1

2

Contenido
CAPITULO 1 SISTEMAS DE ECUACIONES LINEALES Y MATRICES ...............................................................3
CAPITULO 2 DETERMINANTES.......................................................................................................................... 15
EJERCICIOS ......................................................................................................................................................... 18
Soluciones de ecuaciones: sistemas de ecuaciones ........................................................................... 18
Mtodo de sustitucin ...................................................................................................................................... 18
Mtodo de igualacin ....................................................................................................................................... 18
Mtodo de reduccin ....................................................................................................................................... 19
Mtodo de Gauss ............................................................................................................................................. 20
Mtodo de Gauss-Jordan .............................................................................................................................. 22
Inversa de una matriz cuadrada ................................................................................................................. 23
Determinantes ................................................................................................................................................... 25
Determinantes e inversas ............................................................................................................................... 26
Vectores .............................................................................................................................................................. 28
Vector ................................................................................................................................................................ 28
Magnitud o longitud de un vector.................................................................................................................... 28
Direccin ........................................................................................................................................................... 28
ngulo entre vectores ...................................................................................................................................... 28
Vector Unitario.................................................................................................................................................. 29
Bases vectoriales ............................................................................................................................................... 29
Bases ortogonales ............................................................................................................................................. 30


3

CAPITULO 1
SISTEMAS DE ECUACIONES LINEALES Y MATRICES
Teorema 1
El sistema

De dos ecuaciones con dos incgnitas x y y no tiene solucin, tiene una solucin nica o tiene un
numero infinito de soluciones. Esto es:
i. Tiene una solucin nica si y solo si a
11
a
22
- a
12
a
21
0
ii. No tiene solucin o tiene un nmero infinito de soluciones, si y solo si a
11
a
22
- a
12
a
21
=0
Definicin 1 Sistemas inconsistentes y consistentes
Se dice que un sistema de ecuaciones lineales es consistente si no tiene solucin. Se dice que un
sistema que tiene al menos una solucin es consistente.
Definicin 2 Forma escalonada reducida por renglones y pivote
Una matriz se encuentra en forma escalonada reducida por renglones si se cumplen las siguientes
condiciones:
i. Todos los renglones (si los hay) cuyos elementos son todos cero aparecen en la parte
inferior de la matriz.
ii. El primer nmero diferente de cero (comenzando por la izquierda) en cualquier rengln
cuyos elementos no todos son cero es 1.
iii. Si dos renglones sucesivos tienen elementos distintos de cero, entonces el primer 1 en el
rengln de abajo est ms hacia la derecha que el primer 1 en el rengln de arriba.
iv. Cualquier columna que contiene el primer 1 en un rengln tiene ceros en el resto de sus
elementos. El primer nmero diferente de cero en un rengln (si lo hay) se llama pivote
para ese rengln.
Nota: La condicin iii se puede reescribir como el pivote en cualquier rengln est a la derecha
del pivote del rengln anterior.
Definicin 3 Forma escalonada por renglones
Una matriz est en la forma escalonada por renglones si se cumplen las condiciones i), ii) y iii) de la
definicin 2.
En el ejemplo 1 se comenz con las matrices de coeficientes
4

[



]
En el proceso de reduccin por renglones, A
1
se redujo a la matriz

[



]
En el ejemplo 2 se comenz con

[



]
Y se termin con

[



]
En el ejemplo 3 se comenz con

[



]
Y se termin con

[



]
Las matrices R
1
, R
2
y R
3
se llaman formas escalonadas reducidas por renglones de las matrices A
1
, A
2
y
A
3
, respectivamente.
1.4 SISTEMAS HOMOGENEOS DE ECUACIONES
Teorema 1
El sistema homogneo (1) tiene un nmero infinito de ecuaciones si n>m
1.5 VECTORES Y MATRICES
Definicin 4 Vector rengln de n componentes
Un vector de n componentes se define como un conjunto ordenado de n nmeros escritos de la
siguiente manera:
(x
1
, x
2
,, x
n
)
Definicin 5 Vector columna de n componentes
5

Un vector columna de n componentes es un conjunto ordenado de n nmeros escritos de la siguiente
manera:
[

]
Componentes de un vector:
x
1
se denomina la primera componente del vector, x
2
es la segunda componente y as sucesivamente.
En trminos generales x
k
se denomina k-sima componente del vector.
Con el objetivo de simplificar con frecuencia se har referencia a un vector rengln de n componentes
como un vector rengln o un n-vector. Del mismo modo, se usara el termino vector columna (o n-
vector) para denotar a un vector columna de n componentes. Cualquier vector cuyos elementos sean
todos cero se denomina vector cero.
Advertencia
La palabra ordenado contenida en la definicin de un vector es de fundamental importancia. Dos
vectores con las mismas componentes escritas en diferente orden no son iguales. De esta forma, por
ejemplo, os vectores rengln (1,2) y (2,1) no son iguales.
Los componentes de todos los vectores en este texto son nmeros reales complejos. Se denota al
conjunto de todos los nmeros reales por el smbolo y al conjunto de nmeros complejos por
smbolo.
Definicin 3 Matriz
Una matriz A de mXn es un arreglo rectangular de mn nmeros dispuestos en m renglones y n
columnas

El smbolo mXn se lee m por n. A menos que se establezca lo contrario, se supondr siempre que los
nmeros en una matriz o vector son reales.
Si A es una matriz mXn con m=n entonces A se llama matriz cuadrada. Una matriz mXn con todos los
elementos =0 entonces A se llama matriz cero de mXn.
Una matriz mXn tiene tamao de mXn.
[
[
6

Definicin 4 Igualdad de matrices
Dos matrices A= (a
ij
) y B= (b
ij
) son iguales si (1) son del mismo tamao y (2) los componentes
correspondientes son iguales.
Definicin 5 Suma de matrices
Sean A= (a
ij
) y B= (b
ij
) dos matrices mXn. Entonces la suma de A y B es la matriz mXn, A+B dada por
(

) *

+
Es decir, A+B es la matriz mXn que se obtiene al sumar los componentes correspondientes de A y B.
Advertencia
La suma de dos matrices se define nicamente cuando las matrices son del mismo tamao. Por
ejemplo, no es posible sumar *


+ y [



] o las matrices (vectores) (

) y (

). Son
incompatibles bajo la suma.
Definicin 6 Multiplicacin de una matriz por una escalar
Si A= (a
ij
) es una matriz de mXn y si es una escalar, entonces la matriz mXn, A est dada por
(

) *

+
Esto es A= (a
ij
) es la matriz obtenida al multiplicar cada componente de A por . Si A= B= (b
ij
)
entonces b
ij
= a
ij
para i=1, 2,, m y j=1, 2,, n.
Teorema 1
Sean A, B y C tres matrices de mXn y sean y dos escalares, entonces:
i. A+0 = A
ii. 0A= 0
iii. A+B= B+A (ley conmutativa para la suma de matrices)
iv. (A+B)+C= A+(B+C) (ley conmutativa para la suma de matrices)
v. (A+B)= A + B (ley distributiva para la multiplicacin por un escalar)
vi. 1A = A
vii. (+)A= A+A
Nota: El cero en la parte i) del teorema es la matriz cero de mXn. En la parte ii) el cero a la izquierda
es un escalar mientras a la derecha es la matriz cero de mXn.
7




1.6 PRODUCTOS VECTORIAL Y MATRICIAL
Definicin 1 Producto escalar
Sean *

+ y *

+ dos vectores. Entonces el producto escalar de a y b denotado por ab est

dado por:
ab= a
1
b
1
+ a
2
b
2
+ + a
n
b
n
(1)
Debido a la notacin en (1) el producto escalar se llama con frecuencia producto punto o producto
interno de los vectores. Observe que el producto escalar de sus vectores es un escalar (es decir, un
numero).
Advertencia
Al tomar el producto escalar d a y b es necesario que a y b tengan el mismo nmero de componentes.
A menudo se tomar el producto escalar de un vector rengln y un vector columna. Es este caso se
tiene

(

) *

Teorema 1
Sean a, b y c tres n vectores y sean y dos escalares. Entonces
i. a0 = 0
ii. ab = ba (ley conmutativa del producto escalar)
iii. a(b+c)= ab + ac (ley distributiva del producto escalar)
iv. (a)b = (ab)
Definicin 2 Producto de dos matrices
Sea A = (a
ij
) una matriz de mXn y sea B = (b
ij
) una matriz nXp. Entonces al producto de A y B es una
matriz mXp, C= (c
ij
) en donde
Vector rengln 1 x n
Vector columna 1 x n
Este es el nmero real (un escalar)
(2)
8

Cij = (rengln i de A) (columna j de B) (3)
Es decir, el elemento ij de AB es el producto punto del rengln i de A y la columna j de B. si esto se
extiende, se obtiene
C
ij
= a
i1
b
1j
+ a
i2
b
2j
+ + a
in
b
nj
(4)
Si el nmero de columnas de A es igual al nmero de renglones de B, entonces se dice que A y B son
compatibles bajo la multiplicacin.
Advertencia
Dos matrices se pueden multiplicar nicamente si el nmero de columnas de la primera matriz es
igual al nmero de renglones de la segunda. De otro modo los vectores que forman el rengln i en A y
la columna j de B no tendrn el mismo nmero de componentes y el producto punto en la ecuacin
(3) no estar definido. Dicho de otro modo, las matrices A y B sern incompatibles bajo la
multiplicacin.
Teorema 2 Ley asociativa para la multiplicacin de matrices
Sea A= (a
ij
) una matriz de nXm, B= (b
ij
) una matriz de mXp y C= (c
ij
) una matriz de pXq. Entonces la ley
asociativa
A (BC) = (AB) C (5)
Se cumple y ABC, definida por cualesquiera de los lados de la ecuacin (5) es una matriz de nXq.
La prueba de este teorema no es difcil, pero laborioso. Se desarrolla mejor usando la notacin
sumatoria.
La ley asociativa se puede extender a productos de ms matrices. Por ejemplo, suponga que AB, BC y
CD estn definidas. Entonces
ABCD = A (B (CD)) = ((AB) C) = A (BC) D = (AB) (CD) (6)
Existen dos leyes distributivas para la multiplicacin de matrices.
Teorema 3 Ley distributiva para la multiplicacin de matrices
Si todas las sumas y todos los productos siguientes estn definidos, entonces
A (B+C) = AB + AC (7)
Y
(A+B)C = AC + BC (8)
1.7 MATRICES Y SISTEMAS DE ECUACIONES LINEALES
Teorema 1
9

Sean x
1
y x
2
soluciones al sistema no homogneo. Entonces su diferencia x
1
- x
2
es una solucin al
sistema homogneo relacionado
A(x
1
-x
2
) = Ax
1
- A x
2
= b b = 0

Sea x una solucin particular al sistema no homogneo y sea y otra solucin a (4). Entonces existe una
solucin h al sistema homogneo tal que
y = x + h
Si h est definida por h = y-x, entonces h es una solucin de (5) por el teorema 1 y y = x + h
1.8 INVERSA DE UNA MATRIZ CUADRADA
Definicin 1 Matriz identidad
La matriz identidad I
n
de nXn es una matriz de nXn cuyos elementos de la diagonal principal son
iguales a 1 y todos los dems elementos son 0. Esto es
I
n
= (b
ij
) donde b
ij
=
Teorema 1
Sea A una matriz cuadrada de nXn. Entonces
AI
n
= I
n
A = A
Es decir, I
n
conmuta con toda matriz de nXn y no la deja sin cambio despus de la multiplicacin por la
derecha o por la izquierda.
Nota. I
n
funciona para las matrices de nXn de la misma manera que el numero 1 funciona para los
nmeros reales
(1a = a1 = a para todo numero real a)
Definicin 2 La inversa de una matriz
Sean A y B dos matrices de nXn. Suponga que
AB = BA = I
Entonces B se llama inversa de A y se denota por A
-1.
Entonces se tiene
AA
-1
= A
-1
A = I
Si A tiene inversa, entonces se dice que A es invertible. Una matriz cuadrada que no es invertible se le
denomina singular y una matriz invertible se llama no singular.
Observacin 1. A partir de esta definicin se deduce inmediatamente que (a
-1
)
-1
= A si A es invertible.
Por ley distributiva 7
{
1 si i = j
0 si i j
10

Observacin 2. Esta definicin no establece que toda matriz cuadrada tiene inversa. De hecho, existen
muchas matrices cuadradas que no tienen inversa.
Teorema 2
Si una matriz A es invertible, entonces si inversa es nica. Suponga que B y C son dos inversas de A. Se
puede demostrar que B = C. Por definicin se tiene AB = BA = I y AC = CA = I. B (AC) = (BA) C por la ley
asociativa de la multiplicacin de matrices. Entonces
B = BI = B (AC) = (BA) C = IC = C
Entonces B = C y el teorema queda demostrado.
Teorema 3
Sean A y B dos matrices invertibles de nXn. Entonces AB es invertible y
(AB)
-1
= B
-1
A
-1

Demostracin
Se necesita la definicin 2: B
-1
A
-1
= (AB)
-1
si y solo si B
-1
A
-1
= (AB)= (AB) (B
-1
A
-1
) = I

Teorema 4
Sea A = una matriz de 2x2, entonces
i. A es invertible si y solo si det A 0
ii. Si det A 0, entonces

+
Advertencia
Cuando se calcula A
-1
es fcil cometer errores numricos. Por ello es importante verificar los clculos
viendo que A
-1
A = I


Definicin 3 Matrices equivalentes por renglones
Suponga que la matriz A se puede transformar en la matriz B mediante operaciones con renglones.
Entonces se dice que A y B son equivalentes por renglones.
El razonamiento anterior se puede usar para probar el siguiente teorema.
Teorema 5
11

Sea A una matriz de nXn

i. A es invertible si y solo si A es equivalente por renglones a la matriz identidad I
n
; esto es, si
la forma escalonada reducida por renglones de A es I
n
.
ii. A es invertible si y solo si el sistema Ax = b tiene una solucin nica para cada n-vector b.
iii. Si A es invertible, entonces la solucin nica de Ax = b est dada por x = A
-1
b.
iv. A es invertible si y solo si su forma escalonada reducida por renglones tiene n pivotes.
Teorema 6 Teorema de resumen
Sea A una matriz de nXn, por lo que las seis afirmaciones siguientes son equivalentes. Es decir, cada
una de ellas implica que las otras cinco (de manera que si se cumple una, todas se cumplen, y si una
es falsa, todas son falsas).
i. A es invertible
ii. La nica solucin al sistema homogneo Ax = 0 es la solucin trivial (x = 0)
iii. El sistema Ax = b tiene una solucin nica para cada n-vector b
iv. A es equivalente por renglones a la matriz identidad I
n
, de nXn; es decir, la forma
escalonada reducida por renglones de A es I
n

v. La forma escalonada por renglones de A tiene pivotes
vi. det A D (hasta ahora solo se ha definido det A si A es una matriz de 2X2
Teorema 7
Sean A y B matrices de nXn. Entonces A es invertible y B = A
-1
ya sea si i) BA = I o si ii) AB = I
i. Se supone que BA = I. Considere el sistema homogneo Ax = 0. Si se multiplican por la
izquierda ambos lados de esta ecuacin por B, se obtiene
BAx = B0 (18)
Pero BA = I y B0 = 0, de manera que (18) se convierte en Ix = 0 o x = 0. Esto muestra que x =
0 es la nica solucin a Ax = 0 y por el teorema 6, incisos i) y ii), esto quiere decir que A es
invertible. Todava debe demostrarse que B = A
-1
. Sea A
-1
= C. Entonces, AC = I. As
BAC = B (AC) = BI = B y BAC = (BA) C) IC = C
Por lo tanto, B = C y el inciso i) queda demostrado.
ii. Sea AB = I. Entonces el inciso i), A = B
-1
de la definicin 2 esto significa que AB = BA = I, lo
que prueba que A es invertible y que B = A
-1
. Esto completa la demostracin.


12


1.9 TRANSPUESTA DE UNA MATRIZ
Definicin 1 Transpuesta
Sea A = (a
ij
) una matriz de mXn. Entonces la transpuesta de A, que se escribe A, es la matriz de nXm
que se obtiene al intercambiar los renglones por las columnas de A. de manera breve, se puede
escribir A = (a
ij
). En otras palabras:

*

+ (1)
Simplemente se coloca el rengln i de A como la columna i de A y la columna j de A como el rengln j
de A.
Teorema 1
Suponga que A = (a
ij
) es una matriz de nXm y B = (b
ij
) es una matriz de mXp. Entonces
i. (A) = A
ii. (AB) = BA
iii. Si A y B son nXm, entonces (A+B) = A + B
iv. Si A es invertible, entonces A es invertible y (A)
-1
= (A
-1
)

Definicin 2 Matriz simtrica
La matriz (cuadrada) A de n x n se denomina simtrica si At 5 A. Es decir, las columnas de A son
tambin los renglones de A.
1.10 MATRICES ELEMENTALES Y MATRICES INVERSAS
Definicin 1 Matriz elemental
Una matriz (cuadrada) E de n 3 n se denomina una matriz elemental si se puede obtener a partir de la
matriz identidad, In, de n 3 n mediante una sola operacin elemental con renglones.
Notacin. Una matriz elemental se denota por E, o por cR
i
, R
j
1 cR
i
, o por P
ij
de acuerdo con la forma
en que se obtuvo de I. En este caso, P
ij
es la matriz obtenida a partir del intercambio de los renglones
de i y j de I.
Teorema 1
13

Para realizar una operacin elemental en una matriz A se multiplica A por la izquierda por la matriz
elemental adecuada.
Teorema 2
Toda matriz elemental es invertible. El inverso de una matriz elemental es una matriz del mismo tipo.
Nota. El inverso de una matriz elemental se puede encontrar por inspeccin. No es necesario realizar
clculos.
Teorema 3
Una matriz cuadrada es invertible si y solo si es el producto de matrices elementales.
Teorema 4
Sea A una matriz de n 3 n Entonces las siguientes siete afirmaciones son equivalentes.
Es decir, cada una implica a las otras seis (de manera que si una afirmacin es cierta,
Todas son ciertas, y si una es falsa, todas son falsas).
i. A es invertible.
ii. La nica solucin al sistema homogneo Ax 5 0 es la solucin trivial (x 5 0).
iii. El sistema Ax 5 b tiene una solucin nica para cada n-vector b.
iv. A es equivalente por renglones a la matriz identidad de n 3 n, In; es decir, la forma
escalonada reducida por renglones de A es In.
v. A se puede escribir como el producto de matrices elementales.
vi. La forma escalonada por renglones de A tiene n pivotes.
vii. det A Z 0 (por ahora, det A esta definido solo si A es una matriz de 2 3 2).

Definicin 2 Matriz triangular superior y matriz triangular inferior
Una matriz cuadrada se denomina triangular superior (inferior) si todas sus componentes abajo
(arriba) de la diagonal principal son cero.
Teorema 5
Sea A una matriz cuadrada. Entonces A se puede escribir como un producto de matrices elementales
y una matriz triangular superior U. En el producto, las matrices elementales se encuentran a la
izquierda y la matriz triangular superior a la derecha.
1.11 FACTORIZACIONES LU DE UNA MATRIZ
Teorema 1
El producto de las matrices triangulares inferiores con unos en la diagonal es una matriz triangular
inferior con unos en la diagonal. Ms aun, el producto de dos matrices triangulares superiores es una
matriz triangular superior.
14

Teorema 2 Teorema de la factorizacin LU
Sea A una matriz cuadrada (n 3 n) y suponga que A se puede reducir por renglones a una matriz
triangular U sin hacer alguna permutacin entre sus renglones. Entonces existe una matriz triangular
inferior L invertible con unos en la diagonal tal que A 5 LU. Si, adems, U tiene n pivotes (es decir, A es
invertible), entonces esta factorizacin es nica.
Teorema 3
Sea A una matriz invertible de n 3 n Entonces existe una matriz de permutacin P tal que
PA 5 LU
Donde L es una matriz triangular inferior con unos en la diagonal y U es triangular superior.
Para cada P (puede haber ms de una), las matrices L y U son nicas.
Advertencia
La tcnica que se ilustra en el ejemplo 5 funciona nicamente si A se puede reducir a una Matriz
triangular sin realizar permutaciones. Si las permutaciones son necesarias, primero se debe
multiplicar A por la izquierda por una matriz de permutacin adecuada; despus se puede aplicar este
proceso para obtener la factorizacin PA 5 LU.
Teorema 4 Factorizacin LU para matrices no cuadradas
Sea A una matriz de m 3 n. Suponga que A se puede reducir a su forma escalonada por renglones sin
realizar permutaciones. Entonces existen una matriz L triangular inferior de m 3 m con unos en la
diagonal y una matriz U de m 3 n con uij 5 0 si i > j tales que A 5 LU.

1.12 TEORIA DE GRAFICAS: UNA APLICACIN DE MATRICES
Teorema 1
Si A es la matriz de incidencia de una grfica dirigida, la componente ij de A2 da el numero de 2-
cadenas de un vrtice i a un vrtice j.
Teorema 2
Sea A una matriz de incidencia de una grfica dirigida. Sea aij
(n)
la componente ij de An.
i. Si aij
(n)
5 k, entonces existen exactamente k n-cadenas del vrtice i al vrtice j.
ii. Ms an, si aij
(m)
5 0 para toda m < n y a
ij
(n) 0, entonces la cadena corta del vrtice i
al vrtice j es una n-cadena.


15

CAPITULO 2
DETERMINANTES
Definiciones
Sea A = (

) una matriz de 2x2, entonces la determinante de A

detA = || = a
11
a
12
a
21
a
12
Definicin 1 Matriz de 3x3
A = |

| =

|
Advertencia
Este mtodo no funciona para determinantes de n 3 n si n > 3. Si intenta algo similar para
determinantes de 4 3 4 o de orden mayor, obtendr una respuesta equivocada.

Definicin 2 Menor
Sea A una matriz de n 3 n y sea Mij la matriz de (n 21) 3 (n 21) que se obtiene de A eliminando el
rengln i y la columna j. Mij se llama el menor ij de A.

Definicin 3 Cofactor
Sea A una matriz de n 3 n. El cofactor ij de A, denotado por Aij, esta dado por

Definicin 4 Determinante nXn
Sea A una matriz de n 3 n. Entonces el determinante de A, denotado por det A o |A|, esta dado por

Definicin 5 Matriz Triangular
Una matriz cuadrada se denomina triangular superior si todas sus componentes debajo de la diagonal
son cero. Es una matriz triangular inferior si todas sus componentes arriba de la diagonal son cero.
16

Una matriz se denomina diagonal si todos los elementos que no se encuentran sobre la diagonal son
cero; es decir, A 5 (aij) es triangular superior si aij 5 0 para i . j, triangular inferior si aij 5 0 para i , j, y
diagonal si aij 5 0 para i ? j.
Observe que una matriz diagonal es tanto triangular superior como triangular inferior.

Teorema 1
Sea A 5 (aij) una matriz de n 3 n triangular superior o inferior. Entonces

Esto es: el determinante de una matriz triangular es igual al producto de sus componentes en la
diagonal.
Teorema 2
Sea T una matriz triangular superior. Entonces T es invertible si y solo si det T 0.
Teorema 3
El rea generada por A = |det A|.
PROPIEDADES DE DETERMINANTES
Teorema 1

Teorema 2
Si una matriz cuadrada A tiene la factorizacion LU, A 5 LU donde L tiene unos en la diagonal, entonces
det A = det U = producto de los elementos de la diagonal de U
Teorema 3
17


PROPIEDADES DE DETERMINANTES
Definicin 1 La adjunta
Sea A una matriz de n 3 n y sea B, dada por (3), la matriz de sus cofactores. Entonces, la adjunta de A,
escrito adj A, es la transpuesta de la matriz B de n x n.

Advertencia
Al calcular la adjunta de una matriz, no olvide transponer la matriz de cofactores.


18

EJERCICIOS
Soluciones de ecuaciones: sistemas de ecuaciones
Mtodo de sustitucin
1. Se despeja una incgnita en una de las ecuaciones.
2. Se sustituye la expresin de esta incgnita en la otra ecuacin, obteniendo una ecuacin con
una sola incgnita.
3. Se resuelve la ecuacin.
4. El valor obtenido se sustituye en la ecuacin en la que apareca la incgnita despejada.
5. Los dos valores obtenidos constituyen la solucin del sistema.
Ejemplo

1. Despejamos una de las incgnitas en una de las dos ecuaciones. Elegimos la incgnita que
tenga el coeficiente ms bajo.

2. Sustituimos en la otra ecuacin la variable x, por el valor anterior:

3. Resolvemos la ecuacin obtenida:

4. Sustituimos el valor obtenido en la variable despejada.

5. Solucin


Mtodo de igualacin
1. Se despeja la misma incgnita en ambas ecuaciones. Se igualan las expresiones, con lo que
obtenemos una ecuacin con una incgnita.
2. Se resuelve la ecuacin.
3. El valor obtenido se sustituye en cualquiera de las dos expresiones en las que apareca
despejada la otra incgnita.
4. Los dos valores obtenidos constituyen la solucin del sistema.

Ejemplo

1. Despejamos, por ejemplo, la incgnita x de la primera y segunda ecuacin:
19



2. Igualamos ambas expresiones:

3. Resolvemos la ecuacin:


4. Sustituimos el valor de y, en una de las dos expresiones en las que tenemos despejada la x:

5. Solucin:


Mtodo de reduccin
1. Se preparan las dos ecuaciones, multiplicndolas por los nmeros que convenga.
2. La restamos, y desaparece una de las incgnitas.
3. Se resuelve la ecuacin resultante.
4. El valor obtenido se sustituye en una de las ecuaciones iniciales y se resuelve.
5. Los dos valores obtenidos constituyen la solucin del sistema.

Ejemplo

1. Lo ms fcil es suprimir la y, de este modo no tendramos que preparar las ecuaciones; pero
vamos a optar por suprimir la x, para que veamos mejor el proceso.

2. (2 y 3)Restamos y resolvemos la ecuacin:

3. (4) Sustituimos el valor de y en la segunda ecuacin inicial.


4. (5) Solucin:

20

Mtodo de Gauss
El Mtodo de Gauss o tambin llamado eliminacin de Gaussiana, es un mtodo por el cual
pueden resolverse sistemas de ecuaciones lineales con n nmeros de variables, encontrar matrices y
matrices inversas, en este caso desarrollaremos la primera aplicacin mencionada.
Para resolver sistemas de ecuaciones lineales aplicando este mtodo, se debe en primer lugar
anotar los coeficientes de las variables del sistema de ecuaciones lineales en su notacin matricial.
Entonces, anotando como matriz (tambin llamada matriz aumentada).
En la eliminacin Gaussiana, se hacen ceros debajo de la diagonal principal realizando
transformaciones y operaciones que afectan a todo el rengln propuesto, y entonces queda la ltima
incgnita que se despeja inmediatamente, despus se va a la penltima ecuacin que ha quedado y
se despeja la penltima incgnita y as sucesivamente.
Las transformaciones que podemos realizar en dicha matriz para transformar el sistema inicial
en otro equivalente son las siguientes:
Multiplicar o dividir una fila por un nmero real distinto de cero.
Sumarle o restarle a una fila otra fila.
Sumarle a una fila otra fila multiplicada por un nmero distinto de cero.
Cambiar el orden de las filas.

Ejemplo:
Despejar la siguiente ecuacin por eliminacin gaussiana:
x-2y+3z=11
4x+y-z=4
2x-y+3z=10
Anotamos este sistema de ecuaciones en forma de matriz:
[(



|

)]
Realizamos los procedimientos necesarios:
21

[(



|

)]

[(



|

)]

[(

)]

|
|

[(

)]
Ahora que se sabe que z=1, se despejan las otras variables


x=2
y=-3
z=1



y - 13/9 (z) = -40/9
y - 13/9 = -40/9
+13/9 +13/9
y = -27/9
y = -3

x 2(y) + 3(z) = 11
x + 6 + 3 = 11
x + 9 = 11
-9 -9____
x = 2
y = -3
22

Mtodo de Gauss-Jordan
En la eliminacin Gauss-Jordan, se hacen ceros debajo y encima de la diagonal principal
realizando transformaciones y operaciones que afectan a todo el rengln propuesto, de tal manera
que al resultado de las incgnitas se dan en la ltima matriz resultante. Tras todo el procedimiento
debe quedar la matriz de la siguiente forma:
(



|

)
Siendo x, y y z el valor de las incgnitas.
Ejemplo
Resolver por eliminacin de Gauss-Jordan el siguiente sistema de ecuaciones:
X 2y +3z = 11
4x + y -3z = 4
2x y + 3z = 10
Anotamos este sistema de ecuaciones en forma de matriz:
[(



|

)]
Realizamos los procedimientos necesarios:
[(



|

)]

[(



|

)]

[(

)]

|
|

|
|

[(



|

)]
As obtenemos los resultados de las incgnitas x, y y z que son: x=2, y=-3, z=1
23

Inversa de una matriz cuadrada

Una matriz cuadrada se llama matriz identidad si todos los componentes de su diagonal
principal son iguales a uno y todos los dems componentes que no estn en la diagonal principal son
iguales a cero. La matriz identidad se representa con la letra I (la letra i mayscula).
El clculo de la matriz inversa por el mtodo de Gauss supone transformar una matriz en otra,
equivalente por filas. La demostracin rigurosa del procedimiento que a continuacin se describe se
sale del propsito del presente bloque, aqu se limita a su exposicin y comprobacin de que
efectivamente se obtiene la matriz inversa.
En esencia, el mtodo consiste, para una matriz cuadrada de orden n, en:
1. Formar una matriz de orden nx2n tal que las primeras columnas sean las de la matriz A y las
otras n las de la matriz identidad de orden n
2. Mediante las transformaciones elementales de las filas de una matriz, convertir la matriz
anterior en otra que tenga en las n primeras columnas la matriz identidad y en las n ltimas
otra matriz que precisamente ser A-1.
El mtodo consiste, pues, en colocar juntas la matriz a invertir, y la matriz identidad.
(A|I)

(I|A
-1
)
Por medio de transformaciones elementales, vamos modificando nuestra matriz hasta obtener la
matriz identidad. Cada paso que apliquemos a la matriz se lo aplicaremos a la matriz identidad.
Cuando hayamos obtenido la matriz identidad, la de la derecha ser la inversa. Si no podemos
llegar a la matriz identidad (por ejemplo, sale alguna fila de ceros), significa que la matriz no ser
invertible.
Ejemplo:
Comprobar que [



] si es invertible y calcular la inversa

[







]







R
2
R
2
1R
1

[







]
R
2
1R
1

[







]
[







]
R
1
R
1
2R
2
R
3
R
3
1R
2


[







]
R
2
R
2
1R
3
R
1
R
1
1R
3


24


La inversa es [



]
Para comprobarlo se realiza la multiplicacin de matrices: la matriz original por la inversa de la matriz.
El resultado de esta operacin debe ser igual a la matriz identidad.
[



] [



] [



]

25

Determinantes
En el caso de una matriz de 2x2 la determinante es la siguiente:
A = (

)
detA = || = a
11
a
12
a
21
a
12
Ejemplo:
A = (


)
|| ( ) ( )
||
||

En el caso de una matriz de 3x3 la matriz es la siguiente:
A = |

| =

|
detA = || = a
11
(a
22
a
33
a
32
a
23
) -

a
12
(a
21
a
33
a
31
a
23
) + a
13
(a
21
a
32
a
31
a
32
)

Ejemplo:
(



)
|| |


| |


| |


|
|| ( ) ( ) ( )
||
||

26

Determinantes e inversas
Si A es invertible, entonces
detA 0
det A
-1
=

I = detI = det AA
-1
= detA det A
-1
La adjunta
Sea A una matriz de nXn y sea B la matriz de sus cofactores. Entonces la adjunta de A, escrito AdjA, es
la transpuesta de la matriz B de nXn.
[

[(

)]
Cofactores

Los cofactores de los nueve elementos de A son:

[



]
La transpuesta de la matriz de los cofactores proporciona el adjunto de A

Ejemplo:
[



] [



]
La matriz B resulta de sacar los cofactores de la matriz A
27

Por lo tanto, la Adjunta de A es igual a la transpuesta de B

[



]
Sea A una matriz de nXn, entonces A es invertible si y solo si
detA 0
Si detA 0 entonces
A
-1
=

Aplicado en el ejemplo esto es:
detA = -42 8 +72 = 22

[



]
[

Y se comprueba multiplicando la matriz original por la matriz resultante, y el producto de sta
multiplicacin debe ser la matriz identidad:
[



]
[

[



]

28

Vectores
Vector
En el plano xy es un par ordenado de nmeros reales (a,b). los nmeros a y b se denominan
elementos o componentes del vector V. el vector 0 es (0,0)
Magnitud o longitud de un vector
Es un conjunto de segmentos de recta equivalentes
||

Direccin
Se define como el ngulo medido en radianes, que forma el vector con el lado positivo del eje X. por
convencin se escoge tal que 0 < 2

Ejemplo:
V = (2,2)

||

||
||

ngulo entre vectores

El ngulo entre 2 vectores se calcula con la formula

|| ||

Ejemplo:
U= (1, 2)
V = (3, 2)
||

. ||

|| . ||
|| . ||

1
1
2
3
2 3
29

( ) ( )

Vector Unitario
Para sacar un vector unitario es necesario sacar primero la determinante de ese vector. Luego usar la
formula siguiente:
||

||
)

||
)

Ejemplo:
V = (2,2)
||

||

||
||

Bases vectoriales
2 vectores

con distinta direccin forman una base, porque cualquier vector del plano se puede
poner como combinacin lineal de ellos.
X = a

+ b

Las coordenadas del vector respecto a la base son

= (a, b)
Ejemplo:
W = 2u + 2v w = (2, 3)
Z = -1/2u 2v z = (-1/2, -2)
3
2
1
1 2 3
29.7
30

Los vectores que forman una base, no pueden ser paralelos.






Bases ortogonales: si los vectores de la base son perpendiculares entre s.
Base ortonormal: Si los 2 vectores de la base son perpendiculares entre s, y adems tienen mdulo 1.
Ejemplo:
U= (1, 2) v = (2, 1) w = (3, 5)
Hay que verificar que se pueda formar una base. Esto se realiza multiplicando los valores de los
vectores en forma fraccional, de manera cruzada. Es decir,

Si la multiplicacin de stos no da el mismo resultado, se puede formar base.
{u, w}

6 = 5 si se puede
{u, v}

4 = 1 si se puede
{w, v}

3 = 10 si se puede
Ahora se expresa a w como combinacin lineal de la base




3v
2u