Algebra

Lineal
M. C. M. Dennis Rafael Tuyub Puc
L. C. C Daniel G. Canton Puerto
Agosto 2011

Resumen

El presente documento es una recopilacion de los temas vistos en el curso Algebra

Linealque se imparte en el primer semestre de las licenciaturas de la Facultad de
Ingeniera Qumica de la Universidad Autonoma de Yucatan.

Indice general

1. Matrices y Determinantes
1.1. Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.1. Matrices Especiales . . . . . . . . . . . . . . . . .
1.1.2. Suma de matrices y multiplicacion por un escalar
1.2. Multiplicacion de Matrices . . . . . . . . . . . . . . . . .
1.3. Escalonamiento de una matriz . . . . . . . . . . . . . . .
1.4. Inversa de una matriz cuadrada . . . . . . . . . . . . . .
1.5. Determinantes . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

2
2
5
8
11
15
22
26

Captulo

Matrices y Determinantes
1.1.

Matrices

Una matriz es un arreglo rectangular de n

umeros en filas y columnas. Las matrices
son herramientas que eliminan todas las variables molestas y establecen toda la informacion pertinente en un orden logico y organizado. Una de las primeras aplicaciones de
las matrices es para resolver sistemas de ecuaciones. Pero antes de ver las aplicaciones
estudiemos primero las propiedades basicas de las matrices.
Recuerde que una matriz es simplemente un arreglo en filas y columnas, por ejemplo
un fabricante de los productos P 1, P 2 y P 3 podra representar las unidades de mano
de obra y material involucrado en una semana de produccion de estos artculos como
se muestra en la siguiente tabla:
Producto
P1 P2 P3
Mano de obra 10 12 16
Material
5
9
7
Pero de una manera mas sencilla estos datos pueden ser representados por la matriz


10 12 16
A=
5 9 7
Para describir una matriz debemos mencionar cuantas filas y cuantas columnas tiene.
Primero se menciona las cantidad de filas y luego la cantidad de columnas. De esta
forma, se dice que la matriz A es de tama
no 2 filas por tres columnas o simplemente es
de orden (tama
no) 2 3. La matriz

1 6 2
B = 5 1 4
3 5 0
2

1.1. MATRICES

es de orden 3 3. La matriz

1
2
3 4

C=
5
6
7 8

Es de orden 4 2.
Por otra parte, los renglones (filas) de una matriz estan numerados de manera
consecutiva de arriba hacia abajo y las columnas de izquerda a derecha. La matriz A
anterior de dos filas por tres columnas se numera de la siguiente forma:
Col 1 Col 2 Col 3
rengl
on 1
rengl
on 2

10
5

12
9

16
7

Los n
umeros de una matriz son llamados entradas o elementos. Para denotar entradas arbitrarias de una matriz, digamos de orden 2 3, existen dos metodos comunes.
Primero, podemos utilizar letras diferentes:


a b c
d e f
Segundo, se puede utilizar una sola letra junto con ndices para indicar su posicion
(recuerde primero la fila y luego la columna):


a11 a12 a13
a21 a22 a23
Definici
on 1.1 Un arreglo rectangular de
columnas,

a11 a12
a21 a22

..
..
.
.
am1 am2

n
umeros que consiste en m renglones y n

..
.

a1n
a2n

..
.
amn

es llamado una matriz de m n o matriz de orden m n. Para la entrada aij el

ndice i representa la fila y el ndice j la columna.
Observaci
on 1.2 Por brevedad:
Una matriz suele denotarse por una letra may
uscula tal como: A, B, . . .
Una matriz de orden mn puede ser denotada por el smbolo [aij ]mn o de manera
mas sencilla [aij ] donde el orden se entiende que es el apropiado para el contexto.
Ejemplo 1.3 Aplicando la definicion

1.1. MATRICES


1 3
es una matriz de 2 2
2 4

1 3
4
0 es una matriz de 3 2
1 2


1 4 1
es una matriz de 2 3
3 0 2

1 4 5
2 1 4 es una matriz de 3 3
6 5 7


0 0 0 0
es una matriz de 2 4
0 0 0 0
Una matriz con un sola fila recibe el nombre de matriz fila o matriz renglon. De igual
manera una matriz con una sola columna recibe el nombre de matriz columna. Por
ejemplo


1 7 12 3
es una matriz fila (1 4); mientras que

1
2

15

9
16
es una matriz columna (5 1).
Definici
on 1.4 Las matrices A = [aij ] y B = [bij ] son iguales si y solo si tienen el
mismo orden y aij = bij para cada i y cada j.
Es decir que para que dos matrices sean iguales, deben tener el mismo n
umero de filas
y de columnas y ademas, cada elemento debe ser igual en valor y en posicion. Por
ejemplo:

 

1 + 1 22
2 1
=
23 0
6 0
pero
 


1
1 1 6=
1
y

 

1 1 6= 1 1 1

1.1. MATRICES

Definici
on 1.5 La transpuesta de una matriz A de m n, denotada por AT , es la
matriz de n m cuyo i esimo renglon es la i esima columna de A.
Usando la definicion si

entonces


1 2 3
A=
4 5 6

1 4
AT = 2 5
3 6

1. Observe que las columnas de AT son los renglones de A.

T
2. La operacion transpuesta tiene la propiedad de AT = A.

Observaci
on 1.6

Ejemplo 1.7 Encuentre la transpuesta de las siguientes matrices:

 

2
1 2 0
A=
8
C = 2 1 0
0 0 1

1 2 3
0 1
B = 4 5 6
D = 2 4
7 8 9
1 1
Soluci
on. La transpuesta de cada una de las matrices anteriores son:



1 2 0
AT = 2 8
C T = 2 1 0
0 0 1

1 4 7


0 2 1
B T = 2 5 8
T
D =
3 6 9
1 4 1

1.1.1.

Matrices Especiales

Cierto tipos de matrices juegan un papel importante en la teora de matrices. Ahora

consideraremos algunos de estos tipos especiales de matrices.
+ Una matriz de m n cuyas entradas son todas iguales a cero, es llamada matriz
cero de m n y es denotada por 0mn o de manera mas sencilla 0 si se entiende
su tama
no. Ejemplo, la matriz cero de 2 3 es


0 0 0
0 0 0

1.1. MATRICES

+ Una matriz que tiene el mismo n

umero de filas y de columnas, es decir cuando
m = n, es llamada matriz cuadrada de orden n. Por ejemplo, las matrices

2 7 4
6 2 0 y [3]
4 6 1
son cuadradas de orden 3 y 1.
En una matriz cuadrada de orden n, las entradas a11 , a22 , a33 , . . . , ann las cuales estan
sobre la diagonal principalque va desde la esquina superior izquierda hasta la esquina inferior derecha, son llamadas entradas de la diagonal principal, o simplemente la
diagonal principal. As, en la matriz

1 2 3
A = 4 5 6
7 8 9
la diagonal principal consiste en a11 = 1, a22 = 5 y a33 = 9.
+ Una matriz cuadrada A es llamada matriz diagonal si todas las entradas que
se encuentran fuera de la diagonal principal son todas cero; esto es, aij = 0 para
i 6= j. Ejemplo


1 0
0 1

3 0 0
0 6 0
0 0 9
+ Una matriz cuadrada A se dice que es una matriz triangular superior si todas
las entradas de abajo de la diagonal principal son ceros; esto es, aij = 0 para
i > j. De manera analoga, una matriz triangular inferior si todas las entradas
por arriba de la diagonal son cero; esto es, aij = 0 para i < j. Cuando una matriz
es triangular inferior o superior es llamada una matriz triangular. As la matriz

5 1 1
0 3 7
0 0 4
es una matriz triangular superior y la matriz

7 0 0 0
3 2 0 0

6 5 4 0
1 6 8 1
es una matriz triangular inferior.

1.1. MATRICES

+ Una matriz cuadrada se llama sim

etrica si AT = A. Es decir, las columnas de A
son tambien los renglones de A. En otras palabras A es simetrica si es cuadrada
y se cumple que aij = aji para toda i y toda j. Un ejemplo de matriz simetrica es

1 2 3
A = 2 0 5
3 5 6
Note que la simetra es respecto a la diagonal principal.
+ Una matriz cuadrada A de orden n se llama antisimetrica si se cumple que aij =
aji para toda i y toda j. En consecuencia, los elementos de la diagonal son ceros,
esto es aii = 0. En otras palabras A es antisemetrica si A = AT . Por ejemplo

0 2 3
0 5
A= 2
3 5 0
es antisimetrica ya que

0 2 3
AT = 2 0 5
3 5 0
es la misma matriz que A pero todas las entradas tienen el signo opuesto.
Ejercicio 1.1 Considere las siguientes matrices


1 6 2
A=
4 2 1

1 2 3
B = 4 5 6
7 8 9

1 1
C = 2 2
3 3


1 0
D=
2 3

a) Establecer el orden de cada matriz

b) Cuales son las matrices cuadradas?
c) Cuales son triangulares superiores?

1
0
E=
0
0

3 4
6 0

2 0
6 1


F = 6 2

5
G= 6
1

1 6 2
H = 0 0 0
0 0 0
2
1
0
0

J = [4]

1.1. MATRICES

d) Cuales son triangulares inferiores?

e) Cuales son matrices renglones?
f ) Cuales matrices columnas?
Ejercicio 1.2 Resuelva los siguientes problemas

 


2x y
4 6
6 2
6 2
a)
=
z 3w
0 7
c) x 7 = 6 2

3y 2z
2 7
4 2 1
4 2 1
b) 3x y 3z = 6 7 9
0 w v
0 9 8

1.1.2.

Suma de matrices y multiplicaci

on por un escalar

Definici
on 1.8 Si A = [aij ] y B = [bij ] son ambas matrices de orden m n, entonces
la suma A + B es la matriz de orden m n obtenida sumando las correspondientes
entradas de A y B; esto es A+B = [aij + bij ]. La suma de matrices de diferente tama
no
no esta definida.
Ejemplo sean



3 0 2
A=
2 1 4


5 3 6
B=
1 2 5
Como A y B son del mismo tama
no (2 3), su suma esta definida:

 

3 0 2
5 3 6
A+B =
+
2 1 4
1 2 5


3 + 5 0 3 2 + 6
=
2 + 1 1 + 2 4 5


8 3 4
=
3 1 1
Considere las matrices:


1 2
C=
3 4
 
2
D=
1
su suma

  
1 2
2
C +D =
+
3 4
1
no esta definida ya que las matrices son de diferentes ordenes.

1.1. MATRICES

Proposici
on 1.9 Si A, B, C y 0 tienen el mismo orden, entonces las siguientes propiedades se cumplen para la suma de matrices:
1. A + B = B + A
2. A + (B + C) = (A + B) + C
3. A + 0 = 0 + A = A
Ejercicio 1.3 Utilice las siguientes matrices para comprobar la veracidad de la proposicion anterior:


1 2 1
A=
2 0 1


0 1 2
B=
1 3 1


2 1 1
C=
0 2 1
Definici
on 1.10 Si A es una matriz de orden m n y k es un escalar (un n
umero
real), entonces denotamos con kA a la matriz de orden m n obtenida al multiplicar
cada entrada de A por k. La operacion es llamada multiplicaci
on por escalar, y kA
es llamado m
ultiplo escalar de A.
Ejemplo Si



1 0 2
A=
2 1 4
y k = 3 tenemos que


1 0 2
kA = 3
2 1 4


(3) (1) (3) (0) (3) (2)
=
(3) (2) (3) (1) (3) (4)


3 0 6
=
6 3 12
Al igual que para la suma, la multiplicacion escalar tiene sus propiedades
Proposici
on 1.11 Si A, B y 0 son matrices del mismo orden, entonces para cualquier
escalares k, k1 y k2 tenemos las siguientes propiedades
1. k (A + B) = kA + kB
2. (k1 + k2 ) A = k1 A + k2 A

1.1. MATRICES

10

3. k1 (k2 A) = (k1 k2 ) A
4. 0A = 0
5. k0 = 0
Proposici
on 1.12 Si A y B son matrices del mismo tama
no y k es cualquier escalar
1. (A + B)T = AT + B T
2. (kA)T = kAT
Si A es una matriz, entonces el m
ultiplo escalar (1) A se escribe simplemente A.
Definici
on 1.13 Si A y B tienen el mismo tama
no, entonces por A B entendemos
A + (B), es decir,
A B = A + [(1) B]
Ejercicio 1.4 Realice las operaciones indicadas

2
0 3
2 3 4
0 + 1 6
5
a) 1 4
1 6 5
9 11 2

 
 

2 7
7 4
2 7
b)
+
+
6 4
2 1
7 2






c) 3 1 3 1 + 2 6 1 4 0 2 7 4


2 6 7 1
d) 6
7 1 6 2

1 0 0
2 1 0
6 2 1
e) 2 0 1 0 3 1 2 3 5 1 2
0 0 1
1 0 0
0
1
3

2 4 6 7
0 1 6 2
f ) 1 3 2 1 + 2 3 4 3
4 2 5 5
2 1 4 4
Ejercicio 1.5 Considere las siguientes matrices


1 2
A = 0 1
2 0

1
B=
4

1
C=
1


3
1

0
2

 DE MATRICES
1.2. MULTIPLICACION

11


1 2 1
D=
1 0 2
Calcule si es posible lo siguiente:
a) 3AT + D

c) C T D

e) 2B + B T

b) 2B T 3C T

d) (B C)T

f ) D 2AT

1.2.

T

Multiplicaci
on de Matrices

Ademas de las operaciones de suma de matrices y multiplicacion por un escalar,

bajo ciertas condiciones puede definirse el producto AB de las matrices A y B, esta
condicion es que el n
umero de columnas de A sea igual al n
umero de filas de B.
Definici
on 1.14 Sea A una matriz de m n y B una matriz de n p. Entonces el
producto AB es la matriz C de m p cuya entrada cij en la fila i y la columna j se
obtiene como sigue:
n
X
aik bkj
cij =
k=1

= ai1 b1j + ai2 b2j + + ain bnj

es decir, sume los productos formados al multiplicar, en orden, cada entrada del rengl
on
i de A por la correspondiente entrada de la columna j de B.
Ejemplo 1.15 Encuentre el producto AB, donde



1 3
3
2
A = 4 2 y B =
4 1
5
0
Soluci
on. Primero, observe que el producto AB esta definido porque el tama
no de A
es 3 2 y el de B es 2 2. De acuerdo con la definicion el producto AB es de tama
no
3 2 y tiene la forma:


1 3 
c11 c12
4 2 3 2 = c21 c22
4 1
5
0
c31 c32
Para determinar c11 (el elemento en el primer renglon y en la primera columna del
producto), multiplique los elementos correspondientes en el primer renglon de A y la
primera columna de B. Es decir


1 3 
9 c12
4 2 3 2 = c21 c22
4 1
5
0
c31 c32
c11 = (1) (3) + (3) (4) = 9

 DE MATRICES
1.2. MULTIPLICACION

12

De manera analoga, para determinar c12 multiplique los elementos correspondientes en

el primer renglon de A y la segunda columna de B para obtener


1 3 
9 1
4 2 3 2 = c21 c22
4 1
5
0
c31 c32
c12 = (1) (2) + (3) (1) = 1
Siguiendo este patron obtenemos los siguientes resultados:
c21 =

(4) (3) + (2) (4)

c22 =

(4) (2) + (2) (1)

c31 =

(5) (3) + (0) (4)

c32 =

(5) (2) + (0) (1)

= 4

=6
= 15

= 10

El producto es


1 3 
9 1
3 2
AB = 4 2
= 4 6
4 1
5
0
15 10


1
2 1 6

Ejemplo 1.16 Defina A =

yB= 0
1 3 2
2


 1 0
2 1 6
0 4
AB =
1 3 2
2 1


0 3
4 2 encuentre el producto
1 1

3
2
1

Soluci
on. Observe que A23 y B33 , por tanto, el resultado sera C23 ,


c11 c12 c13
C=
c21 c22 c23
donde c11 es la suma de los productos que se forman que se forman con la primera fila
de A (2, 1, 6) y la primera columna de B (1, 0, 2)
2 (1) + 1 (0) + (6) (2) = 2 + 0 + 12 = 14
Los demas elementos se obtienen de manera similar y


14 2 10
C=
3 10 7
Es importante recordar que el producto de dos matrices esta definido cuando el
n
umero de columnas de la primera matriz es igual al n
umero de filas de la segunda
matriz.

 DE MATRICES
1.2. MULTIPLICACION

13

Ejemplo 1.17 Sea A una matriz de 3 5 y B una matriz de 5 3. Entonces AB

esta definida y es una matriz de 3 3. Ademas, BA tambien esta definida y es una
matriz de 5 5.
Observaci
on 1.18 El producto de matrices no es conmutativo, en el mayor n
umero
de casos ocurrira que AB 6= BA




1 3
2 1
Ejercicio 1.6 Defina A =
yB=
Calcule AB y BA
2 1
0 2





1 2
2 4
Ejercicio 1.7 Defina A =
yB=
Calcule AB y BA
1 1
2 2
Ejercicio 1.8 Pruebe que si



2 4 2
A=
0 1 3
y ademas

2 1
B = 0 4
2 2
entonces C = AB es de orden 2 2 y



8 10
C=
6 2
Ejercicio 1.9 Calcule

4


1 2 3 5
6
(sol. [32])
Ejercicio 1.10 Calcule

1 

2 1 6
3

1 6
(sol. 2 12)
3 18
Teorema 1.19 Las multiplicacion de matrices satisface las propiedades siguientes siempre y cuando todas las sumas y productos esten definidos:
1. A (BC) = (AB) C

 DE MATRICES
1.2. MULTIPLICACION

14

2. A (B + C) = AB + AC
3. (A + B) C = AC + BC
4. k (AB) = (kA) B = A (kB), con k un escalar
5. (AB)T = B T AT
Observaci
on 1.20 En el algebra de matrices no existe la propiedad de cancelaci
on
para la multiplicacion de matrices, es decir, puede pasar que AC = BC a
un cuando
A 6= B






1 3
2 4
1 2
Ejemplo 1.21 Defina las matrices A =
,B=
yC=
muestre
0 1
2 3
1 2
que AC = BC a
un cuando A 6= B
Soluci
on.



 

1 3
1 2
2 4
AC =
=
0 1 1 2
1 2


 

2 4
1 2
2 4
BC =
=
1 2
2 3 1 2
por lo tanto, AC = BC , aun cuando A 6= B
Definici
on 1.22 Se llama matriz identidad a la matriz diagonal, cuyos elementos diagonales son todos uno. Esta matriz se denota In o simplemente I.
Definici
on 1.23 Si A es una matriz cuadrada y p es un entero positivo, entonces la
p-esima potencia de A, escrita Ap , es el producto de p factores de A:
Ap = A
A}
| A {z
p veces

Si A es de n n, definimos A0 = In donde In es la matriz identidad

Ejercicio 1.11 Si A es de 2 3, B de 3 1, C de 2 5, D de 4 3, E de 3 2 y F
de 2 3, encuentre el orden de cada una de las siguientes matrices:
1. AE

5. E (F B)

2. EC

6. DE

3. F B

7. DB

4. EA

8. BA

9. E (AE)
10. (F + A) B

1.3. ESCALONAMIENTO DE UNA MATRIZ

15

Ejercicio 1.12 Escriba la matriz I4 e I6 .

Ejercicio 1.13 Realice las siguientes operaciones




2 1
2 4
3 0


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

0


 1

1 1 

1 2
4. 1 0 6 2
2
2. 0 4
3 4
2 1
3
Ejercicio 1.14 Calcule la matriz requerida, si es que existe, dado que:

1 0 0


1 1 0
I = 0 1 0
A=
0 1 1
0 0 1

0 0 1
0 0 0
B = 2 1 0
0 = 0 0 0
0 0
2
0 0 0

1 0

C = 2 1
0 1
1. A2

6. A (I 0)

2. B 3

7. (AB) (AB)T

3. (AC)

4. BAT

T

5. (2I)2 2I 2

1.3.

11. (2B)T
12. IA0

8. AT A
9. A B T

13. I T 0

2

10. AT 2C T

14. B 2 3B + 2I

Escalonamiento de una matriz

En este seccion estudiamos un proceso llamado eliminacion de Gauss y una de sus

variantes la eliminacion de Gauss-Jordan cuya utilidad se aprecia cuando resolvemos
sistemas de ecuaciones lineales.
Definici
on 1.24 (Forma de rengl
on escal
on) Una matriz puede tener las siguientes propiedades:
1. Si existen renglones que consisten enteramente de elementos cero, entonces estos
renglones estan en la parte inferior de la matriz.

1.3. ESCALONAMIENTO DE UNA MATRIZ

16

2. Si en un renglon no todos los elementos son ceros. El elemento no cero que

este mas a la izquierda debe de ser un 1. Llamamos a este elemento pivote.
3. Si dos renglones sucesivos tienen elementos distintos de cero, el pivote del rengl
on
inferior debe de estar a la derecha del pivote del renglon superior.
4. En cada columna que contenga un pivote, el pivote es el u
nico elemento distinto
de cero en esa columna.
Si una matriz satisface las tres primeras condiciones se dice que esta en forma escalon. Si una matriz satisface las cuatro condiciones se dice que esta en forma escalonada
reducida.
Definici
on 1.25 Se llama rango de una matriz al n
umero de pivotes que tiene en su
forma escalonada.
Ejemplo, la matriz

1 0 1 2
M = 0 0 3 4
0 0 0 0
NO esta en forma de escalon porque no satisface
1 el elemento mas a la izquierda es un 1.
La matriz

1 6 0

N= 0 0 1
0 0 0

la propiedad 2, observe que en la fila

2
4
0

esta en forma escalonada reducida. Ya que tiene dos pivotes se dice que el rango de N
es 2.
Ejercicio 1.15 Determine cuales de las siguientes matrices estan en forma escalonada
y cuales en forma escalonada reducida

1 0 0 0
1 1 0 0 2
1. A = 0 0 1 0
4. D = 0 0 1 0 3
0 0 0 0
0 0 0 1 4

1 0 0 6
2. B = 0 1 0 0
0 0 1 1



0 0
5. E =
0 1

1 0 1
3. C = 0 0 1
0 0 1

1 7 0 9 0
6. F = 0 0 1 8 0
0 0 0 0 1

1.3. ESCALONAMIENTO DE UNA MATRIZ

1 0 1 0
7. G = 0 1 0 0
0 0 1 0

17

1 0 0 0
8. H = 0 0 1 0
0 0 0 2

Definici
on 1.26 Dos matrices son equivalentes si una puede obtenerse de la otra
mediante una sucesion finita de operaciones elementales de renglon. A veces se usa la
notacion
AB
para indicar que la matriz A es equivalente a la matriz B.
Definici
on 1.27 Las operaciones elementales de renglon son las siguientes:
1. Multiplicar o dividir un renglon por un n
umero diferente de cero.
2. Sumar un m
ultiplo de un renglon a otro renglon
3. Intercambiar dos renglones
El proceso de aplicar las operaciones elementales con renglones para simplificar una
matriz se llama reduccion por renglones.
Notaci
on 1.28 Para representar las operaciones elementales aplicadas a una matriz
se emplea la siguiente notacion o simbologa:
1. Ri cRi quiere decir, reemplazar el renglon i por el renglon i multiplicado por c.
2. Rj Rj + cRi quiere decir, reemplazar el renglon j por la suma del renglon j
mas c veces el renglon i
3. Ri Rj quiere decir, intercambiar los renglones i y j.
Ejemplo 1.29 Muestre que las matrices A y B siguientes son equivalentes

0 3
1 2
A = 1 2 , B = 0 3
1 1
0 0
Soluci
on. Comenzamos con la matriz A y aplicamos las siguientes operaciones elementales:

0 3
1 2
1 2
R R
R R +R
A = 1 2 1 2 0 3 3 3 1 0 3
1 1
1 1
0 3

1 2
R3 R3 R2

0 3 = B

0 0
Una matriz puede ser equivalente a varias matrices escalonadas pero solo a una
escalonada reducida:

1.3. ESCALONAMIENTO DE UNA MATRIZ

18

Teorema 1.30 Toda matriz es equivalente a una, y solo una matriz en forma de escalon reducida.
Para encontrar esta matriz escalonada reducida se aplica el siguiente procedimiento:
Algoritmo 1.31 (Eliminaci
on de Gauss) Para convertir cualquier matriz a la forma escalonada reducida, proceda con los pasos siguientes:
Paso 1 Vaya a la columna no cero extrema izquierda
Paso 2 Si el primer renglon tiene un cero en la columna del paso 1, intercambielo con
uno que tenga un elemento no cero en la misma columna
Paso 3 Obtenga ceros debajo del elemento delantero, sumando m
ultiplos adecuados del
renglon superior a los renglones debajo de el.
Paso 4 Cubra el renglon superior y repita el procedimiento comenzando con el paso 1,
aplicado a la submatriz restante. Repita este proceso con el resto de los renglones.
Paso 5 Comenzando con el u
ltimo renglon no cero, avance hacia arriba. Para cada
renglon obtenga un 1 delantero e introduzca ceros arriba de el, sumando m
ultiplos
adecuados a los renglones correspondientes.
Ejemplo 1.32 Emplee la eliminacion de Gauss
reducida de la matriz

0
3 6 4
1 3 10 4

4 9 34
0
2 6 20
2

para determinar una forma de escal

on

3 5
4 2

1 21
8 8

Soluci
on. Seguimos los pasos dados en el algoritmo 1.31:
Paso 1 Vaya a la columna extrema izquierda no cero: en este caso es la primera columna.
Paso 2 Si el primer renglon tiene un cero en la columna del paso 1, intercambielo con
uno que tenga un elemento no cero en la misma columna. En este caso R1 R2

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

4 9 34
0
1 21
2 6 20
2
8 8

1.3. ESCALONAMIENTO DE UNA MATRIZ

19

Paso 3 Obtenga ceros debajo del elemento delantero, sumando m

ultiplos adecuados
del renglon superior a los renglones debajo de el. Para lograr esto aplocamos los
siguiente cambios R3 R3 + 4R1 y R4 R4 + 2R1

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

0 3 6 16 15 29
0 0 0
6
0 12
Paso 4 Cubra el renglon superior y repita el procedimiento comenzando con el paso 1,
aplicado a la submatriz restante. Repita este proceso con el resto de los renglones.
Omitimos la primera fila y repetimos el proceso

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

0 3 6 16 15 29
0 0 0
6
0 12
entonces la primera columna distinta de cero es ahora la segunda, seleccionamos
esta columna y aplicamos la siguiente operacion R3 R3 R2

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

0 0 0 12 12 24
0 0 0
6
0 12
Ahora omitimos la primera y la segunda fila y repetimos el proceso, en este caso
la columna mas a la izquierda es la cuarta, para obtener cero debajo del 12
aplicamos las siguiente operacion R4 R4 12 R3

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

0 0 0 12 12 24
0 0 0
0
6
0
Paso 5 Comenzando con el u
ltimo renglon no cero, avance hacia arriba. Para cada
renglon obtenga un 1 delantero e introduzca ceros arriba de el, sumando m
ultiplos
adecuados a los renglones correspondientes.
Siguiendo este paso aplicamos las siguientes

1 3 10 4
0 3 6 4

0 0 0 12
0 0 0
0

operaciones: R4 16 R4

4 2
3 5

12 24
1
0

1.3. ESCALONAMIENTO DE UNA MATRIZ

20

Para lograr ceros arriba del uno se aplican las

12R4 , R2 R2 + 3R4 , R1 R1 + 4R4

1 3 10 4
0 3 6 4

0 0 0 12
0 0 0
0

siguientes operaciones: R3 R3 +

0 2
0 5

0 24
1 0

1
R3
Subimos un renglon y repetimos, ahora aplicamos R3 12

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

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

Para lograr los ceros por arriba hacemos R2 R2 + 4R3 , R1 R1 + 4R3

1 3 10 0 0 6
0 3 6 0 0 3

0 0 0 1 0 2
0 0 0 0 1 0
Nuevamente subimos una fila y repetimos el proceso con el siguiente cambio R2
1
R
3 2

1 3 10 0 0 6
0 1 2 0 0 1

0 0 0 1 0 2
0 0 0 0 1 0
Para lograr los ceros cambiamos R1 R1 3R2

1 0 4 0 0
0 1 2 0 0

0 0 0 1 0
0 0 0 0 1

3
1

2
0

Finalmente R1 (1) R1

1
0

0
0

0 4 0 0 3
1 2 0 0 1

0 0 1 0 2
0 0 0 1 0

1.3. ESCALONAMIENTO DE UNA MATRIZ

21

Observaci
on 1.33 Sobre el algoritmo:
1. Los cuatro primeros pasos del algoritmo se llaman paso directo de la eliminaci
on
de Gauss ya que convierten la matriz a su forma escalonada. El paso 5 es el paso
inverso y es donde la matriz toma su forma escalonada reducida.
2. Con frecuencia, el algoritmo se describe introduciendo un 1 delantero en el paso
3, con lo que hay una tendencia a introducir fracciones en una etapa temprana
del calculo, si los elementos son enteros.
3. A veces es conveniente tener los 1 al final de todo el proceso.
Observaci
on 1.34 Cosas que debe evitar:
1. No cambie el orden en los pasos del algoritmo (porque puede terminar con la
matriz inicial. Primero debe reducir la matriz a la forma escalonada y luego aplicar
el paso 5.
2. Combinar varias operaciones elementales es una mala practica, y puede originar
errores. Por ejemplo, operaciones de la forma Ri cRi + dRj y Ri cRi + Rj
con c 6= 1 no son elementales y deben evitarse. El renglon que se sustituye no
debe multiplicarse por un escalar.


 
1 2 3
1 0 79
?
Ejercicio 1.16 Son equivalentes las matrices
y
0 1 10
4 1 2
9
Ejercicio
1.17 Demuestre que si ad bc 6= 0, la forma escalonada reducida de A =


a b
es I.
c d
Ejercicio 1.18 Aplique el resultado anterior para comprobar que la forma escalonada
reducida de la matriz


cos () sin ()
sin () cos ()
es I para cualquier .
Ejercicio 1.19 Determine la forma escalonada reducida de las siguientes matrices

0 0 0 0 0
0 0 0 0 0
1 1 1 1 0
1 1 0 1 0

2.
1.
0 0 1 0 1
0 0 1 0 1
1 0 0 1 0
0 0 0 1 0

1 6 0 1 0 2
3. 5 30 1 6 0 13
4 24 1 5 1 15

1.4. INVERSA DE UNA MATRIZ CUADRADA

22

1 4 0 5 0 6
4. 5 20 1 29 0 34
4 16 1 24 1 30

1.4.

0 1 1 1 0
0 1 1 1 0

1
0
1
0
1
5.

0
0 1 0 1
0
0
1 0 0

Inversa de una matriz cuadrada

Definici
on 1.35 (Matriz identidad) La matriz identidad In de n n es una matriz
cuyos elementos en la diagonal principal son iguales a 1 y todos los demas son 0. Esto
es In = [bij ] donde

1 i=j
bij =
0 i 6= j
Ejemplo 1.36 Dos matrices identidad

I3 = 0
0

1 0
0 1

I5 =
0 0
0 0
0 0

0 0
1 0
0 1
0
0
1
0
0

0
0
0
1
0

0
0

0
1





2 5
3 5
Ejercicio 1.20 Sea A =
yB=
. Compruebe que AB = BA = I2 .
1 3
1 2
Teorema 1.37 Sea A una matriz cuadrada de n n. Entonces
A In = In A = A
Es decir, In conmuta con toda matriz de n n y la deja sin cambio despues de la
multiplicacion por la derecha o por la izquierda.
Definici
on 1.38 (Inversa de una matriz) Sean A y B dos matrices de nn. Suponga
que
AB = BA = I
Entonces B se llama inversa de A y se denota por A1 . Entonces se tiene
A A1 = A1 A = I
Si A tiene inversa, entonces se dice que A es invertible.

1.4. INVERSA DE UNA MATRIZ CUADRADA

23

Observaci
on 1.39
1. Una matriz cuadrada que no es invertible se llama singular
y una matriz invertible se llama tambien no singular.
1

2. De la definicion se sigue que (A1 )

= A si A es invertible.

3. La definicion no establece que toda matriz cuadrada tiene inversa. De hecho, existen muchas matrices cuadradas que no tienen inversa.
Teorema 1.40 Si una matriz A es invertible, entonces su inversa es u
nica.
Prueba. Suponga que B y C son inversas de A. Debemos mostrar que B = C. Por
definicion AB = BA = I y AC = CA = I. De aqu
B = BI = B (AC) = (BA) C = IC = C
Entonces B = C.
Teorema 1.41 Sean A y B dos matrices invertibles de nn. Entonces AB es invertible
y
(AB)1 = B 1 A1
Prueba. Observe que




B 1 A1 (AB) = B 1 A1 A B
= B 1 IB
= B 1 B
=I

Ahora aplicaremos el algoritmo de Gauss para encontrar la inversa de una matriz

Algoritmo 1.42 (Inversa de una matriz cuadrada) Sea A una matriz cuadrada
de orden n, el siguiente procedimiento encuentra A1
Paso 1 Se escribe la matriz aumentada [A | I] .
Paso 2 Se utiliza la reduccion por renglones para poner la matriz A en su forma escalonada reducida por renglones.
Paso 3 Se decide si A es invertible
1. Si la forma escalonada reducida por renglones de A es la matriz identidad I,
entonces A1 es la matriz que tiene a la derecha de la barra vertical.
2. Si la reduccion de A conduce a un renglon de ceros a la izquierda de la barra
vertical, entonces A no es invertible.

1.4. INVERSA DE UNA MATRIZ CUADRADA

24

Observaci
on 1.43 Los pasos 3.1 y 3.2 se pueden expresar de otra manera:
Una matriz A de n n es invertible si y solo si su forma escalonada reducida por
renglones es la matriz identidad; es decir, si su forma escalonada reducida por renglones
tiene n pivotes.
Ejemplo 1.44 Sea

2 4 6
A = 4 5 6
3 1 2
calcule A1 si es posible
Soluci
on. Primero se pone A seguido de I

2 4 6
4 5 6
3 1 2

en la forma de matriz aumentada

|1 0 0
| 0 1 0
|0 0 1

Para reducir a la forma escalonada reducida aplicamos el algoritmo de Gauss R1 12 R1

1 2 3 | 12 0 0
4 5 6 | 0 1 0
3 1 2 | 0 0 1
R2 R2 4R1 , R3 R3 3R1

1 2
3
| 21 0 0
0 3 6 | 2 1 0
0 5 11 | 32 0 1
R2 13 R2

1 2
3
| 12
0 0
0 1
2
| 23 13 0
0 5 11 | 32 0 1

R1 R1 2R2 , R3 R3 + 5R2

1 0 1 | 56 23 0
0 1 2
| 32 13 0
0 0 1 | 11
53 1
6
R3 R3

2
1 0 1 | 56
0
3
0 1 2
| 23 13 0
5
0 0 1 | 11
1
6
3

1.4. INVERSA DE UNA MATRIZ CUADRADA

25

R1 R1 + R3 , R2 R2 2R3

7
1
1 0 0 | 83
3
0 1 0 | 13 11 2
3
3
5
0 0 1 | 11
1
6
3
Como A se redujo a I, se tiene

7
16 14 6
3
1
3
1
11
2 = 26 22 12
A1 = 13
3
3
6
5
11
11 10 6
1
6
3
Para verificar que la matriz encontrada en realidad
que calcular el producto

16 14 6 2
1
A1 A = 26 22 12 4
6
11 10 6 3

6 0 0
1
= 0 6 0 = I
6
0 0 6

es la inversa u
nicamente tiene

4 6
5 6
1 2

por lo que la matriz encontrada es la inversa.

Ejemplo 1.45 Sea

1 3 4
A = 2 5 7
0 1 1
encuentre A1 si existe.
Soluci
on. Seguimos el mismo procedimiento anterior

1 3 4 | 1 0 0
2 5 7 | 0 1 0
0 1 1 | 0 0 1
R2 R2 2R1

1 3 4
|1 0 0
0 1 1 | 2 1 0
0 1 1
|0 0 1

R3 R3 + R2

1 3 4 | 5 3 0
0 1 1 | 2 1 0
0 0
0 | 2 1 1
Hasta aqu se puede llegar porque hemos obtenido una fila de ceros, por lo que concluimos que A es no invertible.
Ejercicio 1.21 Encuentre la matriz inversa si es posible en cada uno de los siguientes
casos:

1.5. DETERMINANTES

2 1
3 2

1 1
3 3

1.

2.

26

3 2 1
4. 0 2 2
0 0 1

2 1 4
5. 1 0 5
19 7 3

1 3 0 2
3 12 2 6

6.
2 10
2
5
1 6
1
3

1 1 1
3. 0 1 1
0 0 1

Ejercicio 1.22 Muestre que si A, B y C son matrices invertibles, entonces ABC es

invertible y (ABC)1 = C 1 B 1 A1 .


3
4
Ejercicio 1.23 Muestre que
es su propia inversa.
2 3

1.5.

Determinantes

Ahora introducimos una nueva funcion, la funcion determinante. La entrada de esta

funcion es una matriz cuadrada y la salida es un n
umero real. Denotamos el determinante de A con |A| . Veamos como construir esta nueva funcion.
Definici
on 1.46 Si A = [a11 ] es una matriz cuadrada de orden 1, entonces det (A) =
|A| = a11 .
Ejemplo 1.47 Si A = [6] entonces |A| = 6.
Los determinantes se definen de manera recursiva, es decir, usando la definiciones
anteriores


a11 a12
Definici
on 1.48 Si A =
es una matriz cuadrada de orden 2, entonces
a21 a22
|A| = a11 |a22 | a12 |a21 |
= a11 a22 a12 a21
Ejemplo 1.49 Eval
ue el siguiente determinante


2 1
A=
3 4
De la definicion:
|A| = 2 (4) (3) (1)
= 8 3 = 11

1.5. DETERMINANTES

27

El determinante de una matriz cuadrada A de orden n (n 2) esta definido de la

manera siguiente: Con una entrada aij dada de A, asociamos la matriz cuadrada de
orden n 1 obtenida al eliminar las entradas en el renglon i y la columna j a las que
la entrada aij pertenece. De esta manera tenemos:
Definici
on 1.50 Sea

Entonces:

a11 a12 a13

A = a21 a22 a23
a31 a32 a33







a22 a23 
a21 a23 
a21 a22 
 a12 



|A| = a11 
a31 a33  + a13 a31 a32 
a32 a33 

Observe el signo en el segundo termino.

Ejemplo 1.51 Sea

3 5 2
A = 4 2 3
1 2 4
Calcule |A|.
Soluci
on. De la definicion se tiene

3

|A| =  4
1

2
= 3 
2

que

5 2
2 3
2 4





 4 3
 4 2
3
 + 2

5 
1 2
4
1 4

= (3) (2) (5) (19) + (2) (10)

= 69
Como sabemos donde ira el signo () en el calculo de un determinante? Con cada
entrada aij se asocia tambien el n
umero
(1)i+j
y a la matriz que resulta de eliminar la i-esima fila y la j-esima columna se le llama
menor ij.
Definici
on 1.52 Sea A una matriz de nn. El cofactor ij de A, denotado Aij , esta dado por
Aij = (1)i+j |Mij |
donde Mij es la matriz resultante de A al eliminar la fila i y la columna j.

1.5. DETERMINANTES

28

Con esto en mente podemos escribir la definicion general de determinante como

sigue:
Definici
on 1.53 Sea A una matriz de orden n. Entonces el determinante de A, denotado por |A| o por det (A), esta dado por
det (A) = |A| =

n
X

a1k A1k

k=1

El lado derecho de esta igualdad se llama expansion por cofactores.

Observaci
on 1.54 Se puede demostrar que la expansion por cofactores se puede aplicar
a cualquier fila, incluso a cualquier columna y se obtiene el mismo valor para det (A).
Ejemplo 1.55 Calcule det (A) donde

1 3 5 2
0 1 3 4

A=
2 1 9 6
3 2 4 8

Soluci
on. De acuerdo a

1

|A| = 1  1
2

la definicion


0
3 4

9 6 3 2
3
4 8

se tiene que





0 1 4
0 1 3
3 4




9 6 + 5 2 1 6 2 2 1 9
3 2 8 
3 2 4 
4 8

= (1) (92) (3) (70) + (5) (2) (2) (16) = 160

Ahora veamos algunas maneras de simplificar los calculos.
Sea A33 una matriz, existe otro metodo para calcular det (A) conocida como regla
de Sarrus: Copie la primera y la segunda columna de la matriz a la derecha como se
ilustra:


a11 a12 a13  a11 a21


a21 a22 a23  a21 a22


a31 a32 a33  a31 a32
Calcule los seis productos que se indican poniendo el signo que indican las flechas y
sume todo:

Observaci
on 1.56 Este metodo UNICAMENTE
funciona para determinantes de orden n = 3. Si intenta algo similar para otros ordenes el resultado es equivocado.

1.5. DETERMINANTES

29

Otros casos especiales son los siguientes:

Teorema 1.57 Sea A = [aij ] una matriz de orden n triangular superior o triangular
inferior. Entonces
det (A) = |A| = a11 a22 ann
Esto es, el determinante de una matriz triangular es igual al producto de su diagonal.
Teorema 1.58 Sea T una matriz triangular superior. Entonces T es invertible si y
solo si det (T ) 6= 0
Teorema 1.59 Sea A una matriz de orden n si A tiene toda una fila o toda una
columna de ceros, entonces det (A) = 0
Teorema 1.60 Sea A una matriz de orden n si dos columnas o dos filas de A son
identicas, entonces det (A) = 0
Teorema 1.61 Sean A y B matrices de orden n. Si B es la matriz obtenida sumando
un m
ultiplo de un renglon de A a otro, entonces det (A) = det (B)
Teorema 1.62 Sean A y B matrices de orden n. Si B es la matriz obtenida de A
intercambiando dos renglones de A, entonces |B| = |A|
Teorema 1.63 Sean A y B matrices de orden n. Si B es la matriz obtenida de A
multiplicando toda una fila por una constante k, entonces |B| = k |A|
Teorema 1.64 Si k es una constante y A una matriz de orden n entonces |kA| = k n |A|
Teorema 1.65 Sean A y B matrices de orden n. Entonces det (AB) = det (A) det (B)
Todos los teoremas anteriores son validos y se cambia renglon por columna, mas
a
un
Teorema 1.66 Sea A una matriz de orden n, entonces
 
|A| = AT 
Finalmente relacionamos los determinantes con las matrices inversas:
Teorema 1.67 Sea A una matriz de orden n, entonces A tiene una inversa si y s
olo
si
det (A) 6= 0
Ejercicio 1.24 Eval
ue los determinantes si es posible

1.5. DETERMINANTES

1.
2.
3.

4.



2 1 


3 2 


3
2 

5 4


2 a


a 2 


 2 1 3


 2 0 1


4 0 6



2 1 5


5. 3 4 1
 0 6 1


1 2 3


6. 4 5 4
3 2 1

30



1
0 3 2 

 4 1 0 1 

7. 

2
1
0
1


1 2 3 1

1

0
8. 
0
0

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



1 0 0 0 


0 2 0 0 

9. 

0 0 4 0 
0 0 0 3


 1 3 2 6 4


 0 13 0 1 5


10. 

2
1
2
3
4


1
1 4 5 9