Libro Algebra Lineal Capitulos 0 1

Notas de
Álgebra Lineal
Bracamonte P. Mireya R.
Marchan M. Luz E.
Índice general
0. Matrices y determinantes 1
0.1. Notación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
0.2. Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
0.3. Álgebra de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
0.4. La inversa de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
0.4.1. Algoritmo de Gauss-Jordan para hallar la inversa de una matriz . . . . . . . 26
0.5. Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
0.6. Menores y cofactores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
0.7. Propiedades de los determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
0.7.1. Determinante e inversa de una matriz cuadrada . . . . . . . . . . . . . . . . 38
0.8. Entrenamiento para el lector . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
1. Sistemas de ecuaciones lineales 45

1.1. Ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
1.2. Sistemas de ecuaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
1.3. Representación matricial de un sistema de ecuaciones lineales . . . . . . . . . . . . . 48
1.4. Teoremas básicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
1.4.1. Método de eliminación de Gauss-Jordan . . . . . . . . . . . . . . . . . . . . 51
1.5. Algunas aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
1.6. Problemas del capı́tulo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
I
Prologo
Estas notas de álgebra lineal corresponden al curso desarrollado en la Facultad de Ciencias

Naturales y Matemática (FCNM) de la Escuela Superior Politécnica del Litoral (ESPOL). El
texto pretende brindar un apoyo que contribuya a que el estudiante se haga más independiente
en su estudio, haciéndose consciente cada vez más que la educación ya no está centrada en el
profesor, sino que se debe apropiar de su responsabilidad de investigar y explorar de tal forma
que comprenda y aplique lo aprendido mediante estrategias de estudio acopladas a su forma de
trabajo.
II
Capı́tulo 0
Matrices y determinantes
Los comienzos de las matrices y los determinantes datan del siglo

II AC, aunque hay indicios desde el siblo IV AC. Sin embargo,
no fue hasta fines del siglo XVII que las ideas reaparecieron y se
desarrollaron con fuerza. Los comienzos de las matrices y los de-
terminantes surgen a través del estudio de sistemas de ecuaciones
lineales. En Babilonia se estudiaron problemas que involucraban a
ecuaciones lineales simultáneas.
Morris Kline dice que las matrices y determinantes no son un
tema decisivo en la historia de las matemáticas porque, mas que
nuevos contenidos teóricos, lo que aportan son innovaciones en el
lenguaje o nuevos instrumentos de expresión matemática, no por
ello debemos olvidar el lugar que han ocupado estas dimensiones
en la evolución matemática.
0.1. Notación
A lo largo de este texto trabajaremos con caompo de números, bien sea el conjunto de los
números reales, denotado por R, o el conjunto de los números complejos C. En general, escribiremos
x ∈ K, para indicar que x es un número en el campo K, el cual puede ser R o C.
1
2
0.2. Matrices
Definición 1.
Sean m y n números enteros tales que m, n ≥ 1. Una matriz de orden (o tamaño)

m × n es un arreglo rectangular de número (reales o complejos) distribuidos en m filas
(o renglones) y n columnas. Esto es:
 
a11 a12 a13 · · · a1n
 a21 a22 a23 ··· a2n
 

 
(aij )m×n := 
 a31 a32 a33 ··· a3n 
.. .. .. ..


. . . ... .

 
am1 am2 am3 · · · amn
Ejemplo 1. .
   
2 3 5 1
1. A =  4 −1 0  , 2
   
3. C =  ,
 
5 1 2 0
√
 
2
1
 
4 0 1
 2 
2. B =  1 2 −1

0
,
 2
4. D = 1 −5 0 .
0 2 5 −2 3
Observación 1. Al conjunto de todas las matrices de orden m × n cuyas entradas pertenecientes

a K será denotado como Mm×n (K). Ası́, si escribimos A ∈ Mm×n (K), estamos indicando que A es
una matriz de orden m × n con entradas en K. Por su parte, el conjunto de todas las matrices
cuadradas de orden n será denotado como Mn (K).
Algunas observaciones a tomar en cuenta:

Ê La entrada de la fila i y columna j es denotada por aij , donde i = 1, 2, · · · , m y j = 1, 2, · · · , n
con n, m ≥ 1, por esta razón, una matriz de orden m × n es denotada de forma genérica como
(aij )m×n .
Ë Las matrices usualmente son denotadas con letras mayúsculas.
3
Ì Algunos autores escriben

 
a11 a12 a13 · · · a1n
a21 a22 a23 · · · a2n
 
 
 
 a31 a32 a33 · · · a3n 
.. .. .. . . ..
 
.
 
 . . . . 
en lugar de  
a11 a12 a13 · · · a1n
a21 a22 a23 · · · a2n
 
 
 
 a31 a32 a33 · · · a3n .
.. .. .. . . ..
 
.
 
 . . . . 
Í Una matriz cuyo número de filas y de columnas sean iguales se denomina matriz cuadrada.
Î En una matriz cuadrada, los elementos aii conforman la diagonal principal de la matriz.
 
a11 a12 a13 · · · a1n
a21 a22 a23 · · · a2n 
 

 
(aij )n×n = a31 a32 a33 · · · a3n .
.. .. .. . . .. 

.

 . . . . 
an1 an2 an3 · · · ann
Ejemplo 2. . Como ejemplos de matrices cuadradas tenemos:
1
  !  
2 3 5 1 5 1 −2 0
2. B = 2
1. A =  4 −1 0  , −1 0
   
2×2
 2 2 −3 1 
5 1 2 3×3 3. C = 
 √ √  
 3 2 5 5 
0 8 1 −3 4×4
 
−1 2 −5i
2i π
−1
 
2 2 34
√
 
 
Ejercicio.- 1. Dada la matriz A = 
 2 6 −25 −5 , indicar (de ser posible):


 1 −2i 1 
6 2 + 5i 

√ 2 
0 37 2 3 4
Orden: , a31 : , a45 : , a14 : , a15 : , a52 :
4
Definición 2.
¶ Una matriz que posee una sola fila se denomina matriz

fila o matriz unifila. Es
decir, es una matriz de la forma: a11 a12 ... a1n .
+ Esta matriz tiene orden 1 × n.
· Una matriz que posee una sola columna se denomina matriz

 columna o matriz
a11
 a21 
 
unicolumna. Es decir, es una matriz de la forma: 
 ..  .

 . 
am1
+ Esta matriz tiene orden m × 1.
Ejemplo 3. + Como ejemplos de matrices filas, se tiene:

i √
√
3

A = 1 −4π 2 , B= 4 2 −1 , C= 1 3 5 91 5 .
3
+ Y como matrices columnas, tendremos:

!    
π 1 −2i
A= √ ,
5 B =  i − 5 , −5
   
√
 
4 C=
 3
.

2
 
5
Definición 3.
Una matriz de orden m × n se denomina matriz nula si todas sus entradas son nulas.
Dicha matriz será denotada como 0m×n .
Ejemplo 4. .
  !
0 0 0 0 0 0
02×3 = ,
03×3 =  0 0 0 , 0 0 0
 
0 0 0
 
0
 0 
04×1 =  .
 
 0 
01×3 = 0 0 0 , 0
5
Definición 4.
Sea A = (aij )n×n una matriz cuadrada.
¶ Diremos que A es una matriz triangular superior si todos los elementos que
están por debajo de la diagonal principal son nulos. Esto es, aij = 0 para i > j.
· Diremos que A es una matriz triangular inferior si todos los elementos que
están por encima de la diagonal principal son nulos. Esto es, aij = 0 para i < j.
¸ Diremos que A es una matriz diagonal si todos los elementos que están por
encima y por debajo de la diagonal principal son nulos. Esto es, aij = 0 para i 6= j.
¹ Diremos que A es una matriz escalar si es diagonal y los elementos que conforman
la diagonal principal son todos iguales.
Ejercicio.- 2. Clasifique cada una de las siguientes matrices, según definición 4:

     
4 3 1 1 0 0 0 2 0 0
A =  0 5 2 , 2 0 0 0 E= 0 0 0 ,
     
C= ,
 
0 0 9  3 0 1 0  1 1 0
5 2 0 5
 
5 0 0 0
 
4 0 0  0 5 0 0 
F = .
!  
B =  0 3 0 . 1 2  0 0 5 0
 

D= ,
0 0 3 0 3 0 0 0 5
Definición 5.
La matriz identidad, In , de orden n, se define como la matriz diagonal que tiene como
escalar 1 en cada una de las entradas de la diagonal principal, y 0 en el resto.
Ası́,
   
3 I1 = 1 , 1 0 0 1 0 ··· 0
3 I3 = 0 1 0 0 1 · · · 0
   
! 3 In = 
 .. .. . . ..  .
1 0 0 0 1 . . . .
3 I2 = ,

0 1 0 0 ··· 1
6
Definición 6.

Sean A = aij y B = (bij )m×n dos matrices de orden m × n. Diremos que A
m×n
y B son iguales, lo cual denotaremos como A = B, si sus elementos correspondientes
son iguales, esto es, A = B si y sólo si aij = bij para cada i = 1, 2, ..., m y para cada
j = 1, 2, ..., n.
 
2a + b 3
Ejemplo 5. Hallar los valores de a y b para que las matrices A =  b y
−1 −a
! 2
6 3
B= sean iguales.
−1 i − 3
b
Solución. De acuerdo a la definición 6, A = B si y sólo si 2a + b = 6 y − a = i − 3. Luego,
2
tenemos el sistema

 2a + b = 6
b
 −a = i−3
2
+ Multiplicando por 2 la segunda ecuación 2𝑎 + 𝑏 = 6

del sistema y sumando con la primera, obtene-
−2𝑎 + 𝑏 = 2𝑖 − 6
mos que b = i.
2𝑏 = 2𝑖
𝑏=𝑖
+ Multiplicando por −1 a la primera ecua-

−2𝑎 − 𝑏 = −6
ción y por 2 la segunda ecuación del sistema
−2𝑎 + 𝑏 = 2𝑖 − 6
y sumando las ecuaciones resultantes, obtene-
i −4𝑎 = −12 + 2𝑖
mos a = 3 − .
2
1
𝑎 =3− 𝑖
2
i
Entonces, los valores buscados son a = 3 − y b = i.
2
! !
x2 y − x 1 x−y
Ejemplo 6. Hallar todos los valores de x e y tal que = .
0 y2 x+1 1
7
Solución. En primer lugar debemos observar que el tamaño de ambas matrices es el mismo, 2 × 2.
Ası́ que establecemos las correspondientes igualdades entre entradas:
x2 = 1 y−x=x−y
0=x+1 y 2 = 1.
De x2 = 1 obtenemos que x = 1 o x = −1. De forma similar se tiene que de y 2 = 1 que y = 1 o

y = −1.
Ahora bien, también deben cumplirse las igualdades 0 = x + 1, es decir, que x = −1. Además,
y−x = x−y
2y = 2x
y = x
Esto es, los valores de x = y = −1 son los que hacen que se cumpla la igualdad pedida.
0.3. Álgebra de matrices

Hay tres operaciones básicas con matrices: producto de un escalar por una matriz, adición de
matrices y producto de matrices. Veremos con detenimiento cada una de ellas pues, en general, no
es posible sumar o multiplicar dos matrices cualesquiera.
Iniciamos con la adición, la cual se define sólo cuando tienen el mismo tamaño.
Definición 7.
Sean m y n fijos y mayores o iguales a 1, A = (aij )m×n y B = (bij )m×n dos matrices. La
suma de A y B, es la matriz
C = A + B = (cij )m×n donde cij = aij + bij .
De forma más especı́fica, si

   
a11 a12 · · · a1n b11 b12 · · · b1n
 a21 a22 · · · a2n b21 b22 · · · b2n
   
  
A= .. .. . . ..  y B= .. .. . . .. 

 . . . .



 . . . .


am1 am2 · · · amn bm1 bm2 · · · bmn
 
a11 + b11 a12 + b12 · · · a1n + b1n
 a21 + b21 a22 + b22 · · · a2n + b2n
 

entonces A + B =  .. .. . . .. .

 . . . .


am1 + bm1 am2 + bm2 · · · amn + bmn
8
   
2 0 5 1 0 7
Ejemplo 7. Sean A =  π 3 4  y B =  1 2 8 . Entonces, de acuerdo a la Definición
   
4 8 9 2 4 5
7 tenemos que:
   
2+1 0+0 5+7 3 0 12
A+B = π+1 3+2 4+8  =  π + 1 5 12 
   
4+2 8+4 9+5 6 12 14
+ Note que si A = (aij )m×n y 0 = 0m×n es la matriz nula, del mismo orden, entonces es fácil
verificar que
A + 0 = 0 + A = A.
Podemos ahora definir la multiplicación de un escalar por una matriz.
Definición 8.
Sea A = (aij )m×n una matriz y consideremos un escalar α. El producto de α por A, el

cual denotaremos como αA, es la matriz de orden m × n que se obtiene multiplicando
cada uno de las entradas de la matriz A por el escalar α. Es decir: αA = (αaij )m×n .
 
a11 a12 · · · a1n
a21 a22 · · · a2n
 
 
De manera más explı́cita, si A =  .. .. . . ..  entonces

 . . . .


am1 am2 · · · amn
 
αa11 αa12 · · · αa1n
αa21 αa22 · · · αa2n
 
 
αA =  .. .. . . .. .

 . . . .


αam1 αam2 · · · αamn
 √   √ 
2 8 2
−   −4 
 √   2 2   2
2 −8
 
5 6   5
   
1 1  
Ejemplo 8. Si A = 

5 6  y α = , entonces A = 
 = 3 .
2 2  2 2 
  2
 
3 i
 

 3 i   3
  i 

2 2 2 2
Una vez que se ha definido la suma de matrices y el producto de un escalar por una matriz,
también será de interés obtener ciertas matrices que resulten de combinar las operaciones definidas
anteriormente, cuando esto sea posible.
9
 
2 −8
 
i −8
5 π , obtenga, de ser posible
 
Ejemplo 9. Dadas las matrices A =  5 6 yB =
 
 2 
3 5 5
3
2A − 3B
Solución. De acuerdo a la definiciones 7 y 8 se tiene

  
2 −8
    
i −8 2i − 6 −16 + 24 2i − 6 8
5 π =
 
2A − 3B = 2  5 6  − 3    10 − 15 12 − 3π  =  −5 12 − 3π 
    
 2
3 5 5 6−2 10 − 15 4 −5
3
Dada una matriz A = (aij )m×n ∈ Mm×n (K) es claro que la matriz B = (−aij )m×n también
pertenece a Mm×n (K), donde −aij es el opuesto de aij en K, en consecuencia
A + B = (aij )m×n + (−aij )m×n = (aij − (aij ))m×n = (0)m×n .
Esta matriz B recibe el nombre de matriz opuesta de A y es denotada por −A.
Teorema 1. Sean A = (aij )m×n ∈ Mm×n (K), entonces −A = (−1)A.
La demostración es consecuencia inmediata de la multiplicación de un escalar por una matriz,

se deja al lector su verificación.
La forma como están definidas las dos operaciones matriciales anteriores permite establecer un
conjunto de propiedades que a continuación.
Teorema 2 (Propiedades de la adición de matrices y de la multiplicación de un escalar por una

matriz). Sean A, B y C matrices en Mm×n (K). Entonces se verifican las siguientes propiedades:
S1. La suma es conmutativa, es decir A + B = B + A.
S2. La suma es asociativa, esto es, A + (B + C) = (A + B) + C.
S3. Existe un elemento neutro para la suma, a saber, 0m×n , dado que A + 0m×n = 0m×n + A = A.
S4. Existe, para cada matrı́z A, existe su opuesta o inversa aditivia , a saber (−A); dado que
A + (−A) = (−A) + A = 0m×n . Es decir, la matriz −A es el elemento opuesto aditivo para
la matriz A.
Supongamos ahora que α y β son escalares y sean A, B y C como antes. Entonces
M1. α(A + B) = αA + αB. M3. (αβ)A = α(βA) = β(αA).
M2. (α + β)A = αA + βA. M4. 1 · A = A.

10
Demostración. Demostramos sólo algunas de las propiedades y las restantes las dejamos como
ejercicio para el lector.
3 Para demostrar la propiedad S1, consideremos las matrices A = (aij )m×n y B = (bij )m×n .
Ası́
A + B = (aij + bij )m×n por la definición 7

= (bij + aij )m×n por la conmutatividad en K
= B+A usando nuevamente la definición 7.
Por lo tanto hemos obtenido que A + B = B + A.
3 Ahora, para demostrar la propiedad S2 consideramos tres matrices, A = (aij )m×n , B =

(bij )m×n y C = (cij )m×n elementos de Mm×n (K), luego
A + (B + C) = (aij )m×n + [(bij )m×n + (cij )m×n ]

= (aij )m×n + (bij + cij )m×n por la definición 7
= (aij + [bij + cij ])m×n por la definición 7
= ([aij + bij ] + cij )m×n por la asociatividad en K
= (aij + bij )m×n + (cij )m×n por la definición 7
= [(aij )m×n + (bij )m×n ] + (cij )m×n por la definición 7
= (A + B) + C nuevamente por la definición 7.
Quedando demostrada la propiedad asociativa para la suma de matrices.
3 Para demostrar la propiedad S3, sean A = (aij )m×n y 0m×n = (0)m×n . Luego,
A + 0m×n = (aij + 0)m×n por definición 7

= (aij )m×n
= A.
De forma similar se verifica que 0m×n + A = A y queda ası́ demostrada la propiedad S3.
3 Para demostrar la propiedad M1 consideramos ahora las matrices A = (aij )m×n , B = (bij )m×n
y α ∈ K, entonces
α(A + B) = α(aij + bij )m×n = (α(aij + bij ))m×n por definición 8,

= (αaij + αbij )m×n Por distributividad en K,
= αA + αB por la definición 7.
Ası́ α(A + B) = αA + αB.
Observación 2. + Se puede demostrar que la matriz 0m×n es la única matriz que cumple la
propiedad S3. Por ello, se dice que es el elemento neutro de la suma de matrices.
11
Observación 3. + Las propiedades M1 y M2 pueden ser generalizadas para más de dos matrices
y más de dos escalares respectivamente. Es decir: Si A1 , A2 , ..., Ak son matrices de orden m × n y
α, α1 , α2 , ..., αk ∈ K, entonces:
¶ α(A1 + A2 + ... + Ak ) = αA1 + αA2 + .... + αAk .
· (α1 + α2 + ... + αk )A = α1 A + α2 A + ... + αk A.
Definición 9.
Sean A = (aij )m×n y B = (bij )m×n dos matrices de orden m × n. La resta (o diferencia)
de A y B, la cual denotaremos como A − B, es la matriz de orden m × n que se obtiene
al sumar la matriz A con la matriz opuesta de B, esto es: A − B = A + (−B).
! !
−5 9 i 4
Ejemplo 10. 1. Si A = √ yB= entonces:
6 5 5 −8
! ! !
−5 9 −i −4 −5 − i 5
A − B = A + (−B) = √ + = √ .
6 5 −5 8 1 5+8
   
1 4 0 0 8 −3
2. Si A =  2 1 4  y B =  1 5 1  entonces
   
1 1 1 1 1 2
    
1 4 0 0 −8 3 1 −4 3
A − B = A + (−B) =  2 1 4  +  −1 −5 −1  =  1 −4 3 .
     
1 1 1 −1 −1 −2 0 0 −1
Observación 4. + De la definición 9, es claro que si A = (aij )m×n y B = (bij )m×n entonces

A − B = (aij − bij )m×n
Conociendo las operaciones matriciales hasta ahora estudiadas, podemos resolver ciertas ecua-
ciones matriciales (ecuaciones en las cuales la variable es una matriz, la cual denominaremos
incógnita matricial), aplicando procedimientos “similares” a los aplicados en la resolución de ecua-
ciones comunes en R.
!
2 3 −1
Ejemplo 11. Hallar la matriz X que satisface la igualdad 3A−2X = B, donde A =
1 4 5
!
−1 3 6
yB= .
7 8 9
12
Solución. El objetivo es despejar a la incógnita matricial X.

3A − 2X = B
(3A − 2X) + (−3A) = B + (−3A) sumando a ambos lados − 3A,
−3A + (3A − 2X) = B + (−3A) propiedad S1,
−3A + (3A + (−2X)) = B + (−3A), aplicamos la definición 9,
(−3A + 3A) + (−2X) = B + (−3A), aplicamos S2,
02×3 + (−2X) = B + (−3A), aplicamos S4,
−2X = B − 3A, aplicamos S3 y definición 9,
1 1
X = − (B − 3A), multiplicando por − .
2 2
Sustituyendo se tiene que:
! !!
1 −1 3 6 2 3 −1
X = − −3
2 7 8 9 1 4 5
! !!
1 −1 3 6 6 9 −3
= − −
2 7 8 9 3 12 15
!  7 9 
1 −7 −6 9 3 −
= − = 2 2 ,
2 4 −4 −6
−2 2 3
la cual es la matriz buscada.
Definición 10.
Sean A una matriz de orden 1 × k y B una matriz de orden k × 1, digamos
 
b11
b21
 
 
A = a11 a12 · · · a1k y B =  .. . Se define el producto de A y B,
.
 
 
bk1
el cual denotaremos por A · B o simplemente AB, a la matriz de orden 1 × 1 dada por:

AB = a11 b11 + a12 b21 + · · · + a1k bk1 .
Nótese que el producto que se está definiendo exige que el número de columnas de la matriz A sea
igual al número de filas de B.
 
2
Ejemplo 12. 1. Sean A = 1 5 −i y B =  6 . Hallar AB.
 
−5
13
Solución. De acuerdo a la definición 10 tenemos:

 
2
AB = 1 5 −i  6  = 1 · 2 + 5 · 6 + (−i) · (−5) = 2 + 30 + 5i = 32 + 5i .
 
−5
 
1
2
 
1
 
2. Sean M = 3 5 −6 yN =
 1  , de acuerdo a la Definición 10 tenemos:

2 −
2
 
 
1
 
1
 2

1
  1 1 33
MN = 3 5 −6
 1  = 3 · 1 + 5 · 2 + (−6) · −

+ ·1 = .
− 2 2

2 
2
 2
 
1
Definición 11.
Sean las matrices A := (aij )m×n y B := (bij )n×p la multiplicación de A por B, se denota
por A.B, es una nueva matriz C = A · B = AB := (cij )m×p donde cada cij está definido
n
P
por: cij = ai1 b1j + ai2 b2j + · · · + ain bnj = air brj . Es decir
r=1
   
a11 ··· a1n b11 · · · b1p
 .. .. ..   .. . . .. 
C =A·B =  . . . · . . . 
am1 · · · amn bn1 · · · bnp
 
a11 b11 + · · · + a1n bn1 ··· a11 b1p + · · · + a1n bnp
.. ... ..
=  .
 
. .
am1 b11 + · · · + amn bn1 · · · am1 b1p + · · · + amn bnp
Observación 5. Es importante darse cuenta que no se pueden multiplicar dos matrices de cual-
quier orden. Sólo se pueden multiplicar A y B si el tamaño de las filas de A es igual al tamaño de
las columnas de B. El resultado de la multiplicación será una matriz C con el mismo número de
filas que A y el mismo número de columnas que B.
   
2 1 −i 1 2 −1
Ejemplo 13. Sean A = −1 3 3  y B = 1 1 −3 . Calcular: A · B y B · A,
   
1 1 2 0 −1 2
14
Solución.
   
2 1 −i 1 2 −1
A · B =  −1 3 3  ·  1 1 −3 
   
1 1 2 0 −1 2
 
2 · 1 + 1 · 1 + (−i) · 0 2 · 2 + 1 · 1 + (−1) · (−i) 2 · (−1) + 1 · (−3) + (−i) · 2
=  (−1) · 1 + 3 · 1 + 3 · 0 −1 · 2 + 3 · 1 + 3 · (−1) −1 · (−1) + 3 · (−3) + 3 · 2 
 
1·1+1·1+2·0 1 · 2 + 1 · 1 + 2 · (−1) 1 · (−1) + 1 · (−3) + 2 · 2

 
3 5 + i −5 − 2i
=  2 −2 −2  .
 
2 1 0
   
1 2 −1 2 1 −i
B·A =  1 1 −3  ·  −1 3 3 
   
0 −1 2 1 1 2
 
1 · 2 + 2 · (−1) + (−1) · 1 1 · 1 + 2 · 3 + (−1) · 1 1 · (−i) + 2 · 3 + (−1) · 2
=  1 · 2 + 1 · (−1) + (−3) · 1 1 · 1 + 1 · 3 + (−3) · 1 1 · (−i) + 1 · 3 + (−3) · 2 
 
0 · 2 + (−1) · (−1) + 2 · 1 0 · 1 + (−1) · 3 + 2 · 1 0 · (−i) + (−1) · 3 + 2 · 2

 
−1 6 4−i
=  −2 1 −3 − i  .
 
3 −1 1
Como vimos anteriormente el producto resulta no ser conmutativo, sin embargo, hay otras
propiedades del producto que se cumplen, tal como lo veremos en el siguiente teorema.
Teorema 3 (Propiedades de la multiplicación de matrices). Sean A ∈ Mn×p (K), B, C ∈ Mp×r (K),

D ∈ Mr×m (K) y α, β ∈ K,entonces:
(a) El producto de matrices es asociativo, esto es, (A · B) · D = A · (B · D).
(b) El producto de matrices es distributivo por la izquierda con respecto a la suma, esto es,
A · (B + C) = A · B + A · C.
(c) El producto de matrices es distributivo por la derecha con respecto a la suma, esto es,
(A + B) · C = A · C + B · C.
(d) Existen la identidad por la derecha y la identidad por la izquierda de la multiplicación de

matrices
In · A = A = A · Ip .
(e) α(A · B) = (αA) · B = A · (αB).

15
(f ) 0m×n · A = 0m×p y A · 0p×n = 0m×n .
Ejemplo
 14. 
Verificar que se cumple la propiedad (b) del teorema 3, con las matrices
2 3 ! !
3 1 1 0
A =  4 0 , B = yC= .
 
−2 −4 1 −1
−1 5
Solución. Se debe verificar que A · (B + C) = A · B + A · C. En efecto,

 
2 3 " ! !#
3 1 1 0
A · (B + C) =  4 0  · +
 
−2 −4 1 −1
−1 5
 
2 3 !
3+1 1+0
=  4 0 ·
 
−2 + 1 −4 − 1
−1 5
 
2 3 !
4 1
=  4 0 ·
 
−1 −5
−1 5
   
8−3 2 − 15 5 −13
=  16 + 0 4 + 0  =  16 4 . (1)
   
−4 − 5 −1 − 25 −9 −26
Por otra parte:

  
2 3 ! 2 3 !
3 1 1 0
A·B+A·C =  4 0 · + 4 0 ·
   
−2 −4 1 −1
−1 5 −1 5
     
0 −10 5 −3 5 −13
=  12 4 + 4 0 = 16 4 . (2)
     
−13 −21 4 −5 −9 −26
De (1) y (2) se verifica que A · (B + C) = A · H = Q = P + R = A · B + A · C.
Ejercicio.- 3. Construya ejemplos para ilustrar el resto de las propiedades del Teorema 3.
Definición 12 (Potencias de una matriz).
Sea A una matriz cuadrada y k un entero no negativo, se define la k-ésima potencia

de A denotada por Ak por la fórmula de recurrencia:
(i) A0 := In (ii) Ak+1 := Ak · A para k ≥ 1.

16
!
1 −2
Ejemplo 15. Sea A = , determinar A2 .
−1 0
Solución. De acuerdo a la definición 12 se tiene que

! ! !
1 −2 1 −2 3 −2
A2 = · = .
−1 0 −1 0 −1 2

0 1 0
Ejemplo 16. Sea N = 0 0 1. Calcule N 3 .
 
0 0 0
Solución.
           
0 1 0 0 1 0 0 1 0 0 0 1 0 1 0 0 0 0
N3 = N 2 · N = 0 0 1 · 0 0 1 · 0 0 1 = 0 0 0 · 0 0 1 = 0 0 0 .
           
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Las matrices que satisfacen la propiedad anterior se denominan matrices nilpotentes, tal y como
se define a continuación.
Definición 13.
Una matriz cuadrada A de orden n es nilpotente, si existe un entero k tal que Ak = 0n ,

al menor entero en satisfacer la definición anterior se le llama ı́ndice de nilpotencia de A.
Otra definición relacionada con la potencia de una matriz es la idempotencia, que definimos de
inmediato.
Definición 14.
Una matriz A es idempotente si A = A2 .
2 1
 
!
3 3 1 0
Ejemplo 17. La matrices A =  yB= son idempotentes.
2 1 0 1
3 3
Teorema 4. Sean A y B dos matrices cuadradas, tales que A · B = B · A entonces se cumple:
(a) An · Am = An+m y (An )m = Anm .
(b) (A · B)n = An · B n .
(c) An · B m = B m · An .
17
Definamos otra noción relativa a una matriz. Sea A = (aij )m×n .
Definición 15.
Sea A = (aij )m×n . La matriz B = (bij )n×m tal que bji = aij se le conoce como la
transpuesta de A y se denota por At ó t A.
El considerar la transpuesta de una matriz equivale a intercambiar filas por columnas y vice-
versa. Si  
a11 a12 a13 · · · a1n
 a21 a22 a23 · · · a2n 
 
 
A=  a31 a32 a33 · · · a3n 

.. .. .. . . .. 
.

 . . . . 
entonces
 
a11 a21 a31 · · · am1
a12 a22 a32 · · · am2 
 

t
 
A = a13 a23 a33 · · · am3  .
.. .. .. . . .. 

.

 . . . . 
a1n a2n a3n · · · anm
 
0 0 4
 
i 0 4
 
! ! 0 i 0
1 2 −5 3 4  
Ejemplo 18. Dadas las matrices A = ,B= y C = 0 3 2, hallar
 
0 3 4 5 6 
0

 2 3
0 3 4
 
3 3 i
At , B t y C t .
Solución. De acuerdo a la Definición 15 tenemos
   
1 0 ! 0 i 0 0 0 0 3
t 3 5
A = 2 3  , Bt = , Ct = 0 0 i 3 2 3 3 .
   
4 6
−5 4 4 4 0 2 3 4 i
Teorema 5 (propiedades de la transpuesta de una matriz). Sean A y B matrices de orden ade-

cuados de tal manera que existan las operaciones de suma y multiplicación. Sea α un escalar real.
Entonces:
18
¶ (A + B)t = At + B t , ¸ (AB)t = B t · At ,
· (αA)t = αAt , ¹ (At )t = A.

 
! 3 4 0 −1
1 2 −5
Ejemplo 19. Si A = y B =  5 6 −3 4 . Verificar que (AB)t = B t · At .
 
0 3 4
1 0 2 −3
 
! 3 4 0 −1 !
1 2 −5 8 16 −16 22
Solución. Verifique que A · B = ·  5 6 −3 4 = .
 
0 3 4 19 18 −1 0
1 0 2 −3
   
8 19   3 5 1
 16 18  1 0  4
t 6 0 
Luego, (A·B) =   . Por otra parte, A =  2 3  y B t = 
t
.
     
 −16 −1   0 −3 2 
−5 4
22 0 −1 4 −3
Ası́,
   
3 5 1   8 19
1 0
t

t 4 6 0   16 18 
BA = · 2 3 =  = (A · B)t .
     
 0 −3 2   −16 −1 
−5 4
−1 4 −3 22 0
Nótese que en el caso de matrices cuadradas podemos comparar la matriz A con su transpuesta
At , algunas veces, como en el caso de la matriz B del ejemplo anterior, una matriz puede coincidir
con su transpuesta ( e incluso con el opuesto de su traspuesta), este tipo de matrices reciben el
nombre de matrices simétricas (respectivamente antisimétricas), tal como lo establece la siguiente
definición.
Definición 16.
Sea A una matriz cuadrada, decimos que:
¶ A es simétrica, si A = At . · A es antisimétrica, si A = −At .
Ejemplo 20. Determinar cuáles de las siguientes matrices son simétricas, y cuales son antisimétri-
cas:
 
    0 −2 9 7
2 1 2 1 3 !
 2 0 −3 2  1 1
A =  1 2 , B =  1 5 1 , C =  , D = .
     
 −9 3 0 0  0 1
1 1 3 1 3
−7 −2 0 0
Solución. + La matriz A no es cuadrada, luego no puede ser simétrica ni antisimétrica.

19
+ Para las matrices B y C se tiene que:

 
  0 2 −9 −7
2 1 3
t t
 −2 0 −3 −2 
B = 1 5 1 =B y C =  = −C.
   
 9 3 0 0 
3 1 3
7 2 0 0
Esto es, B es simétrica y C es antisimétrica.

!
1 0
+ Por su parte, Dt = , esto significa D no es simétrica, ni antisimétrica.
1 1
Observación 6. + Note que en una matriz simétrica, podrı́amos considerar la diagonal principal
como un eje de simetrı́a y es fácil notar que en este caso poca importancia tienen los elementos de
la diagonal principal.
+ En el caso de las matrices antisimétricas necesariamente los elementos de la diagonal principal
son ceros.
+ Una matriz que sea simétrica y antisimétrica a la vez tiene que ser la matriz nula.
 
! 0 1 −4
2 5
Ejercicio.- 4. Hallar la transpuesta de A = yB= 1 7 8  . ¿Qué se puede
 
5 −4
−4 8 −3
concluir?.
Ejemplo 21. La matriz A + At es simétrica. En efecto,
(A + At )t = At + (At )t = At + A = A + At ,
luego A + At es una matriz simétrica.
Ejercicio.- 5. Verificar que la matriz A − At es antisimétrica.
Definición 17.
Sea A una matriz cuadrada de orden n. La traza de A, la cual denotaremos como tr(A), es
la suma de los elementos de la diagonal principal de A, esto es: tr(A) = a11 +a22 +· · ·+ann

1 5 2
Ejemplo 22. La traza de la matriz A =  0 1 2  está dada por tr(A) = 1 + 1 + 0 = 2.
 
3 1 0
Ejercicio.- 6. Construir dos matrices cuadradas de orden 2, A y B, distintas y tales que tr(A)
sea igual a tr(B).
Teorema 6. Sean A y B matrices de órdenes adecuados y α ∈ K. Entonces:

20
Ê tr(A + B) = tr(A) + tr(B). Ì tr(αA) = αtr(A).
Ë tr(A · B) = tr(B · A). Í tr(At ) = tr(A).
Ê Sean A y B matrices simétricas del mismo orden. Demuestre que la matriz AB es simétrica
si y sólo si AB = BA.
Demostración. Todo problema como éste, en el que aparece el bicondicional ((si y sólo si)),
consiste en dos partes.
(=⇒) Supongamos que AB es simétrica, debemos demostrar que AB = BA.
AB = (AB)t (porque estamos suponiendo que AB es simétrica),
= B t At (por el Teorema 5),
= BA (ya que A y B son simétricas ).
En consecuencia, A · B = B · A, como se deseaba demostrar.
(⇐=) Reciprocamente, supongamos que AB = BA, debemos demostrar ahora que AB es
simétrica.
(AB)t = (BA)t (por hipótesis),
= At B t (por el Teorema 5),
= AB (ya que A y B son simétricas ).
Esto verifica que si AB = BA, entonces (AB)t = AB, esto es A · B es simétrica.
Ë Demuestre que toda matriz A se puede escribir como la suma de una matriz simétrica y una
antisimétrica.
Demostración. Dado que A + At es simétrica (Ver Ejemplo 21 ) y A − At es una matriz
1 1
antisimétrica (Ver ejercicio 5). El Teorema 5 (Ë) garantiza que (A + At ) y (A − At ) son
2 2
matrices simétrica y antisimétrica respectivamente.
1 1
Luego, A = (A + At ) + (A − At ) , completando la demostración.
2 2
0.4. La inversa de una matriz

De cursos básicos de cálculo sabemos que dado cualquier número real x con x 6= 0, existe un
único número real x−1 tal que x.x−1 = x−1 .x = 1, donde 1 es el elemento identidad del producto
en los números reales. ¿Será que dada cualquier matriz cuadrada de orden n, digamos A, es posible
hallar siempre otra matriz cuadrada B de orden n, al que AB = BA = In ?. Para responder esta
interrogante necesitamos ciertas herramientas previas que nos ayudaran a dar respuesta.
21
Definición 18.
Una matriz A ∈ Mn (K) se dice que es invertible ( llamada también no singular) si

existe una matriz B ∈ Mn (K), tal que:
AB = BA = In .
Una matriz B que cumpla la ecuación anterior es llamada una inversa de A, y cuando
no existe esta matriz B se dice que A no es invertible (ó A es singular).
!  
1 2 −2 1
Ejemplo 23. Sea A = . Comprobar que B =  3 1  es la inversa de A.
3 4 −
2 2
Solución. Note que
!   ! !
1 2 −2 1 −2 + 3 1 − 1 1 0
AB = · 3 1 = = .
3 4 − −6 + 6 3 − 2 0 1
2 2
Además,
  !   !
−2 1 1 2 −2 + 3 −4 + 4 1 0
B·A =  3 1 · = 3 3 = .
− 3 4 − 3−2 0 1
2 2 2 2
 
−2 1
Dado que AB = BA = I2 , entonces por la definición 18, A es invertible con inversa  3 1 .
−
2 2
 
−2 2 −4
Ejercicio.- 7. Verifique si la matriz A =  −3 6 3  tiene por inversa a la matriz
 
5 −8 −1
 3 17 5 
 2 6 2 
11 3 
 
B= 1 .

 6 2 
1 1 1
 
− − −
2 2 2
Observación 7. Lamentablemente no siempre es tan sencillo, como en el ejemplo anterior, en-
contrar una matriz B que satisfaga la Definición 18. Una pregunta natural que deberı́a surgir es
¿existirá alguna forma para encontrar esta matriz B, en caso de que ésta exista?, ¿Existe una
forma de saber si una matriz tiene inversa, sin necesidad de hallar la inversa?. Las respuestas son
afirmativas, pero necesitamos avanzar un poco más a nivel teórico.
A continuación, presentamos un importante resultado que establece la unicidad de la matriz B

de la definición 18, cuando dicha matriz B existe.
22
Teorema 7. Si una matriz cuadrada A de orden n posee inversa, ésta es única.
Observación 8. Del teorema 7 se concluye que la matriz B de la definición 18 es única. Por lo

tanto esta matriz puede ser denotada por A−1 .
Estudiamos ahora algunas propiedades de la matriz invertible.
Teorema 8 (Propiedad de una matriz invertible). Sean A y B matrices cuadradas del mismo
orden e invertibles. Entonces:
Ê AB es invertible y (A · B)−1 = B −1 · A−1 .
Ë A−1 es invertible y (A−1 )−1 = A.
Ì Si α ∈ K no nulo, entonces αA es invertible y (αA)−1 = α−1 A−1 .
Í Si n es un entero cualquiera, entonces An es invertible y (An )−1 = (A−1 )n .
Î At es invertible y (At )−1 = (A−1 )t .
Observación 9. La propiedad a del Teorema 8 puede ser generalizada para una canti-
dad finita de matrices, es decir: Si A1 , A2 , · · · , Ak son matrices cuadradas invertibles, del
mismo orden, entonces el producto A1 A2 · · · Ak también es invertible, y (A1 A2 · · · Ak )−1 =
A−1 −1 −1
k · · · A2 A1 .
Definición 19.
Una matriz A se dice matriz escalonada si cumple:
Ê En caso de tener filas de ceros, todas ellas estarán en la parte inferior de la matriz.
Ë El primer elemento no nulo de cada fila, que es llamado entrada principal de la fila,
está en una columna situada a la derecha de la entrada principal de la fila que se
encuentra arriba de dicha entrada.
Ì Todas las entradas que se localicen en una columna situada debajo de una entrada
principal son ceros.
Ejemplo 24. + Como ejemplo de una matriz escalonada se tienen:

 
3 −2 7 5 1  
 0 0 -3 1 5
0 -4 7 9  

à  ,  0 0 2 0 .
 
 0 0 0 1 6 
0 0 0 0
0 0 0 0 0
+ Como ejemplo de matriz no escalonada se tienen:
23
 
2 3 7 5  
3 2 −5 4
 0 0 0 0 
à  ,  0 1 3 4 . .
   
 0 5 4 7 
0 -5 2 3
0 0 0 0
   
0 3 0 0 3 −4 5
Ejercicio.- 8. ¿ Cuáles de las siguientes matrices son escalonadas?.  0 0 0 0  ,  0 7 8 ,
   
0 0 0 0 0 0 −2
 
−2 0 3 5
 0 0 1 4 
 
0 3 0 0
Definición 20.
Sea A ∈ Mm×n (K) una matriz cualquiera. Diremos que A es de forma escalonada
reducida si verifica las siguientes propiedades:
Ê Todas las filas nulas se encuentran en la parte inferior de la matriz.
Ë El primer elemento no nulo de una fila es 1 (llamado lı́der o privote).
Ì El elemento lı́der de cada fila se encuentra a la derecha del elemento lı́der de la fila
anterior.
Í Cada columna que incluye un elemento lı́der contiene ceros en los elementos supe-
riores e inferiores del mismo.
Definición 21.
Las operaciones elementales por filas son operaciones que pueden ser aplicadas a las
filas de una matriz de manera conveniente, y están dadas por:
Ê Intercambiar dos filas distintas de una matriz (fi ←→ fj ; i 6= j.)
Ë Multiplicar cualquier fila por una constante distinta de cero (fi → cfi . )
Ì Sumar un múltiplo constante de una fila a otra fila (fi → cfj + fi ; i 6= j. )
 
1 5 −3
Ejemplo 25. Dada la matriz A =  2 3 −2 , obtenga una nueva matriz aplicando opera-
 
1 1 2
ciones elementales por filas del tipo I.
24
Solución. à De acuerdo a la definición 21, simplemente intercambiamos dos filas distintas. En

este caso, seleccionaremos las filas 1 y 3; (el lector puede haber seleccionado otro intercambio).
Procedemos de la siguiente manera:
   
1 5 −3 1 1 2
A =  2 3 −2  f1 ←→ f3  2 3 −2  = A.
   
−−−−−−→
1 1 2 1 5 −3
Definición 22.
Dos matrices A y B, de orden m × n, son equivalentes por filas si existe una cantidad
finita de operaciones elementales por filas tales que B puede ser obtenida a partir de A.
Cuando A y B sean equivalente por filas, escribiremos: A ∼ B.
Ejemplo 26. Las matrices A y B del Ejemplo 25 son equivalentes por filas ya que B se obtuvo
a partir de la matriz A, a través de una operación elemental por fila.
Ahora nos preguntamos ¿Cómo nos ayudan las operaciones elementales por filas para obtener
a partir de una matriz dada, una matriz que sea escalonada o escalonada reducida? La respuesta
es simple: la idea es aplicar operaciones elementales por filas de manera conveniente hasta ir
obteniendo una matriz que sea escalonada o si ası́ lo deseamos, escalonada reducida. El siguiente
ejemplo muestra tal situación.
Ejemplo
 27. Obtenga una matriz 
escalonada reducida a partir de la matriz
1 0 −2 −4 2 −2
A= 0 1 3 5 −2 7 .
 
0 4 13 22 −9 31
Solución. Para ello aplicamos operaciones a la matriz de manera conveniente de manera que se
pueda obtener una matriz en forma escalonada reducida.
   
1 0 −2 −4 2 −2 1 0 −2 −4 2 −2
A= 0 1 3 5 −2 7  f3 → −4f2 + f3  0 1 3 5 −2 7 
   
−−−−−−−−−−−→
0 4 13 22 −9 31 0 0 1 2 −1 3
 
1 0 0 0 0 4
f1 → 2f3 + f1  0 1 3 5 −2 7 
 
−−−−−−−−−→
0 0 1 2 −1 3
 
1 0 0 0 0 4
f2 → −3f3 + f2  0 1 0 −1 1 −2  = C.
 
−−−−−−−−−−−→
0 0 1 2 −1 3
+ Obsérvese que al aplicar una operación sobre alguna fila, el resto de las filas quedan iguales.
Solo cambia aquella en la que fue aplicada la operación elemental. Luego, la matriz obtenida está
25
en forma escalonada reducida. Además, de acuerdo a la Definición 22, podemos concluir que A y
C son matrices equivalentes por filas.
Teorema 9. Si C es una matriz escalonada reducida equivalente por filas a una matriz A, entonces
C es única.
Recordemos que nuestro propósito es encontrar un método que nos permita encontrar la inversa
de una matriz (en caso de existir). Pero antes, necesitamos complementar las herramientas que nos
ayudarán para tal fin. Para ello, necesitamos definir una matriz especial.
Teorema 10. Sean A y B matrices escalonadas equivalentes por filas. Entonces A y B tienen
exactamente el mismo número de filas no nulas.
Definición 23.
Sean A una matriz y C una matriz escalonada equivalente por filas a la matriz A.
Entonces se define el rango de A, como el número de filas no nulas de C. El rango lo
denotaremos como rang(A).
 
1 1 2 −2 −1
 2 −1 −1 2 1 
Ejemplo 28. Determine el rango de la siguiente matriz A =  .
 
 −1 5 8 −10 −5 
3 −3 −4 6 3
Solución. Se deja como ejerciciopara el lector verificar
 que la forma escalonada reducida C
1
1 0 3 0 0
 
 0 1 5 −2 −1 
3
equivalente a A es la matriz C =  . Luego por Definición 32 se tiene que
 
 0 0 0 0 0 
 
0 0 0 0 0
rang(A) = 2.
Teorema 11. Una matriz A es invertible si y sólo si A es equivalente por filas a la matriz iden-
tidad.
" #
2 −1
Ejemplo 29. Determine si A = es invertible.
1 1
Solución. Veamos primero si A ∼ I2 :
! ! ! !
2 −1 1 1 1 1 1 1 1
f1 ↔ f2 f2 → f2 − 2f1 f2 → − f2
1 1 −−−−−→ 2 −1 −−−−−−−−−→ 0 −3 3→
−−−−−−− 0 1
!
1 0
f1 ↔ f1 − f2 .
−−−−−−−−→ 0 1
Como A es equivalente por filas a I2 se tiene que es invertible.
26
Teorema 12. Supongamos que A es equivalente por filas a In . Entonces las mismas operaciones
que se aplicaron a la matriz A para obtener a la matriz identidad In , al ser aplicada nuevamente
a la matriz In , y en el mismo orden producirán como resultado a la matriz inversa de A.
Ahora ya tenemos todas las herramientas necesarias que nos permitirán describir un método
para calcular la inversa de una matriz cuadrada en caso de que ésta exista.
0.4.1. Algoritmo de Gauss-Jordan para hallar la inversa de una matriz

Sea A una matriz de orden n × n. Para hallar la inversa de A, en caso de que exista, se procede
de la siguiente manera:
Ê Se adjunta a la matriz A la matriz identidad de orden n×n y ası́ formamos la matriz ampliada
(A|In ).
Ë Se calcula la forma escalonada reducida de la matriz (A|In ). Si la forma escalonada reducida

es de la forma (In |B) , entonces A es equivalente por filas a la matriz identidad In , y por
tanto A serı́a invertible.
+ En este caso, la inversa de la matriz A es A−1 = B. Si la forma escalonada reducida no
es de la forma (In |B), A no es equivalente por filas a la matriz In , y por tanto, A no es
invertible.
 
1 −1 −2
Ejemplo 30. Determine si la matriz A =  2 −3 −5  es invertible. En caso afirmativo,
 
−1 3 5
encuentra su inversa.
Solución. Adjuntamos la matriz identidad de orden 3 × 3 a la matriz A y aplicamos operaciones

elementales por filas a la matriz ampliada. Entonces:
   
1 −1 −2 | 1 0 0 1 −1 −2 | 1 0 0
 f2 → −2f1 + f2 
(A : I3 ) =  2 −3 −5 | 0 1 0   0 −1 −1 | −2 1 0 
 
f3 → f1 + f3
−1 3 5 | 0 0 1 −−−−−−−−−−−→ 0 2 3 | 1 0 1
   
1 −1 −2 | 1 0 0 1 0 −1 | 3 −1 0
 f1 → f1 + f2 
f2 → −f2  0 1 1 | 2 −1 0   0 1 1 | 2 −1 0 
 
−−−−−−→ f3 → f3 − 2f2
0 2 3 | 1 0 1 −−−−−−−−−→ 0 0 1 | −3 2 1
 
1 0 0 | 0 1 1
f1 → f1 + f3 
 0 1 0 | 5 −3 −1  .

f2 → f2 − f3
−−−−−−−−→ 0 0 1 | −3 2 1
27
Observemos que la forma escalonada reducida de (A|I3 ) es de la forma (I3 |B). Entonces A es
equivalente por filas a la matriz
 I3 , y por tanto,
 el Teorema 12 garantiza que A es invertible.
0 1 1
−1
Además la inversa es: A =  5 −3 −1  .
 
−3 2 1
 
1 1 5
Ejemplo 31. Determine si la matriz M =  1 2 7  es invertible. En caso afirmativo,
 
2 −1 4
encuentra su inversa.
Solución. Adjuntamos la matriz identidad de orden 3 a la matriz M y aplicamos operaciones

elementales por filas a la matriz ampliada. Esto es:
   
1 1 5 | 1 0 0 1 1 5 | 1 0 0
 f2 → f2 − f1 
(M : I3 ) =  1 2 7 | 0 1 0   0 1 2 | −1 1 0 
 
f3 → f3 − 2f1
2 −1 4 | 0 0 1 −−−−−−−−−→ 0 −3 −6 | −2 0 1
 
1 0 3 | 2 −1 0
f1 → f1 − f2 
 0 1 2 | −1 1 0 .

f3 → f3 + 3f2
−−−−−−−−−→ 0 0 0 | −5 3 1
Observemos que en esta última matriz no hace falta continuar el proceso ya que se anula una fila
del primer bloque de la última matriz. En consecuencia, la forma escalonada reducida de (M : I3 )
no es de la forma (I3 : B), donde B es una matriz cuadrada de orden 3. Luego M no es equivalente
por filas a la matriz I3 , y en consecuencia, el teorema 11 garantiza que M no es invertible.
Observa que a cada matriz que se va obteniendo se le aplica hasta dos operaciones elementales
por filas de una vez. En otras palabras, debido a la naturaleza de estas operaciones, a una
matriz se le pueden aplicar dos o más operaciones convenientemente.

1 1 1
Ejemplo 32. Determine si la matriz H =  0 2 3  es invertible. En caso afirmativo, en-
 
5 5 1
cuentra su inversa.
28
Solución.
   
1 1 1 | 1 0 0 1 1 1 | 1 0 0
   
   
(H : I3 ) =  0 2 3 | 0 1 0 3 |
 0 2 0 1 0
 f3 → −5f1 + f3
  
 −−−−−−−−−−−→
 
  
5 5 1 | 0 0 1 0 0 −4 | −5 0 1
   
 
1 1 1 | 1 0 0
 
1  3 1 
f2 → f2
 0 1 | 0 0 
2 2
−−−−−2−→
 
 
0 0 −4 | −5 0 1
 
   
1 1 1 | 1 0 0 1 1 1 | 1 0 0
   
1 
 3 1   15 1 3 
0 1 | 0 0  f2 → f2 − 3 f3  0 1 0 | −
  
f3 → − f3  2 2 8 2 8 

4
−−−−−−−→ 

 −−−−−−−−−2−→
 
5 1 5 1 
  
0 0 1 | 0 − 0 0 1 | 0 −
 
4 4 4 4
1 1 13 1 1
   
1 1 1 | − 0 1 1 1 | − −
 4 4   8 2 8 
15 1 3 15 1 3
   
f1 → f1 − f3  0 1 0 | −  0 1 0 | −
   
 f1 → f1 − f2 .
−−−−−−−−→   8 2 8 
 −−−−−−−−→ 
 8 2 8 

 5 1   5 1 
0 0 1 | 0 − 0 0 1 | 0 −
4 4 4 4
Observemos que la forma escalonada reducida equivalente a (H : I3 ) es de la forma (I3 : B).

Entonces el teorema 11 garantiza que H es equivalente por filas a la matriz I3 , y por el teorema
12 H es invertible. Además
13 1 1
 
− −
 8 2 8 
15 1 3 
 
−1 −

H = .

 8 2 8 

 5 1 
0 −
4 4
0.5. Determinantes
Cada matriz cuadrada puede asociarse a un número denominado su determinante. Histórica-
mente, el uso de los determinantes surgió de la identificación de patrones especiales que ocurren
en la solución de sistemas de ecuaciones lineales.
La definición formal del determinante no es sencilla, pero existen reglas que facilitan su cálculo
según la dimensión de la matriz.
29
Definición 24 (Determinante de una matriz 1 × 1).
Sea A ∈ M1×1 (K), es decir, la matriz A = (a11 ), entonces su determinante, denotado por
|A|; se define por |A| := a11 .

!
a11 a12
Sea A = ∈ M2 (K), el determinante de A, está definido como |A| =
a21 a22

a & a
11 12
= a11 a22 − a12 a21 ∈ K.
a21 . a22
!
a11 & a12
Otra manera común para denotar el determinante es = a11 a22 − a12 a21 .

a21 . a22
Ejemplo 33. Calcular el determinante de las matrices:

! !
i 2 2 −4
1. A = 2. B =
3 4 −3 1

i 2 2 −4
3 |A| = = 4i − 6. 3 |B| = = 2 − 12 = −10

3 4 −3 1

 
a11 a12 a13
Consideremos la matriz A =  a21 a22 a23 . Entonces el determinante de A está
 
a31 a32 a33

definido por

a a a a a a
22 23 21 23 21 22
|A| = a11 − a12 + a13 .
a32 a33 a31 a33 a31 a32
Las siguiente figuras ayudaran a identificar los productos que aparecen en la definición.
+
 a11 a12 a13 
a a22 a23  a11
a22 a23
 21 a32 a33
a a33 
 31 a32
30
-
 a11 a12 a13 
a a22 a23  - a12
a21 a23
 21 a31 a33
a a33 
 31 a32
+
 a11 a12 a13 
  a13
a21 a22
 a21 a22 a23 
a31 a32
a a33 
 31 a32
 
1 0 3
Ejemplo 34. Calcule el determinante de la matriz A =  4 −1 2  .
 
0 −2 1
Solución. De acuerdo a la definición 26 se tiene que

1 0 3
−1 2 4 2 4 −1
4 −1 2 = 1 − 0 + 3 = 1(−1 − (−4)) + 3(−8 − 0) = 3 − 24 = −21.

−2 1 0 1 0 −2
0 −2 1
Existe una regla práctica que permite memorizar y calcular el determinante de una matriz
3 × 3. Un determinante de orden 3, la cual consiste en colocar la matriz seguida de las dos primeras
columnas y efectuando los productos como se muestra:
31
a11 a12 a13 a11 a12

a21 a22 a23 a21 a22  a11a22 a33  a12 a23a31  a13a21a32   a13a22a31  a11a23a32  a12a21a33 
a31 a32 a33 a31 a32
Los productos correspondientes a las flechas & van sumados y los correspondientes a las flechas .
se restan. A este método se le conoce como regla de Sarrus. Recibe su nombre del matemático
francés Pierre Frédéric Sarrus..
 
1 0 3
Ejemplo 35. Hallar el determinante de la matriz  4 −1 2  .
 
0 −2 1
Solución. Repetimos las dos primeras columnas seguidas de la tercera y aplicamos el procedi-
miento descrito anteriormente:

1 0 3 1 0

4 −1 2 4 −1 = 1 · (−1) · 1 + 2 · 0 · 0 + 3 · 4 · (−2) − (0 · (−1) · 3 + (−2) · 2 · 1 + 1 · 4 · 0)

0 −2 1 0 −2
= −1 + 0 − 24 − (0 − 4 − 0) = −25 + 4 = −21.
Lo cual coincide con el resultado obtenido en el Ejemplo 0.5.

32
Se puede obtener el mismo resultado sin necesidad de escribir las dos columnas adicionales,
observe:
a11 a12 a13
a21 a22 a23  a11a22 a33  a12 a23a31  a13a21a32
a31 a32 a33
a11 a12 a13

a21 a22 a23  a11a22 a33  a12 a23a31  a13a21a32   a13a22 a31  a11a23a32  a12 a21a33 
a31 a32 a33
 
1 1 1
Ejemplo 36. Calcular el determinante de la matriz A =  2 −4 5 .
 
3 −1 2
Solución.

1 1 1

2 −4 5 = (1 + (−4) · 2 + 1 · 2 · (−1) + 3 · 5 · 1) − (1 · (−4) · 3 + 2 · 2 · 1 + 1 · 5 · (−1))

3 −1 2
= −8 − 2 + 15 − (−12 + 4 − 5) = 5 − (−13) = 18.
Serı́a natural preguntarse lo siguiente:¿ Existirá alguna forma para obtener el determinante de
matrices de orden n con n ≥ 3?
0.6. Menores y cofactores

Definición 27 (Menor y cofactor).
Sea A = (aij )n×n ∈ M (K).
Ê El menor del elemento aij , es denotado por Mij (A), y se define como el determi-
nante de la matriz que resulta de eliminar la fila i y la columna j de A.
Ë El cofactor del elemento aij , denotado por Cij (A), está dado por:
Cij (A) = (−1)i+j Mij (A).
Observe que el menor y el cofactor son números que difieren en el signo o son iguales.
Se utilizará la notación Cij y Mij en lugar de Cij (A) y Mij (A), respectivamente, si está claro
con la matriz que se está trabajando y no hay posibilidad de confusión.
33
!
1 2
Ejemplo 37. Dada la matriz A = se tiene que
3 4
3 M11 = 4, 3 C11 = (−1)2 4 = 4,
3 M12 = 3, 3 C12 = (−1)3 3 = −3,
3 M21 = 2, 3 C21 = 2 = (−1)3 2 = −2,
3 M22 = 1, 3 C22 = 1 = (−1)4 1 = 1.

 
−2 4 5
Ejemplo 38. Si B =  0 3 7  , entonces
 
1 6 −4

3 7 −2 5
3 M11 = = −12 − 42 = −54, 3 M32 = = −14 − 0 = −14,

6 −4 0 7
3 C11 = (−1)2 (−54) = −54,

4
3 C21 = (−1)3 (−46) = 46,
5
3 M21 = = −16 − 30 = 46,

6 −4 3 C32 = (−1)5 (−14) = 14.
Definición 28.
Sea A = (aij )n×n ∈ M (K). El determinante de A es la suma de los productos de los

elementos de la primera fila por sus cofactores. Esto es,
3
P
Ê Si A es de orden 3, |A| = a11 C11 + a12 C12 + a13 C13 = a1k C1k .
k=1
4
P
Ë Si A es de orden 4, |A| = a11 C11 + a12 C12 + a13 C13 + a14 C14 = a1k C1k .
k=1
Ì En general, si A es de orden n,
n
P
|A| = a11 C11 + a12 C12 + a13 C13 + · · · + a1n C1n = a1k C1k .
k=1

2 1 0 4

0 −1 0 2
Ejemplo 39. Calcular el siguiente determinante .

7 −2 3 5

0 1 0 −3
Solución. Calculamos

−1 0 2

3 M11 = −2 3 5 = 9 + 0 + 0 − (6 + 0 + 0) = 9 − 6 = 3.

1 0 −3
34
3 C11 = (−1)2 M11 = 3.

0 0 2

3 M12 = 7 3 5 = 0 + 0 + 0 − (0 + 0 + 0) = 0.

0 0 −3
3 C12 = (−1)3 M12 = 0.

0 −1 2

3 M13 = 7 −2 5 = 0 + 14 + 0 − (0 + 0 + 21) = 14 − 21 = −7.

0 1 −3
3 C13 = (−1)4 M13 = −7.

0 −1 0

3 M14 = 7 −2 3 = 0 + 0 + 0 − (0 + 0 + 0) = 0.

0 1 0
3 C14 = (−1)5 M14 = 0.
Luego,

2 1 0 4

0 −1 0 2
= 2C11 − 1C12 + 0C13 − 4C14 = 2 · 3 − 1 · 0 + 0 · (−7) + 4 · 0 = 6 − 0 − 0 + 0 = 6.

7 −2 3 5

0 1 0 −3
Hasta ahora hemos estudiado como hallar el determinante de una matriz cuadrada de orden 2
y de orden 3. Luego se presentó una definición la cual generaliza el procedimiento para calcular
el determinante de cualquier matriz cuadrada expandiendo por la primera fila. A continuación se
enuncia un teorema que es más general ya que nos permitirá calcular el determinante de cualquier
matriz cuadrada expandiendo por cualquier fila o columna.
Teorema 13. El determinante de cualquier matriz cuadrada A, es la suma de los productos de

los elementos de cualquier fila o columna por sus cofactores. Esto es:
Ê Expansión a lo largo de la fila i, si A es de orden n,

n
P
|A| = ai1 Ci1 + ai2 Ci2 + ai3 Ci3 + · · · + ain Cin = aik Cik , 1 ≤ i ≤ n.
k=1
Ë Expansión a lo largo de la columna j, si A es de orden n,

n
P
|A| = a1j C1j + a2j C2j + a3j C3j + · · · + anj Cnj = akj Ckj , 1 ≤ j ≤ n.
k=1

1 2 −1

Ejemplo 40. Calcular el determinante 3 0 1 usando la Definición 28 y luego aplicando el

4 2 1
Teorema anterior con la fila 2.
35
Solución. Calculemos primero el determinante usando la regla práctica de repetir las dos primeras
columnas. Entonces

1 2 −1

3 0 1 = 0 + (−6) + 8 − (0 + 6 + 2) = 2 − 8 = −6.

4 2 1
Calculemos ahora el determinante usando el teorema 13, expandiendo por la segunda fila. Para
ello necesitamos hallar los cofactores de cada uno de los elementos de la segunda fila.

2 −1 1 2
3 C21 = (−1)3 = −(2 + 2) = −4. 3 C23 = (−1)5 = −(2 − 8) = 6.

2 1 4 2

1 −1
3 C22 = (−1)4 = 1 + 4 = 5.

4 1
Luego,

1 2 −1

3 0 1 = 3C21 + 0C22 + 1C23 = 3 · (−4) + 0 · 5 + 1 · 6 = −12 + 6 = −6.

4 2 1
Una ventaja que nos brinda el teorema 28 es que podemos elegir siempre la columna o fila con
mayor número de ceros de forma que el trabajo sea más breve.

2 1 0 4

0 −1 0 2
Ejemplo 41. Calcular el determinante .

7 −2 3 5

0 1 0 −3
Solución. Por el Teorema 13, sabemos que podemos calcular este determinante expandiendo
por cualquier fila o columna. Ahora observe que la tercera columna posee más ceros que el resto.
Luego es más conveniente expandir por la tercera columna ya que solamente harı́a falta calcular
el cofactor
de a33 .
2 1 0 4
2 1 4
0 −1 0 2
= 3 · (−1)6 0 −1 2 = 3[(6 + 0 + 0) − (0 + 0 + 4)] = 3(6 − 4) = 6.

7 −2 3 5
0 1 −3
0 1 0 −3
0.7. Propiedades de los determinantes

A continuación se presenta un resumen de algunas propiedades de los determinantes, de interés
para efectos de un curso de introducción al álgebra lineal, en las cuales se puede observar que
algunas de las operaciones entre matrices inciden sobre los determinantes.
36
Teorema 14. Sean A = (aij )n×n , B = (bij )n×n dos matrices y α ∈ K con α 6= 0. Entonces:
Ê Si en A hay una fila (o columna) de ceros, |A| = 0,
Ë |At | = |A|,
Ì Si B se obtiene a partir de A intercambiando dos filas (o columnas) de A, entonces |B| = |A|.
Í Si en un determinante hay dos filas (o dos columnas) iguales su valor es 0.
Î Si B se obtiene al multiplicar una fila (o columna) de A por α entonces |B| = α|A|. En

consecuencia, se tiene que |αA| = αn |A|.
Ï Si B se obtiene de A al sumar un múltiplo de una fila de A a otro renglón de A, entonces

|B| = |A|.
Ð Si A es una matriz triangular, su determinante será igual al producto de los elementos de la

diagonal principal. Esto es, si A = (aij )m×n , entonces |A| = a11 · a22 · · · · · ann .
Ñ (Teorema de Cauchy-Binet) |AB| = |A||B|.
Ò Si a los elementos de una fila (o columna) se le suman los correspondientes a otra paralela
multiplicados por un número, el determinante no varı́a.

−3 2 1 2
Ejemplo 42. Por el Teorema 14 (Î) = −3 = −3(4 − 6) = −3(−2) = 6.

−9 4 3 4
 
1 4 2
Ejemplo 43. Calcular el determinante de la matriz 0 3 4.
 
0 0 1
Solución. En este caso es conveniente expandir por la primera columna, ası́,

1 4 2
3 4
0 3 4 = 1 = 1 · 3 = 3.

0 1
0 0 1

1 2 1 2 1

0 0 1 1 1

Ejemplo 44. Calcular el valor del siguiente determinante |A| = 1 1 0 2 0 .

0 0 1 1 2

1 2 2 1 1
37
Desarrollaremos por ejemplo por adición de la columna. En primer lugar realizaremos las ope-
raciones (Ò) necesarias para hacer ceros todos los elementos de esta columna, excepto el primero.
Llamaremos a la fila 1 la fila auxiliar, porque es la fila que utilizamos para transformar los elementos
de las filas 3 y 5.

1 2 1 2 1

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

f3 → −f1 + f3

1 1 0 2 0
f → −f + f

0 −1 −1 0 −1
5 1 5
0 0 1 1 2 0 0 1 1 2

−−−−−−−−−−−→

1 2 2 1 1 0 0 1 −1 0
Luego, desarrollamos por la primera columna

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

= 1(−1)2 −1 −1 0 −1

|A| = 0 −1 −1 0 −1
0 1 1 2
0 0 1 1 2

1 −1
0
0
0 0 1 −1 0
Para obtener el resultado de este último determinante desarrollamos, nuevamente, por la primera
columna.

0 1 1 1
1 1 1 1 1 1
−1 −1 0 −1
|A| = = −1(−1)3 1 1 2 = 1 1 2

0 1 1 2
1 −1 0 1 −1 0
0 1 −1 0
= 2 + 0 − 1 − (1 + 0 − 2) = 1 − (−1) = 2.
 
2 3 −1 5
 3 2 1 −6 
Ejemplo 45. Calcular el determinante de la matriz 
 

 −5 −7 2 −8 
4 1 −4 2
Solución. Note que

2 3 −1 5 2 3 −1 5
f2 → f1 + f2
3 2 1 −6 5 5 0 −1
f3 → 2f1 + f3

−5 −7 2 −8 −1 −1 0 2
f3 → −4f1 + f4
4 1 −4 2 −−−−−−−−−−−−→ −4 −11 0 −18
expandiendo por cofactores de la columna 3 se tiene que

38

2 3 −1 5
5 5 −1
3 2 1 −6
= −1 −1 −1 2

−5 −7 2 −8
−4 −11 −18
4 1 −4 2
= −1[90 − 11 − 40 − (−4 + 90 − 110)] = −(39 + 24) = −63.
Puede ocurrir que el determinante de una matriz sea igual a cero, el siguiente teorema nos
muestra las condiciones de una matriz A para que su determinante sea igual a cero.
Teorema 15. Si A es una matriz cuadrada y se cumple cualquiera de las condiciones siguientes,
Ê Toda una fila (o una columna) consiste de ceros,
Ë Dos filas (o columnas) son iguales,
Ì Una fila (o columna) es un múltiplo de otra fila (o columna),
entonces |A| = 0.
0.7.1. Determinante e inversa de una matriz cuadrada

El determinante de una matriz es una herramienta muy valiosa para determinar si una matriz
dada es singular o no singular, como muestra el siguiente teorema.
Teorema 16. Una matriz cuadrada A es invertible (no singular) si y sólo si |A| =
6 0. Además, si
1
A es invertible, entonces |A−1 | = .
|A|
Ejemplo 46. Note que
 
2 1 4 2
1 4

La matriz A =  0 −1 2  es no singular dado que 0 −1 2 = 2.
 

0 1 −3 0 1 −3
 
0 −1 0 0
−1 0
La matriz B =  7 −2 3  es singular dado que 7 −2 3 = 0.
 

0 1 0 0 1 0
Ejemplo 47. Como ejemplo de matrices singulares tenemos:

 
1 0 5
1. A = 0 0 2 es singular ya que una columna está formada por ceros.
 
2 0 1
39
 
1 0 5
2. B =  2 1 3  es singular ya que dos filas son iguales.
 
1 0 5
 
1 2 3
3. C =  2 5 2  es singular ya que la tercera fila se obtiene multiplicando la primera fila
 
3 6 9
por tres, es decir, la tercera fila es múltiplo de la primera.
0.8. Entrenamiento para el lector

A continuación se presenta una lista de ejercicios que es importante que el lector los resuelva, en
principio, una vez leı́da la teorı́a trate de resolverlos de forma individual, en caso de tener algunas
dudas se recomienda leer nuevamente la teorı́a relacionada. En caso de continuar con algún tipo
de duda se recomienda consultar a un profesor de la materia.
“Nunca consideres el estudio como una obligación, sino como una
oportunidad para penetrar en el bello y maravilloso mundo del
saber”.
Albert Einstein.
1
    
1 1 1 1 1 −2 1
 2 
1. Dadas las matrices A =  2 1 0  , B =  1  y C =  1 −2 7  . Calcular
   
 2

3 1 2 1 −4 4 −3 5
a) A · B d) C · A 1
g) A2 + B 2 + (A · B)
2
b) B · A e) 2(A · B) + B
c) A · C f ) (A · C)2 + A
2. Sean A y B matrices de órdenes adecuados de tal manera que puedan ser efectuadas opera-
ciones entre ellas. Simplificar cada una de las siguientes expresiones matriciales:
a) A · (A − 4B) + 2B · (A + B) − A2 + 7B 2 + 3A · B,
b) B(2In − B · A) + B · (4In + 5A) · B − 3B · A · B + 7B 2 · A,
c) (A − B) · (A + B) − (A + B)2 ,
d ) A · (A + B) − B · (A + B),
e) (A + B)3 − 2A3 − 3A · B · A − A · (3B 2 ) − B 3
3. Sean A y B matrices cuadradas del mismo orden tales que A · B = B · A. Entonces demuestre
que se cumple (A · B)2 = A2 · B 2 .
4. Sean A y B matrices diagonales del mismo orden. Demostrar que:

40
a) A + B es diagonal, b) αB es diagonal,
5. Determinar cuáles de las siguientes matrices son idempotentes.

!  
1 0 1 2 2
a) A =
0 1 e) E =  0 0 −1 
 
0 0 1
!
1 0
b) B =
0 0 √ !
a a − a2
f) F = √ (a ∈ R)
!
0 1 a − a2 1−a
c) C =
1 0
! !
3 −6 1 0
d) D = g) G = (a ∈ R).
1 −2 a 0
6. Si A y B son matrices idempotentes tales que A · B = B · A, demostrar que A · B es una

matriz idempotente.
7. Demuestrar que si A es una matriz idempotente, entonces At también lo es.

 
1 0 1
8. Sea A =  0 1 0 . Hallar An , para n ∈ N.
 
0 0 1
9. Para cada una de las siguientes matrices, encontrar los valores de x, y, z, v y w conociendo
que dichas matrices son simétricas:
     
1 2 4 3 5 x −3 z 8 9
a)  x 6 y  b)  y 8 4  −4 7 v 7
     
 
 
4 5 2 −3 z 3 c) 
 x 2 6 4 

x 2 6 4
 
 
y 7 w 9
10. Sea A una matriz simétrica. Demostrar que At es simétrica.
11. Sean A y B matrices simétricas, demostrar que A + B es simétrica.
12. Usando el algoritmo de Gauss-Jordan, determine cuál de las siguientes matrices son inverti-
bles. Para aquellas que sean invertibles, calcular su respectiva inversa:
4 5
!  
4 7 −
a) A =  7 7 
1 3 b) W =   
1 3 
−
7 7
41
   
3 −1 −5 −1 0 −1 −1
c) T =  −2 0 3  −3 −1 0 −1 
  
e) R = 
 

4 3 −4  5 0 4 3 
3 0 3 2
   
−3 −1 1 −2 1 −2 5 −3
 −1 3 2 1   −1 0 0 1 
d) T =  f) S = 
   
 
 1 2 3 −1   2 0 4 0 
−2 1 −1 −3 −3 2 −5 0
!
2 3
13. Encontrar la matriz A conociendo que (4At )−1 = .
−4 −4
14. Sean A, B y C matrices cuadradas de orden n e invertibles. Demostrar que
a) (At B t )−1 = (A−1 B −1 )t b) (ABC)−1 = C −1 B −1 A−1 .
15. Sea A una matriz cuadrada e invertible. Demostrar que si AB = AC, entonces B = C.
16. Sea A una matriz cuadrada e invertible. Demostrar que si AB = 0n×n , entonces B = 0n×n .
! !
cos(θ) − sen(θ) cos(2θ) − sen(2θ)
17. Sea A = . Demuestrar que A2 = . En general,
sen(θ) cos(θ) sen(2θ) cos(2θ)
¿cómo será una expresión para An donde es un entero con n ≥ 3?.
! !
1 2 −1 0
18. Sean A = yB= . Encontrar la matriz en cada una de las siguientes
3 4 1 1
ecuaciones matriciales:
a) X − 2A + 3B = 02×2 ,
b) 2(A − B + X) = 3(X − A),
c) 2X = A − B.

19. Determinar en caso posible, una constante k tal que (kA)t (kA) = 1 , donde A =
 
−2
 1 .
 
−1
20. Hallar, si es posible, una matriz X tal que

! ! !
4 1 1 2 0 −1 0 −1 2 1
.......................... ·X − = .
−1 0 2 −1 0 1 1 0 −3 0
42
 
1 1 1
21. Estudiar para qué valores de λ ∈ R existe la inversa de la siguiente matriz  λ 0 2 .
 
2 −1 0
22. Hallar la matriz X 2 + Y 2 , donde X y Y son dos matrices cuadradas de

! orden dos, que
2 0
satisfacen las siguientes igualdades matriciales 5X + 3Y = y 3X + 2Y =
−4 15
!
1 −1
.
−2 9
23. Determinar el rango de las siguientes matrices según el valor del parámetro real a.
!  
1 3 2 a
a) A =
4 a c) A =  6 4 + a 
 
4 6
 
! a 1 1
2 a 1 d) A =  1 a 1 
 
b) A =
6 3 4 1 1 a
 
2 1 0
24. Hallar, si es posible, una matriz X tal que A · X = B, donde A =  1 0 1  y
 
1 1 1
 
3 5 1
B =  1 1 1 .
 
2 2 2
! ! !
1 1 2 1 1 2
25. Siendo A = , B = y C = . Calcular el valor de X en las
3 4 1 1 1 3
siguientes ecuaciones
a) X · A = B + I2 , d ) A · X + B · X = C,
b) A · X + C = C, e) X · A · B − X · C = 2C.
c) X · A + B = 2C,
! = B ·A. Hallar todas las matrices A conmutables

26. Las matrices A y B son!conmutables si A·B
a b 1 1
con B si A = yB= .
c d 0 1
27. Calcular el determinante de las siguientes matrices:

43
   
1 −1 −2 2 3 4
a) A =  2 −3 −5  i) J =  2 a + 3 b + 4 
   
−1 3 5 2 c+3 d+4
  1
2 3 −1  
1 1 1 1 1
b) B =  −1 5 −2 
 
1 3 3 3 3
 
0 1 3
 
 
j) P = 
 1 3 5 5 5 

 
1 3 5 7 7
 
1 1 5  
c) C =  2 3 −1 
  1 3 5 7 9
4 6 −2  
1 a a2
k ) Q =  1 b b2 
   
4 5 −3
d ) D =  1 2 10 
  1 c c2
1 1 −4  
1 1 1 1
 
4 3 −1
 a b c d 
l) R = 
 
a2 b 2 c 2 d 2

e) E =  −1 6 −2 
   
1 8 7 a3 b 3 c 3 d 3
  2
2 −3 −1  
1 1 1 1
f ) F =  1 −5 −2 
 
 1 2 −1 2 
0 −1 3 m) S = 
 

 0 −1 0 1 
1 3 3 2
 
1 2 3
g) G =  4 5 6 
 
 
1 n··· n n
7 8 9
n 2··· n  n
 

 
n n··· n  3
 
1 0 1 n) Z = 
.. .. ..
. 
 
..
h) H =  0 1 0  . .. 

. . .
 

0 0 1 n n n ··· n
28. Demostrar, usando propiedade de determinantes, que los siguientes determinantes son iguales
a cero:

1 a b+c a 3a 4a

a) 1 b a + c b) a 5a 6a

1 c a+b a 7a 8a
1
a, b, c, d ∈ R.
2
En las matrices Q y R; a, b, c, d ∈ R. A estos determinantes se le llama determinante de de Vandermonde.
44
29. Encuentrar, si es posible, el valor de x en cada caso para que se cumpla la igualdad:

x+1 x
a) =3

3 x−2 −1
0 1 0

2 0 2 1
d) =2

2x −3 1 0 1 0
b) =1

x−1 x+2

1 2x − 1 0 3

x 0 2 2x 1
e) = −1.

c) 2x x + 1 4 =2

1 x − 1
−x x − 2 x + 1
30. Supongamos que A y B son matrices tales que |A| = −4 y |B| = 2. Calcular
a) |A · B| c) |3A3 · B| e) |(A2 · B −1 )t |
b) |A · At | d ) |4A · B −1 |
Capı́tulo 1
Sistemas de ecuaciones lineales

El estudio de los sistemas de ecuaciones lineales, empleando méto-
dos matriciales, continúa el estudio del álgebra matricial que se
realiza en el presente curso de ingenierı́a. En esta oportunidad se
pretende que el lector aplique lo estudiado en el capı́tulo anterior,
concretamente en la discusión y resolución de sistemas de ecua-
ciones lineales. Se comenzará con la identificación de los distintos
elementos de un sistema de ecuaciones lineales (incógnitas, coefi-
cientes, términos independientes), su escritura utilizando notación
matricial y su clasificación, y finalmente se presentan algunos re-
sultados de orden teórico que permitirán el estudio de dichos siste-
mas. El dominio de los métodos para discutir y resolver un sistema
de ecuaciones lineales permitirá afrontar el planteamiento y reso-
lución de problemas diversos. Cabe destacar que los mencionados
sistemas poseen diversas aplicaciones en otras ciencias como la
fı́sica, la quı́mica, la mecánica, la economı́a, entre otras, en donde
sirven de herramienta valiosa para determinadas situaciones de
estudio en tales áreas de conocimiento.
45
46
1.1. Ecuaciones lineales

Definición 29.
Una ecuación lineal es cualquier expresión de la forma
a1 x1 + a2 x2 + a3 x3 + · · · + an xn = b. (1.1)
Cada ai ∈ K con i = 1, 2, 3, · · · , n se conoce como coeficiente de la ecuación, y b ∈ R se le

llama término independiente o constante de la ecuación (1.1). Cada xi (i = 1, 2, 3, · · · , n)
se denomina incógnita. En caso de que b = 0, la ecuación se llama homogénea y, en
caso contrario, se llama no homogénea.
Es común convenir en un ordenamiento de las incógnitas xi ; de acuerdo a ese orden, a la primera

de ellas que no tengan coeficiente cero se le llamará variable delantera, mientras que las restantes
serán llamadas variables libres.
El número de incógnitas n y el de ecuaciones m no son necesariamente iguales.
Ejemplo 48. Son ecuaciones homogéneas:

1 2. −x + 4y − 5x + 2v = 0.
1. 5x1 + x2 − x3 = 0,
2
Son ecuaciones no homogéneas:
1. 2x1 + 6x2 − x3 + x4 = 5, 1
2. 4x − 2y + z − v = 2.
5
Definición 30.
Una solución de la ecuación (1.1) es una secuencia ordenada finita s1 , s2 , · · · , sn de es-

calares que al ser reemplazados en cada variable respectivamente, satisfacen tal ecuación.
El conjunto de todas las soluciones de una ecuación del tipo (1.1) se denomina conjunto
solución.
Ejemplo 49. Al considerar la ecuación x1 + 3x3 + 2x4 − x5 = 0 tenemos que:

3 x1 = x3 = x4 = x5 = 0 es solución de dicha ecuación, ya que al sustituir estos valores en
tal ecuación la verifican, esto es 0 + 3 · 0 + 2 · 0 − 0 = 0.
1 1
3 La secuencia x1 = x5 = 0, x3 = , x4 = − también es solución dado que
3 2
1 1
..................... 0 + 3 · + 2 · − − 0 = 0.
3 2
3 x1 = 1, x3 = −1, x4 = 1 y x5 = 1 no es solución de dicha ecuación pues 1+3·(−1)+2·1−0 =
−1 cuyo resultado evidentemente es distinto de 0, es decir, no satisface la ecuación.
47
1.2. Sistemas de ecuaciones

En el caso en que a, b, c ∈ R, la gráfica de una ecuación de la forma ax + by = c es una recta y
cada par (x, y) que satisfaga la ecuación es una solución de la ecuación y representa las coordenadas
de un punto sobre la recta.
Un sistema de dos ecuaciones lineales con dos variables x y y se puede escribir de la forma
(
a1 x + b 1 y = c 1
y resolver este sistema donde a1 , b1 , a2 , b2 son números reales y las variables
a2 x + b 2 y = c 2
x y tienen exponente uno ( de ahı́ el nombre de lineal ) es encontrar todos los pares (x, y) que
satisfacen las dos ecuaciones simultáneamente;( c1 y c2 también números reales no ambos iguales
a cero por ahora )
Como cada una de las ecuaciones representa una recta, la solución del sistema significará
encontrar el (los) puntos que estén en ambas rectas y por lo tanto es encontrar la intersección de
las dos rectas.
Dos rectas pueden :
Ê Intersectarse en un punto ( solución única del sistema ).
Ë No intersectarse ( las rectas son paralelas ) ( el sistema es inconsistente o no tiene solución ).
Ì Todos los puntos de una son puntos de la otra ( infinito número de soluciones ).
Pero no necesariamente el sistema tiene que tener el mismo número de ecuaciones que de
variables (
4x − y + 3z = −1
Por ejemplo es un sistema de dos ecuaciones con tres variables
3x + y + 9z = −4
x = 1 y = 2 z = −1 es una solución porque satisface ambas ecuaciones, pero x = 0 y = 4 z = 1
no lo es porque satisface la primera ecuación más no la segunda.
Muchas veces los sistemas tienen varias ecuaciones y variables lo que hace pensar en una
escritura más general:
48
Definición 31.
Un sistema lineal de m ecuaciones con n variables o incógnitas x1 , x2 , · · · , xn es un

conjunto de m ecuaciones lineales de la forma


 a11 x1 + a12 x2 + · · · + a1n xn = b1

 a21 x1 + a22 x2 + · · · + a2n xn

= b2
.. .. .. (1.2)


 . . .

 a x + a x + ··· + a x
m1 1 m2 2 mn n = bm .
Cada aij ∈ R (i = 1, ..., m, j = 1, ..., n) y son llamados coeficientes del sistema (1.2),
b1 , b2 , ..., bm son los términos constantes o independientes. Cuando b1 = b2 = ... =
bm = 0, el sistema (1.2) es denominado homogéneo. Si al menos uno de los términos
constantes es distinto de cero, el sistema se llama no homogéneo.


 2x1 + 3x2 + 8x3 = 0
Ejemplo 50. Consideremos el siguiente sistema −x1 + 5x3 − x4 = 0

−2x1 + x2 − x3 + 5x4 = 0.

Observe que el sistema tiene 3 ecuaciones y 4 variables. Las incógnitas son x1 , x2 , x3 , x4 . Note
que todos los términos constantes son nulos por lo que el sistema es homogéneo.


 2x1 + 3x3 + 8x3 = 0
Ejemplo 51. Consideremos el siguiente sistema −x1 + 5x3 − x4 = 0

−2x1 + x2 − x3 + 5x4 = 1.

En este sistema uno de los términos constantes es no nulo (b3 = 1), luego este sistema es no
homogéneo.
1.3. Representación matricial de un sistema de ecuaciones

lineales
Consideremos la matriz cuyos elementos o entradas son los coeficientes del sistema de ecuaciones
(1.2)
 
a11 a12 · · · a1n
 
 a21 a22 · · · a2n 
A= .. .. . . . ... 


 . . 
am1 am2 · · · amn m×n
Esta matriz recibe el nombre de matriz de coeficientes del sistema.
49
Formemos ahorauna matriz

 columna cuyas componentes sean los términos independientes del
b1
 b2 
 
sistema (1.2), B = 
 .. 
 . Finalmente consideremos la matriz columna cuyas componentes
 . 
bm m×1  
x1
x2
 
 
sean las incógnitas del sistema (1.2) X =  ..  , a la cual se llama matriz incógnita.
.
 
 
xn n×1
Utilizando la multiplicación de matrices y la definición de igualdad de matrices se puede escribir
el sistema (1.2) de la siguiente manera
     
a11 a12 · · · a1n x1 b1
 a21 a22 · · · a2n   x2   b2 
     
 .
 . .. .. ..  ·  ..  =  .. 
   
. (1.3)
 . . . .   .   . 
am1 am2 · · · amn xn bm
La representación del sistema de ecuaciones lineales (1.2) dada por (1.3) se denomina repre-
sentación matricial del sistema. En este caso escribiremos A · X = B.
En lugar de escribir el sistema AX = B completo se va a utilizar la siguiente matriz, llama-
damatriz aumentada del sistema,
 
a11 a12 · · · a1n | b1
 a21 a22 · · · a2n | b2 
 
(A |B ) : 
 .. .. .. .. . ,
 . . . . | .. 
am1 am2 · · · amn | bm
y las operaciones que se le hacı́an, en el método de reducción y simplificación, a las ecuaciones

para obtener sistemas equivalentes serán reemplazadas por operaciones elementales entre filas.

 2x + 3y − 5z = 1

Ejemplo 52. Hallar la representación matricial del sistema 3x + 5y + z = −2

2x − 8z = 1.

     
2 3 −5 1 x
Solución. Formemos las siguientes matrices A =  3 5 1  , B =  −2  y X =  y  .
     
2 0 −8 1 z
     
2 3 −5 x 1
Entonces el sistema dado se puede representar como  3 5 1  ·  y  =  −2  .
     
2 0 −8 z 1
50
Ejemplo 53. Escribe

  el sistema de ecuaciones correspondiente a:
! x !
4 −5 0 3
· y = .
 
−1 0 2 −1
z
(
4x − 5y + 0z = 3
Solución. Al efectuar las operaciones e igualar matrices obtenemos o
−x + 0y − 2z = −1,
equivalentemente
(
4x − 5y = 3
.
−x − 2z = −1
1.4. Teoremas básicos

Dado un sistema de ecuaciones, el problema consiste en encontrar los valores de las variables
que satisfacen todas las ecuaciones.


 x + 3y = 5
Ejemplo 54. Dado el siguiente sistema 4x + 5y − 3z = 7 . Verifique que x = 2, y = 1 y

−x + z = 0

z = 2 es una solución para tal sistema.


 2+3·1 =2+3=5
Solución. En efecto, sustituyendo en cada ecuación se tiene que 4 · 2 + 5 · 1 − 3 · 2 = 8 + 5 − 6 = 7.

−2 + 2 = 0.

Como cada ecuación se satisface, entonces por la definición 29, los valores dados forman una
solución del sistema dado. (¿Será la única solución?. ¿Existirán otras?). En los ejemplos que hemos
mencionado hasta ahora se ha observado que algunos sistemas tienen hasta dos soluciones o por lo
menos hemos dado una solución pero hasta el momento no sabemos si existen otras más. Es por
ello que surge la necesidad de clasificar los sistemas de acuerdo a sus soluciones.
Definición 32.
.
Ê Un sistema de ecuaciones lineales es consistente si tiene solución.
Ë Un sistema de ecuaciones lineales es consistente determinado si tiene una única

solución.
Ì Un sistema de ecuaciones lineales es consistente indeterminado si tiene infinitas

soluciones.
Í Un sistema es inconsistente si no tiene solución.

51
Observación 10. Ahora veremos los sistemas homogéneos A · X = Θ, es decir, un sistema de la

forma 

 a11 x1 + a12 x2 + · · · + a1n xn = 0

 a21 x1 + a22 x2 + · · · + a2n xn = 0

.. .. ..


 . . .

 a x + a x + ··· + a x = 0
m1 1 m2 2 mn n
Es fácil verificar que X = Θ (esto es x1 = x2 = · · · = xn = 0) es solución del sistema; por

lo tanto un sistema homogéneo nunca es inconsistente. Entonces un sistema homogéneo no puede
sino tener la solución de ceros ( se llama también solución trivial ) o tener infinito número de
soluciones.
A continuación presentamos unas definiciones y teoremas que nos permitirán utilizar un método
para estudiar sistema de ecuaciones lineales denominado método de eliminación de Gauss-Jordan.
1.4.1. Método de eliminación de Gauss-Jordan

La eliminación de Gauss-Jordan, llamada ası́ debido a Carl Friedrich Gauss y Wilhelm Jordan,
es un algoritmo del álgebra lineal para determinar las soluciones de un sistema de ecuaciones
lineales. Un sistema de ecuaciones se resuelve por el método de Gauss cuando se obtienen sus
soluciones mediante la reducción del sistema dado a otro equivalente en el que cada ecuación tiene
una incógnita menos que la anterior. El método de Gauss transforma la matriz de coeficientes en
una matriz triangular superior, mediante operaciones elementales de filas. El método de Gauss-
Jordan continúa el proceso de transformación hasta obtener una matriz diagonal.
Definición 33.
Supongamos que A · X = B y C · X = D son dos sistemas de m ecuaciones y n variables.

Diremos que éstos son sistemas equivalentes si (A|B) y (C|D) son equivalentes por
filas.
Teorema 17. Si dos sistemas de ecuaciones son equivalentes, entonces tienen el mismo conjunto
solución.
Teorema 18. Sea A una matriz de orden m × n y consideremos el sistema homogéneo A · X = Θ

de m ecuaciones y n variables Entonces:
Ê El sistema dado es consistente determinado (CD) si y sólo si rang(A) = n.
Ë El sistema dado es consistente indeterminado (CI) si y sólo si rang(A) = r < n.
En este último caso existen n − r variables libres.

52
Ejemplo 55. Utilizar el método de Gauss-Jordan para resolver el sistema


 2x1 − 3x2 + x3 + 2x4 = −11

−3x1 − 2x2 + 2x3 + 3x4 = −4

−5x1 − 12x2 + 8x3 + 13x4 = −34

 
2 −3 1 2 −11
Solución. La matriz aumentada del sistema es  −3 −2 2 3 −4  .
 

−5 −12 8 13 −34
   
2 −3 1 2 −11 −1 −5 3 5 −15
 −3 −2 2 3 −4  f1 → f2 + f1  −3 −2 2 3 −4 
   
−−−−−−−−→
−5 −12 8 13 −34 −5 −12 8 13 −34
 
−1 5 3 5 −15
f2 → −3f1 + f2 
 0 13 −7 −12 41 

f3 → −5f1 + f3
−−−−−−−−−−−−→ 0 13 −7 −12 41
 
−1 5 3 5 −15
f3 → f2 + f3  0 13 −7 −12 41 
 
−−−−−−−−→
0 0 0 0 0
 
1 −5 −3 −5 15
7
− 12
41 
 0 1 − 13
1

f2 → 13 f2 13 13 

−−−−−−→ 

0 0 0 0 0
 
74
1 0 − 13 − 77
13
236
13 


7 12 41 
f1 → 5f2 + f1  0 1 − 13 − 13 13 

−−−−−−−−−→  

0 0 0 0 0
Esta última matriz, que se ha obtenido, ya es la matriz escalonada reducida ( revise cada una
de las
 condiciones); cuyo sistema asociado es:
74 77 236
 x1 − 13 x3 − 13 x4 = 13


. Este sistema tiene infinito número de soluciones porque si a
 7
 x2 − x3 − x 4 =
 12 41
13 13 13
las variables x3 y x4 se le dan cada vez valores diferentes se obtienen valores de x1 y x2
Las variables x3 y x4 se llaman variables libres y las variables x1 y x2 son variables
dependientes.
 x1 = 236 + 74 t + 77 s


 13 13 13
Para escribir la solución general hacemos x3 = t y x4 = s en cuyo caso .
 x2 = 41 + 7 t + 12 s


13 13 13
236 74 77 41 7 12
para t, s ∈ R. El conjunto solución es + t + s, + t + s, t, s : s, t ∈ R .
13 13 13 13 13 13
53
Por ejemplo:

236 41 236 41
3 Si x3 = 0 y x4 = 0 se tiene que x1 = − y x2 = −
ası́ , , 0, 0 es solución.
13 13 13 13

233 46 233 46
3 Si x3 = −1 y x4 = 1 se tiene que x1 = − y x2 = , ası́ − , , −1, 1 es solución.
13 13 13 13
En lo que sigue, estudiar el sistema de ecuaciones es determinar si es sistema es consistente o
inconsistente, en el caso de ser consistente se debe determinar si es determinado o indeterminado
y obtener las soluciones.
A este método empleado de eliminación se le llama Método de Gauss si se obtiene una matriz
escalonada. Al método completo donde se obtiene la matriz escalonada reducida se le conoce como
método de Gauss-Jordan.
Observación 11. Si obtenemos una matriz donde todos las entradas de una fila, correspondientes
a los coeficientes de las variables es son iguales a cero y el término constante diferente de cero,
entonces el sistema no tiene solución o es inconsistente. Por ejemplo, si se obtiene una matriz de
la forma
 
∗ ∗ ∗ | ∗
 ∗ ∗ ∗ | ∗ 
 la última ecuación se lee 0x1 + 0x2 + 0x3 = 3 ; la cual no tiene solución,
 

 ∗ ∗ ∗ | ∗ 
0 0 0 | 3
porque el sistema no tiene solución o es inconsistente.


 x1 + x4 = 0
Ejemplo 56. Estudiar el sistema de ecuaciones x1 + 2x2 + 2x4 = 0

x1 + 2x2 + 3x3 + 3x4 = 0.

Solución.
 En
principio
 consideramos la matriz de los coeficientes del sistema y determinamos su
1 0
0 1
rango  1 0 2  . La forma escalonada reducida por filas equivalente por filas a la matriz A
2
 
1 2
3 3
 
1 0 0 1
 1 
es C =  0 1 0 2  . Luegorang(A) = 3 < 4 = Nº de incógnitas. Ası́, por Teorema 18 (para
 
0 0 1 13
 
sistemas homogéneos) se tiene que el sistema es consistente indeterminado, y además posee una
variable libre (4 − 3 = 1): x4 (ya que es la variable correspondiente a la columna de C en donde
no hay un principal o elemento lı́der).
Ahora consideramos el sistema equivalente
 al dado, el cual lo construimos a partir de C,

x1 = −t,
 x1 + x4 = 0,
 

 
x2 = − 12 t,

x2 + 21 x4 = 0, La solución general es con t ∈ R.
 
 x + 1 x = 0.  x3 = − 13 t,
 

3 3 4
54


 x + y + 2z − 2v − w = 0

 2x − y − z + 2v + w = 0
Ejemplo 57. Estudiar el sistema de ecuaciones


 −x + 5y + 8z − 10v − 5w = 0
3x − 3y − 4z + 6v + 3w = 0

 
1 1 2 −2 −1
 2 −1 −1 2 1 
Solución. Sea A =   la matriz de coeficientes del sistema. Se deja
 
 −1 5 8−10 −5 
3 −3 −4 6 3
como ejercicio para al lector verificar que la forma
 escalonada reducida por filas equivalente por
1
1 0 3 0 0
 
 0 1 5 −2 −1 
3
filas a la matriz A es C =   . De aquı́ rang(A) = 2 < 5. Por el Teorema 18,
 
 0 0 0 0 0 
 
0 0 0 0 0
el sistema es consistente indeterminado y tiene 5 − 2 = 3 variables libres, a saber: z, v, w (¿por
 1
 x + 3z = 0


qué?). Consideramos ahora el sistema equivalente . La solución general
 5
 y + z − 2v − w = 0.

3
 1
 x = −3t


del sistema está dada por , donde t, s, r ∈ R.
 5
 y = − t + 2s + r

3
Ejercicio.- 9. Obtenga una solución particular del sistema del Ejemplo 57.

 x + 2y − 2z = 0

Ejemplo 58. Estudiar el sistema de ecuaciones 2x − y + 2z = 0

3x − 3y + 6z = 0.

 
1 2 −2
Solución. Sea A la matriz de los coeficientes del sistema, es decir, A =  2 −1 2  , Se deja
 
3 −3 6
como ejercicio para el estudiante verificarque la forma escalonada reducida por filas equivalente
1 0 0
por filas a la matriz A es: C =  0 1 0  . En consecuencia, tenemos que elrang(A) = 3; luego,
 
0 0 1
por el Teorema 18, se tiene que el sistema es consistente determinado (es decir, tiene una única
solución). Por la observación 10, se tiene que la solución es x = y = z = 0, es decir, la solución
trivial.
Teorema 19 (Sistemas de ecuaciones lineales no homogéneos). Sea A una matriz de orden m × n
y consideremos el sistema A · X = B de m ecuaciones con n variables y sea (A|B) la matriz
aumentada del sistema. Entonces:
55
Ê El sistema es consistente si y sólo si rang(A) = rang((A|B)).
Ë El sistema es consistente determinado (CD) si y sólo si rang(A) = rang((A|B)) = n.
Ì El sistema es consistente indeterminado si y sólo sirang(A) = rang((A|B)) = r < n. En

este caso, existen n − r variables libres.
Í El sistema es inconsistente si y sólo sirang(A) 6= rang((A|B)).



 2x − 4y + 16z − 14v = 10

 −x + 5y − 17z + 19v = −2
Ejemplo 59. Estudiar el sistema
 x − 3y + 11z − 11v = 4


3x − 4y + 18z − 13v = 17.

   
2 −4 16 −14 10
 −1 5 −17 19   −2 
Solución. Sean A =  y B = . Consideremos la matriz aumen-
   
 
 1 −3 11 −11   4 
3 −4 18 −13 17
 
2 −4 16 −14 | 10
 −1 5 −17 19 | −2 
tada (A|B). Entonces (A|B) =   . Al buscar la forma escalona-
 
 1 −3 11 −11 | 4 
3 −4 18 −13 | 17
da reducida por filas equivalente por filas a la matriz aumentada (A|B) obtenemos lo siguiente
 
1 0 2 1 | 7
 0 1 −3 4 | 1 
(A|B) ∼   (comprobarlo). Luego,rang(A) = rang((A|B)) = 2 < 4; enton-
 
 0 0 0 0 | 0 
0 0 0 0 | 0
ces por teorema 19, el sistema es consistente indeterminado y posee 2 variables libres (4 − 2 = 2)
las cuales son z y w (¿ por qué ?). (
x + 2z + v = 7
Ahora bien, el sistema equivalente asociado al sistema dado es De aquı́
y − 3z + 4v = 1.
(
x = 7 − 2z − v
(1.4)
y = 1 + 3z − 4v.
(
x = 7 − 2t − r
Ası́ la solución general del sistema es con z = t w = r con t, r ∈ R.
y = 1 + 3t − 4r.
Ejercicio.- 10. Obtenga una solución particular para el sistema del Ejemplo 59.
Ejemplo 60. Estudiar el siguiente sistema de ecuaciones lineales


 x + 2z − 2v = 1

−x + y + v = −2

y + 2z − v = 1.

56
   
1 0 2 −2 1
Solución. Sean A =  −1 1 0 1  y B =  −2 . Consideremos la matriz aumentada
   
0 1 0 1 1
 
1 0 2 −2 | 1
(A|B). Entonces (A|B) =  −1 1 0 1 | −2  . La forma escalonada equivalente por filas
 
0 1 0 1 | 1
 
1 0 2 −2 | 1
a dicha matriz aumentada es  0 1 2 −1 | −1  De aquı́rang(A) = 2 yrang((A|B)) = 3.
 
0 0 0 1 | 1
Ası́,rang(A) 6= rang((A|B)). Por el Teorema 19 (para sistemas no homogéneos), el sistema es
inconsistente, es decir, no tiene solución.

 x + 2y + 3z = 4

Ejemplo 61. Resolver el sistema −x − y + z = −2

2x + 3y − 2z = 2.

 
1 2 3 | 4
Solución. Sea (A|B) =  −1 −1 1 | −2  . La forma escalonada reducida equivalente
 
2 3 −2 | 2
 
1 0 0 | 5
por filas a dicha matriz aumentada es  0 1 0 | −2  . (Comprobarlo). De aquı́
 
0 0 1 | 1
rang(A) = rang((A|B)) = 3 de incógnitas. Por Teorema 19, el sistema es consistente determinado
y su única solución es x = 5, y = −2 y z = 1.

 x1 − 4x2 − x3 + x4 = 3

Ejemplo 62. Resolver el sistema 2x1 − 8x2 + x3 − 4x4 = 9

−x1 + 4x2 − 3x3 + 5x4 = −6.

 
1 −4 −1 1 | 3
Solución. Sea (A|B) =  2 −8 1 −4 | 9  . La forma escalonada reducida equiva-
 
−1 4 −2 5 | −6
 
1 −4 0 −1 | 4
lente por filas a dicha matriz aumentada es  0 0 1 −2 | 1  (Comprobarlo). De aquı́
 
0 0 0 0 | 0
rang(A) = rang((A|B)) = 2 < 4, entonces el sistema es consistente indeterminado y posee dos
variables
( libres: x2 , x4 (¿ por qué ?). Ahora bien, el sistema equivalente asociado al sistema dado
x1 − 4x2 − x4 = 4
es . De aquı́, haciendo x2 = r y x4 = s con r, s ∈ R. Luego, nos queda
x3 − 2x4 = 1
(
x1 = 4 + 4r + s
, con r, s ∈ R.
x3 = 1 + 2s.
Ejercicio.- 11. Obtenga una solución particular para el sistema del Ejemplo 62.
57
1.5. Algunas aplicaciones

Los sistemas de ecuaciones constituyen una excelente herramienta de trabajo en otras áreas
en donde poseen variadas aplicaciones. Por ejemplo, en la fı́sica son muy utilizados para estudiar
circuitos eléctricos al momento de calcular las intensidades de corrientes de dicho circuito a través
de las Leyes de Kirchoff. Ası́ mismo en la quı́mica, los sistemas de ecuaciones lineales son útiles
para el balanceo de ecuaciones quı́micas, entre otras aplicaciones. En esta sección estudiaremos
algunos problemas generales, que pueden ser modelados a través de sistemas de ecuaciones lineales,
de esta manera, resaltando el valor que el conocimiento de éstos posee en la formación de todo
ingeniero.
Ejemplo 63. Una bióloga ha colocado tres cepas bacterianas (denotadas como I, II y III) en
un tubo de ensayo, donde serán alimentadas con tres diferentes fuentes alimenticias (A, B y C).
Cada dı́a se colocan 400 unidades del alimento A, 600 unidades del alimento B y 600 unidades del
alimento C. Los datos del consumo diario de alimento por las bacterias (en unidades por dı́a) se
muestran en la siguiente tabla:
Alimento Cepa I Cepa II Cepa III

A 1 2 0
B 2 1 1
C 1 1 2
¿ Cuántas bacterias de cada cepa pueden coexistir en el tubo de ensayo y consumir todo el
alimento?
Solución. Sean x1 , x2 y x3 el número de cepas del tipo I, II y III respectivamente. Notemos que
en la tabla dada nos indican que a la cepa I le colocan 1 unidad del alimento A, a la cepa II le
colocan 2 unidades del alimento A y a la cepa III le colocan 0 unidades del alimento A. Como
en el enunciado del problema nos indican que cada dı́a se colocan 400 unidades del alimento A y
nos preguntan el número de bacterias de cada tipo que pueden coexistir en el tubo de ensayo y
consumir todo el alimento, entonces esto nos forma la ecuación x1 + 2x2 + 0x3 = 400.
De manera similar se obtienen las siguientes
 ecuaciones 2x1 +x2 +x3 = 600 y x1 +x2 +2x3 = 600.
 x1 + 2x2 + 0x3 = 400

Esto nos conduce al siguiente sistema 2x1 + x2 + x3 = 600

x1 + x2 + 2x3 = 600.

Al resolverlo nos queda lo siguiente x1 = 160, x2 = 120, x3 = 160. En consecuencia, el número
de bacterias de cada tipo que pueden coexistir en el tubo de ensayo y consumir todo el alimento
son las siguientes: 160 de la cepa I, 120 de la cepa II y 160 de la cepa III.
Ejemplo 64. El dueño de un reconocido restaurante ha comprado refrescos, cerveza y vino por
importe de 500 $ (sin impuestos). El valor del vino es 60 $ menos que el de los refrescos y de la
cerveza conjuntamente. Teniendo en cuenta que por los refrescos deben pagar un IVA del 6 %, por
58
la cerveza del 12 % y por el vino del 30 %, lo que hace que la subfactura total, sólo de impuestos,
sea de 92.4 $, calcular la cantidad invertida en cada tipo de bebida.
Solución. Sean x, y, z y la cantidad en dólares invertida en refrescos, cervezas y vinos, respecti-

vamente. Nótese que el dueño del bar ha comprado refrescos, cerveza y vino por importe de 500 $
(sin impuestos). Esto nos produce la siguiente ecuación x + y + z = 500. Además, el valor del vino
es 60 $ menos que el de los refrescos y de la cerveza conjuntamente. Ası́ se tiene que x + y − z = 60.
Como en los refrescos se debe pagar un IVA del 6 %, por la cerveza del 12 % y por el vino del 30 %,
lo que hace que la subfactura total solo de impuestos sea de 92.4 $ entonces se tiene la ecuación

 x + y + z = 500
6x 12y 30z 
x + y − z = 60
+ + = 92,4. Esto nos produce el sistema Al resolverlo
100 100 100  6x 12y 30z
+ + = 92,4.


100 100 100
nos queda x = 120$, y = 160$ y z = 220$.
1.6. Problemas del capı́tulo

1. Estudiar cada uno de los siguientes sistemas de ecuaciones lineales.
 


 2x 1 − 4x 2 + 16x 3 − 14x 4 = 10 

 x + 2z − 2v = 1

 
 −x1 + 5x2 − 17x3 + 19x4 = −2

e) x + y + v = −2
a) 

x1 − 3x2 + 11x3 − 11x4 = 4
 
 y + 2z − v = 1.





 3x − 4x + 18x − 13x = 17.
1 2 3 4 

 x + 2y − 4z = 3



 
 x − 2y + 3z = −1
x + y + 2z = −1
 


 
f) 2x + 3y − 2z = 5

b) x − 2y + z = 5 


4x + 3y − 2z = 7

 

 3x + y + z = 3. 




5x + 2y − 6z = 7.


x + 4y + 2z = 5

x + 2y + 3z = 4

 

 


c) x + 4y = 2 + z g) −x − y + z = −2

 

 2x + 6y + z − 7 = 0. 

 2x + 3y − 2z = 2.
 

 x + y + 3z + 2w = 7 

 x1 + 2x2 − 3x4 + x5 = 2

 

 x1 + 2x2 + x3 − 3x4 + x5 + 2x6 = 3

d) 2x − y + 4w = 8
 h)
x1 + 2x2 − 3x4 + 2x5 + x6 = 4

 
 3y + 6z = 8. 




 3x + 6x + x − 9x + 4x + 3x = 9.
1 2 3 4 5 6
59



 x1 + x2 + x3 − x4 = −3
 


 x1 − 4x2 − x3 + x4 = 3 
 2x1 + 3x2 + x3 − 5x4 = −9

p)

i) 2x1 − 8x2 + x3 − 4x4 = 9 
 x1 + 3x2 − x3 − 6x4 = −7

 


 −x + 4x − 2x + 5x = −6. 

1 2 3 4  −x − x − x = 1.
1 2 3
 


 x1 + x2 + 2x3 + 6x4 = 11 
 2x1 − 4x2 + 16x3 − 14x4 = 10

 

 2x1 + 3x2 + 6x3 + 19x4 = 36 
  −x1 + 5x2 − 17x3 + 19x4 = −2

j) q)


 3x2 + 4x3 + 15x4 = 28 

 x1 − 3x2 + 11x3 − 11x4 = 4

 


 x − x − x − 6x = −12. 
 3x − 4x + 18x − 13x = 17.
1 2 3 4 1 2 3 4
 


 x1 + 2x2 + 3x3 = 14 

 x1 − x2 + 3x3 = 7
 

k) 2x1 + 5x2 + 8x3 = 36  2x1 − 2x2 + 2x3 − 4x4 = 12


 r)
−x1 + x2 − x3 + 2x4 = −4

 x − x = −4. 
1 2 




 −3x + x − 8x − 10x = −29.
 1 2 3 4


 x1 + 4x2 + 3x3 = 1
 
l) 2x1 + 8x2 + 11x3 = 7 

 x1 − x2 + 2x3 = 7

 


 x + 6x + 7x = 3.  2x1 − 2x2 + 2x3 − 4x4 = 12

1 2 3
s)



 −x1 + x2 − x3 + 2x4 = −4

x1 + x2 + x3 = 7



  −3x + x − 8x − 10x = −29.

 1 2 3 4
m) 2x1 + 3x2 + x3 = 18 


 x1 + x2 = 2
−x1 + x2 − 3x3 = 1.
 




 2x1 + 3x2 = 3

 t)
 x1 + 2x2 + 4x4 = 0 
 x1 + 3x2 = 0
n)



 −2x − 4x + 3x − 2x = 0. 
 x + 2x = 1.
1 2 3 4 1 2
 

 x2 − 3x3 + x4 = 0 

 x1 + 6x2 − x3 − 4x4 = 0

 
ñ) x1 + x2 − x3 + 4x4 = 0 u) −2x1 − 12x2 + 5x3 + 17x4 = 0

 


 −2x − 2x + 2x − 8x = 0. 
 3x + 18x − x − 6x = 0.
1 2 3 4 1 2 3 4
 

 x1 + 2x2 − x3 − x4 = 0 

 4x1 + 8x2 − 12x3 = 28

 

 −x1 − 2x2 + 3x3 = −7

o) x1 + 2x2 + x4 = 4
 v)
2x1 + 4x2 − 8x3 = 16


 −x − 2x + 2x + 4x = 5. 

1 2 3 4 



 −3x − 6x + 9x = −21.
1 2 3
60



 2x1 − x2 + 3x3 − 3x5 = −2 − x4 − 2x5


 −x1 − x2 + 3x5 = 3 + 2x5

x)


 3x1 − 2x2 + 5x3 + 2x4 = −1 + x5



 x − x + 2x + x = 1.
 1 2 3 4


 7x1 − x2 + 3x3 + 5x4 + 9x5 = −3

 
 5x1 − 2x2 + x3 + 8x4 + 6x5 = −3 + 4x4
 
 x + 2y + 3z + 4w = 5
w)




 2x1 + x2 + x3 + x4 = −3x5 y) x + 3y + 5z + 7w = 11

 


 x − 4x − x + 2x = −3. 
 x − z − 2w = −6.
1 2 3 4
2. Resolver los siguientes problemas
a) Una bióloga ha colocado tres cepas bacterianas (denotadas como I, II y III) en un tubo
de ensayo, donde serán alimentadas con tres diferentes fuentes alimenticias (A, B y C).
Cada dı́a se colocan 2300 unidades del alimento A, 800 unidades del alimento B y 1500
unidades del alimento C. Los datos del consumo diario de alimento por las bacterias
(en unidades por dı́a) se muestran en la siguiente tabla
Alimento Cepa I Cepa II Cepa III

A 2 2 4
B 1 2 0
C 1 3 1
¿Cuántas bacterias de cada cepa pueden coexistir en el tubo de ensayo y consumir todo
el alimento?
b) Una florista ofrece tres tamaños de arreglos florales que contienen rosas, margaritas y
crisantemos. Cada arreglo pequeño contiene una rosa, tres margaritas y tres crisantemos.
Cada arreglo mediano contiene dos rosas, cuatro margaritas y seis crisantemos. Cada
arreglo grande contiene cuatro rosas, ocho margaritas y seis crisantemos. Un dı́a, la
florista advierte que ha utilizado un total de 24 rosas, 50 margaritas y 48 crisantemos
para preparar órdenes de estos tres tipos de arreglos.¿ Cuántos arreglos de cada tipo
habrá hecho?
c) Un mercader cafetero vende tres mezclas de café. Una bolsa de mezcla de la casa contiene
300 gramos de grano colombiano y doscientos gramos de grano francés tostado. Una
bolsa de la mezcla especial contiene 200 gramos de grano colombiano, 200 gramos de
la variedad de Kenia y 100 gramos de grano francés tostado. Una bolsa de la mezcla
gourmet contiene 100 gramos de grano colombiano, 200 gramos de grano de Kenia y 200
gramos de grano francés tostado. El comerciante tiene disponible 30 Kg. de grano de
61
Colombia, 15 Kg. de granos de Kenia y 25 Kg. del café tostado de Francia. Si deseamos
utilizar la totalidad de los granos, ¿ cuántas bolsas de cada tipo de mezcla pueden
hacerse?
d ) Un mueblero fabrica sillas, mesas para café y mesas para comedor. Se necesitan 10
minutos para lijar una silla, 6 minutos para pintarla y 12 minutos para barnizarla. Se
necesitan 12 minutos para lijar una mesa para el café, 8 minutos para pintarla y 12
minutos para barnizarla. Se necesitan 15 minutos para lijar una mesa para comedor, 12
minutos para pintarla y 18 minutos para barnizarla. La mesa de lijado está disponible
16 horas a la semana, la mesa de pintura 11 horas a la semana y la mesa de barnizado
18 horas a la semana. ¿Cuántas unidades de cada mueble deben fabricarse por semana
de modo que las mesas de trabajo se ocupen todo el tiempo disponible?
e) Una empresa paga a sus empleados usando billetes de tres denominaciones d1 , d2 , d3 .
Existen tres grupos de empleados. A una persona del primer grupo de empleados se le
cancela su sueldo con 10 billetes del tipo d1 , 8 del tipo d2 y 9 del tipo d3 . A un empleado
del segundo grupo se le paga utilizando 8 billetes del tipo d1 , 9 del tipo d2 y 7 del tipo
d3 . A cada persona del tercer grupo se le cancela con 9 billetes del tipo d1 , 6 del tipo
d2 y 3 del tipo d3 . Si en caja hay disponibles 710 billetes del tipo d1 , 583 del tipo d2 y
534 del tipo d3 , ¿ a cuántos empleados de cada uno de los grupos se les puede cancelar
de manera que se utilicen todos los billetes existentes en la caja ?.
f ) Encuentre la ecuación del polinomio de grado 2 cuya gráfica pasa por los puntos
(1, 6), (2, 3) y (3, 2).
g) Las entradas para los juegos de futbol regional en una determinada región de Vene-
zuela durante la temporada 2004-2005, fueron vendidas en diferentes precios según su
ubicación. En el primer dı́a de venta se recaudaron los montos que se describen a con-
tinuación:
Ê en la mañana, Bs 2075 por 100 entradas en las sillas altas del piso 2, 50 en los ban-
cos izquierdos y 15 en las gradas, Ë en la tarde, Bs 2250 por 50 entradas en las sillas
altas del piso 2, 100 en los bancos izquierdos y 100 en las gradas, Ë en la noche, Bs
5750 por 150 entradas en las sillas altas del piso 2, 100 en los bancos izquierdos y 500
en las gradas. Calcular, de ser posible, el precio de cada una de las entradas según su
ubicación.
h) Tres tipos de acero contienen los siguientes porcentajes de carbón, hierro y cromo
Tipo de acero Carbón Cromo hierro

A 1% 0% 99 %
B 1% 15 % 84 %
C 4% 3% 93 %
Si se disponen de 15 toneladas de carbón, 39 toneladas de cromo y 546 toneladas de
62
hierro, ¿cuántas toneladas de cada tipo de acero pueden obtenerse utilizando todo el
hierro, carbón y cromo disponible?.
i ) Un prestigioso hotel 5 estrellas de la ciudad ofrece habitaciones simples, dobles y triples a
un costo por noche de Bs. 56, 104 y 114 respectivamente. De este modo, la recaudación
diaria, con todas las habitaciones ocupadas es de Bs. 6470. Debido a un cambio de
estrategias, el hotel pasó a ofrecer las mismas comodidades a Bs. 60,100 y 120 con lo
cual, obtuvo una recaudación diaria (con todas las habitaciones ocupadas) de Bs. 6500.
¿Cuántas habitaciones de cada tipo posee el hotel si hay 70 en total?.
3. Determinar todos los valores de a para los cuales cada uno de los sistemas siguientes son:
Ê Inconsistentes, Ë Consistente determinado y, Ì Consistente Indeterminado.
 (
 x+y−z =2

c)
x+y =3
a) x + 2y + z = 3 x + (a2 − 8)y = a.

x + y + (a2 − 5)z = a.

 
 x+y+z =2
  x+y+z =2

b) 2x + 3y + 2z = 5 d) x + 2y + z = 3
 
2x + 3y + (a2 − 1)z = a + 1. x + y + (a2 − 5)z = a.
 
4. Determinar una expresión que relacione los valores de a, b y c para los cuales cada uno de
los sistemas siguientes son consistentes.
 
 x + 2y − 3z = a
  2x + 2y + 3z = a

a) 2x + 3y + 3z = b b) 3x − y + 5z = b
 
5x + 9y − 6z = c. x − 3y + 2z = c.
 
Bibliografı́a
63

Libro Algebra Lineal Capitulos 0 1

Cargado por

Información del documento

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

Libro Algebra Lineal Capitulos 0 1

Cargado por

Copyright:

Formatos disponibles

Notas de

1. Sistemas de ecuaciones lineales 45

Estas notas de álgebra lineal corresponden al curso desarrollado en la Facultad de Ciencias

Los comienzos de las matrices y los determinantes datan del siglo

Sean m y n números enteros tales que m, n ≥ 1. Una matriz de orden (o tamaño)

Observación 1. Al conjunto de todas las matrices de orden m × n cuyas entradas pertenecientes

Algunas observaciones a tomar en cuenta:

Ì Algunos autores escriben

Ejemplo 2. . Como ejemplos de matrices cuadradas tenemos:

¶ Una matriz que posee una sola fila se denomina matriz

· Una matriz que posee una sola columna se denomina matriz

Ejemplo 3. + Como ejemplos de matrices filas, se tiene:

+ Y como matrices columnas, tendremos:

Sea A = (aij )n×n una matriz cuadrada.

Ejercicio.- 2. Clasifique cada una de las siguientes matrices, según definición 4:

+ Multiplicando por 2 la segunda ecuación 2𝑎 + 𝑏 = 6

+ Multiplicando por −1 a la primera ecua-

De x2 = 1 obtenemos que x = 1 o x = −1. De forma similar se tiene que de y 2 = 1 que y = 1 o

0.3. Álgebra de matrices

De forma más especı́fica, si

4+2 8+4 9+5 6 12 14

Podemos ahora definir la multiplicación de un escalar por una matriz.

Sea A = (aij )m×n una matriz y consideremos un escalar α. El producto de α por A, el

Solución. De acuerdo a la definiciones 7 y 8 se tiene

A + B = (aij )m×n + (−aij )m×n = (aij − (aij ))m×n = (0)m×n .

Esta matriz B recibe el nombre de matriz opuesta de A y es denotada por −A.

Teorema 1. Sean A = (aij )m×n ∈ Mm×n (K), entonces −A = (−1)A.

La demostración es consecuencia inmediata de la multiplicación de un escalar por una matriz,

Teorema 2 (Propiedades de la adición de matrices y de la multiplicación de un escalar por una

S1. La suma es conmutativa, es decir A + B = B + A.

S2. La suma es asociativa, esto es, A + (B + C) = (A + B) + C.

Supongamos ahora que α y β son escalares y sean A, B y C como antes. Entonces

M1. α(A + B) = αA + αB. M3. (αβ)A = α(βA) = β(αA).

M2. (α + β)A = αA + βA. M4. 1 · A = A.

A + B = (aij + bij )m×n por la definición 7

Por lo tanto hemos obtenido que A + B = B + A.

3 Ahora, para demostrar la propiedad S2 consideramos tres matrices, A = (aij )m×n , B =

A + (B + C) = (aij )m×n + [(bij )m×n + (cij )m×n ]

Quedando demostrada la propiedad asociativa para la suma de matrices.

A + 0m×n = (aij + 0)m×n por definición 7

α(A + B) = α(aij + bij )m×n = (α(aij + bij ))m×n por definición 8,

Ası́ α(A + B) = αA + αB.

¶ α(A1 + A2 + ... + Ak ) = αA1 + αA2 + .... + αAk .

· (α1 + α2 + ... + αk )A = α1 A + α2 A + ... + αk A.

Observación 4. + De la definición 9, es claro que si A = (aij )m×n y B = (bij )m×n entonces

Solución. El objetivo es despejar a la incógnita matricial X.

la cual es la matriz buscada.

Sean A una matriz de orden 1 × k y B una matriz de orden k × 1, digamos

Solución. De acuerdo a la definición 10 tenemos:

1·1+1·1+2·0 1 · 2 + 1 · 1 + 2 · (−1) 1 · (−1) + 1 · (−3) + 2 · 2

0 · 2 + (−1) · (−1) + 2 · 1 0 · 1 + (−1) · 3 + 2 · 1 0 · (−i) + (−1) · 3 + 2 · 2

Teorema 3 (Propiedades de la multiplicación de matrices). Sean A ∈ Mn×p (K), B, C ∈ Mp×r (K),

(a) El producto de matrices es asociativo, esto es, (A · B) · D = A · (B · D).

(d) Existen la identidad por la derecha y la identidad por la izquierda de la multiplicación de

(e) α(A · B) = (αA) · B = A · (αB).

(f ) 0m×n · A = 0m×p y A · 0p×n = 0m×n .

Solución. Se debe verificar que A · (B + C) = A · B + A · C. En efecto,

Por otra parte:

−13 −21 4 −5 −9 −26

De (1) y (2) se verifica que A · (B + C) = A · H = Q = P + R = A · B + A · C.

Definición 12 (Potencias de una matriz).

Sea A una matriz cuadrada y k un entero no negativo, se define la k-ésima potencia

(i) A0 := In (ii) Ak+1 := Ak · A para k ≥ 1.

Solución. De acuerdo a la definición 12 se tiene que

¶ Una matriz que posee una sola fila se denomina matriz