Algebra Lineal - Calculo Matricial

1.01 El cuerpo ms famoso .......................................................................................
12
1.02 Matrices ............................................................................................................... 15
1.03 Las matrices almacenan informacin ............................................................. 16
1.04 Matrices equidimensionales .............................................................................. 17
1.05 Matriz opuesta ..................................................................................................... 17
1.06 Matriz nula ........................................................................................................... 17
1.07 Igualdad de matrices .......................................................................................... 17
1.08 Suma de matrices ................................................................................................ 17
1.09 Producto de un escalar por una matriz ........................................................... 18
1.10 Producto de matrices ......................................................................................... 19
1.11 Traspuesta de una matriz .................................................................................. 21
1.12 Matriz simtrica .................................................................................................. 21
1.13 Matriz antisimtrica ........................................................................................... 22
1.14 Otros tipos de matrices cuadradas ................................................................... 22
1.15 Transformaciones elementales ......................................................................... 24
1.16 Determinante de una matriz cuadrada ............................................................ 24
1.17 Menor complementario, cofactor o adjunto ................................................. 25
1.18 Desarrollo por los elementos de una lnea .................................................... 25
1.19 Matriz regular, matriz singular ......................................................................... 26
1.20 Propiedades de los determinantes .................................................................. 26
1.21 Determinante de un producto de matrices .................................................... 31
1.22 Submatrices y menores de una matriz ............................................................. 31
1.23 Rango de una matriz ......................................................................................... 32
1.24 Clculo del rango de una matriz ...................................................................... 33
1.25 Adjunta de una matriz cuadrada ...................................................................... 59
1.26 Inversa de una matriz cuadrada ...................................................................... 60
1.27 Matriz ortogonal ................................................................................................ 64
1.28 Matrices congruentes ........................................................................................ 65
1.29 Matrices semejantes .......................................................................................... 65

Tema 1: Clculo Matricial 11
1.1. EL CUERPO MS FAMOSO
Ley de composicin interna
Se llama ley de composicin interna definida sobre un conjunto "K" a
toda ley o criterio " " que a cada par ordenado de elementos de "K" le aso-
cia un nico elemento de "K" (un par ( ; ) es ordenado si ( ; ) ( ; )
siempre que . )
Siendo , escribiremos , K = para indicar que el criterio o ley " "
asocia el elemento K al par ordenado ( ; ) . Por ejemplo: si "K" es el con-
junto {1, 2, 3, .....} de los nmeros naturales y en l definimos la ley de compo-
sicin interna " como " = + 2 5 . . , entonces:
3 7 2 3 5 7 41 7 3 2 7 5 3 29 = + = = + = . . ; . .
Observa: la ley anterior es de composicin interna en el conjunto de los nme-
ros naturales, pues si son nmeros naturales entonces y = + 2 5 . .
siempre es un nmero natural. No es de composicin interna en el conjunto de los
naturales la ley " tal que " = / , pues siendo naturales no siempre
sucede que es natural; por ejemplo, 3
y
= / 7 3 7 = / , que no es un n-
mero natural.
Definicin de "cuerpo"
Si "K" es un conjunto en el que se han definido dos leyes de composicin interna
(llamada suma) y " (llamada producto), se dice que " " " " " " " y confie-
ren al conjunto "K" la estructura de cuerpo (para abreviar tambin se dice
que la terna ( ; ; ) K es un "cuerpo") si se verifica que:
1) La ley " es conmutativa: " = , K sucede que
2) La ley " es asociativa: " = , , ( ) ( ) K sucede que
3) La ley " admite elemento neutro, es decir, en el conjunto "K" hay un ele-
mento tal que
"
= = K sucede que .
4) Cada elemento del conjunto "K" tiene simtrico respecto de la ley " : "
= = K K tal que ,
5) La ley " es distributiva respecto de la ley " " " :

=
=
R
S
T

, ,
( ) ( ) (
( ) ( ) (
K sucede que
)
)

6) La ley " es asociativa: "
= , , ( ) ( ) K sucede que
7) La ley " admite elemento neutro en el conjunto K " K * = k p; es decir:
= = K tal que K sucede que * *
8) Cada elemento del conjunto K* tiene simtrico respecto de la ley : " "
= = K K tal que *, *
Se dice que el cuerpo ( ; ; ) K es conmutativo o abeliano si la ley " "
es conmutativa; es decir, si = , K sucede que .
El "cuerpo" ms famoso
Como sabes, el conjunto de los nmeros reales es la unin
del conjunto de los nmeros racionales (son los que tienen un n-
mero finito de cifras decimales o son peridicos) y del conjunto de los
nmeros irracionales (tienen un nmero infinito de cifras decimales y no
son peridicos, como sucede con los nmeros que se denotan 2 y ).
El cuerpo conmutativo ms famoso es (;+;.), o sea, es el que
resulta al considerar que las leyes "suma" y "producto" defi-
nidas en son respectivamente la suma "+" y el producto "."
de nmeros reales que todos conocemos desde nuestra ms
tierna infancia. En efecto, como sabemos:
1) La suma es "conmutativa": + = + , sucede que
2) La suma es "asociativa":
+ + = + + , , ( ) ( ) sucede que
3) La suma admite "elemento neutro", que es el nmero real que
llamamos "cero" y denotamos "0":
+ = + = sucede que 0 0
4) Cada nmero real tiene "simtrico" respecto de la suma:
+ = + = , tal que 0
5) El producto es distributivo respecto de la suma:

+ = +
+ = +
R
S
T

, ,
.( ) ( . ) ( . )
( ). ( . ) ( .
sucede que
)

6) El producto es "asociativo": = , , ( . ). .( . ) sucede que
7) El producto admite "elemento neutro" en el conjunto {0} que
forman los nmeros reales distintos de cero; dicho elemento neu-
tro es el nmero "uno": = = 0 1 1 k p sucede que . .
8) Cada elemento del conjunto {0} tiene simtrico respecto del
producto: = = 0 0 k p k p , . tal que 1 . .
9) El producto es "conmutativo": = , . . es

A los elementos de un cuerpo conmutativo se les
llama "escalares". Como ( ; ; . ) + es un cuerpo conmutativo, por
comodidad, es habitual decir que un nmero real es un escalar.

El conjunto es el producto cartesiano de
2
por s mismo 2 veces:
Como en su momento los conjuntos que se denotan

2 3 4
, , , .... , , ....
n
tendrn protagonismo estelar,
a continuacin hablamos un poco de ellos.
= = =
2
1 2
1 2 ( ; ) / , , x x x i
i
l q

o sea, cada elemento del conjunto
2
es un par ordenado de nmeros reales.
3
por s mismo 3 veces:
= = =
3
1 2 3
1 2 3 ( ; ; ) / , , , x x x x i
i
l q

o sea, cada elemento del conjunto
3
es una terna ordenada de nmeros reales.
n
por s mismo "n" ve-
ces:
= = =
n
n veces
n i
x x x x i n .... ( ; ; .... ; ) / , , , .... ,
" "

1 2
1 2
l q
De cada elemento ( ; ; .... ; ) x x x
n
n
1 2
se dice que es una n-upla.
Hay quien gusta de la verticalidad y escribe apilados los "n" nmeros reales que
forman cada elemento del conjunto
n
; o sea, escribe:
= =
F
H
G
G
G
I
K
J
J
J
=
n
n veces
n
i
x
x
x
x i ....
:
/ , , , .... ,
" "

l q
1
2
1 2 n
pero nosotros no lo haremos, porque ocupa mucho espacio y es poco prctico.

O sea, si voy a comprar pe-
ras y malocotones usar
2
,
pero si adems quiero serve-
sita entonces usar
3

Chic@ list@
1.2. MATRICES
Llamamos matriz de orden mn a toda disposicin rectangular
de m n nmeros reales ordenados en "m" filas y "n" columnas.
El conjunto que forman todas las matrices de orden m n se denota M
m n
.
Las matrices suelen nombrarse con letras maysculas; as, siendo
B M C =
L
N
M
O
Q
P
= M
L
N
M
M
O
Q
P
P

2 5 7
5 4 3
5 4 8
7 6 3
0 9 7
2 3 3 3
;
la matriz "B" es de orden 2 3 (ojo!, de orden 2 3 , no de orden 6), y "C" es
de orden (ojo!, de orden 3 3 3 3 , no de orden 9).
Para identificar los elementos que forman una matriz "A" usamos
subndices: al hablar del elemento a
ij

de "A" hablamos del elemento de "A"
que est en la i-sima fila de "A" y en la j-sima columna de "A". Para referirnos
genricamente a los elementos de una matriz "A" escribimos . A a
ij
={ }
Por ejemplo, siendo A
4 7
9 5 6
3 2
10 0
= =
L
N
M
M
O
Q
P
P

{ } a M
ij
8
1
4 3
, es:
a 4 ; a 7 ; a 8 ; a 9 ; a ; a
11 12 13 21 22 23
= = = = = = 5 6
a ; a ; a ; a ; a ; a
31 32 33 41 42 43
= = = = = = 1 3 2 10 0
Se dice que una matriz es cuadrada de orden "n" si tiene "n"
filas y "n" columnas. En tal caso, los elementos que tienen los
dos subndices iguales forman la diagonal principal de la ma-
triz. Por ejemplo, la siguiente matriz es cuadrada de orden 3:
A
3 4 4
5 0 6
8 8 7
=
L
N
M
M
O
Q
P
P

M
3 3

Su diagonal principal la forman los elementos a a y a
11 22 33
3 0 7 = = = , .
Si "A" es una matriz cuadrada, su traza es la suma de los ele-
mentos de su diagonal principal; se denota Tr(A). Por ejemplo, para
la anterior matriz "A", es Tr A ( ) = + + = 3 0 7 10.
Si una matriz es de orden 1n se dice que es una matriz fila; tal
es el caso de A M y B = M =

2 5 8 2 7 6 4
1 3 1 4
.
Anda coo!, el conjunto M
n 1
que
forman las matrices de 1 fila y "n" co-
lumnas es el mismo que hace un
momento hemos llamado
n

Si una matriz es de orden m1 se dice que es una matriz co-
lumna; tal es el caso de las siguientes:
C M D M =
L
N
M
M
O
Q
P
P
=
L
N
M
M
O
Q
P
P

2
3
7
7
6
5
0
3 1 4 1
;
1.3. LAS MATRICES
ALMACENAN "INFORMACIN"
Es bueno que tengas la percepcin de que las historias que estudiaremos sobre las
matrices sirven para algo ms que dar de comer a profesores de Matemticas y tor-
turar a estudiantes de "Ciencias". Utilizando brocha gorda y no pincel, diremos que
las matrices se han "inventado" porque son capaces de al-
macenar "informacin" de manera ordenada .... y es sabido que la
informacin y el orden son fundamentales para la buena marcha de todo.
La siguiente historieta ilustra la idea
El To Pencho tiene una empresa de comercializacin de ferritos hipovaligerables y
para controlar mejor el negocio ha decidido que se anoten los ingresos y los gastos
trimestrales. A tal fin se usan matrices "fila" de orden 1 2 , pues cada matriz de
este tipo est formada por 2 nmeros reales. Pencho establece el criterio segn el
cual el primer nmero expresa los ingresos y el segundo expresa los gastos, ambos
en millones.
As las cosas, al final de cada trimestre Pencho pide a su gerente la misma informa-
cin, siempre la misma pregunta: cmo han ido las cosas este trimestre? El
gerente consulta sus datos y por toda respuesta entrega a su jefe la matriz de orden
que expresa los ingresos y los gastos del trimestre en cuestin. As, cuando
ayer recibi la matriz
1 2
7 4 correspondiente al ltimo trimestre, Pencho supo los
ingresos fueron de 7 millones y los gastos 4 millones.
Naturalmente, como hara cualquiera en su caso, cada ao Pencho "agrupa" los
resultados trimestrales y "construye" una matriz de 4 filas y 2 columnas que expre-
sa lo sucedido en los cuatro trimestres del ao en lo que se refiere a los ingresos y
gastos de su empresa. Por ejemplo, si la matriz correspondiente al ltimo ao es
A M =
L
N
M
M
O
Q
P
P

8 5
7 3
5 6
8 4
4 2

entonces, el que indica que los gastos del tercer trimestre fueron de 6 mi-
llones, y el que a indica que los ingresos de cuarto trimestre fueron de 8
millones.
a
32
6 =
41
8 =
Como ves, las matrices sirven para almacenar "informacin".

1.4. MATRICES EQUIDIMENSIONALES
Diremos que dos matrices son equidimensionales si tienen el
mismo orden, es decir, si las dos tienen el mismo nmero de filas y las dos tie-
nen el mismo nmero de columnas. Por ejemplo, si:
A
2 1
3 5
; B
1 0
5 8
; C
7 6 5
4 9 9
=
L
N
M
O
Q
P
=
L
N
M
O
Q
P
=
L
N
M
O
Q
P

M M
2 2 2 2 2 3
M
entonces "A" y "B" son equidimensionales; no as "A" y "C" o "B" y "C".

1.5. MATRIZ OPUESTA
La matriz opuesta de la matriz "A" se denota A, y es la matriz
obtenida al cambiar el signo de los elementos que "A".
Por ejemplo, siendo , su matriz opuesta es: A
3 5 6
7 8 9
=
L
N
M
O
Q
P

M
2 3
=

L
N
M
O
Q
P

A M
3
7 9
2 3
5 6
8

1.6. MATRIZ NULA
Se llama nula a toda matriz cuyos elementos sean nulos; se deno-
ta "0" tenga el orden que tenga:
0 0
0 0
0
0 0 0
0 0 0
0
2 2 2 3
L
N
M
O
Q
P
=
L
N
M
O
Q
P
=

M M ;

1.7. IGUALDAD DE MATRICES
Las matrices equidimensionales A a y B b
ij ij
= = { } { } son iguales si a . b
ij ij
=

1.8. SUMA DE MATRICES
Si son matrices de orden m n, su suma se denota A+B, y
es la matriz de orden m n que definimos como
A a y B b
ij ij
= = { } { }
A B a b
ij ij
+ = + { }.
Por ejemplo:

2 3 1
5 4 9
1 8 0
7 5 6
1 2 4
0 0 2
2 7 3 5 1 6
5 1 4 2 9 4
1 0 8 0 0 2
9 8 7
6 6 5
1 9 2
L
N
M
M
O
Q
P
P
+
L
N
M
M
O
Q
P
P
=
+ + +
+ +
+ + +
L
N
M
M
O
Q
P
P
=
L
N
M
M
O
Q
P
P

1 2 1
5 4 0
4 2 6
1 2 4
1 4 2 2 1 6
5 1 4 2 0 4
5 4 7
6 6 4
L
N
M
O
Q
P
+
L
N
M
O
Q
P
=
+ + +
+ + +
L
N
M
O
Q
P
=
L
N
M
O
Q
P

Si "A" y "B" son cuadradas de igual orden, es Tr A B Tr A Tr B ( ) ( ) ( ) + = + .
PROPIEDADES
La suma de matrices definida en el conjunto M
m n
tiene idnticas propiedades
que la suma de nmeros reales:
1) Es conmutativa: A B B A + = +
2) Es asociativa: A B C A B C + + = + + ( ) ( )
3) Admite elemento neutro: A A A + = + = 0 0
4) Cada matriz tiene simtrica respecto de la suma:
A A A A + = + = ( ) ( ) 0
1.9. PRODUCTO DE ESCALAR POR MATRIZ
El producto del escalar " " (recuerda: un "escalar" es un elemento de un
cuerpo conmutativo) por la matriz "A" se denota A, y es la matriz
obtenida al multiplicar por " " todos los elementos de "A".
Por ejemplo:
6
2 3 4
5 7 8
6 2 6 3 6 4
6 5 6 7 6 8
12 18 24
30 42 48
L
N
M
O
Q
P
=
L
N
M
O
Q
P
=
L
N
M
O
Q
P
. . .
. . .

3 9 5 7 3 3 9 3 5 3 7 3 3 27 15 21 9 = = . . . .
PROPIEDADES
1) Siendo " un escalar y "A" y "B" matrices equidimensionales, es: "
+ = + ( ) A B A B
2) Siendo " y escalares y "A" una matriz, es: ( " " " ) + = + A A A
3) Siendo " y escalares y "A" una matriz, es " " " = ( ) ( . ) A A
4) Siendo " un escalar y "A" una matriz cuadrada, es: " Tr A Tr A ( ) . ( ) =

La "proporcionalidad" entre matrices
Al definir la operacin "producto de un escalar por una
matriz" estamos introduciendo la nocin de "proporcio-
nalidad" entre matrices, pues si la matriz C c
ij
={ } se obtiene al
multiplicar la matriz por el escalar " A a
ij
={ } " (o sea, C A = ) , cabe
decir que la matriz "C" es "proporcional" a la matriz "A", pues cada elemento
de "C" se obtiene multiplicando por " " su correspondiente elemento de
"A" (recuerda que . c a
ij ij
= . )
Tambin cabe decir que la matriz "A" es "proporcional" a la matriz "C", pues
cada elemento de "A" se obtiene multiplicando por " / " 1 su correspondiente
elemento de "C":
c a a c A
ij ij ij ij
= = = C

. .
1 1


Combinacin lineal de matrices
Al jugar a la vez con las operaciones llamadas "suma de matrices" y "producto
de un escalar por una matriz" resulta lo siguiente: siendo
1 2
, , ... ,
n
esca-
lares (nmeros reales) y A A A
n 1 2
, , ... , matrices equidimensionales, si la
matriz "W" es tal que W A A A
n n
= + + +
1 1 2 2
... entonces "W"
es suma de una matriz
1 1
A proporcional a A
1
, y de una matriz
2 2
A
proporcional a A
2
.... y de una matriz
n n
A proporcional a A
n
; por ello
podemos decir que la matriz "W" es suma de matrices proporcionales a
A A A
n 1 2
, , ... , .
En el lenguaje del lgebra de "lo Lineal", para decir de modo rpido que la
matriz "W" es suma de matrices proporcionales a A A A
n 1 2
, , ... , , se dice que
"W" es combinacin lineal de A A A
n 1 2
, , ... , ; tambin se podra de-
cir que "W" es "combinacin proporcional" de A A A
n 1 2
, , ... , .

El problema de averiguar si una matriz dada "W" es o no combinacin lineal
de las matrices A A A
n 1 2
, , ... , (tambin dadas) no lo podremos abordar has-
ta que no seamos unos artistas resolviendo sistemas de ecuaciones
lineales, lo que suceder en el Tema 2.
Lo mismo sucede cuando vas al supermercado: si
1 2
, , ... ,
n
son los
precios unitarios de los "n" bienes (tomates, cerveza, etc.) que compras y
K K K
n 1 2
, , ... , son las correspondientes cantidades compradas de cada
uno de ellos, entonces la cantidad "T" que debers pagar es:
T K K K
n n
= + + +
1 1 2 2
. . ... .
O sea, "T" es suma de un nmero
1 1
.K proporcional a K
1
, y de un
nmero
2 2
.K proporcional a K
2
.... y de un nmero
n n
K . propor-
cional a K
n
; por ello podemos decir que la cantidad "T" que debers
pagar es suma de nmeros proporcionales a las cantidades compradas
K K K
n 1 2
, , ... , .
1.10. PRODUCTO DE MATRICES
Siendo una matriz de orden A a
ij
={ } m n y B b
ij
={ } una matriz de orden
, el producto de la matriz "A" por la matriz "B" se denota
, y es la matriz C de orden
n p
A B c
ij
={ } m p tal que c es la suma de los pro-
ductos obtenidos al multiplicar cada elemento de la i-sima fila de "A" por su
correspondiente de la j-sima columna de "B"; es decir:
ij
c a b a b a b
ij i j i j in nj
= + + +
1 1 2 2
. . ... .
Carece de sentido hablar del producto A B si el nmero de columnas de la pri-
mera matriz "A" no coincide con el nmero de filas de la segunda matriz "B". Por
ejemplo, si "A" es una matriz de orden 2 3 y "B" es de orden 3 , el produc-
to tiene sentido matemtico, ya que el nmero columnas de la primera
matriz ("A") coincide con el nmero de filas de la segunda ("B"), y dicho producto
es una matriz de orden 2
7
A B
A B 7 . Sin embargo, el producto B carece de
sentido matemtico, pues el nmero de columnas de la primera matriz "B" no co-
incide con el nmero de filas de la segunda "A".
A
Ejemplos de productos de matrices:
1 2
3 4
5 6
7 8
1.5 2.7 1.6 2.8
3.5 4.7 3.6 4.8
19 22
36 50
L
N
M
O
Q
P
L
N
M
O
Q
P
=
+ +
+ +
L
N
M
O
Q
P
=
L
N
M
O
Q
P

1 2 3
4 5 6
7 8 9
0 2 5
8 6 3
4 7 1
1.0 2.8 3.4 1.2 2.6 3.7 1.5 2.3 3.1
4.0 5.8 6.4 4.2 5.6 6.7 4.5 5.3 6.1
7.0 8.8 9.4 7.2 8.6 9.7 7.5 8.3 9.1
L
N
M
O
Q
P
L
N
M
O
Q
P
L
N
M
O
Q
P
=
+ + + + + +
+ + + + + +
+ + + + + +

2 5
7 3
5 0
1 4 6
8 9 2
2.1 5.8 2.4 5.9 2.6 5.2
7.1 3.8 7.4 3.9 7.6 3.2
5.1 0.8 5.4 0.9 5.6 0.2
42 53 22
31 55 48
5 20 30
L
N
M
M
O
Q
P
P
L
N
M
O
Q
P
=
+ + +
+ + +
+ + +
L
N
M
M
O
Q
P
P
=
L
N
M
O
Q
P

3 5 6
2
7
8
3.2 5.7 6.8 89
L
N
M
M
O
Q
P
P
= + + =
3
6
4 9
8 5
4 8 3 2 1
L
N
M
O
Q
P
L
N
M
O
Q
P
= = carece de sentido ; carece de sentido
PROPIEDADES
1) Asociativa: A = ( ) ( ) B C A B C
2) Distributiva respecto de la suma: A + = + ( ) ( ) ( ) B C A B A C
3) Ya hemos dicho que puede suceder que el producto A B tenga sentido mate-
mtico y no lo tenga el B por tanto, resulta evidente que, en general, el
producto de matrices no es conmutativo.
A ;
Observa: aunque y B A B A tengan sentido matemtico (lo que sucede
slo si "A" es de orden y "B" es de orden m n n m , en cuyo caso A B es
de orden y B es de orden m m A n n ) no tienen porqu ser del mismo
orden. Y aunque y A B B A sean del mismo orden (lo que sucede slo si
; o sea, slo si "A" y "B" son matrices cuadradas del mismo orden), en
general no sucede que
m n =
A B B A = .
No obstante, puede suceder que A B B A = ; en tal caso se dice que las ma-
trices "A" y "B" conmutan.
Por ejemplo:
1 0
1 1
2 0
5 2
2 0
5 2
1 0
1 1
2 0
7 2
L
N
M
O
Q
P
L
N
M
O
Q
P
=
L
N
M
O
Q
P
L
N
M
O
Q
P
=
L
N
M
O
Q
P

4) Si los productos tienen sentido, es A B y B A Tr( ) ( ) A B Tr B A = .
1.11. TRASPUESTA DE UNA MATRIZ
Si en una matriz "A" permutamos filas por columnas conservando
el orden de ellas, resulta otra matriz que se llama traspuesta de
"A" (se denota ). Por ejemplo, siendo: A
t
A M B M C =
L
N
M
M
O
Q
P
P
= M
L
N
M
O
Q
P
=
L
N
M
M
O
Q
P
P

1 7 8 5
7 3 2 0
9 9 2 4
8 7 6
5 4 3
1 2 3
4 5 6
7 8 9
3 4 2 3 3 3
; ;

M

sus respectivas matrices traspuestas son:
A M B M C
t t t
=
L
N
M
M
O
Q
P
P
=
L
N
M
M
O
Q
P
P
=
L
N
M
M
O
Q
P
P

1 7 9
7 3 9
8 2 2
5 0 4
8 5
7 4
6 3
1 4 7
2 5 8
3 6 9
4 3 3 2 3 3
; ;

PROPIEDADES
1) La traspuesta de la traspuesta de una matriz "A" es ella misma: ( . ) A A
t t
=
2) La traspuesta de una suma es la suma de las traspuestas; o sea:
( ) A B A B
t t
+ = +
t

3) Si entonces = , ( ) A A
t t
.
4) La traspuesta de un producto de matrices es el producto de sus traspuestas, pero
en orden contrario. Por ejemplo: ( ) . A B C D D C B A
t t t t
=
t

1.12. MATRIZ SIMETRICA
Se dice que una matriz cuadrada A a
ij
={ } es simtrica si coincide con su
matriz traspuesta, lo que sucede slo si a a
ij ji
= ; o sea, "A" es simtrica slo si
los elementos situados simtricamente respecto de la diagonal principal son iguales.
Por ejemplo, son simtricas las siguientes matrices:
A B C D =
L
N
M
M
O
Q
P
P
=
L
N
M
M
O
Q
P
P
=
L
N
M
O
Q
P
=
L
N
M
M
O
Q
P
P
5 6 7
6 9 2
7 2 0
3 8 2 5
8 0 4 6
2 4 9
5 6 3
4 9
9 1
5 0 0
0 9 0
0 0 0
; ; ;

Para toda matriz "A" sucede que la matriz H A A
t
= es simtrica; en efecto:
H A A A A A A
t t t t t t t
= = = = ( ) ( ) H
traspuesta de un producto producto de las traspuestas en orden contrario =
Si la matriz "A" es cuadrada entonces la matriz M A A
t
= + es simtrica; en
efecto:
M A A A A A A A A
t t t t t t t t
= + = + = + = + = ( ) ( ) M
traspuesta de una suma suma de las traspuestas =
1.13. MATRIZ ANTISIMTRICA
Se dice que una matriz cuadrada A a
ij
={ } es antisimtrica si coincide con
su matriz traspuesta cambiada de signo, lo que sucede slo si a a
ij ji
= ;
o sea, "A" es antisimtrica si los elementos simtricos respecto de la diagonal prin-
cipal de la matriz son iguales en valor absoluto, pero de signo contrario.
Observa: los elementos de la diagonal principal de una matriz antisimtrica son
nulos: si a
ij
= = = = a a a a a
ji ii ii ii ii
2 0 . . 0
Por ejemplo, son antisimtricas las siguientes matrices:
A B C =

L
N
M
M
O
Q
P
P
=

L
N
M
M
M
O
Q
P
P
P
=

L
N
M
O
Q
P
0 6 7
6 0 2
7 2 0
0 8 2 5
8 0 4 6
2 4 0
5 6 0
0 9
9 0
; ;

Toda matriz cuadrada "A" puede descomponerse en suma de una matriz sim-
trica "S" y de una matriz antisimtrica "H". En efecto, si A S H = + , entonces
A S H S H S
t t t t
= + = + = ( ) H
por ser simtrica "S" es S y por ser antisimtrica "H" es H
t t
S H = = ;
/
/

Al sumar miembro a miembro , resulta: A S H y A S H
t
= + =
S A A a a
t
ij ji
= + = + ( )/ ( ) 2 2
n s

Al restar miembro a miembro , resulta: A S H y A S H
t
= + =
H A A a a
t
ij ji
= = ( )/ ( ) 2 2
n s

Por ejemplo, si , entonces: A =
L
N
M
O
Q
P
2 6
4 7
S A A a a
t
ij ji
= + = + =
L
N
M
O
Q
P
( )/ ( )/ 2 2
2 5
5 7
n s

H A A a a
t
ij ji
= = =

L
N
M
O
Q
P
( )/ ( )/ 2 2
0 1
1 0
n s

y es S H A + =
L
N
M
O
Q
P
+

L
N
M
O
Q
P
=
L
N
M
O
Q
P
=
2 5
5 7
0 1
1 0
2 6
4 7

1.14. OTRAS MATRICES CUADRADAS
MATRIZ UNIDAD: matriz cuadrada en la que los elementos de la
diagonal principal son iguales a 1 y los restantes elementos de
la matriz son nulos; se denota "I".
Por ejemplo, la matriz unidad de orden 3 es:
I =
L
N
M
M
O
Q
P
P
1 0 0
0 1 0
0 0 1

MATRIZ ESCALAR: matriz cuadrada en la que los elementos de la
diagonal principal son todos iguales, siendo nulos los restantes
elementos de la matriz. Por ejemplo:
A B =
L
N
M
M
O
Q
P
P
=
L
N
M
M
O
Q
P
P
7 0 0
0 7 0
0 0 7
5 0 0
0 5 0
0 0 5
;
MATRIZ DIAGONAL: matriz cuadrada que tiene nulos todos los ele-
mentos no situados en la diagonal principal. Por ejemplo:
A B =
L
N
M
M
O
Q
P
P
=
L
N
M
M
O
Q
P
P
3 0 0
0 9 0
0 0 7
0 0 0
0 9 0
0 0 0
;
MATRIZ TRIANGULAR: matriz cuadrada en la que todos los ele-
mentos a un lado de la diagonal principal son nulos.
Por ejemplo, son triangulares las siguientes matrices:
A B =
L
N
M
M
O
Q
P
P
=
L
N
M
M
O
Q
P
P
3 4 7
0 9 2
0 0 7
0 0 0
1 9 0
2 0 0
;
De "A" se dice que es triangular inferior ( son nulos los elementos situados
debajo de la diagonal principal), y de "B" se dice que es triangular superior
(son nulos los elementos situados encima de la diagonal principal).
MATRIZ IDEMPOTENTE: matriz cuadrada cuyo cuadrado es ella
misma. Por ejemplo:
A =

L
N
M
O
Q
P
3 1
6 2

MATRIZ INVOLUTIVA: matriz cuadrada cuyo cuadrado es la matriz
unidad. Por ejemplo:
A =

L
N
M
O
Q
P
1 0
1 1

Demostremos que si "A" es idempotente ( ) A A A = entonces es in-
volutiva; para ello debemos demostrar que
2 A I
( ) ( ) 2 2 = A I A I I:
( ) ( ) 2 2 4 4 4 4 = + = + = A I A I A A A I A A I I
como "A" es idempotente, entonces A A A =
Demostremos que si "A" es involutiva ( ) A A I = entonces ( )/ A I + 2 es idem-
potente; para ello demostramos que (( )/ ) (( )/ ) ( )/ A I A I A I + + = + 2 2 2 :
(( )/ )) (( )/ ) ( )/ A I A I A A A I + + = + + = 2 2 2 4
= + = + ( )/ ( )/ 2 2 4 A I A I 2
como "A" es involutiva, entonces A A I =
1.15. TRANSFORMACIONES ELEMENTALES
Se llaman transformaciones elementales a las siguientes:
1) Trasposicin de una matriz.
2) Cambio entre s de dos filas o columnas de una matriz.
3) Multiplicacin de todos los elementos de una lnea (fila o columna) de una ma-
triz un mismo nmero k 0.
4) Adicin a los elementos de una fila (columna) de una matriz de los elementos
correspondientes de otra fila (columna) multiplicados por un mismo nmero.
1.16. DETERMINANTE DE UNA
MATRIZ CUADRADA
A cada matriz cuadrada "A", por el simple hecho de ser cuadrada, le asociamos un
nmero que llamamos determinante de "A" y denotamos A .
CLCULO DE DETERMINANTES
Si A a A a =
11 11
, es = . Por ejemplo, si A es = = 6 6 A
Si es A
a a
a a
=
L
N
M
O
Q
P
11 12
21 22
, A a a a a =
11 22 12 21
. . . Por ejemplo:
A A =

L
N
M
O
Q
P
= =
2 3
4 5
2 5 3 4 .( ) ( ). 2
B B =

L
N
M
O
Q
P
= =
4 2
5 7
4 7 2 5 18 ( ). .( )
Si es: A
a a a
a a a
a a a
=
L
N
M
M
O
Q
P
P
11 12 13
21 22 23
31 32 33
,

A a a a a a a a a a = + +
11 22 33 12 23 31 13 32 21
. . . . . .
+ + ( . . . . . . a a a a a a a a a
31 22 13 23 32 11 21 12 33
)
Por ejemplo:
A A =
L
N
M
M
O
Q
P
P
= + + =
1 2 3
4 5 6
7 8 9
1 5 9 2 6 7 3 8 4 7 5 3 6 8 1 4 2 9 0 . . . . . . . . . . . .

Para calcular determinantes de matrices de or-
den mayor que 3 debemos definir antes los con-
ceptos de "menor complementario" y de "cofactor"
de un elemento de una matriz cuadrada

1.17. MENOR COMPLEMENTARIO. COFACTOR
Siendo una matriz cuadrada de orden "n", el menor com-
plementario del elemento a es el determinante de la matriz cua-
drada de orden "n1" obtenida al suprimir en "A" la i-sima fila y
la j-sima columna; se denota
A a
ij
= { }
ij
ij
. Por ejemplo, siendo
A =
L
N
M
M
O
Q
P
P
1 2 3
8 4 5
0 6 8

el menor complementario del elemento
32
a
32
6 = es el determinante de la ma-
triz que resulta al suprimir la tercera fila y la segunda columna de "A"; o sea:
32
1 3
8 5
1 5 3 8 19 = = = . .
El cofactor o adjunto del elemento a
ij

es ( ) .
+
1
i j
ij
, y se denota
; as, en nuestro ejemplo, es A
ij
A
32
3 2
32
1 1 19 19 = = =
+
( ) . ( ).( ) .
Observa: el valor de ( )
+
1
i j
es 1 1 segn que el nmero "i+j" sea par o im-
par; por tanto, la secuencia de los signos de los adjuntos respecto de los menores
complementarios es:
+ + +
+ +
+ + +
+ +
L
N
M
M
M
O
Q
P
P
P
. .
. .
. .
. .
. . . . . . .

1.18. DESARROLLO DE UN DETERMINANTE
POR LOS ELEMENTOS DE UNA LINEA
El determinante de una matriz cuadrada es la suma de los
productos obtenidos al multiplicar cada elemento de una
cualquiera de las lneas de la matriz por su cofactor o ad-
junto. Por comodidad, la lnea elegida para hacer el desarrollo
ser la que contenga mayor nmero de ceros. Por ejemplo, siendo
A =
L
N
M
M
O
Q
P
P
3 2
1 4
6 5
7
0
8

si para calcular el determinante de "A" efectuamos el desarrollo por los elementos
de la tercera columna, es:
A a A a A a A = + + =
= + + =
+ + +
13 13 23 23 33 33
1 3 2 3 3 3
7 1
1 4
6 5
0 1
3 2
6 5
8 1
3 2
1 4
53
. . .
.( ) . .( ) . .( ) .

Por ejemplo, siendo
A =
L
N
M
M
M
O
Q
P
P
P
2 0 1 1
4 2 0 1
3 1 1 4
0 1 2 3

si para calcular su determinante efectuamos el desarrollo por los elementos de la
segunda fila, es:
A a A a A a A a A = + + + =
21 21 22 22 23 23 24 24
. . . .
= +
+ +
4 1
0 1 1
1 1 4
1 2 3
2 1
2 1 1
3 1 4
0 2 3
2 1 2 2
.( ) . .( ) . +
+ + =
+ +
0 1
2 0 1
3 1 4
0 1 3
1 1
2 0 1
3 1 1
0 1 2
29
2 3 2 4
.( ) . .( ) .
Observa: el determinante de una matriz "triangular" es el producto
de los elementos de su diagonal principal, y lo mismo sucede si la
matriz es "diagonal". Por ejemplo:
Desarrollamos por los elementos de la primera columna
9 4 5 1
0 8 2 3
0 0 7 1
0 0 0 6
9
8 2 3
0 7 1
0 0 6
98
7 1
0 6
98 7 6 = = = . . . . . .
Desarrollamos por los elementos de la primera fila
9 0 0 0
0 8 0 0
0 0 7 0
0 0 0 6
9
8 0 0
0 7 0
0 0 6
98
7 0
0 6
98 7 6 = = = . . . . . .
Desarrollamos por los elementos de la primera fila

1.19. MATRIZ REGULAR. MATRIZ SINGULAR
Se llama regular a toda matriz cuadrada cuyo determinante no
sea nulo; si el determinante es nulo la matriz se llama singular..

1.20. PROPIEDADES DE LOS DETERMINANTES
El uso de las siguientes propiedades te facilitar el clculo de determinantes.
1) El nmero de trminos en el desarrollo del determinante de una matriz de orden
"n" es n!.
2) El determinante de una matriz coincide con el de su traspuesta; as:
1 2 3
4 5 6
7 8 9
1 4 7
2 5 8
3 6 9
2 3
1 0 6
4 8 2
1 4
2 0 8
3 6 2
= = ;

3) Si todos los elementos de una lnea son cero, el determinante es cero; as:

1 0 2
5 0 8
3 0 7
0 = , pues la segunda columna est formada por ceros
4) Al cambiar el orden de dos lneas paralelas el determinante cambia de signo; as:
1 2 9
4 5 6
7 8 9
4 5 6
1 2 9
7 8 9
=
Cambiamos la primera fila por la segunda
1 2 9
4 5 6
7 8 9
2 1 6
5 4 9
8 7 9
=
Cambiamos la primera columna por la segunda
5) Si dos lneas paralelas son iguales o proporcionales, el determinante es cero; as:
1 0 2
5 1 8
1 0 2
0 = , pues las filas primera y tercera son iguales
1 3 2
2 6 8
3 9 7
0 = , pues la segunda columna es el triple de la primera
6) Si todos los elementos de una lnea se multiplican (dividen) por un mismo n-
mero, el determinante correspondiente queda multiplicado (dividido) por ese
nmero; as:
como , entonces
2 3
1 4
5
9 2 9 3
1 4
95 = =
. .
.
como , entonces
3 4
1 9
23
3 4 7
1 9 7
23 7 = =
/
/
/
De cajn: si la matriz "A" es cuadrada de orden "n" y "k" es un nmero real,
entonces k A k A
n
= . , pues para multiplicar "A" por "k" debemos multipli-
car por "k" las "n" lneas de "A".
7) Un determinante no vara si a una cualquiera de sus lneas le sumamos o resta-
mos otras lneas paralelas a ella multiplicadas por nmeros cualesquiera; as:
1 2 3
1 0 2
0 1 0
3 5 7
1 0 2
0 1 0
=
A la 1 fila le sumamos el doble de la 2 ms el triple de la 3
a a a

1 2 3
1 0 2
0 1 0
1 2 1
1 0 0
0 1 0
=
A la 3 columna le restamos el doble de la 1
a a

8) Un determinante es cero si una de sus lneas puede obtenerse como suma de
otras lneas paralelas a ella, multiplicadas cada una de stas por un nmero; as:
1 2 3
5 1 6
3 0 3
0 = , pues la tercera columna es suma de las dos primeras
9) Si todos los elementos de una lnea de A estn formados por dos sumandos,
A puede descomponerse en suma de otros dos determinantes idnticos a A
excepto en dicha lnea, que en el primero (segundo) de los "nuevos" determi-
nantes est formada por los primeros (segundos) sumandos. As:
1 2 7 3
4 5 9 6
7 8 4 9
1 2 3
4 5 6
7 8 9
1 7 3
4 9 6
7 4 9
+
+
+
= +

.

Por ejemplo:
Para que en la primera fila "aparezcan" ceros, hacemos lo siguiente:
A la segunda columna le restamos el triple de la primera
A la tercera columna le restamos el cudruple de la primera
A la cuarta columna le restamos el doble de la primera

1 3 4 2
2 7 9 8
1 5 5 4
0 2 1 1
1 0 0 0
2 1 1 4
1 2 1 2
0 2 1 1
1
1 1 4
2 1 2
2 1 1
= = . =
Efectuamos el desarrollo por los elementos de la primera fila
Efectuamos el desarrollo por los elementos de la primera columna
=

=
1 1 1
0 1 4
0 0 1
1
1 4
0 1
1 .
Para que en la primera columna "aparezcan" ceros, hacemos lo siguiente:
A la tercera fila le restamos la segunda
A la segunda fila le restamos el doble de la primera

Para calcular determinantes "gordos"
conviene "manipular" sus lneas de modo
que aparezcan muchos ceros.
Por ejemplo:
Para que en la segunda fila "aparezcan" ceros, hacemos lo siguiente:
A la primera columna le restamos el doble de la segunda
A la cuarta columna le restamos el triple de la segunda

3 1 4 7
2 1 0 3
7 3 1 9
5 2 1 8
1 1 4 4
0 1 0 0
1 3 1 0
1 2 1 2
1
1 4 4
1 1 0
1 1 2
= = . =
Efectuamos el desarrollo por los elementos de la segunda fila
Efectuamos el desarrollo por los elementos de la primera columna
=

=

=
1 4 4
0 3 4
0 3 2
1
3 4
3 2
6 .
Para que en la primera columna "aparezcan" ceros,
a las filas segunda y tercera les restamos la primera

Por ejemplo:
a b b b
b a b b
b b a b
b b b a

A la primera fila le sumamos las restantes filas
=
+ + + +
=
a b a b a b a b
b a b b
b b a b
b b b a

3 3 3 3 . . . .

= +

= ( . ). a b
b a b b
b b a b
b b b a
3
1 1 1 1

Sacamos factor comn " en la primera fila a b + 3. "

Para que aparezcan ceros en la primera fila, a las columnas segunda,
tercera y cuarta les restamos la primera columna

= +

= ( . ). a b
b a b
b b a b
b b b a b
3
1 0 0 0
0 0
0

= + ( . ).( a b a ) b 3
3

El determinante de una matriz triangular es el producto
de los elementos de la diagonal principal

Por ejemplo: (determinante de Vandermonde)
1 1 1 1
2 2 2 2
3 3 3 3
a b c d
a b c d
a b c d
=
Restamos a cada fila la anterior multiplicada por "a"
=

=
1 1 1 1
0
0
0
2 2 2
b a c a d a
b b a c c a d d a
b b a c c a d d a
.( ) .( ) .( )
.( ) .( ) .( )

Desarrollamos el determinante por los elementos de la primera columna
=

=
b a c a d a
b b a c c a d d a
b b a c c a d d a
.( ) .( ) .( )
.( ) .( ) .( )
2 2 2

En la primera columna sacamos factor comn en la
segunda sacamos factor comn y en la tercera
sacamos factor comn
" ",
" ",
" "
b a
c a
d a

= = ( ).( ).( ). . b a c a d a b c d
b c d
1 1 1
2 2 2

Estamos ante otro determinante de Vandermonde, pero
ahora la matriz es 3 3 en lugar de 4 4. Repetimos el proceso:
a cada fila le restamos la anterior multiplicada por "b"

=

= ( ).( ).( ).
.( ) .( )
b a c a d a c b d b
c c b d d b
1 1 1
0
0

=

= ( ).( ).( ).
.( ) .( )
b a c a d a
c b d b
c c b d d b

En la primera columna sacamos factor comn
y en la segunda sacamos factor comn
" "
" "
c b
d b

= = ( ).( ).( ).( ).( ). b a c a d a c b d b
c d
1 1

= ( ).( ).( ).( ).( ).( ) b a c a d a c b d b d c

1.21. DETERMINANTE DE UN
PRODUCTO DE MATRICES
Siendo "A" y "B" matrices cuadradas del mismo orden, es A B A B = .

1.22. SUBMATRICES
Y MENORES DE UNA MATRIZ
Si en una matriz "A" seleccionamos los elementos que a la vez es-
tn en "r" cualquiera de sus filas y en "s" cualquiera de sus colum-
nas, obtenemos una matriz de orden r s de la que se dice que es
una submatriz de "A". Por ejemplo, si en la matriz
A =
L
N
M
M
O
Q
P
P
1 2 3 4 5
3 3 7 8 0
1 5 3 7 8
4 7 0 9

seleccionamos los elementos que a la vez estn en la segunda o tercera fila y en la
segunda o tercera o cuarta columnas, resulta la submatriz "P"; y si en "A" seleccio-
namos los elementos que a la vez estn en la primera o segunda o cuarta fila y en la
segunda o tercera o quinta columna, obtenemos la submatriz "M":
P =
L
N
M
O
Q
P
3 7 8
5 3 7
; M =
L
N
M
M
O
Q
P
P
2 3 5
3 7 0
7 0

Se llama menor de orden "k" de una matriz "A" al
determinante de cualquier submatriz cuadrada de "A"
que est formada por "k" filas y "k" columnas.
Obvio: cada elemento de "A" es un menor de orden 1
Por ejemplo, siendo
A =
L
N
M
M
O
Q
P
P
1 2 3
4 5 6
7 8 9

los siguientes determinantes son algunos menores de orden 2 de "A":
1 2
4 5
3
4 6
7 9
6
2 3
8 9
6
1 3
7 9
12
5 6
8 9
3 = = = = = ; ; ; ;
El determinante de "A" es el nico menor de orden 3 que tiene "A", siendo ob-
vio que "A" carece de menores de orden superior a 3, pues slo tiene 3 filas.
Por ejemplo, siendo
B =
L
N
M
M
O
Q
P
P
1 0 2 1 6
3 0 4 5 6
1 6 7 9 6

los siguientes determinantes son algunos menores de orden 2 de "B":
1 0
3 0
0
3 0
1 6
18
0 1
6 9
6
3 5
1 9
22
0 1
0 5
0 = = = = ; ; ; ; =
Los siguientes determinantes son algunos menores de orden 3 de "B":
1 0 2
3 0 4
1 6 7
12
1 2 1
3 4 5
1 7 9
26
0 1 6
0 5 6
6 9 6
144 = = ; ; =
Obvio: "B" carece de menores de orden superior a 3, pues slo tiene 3 filas.
Por ejemplo, siendo
C =
L
N
M
M
O
Q
P
P
1 0 1 0 0
2 2 2 0 6
3 1 3 0 3
4 1 4 0 0

los siguientes determinantes son algunos menores de orden 2 de "C":
1 0
2 2
2
1 0
2 0
0
2 6
3 3
12
3 1
4 1
1
1 0
1 0
0 = = = = ; ; ; ; =
Los siguientes determinantes son algunos menores de orden 3 de "C":
1 0 1
2 2 2
3 1 3
0
1 0 0
2 0 6
3 0 3
0
2 2 6
1 3 3
1 4 0
12 = = ; ; =
Los siguientes determinantes son algunos menores de orden 4 de "C":
1 0 1 0
2 2 2 0
3 1 3 0
4 1 4 0
0
1 0 1 0
2 2 2 6
3 1 3 3
4 1 4 0
0 = = ;
Obvio: "C" carece de menores de orden superior a 4, pues slo tiene 4 filas.

1.23. RANGO DE UNA MATRIZ
El "rango" de una matriz "A" es el orden del menor
no nulo de "A" que tenga mayor orden; se denota rg(A).
Por tanto, al afirmar que rg(A) = k se afirma que en "A" hay
al menos un menor no nulo de orden "k" y son nulos todos
los menores de orden superior a "k" (si los hay).
Por ejemplo, al decir que rg A ( ) = 3 se afirma que en "A" hay al menos un menor
no nulo de orden 3 y son nulos todos los menores de orden superior a 3 (si los
hay).
Obvio: es rg A ( ) = 0 slo si "A" es la matriz nula; si "A" no es la matriz nula en-
tonces rg A ( ) 1; si "A" es de orden m n entonces rg A mn m n ( ) . ; k p.
PROPIEDADES DEL RANGO
1) El rango de una matriz coincide con el de su matriz traspuesta.
2) El rango de una matriz no vara si cambiamos el orden de filas o columnas.
3) El rango de una matriz no vara si multiplicamos una lnea por un nmero dis-
tinto de cero.
4) El rango de una matriz no vara si a una cualquiera de sus lneas le sumamos
otras paralelas a ella multiplicadas por nmeros cualesquiera.
5) El rango de una matriz no vara s suprimimos una lnea de ceros.
6) Si una lnea es suma de otras paralelas a ella multiplicadas por ciertos nmeros,
podemos eliminar dicha lnea sin que se altere el rango de la matriz.
Estas propiedades son muy tiles. Por ejemplo, al calcular el rango de la siguiente
matriz:
A =
L
N
M
M
M
O
Q
P
P
P
1 0 1 0 0 1 1
2 2 2 0 6 2 4
3 1 3 0 3 3 4
4 3 4 0 9 4 7
5 0 5 0 0 5 5

Siendo "A" de orden 5 es r 7 , g A mn ( ) . ; = 5 7 5 k p ...... y al observar "A" con
detenimiento, vemos que:
Qu horror!
Las columnas primera, tercera y sexta son iguales; por eso podemos eliminar dos
de ellas sin que se altere el rango de "A". Eliminamos la tercera y la sexta.
La cuarta columna est formada por ceros; por eso podemos eliminar dicha co-
lumna sin que se altere el rango de "A".
La quinta columna es el triple de la segunda; por eso podemos eliminar una de
ellas sin que se altere el rango de "A". Eliminamos la quinta.
La sptima columna es suma de la primera y la segunda; por eso podemos elimi-
nar la sptima columna sin que se altere el rango de "A".
En definitiva, resulta ser:
rg A rg ( ) =
L
N
M
M
M
M
O
Q
P
P
P
P
=
1 0
2 2
3 1
4 3
5 0
2
pues el menor de orden 2
indicado es no nulo

Tres hurras por las
propiedades del rango!
1.24. CALCULO DEL RANGO DE UNA MATRIZ
Podemos calcular el rango de una matriz "A" calculando "ordena-
damente" menores de la matriz "A" (ejercicios 1.24.1 a 1.24.6) o rea-
lizando transformaciones elementales con los elementos de "A"
(ejercicios 1.24.7 y 1.24.8).


El lgebra Lineal se reduce a poco ms que resolver sistemas
de ecuaciones lineales, lo que se reduce a poco ms que cal-
cular rangos de matrices; por ello, para sufrir poco
con el lgebra es imprescindible ser un
artista calculando rangos de matrices
FONEMATO 1.24.1
Calclese el rango de la matriz A =

L
N
M
M
M
O
Q
P
P
P
1 2 3 0 1 3
2 0 2 4 2 2
3 5 8 1 2 7
0 1 0 1 1 2
1 2 5 0 1 3

LA SOLUCION DE FULANO
El rango de una matriz "A" es el orden del menor no nulo de
"A" que tenga mayor orden.
Como "A" es de orden 5 , el mximo rango que puede tener es 5. 6
En "A" seleccionamos, si existe, un menor no nulo de orden 2; por ejemplo, ele-
gimos el menor correspondiente a la "esquina" superior izquierda de "A": H
1
H
1
1 2
2 0
0 =
Al haber encontrado en "A" un menor no nulo de orden 2 podemos afirmar que
rg A ( ) 2, y nos importa un pito margarito si en "A" hay o no otros menores no
nulos de orden 2; lo que ahora nos preocupa es saber si en "A" hay algn menor
no nulo de orden 3, pues si encontramos algn menor no nulo de orden 3 podre-
mos asegurar que rg A ( ) 3, y si no encontramos ningn menor no nulo de orden
3 podremos afirmar que rg A ( ) . = 2
Pasemos a calcular menores de orden 3; para ello orlamos el menor no nulo
con la primera fila siguiente de "A" y cada una de las restantes columnas de "A"; o
sea, a la matriz cuadrada cuyo determinante es le aadimos la primera fila si-
guiente de "A" y sucesivamente cada una de las restantes columnas de "A", as
obtenemos los siguientes menores de orden 3:
H
1
H
1
1 2
2 0
3
2
3 5 8
0
1 2
2 0
0
4
3 5 1
0
1 2
2 0
1
2
3 5 2
0
1 2
2 0
3
2
5 7
0 = =

=

= ; ; ;
3

El que sean nulos todos los menores de orden 3 obtenidos al orlar el menor no
nulo con la tercera fila de "A" y cada una de las restantes columnas de "A" sig-
nifica que podemos eliminar dicha tercera fila sin que se altere el rango de "A"; o
sea, las matrices A y tienen el mismo rango:
H
1
A
1
A
1
1 2 3 0 1 3
2 0 2 4 2 2
0 1 0 1 1 2
1 2 5 0 1 3
=

L
N
M
M
O
Q
P
P

Observa: como A slo tiene 4 filas el mximo rango que puede tener
1
A
1
(y
por tanto "A") es 4; as, sin calcular ninguno de los menores de orden 5 que hay en
"A" podemos garantizar que todos son nulos.
Seguimos con la bsqueda de un menor no nulo de orden 3; para ello repetimos el
proceso, pero ahora trabajamos con la matriz : en A
1
A
1
orlamos el menor no nu-
lo con la primera fila siguiente de A H
1 1
y cada una de las restantes columnas de
, y da la casualidad de que el menor de orden 3 que se obtiene al orlar con
la tercera fila y la tercera columna de es no nulo:
A
1
H
1
A
1
H
2
1 2
2 0
3
2
0 1 0
0 =
Como hemos encontrado un menor no nulo de orden 3 podemos afirmar que
, y nos importa un pito afinadito si en hay o no otros me-
nores no nulos de orden 3; lo que ahora nos preocupa es saber si en hay algn
menor no nulo de orden 4, pues como sabemos que y que
si encontramos algn menor no nulo de orden 4 podremos
afirmar que rg y si no encontramos ningn menor no nulo de
orden 4 podremos afirmar que rg
rg A rg A ( ) ( ) =
1
3
A
1
A
1
rg A rg A ( ) ( ) =
1
3
rg A rg A ( ) ( ) , =
1
4
A rg A ( ) ( ) , = =
1
4
A rg A ( ) ( ) . = =
1
3
Pasemos a calcular menores de orden 4 en la matriz ; para ello orlamos el me-
nor no nulo con la primera fila siguiente de y cada una de las restantes
columnas de , as obtenemos los siguientes menores de orden 4:
A
1
H
2
A
1
A
1
1 2 3 0
2 0 2 4
0 1 0 1
1 2 5 0
0
1 2 3 1
2 0 2 2
0 1 0 1
1 2 5 1
0
1 2 3 3
2 0 2 2
0 1 0 2
1 2 5 3
0
=

= ; ;
nulo con la cuarta fila de y cada una de las restantes columnas de sig-
nifica que podemos eliminar dicha cuarta fila sin que se altere el rango de ; o
sea, las matrices tienen el mismo rango:
H
2
A
1
A
1
A
1
A y A
1 2
A
2
1 2 3 0 1 3
2 0 2 4 2 2
0 1 0 1 1 2
=

L
N
M
M
O
Q
P
P

Como es de orden 3 , el rango mximo que puede tener es 3, y como el
menor de orden 3 indicado es no nulo, entonces
A
2
6
rg A rg A rg A ( ) ( ) ( ) = = =
1 2
3
LA SOLUCION DE MENGANO
En la matriz "A" seleccionamos, si existe, un menor no nulo de orden 2; por ejem-
plo, elegimos el menor que se indica a continuacin: H
3
A H =

L
N
M
M
M
O
Q
P
P
P
=
1 2 3 0 1 3
2 0 2 4 2 2
3 5 8 1 2 7
0 1 0 1 1 2
1 2 5 0 1 3
0 2
5 8
0
3

Al haber encontrado en "A" un menor no nulo de orden 2 podemos afirmar
querg A ( ) 2, y nos importa un pito si en "A" hay o no otros menores no nulos de
orden 2; lo que ahora nos preocupa es saber si en "A" hay algn menor no nulo de
orden 3, pues si encontramos algn menor no nulo de orden 3 podremos asegurar
que rg A ( ) 3, y si no encontramos ningn menor no nulo de orden 3 podremos
afirmar que rg A ( ) . = 2 Pasemos a calcular menores de orden 3; para ello orlamos
el menor no nulo con la primera fila de "A" y cada una de las restantes colum-
nas de "A", as obtenemos los siguientes menores de orden 3:
H
3
1 2 3
2 0 2
3 5 8
0
2 3 0
0 2 4
5 8 1
0
2 3 1
0 2 2
5 8 2
0
2 3 3
0 2 2
5 8 7
0 = =

= ; ; ; =
nulo con la primera fila de "A" y cada una de las restantes columnas de "A"
significa que podemos eliminar dicha primera fila sin que se altere el rango de "A";
o sea, las matrices tienen el mismo rango.
H
3
A y A
3
A
3
2 0 2 4 2 2
3 5 8 1 2 7
0 1 0 1 1 2
1 2 5 0 1 3
=

L
N
M
M
O
Q
P
P

Observa que Mengano es masoca, pues en vez de elegir el pre-
cioso menor no nulo de orden 2 que hay en la "esquina"
superior izquierda de "A", elige otro menor no nulo de orden 2
Observa: como slo tiene 4 filas, el mximo rango que puede tener A
3
A
3
(y
"A" podemos garantizar que todos son nulos. Seguimos con la bsqueda de un
menor no nulo de orden 3; para ello repetimos el proceso, pero trabajando con la
matriz : en A
3
A
3
orlamos el menor no nulo con la primera fila siguiente de
y cada una de las restantes columnas de , y da la casualidad de que el me-
nor de orden 3 que se obtiene al orlar con la tercera fila y la primera columna
de es no nulo:
H
3
A
3
A
3
H
3
A
3
H
4
2 0 2
3 5 8
0 1 0
0 =
,

, e importa un pito si en hay o no otros menores no nulos
de orden 3; lo que ahora importa es saber si en
rg A rg A ( ) ( ) =
3
3 A
3
A
3
hay algn menor no nulo de
orden 4, pues como y rg A rg A ( ) ( ) =
3
3 rg A rg A ( ) ( ) =
3
4 si encontramos
algn menor no nulo de orden 4 entonces rg A rg A ( ) ( ) , = =
3
4 y si no encontra-
mos ningn menor no nulo de orden 4 entonces rg A rg A ( ) ( ) . = =
3
3
A
3
H
4
A
3
A
3
2 0 2
3 5 8
0 1
1 2 5
4
1
0 1
0
0
8 2
0 1
5 1
0
8 7
0 2
5 3
0
=

= ;
4
4 2 2
1 2 7
0 1 1 2
=

L
N
M
M
O
Q
P
P
2 0 2 2
3 5
0 1
1 2
;
2 0 2 2
3 5
0 1
1 2

nulo con la cuarta fila de A y cada una de las restantes columnas de sig-
sea, las matrices tienen el mismo rango:
H
4 3
A
3
A
3
A y A
3
2 0 2
3 5 8
0 1
A
4

Como es de orden , el rango mximo que puede tener es 3, y como el
menor de orden 3 indicado es no nulo, entonces
A
4
3 6
rg A rg A rg A ( ) ( ) ( ) = = =
3 4
3.
LA SOLUCION DE ZUTANO
En la matriz "A", Zutano selecciona, si existe, un menor no nulo de orden 2; por
ejemplo, elige el menor que se indica a continuacin: H
5
A H =

L
N
M
M
M
O
Q
P
P
P
=

1 2 3 0 1 3
2 0 2 4 2 2
3 5 8 1 2 7
0 1 0 1 1 2
1 2 5 0 1 3
8 1
0 1
0
5

Zutano es masoca, pues en vez de elegir el precioso menor no
nulo de orden 2 que hay en la "esquina" superior izquierda de
"A", elige otro menor no nulo de orden 2
Al haber encontrado en "A" un menor no nulo de orden 2 podemos afirmar
querg A ( ) 2, y nos importa un pito si en "A" hay o no otros menores no nulos de
orden 2; lo que ahora nos preocupa es saber si en "A" hay algn menor no nulo de
orden 3, pues si encontramos algn menor no nulo de orden 3 podremos asegurar
que rg A ( ) 3, y si no encontramos ningn menor no nulo de orden 3 podremos
afirmar que rg A ( ) . = 2 Pasemos a calcular menores de orden 3; para ello orlamos
el menor no nulo con la primera fila de "A" y cada una de las restantes colum-
nas de "A", y da la casualidad de que el menor de orden 3 que se obtiene al orlar
con la primera fila y la primera columna de "A" es no nulo:
H
5
H
5
A H =

L
N
M
M
M
O
Q
P
P
P
=

1 2 3 0 1 3
2 0 2 4 2 2
3 5 8 1 2 7
0 1 0 1 1 2
1 2 5 0 1 3
1 3 0
3 8 1
0 0 1
0
6

rg A ( ) 3, y nos importa un pito si en "A" hay o no otros menores no nulos de
orden 3; lo que ahora nos preocupa es saber si en "A"

orden 4, pues como sabemos que rg A ( ) 3 y que rg A ( ) , 5 si encontramos algn
menor no nulo de orden 4 podremos afirmar que rg A ( ) , 4 y si no encontramos
ningn menor no nulo de orden 4 diremos que rg A ( ) . = 3 Para facilitar el
clculo de menores de orden 4, efectuamos operaciones "elementa-
les" que no alteran el rango de "A": la segunda fila de "A" la ponemos en
ltimo lugar y lo mismo hacemos con la segunda columna de "A"; as obtenemos
la matriz : A
5
A
5
1 3 0 1 3 2
3 8 1 2 7 5
0 0 1 1 2 1
1 5 0 1 3 2
2 2 4 2 2 0
=

L
N
M
M
M
O
Q
P
P
P

que en la "esquina" superior izquierda tiene el menor no nulo (de orden 3). H
6
A
5
H
6
A
5
A
5
1 3 0 1
3 8 1 2
0 0 1 1
1 5 0 1
0
1 3 0 3
3 8 1 7
0 0 1 2
1 5 0 3
0
1 3 0 2
3 8 1 5
0 0 1 1
1 5 0 2
0
=

=

= ; ;
sea, las matrices y
H
6
A
5
A
5
A
5
A
5
A
6
tienen el mismo rango:
1 3 0
3 8 1
0 0
2 2 4
1 3 2
2 7 5
1 1 2 1
2 2 0
=

L
N
M
M
O
Q
P
P
A
6

Observa: como slo tiene 4 filas el mximo rango que puede tener A
6
A
6
(y
"A" podemos garantizar que todos son nulos.
Sigamos buscando un menor no nulo de orden 4; para ello, en la matriz , or-
lamos el menor no nulo con la primera fila siguiente de y cada una de las
restantes columnas de , as obtenemos los siguientes menores de orden 4:
A
6
H
6
A
6
A
6
1 3 0 1
3 8 1 2
0 0 1 1
2 2 4 2
0
1 3 0 3
3 8 1 7
0 0 1 2
2 2 4 2
0
1 3 0 2
3 8 1 5
0 0 1 1
2 2 4 0
0
=

= ; ;
sea, las matrices y tienen el mismo rango:
H
6 6
A
6
A
6
A
6
A
7
A
7
1 3 0 1 3 2
3 8 1 2 7 5
0 0 1 1 2 1
=

L
N
M
M
O
Q
P
P

menor de orden 3 es no nulo, entonces rg
A
7
6
A rg A rg A rg A ( ) ( ) ( ) ( ) = = = =
5 6 7
3.

LA SOLUCION DE MARCIANO
Marciano observa un instante la matriz "A" y como es especialista en seleccionar
menores no nulos de orden 3, en apenas una fraccin de segundo localiza uno de
estos menores:
A H =

L
N
M
M
M
O
Q
P
P
P
=
1 2 3 0 1 3
2 0 2 4 2 2
3 5 8 1 2 7
0 1 0 1 1 2
1 2 5 0 1 3
5 8 1
1 0 1
2 5 0
0
7

rg A ( ) 3, y nos importa un pito si en "A" hay o no otros menores no nulos de
orden 3; lo que ahora nos preocupa es saber si en "A"

orden 4, pues como sabemos que rg A ( ) 3 y que rg A ( ) , 5 si encontramos algn
menor no nulo de orden 4 podremos afirmar que rg A ( ) , 4 y si no encontramos
ningn menor no nulo de orden 4 diremos que rg A ( ) . = 3
Para no volvernos locos y facilitar el clculo de menores de orden
4, efectuamos operaciones "elementales" que no alteran el rango
de "A": la primera y segunda filas de "A" las ponemos en los ltimos lugares, y lo
mismo hacemos con la primera columna de "A" (esto no sera necesario hacerlo si
hubiramos elegido el precioso menor no nulo de orden 3 que hay en la "esquina"
superior izquierda de "A"); as obtenemos la matriz : A
8
A
8
5 8 1 2 7 3
1 0 1 1 2 0
2 5 0 1 3 1
2 3 0 1 3 1
0 2 4 2 2 2
=

L
N
M
M
M
O
Q
P
P
P

que en la "esquina" superior izquierda tiene el menor no nulo (de orden 3).
H
7
A
8
H
7
A
8
A
8
5 8 1 2
1 0 1 1
2 5 0 1
2 3 0 1
0
5 8 1 7
1 0 1 2
2 5 0 3
2 3 0 3
0
5 8 1 3
1 0 1 0
2 5 0 1
2 3 0 1
0

=

=

= ; ;
sea, las matrices y
H
7
A
8
A
8
A
8
A
8
A
9
A
9
5 8 1 2 7 3
1 0 1 1 2 0
2 5 0 1 3 1
0 2 4 2 2 2
=

L
N
M
M
O
Q
P
P

Observa: como slo tiene 4 filas el mximo rango que puede tener A
9
A
9
(y
"A" podemos garantizar que todos son nulos. Sigamos con la bsqueda de un me-
nor no nulo de orden 4; para ello, en la matriz A , orlamos el menor no nulo
con la primera fila siguiente de y cada una de las restantes columnas de , as
obtenemos los siguientes menores de orden 4:
9
H
7
A
9
A
9
5 8 1 2
1 0 1 1
2 5 0 1
0 2 4 2
0
5 8 1 7
1 0 1 2
2 5 0 3
0 2 4 2
0
5 8 1 3
1 0 1 0
2 5 0 1
0 2 4 2
0

=

= ; ;
sea, las matrices y
H
7 9
A
9
A
9
A
9
A
10
A
10
5 8 1 2 7 3
1 0 1 1 2 0
2 5 0 1 3 1
=

L
N
M
M
O
Q
P
P

menor de orden 3 indicado es no nulo, es
A
10
6
rg A rg A rg A rg A ( ) ( ) ( ) ( ) = = = =
8 9 10
3.
NOTA
Adems de las soluciones de Fulano, Mengano, Zutano y Marciano, tambin po-
dramos dar las de Atilano, Emerenciano, Armenturio y algunos ms como Wamba
y D. Rodrigo; y si no hay error en los clculos, todos llegan al resultado rg A ( ) = 3,
lo que significa que en la matriz "A" hay al menos un menor no nulo de orden 3 y
son nulos todos los menores de orden superior a 3.

Cada vez que calcules el rango de
una matriz te juegas la vida: si te
equivocas en el clculo del rango
destrozars el ejercicio que ests
haciendo, todo estar mal.

FONEMATO 1.24.2
Calclese el rango de las siguientes matrices:
1
1 2 1
1 1 2
2 1 1
2
1 2 1
1 2 2
1 0 1
3
2 3 4 5
3 4 5 6
1 1 1 1
) ; ) ; ) A B C =
L
N
M
M
O
Q
P
P
=
L
N
M
M
O
Q
P
P
=
L
N
M
M
O
Q
P
P

4
2 1 1 1
2 1 2 1
2 1 1 2
2 1 2 2
5
1 0 1 2
0 1 2 3
1 1 1 1
2 1 2 5
) ; ) D E =

L
N
M
M
O
Q
P
P
=

L
N
M
M
O
Q
P
P

SOLUCIN
El rango de una matriz "P" es el orden del menor no nulo de
"P" que tenga mayor orden.
1) Como "A" es de orden , el mximo rango que puede tener es 3, y como el
menor de orden 2 que se indica a continuacin es no nulo, entonces r
3 3
g A ( ) : 2
A H rg A
L
N
M
M
O
Q
P
P
=

1
2
1
1 2
1 1
0 2
1
( )
H
1
=
1 2
1 1
2 1

Al orlar el menor no nulo con la tercera fila y la tercera columna de "A" re-
sulta el determinante de "A", que es nulo:
Al orlar el menor no nulo con la tercera fila y la tercera columna de "A" re-
sulta el determinante de "A", que es nulo:
H
1
A =
=
1 2 1
1 1 2
2 1 1
0
As, podemos eliminar la tercera fila de "A" sin que se altere su rango; o sea:
rg A rg ( ) =

L
N
M
O
Q
P
=
1 2 1
1 1 2
2
2) Como "B" es de orden , el mximo rango que puede tener es 3, y como el
menor de orden 2 que se indica a continuacin es no nulo, entonces
3 3
rg B ( ) : 2
B H = rg B
L
N
M
M
O
Q
P
P
=
1 2 1
1 2 2
1
1 2
1 0
0 2
2
( )
1 0

Al orlar el menor no nulo con la primera fila y la tercera columna de "B" re-
sulta el determinante de "B"; y como:
H
2
B =
=
1 2 1
1 2 2
1
6 0
1 0
entonces rg B ( ) = 3, pues en "B" hay un menor no nulo de orden 3.
3) Como "C" es de orden 3 , el mximo rango que puede tener es 3, y como el
menor de orden 2 que se indica a continuacin es no nulo, entonces
4
rg C ( ) : 2
C H =
L
N
M
M
O
Q
P
P
= rg C
4 5
5 6
2 3
3 4
0 2
3
( )
2 3
3 4
1 1 1 1

Al orlar el menor no nulo con la tercera fila de "C" y cada una de las restan-
tes columnas de "C" resultan los siguientes menores de orden 3:
H
3
2 3
3 4
1 1 1
4
1 0
5
6 0 = = ;
2 3
3 4
1 1 1
El que sean nulos todos los menores de orden 3 obtenidos al orlar con la
tercera fila de "C" y cada una de las restantes columnas de "C" significa que po-
demos eliminar dicha tercera fila sin que se altere el rango de "C"; o sea:
H
3
rg C rg ( ) =
L
N
M
O
Q
P
=
2 3 4 5
5 6
2
3 4

4) Como "D" es de orden 4 , el mximo rango que puede tener es 4, y como el
4
: 2 g(D)
D H =

rg D
L
N
M
M
O
Q
P
P
=

2 1 1 1
2 1 2 1
2 1
2 1
1 2
2 2
2 1
2 1
0 2
4
( )
Al orlar el menor no nulo con la segunda fila y la tercera columna de "D"
obtenemos un menor no nulo de orden 3, lo que garantiza que r
H
4
g D ( ) : 3
H r
5
2 1 2
2 1 1 g D
2
0 3 =

( )
2 1
Al orlar el menor no nulo H
5
con la primera fila y la cuarta columna de "D" ob-
tenemos D , que resulta ser no nulo, por lo que rg D ( ) : = 4
D =

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

a las filas primera y segund a les sumamos la tercera
= =
+
( ) .( ). 1 3
0 0 1
2 1 1
2 1 2
12 0
1 4

desa rrollamos por los elementos de la primera fila
5) Como "E" es de orden , el mximo rango que puede tener es 4, y como el
4 4
g E ( ) : 2
E H = rg E
L
N
O
Q
P
P
=
1 0 1 2
2 3
1 1 1 1
2 1 2 5
1 0
0 1
0 2
6
( )
M
M
0 1

Al orlar el menor no nulo con la tercera fila y la tercera columna de "E" ob-
tenemos un menor no nulo de orden 3, lo que garantiza que r
H
6
g E ( ) 3
H r
7
1 0 1
g E 2
1 1 1
0 3 = ( ) 0 1
Al orlar el menor no nulo H con la cuarta fila y la cuarta columna de "E" ob-
tenemos el determinante de "E", que resulta ser nulo:
7
E =

=
1 0 1 2
0 1 2 3
1 1 1 1
2 1 2 5
0
por tanto, podemos eliminar la cuarta fila de "E" sin que se altere el rango de la
matriz; as, es rg E ( ) . = 3

LA PREGUNTA DEL MILLN DE
DLARES
QU ES UNA
ECUACIN?
Todo el mundo es capaz de explicar qu es una casa sin usar la "jerga" de los
albailes; sin embargo, las neuronas de muchos estudiantes de Facultades de Cien-
cias o de Escuelas de Ingenieros se congelan al preguntarles por lo que diran a su
anciana abuelita si tuvieran que explicarle qu es una ecuacin, advirtindoles
que en su respuesta no deben usar la "jerga" matemtica, pues de lo contrario la
abuelita no entender un pimiento.
Uf!, ... cmo voy a expli-
car "qu es" un burro sin
usar "jerga" de veterinario?
... no es fcil

El congelamiento neuronal en cuestin es sntoma de notable candidez matemti-
ca, pues evidencia que a pesar de llevar muchos aos trabajando con ecuaciones,
estos estudiantes no han aprehendido lo "esencial" del asunto de las ecuaciones; y
ya se sabe, cuando la "esencia" de algo no se comprende es imposible comprender
los "detalles" (quin podra comprender "qu es" una ventana sin comprender
previamente "qu es" una casa o habitculo?).

Hay "condiciones" que son inexpresables en trminos matemticos; como la que
"condicin" que impone la ratoncita al ratoncito cuando ste le pregunta:
Una ecuacin es la expresin matemtica
de una "condicin" de igualdad
Te quieres casar conmigo?
y ella contesta:
Me casar contigo si te embelesa el aroma de los
narcisos en las noches de plenilunio
Pero a veces la historia es menos potica y la "condicin" puede expresarse en
trminos matemticos, como cuando la ratoncita contesta:
Me casar contigo si al sumar seis al cuadrado de tu
peso resulta el quntuplo del mismo
En este caso, rpidamente, el ratoncito "pone nombre" a su peso (por ejemplo, lo
llama "x"), y al "traducir" a lenguaje matemtico la "condicin" que impone su
amada obtiene una ecuacin:
6 5
2
+ = x x .
Si por comodidad nos apetece que el nmero cero aparezca en el segundo miem-
bro de la ecuacin, entonces escribimos adems, tambin por co-
modidad, si denotamos f x
x x
2
5 6 + = . ; 0
( ) al "pedrusco" x x
2
5 6 + . que queda en el primer
miembro de la ecuacin, la podemos escribir como f x ( ) . = 0
Cuando te encuentres con una ecuacin tu trabajo consistir en
"resolverla"; o sea, en hallar, si existen, los valores de "x" que la
satisfacen; de dichos valores de "x" se dice que son las soluciones
o races de la ecuacin. Por ejemplo, el nmero 4 no es solucin de la
ecuacin pues 4 x x
2
5 6 + = . , 0 0 5 4 6 2
2
+ = . . El nmero 7 tampoco es so-
lucin, pues 7 5 7 6 13 0
2
+ = . . Sin embargo el nmero 2 s es solucin, pues
2 5 2 6
2
+ = . . 0
Observa: la condicin impuesta por la ratita se refiere a una nica caracterstica
de los ratones (el peso), pero podra referirse a varias; as sucedera si dijera:
Me casar contigo si el producto de tu peso por
tu altura coincide con tu edad
En tal caso, denotando "x" el peso, "y" la altura y "z" la edad, al traducir a lenguaje
matemtico la nueva "condicin" obtenemos otra ecuacin:
x y z . =
Naturalmente, si nos apetece que el nmero cero aparezca en el segundo miembro
de la ecuacin, escribimos x y z . ; = 0 adems, denotando f x y z ( ; ; ) al "pedrusco"
x y z . que queda en el primer miembro de la ecuacin, la podemos escribir como
f x y z ( ; ; ) . = 0
Muchsimas veces te vers ante el problema de
resolver una ecuacin f x ( ) = 0, siendo f x ( ) un
polinomio; o sea, debers determinar los valores
de "x" que cumplen la condicin f x ( ) = 0 (de
dichos valores de "x" se dice que son las solu-
ciones o races de la ecuacin f x ( ) = 0).
VERY
IMPORTANT
LA REGLA
DE
RUFFINI
1) Si el polinomio es de grado 1 (o sea, f x a x b ( ) . = + , donde "a" y "b" son cons-
tantes, y a 0), la ecuacin f x ( ) = 0 tiene una nica solucin, y su clculo es
asunto fcil:
a x b a x b x b . . + = a / = = 0
2) Si el polinomio es de grado 2, (o sea, f x a x b x c ( ) . . , = + +
2
donde "a", "b" y "c"
son constantes, y a 0), la ecuacin f x ( ) = 0 tiene 2 soluciones, y las calculare-
mos usando la "formulita" hiperfamosa que todos conocemos:
a x b x c x
b b a
a
. .
. .
.
2
2
0
4
2
+ + = =
c

Por ejemplo:
2 5 3 0
5 5 4 2 3
2 2
5 1
4
3 2
1
2
2
. .
( ) ( ) . .
.
/
x x x + = =

=

=
R
S
T

Debes estar atent@ al caso en que el coeficiente de "x" (o sea, "b")
sea un nmero par (por ejemplo, b k = 2. ), pues en tal caso podrs usar otra
"formulita" ms cmoda:
a x k x c x
k k a c
a
k k a
a
. . .
( . ) ( . ) . .
.
.
2
2
2
2 0
2 2 4
2
+ + = =

=
c

Por ejemplo:
1 6 5 0
3 3 15
1
3 2
1
5
2
2
. .
.
x x x + + = =

= =

{

El coeficiente de "x" es par "formulita" cmoda ( = 2 6 3 . ) k k =
Por ejemplo:
1 4 13 0
2 2 113
1
2 9 2 1 9
2
2
. .
( ) ( ) .
( ). x x x + = =

= = =
El coeficiente de "x" es par "formulita" cmoda ( = 2 4 2 . ) k k =
= = = 2 1 9 2 3 1 2 . . 3. i
1 no es "real", se llama "unidad imaginaria" y se denota "i"
Tambin debes estar atent@ al caso en que el "trmino independien-
te" de la ecuacin sea el nmero cero (o sea, c = 0 ), pues en tal caso no
necesitaremos usar ninguna formulita, y nos podremos apostar la vida a que una
de las soluciones de la ecuacin es x = 0 . En efecto:
a x b x x a x b
x
a x b x b a
. . .( . )
. /
2
0 0
0
0
+ = + =
=
+ = =
{

Para que el producto de dos nmeros sea 0 basta que alguno sea 0
3) En general, si f x ( ) es un polinomio de grado "n" y el problema de de-
terminar las "n" soluciones de la ecuacin
n 3,
f x ( ) = 0 es un grandsimo petardo,
pues no hay ninguna "formulita" que nos permita calcularlas. No obstante, en
todos los casos que encontremos (normalmente ser n = 3 n = 4 ), el
polinomio f(x) estar "preparado" para que las soluciones sean
nmeros enteros ( , , 1, 2, .... ) 1 2 , y Ruffini nos permitir determinarlas.

FONEMATO 1.24.3 (TODAS LAS RACES ENTERAS)
Resulvase la ecuacin f x ( ) = 0, siendo f x x x x ( ) . . . = + 2 10 8
5 3

SOLUCIN
Debemos determinar los valores de "x" que satisfacen la ecuacin (condicin)
f x ( ) = 0. Como f x ( ) es un polinomio de grado 5, la ecuacin f x ( ) = 0 tiene 5 so-
luciones (alguna de ellas puede estar "repetida").
Qu suerte!, como el trmino independiente de la ecuacin dada es 0, podemos
garantizar que es una de las soluciones: x = 0
2 10 8 0 2 10 8 0
0
2 10 8
5 3 4 2
4 2
. . . .( . . )
. .
x x x x x x
x
x x
+ = + =
0
=
+
{
=
0,

Ahora nuestro trabajo consiste en resolver la ecuacin 2 10 8
4 2
. . x x + = y de
nuevo tenemos la suerte de cara, pues como la suma ( ) 2 10 8 + de los
coeficientes de la ecuacin es 0, podemos apostar tranqui-
lamente la vida a que x = 1 es una de sus soluciones; es decir,
podemos garantizar que el polinomio de grado cuatro g x x x ( ) . . = + 2 10
4 2
8 es
divisible por La Regla de Ruffini nos permite calcular los coeficientes del
polinomio h(x) que se obtiene como cociente de dicha divisin:
x 1.
coeficientes de g(x)
2 0 10 0 8
1 2 2 8 8
2 2 8 8 0
=

x
Coeficientes de h(x) g(x)/(x ) = 1 Resto
As, es h x g x x x x x ( ) ( )/( ) . . . = = + 1 2 2 8 8
3 2
; o sea:
g x x h x x x x x ( ) ( ). ( ) ( ).( . . . ) = = + 1 1 2 2 8
3 2
8
0

En consecuencia:
g x x x x x
x x
x x x
( ) ( ).( . . . )
. . .
= + =
= =
+ =
R
S
T
0 1 2 2 8 8 0
1 0 1
2 2 8 8
3 2
3 2

Ahora debemos resolver la ecuacin h x x x x ( ) . . . ; = + = 2 2 8 8
3 2
0
.
y como la
suma de los coeficientes de sta no es 0, podemos apostar la vida a
que no es una de sus soluciones. No obstante, si la ecuacin tiene
races enteras deben ser divisores del trmino independien-
te , que son los nmeros 1
2 2 8 8 +
x =1
8 1 2 2 4 4 8 8 , , , , , , y
As, debemos armarnos de paciencia e ir probando con todos (excepto el 1, pues
ya sabemos que no es solucin de h x x x x ( ) . . . ) = + = 2 2 8 8
3 2
0
0
rezando para
que haya suerte y alguno de ellos es solucin. Es h( ) . . . 2 2 2 2 2 8 2 8
3 2
= + = ,
lo que garantiza que es solucin de x = 2 h x x x x ( ) . . . = + = 2 2 8 8
3 2
0 y que el
polinomio (de grado 3) h x x x x ( ) . . . = + 2 2 8
3 2
8 es divisible por ; la Re-
gla de Ruffini nos permitir calcular los coeficientes del polinomio t(x) que se
obtiene como cociente de dicha divisin:
x 2
coeficientes de h(x)
2 2 8 8
2 4 12
2 6 4 0
8

= x
Coeficientes de t(x) h(x)/(x ) = 2 Rest o
Por tanto:
t x h x x x x ( ) ( )/( ) . . = = + + 2 2 6
2
4
o sea:
h x x t x x x x ( ) ( ). ( ) ( ).( . . ) = = + + 2 2 2 6
2
4
0

En consecuencia:
h x x x x
x x
x x
( ) ( ).( . . )
. .
= + + =
= =
+ + =
R
S
T
0 2 2 6 4 0
2 0 2
2 6 4
2
2

y las soluciones de la ecuacin 2 6 4 0
2
. . x x + + = son:
x =

=

=

3 3 2 4
2
3 1
2
1
2
2
.
{

En definitiva, siendo f x x x x ( ) . . . , = + 2 10 8
5 3
las soluciones de la ecuacin
f x ( ) = 0 son:
x x x x x = = = = = 0 1 2 1 ; ; ; ; 2
El que as sean las cosas nos permite escribir la descomposicin factorial
del polinomio:
f x x x x x x x x x ( ) . . . .( ).( ).( ).( ).( ) = + = + + 2 10 8 2 0 1 2 1 2
5 3

El "2" es el coeficiente del trmino de mayor grado de f(x)
NOTA
Si un polinomio f(x) es tal que f x x a p x
k
( ) ( ) . ( ) = , siendo el polinomio p(x) tal
que p a ( ) , 0 se dice que es una raz mltiple de orden "k" de la
ecuacin
x a =
f x ( ) = 0. Por ejemplo:
f x x x x x
x x
x x
( ) . .( ) = = =
= =
= =
R
S
T
6 4 4 2
4
2
4 0 4 0
0 0
4 0 2
(cudruple)

Por tanto, las 6 races de la ecuacin f x x x ( ) . = =
6 4
4 0 son:
x = 0 (cudruple) ; x x = = 2 2 ;

FONEMATO 1.24.4 (TODAS LAS RACES FRACCIONARIAS)
Resulvase la ecuacin f x ( ) = 0, siendo f x x x x ( ) . . . = 12 4 3 1
3 2
+
SOLUCIN
La ecuacin 12 4 3 1 0
3 2
. . . x x x + = carece de races enteras, pues ninguno de
los divisores del trmino independiente "1" es solucin.

Si la ecuacin admite races fraccionarias de la forma
"m/n" (siendo "m" y "n" nmeros enteros y "n" distinto de 0 y de 1), enton-
ces "m" es divisor del trmino independiente (el nmero 1 en
nuestro caso) y "n" es divisor del coeficiente del trmino de
mayor grado (el nmero 12 en nuestro caso).
Por tanto, las nicas races fraccionarias que puede tener la ecuacin dada son:
1
2
1
2
1
3
1
3
1
4
1
4
1
6
1
6
1
12
1
12
; ; ; ; ; ; ; ; ;
Ahora hay que armarse de paciencia e ir probando una por una a ver si hay suerte y
alguna ellas es solucin de 12 4 3 1 0
3 2
. . . x x x + = ...... y tenemos suerte, pues
es solucin: x =1 2 /
12 1 2 4 1 2 3 1 2 1 0
3 2
. ( / ) .( / ) .( / ) + =
Mediante Ruffini obtenemos:
12 4 3 1
1
2
12 2 2
3 2
2
. . .
. .
x x x
x
x x
+
= +
Las soluciones de 12 2 2 0
2
. . x x + = son x y x = = 1 3 1 2 / / ; as, la "descompo-
sicin factorial" del polinomio f es: x x x x ( ) . . . = 12 4 3 1
3 2
+
12 4 3 1 12
1
2
1
3
1
2
3 2
. . . .( ).( ).( x x x x x x + = + )

Qu miedo! .....
elementos locos
Los siguientes
ejercicios son muy
importantes; en ellos
seguiremos calcu-
lando rangos de
matrices, pero ahora
ocurrir que algunos
elementos de las ma-
trices estarn
"locos", es decir,
podrn tomar
cualquier valor
FONEMATO 1.24.5
Estdiese el rango de las siguientes matrices segn los valores del nmero real "k":
1
6 0
2 0
0 2 2
2
0 0
2 1
2 2
) ; ) A
k
k B
k
k
k
=
L
N
M
M
O
Q
P
P
=
L
N
M
M
O
Q
P
P

SOLUCIN
1) Como "A" es de orden , el mximo rango que puede tener es 3, lo que su-
ceder si su determinante es no nulo. Determinemos para qu valores de "k" se
anula dicho determinante:
3 3
A k k = = = 4 0 . 0
Si k A rg A = 0 0 ( ) 3.
Si , la matriz "A" es: k = 0
L
A =
N
M
M
O
Q
P
P
6 0 0
2 0 0
0 2 2

Como ahora es A = 0 y el menor de orden 2 indicado es = 0 2 rg A ( ) .
2) Como "B" es de orden , el mximo rango que puede tener es 3, lo que su-
3 3
B k k k = + = = .( )
2
4 0 0
La ecuacin k tiene dos races imaginarias a las
que no hacemos caso, pues se nos dice que k
.( ) k
2
4 0 + =

Si el valor de "k" es distinto de 0 entonces rg B pues B ( ) , = 3 0
Si , la matriz "B" es: k = 0
B =
L
N
M
M
O
Q
P
P
3 0 0
2 1 0
1 0 2

Como ahora B = 0 y el menor de orden 2 indicado es = 0 2 rg B ( ) .
FONEMATO 1.24.6
1
2 2 2
2 2 0
1 0 1
2
1 1 1
1 1 1
1 1
)
.
; ) C
k k
k
k k
D
k
k
k
=
+
+ +
L
N
M
M
O
Q
P
P
=

1
L
N
M
M
O
Q
P
P

SOLUCIN
1) Como "C" es de orden 3 , el mximo rango que puede tener es 3, lo que su-
3
A la primera columna le restamos la tercera
C
k k
k
k k
k k
k
k
=
+
+ +
=
+
=
2 2 2
2 2 0
1 0 1
2 2
2 2 0
0 0
. .
1

Desarrollamos el determinante por los elementos de la tercera fila
= + = + =
=
=
=
R
S
|
T
|
( ). . .( ) . . .( ).( ) k k k k k k k
k
k
k
1 2 2 2 2 1 1 0
0
1
1
b g
Si "k" es distinto de 0, de 1 y de 1, entonces rg C pues C ( ) , = 3 0 .
Si , la matriz "C" es: k = 0
C =
L
N
M
M
2 2
1 0 1
O
Q
P
P
2 0 2
0
Como ahora es C = 0 y el menor de orden 2 indicado es = 0 2 rg C ( ) .
Si , la matriz "C" es: k =1
C =
L
N
M
M
2 1
2 0 2
O
Q
P
P
4 1 2
0
Como ahora es C = 0 y el menor de orden 2 indicado es = 0 2 rg C ( ) .
Si , la matriz "C" es: k = 1
C =

L
N
M
M
O
Q
P
P
0 1 2
2 3 0
0 0 0

Como ahora C = 0 y el menor de orden 2 indicado es = 0 2 rg C ( ) .
2) Como "D" es de orden , el mximo rango que puede tener es 3, lo que su-
3 3
D
k
k
k
k
k
k k k
=

+ + +
=
1 1 1
1 1 1
1 1 1
1 1 1
1 1 1
1 1 1

A la tercera fila le sumamos las dos primeras
Muy astutamente, sacamos factor comn "k +1" en la tercera fila
= +

= +

= ( ). ( ). k
k
k k
k
k 1
1 1 1
1 1 1
1 1 1
1
2 0 1
0 2 1
0 0 1

A las columnas primera y segunda les restamos la tercera columna
= + =
=
=
( ).( )
( )
k k
k
k dobl
1 2 0
1
2
2
{
e

Se dice que la solucin k es "doble" para poner de manifiesto
que el factor "k " aparece elevado al cuadrado
=
2
2

Si el valor de "k" es distinto de 1 y de 2, entonces rg D pues D ( ) , = 3 0
Si , la matriz "D" es: k = 1
D=

L
N
M
M
O
2 1 1
1
2
Q
P
P
1 2
1 1

Como ahora D = 0 y el menor de orden 2 indicado es = 0 2 rg D ( ) .
Si "D" se convierte en: k = 2 D rg D rg =
L
N
M
M
O
Q
P
P
=
1 1 1
1 1 1
1 1 1
1 1 1 1 ( ) =
FONEMATO 1.24.7
1
3
2 1 0
0 2 2
1 3 0
2
1 1 1 3
3 4 1 5
1 1 3
1 2 2 2
2
) ; ) E
k k
F
k
k k
=

L
N
M
M
O
Q
P
P
=

+
L
N
M
M
M
O
Q
P
P
P

SOLUCIN
1) Como "E" es de orden , el mximo rango que puede tener es 3, lo que su-
ceder si en "E" hay algn menor no nulo de orden 3.
4 3
E
k k
=

L
N
M
M
O
Q
P
P
3
2 1 0
0 2 2
1 3 0

Como el menor de orden 2 indicado en "E" es no nulo para cualquier valor de
"k", entonces es rg E ( ) 2 con independencia del valor que tome "k". Al orlar el
citado menor no nulo de orden 2 con la tercera fila y la tercera columna de "E"
se obtiene un menor de orden 3 que es 0 para cualquier valor de "k":
2 1 0
0 2 2
1 3 0
0

Por tanto, = k , es rg(E) 3.
2) Como "F" es de orden 4 , el mximo rango que puede tener es 4, lo que su-
4
F
k
k k
k
k k
M
=

+
=

+
+
=
1 1 1 3
3 4 1 5
1 1 3
1 2 2 2
1 1 1 3
0 1 2 4
0 0 1 0
0 1 3 5
2 2

A la segunda fila le restamos el triple de la primera
A la tercera fila le restamos la primera
A la cuarta fila le restamos la primera

Desarrollamos el determinante por los elementos de la primera columna
=

+
+
= + =
=
=
1 2 4
0 1 0
1 3 5
1 1 0
1
1
2
2
k
k k
k k
k
k dob
( ).( )
( )
{
le

Desarrollamos por los elementos de la segunda fila
Si "k" es distinto de 1 y de 1, es rg F pues F ( ) , = 4 0 .
Si , la matriz "F" es: k =1
F =

L
N
M
M
O
Q
P
P
3
5
3
1 2 3 1
1 1 1
3 4 1
1 1 1

Como ahora F = 0 y el menor de orden 3 indicado es = 0 3 rg F ( )
Si , la matriz "F" es: k = 1
F rg F rg =

L
N
M
M
O
Q
P
P
=

L
N
M
M
O
Q
P
P
1 1 1 3
3 4 1 5
1 1 1 3
1 2 1 1
1 1 1 3
3 4 1 5
1 2 1 1
( )
Eliminamos la tercera fila de "F", pues es igual a la primera
Resulta ser rg F ( ) = 2, pues el menor de orden 2 indicado es no nulo, y son nu-
los todos los menores de orden 3 que se obtienen al orlar el citado menor de
orden 2:
1 1 1
3 4 1
1 2 1
0
1 1 3
3 4 5
1 2 1
0
= ;
NOTA
Hemos hecho el pardillo al analizar el rango cuando k k = = 1 1, pues las matri-
ces "F" y "M" tienen el mismo rango:
M
k
k k
=

+
+
L
N
M
M
M
O
Q
P
P
P
1 1 1 3
0 1 2 4
0 0 1 0
0 1 3
2
5

Pero "M" es ms cmoda a efectos del clculo del rango cuando k k = = 1 1

FONEMATO 1.24.8
Estdiese el rango de las siguientes matrices segn los valores de los parmetros
reales "a" y "b":
1
3 1 1
2 1
1 1
2
1
1 1
1
3
1 1
1 1 1
2 5
3 1 1
) ; ) . ; ) M b
a
N
a b
a b
b a
S
b
a
=

L
N
M
M
O
Q
P
P
=
L
N
M
M
O
Q
P
P
=

L
N
M
M
O
Q
P
P

SOLUCIN
1) Como "M" es de orden , el mximo rango que puede tener es 3, lo que
suceder si su determinante es no nulo. Determinemos para qu valores de "a" y
"b" se anula dicho determinante:
3 3
M b
a
b
a
a b a =

= b
+

= = = +
3 1 1
2 1
1 1
3 1 1
1 1 0
4 1 0
4 3 0 3 4 . .
As, si a b M rg M + = 3 4 0 3 . ( ) .
Si , la matriz "M" se convierte en a b = + 3 4.
M b
b
=

L
N
M
M
O
Q
P
P
3 1
2 1
1 3 4 1 .
1

Como ahora M = 0 y es:
3 2
1 1
0 , b
entonces, si a b es rg M = + = 3 4 2 . ( ) independientemente del valor de "b".
2) Como "N" es de orden , el mximo rango que puede tener es 3, lo que su-
ceder si su determinante es no nulo. Determinemos para qu valores de "a" y
"b" se anula dicho determinante:
3 3
N
a b
a b
b a
b
a
a
a
b a a = = = +
1
1 1
1
1 1
1 1
1 1
3 2 0
3
. . .( . ) =
e)

=
+ = = =
R
S
T
b
a a a a dobl
0
3 2 0 2 1
3
. (

Si y "a" es distinto de 1 y de b 0 2 es rg N pues N ( ) , = 3 0
Si , la matriz "N" es: b = 0
N
a
a
rg N rg
a
a
si a
si a
=
L
N
M
M
O
Q
P
P
=
L
N
M
M
O
Q
P
P
=
=
R
S
T
0 1
1 0 1
1 0
1
1 1
1
1 1
2 1
( )
Por tanto, si b y a = = 0 1 es rg N ( ) ; = 1 y rg N si b y a ( ) = = 2 0 1
Si la matriz "N" se convierte en: a =1,
N
b
b
b
rg N rg b =
L
N
M
M
O
Q
P
P
=
L
N
M
M
O
Q
P
P
=
1 1
1 1
1 1
1
1
1
1 ( ) ,
Eliminamos la tercera columna, pues es igual a la primera
Eliminamos la segunda columna, pues es proporcional a la primera

Si , la matriz "N" se convierte en: a = 2
N
b
b
b
=

L
N
M
M
O
Q
P
P
2 1
1 2 1
1 2
.
Como ahora N = 0 y es:
1 1
1 2
0
, b
entonces, si es r a = 2 g N ( ) = 2 independientemente del valor de "b".
3) Como "S" es de orden , el mximo rango que puede tener es 3, lo que su-
ceder si en "S" hay algn menor no nulo de orden 3.
4 3
S
b
a
=

L
N
M
M
O
Q
P
P
1 1
1 1 1
2 5
3 1 1

Como el menor de orden 2 indicado en "S" es no nulo para cualesquiera valores
de "a" y "b", es rg S ( ) 2 con independencia de los valores de "a" y "b". Al orlar
el citado menor no nulo de orden 2 respectivamente con las filas primera y se-
gunda de "S" se obtienen los siguientes menores de orden 3:
H
b
a a b a b H a
1 2
1 1
2 5
3 1 1
9 15
1 1 1
2 5
3 1 1
2 1 =

= + + + =

= + . . ; .a 8
Si ambos son nulos ser rg S ( ) , = 2 y si alguno es no nulo ser rg S ( ) = 3.
Si a es , por lo que 9 H
2
0 rg S ( ) = 3
Si a es = 9 b H y H b b
2 1
0 9 9 15 9 6 = = + = . . . ; as:
Si a y b = 9 0 es H y H
1 2
0 = 0 , por lo que rg S ( ) = 3
Si a y b = = 9 0 es H y H
1 2
0 = 0 = , por lo que rg S ( ) = 2
CALCULO DEL RANGO MEDIANTE
TRANSFORMACIONES ELEMENTALES
El mtodo utilizado en los ejercicios anteriores no es recomendable si tenemos que
calcular el rango de una matriz "A" que, por ejemplo, tiene 20 filas y 69 columnas.
En tan dramtica situacin es mejor hacer transformaciones elementales con los
elementos de "A" para as obtener otras matrices que tienen igual rango que "A"
pero que, por contener gran cantidad de ceros, son ms cmodas a la hora de cal-
cular de su rango. La secuencia de trabajo es as:
1) Haciendo los cambios de filas y columnas que sean menester, colocamos en la
posicin de "A" un elemento no nulo. Mejor que mejor si tal elemento no
nulo es el nmero 1, pues as no har falta el siguiente paso.
a
11
2) Si la matriz "A" es tan perversa que ningn elemento de ella es el nmero 1, di-
vidimos la primera fila por , y as conseguimos que el nmero 1 sea el
elemento que est en la primera fila y en la primera columna.
a
11
3) Reducimos a cero los elementos de la primera columna (salvo el nmero 1 que
ocupa la posicin ) restando a las filas segunda, tercera ..... n-sima, los ele-
mentos de la primera fila multiplicados respectivamente por los nmeros
.
a
11
a a a
n 21 31 1
, , ... ,
4) Repetimos las operaciones anteriores para las restantes columnas.
5) El proceso acaba cuando sea fcil calcular del rango de alguna de las matrices
"intermedias" que van apareciendo.
FONEMATO 1.24.7
Determnese el rango de las siguientes matrices
1
1 2 3
2 5 7
3 8 9
2
3 2 5
3 3 6
7 1 8
3
1 2 3 0
2 4 3 2
3 2 1 3
6 8 7 5
) ; ) ; ) A B C =
L
N
M
M
O
Q
P
P
=
L
N
M
M
O
Q
P
P
=
L
N
M
M
O
Q
P
P

SOLUCIN
1) Es:
Qu suerte!, el elemento a es el nmero 1; para conseguir "ceros" en la
primera columna, a la segunda fila le restamos el doble de la primera,
y a la tercera fila le restamos el triple de la primera
11

rg rg rg
1 2 3
2 5 7
3 8 9
1 2 3
0 1 1
0 2 0
1 2 3
0 1 1
0 0 2
3
L
N
M
M
O
Q
P
P
=
L
N
M
M
O
Q
P
P
=
L
N
M
M
O
Q
P
P
=
(tercera fila) doble de la segunda) (
La ltima matriz tiene determinante no nulo (observa que es "triangular")

2) Es:
Cambiamos la primera fila por la tercera
rg rg rg
3 2 5
3 3 6
7 1 8
7 1 8
3 3 6
3 2 5
1 7 8
3 3 6
2 3 5
L
N
M
M
O
Q
P
P
=
L
N
M
M
O
Q
P
P
=
L
N
M
M
O
Q
P
P
=
Cambiamos la primera columna por la segunda
Para conseguir "ceros" en la primera columna, a la segunda fila le restamos
el triple de la primera, y a la tercera fila le restamos el doble de la primera

=

L
N
M
M
O
Q
P
P
=

L
N
M
O
Q
P
= rg rg
1 7 8
0 18 18
0 11 11
1 7 8
0 18 18
2
Eliminamos la tercera fila, pues es proporcional a la segunda

3) Es:
Para que en la primera columna "aparezcan" ceros, a la segunfa fila le
restamos el doble de la primera, a la tercera fila le restamos el triple
de la primera, y a la cuarta fila le restamos el sxtuplo de la primera

rg rg rg
1 2 3 0
2 4 3 2
3 2 1 3
6 8 7 5
1 2 3 0
0 0 3 2
0 4 8 3
0 4 11 5
1 2 3 0
0 0 3 2
0 4 8 3
0 0 3 2
L
N
M
M
O
Q
P
P
=

L
N
M
M
O
Q
P
P
=

L
N
M
M
O
Q
P
P
=
A la cuarta fila le restamos la tercera
Eliminamos la cuarta fila, pues es igual a la segunda
=

L
N
M
M
O
Q
P
P
= rg
1 2 3 0
0 0 3 2
0 4 8 3
3
Pues el menor de orden 3 indicado es no nulo

FONEMATO 1.24.8
Determnese el rango de las siguientes matrices
1
1 2 3 4 1
2 3 1 2 0
1 3 9 1 2
3 4 4 5 4
2
0 1 1 1 2 3
0 4 1 0 2 0
2 1 0 1 3 4
2 3 2 1 1 2
2 6 0 0 3 1
) ; ) A B =

L
N
M
M
O
Q
P
P
=

L
N
M
M
M
O
Q
P
P
P

SOLUCIN
1) Es:
Para que en la primera columna "aparezcan" ceros, a la segunda fila le
restamos el doble de la primera, a la tercera fila le restamos la primera,
y a la cuarta fila le restamos el triple de la primera

rg rg
1 2 3 4 1
2 3 1 2 0
1 3 9 1 2
3 4 4 5 4
1 2 3 4 1
0 1 7 10 2
0 1 6 3 3
0 2 13 7 1

L
N
M
M
O
Q
P
P
=

L
N
M
M
O
Q
P
P
=
Para que en la segunda columna "aparezcan" ceros, a la tercera fila le
sumamos la segunda, y a la cuarta fila le restamos el doble de la segunda

Eliminamos la cuarta fila, pues es proporcional a la tercera
=

L
N
M
M
O
Q
P
P
=

L
N
M
M
O
Q
P
P
= rg rg
1 2 3 4 1
0 1 7 10 2
0 0 1 13 5
0 0 1 13 5
1 2 3 4 1
0 1 7 10 2
0 0 1 13 5
3
2) Es:
Cambiamos la primera columna por la cuarta
rg rg
0 1 1 1 2 3
0 4 1 0 2 0
2 1 0 1 3 4
2 3 2 1 1 2
2 6 0 0 3 1
1 1 1 0 2 3
0 4 1 0 2 0
1 1 0 2 3 4
1 3 2 2 1 2
0 6 0 2 3 1

L
N
M
M
M
O
Q
P
P
P
=

L
N
M
M
M
O
Q
P
P
P
=
A las filas tercera y cuarta les restamos la primera
=

L
N
M
M
M
O
Q
P
P
P
=

L
N
M
M
O
Q
P
P
= rg rg
1 1 1 0 2 3
0 4 1 0 2 0
0 2 1 2 1 1
0 2 1 2 1 1
0 6 0 2 3 1
1 1 1 0 2 3
0 4 1 0 2 0
0 2 1 2 1 1
0 6 0 2 3 1

Cambiamos las filas segunda y tercera
=

L
N
M
M
O
Q
P
P
= rg
1 1 1 0 2 3
0 2 1 2 1 1
0 4 1 0 2 0
0 6 0 2 3 1

A la tercera fila le sumamos el doble de la segunda, y a la
cuarta fila le restamos el triple de la segunda

=

L
N
M
M
O
Q
P
P
=

L
N
M
M
O
Q
P
P
= rg rg
1 1 1 0 2 3
0 2 1 2 1 1
0 0 3 4 0 2
0 0 3 4 0 2
1 1 1 0 2 3
0 2 1 2 1 1
0 0 3 4 0 2
3

1.25. ADJUNTA DE UNA MATRIZ CUADRADA
La adjunta de una matriz cuadrada "A" se denota Adj.(A), y es la
matriz cuadrada que resulta al sustituir cada elemento de la ma-
triz traspuesta de "A" por su adjunto o cofactor. Por ejemplo, si:
A B C =
L
N
M
O
Q
P
=

L
N
M
O
Q
P
=
L
N
M
M
O
Q
P
P
2 8
7 6
5 9
2 3
1 2 3
4 5 6
7 8 9
; ;
al sustituir en sus traspuestas cada elemento por su cofactor o adjunto, resulta:
Adj A Adj B .( ) ; .( ) =

L
N
M
O
Q
P
=

L
N
M
O
Q
P
6 8
7 2
3 9
2 5

Adj C .( ) =
L
N
M
M
M
M
M
M
O
Q
P
P
P
P
P
P
=

L
N
M
M
O
Q
P
P
5 8
6 9
2 8
3 9
2 5
3 6
4 7
6 9
1 7
3 9
1 4
3 6
4 7
5 8
1 7
2 8
1 4
2 5
3 6 3
6 12 6
3 6 3

PROPIEDADES
1) A Adj A Adj A A A I = = .( ) ( .( )) , siendo "I" la matriz unidad del mismo
orden que "A".
2) Siendo "A" y "B" matrices cuadradas del mismo orden, es:
Adj A B Adj A Adj B .( ) (( .( )) (( .( )) =
3) Siendo "A" cuadrada de orden "n", es . Adj.(A) A
n
= ( ) ; A por tanto:
Adj A A
n
.( ) ( ) =
1

4) Si "A" es singular, Adj.(A) tambin lo es, y rg Adj A ( .( )) ; 1 adems:
A Adj A Adj A A = = .( ) ( .( )) 0

1.26. INVERSA DE UNA MATRIZ CUADRADA
Si "A" es una matriz cuadrada de orden "n" e "I" es la matriz unidad del mismo
orden que "A", se llama inversa de "A" y se denota A
1
a la matriz cuadrada
de orden "n" tal que A A A A I = =
1 1
. Se demuestra que:
A
A
Adj A
=
1
1
.( )
Ojo!, como en Matemticas est prohibido dividir por cero, la expresin anterior
no tiene sentido si A = 0 ( las matrices "singulares" carecen de matriz inversa).
Por ejemplo, si A
t
=
L
N
M
M
O L
Q
P
P
= =
N
M
M
O
Q
P
P
1 0
3 1 5
2 0 1
1
1 3 2
0 1 0
1 5 1
es A y A ;
1
as, al sustituir en la
matriz cada elemento por su adjunto, resulta: A
t
Adj A .( ) =
L
N
M
M
M
M
M
M
O
Q
P
P
P
P
P
P
=

L
N
M
M
O
Q
P
P
1 0
5 1
0 0
1 1
0 1
1 5
3 2
5 1
1 2
1 1
1 3
1 5
3 2
1 0
1 2
0 0
1 3
0 1
1 0 1
7 1 2
2 0 1

Por tanto, la matriz inversa de "A" es A
A
Adj A
= =

L
N
M
M
O
Q
P
P
1
1
1 0 1
7 1 2
2 0 1
.( )
PROPIEDADES
1) ( ) ( ) ( ) A A y A A
t t
= =
1 1 1 1
2) Si "A" es simtrica, entonces A
1
tambin es simtrica (si existe . A
1
)
3) Si A 0 es vlida la ley de simplificacin; o sea: si "B" y "C" son matrices
cuadradas del mismo orden que "A" y A B A C = , entonces B C =
4) La inversa de un producto de matrices regulares del mismo orden es el producto
de las inversas en orden contrario. Por ejemplo, si "A", "B", "C" y "D" son
matrices regulares del mismo orden, es:
( ) A B C D D C B A =
1 1 1 1 1

5) Si "A" tiene inversa, entonces A
=
1
1/ ; A en efecto:
A A I A A I A A A A = = = = =
1 1 1 1
1 1 . / 1
FONEMATO 1.26.1
Sean:
M a b c
b c a c a b
N
k
k k
k
=
+ + +
L
N
M
M
O
Q
P
P
=
L
N
M
M
O
Q
P
P
1 1 1 1
3
1 3
;
2
1) Comprubese que la matriz "M" carece de inversa.
2) Calclese "k" para que la matriz "N" tenga inversa y, en su caso, calcular N
1
.
3) Calclense "X" e "Y" tales que 2 3 3 + = + = X Y A y X Y B, siendo:
A B =

L
N
M
O
Q
P
=

L
N
M
O
Q
P
8 13
7 6
1 3
5 2
;
4) Calclense "X" e "Y" tales que X A Y I y X Y + = = 3 0, siendo:
A I =
L
N
M
O
Q
P
=
L
N
M
O
Q
P
=
L
N
M
O
Q
P
1 0
0 2
1 0
0 1
0
0 0
0 0
; ;
SOLUCIN
1) Para comprobar que "M" carece de inversa debemos comprobar que su deter-
minante es nulo:
A la tercera fila le sumamos la segunda
M a b c
b c a c a b
a b c
a b c a b c a b c
=
+ + +
=
+ + + + + +
=
1 1 1 1 1 1
0
` `

Pues las filas primera y tercera son proporcionales
2) Para que "N" tenga inversa ha de ser "regular" (o sea, N 0 ):
N
k
k k
k
k = =
1 2
3
1 3
3 0
2
siempre que k 3
Si k 3 , es: N
= =

L
N
M
M
O
Q
P
P
1
2
2 2
2 2
1 1
3
9 6
2 1
3 0 3
N
Adj N
k
k k k
k k
k k
.( ) .

N
t
k
k k
k
Adj N
k
k
k k k
k
k
k
k
k
k
k k k
k
k
=
L
N
M
M
O
Q
P
P
=
L
N
M
M
M
M
M
M
O
Q
P
P
P
P
P
P
=
1 1
3
2 3
3
3 2 3
3
2
1
3
1 1
2 3
1
2
1
3
1 1 1
3
.( )

En la matriz N sustituimos cada elemento por su adjunto
t

=

L
N
M
M
O
Q
P
P
9 6
2 1
3 0 3
2 2
2 2
k k k
k k
k k
.
3) Se trata de calcular "X" e "Y" de modo que se satisfagan las "condiciones"
(ecuaciones) 2 3 3 + = + = X Y A y X Y B.
Como todas las matrices que intervienen en la historia "aparecen" nicamente
multiplicadas por constantes, podremos resolver la papeleta multiplicando las
ecuaciones por nmeros adecuados para que tras sumarlas (o restarlas) "desapa-
rezca" alguna de las "incgnitas" ("X" o "Y"):
Multiplicamos por la segunda ecuacin 3
2 3
3
2 3
9 3 3
11 3
+ =
+ =

+ =
=
=
X Y A
X Y B
X Y A
X Y B
X A B
} { }

Sumamos las dos ecuaciones miembro a miembro
=

L
N
M
O
Q
P

L
N
M
O
Q
P
=

L
N
M
O
Q
P
=

L
N
M
O
Q
P
11
8 13
7 6
3
1 3
5 2
11 22
22 0
1 2
2 0
X X
De la segunda ecuacin dada se deduce que:
Y B X = + =

L
N
M
O
Q
P
+

L
N
M
O
Q
P
=

L
N
M
O
Q
P
3
1 3
5 2
3
1 2
2 0
2 3
1 2

4) Se trata de calcular "X" e "Y" de modo que se satisfagan las "condiciones"
(ecuaciones) X A Y I y Y + = = X 3 0 . No hace falta ser un lince para
darse cuenta de que como "X" aparece sola en ambas ecuaciones, si restamos las
ecuaciones miembro a miembro "desaparece" la incgnita "X":
X A Y I
X Y
A Y Y I A I Y I
+ =
=
+ = + =
3 0
3 3
}
( )

+ + = +

( ) ( ) ( ) A I A I Y A I 3 3 3
1 1

Para despejar "Y" premultiplicamos (multiplicamos por la izquierda)
los dos miembros de la ecuacin por (A +3 I)
pues (A +3 I) (A +3 I) I

=

1
1
,
En este trance, al sacar factor comn "Y" por la derecha, siempre hay
algn pardillete que escribe A Y Y A Y + = + 3 3 ( ) , con lo que ob-
tiene una suma absurda: la suma de la matriz "A" (cuadrada de orden 2)
y el nmero 3. Lo correcto es escribir:
A Y Y A Y I Y A I Y + = + = + 3 3 3 ( )
= + =
L
N
M
O
Q
P
= =
L
N
M
O
Q
P
Y A I X Y ( )
/
/
/
/
3
1 4 0
0 1 5
3
3 4 0
0 3 5
1

Si H=A +3 I = H
L
N
M
O
Q
P
= =
L
N
M
O
Q
P
4 0
0 5
1
1 4 0
0 1 5
1
H
Adj H .( )
/
/

H Adj H = =
L
N
M
O
Q
P
20
5 0
0 4
; .( )
FONEMATO 1.26.2
Si "A" es una matriz invertible tal que A I y A I + 0 0, demustrese que
la matriz "B" es singular si se verifica que A B A B =
1
.
SOLUCIN
A B A B A A B A A B A B B = = =
1 1 2

0 = = + = A B B A I B A I A I B
2 2
0 0 ( ) ( ) ( )
A I A I A I
2
= + ( ) ( )
+ = = A I A I B B . . 0 0
Es A I y A I + 0 0

FONEMATO 1.26.3
Demustrese que si
es :
a b c
2 2 2
1 + + = , entonces, siendo "k" es un nmero natural,
M
k
= M, donde
M
a a b a c
a b b b c
a c b c c
=
L
N
M
M
O
Q
P
P
2
2
2
. .
. .
. .

SOLUCIN
Nuestra proverbial astucia nos hace ver que:
M
a
b
c
a b c =
L
N
M
M
O
Q
P
P

Es:
a b c
a
b
c
a b c
L
N
M
M
O
Q
P
P
= + +
2 2 2

Por tanto:
M
a
b
c
a b c
a
b
c
a b c
a
b
c
a b c
a
b
c
a b c
k
a b c a b c a b c
=
L
N
M
M
O
Q
P
P

L
N
M
M
O
Q
P
P

L
N
M
M
O
Q
P
P

L
N
M
M
O
Q
P
P
=
+ + + + + +
2 2 2 2 2 2 2 2 2

...
= + +
L
N
M
M
O
Q
P
P
= + +

( ) ( ) a b c
a
b
c
a b c a b c M M
k
M
k 2 2 2 1 2 2 2 1

=
Si a b c a b c
k 2 2 2 2 2 2 1
1 1 + + = + + =
( )
FONEMATO 1.26.4
Sea "A" una matriz idempotente.
1) Demustrese que si entonces . B I A = B B y A B B A
2
0 = = =
2) Demustrese que si C A I = 2 entonces C C
2
= .
SOLUCIN
1) Si B es: = I A,
B I A I A I A A I A A I A B
2 2 2
2 2 = = + = + = = ( ) ( )
"A" idempotente A
2
= A
Es: A B A I A A A A A = = = = ( )
2
0
"A" idempotente A
2
= A
I

B A I A A A A A A = = = = ( )
2
0
2) Si entonces: C A I = 2 ,
C C C A I A I A A I
2 2
2 2 4 4 = = = + = ( ) ( )
"A" idempotente A
2
= A

1.27. MATRIZ ORTOGONAL
Si "A" es una matriz cuadrada con determinante no nulo e "I" es la matriz unidad
del mismo orden que "A", se dice que "A" es ortogonal si o lo que
es igual:
A A I
t
= ,
A A
t
=
1
.
Por ejemplo, las siguientes matrices son ortogonales:
A B =

L
N
M
O
Q
P
=
L
N
M
O
Q
P
cos
;
/ /
/ /
x sen x
sen x cos x
1 2 1 2
1 2 1 2

PROPIEDADES
1) El determinante de una matriz ortogonal es 1 1 . En efecto, si A A I
t
= ,
es A A I
t
. = =1, y como A A
t
= , resulta: A A A . = = 1 1.
2) Si "A" es ortogonal entonces A
1
tambin lo es. En efecto:
"A" ortogonal A =
1
A
t

A A A A A A
t t t
I

= =
1 1 1 1
( ) ( ) =
Siempre es ( ) A A
t t
=
3) Si "A" es ortogonal entonces tambin lo es. En efecto: A
t
A A A A A A
t t t t
= = I =
( )
1

Es sabido que (A "A
t t
) = " ortogonal A =
t
A
1
A
4) Si "A" y "B" son ortogonales del mismo orden entonces A B tambin es orto-
gonal. En efecto, si es: A A I y B B I
t t
= = ,
( ) ( ) ( ) ( ) A B A B A B B A A B B A A A I
t t t t t
= = = =
t

( ) A B B A B B
t t t t
= = I

1.28. MATRICES CONGRUENTES
Se dice que las matrices "A" y "B" (cuadradas de orden "n") son congruentes
si existe una matriz "H" (cuadrada de orden "n") tal que A H B H
t
= .
NOTA
En la Universidad te esperan los entes llamados formas cuadrticas; cada
forma cuadrtica lleva pegadas a su chepa infinidad de matrices (simtricas), y stas
son congruentes.
1.29. MATRICES SEMEJANTES
Si "A" y "B" son matrices cuadradas de orden "n", se dice que son semejantes
si existe una matriz regular "P" (cuadrada de orden "n") tal que:
B P A P =
1

1) Dos matrices semejantes tienen el mismo determinante. En efecto,
si "A" y "B" son semejantes, es B P A P =
1
, y as:
B P A P P A P A = = =
1 1
. .
P P
=
1
1 .
2) Dos matrices semejantes tienen la misma traza. En efecto, si las ma-
trices "A" y "B" son semejantes, es B P A P =
1
, y as:
tr B tr P A P tr P A P tr A P P ( ) ( ) ( ( )) (( ) ) = = =
=
1 1 1

Tr Pepa Juana Tr Juana Pepa ( ) ( ) =
= =
tr A P P tr A ( )
1
( )
P P I A P P A = =
1 1

NOTA
En la Universidad trabajars con los entes llamados endomorfismos; cada en-
domorfismo lleva pegadas a su chepa infinidad de matrices, y stas son semejantes.
FONEMATO 1.29.1
Sea "B" una matriz de orden n 1 tal que B B
t
=1 e "I" la matriz unidad de or-
den "n". Sea Demustrese que "A" es simtrica y ortogonal. A I B B
t
= 2 .
SOLUCIN
Para demostrar que "A" es simtrica debemos demostrar que A A
t
= :
La traspuesta de una suma es la suma de las traspuestas; es I
t
= I
A I B B I B B I B B I B B
t t t t t t t t
= = = = = ( ) ( ) ( ) 2 2 2 2 A
t

Traspuesta de un producto e las traspuestas en orden contrario = Producto d
Para demostrar que "A" es ortogonal debemos demostrar que A A I
t
= :
A A I B B I B B I B B B B B B
I B B B B B B I B B B B I
t t t t t
t t t t t
= = + =
= + = + =
( ) ( )
( )
2 2 4 4
4 4 4 4
t

Segn se nos dice, es B B
t
= 1
FONEMATO 1.29.2
1) Sea "C" una matriz regular tal que C A C D y C B C H

= =
1 1
, siendo
"D" y "H" matrices diagonales. Demustrese que A B B A = .
2) Demustrese que una matriz cuadrada "A" es simtrica si existe una matriz or-
togonal "P" tal que P siendo "D" una matriz diagonal. A P D
t
= ,
SOLUCIN
1) Despejemos "A" y "B":
C A C D C C A C C C D C A C D C

= = =
1 1 1 1 1

Premultiplicamos por "C" y postmultiplicamos por C
1

C B C H C C B C C C H C B C H C

= = =
1 1 1 1 1

Es:
A B C D C C H C C D H C
B A C H C C D C C H D C
A B B A
= =
= =
U
V
W
=

( ) ( )
( ) ( )
1 1 1
1 1 1

Como las matrices "D" y "H" son diagonales, entonces D H H D =
2) Para demostrar que "A" es simtrica debemos demostrar que A A
t
= :
Para despejar "A" premultiplicamos (multiplicamos por la izquierda) por
"P" y postmultiplicamos (multiplicamos por la derecha) por P
t

P A P D P P A P P P D P A P D P
t t t t
=
t
= =
Como "P" es ortogonal, entonces P P P P I
t t
= =
= = = = A P D P P D P P D P A
t t t t t t t
( ) ( )
t

Traspuesta de un producto e las traspuestas en orden contrario = Producto d

Algebra Lineal - Calculo Matricial

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

Algebra Lineal - Calculo Matricial

Cargado por

Copyright:

Formatos disponibles

1.01 El cuerpo ms famoso .......................................................................................

También podría gustarte