Algebra Matricial

Concepto de matrices

Definición
Una matriz A es un arreglo rectangular de m × n números reales,
distribuidos en m filas y n columnas, es decir:
 
a11 . . . a1j . . . a1n
 .. .. .. 
 . . . 
 
A =  ai1 . . . aij . . . ain 

 .. .. .. 

 . . . 
am1 . . . amj . . . amn m×n

o en forma abreviada A = [aij ]m×n , donde cada número real aij es

la componente (o entrada) de la matriz ubicada en la fila i y en la
columna j.
Por Mm×n , se denotará el conjunto de todas la matrices de
tamaño (u orden) m × n.
Ejemplo
 
  2,4 1
−2 1,2 2  0 1 
A= B= 
0 0,5 −1 2×3
 −1 1 
0,2 1 4×2

En Matlab

>> A=[-2,1.2,2;0,0.5,-1]

>> B=[2.4,1;0,1;-1,1;0.2,1]
Algunos tipos de matrices

Matriz nula: una matriz de orden m × n en la cual aij = 0 para

todos i, j se denomina matriz nula, y se denota por Om×n o
simplemente O, ejemplo:
   
0 0 0 0 0
O3×3 =  0 0 0  O3×2 =  0 0 
0 0 0 0 0

En Matlab

>> zeros(3,3)

>> zeros(3,2)
Algunos tipos de matrices

Matriz cuadrada: una matriz es cuadrada si tiene igual número de

filas que de columnas. Ejemplos:
 
1 −2 0  
1 −3
A=  0 3 −2  B=
0 2 2×2
−1 1 2 3×3

Para toda matriz cuadrada A la diagonal formada por las

componentes a11 , a22 , . . . , aii , . . . , ann se denomina diagonal
principal de A, o simplemente diagonal de A.
Algunos tipos de matrices

Matriz diagonal: una matriz cuadrada, A ∈ Mn×n , es una matriz

diagonal si y solo si aij = 0 siempre que i 6= j. Ejemplos:
 
1 0 0  
1 0
A= 0 3 0  B=
0 −1
0 0 −1

En Matlab

>> v=[1 3 -1]

>> diag(v)

>> diag([1 -1])

Algunos tipos de matrices

Matriz identidad: es toda matriz diagonal tal que aii = 1 para

i = 1, 2, . . . , n, y se denota por In . Ejemplos:
 
1 0 0  
1 0
I3 = 0 1 0
  I2 =
0 1
0 0 1

En Matlab

>> eye(3)

>> eye(2)
Algunos tipos de matrices
Matriz triangular superior: Una matriz cuadrada, A ∈ Mn×n , es
triangular superior si aij = 0 para todo i > j, es decir las
componentes por debajo de la diagonal son iguales a 0. Ejemplos:
 
1 3 2  
1 2
A =  0 0 −1  B=
0 −5
0 0 4

Matriz triangular inferior: Una matriz cuadrada, A ∈ Mn×n , es

triangular inferior si aij = 0 para todo i < j, es decir las
componentes por encima de la diagonal son nulas. Ejemplos:
 
7 0 0  
1 0
A = 3 −2 0
  B=
−2 −5
0 −1 4
Algunos tipos de matrices

Igualdad de matrices: dos matrices A = (aij ) y B = (bij ) en

Mm×n son iguales, y escribimos A = B, si aij = bij para todos
i = 1, ..., m y j = 1, ..., n.
   
1 2 3 1 3 2
A= 4 5 6  B= 4 5 6 
7 8 9 7 8 9

Las matrices A y B no son iguales, pues aunque tienen el mismo

orden 3 × 3 y sus componentes son los números del 1 al 9, a12 = 2
y b12 = 3 y 2 6= 3
Operaciones con matrices

Suma de matrices: Sean A = (aij ) y B = (bij ) en Mm×n . La

matriz C = (cij )m×n en la cual cij = aij + bij para cada
i ∈ 1, ..., m y cada j ∈ 1, ..., n, se denomina la matriz suma de A
y B, y se escribe C = A + B.
Ejemplo:
Sean
   
3 2 1 −1 0 1
A= B=
4 5 6 2×3 −5 2 6 2×3

entonces la matriz suma C = A + B es

   
3 + (−1) 2 + 0 1 + 1 2 2 2
C= =
4 + (−5) 5 + 2 6 + 6 2×3 −1 7 12 2×3
En Matlab

>> A=[3,2,1;4,5,6]

>> B=[-1,0,1;-5,2,6]

>> C=A+B
Propiedades de la suma: sean A = (aij ), B = (bij ) y C = (cij )
en Mm×n , entonces
I A + B ∈ Mm×n (Clausurativa)
I A + B = B + A (Conmutativa)
I (A + B) + C = A + (B + C) (Asociativa)
I A + Om×n = A (Modulativa, elemento neutro)
I Si A = (aij ), la matriz −A = (−aij ) en Mm×n , es tal que
A + (−A) = Om×n . La matriz −A = (−aij ) se denomina
matriz opuesta de A.
Producto de una matriz por un escalar (número real).
Producto de una matriz por un escalar Sean
A = (aij ) ∈ Mm×n y α ∈ R un escalar (número real). El producto
de α por A es la matriz m × n, denotada por αA, cuyo elemento
en la posición (i, j) es αaij , es decir:

αA = (αaij )m×n

Ejemplos:
Sean  
3 2 1
A= α=4
4 5 6 2×3
entonces producto de la matriz A por el escalar 4 es:
   
4(3) 4(2) 4(1) 12 8 4
4A = =
4(4) 4(5) 4(6) 2×3 16 20 24 2×3
En Matlab

>> A=[3,2,1;4,5,6]

>> 4*A
Propiedades del producto de una matriz por un escalar: Para
todos A = (aij ), B = (bij ) y C = (cij ) en Mm×n , y α, β ∈ R, se
tiene que:
I αA ∈ Mm×n (Clausurativa)
I α(βA) = (αβ)A (Asociativa)
I α(A + B) = αA + αB (Distributiva)
I (α + β)A = αA + βA (Distributiva)
I 1A = A (Elemento neutro del producto por escalar)
Multiplicación de matrices

I La multiplicación de una matriz 1 × m, (o vector fila),

A = [a  am ], por una matriz m × 1, (o vector columna),
 1 a2 ...
b1
 b2 
B =  .  se define como:
 
 .. 
bm
 
b1
 b2 
AB = [a1 a2 ... am ]   = [a1 b1 + a2 b2 + ... + am bm ]
 
..
 . 
bm
Ejemplo:


2
   −1 
1 3 4 −5  6  = [1(2) + 3(−1) + 4(6) + (−5)(−2)] = [33]


−2

Nota: Observar que en general el resultado de la multiplicación de

un vector fila por un vector columna una matriz 1 × 1, y en
algunos casos se considera como resultado el número real
a1 b1 + a2 b2 + ... + am bm , que en el ejemplo fue el número 33.
I La multiplicación de una matriz m × n por una matriz n × p

Sea A = (aij )m×n y B = (bij )n×p , la multiplicación C = AB

es una matriz de orden m × p, C = (cij )m×p , tal que si A(i)
representa la fila i de A y B (j) representa la columna j de B,
entonces el elemento cij de la matriz C, es se obtiene de
multiplicar la matriz A(i) por B (j) , es decir,

cij = A(i) B (j)

y por tanto cada componente cij de la matriz C = AB se

puede obtener en términos de los elementos de A y B como:

n
X
cij = ai1 b1j + ai2 b2j + ai3 b3j + · · · + ain bnj = aik bkj
k=1

para i = 1, . . . , m y j = 1, . . . , p
Ejemplo:  
  1 2
1 2 3
Sean A = yB= 3 4  ,
0 1 −1 2×3 5 6 3×2
entonces

 
1(1) + 2(3) + 3(5) 1(2) + 2(4) + 3(6)
AB =
0(1) + 1(3) + (−1)5 0(2) + 1(4) + (−1)6
 
22 28
=
−2 −2 2×2
En Matlab

>> A=[1,2,3;0,1,-1]

>> B=[1,2;3,4;5,6]

>> A*B

>> C=B*A

Nota. La multiplicación de matrices no es conmutativa, es decir si

el producto AB está definido es posible que el producto BA no
esté definido o que AB 6= BA.
Ejemplo de capital de riesgo
Suponga que un banco tiene tres fuentes principales de ingresos
(préstamos empresariales, préstamos para automóviles e hipotecas de
casas) y que retira fondos de estas fuentes para capital de riesgo que se
usa para crear fondos para nuevos negocios. Suponga que el ingreso de
estas fuentes por cada 3 años se da en la siguiente tabla

Año Empresariales Para automóviles Hipotecarios

2010 63300 20024 51820
2011 48305 15817 63722
2012 55110 18621 64105

El banco utiliza 45 % de su ingreso de los préstamos empresariales, 20 %

de su ingreso de los préstamos para automóviles y 30 % de su ingreso de
las hipotecas de casas para obtener sus fondos de capital de riesgo.
Encuentre el capital de riesgo en cada uno de los 3 años.
Solución:
La matriz que describe las fuentes de ingreso para los 3 años es
 
63300 20024 51820
 48305 15817 63722 
55110 18621 64105

y la matriz que describe el porcentaje de cada tipo de préstamo que se

usa para capital de riesgo es
 
0,45
 0,20 
0,30

Al multiplicar las dos matrices, el capital de riesgo para cada uno de los 3
años es el siguiente:
2010: $48036
2011: $44017
2012: $47755
En Matlab

>> A=[63300,20024,51820;48305,15817,
63722;55110,18621,64105]
>> B=[0.45;0.2;0.30]
>> round(A*B)
Propiedades de la multiplicación de matrices:

Sean A, B y C matrices con componentes en R y λ ∈ R, bajo el

supuesto de que las operaciones que aparecen en cada propiedad
están definidas, se tiene que:
I (AB)C = A(BC)
I A(B + C) = AB + AC
I (B + C)A = BA + CA
I Si A es n × m, AOm×p = On×p y Oq×n A = Oq×m
I λ(AB) = (λA)B = A(λB)
I Sea In la matriz identidad de orden n, entonces

Im A = A si A es m × n
BIn = B si B es q × n
Transpuesta de una matriz.

Sea A = (aij ) una matriz m × n, la transpuesta de A, que se

denotará por AT , es la matriz de tamaño n × m, cuyas columnas
se forman a partir de las filas de A, es decir si A = (aij ), entonces
AT = (aji ).

Ejemplos:  
  1 4
1 2 3
Para A = , se tiene que AT =  2 5 
4 5 6
3 6
En Matlab

>> A=[1,2,3;4,5,6]

>> B = A’
Propiedades de la transpuesta: sean A y B matrices, y λ ∈ R
un escalar, bajo el supuesto de que las operaciones que aparecen
en cada propiedad están definidas, se tiene que:
I (AT )T = A
I (A + B)T = AT + B T
I (λA)T = λAT
I (AB)T = B T AT
Ejemplo:
   
−1 3 −1 3 0
Si A = yB= , entonces
2 5 2 1 −2
 
  −1 2  
−1 2 7 0 −6
AT = T
, B = 3 1 , AB =
3 5 8 11 −10
0 −2

   
−1 2   7 8
−1 2
B T AT =  3 1  = 0 11  = (AB)T
3 5
0 −2 −6 −10
Sea A = (aij ) una matriz cuadrada, n × n.
I Si AT = A, se dice que A es simétrica, y en este caso
aij = aji para todos i, j ∈ 1, ..., n
I Si AT = −A, se dice que A es antisimétrica, y en este caso
aij = −aji para todos i, j ∈ 1, ..., n, y por consiguiente si
i = j, aii = 0.
Ejemplos:
 
3 1 −2
1) A =  1 0 4  es simétrica.
−2 4 5
 
0 1 −2 3
 −1 0 −4 −8 
2) B = 
 2
 es antisimétrica.
4 0 9 
−3 8 −9 0
Determinante de una matriz por cofactores.

Sea A una matriz n × n, el determinante A es un número asociado

a la matriz, que se denota por det A o también por |A|, y se puede
calcular de la siguiente forma:
 
a b
I Si A un matriz 2 × 2, A = entonces
c d
det A = ad − bc
Ejemplo:
Sea  
2 3
A= ,
4 −5
entonces
det A = 2(−5) − 3(4) = −22
I Si A una matriz n × n, denotamos por Mij la submatriz de A
de orden (n − 1) × (n − 1) que se obtiene al eliminar la fila i y
la columna j de A.

Se define el cofactor ij de A, denotado por Cij al valor

Cij = (−1)i+j det Mij

Utilizando los cofactores se puede calcular el determinante

de A por el desarrollo de los cofactores de la i-ésima fila:

det A = ai1 Ci1 + ai2 Ci2 + ... + ain Cin

o por el desarrollo de los cofactores de la j-ésima columna:

det A = a1j C1j + a2j C2j + ... + anj Cnj

Ejemplo:
Sea  
2 −1 0
A =  1 −2 3 
−1 0 1
Calcular el determinante de A usando cofactores por la primera fila

   
1+1 −2 3 1+2 1 3
det A =2(−1) det + (−1)(−1) det
0 1 −1 1
 
1 −2
+ 0(−1)1+3 det
−1 0
=2(−2) + 1(1 + 3) + 0 = −4 + 4 = 0
En Matlab

>> A=[2,-1,0;1,-2,3;-1,0,1]

>> B=det(A)
Algunas propiedades del determinante.
I det A = det AT
I Si A es una matriz diagonal, triangular superior o
triangular inferior, entonces det A = a11 a22 ...ann
I Si A y B son matrices n × n, entonces

det(AB) = det A det B

I Si A ∈ Mn×n tiene una fila nula (o columna nula), entonces

det A = 0
I Si A tiene dos filas (o columnas) iguales, entonces det A = 0
I Para k ∈ R, det(kA) = k n det A
Operaciones elementales fila y Matrices equivalentes.

Se denominan operaciones elementales fila sobre una matriz las

siguientes:
I Intercambio de dos filas.
Notación Fi ↔ Fj : la fila i cambia de posición con la fila j.
   
2 −5 7 1 −3 4
F1 ↔F3
 0 −1 −1  − −−−→  0 −1 −1 
1 −3 4 2 −5 7
I Multiplicar una fila por un número distinto de cero.
Notación cFi : la fila i se multiplica por un escalar c 6= 0.
   
2 −10 0 1 −5 0
( 12 )F1
 0 −1 −1  −−−−→  0 −1 −1 
1 −3 4 1 −3 4
Operaciones elementales fila y Matrices equivalentes.

I Sumar a una fila un múltiplo de otra fila.

Notación Fi + cFj : a la fila i se le suma c veces la fila j, y la
fila i cambia.
   
1 −3 4 1 −3 4
F3 +(−3)F1
 0 −1 −1  −−−−−−−→  0 −1 −1 
3 −3 4 0 6 −8
Matrices equivalentes: Dos matrices A y B son equivalentes por
filas, si es posible obtener la matriz B de la matriz A por medio de
la aplicación de un número finito de operaciones elementales sobre
las filas de la matriz A.
Ejemplo. Las siguientes matrices son equivalentes.
   
1 −3 4 1 0 1
A =  2 −5 7  y B =  0 1 −1 
0 −1 −1 0 0 1
Se incluye en la verificación la notación de la operación elemental
aplicada en cada caso. Se resalta en color la fila que cambia al
aplicar la operación indicada con el mismo color.
Observar que todas las matrices en el proceso de obtener la matriz
B a partir de la matriz A son equivalentes a la matriz A y a la
matriz B.
   
1 −3 4 1 −3 4
F2 +(−2)F1
 2 −5 7  −−−−−−−→  0 1 −1 
0 −1 −1 0 −1 −1
   
1 0 1 (− 21 )F3
1 0 1
F1 +(3)F2
−−−−−−→  0 1 −1  −−−−−→  0 1 −1 
F3 +F2
0 0 −2 0 0 1
En Matlab

>> A=[1,-3,4;2,-5,7;0,-1,-1]

>> B=rref(A)
Matriz escalonada reducida
Una matriz A de tamaño m × n está en la forma escalonada
reducida si satisface las siguientes condiciones:
I Todas las filas nulas de A, si las hay, están debajo de las filas
no nulas (parte inferior de la matriz).
I El primer número diferente de cero (comenzando por la
izquierda) en cualquier fila cuyos elementos no todos son cero
es 1. El número 1 se denomina pivote para esa fila.
I El pivote en cualquier fila está a la derecha del pivote de la
fila anterior.
I Cualquier columna que contiene el pivote de una fila tiene
ceros en el resto de sus elementos.

Si la matriz cumple solo las tres primeras condiciones se dice que

la matriz está en la forma escalonada
Teorema
Toda matriz A de tamaño m × n es equivalente a una única matriz
escalonada reducida. Además, la matriz escalonada reducida se
obtiene al aplicar una secuencia finita de operaciones elementales a
la matriz original.
Ejemplo. La matriz escalonada reducida equivalente a la matriz
   
1 1 −1 2 1 0 −3 0
 1 2 1 3  es  0 1 2 0 
1 1 −1 4 0 0 0 1

Aplicando operaciones elementales

   
1 1 −1 2 1 1 −1 2
F2 +(−1)F1
 1 2 1 3  −−−−−−−→  0 1 2 1 
F3 +(−1)F1
1 1 −1 4 0 0 0 2
 
1 0 −3 1
F1 +(−1)F2
−−−−−−−→  0 1 2 1 
( 21 )F3
0 0 0 1
 
1 0 −3 0
F1 +(−1)F3
−−−−−−−→  0 1 2 0 
F2 +(−1)F3
0 0 0 1
En Matlab

>> A=[1,1,-1,2;1,2,1,3;1,1,-1,4]

>> B=rref(A)
Matriz invertible
Sea A de n × n, una matriz cuadrada, se dice que A es invertible
o no singular, si existe una matriz B de n × n, tal que

AB = In = BA

Si tal matriz B existe se dice que es la matriz inversa de A y se

denota por A−1 , es decir

AA−1 = In = A−1 A

Si una matriz A no tiene inversa se dice que es singular

Si A de n × n es invertible, entonces su matriz inversa es única, ya

que si existen matrices B y C de orden n × n tales que
AB = In = BA y AC = In = CA, entonces

B = In B = (CA)B = C(AB) = CIn = C

Propiedades de las matrices invertibles: Sean A y B matrices
de tamaño n × n invertibles y k un escalar, k 6= 0, entonces:
I A−1 es invertible y (A−1 )−1 = A
I AB es invertible y (AB)−1 = B −1 A−1
I kA es invertible y (kA)−1 = k1 A−1
I AT es invertible y (AT )−1 = (A−1 )T

Nota: una matriz A de tamaño n × n es equivalente por filas a la

matriz identidad In si y solo si A es invertible.
Algoritmo para calcular la inversa de una matriz usando
operaciones elementales fila

Dada una matriz A de tamaño n × n para determinar la inversa de

A, si existe, seguir los siguientes pasos:
1. Construir la matriz ampliada, de tamaño n × 2n, de A con la
matriz identidad In :
[A| In ]
2. Aplicar operaciones elementales fila sobre la matriz [A| In ]
hasta llevarla a la forma escalonada reducida equivalente:

[C| D]

I Si C = In , entonces A es invertible (no singular) y A−1 = D

I 6 In , entonces A es singular.
Si C =
La inversa de una matriz de orden 2 × 2
 
a b
A=
c d

es de la forma
   
1 d −b 1 d −b
A−1 = = ,
ad − bc −c a det A −c a

siempre que det(A) 6= 0.

Si la inversa de A existe decimos que A es una matriz no singular,
en caso contrario decimos que es una matriz singular (det(A) = 0).
Ejemplo. Calcular de la inversa de la siguiente matriz, si existe.
 
1 2 −1
A= 0 1 1 
1 0 −1
Paso 1.
Se empieza por ampliar la matriz A con la matriz identidad, esto
es:   
1 2 −1  1 0 0

 0 1 1  0 1 0 

1 0 −1  0 0 1
Paso 2. se aplican las operaciones elementales fila para llevar la
matriz [A| I3 ] a la forma escalonada reducida, aplicando los
cambios respectivos a la matriz identidad como sigue:
     
1 2 −1  1 0 0 1 2 −1  1 0 0
 F3 +(−1)F1
 0 1 1  0
 1 0  −−−−−−−→  0 1 1  0 1 0 
1 0 −1  0 0 1 0 −2 0  −1 0 1
  
1 0 −3  1 −2 0
F1 +(−2)F2 
−−−−−−−→  0 1 1  0 1 0 
F3 +(2)F2 
 −1
0 0 2 2 1
  
( 1 )F3
1 0 −3  1 −2 0
−−2−−→  0 1 1  0 1 0 
0 0 1  − 12 1 12

0  − 12 3
  
1 0 1 2
  
F1 +(3)F3   
−−−−−−−→  0 1 0  12 0 − 12 
F2 +(−1)F3  



0 0 1  − 12 1 1
2
Es decir que la forma escalonada reducida de la matriz A es la
matriz identidad y por tanto A tiene inversa, dada por la matriz:
 1 3 
−2 1 2
 
A−1 = 
 1 1 

 2 0 − 2 
 
1 1
−2 1 2
En Matlab

>> A=[1,2,-1;0,1,1;1,0,-1]

>> B=inv(A)
Sistema de ecuaciones lineales

Un sistema de m ecuaciones lineales con n incógnitas

x1 , x2 , ..., xn es un conjunto de relaciones de la forma

a11 x1 + a12 x2 +···+ a1n xn = b1

a21 x1 + a22 x2 +···+ a2n xn = b2
.. .. ..
. . .
am1 x1 + am2 x2 + · · · + amn xn = bm

donde los coeficientes aij y bi son números reales.

Un conjunto de n valores α1 , α2 , . . . , αn es una solución del

sistema si al sustituir respectivamente x1 , x2 , . . . , xn por
α1 , α2 , . . . , αn en las m ecuaciones del sistema, todas se satisfacen
y por tanto se obtienen m igualdades.
I Un sistema de ecuaciones lineales es consistente si tiene al
menos una solución.
Ejemplo: el siguiente sistema es consistente y su solución es
x = −2, y = −1
( (
x − 4y = 2 (−2) − 4(−1) = 2
ya que al evaluar se obtiene
x − 3y = 1 (−2) − 3(−1) = 1
I Un sistema de ecuaciones lineales es inconsistente cuando no
tiene solución.
Ejemplo: el siguiente sistema es inconsistente,
x − 4y = 2
2x − 8y = 1

ya que al aplicar reducción, multiplicando la primera ecuación

por −2 y sumarla con la segunda se llega a la inconsistencia
0 = −3
(−2)x − (−2)4y = (−2)2
2x − 8y = 1
0 = −3
I Un sistema de ecuaciones lineales es indeterminado si tiene
más de una solución.
Ejemplo: el siguiente sistema es indeterminado, ya que tiene
infinitas soluciones, en particular la pareja x = 3, y = 1 es
solución, y también lo es x = −1, y = −1

2x − 4y = 2
x − 2y = 1
I Un sistema de ecuaciones lineales es homogéneo si bi = 0
para i = 1, 2 . . . , m.
Ejemplo: los siguientes sistemas son homogéneos

x1 − 4x2 = 0 5x1 − 4x2 − 2x3 = 0

x1 − x2 = 0 6x1 − x2 + 4x3 = 0

Los sistemas homogéneos siempre tienen solución, ya que las

igualdades se satisfacen haciendo xi = 0, para i = 1, 2, . . . , n.
Dicha solución se denomina solución trivial
Forma matricial de un sistema de ecuaciones lineales
Un sistema de m ecuaciones lineales con n incógnitas
x1 , x2 , ..., xn se puede escribirse en la siguiente forma matricial
    
a11 a12 · · · a1n x1 b1
 a21 a22 · · · a2n   x2   b2 
..   ..  =  .. 
    
 .. ..
 . . .   .   . 
am1 am2 · · · amn xn bm
| {z } | {z } | {z }
A X B

es decir, el sistema se puede escribir en la forma AX = B, donde

A es la matriz de coeficientes del sistema, X el vector de
incógnitas y B el vector de términos independientes.
Matriz ampliada del sistema: se obtiene de ampliar la matriz A
con el vector B, como se muestra a continuación
  
a11 a12 · · · a1n  b1
 a21 a22 · · · a2n  b2 
A |B =  .
  
.. .. ..  .. 
 .. . . .  . 

am1 am2 · · · amn  bm

En Matlab

>> Ab=[A B]
Solución de un sistema de ecuaciones lineales usando el
método de Gauss-Jordan

1. Construir la matriz ampliada del sistema

2. Aplicar operaciones elementales a la matriz ampliada hasta
conseguir la matriz escalonada reducida de la matriz de
coeficientes del sistema.
Ejemplo: Aplicar el método de Gauss-Jordan para resolver el
siguiente sistema de ecuaciones lineales

2x + 8y + 6z = 20
4x + 2y − 2z = −2
3x − y + z = 11

Solución: la matriz ampliada del sistema es la siguiente

  
2 8 6  20
 4 2 −2  −2 
3 −1 1  11
Aplicamos operaciones elementales a la matriz ampliada hasta
conseguir
 la matriz
 escalonada
 reducida de la matriz
 de coeficientes
2 8 6  20 ( 12 )F1
1 4 3  10
 4 2 −2  −2 −−−−→ 4
   2 −2  −2 
3 −1  1  11  3  −1 1  11
1 4 3  10

F2 +(−4)F1
−−−−−−−→  0 −14 −14  −42 
F3 +(−3)F1
0 −13 −8 
 −19

   
1
(− 14 )F2
1 4 3  10
 1 0 −1  −2
F1 +(−4)F2 
−−−−−→  0 1 1  3  −−−−−−−→  0 1 1  3 
F3 +(13)F2 
0 −13 −8  −19 0 0 5  20
     
( 51 )F3
1 0 −1  −2 1 0 0  2
 F1 +F3 
 −1 
−−−−→  0 1 1  3  −−− −−−− →  0 1 0
 F2 +(−1)F3 
0 0 1  4 0 0 1  4

La matriz escalonada reducida de la matriz de coeficientes es la matriz

identidad y por tanto el sistema tiene solución única dada por

x = 2, y = −1, z=4
En Matlab

>> A=[2,8,6;4,2,-2;3,-1,1]
>> B=[20;-2;11]
>> Ab=[A b]
>> X=rref(Ab)
>> X=A\B % Utilizando la divisón a la izquierda
>> X=inv(A)*B % Otra forma con la inversa de A

nota: La solución utilizando la inversa de A es de la forma

X = A−1 B, siempre que el det(A) 6= 0 y A sea una matriz
cuadrada.
Si det(A) = 0 el sistema no tiene solución, es decir es un sistema
inconsistente.
Ejemplo: (Punto de equilibrio del mercado) Dos productos A y
B compiten. Las demandas xA y xB de estos productos están
relacionadas con sus precios PA y PB por las ecuaciones de
demanda
1 1
xA = 17 − 2PA + PB y xB = 20 − 3PB + PA
2 2
Las ecuaciones de la oferta son
1 1 1
PA = 2 + xA + xB y PB = 2 + xB + xA
3 2 4
que dan los precios a los cuales las cantidades xA y xB estarán
disponibles en el mercado. En el punto de equilibrio del mercado,
las cuatro ecuaciones deben satisfacerse (dado que la demanda y la
oferta deben ser iguales). Calcule los valores de equilibrio de xA ,
xB , PA y PB .
solución: Reacomodando las cuatro ecuaciones, obtenemos el
siguiente sistema:
1
xA + +2PA − PB = 17
2
1
xB − PA +3PB = 20
2
1
xA + xB −PA = −2
3
1 1
xA + xB −PB = −2
4 2
Note que las variables en cada ecuación se pusieron en el orden
xA , xB , PA y PB .
La matriz aumentada es la siguiente:

2 − 21
 
1 0 17
 0 1 −1 3 20 
 2 
 1 1 −1 0 −2 
3
1 1
4 2 0 −1 −2
En Matlab

>> A=[1,0,2,-1/2;0,1,-1/2,3;1,1/3,-1,0;1/4,1/2,0,-1]
>> B=[17;20;-2;-2]
>> X=A\B

La solución para el punto de equilibrio del mercado es, por tanto,

xA = 4, xB = 6, PA = 8 y PB = 6
Ejemplo
Inversión. El administrador de una cuenta de fideicomiso tiene
$500000 para invertir en tres cuentas diferentes. Las cuentas pagan
tasas de interés anual de 8, 10 y 14 %, respectivamente, y el
objetivo es ganar $49000 por año. Para lograr esto, suponga que se
invierten x dólares con una tasa de 8 %, se invierte y dólares con
una tasa de 10 %, y z dólares con una tasa de 14 %. Encuentre
cuánto se debe invertir en cada cuenta para satisfacer las
condiciones.
Las dos ecuaciones que representan toda la información son de la forma

x + y + z = 500000
0,08x + 0,10y + 0,14z = 49000

En matricial aumentada
 
1 1 1 500000
0,08 0,10 0,14 49000

Mediante el método de Gauss-Jordan, se obtiene la matriz equivalente

 
1 0 −2 50000
0 1 3 450000
Despejando la variable guı́a en cada ecuación se tiene

x = 50000 + 2z
y = 450000 − 3z

Esto nos dice que hay muchas inversiones posibles que satisfacen las
condiciones dadas. No obstante, la solución tiene limitaciones. Ya que no
se puede invertir una cantidad negativa, x, y y z deben ser no negativas.
Ası́, las ecuaciones se satisfarán con cualquier inversión con z ≤ 150000
de modo que y ≥ 0. Por tanto, tenemos

z ≤ 150000
x = 50000 + 2z
y = 450000 − 3z

En Matlab

>> A=[1,1,1;0.08,0.10,0.14]
>> B=[500000;49000]
>> round(rref([A B]))