UNIDAD I: MATRICES Y SISTEMAS DE ECUACIONES LINEALES

CAPACIDAD:
El estudiante define matrices, determinantes y utiliza propiedades en problemas de la vida real.

ANTECENTES HISTORICOS:
Los primeros indicios de las matrices y los determinantes datan del siglo II AC, aunque hay datos que
señalan sus inicios IV siglos AC. En Babilonia se estudiaron problemas que involucraban a ecuaciones lineales
simultáneas y algunos de estos son conservados en tabletas de arcilla que permanecieron en el tiempo.

Los chinos, entre los años 200 AC y 100 AC, estuvieron mucho más cerca de las matrices que los
babilonios. Verdaderamente es justo decir que el texto “Nueve Capítulos de Arte Matemático”, escrito durante la
Dinastía Han, da el primer ejemplo conocido sobre métodos matriciales.

Cardan, en “Ars Magna” (1545), da una regla para resolver un sistema de dos ecuaciones lineales que
llama regla de modo. Resulta que esta regla corresponde en esencia a nuestra conocida Regla de Cramer para
la resolución de un sistema de (2 x 2). Aunque Cardan no daba aún el paso final, no alcanzó la definición de
determinante pero, ahora podemos ver que su método conducía a la definición.

La idea de determinante apareció en Japón y Europa casi al mismo tiempo, aunque Seki en Japón
ciertamente lo publicó primero. En 1683, Seki escribía “Métodos de Resolución de problemas Disimulados” que
contienen métodos matriciales. Sin tener alguna palabra que correspondiera a 'determinante', Seki los introdujo
y dio métodos generales para calcularlos basados en ejemplos.

El primero en usar el término "matriz" fue Sylvester en 1850. Sylvester definió matriz como un arreglo rectangular
de términos y vio como algunas matrices contenían dentro de ellas varios determinantes representados como
arreglos cuadrados.

BASE TEÓRICA:
MATRICES

Definición.- Sea E = {( i, j ) /1  i  m,1  j  n } un conjunto de pares ordenados de enteros positivos. Una

matriz A de orden m  n sobre el campo de los números reales es una función A : E → , donde

A ( i, j ) = aij  , recibe el nombre de “elemento” de la matriz A

Representación Matricial.- Una matriz real A se representa mediante una disposición rectangular de m  n
números reales expresadas en “ m ” filas y “ n ” columnas.

 a11 a12 a1 j a1n 

a a2 n 
 21 a22 a2 j
 
A= 
 ai1 ai 2 aij ain 
 
 
 am1 am 2 amj amn 

donde: 1  i  m, 1  j  n

• Los números reales aij se llaman elementos de la matriz.

• El producto m  n se llama “orden de la matriz”.

• Se denotará por M mn ( ) al conjunto de todas las matrices de orden m  n sobre el campo de los números

reales esto es :

M mn ( ) =  A / A = (aij )mn ; aij  ,1  i  m,1  j  n 

MATRICES ESPECIALES.

1. Matriz Rectangular. Se dice que una matriz A = (aij ) mn es una matriz Rectangular si el número de filas

es diferente al número de columnas, es decir:

m n.
 1 0 −1 4
A =  3 7 1 2 
 −4 −1 0 5  34

2. Matriz Fila. Una matriz A = (aij ) mn se llama matriz fila si y solo si m = 1. Es decir:

A =  a11  a1n 

3. Matriz Columna. La matriz A = (aij ) mn se dice que es matriz columna si y solo si n = 1. Esto es:

 a11 
A =  
 am1 

4. Matriz Cuadrada. Se dice que una matriz A = (aij ) mn es una matriz cuadrada si el número de filas es

igual al número de columnas, es decir:

m=n.
 Ejemplo.
 a11 a12 a1 j a1n 
a a2 n 
 1 0 −1  21 a22 a2 j
 
A =  3 7 1  A= 
 −4 −1 0  33  ai1 ai 2 aii ain 
 
 
 an1 an 2 anj ann 
nxn

• La diagonal principal de una matriz cuadrada A , está dada por los elementos: a11 , a22 ,, ann .
• La traza de una matriz cuadrada A , denotado por traz( A) , se define por:

traz ( A ) = a11 + a22 ++ ann

5. Matriz Diagonal. La matriz cuadrada A = ( aij ) nn es diagonal si, y sólo si, aij = 0 para todo i  j y

existe aii  0 , 1  i  n.

Ejemplo.

 −3 0 0 
A =  0 2 0
 0 0 1  33

6. Matriz Identidad. La matriz cuadrada A = ( aij ) nn se llama matriz identidad si y solo si aij = 0 para

todo i  j y aij = 1 para todo i = j.

Ejemplo.

1 0 0
I 3 =  0 1 0 
 0 0 1  33

7. Matriz Triangular Superior. La matriz cuadrada A = ( aij ) nn es triangular superior si, y solamente si,

aij = 0 para todo i  j.

Ejemplo.
  a11 a12 a13 
A =  0 a22 a23 
 0 0 a33  33

8. Matriz Triangular Inferior. Una matriz cuadrada A = ( aij ) nn es triangular inferior si, y solamente si,

aij = 0 para todo i  j.

Ejemplo.

 a11 0 0 
A =  a21 a22 0 
 a31 a32 a33  33

8. Matriz Nula .- La matriz A = (aij ) mn es matriz nula si, y solo si, aij = 0 , i, j ;

1  i  m, 1  j  n

0 0 0  0 0 0 0 
   = 0 0 0 0 
Ejemplo.  =  0 0 0 
0 0 0  33 0 0 0 0  34

IGUALDAD DE MATRICES. Dos matrices A = aij ( ) mn

( )
y B = bij
mn
son iguales si tienes el mismo orden y

sus correspondientes componentes son iguales, esto es:

A = B  aij = bij ; i, j ; 1  i  m, 1  j  n
Propiedades

Para toda matriz A, B, C  M mn ( ) se cumple lo siguiente:

i) A = A A reflexiva
ii) A = B  B = A simétrica
iii)si A = B  B = C  A = C transitiva

Ejemplo:
 2x −1 y   5 − y 2 − x  −2 5 
Sean las matrices A =   , B=  y C=  . Hallar A + C, sabiendo
 3 − y 2  x +1 2   4 −1
que A = B.

Solución:
Como A= B entonces 2 x −1 = 5 − y; 3 − y = x + 1, de donde x = 4  y = −2

 5 3
Por lo tanto A + C =  
 9 1

OPERACIONES CON MATRICES

a) Suma de Matrices. Sean A = ( aij ) y B = ( bij ) dos matrices. La matriz suma de A y B es otra
mn mn

matriz C = (cij ) mn tal que cij = aij + bij

Ejemplo.
 2 −3 −1  −5 1 0 
Sean las matrices A =   y B=  , hallar A + B
 4 5 −2  23  2 4 3 23
Solución:
 −3 −2 −1
A+ B =  
 6 9 1  23

Propiedades: Si A, B, C M mn ( ) , entonces

1) A + B M mn ( ) , cerradura.
2) A + B = B + A , conmutativa.
3) ( A + B ) + C = A + ( B + C ) , asociativa.
4) Existe un único   M mn ( ) tal que A +  =  + A = A , existencia del elemento neutro aditivo.

5) Existe un único − A  M mn ( ) tal que − A + A = A + ( − A ) =  , existencia del elemento inverso

aditivo.

b) Producto de un escalar por una matriz

Sean k  un escalar y A = ( aij )  M mn ( ). El producto del escalar k por la matriz
mn

A = ( aij ) (
es kA = kaij )
mn mn

Ejemplo

 3 −2 
 
Sea la matriz A =  −1 −4  con el escalar k = −2. Hallar kA
 4 7 
 Solución:

 −6 4 
kA =  2 8 
 −8 −14 

Propiedades:

Sean A, B  M mn ( ) ,   entonces

1)  (  A ) = ( ) A =  ( A) asociativa escalar

2)  ( A + B ) =  A +  B distributiva escalar

3) ( +  ) A =  A +  A distributiva matricial

4) Para toda matriz A  M mn ( ) y 0 tal que A0 = 0 A =  , existencia del elemento absorbente.

5) Para toda matriz A  M mn ( ) y 1 tal que 1A = A = A1 , existencia del elemento identidad
multiplicativa.

c) Multiplicación de Matrices

Sean A = ( aij ) y B = bij ( ) , entonces el producto AB es la matriz C = ( cij ) cuyo

m p p n mn

elemento cij se obtiene sumando los productos de los elementos de la i -ésima fila de A y los elementos de

la j -ésima columna de B , correspondientemente. Esto es:

p
cij = aik bkj ;1  i  m, 1  j  n.
k =1

Ejemplo.

 3 −2 
   4 5 −1 3 
Si A =  5 2  y B =  . Hallar AB si existe.
 −3 2 0 −2  24
 0 1  32
Solución:
18 11 −3 13
AB = 14 29 −5 11
 −3 2 0 −2  34

Propiedades.
1) A.B  B. A

2) ABC = A( BC) = ( AB)C

3) A( B + C) = AB + AC
4) k ( AB) = (kA) B = A(kB) ; k

Am An = Am+n (A )
n
5) ; m
= Amn

6) AI = IA = A , donde I es la Matriz identidad

MATRIZ TRANSPUESTA

Sea la matriz A = (aij )mn  M mn ( ) . La matriz A = ( a )

T
ji nm  M nm ( ) se llama matriz transpuesta

de A.
Propiedades.

(A )
T
a) T
=A

( A + B)
T
b) = A T + BT

( AB )
T
c) = BT AT

( kA )
T
d) = kAT ; k 
e) una matriz triangular superior se convierte por trasposición en una matriz triangular inferior y viceversa.
f) una matriz fila se convierte por trasposición en matriz columna y viceversa
Ejemplo:
 2 1 −4 
Hallar la matriz transpuesta de A =   , hallar su transpuesta
 3 2 5  23
Solución

 2 3
A =  1 2 
T

 −4 5  32
MATRIZ SIMETRICA

Una matriz cuadrada A  M n n ( ) es simétrica, si es igual a su transpuesta, es decir:

A  M n n ( ) es simetrica  A = AT
Ejemplo.

 2 −3 4   2 −3 4
La matriz A = −3 2 1 es simétrica puesto que A =  −3 2 1  = A
  T
   
 4 1 0   4 1 0 

Propiedades.
a) si A es simétrica, entonces kA es también simétrica ( k  o k )
2
b) si A es simétrica, entonces A es también simétrica

c) si A es simétrica, entonces AAT = AT A .

MATRIZ ANTISIMETRICA

La matriz cuadrada A  M nn ( ) es antisimétrica si es igual al inverso aditivo de su transpuesta, es decir:

A  M n n ( ) es antisimétrica  A = − AT
• En una matriz antisimétrica se cumple que aij = − a ji , para i j y aij = 0 , para i= j .

Ejemplo:

0 −5 −1 −3 
5 0 −2 0 

La matriz A = 1 2 0 −6  es antisimétrica puesto que
 
3 0 6 0 
 

0 5 1 3 0 −5 −1 −3 
 −5 0 2 0 5 0 −2 0 
 
AT =  −1 −2 0 6   − AT = 1 2 0 −6  = A
   
 −3 0 −6 0 3 0 6 0 
   

POTENCIA DE MATRICES CUADRADAS

DEFINICIÓN.- Si A  M n n ( ) es una matriz cuadrada entonces se define la potencia An en forma

inductiva como:

A1 = A
A2 = A. A
A3 = A2 . A
A4 = A3 . A = A2 . A2

An = An −1. A

Ejemplo.
1 2
Si A =   . Calcular An
1 0 

Ejemplo.
1 1 1 
Si A =  0 1 1  . Calcular An
 
0 0 1 
Ejemplo.
1 0 1 0 
0 1 0 1 
Si A =   . Calcular An
1 0 1 0 
 
0 1 0 1 
Ejemplo.
a 1 0 
Si A =  0 a 1  .Calcular An
 
0 0 a 

MATRIZ IDEMPOTENTE

Una matriz A  M nn ( ) se llama idempotente si, y solo si A2 = A .

Ejemplo.
1/ 2 1/ 2  1/ 2 1/ 2 
La matriz A =   es idempotente puesto que A2 =  =A
1/ 2 1/ 2  1/ 2 1/ 2 

MATRIZ NILPOTENTE

Una matriz A  M nn ( ) se llama nilpotente de índice k , si y solo si Ak =  . k  2 .

Ejemplo.
 6 −9  6 −9 6 −9 0 0
La matriz A =   es nilpotente de índice k = 2 puesto que A2 =   = =
 4 −6   4 −6  4 −6 0 0

MATRIZ INVOLUTIVA

Una matriz A  M nn ( ) se llama involutiva si, y solo si A2 = I n .

Ejemplo.

1 0 0  1 0 0 
A =  0 0 1  es una matriz involutiva puesto que A = 0 1 0  = I 3
  2

 0 1 1  0 0 1 

ESPECIO VECTORIAL DE LAS MATRICES DE ORDEN nxn

El conjunto M nn ( ) dotado de una ley de composición interna : adición (+) y una ley de composición

externa: múltiplo escalar (me), se llama espacio vectorial de matrices de orden nxn sobre el campo de los
reales, donde:
LCI
+ : M nn ( )  M nn ( ) → M nn ( )
( A, B ) → + ( A, B ) = A + B
A1 ) A + B  M nn , A, B  M nn (cerradura o clausura)
A2 ) A + B = B + A, A, B  M nn (conmutativa)
A3 ) ( A + B ) + C = A + ( B + C ) , A, B, C  M nn (asociativa)
A4 ) A  M nn , !  M nn / A +  =  + A = A (existencia del elemento neutro aditivo)
A5 ) A  M nn , !− A  M nn / A + (− A) = − A + A =  (existencia del elemento inverso aditivo)
LCE
me :  M nn ( ) → M nn ( )
( , B ) → me ( , B ) =  A

M1 )  B  M nn ,   , A  M nn (cerradura o clausura)

M 2 )  (  A) = ( ) A,  ,   , A  M nn (asociativa escalar )
M 3 ) ( +  ) A =  A +  A,  ,   , A  M nn (distributiva c / r a la suma de escalares )
M 4 )  ( A + B )  A +  B,   , A, B  M nn (distributiva c / r a la suma de matrices )
M 5 ) A  M nn , !− 1 / A1 = 1A = A (existencia del escalar 1)

 ( M nn ( ) , +, me, ) que cumple las propiedades antes definidas se llama espacio

vectorial de matrices de orden nxn sobre el campo de los números reales

MATRICES COMPLEJAS
DEFINICIÓN.- Una Matriz Anm de orden mxn se dice que es compleja si entre sus elementos existe algún

número complejo. Es decir:

Anm es una matriz compleja si existe algún aij / aij = a + bi , donde b  0 .
Ejemplo.

 i −1 4 − i 
 4i 1 + 3i −i 
A = 0 2i 1 − 5i  B=
1 4−i 7 − 5i  2 x 3
0 1 i  3 x 3

OBSERVACION: El espacio vectorial de las matrices complejas se define exactamente como un espacio
vectorial real, excepto que los escalares para el múltiplo escalar pueden ser números reales o complejos.

En ese entender las expresiones ( mxn

, +, me, )y( mxn
, +, me, ) denotan los espacios vectoriales
de las matrices complejas sobre el campo de los reales y complejos respectivamente

MATRIZ CONJUGADA
DEFINICIÓN.- Si A es una matriz cuyos elementos son números complejos de orden mxn , entonces la

matriz compleja conjugada de A es otra matriz B  mxn

tal que bij = aij . Es decir, dada una matriz, su

matriz conjugada se obtiene sustituyendo cada elemento de dicha matriz por su complejo conjugado.

La conjugada compleja de la matriz A se denota por A

Ejemplo.
 4i 1 + 3i −i   −4i 1 − 3i i 
Si A =   entonces A =  
1 4−i 7 − 5i  2 x 3 1 4+i 7 + 5i  2 x 3
Propiedades de las matrices conjugadas.

a) A = A

b) rA = r A; r 

c) A + B = A + B

d) A.B = A.B

( ) =(A )
T
T
e) A

MATRIZ HERMITIANA
nxn
Una matriz cuadrada A es Hermitiana si y solo si es igual a la traspuesta de su conjugada. Es
decir:

( )
T
A nxn
es Hermitinana  A = A

Nota: los elementos de la diagonal de toda matriz Hermitiana son números reales y los elementos simétricos con
respecto a la diagonal principal son conjugados complejos.
Ejemplo.

 2 1 − i 4 + 2i 

A =  1+ i 5 −1 − i 
 4 − 2i −1 + i −3  3 x 3

MATRIZ ANTIHERMITIANA
nxn
Una matriz cuadrada A es Antihermitiana si y solo si es igual al opuesto de la traspuesta de su
conjugada. Es decir:

( )
T
A nxn
es Antihermitinana  A = − A

Nota: los elementos de la diagonal de toda matriz Antihermitiana son números imaginarios puros o cero.
Ejemplo.

 −i 1 + i 2i 
A =  −1 + i −3i 2 
 2i −2 0  3 x 3

DETERMINANTES

DETERMINANTE DE UNA MATRIZ

Sea la matriz cuadrada A = aij ( ) nxn
de orden “ nxn ”, se llama determinante de la matriz A , denotado por

| A | o también det ( A) , al número real que está relacionado con los elementos aij de la matriz A.

DEFINICIÓN.- Sea M nn ( ) el conjunto de todas las matrices cuadradas de orden n  n sobre el campo de

los reales. Se define:

det : M nn ( )→
A det ( A)

El determinante es una función de M nn ( ) en , tal que det hace corresponder a cada matriz A un

único número real det ( A) .

Por inducción se tiene:

1) Para n = 1 , A =  a11  , entonces det ( A ) = a11

 a11 a12  a11 a12

2) Para n = 2 , A =   , entonces det ( A ) = = a11 a22 − a21 a12
 a21 a22  a21 a22

 a11 a12 a13 


3) para n = 3 , A = a21 a22 a23  se tiene

 a31 a32 a33 
 a11 a12 a13
a a23 a a a a
det ( A) = a21 a22 a23 = a11 22 − a12 21 23 + a13 21 22
a32 a33 a31 a33 a31 a32
a31 a32 a33

 a11 a12 a1n 

a a22 a2 n 
4) En general, si A = 
21
entonces
 
 
 an1 an 2 ann 

a11 a12 a1n

a21 a22 a2 n n
det ( A ) = =  ( −1) a1 j det ( A (1/ j ) ) …. (formula de Laplace)
1+ j

j =1

an1 an 2 ann

donde A (1/ j ) es la submatriz de A eliminando la fila 1 y la j -èsima columna, (eligiendo la fila 1 como

referencia).
A este desarrollo se conoce a menudo como desarrollo por cofactores a lo largo del primer reglon.

 2 1 0
 
Ejemplo: Si la matriz A =  1 1 4  , entonces
 −3 2 5 

2 1 0
1 4 1 4 1 1
det ( A) = 1 1 4 = 2 −1 +0 = 2 ( 5 − 8 ) − ( 5 + 12 ) = −23
2 5 −3 5 −3 2
−3 2 5
OBSERVACION.
El determinante de una matriz de orden 3, se puede desarrollar por el Método de Sarrus.
a b c
A=d e f
g h k

a b c
d e f
| A |= (aek + dhc + gbf ) − (ceg + fha + kbd )
• Este método sólo se aplica a matrices de or
Ejemplo.
1.
1 2 3 1 2 3
A = 2 3 2 , entonces 2 3 2 = ( 6 + 12 + 4 ) − ( 9 + 4 + 8 ) = 22 − 21 = 1
1 2 2 1 2 2

1 2 3
2 3 2
Propiedades del determinante.
1. | I |= 1 . Donde I es la matriz identidad.

2. | O |= 0 . Donde O es la matriz nula.

3. | A |=| A |
T

4. | AB |=| A || B |

5. | A |=| A | , n  Z +
n n

6. | kA |= k | A | , k 
7. Si se intercambian 2 filas o 2 columnas el determinante cambia de signo.

8. Si a una fila o a una columna se le multiplica por un escalar k , entonces el determinante queda multiplicada
por dicho escalar k .
9. Si a una fila (columna) de una matriz A se le multiplica por una constante y ese resultado se suma a otra fila
(columna), el determinante es igual al de la matriz A.

10. Si 2 filas o columnas son proporcionales entonces el determinante es 0.

11. El determinante de una matriz triangular A = (aij ) nxn está dado por: A = a11a22  ann

12. Si en una matriz A todos los elementos de una fila (o columna) son ceros , entonces su determinante
vale cero

a11 + b11 a12 + b12 a1n + b1n a11 a12 a1n b11 b12 b1n
a21 a22 a2 n a21 a22 a2 n a21 a22 a2 n
13. = +

an1 an 2 ann an1 an 2 ann an1 an 2 ann

EJERCICIOS.

3 6 9 3
 −1 0 1 0 
 
1. Sea la matriz A =  1 3 2 −1 , hallar el determinante de la matriz A
 
 −1 −2 −2 1 
 
  1 −2 3 
 
2. Dada la matriz A = 2 0 −1 , calcular su determinante.
 
 0 5 −2 

OPERACIONES ELEMENTALES POR FILA

Las operaciones elementales por fila en una matriz A se utiliza para obtener una matriz equivalente, siendo estas
operaciones los siguientes:
i) Multiplicar una fila de la matriz A por un número diferente de cero

ii) Multiplicar a una fila de la matriz A por un numero diferente de cero, para luego sumarlo a otra fila
de A.
 iii) Intercambiar dos filas de la matriz A.

Matrices equivalentes
Se dice que A es una matriz equivalente por filas con la matriz B, si B se obtiene de A mediante un número finito
de operaciones elementales por fila, denotado por A ≡ B.
Propiedades
La equivalencia de matrices es una relación de equivalencia, es decir cumple las siguientes propiedades:
i) Reflexiva: A ≡A
ii) Simétrica: si A ≡ B entonces B≡A
iii) Transitiva: si A ≡B y B ≡ C, entonces A ≡ C

Ejemplo:
1 0 −1 1
Para la matriz 𝐴 = [ 2 1 −3 −1] una de las tantas de sus matrices
0 1 1 2
−3 2 1 5 4×4

5 0 −5 5
equivalentes es 𝐵 = [ 0 1 1 2 ] entonces A ≡B
2 1 −3 −1
−3 2 1 5 4×4
MATRIZ ESCALONADA
Una matriz A de orden mxn cuyas filas esta en forma escalon se llama matriz escalonada, y tiene la
forma

1 6 9 3
0 1 2 0 

A = 0 0 1 −1
 
0 0 0 1
 

Mediante una serie de operaciones elementales de fila una matriz A puede ser reducida ala forma de
matriz escalona.

2 5 3
1 2 2
A= 
Ejemplo: Hallar la matriz escalonada de la matriz 3 4 1
 
2 3 2  43
RANGO DE UNA MATRIZ
El rango de la matriz A es igual a número de filas no nulas que queda en su matriz escalonada.
Luego para hallar el rango de una matriz es suficiente transformarlo a su forma escalonada y como dos
matrices equivalentes tienen el mismo rango entonces el rango de la matriz A será igual al rango de la
matriz escalonada.
Si designamos con “r” el numero de filas no nulas de la matriz escalonada, entonces :
 ( A) =  ( B) = r

MATRIZ INVERSA

Sea la matriz cuadrada A  M nn . Si existe una matriz B  M nn tal que AB = BA = I donde I es matriz

identidad, se dice que B es la inversa multiplicativa de A, denotado por B = A−1.

Propiedades.

(A )
−1
−1
1) =A

( AB )
−1
2) = B − 1 A −1

1 −1
( kA)
−1
3) = A , k  0 (k )
k

(A ) ( )
−1 n
4) n
= A−1

Matriz singular y no singular

Sea A  M nn

Si det( A)  0, entonces se dice que A es no singular o regular.

Si det ( A ) = 0, entonces se dice que A es singular.

• Una matriz A  M nn tiene una inversa multiplicativa A−1 si y solo si A es no singular.
Cofactor del elemento de una matriz
Si A  M nn entonces el menor del elemento aij , denotado por 𝑀𝑖𝑗 es el determinante de la submatriz que se

forma al suprimir la fila 𝑖, y la columna 𝑗 de 𝐴.

El cofactor del elemento aij es 𝑐𝑜𝑓(𝑎𝑖𝑗 ) = (−1)𝑖+𝑗 𝑀𝑖𝑗 .

Matriz adjunta

Se llama matriz adjunta de A, denotado por adj ( A ) , a la matriz de orden n  n formado por los cofactores

de cada elemento de la matriz A transpuesta.

 cof ( a11 ) cof ( a1n ) 

T

 
Adj ( A ) =  
cof ( am1 ) cof ( amn ) 

CÁLCULO DE LA MATRIZ INVERSA

−1 1
Sea A una matriz no singular de orden n  n entonces A = Adj ( A)
det ( A)

1 0 −1
 
Ejemplo: Hallar la inversa de la matriz A = 1 −3 −1
0 1 2  33

Solución:

Puesto que la det ( A ) = −6, entonces A es una matriz no singular de orden 3  3 y por la definición anterior

admite matriz inversa, siendo la matriz adjunta:

T
 −3 −1 1 −1 1 −3 
 − 
 1 2 0 2 0 1 
 0 −1 1 −1 1 0
Adj ( A ) =  − − 
 1 2 0 2 0 1
 
 0 −1 1 −1 1 0 
−
 −3 −1 1 −1 1 −3 

Luego, la inversa de A es:

  −5 −1 −3  5 / 6 1/ 6 1/ 2 
A = −  −2 2 0  =  1/ 3 −1/ 3 0 
−1 1 
6
 1 −1 −3 33  −1/ 6 1/ 6 1/ 2  33

CÁLCULO DE LA MATRIZ INVERSA POR TRANSFORMACIONES ELEMENTALES DE FILA

(Método de Gauss-Jordán)

Sea A  M nn no singular. Para hallar la inversa de la matriz A por transformaciones elementales de fila,

a su derecha se escribe la matriz identidad I n  M nn . La matriz así indicada es de orden n  2n a ella

se le aplica las transformaciones elementales de fila hasta lograr que la matriz A se convierta en la
matriz identidad .luego en ese momento la matriz identidad que figuraba en el anterior esquema queda
transformada en una matriz B  M nn la cual viene a ser la inversa de A.

A In

 TEF 

In A−1 = B

1 0 −1
 
Ejemplo 1: Hallar la inversa de la matriz A = 1 −3 −1
0 1 2  33
  2 5 −1
Ejemplo 2: Hallar la inversa de la matriz A =  4 −1 2 
 6 4 1  33
 1 1 1 1
1 1 −1 −1
 
Ejemplo 3: Hallar la inversa de la matriz A = 1 −1 1 −1
 
1 −1 −1 1
 

1 1 1 1
1 1 −1 −1

A = 1 −1 1 −1
 
1 −1 −1 1
 
 2 1 0 0
3 2 0 0 

Ejemplo 4: Hallar la inversa de la matriz A = 1 1 3 4
 
 2 −1 2 3
 

¡TU RETO!
2i − j , si i  j
1. Dadas las matrices A = aij ( ) , tal que aij =  , y B = ( bij ) , tal que
32
 j − 2i, si i  j 23

 i , si i − j es par
bij =  . Hallar AB
−2 j , si j − i es impar

 0 −2 3 
  A − kI = 0 . Donde I
2. Dada la matriz A =  0 0 −1  , Calcular los valores de k, sabiendo que
 0 0 −2 

es la matriz identidad

2 3 4  1 5 2 
 
A =  0 0 −2  ; B = 0 1 0  , calcular
3. Dadas las matrices
 
 0 0 −1 0 0 4 

a) | BAT |

b) | BT + I |

| ( B − I ) | , si es posible.
−1
c)
  −2 2 − x  a12 .a21
4. Si el determinante de la matriz A =  es 1. Hallar .
x −1  a11 + a22

5) Una empresa vende tres tipos de artículos: A, B y C. Los registros de venta durante los dos semestres del
año pasado fueron (en miles de dólares): para el primer semestre 230, 860 y 326; y para el segundo semestre,
250, 879 y 345. Represente matricialmente los montos por articulo (sobre las columnas) y por semestre de 2012
(sobre las filas).

¡PRACTIQUEMOS JUNTOS!
1 0 −2   −3 1 2 
1. Dadas las matrices A =   , B=  
 2 −3 2   1 −2 3 
y los escalares r = 2 , n = −3 ; calcular:

a) rA − nB .
b) Hallar X si se cumple r ( A − X ) = nB

1 0 
 3 5  −6 0 7   
2. Dadas las matrices A =   , B=  y C = 0 3 , hallar:
 
 0 3  1 3 2 1 −7 

a) ( BC )
−1

b) ABC

3 4 −2 0 
0 5 7 1 

3. Hallar el determinante de la matriz A = 0 0 −1 8 
 
0 0 0 2
 

4. Los juegos de dos jugadores en los que la ganancia de un jugador representa la pérdida de otro son susceptible
de representación matricial; así, en la siguiente matriz

 5 −2 1 
 4 −1 8 
 
1 −3 0 

tanto el jugador A (situado sobre las filas) como el jugador B (situado sobre las columnas) tiene tres estrategias.
La entrada aij representa la ganancia del jugador A (si el número es positivo, o su pérdida, si es negativo) si
elige la estrategia i y el jugador B escoge la estrategia j ; de esta manera, si A escoge la estrategia 2 y B la

estrategia 3, a23 = 8, significa que A gana 8 y B pierde 8.

a) ¿Qué significa para cada uno de los jugadores la entrada a31 ?

b) ¿para qué estrategia, tanto el jugador A como del B , existe un empate?

¡AHORA TU!
 −3 2 
1. Hallar f ( M ) , si f ( x ) = x − 2 x − 1 , M = 
2

 0 −1

1 0 
 −6 0 7   
2. Dadas las matrices A =   y B = 0 3 
 1 3 2 1 −7 

Hallar X si:

( )
a) 3 X − 2A T = −2 B + A T

b) 2(XT − A) = −2BT − A

1 a 
3. Dada la matriz A =  25
 , calcular la inversa de A .
 0 1 

4. Una industria utiliza tres tipos de materias primas M1 , M 2 y M 3 en la fabricación de dos productos P1 y

P2 . El número de unidades de M1 , M 2 y M 3 usados por cada P1 son 2 , 4 y 3 respectivamente y por

cada unidad de P2 son 3 , 1 y 2 respectivamente. Suponiendo que la industria produce 10 unidades de P1

y 20 unidades de P2 a la semana. Determine el consumo semanal de cada materia prima (Haga uso de un

producto de matrices)

¡TRABAJA EN EQUIPO!

1 0 
 −6 0 7   
1. Dadas las matrices A =   , B =  0 3  , calcular el determinante de la matriz M , tal que
 1 3 2 1 −7 

M = AB
  0 −2 3 
 −5 0   
2. Dadas las matrices A=  y B =  2 0 −1  , hallar:
 1 2   1 5 −2 

a) 2 A−1 ( A + A I )

b) | B−1 |

1 2 
3. Si A T =   , calcular X sabiendo que
0 1 
T
 1 
2  XT − AT  = AT
 2 

4. Durante un fin de semana se registraron las ventas de tres periódicos A , B y C , en una caseta de ventas de
la ciudad del Cusco, obteniéndose:
Vi Sa Do

10 30 20  A
D =  24 15 28  B
 22 16 18  C

Si la matriz de precios correspondiente a cada periódico A, B y C es P = 5 4 4 , determinar

T
e interpretar el resultado del producto DPT ( P eslatranspuesta de P) .

SISTEMA DE ECUACIONES LINEALES

CAPACIDAD:
El estudiante aplica la teoría de sistema de ecuaciones lineales y matrices en la solución de ejercicios y problemas
de la vida real

Los sistemas de ecuaciones tienen una infinidad de aplicaciones, como en procesamiento digital de señales,
análisis estructural, estimación, predicción y más generalmente en programación lineal, así como en la
aproximación de problemas no lineales de análisis numérico.

BASE TEÓRICA:
En matemáticas y álgebra lineal, un sistema de ecuaciones lineales, también conocido como sistema lineal de
ecuaciones o simplemente sistema lineal, es un conjunto de ecuaciones lineales definidos sobre el conjunto de los
números reales. Un ejemplo de sistema de ecuaciones lineales:
 x1 + 2 x2 + 4 x3 = 31

5 x1 + x2 + 2 x3 = 29
 3 x − x + x = 10
 1 2 3
El problema consiste en encontrar los valores desconocidos de las variables 𝑥1 , 𝑥2 y 𝑥3 que satisfacen las
tres ecuaciones.
El dominio de los métodos para discutir y resolver un sistema de ecuaciones lineales permitirá al alumnado afrontar
el planteamiento y resolución de problemas diversos. Si se siguen estudios de Ciencias los aplicarán también en
Geometría para estudiar las posiciones relativas de rectas en el plano y en el espacio.

SISTEMAS DE ECUACIONES LINEALES

Definición,- una ecuación lineal con “n” incógnitas x1 , x2 , , xn es una ecuación que se puede escribir de
la siguiente forma:
a1 x1 + a2 x2 + + an xn = b
Definición,- Un sistema de m ecuaciones lineales con n incógnitas, tiene como expresión general la siguiente:

a11 x1 + a12 x2 + + a1n xn = b1

a x + a x + + a x = b
 21 1 22 2 2n n 2


am1 x1 + am 2 x2 + + amn xn = bm

Donde 𝒂𝒊𝒋 ; 𝑖 = 1,2, ⋯ , 𝑚 𝑦 𝑗 = 1,2, ⋯ , 𝑛 son números reales denominados coeficientes del sistema; 𝒙𝒊
son las variables del sistema y 𝒃𝒊 son los términos independientes del sistema.
Si todos los términos independientes 𝒃𝒊 son iguales a cero, entonces el sistema se denomina Lineal Homogéneo.
Si algún 𝒃𝒊 es diferente de cero, entonces el sistema se denomina Lineal no Homogéneo.
Resolver un sistema de ecuaciones lineales, es determinar los valores de las variables (si existen) los cuales
satisfagan a la vez todas las ecuaciones componentes del sistema.

CLASIFICACION DE LOS SISTEMAS LINEALES

Se clasifican en:
• Sistema Compatible Determinado.
• Sistema Compatible Indeterminada.
• Sistema Incompatible.

Sistema Compatible Determinado: Un sistema es compatible si tienen solución única.

Sistema Compatible Indeterminado: Un sistema compatible es indeterminado si tiene infinitas soluciones.
Sistema Incompatible: Un sistema es incompatible si no admite solución.
FORMA MATRICIAL DEL SISTEMA.
Un sistema de m ecuaciones lineales con n incógnitas se puede escribir en forma matricial del siguiente modo:

 a11 a1n   x1   b1 
 .  =  
     
 am1 amn   x n  b m 
A X B

donde

 a11 a1n 
A =   es la matriz de coeficientes del sistema o matriz principal

 am1 amn 

 x1 
 
X =   es la matriz columna de las incógnitas o vector solución
x 
 m
 b1 
 
B =   es la matriz de términos independientes
b 
 m
Que toma la forma: 𝐴𝑋 = 𝐵 , denominada ecuación matricial.
Al adjuntar la matriz B ala matriz A se determina una matriz de orden mx(n+1) que lo designamos por A
, es decir:
 a11 a1n b 

1
A =  
 am1 amn b m  m(n+1)

A la cual llamaremos matriz aumentada o ampliada del sistema.
SISTEMA DE ECUACIONES LINEALES CON TRES VARIABLES
Un sistema de ecuaciones lineales con dos variables tiene la forma:

a11 x1 + a12 x2 + a13 x3 = b1


a21 x1 + a22 x2 + a23 x3 = b2
a x + a x + a x = b
 31 1 32 2 33 3 3
Si b1 = b2 = b3 = 0 , entonces el sistema se denomina sistema lineal homogéneo; en caso contrario el sistema

se denomina lineal no homogéneo.

METODOS DE SOLUCION

METODO DE REDUCCION
El método de reducción consiste en convertir el sistema de ecuaciones lineales de tres variables, a un sistema de
ecuaciones lineales de dos variables y se utiliza cualquiera de los métodos estudiados anteriormente.

Ejemplo:
Resolver el sistema de ecuaciones:

 x+ y+z =5

 2 x − y + 3z = 20
3x + 2 y − 5 z = −15

 x + y + z = 5 (1)

 2 x − y + 3z = 20 ( 2 )
3x + 2 y − 5 z = −15 ( 3)

Solución

 x + y + z = 5 (1)

 2 x − y + 3 z = 20 ( 2 )
3 x + 2 y − 5 z = −15 ( 3)

Para reducir este sistema de ecuaciones lineales de tres variables a un sistema de ecuaciones lineales de dos
variables, se multiplica por menos dos la ecuación (1) y se suma con las ecuación (2)
−2 x − 2 y − 2 z = −10
2 x − y + 3 z = 20
−3 y + 3 z = 10
3 y − 3 z = 10 ( 4)
Del mismo modo eliminamos la variable x en las ecuaciones (2) y (3), multiplicando por tres la ecuación (2) y
multiplicando por menos dos la ecuación (3) luego sumamos las ecuaciones (2) y (3), así:
−6 x + 3 y − 9 z = −60
6 x + 4 y − 10 z = −30
7 y − 19 z = −90 (5)
Ahora se tiene un sistema de ecuaciones lineales de dos variables, se puede resolver el sistema por cualquier
método, elegimos el método de igualación, entonces:
z − 10 19 z − 90
=
3 7
7 z − 70 = 57 z − 270
57 z − 7 z = 270 − 70
50 z = 200
z=4
Reemplazando el valor z en la igualdad y:
19 ( 4 ) − 90 76 − 90 −14
y= = = = −2
7 7 7
Sustituyendo los valores de la variable z y de la variable y en la ecuación (1):

x = − y − z + 5 = − ( −2 ) − 4 + 5 = 2 − 4 + 5 = 3
La solución del sistema es:
x=3
y = −2
z=4
Comprobando la igualdad en la segunda ecuación:
2 ( 3) − ( −2 ) + 3 ( 4 ) = 6 + 4 + 12 = 20

METODO DE KRAMER
Sea el sistema de ecuaciones lineales:

a11 x1 + a12 x2 + a13 x3 = b1


a21 x1 + a22 x2 + a23 x3 = b2
a x + a x + a x = b
 31 1 32 2 33 3 3
Para resolver el sistema se considera:
a11 a12 a13
S = a21 a22 a23
a31 a32 a33

b1 a12 a13
x1 = b2 a22 a23
b3 a32 a33

a11 b1 a13
x2 = a21 b2 a23
a31 b3 a33

a11 a12 b1
x3 = a21 a22 b2
a31 a32 b3
Luego, se tiene:
x1 x x
x1 = , x2 = 2 y x3 = 3
S S S
ANALISIS DEL SISTEMA
1. Si S  0 , entonces el sistema de ecuaciones lineales de tres variables tiene una única
solución y se denomina sistema compatible determinado.

2. SI S = 0  ( x1 = 0, x2 = 0, x3 = 0 ) ; entonces el sistema tiene infinitas

soluciones y se denomina sistema compatible indeterminado.

3. SI S = 0  ( x1  0, x2  0, x3  0 ) ; entonces el sistema no tiene solución y se

denomina sistema incompatible.

SISTEMA DE ECUACIONES LINEALES CON n-VARIABLES

Un sistema de ecuaciones lineales con n variables tiene la forma:

a11 x1 + a12 x2 + + a1n xn = b1

a x + a x + + a2 n xn = b2
 21 1 22 2


an1 x1 + an 2 x2 + + ann xn = bn

Si b1 = b2 = bn = 0 , entonces el sistema se denomina sistema lineal homogéneo; en caso contrario se

denomina sistema lineal no homogéneo.

METODOS DE SOLUCION
REGLA DE KRAMER.
Sea el sistema:

a11 x1 + a12 x2 + + a1n xn = b1

a x + a x + + a2 n xn = b2
 21 1 22 2


an1 x1 + an 2 x2 + + ann xn = bn

Donde:
a11 a1n
S = ;
an1 ann
 b1 a1n
x1 =
bn ann

a11 b1
xn =
ann bn
Entonces las componentes de la solución están dadas por:
x1 x xn
x1 = , x2 = 2 , , xn = .
S S S

ANALISIS DEL SISTEMA

1 Si S  0 , entonces el sistema de ecuaciones lineales de tres variables tiene una única
solución y se denomina sistema compatible determinado.

2 SI S = 0  ( x1 = 0, x2 = 0, , xn = 0 ) ; entonces el sistema tiene infinitas

soluciones y se denomina sistema compatible indeterminado.

3 SI S = 0  ( x1  0, x2  0, , xn  0 ) ; entonces el sistema no tiene solución y

se denomina sistema incompatible.

METODO DE GAUSS- JORDAN PARA RESOLVER SISTEMAS DE ECUACIONES LINEALES

Para resolver un sistema de “m” ecuaciones lineales con “n” incógnitas usando el método de gauss-Jordan, se
procede de la siguiente manera:
1. Se escribe la matriz de coeficientes del sistema o matriz principal, y a su derecha la matriz de términos
independientes. La matriz así obtenida de orden mx(n+1) se denomina matriz ampliada o matriz
aumentada
2. A esta matriz de orden mx(n+1), se aplica las Transformaciones elementales de fila hasta convertir la
matriz principal en su forma escalonada(o una matriz identidad si la matriz es cuadrada), luego se
aplica sustitución retroactiva para hallar las soluciones.
3 23
¡TU RETO!
1.- Determinar el valor de “k” para que el sistema lineal sea compatible:

2 x1 − 5 x2 + 3 x3 = 0

 x1 − x2 + x3 = 0
3 x + kx + x = 0
 1 2 3

Rpta.: k = 3 .
2.- Utilizando el método de Gauss Jordan, resolver el sistema lineal:

2 x1 + 4 x2 + 6 x3 = 0

4 x1 + 5 x2 + 6 x3 = 0
3x + x − 2 x = 0
 1 2 3

Rpta.: x1 = 0 , x2 = 0 y x3 = 0 .

¡PRACTIQUEMOS JUNTOS!
1.- Aplicando el método de Kramer resolver el siguiente sistema:

 x1 − x2 + x3 = 0

 x1 + 2 x2 + 3 x3 = 7
4 x + 3x + 2 x = 8
 1 2 3

Solución
El determinante del sistema será:
1 −1 1
S = 1 2 3 = −20
4 3 2
Como el determinante del sistema es distinto de cero, por tanto, el sistema es compatible determinado (tiene una
única solución).
Calculando los determinantes de las variables:
0 −1 1 1 0 1 1 −1 0
x1 = 7 2 3 = −5 , x2 = 1 7 3 = −30 y x3 = 1 2 7 = −25
8 3 2 4 8 2 4 3 8
Entonces las componentes de la solución del sistema son:
x1 −5 1 x2 −30 3 x3 −25 5
x1 = = = , x2 = = = y x3 = = = .
S −20 4 S −20 2 S −20 4

Comprobando la solución reemplazando en las ecuaciones:

1 3 5
 − + =0
4 2 4
1 3 5
 + 2   + 3  = 7
4 2 4
 1 3 5
4   + 3   + 2   = 8
 4 2 4
Entonces las componentes de la solución del sistema son:
1 3 5
x1 = , x2 = y x3 = .
4 2 4
2. Aplicando el método de Gauss resolver el siguiente sistema:

 x1 + 2 x2 + 3x3 + 4 x4 = 5
 2 x + x + 2 x + 3x = 1
 1 2 3 4

 3x1 + 2 x2 + x3 + 2 x4 = 1
4 x1 + 3x2 + 2 x3 + x4 = −5

Solución
Realizamos la tabla con los coeficientes del sistema dispuestos en filas de la siguiente manera:
1 2 3 4 5
2 1 2 3 1
3 2 1 2 1
4 3 2 1 −5
Realizando las operaciones elementales entre filas y columnas:
1 2 3 4 5
0 −3 −4 −5 −9  f 2 − 2 f1
0 −4 −8 −10 −14  f3 − 3 f1
0 −5 −10 −15 −25  f 4 − 4 f1

1 2 3 4 5
0 1 4 5 5  f 2 − f3
0 1 2 5 11  f3 − f 4
0 1 2 3 5  f 4 −5

1 0 −1 −2 −5  f1 − 2 f 4
0 0 2 0 −6  f 2 − f 3
0 0 2 6 6  f3 − f 4
0 1 2 3 5
 1 0 −1 −2 −5
0 0 1 0 −3  f 2 2
0 0 0 1 3  f3 2
0 1 2 3 5

1 0 0 −2 −8  f1 + f 2
0 0 1 0 −3
0 0 0 1 3
0 1 2 3 5

1 0 0 0 −2  f1 + 2 f3
0 1 2 3 5  Int. f 4 por f 2
0 0 1 0 −3
0 0 0 1 3

1 0 0 0 −2
0 1 0 35 f 2 − 2 f3
0 0 1 0 −3
0 0 0 1 3

1 0 0 0 −2
0 1 0 0 2 f2 − 3 f4
0 0 1 0 −3
0 0 0 1 3
De donde se tienen los valores de:
x1 = −2 , x2 = 2 , x3 = −3 y x4 = 3

3.- (Problema de aplicación: Inversiones) Un inversionista cuenta con $5000, el consultor determina que tendrá
un crecimiento anual esperado en valor del mercado, del 6%, y con un riesgo promedio de 10%, se identificaron
tres inversiones cuyas tasas de crecimiento se dan en el siguiente cuadro:
Inversiones Crecimiento anual esperado Riesgo anual esperado
Inversión 1 8% 12%
Inversión 2 4% 9%
Inversión 3 6% 8%
Determinar la cantidad de dinero invertido en cada inversión.

Solución
Asignando variables:
x1  Inversión 1.

x2  Inversión 2.
x3  Inversión 3.
Según los datos del problema, la primera ecuación es:
x1 + x2 + x3 = 5000 (1)
El crecimiento anual está dado por:
rend . total
Crecimiento % anual =
Inversión
De los datos del problema:

Reemplazando el valor de las inversiones de la ecuación (1) se tiene:

5000 ( 0.06 ) = 0.08 x1 + 0.04 x2 + 0.06 x3

30000 = 0.08 x1 + 0.04 x2 + 0.06 x3
Multiplicando por cien la última expresión:

30000 = 8 x1 + 4 x2 + 6 x3 ( 2)
Luego, tenemos también que:
riesgo total
Riesgo % anual =
Inversión
De los datos del problema:

0.10 =
( 0.12 x1 + 0.09 x2 + 0.08 x3 )
x1 + x2 + x3
Reemplazando el valor de las inversiones:
5000 ( 0.10 ) = 0.12 x1 + 0.09 x2 + 0.08 x3
500 = 0.08 x1 + 0.04 x2 + 0.06 x3
Multiplicando por cien la última expresión:

50000 = 12 x1 + 9 x2 + 8 x3 ( 3)
Tenemos un sistema de ecuaciones lineal de tres variables:

 x1 + x2 + x3 = 5000 (1)

 8 x1 + 4 x2 + 6 x3 = 30000 ( 2 )
12 x + 9 x + 8 x = 50000 ( 3)
 1 2 3

Resolviendo el sistema, por el método de Kramer:

El determinante del sistema será:
 1 1 1
S = 8 4 6 = 10
12 9 8
Como el determinante del sistema es distinto de cero, por tanto, el sistema es compatible determinado (tiene una
única solución).
Calculando los determinantes de las variables:

1 1 5000
x3 = 8 4 30000 = 10000
12 9 50000
Entonces las componentes de la solución del problema son:
x1 20000 x2 20000 x3 10000
x1 = = = 2000 , x2 = = = 2000 y x3 = = = 1000
S 10 S 10 S 10
Finalmente, la cantidad de dinero invertido en cada inversión es:
x1 = 2000 .

x2 = 2000

x3 = 1000

¡AHORA TU!
Utilizando los dos métodos (Gauss y Kramer) resolver los siguientes sistemas de ecuaciones lineales:

 3x1 + 2 x2 + x3 = 5

1.  2 x1 + 3x2 + x3 = 1
2 x + x + 3x = 11
 1 2 3

Rpta.: x1 = 2 , x2 = −2 y x3 = 3 .

 x1 + 2 x2 + 4 x3 = 31

2. 5 x1 + x2 + 2 x3 = 29
 3 x − x + x = 10
 1 2 3
Rpta.: x1 = 3 , x2 = 4 y x3 = 3 .
  x1 + 4 x2 + 6 x3 + 4 x4 + x5 = 0
 x + x + x + 6 x + 5x = 0
 1 2 3 4 5

3.
4 x1 + x2 + x3 + 4 x4 + 6 x5 = 0
6 x + 4 x + x + x + 4 x = 0
 1 2 3 4 5

4 x1 + 6 x2 + 4 x3 + x4 + x5 = 0

Rpta.: x1 = x2 = x3 = x4 = x5 = 0

¡TRABAJA EN EQUIPO!
1.- La suma de tres inversiones es S/3400. Las acciones x1 pagan el 2% de dividendos anuales, las acciones

x2 pagan el 4% y las acciones x3 pagan el 6%. La suma de los dividendos anuales es S/189. Las acciones

x3 son es S/1000 menos que la suma de x1 y x2 . Determinar el monto de cada inversión.

Rpta.: x1 = 1050 soles, x2 = 1150 soles y x3 = 1200 soles.

2.- Utilizando los dos métodos (Gauss y Kramer) resolver los siguientes sistemas de ecuaciones lineales:

 x1 + x2 + x3 + x4 = 0
 x +x +x −x =4
 1 2 3 4

 x1 + x2 − x3 + x4 = −4
 x1 − x2 + x3 + x4 = 2

Rpta.: x1 = 1 , x2 = −1 , x3 = 2 y x4 = −1

 x1 + 2 x2 + 3x3 + 4 x4 = 40
 2 x + 3x + 4 x + x = 34
 1 2 3 4

3x1 + 4 x2 + x3 + 2 x4 = 32
 4 x1 + x2 + 2 x3 + 3x4 = 34

Rpta.: x1 = 1 , x2 = 2 , x3 = 3 y x4 = 5 .

BIBLIOGRAFIA:
Arce, Abel. (2006). Calculo Diferencial e Integral i Matemática Básica. 2da Ed. Cusco- Perú: Editorial MOSHERA
S. R. L.
Arya, J. y Lardner, R. Matemática Aplicada a la Administración y Economía. 4ta Ed. Mexico: Pearson Educación.
Espinoza, E. (2007). Vectores y Matrices. Lima: Editorial Edukperu.
Góngora, Mario E. (2016). Complementos de Matemáticas para Estudios Generales. 8va Ed. Cusco-Perú: Editorial
Ardiles.
Lazaro, M. (2005). Álgebra Lineal. Lima. 2da Ed. Editorial MOSHERA S.R.L