TEMA 1: Matrices y Determinantes.

Sistemas de ecuaciones.
1. Definiciones.
Se llama matriz de dimensión m x n a todo conjunto ordenado de m · n números reales
distribuidos en m filas y n columnas de la forma:
𝑎𝑎11 𝑎𝑎12 ⋯ 𝑎𝑎1𝑛𝑛
𝑎𝑎21 𝑎𝑎22 ⋯ 𝑎𝑎2𝑛𝑛
𝐴𝐴 = � ⋮ ⋮ ⋱ ⋮ �
𝑎𝑎𝑚𝑚1 𝑎𝑎𝑚𝑚2 ⋯ 𝑎𝑎𝑚𝑚𝑚𝑚

Se designa por 𝑎𝑎𝑖𝑖𝑖𝑖 al elemento que ocupa la fila i y la columna j.

2 3
- Ejemplo: 𝐴𝐴 = �1 −7� es una matriz de dimensión 3 x 2.
3 1
Dos matrices son iguales si tienen la misma dimensión y coinciden elemento a elemento.

Una matriz se llama cuadrada de orden n si tiene dimensión n x n, es decir, si tiene igual número
de filas que de columnas (m=n).

Dentro de las matrices cuadradas es importante destacar que los elementos aij en que los dos
subíndices son iguales forman la diagonal principal, y los elementos en que i + j = n + 1 (donde
n es el orden de la matriz) forman la diagonal secundaria.
1 9 0
- Ejemplo: 𝐵𝐵 = �1 3 4 � es una matriz cuadrada de orden 3, su diagonal principal es
0 1 −2
(1 3 − 2) y su diagonal secundaria es (0 3 0).

Dada una matriz A, se llama matriz opuesta de A a la matriz -A, cuyos elementos son los opuestos
de los de A.

Dada una matriz A de dimensión m x n, se llama matriz traspuesta de A a la matriz At de

dimensión n x m que resulta de intercambiar filas por columnas en A.
2 3 −2 −3
2 1 3
- Ejemplo: Si 𝐴𝐴 = �1 −7�, entonces −𝐴𝐴 = �−1 7 � y 𝐴𝐴𝑡𝑡 = � �.
3 −7 1
3 1 −3 −1
Es evidente que (At)t = A para cualquier matriz.

Una matriz A se llama:

 Matriz fila si tiene una sola fila.

 Matriz columna si tiene una sola columna.
 Matriz triangular superior si es cuadrada y todos los elementos situados por debajo de
la diagonal principal son nulos.
  Matriz triangular inferior si es cuadrada y todos los elementos situados por encima de
la diagonal principal son nulos.
 Matriz diagonal es aquella matriz en la que los elementos que no están en la diagonal
principal son nulos. Los elementos de la diagonal principal pueden ser iguales o no.
 Matriz escalar si es diagonal y todos los elementos de la diagonal principal son iguales.
 Matriz identidad o unidad, si es escalar y los escalares son todos unos. Sólo existe una
para cada orden y se representa por In siendo n el orden de la matriz.
1 0 0
1 0
- Ejemplo: 𝐼𝐼1 = (1); 𝐼𝐼2 = � � ; 𝐼𝐼3 = �0 1 0�
0 1
0 0 1
 Matriz nula o cero, si todos sus elementos son nulos. Si son cuadradas se representan
por On .
0 0 0
0 0
- Ejemplo: 𝑂𝑂1 = (0); 𝑂𝑂2 = � � ; 𝑂𝑂3 = �0 0 0�
0 0
0 0 0
 Matriz simétrica si es cuadrada y coincide con su traspuesta, es decir, si A = At.

2. Operaciones.
2.1. SUMA DE MATRICES.

Dadas dos matrices A y B de la misma dimensión se llama matriz suma A + B a la matriz de la

misma dimensión que se obtiene sumando los elementos de A y B situados en la misma fila y
columna.
3 1 1 4 4 5
- Ejemplo: � �+ � �= � �
0 1 7 0 7 1
La resta de dos matrices es un caso particular de la suma: A – B = A + (-B). En la práctica, se
restan los elementos que ocupan la misma posición directamente.

Propiedades de la suma:

 Asociativa: A + (B + C) = (A + B) + C.
 Elemento neutro: A + O = A.
 Elemento opuesto: A + (-A) = O.
 Conmutativa: A + B = B + A.
 Suma de matriz traspuesta: (A + B)t = At + Bt.

2.2. PRODUCTO DE MATRICES POR UN ESCALAR.

Dada una matriz A de dimensión m x n y un número real α, se define la matriz producto de α por
A como la matriz α · A de dimensión m x n, que se obtiene al multiplicar α por todos los
elementos de A cada uno en su lugar correspondiente.
3 1 −6 −2
- Ejemplo: −2 · � �= � �.
0 1 0 −2
Propiedades del producto por escalar:
  Distributiva respecto de la suma de matrices: α (A + B) = αA + αB.
 Distributiva respecto de la suma de números: (α + β) · A = αA + βA.
 Asociativa mixta: α (β · A) = (α · β) A.
 Conmutativa: α · A = A · α.
 (αA)t = αAt
𝐴𝐴 1
NOTA: No existe la división de una matriz por un número. Nunca se escribe , sino · 𝐴𝐴.
2 2

2.3. PRODUCTO DE MATRICES.

Dada una matriz A de dimensión m x n y una matriz B de dimensión n x p, se define la matriz

producto de A por B como la matriz C = A · B, de dimensión m x p, tal que cada elemento cij es la
suma de los productos de los elementos de la i-ésima fila de A por los de la j-ésima columna de
B en el orden usual (de izquierda a derecha y de arriba hacia abajo). Dicho de otra forma:

cij = ai1 · b1j + ai2 · b2j + … + ain · bnj.

- Ejemplo:
−1 3
1 2 4 1 · (−1) + 2 · 0 + 4 · 1 1·3+2·2+4·0 3 7
� �·� 0 2� = � �=� �.
2 1 5 2 · (−1) + 1 · 0 + 5 · 1 2·3+1·2+5·0 3 8
1 0
Obsérvese que para que pueda efectuarse el producto A · B es imprescindible que el número de
columnas de A coincida con el número de filas de B. Si no se cumple esta condición, no existe el
producto.

Propiedades del producto de matrices:

 Asociativa: A · (B · C) = (A · B) · C.
 Elemento neutro: A · I = I · A.
 Distributiva respect de la suma de matrices: A · (B + C) = A · B + A · C.
 (A · B)t = Bt · At
 No conmutativa, en general: A · B ≠ B · A.
 No cancelativa: A · B = A · C no implica que B = C.
 Divisores de cero: A ·B = O no implica que A = O ó B = O.

2.4. POTENCIA DE MATRICES.

Dada una matriz A, cuadrada de orden n, se define la potencia n-ésima de A como el producto
de A por sí misma n veces, es decir, An = A · A · … · A (n veces).

- Ejemplo:
1 0 1 1 0 2 1 0 3
𝐴𝐴 = �0 1 0� ; 𝐴𝐴2 = 𝐴𝐴 · 𝐴𝐴 = �0 1 0� ; 𝐴𝐴3 = 𝐴𝐴 · 𝐴𝐴 · 𝐴𝐴 = �0 1 0�.
0 0 1 0 0 1 0 0 1
3. Matriz Inversa.
Una matriz A, cuadrada de orden n, se llama invertible, inversible, regular o no singular si existe
otra matriz B cuadrada de orden n tal que A · B = B · A = In. En tal caso, la matriz B se le llama
matriz inversa de A y se designa por A-1. Se cumple, entonces, que A · A-1 = A-1 · A = In.

Si una matriz cuadrada no tiene matriz inversa, se dice que la matriz es singular.

NOTA: Sólo existe el concepto de matriz inversa para matrices cuadradas, no estando definido
para matrices que no lo son.

NOTA 2: La matriz inversa, en caso de existir, es única.

Propiedades de la matriz inversa:

 (A-1)-1 = A
 (A · B)-1 = B-1 · A-1
 (At)-1 = (A-1)t

Para hallar una matriz inversa dispondremos de varios métodos distintos:

1. Cálculo de la matriz inversa mediante el Método de Gauss-Jordan: no se aconseja
para matrices de orden superior a 2, por su alto coste operacional. Consiste en
transformar la matriz (In | A-1) mediante transformaciones elementales por filas.
- Ejemplo: Dada la matriz
3 1 3 11 0 3 1 1 0
𝐴𝐴 = � � ������� � � �=� � �=
5 2 3𝐹𝐹2−5𝐹𝐹1 5 20 1 0 1 −5 3
3 0 6 −3 1 0 2 −1 2 −1
� � �=� � �=� �.
0 1 −5 3 0 1 −5 3 −5 3
2 −1
Luego, 𝐴𝐴−1 = � �
−5 3
2. Cálculo de la matriz inversa mediante un sistema de ecuaciones:
Ejemplo: Dada la matriz
3 1
𝐴𝐴 = � �
5 2
Planteamos la matriz A-1 y hallamos el producto:
𝑎𝑎 𝑏𝑏
𝐴𝐴−1 = � �
𝑐𝑐 𝑑𝑑
3 1 𝑎𝑎 𝑏𝑏 3𝑎𝑎 + 𝑐𝑐 3𝑏𝑏 + 𝑑𝑑
𝐴𝐴 · 𝐴𝐴−1 = � �·� �=� �
5 2 𝑐𝑐 𝑑𝑑 5𝑎𝑎 + 2𝑐𝑐 5𝑏𝑏 + 2𝑑𝑑

Debe verificarse que 𝐴𝐴 · 𝐴𝐴−1 = 𝐼𝐼, por tanto:

3𝑎𝑎 + 𝑐𝑐 3𝑏𝑏 + 𝑑𝑑 1 0
𝐴𝐴 · 𝐴𝐴−1 = 𝐼𝐼 = � �= � �
5𝑎𝑎 + 2𝑐𝑐 5𝑏𝑏 + 2𝑑𝑑 0 1
Resolviendo el sistema tenemos que: 3a + c =1; 3b + d = 0; 5a + 2c = 0 y 5b + 2d =1
2 −1
𝐴𝐴−1 = � �
−5 3
4. Rango de una matriz.
Se denomina rango de una matriz A y se escribe rg(A) al número de filas o columnas de la matriz
que son linealmente independientes, es decir, que no pueden obtenerse a partir de las demás
filas o columnas de la misma matriz.

El rango de una matriz no varía cuando ésta se somete a transformaciones elementales, por
tanto, los rangos de dos matrices equivalentes coinciden. Así, se pueden suprimir las filas o
columnas nulas y las que sean combinación lineal de otras para determinar el rango.

Si una matriz es de dimensión m x n, su rango no puede ser mayor que m ni mayor que n. Así el
rango de una matriz cuadrada de orden n es siempre menor o igual a n, siempre que n ≤ m.
Evidentemente, es positivo por definición.

También es evidente, a partir de la propia definición, que el rango de una matriz coincide
siempre con el de su traspuesta.

Es también lógico que el rango por filas y por columnas coincide, por lo que podemos hacerlo
escalonado por filas o por columnas.

La condición necesaria para la existencia de inversa es, en una matriz cuadrada de orden n, ésta
tendrá inversa si y sólo si su rango es máximo, es decir, si su rango es n.
2 3 2 3 2 3
- Ejemplo: 𝐴𝐴 = �1 4 � = �0 −5� = �0 −5�. Por tanto, rg(A)=2.
9 11 0 5 0 0

5. Ecuaciones y sistemas matriciales.

Se llama ecuación o sistema matricial a toda ecuación o sistema en el que la o las incógnitas
2𝑋𝑋 − 𝑌𝑌 = 𝐶𝐶
sean matrices. Por ejemplo: 𝐴𝐴 · 𝑋𝑋 = 𝐵𝐵 y � siendo A, B, C, D, X e Y matrices.
−5𝑋𝑋 + 6𝑌𝑌 = 𝐷𝐷
En el caso de una ecuación matricial del tipo 𝐴𝐴 · 𝑋𝑋 = 𝐵𝐵, en la cual, si la matriz A es invertible,
la ecuación es equivalente a 𝐴𝐴−1 · 𝐴𝐴 · 𝑋𝑋 = 𝐴𝐴−1 · 𝐵𝐵 y por tanto 𝑋𝑋 = 𝐴𝐴−1 · 𝐵𝐵

En caso de que no sea invertible, o que ni siquiera sea cuadrada, se resuelve considerando la
matriz incógnita X como una matriz genérica de m · n incógnitas y resolviendo el sistema lineal
de ecuaciones. Es importante recordar que el producto de matrices no es conmutativo, por lo
que no debemos olvidar que no es lo mismo multiplicar a derecha que a izquierda. Así, si la
ecuación fuese 𝑋𝑋 · 𝐴𝐴 = 𝐵𝐵, la solución sería 𝑋𝑋 = 𝐵𝐵 · 𝐴𝐴−1 ,siempre que A sea invertible.
2 −3 4 2 −3 6 3 1
- Ejemplo: 𝐴𝐴𝐴𝐴 + 𝐵𝐵 = 𝐶𝐶, siendo 𝐴𝐴 = � � ; 𝐵𝐵 = � � ; 𝐶𝐶 = � �. Es
−1 2 2 0 1 4 1 0
2 3
equivalente a la ecuación 𝐴𝐴𝐴𝐴 = 𝐶𝐶 − 𝐵𝐵 y, por ser A invertible, 𝐴𝐴−1 =� �. Así pues 𝑋𝑋 =
1 2
10 5 5
𝐴𝐴−1 · (𝐶𝐶 − 𝐵𝐵), y calculando, 𝑋𝑋 = � �.
6 3 2
 𝑎𝑎𝑎𝑎 + 𝑏𝑏𝑏𝑏 = 𝐶𝐶
En el caso del sistema lineal matricial � el sistema se resuelve utilizando los mismos
𝑐𝑐𝑐𝑐 + 𝑑𝑑𝑑𝑑 = 𝐷𝐷
métodos (sustitución, igualación y reducción) que en los sistemas numéricos con la salvedad de
que no existe la división de una matriz por un número.
2 5
𝑋𝑋 + 2𝑌𝑌 = � �
- Ejemplo: � 0 3 . Llamando A y B a los términos independientes, queda
1 −3
2𝑋𝑋 − 3𝑌𝑌 = � �
4 2
𝑋𝑋 + 2𝑌𝑌 = 𝐴𝐴 −2𝑋𝑋 − 4𝑌𝑌 = −2𝐴𝐴
� . Y finalmente, aplicando el método de reducción, �
2𝑋𝑋 − 3𝑌𝑌 = 𝐵𝐵 2𝑋𝑋 − 3𝑌𝑌 = 𝐵𝐵
1 1
⇒ −7𝑌𝑌 = 𝐵𝐵 − 2𝐴𝐴 ⇒ 𝑌𝑌 = (2𝐴𝐴 − 𝐵𝐵) ⇒ 𝑋𝑋 = (3𝐴𝐴 + 2𝐵𝐵), con lo que la solución es 𝑋𝑋 =
7 7
8 9 3 13

�78 7
13� ; 𝑌𝑌
7
= �−4 7
4 �.
7 7 7 7

6. Determinantes.
𝑎𝑎11 𝑎𝑎12
El determinante de una matriz cuadrada de orden 2 es: �𝑎𝑎 𝑎𝑎22 � = 𝑎𝑎11 · 𝑎𝑎22 − 𝑎𝑎12 · 𝑎𝑎21 .
21

Es decir, se multiplican los elementos de la diagonal principal y se le resta el producto de los

elementos de la diagonal secundaria.
1 −2
- Ejemplo: � � = 1 · (−5) − (−2) · (−3) = −11.
−3 −5
El determinante de una matriz cuadrada de orden 3 se calcula mediante la Regla de Sarrus:
𝑎𝑎11 𝑎𝑎12 𝑎𝑎13
�𝑎𝑎21 𝑎𝑎22 𝑎𝑎23 � = 𝑎𝑎11 · 𝑎𝑎22 · 𝑎𝑎33 + 𝑎𝑎12 · 𝑎𝑎23 · 𝑎𝑎31 + 𝑎𝑎13 · 𝑎𝑎21 · 𝑎𝑎32 − 𝑎𝑎11 · 𝑎𝑎23 · 𝑎𝑎32 − 𝑎𝑎12 ·
𝑎𝑎31 𝑎𝑎32 𝑎𝑎33
𝑎𝑎21 · 𝑎𝑎33 − 𝑎𝑎31 · 𝑎𝑎22 · 𝑎𝑎13 .

- Ejemplo:
3 −2 5
�0 4 −1� = 3 · 4 · 6 + (−2) · (−1) · (−2) + 0 · 1 · 5 − (−2) · 4 · 5 − 1 ·
−2 1 6
(−1) · 3 − 0 · (−2) · 6 = 111.

Propiedades de los determinantes:

 |A|=|At|.
 Si todos los elementos de A son nulos, |A|=0. También es nulo si todos los elementos
de una línea son nulos.
 Si se permutan dos filas (o dos columnas), el determinante cambia de signo.
  Si una matriz tiene dos líneas iguales o proporcionales, su determinante es cero.
 Si una línea es combinación lineal de otras paralelas, el determinante es cero.
 Si se multiplican los elementos de una línea por un número, el determinante queda
multiplicado por ese número, es decir, si B es la matriz que resulta de multiplicar A por
α, entonces, |B| = α · |A|.
 Si se multiplica una matriz A de dimensión n por un número α, su determinante queda
multiplicado por αn, es decir, |α · A|= αn · |A|.
 Si todos los elementos de una línea de un determinante (por ejemplo la j-ésima) son de
la forma aij = bij + cij, entonces el determinante es igual a la suma de dos determinantes,
cuyas columnas coinciden con las del determinante dado, excepto la j-ésima que lleva
respectivamente cada uno de los dos sumandos. Esto es:

𝑎𝑎11 … 𝑏𝑏1𝑗𝑗 + 𝑐𝑐1𝑗𝑗 … 𝑎𝑎1𝑛𝑛

� … … … … … �=
𝑎𝑎𝑛𝑛1 … 𝑏𝑏𝑛𝑛𝑛𝑛 + 𝑐𝑐𝑛𝑛𝑛𝑛 … 𝑎𝑎𝑛𝑛𝑛𝑛
𝑎𝑎11 … 𝑏𝑏1𝑗𝑗 … 𝑎𝑎1𝑛𝑛 𝑎𝑎11 … 𝑐𝑐1𝑗𝑗 … 𝑎𝑎1𝑛𝑛
�… … … … … �+� … … … … … �
𝑎𝑎𝑛𝑛1 … 𝑏𝑏𝑛𝑛𝑛𝑛 … 𝑎𝑎𝑛𝑛𝑛𝑛 𝑎𝑎𝑛𝑛1 … 𝑐𝑐𝑛𝑛𝑛𝑛 … 𝑎𝑎𝑛𝑛𝑛𝑛
 Si a una línea se le suma una línea proporcional o una combinación lineal de otras
paralelas, el determinante no varía.
 El determinante del producto de matrices cuadradas es el producto de los
determinantes, es decir, |A · B| = |A| · |B|. En general, esta propiedad no es cierta para
la suma: |A ± B| = |A| ± |B|.

Matriz Inversa por Determinantes: Es la forma más práctica para el cálculo de la matriz inversa
ya que, como hemos visto, el método de Gauss-Jordan tiene un alto coste operacional en
matrices de orden superior a 2. La forma para calcularla es la siguiente:
1
𝐴𝐴−1 = (𝐴𝐴𝐴𝐴𝐴𝐴 𝐴𝐴)𝑡𝑡
|𝐴𝐴|
Con |A| determinante de A, y (Adj A)t la traspuesta de la matriz adjunta.

La condición necesaria y suficiente para que una matriz cuadrada tenga inversa es que su
determinante sea distinto de cero.

Se llama matriz adjunta de la matriz A a la matriz formada por los adjuntos de la matriz A, y se
representa por Adj(A).
𝐴𝐴11 𝐴𝐴12 𝐴𝐴13
𝐴𝐴𝐴𝐴𝐴𝐴(𝐴𝐴) = �𝐴𝐴21 𝐴𝐴22 𝐴𝐴23 �
𝐴𝐴31 𝐴𝐴32 𝐴𝐴33

- Ejemplo: Calcula la matriz adjunta de B.

1 2 3 𝐴𝐴11 𝐴𝐴12 𝐴𝐴13 +𝛼𝛼11 −𝛼𝛼12 +𝛼𝛼13
𝐵𝐵 = �−1 5 1 � → 𝐴𝐴𝐴𝐴𝐴𝐴(𝐵𝐵) = �𝐴𝐴21 𝐴𝐴22 𝐴𝐴23 � = �−𝛼𝛼21 +𝛼𝛼22 −𝛼𝛼23 �
3 6 −2 𝐴𝐴31 𝐴𝐴32 𝐴𝐴33 +𝛼𝛼31 −𝛼𝛼32 +𝛼𝛼33
 Por tanto:
5 1 −1 1 −1 5
+�
� −� � +� �
6 −2 3 −2 3 6 −16 +1 −21
⎛ 2 3 1 3 1 2⎞
𝐴𝐴𝐴𝐴𝐴𝐴(𝐵𝐵) = ⎜− � � +� � −� � ⎟ = �+22 −11 0 �.
6 −2 3 −2 3 6
2 3 1 3 1 2 −13 −4 +7
⎝ + �5 1
� −�
−1 1
� +�
−1 5
�⎠

- Ejemplo: Dada la matriz B, calcular su matriz inversa.

1 4 0
𝐵𝐵 = �2 3 1�. Es fácil ver que: |𝐵𝐵| = 2 ≠ 0 → ∄ 𝐵𝐵−1 . Calculando la matriz adjunta y
1 2 0
−2 0 4 −1 0 2
−1 1
aplicando la fórmula: 𝐵𝐵 = � 1 0 −1� = �1/2 0 −1/2�
2
1 2 5 1/2 1 5/2

Rango de una Matriz Inversa por Determinantes:

Existen dos posibles métodos para hacerlo, siendo el primero de ellos a través de determinantes
y el segundo orlando (añadiendo filas y columnas) menores de la propia matriz.

- Ejemplo: Hallemos el rango de la matriz A utilizando el primer método.

2 −1 0
𝐴𝐴 = �1 7 4�
5 5 4
Lo primero es hacer el mayor menor posible, que es |𝐴𝐴| = 56 − 20 + 4 − 40 = 0. No ha
−1 0
habido suerte. Tenemos que seguir con uno de orden 2, por ejemplo: � � = −4 ≠ 0.
7 4
Así pues, concluimos que 𝑟𝑟𝑟𝑟 𝐴𝐴 = 2.

- Ejemplo: Hallemos ahora orlando el rango de B. Es un método muy laborioso que solo
usaremos si no podemos usar el anterior.

Características:

• Menor de orden n≠0  rango A ≥ n

• Menor de orden n =0  no conluyo
• Todos los menores de orden n son 0  rango A < n

1 −1 2 −1
𝐵𝐵 = �−2 1 −4 6 �. Elegimos un menor de orden 1: |1| = 1 ≠ 0. Se suele elegir el
1 −2 2 3
número no nulo situado en la esquina superior izquierda, en este caso es 1.

1º Elegimos una base de orden 2, ese menor de orden 2 sale:

1 −1
𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂 𝑐𝑐𝑐𝑐𝑐𝑐 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 2 𝑦𝑦 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 � � = −1 ≠ 0
𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂𝑂: � −2 1
𝑅𝑅𝑅𝑅 𝐴𝐴 ≥ 2
2º Como el Rg A puede ser 3 tenemos que probar con todos los menores de orden 3 o hasta
que uno de ellos me de 0. Solo comprobamos los que conservan la primera base.
1 −1 2
|𝐶𝐶1, 𝐶𝐶2, 𝐶𝐶3| = �−2 1 −4� = 0
1 −2 2
1 −1 −1
|𝐶𝐶1, 𝐶𝐶2, 𝐶𝐶4| = �−2 1 6 �=0
1 −2 3
3º Si uno diese distinto de 0 se concluye que el Rg A es 3. En el ejemplo dan 0, y por tanto
concluimos que todos los determinantes de orden 3 dan 0 y que por tanto el Rg A es 2.
7. Resolución de sistemas de ecuaciones de forma matricial.
Un sistema de ecuaciones lineales se dice que es homogéneo cuando el término independiente
de todas las ecuaciones es igual a cero.

Dado un sistema de m ecuaciones lineales con n incógnitas:

𝑎𝑎11 𝑥𝑥1 + 𝑎𝑎12 𝑥𝑥2 + ⋯ + 𝑎𝑎1𝑛𝑛 𝑥𝑥𝑛𝑛 = 𝑏𝑏1
𝑎𝑎 𝑥𝑥 + 𝑎𝑎22 𝑥𝑥2 + ⋯ + 𝑎𝑎2𝑛𝑛 𝑥𝑥𝑛𝑛 = 𝑏𝑏2
� 21 1
… ⋮ … ⋮ …⋮ … ⋱ …
𝑎𝑎𝑚𝑚1 𝑥𝑥1 + 𝑎𝑎𝑚𝑚2 𝑥𝑥2 + ⋯ 𝑎𝑎𝑚𝑚𝑚𝑚 𝑥𝑥𝑛𝑛 = 𝑏𝑏𝑚𝑚
Podemos expresarlo como producto de matrices, 𝐴𝐴 · 𝑋𝑋 = 𝐵𝐵, de esta forma:
𝑎𝑎11 𝑎𝑎12 ⋯ 𝑎𝑎1𝑛𝑛 𝑥𝑥1 𝑏𝑏1
𝑎𝑎21 𝑎𝑎22 ⋯ 𝑎𝑎2𝑛𝑛 𝑥𝑥 𝑏𝑏
� ⋯ ⋯ ⋯ � · � … � = � …2 �
2
⋱
𝑎𝑎𝑚𝑚1 𝑎𝑎𝑚𝑚2 ⋯ 𝑎𝑎𝑚𝑚𝑚𝑚 𝑥𝑥𝑛𝑛 𝑏𝑏𝑚𝑚

Esta igualdad se denomina expresión matricial de un sistema.

B se denomina matriz de los términos independientes:

𝑏𝑏1
𝑏𝑏2
𝐵𝐵 = � �
⋯
𝑏𝑏𝑚𝑚
Y llamamos matriz X a la matriz columna formada por las incógnitas
𝑥𝑥1
𝑥𝑥2
𝑋𝑋 = � �
⋯
𝑥𝑥𝑛𝑛
A partir de las matrices A y B definimos la matriz ampliada:
𝑎𝑎11 𝑎𝑎12 … 𝑎𝑎1𝑛𝑛 𝑏𝑏1
𝑎𝑎 𝑎𝑎22 … 𝑎𝑎2𝑛𝑛 𝑏𝑏2
𝐴𝐴∗ = � 21 � �
… … ⋱ … …
𝑎𝑎𝑚𝑚1 𝑎𝑎𝑚𝑚2 … 𝑎𝑎𝑚𝑚𝑚𝑚 𝑏𝑏𝑚𝑚

Independientemente del número de incógnitas y ecuaciones, estos sistemas pueden clasificarse:

𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷 (𝑆𝑆. 𝐶𝐶. 𝐷𝐷. ) → 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑢𝑢𝑢𝑢𝑢𝑢 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑐𝑐𝑖𝑖ó𝑛𝑛

𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 �
𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆 � 𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼 (𝑆𝑆. 𝐶𝐶. 𝐼𝐼. ) → 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠
𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼 (𝑆𝑆. 𝐼𝐼. ) → 𝑛𝑛𝑛𝑛 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠ó𝑛𝑛

Método de Gauss: Este método consiste en sustituir el sistema dado por otro equivalente,
aplicando las transformaciones de Gauss, hasta conseguir un sistema escalonado:

a) Cambiar el orden de las ecuaciones del sistema.

b) Multiplicar los dos miembros de una ecuación por un mismo número distinto de cero.

c) Suprimir una ecuación del sistema que sea combinación lineal de las demás.
d) Sustituir una ecuación por la suma de ella más otra ecuación multiplicada por un número real
cualquiera.

e) Sustituir una ecuación por una combinación lineal de ella y de las restantes, siempre que el
coeficiente de la ecuación sustituida, en la combinación lineal, sea distinto de cero.

Sistema escalonado: es aquél en el que cada ecuación tiene una incógnita menos que la
anterior. Dicho de otro modo, se trata de ir anulando coeficientes de las incógnitas hasta que
sea posible organizarlos en una matriz triangular. Así, por ejemplo, si partiendo del sistema:
′ ′ ′
𝑎𝑎11 𝑥𝑥1 + 𝑎𝑎12 𝑥𝑥2 + 𝑎𝑎13 𝑥𝑥3 = 𝑏𝑏1 𝑎𝑎11 𝑥𝑥1 + 𝑎𝑎12 𝑥𝑥2 + 𝑎𝑎13 𝑥𝑥3
= 𝑏𝑏1′
�𝑎𝑎21 𝑥𝑥1 + 𝑎𝑎22 𝑥𝑥2 + 𝑎𝑎23 𝑥𝑥3 = 𝑏𝑏2 𝑙𝑙𝑙𝑙𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑎𝑎𝑎𝑎 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠: � ′
𝑎𝑎22 ′
𝑥𝑥2 + 𝑎𝑎23 𝑥𝑥3 = 𝑏𝑏2′
𝑎𝑎31 𝑥𝑥1 + 𝑎𝑎32 𝑥𝑥2 + 𝑎𝑎33 𝑥𝑥3 = 𝑏𝑏3 ′
𝑎𝑎33 𝑥𝑥3 = 𝑏𝑏3′

Para resolverlo no tendríamos más que ir sustituyendo el valor de la variable obtenida en una
ecuación en la ecuación anterior, y así sucesivamente.

Este método nos permite saber, además, según las ecuaciones que obtengamos, si el sistema
tiene o no solución y cuantas tiene. Encontramos 3 posibilidades:

• a´33 ≠ 0  SCD
• a´33 = b´3 = 0  SCI
• a´33 = 0, b´3 ≠ 0  SI
- Ejemplo:
𝑥𝑥 − 2𝑦𝑦 + 𝑧𝑧 = 3 1 −2 1 3 𝐹𝐹2 +𝐹𝐹1 1 −2 1 3 𝐹𝐹3 +𝐹𝐹2
�−𝑥𝑥 + 𝑦𝑦 − 2𝑧𝑧 = 1 ⇒ �−1 1 −2�1� 𝐹𝐹�⎯⎯�
3 −2𝐹𝐹1
�0 −1 −1� 4 � �⎯⎯�
2𝑥𝑥 − 3𝑦𝑦 + 𝑧𝑧 = 2 2 −3 1 2 �⎯⎯⎯� 0 1 −1 −4
1 −2 1 3
�0 −1 1 �4�
0 0 −2 0
En este sistema la última ecuación, que corresponde a la última fila de la matriz, es

−2𝑧𝑧 = 0 ⇒ 𝑧𝑧 = 0
Por tanto, el sistema tiene solución única:
𝑥𝑥 − 2𝑦𝑦 + 𝑧𝑧 = 3 𝑥𝑥 = −5
�−𝑥𝑥 + 𝑦𝑦 − 2𝑧𝑧 = 1 ⇒ �𝑦𝑦 = −4
2𝑥𝑥 − 3𝑦𝑦 + 𝑧𝑧 = 2 𝑧𝑧 = 0

Regla de Cramer: Se dice que un sistema de ecuaciones lineales es un sistema de Cramer si el

número de ecuaciones es igual al número de incógnitas y además el determinante formado por
los coeficientes de las incógnitas es distinto de cero.

- Ejemplos:

𝑥𝑥 − 𝑦𝑦 = 4 1 −1
� ⟹� � = 1 − 1 = 0 𝑵𝑵𝑵𝑵 𝑒𝑒𝑒𝑒 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑑𝑑𝑑𝑑 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶
−𝑥𝑥 + 𝑦𝑦 = 2 −1 1
 𝑥𝑥 − 𝑦𝑦 = 4 1 −1
� ⟹� � = 1 + 2 = 3 ≠ 0 𝑺𝑺Í 𝑒𝑒𝑒𝑒 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑑𝑑𝑑𝑑 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶
2𝑥𝑥 + 𝑦𝑦 = 2 2 1

Un sistema de n ecuaciones con n incógnitas, en el cual el determinante de la matriz de los

coeficientes es distinto de cero, admite una solución y sólo una, es decir, es un sistema
compatible determinado.

Consideremos un sistema de m ecuaciones lineales con n incógnitas:

𝑎𝑎11 𝑥𝑥1 + 𝑎𝑎12 𝑥𝑥2 + … + 𝑎𝑎1𝑛𝑛 𝑥𝑥𝑛𝑛 = 𝑏𝑏1
𝑎𝑎21 𝑥𝑥1 + 𝑎𝑎22 𝑥𝑥2 + … + 𝑎𝑎2𝑛𝑛 𝑥𝑥𝑛𝑛 = 𝑏𝑏2
�
… ⋮ … ⋮ … ⋮ … ⋱ …
𝑎𝑎𝑚𝑚1 𝑥𝑥1 + 𝑎𝑎𝑚𝑚2 𝑥𝑥2 + … + 𝑎𝑎𝑚𝑚𝑚𝑚 𝑥𝑥𝑛𝑛 = 𝑏𝑏𝑚𝑚

Vamos a ver cómo se calcula esta solución por el método de Cramer: Consideremos un sistema
de n ecuaciones y n incógnitas:

𝑎𝑎11 𝑥𝑥1 + 𝑎𝑎12 𝑥𝑥2 + … + 𝑎𝑎1𝑛𝑛 𝑥𝑥𝑛𝑛 = 𝑏𝑏1

𝑎𝑎 𝑥𝑥 + 𝑎𝑎22 𝑥𝑥2 + … + a2n 𝑥𝑥𝑛𝑛 = 𝑏𝑏2
� 21 1
… ⋮ … ⋮ … ⋮ … ⋱ …
𝑎𝑎𝑛𝑛1 𝑥𝑥1 + 𝑎𝑎𝑛𝑛2 𝑥𝑥2 + … + 𝑎𝑎𝑛𝑛 𝑥𝑥𝑛𝑛 = 𝑏𝑏𝑛𝑛

La expresión matricial del sistema es:

𝑎𝑎11 𝑎𝑎12 … + 𝑎𝑎1𝑛𝑛 𝑥𝑥1 𝑏𝑏1

𝑎𝑎 𝑎𝑎22 … + a2n 𝑥𝑥2 𝑏𝑏2
� …21 … … ⋮ … ��…� = �…�
𝑎𝑎𝑛𝑛1 𝑎𝑎𝑛𝑛2 … + 𝑎𝑎𝑛𝑛𝑛𝑛 𝑥𝑥𝑛𝑛 𝑏𝑏𝑛𝑛
Al ser un sistema de Cramer el determinante de la matriz de los coeficientes es distinto de cero
y por tanto admite inversa, 𝐴𝐴−1 . Multiplicando los dos miembros de la ecuación por la inversa
de 𝐴𝐴, tenemos:

𝐴𝐴 · 𝑋𝑋 = 𝐵𝐵 → 𝐴𝐴−1 · 𝐴𝐴 · 𝑋𝑋 = 𝐴𝐴−1 · 𝐵𝐵 ⟹ 𝐼𝐼 · 𝑋𝑋 = 𝐴𝐴−1 · 𝐵𝐵 ⟹ 𝑋𝑋 = 𝐴𝐴−1 · 𝐵𝐵

es decir:
𝑥𝑥1 𝐴𝐴11 𝐴𝐴21 … 𝐴𝐴𝑛𝑛1 𝑏𝑏1
𝑥𝑥2 1 𝐴𝐴 𝐴𝐴22 … 𝐴𝐴𝑛𝑛2 𝑏𝑏
�…� = · � 12 � · � 2�
|𝐴𝐴| … … … … …
𝑥𝑥𝑛𝑛 𝐴𝐴11 𝐴𝐴21 … 𝐴𝐴𝑛𝑛1 𝑏𝑏𝑛𝑛
Operando las matrices e igualando los términos correspondientes tenemos:
𝑏𝑏1 𝐴𝐴11 + 𝑏𝑏2 𝐴𝐴21 + ⋯ + 𝑏𝑏𝑛𝑛 𝐴𝐴𝑛𝑛1 𝑏𝑏1 𝐴𝐴12 + 𝑏𝑏2 𝐴𝐴22 + ⋯ + 𝑏𝑏𝑛𝑛 𝐴𝐴𝑛𝑛2
𝑥𝑥1 = 𝑥𝑥2 =
|𝐴𝐴| |𝐴𝐴|
Hasta llegar a la última incógnita:
 𝑏𝑏1 𝐴𝐴1𝑛𝑛 + 𝑏𝑏2 𝐴𝐴2𝑛𝑛 + ⋯ + 𝑏𝑏𝑛𝑛 𝐴𝐴𝑛𝑛𝑛𝑛
𝑥𝑥𝑛𝑛 =
|𝐴𝐴|
Observamos que los numeradores de estas fracciones son los desarrollos de ciertos
determinantes por los elementos de una línea, con lo cual tenemos:
𝑏𝑏1 𝑎𝑎12 … 𝑎𝑎1𝑛𝑛 𝑎𝑎11 𝑏𝑏1 … 𝑎𝑎1𝑛𝑛 𝑎𝑎11 𝑎𝑎12 … 𝑏𝑏1
𝑏𝑏 𝑎𝑎22 … 𝑎𝑎2𝑛𝑛 𝑎𝑎 𝑏𝑏2 … 𝑎𝑎2𝑛𝑛 𝑎𝑎 𝑎𝑎22 … 𝑏𝑏2
� 2 � � 21 � � 21 �
… … … … … … … … … … … …
𝑏𝑏𝑛𝑛 𝑎𝑎𝑛𝑛2 … 𝑎𝑎𝑛𝑛𝑛𝑛 𝑎𝑎𝑛𝑛1 𝑏𝑏𝑛𝑛 … 𝑎𝑎𝑛𝑛𝑛𝑛 𝑎𝑎𝑛𝑛1 𝑎𝑎𝑛𝑛2 … 𝑏𝑏𝑛𝑛
𝑥𝑥1 = 𝑥𝑥2 = 𝑥𝑥𝑛𝑛 =
|𝐴𝐴| |𝐴𝐴| |𝐴𝐴|
En cada una de las fracciones el determinante del numerador es el determinante de la matriz de
los coeficientes de las incógnitas cambiado, en cada caso, la columna correspondiente a la
incógnita 𝑥𝑥𝑖𝑖 por los términos independientes. El denominador en todos los casos es el
determinante de la matriz de los coeficientes.

Podemos simplificar esas expresiones si representamos por Δ1 , Δ2 , … Δ𝑛𝑛 , a los determinantes de

los numeradores, la solución genérica de un sistema de Cramer puede representarse como:

La solución de un sistema de Cramer puede calcularse como:

Δ𝑖𝑖
𝑥𝑥𝑖𝑖 =
|𝐴𝐴|
Siendo Δ𝑖𝑖 el determinante que resulta de sustituir la columna de la incógnita i-ésima por la matriz
de términos independientes:
𝑎𝑎11 … 𝑏𝑏1 … 𝑎𝑎1𝑛𝑛
𝑎𝑎 … 𝑏𝑏2 … 𝑎𝑎2𝑛𝑛
Δ𝑖𝑖 = � 21 �
… … ⋱ … …
𝑎𝑎𝑛𝑛1 … 𝑏𝑏𝑛𝑛 … 𝑎𝑎𝑛𝑛𝑛𝑛
Esta nomenclatura genérica queda más clara cuando tenemos los sistemas con las incógnitas
habituales (x, y, z, …):
𝑎𝑎11 𝑥𝑥 + 𝑎𝑎12 𝑦𝑦 + 𝑎𝑎13 𝑧𝑧 = 𝑏𝑏1
� 𝑎𝑎21 𝑥𝑥 + 𝑎𝑎22 𝑦𝑦 + 𝑎𝑎23 𝑧𝑧 = 𝑏𝑏2
𝑎𝑎31 𝑥𝑥 + 𝑎𝑎32 𝑦𝑦 + 𝑎𝑎33 𝑧𝑧 = 𝑏𝑏3
En este caso, las soluciones quedan así:
Δ𝑥𝑥 Δ𝑦𝑦 Δ𝑧𝑧
𝑥𝑥 = , 𝑦𝑦 = , 𝑧𝑧 =
|𝐴𝐴| |𝐴𝐴| |𝐴𝐴|
Siendo:
𝑏𝑏1 𝑎𝑎12 𝑎𝑎13 𝑎𝑎11 𝑏𝑏1 𝑎𝑎13 𝑎𝑎11 𝑎𝑎12 𝑏𝑏1
Δ𝑥𝑥 = � 𝑏𝑏2 𝑎𝑎22 𝑎𝑎23 � , Δ𝑦𝑦 = � 𝑎𝑎21 𝑏𝑏2 𝑎𝑎23 � , Δ𝑧𝑧 = � 𝑎𝑎21 𝑎𝑎22 𝑏𝑏2 �
𝑏𝑏3 𝑎𝑎32 𝑎𝑎33 𝑎𝑎31 𝑏𝑏3 𝑎𝑎33 𝑎𝑎31 𝑎𝑎32 𝑏𝑏3
En ocasiones se representa por Δ al determinante del sistema, que sabemos que no puede ser
nulo:
 𝑎𝑎11 𝑎𝑎12 𝑎𝑎13
Δ = |𝐴𝐴| = � 𝑎𝑎21 𝑎𝑎22 𝑎𝑎23 � ≠ 0
𝑎𝑎31 𝑎𝑎32 𝑎𝑎33
- Ejemplo:
𝑦𝑦 + 2𝑧𝑧 = −3 0 1 2 𝑥𝑥 −3
� 2𝑥𝑥 + 𝑦𝑦 = 3 ⇒ 𝐴𝐴 · 𝑋𝑋 = 𝐵𝐵 ⇒ �2 1 0 � · �𝑦𝑦� = � 3 �
𝑥𝑥 + 3𝑦𝑦 − 4𝑧𝑧 = 3 1 3 −4 𝑧𝑧 3
Veamos si es un sistema de Cramer:
0 1 2
|𝐴𝐴| = �2 1 0 � = 12 − (2 − 8) = 12 − (−6) = 12 + 6 = 18 ≠ 0 ⇒ Es un sistema de
1 3 −4
Cramer

Aplicamos la regla de Cramer:

−3 1 2 0 −3 2 0 1 −3
Δ𝑥𝑥 = � 3 1 0 � = 36, Δ𝑦𝑦 = �2 3 0 � = 3 − 18, Δ𝑧𝑧 = �2 1 3 � = −18
3 3 −4 1 3 −4 1 3 3
Finalmente:
36 18 18
𝑥𝑥 = = 2, 𝑦𝑦 = − = −1, 𝑧𝑧 = − = −1
18 18 18
Es decir, la solución del sistema queda:

{𝑥𝑥 = 2, 𝑦𝑦 = −1, 𝑧𝑧 = −1}

Teorema de Rouchè-Fröbenius:

Consideremos un sistema de m ecuaciones lineales con n incógnitas:

𝑎𝑎11 𝑥𝑥1 + 𝑎𝑎12 𝑥𝑥2 + … + 𝑎𝑎1𝑛𝑛 𝑥𝑥𝑛𝑛 = 𝑏𝑏1

𝑎𝑎 𝑥𝑥 + 𝑎𝑎22 𝑥𝑥2 + … + a2n 𝑥𝑥𝑛𝑛 = 𝑏𝑏2
� 21 1
… ⋮ … ⋮ … ⋮ … ⋱ …
𝑎𝑎𝑚𝑚1 𝑥𝑥1 + 𝑎𝑎𝑚𝑚2 𝑥𝑥2 + … + 𝑎𝑎𝑚𝑚 𝑥𝑥𝑛𝑛 = 𝑏𝑏𝑚𝑚
Para el que las matrices de coeficientes ampliada son, respectivamente:
𝑎𝑎11 𝑎𝑎12 … 𝑎𝑎1𝑛𝑛 𝑎𝑎11 𝑎𝑎12 … 𝑎𝑎1𝑛𝑛 𝑏𝑏1
𝑎𝑎21 𝑎𝑎22 … 𝑎𝑎2𝑛𝑛 𝑎𝑎 21 𝑎𝑎22 … 𝑎𝑎2𝑛𝑛 𝑏𝑏2
𝐴𝐴 = � … … … … � 𝐴𝐴∗ = � … … … … �…�
𝑎𝑎𝑚𝑚1 𝑎𝑎𝑚𝑚2 … 𝑎𝑎𝑚𝑚𝑚𝑚 𝑎𝑎𝑚𝑚1 𝑎𝑎𝑚𝑚2 … 𝑎𝑎𝑚𝑚𝑚𝑚 𝑏𝑏𝑚𝑚

El teorema de Rouchè-Fröbenius dice: “La condición necesaria y suficiente para que un sistema
de m ecuaciones y n incógnitas sea compatible (tenga solución) es que el rango de la matriz de
los coeficientes sea igual al rango de la matriz ampliada”.

Si estudiamos los rangos de las matrices nos podemos encontrar con las siguientes situaciones:

𝑟𝑟𝑟𝑟(𝐴𝐴) = 𝑛𝑛 𝑆𝑆𝑆𝑆𝑆𝑆
𝑟𝑟𝑟𝑟(𝐴𝐴) = 𝑟𝑟𝑟𝑟(𝐴𝐴∗ ) ⇒ 𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆. 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 → �
� 𝑟𝑟𝑟𝑟(𝐴𝐴) < 𝑛𝑛 𝑆𝑆𝑆𝑆𝑆𝑆
𝑟𝑟𝑟𝑟(𝐴𝐴) < 𝑟𝑟𝑟𝑟(𝐴𝐴∗ ) ⇒ 𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆. 𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖
8. Aplicaciones a la Teoría de Grafos.
Un grafo es una forma de representar de una manera cómoda las posibles relaciones entre
objetos.

Matriz de adyacencia de un grafo: Es una matriz cuadrada que se utiliza para representar un
grafo, de forma que sus filas y columnas representan ordenadamente los vértices del grafo, y
cada elemento ij indica el número de aristas entre el vértice i y el vértice j. Cada grafo tiene, por
lo tanto, una matriz de adyacencia única.

- Ejemplo: Sea el siguiente grafo, calcular su matriz de adyacencia.

𝑎𝑎 𝑏𝑏 𝑐𝑐 𝑑𝑑 𝑒𝑒
𝑎𝑎 0 1 0 0 1
𝑏𝑏 ⎛0 0 1 1 0⎞
𝑐𝑐 ⎜0 0 0 1 0⎟
𝑑𝑑 1 0 0 0 0
𝑒𝑒 ⎝0 0 0 0 0⎠