Capitulo1-Matrices y Sistema de Ecuaciones

Aprendiendo
Álgebra Lineal
Guı́a de práctica
Adeluz Apaza Valdivia

Docente del Departamento Académico de Matemáticas
Universidad Nacional de San Agustı́n
Arequipa - Perú
Primera edición
2020
2 Contenido
Contenido
Introducción 02
Capı́tulo 1. Matrices y sistemas de ecuaciones 3

1.1 ¿Para qué sirve las matrices? 4
1.2 Conceptos básicos de matrices. 6
1.3 Determinante e inversa de matrices. 7
1.4 Operaciones elementales por filas en matrices. 9
1.5 Sistemas de ecuaciones lineales. 10
Capı́tulo 2. Espacios Vectoriales 5

2.1 Espacios vectoriales. 6
2.2 Subespacios vectoriales. 11
2.3 Independencia y dependencia lineal. 18
2.4 Bases y dimensión. 28
2.5 Coordenadas en un espacio vectorial. 35
Capı́tulo 3. Transformaciones lineales 46

3.1 Transformaciones lineales. 47
3.2 Operaciones con transformaciones lineales. 55
3.3 Núcleo e imagen. 59
3.4 Matriz asociada a una transformación lineal. 70
Capı́tulo 4. Valores y Vectores propios 76

4.1 Valores y vectores propios. 77
4.2 Matrices similares. 88
4.3 Diagonalización de matrices. 91
Capı́tulo 5. Espacios vectoriales con producto interno 76

5.1 Producto interno. 77
5.2 Bases ortonormales. 88
5.3 Diagonalización unitaria. 91
Referencias 55
Introducción 3
Introducción
El álgebra lineal es una rama de las matemáticas que estudia matrices
y sistemas de ecuaciones lineales, los espacios vectoriales, transformaciones
lineales, valores y vectores propios. Estos conceptos que hemos indicado
han contribuido notablemente en el desarrollo del conocimiento dentro de
las matemáticas y también en otras ciencias, especialmente en las ciencias
básicas, ası́ como en la economı́a, administración, informática, ingenierı́a y
las ciencias sociales. Por eso se justifica el estudio del álgebra lineal en la
mayorı́a de las carreras universitarias.
Este libro llamado aprendiendo álgebra lineal surge de algunos apuntes

que se han utilizado en varias oportunidades en el curso de álgebra lineal
que se dan a nivel universitario, principalmente en la Universidad Nacional
de San Agustı́n. Por supuesto, podemos haber cometido errores, sobre todo
tipográficos, al redactar los diversos apuntes. Esperamos que los lectores
de este libro en general, nos ayuden a enmendar.
El objetivo de este libro es ayudar a los estudiantes en el aprendizaje

de los contenidos teóricos y prácticos de álgebra lineal. Estos contenidos se
basan en una investigación cuidadosa de las necesidades de los estudiantes
en su formación académico. La teorı́a se desarrolla considerando aspectos
de rigurosidad y formalidad, pero no alcanza el nivel de formalismo que en
matemática pura se espera, sino que dicha rigurosidad va de la mano con
temas básicos de álgebra lineal que los estudiantes deben aprender para
luego aplicarlos.
Gracias a sugerencias y observaciones que han hecho los estudiantes que

compartieron conmigo el curso de álgebra lineal, haremos cada capı́tulo en
torno a alguna idea simple y fundamental tanto en el marco teórico como
en la práctica. Ası́, el libro tendrá un primer capı́tulo, en donde daremos
temas relacionados con el álgebra de matrices, determinante e inversa de
matrices, operaciones elementales por filas en matrices y aplicaciones de
estas en la resolución de sistemas de ecuaciones lineales.
En el segundo capı́tulo, denominado espacios vectoriales, se comienza

con la definición y algunas propiedades de espacios vectoriales, seguimos
con subespacios y generadores, independencia y dependencia lineal, bases
4 Introducción
y dimensión. En el tercer capı́tulo, daremos transformaciones lineales, sus

diferentes operaciones, el núcleo e imagen de una transformación lineal y
matriz asociada a una transformación lineal.
En el cuarto capı́tulo, se da valores y vectores propios de una matriz

asociada a un operador lineal, en donde se hara también un estudio sobre
matrices similares y diagonalización de matrices. Finalmente, presentamos
espacios vectoriales con producto interno, aquı́ daremos la definición de
producto interno, bases ortogonales y diagonalización unitaria.
Adeluz Apaza Valdivia

aapazav@unsa.edu.pe
Capı́tulo 1
Matrices y sistemas de ecuaciones
Las matrices y sistemas de ecuaciones lineales representan el corazón

del álgebra lineal. El objetivo de este capı́tulo es presentar la definición
de matrices, las operaciones algebraicas entre ellas (suma, producto por
un escalar, transpuesta y determinantes), sus propiedades básicas, los
tipos de matrices y sistemas de ecuaciones que proporcionan diferentes
aplicaciones en la vida real.
Las matrices son consideradas como ordenamientos de datos y se

usan no solo en la resolución de sistemas de ecuaciones, sino también en
cálculo numérico, en la resolución de ecuaciones diferenciales. Además
las matrices también aparecen en geometrı́a, economı́a, informática y
fı́sica, etcétera.
Frecuentemente, encontramos matrices en aquellas situaciones en las

que aparecen gran cantidad de datos como en los paneles de horarios de
aviones, de trenes, de autobuses, cotizaciones de la bolsa y cambio de
divisas, etcétera. Esto es debido a que la notación matricial nos permite
una mejor visualización de los datos.
En este capı́tulo nuestra actividad será describir y lograr que el lector

en general conozca:
1.1 ¿Para qué sirve las matrices?

1.2 Conceptos básicos de matrices.
1.3 Determinante e inversa de matrices.
1.4 Operaciones elementales por filas en matrices.
1.5 Sistemas de ecuaciones lineales.
6 Profesor: Adeluz Apaza Valdivia
1.1 ¿Para qué sirve las matrices?1

El concepto de matriz como cuadro o tabla de números es una de las
herramientas con mayor número de aplicaciones en diferentes campo de la
ciencia e industria; aunque pocas veces nos damos cuenta de ello. Una de
las primeras aplicaciones fue en la mecánica cuántica descrita por medio
de matrices y como tal da origen al desarrollo de teléfonos celulares, al
manejo de la energı́a nuclear y de transistores. Por supuesto, las matrices
ofrecen una fundamentación completa a todas las ciencias naturales como
matemática, fı́sica y quı́mica.
En la vida diaria el concepto de matrices es de gran importancia y
relevancia, ya que las matrices se usan como contenedores para almacenar
datos relacionados. Actualmente, las matrices se utilizan para múltiples
aplicaciones en ciencias naturales y sirven, en particular:
+ Para representar los coeficientes de los sistemas de ecuaciones lineales.
+ Para representar transformaciones lineales dada una base.
+ Para resolver ecuaciones de primer grado con muchas incógnitas.
+ Para resolver circuitos eléctricos.
+ Para hacer modelos de crecimiento de poblaciones.
Debemos indicar también que las matrices se encuentran en aquellos

ámbitos en los que se trabaja con datos regularmente ordenados y estos
aparecen en situaciones tales como en análisis de circuito y redes para el
cálculo de voltajes, corrientes y potencias; las matrices se utilizan también
en ingenierı́a civil para el diseño de sistemas estructurales en diversas áreas
que ocupa la ingenierı́a indicada; en economı́a se aplica para el análisis de
la producción, distribución y organización de las empresas; en sociologı́a en
sociogramas y para realizar estudios de la influencia de unos individuos con
otros; en urbanismo se utiliza las matrices de conectividad que estudian las
conexiones entre distintos nucleos urbanos, etcétera.
En resumen, la matriz es un elemento matemático que permite escribir

muchos problemas de la vida diaria en forma conveniente y compacta.
1 Recuerde, la humildad y la sencillez te hacen grande, nunca lo olvides.

Capı́tulo 1: Matrices y sistemas de ecuaciones 7
1.2 Conceptos básicos de matrices.1

El objetivo de esta sección es presentar las matrices y sus propiedades
básicas que serán de uso frecuente.
Definición 1. (Matriz)
Se llama matriz a un arreglo rectangular de números aij de orden m×n

dispuestos en m filas y n columnas.
En general, una matriz A que tiene m filas y n columnas es considerada

como un ordenamiento de números reales o complejos de la forma:
 
a11 a12 ··· a1n
 a21 a22 ··· a2n 
A= .
 
.. .. ..
 . . . 
am1 am2 ··· amn
La matriz A suele designarse también como sigue:

(
i = 1, 2, 3, · · ·m
A = [aij ]m×n , donde
j = 1, 2, 3, · · ·n
Observemos que un elemento genérico de la matriz A se designa por el

número aij , donde el subı́ndice i representa el número de fila que ocupa el
elemento y el subı́ndice j el número de columna.
En la definición anterior los elementos de la matriz suelen delimitarse

mediante corchetes o paréntesis. Nosotros usaremos corchetes. También es
usual denotar las matrices por las letras mayúsculas A, B, C · · · . Además
un elemento aij de la matriz A corresponde al elemento de la fila i y columna
j. En este caso, normalmente no será necesario escribir la matriz completa
y bastará con escribir A = [aij ] con i = 1, 2, · · · , m y j = 1, 2, · · · , n ó
A = [aij ]m×n si queremos indicar el tamaño de la matriz.
1 Recuerde, la matriz es una arreglo rectangular de números, nunca lo olvides.

Ejemplo 1. Consideremos la siguiente matriz:

2 3 5
A= .
7 9 8
Determinar el orden y sus elementos.
Solución. Como posee dos filas y tres columnas corresponde a una

matriz de órden 2 × 3. Sus elementos corresponden a:
a11 = 2, a12 = 3, a13 = 5, a21 = 7, a22 = 9, a23 = 8.
Lo cual termina la solución deseada.
Ejemplo 2. Escribir la siguiente matriz:

A = [aij ]2×3 , tal que aij = 2i − j.
Solución. Notemos primero que la matriz buscada tiene la forma:

a11 a12 a13
A= .
a21 a22 a23
Pasamos ahora a encontrar cada uno de los elementos de A. Para esto

considerando aij = 2i − j dada lı́neas arriba se tiene:
a11 = 2(1) − 1 = 1, a12 = 2(1) − 2 = 0, a13 = 2(1) − 3 = −1,
a21 = 2(2) − 1 = 3, a22 = 2(2) − 2 = 2, a23 = 2(2) − 3 = 1.

Luego la matriz A está dada por:

1 0 −1
A= ,
3 2 1
lo cual termina la solución buscada.
Dado que el lugar de los elementos en la matriz es muy importante, por

ello abreviaremos el elemento de la fila i y columna j como el elemento
(i, j) de la matriz. Por ejemplo, si:

−3 4
A=
−7 9
se tiene el elemento (2, 1) de A es −7 y el elemento (2, 2) de A es 9.
Notación. Al conjunto de matrices escribiremos por Km×n . Ası́,
Km×n = {A = [aij ] /A es una matriz de orden m × n}.
Frecuentemente, trabajaremos con matrices especiales que presentan

cierta particularidad; algunas de ellas se definen a continuación.
Definición 2. (Matriz rectangular)
Se denomina matriz rectangular a aquella matriz de orden m × n con

la condición n 6= m.
Por ejemplo, las siguientes matrices:

 
3 −6
5 1 0
A= , B= 1 12 
8 3 9
0 5
son matrices rectangulares de orden 2 × 3 y de orden 3 × 2 respectivamente.
Definición 3. (Matriz cuadrada)
Se dice que A es una matriz cuadrada de orden n, si el número de filas

n coincide con el número de columnas n.
Por ejemplo, la siguiente matriz:

 
1 5 3
A= 8 3 9 
0 7 4
es una matriz cuadrada de orden 3.
Observación 1. Se tiene lo siguiente:
1 En una matriz cuadrada A = [aij ] de orden n los elementos:
a11 , a22 , a33 , · · · , ann
constituyen la diagonal principal de la matriz cuadrada A.

2 La traza de una matriz cuadrada A = [aij ] esta dada por:

Traz(A) = a11 + a22 + a33 + · · · + ann .
En otras palabras, la suma de los elementos de la diagonal principal.

 
1 5 3
A= 8 3 9 .
0 7 4
Notemos que los elementos de la diagonal principal de A son 1, 3 y 4; ası́ la
traza de A está dada por Traz(A) = 1 + 3 + 4 = 8.
Definición 4. (Matrices fila y columna)
Se llama matriz fila a aquella que consta de una única fila, esto es:
A = [a11 a12 ··· a1n ] ∈ K1×n .
De igual forma, se llama matriz columna a aquella que consta de una

única columna, esto es:
 
a11
 a21 
 
 · 
A=
  ∈ Km×1
 · 

 · 
am1
Por ejemplo, la siguiente matriz:

A= 5 1 0 3 9
es matriz fila de orden 1 × 5. Sin embargo, la siguiente matriz:
 
5
 8 
A= 
 3 
1
es matriz columna de orden 4 × 1. Estas dos matrices son diferentes.
Definición 5. (Matrices nula)
Llamaremos matriz nula a aquella en que todos sus elementos son nulos
(ceros), esto es:
O = [aij ]m×n tal que aij = 0, ∀i, j.
Por ejemplo, la matriz

0 0 0
O=
0 0 0
es matriz nula de orden 2 × 3.
Definición 6. (Matriz diagonal)
Se denomina matriz diagonal a aquella matriz cuadrada en la que los

elementos exteriores a la diagonal principal son ceros, esto es:
A = [aij ]m×n tal que aij = 0 para i 6= j.
Para ser más precisos, son matrices de la forma:

 
a11 0 ··· 0
 0 a22 ··· 0 
A= . ..  .
 
.. ..
 .. . . . 
0 0 ··· ann
Definición 7. (Matriz escalar)
Se llama matriz escalar a aquella matriz diagonal cuyos elementos

diagonales son todos iguales, esto es:
 
k 0 0
A= 0 k 0 
0 0 k
Definición 8. (Matriz identidad)
Se llama matriz identidad a aquella matriz escalar cuyos elementos

diagonales son todos unos, esto es:

1 si i = j,
I = [aij ]n×n tal que aij =
0 si i 6= j.
Definición 9. (Matrices triángulares superior e inferior)
Se llama matriz triangular superior a aquella matriz cuyos elementos

por debajo de su diagonal principal son todos nulos, esto es:
A = [aij ]n×n tal que aij = 0, si i > j.
Similarmente, una matriz triangular inferior es aquella matriz cuyos

elementos por encima de su diagonal principal son todos nulos, esto es:
A = [aij ]n×n tal que aij = 0, si i < j.

   
1 3 2 6 0 0
A= 0 4 5  y B= 1 4 0 
0 0 7 2 3 7
son matrices triángular superior (A) e inferior (B) respectivamente.
Observación 2. Note que el equivalente para matrices rectangulares de

una matriz triangular son las denominadas matrices escalonadas que son
aquellas matrices en las que aij = 0 si i > j, esto es:
 
a11 a12 a13 · · · a1m−1 · · · a1n
 0 a22 a23 · · · a2m−1 · · · a2n 
A= . ..  .
 
.. .. .. ..
 .. . . . . . 
0 0 ··· amm · · · amn
Notemos que en caso de tratarse de una matriz cuadrada se tendrı́a una
triangular superior o inferior.
En lo sucesivo, presentamos las operaciones con matrices. El efecto

práctico es que las matrices se pueden sumar, restar, multiplicar, y ası́ tener
otras nuevas matrices. Previo a proceder, necesitamos conocer el siguiente
concepto que habla sobre la igualdad de matrices.
Definición 10. (Igualdad de matrices)
Se dice que dos matrices A = [aij ] y B = [bij ] son iguales, si tienen el

mismo orden y sus elementos respectivos son iguales, esto es:
A = B ⇐⇒ aij = bij ∀i, j.
A modo de ilustración de cómo se utiliza esta definición de igualdad de

matrices en la práctica, veamos el siguente ejemplo.
Ejemplo 4. Las siguientes matrices:

2 1 5 2 a 5
A= y B=
0 3 b 0 3 2
son iguales si y sólo si a = 1 y b = 2.
Ejemplo 5. Las siguientes matrices:

   
2 1 1 2
A= 0 5  y B= 0 5 
1 3 1 3
no son iguales, pese a tener los mismos elementos, porque éstos ocupan
lugares distintos.
Ejemplo 6. Sea la matriz A = [aij ]2×2 / aij = 2i − (−1)j y la matriz:

x−y 1
B= .
3x − y 3
Determinar los valores de x e y de modo que A = B.
Solución. Observemos primero que la matriz A depende de una regla

y por ello sus elementos deben ser buscados como sigue:
a11 = 21 − (−1)1 = 3 a12 = 21 − (−1)2 = 1.
a21 = 22 − (−1)1 = 5 a22 = 22 − (−1)2 = 3.

Con esto hemos encontrado la matriz:

3 1
A= .
5 3
Recién ahora podemos hacer la igualdad A = B, esto es:

3 1 x−y 1
=
5 3 3x − y 3
Haciendo uso la definición de igualdad de matrices se tiene el sistema lineal:
x−y = 3,
3x − y = 5,
cuya solución es x = 1 e y = −2, lo cual concluye la solución buscada.
Definición 11. (Suma de matrices)
Sean A = [aij ] y B = [bij ] dos matrices de orden m × n. La suma de

A y B es la matriz C = A + B de orden m × n definida por:
C = [cij ] / cij = aij + bij , ∀i, j.
Dicho con otras palabras, cada elemento de la matriz A y B se suman

respetando la posición de sus elementos. Es importante observar que sólo
se pueden sumar matrices del mismo orden o tamaño. Revisemos lo hecho
por medio de algunos ejemplos bastante simples.
Ejemplo 7. Sean las siguientes matrices:

A= 1 4 y B= 7 2 .
Determinar la matriz A + B.
Solución. Sumando cada elemento de A y B se tiene:

A+B = 1 4 + 7 2 = 1+7 4+2 = 8 6 ,
lo cual finaliza la solución deseada.

Ejemplo 8. Consideremos las siguientes matrices:

   
2 −1 −7 0
A= 3 2  y B =  1 2 .
4 −1 −3 1
Encontrar la suma de A y B.
Solución. Sumando cada elemento de A y B se tiene:

       
2 −1 −7 0 2 − 7 −1 + 0 −5 −1
A+B =  3 2 + 1 2  =  3+1 2+2 = 4 4 ,
4 −1 −3 1 4 − 3 −1 + 1 1 0
ası́ concluimos la solución buscada.
Ejemplo 9. Sean las siguientes matrices:

2x − 1 y 5−y 2−x −2 5
A= , B= y C=
3−y 2 x+1 2 4 −1
Determinar la suma A + C, sabiendo que A = B.
Solución. Observemos primero que A = B, o lo que es lo mismo:

2x − 1 y 5−y 2−x
= .
3−y 2 x+1 2
De esto se tiene por igualdad de matrices:
2x − 1 = 5 − y 2x + y = 6
, o lo que es lo mismo,
3−y =x+1 x+y =2
Resolviendo obtenemos x = 4 e y = −2, con lo cual se tiene la matriz:

7 −2
A= .
5 2
Recién hallamos la suma A + C como sigue:

7 −2 −2 5 7−2 −2 + 5 5 3
A+C = + = = ,
5 2 4 −1 5+4 2−1 9 1
lo cual termina la solución deseada.

Ejemplo 10. Encontrar los valores a, b, c y d tal que:

a −1 c d 3 −2
+ = .
2 b c 2 1 2
Solución. Aplicando suma de matrices al primer término de la igualdad

de matrices se tiene:

a + c −1 + d 3 −2
= ,
2+c b+2 1 2
Haciendo uso igualdad de matrices se obtiene el sistema de ecuaciones:
a +c = 3
d = −1
c = −1
b = 0.
Resolviendo se tiene a = 4, b = 0 y c = d = −1, termina la solución.
Propiedad 1. (Propiedades de suma de matrices)
La suma de matrices goza de las siguientes propiedades:
1 Clausura: ∀ A, B ∈ Km×n : A + B ∈ Km×n .
2 Conmutativa: ∀ A, B ∈ Km×n : A + B = B + A.
3 Asociativa: ∀ A, B, C ∈ Km×n : A + (B + C) = (A + B) + C.
4 Elemento neutro: ∃! 0 ∈ Km×n / 0 + A = A, ∀ A ∈ Km×n .
5 Elemento inverso aditivo: ∀ A ∈ Km×n , ∃! (−A) ∈ Km×n tal que

A + (−A) = (−A) + A = 0.
Observación 3. Notemos que la diferencia entre dos matrices A y B del

mismo orden esta dada por:
A − B = A + (−B).
Definición 12. (Producto de un escalar y una matriz)
Sean A = [aij ] una matriz y λ ∈ R un escalar. El producto de λ por A

se define por:
λA = [λaij ].
Es decir, cada elemento de la matriz A se multiplica por el escalar λ.
Ejemplo 11. Calcular 3A + 2B, siendo:

5 −1 1 3
A= y B= .
3 −2 2 0
Solución. Reemplazando y realizando el producto se tiene:

5 −1 1 3 15 −3 2 6
3A + 2B = 3 +2 = + .
3 −2 2 0 9 −6 4 0
De esto resulta gracias a la suma de matrices:

17 3
3A + 2B = ,
13 −6
lo cua termina la solución buscada.
Propiedad 2. (Propiedades de producto de un escalar y una matriz)
Sean A y B dos matrices de mismo orden y sean λ, β ∈ R. Entonces el

producto de un escalar y una matriz goza de las siguientes propiedades:
1 Clausura: ∀ A ∈ Km×n y λ ∈ R: λA ∈ Km×n .
2 Asociativa: (λβ)A = λ(βA).
3 Distributiva: λ(A + B) = λA + λB.
4 Distributiva: (λ + β)A = λA + βA.
5 Elemento neutro: ∀ A ∈ Km×n , ∃! 1 ∈ R / 1 A = A.

Definición 13. (Producto de matrices)
Sean las matrices A = [aij ] de orden m × p y B = [bij ] de orden p × n.

El producto AB es la matriz C = [cij ] de orden m × n dada por:
cij = ai1 b1j + ai2 b2j + ai3 b3j + · · · + aip bpj .
Notemos que se requiere que el número de columnas de A debe coincidir

con el número de filas de B para que este producto sea posible. En otras
palabras, el elemento que se encuentra en la fila i y la columna j de la
matriz C = AB se obtiene multiplicando los elementos de la fila i de A por
la columna j de B y sumando los resultados.
Ejemplo 12. Consideremos las siguientes matrices:

 
0 −4 1
−3 2 1 4  1 −2 1 
A= y B=  2 0 2 .

2 5 3 −2
3 2 1
Determinar el producto AB, si existe.
Solución. Puesto que el número de columnas de A es igual al número

de filas de B, entonces existe el producto AB. La matriz resultante será:
 
0 −4 1
−3 2 1 4  1 −2 1  c11 c12 c13
C = AB =   = .
2 5 3 −2  2 0 2  c21 c22 c23
3 2 1
Usando la definición de producto de matrices se obtiene cada entrada cij
de la matriz C como sigue:
c11 = a11 b11 + a12 b21 + a13 b31 + a14 b41 = −3(0) + 2(1) + 1(2) + 4(3) = 16.
c12 = a11 b12 +a12 b22 +a13 b32 +a14 b42 = −3(−4)+2(−2)+1(0)+4(2) = 16.
c13 = a11 b13 + a12 b23 + a13 b33 + a14 b43 = −3(1) + 2(1) + 1(2) + 4(1) = 5.
Ası́, sucesivamente se obtiene:

16 16 5
C = AB = ,
5 −22 11
Propiedad 3. (Propiedades de producto de matrices)
Sean A, B y C matrices de dimensiones compatibles respecto a la suma

y producto, Entonces se tiene:
1 Asociativa: (AB)C = A(BC).
2 Distributiva: A(B + C) = AB + AC.
3 No conmutativa: en general, es AB 6= BA.
4 No cancelativa: Si AB = AC ; B = C.
5 Si AB = 0, no se sigue necesariamente que A = 0 ∨ B = 0.
6 Elemento unidad: ∃ I (identidad) tal que AI = IA = A.
A continuación presentaremos algunas matrices especiales que se usan

con frecuencia. Previo a esto necesitamos el siguiente concepto.
Definición 14. (Matriz transpuesta)
Se llama matriz traspuesta de una matriz A, a la matriz At que se

obtiene cambiando las filas por las columnas (o viceversa) en A.
Para ser más precisos, se tiene lo siguiente:

   
a11 a12 · · · a1n a11 a21 ··· am1
 a21 a22 · · · a2n   a12 a22 ··· am2 
t
Si A =  . ..  ⇒ A =  .. .
   
.. .. .. .. ..
 .. . . .   . . . . 
am1 am2 · · · amn a1n a2n ··· amn
En particular, para la matriz A tenemos su matriz transpuesta At :

 
  2 7 9
2 5 −4 0  5 −3 8 
Si A =  7 −3 1 4  ⇒ At =   −4 1 −1  .

9 8 −1 3
0 4 3
Propiedad 4. (Propiedades de la matriz transpuesta)
Las principales propiedades de la matriz transpuesta son:
1 Transpuesta de transpuesta: (At )t = A.
2 Transpuesta de suma: (A + B)t = At + B t .
3 Transpuesta de producto por escalar (kA)t = kAt , con k ∈ R.
4 Transpuesta de producto: (AB)t = B t At .
Debemos indicar que la transpuesta de matrices nos permite definir dos

nuevos tipos de matrices especiales de uso frecuente en la práctica, como
veremos enseguida.
Definición 15. (Matriz simétrica)
Diremos que la matriz cuadrada A es simétrica si, y solo si:

A = At .
En otras palabras, la matriz cuadrada coincide con su transpuesta.
Es importante señalar que las matrices simétricas son de la forma:

 
a x y
A= x b z .
y z c
Observemos que las matrices simétricas tienen iguales los elementos

simétricos respecto a la diagonal principal.
Definición 16. (Matriz antisimétrica)
Diremos que la matriz cuadrada A es antisimétrica si, y solo si:

A = −At .
Para precisar, la matriz coincide con la opuesta de su transpuesta.
Debemos indicar que las matrices antisimétricas son de la forma:

 
0 x y z
 −x 0 t r 
A=  −y −t 0 s  .

−z −r −s 0
Observemos que la matriz antisimétrica tiene opuestos los elementos
simétricos respecto a la diagonal principal y nulos los elementos de esta.
Definición 17. (Matriz ortogonal)
Diremos que la matriz cuadrada A es ortogonal si, y solo si:

AAt = At A = In .
En otras palabras, el producto con su transpuesta es la identidad.
Notemos que de la definición precedente se desprende claramente que la

matriz A es ortogonal si, y solo si, A−1 = At .
Definición 18. (Matriz periódica)
Diremos que la matriz cuadrada A es periódica si, y solo si, existe

p ∈ Z+ tal que Ap+1 = A.
Aquı́, el menor entero positivo p se llama perı́odo de A.
Definición 19. (Matriz idempotente)
Diremos que la matriz cuadrada A es idempotente si, y solo si, A2 = A.
Definición 20. (Matriz nilpotente)
Diremos que la matriz cuadrada A es una matriz nilpotente si, y solo

si, existe n ∈ Z+ , tal que An = 0.
Si A es nilpotente, el menor entero positivo n con el que cumple la

igualdad An = O se llama ı́ndice de nilpotencia.
Actividad de aprendizaje No 1 1
1 Dada la siguiente matriz:

 
5 8 4
A= 3 2 5 .
7 6 0
Encontrar la traza de la matriz B, sabiendo que A + B = I.

1 2
2 Sea A = una matriz tal que traz(An )= 244. Determinar n.
0 3
3 Dada las siguientes matrices:

2 b−2 2 4
A= ; B= .
3 a+1 a+3 c
Si A = B, encontrar la suma de los elementos de la matriz A.

2 2 2 3 4
4 Determinar A y comprobar que A A = AA , si A = .
−2 7
5 Hallar una matriz B, si existe, con la propiedad AB = BA = I, donde

I es la matriz identidad, y

5 3
A= .
0 0

a b c d
6 Demostrar que AB = BA, si A = y B = ,
−b a −d c
donde a, b, c y d son reales.
b2

ab
7 Demostrar que si la matriz A = , donde a y b son
−a2 −ab
2
reales, entonces A = 0.
8 Determinar si las siguientes matrices dadas son simétricas.

 
a h g
a h
A= , B =  h b f .
h b
g f c
1 Recuerde, realizar las actividades de aprendizaje enriquece el conocimiento.
9 Si la siguiente matriz:

1 3
A= ,
2 4
se puede expresar como la suma de una matriz simétrica B y otra
antisimétrica C, Calcular la matriz C.
10 Determinar si las siguientes matrices son antisimétricas.

 
0 a b
0 a
A= , B =  −a 0 c .
−a 0
−b −c 0
11 Comprobar si las siguientes matrices son ortogonales.

 
1 −2 2
cos θ −sen θ
A= , B = 31  −2 1 2 .
sen θ cos θ
−2 −2 −1
12 Consideremos la siguiente matriz:
2cos2 x sen2x

A= .
sen2x 2sen2 x
Encontrar la matriz A3 .
13 Determinar si B t AB es simétrica, cuando:

1 −1 1 0 −2
A= y B= .
−1 1 −1 3 0
 
1 −3 −4
14 Pruebe que A =  −1 3 4  es nilpotente y determine su
1 −3 −4
ı́ndice de nilpotencia.

1 0
15 Dada la matriz A = . Determinar la traza de An .
−1 1
16 Sean A, B y C matrices cuadradas tales que A = BC = CB y

A + B = I. Encontrar la matriz AC − CA.
1.3 Determinante e inversa de matrices.1

El objetivo de esta sección es presentar el concepto de determinante
asociado a una matriz cuadrada. Este concepto permite calcular la inversa
de una matriz cuadrada.
El determinante puede ser considerado como una función que asigna a

cada matriz cuadrada un número únicamente determinado, que llamaremos
determinante de A y denotaremos por det(A) o |A|. Antes de introducir
esta definición, presentaremos el concepto de menor de una matriz.
Definición 1. (Menor de la matriz)
Llamaremos el menor (i, j) de la matriz A de n × n a la matriz de

orden (n − 1) × (n − 1) que resulta al eliminar la fila i y la columna j
de A. El menor de la matriz escribiremos Mij .

 
1 1 1
A= 2 3 1 .
1 −1 −2
Determinar los menores M23 y M32 de la matriz A.
Solución. Al eliminar la segunda fila y tercera columna de A se tiene:

1 1
M23 = ,
1 −1
y al eliminar la tercera fila y segunda columna de A obtenemos M32 . Ası́,

1 1
M32 = ,
2 1
Dentro de esto, a la determinante de menor de la matriz cuadrada A se

denomina menor complementario del elemento aij de la matriz A.
1 Recuerde, el determinante es una función que asigna a una matriz un número.
Definición 2. (Determinante de una matriz)
El determinante de la matriz cuadrada A = [aij ] de n × n se define por:

det(A) = a11 det(M11 ) − a12 det(M12 ) + · · · + (−1)1+n a1n det(M1n ).
En otras palabras, esto significa inductivamente lo siguiente:
1 Si A = [λ]1×1 , entonces det(A) = λ.

a11 a12
2 Si A = , entonces det(A) = a11 detM11 − a12 detM12 .
a21 a22
= a11 a22 − a12 a21
 
a11 a12 a13
3 Si A =  a21 a22 a23  , entonces: det(A) =
a31 a32 a33

a22 a23 a21 a23 a21 a22
a11 det − a12 det + a13 det .
a32 a33 a31 a33 a31 a32
4 Ası́, sucesivamente.
Ejemplo 2. Consideremos la matriz A dada por:

 
3 −6 0
A= 0 −3 −2  .
−1 1 −4
Obtenga el determinante de A.
Solución. Haciendo uso la definición de determinante de tiene:

−3 −2 0 −2 0 −3
det(A) = 3det − (−6)det + 0det
1 −4 −1 −4 −1 1
= 3(12 + 2) + 6(0 − 2) + 0(0 − 3) = 42 − 12 + 0 = 30,

Propiedad 1. (Propiedades de los determinantes)
Las principales propiedades básicas de los determinantes son:
1 El valor de det(A) no depende de la fila k elegida.
2 Si A posee una fila o columna de ceros, su determinante es cero.
3 Si se intercambia filas de A, el determinante cambia de signo.
4 Si A tiene dos filas paralelas o iguales, su determinante es cero.
5 det(kA)= k det(A), donde k ∈ R.
6 det(A)=det(At ).
7 det(AB)=det(A) det(B).
8 En general, det(A + B) 6= det(A)+ det(B).
Definición 3. (Matriz de cofactores)
Se define la matriz de cofactores de A ∈ Kn×n como la matriz:

cof(A) = [cij ]n×n , tal que cij = (−1)i+j det(Mij ),
donde det(Mij ) es el menor complementario de aij de A.
Definición 4. (Adjunta de una matriz)
La adjunta de la matriz cuadrada A de orden n se define como sigue:

adj(A) = [cof(A)]t .
En otras palabras, la adjunta es la transpuesta de matriz de cofactores.
Debemos indicar que el determinante de una matriz cuadrada podemos

calcular usando las entradas en las columnas o filas. A continuación veamos
las definiciones anteriores mediante el siguiente ejemplo.
Ejemplo 3. Determinar la adjunta de la siguiente matriz A, si:

 
2 3 4
A= 2 1 1 .
1 1 2
Solución. Primero hallamos la matriz de cofactores de A, esto es:

 
+M11 −M12 +M13
cof(A) =  −M21 +M21 −M23  .
+M31 −M32 +M33
Hallando la determinante de cada Mij se tiene la matriz de cofactores:
 
1 −3 1
cof(A) =  −2 0 1 .
−1 6 −4
Ası́, la adjunta será la transpuesta de la matriz de cofactores, esto es:
 
1 −2 −1
adj(A) = [cof(A)]t =  −3 0 6 ,
1 1 −4
Propiedad 2. (Propiedades de la adjunta)
Las principales propiedades básicas de la adjunta de una matriz son:
1 adj(I) = I.
2 adj(At ) = [adj(A)]t .
3 adj(AB) = adj(B) adj(A).
4 adj(An ) = [adj(A)]n .
5 adj(kA) = k n−1 adj(A), donde k ∈ R.
6 det[adj(A)] = [det(A)]n−1 .
7 det[adj(An )] = [det(An−1 )]n .

Los conceptos anteriores de determinante y adjunta de una matriz nos

permite presentar la relación teórica entre estos conceptos e invertibilidad
de matrices, la cual consignamos en la siguiente definición.
Definición 5. (Inversa de una matriz)
Se dice que la matriz cuadrada A es invertible, si existe una matriz

cuadrada B tal que:
AB = BA = I.
Aquı́, B recibe el nombre de inversa de A, y se escribe B = A−1 .
Propiedad 3. (Propiedades de la inversa de una matriz)
Sean A y B matrices cuadradas e invertibles. Entonces:
1 AA−1 = A−1 A = I.
2 (A−1 )−1 = A
3 (AB)−1 = B −1 A−1 .
4 (At )−1 = (A−1 )t .
5 det(A−1 ) = det1(A) .
6 adj(A−1 ) = [adj(A)]−1 .
El determinante y adjunta de una matriz cuadrada A de orden n nos

permite calcular la inversa de la matriz cuando det(A) 6= 0, lo cual daremos
en la siguiente propiedad.
Propiedad 4. (Cálculo de la inversa de una matriz cuadrada)
Si A es una matriz invertible, entonces:

1
A−1 = adj(A).
det(A)
1 Encontrar el valor del determinante de las siguientes matrices.

   
−8 −6 −6 0 −1 1
A= 2 9 2 , B =  4 −1 −1  .
−6 −6 −1 4 −2 0
2 Determinar la adjunta de las siguientes matrices.

   
2 5 3 0 −1 1
A =  3 1 2 , B =  4 −1 −1  .
1 2 1 4 −2 0
3 Determinar la inversa, si existe, de las siguientes matrices.

   
2 2 0 −1 1 1
A =  0 3 1 , B =  1 −1 1 .
1 0 1 1 1 −1

a 0
4 Demostrar que si a 6= 0 y b 6= 0, entonces A = tiene una
0 b
1
−1 a 0
inversa y A = .
0 1b

1 −2
5 Consideremos la matriz A = . Determinar A−2 y A−3 .
−2 −2
6 Probar que si a 6= 0, b 6= 0 y c 6= 0, entonces la siguiente matriz:

 
a 0 0
A= 0 b 0 
0 0 c
tiene una inversa A−1 , y

1
 
a 0 0
A−1 =  0 1
b 0 
1
0 0 c
1 Recuerde, hacer las actividades de aprendizaje es una forma de aprender.

 
1 a − b −1
A= 2 3 b .
b−x a−x 4
Si A es una matriz simétrica. Encontrar A−1 , si existe.
8 Si la afirmación es verdadera demuestre, caso contrario de un ejemplo.
+ Si A y B son matrices cuadradas e invertibles, entonces la matriz AB

es invertible y (AB)−1 = B −1 A−1 .
+ Sea A una matriz invertible. Si AB = AC, entonces B = C.
9 Calcular los menores complementarios y cofactores de los elementos

(1, 3), (2, 1) y (3, 3), de la matriz:
 
2 −3 4
A= 5 1 −1 
0 −4 3
 
1 3 3
10 Dado que Adj(A) = 14  1 4 3 .
1 3 4
+ Determinar la traza de A−1 .

+ ¿Es la matriz A única? Justificar.
11 Sea A una matriz tal que:

 
2 1 b
A= c 3
 2 .
1 1 a
Si su traza de A es 7 y el producto de los elementos de su diagonal

secundaria es −3, además su determinante es 10. Bajo estos, calcular
el determinante de la matriz:
 
a b c
B =  c c a .
b a a
12 Encontrar el determinante de la matriz A = [aij ] de 4 × 4 dada por:

5, si i < j,
aij =
3, si i ≥ j.
13 Dada la siguiente matriz:

3 1
A= .
−2 −1
Calcular la traza de la matriz A−4 .
14 Consideremos B = A−1 y sea la matriz A dada por:

 
3 1 1
A =  −2 2 2 .
−1 x−y −1
+ Obtenga la matriz B.
1
+ Si b23 = 9 y además x = 3, obtenga el valor de y.

 
1 0 0
A =  −1 2 0 .
1 2 3
Halle la traza de la matriz A + A−1 .
16 Sean A y B dos matrices simétricas de orden dos, tal que en cada una
de ellas los elementos de su diagonal principal son iguales y además
se cumple:
det(A + B) + det(A − B) = 2det(A) − 2det(B).
Calcular el determinante de AB.
17 Sean A y B dos matrices cuadradas del mismo orden. Diga si es

verdadero o falso lo siguiente, justificar.
(A + B)2 = A2 + B 2 ⇐⇒ A y B son anticonmutables.

1.4 Operaciones elementales por filas.1

El objetivo de esta sección es conocer las operaciones elementales por
filas en una matriz. Estas operaciones nos permiten calcular por ejemplo
la inversa de una matriz, estudiar rango de matrices y resolver sistemas de
ecuaciones lineales.
Definición 1. (Operaciones elementales por filas)
Se llama operaciones elementales por filas en una matriz a una de las

siguientes tres operaciones:
O1 . Intercambiar las filas i y j; escribiremos por Fi ↔ Fj .
O2 . Multiplicar la fila i por el número k 6= 0; escribiremos por kFi .

O3 . Multiplicar la fila i por el número k y sumar a la fila j, y el
resultado sustituir a la fila j; escribiremos por kFi + Fj .
Dentro de esto, dos matrices A y B son equivalentes si una de ellas

se puede obtener a partir de la otra mediante operaciones elementales por
filas, escribiremos por A ≈ B. Veamos el siguiente ejemplo.
Ejemplo 1. Dada la siguiente matriz:

 
1 2
A =  2 1 .
4 3
Luego, haciendo uso la primera operación elemental se tiene:
   
1 2 4 3
A =  2 1  F1 ↔ F3  2 1  = B,
4 3 1 2
o haciendo uso la tercera operación elemental se consigue:
   
1 2 1 2
−2F1 +F2
A =  2 1  −→  0 −3  = B.
4 3 4 3
Ası́, en ambos casos las matrices A y B son equivalentes, esto es A ≈ B.
1 Recuerde, las operaciones elementales pueden ser por filas o por columnas.
Definición 2. (Matriz escalonada canónica)
Se llama matriz escalonada canónica a una matriz escalonada con la

propiedad de que el primer elemento no nulo de una fila es un uno y
además, es el único elemento no nulo de su columna.

 
  1 2 3 4 5
1 2 3 4  0 0 1 3 1 
A= 0 1 0 5 , B=
 0

0 0 1 9 
0 0 1 7
0 0 0 0 1
estan en su forma escalonada canónica.
Propiedad 1. (Existencia de matriz escalonada canónica)
Toda matriz puede ser reducida mediante operaciones elementales de

fila a una escalonada canónica.
Debemos indicar los elementos que usamos para anular los elementos
de una columna se llaman pivotes. Si en determinado paso del proceso
alguna columna es cero, diremos que el correspondiente pivote es nulo.
Propiedad 2. (Existencia de inversa de una matriz cuadrada)
Una condición necesaria y suficiente para que una matriz tenga inversa
es que su forma escalonada canónica sea la matriz identidad.
Como dijimos, las operaciones elementales por filas nos permiten hallar
la inversa de una matriz cuadrada, como veremos enseguida.
Propiedad 3. (Cálculo de la inversa A−1 por Gauss-Jordan)
La inversa de una matriz cuadrada A se calcula transformando la

matriz aumentada [A | I], mediante operaciones elementales por filas
en la matriz [I | B]. En este caso, A−1 = B.
Ejemplo 2. Consideremos la siguiente matriz A dada por:

 
1 3 0
A= 0 1 1 .
1 2 0
Encontrar la matriz inversa A−1 , si existe, por Gauss-Jordan.
Solución. Haciendo uso operaciones elementales por filas tenemos:
   
1 3 0 | 1 0 0 1 3 0 | 1 0 0
[A | I] =  0 1 1 | 0 1 0  −F1 + F3  0 1 1 | 0 1 0 
−−−−−−→
1 2 0 | 0 0 1 0 −1 0 | −1 0 1
   
1 3 0 | 1 0 0 1 0 −3 | 1 −3 0
F2 + F3  0 1 1 | 0 1 0  −3F2 + F1  0 1 1 | 0 1 0 
−−−−−→ −−−−−−−→
0 0 1 | −1 1 1 0 0 1 | −1 1 1
 
1 0 −3 | 1 −3 0
−F3 + F2  0 1 0 | 1 0 −1 
−−−−−−→
0 0 1 | −1 1 1
 
1 0 0 | −2 0 3
3F3 + F1  0 1 0 | 1 0 −1  = [I | B].
−−−−−−→
0 0 1 | −1 1 1
De este último se consigue:
 
−2 0 3
A−1 = 1 0 −1  ,
−1 1 1
Propiedad 4. (Inversa de una matriz escalonada reducida)
La única matriz de orden n escalonada reducida por filas que posee

inversa es la matriz In .
En lo que sigue daremos información sobre el rango de una matriz, y a

su vez, la forma de calcular mediante el uso de operaciones elementales.
Definición 3. (Rango de una matriz)
Se llama rango de la matriz A, al número de filas no nulas que posee

la matriz escalonada reducida por filas de A. Escribiremos r(A).
Equivalentemente, el rango de una matriz es el número máximo de filas

(o columnas) que son linealmente independientes. Veamos un ejemplo.
Ejemplo 3. Sea la siguiente matriz A dada por:

 
2 −1 0 7
A= 1 0 1 3 .
3 2 7 7
Encontrar el rango de A.
Solución. Haciendo uso operaciones elementales se obtiene fácilmente:

   
2 −1 0 7 1 0 1 3
A =  1 0 1 3  Mediante OE por filas  0 −1 −2 1 .
−−−−−−−−−−−−−−→
3 2 7 7 0 0 0 0
Notemos que la matriz escalonada reducida tiene dos filas no nulas. Por lo
tanto, r(A) = 2, lo cual termina la solución buscada.
Propiedad 5. (Propiedades de rango)
Las principales propiedades básica de rango de una matriz son:
1 Si A ∈ Km×n , entonces r (A) ≤ m.
2 A ∈ Kn×n es no singular si, y solo si, r(A) = n.
Definición 4. (Matrices singular y no singular)
Diremos que una matriz cuadrada A es singular si det(A) = 0. Caso

contrario, se dice no singular.
1 Mediante operaciones elementales, determinar el rango de la siguiente

matriz según el valor del parámetro real a.
 
a 1 1
A= 1 a 1 .
1 1 a
2 Mediante operaciones elementales transformar las siguientes matrices

en una matriz escalonada equivalente y calcular el rango de A y B.
   
1 4 −1 −3 5 1 4
A= 2 5 3 , B =  6 −7 −2 −5  .
1 10 −11 4 −1 −1 0
3 Determinar los valores de a para que la matriz siguiente:

 
a+1 1 1
A= 1 2 a 
1 a 2
sea singular y no singular.

4 Sabiendo que las siguientes matrices tienen inversa, calcular mediante
operaciones elementales.
   
2 1 3 3 −1 2
A =  −1 4 0  , B =  4 1 1 .
1 1 0 2 4 6
5 Consideremos la matriz A simétrica tal que:

 
1 a+b 0
A= 2 5 a .
b x 3
Encontrar la matriz A−1 , si existe, por medio de Gauss-Jordan.

1 Recuerde, realizar las actividades de aprendizaje enriquece el aprendizaje.
6 Obtenga el rango de las siguientes matrices.

 
  2 −1 3 −1
1 1 −1  0
 0 1 0 4 
1 0  B= .
A=
 −1
,  −1 1 0 7 
1 0 
2 1 1 7 7 9 1
7 Encuentre todas las inversas izquierdas posibles para la matriz A y

demuestre que no existe un inversa derecha para A, si:
 
1 −1
A= 1 1 
2 3
8 Verifique que no existe una inversa izquierda ni una derecha para la

matriz.
1 −1 1
A=
−3 3 −3
9 Calcula el rango de la matriz A según los valores de k, si:

 
1 −2 1
A= 1 1 3 .
5 −1 k
¿Para qué valores de k tiene A inversa?
10 Si A ∈ Kn×n , entonces A es equivalente por filas con la matriz In si,

y solo si, A es una matriz no singular.
11 Demuestre: Si det(A−1 ) = 4, entonces det(A) = 14 .
12 Demuestre: Si A es una matriz involutiva, entonces det(A) = ±1.
13 Demuestre: Si A es una matriz idempotente, entonces el determinante

de A es 0 ó 1.
14 Demuestre: Si A es una matriz ortogonal, entonces det(A) = ±1.

1.5 Sistemas de ecuaciones lineales.1

El propósito de esta sección es presentar sistemas de ecuaciones lineales
y conocer propiedades relacionados con sistemas lineales que permitan el
desarrollo de métodos matriciales para hallar su conjunto solución.
Definición 1. (Sistemas de ecuaciones lineales)
Se llama sistemas de m-ecuaciones lineales con n-incógnitas o variables

a un conjunto de ecuaciones 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 x1 , x2 ,· · · ,xn son las incógnitas o variables del sistema y todos

los aij y bi son reales o complejos.
Observemos que gracias a las definiciones de producto entre matrices y

la igualdad matrices se tiene:
    
a11 a12 · · · a1n x1 b1
 a21 a22 · · · a2n   x2   b2 
..   ..  =  .. .
    
 .. ..
 . . .   .   . 
am1 am2 · · · amn xn bm
Si consideremos:
     
a11 a12 ··· a1n x1 b1
 a21 a22 ··· a2n   x2   b2 
A= . , X= , y B= ,
     
.. .. .. ..
 .. . .   .   . 
am1 am2 ··· amn xn bm
los sistemas de ecuaciones lineales dada lı́neas arriba admiten una sencilla
representación matricial de la forma:
1 Recuerde, sistemas de ecuaciones lineales está formado por varias ecuaciones.
AX = B.
Es importante observar que en esta notación matricial se establece un
orden para las variables del sistema, ya que los coeficientes asociados a la
variable se representa por A, llamada matriz de los coeficientes; X es la
matriz de las variables y B es la matriz de los terminos independientes.
Definición 2. (Solución de sistemas de ecuaciones lineales)
Se llama solución de AX = B a todos los valores reales o complejos

que verifique cada una de las ecuaciones que componen el sistema.
Observación 1. Se tiene lo siguiente:
1 Si el sistema de ecuaciones lineales no tiene solución, entonces se dice

que el sistema es incompatible o inconsistente.
2 Si el sistema de ecuaciones tiene una solución o infinitas, entonces se

dice que el sistema es compatible o consistente.
3 Si un sistema se obtiene de otro mediante operaciones elementales

por filas, entonces los sistemas son equivalentes. Aquı́ dos sistemas
equivalentes tienen el mismo conjunto de soluciones.
Propiedad 1. (Propiedades de los sistemas de ecuaciones lineales)
Las propiedades básicas de los sistemas de ecuaciones son:
1 Si multiplicamos los dos miembros o lados de una ecuación por

un número (real o complejo) no nulo, la ecuación resultante es
equivalente a la primitiva.
2 Si sumamos, miembro a miembro, dos ecuaciones lineales que

tienen soluciones comunes, la ecuación resultante conserva dichas
soluciones comunes.
Para hacer más operativa la notación matricial a la hora de resolver

sistemas de ecuaciones lineales, podemos prescindir de la matriz columna
de las variables y en su lugar representar el sistema mediante una única
matriz ampliada, como veremos en la siguiente definición.
Definición 3. (Matriz ampliada o aumentada)
Consiste en añadir a la matriz A una última columna por la matriz B;

escribiremos:
[A | B].
Debemos indicar que dado el sistema AX = B. Si B = 0, diremos que el

sistema es homogéneo; caso contrario, será no homogénea. A continuación
presentamos la siguiente propiedad que nos permite conocer que tipos de
soluciones tiene el sistema AX = B.
Propiedad 2. (Rango y posibilidad de solución)
Sea AX = B un sistema lineal con n variables. Entonces se cumple

exactamente una de las siguientes tres posibilidades:
1 Si r(A | B) = r(A) = n, entonces el sistema tiene única solución.
2 Si r(A | B) = r(A) < n, entonces el sistema de ecuaciones tiene

infinitas soluciones.
3 Si r(A | B) > r(A), entonces el sistema no tiene solución.
Es importante indicar que la propiedad anterior no dice que el estudio

de los sistemas de ecuaciones nos lleva a que el sistema tenga solución única
o infinitas soluciones o no tiene solución. Veamos ahora como se resuelven
los sistemas de ecuaciones lineales.
Observación 2. Se resuelve los sistemas de ecuaciones de la forma:
AX = B,
estudiando la matriz ampliada o aumentada [A | B] y reduciendo a esta

por medio de operaciones elementales por filas a su matriz escalonada (no
necesariamente canónica).
Después de haber presentado como se resuelven los sistemas lineales

y algunas de sus propiedades, pasamos pues a ocuparnos de los métodos
para resolver sistemas. Un primer método eficiente y de uso frecuente para
reducir una matriz dada a una matriz escalonada equivalente es conocido

como método de eliminación de Gauss o eliminaciones sucesivas o método
de escalonamiento.
Primer método. (Método de eliminación de Gauss)
Consiste en escalonar una matriz usando operaciones elementales por

filas de arriba hacia abajo, esto es:
1 Escribir la matriz aumentada de sistemas de ecuaciones.
2 Identificar la primera columna, de izquierda a derecha, diferente

de cero. Caso contrario, intercambie la fila con una que tenga una
componente no cero en esta columna. Esta componente no cero
será el pivote de esta columna (recomendable que el pivote sea 1).
3 Aplicar sucesivamente operaciones elementales adecuadas para

obtener ceros debajo del pivote de esta columna.
4 Repetir el procedimiento hasta obtener matriz escalonada, o hasta

que las filas restantes sean de solo ceros.
5 Resuelva el sistema correspondiente a la matriz escalonada por

sustitución hacı́a atrás.
A modo de ilustración de cómo se resuelven sistemas de ecuaciones por

medio del método de eliminación de Gauss, veamos el siguiente ejemplo.
Ejemplo 1. Consideremos el siguiente sistema de ecuaciones lineales:
2x1 + 6x2 + x3 = 7
x1 + 2x2 − x3 = −1
5x1 + 7x2 − 4x3 = 9
Determinar la solución del sistema mediante eliminación de Gauss.
Solución. Primero escribimos la matriz aumentada y luego aplicamos

operaciones elementales de arriba hacia abajo como sigue:
   
2 6 1 | 7 1 2 −1 −1|
[A | B] =  1 2 −1 | −1  F1 ↔ F2  2 6 1 |
7  −2F1 + F2
−
−−−−− → −−−−−−−→
5 7 −4 | 9 5 7 −4 9|
   
1 2 −1 | −1 1 2 −1 | −1
1
 0 2 3 | 9  −5F1 + F3  0 2 3 | 9  F2
−−−−−−−→ 2
5 7 −4 | 9 0 −3 1 | 14 −−→
   
1 2 −1 | −1 1 2 −1 | −1
2
 0 1 3
2 | 29  3F2 + F3  0 1 23 | 92  F3
−−−−−−→ 11 55 11
0 −3 1 | 14 0 0 2 | 2 −−−→
 
1 2 −1 | −1
 0 1 32 | 29  .
0 0 1 | 5
De esta útima matriz escalonada canónica se tiene el sistema equivalente:
x1 + 2x2 − x3 = −1,
3 9
x2 + x3 = ,
2 2
x3 = 5.
De esto fácilmente se obtiene x3 = 5, x2 = −3 y x1 = 10. Ası́, se consigue

la solución del sistema:  
10
X =  −3  ,
5
Ahora es el turno de presentar el segundo método para resolver sistemas

de ecuaciones, llamado método de eliminación de Gauss-Jordan.
Segundo método. (Método de eliminación de Gauss-Jordan)
Consiste en las operaciones elementales de filas sucesivas de arriba

hacia abajo y de abajo hacia arriba consiguiendo en lo posible ceros
fuera de la diagonal principal.

x1 − 2x2 + 3x3 = 2
2x1 − 3x2 + x3 = 1
3x1 − x2 + 2x3 = 9
Halle la solución del sistema mediante eliminación de Gauss-Jordan.
Solución. Reduciendo la matriz aumentada a su forma equivalente o

eliminación de Gauss-Jordan se tiene:
   
1 −2 3 | 2 1 −2 3 | 2
[A | B] =  2 −3 1 | 1  − −2F1 + F2  0
−−−−−−→
1 −5 | −3  −3F1 + F3
−−−−−−−→
3 −1 2 | 9 3 −1 2 | 9
   
1 −2 3 | 2 1 −2 3 | 2
 0 1 −5 | −3  −5F2 + F3  0 1 −5 | −3  1 F3
−−−−−−−→ 18
0 5 −7 | 3 0 0 18 | 18 −−−→
   
1 −2 3 | 2 1 0 −7 | −4
 0 1 −5 | −3  2F2 + F1  0 1 −5 | −3  5F3 + F2
−−−−−−→ −−−−−−→
0 0 1 | 1 0 0 1 | 1
   
1 0 −7 | −4 1 0 0 | 3
 0 1 0 | 2  7F3 + F1  0 1 0 | 2 
−−−−−−→
0 0 1 | 1 0 0 1 | 1
De esta útima matriz reducida obtenemos el sistema de ecuaciones reducido:
x1 = 3,
x2 = 2,
x3 = 1.
Ası́, tenemos la solución del sistema:
 
3
X =  2 ,
1
Finalmente, daremos el siguiente método que usa el determinante para

resolver sistemas de ecuaciones lineales, llamado regla de Gramer.
Tercer método. (Regla de Gramer)
Sea el sistema AX = B de n ecuaciones con n incógnitas tal que

det(A) 6= 0. Entonces el sistema tiene solución única dada por:
det(A1 ) det(A2 ) det(An )
x1 = , x2 = , · · · , xn = ,
det(A) det(A) det(A)
donde Aj es la matriz que se obtiene al reemplazar los elementos de la
j-ésima columna de A por los elementos de la matriz B.
Ilustraremos a continuación el método introducido anteriormente por

medio del siguiente ejemplo bastante simple. Este ejemplo nos muestra
cómo debemos resolver sistemas de ecuaciones usando la regla de Gramer.

x1 − 2x2 + 3x3 = 2
2x1 − 3x2 + x3 = 1
3x1 − x2 + 2x3 = 9
Halle la solución del sistema mediante la regla de Gramer.
Solución. Primero identificamos las matrices del sistema como sigue:

 
1 −2 3
A= 2 −3 1  ,
3 −1 2
     
2 −2 3 1 2 3 1 −2 2
A1 =  1 −3 1 , A2 =  2 1 1 , A3 =  2 −3 1  .
9 −1 2 3 9 2 3 −1 9
Luego, con los elementos teóricos vistos del determinante, encontramos que
det(A) = 18, det(A1 ) = 54, det(A2 ) = 36 y det(A3 ) = 18. Ası́, usando regla
de Gramer se consigue:
det(A1 ) det(A2 ) det(A3 )

x1 = = 3, x2 = = 2, x3 = = 1,
det(A) det(A) det(A)

1 Determine el valor de a + b de modo que el sistema de ecuaciones:
(a − 1)x1 + 4x2 = 10
2x1 + (b + 1)x2 = 5
tenga infinitas soluciones.
2 Determine el valor de a de modo que el sistema de ecuaciones:
ax1 + x2 = 2
x1 + x2 = 10
x1 + ax2 = 3
admita solución única.
3 Estudiar el sistema y dé la interpretación geométrica:
2x1 + x2 − x3 = −6
3x1 − x2 + x3 = −5
4x1 + 2x2 − 2x3 = −1
4 Resolver los siguientes sistemas mediante eliminación de Gauss.

a) x1 + x2 − x3 = 0 c) x1 + 2x2 + 3x3 = −1
2x1 − 3x2 + x3 = 0 x1 − 3x2 − 2x3 = 3
x1 − 4x2 + 2x3 = 0 2x1 − x2 + x3 = −2
b) 2x1 − 5x2 + 2x3 = −2 d) 3x1 + x2 − x3 = 8

4x1 + 6x2 − x3 = 23 2x1 − x2 + 3x3 = 1
2x1 + 7x2 + 4x3 = 24 4x1 + 2x2 − 5x3 = 3
2 Recuerde, Resolver las actividades de aprendizaje enriquece la comprensión.

5 Resolver los siguientes sistemas por el método de Gauss-Jordan.

a) 9x1 − 3x2 + 5x3 + 6x4 = 4 c) x1 − x2 + x3 = 4
6x1 − 2x2 + 3x3 + 4x4 = 5 2x1 + x2 − 3x3 = 0
3x1 − x2 + 3x3 + 14x4 = −8 x1 + x2 + x3 = 2
b) x1 − 2x2 + x3 − 4x4 = 1 d) 3x1 − x2 + x3 = −1

x1 + 3x2 + 7x3 + 2x4 = 2 9x1 − 2x2 + x3 = −9
x1 − 12x2 − 11x3 − 16x4 = 5 3x1 + x2 − 2x3 = −9
6 Resolver el siguiente sistema.
x1 + x2 + x3 = 6
x1 + 2x2 + 3x3 = 13
x1 + 4x2 + 9x3 = 36
escribiendo como una ecuación vector-matricial a la forma AX = B.

7 Resolver los siguientes sistemas mediante la regla de Gramer.
a) 4x1 − 5x2 − 9x3 = −29 c) 2x1 − 5x2 = −7
5x1 − x2 − 2x3 = −15 3x1 + 8x2 = 9
7x1 + 5x2 + 8x3 = 3
b) 2x1 − 3x2 − 4x3 = 4 d) x1 − x2 + x3 = 1

3x1 + 5x2 + 7x3 = 12 x1 − 2x2 + x3 = 0
5x1 − x2 + 8x3 = 5 x2 − x3 = 2
8 Hallar los valores de a y b para que el sistema tenga solución única.
x+ 2z = 1
x + y + (4a + 2)z = 1
2x + ay + 5z = 2
3x + ay + 7z = b
9 Encuentre los valores de α para los cuales el siguiente sistema tenga

solución, y encuentre las soluciones.

x1 − 3x2 + 2x3 = 4
2x1 + x2 − x3 = 1
3x1 − 2x2 + x3 = α
10 Determinar los valores del parámetro a, para los cuales el sistema

dado tiene soluciones no triviales y hállese estas soluciones.
a2 x + 3y + 2z = 0
ax − y + z = 0
8x + y + 4z = 0
11 Hallar el valor del parámetro λ para los cuales el sistema dado tiene
soluciones no triviales y hállese estas soluciones.
x + λy + 2z = 0
4x − y + 7z = 0
2x + y + 3z = 0
12 Determine para qué valores de parámetro λ el siguiente sistema tiene

soluciones distintas de la trivial.
x + (λ + 1)y + z = 0
(λ + 1)x + y + z = 0
x + y + (λ + 1)z = 0
13 Determinar los valores de b para que el sistema sea incompatible.

x−y = 2
2x + ay = b
14 Dado el siguiente sistema:

x1 + 2x3 = 1
x1 + x2 + (4a + 2)x3 = 1
2x1 + ax2 + 5x3 = 2
3x1 + ax2 + 7x3 = b.
Hallar los valores de a y b para que el sistema tenga solución única.
15 Dado el siguiente sistema de ecuaciones:
ax + (2a − b)y = a+b−3

5x + 4y = 1,
halle a y b que hacen que el sistema sea compatible indeterminado.
16 Dado el siguiente sistema de ecuaciones:
(a + 3)x + (2a + 3)y = 18

(a − 3)x + (a − 1)y = 6,
calcule el valor de a que hace que el sistema no admite solución.
17 Hallar todas las matrices columna B para las que existe al menos una
solución de AX = B y halle las soluciones X asociadas con B, donde:
 
4 −1 2 6
A =  −1 5 −1 −3 
3 4 1 3
18 Considere la representación matricial de un sistema dada por:

    
α 2 −2 x 3
 2 α 2   y  =  −4  .
2 2 α z −1
Determine todos los valores de α, de manera que el sistema:
a) Posea solución única.
b) Sea inconsistente.
c) Tenga infinito número de soluciones.
19 Indique para qué valores de a y b el sistema de ecuaciones:

x1 + x2 + x3 = 0
x1 − x2 + 2x3 = 1
2x1 + 4x2 + ax3 = b.
a) Tiene solución única.
b) Es incompatible.
c) Es indeterminado.
Referencias
[1] Ben Noble. James W. D: ALGEBRA LINEAL APLICADA. 3ra edición.
[2] Bernard Kolman: ALGEBRA LINEAL Y APLICACIONES.
[3] ELon Lages Lima: ÁLGEBRA LINEAL. Textos de IMCA.
[4] Serge Lang: ÁLGEBRA LINEAL.
[5] Stanley I. Grossman: ÁLGEBRA LINEAL CON APLICACIONES.
[6] Moisés Lázaro C.: ÁLGEBRA LINEAL.
[7] Ricardo Figueroa G. VECTORES Y MATRICES.
[8] Armando Venero B.: MATEMÁTICA BÁSICA.
[9] Ch. Lehmann.: GEOMETRIA ANALITICA. Editorial Limusa 2003.

Capitulo1-Matrices y Sistema de Ecuaciones

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

Capitulo1-Matrices y Sistema de Ecuaciones

Cargado por

Copyright:

Formatos disponibles

Aprendiendo

Adeluz Apaza Valdivia

Capı́tulo 1. Matrices y sistemas de ecuaciones 3

Capı́tulo 2. Espacios Vectoriales 5

Capı́tulo 3. Transformaciones lineales 46

Capı́tulo 4. Valores y Vectores propios 76

Capı́tulo 5. Espacios vectoriales con producto interno 76

Este libro llamado aprendiendo álgebra lineal surge de algunos apuntes

El objetivo de este libro es ayudar a los estudiantes en el aprendizaje

Gracias a sugerencias y observaciones que han hecho los estudiantes que

En el segundo capı́tulo, denominado espacios vectoriales, se comienza

y dimensión. En el tercer capı́tulo, daremos transformaciones lineales, sus

En el cuarto capı́tulo, se da valores y vectores propios de una matriz

Adeluz Apaza Valdivia

Matrices y sistemas de ecuaciones

Las matrices y sistemas de ecuaciones lineales representan el corazón

Las matrices son consideradas como ordenamientos de datos y se

Frecuentemente, encontramos matrices en aquellas situaciones en las

En este capı́tulo nuestra actividad será describir y lograr que el lector

1.1 ¿Para qué sirve las matrices?

1.1 ¿Para qué sirve las matrices?1

+ Para representar los coeficientes de los sistemas de ecuaciones lineales.

+ Para representar transformaciones lineales dada una base.

+ Para resolver ecuaciones de primer grado con muchas incógnitas.

+ Para resolver circuitos eléctricos.

+ Para hacer modelos de crecimiento de poblaciones.

Debemos indicar también que las matrices se encuentran en aquellos

En resumen, la matriz es un elemento matemático que permite escribir

1 Recuerde, la humildad y la sencillez te hacen grande, nunca lo olvides.

1.2 Conceptos básicos de matrices.1

Se llama matriz a un arreglo rectangular de números aij de orden m×n

En general, una matriz A que tiene m filas y n columnas es considerada

La matriz A suele designarse también como sigue:

Observemos que un elemento genérico de la matriz A se designa por el

En la definición anterior los elementos de la matriz suelen delimitarse

1 Recuerde, la matriz es una arreglo rectangular de números, nunca lo olvides.

Ejemplo 1. Consideremos la siguiente matriz:

Determinar el orden y sus elementos.

Solución. Como posee dos filas y tres columnas corresponde a una

a11 = 2, a12 = 3, a13 = 5, a21 = 7, a22 = 9, a23 = 8.

Lo cual termina la solución deseada.

Ejemplo 2. Escribir la siguiente matriz:

Solución. Notemos primero que la matriz buscada tiene la forma:

Pasamos ahora a encontrar cada uno de los elementos de A. Para esto

a11 = 2(1) − 1 = 1, a12 = 2(1) − 2 = 0, a13 = 2(1) − 3 = −1,

a21 = 2(2) − 1 = 3, a22 = 2(2) − 2 = 2, a23 = 2(2) − 3 = 1.

Dado que el lugar de los elementos en la matriz es muy importante, por

Notación. Al conjunto de matrices escribiremos por Km×n . Ası́,

Km×n = {A = [aij ] /A es una matriz de orden m × n}.

Frecuentemente, trabajaremos con matrices especiales que presentan

Definición 2. (Matriz rectangular)

Se denomina matriz rectangular a aquella matriz de orden m × n con

Por ejemplo, las siguientes matrices:

son matrices rectangulares de orden 2 × 3 y de orden 3 × 2 respectivamente.

Definición 3. (Matriz cuadrada)

Se dice que A es una matriz cuadrada de orden n, si el número de filas

Por ejemplo, la siguiente matriz:

es una matriz cuadrada de orden 3.

Observación 1. Se tiene lo siguiente:

1 En una matriz cuadrada A = [aij ] de orden n los elementos:

a11 , a22 , a33 , · · · , ann

constituyen la diagonal principal de la matriz cuadrada A.

2 La traza de una matriz cuadrada A = [aij ] esta dada por:

Ejemplo 3. Consideremos la siguiente matriz: