Matrices y Sistemas de Ec Lin

Unidad: Matrices y Sistemas de ecuaciones
lineales
UFME FAE UDP

C ONTENIDOS DE LA U NIDAD
1 D EFINICI ÓN Y OPERACIONES CON MATRICES

2 M ATRIZ ESCALONADA Y RANGO
3 D ETERMINANTE Y M ATRIZ I NVERSA
4 E CUACI ÓN MATRICIAL

5 S ISTEMAS DE ECUACIONES LINEALES
6 S ISTEMAS DE ECUACIONES LINEALES CON PAR ÁMETROS
7 C ÁLCULO DE VALORES PROPIOS
8 C ÁLCULO DE VECTORES PROPIOS
M ATRICES (UFME) FAE UDP 2 / 116

D EFINICI ÓN Y OPERACIONES CON MATRICES
Definición y operaciones con matrices

IL: R ESUELVE OPERACIONES CON MATRICES Y MATRIZ
TRANSPUESTA .
UFME FAE UDP

D EFINICI ÓN Y OPERACIONES CON MATRICES
C ONTENIDOS
1 D EFINICI ÓN Y OPERACIONES CON MATRICES

Definición
Tipos de Matrices
Operaciones con Matrices
Suma de matrices
Multiplicación por escalar
Multiplicación de matrices
Matriz Transpuesta

D EFINICI ÓN Y OPERACIONES CON MATRICES D EFINICI ÓN
¿Q U É ES UNA MATRIZ ?
Una empresa produce cuatro artı́culos, A, B, C y D donde cada uno requiere,

semanalmente, las cantidades especı́ficas de mano de obra y dos materias
primas X e Y, como se detalla en la siguiente tabla:
Producto A B C D
Unidades de Material X 250 300 170 200
Unidades de Material Y 160 230 75 120
Unidades de Mano de Obra 80 85 120 100


Producto A B C D
Observe que los datos de la tabla aparecen en forma natural en un arreglo
rectangular,


Producto A B C D
rectangular, donde, si se suprimen los encabezados, obtenemos una matriz


Producto A B C D
rectangular, donde, si se suprimen los encabezados, obtenemos una matriz
 
250 300 170 200
160 230 75 120
80 85 120 100

D EFINICI ÓN 1.1

Una matriz de orden n × m es un arreglo de n filas y m columnas, de la forma
 
a11 a12 a13 ··· a1m

 a21 a22 a23 ··· a2m 


 a31 a32 a33 ··· a3m 

 .. .. .. .. .. 
 . . . . . 
an1 an2 an3 ··· anm
Cada uno de los elementos del arreglo aij es llamado entrada, elemento o
coeficiente de la matriz.
Las matrices por lo regular se denotan con letras mayúsculas y sus ele-
mentos con letras minúsculas acompañadas de subı́ndices.
Notación: A = (aij )n×m indica una matriz A de n filas y m columnas.

E LEMENTOS DE UNA MATRIZ
Los subı́ndices en un elemento aij indican su lugar en la matriz. De este modo, el

elemento aij se localiza en la intersección de la fila i y la columna j de la matriz.
E JEMPLO 1.1
Si llamamos A a la matriz de requerimientos semanales de producción obtenida
anteriormente, el elemento a23 de A es 75
columna 3
250 300 170 200
!
fila 2 160 230 75a23 120
80 85 120 100
Interpretación: Se necesitan 75 unidades de la segunda materia prima (Y) para

la producción semanal del tercer producto (C)

E LEMENTOS DE UNA MATRIZ
Los subı́ndices en un elemento aij indican su lugar en la matriz. De este modo, el

elemento aij se localiza en la intersección de la fila i y la columna j de la matriz.
E JEMPLO 1.1
Si llamamos A a la matriz de requerimientos semanales de producción obtenida
anteriormente, el elemento a23 de A es 75
columna 3
250 300 170 200
!
fila 2 160 230 75a23 120
80 85 120 100
Interpretación: Se necesitan 75 unidades de la segunda materia prima (Y) para

la producción semanal del tercer producto (C)
E JERCICIO 1.1
Determina e interpreta a32 y a14 de la matriz anterior.

O RDEN DE UNA M ATRIZ

El orden o dimensión de una matriz que tiene n filas y m columnas, es n × m, que
se lee “n por m“. Si n = m se dice que la matriz es cuadrada y entonces es de
orden n.


orden n.
E JEMPLO 1.2

1 2 −3 1
1. B = es una matriz de orden 2 × 4
 0 −1 6 10
1 2 −2
2. C =  3 −1 −2  es una matriz cuadrada de orden 3
−2 0 7


orden n.
E JEMPLO 1.2

1 2 −3 1
1. B = es una matriz de orden 2 × 4
 0 −1 6 10
1 2 −2
2. C =  3 −1 −2  es una matriz cuadrada de orden 3
−2 0 7
E JERCICIO 1.2
¿Cual es el orden de la matriz A de requerimientos semanales de producción de
la empresa?  
250 300 170 200
A = 160 230 75 120
80 85 120 100

O BSERVACI ÓN 1.1

Los elementos de una matriz pueden pertenecer a cualquier conjunto numérico,
en particular, en este curso trabajaremos con R.
Denotaremos por Mn×m (R) ó M (n × m, R) al conjunto de todas las matri-

ces de orden n × m con coeficientes reales, esto es:
Mn×m (R) = {A = (aij )n×m | aij ∈ R, ∀i , j }

En particular, al conjunto formado por todas las matrices cuadradas de
orden n las denotaremos por Mn (R)

A PRACTICAR !
E JERCICIO 1.3
 
−5 3 0 −7
b23
1. Considere la matriz  1 0, 75 −3 0√, 5  Calcula b34 · b32 +
b12
ln 2 e −7 4 e

i −j si i=j
2. Determine la Matriz A = (aij ) ∈ M5×3 tal que: aij =
2i + j si i,j

D EFINICI ÓN Y OPERACIONES CON MATRICES T IPOS DE M ATRICES
T IPOS DE M ATRICES
D EFINICI ÓN 1.2

Una matriz de orden n × 1 se llama matriz columna. Son matrices de la forma:
 
a11
 a21 
A =  .  ∈ Mn×1 (R)
 
 .. 
an1
De manera similar, una matriz de orden 1 × m es llamada matriz fila, esto es:

A= a11 a12 a13 · · · a1m ∈ M1×m (R)

T IPOS DE M ATRICES
D EFINICI ÓN 1.3

Llamaremos matriz nula de orden n × m a la matriz:
[0] = (aij ) ∈ Mn×m (R)

donde aij = 0 para cada i , j. Las matrices nulas se denotan como [0]n×m , o, bien
con el sı́mbolo 0 si no existe confusión.
E JEMPLO 1.3
Son matrices
nulas:

0 0
1. ∈ M2 (R).
0 0 
0 0
2.  0 0  ∈ M3×2 (R).
0 0

T IPOS DE M ATRICES
D EFINICI ÓN 1.4

Llamaremos matriz identidad de orden n × n, a la matriz In = (aij ), donde:
(
1, i = j,
aij =
0, i , j.
E JEMPLO 1.4
Son matrices
 identidad:

1 0 0
1. I3 = 0 1 0 ∈ M3×3 (R).
0 0 1
1 0
2. I2 = ∈ M2×2 (R).
0 1

I GUALDAD DE MATRICES
D EFINICI ÓN 1.5

Consideremos dos matrices A = (aij ) ∈ Mn×m (R) y B = (bij ) ∈ Mp ×q (R). Diremos
que las matrices A y B son iguales (denotamos A = B) si:
1. n = p y m = q
2. aij = bij para cada i , j.
Es decir, deben tener el mismo orden y sus correspondientes entradas son
iguales.
E JEMPLO 1.5
Las matrices:
−1 0 −1 0
A= y B=
a −4 1 2 1
de orden 2 son iguales si a − 4 = 2, i.e. si a = 6.

D EFINICI ÓN Y OPERACIONES CON MATRICES O PERACIONES CON M ATRICES
S UMA DE MATRICES
D EFINICI ÓN 1.6

Sean A = (aij ) y B = (bij ) matrices de orden n × m con coeficientes en R. Se
define la suma de A y B como la matriz A + B, de orden n × m, definida por:
A + B = (aij ) + (bij ) = (aij + bij ).
E JEMPLO 1.6

−2 −3 1 2 −1 5
Sean A = y B= en M2×3 (R). Luego:
0 2 1 1 −2 0

−2 1 −3 2 −1 5 0 0 2
A +B = + =
0 1 2 1 −2 0 1 −1 2

M ULTIPLICACI ÓN POR ESCALAR
D EFINICI ÓN 1.7

Si A = (aij ) ∈ Mn×m (R) y α ∈ R. Se define el producto por escalar o ponderación
como sigue:
α · A = α · (aij )
= (α · aij ).
E JEMPLO 1.7

−2 1
Si A = ∈ M2×2 (R) y α = −3, entonces:
3 0

−2 1 6 −3
α · A = (−3) · =
3 0 −9 0

M ULTIPLICACI ÓN DE MATRICES

D EFINICI ÓN 1.8
Sean A = (aij ) ∈ Mn×m (R) y B = (bij ) ∈ Mm×p (R). Se define la multiplicación de
A y B, como la matriz de orden n × p siguiente:
A · B = AB = (dij )
m
donde dij = ∑ aik bkj para cada i , j.
k =1
E JEMPLO 1.8

2 4 3 1 5
Sean A = ∈ M2×2 (R) y B = ∈ M2×3 (R). Luego:
1 3 −2 1 3

2 4 3 1 5 −2 6 22
AB = =
1 3 −2 1 3 −3 4 14
Ver desarrollo animado

O BSERVACI ÓN 1.2
1. Solo se pueden multiplicar matrices tales que el número de columnas

de la primera
seaigual al n úmerode filas de la segunda.
1 0 0 0
2. Sean A = yB= (notemos que ambas matrices son
0 0 0 1
distintas de la matriz nula), al multiplicarlas obtenemos:

1 0 0 0 0 0
AB = · =
0 0 0 1 0 0
Luego, esto significa que:
AB = [0]2×2 ⇏ A = [0]2×2 ∨ B = [0]2×2
es decir, cuando el producto de dos matrices (con los órdenes ade-

cuados) es igual a la matriz nula no necesariamente alguna de ellas
o ambas corresponden a la matriz nula, a diferencia de lo que ocurre
en los números reales.

3. Otra observación importante es que, en general, el producto de matri-

ces no conmuta (esto sı́ ocurre en R).
−1 2
Por ejemplo, consideremos las matrices A = y B =
2 4

1 −2
. Luego:
0 2

−1 2 1 −2 −1 6
AB = =
2 4 0 2 2 4
y, por otro lado:

1 −2 −1 2 −5 −6
BA = =
0 2 2 4 4 8

Sean A , B , C matrices cualesquiera (con órdenes adecuados para poder efectuar

las operaciones) y α, β escalares en R. Entonces se cumplen las siguientes
propiedades:
1. (A + B ) + C = A + (B + C ). (Distributividad)
(Asociatividad)
7. A (B + C ) = AB + AC.
2. A + B = B + A . (Conmutatividad) (Distributividad)
3. A + [0] = A . (Elemento neutro) 8. 1 · A = A . (Elemento neutro)
4. A + (−A ) = [0], donde 9. (αβ ) · A = α · (β · A ).
−A = (−1) · A . (Elemento inverso) (Asociatividad)
5. α · (A + B ) = α · A + α · B. 10. (AB )C = A (BC ). (Asociatividad)
(Distributividad)
11. α · (AB ) = (α · A )B = A (α · B ).
6. (α + β ) · A = α · A + β · A . (Asociatividad)

A P RACTICAR !
E JERCICIO 1.4
1. Si A es una matriz 3 × 4, B es una matriz 4 × 3, C es una matriz 2 × 3 y D es
una matriz 4 × 5, determine si se pueden efectuar los productos BA , AD , BC
y CBA .
2. Dadas las matrices

2 3 1 0
A= B=
1 2 2 −1
a) Muestre que A 2 − B 2 , (A − B )(A + B )

b) A 2 − 3B + I

D EFINICI ÓN Y OPERACIONES CON MATRICES M ATRIZ T RANSPUESTA
M ATRIZ T RANSPUESTA
D EFINICI ÓN 1.9
Sea A = (aij ) ∈ Mn×m (K). Se define la matriz transpuesta de A , en sı́mbolos A t ,
como la matriz de orden m × n definida por:
A t = aji

E JEMPLO 1.9
Considere la matriz A ∈ M2×3 (R) dada por:

−1 3 4
A=
1 1 2
Entonces:  
−1 1
At =  3 1 ∈ M3×2 (R).
4 2

P ROPIEDADES 1.1
Sean A , B ∈ Mn×m (R) y α un escalar. Entonces:
t
1. A t = A .
2. (A + B )t = A t + t
B.
t t
3. (α A ) = α A .
t r
4. (A r ) = A t (r ∈ N).
P ROPIEDADES 1.2
Sean A ∈ Mm×n (K) y B ∈ Mn×p (K), entonces:
t
AB = Bt A t .
Sea A ∈ Mn se dice que:

A es simétrica si y solo si A t = A
A es antisimétrica si y solo si A t = −A

A P RACTICAR !
E JERCICIO 1.5
 
1 1 0
Sea la matriz A = 0 1 1 Calcular la matriz B tal que A + B = AA t
0 0 1

M ATRIZ ESCALONADA Y RANGO
Matriz escalonada y Rango. Operaciones

elementales de una matriz.
IL: R EDUCE UNA MATRIZ A SU FORMA ESCALONADA MEDIANTE
OPERACIONES ELEMENTALES PARA DETERMINAR SU RANGO .
UFME FAE UDP

M ATRIZ ESCALONADA Y RANGO
C ONTENIDOS
2 M ATRIZ ESCALONADA Y RANGO

Matriz Escalonada
Operaciones elementales por fila
Matriz escalonada reducida
Rango de una Matriz

M ATRIZ ESCALONADA Y RANGO M ATRIZ E SCALONADA
M ATRIZ E SCALONADA
D EFINICI ÓN 2.1

Una matriz está en forma escalonada por filas si satisface las siguientes
propiedades:
1. Cualquier fila nula (todos sus elementos son ceros) está en la parte inferior
de la matriz.
2. En cada fila no nula, el primer elemento distinto de cero (llamado pivote)
está en una columna a la izquierda de cualquier elemento pivote bajo él.
Estas propiedades garantizan que los pivotes formen un patrón en escalera. Esto
implica que en las columnas que hay pivotes, todas las entradas bajo el pivote
son cero.

E JEMPLO 2.1
¿Cuáles de las siguientes matrices están en forma escalonada?
   
1 2 0 0 1 −2 5 0 0 −7
 0 0 3 0   0 0 4 0 0 3 
A =
 0
 C = 
0 0 0   0 0 0 0 0 0 
0 0 0 0 0 0 0 0 0 1
 
  1 3 −5 4
1 0 2 0 0 −7  0 2 3 1 
D = 
B = 0 0 0 2 0 −5   0 0 3 0 
0 0 3 0 0 3 0 0 1 0

E JEMPLO 2.1
¿Cuáles de las siguientes matrices están en forma escalonada?
   
1 2 0 0 1 −2 5 0 0 −7
 0 0 3 0   0 0 4 0 0 3 
A =
 0
 C = 
0 0 0   0 0 0 0 0 0 
0 0 0 0 0 0 0 0 0 1
 
  1 3 −5 4
1 0 2 0 0 −7  0 2 3 1 
D = 
B = 0 0 0 2 0 −5   0 0 3 0 
0 0 3 0 0 3 0 0 1 0
Solo la matriz A está escalonada.
O BSERVACI ÓN 2.1

Para reducir una matriz a su forma escalonada por filas, se definen operaciones
elementales sobre las filas, que transforman la matriz en otra equivalente.

M ATRIZ ESCALONADA Y RANGO O PERACIONES ELEMENTALES POR FILA
O PERACIONES ELEMENTALES SOBRE FILAS
D EFINICI ÓN 2.2

Sean A ∈ Mn×m (K) y k ∈ K. Se definen las siguientes operaciones elementales
(OE) sobre las filas de A :
1. fi ↔ fj : intercambio o permutación de la fila fi (A ) por la fila fj (A ) de la matriz

A.
2. fi → kfi : reemplazo de la fila fi (A ) por k , 0 veces la fila fi (A ) de la matriz A .
3. fi → fi + kfj : reemplazo de la fila fi (A ) por la suma de fila fi (A ) más k veces
la fila fj (A ).

E JEMPLO 2.2
 
3 2 1 0
Determinar la forma escalonada de la matriz A = 1 2 1 1
0 −1 −1 1

E JEMPLO 2.2
 
3 2 1 0
0 −1 −1 1
Realizando sucesivas operaciones elementales filas tenemos que:
     
3 2 1 0 1 2 1 1 1 2 1 1
1 2 1 1 f1 ↔ f2 3 2 1 0 f2 → f2 − 3f1 0 −4 −2 −3
0 −1 −1 1 0 −1 −1 1 0 −1 −1 1

E JEMPLO 2.2
 
3 2 1 0
0 −1 −1 1
Realizando sucesivas operaciones elementales filas tenemos que:
     
3 2 1 0 1 2 1 1 1 2 1 1
1 2 1 1 f1 ↔ f2 3 2 1 0 f2 → f2 − 3f1 0 −4 −2 −3
0 −1 −1 1 0 −1 −1 1 0 −1 −1 1
   
1 2 1 1 1 2 1 1
f2 ↔ f3 0 −1 −1 1  f2 → −f2 0 1 1 −1
0 −4 −2 −3 0 −4 −2 −3
 
1 2 1 1
f3 → f3 + 4f2 0 1 1 −1
0 0 2 −7
M ATRICES EQUIVALENTES
D EFINICI ÓN 2.3

Diremos que las matrices A y B son equivalentes por filas si existe una sucesión
finita de OE por fila: OE1 , OE2 , . . . , OEr tales que:
OE1 OE2 OEr −1 OEr
A −→ A1 −→ · · · −→ Ar −1 −→ B .
Anotaremos la equivalencia por filas entre A y B mediante el sı́mbolo A ∼

B.
O BSERVACI ÓN 2.2

Sean A , B y C matrices en Mm×n (K). Se cumple:
A ∼ A.
Si A ∼ B, entonces B ∼ A .
Si A ∼ B y B ∼ C, entonces A ∼ C.

E JEMPLO 2.3
Considere las matrices A , B ∈ M3×4 (F ) tales que
   
1 2 1 2 −1 2 1 2
A = −3 −5 1 −1 B = 0 1 4 5
0 −1 −4 −3 0 0 0 2
Pruebe que A ∼ B

E JEMPLO 2.3
Considere las matrices A , B ∈ M3×4 (F ) tales que
   
1 2 1 2 −1 2 1 2
A = −3 −5 1 −1 B = 0 1 4 5
0 −1 −4 −3 0 0 0 2
Pruebe que A ∼ B
   
1 2 1 2 −1 2 1 2
−3 −5 1 −1 f2 → f2 + 3f1  0 1 4 5 
0 −1 −4 −3 0 −1 −4 −3
 
−1 2 1 2
f3 → f3 + f2  0 1 4 5
0 0 0 2

M ATRIZ ESCALONADA Y RANGO M ATRIZ ESCALONADA REDUCIDA
M ATRIZ E SCALONADA R EDUCIDA
D EFINICI ÓN 2.4

Sea A ∈ Mn×m (R). Decimos que A se encuentra en forma escalonada reducida
por filas si cumple las siguientes propiedades:
A está en forma escalonada.
Cada pivote es igual a 1 y es el único elemento no nulo de su columna.
T EOREMA 2.1
sea A ∈ Mn×n (R), entonces
La matriz Escalonada Reducida (E.R.) es única.
A ∼ EA , donde EA es la matriz E.R.

E JEMPLO 2.4
¿Cuáles de las siguientes matrices no están en forma escalonada reducida?
   
1 2 0 0 1 −2 5 0 0 −7
 0 0 3 0   0 0 1 0 0 3 
A =  C = 
 0 0 0 0   0 0 0 1 0 −5 
0 0 0 0 0 0 0 0 1 1
 
  1 0 0 4 3 0
1 0 0 0 0 −7  0 1 0 5 −4 0 
D = 
B = 0 0 1 0 0 3   0 0 1 −2 5 0 
0 0 0 1 0 −5 0 0 0 0 0 1

E JEMPLO 2.4
¿Cuáles de las siguientes matrices no están en forma escalonada reducida?
   
1 2 0 0 1 −2 5 0 0 −7
 0 0 3 0   0 0 1 0 0 3 
A =  C = 
 0 0 0 0   0 0 0 1 0 −5 
0 0 0 0 0 0 0 0 1 1
 
  1 0 0 4 3 0
1 0 0 0 0 −7  0 1 0 5 −4 0 
D = 
B = 0 0 1 0 0 3   0 0 1 −2 5 0 
0 0 0 1 0 −5 0 0 0 0 0 1
La matrices A y C están escalonadas pero no reducidas, pues en la matriz A, el

segundo pivote es distinto de 1 y en la matriz C, la columna del segundo pivote,
tiene elementos no nulos.

E JEMPLO 2.5
 
1 2 1 1
Determinar la forma escalonada reducida de la matriz B = 0 1 1 −1
0 0 2 −7

E JEMPLO 2.5
 
1 2 1 1
Determinar la forma escalonada reducida de la matriz B = 0 1 1 −1
0 0 2 −7
Realizando operaciones elementales por fila, tenemos que:
1 2 1 1
   

1 2 1 1
 1 2 1 1
1 0 5 
0 1 1 −1 f3 → f3  1 1 −1  f → f − f 0

1 0
  2 2 3 2 

2 7 7
0 0 2 −7 0 0 1 − 0 0 1 −
2 2
9 1
   
1 2 0
1 0 0 − 
2  2
 5   5 
f1 → f1 − f3 
0 1 0  f1 → f1 − 2f2 0 1 0 
2   2 
 7  7
0 0 1 − 0 0 1 −
2 2
A PRACTICAR !
E JERCICIO 2.1
Determina la forma escalonada reducida de las siguientes matrices mediante
operaciones elementales.  
    6 0 2
2 −3 0 1 4 −3 2  −2 4 0 
A =  6 −3 7 −2  B =  0 5 3  C =  2

7 1 
4 0 7 −3 −7 6 9
4 −2 5

M ATRIZ ESCALONADA Y RANGO R ANGO DE UNA M ATRIZ
R ANGO DE UNA M ATRIZ
D EFINICI ÓN 2.5

Sea A una matriz. Se denomina rango de la matriz A al número de filas no nulas
de la matriz escalonada, equivalente por filas, con dicha matriz. Se denota el
rango de la matriz A como ρ(A ), o bien Rg(A ).
Si A ∈ Mn×m (R). Notemos que ρ(A ) ≤ n.
E JEMPLO 2.6
¿Cuál es el rango de I3 ? ¿y de In ?

M ATRIZ ESCALONADA Y RANGO R ANGO DE UNA M ATRIZ
¡A PRACTICAR !
E JERCICIO 2.2
Calcule el rango de cada una de las siguientes matrices
 
2 1 −2
1. A =  1 −2 1 
5 −5 1
 
−1 2 3 2
2. B =  −3 6 10 8 
−2 4 7 6

D ETERMINANTE Y M ATRIZ I NVERSA
Determinante y Matriz inversa

IL: D EFINE LA INVERTIBILIDAD DE UNA MATRIZ MEDIANTE
PROPIEDADES DEL DETERMINANTE .
UFME FAE UDP

C ONTENIDOS
3 D ETERMINANTE Y M ATRIZ I NVERSA

Propiedades
Matriz Inversa
Método de Gauss - Jordan

D ETERMINANTE DE UNA MATRIZ DE ORDEN 1 × 1, 2 × 2

A cada matriz cuadrada se le puede asociar un número real denominado su
determinante. Denotaremos al determinante de una matriz como |A | o det (A ).

D ETERMINANTE DE UNA MATRIZ DE ORDEN 1 × 1, 2 × 2

A cada matriz cuadrada se le puede asociar un número real denominado su
determinante. Denotaremos al determinante de una matriz como |A | o det (A ).
D EFINICI ÓN 3.1

Si A = (a11 ) es una matriz cuadrada de orden 1, entonces
det (A ) = a11
D EFINICI ÓN 3.2

a11 a12
Si A = es una matriz cuadrada de orden 2, entonces
a21 a22
det (A ) = a11 a22 − a12 a21
Es decir, el determinante se obtiene tomando el producto de la diagonal principal

y restándole el producto de la diagonal secundaria.

E JEMPLO 3.1
Considere las matrices A y B definidas por

−2 1 6 −3
A= B=
3 5 4 1
Demostrar que |A | + |B | , |A + B |

E JEMPLO 3.1
Considere las matrices A y B definidas por

−2 1 6 −3
A= B=
3 5 4 1
Demostrar que |A | + |B | , |A + B |
|A | = −2 · 5 − 3 · 1 = −10 − 3 = −13
|B | = 6 · 1 − 4 · −3 = 6 + 12 = 18
4 −2
|A + B | = = 4 · 6 − 7 · −2 = 24 + 14 = 38
7 6
Luego, |A | + |B | = −13 + 18 = 5 y |A + B | = 38, entonces |A | + |B | , |A + B |

D ETERMINANTE DE UNA MATRIZ DE ORDEN 3 × 3
D EFINICI ÓN 3.3

 
a11 a12 a13
Si A = a21 a22 a23  es una matriz cuadrada de orden 3, entonces
a31 a32 a33
det (A ) = a11 a22 a33 + a21 a32 a13 + a12 a23 a31 − a13 a22 a31 − a23 a32 a11 − a12 a21 a33
Una forma sencilla de calcular este determinante es mediante la Regla de

Sarrus, que consta de trasladar las dos primeras columnas al final de la matriz y
resolver multiplicaciones en dirección de las diagonales principales y secundarias
como se muestra en estos ejercicios resueltos animados

A P RACTICAR !
E JERCICIO 3.1
Determine los valores de x para los cuales se cumplen las siguientes igualdades:
x −3
a. =0
4 1−x
x −1 0 1
b. −2 x +2 −1 =0
0 0 x +1

D ETERMINANTE Y M ATRIZ I NVERSA P ROPIEDADES
P ROPIEDADES DEL DETERMINANTE
T EOREMA 3.1
Sean A y B dos matrices cuadradas de orden n, k un escalar y r un entero
positivo. Entonces
1. det(In ) = 1
2. det A T = det A
3. det(kA ) = k n det A
4. det(A r ) = (det(A ))r
5. det(A · B ) = det A · det B
Es importante destacar que el determinante de la suma no siempre es igual a la

suma de los determinantes. Es decir, para la mayorı́a de los pares de matrices, A
y B, se tiene
det(A + B ) , det A + det B

D ETERMINANTE Y M ATRIZ I NVERSA P ROPIEDADES
A P RACTICAR !
E JERCICIO 3.2
 
0 0 3
Si A t B t = I y A = 0 2 −1 calcular |B |
1 −1 4

D ETERMINANTE Y M ATRIZ I NVERSA M ATRIZ I NVERSA
M ATRIZ I NVERSA
D EFINICI ÓN 3.4

Sea A ∈ Mn×n (R). Diremos que A es una matriz invertible si existe una matriz
B ∈ Mn×n (R) tal que:
AB = BA = In
La matriz B se conoce como la matriz inversa de A . En sı́mbolos, anota-

mos B = A −1 .

E JEMPLO 3.2

2 −1 3 1
Verifique que la matriz A = es la inversa de B = .
−5 3 5 2

E JEMPLO 3.2

2 −1 3 1
−5 3 5 2
Si A es la matriz inversa de B, entonces debemos verificar que AB = BA = I

3 1 2 −1 1 0
AB = =
5 2 −5 3 0 1

2 −1 3 1 1 0
BA = =
−5 3 5 2 0 1
Por lo tanto, A = B −1 o bien B = A −1

E JEMPLO 3.2

2 −1 3 1
−5 3 5 2
Si A es la matriz inversa de B, entonces debemos verificar que AB = BA = I

3 1 2 −1 1 0
AB = =
5 2 −5 3 0 1

2 −1 3 1 1 0
BA = =
−5 3 5 2 0 1
Por lo tanto, A = B −1 o bien B = A −1
O BSERVACI ÓN 3.1

La matriz inversa de una matriz invertible es única.

T EOREMA 3.2
Sea A ∈ Mn×n (R). Entonces A es invertible (A −1 existe) si y sólo si det (A ) , 0.
E JEMPLO 3.3

2 −1
La matriz A= es invertible pues,
−5 3
|A | = 2 · 3 − (−5) · (−1) = 6 − 5 = 1 , 0

A P RACTICAR !
E JERCICIO 3.3
Determinar los valores del número real x para que las siguientes matrices sean
invertibles:
√
   
x 1 −1 x −1 1+x 1
x +3 √1
A = 1 1 1  B= C = 1 x 1
3 x −5
−1 x 1 x +2 x 2

Matriz inversa y Propiedades

IL: C ALCULA LA INVERSA DE UNA MATRIZ MEDIANTE
OPERACIONES ELEMENTALES .
UFME FAE UDP

D ETERMINANTE Y M ATRIZ I NVERSA M ÉTODO DE G AUSS - J ORDAN
M ÉTODO DE G AUSS - J ORDAN
T EOREMA 3.3
Sea A ∈ Mn×n (R) invertible, entonces:
E OE OE
1
(A |In ) −→ (A1 |OE1 ) −→2 · · · −→r (In |A −1 ),
donde OEi , con i = 1, 2, . . . , r, son las OE que transforman A en su escalonada

reducida por filas.

M ÉTODO DE G AUSS -J ORDAN
E JEMPLO 3.4
Calcule la inversa de la matriz dada (si existe) utilizando reducción gaussiana
(operaciones elementales por fila) a la matriz extendida
 
1 1 2
 2 3 6 
1 2 5

M ÉTODO DE G AUSS -J ORDAN
E JEMPLO 3.4
Calcule la inversa de la matriz dada (si existe) utilizando reducción gaussiana
(operaciones elementales por fila) a la matriz extendida
 
1 1 2
 2 3 6 
1 2 5
Solución
Primero calculamos el determinante
 
1 1 2 1 1
2 3 6 2 3 = 15 + 6 + 8 − (6 + 12 + 10) = 29 − 28 = 1 , 0
1 2 5 1 2
Por lo tanto, la matriz tiene inversa.

M ÉTODO G AUSS -J ORDAN

Luego calculamos la matriz inversa
   
1 1 2 1 0 0 1 1 2 1 0 0
 2 3 6 0 1 0  ∼  0 1 2 −2 1 0 
1 2 5 0 0 1 f2 → f2 − 2f1 0 1 3 −1 0 1
f3 → f3 − f1
   
1 1 2 1 0 0 1 0 0 3 −1 0
∼  0 1 2 −2 1 0  ∼  0 1 2 −2 1 0 
f3 →f3 −f2 f1 →f1 −f2
0 0 1 1 −1 1 0 0 1 1 −1 1
 
1 0 0 3 −1 0
∼  0 1 0 −4 3 −2 
f2 →f2 −3f3
0 0 1 1 −1 1
 
3 −1 0
Por lo tanto, la matriz inversa es −4 3 −2
1 −1 1
A P RACTICAR !
E JERCICIO 3.4
1. Hallar la inversa , si es posible, de las siguientes matrices mediante el
Método de Gauss - Jordan
   
7 3 1 0 3 3 −4 5
A= ,
4 2 B = 0 1 −2, C = 4 −3 6 
1 1 2 6 −8 10

P ROPIEDADES DE MATRICES INVERTIBLES

T EOREMA 3.4
Sean A , B matrices invertibles de orden n, k un escalar y r un entero positivo.
Entonces
1. (A −1 )−1 = A
1
2. (kA )−1 = A −1
k
3. (AB )−1 = B −1 A −1
4. (A T )−1 = (A −1 )T
5. (A r )−1 = (A −1 )r
1
6. det(A −1 ) =
det(A )
E JERCICIO 3.5
 
1 0 1 h 2017 i
Dada la matriz A = 2 1 0 Calcule det 2 · A T · A −1
0 2 2

E CUACI ÓN MATRICIAL
Ecuación matricial
IL: R ESUELVE ECUACIONES MATRICIALES MEDIANTE
PROPIEDADES .
UFME FAE UDP

C ONTENIDOS
4 E CUACI ÓN MATRICIAL

E CUACI ÓN M ATRICIAL
D EFINICI ÓN 4.1

Una ecuación matricial es una ecuación donde la incógnita es una matriz.
O BSERVACI ÓN 4.1

Para resolver una ecuación matricial se transforma la ecuación inicial en otra
equivalente usando las propiedades de las matrices.
Es muy importante tener en cuenta que las matrices no son conmutativas,

por ello, si se quiere multiplicar una ecuación por determinada matriz hay
que hacerlo en ambos miembros de la igualdad por el mismo lado (ambos
por la izquierda o ambos por la derecha).

E JEMPLO 4.1
Resuelva la ecuación AX − 2A T = −2A con X ∈ M2 (R), usando propiedades de

3 2
matriz inversa, si A = .
5 4

E JEMPLO 4.1
Resuelva la ecuación AX − 2A T = −2A con X ∈ M2 (R), usando propiedades de

3 2
matriz inversa, si A = .
5 4
Notemos que |A | = 2 , luego es invertible. Calculamos A −1 por el método de

Gauss-Jordan.
 2 1
  2 1 
1 0 1 0
3 3

3 2 1 0 3 3  
∼  ∼
   
5 4 0 1

1
f1 → 3 f1 f2 →f2 −5f1  2 5

5 4 0 1 0 − 1
3 3
−1 −1
   
1 0 2 1 0 2
∼  ∼3 
   
2 5 5 3
 
f1 →f1 −f2 f2 → 2 f2
0 − 1 0 1 −
3 3 2 2
−1
!
2
−1
Luego, A = 5 3
−
2 2
E JEMPLO
Solución
Ahora, resolvemos la ecuación matricial
AX − 2A T = −2A
AX = 2(A T − A ) /A −1 ·
X = 2A −1 (A T − A )
−1
!
2 3 5

3 2

X = 2· 5
3 −
− 2 4 5 4
2
2

4 −2 0 3
X =
−5 3 −3 0

6 12
X =
−9 −15

E JEMPLO
E JEMPLO 4.2
Sean A y X matrices simétricas, es decir, A = A t y X = X t . Sean

−1 2 2 −1
(B + D t )−1 = , C −1 A =
3 3 1 2
1. Justifique (C −1 A ) es invertible y calcule su inversa.

t
2. Determine la matriz X ∈ M2×2 (R) tal que (AXB )t + DXA

=C

E JEMPLO
SOLUCI ÓN
1. Dado que det(C −1 A ) = 5 , 0,entonces, (C −1 A ) es invertible. Su inversa es

−1 −1 2/5 1/5
(C A) =
−1/5 2/5
2.
t
(AXB )t + DXA

= C
t
(AXB )t + [DXA ]t

= C
t
AXB + AXD = C
t
AX (B + D ) = C
AX = C (B + D t )−1
(C −1 A )X = (B + D t )−1
X = (C −1 A )−1 (B + D t )−1

2/5 1/5 −1 2 1/5 7/5
X = =
−1/5 2/5 3 3 7/5 4/5
E JEMPLO
S OLUCI ÓN
E JEMPLO 4.3
Sean A y B matrices de orden n, invertibles. Determine la matriz X de orden n tal
que
B t X t A t = In

E JEMPLO
S OLUCI ÓN
E JEMPLO 4.3
Sean A y B matrices de orden n, invertibles. Determine la matriz X de orden n tal
que
B t X t A t = In
Bt Xt A t = In /()t
(B t X t A t )t = Int
(A t )t (B t X t )t = In
AXB = In /A −1 ·
A −1 AXB = A −1
XB = A −1 / · B −1
X = A −1 B −1

A P RACTICAR !
E JERCICIO 4.1

1 1
1. Sean las matrices A = y B que satisfacen las ecuaciones AX = A t y
2 3
B t = X t + A , respectivamente.
 Calcular
 B    
1 2 0 1 0 1 0
2. Considere las matrices A = 1 0 , B = 1 1 , C = 1 0 1.
1 1 3 0 0 1 0
Determine la matriz X que satisface la ecuación matricial
XAB t = (BA t )t + XC  
0 k
1 k 2
3. Considere las matrices A = , B = 1 1 . Para k = 0,
0 −1 1
3 2
calcule la matriz X que verifica
(AB )X = 3I
donde I es la matriz identidad de orden 2

S ISTEMAS DE ECUACIONES LINEALES
Sistemas de ecuaciones lineales. Teorema del

Rango.
IL: R ESUELVE SISTEMAS DE ECUACIONES LINEALES MEDIANTE
G AUSS J ORDAN .
UFME FAE UDP

C ONTENIDOS
5 S ISTEMAS DE ECUACIONES LINEALES

Solución de un sistema
Sistemas compatibles e incompatibles
Sistemas homogéneos
Método de Gauss Jordan
S ISTEMAS DE ECUACIONES LINEALES (UFME) FAE UDP 67 / 116

F ORMA MATRICIAL
Consideremos el sistema de n ecuaciones lineales con m incógnitas:


 a11 x1 + a12 x2 + . . . + a1m xm = b1
 a21 x1 + a22 x2 + . . . + a2m xm

= b2
σ: .. ..


 . .
an1 x1 + an2 x2 + . . . + anm xm = bn

Usando matrices, el sistema σ se puede escribir como AX = B, en donde:
     
a11 a12 ··· a1m x1 b1
a21 a22 ··· a2m   x2  b2 
A = . ..  , X = .  y B =  . .
     
. .. .. .
 . . . .   .   .. 
an1 an2 ··· anm xm bn
La matriz A se llama matriz de coeficientes, la matriz X se llama matriz incógnita

y la matriz B se llama matriz de términos constantes.
E JEMPLO 5.1
Escriba los siguientes sistemas de ecuaciones en su forma matricial:

 2x1 + 3x2 − x3 + x4 = 0
 3x + y + 2z = 2


x1 − x2 + 3x3 − 4x4 = 1

σ1 : x +y +z = 1 ; σ2 :
3x 1 − 2x2 + x3 + 3x4 = 2
3x −2y + z = 4
 

2x1 + x2 + 2x3 + x4 = 0


E JEMPLO 5.1
Escriba los siguientes sistemas de ecuaciones en su forma matricial:

 2x1 + 3x2 − x3 + x4 = 0
 3x + y + 2z = 2


x1 − x2 + 3x3 − 4x4 = 1

σ1 : x +y +z = 1 ; σ2 :
3x 1 − 2x2 + x3 + 3x4 = 2
3x −2y + z = 4
 

2x1 + x2 + 2x3 + x4 = 0

Solución     
3 1 2 x 2
σ1 : 1 1 1y  = 1
3 −2 1 z 4
    
2 3 −1 1 x1 0
1 −1 3 −4 x2  1
σ2 :    =  
3 −2 1 3 x3  2
2 1 2 1 x4 0

S ISTEMAS DE ECUACIONES LINEALES S OLUCI ÓN DE UN SISTEMA
D EFINICI ÓN 5.1

Considere un sistema σ : AX = B, con A ∈ Mn×m (R) y B ∈ Mn×1 (R). Una matriz
X0 ∈ Mm×1 (R) se dice solución del sistema σ si:
AX0 = B

D EFINICI ÓN 5.1

Considere un sistema σ : AX = B, con A ∈ Mn×m (R) y B ∈ Mn×1 (R). Una matriz
X0 ∈ Mm×1 (R) se dice solución del sistema σ si:
AX0 = B
E JEMPLO 5.2
7
 
−
 3
 1
 
Verifiquemos, matricialmente, que X0 = −  es solución del sistema
 3
 2
−
3

 −x1 + 2x3 = 1
x1 − x2 = −2
x2 + x3 = −1


S OLUCI ÓN
    
−1 0 2 x1 1
Escribimos en forma matricial el sistema  1 −1 0 x2  = −2
0 1 1 x3 −1
7
 
−
 3  
x1
 1
 
La matriz X0 = −  debe ser igual a la matriz de incógnitas x2 , entonces,
 3
 2 x3
−
3
reemplazando y resolviendo el producto matricial, tenemos que:
7 7 4
 
 
− −
0 2  3  3 3 
    
−1 1
 
1 7 1
1 −1 0 −  = − +  = −2
   
0 1 1  3  3 3 −1
   
2 1 2
− − −
3 3 3

S ISTEMAS DE ECUACIONES LINEALES S ISTEMAS COMPATIBLES E INCOMPATIBLES
D EFINICI ÓN 5.2

Un sistema se llama compatible si tiene al menos una solución (podrı́a ser una
única solución o infinitas soluciones). Si el sistema no tiene solución, diremos que
es incompatible.
E JEMPLO 5.3
El sistema de ecuaciones

 −x1 + 2x3 = 1
x1 − x2 = −2
x2 + x3 = −1

Es compatible, pues hemos verificado que tiene al menos una solución
7
 
−
 3
 1
 
X0 = − 
 3
 2
−
3

S ISTEMAS DE ECUACIONES LINEALES S ISTEMAS HOMOG ÉNEOS
D EFINICI ÓN 5.3

Sea A ∈ Mn×m (R). El sistema σ : AX = (0) se llama homogéneo, donde (0)
representa a la matriz nula de orden n × 1.
T EOREMA 5.1
1. Todo sistema homogéneo es compatible.
2. Si A y B son matrices equivalentes por fila (A ∼ B ), entonces AX = (0) y
BX = (0) tienen las mismas soluciones.
O BSERVACI ÓN 5.1

De acuerdo al teorema anterior, al aplicar OE por filas a la matriz de coeficientes
en un sistema homogéneo se obtiene un sistema homogéneo equivalente al
original.

S ISTEMAS DE ECUACIONES LINEALES M ÉTODO DE G AUSS J ORDAN
M ATRIZ AMPLIADA
D EFINICI ÓN 5.4

Sea A ∈ Mn×m (R) y B ∈ Mn×1 (R) . Consideremos el sistema σ : AX = B con
B , 0. Se define la matriz ampliada asociada al sistema como la matriz (A |B )
de orden n × (m + 1) obtenida al agregar la columna B como última columna de
la matriz A , es decir,
 
a11 a12 . . . a1m b1
 a21 a22 . . . a2m b2 
(A |B ) = 
 
.. .. .. .. .. 
 . . . . . 
an1 an2 . . . anm bn

M ÉTODO DE G AUSS J ORDAN
T EOREMA 5.2 (G AUSS – J ORDAN )

Sea σ1 : AX = B un sistema de ecuaciones lineales de n × m con coeficientes en
K, entonces:
σ1 ⇐⇒ σ2
↓ ↑
AX = B EA · X = B ∗
↓ ↑
(A |B ) ∼ (EA |B ∗ )
∗
en donde B es la matriz equivalente por filas con B obtenida al aplicarle las
mismas OE que transforman A en EA .
Notemos que en el diagrama anterior, los sistemas σ1 y σ2 son equivalen-

tes.

E JEMPLO 5.4
Determine la solución del siguiente sistema, si ésta existe, utilizando el método
de Gauss Jordan
3p − 2q + 5r = 56
−5p + q − 10r = −98
3p − 4q + 2r = 41
−10q + 5r = 65

S OLUCI ÓN
Escribimos la matriz ampliada del sistema y la reducimos con OE por fila.
   
3 −2 5 56 3 −2 5 56
 −5 1 −10 −98   −2 −1 −5 −42 
  ∼  
 3 −4 2 41  f2 → f2 + f1
 0 −2 −3 −15 
0 −10 5 65 f3 → f3 − f1 0 2 −1 −13
f4 → −(1/5)f4
   
1 −3 0 14 1 −3 0 14
 −2 −1 −5 −42   0 −7 −5 −14 
∼   ∼  
f1 →f1 +f2  0 −2 −3 −15  f → f + 2f  0 0 −4 −28 
2 2 1
0 2 −1 −13 f3 → f3 + f4 0 2 −1 −13
   
1 −3 0 14 1 −3 0 14
 0 −1 −8 −53   0 1 8 53 
∼ 
 0
 ∼  
f2 → f2 + 3f4 0 1 7  f2 →−f2  0 0 1 7 
f3 → −(1/4)f3 0 2 −1 −13 0 2 −1 −13
S OLUCI ÓN
   
1 −3 0 14 1 0 24 173
 0 1 8 53   0 1 8 53 

 0
 ∼  
0 1 7  f → f − 2f  0 0 1 7 
4 4 2
0 2 −1 −13 f1 → f1 + 3f2 0 0 −17 −119
   
1 0 24 173 1 0 0 5
 0 1 8 53   0 1 0 −3 
∼   ∼  
f4 →−(1/17)f4  0 0 1 7  f → f − 3f  0 0 1 7 
4 4 3
0 0 1 7 f1 → f1 − 24f3 0 0 0 0
f2 → f2 − 8f3
Por lo tanto, la solución es p = 5, q = −3 y r = 7

T EOREMA 5.3 (D EL R ANGO )

Sea A ∈ Mn×m (R) y B ∈ Mn×1 (R):
1. El sistema AX = B es compatible si y solo si ρ(A ) = ρ(A |B ).
2. Sea AX = B un sistema compatible.
(i) Si ρ(A ) = ρ(A |B ) = m (cantidad de incógnitas), entonces el sistema
tiene solución única.
(ii) Si ρ(A ) = ρ(A |B ) < m, entonces el sistema tiene infinitas soluciones.

E JEMPLO 5.5
Al resolver el sistema de ecuaciones del Ejemplo 5.4 por medio de Gauss Jordan,
obtuvimos la siguiente matriz ampliada equivalente
   
3 −2 5 56 1 0 0 5
 −5 1 −10 −98   0 1 0 −3 
 ∼  
 3 −4 2 41   0 0 1 7 
0 −10 5 65 0 0 0 0
| {z } | {z }
matriz ampliada del sistema matriz ampliada equivalente del sistema
Calculamos los rangos, en la matriz ampliada equivalente, de la matriz de

coeficientes y la matriz ampliada
ρ(A ) = ρ(A |B ) = 3
Por lo tanto, como los rangos son iguales a 3 y el número de incógnitas también
es 3, el sistema tiene solución única.

E JEMPLO 5.6
Determine la solución del siguiente sistema, en caso de existir, utilizando el
método de Gauss Jordan
u − v + 2w = 5
4u + v + 3w = 15
5u − 2v + 7w = 31

S OLUCI ÓN
   
1 −1 2 5 1 −1 2 5
 4 1 3 15  ∼  0 5 −5 −5 
5 −2 7 31 f2 → f2 − 4f1 0 3 −3 −6
f3 → f3 − 5f1
   
1 −1 2 5 1 0 1 4
∼  0 1 −1 −1  ∼  0 1 −1 −1 
f2 → −(1/5)f2 0 1 −1 −2 f3 → f3 − f2 0 0 0 −1
f3 → (1/3)f3 f1 → f1 + f2
Si calculamos los rangos de la matriz ampliada equivalente, tenemos que:
∴ ρ(A ) = 2 , ρ(A |B ) = 3
El rango de la matriz de coeficientes es distinto al de la matriz ampliada, por lo

tanto, el sistema es incompatible, no tiene solución.
E JEMPLO 5.7
Determine la solución del siguiente sistema, si éstas existen, utilizando el método
de Gauss Jordan
p + 2q − r + 2s = 6
−2p + q + 2r + 3s = 6
3p + 5q − 3r + s = 0
p + 2q − r + s = 2

S OLUCI ÓN
   
1 2 −1 2 6 1 2 −1 2 6
 −2 1 2 3 6   0 5 0 7 18 
  ∼  
 3 5 −3 1 0  f → f + 2f  0 −1 0 −5 −18 
2 2 1
1 2 −1 1 2 f3 → f3 − 3f1 0 0 0 −1 −4
f4 → f4 − f1
   
1 2 −1 2 6 1 2 −1 2 6
 0 5 0 7 18   0 1 0 5 18 
∼ 
 0
 ∼  
f3 → −f3 1 0 5 18  f2 ↔f3  0 5 0 7 18 
f4 → −f4 0 0 0 1 4 0 0 0 1 4
   
1 0 −1 −8 −30 1 0 −1 −8 −30
 0 1 0 5 18   0 1 0 5 18 
∼   ∼  
f1 → f1 − 2f2
 0 0 0 −18 −72  f3 →f3 +18f4  0 0 0 0 0 
f3 → f3 − 5f2 0 0 0 1 4 0 0 0 1 4
S OLUCI ÓN
   
1 0 −1 −8 −30 1 0 −1 −8 −30
 0 1 0 5 18   0 1 0 5 18 
  ∼  
 0 0 0 0 0  f3 ↔f4  0 0 0 1 4 
0 0 0 1 4 0 0 0 0 0
 
1 0 −1 0 2
 0 1 0 0 −2 
∼ 
 0

f2 → f2 − 5f3 0 0 1 4 
f1 → f1 + 8f3 0 0 0 0 0
Si calculamos los rangos de la matriz ampliada equivalente, tenemos que:
∴ ρ(A ) = ρ(A |B ) = 3 < 4
Por lo tanto, como los rangos son iguales a 3 y el número de incógnitas es 4, el

sistema tiene infinitas soluciones.
S OLUCI ÓN
Para calcular las infinitas soluciones, escribimos el sistema resultante de la matriz
ampliada equivalente.
 
1 0 −1 0 2 → p −r =2
 0
 1 0 0 −2 
→ q = −2
 0 0 0 1 4 → s =4
0 0 0 0 0
Despejamos p en términos de r y renombramos c a esta variable, con c un
número real cualquiera. Luego, las infinitas soluciones tienen la forma:
p= 2+c
q= −2
r= c
s= 4

S OLUCI ÓN
Finalmente, podemos representar la solución general como sigue
        
 p
 2+c 2 1 

q   −2  −2 0 
S= 
  =  c  =  0  + c 1
       ; c∈R
 r
 

s 4 4 0
 

A P RACTICAR !
E JERCICIO 5.1
Clasifique los siguientes sistemas de ecuaciones lineales con los criterios de
rango y resuélvalos en caso de ser compatibles.
  
 x + 2y + z =3  2x + y − 3z =5 2x − y + 3z = 0
−3y + 5z = 10 3x − 2y + 2z = 5 3x + 2y + z = 0
2x + 7y − 3z = 1 5x − 3y + z = 16 x − 4y + 5z = 0
  

S ISTEMAS DE ECUACIONES LINEALES CON PAR ÁMETROS
Sistemas de ecuaciones lineales. Teorema del

Rango.
IL: A PLICA G AUSS J ORDAN Y TEOREMA DEL RANGO EN EL
AN ÁLISIS DE PAR ÁMETROS EN SISTEMAS DE ECUACIONES
LINEALES .
UFME FAE UDP

C ONTENIDOS
6 S ISTEMAS DE ECUACIONES LINEALES CON PAR ÁMETROS

T EOREMA DEL R ANGO
Para analizar sistemas de ecuaciones con parámetros, es necesario aplicar el

Teorema del rango a la forma escalonada de la matriz ampliada. Para ello se
calcula rang (A ) y rang (A |B ) y se sigue el siguiente esquema, donde n es el
número de incógnitas:
 
  Determinado: rango(A )=rango (A |B ) = n

 
 Compatible

Heterogéneo Indeterminado: rango(A )=rango (A |B ) < n


 AX = B
 


Incompatible: rango(A ) <rango (A |B )






 Homogéneo Determinado: rango(A )=n

 Compatible
AX = (0) Indeterminado: rango(A ) < n
O BSERVACI ÓN 6.1

Si un sistema es determinado, significa que tiene solución única, mientras que
indeterminado corresponde a infintas soluciones.

E JEMPLO
E JEMPLO 6.1
Considere el sistema
x −y −z = 2
3x + 5y + 3z = 2b
2x + 3y + bz = 1
Determine el o los valores de b para que

1. el sistema tenga solución única
2. el sistema tenga infinitas soluciones.
3. el sistema no tenga solución

E JEMPLO
S OLUCI ÓN
Primero, determinamos la matriz ampliada escalonada asociada al sistema.

   
1 −1 −1 2 1 −1 −1 2
 3 5 3 2b  ∼  0 8 6 2b − 6 
f2 −3f1
2 3 b 1 2 3 b 1
   
1 −1 −1 2 1 1 − 1 − 1 2
f3 −2f1 8 f2
∼  0 8 6 2b − 6  ∼  0 1 3/4 (b − 3)/4 
0 5 b +2 −3 0 5 b +2 −3
 
1 −1 −1 2
f3 −5f2
∼  0 1 3 /4 (b − 3)/4 
0 0 (4b − 7)/4 (−5b + 3)/4

E JEMPLO
S OLUCI ÓN
Luego, para que el sistema tenga solución única ρ(A ) = ρ(A |B ) = 3 esto implica
que
4b − 7 7
, 0 ⇐⇒ b ,
4 4
Mientras que para que tenga infinitas soluciones ρ(A ) = ρ(A |B ) < 3 , es decir,
necesitamos que
4b − 7 −5b + 3 7 3
=0 ∧ =0 ⇐⇒ b = ∧ b=
4 4 4 5
Esto último no es posible, por lo tanto, no existe b tal que el sistema tenga
infinitas soluciones.
Por último, para que el sistema no tenga solución ρ(A ) < ρ(A |B ), entonces
4b − 7 −5b + 3 7 3
=0 ∧ ,0 ⇐⇒ b = ∧ b,
4 4 4 5

A P RACTICAR !
E JERCICIO 6.1
Determine el valor de a y b de los siguientes sistemas de ecuaciones lineales,
para que estos sean: i. Compatibles determinados ii. Compatibles indeterminados
iii. Incompatibles
  
 2x − 3y + 5z = b x + y + z = 3 ax + 2y − 2z = 3
−x + 7y − z = 0 x −y +z = 1 2x + ay + 2z = 4
4x − 11y − az = 0 2x + az = b 2x + 2y + az = 1
  

A PRACTICAR !
E JERCICIO 6.2
Sean a , b ∈ R. Considere el sistema de ecuaciones lineales de 4 × 4 siguiente:


 x1 + 2x2 + x3 + 3x4 = 1


 x1 + 3x2 + x3 + (3 − a )x4

= a


 x1 + x3 + (a + 5)x4 = b


x1 + 3x2 + 2x3 + 3x4 = 2a + 4

Entonces, calcular los valores de a y b tales que:

(a) El sistema no tenga solución.
(b) El sistema tenga infinitas soluciones. Calcule, además, el conjunto solución.
(c) El sistema tenga solución única. Determine dicha solución para el caso
a = b = 1.

C ÁLCULO DE VALORES PROPIOS
Cálculo de valores propios

IL: C ALCULA VALORES PROPIOS DE UNA MATRIZ .
UFME FAE UDP

C ÁLCULO DE VALORES PROPIOS
C ONTENIDOS
7 C ÁLCULO DE VALORES PROPIOS

Valores propios de una matriz cuadrada
¿Cómo calculamos valores propios?
Polinomio caracterı́stico
Valores propios de una matriz diagonal

C ÁLCULO DE VALORES PROPIOS VALORES PROPIOS DE UNA MATRIZ CUADRADA
VALORES PROPIOS DE UNA MATRIZ CUADRADA
D EFINICI ÓN 7.1

Sea A una matriz de orden n × n con coeficientes reales. Un escalar λ se llama
valor propio de A si existe un vector v de orden n × 1 tal que
Av = λv
Tal vector v se llama vector propio.

E JEMPLO
E JEMPLO 7.1

1 3 1
Verifiquemos que v = es un vector propio de A = . ¿Cuál es el valor
1 1 3
propio asociado?

E JEMPLO
E JEMPLO 7.1

1 3 1
1 1 3
propio asociado?
Primero calculemos el producto

3 1 1 4 1
Av = = =4 = 4v
1 3 1 4 1

E JEMPLO
E JEMPLO 7.1

1 3 1
1 1 3
propio asociado?
Primero calculemos el producto

3 1 1 4 1
Av = = =4 = 4v
1 3 1 4 1
Por lo tanto, el valor propio asociado es λ = 4.

C ÁLCULO DE VALORES PROPIOS ¿C ÓMO CALCULAMOS VALORES PROPIOS ?
¿C ÓMO CALCULAMOS VALORES PROPIOS ?
De la definición tenemos
A v = λ v ⇐⇒ A v − λ v = 0 ⇐⇒ [A − λ In ]v = 0
Como v , 0, el sistema homogéneo tendrá solución no nula solo si
det (A − λ In ) = 0

C ÁLCULO DE VALORES PROPIOS ¿C ÓMO CALCULAMOS VALORES PROPIOS ?
¿C ÓMO CALCULAMOS VALORES PROPIOS ?
De la definición tenemos
A v = λ v ⇐⇒ A v − λ v = 0 ⇐⇒ [A − λ In ]v = 0
Como v , 0, el sistema homogéneo tendrá solución no nula solo si
det (A − λ In ) = 0
O BSERVACI ÓN 7.1

En caso contrario, es decir, si det (A − λ In ) , 0, el sistema homogéneo cuadrado
tendrı́a como única solución la trivial, v = 0 (contradicción).

C ÁLCULO DE VALORES PROPIOS P OLINOMIO CARACTER ÍSTICO
P OLINOMIO CARACTER ÍSTICO
T EOREMA 7.1
Sea A una matriz de orden n × n. Entonces λ es un valor propio de A si y solo si
p (λ ) = det (A − λ In ) = 0

P OLINOMIO CARACTER ÍSTICO
T EOREMA 7.1
Sea A una matriz de orden n × n. Entonces λ es un valor propio de A si y solo si
p (λ ) = det (A − λ In ) = 0
O BSERVACI ÓN 7.2

La ecuación anterior se llama ecuación caracterı́stica de A ; mientras que p (λ )
se denomina polinomio caracterı́stico de A .

E JEMPLO
E JEMPLO 7.2

4 2
Sea A = . Deteminemos los valores propios de A .
3 3

E JEMPLO
E JEMPLO 7.2

4 2
3 3
Calculamos el polinimio caracterı́stico

E JEMPLO
E JEMPLO 7.2

4 2
3 3

4−λ 2
p (λ ) = det(A − λ I) = det = (4 − λ )(3 − λ ) − 6 = (λ − 1)(λ − 6)
3 3−λ

E JEMPLO
E JEMPLO 7.2

4 2
3 3

4−λ 2
p (λ ) = det(A − λ I) = det = (4 − λ )(3 − λ ) − 6 = (λ − 1)(λ − 6)
3 3−λ
Ası́, los valores propios son λ1 = 1 y λ2 = 6

M ULTIPLICIDAD ALGEBRAICA DE UN VALOR PROPIO
Supongamos que el polinomio caracterı́stico de A , dado por
p (λ ) = (−1)n [λ n + bn−1 λ n−1 + . . . + b1 λ + b0 ] = 0
se puede factorizar como
p (λ ) = (−1)n (λ − λ1 )r1 (λ − λ2 )r2 · . . . · (λ − λm )rm = 0
donde λi son m raı́ces diferentes de p (λ ).

M ULTIPLICIDAD ALGEBRAICA DE UN VALOR PROPIO
Supongamos que el polinomio caracterı́stico de A , dado por
p (λ ) = (−1)n [λ n + bn−1 λ n−1 + . . . + b1 λ + b0 ] = 0
se puede factorizar como
p (λ ) = (−1)n (λ − λ1 )r1 (λ − λ2 )r2 · . . . · (λ − λm )rm = 0
donde λi son m raı́ces diferentes de p (λ ).
D EFINICI ÓN 7.2

Los números r1 , r2 , . . . , rm se denominan multiplicidades algebraicas de los
valores propios λ1 , λ2 , . . . , λm , respectivamente.

C ÁLCULO DE VALORES PROPIOS VALORES PROPIOS DE UNA MATRIZ DIAGONAL
VALORES PROPIOS DE UNA MATRIZ DIAGONAL
T EOREMA 7.2
Los valores propios de una matriz triangular son las componentes diagonales de
la matriz.

T EOREMA 7.2
la matriz.
E JEMPLO 7.3

4 0
Sea A = .
0 4

T EOREMA 7.2
la matriz.
E JEMPLO 7.3

4 0
Sea A = .Luego, el polinomio caracterı́stico está dado por
0 4

4−λ 0
p (λ ) = det = (λ − 4)2
0 4−λ

T EOREMA 7.2
la matriz.
E JEMPLO 7.3

4 0
Sea A = .Luego, el polinomio caracterı́stico está dado por
0 4

4−λ 0
p (λ ) = det = (λ − 4)2
0 4−λ
Por lo tanto, λ = 4 con multiplicidad algebraica 2.

¡A P RACTICAR !
E JERCICIO 7.1
Calcular los valores propios de la matriz A dada.
 
2 −1 2 5 6
1. A =
−4 2 3. A = 0 −3 2
0 0 5
 
1 −1 4
2. A = 3 2 −1 3 −5
4. A =
2 1 −1 1 −1

C ÁLCULO DE VECTORES PROPIOS
Cálculo de vectores propios

IL: C ALCULA VECTORES PROPIOS DE UNA MATRIZ
UFME FAE UDP

C ÁLCULO DE VECTORES PROPIOS
C ONTENIDOS
8 C ÁLCULO DE VECTORES PROPIOS

Definición de vector propio
¿Cómo calcular vectores propios asociados a un valor propio?

C ÁLCULO DE VECTORES PROPIOS D EFINICI ÓN DE VECTOR PROPIO
D EFINICI ÓN DE VECTOR PROPIO
Recordemos la definición anterior

D EFINICI ÓN 8.1


D EFINICI ÓN 8.1

Av = λv

D EFINICI ÓN 8.1

Av = λv

D EFINICI ÓN 8.1

Av = λv
Nos preguntarmos si para una matriz cuadrada A , existen vectores no nu-

los tales que A v es igual a un múltiplo escalar de v.

O BSERVACI ÓN 8.1

Los valores y vectores propios también se conocen como eigenvalores y
eigenvectores, respectivamente. (eigen es un adjetivo alemán que significa
propio o caracterı́stico de.

O BSERVACI ÓN 8.1

Los valores y vectores propios también se conocen como eigenvalores y
eigenvectores, respectivamente. (eigen es un adjetivo alemán que significa
propio o caracterı́stico de.
O BSERVACI ÓN 8.2

La obtención de valores y vectores propios tiene diversas aplicaciones en
contextos matemáticos y también en otros campos, por ejemplo, en finanzas
mediante cadenas de Markov y crecimiento poblacional.

C ÁLCULO DE VECTORES PROPIOS ¿C ÓMO CALCULAR VECTORES PROPIOS ASOCIADOS A UN VALOR PROPIO ?
¿C ÓMO CALCULAR VECTORES PROPIOS ASOCIADOS A

UN VALOR PROPIO ?
Para calcular los vectores propios asociados a un valor propio λ , se debe

resolver el sistema
Av = λv
equivalente al sistema homogéneo
(A − λ In )v = 0

C ALCULEMOS VECTORES PROPIOS
E JEMPLO 8.1

3 1
Sea A = . Los valores propios son
2 4
λ1 = 2, λ2 = 5
Determinemos los vectores propios asociados a los valores propios.

E JEMPLO 8.1

3 1
2 4
λ1 = 2, λ2 = 5
Para λ1 = 2: Resolvemos el sistema
(A − 2I2 )v = 0

E JEMPLO 8.1

3 1
2 4
λ1 = 2, λ2 = 5
(A − 2I2 )v = 0
Reemplazando

E JEMPLO 8.1

3 1
2 4
λ1 = 2, λ2 = 5
(A − 2I2 )v = 0
Reemplazando

3−2 x1 0 1 1 x 0
= ⇐⇒ =
2 4−2 y 0 2 2 y 0

C ONTINUACI ÓN DEL EJEMPLO

Aplicamos Gauss Jordan



1 1 0
2 2 0



1 1 0
−→
2 2 0 f2 − 2f1



1 1 0 1 1 0
−→
2 2 0 f2 − 2f1 0 0 0



1 1 0 1 1 0
−→
2 2 0 f2 − 2f1 0 0 0
De esta manera, y = −x , x ∈ R (infinitas soluciones). Luego, si asignamos un

valor real cualquiera a x, por ejemplo, x = 1, el valor de y es y = −1. Por lo tanto,
v = (1, −1).



1 1 0 1 1 0
−→
2 2 0 f2 − 2f1 0 0 0

v = (1, −1).
O BSERVACI ÓN 8.3

Los vectores propios asociados a λ1 = 2 se escriben de manera general como



1 1 0 1 1 0
−→
2 2 0 f2 − 2f1 0 0 0

v = (1, −1).
O BSERVACI ÓN 8.3


x 1
W2 = : x ∈R = x : x ∈ R = ⟨(1, −1)⟩
−x −1



1 1 0 1 1 0
−→
2 2 0 f2 − 2f1 0 0 0

v = (1, −1).
O BSERVACI ÓN 8.3


x 1
W2 = : x ∈R = x : x ∈ R = ⟨(1, −1)⟩
−x −1
W2 se conoce como espacio propio asociado a λ1 = 2, esto significa que

cualquier vector perteneciente a dicho espacio satisface la definición de vector
propio.


(A − 5I2 )v = 0
Reemplazando

3−5 1 x 0 −2 1 x 0
= ⇐⇒ =
2 4−5 y 0 2 −1 y 0



−2 1 0 −2 1 0
−→
2 −1 0 f2 + f1 0 0 0
De esta manera, y = 2x , x ∈ R (infinitas soluciones). Luego, si asignamos un

valor real cualquiera a x, por ejemplo, x = 1, el valor de y es y = 2. Por lo tanto,
v = (1, 2)
O BSERVACI ÓN 8.4


x 1
W5 = : x ∈R = x : x ∈ R = ⟨(1, 2)⟩
2x 2



−2 1 0 −2 1 0
−→
2 −1 0 f2 + f1 0 0 0
De esta manera, y = 2x , x ∈ R (infinitas soluciones). Luego, si asignamos un

valor real cualquiera a x, por ejemplo, x = 1, el valor de y es y = 2. Por lo tanto,
v = (1, 2)
O BSERVACI ÓN 8.4


x 1
W5 = : x ∈R = x : x ∈ R = ⟨(1, 2)⟩
2x 2
W5 conoce como espacio propio asociado a λ2 = 5, esto significa que cualquier

vector perteneciente a dicho espacio satisface la definición de vector propio.

¡A PRACTICAR !
E JERCICIO 8.1
Calcule los
valores
y vectores propios de las siguientes matrices
2 1
1. A =
3 0 
1 2 0
2. A = 2 1 0
0 1 2
 
2 1 3
3. A = −1 1 1
1 2 4

Matrices y Sistemas de Ec Lin

Cargado por

Información del documento

Descripción original:

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

Matrices y Sistemas de Ec Lin

Cargado por

Copyright:

Formatos disponibles

Unidad: Matrices y Sistemas de ecuaciones

UFME FAE UDP

1 D EFINICI ÓN Y OPERACIONES CON MATRICES

4 E CUACI ÓN MATRICIAL

6 S ISTEMAS DE ECUACIONES LINEALES CON PAR ÁMETROS

7 C ÁLCULO DE VALORES PROPIOS

8 C ÁLCULO DE VECTORES PROPIOS

M ATRICES (UFME) FAE UDP 2 / 116

Definición y operaciones con matrices

UFME FAE UDP

1 D EFINICI ÓN Y OPERACIONES CON MATRICES

Multiplicación por escalar

M ATRICES (UFME) FAE UDP 4 / 116

Una empresa produce cuatro artı́culos, A, B, C y D donde cada uno requiere,

M ATRICES (UFME) FAE UDP 5 / 116

Una empresa produce cuatro artı́culos, A, B, C y D donde cada uno requiere,

M ATRICES (UFME) FAE UDP 5 / 116

Una empresa produce cuatro artı́culos, A, B, C y D donde cada uno requiere,

M ATRICES (UFME) FAE UDP 5 / 116

Una empresa produce cuatro artı́culos, A, B, C y D donde cada uno requiere,

M ATRICES (UFME) FAE UDP 5 / 116

D EFINICI ÓN 1.1

M ATRICES (UFME) FAE UDP 6 / 116

E LEMENTOS DE UNA MATRIZ

Los subı́ndices en un elemento aij indican su lugar en la matriz. De este modo, el

Interpretación: Se necesitan 75 unidades de la segunda materia prima (Y) para

M ATRICES (UFME) FAE UDP 7 / 116

E LEMENTOS DE UNA MATRIZ

Los subı́ndices en un elemento aij indican su lugar en la matriz. De este modo, el

Interpretación: Se necesitan 75 unidades de la segunda materia prima (Y) para

M ATRICES (UFME) FAE UDP 7 / 116

O RDEN DE UNA M ATRIZ

M ATRICES (UFME) FAE UDP 8 / 116

O RDEN DE UNA M ATRIZ

M ATRICES (UFME) FAE UDP 8 / 116

O RDEN DE UNA M ATRIZ

M ATRICES (UFME) FAE UDP 8 / 116

O BSERVACI ÓN 1.1

Denotaremos por Mn×m (R) ó M (n × m, R) al conjunto de todas las matri-

Mn×m (R) = {A = (aij )n×m | aij ∈ R, ∀i , j }

M ATRICES (UFME) FAE UDP 9 / 116

M ATRICES (UFME) FAE UDP 10 / 116

D EFINICI ÓN 1.2

M ATRICES (UFME) FAE UDP 11 / 116

D EFINICI ÓN 1.3

[0] = (aij ) ∈ Mn×m (R)

M ATRICES (UFME) FAE UDP 12 / 116

D EFINICI ÓN 1.4

M ATRICES (UFME) FAE UDP 13 / 116

D EFINICI ÓN 1.5

M ATRICES (UFME) FAE UDP 14 / 116

D EFINICI ÓN 1.6

M ATRICES (UFME) FAE UDP 15 / 116

M ULTIPLICACI ÓN POR ESCALAR

D EFINICI ÓN 1.7

M ATRICES (UFME) FAE UDP 16 / 116

M ULTIPLICACI ÓN DE MATRICES

M ATRICES (UFME) FAE UDP 17 / 116

O BSERVACI ÓN 1.2

1. Solo se pueden multiplicar matrices tales que el número de columnas

AB = [0]2×2 ⇏ A = [0]2×2 ∨ B = [0]2×2

es decir, cuando el producto de dos matrices (con los órdenes ade-

M ATRICES (UFME) FAE UDP 18 / 116