos, de nueva cuen-
ta, mediante el método de eliminación de Gauss-Jordan.
Para dicho sistema lineal general existen tres posibilidades: que no tenga soluciones, que
tenga una solución o que tenga un número infinito de soluciones. Para el sistema general ho-
SOLUCIÓN TRIVIAL O mogéneo la situación es más sencilla.
SOLUCIÓN CERO Como x1 5 x2 5 p 5 xn 5 0 es siempre una solución (llamada solución trivial o solución
cero), sólo se tienen dos posibilidades: la solución trivial es la única solución o existe un núme-
SOLUCIONES NO ro infinito de soluciones además de ésta. Las soluciones distintas a la solución cero se llaman
TRIVIALES soluciones no triviales.
EJEMPLO 1 Sistema homogéneo que tiene únicamente la solución trivial
Resuelva el sistema homogéneo de ecuaciones
2x1 1 4x2 1 6x3 5 0

4x1 1 5x2 1 6x3 5 0
3x1 1 x2 2 2x3 5 0
Solución Ésta es la versión homogénea del sistema del ejemplo 1.3.1 en la página 7. Al reducir en forma
sucesiva, se obtiene (después de dividir la primera ecuación entre 2)
⎛1 2 3 | 0⎞ R2 → R2 2 4 R1 ⎛ 1 2 3 | 0⎞ ⎛1 2 3 | 0⎞
⎜4 5 ⎟ R3 → R3 2 3 R1
6 | 0 ⎯⎯⎯⎯⎯ ⎜ ⎟ R2 → 213 R2
→ 0 23 26 | 0 ⎯⎯⎯⎯→ 0 ⎜ 1 2 | 0⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜⎝ 3 1 22 | 0⎟⎠ ⎜⎝ 0 25 211 | 0⎟⎠ ⎜⎝ 0 25 211 | 0⎟⎠
⎛ 1 0 21 | 0⎞
R1 → R1 2 2 R2 ⎛ 1 0 21 | 0⎞ R1 → R1 1 R3 ⎛ 1 0 0 | 0⎞
⎯⎯⎯⎯⎯ ⎜
R3 → R3 1 5 R2
→ 0 1 ⎟ R3 → 2 R3
2 | 0 ⎯⎯⎯⎯ ⎜
→ 0 1 ⎟ R2 → R2 2 2 R3
2 | 0 ⎯⎯⎯⎯⎯ → ⎜ 0 1 0 | 0⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜⎝ 0 0 21 | 0⎟⎠ ⎜⎝ 0 0 1 | 0⎟⎠ ⎜⎝ 0 0 1 | 0⎠⎟
Así, el sistema tiene una solución única (0, 0, 0). Esto es, la única solución al sistema es la trivial.
EJEMPLO 2 Un sistema homogéneo con un número infinito de soluciones
Resuelva el sistema homogéneo
x1 1 2x2 2 x3 5 0
3x1 2 3x2 1 2x3 5 0
2x1211x21 6x3 5 0
Solución Al hacer uso de la eliminación de Gauss-Jordan se obtiene, sucesivamente,
⎛ 1 2 21 | 0⎞ R2 → R2 2 3 R1 ⎛ 1 2 21 | 0⎞
⎜ 3 23 2 | 0⎟ ⎯⎯⎯⎯⎯ → ⎜ 0 29 5 | 0⎟
R3 → R3 1 R1
⎜ ⎟ ⎜ ⎟
⎜⎝ 21 211 6 | 0⎟⎠ ⎜⎝ 0 29 5 | 0⎟⎠
⎛1 2 21 | 0⎞ R1 → R1 2 2 R2 ⎛ 1 0 2 19 | 0⎞
⎜ 1 2 59 | 0⎟ ⎯⎯⎯⎯⎯
R2 → 219 R2
⎯⎯⎯⎯→ 0
R3 → R3 1 9 R2
→ ⎜ 0 1 2 59 | 0⎟
⎜ ⎟ ⎜ ⎟
⎜⎝ 0 29 5 | 0⎟⎠ ⎜⎝ 0 0 0 | 0⎟⎠
Ahora la matriz aumentada está en la forma escalonada reducida por renglones y, evidente-
mente, existe un número infinito de soluciones dadas por (21/9x3, 5/9x3, x3). Si, por ejemplo,
x3 5 0, se obtiene la solución trivial. Si x3 5 1 se obtiene la solución (21/9, 5/9, 1). Si x3 5 9π se
obtiene la solución (2π, 5π, 9π).
E JEMPLO 3 Un sistema homogéneo con más incógnitas que ecuaciones tiene

un número infinito de soluciones
Resuelva el siguiente sistema
x1 1 x2 2 x3 5 0
(2)
4x1 2 2x2 1 7x3 5 0
Solución Al reducir por renglones se obtiene
⎛1 1 21 | 0⎞ R2 → R2 2 4 R1 ⎛ 1 1 21 | 0⎞
⎜⎝ 4 22 ⎟ ⎯⎯⎯⎯⎯→ ⎜
7 | 0⎠ ⎝ 0 26 11 | 0⎟⎠
R2 → 261 R2 ⎛ 1 1 21 | 0⎞ R1 → R1 2 R2 ⎛ 1 0 5
| 0⎞
⎯⎯⎯⎯⎯ →⎜ ⎟ ⎯⎯⎯⎯⎯ →⎜ 6
⎟
⎝ 0 1 2 6 | 0⎠
11
⎝ 0 1 2 6 | 0⎠
11
Así, hay un número infinito de soluciones dadas por (25/6x3, 11/6x3, x3). Esto puede no sor-
prender porque el sistema (2) contiene tres incógnitas y únicamente dos ecuaciones.
En términos generales, si hay más incógnitas que ecuaciones, el sistema homogéneo (1)
siempre tendrá un número infinito de soluciones. Para ver esto observe que si sólo tuviera la
solución trivial, la reducción por renglones conduciría al sistema
x1 50
x2 50
o
xn 5 0
y, posiblemente, algunas ecuaciones adicionales de la forma 0 5 0. Pero este sistema tiene al

menos tantas ecuaciones como incógnitas. Puesto que la reducción por renglones no cambia ni
el número de ecuaciones ni el número de incógnitas, se tiene una contradicción en la suposición
de que había más incógnitas que ecuaciones. Entonces se tiene el teorema 1.
TEOREMA 1
El sistema homogéneo (1) tiene un número infinito de soluciones si n > m.
Problemas 1.4
AUTOEVALUACIÓN
I. ¿Cuáles de los siguientes sistemas deben tener soluciones no triviales?
a ) a11 x1 1 a12 x2 5 0 b ) a11 x1 1 a12 x2 5 0 c ) a11 x1 1 a12 x2 1 a13 x3 5 0
a21 x1 1 a22 x2 5 0 a21 x1 1 a22 x2 5 0 a21 x1 1 a22 x2 1 a23 x3 5 0
a31 x1 1 a32 x2 5 0
1.4 Sistemas homogéneos de ecuaciones 39
II. ¿Para qué valores de k tendrá soluciones no triviales el siguiente sistema?
x1 y1 z50
2x 1 3y 2 4z 5 0
3x 1 4y 1 kz 5 0
a) 1 b) 2 c) 3 d) 4 e) 5 f) 0
En los problemas 1 a 17 encuentre todas las soluciones a los sistemas homogéneos.

1. 2x1 2 x2 5 0 2. x1 2 5x2 5 0
3x1 1 4x2 5 0 2x11 5x2 5 0
3. x1 2 3x2 5 0 4. x1 1 x2 2 x3 5 0
22x1 1 6x2 5 0 2x1 2 4x2 1 3x3 5 0
3x1 1 7x2 2 x3 5 0
5. x1 1 x2 2 x3 5 0 6. x1 1 x2 2 x3 5 0
2x1 2 4x2 1 3x3 5 0 2x1 2 4x2 1 3x3 5 0
2x1 2 7x2 2 6x3 5 0 25x1 1 13x2 2 10x3 5 0
7. 2x1 1 3x2 2 x3 5 0 8. x1 2 3x2 1 2x3 5 0

6x1 2 5x2 1 7x3 5 0 3x1 1 6x2 2 3x3 5 0
9. 4x1 2 x2 5 0 10. x1 2 x2 1 7x3 2 x4 5 0

7x1 1 3x2 5 0 2x1 1 3x2 2 8x3 1 x4 5 0
28x1 1 6x2 5 0
11. 2x1 2 5x2 2 6x3 2 3x4 5 0 12. x1 2 2x2 1 x3 1 x4 5 0

x1 1 3x2 2 5x3 1 4x4 5 0 3x1 1 2x3 2 2x4 5 0
4x2 2 x3 2 x4 5 0
5x11 3x3 2 x4 5 0
13. 22x1 1 7x4 5 0 14. 2x1 2 x2 5 0

x1 1 2x2 2 x3 1 4x4 5 0 3x1 1 5x2 5 0
3x1 2 x3 1 5x4 5 0 7x1 2 3x2 5 0
4x1 1 2x2 1 3x3 50 22x1 1 3x2 5 0
15. x1 2 3x2 5 0 16. 22x1 1 6x2 5 0

22x1 1 6x2 5 0 x1 2 3x2 5 0
4x1 2 12x2 5 0 27x1 1 21x2 5 0
17. x1 1 x2 2 x3 5 0
4x1 2 x2 1 5x3 5 0
22x1 1 x2 2 2x3 5 0
3x1 1 2x2 2 6x3 5 0
Para los sistemas que aquí se presentan habrá una variable arbitraria correspondiente a
la última columna de la rref (forma escalonada reducida por renglones) de la matriz de
coeficientes. La notación “:” se utiliza para encontrar la elección correcta de variables ar-
bitrarias para producir enteros y asignar la variable z a la última columna de la rref de la
matriz de coeficientes. Se da el comando xx 5 rats(z). Éste desplegará los números de la
columna en forma de fracciones en lugar de decimales. También se puede dar el comando
format rat y después se despliega xx (asegúrese de dar el comando format short para regre-
sar a la forma normal).
a) Resuelva el sistema anterior para la reacción de fotosíntesis y encuentre los enteros x1 a
x4 sin común divisor diferente de 1 que la balancean.
b) Establezca el sistema de ecuaciones homogéneas que balancea la reacción entre:
Pb(N3)2 1 Cr(MnO4)2 S Cr2O3 1 MnO2 1 Pb3O4 1 NO
Resuelva el sistema y encuentre los enteros x1 a x6 sin divisor común diferente de 1 que
balancea la reacción.
1.5 VECTORES Y MATRICES
El estudio de vectores y matrices es la médula del álgebra lineal. El estudio de vectores co-
menzó esencialmente con el trabajo del gran matemático irlandés Sir William Hamilton
(1805-1865)6. Su deseo de encontrar una forma de representar un cierto tipo de objetos en el
plano y el espacio lo llevó a descubrir lo que él llamó los cuaterniones. Esta noción condujo al
desarrollo de lo que ahora se conoce como vectores. A lo largo de toda su vida y del resto del
siglo XIX hubo un debate considerable sobre la utilidad de los cuaterniones y de los vectores. Al
final del siglo el gran físico inglés Lord Kelvin escribió que los cuaterniones, “aun cuando son
bellamente ingeniosos, han sido un mal peculiar para todos aquellos que los han manejado de
alguna manera y los vectores… nunca han sido de menor utilidad para ninguna criatura.”
Pero Kelvin estaba equivocado. En la actualidad casi todas las ramas de la física clásica y
moderna se representan mediante el lenguaje de vectores. Los vectores también se usan, cada
vez más, en las ciencias biológicas y sociales.7
En la página 2 se describió la solución un sistema de dos ecuaciones con dos incógnitas
como un par de números (x, y). En el ejemplo 1.3.1 en la página 9 se escribió la solución a un
sistema de tres ecuaciones con tres incógnitas como la terna de números (4, 22, 3). Tanto (x, y)
como (4, 22, 3) son vectores.
DEFINICIÓN 4 Vector renglón de n componentes
Un vector de n componentes se define como un conjunto ordenado de n números escritos

de la siguiente manera:
(x1, x2, . . . , xn) (1)
6
Vea la semblanza bibliográfica de Hamilton en la página 52.
7
Un análisis interesante sobre el desarrollo del análisis vectorial moderno se puede consultar en el libro de M.J.
Crowe, A History of Vector Analisis (Notre Dame: University of Notre Dame Press, 1967) o en el excelente libro de
Morris Kilne, Mathematical Thought from Ancient to Modern Times (Nueva York: Oxford University Press, 1972,
capítulo 32).
1.5 Vectores y matrices 53
a) 23, 2, 6 b) 0, 22, 9
c) 3, 22, 6 d) 0, 2, 29
⎛ 23⎞ ⎛ 5⎞ ⎛ 2⎞
⎜ ⎟ ⎜ ⎟
En los problemas 1 a 13 realice los cálculos indicados con a 5 1 , b 5 24 y c 5 ⎜ 0 ⎟ .
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜⎝ 4 ⎟⎠ ⎜⎝ 7⎟⎠ ⎜⎝ 22 ⎟⎠
1. a 1 b 2. 3b 3. 5a
4. 22c 5. b 1 3c 6. 2a 2 5b
7. 23b 1 2c 8. 25a 1 3b 9. 0c
10. a 1 b 1 c 11. 2a 1 4b 2 3c 12. 3a 2 2b 1 4c
13. 3b 2 7c 1 2a
En los problemas 14 a 26 realice los cálculos indicados con a 5 (3, 21, 4, 2), b 5 (6, 0, 21, 4)
y c 5 (21, 3, 1, 5).
14. a 1 c 15. b 2 a 16. c 2 a
17. 4c 18. 22b 19. 7b 1 4c
20. 2a 2 c 21. 4b 2 7a 22. a 1 b 1 c
23. c 2 b 1 2a 24. 3a 2 2b 2 4c 25. 3a 2 2b 1 4c
26. aa 1 bb 1 gc
⎛ 1 3⎞ ⎛ 22 0 ⎞
⎜ ⎟
En los problemas 27 a 44 realice las operaciones indicadas con A 5 2 5 , B 5 ⎜ 1 4 ⎟ y
⎜ ⎟ ⎜ ⎟
⎛ 21 1⎞ ⎜⎝ 21 2 ⎟⎠ ⎜⎝ 27 5⎟⎠
C 5 ⎜ 4 6⎟ .
⎜ ⎟
⎜⎝ 27 3⎟⎠
27. 3A 28. A 1 B 29. C 2 A

30. A 2 C 31. 2C 2 5A 32. 0B (0 es el cero escalar)
33. 27A 1 3B 34. 6B 2 7A 1 0C 35. A 1 B 1 C
36. C 2 A 2 B 37. B 2 A 2 2C 38. 2A 2 3B 1 4C
39. 7C 2 B 1 2A
40. Encuentre una matriz D tal que 2A 1 B 2 D es la matriz cero de 3 3 2.
41. Encuentre la matriz E tal que A 1 2B 2 3C 1 E es la matriz cero de 3 3 2.
42. Encuentre una matriz D tal que 2A 1 B 2 D sea la matriz cero de 3 3 2.
43. Encuentre una matriz E tal que A 1 2B 1 3E sea la matriz de 3 3 2 cuyos elementos todos
son uno.
⎛ 1 21⎞ ⎛ 21 0⎞
44. Dados A 5 ⎜ ⎟ y B 5⎜ , resuelva la siguiente ecuación para X:
⎝2 3⎠ ⎝ 2 3⎟⎠
3(2A 1 B 1 X) 5 5(X 2 A 1 B)
1.6 Productos vectorial y matricial 57
b) Considere la siguiente gráfica dirigida

��
��
��
��
��
��
��
��
��
�
��
��
��
��
��
��
��
��
��
��
H
Defina
1 si la arista j va al nodo i
aij 5 21 si la arista j sale del nodo i
0 de otra manera
¿De qué tamaño será A? Introduzca A5zeros(n,m), donde n es el número de renglones y

m es el número de columnas (doc zeros). Se modificará A columna por columna viendo
una arista a la vez. Por ejemplo,
A([1 2],1) 5 [21;1] la arista 1 sale del [1] y va al [2]
A(4 5], 8 5 [1;21] la arista 8 sale del [5] y va al [4]
Complete el proceso anterior para encontrar A.
3. a) Introduzca cualesquiera dos matrices A y B de distinto tamaño. Encuentre A 1 B; ¿qué
le dice MATLAB?
b) Introduzca cualesquiera dos matrices A y B del mismo tamaño. Suponga que s es un es-
calar. De sus conocimientos algebraicos sobre las manipulaciones con números, ¿a qué
conclusión llegaría sobre las relaciones s*A, s*B y s*(A1B)? Utilice una línea de comen-
tario para escribir esta conclusión. Pruebe su conclusión con tres elecciones diferentes
de s. Pruebe su conclusión con otra elección de A y otra elección de B para tres valores
de s. (Si va a usar MATLAB para generar matrices aleatorias, consulte la presentación
anterior de problemas de MATLAB 1.3.)
1.6 PRODUCTOS VECTORIAL Y MATRICIAL

En esta sección se analizará la forma en la cual se pueden multiplicar dos matrices. Es obvio
que se puede definir el producto de dos matrices de m 3 n, A 5 (aij) y B 5 (bij) como la matriz
m 3 n cuya componente ij es aij bij. Sin embargo, para casi todas las aplicaciones importantes
que usan matrices, se requiere de otro tipo de producto. Explicaremos las razones de esto.
EJEMPLO 1 Producto de un vector de demanda y un vector de precios
Suponga que un fabricante produce cuatro artículos. Su demanda está dada por el vector de de-
manda d 5 (30 20 40 10) (una matriz de 1 3 4). El precio por unidad que recibe el fabricante
�$20�
�$15�
� �(una matriz de 4 3 1). Si se cumple
�$18�
por los artículos está dado por el vector de precios p 5
� �
�$40�
la demanda, ¿cuánto dinero recibirá el fabricante?
Solución La demanda del primer artículo es 30, y el fabricante recibe $20 por cada artículo vendido. Por
consiguiente recibe (30)(20) 5 $600 de las ventas del primer artículo. Si se sigue este razona-
miento, se ve que la cantidad total de dinero que recibe es
(30)(20) 1 (20)(15) 1 (40)(18) 1 (10)(40) 5 600 1 300 1 720 1 400 5 $2 020
Este resultado se escribe como
�20�
�15 �
� �
30 20 40 10 � �5 2020
�18 �
� �
�40�
Es decir, se multiplicó un vector renglón de 4 componentes y un vector columna de 4 compo-

nentes para obtener un escalar (un número real).
En el último ejemplo se multiplicó un vector renglón por un vector columna y se obtuvo un
escalar. En términos generales se tiene la siguiente definición.
DEFINICIÓN 1 Producto escalar
�a1 � �b1 �
�a � �b �
Sean a 5 � 2 �y b 5 � 2 �dos vectores. Entonces el producto escalar de a y b denotado
� � � �
� � � �
�an � �bn �
por a ? b, está dado por
a ? b 5 a1b1 1 a2b2 1 … 1 anbn (1)
Debido a la notación en (1), el producto escalar se llama con frecuencia producto punto o
producto interno de los vectores. Observe que el producto escalar de dos n-vectores es un
escalar (es decir, es un número).
ADVERTENCIA Al tomar el producto escalar de a y b es necesario que a y b tengan el mismo número de com-
ponentes.
A menudo se tomará el producto escalar de un vector renglón y un vector columna. En este

caso se tiene
Producto escalar
vector renglón 1�3�n
�b1 �
�b �
� a� � a� � p � an � � 2 �5 a�b� 1 a� b� 1 p 1 an bn
� �
(2)
� �
�bn �
Éste es un número real (un escalar)
vector columna n�3�1

EJEMPLO 2 Producto escalar de dos vectores
� 1� � 3�
Sea a 5 22 y b 5 �22 �. Calcule a ? b.
� �
� � � �
�
� 3�
� �
� 4��
Solución a ? b 5 (1)(3) 1 (22)(22) 1 (3)(4) 5 3 1 4 1 12 5 19.
EJEMPLO 3 Producto escalar de dos vectores
�1 �
�2 �
Sea a 5 (2, 23, 4, 26 ) y b 5 � � . Calcule a ? b.
�0 �
��
�3�
Solución Aquí a ? b 5 (2)(1) 1 (23)(2) 1 (4)(0) 1 (26)(3) 5 2 26 1 0 218 5 222.
El teorema se presenta a continuación y se deduce directamente de la definición del producto

escalar. Se demuestra la parte ii) y se deja el resto como ejercicio.
TEOREMA 1 Sean a, b y c tres n-vectores y sean a y b dos escalares. Entonces
iii. a ? 0 5 0
iii. a ? b 5 b ? a (ley conmutativa del producto escalar)
iii. a ? (b 1 c) 5 a ? b 1 a ? c (ley distributiva del producto escalar)
iv. (aa) ? b 5 a(a ? b)
�a1 � �b1 �
�a � �b �
Sean a 5 � 2 �y b 5 � 2 �.
� � � �
Prueba de ii)
� � � �
�an � �bn �
Entonces
ab 5 ba para
cualesquiera dos números a y b
a ? b 5 a1b1 1 a1b1 1 . . . 1 anbn 5 b1a1 1 b2a2 1 . . . 1 bnan 5 b ? a
Observe que no existe una ley asociativa para el producto escalar. La expresión (a ? b) ? c 5
a ? (b ? c) no tiene sentido porque ninguno de los dos lados de la ecuación está definido. Para
el lado izquierdo, esto se concluye a partir de que a ? b es un escalar y el producto escalar del
escalar a ? b y el vector c no está definido.
Ahora se define el producto de dos matrices.
DEFINICIÓN 2 Producto de dos matrices
Sea A 5 (aij) una matriz m 3 n, y sea B 5 (bij) una matriz n 3 p. Entonces el producto de
A y B es una matriz m 3 p, C 5 (cij), en donde
cij 5 (renglón i de A) ? (columna j de B) (3)
Es decir, el elemento ij de AB es el producto punto del renglón i de A y la columna j de B.

Si esto se extiende, se obtiene
cij 5 ai1b1j 1 ai2b2j 1 … 1 ainbnj (4)
Si el número de columnas de A es igual al número de renglones de B, entonces se dice

que A y B son compatibles bajo la multiplicación.
ADVERTENCIA Dos matrices se pueden multiplicar únicamente si el número de columnas de la primera

matriz es igual al número de renglones de la segunda. De otra modo, los vectores que
forman el renglón i en A y la columna j de B no tendrán el mismo número de compo-
nentes y el producto punto en la ecuación (3) no estará definido. Dicho de otro modo,
las matrices A y B serán incompatibles bajo la multiplicación. Para ilustrar esto se con-
sideran las siguientes matrices de A y B:
��j��B
� a�� a�� a�n �
�a a�� a� n � � b�� b�� b� j b� p �
� ��
� � � b�� b�� b� j b� p �
� � � �
��i��A � ai� ai � ain �
� �
� � �� b bn � bnj bnp ��
� � n�
� am� am � amn �
Los vectores renglón y columna sombreados deben tener el mismo número de compo-
nentes.
E JEMPLO 4 Producto de dos matrices de 2 3 2
⎛ 1 3⎞ ⎛ 3 22 ⎞
Si A 5 ⎜ ⎟ y B5⎜ , calcule AB y BA.
⎝ 22 4 ⎠ ⎝5 6 ⎟⎠
Solución A es una matriz de 2 3 2 y B es una matriz de 2 3 2, entonces C 5 AB 5(2 3 2) 3 (2 3 2)

también es una matriz de 2 3 2. Si C 5 (cij), ¿cuál es el valor de c11? Se sabe que
c11 5 (1er renglón de A) ? (1ª columna de B)

Reescribiendo las matrices se tiene

��B
��A � � �� 2� �
�� 2� � ��
Así,
⎛ 3⎞
c11 5 (1 3 ) ⎜ ⎟ 5 3 1 15 5 18
⎝ 5⎠
De manera similar, para calcular c12 se tiene

��B
��A � � �� 2� �
�� 2� � ��
y
⎛ 22 ⎞
c12 5 (1 3 ) ⎜ ⎟ 522 1 18 5 16
⎝ 6⎠
Siguiendo el procedimiento se encuentra que
⎛ 3⎞
c21 5 (22 4 ) ⎜ ⎟ 526 1 20 5 14
⎝ 5⎠
y
⎛ 22 ⎞
c22 5 (22 4 ) ⎜ ⎟ 5 4 1 24 5 28
⎝ 6⎠
Entonces
⎛ 18 16 ⎞
C 5 AB 5 ⎜
⎝ 14 28⎟⎠
De manera similar, sin escribir los pasos intermedios, se ve que
⎛ 3 22 ⎞ ⎛ 1 3⎞ ⎛ 3 1 4 9 2 8⎞ ⎛ 7 1⎞
C9 5 BA 5 ⎜ ⎟ ⎜ ⎟ 5⎜ 5
⎝ 5 6 ⎠⎝ 22 4 ⎠ ⎝ 5 2 12 15 1 24 ⎟⎠ ⎜⎝ 27 39⎟⎠
Observación. El ejemplo 4 ilustra un hecho sumamente importante: en términos generales, el

producto de matrices no es conmutativo. Es decir, AB Z BA. En ocasiones ocurre que AB 5 BA,
pero se trata de una excepción, no de una regla. Si AB 5 BA se dice que A y B conmutan. De
hecho, como lo ilustra el siguiente ejemplo, puede ocurrir que AB esté definida y BA no lo esté.
Así, debe tenerse cuidado en el orden de la multiplicación de dos matrices.
EJEMPLO 5 El producto de una matriz de 2 3 3 y una de 3 3 4 está definido

pero el producto de una matriz 3 3 4 y una de 2 3 3 no lo está
⎛ 7 21 4 7⎞
⎛ 2 0 23⎞ ⎜
Sea A 5 ⎜ y B5 2 5 0 24 ⎟ . Calcule AB.
⎝4 1 5⎟⎠ ⎜
⎜⎝ 23
⎟
1 2 3⎟⎠
Solución Primero observe que A es una matriz de 2 3 3 y B es una matriz de 3 3 4. Por lo que el número
de columnas de A es igual al número de renglones de B. Por lo tanto, el producto AB está defi-
nido y es una matriz de 2 3 4. Sea AB 5 C 5 (cij). Entonces
⎛ 7⎞ ⎛ 21⎞
c11 5 ( 2 0 23) ⋅ ⎜ 2 ⎟ 5 23 c12 5 ( 2 0 23) ⋅ ⎜ 5⎟ 525
⎜ ⎟ ⎜ ⎟
⎜⎝ 23 ⎟⎠ ⎜⎝ 1⎟⎠
⎛ 4⎞ ⎛ 7⎞
c13 5 ( 2 0 23) ⋅ ⎜ 0 ⎟ 5 2 c14 5 ( 2 0 23) ⋅ ⎜ 24 ⎟ 5 5
⎜ ⎟ ⎜ ⎟
⎝⎜ 2 ⎟⎠ ⎜⎝ 3⎟⎠
⎛ 7⎞ ⎛ 21⎞
c21 5 ( 4 1 5) ⋅ ⎜ 2 ⎟ 5 15 c22 5 ( 4 1 5) ⋅ ⎜ 5⎟ 5 6
⎜ ⎟ ⎜ ⎟
⎜⎝ 23 ⎟⎠ ⎜⎝ 1⎟⎠
⎛ 4⎞ ⎛ 7⎞
c23 5 ( 4 1 5) ⋅ ⎜ 0 ⎟ 5 26 c24 5 ( 4 1 5) ⋅ ⎜ 24 ⎟ 5 39
⎜ ⎟ ⎜ ⎟
⎜⎝ 2 ⎟⎠ ⎜⎝ 3⎟⎠
⎛ 23 25 2 5⎞
Así, AB 5 ⎜ . Esto completa el problema. Observe que el producto BA no está
⎝ 15 6 26 39 ⎟⎠
definido ya que el número de columnas de B (cuatro) no es igual al número de renglones de A
(dos).
E J EMPLO 6 Contacto directo e indirecto con una enfermedad contagiosa
En el siguiente ejemplo se muestra la forma en la cual se puede usar la multiplicación de matri-

ces para modelar la manera en que se extiende una enfermedad contagiosa. Suponga que cua-
tro individuos han contraído esta enfermedad. Este grupo entra en contacto con seis personas
de un segundo grupo. Estos contactos, llamados contactos directos, se pueden representar por
una matriz de 4 3 6. Enseguida se da un ejemplo de este tipo de matrices.
Matriz de contacto directo: primero y segundo grupos
⎛0 1 0 0 1 0⎞
⎜1 0 0 1 0 1⎟
A5⎜ ⎟
⎜0 0 0 1 1 0⎟
⎜ ⎟
⎝1 0 0 0 0 1⎠
En este caso se hace aij 5 1 si la i-ésima persona del primer grupo entra en contacto con la
j-ésima persona del segundo grupo. Por ejemplo, el 1 en la posición (2,4) significa que la segun-
da persona del primer grupo (infectada) entró en contacto con la cuarta persona del segundo
grupo. Ahora suponga que un tercer grupo de cinco personas tiene varios contactos directos
con individuos del segundo grupo. Esto también se puede representar mediante una matriz.
Matriz de contacto directo: segundo grupo y tercer grupo
⎛0 0 1 0 1⎞
⎜0 0 0 1 0⎟
⎜ ⎟
⎜0 1 0 0 0⎟
B5⎜ ⎟
⎜1 0 0 0 1⎟
⎜0 0 0 1 0⎟
⎜ ⎟
⎝0 0 1 0 0⎠
Observe que b64 5 0, lo que quiere decir que la sexta persona del segundo grupo no tiene con-
tacto con la cuarta persona del tercer grupo.
Los contactos indirectos o de segundo orden entre individuos del primero y tercer grupos se
representan mediante la matriz de 4 3 5 C 5 AB. Para ver esto, observe que una persona del gru-
po 3 puede quedar contagiada por alguien del grupo 2, quien a su vez fue contagiada por alguien
del grupo 1. Por ejemplo, como a24 5 1 y b45 5 1 se ve que, indirectamente, la quinta persona del
grupo 3 tuvo contacto (a través de la cuarta persona del grupo 2) con la segunda persona
del grupo 1. El número total de contactos indirectos entre la segunda persona del grupo 1 y la
quinta persona del grupo 3 está dado por
c25 5 a21b15 1 a22b25 1 a23b35 1 a24b45 1 a25b55 1 a26b65

51?110?010?011?110?011?052
Ahora se calcula.
Matriz de contacto indirecto: primero y tercer grupos
⎛0 0 0 2 0⎞
⎜1 0 2 0 2⎟
C 5 AB 5 ⎜ ⎟
⎜1 0 0 1 1⎟
⎜ ⎟
⎝0 0 2 0 1⎠
Observe que únicamente la segunda persona del grupo 3 no tiene contactos indirectos con la
enfermedad. La quinta persona de este grupo tiene 2111154 contactos indirectos.
Se ha visto que las matrices, en general, no conmutan. El siguiente teorema muestra que la
ley asociativa sí se cumple.
TEOREMA 2 Ley asociativa para la multiplicación de matrices
Sea A 5 (aij) una matriz de n 3 m, B 5 (bij) una matriz de m 3 p y C 5 (cij) una matriz
de p 3 q. Entonces la ley asociativa
A(BC) 5(AB)C (5)
se cumple y ABC, definida por cualesquiera de los lados de la ecuación (5), es una matriz de
n 3 q.
La prueba de este teorema no es difícil, pero es laboriosa. Se desarrolla mejor usando la nota-
ción de sumatoria. Por esta razón se pospone hasta el final de esta sección.
De aquí en adelante se escribirá el producto de tres matrices simplemente como ABC. Se
puede hacer esto porque (AB)C 5 A(BC); entonces se obtiene la misma respuesta independien-
temente de cómo se lleve a cabo la multiplicación (siempre y cuando no se conmute ninguna
de las matrices).
La ley asociativa se puede extender a productos de más matrices. Por ejemplo, suponga que
AB, BC y CD están definidas. Entonces
ABCD 5 A(B(CD)) 5 ((AB)C)D 5 A(BC)D 5 (AB)(CD) (6)
Existen dos leyes distributivas para la multiplicación de matrices.
TEOREMA 3 Leyes distributivas para la multiplicación de matrices
Si todas las sumas y todos los productos siguientes están definidos, entonces
A(B 1 C) 5 AB 1 AC (7)
(A 1 B)C 5 AC 1 BC (8)
Las demostraciones se presentan al final de la sección.
MULTIPLICACIÓN DE MATRICES COMO UNA COMBINACIÓN LINEAL

DE LAS COLUMNAS DE A
Sea A una matriz de m 3 n y x un vector de n 3 1. Considere el producto
⎛ a11 a12 � a1n ⎞ ⎛ x1 ⎞ ⎛ a11 x1 1 a12 x2 1 � 1 a1n xn ⎞

⎜a a22 � a2 n ⎟ ⎜ x2 ⎟ ⎜ a21 x1 1 a22 x2 1 � 1 a2 n xn ⎟
Ax 5 ⎜ ⎟ ⎜ ⎟ 5⎜ ⎟
21
⎜ � � � ⎟⎜� ⎟ ⎜ � � � ⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜⎝ a am 2 � amn ⎟⎠ ⎜⎝ xn ⎟⎠ ⎜⎝ am1 x1 1 am 2 x2 1 � 1 amn xn ⎟⎠
m1
⎛ a11 ⎞ ⎛ a12 ⎞ ⎛ a1n ⎞

⎜a ⎟ ⎜a ⎟ ⎜a ⎟
Ax 5 x1 ⎜ ⎟ 1 x2 ⎜
22 ⎟
1 � 1 xn ⎜ ⎟
21 2n
⎜ �⎟ ⎜ � ⎟ ⎜ �⎟ (9)
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜⎝ a ⎟⎠ ⎜⎝ a ⎟⎠ ⎜⎝ a ⎟⎠
m1 m2 mn
⎛ a11 ⎞ ⎛ a12 ⎞
⎜a ⎟ ⎜a ⎟
⎜
Observe que c1 5 ⎜ ⎟ es la primera columna de A, c 2 5 ⎜⎜
21 ⎟ 22 ⎟
es la segunda columna de A, y
� � ⎟
⎜ ⎟ ⎜ ⎟
⎜⎝ a ⎟⎠ ⎜⎝ a ⎟⎠
m1 m2
así sucesivamente. Entonces (9) se puede escribir como
Ax 5 x1c1 1 x2c2 1p1xncn (10)
El lado derecho de la expresión (10) se llama combinación lineal de los vectores c1, c2, …, cn. Las
combinaciones lineales se estudiarán con detalle en la sección 4.4. Aquí simplemente se observa
el siguiente hecho de interés:
El producto de la matriz A de m 3 n y el vector columna x es una combinación lineal

de las columnas de A.
Suponga ahora que B es una matriz de n 3 p. Sea C 5 AB y sea c1 la primera columna de C.

Entonces
⎛ c11 ⎞ ⎛ a11b11 1 a12 b21 1 � 1 a1n bn1 ⎞
⎜ c ⎟ ⎜ a b 1 a b 1� 1 a b ⎟
c1 5 ⎜ ⎟ 5 ⎜
21 21 11 22 21 2 n n1 ⎟
⎜ �⎟ ⎜ � � � ⎟
⎜ ⎟ ⎜ ⎟
⎜⎝ c ⎟⎠ ⎜⎝ a b 1 a b 1 � 1 a b ⎟⎠
m1 m1 11 m 2 21 mn n1
⎛ a11 ⎞ ⎛ a12 ⎞ ⎛ a1n ⎞

⎜a ⎟ ⎜a ⎟ ⎜a ⎟
5 b11 ⎜ 21 ⎟
1 b21 ⎜ 22 ⎟
1 � 1 bn1 ⎜ ⎟
2n
⎜ �⎟ ⎜ � ⎟ ⎜ �⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜⎝ a ⎟⎠ ⎜⎝ a ⎟⎠ ⎜⎝ a ⎟⎠
m1 m2 mn
es igual a la combinación lineal de las columnas de A. Lo mismo se cumple para todas las co-
lumnas de C 5 AB, donde se ve que
Cada columna del producto AB es una

combinación lineal de las columnas de A.
EJEMPLO 7 Cómo escribir las columnas de AB como combinación lineal de las columnas de A
⎛ 1 22 ⎞
⎛ 1 21⎞
Sean A 5 ⎜ 2 4⎟ y B 5⎜
⎜
⎜⎝ 3
⎟ ⎝2 7⎟⎠
5⎟⎠
⎛ 23 215⎞
Entonces AB 5⎜ 10 26 ⎟ . Ahora bien
⎜ ⎟
⎜⎝ 13 32 ⎟⎠
⎛ 23⎞ ⎛ 1⎞ ⎛ 22 ⎞
⎜ 10⎟ 5 1⎜ 2 ⎟ 1 2 ⎜ 4 ⎟ 5 una combinación lineal de las columnas de A
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜⎝ 13⎟⎠ ⎜⎝ 3⎟⎠ ⎜⎝ 5⎟⎠
y
⎛ 215⎞ ⎛ 1⎞ ⎛ 22 ⎞
⎜ 26 ⎟ 521⎜ 2 ⎟ 1 7 ⎜ 4 ⎟ 5 una combinación lineal de las columnas de A.
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜⎝ 32 ⎟⎠ ⎜⎝ 3⎟⎠ ⎜⎝ 5⎟⎠
MULTIPLICACIÓN DE MATRICES POR BLOQUES

En ciertas situaciones es prudente manejar las matrices como bloques de matrices más peque-
ñas, llamadas submatrices, y después multiplicar bloque por bloque en lugar de componente
por componente. La multiplicación en bloques es muy similar a la multiplicación normal de
matrices.
E JEMPLO 8 Multiplicación por bloques
⎛ 1 21 2 4⎞ ⎛ 1 4 3⎞
⎜ 2 0 4 5 ⎟ ⎜ 2 21 0⎟
Considere el producto AB 5 ⎜ ⎟⎜ ⎟
⎜ 1 1 2 23⎟ ⎜ 23 2 1⎟
⎜ ⎟⎜ ⎟
⎝ 22 3 5 0⎠ ⎝ 0 1 2⎠
El lector debe verificar que este producto esté definido. Ahora se realiza una partición de estas
matrices mediante líneas punteadas.
⎛ 1 21 | 2 4⎞ ⎛ 1 4 | 3 ⎞
⎜ 2 0 | 4 5 ⎟ ⎜ 2 21 | 0 ⎟ ⎛ C | D ⎞⎛ G | H ⎞
⎜ ⎟⎜ ⎟
AB 5 ⎜ 22 22 | 22 22⎟ ⎜ 22 22 | 22⎟ 5 ⎜⎜ 22 | 22⎟⎟ ⎜⎜ 22 | 22⎟⎟
⎜ ⎟⎜ ⎟
⎜ 1 1 | 2 23 ⎟ ⎜ 23 2 | 1 ⎟ ⎜⎝ E | F ⎟⎠ ⎜⎝ J | K ⎟⎠
⎜⎝ 22 3 | 5 0 ⎟⎠ ⎜⎝ 0 1 | 2 ⎟⎠
⎛ 1 21⎞ ⎛ 1⎞
Existen otras maneras de formar la partición. En este caso C 5 ⎜ ⎟ , K 5 ⎜ ⎟ y así su-
⎝2 0⎠ ⎝ 2⎠
cesivamente. Si suponemos que todos los productos y las sumas de matrices están definidos, se
puede multiplicar de manera normal para obtener
⎛ CG 1 DJ | CH 1 DK ⎞
⎛C D⎞ ⎛ G H⎞ ⎜
AB
B 5⎜ 5 22222 | 22222 ⎟
⎝E F ⎟⎠ ⎜⎝ J K ⎟⎠ ⎜⎜ ⎟
⎝ EG 1 FJ | EH 1 FK ⎟⎠
Ahora
⎛ 1 21⎞ ⎛ 1 4 ⎞ ⎛ 21 5⎞ ⎛ 2 4 ⎞ ⎛ 23 2 ⎞ ⎛ 26 8⎞
CG 5 ⎜ 5 , DJ 5 ⎜ 5
⎝2 0⎠ ⎝ 2 21⎟⎠ ⎜⎝ 2 8⎟⎠
⎟ ⎜ ⎝ 4 5⎟⎠ ⎜⎝ 0 1 ⎠⎟ ⎜⎝ 212 13⎟⎠
y
⎛ 27 13⎞
CG 1 DJ 5 ⎜ .
⎝ 210 21⎟⎠
LA NOTACIÓN CON a
Una suma se puede escribir9 de la siguiente manera, si N $ M.
N
aM 1 aM 11 1 aM 12 1L 1 aN 5 ∑ ak (11)
k 5M
SIGNO DE
que se lee “suma de los términos ak cuando el valor de k va de M a N”. En este contexto a se
SUMATORIA
ÍNDICE DE LA SUMA llama signo de sumatoria y k se conoce como índice de la suma.
E J EMPLO 10 Interpretación de la notación de sumatoria
5
Extienda la suma ∑b . k
k 51
Solución Comenzando con k 5 1 y terminando con k 5 5 se obtiene

5
∑b k
5 b1 1 b2 1 b2 1 b4 1 b5
k 51
6
Extienda la suma ∑c . k
k 53
Solución Comenzando con k 5 3 y terminando con k 5 6 se obtiene

6
∑c k
5 c3 1 c4 1 c5 1 c6
k 53
3
Calcule ∑k . 2
k522
Solución En este caso ak 5 k2 y k va de 22 a 3.

3
∑k 2
5 (22 )2 1 (21)2 1 (0)2 1 12 1 2 2 1 32
k522
5 4 111 0 111 4 1 9 5 19
Nota. Al igual que en el ejemplo 12, el índice de la sumatoria puede tomar valores enteros
negativos o cero.
9
El matemático suizo Leonhard Euler (1707-1783) fue el primero en usar la letra griega a (sigma) para denotar una suma.
EJEMPLO 13 Cómo escribir una suma usando la notación de sumatoria
Escriba la suma S8 5 1 2 2 1 3 2 4 1 5 2 6 1 7 2 8 usando el signo de sumatoria.
Solución Como 1 5 (21)2, 225(21)3 ? 2, 35(21)4 ? 3…, se tiene

8
S8 5 ∑ (21)k 11 k
k 51
EJEMPLO 14 Cómo escribir el producto escalar haciendo uso de la notación de sumatoria
La ecuación (1) para el producto escalar se puede escribir de manera compacta usando la no-
tación de sumatoria:
n
Solución a ⋅ b 5 a1b1 1 a2 b2 1L 1 an bn 5 ∑ ai bi
i51
La fórmula (4) para la componente ij del producto AB se puede escribir
n
cij 5 ai1b1 j 1 ai 2 b2 j 1L 1 ain bnj 5 ∑ aik bkj (12)
k 51
La notación de sumatoria tiene propiedades útiles. Por ejemplo,

n
∑ ca k
5 ca1 1 ca2 1 ca3 1L 1 can
k 51
n
5 c ( a1 1 a2 1 a3 1 ⋅⋅⋅ 1 an ) 5 c ∑ ak
k 51
A continuación se resumen éste y otros hechos.
Hechos sobre la notación de sumatoria
Sean {an} y {bn} dos sucesiones reales y c un número real. Entonces
N N
∑ ca k
5 c ∑ ak (13)
k 5M k 5M
N N N
∑ (a k
1 bk ) 5 ∑ ak 1 ∑ bk (14)
k 5M k 5M k 5M
N N N
∑ (a k
2 bk ) 5 ∑ ak 2 ∑ bk (15)
k 5M k 5M k 5M
N m N
∑a k
5 ∑ ak 1 ∑ ak si M , m , N (16)
k 5M k 5M k 5m11
Las pruebas de estos hechos se dejan como ejercicios (vea los problemas 104 a 106).
Ahora se usará la notación de sumatoria para probar la ley asociativa y la ley distributiva.
Ley asociativa
DEMOSTRACIÓN Como A es de n 3 m y B es de m 3 p, AB es de n 3 p. Entonces (AB)C 5(n 3 p) 3 (p 3 q) es
DE LOS TEOREMAS una matriz de n 3 q. De manera similar, BC es de m 3 q y A(BC) es de n 3 q de manera que
2Y3 (AB)C y A(BC) son ambas del mismo tamaño. Debe demostrarse que la componente ij de
(AB)C es igual a la componente ij de A(BC). Si se define D 5 (dij) 5 AB, entonces
de (12)
m
dij 5 ∑ aik bkj
k 51
La componente ij de (AB)C 5 DC es
p p
⎛ m ⎞ m p
∑d c 5 ∑ ⎜ ∑ aik bkl ⎟ clj 5 ∑ ∑ aik bkl clj

l 51 ⎝ k 51 ⎠
il lj
l 51 k 51 l 51
Ahora se define E 5 (eij) 5 BC. Entonces
p
ekj 5 ∑ bkl clj
l 51
y la componente ij de A(BC) 5 AE es
m m p
∑a e 5 ∑ ∑ aik bkl clj

ik kj
k 51 k 51 l 51
Así, la componente ij de (AB)C es igual a la componente ij de A(BC). Esto demuestra

la ley asociativa.
Leyes distributivas
Se demuestra la primera ley distributiva [ecuación (7)]. La demostración de la segunda

[ecuación (8)] es idéntica y por lo mismo se omite. Sea A una matriz de n 3 m y sean B
y C matrices de m 3 p. La componente kj de B 1 C es bkj 1 ckj y la componente ij de
A(B 1 C) es
de (12)
m m m
∑ aik (bkj ckj ) 5 ∑ aik bkj 1 ∑ aik ckj 5 componente ij de (AB más la componente ij de AC
k 51 k 51 k 51
y esto demuestra la ecuación (7).
SEMBLANZA D E ...
Arthur Cayley y el álgebra de matrices

Arthur Cayley
Arthur Cayley (1821-1895), un matemático inglés, desarrolló en (Library of Congress)
1857 el álgebra de matrices, es decir, las reglas que ilustran la for-
ma en la cual se suman y multiplican las matrices. Cayley nació en
Richmond, en Surrey (cerca de Londres) y fue educado en el Trini-
ty College, Cambridge, donde se graduó en 1842. Ese mismo año nente para realizar caminatas y escalar montañas. Cuenta la
obtuvo el primer lugar en la difícil prueba para el premio Smith. historia que decía que la razón por la que se unió al alpinismo
Durante varios años estudió y ejerció la carrera de leyes, pero fue que, aunque sentía que el ascenso era arduo y cansado, la
nunca dejó que su práctica en la abogacía interfiriera con su tra- gloriosa sensación de goce que lograba cuando conquistaba una
bajo en las matemáticas. Siendo estudiante de la comisión viajó cima era como el que experimentaba cuando resolvía un proble-
a Dublín y asistió a las conferencias de Hamilton sobre cuaternio- ma difícil de matemáticas o cuando completaba una teoría ma-
nes. Cuando se estableció la cátedra Sadlerian en Cambridge en temática intrincada.
1863, le ofrecieron el puesto a Cayley y él lo aceptó, renunciando Las matrices surgieron con Cayley, relacionadas con las
a un lucrativo futuro como abogado a cambio de la modesta re- transformaciones lineales del tipo
muneración de la vida académica. Pero fue entonces que pudo x’ 5 ax 1 by
dedicar todo su tiempo a las matemáticas. (17)
Cayley está clasificado como el tercer matemático más prolí- y’ 5 cx 1 dy
fico en la historia; lo sobrepasan sólo Euler y Cauchy. Comenzó a donde a, b, c, d son números reales, y donde puede pensarse que
publicar siendo todavía estudiante de la Universidad en Cambrid- son funciones que convierten al vector (x, y) en el vector (x’, y’).
ge. Durante sus años de abogado publicó entre 200 y 300 artícu- Las transformaciones se estudiarán con detalle en el capítulo 5.
los y continuó su copioso trabajo a lo largo de toda su vida. La co- Aquí se observa que la transformación (17) está completamente
lección masiva Collected Mathematical Papers de Cayley contiene determinada por los cuatro coeficientes a, b, c, d y por lo tanto
966 artículos y consta de 13 grandes volúmenes con un prome- puede simbolizarse por el arreglo matricial cuadrado
dio de 600 páginas por cada uno. Es casi imposible hallar un área
dentro de las matemáticas puras que Cayley no haya estudiado y ⎛ a b⎞
enriquecido. ⎜⎝ c d ⎟⎠
Además de desarrollar la teoría de matrices, Cayley fue pio-
nero en sus contribuciones a la geometría analítica, la teoría de al que se ha dado el nombre de matriz 2 3 2. Como dos trans-
determinantes, la geometría de n dimensiones, la teoría de cur- formaciones del tipo de (17) son idénticas si y sólo si tienen los
vas y superficies, el estudio de formas binarias, la teoría de fun- mismos coeficientes, Cayley definió que dos matrices
ciones elípticas y el desarrollo de la teoría de invariantes.
El estilo matemático de Cayley refleja su formación legal ya ⎛ a b⎞ ⎛e f⎞
que sus artículos son severos, directos, metódicos y claros. Poseía ⎜⎝ c d ⎟⎠ y ⎜⎝ g
una memoria fenomenal y parecía nunca olvidar nada que hu- h ⎟⎠
biera visto o leído alguna vez. Tenía además un temperamento
singularmente sereno, calmado y amable. Se le llamaba “el mate- eran iguales si y sólo si a 5 e, b 5 f, c 5 g y d 5 h.
Ahora suponga que la transformación (17) va seguida de la
mático de los matemáticos”.
transformación
Cayley desarrolló un interés poco común por la lectura de
novelas. Las leía mientras viajaba, mientras esperaba que una
x’’ 5 ex’ 1 fy’
junta comenzara y en cualquier momento que considerara opor- (18)
tuno. Durante su vida leyó miles de novelas, no sólo en inglés, y’’ 5 gx’ 1 hy’
sino también en griego, francés, alemán e italiano. Disfrutaba
mucho pintar, en especial con acuarela y mostraba un marcado Entonces
talento como especialista de esta técnica. También era un estu- x’’ 5 e(ax 1 by) 1f(cx 1 dy) 5 (ea 1 fc)x 1 (eb 1 fd)y
diante apasionado de la botánica y la naturaleza en general.
y
Cayley era, en el verdadero sentido de la tradición in-
glesa, un alpinista amateur e hizo viajes frecuentes al conti- y’’ 5 g(ax 1 by) 1h(cx 1 dy) 5 (ga 1 hc)x 1 (gb 1 hd)y
Esto llevó a Cayley a la siguiente definición para el producto que es, por supuesto, un caso especial de la definición general del
de dos matrices: producto de matrices que se dio en la página 60.
Es interesante recalcar cómo, en matemáticas, observacio-
⎛e f ⎞ ⎛ a b ⎞ ⎛ ea 1 fc eb 1 fd ⎞ nes muy sencillas pueden llevar a definiciones y teoremas impor-
⎜⎝ g 5
h ⎟⎠ ⎜⎝ c d ⎟⎠ ⎜⎝ ga 1 hc gb 1 hd ⎟⎠ tantes.
Problemas 1.6
AUTOEVALUACIÓN
III. ¿De las siguientes afirmaciones, cuál es cierta para la multiplicación de las matrices
A y B?
a) Se puede realizar sólo si A y B son matrices cuadradas.
b) Cada elemento cij es el producto de aij y bij.
c) AB 5 BA.
d) Se puede realizar sólo si el número de columnas de A es igual al número de ren-
glones de B.
III. ¿Cuál de los siguientes sería el tamaño de la matriz producto AB si se multiplica la matriz
A de 2 3 4 por la matriz B de 4 3 3?
a) 2 3 3 b) 3 3 2 c) 4 3 4
d) Este producto no se puede calcular.
III. Indique cuál de los siguientes enunciados es correcto para las matrices A y B si AB es un
vector columna.
a) B es un vector columna.
b) A es un vector renglón.
c) A y B son matrices cuadradas.
d) El número de renglones de A debe ser igual al número de columnas de B.
IV. ¿Cuál de las siguientes afirmaciones sobre el producto AB es cierta si A es una matriz de
4 3 5?
a) B debe tener cuatro renglones y el resultado tendrá cinco columnas.
b) B debe tener cinco columnas y el resultado será una matriz cuadrada.
c) B debe tener cuatro columnas y el resultado tendrá cinco renglones.
d) B debe tener cinco renglones y el resultado tendrá cuatro renglones.
En los problemas 1 a 8 calcule el producto escalar de los dos vectores.
⎛ 2 ⎞ ⎛ 3⎞
1. ⎜ 3⎟ ; ⎜ 0 ⎟ 2. (1, 2, 21, 0); (3, 27, 4, 22)
⎜ ⎟ ⎜ ⎟
⎜⎝ 25⎟⎠ ⎜⎝ 4 ⎟⎠
⎛ 5⎞ ⎛ 3⎞
3. (7, 4); (21, 24) 4. ⎜ ⎟ ; ⎜ ⎟
⎝ 7⎠ ⎝ 22 ⎠
1.7 Matrices y sistemas de ecuaciones lineales 87
periodo de 15 años. Sea h 5 [0;0;0;0;2000]. Para demostrar que ésta no es una cosecha
que se pueda seguir utilice los comandos
u 5 S*x2h
u 5 S*u2h
Repita el último comando (con la flecha hacia arriba) hasta que obtenga un número
negativo de peces después de una cosecha. ¿Durante cuántos años se puede recoger esta
cantidad?
g) Experimente con otras cosechas del grupo 5 para encontrar la cantidad máxima de
peces que se pueden obtener en un año dado con el fin de sostener este nivel de cosecha
durante 15 años (introduzca h 5 [0;0;0;0;n] para un número n y repita los comandos del
inciso f ) según sea necesario para representar 15 años de cosecha). Escriba una descrip-
ción de su experimento y de sus resultados.
h) Siga con el experimento hasta ver si se puede encontrar un vector h que represente las
cosechas de los grupos 4 y 5 que permitirían que cada año se cosecharan más peces (y
que se sostuviera la cosecha durante 15 años). Escriba una descripción de su experimen-
to y de sus resultados.
1.7 MATRICES Y SISTEMAS DE ECUACIONES LINEALES
En la sección 1.3 de la página 16 se estudiaron los siguientes sistemas de m ecuaciones lineales

con n incógnitas:
a11 x1 1 a12 x2 1 � 1 a1n xn 5 b1
a21 x1 1 a22 x2 1 � 1 a2 n xn 5 b2
(1)
� � � �
am1 x1 1 am 2 x2 1 � 1 amn xn 5 bn
Sea
⎛ a11 a12 � a1n ⎞
⎜a a22 � a2 n ⎟
A5⎜ ⎟
21
⎜ � � � ⎟
⎜ ⎟
⎜⎝ a am 2 � amn ⎟⎠
m1
⎛ x1 ⎞ ⎛ b1 ⎞
⎜x ⎟ ⎜b ⎟
La matriz de coeficientes, x el vector ⎜ ⎟ y b el vector ⎜ 2 ⎟ . Como A es una matriz de m 3 n y
2
⎜� ⎟ ⎜� ⎟
⎜ ⎟ ⎜ ⎟
⎜⎝ x ⎟⎠ ⎜⎝ b ⎠⎟
n n
x es una matriz de n 3 1 el producto matricial Ax es una matriz de m 3 1. No es difícil ver que

el sistema (1) se puede escribir como
Representación matricial de un sistema de ecuaciones lineales

Ax 5 b (2)
E JEMPLO 1 Cómo escribir un sistema mediante su representación matricial
2x1 1 4x2 1 6x3 5 18
4x1 1 5x2 1 6x3 5 24 (3)
3x1 1 x2 2 2x3 5 4
(Vea el ejemplo 1.3.1 en la página 7.) Esto se puede escribir como Ax 5 b con
⎛2 4 6⎞ ⎛ x1 ⎞ ⎛ 18 ⎞
A 5 ⎜4 5 6 ⎟ , x 5 ⎜ x2 ⎟ y b 5 ⎜ 24 ⎟ .
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜⎝ 3 1 22 ⎟⎠ ⎜⎝ x ⎟⎠ ⎜⎝ 4 ⎟⎠
3
Es mucho más sencillo escribir el sistema (1) en la forma Ax 5 b. Además existen otras
ventajas. En la sección 1.8 se observará la rapidez con que se puede resolver un sistema cuadra-
do si se conoce una matriz llamada la inversa de A. Aun sin ella, como ya se vio en la sección
1.3, es mucho más sencillo escribir los cálculos usando una matriz aumentada.
⎛ 0⎞
⎜ 0⎟
Si b 5 ⎜ ⎟ es el vector cero de m 3 1, entonces el sistema (1) es homogéneo (vea la sección
⎜ �⎟
⎜ ⎟
⎜⎝ 0⎟⎠
1.4) y se puede escribir como
Ax 5 0 (forma matricial de un sistema de ecuaciones homogéneo).
Existe una relación fundamental entre los sistemas homogéneos y los no homogéneos. Sea
A una matriz m 3 n
⎛ x1 ⎞ ⎛ b1 ⎞ m ceros
⎛ 0⎞
⎜x ⎟ ⎜b ⎟ ⎜ 0⎟
x 5⎜ ⎟ , b5⎜ ⎟ y 05⎜ ⎟
2 2
⎜� ⎟ ⎜� ⎟ ⎜ �⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜⎝ x ⎟⎠ ⎜⎝ b ⎟⎠ ⎜⎝ 0⎟⎠
n n
El sistema lineal no homogéneo general se puede escribir como
Ax 5 b (4)
SISTEMA
HOMOGÉNEO Con A y x dados en (4) y b Z 0, un sistema homogéneo asociado se define como
ASOCIADO
Ax 5 0 (5)
TEOREMA 1 Sean x1 y x2 soluciones al sistema no homogéneo (4). Entonces su diferencia x1 2 x2 es una

solución al sistema homogéneo relacionado (5).
por la ley distributiva (7)

en la página 64
DEMOSTRACIÓN A(x1 2 x2) 5 Ax1 2 Ax2 5 b 2 b 5 0

1.7 Matrices y sistemas de ecuaciones lineales 89
COROLARIO Sea x una solución particular al sistema no homogéneo (4) y sea y otra solución a (4). En-
tonces existe una solución h al sistema homogéneo (5) tal que
y5x1h (6)
DEMOSTRACIÓN Si h está definida por h 5 y 2 x, entonces h es una solución de (5) por el teorema 1 y
y 5 x 1 h.
El teorema 1 y su corolario son muy útiles. Establecen que
Con el objeto de encontrar todas las soluciones al sistema no homogéneo (4), basta con
encontrar una solución a (4) y todas las soluciones al sistema homogéneo asociado (5).
Observación. Un resultado muy similar se cumple para las soluciones de las ecuaciones diferen-
cias lineales homogéneas (vea los problemas 29 y 30). Una de las bondades de las matemáticas
es que temas en apariencia muy diferentes tienen una fuerte interrelación.
EJEMPLO 2 Cómo escribir un número infinito de soluciones como una solución particular
a un sistema no homogéneo más las soluciones al sistema homogéneo
Encuentre todas las soluciones al sistema no homogéneo
x1 1 2x2 2 x3 5 2
2x1 1 3x2 1 5x3 5 5
2x1 2 3x2 1 8x3 5 21
usando el resultado anterior.
Solución Primero, se encuentra una solución mediante la reducción por renglones:
⎛ 1 2 21 | 2 ⎞ R2 → R2 2 2 R1 ⎛ 1 2 21 | 2 ⎞
⎜ 2 3 5 | ⎟ R3 → R3 1 R1
5 ⎯⎯⎯⎯⎯→ 0 21 ⎜ 7 | 1⎟
⎜ ⎟ ⎜ ⎟
⎜⎝ 21 23 8 | 21⎟⎠ ⎜⎝ 0 21 7 | 1 ⎟⎠
⎛1 0 13 | 4 ⎞
R1 → R1 1 2 R2
⎜
⎯⎯⎯⎯⎯→ 0 21 7 | 1 ⎟
R3 → R3 2 R2
⎜ ⎟
⎜⎝ 0 0 0 | 0 ⎠⎟
Las ecuaciones correspondientes a los primeros dos renglones del último sistema son
x1 5 4 2 13x3 y x2 5 21 1 7x3
con lo que las soluciones son
x 5 (x1, x2, x3) 5 (4 2 13x3, 21 1 7x3, x3) 5 xp 1 xh
donde xp 5 (4, 21, 0) es una solución particular y xh 5 x3(213, 7, 1), donde x3 es un número
real, es una solución al sistema homogéneo asociado. Por ejemplo, x3 5 0 lleva a la solución
(4, 21, 0) mientras que x3 5 2 da la solución (222, 13, 2).
Problemas 1.7
AUTOEVALUACIÓN
⎛x 2 z 5 2⎞ ⎛ x⎞ ⎛ 2⎞
⎜
I. Si el sistema ⎜ ⎟ ⎜ ⎟
y 1 z 5 3 se escribe en la forma Ax 5 b, con x 5 y y b 5 ⎜ 3⎟ ,
⎟ ⎜ ⎟ ⎜ ⎟
⎜⎝ x 1 2 y 5 4 ⎟⎠ ⎜⎝ z ⎟⎠ ⎜⎝ 4 ⎟⎠
entonces A 5 _______.
⎛ 1 1 21⎞ ⎛ 1 21 0⎞ ⎛ 1 0 21⎞ ⎛ 1 0 21⎞

a) ⎜1 1 1⎟ b) ⎜0 1 1⎟ c) ⎜0 1 1⎟ d) ⎜ 0 1 1⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜⎝ 1 1 2 ⎟⎠ ⎜⎝ 1 2 0⎟⎠ ⎜⎝ 1 0 2 ⎟⎠ ⎜⎝ 1 2 0⎟⎠
En los problemas 1 a 8 escriba el sistema dado en la forma Ax 5 b.
1. 2x1 2 x2 5 3 2. x1 2 x2 1 3x3 5 11
4x1 1 5x2 5 7 4x1 1 x2 2 x3 5 24
2x1 2 x2 1 3x3 5 10
3. x1 1 3x2 2 3x3 5 6 4. 3x1 1 6x2 2 7x3 5 0

7x1 2 x2 1 2x3 5 7 2x1 2 x2 1 3x3 5 1
5x1 1 2x2 2 x3 5 8
5. 4x1 2 x2 1 x3 2 x4 5 27 6. x2 2 x3 5 7
3x1 1 x2 2 5x3 1 6x4 5 8 x1 1 x3 5 2
2x1 2 x2 1 x3 5 9 3x1 1 2x2 5 25
7. 2x1 1 3x2 2 x3 5 0 8. x1 1 x4 5 5
24x1 1 2x2 1 x3 5 0 x2 1 x3 5 7
7x1 1 3x2 2 9x3 5 0 x1 1 x3 1 x4 5 0
x 3 2 x4 5 2
En los problemas 9 a 19 escriba el sistema de ecuaciones representado por la matriz aumentada

correspondiente.
⎛1 1 21 | 7 ⎞ ⎛ 2 0 1 | 2⎞
⎜ 4 21 ⎛ 0 1 | 2⎞
9. 5 | 4⎟ 10. ⎜ 11. ⎜⎜ 23 4 0 | 3⎟⎟
⎜
⎜⎝ 6
⎟ ⎝ 1 0 | 3⎟⎠
1 3 | 20⎟⎠ ⎜⎝ 0 5 6 | 5⎟⎠
⎛1 0 0 0 | 2⎞
⎛ 2 3 1 | 2⎞ ⎜0 ⎛2 3 1 | 0⎞
1 0 0 | 3⎟ ⎜
12. ⎜ 0 4 1 | 3⎟ 13. ⎜ ⎟ 14. 4 21 5 | 0⎟
⎜ ⎟ ⎜0 0 1 0 | 25⎟ ⎜ ⎟
⎜⎝ 0 0 0 | 0 ⎟⎠ ⎜⎝ 3 6 27 | 0⎟⎠
⎜ ⎟
⎝0 0 0 1 | 6⎠
⎛0 0 9 | 2⎞ ⎛ 6 2 1 | 2⎞
⎛ 3 1 5 | 6⎞
⎜
15. 0 3 7 | 21⎟ 16. ⎜ 22 3 1 | 4 ⎟ 17.
⎜ ⎟ ⎜ ⎟ ⎜⎝ 2 3 2 | 4 ⎟⎠
⎜⎝ 2 4 6 | 3⎟⎠ ⎜⎝ 0 0 0 | 2 ⎟⎠
v. Revise rref(A) y vea si reconoce algunas relaciones entre lo que acaba de descubrir
y los números en rref(A).
b) Sea A la matriz en el problema 1b) de MATLAB en esta sección. Repita las instruccio-
nes anteriores.
c) Sea A una matriz aleatoria de 6 3 6. Modifique A de manera que
A(:,3) 5 2*A(:,2) 23*A(:,1)

A(:,5) 5 2A(:,1) 12*A(:,2) 23*A(:,4)
A(:,6) 5 A(:,2) 14*A(:,4)
Repita las instrucciones anteriores.
1.8 INVERSA DE UNA MATRIZ CUADRADA
En esta sección se definen dos tipos de matrices que son básicas en la teoría de matrices. En
⎛ 2 5⎞ ⎛ 3 25 ⎞
primer lugar se presenta un ejemplo sencillo. Sea A 5 ⎜ ⎟ y B5⎜ . Un cálculo
⎝ 1 3⎠ ⎝ 21 2 ⎟⎠
⎛ 1 0⎞
sencillo muestra que AB 5 BA 5 I2, donde I 2 5 ⎜ . La matriz I2 se llama matriz identidad
⎝ 0 1⎟⎠
de 2 3 2. La matriz B se llama matriz inversa de A y se denota por A21.
DEFINICIÓN 1 Matriz identidad

La matriz identidad In de n 3 n es una matriz de n 3 n cuyos elementos de la diagonal
principal12 son iguales a 1 y todos los demás son 0. Esto es,
In 5 (bij ) donde bij 5 H1

0
si i 5 j
si i Z j
(1)
E JEMPLO 1 Dos matrices identidad
⎛1 0 0 0 0⎞
⎛ 1 0 0⎞ ⎜0 1 0 0 0⎟
⎜ ⎟
I 3 5 ⎜ 0 1 0⎟ e I5 5 ⎜ 0 0 1 0 0⎟
⎜ ⎟ ⎜ ⎟
⎜⎝ 0 0 1⎟⎠
⎜0 0 0 1 0⎟
⎜⎝ 0 0 0 0 1⎠⎟
12
La diagonal de A 5 (ai j ) consiste en las componentes a11, a22, a33, etc. A menos que se establezca de otra manera, se
hará referencia a la diagonal principal simplemente como la diagonal.
1.8 Inversa de una matriz cuadrada 95
TEOREMA 1 Sea A una matriz cuadrada de n 3 n. Entonces
AIn 5 InA 5 A
Es decir, In, conmuta con toda matriz de n 3 n y la deja sin cambio después de la multi-
plicación por la derecha o por la izquierda.
Nota. In funciona para las matrices de n 3 n de la misma manera que el número 1 funcio-
na para los números reales (1 ? a 5 a ? 1 5 a para todo número real a).
DEMOSTRACIÓN Sea cij el elemento ij de AIn. Entonces
cij 5 ai1b1j 1 ai2b2j 1 … 1 aijbjj 1 … 1 ainbnj
Pero por (1), esta suma es igual a aij. Así AIn 5 A. De una manera similar se puede demos-
trar que InA 5 A y esto demuestra el teorema.
Notación. De aquí en adelante se escribirá la matriz identidad únicamente como I ya que si A

es de n 3 n los productos IA y AI están definidos sólo si I es también de n 3 n.
DEFINICIÓN 2 La inversa de una matriz

Sean A y B dos matrices de n 3 n. Suponga que
AB 5 BA 5 I
Entonces B se llama la inversa de A y se denota por A21. Entonces se tiene
AA21 5 A21A 5I
Si A tiene inversa, entonces se dice que A es invertible.
Una matriz cuadrada que no es invertible se le denomina singular y una matriz invertible se
llama no singular.
Observación 1. A partir de esta definición se deduce inmediatamente que (A21)21 5 A si A es
invertible.
Observación 2. Esta definición no establece que toda matriz cuadrada tiene inversa. De hecho,
existen muchas matrices cuadradas que no tienen inversa (ejemplo 3 de la página 98).
En la definición 2 se establece la inversa de una matriz. Esta definición sugiere que la inver-
sa es única. Y esta declaración es cierta, como lo dice el siguiente teorema.
TEOREMA 2 Si una matriz A es invertible, entonces su inversa es única.

DEMOSTRACIÓN Suponga que B y C son dos inversas de A. Se puede demostrar que B 5 C. Por definición
se tiene AB 5 BA 5 I y AC 5 CA 5 I. B(AC) 5 (BA)C por la ley asociativa de la multipli-
cación de matrices. Entonces
B 5 BI 5 B(AC) 5 (BA)C 5 IC 5 C
Entonces B 5 C y el teorema queda demostrado.
A continuación se presenta otro fenómeno importante sobre las inversas.
TEOREMA 3 Sean A y B dos matrices invertibles de n 3 n. Entonces AB es invertible y
(AB)21 5 B21A21
DEMOSTRACIÓN Para probar este resultado es necesaria la definición 2. Es decir, B21A21 5 (AB)21 si y sólo
si B21A21 (AB) 5 (AB)(B21A21) 5 I. Se trata, únicamente, de una consecuencia ya que
ecuación (6), página 64
(B21A21)(AB) 5 B21(A21A)B 5 B21IB 5 B21B 5 I

y
(AB)(B21A21) 5 A(BB21)A21 5 AIA21 5 AA21 5 I
Nota. Del teorema 3 se concluye que (ABC)21 5 C21 B21 A21. Vea el problema 22. Considere el
sistema de n ecuaciones con n incógnitas
Ax 5 b
Y suponga que A es invertible. Entonces
A21Ax 5 A21b se multiplicó por la izquierda por A21

Ix 5 A21b A21 A 5 I
x 5 A21b Ix 5 x
Ésta es una solución al sistema porque
Ax 5 A(A21b) 5 (AA21)b 5 I b 5 b
Si y es un vector tal que Ay 5 b, entonces los cálculos anteriores demuestran que y 5 A21b.
Es decir, y 5 x. Se ha demostrado lo siguiente:
Si A es invertible, el sistema Ax 5 b
(2)
tiene una solución única x 5 A21b
Ésta es una de las razones por la que se estudian las matrices inversas.
Ya que se ha definido la inversa de una matriz, surgen dos preguntas básicas.
Pregunta 1. ¿Qué matrices tienen inversa?
Pregunta 2. Si una matriz tiene inversa ¿cómo se puede calcular?
En la presente sección se contestan ambas preguntas. Se comenzará por analizar lo que ocurre
en el caso 2 3 2.
EJEMPLO 2 Cálculo de la inversa de una matriz de 2 x 2
⎛ 2 23⎞
Sea A 5 ⎜ . Calcule A21 si existe.
⎝ 24 5⎟⎠
⎛ x y⎞
Solución Suponga que A21 existe. Se escribe A21 5 ⎜ y se usa el hecho de que AA21 5 I. Entonces
⎝ z w ⎟⎠
⎛ 2 23⎞ ⎛ x y ⎞ ⎛ 2 x 2 3 z 2 y 2 3w ⎞ ⎛ 1 0⎞
AA21 5 ⎜ 5⎜ 5
⎝ 24 5⎠ ⎝ z w ⎠ ⎝ 24 x 1 5 z 24 y 1 5w ⎟⎠ ⎜⎝ 0 1⎟⎠
⎟ ⎜ ⎟
Las dos últimas matrices pueden ser iguales únicamente si cada una de sus componentes corres-
pondientes son iguales. Esto significa que
2x 23 z 51 (3)
2y 2 3w 5 0 (4)
24 x 15 z 50 (5)
24 y 1 5w 5 1 (6)
Éste es un sistema de cuatro ecuaciones con cuatro incógnitas. Observe que hay dos ecuaciones
que involucran únicamente a x y a z [las ecuaciones (3) y (5)] y dos que incluyen sólo a y y w [las
ecuaciones (4) y (6)]. Se escriben estos dos sistemas en la forma aumentada:
⎛ 2 23 | 1⎞
⎜⎝ 24 (7)
5 | 0⎟⎠
⎛ 2 23 | 0⎞
⎜⎝ 24 (8)
5 | 1⎟⎠
De la sección 1.3 se sabe que si el sistema (7) (con las variables x y z) tiene una solución única,
la eliminación de Gauss-Jordan en (7) dará como resultado
⎛ 1 0 | x⎞
⎜⎝ 0 1 | z ⎟⎠
en donde (x,z) es el único para de números que satisface 2x 23z 5 1 y 24x 1 5z 5 0. De igual
manera, la reducción por renglones de (8) dará como resultado
⎛1 0 | y⎞
⎜⎝ 0 1 | w ⎟⎠
donde (y,w) es el único par de números que satisface 2y 2 3w 5 0 y 24y 1 5w 5 1.

Como las matrices de coeficientes en (7) y (8) son iguales se puede realizar la reducción por
renglones sobre las dos matrices aumentadas al mismo tiempo, considerando la nueva matriz
aumentada.
⎛ 2 23 | 1 0⎞
⎜⎝ 24 (9)
5 | 0 1⎟⎠
Si A es invertible, entonces el sistema definido por (3), (4), (5) y (6) tiene una solución única y,
por lo que acaba de decirse, la reducción de renglones da
⎛1 0 | x y⎞
⎜⎝ 0 1 | z w ⎟⎠
Ahora se llevan a cabo los cálculos, observando que la matriz de la izquierda en (9) es A y la
matriz de la derecha es I:
⎛ 2 23 | 1 0⎞ R1 → 12 R1 ⎛ 1 2 23 | 12 0⎞
⎜⎝ 24 ⎯⎯⎯⎯ →⎜
5 | 0 1⎟⎠ ⎝ 24 5 | 0 1⎟⎠
R2 → R2 1 4 R2 ⎛ 1 2 23 | 12 0⎞
⎯⎯⎯⎯⎯ →⎜
⎝ 0 21 | 2 1⎟⎠
R2 → 2 R2 ⎛ 1 2 23 | 1
0⎞
⎯⎯⎯⎯ →⎜ 2
⎝0 1 | 22 21⎟⎠
R1 → 2 R1 1 32 R2 ⎛ 1 0 | 2 25 2 23 ⎞
⎯⎯⎯⎯⎯⎯ →⎜
⎝ 0 1 | 22 21⎟⎠
⎛ x y ⎞ ⎛ 2 25 2 23 ⎞
Así, x 52 25 , y 52 23 , z 522, w 521 y ⎜ 5 . Se calcula
⎝ z w ⎟⎠ ⎜⎝ 22 21⎟⎠
⎛ 2 23⎞ ⎛ 2 25 2 23 ⎞ ⎛ 1 0⎞
⎜⎝ 24 5
5⎟⎠ ⎜⎝ 22 21⎠⎟ ⎜⎝ 0 1⎟⎠
y
⎛ 2 25 2 23 ⎞ ⎛ 2 23⎞ ⎛ 1 0⎞
⎜⎝ 22 21⎟⎠ ⎜⎝ 24 5
5⎟⎠ ⎜⎝ 0 1⎟⎠
⎛ 2 5 2 23 ⎞
Entonces A es invertible y A21 5 ⎜ 2 .
⎝ 22 21⎟⎠
E JEMPLO 3 Una matriz de 2 x 2 que no es invertible
⎛ 1 2⎞
Sea A 5 ⎜ . Determine si A es invertible y si es así, calcule su inversa.
⎝ 22 24 ⎟⎠
⎛ x y⎞
Solución Si A21 5 ⎜ existe, entonces
⎝ z w ⎟⎠
⎛ 1 2⎞ ⎛ x y ⎞ ⎛ x 1 2 z y 1 2ww ⎞ ⎛ 1 0⎞
AA21 5 ⎜ 5⎜ 5
⎟ ⎜ ⎟
⎝ 22 24 ⎠ ⎝ z w ⎠ ⎝ 22 x 2 4 z 22 y 2 4 w ⎟⎠ ⎜⎝ 0 1⎟⎠
Esto conduce al sistema

x 12 z 51
y 1 2w 5 0
(10)
22 x 24 z 50
22 y 2 4w 51
Si se aplica la misma lógica que en el ejemplo 1 se puede escribir este sistema en la forma de
matriz aumentada (A | I) y reducir por renglones:
⎛ 1 2 | 1 0⎞ R2 → R2 1 2 R1 ⎛ 1 2 | 1 0⎞
⎜⎝ 22 24 | 0 1⎟⎠ ⎯⎯⎯⎯⎯→ ⎜⎝ 0 0 | 2 1⎟⎠
Hasta aquí se puede llegar. La última línea se lee 0 5 2 o 0 5 1, dependiendo de cuál de los
dos sistemas de ecuaciones (en x y z o en y y w) se esté resolviendo. Entonces el sistema (10) es
inconsistente y A no es invertible.
Los últimos dos ejemplos ilustran un procedimiento que siempre funciona cuando se quie-
re encontrar la inversa de una matriz.
Procedimiento para encontrar la inversa

de una matriz cuadrada A
Paso 1. Se escribe la matriz aumentada (A|I).

Paso 2. Se utiliza la reducción por renglones para poner la matriz A a su
forma escalonada reducida por renglones.
Paso 3. Se decide si A es invertible.
a) Si la forma escalonada reducida por renglones de A es la matriz
identidad I, entonces A21 es la matriz que se tiene a la derecha
de la barra vertical.
b) Si la reducción de A conduce a un renglón de ceros a la izquier-
da de la barra vertical, entonces A no es invertible.
Observación. a) y b) se pueden expresar de otra manera:
Una matriz A de n 3 n es invertible si y sólo si su forma escalonada reducida por ren-

glones es la matriz identidad; es decir, si su forma escalonada reducida por renglones
tiene n pivotes.
⎛a a12 ⎞
Sea A 5 ⎜ 11 . Entonces se define
⎝ a21 a22 ⎠⎟
DETERMINANTE
DE UNA MATRIZ Determinante de A 5 a11a22 2 a12a21 (11)
2X2
El determinante de A se denota por det A.

TEOREMA 4 Sea A 5 una matriz de 2 3 2. Entonces

iii. A es invertible si y sólo si det A Z 0.
iii. Si det A Z 0, entonces
1 ⎛ a22 2a12 ⎞
A21 5 (12)
det A ⎜⎝ 2a21 a11 ⎟⎠
⎛ a 2a12 ⎞
DEMOSTRACIÓN Primero, suponga que det A Z 0 y sea B 5 (1 det A) ⎜ 22 . Entonces
⎝ 2a21 a11 ⎟⎠
1 ⎛ a22 2a12 ⎞ ⎛ a11 a12 ⎞

BA 5
det A ⎜⎝ 2a21 a11 ⎟⎠ ⎜⎝ a21 a22 ⎟⎠
1 ⎛ a22 a11 2 a12 a21 0 ⎞ ⎛ 1 0⎞

5 ⎜ 5 5I
a11a22 2 a12 a21 ⎝ 0 2a21a12 1 a11a22 ⎟⎠ ⎜⎝ 0 1⎟⎠
De manera similar, AB 5 I, lo que muestra que A es invertible y que B 5 A21. Todavía

debe demostrarse que si A es invertible, entonces det A Z 0. Para esto, se considera el
sistema
a11x1 1a12x2 5 b1
(13)
a21x1 1a22x2 5 b2
Se lleva a cabo de esta forma porque del teorema de resumen (teorema 1.2.1, página
5) se sabe que si este sistema tiene una solución única, entonces a11a22 2 a12a21 ≠ 0. El
sistema se puede escribir en la forma
Ax 5 b (14)
⎛x ⎞ ⎛b ⎞
con x 5 ⎜ 1 ⎟ y b 5 ⎜ 1 ⎟ . Entonces, como A es invertible, se ve de (2) que el sistema (14)
⎝ x2 ⎠ ⎝ b2 ⎠
tiene una solución única dada por
x 5 A21b
Pero por el teorema 1.2.1, el hecho de que el sistema (13) tenga una solución única im-
plica que a11a22 2 a12a21 5 det A Z 0. Esto completa la prueba.
Nota. La fórmula (12) se puede obtener directamente aplicando el procedimiento para calcular
una inversa (ver el problema 54).
E JEMPLO 4 Cálculo de la inversa de una matriz de 2 x 2
⎛ 2 24 ⎞
⎝1 3⎟⎠
Solución Se encuentra que det A 5 (2)(3) 2 (24)(1) 5 10; por lo tanto A21 existe. De la ecuación (12) se
tiene
1 ⎛ 3 4 ⎞ ⎛ 103 4
⎞
A21 5 5 10
10 ⎜⎝ 21 2 ⎟⎠ ⎜⎝ 2 101 2
10
⎟
⎠
Verificación
1 ⎛ 3 4 ⎞ ⎛ 2 24 ⎞ 1 ⎛ 10 0⎞ ⎛ 1 0⎞
A21 A 5 5 5
10 ⎜⎝ 21 2 ⎟⎠ ⎜⎝ 1 3⎟⎠ 10 ⎜⎝ 0 10⎟⎠ ⎜⎝ 0 1⎟⎠
y
⎛ 2 24 ⎞ ⎛ 103 4
⎞ ⎛ 1 0⎞
AA21 5 ⎜ 10
⎟ 5 ⎜ 0 1⎟
⎝1 3⎟⎠ ⎜⎝ 2 101 2
10 ⎠ ⎝ ⎠
EJEMPLO 5 Una matriz de 2 x 2 que no es invertible
⎛ 1 2⎞
⎝ 22 24 ⎟⎠
Solución Se encuentra que det A 5 (1)(24) 2 (2)(22) 5 24 1 4 5 0, de manera que A21 no existe, como
se observó en el ejemplo 3.
El procedimiento descrito para encontrar la inversa (si existe) de una matriz de 2 3 2 fun-
ciona para matrices de n 3 n donde n . 2. Se ilustra con varios ejemplos.
EJEMPLO 6 Cálculo de la inversa de una matriz de 3 x 3
⎛2 4 6⎞
⎜
Sea A 5 4 5 6 ⎟ (Vea el ejemplo 1.3.1 en la página 7). Calcule A21 si existe.
⎜ ⎟
⎜⎝ 3 1 22 ⎟⎠
Solución Primero se pone A seguido de I en la forma de matriz aumentada
⎛2 4 6 | 1 0 0⎞
⎜4 5 6 | 0 1 0⎟
⎜ ⎟
⎜⎝ 3 1 22 | 0 0 1⎟⎠
y después se lleva a cabo la reducción por renglones.
⎛1 2 3 | 12 0 0⎞ R2 → R2 2 4 R1 ⎛ 1 2 3 | 2 12 0 0⎞
→⎜4 5 6 | 0 1 0⎟ ⎯⎯⎯⎯⎯ → ⎜ 0 23 26 | 22 1 0⎟
R1 → 12 R1 R → R 2 3 R
⎯⎯⎯⎯ 3 3 1
⎜ ⎟ ⎜ ⎟
⎜⎝ 3 1 22 | 0 0 1⎟⎠ ⎜⎝ 0 25 211 | 2 3 0 1⎟⎠
2
⎛1 2 3 | 1
2
0 0⎞ R1 → R1 2 2 R2 ⎛ 1 0 21 | 2 65 3
2
0⎞
⎜
R2 → 213 R2
⎯⎯⎯⎯⎯
→ 0 1 2 | 3 1 ⎟ R3 → R3 1 5 R2
2 3 0 ⎯⎯⎯⎯⎯→ 0 1 ⎜ 2 | 2
2 3 0⎟
1
⎜ 2 ⎟ ⎜ 3 ⎟
⎜⎝ 0 25 211 | 2 3 0 1 ⎟⎠ ⎜⎝ 0 0 21 | 11
2 5
1 ⎟⎠
2 6 3
⎛ 1 0 21 | 2 65 2
3
0⎞ R1 → R1 1 R3 ⎛ 1 0 0 | 2 83 7
3
21⎞
⎜
R3 → 2 R3
⎯⎯⎯⎯→ 0 1 2 | 2 1
23 ⎟ R → R 2 2
0 ⎯⎯⎯⎯⎯→ 0 1 0 |
2 2 R3 ⎜ 13 11
23 2⎟
⎜ 3 ⎟ ⎜ 3 ⎟
⎜⎝ 0 0 1 | 2 116 5
21⎟⎠ ⎜⎝ 0 0 1 | 2 11 5
21⎟⎠
3 6 3
Por lo tanto el vector de la salida “ideal” está dado por
⎛ 131 033.21 ⎞
⎜ 120 458.90 ⎟
⎜ ⎟
⎜ 80 680.56 ⎟
x 5 ( I 2 A) e ≈ ⎜
21
⎟
⎜ 178 732.04 ⎟
⎜ 66 929.26 ⎟
⎜ ⎟
⎝ 431 562.04 ⎠
Esto significa que se requería aproximadamente de 131 033 unidades (equivalentes a $131 033
millones) de productos no metálicos terminados, 120 459 unidades de productos metálicos ter-
minados, 80 681 unidades de productos metálicos básicos, 178 732 unidades de productos no
metálicos básicos, 66 929 unidades de energía y 431 562 unidades de servicios, para manejar la
economía de Estados Unidos y cumplir con las demandas externas en 1958.
En la sección 1.2 se encontró la primera forma del teorema de resumen (teorema 1.2.1, pá-
gina 4). Ahora se puede mejorar. El siguiente teorema establece que varias afirmaciones sobre
la inversa, la unicidad de las soluciones, la equivalencia por renglones y los determinantes son
equivalentes. En este momento, se puede probar la equivalencia de los incisos i), ii), iii), iv) y
v). La prueba concluirá después de desarrollar cierta teoría básica sobre determinantes (vea el
teorema 2.4.4 en la página 208).
TEOREMA 6 Teorema de resumen (punto de vista 2)

Sea A una matriz de n 3 n. Por lo que las seis afirmaciones siguientes son equivalentes.
Es decir, cada una de ellas implica las otras cinco (de manera que si se cumple una, todas
se cumplen, y si una es falsa, todas son falsas).
i. A es invertible.
ii. La única solución al sistema homogéneo Ax 5 0 es la solución trivial (x 5 0).
iii. El sistema Ax 5 b tiene una solución única para cada n-vector b.
iv. A es equivalente por renglones a la matriz identidad In, de n 3 n; es decir, la forma
escalonada reducida por renglones de A es In.
v. La forma escalonada por renglones de A tiene n pivotes.
vi. det A Z 0 (hasta ahora sólo se ha definido det A si A es una matriz de 2 3 2).
DEMOSTRACIÓN Ya se ha visto que las afirmaciones i ), iii ), iv ) y vi ) son equivalentes [teorema 5]. Se
demostrará que ii ) y iv ) son equivalentes. Suponga que ii) se cumple. Entonces la for-
ma escalonada reducida por renglones de A tiene n pivotes; de otra manera al menos
una columna de esta forma no tendría pivote y entonces el sistema Ax 5 0 tendría un
número infinito de soluciones porque se podría dar un valor arbitrario a la variable co-
rrespondiente a esa columna (los coeficientes en la columna son cero). Pero si la forma
escalonada reducida por renglones de A tiene n pivotes, entonces se trata de In.
Inversamente, suponga que iv ) se cumple; esto es, suponga que A es equivalente por
renglones a In. Entonces por el teorema 5, inciso i ), A es invertible y, por el teorema 5,
inciso iii ), la solución única de Ax 5 0 es 3 5 A21 0 5 0. Así, ii ) y iv ) son equivalentes.
En el teorema 1.2.1 se demostró que i ) y vi ) son equivalentes en el caso de 2 3 2. Se
probará la equivalencia de i ) y vi ) en la sección 2.4.
Observación. Si la forma escalonada por renglones de A tiene n- pivotes, entonces tiene la si-
guiente forma:
⎛ 1 r12 r13 � r1n ⎞
⎜ ⎟
⎜ 0 1 r23 � r2 n ⎟
⎜ ⎟
⎜ 0 0 1 � r3n ⎟ (17)
⎜ � � � � � ⎟
⎜ ⎟
⎝ 0 0 0 � 1 ⎠
Es decir, R es una matriz con unos en la diagonal y ceros debajo de ella.

Para verificar que B 5 A21 se debe comprobar que AB 5 BA 5 I. Resulta que sólo se tiene
que hacer la mitad de este trabajo.
TEOREMA 7 Sean A y B matrices de n 3 n. Entonces A es invertible y B 5 A21 ya sea si i ) BA 5 I o

si ii ) AB 5 I.
DEMOSTRACIÓN i. Se supone que BA 5 I. Considere el sistema homogéneo Ax 5 0. Si se multiplican
por la izquierda ambos lados de esta ecuación por B, se obtiene
BAx 5 B0 (18)
Pero BA 5 I y B0 5 0, de manera que (18) se convierte en Ix 5 0 o x 5 0. Esto
muestra que x 5 0 es la única solución a Ax 5 0 y por el teorema 6, incisos i ) y ii ),
esto quiere decir que A es invertible. Todavía debe demostrarse que B 5 A21. Sea
A21 5 C. Entonces, AC 5 I. Así
BAC 5 B(AC) 5 BI 5 B y BAC 5 (BA)C 5 IC 5 C
Por lo tanto, B 5 C y el inciso i ) queda demostrado.
ii. Sea AB 5 I. Entonces del inciso i ), A 5 B21. De la definición 2 esto significa que
AB 5 BA 5 I, lo que prueba que A es invertible y que B 5 A21. Esto completa la
demostración.
Problemas 1.8
AUTOEVALUACIÓN
I. Indique cuál de las siguientes afirmaciones es correcta
a) Toda matriz cuadrada tiene inversa.
b) Una matriz cuadrada tiene inversa si su reducción por renglones lleva a un ren-
glón de ceros.
c) Una matriz cuadrada es invertible si tiene inversa.
d) Una matriz cuadrada B es la inversa de A si AI 5 B.
II. ¿Cuál de las siguientes afirmaciones es cierta sobre un sistema de ecuaciones en forma
de matriz?
a) Es de la forma A21x 5 b.
b) Si tiene una solución única, la solución será x 5 A21b.
c) Tiene solución si A no es invertible.

d) Tiene una solución única.
III. ¿Cuál de las siguientes matrices es invertible?

� 1 3� �6 21�
a) � b) � �
�23 29�
� �1 2 61 �
�2 23� �1 0�
c) �
�1 21�
� �
�2 0�
�
d)
IV. Considere una matriz invertible A y señale cuál de las siguientes afirmaciones es
cierta.
a) El producto de A por I es A21.
b) A es una matriz de 2 3 3.
c) A 5 A21.
d) A es una matriz cuadrada.
V. ¿Cuál de las siguientes afirmaciones es cierta sobre el sistema?
4x 2 5y 5 3
6x 1 7y 5 4
�4 25�
a) No tiene solución porque �
�6 27�
�
no es invertible.
�
b) Tiene solución 21, 2 12 . �
�4 25��x � �3�
c) Si tuviera una solución se encontraría resolviendo �
�6 27�
��
�y �
� �
5 �.
�4 �
�4 25��3�
d) Su solución es �
�6 27� ��
�4��
�
.
En los problemas 1 a 21 determine si la matriz dada es invertible. De ser así, calcule la inversa.
�2 1 � �21 6� ⎛ 4 27 ⎞
1. �
�3 2 �
2. � �
� � �
3.
2 212 ⎜⎝ 28 14 ⎟⎠
�1 0� �1 1� ⎛ 2 5⎞
4. �
�0 1�
5. �
� �3 3�
�
6.
⎜⎝ 4 10⎟⎠
�1 1 1�
�a a �
⎛ 0 1 3⎞
8. �0 2 3�
�
�b b � � �
⎜ 3 4 22 ⎟
�
7. 9.
�
�5 5 1�
⎜ ⎟
� ⎜⎝ 21 5 8 ⎟⎠
�3 2 1� �1 1 1� ⎛ 0 0 1⎞
� 2� 11. �0 1 1�
� � � �
10. 0 2 12. ⎜⎜ 0 1 1⎟⎟
�
�0 0 211�
� �
�0 0 1�
�
⎜⎝ 1 1 1⎟⎠
� 1 6 2� �3 1 0� ⎛ 1 22 23⎞
� 5� �
14. 1 21 2 �
� � � �
13. 22 3 15. ⎜⎜ 0 3 4⎟
�
� 7 12 24 � � 1 1�
⎟
� �1 �
⎜⎝ 0 0 5⎟⎠
⎛ 1 2 23 4 5⎞
⎜ 22 25 8 28 29 ⎟
⎜ ⎟
A5⎜ 1 2 22 7 9⎟
⎜ ⎟
⎜ 1 1 0 6 12 ⎟
⎜⎝ 2 4 26 8 11⎟⎠
Mensaje. 47, 49, 219, 257, 487, 10, 29, 63, 137, 236, 79, 142, 2184, 372, 536, 59, 70, 240, 332, 588
Nota. El primer renglón de la matriz que necesita construir es 47 49 219 257 487. Aho-
ra continúe con el segundo reglón.
1.9 TRANSPUESTA DE UNA MATRIZ
En correspondencia a toda matriz existe otra que, como se verá en el capítulo 2, tiene propie-
dades muy similares a las de la matriz original.
DEFINICIÓN 1 Transpuesta
Sea A 5 (aij ) una matriz de m 3 n. Entonces la transpuesta de A, que se escribe At, es la
matriz de n 3 m que se obtiene al intercambiar los renglones por las columnas de A. De
manera breve, se puede escribir At 5 (aji ). En otras palabras
⎛ a11 a12 � a1n ⎞ ⎛ a a � am1 ⎞

⎜ ⎟ ⎜ 11 21 ⎟
⎜ a21 a22 � a2 n ⎟ ⎜ a12 a22 � am 2 ⎟
Si A 5 ⎜ t
⎟ , entonces A 5 ⎜ ⎟ (1)
⎜ � � � � ⎟ ⎜ � � � � ⎟
⎜⎝ am1 am 2 � amn ⎟⎠ ⎝⎜ a1n a2 n � anm ⎟⎠
Simplemente se coloca el renglón i de A como la columna i de At y la columna j de A

como el renglón j de At.
E JEMPLO 1 Obtención de las transpuestas de tres matrices
Encuentre las transpuestas de las matrices
⎛1 2 26 ⎞
⎛ 2 3⎞ ⎛ 2 3 1⎞ ⎜ 2 23 4⎟
A5⎜ B5⎜ C 5⎜ ⎟
⎝ 1 4 ⎟⎠ ⎝ 21 4 6 ⎟⎠ ⎜0 1 2⎟
⎜ ⎟
⎝ 2 21 5⎠
Solución Al intercambiar los renglones y las columnas de cada matriz se obtiene
⎛ 2 21 ⎞ ⎛ 1 2 0 2⎞
⎛ 2 1⎞
A9 5 ⎜ B9 5 ⎜ 3 4⎟ ⎜
C9 5 2 23 1 21 ⎟
⎝ 3 4 ⎟⎠ ⎜
⎜⎝ 1
⎟ ⎜ ⎟
6 ⎟⎠ ⎜⎝ 26 4 2 5⎟⎠
1.9 Transpuesta de una matriz 119
Observe, por ejemplo, que 4 es la componente en el renglón 2 y la columna 3 de C mientras que

4 es la componente en el renglón 3 y la columnas 2 de Ct. Esto significa que el elemento 2,3 de
C es el elemento (3,2) de Ct.
TEOREMA 1 Suponga que A 5 (aij) es una matriz de n 3 m y B(bij) es una matriz de m 3 p. Entonces
i. (At)t 5 A. (2)
ii. (AB)t 5 BtAt. (3)
iii. Si A y B son de n 3 m, entonces (A 1 B)t 5 At 1 Bt. (4)
iv. Si A es invertible, entonces A es invertible y (A )
t t 21
5 (A ) .
21 t
(5)
DEMOSTRACIÓN i. Esto sigue directamente de la definición de la transpuesta.
ii. Primero, se observa que AB es una matriz de n 3 p, de manera que (AB)t es de p 3 n.
También Bt es de p 3 m y At es de m 3 n, de manera que BtAt es de p 3 n. De esta for-
ma, ambas matrices en la ecuación (3) tienen el mismo tamaño. Ahora, el elemento ij
m
de AB es ∑ aik bkj , y éste es el elemento ji de (AB)t. Sean C 5 Bt y D 5 At. Entonces el
k 51
elemento ij, cij, de C es bji y el elemento ij, dij, de D es aji. Así, el elemento ji de CD 5
m m m
elemento ji de BtAt 5 ∑c d 5 ∑ bkj aik 5 ∑ aik bkj 5 elemento ji de (AB)t. Lo dicho
jk ki
k 51 k 51 k 51
completa la demostración de la parte ii).
iii. Esta parte se deja como ejercicio (vea el problema 14).
iv. Sea A215 B. Entonces AB 5 BA 5 I de manera que, del inciso ii), (AB)t 5 BtAt 5 It
5 I y (BA)t 5 AtBt 5 I. Por lo tanto, At es invertible y Bt es el inverso de At, es decir,
(At)21 5 Bt 5 (A21)t.
La transpuesta juega un papel de suma importancia en la teoría de matrices. En capítulos

posteriores se verá que A y At tienen muchas propiedades en común. Como las columnas de
At son renglones de A se podrán establecer hechos sobre la transpuesta para concluir que casi
todo lo que es cierto para los renglones de una matriz se cumple para sus columnas.
La siguiente definición es fundamental en la teoría de matrices.
DEFINICIÓN 2 Matriz simétrica

La matriz (cuadrada) A de n 3 n se denomina simétrica si At 5 A. Es decir, las columnas
de A son también los renglones de A.
EJEMPLO 2 Cuatro matrices simétricas
Las siguientes cuatro matrices son simétricas:

⎛ 21 2 4 6⎞
⎛ 1 24 2 ⎞ ⎜ 2
⎛ 1 2⎞ 7 3 5⎟
I A5⎜ B 5 ⎜ 24 7 5⎟ C 5⎜ ⎟
⎝ 2 3⎟⎠ ⎜
⎜⎝ 2
⎟ ⎜ 4 3 8 0⎟
5 0 ⎟⎠ ⎜ ⎟
⎝ 6 5 0 24 ⎠
En los capítulos 5 y 6 se verá la importancia de las matrices simétricas reales.

OTRA FORMA DE ESCRIBIR EL PRODUCTO ESCALAR
⎛ a1 ⎞ ⎛ b1 ⎞
⎜a ⎟ ⎜b ⎟
Sean a 5 ⎜ 2 ⎟ y b 5 ⎜ 2 ⎟ dos vectores columna con n componentes. Entonces, de la ecuación
⎜ ⎟ ⎜ ⎟
⎜ ⎟ ⎜ ⎟
⎝ an ⎠ ⎝ bn ⎠
(1) en la página 58,
a?b5ab 1ab 1...1ab
1 2 2 2 n n
Ahora bien, a es una matriz de n 3 1 de manera que at es una matriz de 1 3 n y

at 5 (a1, a2 . . . an)
Entonces atb es una matriz de 1 3 1 (o escalar), y por la definición de la multiplicación de
matriz
⎛ b1 ⎞
⎜b ⎟
a t b 5 ( a1a2 � an ) ⎜ 2 ⎟ 5 a1b1 1 a2 b2 an bn
⎜ ⎟
⎜ ⎟
⎝ bn ⎠
De ese modo, si a y b son vectores columna de n componentes, entonces
a ? b 5 atb (6)
La fórmula (6) será de utilidad más adelante en este libro.
Problemas 1.9
AUTOEVALUACIÓN
I. Si una matriz A es de 3 3 4, entonces At es una matriz de _______.
a) 4 3 3 b) 3 3 4 c) 3 3 3 d) 4 3 4
II. Falso-verdadero: At está definida sólo si A es una matriz cuadrada.
III. Falso-verdadero: Si A es una matriz de n 3 n, entonces la diagonal principal de At es

la misma que la diagonal principal de A.
IV. Falso-verdadero: [(At)t]t 5 At
⎛ 1 2 3⎞
V. La transpuesta de ⎜ es _______.
⎝ 21 0 0⎟⎠
⎛ 21 1⎞ ⎛ 1 21⎞ ⎛ 1 0⎞
⎛ 21 22 23⎞
a) ⎜ 2 0⎟ ⎜
b) 2 0⎟ c) ⎜ 21 3⎟ d) ⎜
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜⎝ 2 0⎟⎠ ⎝ 1 0 0⎟⎠
⎜⎝ 3 0⎟⎠ ⎜⎝ 3 0⎟⎠
Resumen 159
11. Pruebe que la ruta más corta que une dos vértices en una gráfica dirigida no es redundante.
12. Si A es la matriz de incidencia de una gráfica dirigida, muestre que A 1 A2 representa el

número total de 12 y 22 cadenas entre los vértices.
13. Describa la dominación directa e indirecta dada por la siguiente gráfica:
P2
Figura 1.14
P6
P3
P3 P5
P1
RESUMEN
�� vector renglón de n componentes es un conjunto ordenado de n números denominados esca-
lares, escritos como (x1, x2, . . . , xn). (p. 42)
�� vector columna de n componentes es un conjunto ordenado de n números escritos como (p. 43)
⎛ x1 ⎞
⎜x ⎟
⎜ 2⎟
⎜ ⎟
⎜ ⎟
⎜⎝ x ⎟⎠
n
�� vector cero. (p. 43)

�� suma de vectores y la multiplicación por escalares están definidas por (pp. 48, 49)
⎛ a1 1 b1 ⎞ ⎛ αa1 ⎞
⎜ a 1b ⎟ ⎜ αa ⎟
a 1 b5⎜
2⎟
y αa 5 ⎜
2 2⎟
⎜ ⎟ ⎜ ⎟
⎜ ⎟ ⎜ ⎟
⎜⎝ a 1 b ⎟⎠ ⎜⎝ αa ⎟⎠
n n n
�� matriz de m 3 n es un arreglo rectangular de mn números arreglados en m renglones y

n columnas (pp. 9, 45)
⎛ a11 a12 � a1n ⎞

⎜ ⎟
⎜ a21 a22 � a2 n ⎟
A5⎜ ⎟
⎜ � � � � ⎟
⎜⎝ an1 an 2 � amn ⎟⎠
�� matriz cero. (p. 45)

�� A y B son matrices de m 3 n, entonces A 1 B y αA (α un escalar) son matrices de m 3 n (pp. 48, 49)
La componente ij de A 1 B es aij 1 bij

La componente de ij de αA es αaij.
�� producto escalar de dos vectores de n componentes es: (pp. 58, 59)
⎛ b1 ⎞
⎜b ⎟ n
, an ) ⋅ ⎜⎜ ⎟⎟ 5 a1b1 1 a2 b2 1 1 an bn 5 ∑ ai bi
2
a ⋅ b 5 ( a1 , a2 ,
⎜ ⎟ i51
⎜⎝ b ⎟⎠
n
�� Productos de matrices
Sea A una matriz de m 3 n y B una matriz de n 3 p. Entonces AB es una matriz de m 3 p y la
componente de ij de AB 5 (renglón i de A) · (columna j de B) (p. 60)
n
5 ai1b1 j 1 ai 2 b2 j 1 1 ain bnj 5 ∑ aik bkj
k 51
��
AB Z BA. (p. 61)
�� Ley asociativa de la multiplicación de matrices
Si A es una matriz de n 3 m, B es de m 3 p y C es de p 3 q, entonces (p. 63)
A(BC) 5 (AB)C
y tanto A(BC) como (AB)C son matrices de n 3 q.
�� Leyes distributivas para la multiplicación de matrices
Si todos los productos están definidos, entonces (p. 64)
A(B 1 C) 5 AB 1 AC y (A 1 B)C 5 AC 1 BC
�� matriz de coeficientes de un sistema lineal
a11 x1 1 a12 x2 1 1 a1n xn 5 b1

a21 x1 1 a22 x2 1 1 a2 n xn 5 b2
am1 x1 1 am 2 x2 1 1 amn xn 5 bn
es la matriz (pp. 9, 16)
⎛ a11 a12 a1n ⎞

⎜a a22 a2 n ⎟
A5⎜ ⎟
21
⎜ ⎟
⎜ ⎟
⎜⎝ a am 2 amn ⎟⎠
m1
�� matriz aumentada (pp. 9, 10, 15)

Resumen 161
⎛ a11 a12 a1n | b1 ⎞

⎜a a22 a2 n | b2 ⎟
⎜ 21 ⎟
⎜ | ⎟
⎜ ⎟
⎜⎝ a am 2 amn | bm ⎟⎠
m1
También se puede escribir como Ax 5 b, donde (p. 87)
⎛ x1 ⎞ ⎛ b1 ⎞
⎜x ⎟ ⎜b ⎟
x 5⎜ ⎟ b5⎜ ⎟
2 2
y
⎜ ⎟ ⎜ ⎟
⎜ ⎟ ⎜ ⎟
⎜⎝ x ⎟⎠
n ⎝⎜ bm ⎟⎠
�� forma escalonada reducida por renglones si se cumplen las cuatro condi-

ciones dadas en la página 13 (p. 13)
�� forma escalonada por renglones si se cumplen las primeras tres condicio-

nes de la página 13 (p. 13)
�� pivote es el primer componente diferente de cero en el renglón de una matriz (p. 13)
�� operaciones elementales con renglones son (p. 10)
Multiplicar el renglón i de una matriz por c: Ri S cRi, donde c Z 0.
Multiplicar el renglón i por c y sumarlo al renglón j: Rj S Rj 1 cRi.
Permutar los renglones i y j: Ri N Rj.
��
reducción por renglones. (p. 10)
�� eliminación de Gauss-Jordan es el proceso de resolución de un sistema de ecuaciones me-

diante la reducción por renglones de la matriz aumentada a la forma escalonada reducida por
renglones, usando el proceso descrito en la página 9. (pp. 9, 15)
�� eliminación de Gauss es el proceso de resolución de un sistema de ecuaciones reduciendo por

renglones la matriz aumentada a la forma escalonada por renglones y utilizando la sustitución
hacia atrás. (p. 15)
�� consistente. (p. 12)
�� inconsistente. (pp. 11, 12)
��
infinito de soluciones. (p. 14)
�� homogéneo de m ecuaciones con n incógnitas es un sistema lineal de la forma (p. 36)
a11 x1 1 a12 x2 1 1 a1n xn 5 0

a21 x1 1 a22 x2 1 1 a2 n xn 5 0
am1 x1 1 am 2 x2 1 1 amn xn 5 0
�� solución trivial (o solución cero) (p. 37)
x1 5 x2 5 … 5 xn 5 0
�� solucio-
nes no triviales. (p. 37)
�� -
nitas que ecuaciones (n > m). (p. 38)
�� matriz identidad n 3 n, In, es la matriz de n 3 n con unos en la diagonal principal y ceros en

otra parte. In se denota generalmente por I. (p. 94)
�� A es una matriz cuadrada, entonces AI 5 IA 5 A. (p. 95)
�� A de n 3 n es invertible si existe una matriz A2I de n 3 n tal que (p. 95)
AA21 5 A21A 5 1
En este caso la matriz A21 se llama la inversa de A.

�� A es invertible, su inversa es única. (p. 96)
�� A y B son matrices invertibles de n 3 n, entonces AB es invertible y (p. 96)
(AB)21 5 B21 A21
�� A de n 3 n es invertible: (p. 99)
i. Se escribe la matriz cuadrada aumentada (A|I).

ii. Se reduce A por renglones a la forma escalonada reducida por renglones.
iii. a) Si la forma escalonada reducida por renglones de A es I, entonces A21 será la matriz a
la derecha de la raya vertical punteada.
b) Si la forma escalonada reducida por renglones de A contiene un renglón de ceros, en-

tonces A no es invertible.
⎛a a12 ⎞
�� 3 2, A 5 ⎜ 11 es invertible si y sólo si (p. 100)
⎝ a21 a22 ⎟⎠
el determinante de A, det A 5 a11a22 2 a12a21 Z 0
En cuyo caso
1 ⎛ a22 2a12 ⎞
A21 5
det A ⎜⎝ 2a21 a11 ⎟⎠
�� A y B son equivalentes por renglón si A se puede transformar en B reduciendo por

renglones. (p. 103)
�� A una matriz de n 3 n. Si AB 5 I o BA 5 I, entonces A es invertible y B 5 A21. (p. 107)
�� A 5 (aij), entonces la transpuesta de A, denotada por At, está dada por At 5 (aij). (p. 118)
Esto es, At se obtiene intercambiando los renglones y las columnas de A.
Resumen 163
�� Hechos sobre la transpuesta

Si todas las sumas y productos están definidos y A es invertible, entonces (p. 119)
(At)t 5 A (AB)t 5 BtAt (A 1 B)t 5 At 1 Bt si A es invertible, entonces (A21)t 5 (A21)t
�� A es simétrica si At 5 A. (p. 119)
�� matriz elemental es una matriz cuadrada que se obtiene llevando a cabo exactamente una
operación con renglones sobre la matriz identidad. Los tres tipos de matrices elementales son: (p. 124)
cRi se multiplica el renglón i de I por c: c Z 0.
Rj 1 cRi se multiplica el renglón i de I por c y se suma al renglón j: c Z 0.
Pij se permutan los renglones i y j.
��
��
matriz triangular superior. (p. 129)
�� Factorización LU
Suponga que la matriz invertible A se puede reducir por renglones a una matriz triangular
superior sin realizar permutaciones. Entonces existen matrices únicas L y U tales que L es
triangular inferior con unos en la diagonal, U es una matriz superior invertible y A 5 LU. (p. 138)
�� Matriz de permutación
E 5 Pij es una matriz de permutación elemental. Un producto de matrices permutación elemen-
tales se denomina matriz de permutación. (p. 140)
�� Factorización PA 5 LU
Sea cualquier matriz m 3 n. Entonces existe una matriz permutación P tal que PA 5 LU, donde
L y U son como en la factorización LU. En términos generales, P, A y U no son únicas. (p. 141)
�� Teorema de resumen
Sea A una matriz de n 3 n, entonces las siguientes afirmaciones son equivalentes: (pp. 128, 141)
i. A es invertible.
ii. La única solución al sistema homogéneo Ax 5 0 es la solución trivial (x 5 0).
iii. El sistema Ax 5 b tiene una solución única para cada n-vector b.
iv. A es equivalente por renglones a la matriz identidad de n 3 n, In.
v. A se puede escribir como un producto de matrices elementales.
vi. det A ≠ 0 (por ahora, det A está definido sólo si A es una matriz de 2 3 2).
vii. La forma escalonada por renglones de A tiene n pivotes.
viii. Existen una matriz permutación P, una matriz triangular inferior L con unos en la diago-
nal, y una matriz triangular superior invertible U, tales que PA 5 LU.

Sistemas de Ecuaciones Lineales Y Matrices: Capítulo

Cargado por

Copyright:

Formatos disponibles

Sistemas de Ecuaciones Lineales Y Matrices: Capítulo

Cargado por

Información del documento

Título 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

Sistemas de Ecuaciones Lineales Y Matrices: Capítulo

Cargado por

Copyright:

Formatos disponibles

Capítul o

1.2 DOS ECUACIONES LINEALES CON DOS INCÓGNITAS

Considere el siguiente sistema de dos ecuaciones lineales con dos incógnitas x y y:

E JEMPLO 1 Sistema con una solución única

E JEMPLO 2 Sistema con un número inﬁnito de soluciones

E JEMPLO 3 Sistema sin solución

Solución única Sin solución Número inﬁnito de soluciones

����������������������� ������������������������ ���������������������������������������

Figura 1.1 Un sistema que no tiene solución se dice que es inconsistente.

a11a22 x 1 a12a22 y 5 a22b1

(a11a22 2 a12a21)x 5 a22b1 2 a12b2 (6)

Si a11a22 2 a12a21 Z 0, entonces el

TEOREMA 1 Teorema de resumen. Punto de vista 1

b) La gráfica del sistema está sobre el eje y.

I. c) II. a) III. c) IV. a) V. b)

1.3 m ECUACIONES CON n INCÓGNITAS:

24x1 2 8x2 2 12x3 5 236

La ecuación 23x2 2 6x3 5 212 es la nueva segunda ecuación y el sistema ahora es

Observe que en el sistema (3) se ha eliminado la variable x1 de la segunda y tercera ecuaciones.

Se multiplica la segunda ecuación por 22 y se suma a la primera; después se multiplica la se-

Ahora se multiplica la tercera ecuación por 21:

i. Se dividió la primera ecuación, entre una constante, para hacer el coeficiente de x1

Ahora es posible introducir cierta terminología. Se ha visto que multiplicar (o dividir)

Operaciones elementales con renglones

i. Multiplicar (o dividir) un renglón por un número diferente de cero.

3. Ri Rj quiere decir “intercambiar los renglones i y j”.

De nuevo se puede “ver” de inmediato que la solución es x1 5 4, x2 5 22, x3 5 3.

EJEMPLO 2 Solución de un sistema de tres ecuaciones con tres incógnitas:

Después se obtiene, sucesivamente,

EJEMPLO 3 Sistema inconsistente

Solución La matriz aumentada para este sistema es

DEFINICIÓN 1 Sistemas inconsistentes y consistentes

En el proceso de reducción por renglones, A1 se “redujo” a la matriz

En el ejemplo 2 se comenzó con

En el ejemplo 3 se comenzó con

DEFINICIÓN 2 Forma escalonada reducida por renglones y pivote

EJEMPLO 4 Cinco matrices en la forma escalonada reducida por renglones

Las siguientes matrices están en la forma escalonada reducida por renglones:

DEFINICIÓN 3 Forma escalonada por renglones

E JEMPLO 5 Cinco matrices en la forma escalonada por renglones

Las siguientes matrices se encuentran en la forma escalonada por renglones:

EJEMPLO 6 Solución de un sistema mediante eliminación gaussiana

Resuelva el sistema del ejemplo 1 reduciendo la matriz de coeficientes a la forma escalonada

Solución Se comienza como antes:

La matriz aumentada del sistema (y los coeficientes de la matriz) se encuentran ahora en

ii. Eliminación gaussiana

Ahora se observa la solución de un sistema general de m ecuaciones con n incógnitas. La

a11 x1 1 a12 x2 1 a13 x3 1 � 1 a1n xn 5 b1

E JEMPLO 7 Solución de un sistema de dos ecuaciones con cuatro incógnitas

E JEMPLO 8 Un problema de administración de recursos

Para un pez de la especie 3, el promedio semanal de consumo es de 2 unidades del alimento 1, 1

x1 1 3x2 1 2x3 5 25 000

Después de resolver se obtiene

Por consiguiente, si x3 se elige arbitrariamente, se tiene un número infinito de soluciones dada

Por ejemplo, si x3 5 6 000, entonces x1 5 10 000 y x2 5 1 000.

ANÁLISIS DE INSUMO Y PRODUCTO (OPCIONAL)

Carl Friedrich Gauss, 1777-1855

a) Está en la forma escalonada por renglón.

a) Tiene una solución única x 5 1, y 5 1, z 5 1.

��